Classificação de padrões temporais de uso do solo e cobertura da terra em séries temporais de índice de vegetação utilizando um sistema neuro­-difuso

• Main Author: Toni Roberto Gomes Pimentel
• Other Authors: Sandra Aparecida Sandri
• Language: Portuguese
• Published: Instituto Nacional de Pesquisas Espaciais (INPE) 2014
• Online Access: http://urlib.net/sid.inpe.br/mtc-m21b/2014/02.28.18.48

A questão das mudanças no uso do solo e cobertura da terra no Brasil tem despertado grande interesse, dentro e fora do meio científico, devido, principalmente, aos possíveis impactos ambientais e socioeconômicos que essas mudanças podem acarretar. Poluição do ar e da água, desertificação, desflorestamento ilegal e perda de biodiversidade são apenas alguns problemas relacionados a mudanças de uso do solo e cobertura da terra. Por isso, todas as precauções devem ser tomadas para que os ecossistemas locais e globais sejam minimamente afetados. Com base nesse interesse, se torna de suma importância o desenvolvimento de métodos, principalmente computacionais, capazes de monitorar e identificar mudanças de uso do solo e cobertura da terra no menor tempo possível, já que os processos de degradação do solo, em áreas de interesse público, são rápidos e, na maioria das vezes, devastadores. Os dados de sensoriamento remoto têm servido como base crucial para esse monitoramento, entretanto, normalmente as técnicas de monitoramento de uso do solo e cobertura da terra no Brasil demandam muito tempo e conhecimento especialista para serem realizadas, o que limita a possibilidade de ações conservacionistas pelas autoridades competentes. Essa foi a principal motivação do presente trabalho, e o objetivo traçado foi o de desenvolver um sistema capaz de classificar padrões temporais de uso do solo e cobertura da terra utilizando séries temporais de índice de vegetação. Utilizamos séries temporais obtidas a partir de imagens MODIS (do inglês, \emph{Moderate Resolution Imaging Spectroradiometer}), selecionadas de uma área geográfica no leste do estado brasileiro do Mato Grosso, com cerca de 10 $km^{2}$. O sistema desenvolvido foi uma rede neural artificial perceptron multicamadas, acrescida de modificações difusas e de um processo de filtragem de padrões para tratar o aspecto vago dos padrões analisados. Isso devido ao fato de a pesquisa não possuir padrões classificados suficientes para servir como conjunto de treinamento do sistema. Por isso, o primeiro passo deste trabalho foi o de classificar padrões, primeiramente por inspeção visual - tendo como base exemplos disponíveis na literatura - e, posteriormente, por um processo de filtragem dos padrões utilizando as médias e os desvios-padrão dos conjuntos de padrões classificados visualmente. A etapa de filtragem foi realizada com a finalidade de diminuir possíveis erros na classificação inicial, e se mostrou de grande utilidade, pois foi possível criar conjuntos de padrões separados em classes bem definidas, mesmo não existindo conhecimento especialista disponível. O segundo passo foi passar os padrões classificados e filtrados para quatro variações da rede perceptron multicamadas - com e sem adição de conceitos difusos -. No geral, todas as implementações obtiveram ótimos resultados, contudo, o uso das modificações difusas forneceu ao sistema resultados ainda melhores, diminuindo a influência de padrões erroneamente pré-classificados. Por fim, foi realizada a comparação entre a classificação obtida pelo sistema neuro-difuso e a classificação de uso do solo e cobertura da terra do projeto \emph{TerraClass 2010}, o que permitiu verificar que o sistema desenvolvido obteve sucesso em seu objetivo, classificando corretamente a grande maioria dos novos padrões analisados. === The question of changes in land use and land cover in Brazil have attracted great interest, both inside and outside the scientific community, mainly due to the potential environmental and socioeconomic impacts that these changes may cause. Pollution of air and water, desertification, illegal deforestation and biodiversity loss are just a few problems related to changes in land use and land cover. Therefore, all precautions should be taken for that local and global ecosystems are minimally affected. Based on this interest, it becomes very important to develop methods, mainly computational, able to monitor and identify changes in land use and land cover in the shortest possible time, since the processes of land degradation in areas of public interest are fast and, in the most cases, devastating. The remote sensing data have served as a crucial basis for this monitoring, however, usually the techniques for monitoring land use and land cover in Brazil require much time and expert knowledge to be performed, which limits the possibility of conservation actions by the competent authorities. That was the main motivation of this work, and the objective traced was to develop a system able of classifying temporalland use and land cover patterns using time series of vegetation indexo We use time series obtained from MODIS images (Moderate Resolution Imaging Spectroradiometer), selected from a geographical are a in eastern Brazilian state of Mato Grosso, with approximately 10 $km^{2}$. The system developed is the multilayer perceptron neural network, plus diffuse modifications and a filtering process to treat the uncertainty aspect of the analyzed patterns. This is due to the fact that the study did not have enough classified patterns to serve as a training set. Therefore, the first step of this study was to classify patterns, first by visual inspection - based on examples from the literature - and, subsequently, by a filtering process of patterns using the means and standard deviations of the sets visually ranked. The filtering step was performed in order to reduce possible errors in the initial classification, and it proved to be very useful, because it was possible to create separated pattern sets into well-defined classes, even without available expert knowledge. The second step was to pass the filtered and classified patterns for four variations of multilayer perceptron network with and without addition of fuzzy concepts -. In general, all implementations have had excellent results, however the use of diffuse changes provided even better results for the system, decreasing the influence of wrongly classified patterns. Finally, the comparison between the classification obtained by the neuro-fuzzy system and the land use and land cover classification of the \emph{Terro Class 2010} project, has shown that the system was successful in its goal, correctly classifying the vast majority was held new standards analyzed.