Redes neurais e integração de dados do satélite Sentinel-2 no mapeamento de uso e ocupação do solo

Abstract

As redes neurais são algoritmos baseados em aprendizado de máquina e tem demonstrado bons resultados em tarefas de reconhecimento de padrões em imagens orbitais. Este estudo objetiva avaliar a aplicação de uma rede neural artificial para mapeamento do uso e ocupação do solo no cerrado, integrando dados das bandas espectrais do satélite Sentinel-2 com um produto derivado, no caso o índice de vegetação normalizado, e mensurar o desempenho da classificação através de índices de exatidão. O instrumento imageador do satélite Sentinel-2 fornece 13 bandas que abrangem desde o visível até o infravermelho de ondas curtas. Neste trabalho foram utilizadas 11 bandas com resolução espacial de 10 e 20 m, juntamente com o índice de vegetação normalizado. O principal produto obtido foi o mapa de uso e ocupação do solo com 8 classes, sendo 4 naturais e 4 antrópicas. A acurácia temática calculada pelo índice Kappa foi de 0,77. A classificação por rede neural obteve um desempenho melhor do que a classificação produzida pelo método de máxima verossimilhança, o índice Kappa obtido na classificação MaxVer foi de 0,73. A imagem do Sentinel-2, aliada ao uso de uma rede neural, mostrou-se um bom insumo para execução desse tipo de mapeamento.