MAPEANDO USOS/COBERTURAS DA TERRA COM Semi-automatic Classification Plugin: QUAIS DADOS, CLASSIFICADOR E ESTRATÉGIA AMOSTRAL?
DOI:
10.31413/nativa.v7i1.6845Resumo
Este trabalho teve como objetivo sugerir diretrizes para melhor mapear usos da terra usando o complemento Semi-automatic Classification Plugin (SCP) para QGIS, destacando-se quais os melhores conjuntos de dados, classificadores e estratégias amostrais para treinamento. Foram combinados quatro conjuntos de dados derivados de imagem Sentinel 2A, três classificadores disponíveis no SCP, e duas estratégias amostrais: amostras de treinamento (ROI’s) separadas ou dissolvidas em uma única amostra, obtendo-se 24 tratamentos. Os tratamentos foram avaliados quanto à acurácia (coeficiente Kappa), qualidade visual do mapa final e tempo de processamento. Os resultados mostraram que: (1) o SCP é adequado para mapear usos da terra; (2) quanto maior o conjunto de dados, melhor o desempenho do classificador; e (3) a utilização de ROI’s dissolvidas sempre diminui o tempo de processamento, mas apresenta efeito ambíguo sobre os diferentes classificadores. Para melhores resultados, recomenda-se a aplicação do classificador Maximum Likelihood sobre o maior conjunto de dados disponível, utilizando-se amostras de treinamento coletadas contemplando todas as variações intraclasse, e posteriormente dissolvidas em uma única ROI.
Palavras-chave: sensoriamento remoto, amostras de treinamento, QGIS, Sentinel 2A,
MAPPING LAND USES/COVERS WITH SEMI-AUTOMATIC CLASSIFICATION PLUGIN: WHICH DATA SET, CLASSIFIER AND SAMPLING DESIGN?
ABSTRACT:
This paper aimed to suggest guidelines to better map land uses using the Semi-automatic Classification Plugin (SCP) for QGIS, highlighting which the best data sets, classifiers and training sampling designs. Four data sets from a Sentinel 2A image were combined with three classifiers available in the SCP, and two sampling designs: separate or dissolved training samples (ROI's) in a single sample, obtaining 24 treatments. The treatments were evaluated regarding the accuracy (Kappa coefficient), visual quality of the final map and processing time. The results suggest that: (1) the SCP is suitable to map land uses; (2) the larger the data set, the better the classifier performance; and (3) the use of dissolved ROI always decreases processing time, but has an ambiguous effect on the different classifiers. In order to get better results, we recommend to apply the Maximum Likelihood classifier on the largest data set available, using training samples that cover all possible intraclass variations, subsequently dissolved in a single ROI.
Keywords: remote sensing, training samples, QGIS, Sentinel 2A.
Referências
CASTILLEJO-GONZÁLEZ, I. L.; LÓPEZ-GRANADOS, F.; GARCÍA-FERRER, A.; PEÑA-BARRAGÁN, J. M.; JURADO-EXPÓSITO, M.; DE LA ORDEN, M. S.; GONZÁLEZ-AUDICANA, M. Object-and pixel-based analysis for mapping crops and their agro-environmental associated measures using QuickBird imagery. Computers and Electronics in Agriculture, New York, v. 68, n. 2, p. 207-215, 2009. DOI: https://dx.doi.org/10.1016/j.compag.2009.06.004
CONGALTON, R. G.; GREEN, K. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. 2. ed. New York: CRC Press, 2008. 183 p.
CONGEDO, L. Semi-Automatic Classification Plugin Documentation: Release 5.0.0.1. 2016. 208 p. (Technical Report). Disponível em: <https://www.researchgate.net/publication/265031337_SemiAutomatic_Classification_Plugin_User_Manual>. Acesso em: 17 abr. 2017.
DA ROCHA JUNIOR, P. R.; ANDRADE, F. V.; MENDONÇA, E. S.; DONAGEMMA, G. K.; FERNANDES, R. B. A.; BHATTHARAI, R.; KALITA, P. K. Soil, water, and nutrient losses from management alternatives for degraded pasture in Brazilian Atlantic Rainforest biome. Science of The Total Environment, Amsterdam, v. 583, p. 53-63, 2017. DOI: https://dx.doi.org/10.1016/j.scitotenv.2016.12.187
DOS SANTOS, J. C.; LISBOA, G.; DE JESUS FRANÇA, L. C.; STEPKA, T. F.; DA SILVA, J. B. L.; DE MIRANDA, D. L. C.; CERQUEIRA, C. L. Relação entre variáveis meteorológicas e o uso e ocupação do solo no Sudoeste do Piauí, Brasil. Nativa, Sinop, v. 5, n. 6, p.414-420, nov./dez. 2017. DOI: http://dx.doi.org/10.5935/2318-7670.v05n06a06
DRUSCH, M.; DEL BELLO, U.; CARLIER, S.; COLIN, O.; FERNANDEZ, V.; GASCON, F.; HOERSCH, B.; ISOLA, C.; MARTIMORT, P.; MEYGRET, A.; SPOTO, F. SY, O. MARCHESE, F. BARGELLINI. Sentinel-2: ESA's optical high-resolution mission for GMES operational services. Remote sensing of Environment, New York, v. 120, p. 25-36, 2012. DOI: https://dx.doi.org/10.1016/j.rse.2011.11.026
EIDT, J. I.; ANDRIETTI, G.; DE FIGUEIREDO, L. F.; DEMARQUI, E.; DE ANDRADE, R. L. T.; DO AMARAL, A. G.; SCHINEIDER, R. M.; DE ALMEIDA, F. T. Monitoring metals in surface water of a small watershed in amazon region. Nativa, Sinop, v. 4, n. 4, p. 187-194, jul/ago. 2016. DOI: http://dx.doi.org/10.14583/2318-7670.v04n04a01
FARIA, M. M. Distribuição espacial do café na região das matas de Minas. 2015. 89f. Tese (Doutorado em Solos e Nutrição de Plantas) – Universidade Federal de Viçosa, Viçosa, 2015.
FOLEY, J. A.; DEFRIES. R.; ASNER, G.P.; BARFORD, C.; BONAN, G.; CARPENTER, S.T.; CHAPIN, F. S.; COE, M. T.; DAILY, G. C.; GIBBS, H. K.; HELKOWSKI, J. H.; HOLLOWAY, T.; HOWARD, E. A.; KUCHARIK, C. J.; MONFREDA, C.; PATZ, J. A.; PRENTICE, I. CO.; RAMAKUTTY, N.; SNYDER, P. K. Global consequences of land use. Science, Washington, v. 309, n. 5734, p. 570-574. 2005. DOI: https://dx.doi.org/10.1126/science.1111772
GAO, B. C. NDWI – A normalized difference water index for remote sensing of vegetation liquid water from space. Remote sensing of environment, New York, v. 58, n. 3, p. 257-266, 1996. DOI: https://dx.doi.org/10.1016/S0034-4257(96)00067-3
GUIMARÃES, D. P.; PIMENTA, F. M.; LANDAU, E. C. Integração Google Earth-SIG-Servidor de Mapas e o Monitoramento Ambiental. Sete Lagoas: Embrapa Milho e Sorgo, 2012. 20 p. (Circular técnica, 183)
HUETE, A.; DIDAN, K.; MIURA, T.; RODRIGUEZ, E. P.; GAO, X.; FERREIRA, L. G. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote sensing of environment, New York, v. 83, n. 1-2, p. 195-213, 2002. DOI: https://dx.doi.org/10.1016/S0034-4257(02)00096-2
JENSEN, J. R. Remote sensing of the environment: An earth resource perspective. 2. ed. Upper Saddle River: Pearson Education India, 2009. 204p.
LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data. Biometrics, Washington, v. 31, n. 1, p. 159-174, mar. 1977. DOI: https://dx.doi.org/10.2307/2529310
LEITE, M. G. P.; FUJACO, M. A. G.; BARCELOS, E. A. S.; GONÇALVES, G. H. T.; IGREJA, F. F. Environmental analysis of small rural catchments case study: Melo Creek–MG/Brazil. Management of Environmental Quality: An International Journal, v. 18, n. 6, p. 711-722, 2007. DOI: https://dx.doi.org/10.1108/14777830710826720
LEROUX, L.; CONGEDO, L.; BELLÓN, B.; GAETANO, R.; BÉGUÉ, A. Land Cover Mapping Using Sentinel-2 Images and the Semi-Automatic Classification Plugin: A Northern Burkina Faso Case Study. In: BAGHDADI, N.; MALLET, C.; ZRIBI, M. QGIS and Applications in Agriculture and Forest. Hoboken: Wiley, 2018. 2 v. p. 119-151.
MCFEETERS, S. K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International journal of remote sensing, Lisse, v. 17, n. 7, p. 1425-1432, 1996. DOI: https://dx.doi.org/10.1080/01431169608948714
NANNI, A.; BARROS, S. D.; DESCOVI FILHO, L.; SOUZA, M. S.; PEREIRA FILHO, N. S.; GOVEIA, S. S. QGIS User Guide - Versão 2.18. 2017. 473 p. Disponível em: <https://docs.qgis.org/2.18/pdf/pt_BR/QGIS-2.18- UserGuide-pt_BR.pdf>. Acesso em: 15 dez 2017.
PEREIRA, L. F., FERREIRA, C. F. C., GUIMARÃES, R. M. F. Manejo, qualidade e dinâmica da degradação de pastagens na Mata Atlântica de Minas Gerais-Brasil. Nativa, Sinop, v. 6, n. 4, p. 370-379, jul./ago. 2018b. DOI: http://dx.doi.org/10.31413/nativa.v6i4.5542
PEREIRA, L. F.; GUIMARÃES, R. M. F.; OLIVEIRA, R. R. O. Integrando geotecnologias simples e gratuitas para avaliar usos/coberturas da terra: QGIS e Google Earth Pro. Journal of Environmental Analysis and Progress, Recife, v. 3, n. 3, p. 250-264, 2018a. DOI: http://dx.doi.org/10.24221/jeap.3.3.2018.1839.250-264
PRIETO-AMPARAN, J. A.; VILLARREAL-GUERRERO, F.; MARTINEZ-SALVADOR, M.; MANJARREZ-DOMÍNGUEZ, C.; SANTELLANO-ESTRADA, E.; PINEDO-ALVAREZ, A. Atmospheric and Radiometric Correction Algorithms for the Multitemporal Assessment of Grasslands Productivity. Remote Sensing, Basel, v. 10, n. 2, p. 219, 2018. DOI: https://dx.doi.org/10.3390/rs10020219
ROUSE, J. W.; HAAS, R. H.; SCHELL, J. A.; DEERING, D. W. Monitoring vegetation systems in the Great Plains with ERTS. Third ERTS Symposium, NASA SP-351 I, 309- 317, 1973.
SAMEEN, M. I.; NAHHAS, F. H.; BURAIHI, F. H.; PRADHAN, B.; SHARIFF, A. R. B. M. A refined classification approach by integrating Landsat Operational Land Imager (OLI) and RADARSAT-2 imagery for land-use and land-cover mapping in a tropical area. International Journal of Remote Sensing, Basingstoke, v. 37, n. 10, p. 2358-2375, 2016. DOI: https://dx.doi.org/10.1080/01431161.2016.1176273
XIAOQIN, W.; MIAOMIAO, W.; SHAOQIANG, W.; YUNDONG, W. Extraction of vegetation information from visible unmanned aerial vehicle images. Transactions of the Chinese Society of Agricultural Engineering, v. 31, n. 5, p. 152-159, 2015. DOI: https://dx.doi.org/10.3969/j.issn.1002-6819.2015.05.022
YANG, C.; EVERITT, J. H.; MURDEN, D. Evaluating high resolution SPOT 5 satellite imagery for crop identification. Computers and Electronics in Agriculture, New York, v. 75, n. 2, p. 347-354, 2011. DOI: https://dx.doi.org/10.1016/j.compag.2010.12.012
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Direitos Autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude de a aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.
A artigos publicados nessa revista, podem ser reproduzidos parcialmente ou utilizados como referência por outros autores, desde que seja cita a fonte, ou seja, a Revista Nativa.
Copyright for articles published in this journal are the authors, with first publication rights granted to the journal. The journal shows open access, and articles are free to use, with proper attribution, in educational and non-commercial.
The articles published in this journal may be reproduced in part or used as a reference by other authors, provided that the source is quoted.
