Integração de análise orientada a objetos e árvores de decisão para classificação de sub-tipologias de floresta ombrófila mista

Orientador: Prof Dr. Alzir Felippe Buffara AntunesCoorientador: Prof Dr. Hideo ArakiTese (doutorado) - Universidade Federal do Paraná, Setor de Ciências da Terra, Programa de Pós-Graduação em Ciências Geodésicas. Defesa : Curitiba, 01/07/2011Inclui referências: p.120-134Resumo: Tem-se observado desde o começo do século XX uma dramática redução da área de ocorrência original da Floresta Ombrófila Mista. Atualmente, os fragmentos deste tipo florestal estão estimados em 2 a 4% da área de cobertura original e as florestas em estágios primários, ou mesmo avançados, não perfazem mais de 0,7% da área original. A Reserva Florestal Embrapa/Epagri (RFEE), no Município de Caçador (SC) é considerada um dos últimos grandes remanescentes de Floresta Ombrófila Mista. Técnicas voltadas ao mapeamento e ao monitoramento deste ecossistema se fazem necessárias para que ações de planejamento da conservação e do manejo sustentável deste ecossistema possam ser adotadas. Este trabalho visa propor uma metodologia para extração de informações a partir de dados do satélite Ikonos-II que permita o incremento da qualidade da classificação digital de padrões visando subsidiar o monitoramento da Floresta Ombrófila Mista. Para tanto, foram adotadas técnicas promissoras e inovadoras de processamento digital de imagens, como a segmentação multi-resolução e algoritmos de classificação por árvores de decisão. Adicionalmente, foi aplicada a metodologia que permite a avaliação quantitativa dos resultados da segmentação, visando à seleção dos parâmetros de segmentação que permitem o delineamento automático dos objetos da imagem que mais se aproximam ao mapa-referência. Atributos espectrais, da textura e da forma dos polígonos da segmentação foram calculados, totalizando 405 imagens auxiliares à classificação. Os métodos de seleção por meio da indução de árvores de decisão e da aplicação do teste estatístico T de Student permitiram a redução da dimensionalidade dos dados de entrada de 6 a 18%. Foram utilizados os algoritmos de classificação por árvores de decisão RandomTree, RepTree, SimpleCART, CART e J48. Os resultados obtidos indicam que a metodologia proposta tem potencial na discriminação de tipologias da Floresta Ombrófila Mista. Houve um incremento da qualidade do mapa de uso e cobertura da terra da RFEE de aproximadamente 30%, quando comparado a resultados obtidos anteriormente e avaliados pelo mesmo mapa de referência. Um valor de exatidão igual a 83,36% foi obtido com o algoritmo de árvore de decisão SimpleCART, quando a imagem gerada pelos parâmetros de segmentação selecionados utilizando a metodologia de avaliação quantitativa foi aplicada. Palavras-chave: imagens Ikonos-II; algoritmos de árvore de decisão; segmentação multi-resolução; classificação baseada em objetos; Floresta Ombrófila Mista.Abstract: A dramatic area reduction on original Mixed Ombrophyllus Forest occurrence has been observed since early 20th Century. Nowadays this ecosystem forest remnants occupy 2 to 4% of its original cover area and primary or even advanced forests represent less than 0,7%. The Embrapa/Epagri Forest Reserve, located at Caçador County, Santa Catarina State, encompasses one of the most important and last forest remnants representing this ecosystem. In order to actions such as conservation planning and sustainable forest management to take place, techniques aiming this particular type of forest mapping and monitoring are needed. The present work intends to provide Ikonos-II data information extraction methodology, allowing higher quality forest pattern classification as means to subsidize Mixed Ombrophyllus Forest monitoring. As so, advanced and promising techniques such as multi-resolution segmentation and decision tree classification algorithms were adopted. Additionally, a quantitative segmentation evaluation methodology was adopted allowing segmentation parameters selection in a way that image objects resemble the visually defined reference map. Spectral, textural and shape attributes were calculated for segmentation polygons, allowing generation of 405 auxiliary image for classification. Using attribute selection methods such as decision tree induction and Student's T-test indulged dataset dimensionality reduction to 6 to 18%. Decision tree algorithms RandomTree, RepTree, SimpleCART, CART and J48 were used. The results obtained indicate that the proposed methodology presents great potential for Mixed Ombrophyllus Forest discrimination. Compared to previous results, a 30% increase on Land Cover Land Use Map quality was accomplished. SimpleCART decision tree algorithm applied to 155 scale parameter and 0,1 shape factor image segmentation generated the highest overall accuracy, equals to 83,36%. Keywords: Ikonos-II imagery; decision tree algorithms; multi-resolution segmentation; object-based classification; Mixed Ombrophyllus Forest