AVALIAÇÃO DA ACURÁCIA DA CLASSIFICAÇÃO ARBÓREA A PARTIR DE UMA CENA CBERS 4A UTILIZANDO RANDOM FOREST

Abstract

Neste estudo é explorada a utilização do satélite CBERS (China-Brazil Earth Resources Satellite) para classificações automáticas da cobertura arbórea urbana com as imagens disponibilizadas pelo CBERS 4A, com resolução espacial de até 2 metros em 4 bandas espectrais (azul, verde, vermelho e infravermelho próximo), no município de Adamantina, localizada no estado de São Paulo, Brasil. O uso de adequado algoritmo de Aprendizado de Máquina o qual foi escolhido o Random Forest é baseado em árvores de decisão que combina múltiplas árvores para melhorar a precisão e controlar o problema de overfitting, juntamente com o sensoriamento remoto e a inteligência artificial que como ferramentas contribuem nos mapeamentos da cobertura arbórea com rapidez e precisão, oferecendo uma visão  abrangente, identificando os padrões de vegetação, as áreas verdes, distribuição e saúde das árvores nos diferentes ambientes urbanos. A metodologia da pesquisa consiste em Pré-Processamento, Segmentação, Amostras Classes, Extração atributos, Classificação Arbórea e a Avaliação da qualidade, com auxílio dos softwares eCognition Developer 8.7 e o Weka 3.8.6 (Waikato Environment for Knowledge. Analysis) comum em Aprendizado de Máquina. Os resultados evidenciam se o algoritmo escolhido é capaz de diferenciar e classificar a imagem corretamente sem nenhuma possibilidade de overfitting, tendo como analise o Índice de Kappa, Matriz de confusão e o Mapa de Verdade de Solo. Portanto essa análise irá mostrar se os dados do satélite CBERS 4A é recomendado em mapeamentos urbanos e nos planejamentos.