Procedimentos de aprendizagem de máquina para análise de padrões espaciais com o uso da plataforma KNIME
Abstract
Imagens de satélites provenientes dos sensores remotos surgem como alternativas
viáveis e eficientes no estudo de informações sobre os padrões do uso e cobertura da
terra. Dados extraídos das imagens de satélite, são atualmente empregados no
aprendizado de máquina, sendo este método capaz de prever a classe de novos dados
do domínio no qual ele foi treinado. Desta forma, o presente trabalho teve como objetivo
analisar a capacidade dos algoritmos de aprendizado de máquina em predizer o uso e
cobertura da terra do município de Dona Francisca - RS. O banco de dados geográficos
foi implementado no software QGIS, onde iniciou-se a importação das imagens
TM/Landsat 5 nos anos de 2004 e 2009 e OLI/Landsat 8 para os anos de 2015 e 2019.
Posteriormente realizou-se a composição sintética das bandas falsa cor RGB 543 do
Landsat 5 e RGB 654 Landsat 8, com a finalidade de obter as amostras dos pixels de
referência, levando em consideração a informação espectral de cada pixel (valor
numérico), com a finalidade de obter informações para caracterizar e diferenciar os
padrões de uso e cobertura da terra (água, agricultura, campo, floresta e solo exposto).
Após iniciou-se o treinamento e teste dos algoritmos nas proporções de 80%-20%, 70%-
30%, 60%-40% por meio dos algoritmos de aprendizado de máquina Random Forest
(RF), Support Vector Machine (SVM), K-Nearest Neighbors (KNN) e Naive Bayes (NB) no
software KNIME, e por fim apresentado o desempenho da acurácia global e do índice de
Kappa. Os resultados evidenciaram que os algoritmos de aprendizado de máquina RF e
SVM apresentaram os melhores desempenhos para os anos de 2004 e 2009. Já para o
ano de 2015, os algoritmos KNN e a RF tiveram uma acurácia global melhor. O algoritmo
NB demostrou em todos os testes desempenhos inferiores aos demais algoritmos
estudados. Os valores do índice Kappa gerados pelo software KNIME indicam que a
qualidade das classificações geradas pelos algoritmos RF, SVM, KNN e NB para todos
os anos foram de muito boa a excelente. Evidencia-se que os algoritmos de aprendizado
de máquina mostraram resultados satisfatórios, de maneira que apresentaram eficiência
em predizer o uso e cobertura da terra a partir de dados provenientes das imagens
orbitais.
Collections
The following license files are associated with this item: