Aprendizado de maquina e imagens de satélite na identificação de áreas com culturas anuais
Aprendizado de maquina e imagens de satélite na identificação de áreas com culturas anuais
Jerry Adriani Johann,
Resumo: O objetivo deste estudo foi mapear e estimar as áreas semeadas com milho 2°safra e culturas de inverno, safra 2016, no estado do Paraná, utilizando métodos deaprendizagem de máquina e imagens de satélite. Foram utilizadas imagens do satéliteLandsat-8 e de EVI/MODIS, aplicando o método GAMBoost para identificação de áreas comas culturas de estudadas. A linguagem Python foi utilizada no desenvolvimento de rotinaspara otimizar ações operacionais, reduzindo o tempo de pré-processamento de imagens.Para averiguar a precisão de cada máscara geraram-se pontos aleatórios para cadaclassificação, realizando uma verificação ponto-a-ponto. As métricas utilizadas paraavaliação dos mapeamentos foram: Exatidão Global, Índice Kappa, tanto para os dados detreinamento, quanto para as máscaras geradas. Com imagens Landsat-8 foram identificados 461.316 hectares de milho 2ª safra e outros 64.488 hectares com culutras de inverno, em 24municípios do Estado do Paraná, enquanto com imagens de EVI/MODIS mapeou-se 2.237.906 de hectares de milho 2ª safra e 2.049.418 hectares com culturas de inverno.
Palavras-chave: GAMBoost, Python, Sensoriamento remoto.
O artigo publicado na na Revista Técnico-Centífica do CREA-PR é fruto do Trabalho de Conclusão de Curso (TCC) em Engenharia Agrícola do discente Luiz Almeida que foi escolhido o melhor trabalho de TCC do Paraná na área de Agrimensura.
Acessos: 5276