INTEGRAÇÃO DA INCERTEZA NA AMOSTRAGEM E CLASSIFICAÇÃO RANDOM FOREST UTILIZANDO BANDAS E ÍNDICES ESPECTRAIS PARA O MAPEAMENTO DE INUNDAÇÃO

Integration of uncertainty in sampling and random forest classification using bands and spectral indices for flood mapping

Autores

  • Thiago BAZZAN Instituto Nacional de Pesquisas Espaciais (INPE) https://orcid.org/0000-0003-4026-5444
  • Camilo Daleles RENNÓ Instituto Nacional de Pesquisas Espaciais
  • Deborah Lopes Correia LIMA Instituto Nacional de Pesquisas Espaciais
  • Elisabete Weber RECKZIEGEL Centro Nacional de Monitoramento e Alertas de Desastres Naturais

DOI:

https://doi.org/10.5016/geociencias.v41i04.16802

Resumo

Classificações tradicionais apresentam limitações para o mapeamento de inundações devido à mistura da resposta espectral da água com alvos adjacentes não aquáticos ou resposta espectral similar de alvos não aquáticos com a água. Além disso, em geral, as classificações são avaliadas apenas em termos de acurácia global sem considerar as incertezas no processo de classificação. Assim, neste estudo objetivou-se integrar a incerteza na classificação Random Forest (RF) para o mapeamento de inundações auxiliando o processo de amostragem. A classificação utilizou 21 variáveis representadas por bandas e índices espectrais do sensor Operational Land Imager do satélite Landsat-8. A amostragem foi realizada inicialmente com a seleção de pontos a partir da interpretação visual da imagem de satélite e posteriormente coletando amostras com alta entropia de Shannon no mapa de incerteza. As variáveis com maior importância para a classificação foram selecionadas utilizando o algoritmo Recursive Feature Elimination (RFE). Os resultados mostram que a classificação RF final usando amostras coletadas com base no mapa de incerteza e o conjunto de variáveis selecionadas pelo RFE apresentou 98,0% de exatidão e redução das incertezas do mapeamento da água superficial em relação à classificação RF com todas as variáveis e sem considerar a amostragem baseada na incerteza.

Palavras-chave: Mapeamento de inundação. Classificador Random Forest. Bandas e índices espectrais. Seleção de variáveis. Entropia de Shannon.

Biografia do Autor

Thiago BAZZAN, Instituto Nacional de Pesquisas Espaciais (INPE)

Doutorando em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (INPE), Mestre em Geografia pela Universidade Federal do Rio Grande do Sul (UFRGS), Bacharel em Geografia pela Universidade Federal de Santa Maria (UFSM) e Técnico em Geomática pelo Colégio Politécnico da UFSM. Atua e tem experiência na área de Geomática: Sistemas de Informação Geográfica, Geoprocessamento, Sensoriamento Remoto, Processamento Digital de Imagens, Sistemas Globais de Navegação por Satélite, Topografia e Geodésia, Operação e Mapeamento com Drones. Tem interesse em pesquisas sobre Análise Ambiental, Riscos Hidrológicos (Inundações) e Riscos Geológicos (Movimentos de Massa). Atuou em empresas de engenharia na área de Topografia (Levantamento Cadastral Urbano, Levantamentos Planialtimétricos de Estradas e Obras de Macrodrenagem) e de Licenciamento e Gestão Ambiental de Obras Viárias (Rodovias). Profissional certificado pelo CREA e credenciado pelo INCRA para Georreferenciamento de Imóveis Rurais.

Downloads

Publicado

2023-04-11

Edição

Seção

Artigos