Apresenta-se uma avaliação sobre as propriedades discriminatórias de dados de radar na
banda P para o mapeamento da cobertura da terra usando a rede neural artificial não
supervisionada Fuzzy-ART (Teoria da Ressonância Adaptativa). A área de estudo situase
próxima à Floresta Nacional do Tapajós, no Estado do Pará, Brasil. Os dados de radar
foram obtidos durante a missão realizada pela empresa alemã AeroSensing
RadarSystem GmbH em setembro de 2000. Foi selecionada uma faixa de imageamento
2,4 km x 7,4 km para o estudo. Os parâmetros de entrada para a rede Fuzzy-ART foram
otimizados por algoritmo genético. Foram investigadas as eficiências dos filtros Map
Gamma (5x5) e a combinação dos filtros Frost e Mediana (3x3) para redução do efeito
do ruído speckle. As seguintes imagens foram avaliadas individualmente e combinadas
duas a duas: retroespalhamento nas polarizações HH, HV, VV, Seção Transversa Média
(STM), e os índices biofísicos Índice de Biomassa (BMI), Índice de Estrutura do Dossel
(CSI) e Índice de Espalhamento Volumétrico (VSI). Examinou-se também a
combinação HH/HV/VV. Os padrões discriminados pela rede neural foram relacionados
com as classes de cobertura da terra de locais previamente observados em trabalho de
campo. As oito classes de referência são: Solo Exposto (SE), Pasto/Cultivo (PC),
Regeneração Nova (RN), Regeneração Intermediária (RI), Regeneração Antiga (RA),
Regeneração Muito Antiga (RMA), Floresta Primária (FP), e Várzea (VA). Um
conjunto de amostras de referência foi utilizado para identificar a classe a que os
padrões pertencem e outro para calcular a exatidão global e o índice Kappa. A
discriminação de oito classes de cobertura da terra não foi satisfatória. A melhor
exatidão global (56%) foi obtida a partir da classificação da imagem STM. Baseado no
grau de confusão entre as classes de referência foi realizada combinações entre classes e
entre seus correspondentes padrões para cinco e quatro classes. Os melhores resultados
de exatidão global foram obtidos na discriminação de quatro classes (SE/PC; RN/RI;
FP/RMA/RA e VA). As seguintes exatidões globais foram obtidas para as imagens
classificadas individualmente: 84%, 73%, 78%, 83%, 74%, 79%, e 76% para HH, HV,
VV, STM, BMI, CSI e VSI, respectivamente. Foram obtidos os seguintes resultados
para as classificações das combinações de imagens: 84,9%, 84,5% 83,7%, 81,2%,
79,6%, 76,5%, 74,4%, e 72,8% para CSI/HV, HH/HV/VV, HH/HV, HH/VV, CSI/VV,
VSI/HV, BMI/HV e VV/HV, respectivamente. Como resultado geral das análises, o
melhor resultado (84,9%) foi obtido a partir da combinação das imagens CSI e HV
filtradas com o filtro Map Gamma para a discriminação das classes SE/PC, RN/RI,
FP/RMA/RA e VA. Conclui-se que a utilização das imagens co-polarizadas e com
polarização cruzada combinadas contribui para uma melhora no resultado das
classificações, e que a aplicabilidade dos dados da banda-P para avaliação da cobertura
da terra em paisagens de Floresta Tropical é somente confiável para classes de cobertura
da terra amplamente definidas.

Conteúdo

Documento completo