Análise da interferência de nuvens na classificação de séries temporais MODIS-NDVI na região da Amazônia, municícpio de Capixaba, Acre

Abstract

Este trabalho teve como objetivo analisar classificações de séries temporais MODIS-NDVI, com 3 diferentes algorítimos, buscando identificar a quantidade ideal de imagens para estudos em ambientes com altas taxas de nebulosidade. O recorte espacial utilizado para o estudo foi o município de Capixaba, localizado no Estado do Acre na região amazônica. Para cada imagem NDVI, construiu-se uma máscara de nuvem. Esta máscara permitiu organizar o cubo temporal por quantitativo de cobertura de nuvem. Assim, testou-se o impacto da eliminação das imagens com alta nebulosidade para a classificação da série. A cada corte, o cubo temporal foi refeito, avaliando resultados para um novo conjunto de bandas. Para a análise de acurácia, adotou-se o coeficiente Kappa. Ao todo foram feitas 84 classificações. Foram testados 3 algoritmos de classificação (Mínima Distância, Spectral Angle Maper e Spectral Correlation Mapper) e 4 diferentes interações entre classes e amostras. Observou-se que, ao longo do período analisado, aproximadamente 80% das imagens apresentaram cobertura de nuvens acima de 90%. Os testes mostraram que a retirada das imagens com nuvem, aumentou a qualidade da classificação, sendo que os melhores resultados foram encontrados em cubos pequenos (10 a 35 imagens) e com baixa cobertura de nuvem (0 a ~6 %). O algoritimo Mínima Distância apresentou o menor coeficiente de variação dentre os resultados encontrados, mostrando menor sensibilidade à presença de nuvens.

Identificação de Garimpos de Ouro Embarcados por meio de Algoritmos de Classificação em Imagens Sentinel-2

“…A Figura 7 exemplifica as classificações da imagem de 14/07/2021, destacando as diferenças na detecção das plumas de sedimentos dos garimpos embarcados entre os classificadores. A Tabela 3 demonstra que o Índice Kappa variou de 0,70 a 0,95, resultados considerados "muito bom" (0,6 < k < 0,8) ou "excelente" (0,8 < k < 1) (Salgado et al, 2019). Ainda, o score F1 variou de 0,74 a 0,96, resultados bastante satisfatórios (Barbosa et al, 2021;Cao et al, 2020).…”

“…Foram calculados o Índice Kappa e score F1 (Cao et al, 2020;Salgado et al, 2019). O score F1 (Equação 1) é calculado com base no precision (Equação 2) e no recall (Equação 3) que indicam a precisão da detecção do alvo e capacidade de discriminação:…”

Classificação do uso e cobertura da terra utilizando imagens SAR/Sentinel 1 no Distrito Federal

“…A etapa de avaliação foi estabelecida tendo por base a comparação da sequência de classificações temporais junto a um conjunto independente de dados "verdade", no sentido de viabilizar o cálculo das seguintes métricas de acurária: (i) índice Kappa e (ii) índice F1, amplamente utilizadas em estudos de sensoriamento remoto (CAO et al, 2020;SALGADO et al, 2019).…”