Geomorphometric classification system based on a two-stage sequential architecture : decision tree and spectral classifier, in the Serra da Canastra National Park

Geomorfometria é uma ciência interdisciplinar (que combina a ciência da terra, matemática e computação) que descreve a superfície terrestre como uma representação numérica com descritores quantitativos. Assim, a geomorfometria evolui com os métodos computacionais presentes em Sistema de Informação Geográfica (SIG), a fim de estudar inúmeros problemas, tais como: susceptibilidade deslizamento de terra, hidrogramas de bacia, erosão do solo, distribuição da vegetação, entre outros. Um tópico de pesquisa importante na Geomorfometria é extrair e classificar formas de relevo a partir do Modelo Digital de Elevação (MDE), que é um pré-requisito para melhorar a compreensão da dinâmica dos geossistemas naturais. Assim, os métodos de classificação automática têm sido desenvolvidos, a fim de obter resultados que asseguram um processamento de dados rápido, preciso e reprodutível por indivíduos independentes. Vários parâmetros geomorfométricos têm sido descritos na tentativa de caracterizar a paisagem, destacando a altimetria e suas derivações de primeira e segunda ordem. Isso mostra que os atributos apresentam diferentes níveis de generalização e aplicação que devem ser usadas em condições específicas na estratificação da paisagem. Este trabalho tem como objetivo propor um método de classificação sequencial das formas do relevo considerando as diferenças inerentes dos atributos de terreno na Serra da Canastra - MG. O método proposto consiste em um sistema de classificação baseado em uma arquitetura em duas etapas sequenciais: (a) classificação por árvore de decisão dos dados de altitude e de declividade, e (b) subdivisão de classes anteriores pelo classificador espectral Spectral Angle Mapper (SAM), utilizando atributos de curvatura. Na classificação pelo SAM (segunda etapa) é necessário estabelecer uma assinatura geomorfométrica para cada forma de terreno, que é descrita por um espectro composto pelas seguintes curvaturas: (a) vertical, (b) longitudinal, (c) de transversal, (d) mínimo, (e), máximo, e (f) horizontal. A determinação da assinatura é obtida a partir de um método desenvolvido para o processamento de imagens de sensoriamento remoto hiperespectral contendo os seguintes passos: (a) redução espectral, (b) redução espacial, e (c) identificação de assinaturas geomorfométricas utilizando visualizador n-dimensional. Os resultados demonstram diferentes classes de forma de terreno que representam unidades distintas e homogêneas no Parque Nacional da Serra da Canastra. A combinação dos dois métodos melhora os resultados porque cada procedimento identifica diferentes aspectos dos padrões da paisagem em diferentes níveis de escala. A classificação pelo SAM usando as assinaturas geomorfométrica com todos os tipos de curvatura demonstrou ser sensível na detecção das variações presentes ao longo da vertente descritos pelas suas inflexões espectrais. _________________________________________________________________________________ ABSTRACTGeomorphometry is an interdisciplinary science (combining Earth science, mathematics and computation) that describe land surface as a numerical representation with quantitative descriptors. Thus, the geomorphometry evolves with the computational methods inserted into Geographic Information System (GIS) in order to study innumerable problems, as such: Susceptibility, soil erosion, vegetation distribution among others. An important research topic in the Geomorphometry is to extract and classify landforms from Digital Elevation Model (DEM), which is a prerequisite to improve the understanding of the spatiotemporal dynamics into natural geosystems. Thus, automatic classifications methods have been developed in order to achieve results that ensure fast data processing, accurate and reproducible by independent individuals. Several geomorphometric parameters have been described in an attempt to characterize the landscape, highlighting the altimetry and its first-order and second-order derivative. These attributes show different levels of generalization and applicability that should be used for specific conditions in the landscape stratification. This paper aims to propose a hierarchical classification method of landform considering the inherent differences of the terrain attributes in the Serra da Canastra– MG. The proposed method consists of a classification system based on two-stage sequential architecture: (a) decision tree classification of altitude and slope data; and (b) subdivision of previous classes from the spectral classifier Spectral Angle Mapper (SAM) using curvature attributes. In SAM classification (second stage) is necessary to establish a geomorphmetric signature for each landform,which is described by a spectrum composed by the following curvatures: (a) profile, (b) longitudinal, (c)cross-section, (d) minimum, (e) maximum, and (f) plan. The signature determination is obtained from a method developed for hyperspectral image processing in remote sensing containing the following steps: (a) reduction of the spectrum size, (b) reduction of the spatial size, and (c) identification of geomorphometric signatures using n-dimensional viewer. The results demonstrate different landform classes that represent distinct homogenous units in the Serra da Canastra National Park. The combination of two methods improves the results because each procedure identifies different aspects of the landscape patterns and scale levels. SAM classification using geomorphometric signature enables a detection of hillside variations described by its spectral inflection