Influência da reamostragem dos valores digitais em modelos de mistura espectral

• Ano de defesa: 2020
• Autor(a) principal: Ceccato, Guilherme Zavatti
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Palavras-chave em Português: Sensoriamento Remoto; Redes Neurais (Computação); Reamostragem (Estatística); Informações Espaciais
• Link de acesso: https://locus.ufv.br//handle/123456789/27885

As imagens ETM+/Landsat 7, originalmente disponibilizadas pelos portais de distribuição com reamostragem pelo método do vizinho mais próximo, começaram a ser cedidas somente pelo método da convolução cúbica, que por sua vez altera, por meio de processos matemáticos, o valor do pixel analisado em relação a média dos 16 pixels vizinhos. Em face dessa mudança e utilizando-se de uma cena Landsat 7, reamostrada pelo vizinho mais próximo, e depois convertida para convolução cúbica, realizou-se a modelagem linear de mistura espectral em ambas as imagens. Para tanto, foram utilizadas 30 amostras aleatórias e 30 amostras coletadas manualmente, estas localizadas nas áreas de transição das frações nas imagens-erro (B3, B4 e B5), resultantes de cada modelo. Em seguida, foram aplicados os testes de normalidade Shapiro-Wilk e o t de Student pareado para médias, com o intuito de verificar se havia diferenças significativas dos valores de erro. Os resultados mostraram que não há evidências suficientes de que as médias dos valores de erro das imagens, a um nível de significância de 5% geradas pelos dois métodos de reamostragem, no modelo linear de mistura espectral, são diferentes. Assim, a classificação supervisionada das imagens e das frações, para ambas reamostragens, que apresentaram a partir da geração de uma matriz de confusão, uma média de 99% de exatidão global, são praticamente idênticas, legitimando que, no estudo dessas imagens, a aplicação de diferentes reamostragens, por meio desta metodologia, não influenciou no mapeamento das classes de uso e cobertura do solo. Outra proposta desse estudo foi avaliar a precisão das estimativas de proporção subpixel a partir dos erros médios absolutos por fração e o erro médio absoluto total entre as abordagens linear e não linear de mistura espectral. Para isso, fez-se uso de uma classificação de máximo verossimilhança, de uma cena Planet de 3 metros de resolução espacial, com o intuito de se obter as referências de campo, separando-as nas classes de água/sombra, palha/solo e vegetação. A partir destes dados, estruturou-se uma rede neural artificial, onde com o uso do algoritmo de retropropagação foi feito seu treinamento, obtendo como saída as proporções de uma imagem OLI/L8 de 30 metros. Concomitantemente, realizou-se uma modelagem linear da mesma imagem OLI/L8 e com 6491 amostras pôde-se então comparar os resultados das frações. Os resultados alcançados apresentaram que a abordagem linear obteve valores de erro médio absoluto por fração e total maiores que a do modelo não linear. Os valores corresponderam a um valor de erro médio total de 1,023 e 0,310 para o modelo linear e não linear, respectivamente, comprovando que a partir de uma mesma referência de dados, a abordagem não linear se mostra ser uma modelagem mais adequada. Palavras-chave: Sensoriamento Remoto. Modelo de Mistura Espectral. Teste t de Student Pareado. Reamostragem. Rede Neural Artificial.