Mapping of Agricultural Areas with Support Vector Machine in the Northwest of Minas Gerais, Brazil

Abstract

ResumoA agricultura é um dos setores que mais se destaca na economia do Brasil, sendo necessário muitas vezes o emprego do sensoriamento remoto, para identificação da expansão das áreas agrícolas e estimativas da sua produção. Esse trabalho tem por objetivo mapear as áreas agrícolas do noroeste de Minas Gerais por meio de máquina de vetor de suporte e comparar os resultados obtidos com o censo estatístico do Instituto Brasileiro de Geografia e Estatística. Para identificação das áreas agrícolas foi utilizado o algoritmo Service Vector Machine e imagens dos satélites e sensores Landsat 8 / OLI e Terra / MODIS. As amostras de treinamento do algoritmo foram obtidas por meio de imagem de alta resolução espacial, disponível no programa Google Earth Pro, nas classes rios, floresta, agricultura, pastagem e silvicultura. O mapeamento utilizando imagem do sensor OLI apresentou melhor Acurácia Global (0,81) e Kappa (0,66). A classificação com imagem OLI e MODIS apresentaram maior precisão na classe agricultura quando comparada as demais classes, apresentando confusão com pastagem, em decorrência da alta fitomassa da pastagem na época de aquisição das imagens (verão). O cálculo das áreas agrícolas demonstra superestimativa do Service Vector Machine (SVM) na classificação das imagens OLI e MODIS, com forte relação dos dados MODIS com o censo do IBGE (R²=0,83). Apenas municípios com áreas agrícolas superiores a 50.000 ha apresentaram menor erro na estimativa das áreas agrícolas. A aplicação do algoritmo mostra-se potencial para mapeamento da agricultura por meio de imagens dos sensores MODIS e OLI, porém deve-se avaliar a época de aquisição das imagens orbitais e variações nos parâmetros do algoritmo para melhorar a acurácia da classificação. Palavras-chave: agricultura; classificação supervisionada; aprendizado de máquina AbstractAgriculture is one of the sectors that stands out most in the Brazilian economy, often requiring the use of remote sensing to identify the expansion of agricultural areas and estimates of their production. This work aims to map the agricultural areas of the northwest of Minas Gerais by means of a support vector machine and compare the results obtained with the statistical census of the Brazilian Institute of Geography and Statistics. For the identification of the agricultural areas, the Service Vector Machine algorithm and images of the Landsat 8 / OLI and Terra / MODIS satellites and sensors were used. The training samples of the algorithm were obtained by high resolution spatial image, available in Google Earth Pro software, in the categories rivers, forest, agriculture, pasture and forestry. The OLI image mapping showed better Global Accuracy (0.81) and Kappa (0.66). The classification with OLI and MODIS images showed greater precision in the agriculture class when compared to the other classes, presenting confusion with pasture, due to the high phytomass of the pasture at the time of acquisition of the images (summer). The calculation of the agricultural areas shows an overestimation of the Serv...