ALGORITMOS DE APRENDIZADO DE MÁQUINA PARA CLASSIFICAÇÃO DE SOJA EM IMAGENS LANDSAT-8

Laíza Cavalcante De Albuquerque Silva, Jonathan Richetti, Willyan Ronaldo Becker, Alex Paludo, Weverton Rodrigo Verica, Jerry Adriani Johann

Resumo

O estado do Paraná ocupa uma posição importante no cenário nacional na produção de soja, sendo responsável por mais de 18% da produção brasileira, produzindo mais do que o quarto maior produtor mundial, a China. Para monitorar a produção agrícola, a informação de área é fundamental neste processo. Diversas técnicas e métodos podem ser empregados, incluindo algoritmos de Aprendizado de Máquina (Machine Learning). Logo, este trabalho tem como objetivo comparar quatro técnicas de aprendizado de máquina para mapear a área de soja a partir de imagens do sensor Landsat-8 no estado do Paraná, durante a safra de verão 2013/2014. Os algoritmos empregados no processo foram o Random Forest (RF), Model Averaged Neural Network (MANet), Classification and Regression Trees (CART) e o Extreme Learning Machine (ELM). Todos receberam os mesmos dados de treinamento (38 áreas de soja e 28 áreas não-soja) e as bandas de 1 a 7 do sensor Landsat-8 no tile 223/77 do dia 18/12/2013. A avaliação da acurácia (Exatidão Global e índice Kappa) foi realizada para cada classificação, sendo que técnica MANet apresentou os melhores resultados (Kappa = 0,9993 e EG = 0,9505) e o ELM o pior (Kappa = 0,9980 e EG = 0,8855).

Palavras-chave

Random Forest, Neural Network, Extreme Machine Learning, CART, culturas de verão

Texto completo:

PDF