Comparação entre diferentes algoritmos de classificação supervisionada em imagens Landsat-8 no mapeamento temático da Bacia Hidrográfica do rio Caldas, Goiás

Abstract

Diferentes métodos são empregados para a classificação digital de imagens, porém, podem apresentar desempenhos diferentes, sendo importante testá-los para verificar suas eficácias no mapeamento de uso e cobertura da terra com intuito de se selecionar o classificador que apresente os melhores resultados e maior veracidade em relação à verdade de campo. O objetivo deste estudo foi avaliar e comparar os desempenhos de quatro algoritmos de classificação supervisionada para o mapeamento do uso e cobertura da terra da bacia hidrográfica do Rio Caldas – GO, utilizando imagens Landsat-8. Para tanto, foram utilizadas as cenas de órbita/ponto 222/71 e 222/72, com datas de passagem em 24/10/2017 e 22/10/2017, mosaicadas para formar uma única imagem de dimensões que abrangesse toda a área de interesse. A composição RGB utilizada foi das bandas 6, 5 e 4 (R=6, G=5, B=4). Para a realização do processamento digital da imagem foi empregado o software ENVI versão 5.0 e à elaboração de mapas temáticos o QGIS 2.18. Os algoritmos testados foram: Paralelepípedo, Distância de Mahalanobis, Distância Mínima e Máxima-verossimilhança. Como parâmetros de comparação foram utilizados os coeficientes de Kappa, acurácias global e matrizes de confusão. Os melhores resultados para a classificação de uso e cobertura foram obtidos pelo método da Máxima-verossimilhança (MaxVer), os piores pelo método do Paralelepípedo, os outros classificadores apresentaram resultados intermediários entre o melhor e o pior. Com os resultados obtidos pela classificação por MaxVer, constatou-se que atualmente a maior parte do solo da bacia é ocupada pelas classes Pastagem (63,14%) e Vegetação nativa (22,07%). Comparison between different supervised classification algorithms in Landsat-8 images in the thematic mapping of the caldas river basin, GoiásA B S T R A C TDifferent methods are used for a digital classification of images, however, they can present different performances, being important to test them to verify their efficiencies in the mapping of land use and coverage in order to select the classifier that presents the best results and greater truthfulness In relation to the truth of the field. The objective of this study was to evaluate and compare the performance of four supervised classification algorithms for the mapping of the land use and land cover of the Caldas river basin - GO, using Landsat-8 images. To do so, they were like the orbit / dot scenes 222/71 and 222/72, with passing date on 10/24/2017 and 10/22/2017, mosaicked to form a single image of dimensions covering an entire area of interest . An RGB composition used for bands 6, 5 and 4 (R = 6, G = 5, B = 4). For the realization of digital image processing and the use of ENVI version 5.0 software and the development of thematic maps, QGIS 2.18. The algorithms tested were: Parallelepiped, Mahalanobis Distance, Minimum Distance and Maximum Likelihood. As the comparison parameter is used by Kappa coefficients, global accuracy and matrices of confusion. The best results for a classification of use and coverage are obtained by the Maximum-likelihood method (MaxVer), the most common methods, the other classifiers presented the intermediates between the best and the worst. With the results obtained by classification by MaxVer, it was verified that at the moment it is part of the soil of the basin is occupied by classes Pasture (63.14%) and native vegetation (22.07%).Keywords: Use and coverage; remote sensing; geoprocessing; Landsat.