MAPEAMENTO DA COBERTURA DA TERRA COM APRENDIZADO DE MÁQUINA E APLICAÇÕES NO MONITORAMENTO DE LAGOS ARTIFICIAIS
O mapeamento do uso e cobertura da terra possui diversas aplicações e uma grande importância para questões ambientais e hidrológicas. No Estado de Mato Grosso, foram construídas usinas hidrelétricas ao longo do rio Teles Pires que acarretaram modificações expressivas no uso e cobertura do solo, em busca de um mapeamento acurado neste tipo de área, este trabalho avaliou diferentes modelos de classificação de imagens de satélite. Foram utilizadas imagens multiespectrais dos satélites Landsat-8 e Sentinel-2, e classificadores de Aprendizado de Máquina como o SVM, RF, KNN e LDA. O pré-processamento das imagens foi feito por meio do Google Earth Engine. As amostras foram criadas utilizando o software QGIS, as classificações
foram executadas no software R. A avaliação de desempenho considerou a acurácia balanceada e o índice F-Score para cada modelo. O melhor modelo para classificar imagens do Sentinel-2 foi o SVM e para o Landsat-8 foi o RF. Além de prover informações para classificação de uso do solo em áreas semelhantes e servirem de arcabouço para estudos futuros na região, os resultados mostraram um cenário preocupante na área da UHE Colíder por conta da expansão de área alagada e perda de vegetação, e um cenário mais positivo na UHE Sinop, com recuperação de vegetação nas margens do reservatório.
Palavras-chaves: aprendizado de máquina; uso e cobertura do solo; classificação supervisionada; mudanças de cobertura do solo.