Detecção de mudanças do uso e cobertura do solo em imagens de alta resolução usando rede neural convolucional

• Ano de defesa: 2024
• Autor(a) principal: Godoy, Thamires Gil
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: U-Net; Sensoriamento remoto; Detecção de mudanças; Classificação de imagens; Remote sensing; Change detection; Image classification
• Link de acesso: https://hdl.handle.net/11449/255987

A superfície terrestre está sempre em transformação, devido tanto a fenômenos naturais quanto à intervenção humana. Nesse cenário, o uso de imagens de Sensoriamento Remoto, aéreo ou orbital, capturadas em diferentes períodos de tempo, é importante para detectar e monitorar as mudanças que ocorrem no uso e cobertura do solo. A extração de informações dessas imagens requer métodos de análise para identificar as feições de interesse, para tal, a interpretação visual de imagens, analógicas ou digitais, e a classificação automática de imagens digitais são considerados os principais métodos. Especialmente em áreas urbanas, devido à heterogeneidade dos alvos, a interpretação visual é comumente usada. Esse processo consiste em percorrer visualmente toda a imagem e compará-la com outra de data diferente, entretanto, essa abordagem consome tempo e, consequentemente, recursos financeiros. No que diz respeito ao processo de classificação digital, ferramentas de processamento de imagens e algoritmos que incorporam Inteligência Artificial (IA), ou seja, que replicam habilidades humanas como o reconhecimento de padrões, têm sido empregados com o objetivo de aprimorar o desempenho na classificação do uso e cobertura do solo. Dentre as técnicas de IA, destaca-se a Rede Neural Convolucional (RNC), concebida em 1998 pelo francês Yann LeCun, cuja principal finalidade é a classificação de imagens, permitindo a diferenciação de alvos, mesmo diante de mudanças em suas características espaciais ocasionadas, por exemplo, por altura e escala. O principal objetivo desse estudo é propor e avaliar uma metodologia para a detecção de mudanças em imagens de alta resolução espacial, usando imagens do satélite WorldView – 2 em conjunto com as classificações resultantes da RNC U-Net. Essa abordagem, que identifica as mudanças por meio de duas imagens classificadas pela RNC, visa simplificar a identificação de alterações no uso e cobertura do solo para fins de gestão municipal. Os resultados obtidos no processo de classificação e detecção de mudanças foram avaliados para verificar a aplicabilidade dessa metodologia na melhoria da tomada de decisões em áreas urbanas que carecem desse tipo de informação de maneira ágil e eficaz. Ao adotar a arquitetura U-Net buscou-se o aproveitamento da sua capacidade de lidar com variações de textura e forma, fatores frequentemente encontrados em ambientes urbanos. A rede demonstrou ser ideal para classificar alvos como construções, vegetação arbórea e outros, mesmo diante do desequilíbrio na representação dessas classes. Na primeira data, a área utilizada no treinamento apresentou 89,64% de acurácia geral e 87,25 % para o índice de concordância Kappa, enquanto na segunda data esses valores foram de 81,15% e 86,02%, respectivamente, indicando uma ótima classificação. A detecção de mudanças foi realizada utilizando as imagens classificadas e um conjunto de regras pré-definido; e a análise de qualidade se baseou em pontos fornecidos pela empresa GeoPixel Inteligência Municipal. Embora a detecção de mudanças tenha alcançado valores excelentes para a métrica recall, apontando a capacidade do modelo de identificar as mudanças presentes, a precisão foi notavelmente baixa, inferior a 1%, sugerindo uma alta taxa de falsos positivos. O trabalho evidenciou, portanto, a eficácia da metodologia na identificação de alterações em áreas urbanas, apesar de ser necessário abordar as diferenças de angulação na aquisição das imagens, que resultaram na identificação equivocada de várias áreas sem relevância como mudanças. A crescente necessidade de monitorar e gerenciar áreas urbanas demanda soluções tecnológicas avançadas, sendo que a combinação de imagens de alta resolução com a arquitetura U-Net se destaca como uma abordagem promissora, podendo acelerar a tomada de decisões baseadas em dados atualizados, contribuindo para uma melhor gestão municipal.