Análise do Uso e Cobertura da Terra Utilizando Imagens Sentinel-2A e Inteligência Artificial

Abstract

O objetivo do presente estudo consistiu em avaliar a eficiência dos algoritmos de aprendizado de máquina Random Forest (RF), Support Vector Machine (SVM) e Artificial Neural Network (ANN) na classificação supervisionada de usos e cobertura da terra utilizando imagens MSI/Sentinel-2A na bacia hidrográfica do Rio Pardo – RS. O processo de classificação foi conduzido por meio do software R utilizando o pacote caret. Os algoritmos foram avaliados utilizando os valores de acurácia de 30 repetições da validação cruzada. Para cada repetição foram atribuídos pesos para ordenamento dos algoritmos de acordo com a eficiência, de modo a verificar se os mesmos se diferiram estatisticamente utilizando o teste de Friedman e Nemenyi. O algoritmo RF apresentou o melhor resultado de acurácia média (0,9973) seguido do SVM (0,9937) e ANN (0,5628). Os algoritmos se diferiram estatisticamente entre si, sendo possível inferir que o RF pode ser utilizado de forma eficiente para classificação do uso e cobertura da terra, por meio de imagens MSI/Sentinel-2A. Neste contexto, o presente estudo demonstrou que os algoritmos de aprendizado de máquina aliados às imagens de média resolução espacial possibilitam adquirir resultados de boa precisão e confiabilidade, os quais poderão auxiliar em estudos ambientais futuros, permitindo a obtenção de resultados de forma rápida e eficiente.