APLICAÇÃO DE TÉCNICAS DE APRENDIZADO PROFUNDO PARA A CLASSIFICAÇÃO DE IMAGENS SATÉLITE LANDSAT EM REGIÕES DE DESFLORESTAMENTOS NO NORDESTE DO PARÁ
Redes neurais; aprendizado profundo; desflorestamento
O desmatamento é um dos principais problemas ambientais enfrentados no mundo, e na Amazônia a perda da cobertura vegetal tem graves consequências para o clima, biodiversidade e sociedade. Nesse contexto, a detecção e classificação de áreas desmatadas é fundamental para o monitoramento e controle do desmatamento. O objetivo deste trabalho foi identificar áreas degradadas e não degradadas na região nordeste paraense por meio de imagens do satélite Landsat 5, 7 e 8, utilizando a metodologia ReLU (Unidade Linear Retificada). O banco de dados abrangeu 210 imagens. Após os resultados foi possível gerar a matriz de confusão, para realizar a classificação digital para avaliação dos resultados das imagens de satélite. Os dados foram extraídos em KDD, o código fonte para o processamento dos dados foi a linguagem Python e rodado na plataforma Colaboratory. Por meio da matriz confusão estimou-se com 69,7% de acurácia os resultados. Os valores determinaram um índice eficaz de classificação das áreas degradadas e não degradadas. O modelo obtido para o treinamento apresentou algumas interferências na imagens sendo possível identificar áreas desmatadas e não desmatadas. Para estudos futuros recomenda-se novas imagens de satélite da região, com destaque para os índices de resolução espectral correspondentes com os sensores determinados pelos satélites do estudo.
Projeto: Soluções Inteligentes para Sensores Ópticos e Redes de Próxima Geração