LAND USE/ COVER (LULC) MAPPING IN BRAZILIAN CERRADO USING NEURAL NETWORK WITH SENTINEL-2 DATA

Autores

  • Janailson Francisco da Silva Universidade de Brasília
  • Rejane Ennes Cicerelli Laboratório de Sensoriamento Remoto e Análise Espacial Instituto de Geociências Universidade de Brasília
  • Tati Almeida Laboratório de Sensoriamento Remoto e Análise Espacial Instituto de Geociências Universidade de Brasília https://orcid.org/0000-0002-6387-8254
  • Marina Rolim Bilich Neumann Faculdade de Agronomia e Medicina Veterinária/ Universidade de Brasília
  • André Luiz Farias de Souza Secretaria do Meio Ambiente do Distrito Federal/ Brasília- DF

DOI:

https://doi.org/10.5380/rf.v50i3.59747

Palavras-chave:

Sensoriamento Remoto, Técnicas de Classificação supervisionada, Classes de uso e cobertura da terra

Resumo

The Sentinel-2a and 2B satellites form a multispectral imaging mission for Earth observation. They have promising characteristics for the study of soils and vegetation cover, and their data can be applied for land use/cover (LULC) mapping. To this end, neural networks have shown good results in pattern recognition tasks in orbital images. In this sense, the study aimed to evaluate the use of Sentinel 2 (ESA) image for LULC mapping in the Cerrado Biome, through the application of artificial neural network methodology. Among the classes of use and occupation examined, 8 classes were selected, 4 of which were natural (water bodies, savanna, forest and field formation) and 4 anthropic (Pasture, Urban areas, Silviculture and Seasonal Crop). The classification system by artificial neural network (ANN) was considered successful, with thematic accuracy (Kappa coefficient) of 0.77. Although there are still some thematic confusions during the classification process, the classification results were considered superior when compared to the MaxVer classifier. The Sentinel-2 image, together with the use of a neural network, was shown a good input for carrying out this type of mapping.

Key words: Orbital Remote Sensing System, Supervised Classification Techniques, LULC classes.

Biografia do Autor

Rejane Ennes Cicerelli, Laboratório de Sensoriamento Remoto e Análise Espacial Instituto de Geociências Universidade de Brasília

Pesquisadora doutora na área de Geoprocessamento e Sensoriamento Remoto do Programa de pós-graduação em Geociências Aplicadas e Geodinâmica

Tati Almeida, Laboratório de Sensoriamento Remoto e Análise Espacial Instituto de Geociências Universidade de Brasília

Pesquisadora doutora na área de Geoprocessamento e Sensoriamento Remoto do Programa de pós-graduação em Geociências Aplicadas e Geodinâmica

Marina Rolim Bilich Neumann, Faculdade de Agronomia e Medicina Veterinária/ Universidade de Brasília

Pesquisadora doutora em Gestão de Solo e Água atuando em mapeamento digital de solos, sensoriamento remoto e geoprocessamento

André Luiz Farias de Souza, Secretaria do Meio Ambiente do Distrito Federal/ Brasília- DF

Pesquisador doutor em sensoriamento remoto da superfície e agrometeorologia

Downloads

Publicado

10-07-2020

Como Citar

da Silva, J. F., Cicerelli, R. E., Almeida, T., Neumann, M. R. B., & Souza, A. L. F. de. (2020). LAND USE/ COVER (LULC) MAPPING IN BRAZILIAN CERRADO USING NEURAL NETWORK WITH SENTINEL-2 DATA. FLORESTA, 50(3), 1430–1438. https://doi.org/10.5380/rf.v50i3.59747

Edição

Seção

Artigos