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

Abstract

Garimpos de ouro podem ocorrer em terra firme ou em leitos de rios na forma de embarcações. Porém, a atividade precisa estar amparada com uma Permissão de Lavra Garimpeira (PLG), expedida pela Agência Nacional de Mineração, e com a devida licença ambiental do órgão ambiental competente. Nesse sentido, o uso de imagens dos satélites Sentinel-2 se apresenta como ferramenta potencial para identificação de garimpos de ouro embarcados devido à resolução temporal, gratuidade de imagens, cobertura global e resolução espacial mais refinada. Este estudo objetivou identificar garimpos de ouro embarcados no Rio Madeira, próximo à cidade Porto Velho, estado de Rondônia, em 13 imagens Sentinel-2 de 2018 a 2021, a partir dos seguintes classificadores: Support Vector Machine (SVM); K-Nearest Neighbor (KNN); Random Forest (RF); e Spectral Angle Mapper (SAM). Os resultados demonstraram que os classificadores do tipo machine learning obtiveram melhor performance, com destaque para o classificador SVM orientado a objeto que apresentou melhor score F1 médio (0,91). Além disso, o percentual de detecção obtido foi satisfatório com omissão variando de 0 a 4 garimpos ativos por imagem. Assim, a partir dos resultados obtidos, conclui-se que o uso de classificadores machine learning se mostrou eficaz para identificar garimpos de ouro embarcados.