Avaliação do desempenho estatístico dos algoritmos de classificação Random Forest (RF), Decision Tree (DT) e Support Vector Machine (SVM) para imagens de satélite com diferentes cubos de dados: estudo de caso no bioma cerrado

• Ano de defesa: 2021
• Autor(a) principal: Carlos Eduardo Fernandes de Holanda
• Orientador(a): Diego Rodrigues Macedo
• Banca de defesa: Glauco José de Matos Umbelino, Úrsula Ruchkys de Azevedo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Minas Gerais
• Programa de Pós-Graduação: Programa de Pós-Graduação em Geografia
• Departamento: IGC - DEPARTAMENTO DE GEOGRAFIA
• País: Brasil
• Palavras-chave em Português: Aprendizado de Máquina; Uso e cobertura da terra; Dados altimétricos; Sensoriamento Remoto
• Link de acesso: http://hdl.handle.net/1843/43270

O principal objetivo deste trabalho é analisar e comparar o desempenho de três algoritmos baseados em aprendizado de máquina: Random Forest (RF), Decision Tree (DT) e Support Vector Machine (SVM) na classificação de imagens de satélite de uso e cobertura da terra utilizando informações altimétricas em diferentes cubos de dados. Nesse sentido, foram interpretados os resultados encontrados nos índices estatísticos de validação e na concordância entre as classes na matriz de confusão, o que pode auxiliar estudantes e pesquisadores da área de sensoriamento remoto a escolherem o algoritmo de classificação que melhor se adeque às suas pesquisas. Para este estudo foram utilizadas imagens do satélite Sentinel 2 e outra imagem que empilha as do Sentinel 2 com imagens derivadas da missão Shuttle Radar Topography Mission (SRTM) no intuito de identificar e interpretar as diferenças nas classificações dessas imagens. O classificador que obteve os melhores desempenhos foi o SVM, tanto para as imagens com os dados altimétricos quanto para as imagens sem estas informações complementares. Apesar do DT ter apresentado resultados satisfatórios, mas inferiores ao SVM, o classificador de DT obteve tempo de processamento para a classificação de imagens muito menor que o do SVM. Diante desse dado, observa-se que, caso a área de pesquisa seja muito extensa ou tenha várias pequenas áreas aliadas a um computador com processador não adequado, o classificador SVM não seria a melhor opção. O algoritmo RF obteve praticamente o mesmo tempo de processamento que o DT, mas atingiu os menores índices estatísticos entre os três classificadores. Ainda, verificou-se que a utilização do cubo de dados com a imagem do SRTM e suas derivações como declividade e rugosidade na classificação do uso e cobertura da terra para os três algoritmos mostraram resultados superiores em comparação com as imagens sem estes dados altimétricos.