Mapeamento de Áreas Agrícolas com Máquina de Vetor de Suporte no Noroeste de Minas Gerais, Brasil

Danila Mendes Durães, Carlos Magno Moreira de Oliveira, Rafael Coll Delgado, Vitor Marques Vidal, Inácio Barbosa Borges

Abstract


A agricultura é um dos setores que mais se destaca na economia do Brasil, sendo necessário muitas vezes o emprego do sensoriamento remoto, para identificação da expansão das áreas agrícolas e estimativas da sua produção. Esse trabalho tem por objetivo mapear as áreas agrícolas do noroeste de Minas Gerais por meio de máquina de vetor de suporte e comparar os resultados obtidos com o censo estatístico do Instituto Brasileiro de Geografia e Estatística. Para identificação das áreas agrícolas foi utilizado o algoritmo Service Vector Machine e imagens dos satélites e sensores Landsat 8 / OLI e Terra / MODIS. As amostras de treinamento do algoritmo foram obtidas por meio de imagem de alta resolução espacial, disponível no programa Google Earth Pro, nas classes rios, floresta, agricultura, pastagem e silvicultura. O mapeamento utilizando imagem do sensor OLI apresentou melhor Acurácia Global (0,81) e Kappa (0,66). A classificação com imagem OLI e MODIS apresentaram maior precisão na classe agricultura quando comparada as demais classes, apresentando confusão com pastagem, em decorrência da alta fitomassa da pastagem na época de aquisição das imagens (verão). O cálculo das áreas agrícolas demonstra superestimativa do Service Vector Machine (SVM) na classificação das imagens OLI e MODIS, com forte relação dos dados MODIS com o censo do IBGE (R²=0,83). Apenas municípios com áreas agrícolas superiores a 50.000 ha apresentaram menor erro na estimativa das áreas agrícolas. A aplicação do algoritmo mostra-se potencial para mapeamento da agricultura por meio de imagens dos sensores MODIS e OLI, porém deve-se avaliar a época de aquisição das imagens orbitais e variações nos parâmetros do algoritmo para melhorar a acurácia da classificação.

Keywords


Agricultura; Classificação supervisionada; Aprendizado de máquina



DOI: https://doi.org/10.11137/2020_1_33_41

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Indexers and Bibliographic DatabasesFollow us
SCImago Journal & Country Rank
ISSN
ROAD
Clarivate
Diadorim
DOAJ
DRJI
GeoRef
Google Scholar
Latindex
REDIB
Oasisbr
Twitter
Instagram
Facebook
All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution-NonCommercial 4.0 International Public License (CC BY-NC 4.0).