O USO DE REDES NEURAIS ARTIFICIAIS NA ANÁLISE DA AMBIGÜIDADE ENTRE CLASSES DE ÁGUA E PLANTAS AQUÁTICAS

Resumo

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.