Metodologia para classificação de imagens de satélite em nuvem, com apoio de aplicativo móvel

Abstract

A classificação de imagens de satélites é uma importante ferramenta para mensurar, qualificar, mapear e gerir uma determinada área de interesse. Neste trabalho é proposta uma metodologia para a classificação supervisionada, composta por três aspectos principais: a utilização de imagens provenientes do satélite Sentinel 2 (S-2), o processamento em servidores remotos (nuvem) através da plataforma Google Earth Engine (GEE) e, por último, o aplicativo móvel que visa a otimização da coleta de amostras para o treinamento dos algoritmos classificadores. A metodologia proposta foi aplicada na Floresta Ombrófila Mista (FOM), localizada no bioma Mata Atlântica, em Santa Catarina. Testou-se a capacidade de processamento e utilização da plataforma GEE para nove tipos de mosaicos S-2, com 10, 20 e 30 metros de resolução espacial e três períodos de aquisição distintos, que contemplam 2027, 715 e 587 cenas para a área da FOM. De forma complementar, realizou-se, para cada uma das nove imagens, o processamento com os classificadores Support Vector Machine (SVM) e Random Forest (RF). O desempenho do GEE foi positivo por proporcionar a rápida e eficiente criação dos mosaicos e da imagem classificada, além de exigir estrutura computacional simplificada para a elaboração do produto final, visto que o processamento é realizado nos servidores remotos que o comportam. As imagens S-2 possuem bandas que auxiliam na classificação da vegetação, além de possuírem boa resolução espacial para a obtenção de produtos em grandes áreas (entre 10 e 60 metros). O aplicativo foi utilizado em dispositivos móveis e viabilizou a coleta de coordenadas geográficas e demais atributos das amostras utilizadas para o treinamento dos algoritmos classificadores. A metodologia será proposta ao Instituto do Meio Ambiente de Santa Catarina (IMA/SC) para que novos dados sejam coletados por agentes fiscais e licenciadores, especialistas na área ambiental. Os produtos advindos da metodologia proposta podem ser utilizados na elaboração de políticas públicas para o meio ambiente em Santa Catarina.

Abstract : Satellite image classification is an important tool for measuring, qualifying, mapping and managing a particular area of interest. This work proposes a methodology for the supervised classification, composed of three main aspects: the use of images from the Sentinel 2 (S-2) satellite, the processing in remote servers (cloud) through the Google Earth Engine (GEE) platform and the mobile application that aims to optimize the collection of samples for the training of classifier algorithms. The proposed methodology was applied in the Mixed Ombrophilous Forest (FOM), located in the Atlantic Forest biome, in Santa Catarina. The GEE platform's processing and utilization capacity was tested for nine S-2 mosaics, with 10, 20 and 30 meters of spatial resolution and three distinct acquisition periods, including 2027, 715 and 587 scenes for the FOM area. In addition, the nine images were processed with the Support Vector Machine (SVM) and Random Forest (RF) classifiers. The GEE performance was positive because it provided the fast and efficient creation of the mosaics and the classified image, besides requiring a simplified computational structure for the elaboration of the final product, considering the processing is carried out on the remote servers of GEE. The S-2 images have bands that help in the classification of vegetation, besides having good spatial resolution for obtaining products in large areas (between 10 and 60 meters). The application was used in mobile devices and optimized the capture of geographic coordinates and other attributes of the samples used to train the classifiers. The methodology will be proposed to the Institute of the Environment of Santa Catarina (IMA/SC) so that new data are collected by fiscal agents and licensors, specialists in the environmental area. The products derived from the proposed methodology can be used in the elaboration of public policies for the environment in Santa Catarina.