Identificação de áreas de rizicultura a partir do processamento digital de imagens de radar sentinel utilizando técnicas de aprendizado de máquina profundo - deep learning

Abstract

Acredita-se que metade dos ambientes de áreas úmidas, que são consideradas de importância internacional, pela Convenção de Ramsar estejam prejudicadas por ações humanas. Dentre as ações humanas que têm impactado estas áreas estão as atividades agrícolas. No Brasil, estas áreas, em especial na região Sul do Brasil, são utilizadas pela rizicultura. Deste modo, o mapeamento e monitoramento destas áreas se torna necessário. Dentre as tecnologias que existem para este mapeamento/monitoramento podemos destacar o sensoriamento remoto. Mais recentemente, os sensores de abertura sintética de radar (SAR) têm possibilitado esse monitoramento já que, é uma tecnologia que independe de energia solar ou tem problema com a interferência de nuvens. A partir disso, é possível descrever o ciclo fenológico do cultivo de arroz através de uma assinatura temporal. O programa Copernicus da Agência Espacial Europeia (ESA) tem possibilitado o uso de imagens de radar (Sentinel 1) com recorrência de cobertura da mesma área em 12 dias. Por fim, o advento de tecnologias de inteligência artificial de aprendizado de máquina profunda tem possibilitado um mapeamento de áreas por sensoriamento remoto com muita mais eficiência e precisão. Deste modo, o objetivo desta pesquisa é mapear o cultivo de arroz a partir da série temporal de imagens de radar Sentinel 1 utilizando inteligência artificial no Oeste do Rio Grande do Sul (RS). As etapas metodológicas foram: (a) aquisição da série temporal Sentinel ao longo de dois anos; (b) Pré-processamento de dados e minimização do ruído de filtros temporais 3D e suavização com filtro Savitzky-Golay; (c) Procedimentos de classificação da série temporal; (d) Análise de precisão e comparação entre os métodos. Os resultados mostram alta precisão geral e Kappa (>97% para todos os métodos e métricas). Bi-LSTM foi o melhor modelo. O estudo estabelece uma metodologia adequada para mapear as culturas de arroz no Oeste do Rio Grande do Sul.