Jornal de Sensoriamento Remoto e GIS

Abstrato

Métodos de classificação do uso da terra e cobertura do solo (LCLU) no semi-árido do Botswana

Alegre-se, Tsheko

Este artigo apresenta o uso do solo (LCLU) detetado a partir de um Landsat 8 (OLI) utilizando dois esquemas de classificação, nomeadamente o Algoritmo de Máxima Verosimilhança (MLA) e as Redes Neurais Artificiais (RNAs). A análise foi realizada através de duas, três e oito características (reflectância superficial e índices). Para todas as classificações, a precisão global e a estatística kappa variaram entre 93,81% e 0,89 e 99,38% e 0,99, respetivamente. As precisões de classificação mais elevadas foram obtidas utilizando todos os oito recursos ou dois recursos (apenas índices) para ambos os esquemas de classificação. Isto demonstra a importância do Índice de Vegetação por Diferença Normalizada (NDVI) e do Índice de Acumulação por Diferença Normalizada (NDBI) no mapeamento LCLU. Os dois índices são suficientemente robustos para serem utilizados para detetar arbustos, árvores, água e acumulações numa imagem de satélite. Além disso, o classificador de RNAs é também suficientemente robusto para ser utilizado nesta classificação. Embora o classificador MLA tenha utilizado tanto os valores médios como a variância dos recursos, o classificador RNAs apenas utilizou os valores médios dos recursos. Esta é uma demonstração de fusão de dados numa escala normalizada de -1,0 a 1,0. Este trabalho também demonstra que precisões de classificação aceitáveis ​​podem ser alcançadas com menos canais espectrais