Avaliação de desempenho de atributos estatísticos e texturais em uma classificação de cobertura da terra baseada em objeto

Abstract

² Instituto Nacional de Pesquisas Espaciais Av. dos Astronautas, Caixa Postal 515 − 12245-970São José dos Campos -SP, Brasil almeida@dsr.inpe.br RESUMO Este artigo tem como objetivo avaliar o desempenho de duas redes semânticas geradas por mineração de dados para a classificação de cobertura da terra por meio de análise de imagens baseada em objetos geográficos (GEographic Object-Based Image Analysis -GEOBIA). Para isto, uma rede utilizou-se de descritores estatísticos e texturais, e a outra, apenas de descritores estatísticos. A base de dados foi constituída de imagens ALOS/AVNIR fusionadas com imagens ALOS/PRISM e dados de relevo provenientes do banco de dados TOPODATA. A área de estudo corresponde ao município de Nova Friburgo, com 933 km², localizado na região serrana do estado do Rio de Janeiro. O índice Kappa alcançado pela classificação baseada em árvore de decisão composta por descritores estatísticos e texturais foi de 0,81, enquanto que este valor para a classificação derivada apenas de descritores estatísticos foi de 0,84. Considerando os índices alcançados, conclui-se que ambos os resultados apresentam excelente qualidade quanto à acurácia da classificação. O teste de hipótese entre os dois índices mostra, com nível de significância de 5%, que não há diferenças entre as duas classificações quanto à acurácia.

Análise comparativa dos parâmetros de segmentação e regras de classificação das vias pavimentadas de Marília/SP

“…Mede o nível de concordância entre dois conjuntos de dados e determina a acurácia das análises (FITZGERALD;LEES, 1994). Seu uso é muito difundido, pois uma significativa quantidade de pesquisas adota o coeficiente kappa para avaliar a qualidade das classificações de imagens de Sensoriamento Remoto (ARAUJO; QUEIROZ, 2018, BELGIU et al, 2014ALMEIDA, 2013, PAL, 2007, PINHO, 2006LEES, 1994). O valor estimado da estatística kappa é dado pela equação (1):…”

Classificação Orientada a Objetos Para Mapear Florestas Secundárias Em Santa Catarina, Sul Do Brasil

“…Já as automáticas vêm evoluindo de acordo com os avanços tecnológicos. As primeiras classifi cações automáticas de imagens de sensoriamento remoto consideravam apenas os valores de radiância ou reflectância de cada pixel (FRANCISCO;ALMEIDA, 2012;MONTEIRO et al, 2007), por isso, intituladas pixel-a-pixel. Sensores de alta resolução, entretanto, impõem barreiras para a extração de informação, principalmente para metodologias tradicionais de classifi cação (CADENA, 2011).…”

Object-Based Analysis for Urban Land Cover Mapping Using the Interimage and the Sipina Free Software Packages

“…It defines image segments as analysis units, which can be characterized by a large number of spectral, morphological and topological features (Blaschke and Tomljenović 2012). According to Francisco and Almeida (2012), a pixel does not meet the conceptual requirements of an "object" according to the OBIA paradigm, as does the segment, which can be characterized in such a way that it can conform to an interpretation model. A considerable number of OBIA techniques has been successfully applied to urban planning, as demonstrated in the following examples.…”