O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS
Abstract
A aplicação de Redes Neurais Artificiais (RNA) na classificação de dados de
Sensoriamento Remoto tem se mostrado uma abordagem promissora na
discriminação de classes de maior complexidade. Uma RNA foi, então, utilizada
para desenvolver uma análise da ambigüidade entre classes definidas em função das
variações espectrais da água e ocorrência de plantas aquáticas emersas em uma área
teste do reservatório de Barra Bonita, SP. Os dados de entrada utilizados na
classificação constituíram-se de imagens orbitais ETM+/Landsat, às quais foi
aplicado um modelo linear de mistura espectral, gerando imagens-fração
correspondentes de água, vegetação e solo. No processo de classificação, uma RNA
multicamadas feedfoward foi treinada com o algoritmo backpropagation, a partir de
amostras representativas das áreas infestadas por plantas aquáticas e variações na
resposta espectral da água. O procedimento metodológico adotado mostrou-se
adequado para o mapeamento das classes de água e macrófitas aquáticas. O
resultado da classificação pela rede neural atendeu a proposta de avaliar a
ambigüidade entre as classes e permitiu explicitar quais classes de saída
apresentavam maior grau de mistura com outras ocorrências.
The use of artificial neural network in the ambiguity analysis between classes
defined by water spectral variability and aquatic plants
Abstract
Artificial Neural Networks (ANN) represent a potential approach for classification
of remote sensing images, since they can form complex decision regions and
separate meshed class. So, an ANN was used to develop an ambiguity analysis
between classes defined by water spectral variability and aquatic plants infestation
in a test area of the Barra Bonita, SP, reservoir. The classification input data was
constituted by images derived from a linear mixing model applied to ETM+/Landsat
spectral bands. In order to undertake a supervised classification, a multilayer neural
net was trained by backpropagation algorithm, using representative samples
extracted from aquatics plants infestation areas and water body spectral variability.
The approach was adequate for mapping water spectral variability and detect
infested areas by aquatic macrophytes. Additionally, the classification obtained by
neural net can be used for the purpose to evaluate meshed classes allowing to
represent more ambiguous classes in test area.
