Machine Learning Aplicado a Imagens da Observação da Terra para o Estudo da Floresta

• Autor(a) principal: Pires, João Eduardo Albuquerque Martins Pereira
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10362/79921
• topic: Observação da Terra; Faixas de Gestão de Combustível; Imagens Multiespectrais; Redes Neuronais; Sentinel 2; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática

A crescente observação da Terra por via de satélites tem permitido um estudo sobre o planeta mais completo e abrangente. A aquisição de imagens nos diferentes comprimentos de onda do espectro eletromagnético permite a extração de informação da superfície terrestre sem a necessidade de instalação de sensores, simplificando o processo de aquisição de dados. O aumento exponencial de dados disponíveis torna praticamente impossível a sua análise de forma humana, implicando o recurso a técnicas de classificação cada vez mais evoluídas. O Instituto de Conservação da Natureza e das Florestas (ICNF) definiu como estratégia para prevenção e combate a incêndios florestais a implementação da rede primária de Faixas de Gestão de Combustível (FGC), nas quais é feita uma redução da biomassa criando uma barreira à progressão do fogo. Uma das responsabilidades do ICNF é garantir a sua manutenção, no entanto devido à extensão da rede necessita de uma ferramenta baseada em Sistemas de Informação Geográfica para detetar de forma automática intervenções nas FGC. Nesta dissertação é proposto um conjunto de técnicas baseadas em imagens de observação da terra para identificar operações de manutenção nas FGC. A análise recorreu a imagens multiespectrais adquiridas pelo satélite Sentinel 2. Como pré-processamento destas imagens foi necessário corrigir o erro de georreferenciação e obter índices espectrais para extrair mais informação. Em seguida, foi estudado o comportamento destas FGC relativamente a uma intervenção comparando com a dinâmica em zonas de vegetação. Após o entendimento das dinâmicas espectrais utilizaram-se Redes Neuronais Artificiais para a deteção das intervenções. Antes da classificação foi feito um estudo para a escolha dos atributos a utilizar, com base na análise de dados referida no parágrafo anterior. Depois do treino do algoritmo e definição dos parâmetros foi testado numa região diferente tendo sido identificada corretamente a intervenção.