O Algoritmo Support Vector Machine Aplicado ao Mapeamento do Uso e Ocupação do Solo

Revista Brasileira de Geografia Física

Endereço:
Av. Prof. Professor Moraes Rego, 1235 - Cidade Universitária
Recife / PE
50670-901
Site: http://www.ufpe.br/rbgfe
Telefone: (81) 2126-8275
ISSN: 19842295
Editor Chefe: [email protected]
Início Publicação: 30/04/2008
Periodicidade: Bimestral
Área de Estudo: Multidisciplinar

O Algoritmo Support Vector Machine Aplicado ao Mapeamento do Uso e Ocupação do Solo

Ano: 2014 | Volume: 7 | Número: 2
Autores: A. A. Moreira, R. P. de Almeida, F. H. S. Fernandes, C. V. M. Nery
Autor Correspondente: A. A. Moreira | [email protected]

Palavras-chave: Inteligência Artificial, Bacia do Rio Vieira e Classificação.

Resumos Cadastrados

Resumo Português:

As rápidas transformações do meio ambiente decorrentes das atividades humanas de ocupação dos espaços tem se tornado, uma das grandes preocupações atuais. Nesse contexto, torna-se fator essencial a análise do uso e cobertura terrestre e seu monitoramento a fim subsidiar informações para gestão ambiental. Através de mapeamentos realizados com a utilização de ferramentas de Sensoriamento Remoto é possível a obtenção de informações acerca das mudanças de uso e cobertura da Terra, sendo este realizado por meio de técnicas de classificação de imagens, utilizando algoritmos classificadores. Dentre os algoritmos desenvolvidos para este fim, existem aqueles, baseados na área do conhecimento da Inteligência Artificial como o Support Vector Machine (SVM), que vem sendo empregado com sucesso na separação máxima das classes. O objetivo deste trabalho é a aplicação do SVM no mapeamento do uso e cobertura do solo na Bacia do Rio Vieira e comparar os resultados com aqueles obtidos pelo algoritmo, Máxima Verossimilhança. Nos resultados encontrados, observou-se que na análise do índice Kappa ambos os algoritmos apresentaram uma forte concordância e as classes analisadas se mostraram coerentes com as características da região de estudo, contudo o algoritmo SVM apresentou menor confusão espectral entre as classes e melhor desempenho operacional.