AVALIAÇÃO DO INCREMENTO DE CLASSES NO ALGORITMO K-MÉDIAS PARA IDENTIFICAÇÃO DE ÁREAS DE SILVICULTURA

Resumo

Um dos elementos mais importantes da paisagem é a vegetação, pois ela proporciona a conservação dos solos, manutenção dos recursos hídricos, e fornece abrigo para a fauna. Desta forma, conhecer a vegetação e sua distribuição espacial é de suma importância a fim de adotar práticas de manejo e conservação. A obtenção de dados, a partir de sensores multiespectrais, a bordo de satélites, revolucionou a forma de monitorar e mapear a vegetação. Uma forma de analisar e manipular estes dados é através do processamento digital de imagens. A classificação não supervisionada de imagens é um dos métodos de avaliação da distribuição das classes de alvos dominantes em uma determinada área, sendo o método de agrupamento K-médias, um dos mais utilizados. Assim, o objetivo deste trabalho foi avaliar o incremento no número de classes no método de classificação de agrupamento não supervisionado K-médias, para a identificação de áreas de silvicultura na Microrregião Campanha Central RS. Foram utilizadas três cenas obtidas pelo sensor OLI do satélite de observação da terra Landsat 8, de agosto de 2017. O processamento inicial dos dados (mosaico das cenas e recorte da área de estudo) foi executado no software QGIS 2.18. Para a interpretação dos alvos foi adotada uma composição de imagem falsa cor utilizando as bandas 6R, 5G e 3B. Para testar o número de classes mais adequado para a identificação de áreas de silvicultura utilizou-se a ferramenta de classificação automática de imagens K-Means Clustering for Grids disponível no módulo Interative Minimum Distance (Forgy, 1965) do software SAGA 2.1.2., onde se gerou três mapas temáticos com 5, 10 e 15 classes. Estes produtos foram submetidos a uma avaliação visual, e os resultados demonstraram que o algoritmo k-médias foi capaz de reconhecer padrões na paisagem, porém não diferenciou efetivamente a silvicultura de outros tipos de vegetação em todos os incrementos. Sendo assim, considera-se que este método de classificação pode ser utilizado de forma exploratória, a fim de reconhecer as características da paisagem e não para separar completamente um alvo do outro. Ao fim deste trabalho recomenda-se testar outros tipos de classificadores e comparar os resultados para determinar qual, o método mais eficiente para separar a classe silvicultura dos outros tipos de vegetação.