AVALIAÇÃO DO EFEITO DA ALTITUDE DE VOO E ILUMINAÇÃO NA
CLASSIFICAÇÃO DO USO DO SOLO USANDO ALGORITMOS DE MACHINE
LEARNING E IMAGENS MULTIESPECTRAIS DE VANT.
Imagem multitemporal. VANT. Machine Learning. Sensorimento Remoto.
Informações sobre o uso e cobertura do solo desempenham um papel importante para o planejamento urbano, fornecendo informações essenciais para análises de adequação do solo, avaliações ambientais e projetos de regeneração urbana. Em comparação com o sensoriamento remoto baseado em satélite, o sensoriamento remoto por Veículo Aéreo Não Tripulado (UAV) possui uma resolução espacial e temporal mais alta, o que proporciona um método mais eficaz para a classificação de uso do solo. Neste estudo, avaliou-se a influência da altitude de voo (120 m e 150 m) e iluminação (difusa e direta) na classificação de uso do solo combinando uma abordagem orientada a objetos e um algoritmo aprendizagem de máquina usando imagens multiespectrais de UAV. Primeiramente, as imagens foram segmentadas pelos algoritmos Multiresolution segmentation e Spectral Difference segmentation. Em seguida, características espectrais, índices, textura e geométricas foram combinadas para formar os esquemas S1-S8. Finalmente, a classificação da área foi realizada com base nos oito esquemas usando os classificadores de Random Forest (RF) e Support Vector Machine (SVM). Os resultados mostram que o classificador RF apresenta um desempenho melhor do que o SVM.