MÉTODO HÍBRIDO DE DETECÇÃO DE MUDANÇAS: UMA ASSOCIAÇÃO ENTRE CLASSIFICAÇÃO BASEADA EM OBJETOS E BASEADA EM PIXELS

Abstract

A utilização conjunta de toda a série temporal de imagens, também conhecido como um cubo multitemporal, aumenta consideravelmente a dimensionalidade dos dados na detecção de mudanças e de trajetórias evolutivas da cobertura vegetal. Uma abordagem híbrida, com a associação entre técnicas baseada em pixels e objetos, é uma boa alternativa para diminuir o tempo no processamento dos cubos multitemporais, mantendo a precisão na detecção das mudanças. A construção de imagens mudança, geradas pixel a pixel, foi utilizado como insumo para o processo de segmentação e como escolha dos descritores que irão separar as mudanças das coberturas invariantes, utilizando classificação orientada a objetos, baseados numa lógica fuzzy. Por se tratar de um intervalo multitemporal de três datas de uma mesma cena RapidEye (2009, 2010 e 2011), foram utilizadas e comparadas duas medidas estatísticas de dispersão: amplitude e desvio padrão. A área de estudo representa uma área bem dinâmica do estado do Rio de Janeiro, quanto a cobertura da terra nos últimos anos, devido à instalação de um Complexo Petroquímico (COMPERJ). A amplitude superestimou a classe de mudanças, porém apresentou bons resultados, com uma exatidão global de 0,87 e índice Kappa de 0,74. Já o uso do desvio padrão como imagem mudança apresentou os melhores resultados, identificando 2791 ha de mudança na área de estudo com uma exatidão global de 0,94 e índice Kappa de 0,88.