Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto

  • Wanderson Gonçalves e Gonçalves Universidade do Estado do Pará (UEPA). Programa de Pós Graduação em Ciências Ambientais, Belém, PA, Brasil.
  • Hebe Morganne Campos Ribeiro Universidade do Estado do Pará (UEPA). Programa de Pós Graduação em Ciências Ambientais. Centro de Ciências Naturais e Tecnologia (CCNT), Belém, PA, Brasil.
  • José Alberto Silva de Sá Universidade do Estado do Pará (UEPA), Centro de Ciências Naturais e Tecnologia (CCNT), Departamento de Ciências Sociais Aplicadas (DCSA), Belém, Pará, Brasil.
  • Gundisalvo Piratoba Morales Universidade do Estado do Pará (UEPA). Programa de Pós Graduação em Ciências Ambientais. Centro de Ciências Naturais e Tecnologia (CCNT), Belém, PA, Brasil.
  • Hélio Raymundo Ferreira Filho Universidade do Estado do Pará (UEPA). Programa de Pós Graduação em Ciências Ambientais. Centro de Ciências Naturais e Tecnologia (CCNT), Belém, PA, Brasil.
  • Arthur da Costa Almeida Universidade Federal do Pará (UFPA), Castanhal, PA, Brasil.
Palabras clave: classificador neural probabilístico, inteligência artificial, inventário florestal.

Resumen

O presente estudo objetivou a classificação de tipologias florestais por meio de redes neurais artificiais utilizando dados provenientes de um inventário florestal, fornecido pelo Instituto de Desenvolvimento Florestal e da Biodiversidade do Estado do Pará (IDEFLOR-BIO), e das bandas 3, 4 e 5 do TM do satélite Landsat 5. As informações provenientes das imagens de satélite foram extraídas por meio do aplicativo QGIS 2.8.1 Wien e utilizadas no banco de dados para o treinamento das redes neurais pertencentes às ferramentas do software MATLAB® R2011b. Foram treinadas redes neurais como classificadores de dois tipos florestais: Floresta Ombrófila Densa de Terras baixas Dossel emergente (Dbe) e Floresta Ombrófila Densa Terras baixas Dossel emergente mais Aberta com palmeiras (Dbe + Abp) no conjunto de glebas estaduais Mamuru‑Arapiuns, Pará, e avaliadas usando os indicadores matriz de confusão, cálculo de acurácia global, coeficiente Kappa e o gráfico de características do receptor operacional (ROC). O melhor resultado de classificação foi obtido por meio da rede neural probabilística de função de base radial (RBF) “newpnn”, com uma acurácia global de 88%, e coeficiente Kappa de 76%, sendo avaliado como um classificador muito bom, evidenciando a aplicação dessa metodologia na análise de áreas com potencial para prestar serviços ecossistêmicos e, principalmente, na prestação de serviços ambientais em áreas antrópicas que adotam sistema de produção agropecuária com baixa emissão de carbono na Amazônia.


Biografía del autor/a

Wanderson Gonçalves e Gonçalves, Universidade do Estado do Pará (UEPA). Programa de Pós Graduação em Ciências Ambientais, Belém, PA, Brasil.
Mestre em Ciências Ambientais pela Universidade do Estado do Pará, UEPA. Tem experiência na área de Inteligência Computacional, Redes Neurais Artificiais, Reconhecimento de Padrões, Sensoriamento Remoto aplicado a estimativa de biomassa e classificação de imagens. Também possui experiência na área de Citogenética com foco em mutagênese de peixes.
Hebe Morganne Campos Ribeiro, Universidade do Estado do Pará (UEPA). Programa de Pós Graduação em Ciências Ambientais. Centro de Ciências Naturais e Tecnologia (CCNT), Belém, PA, Brasil.
Doutora em Engenharia Elétrica Com Ênfase Em Hidrelétricas pela Universidade Federal do Pará (2008). É coordenadora do laboratório de hidrocarbonetos da Universidade do Estado do Pará e Professora Titular da UNIVERSIDADE DO ESTADO DO PARÁ. Tem experiência na área de Química, com ênfase em Análise de Traços e Química Ambiental, atuando principalmente nos seguintes temas: meio ambiente, água, contaminantes, monitoramento e qualidade.
José Alberto Silva de Sá, Universidade do Estado do Pará (UEPA), Centro de Ciências Naturais e Tecnologia (CCNT), Departamento de Ciências Sociais Aplicadas (DCSA), Belém, Pará, Brasil.
Doutor em Engenharia Elétrica pela Universidade Federal do Pará (UFPA). Professor Adjunto II da Universidade do Estado do Pará (UEPA). Professor Colaborador do Programa de Pós-Graduação em Ciências Ambientais da UEPA. Líder do GEMDA/UEPA (Grupo de Estudos em Mineração de Dados da Amazônia). Linhas de Pesquisa: Inteligência Artificial; Mineração de Dados (Data Mining); Energia; Meio Ambiente; Defesa Civil; Descargas Atmosféricas; Sustentabilidade e Desenvolvimento Regional.
Gundisalvo Piratoba Morales, Universidade do Estado do Pará (UEPA). Programa de Pós Graduação em Ciências Ambientais. Centro de Ciências Naturais e Tecnologia (CCNT), Belém, PA, Brasil.
Doutor em Ciências Geoquímicas e Petrologias com ênfases em Geoquímica Ambiental pela Universidade Federal do Pará (1995 a 2002). Atualmente é Professor Adjunto da Universidade do Estado do Pará (UEPA) e do Instituto Federal de Educação, Ciência e Tecnologia do Pará (IFPA), atuando como professor do Curso de Mestrado em Ciências Ambientais do Centro de Ciências e Tecnologia da Universidade do Estado do Para (CCNT/UEPA). Tem experiência na área de Geociências, com ênfase em Geoquímica Ambiental, atuando principalmente nas seguintes linhas: Avaliação de Impactos Ambientais, Passivos Ambientais Causados por Derivados de Hidrocarbonetos, Resíduos Industriais e Efluentes, Qualidade de Água, Avaliação da Qualidade, Elaboração de Estudos Hidrológicos e Hidrogeológicos e Geoprocessamento.
Hélio Raymundo Ferreira Filho, Universidade do Estado do Pará (UEPA). Programa de Pós Graduação em Ciências Ambientais. Centro de Ciências Naturais e Tecnologia (CCNT), Belém, PA, Brasil.
Doutor em Ciências de Gestão - Université Pierre Mendès-France (2004), convalidado pela Escola de Administração da Universidade Federal do Rio Grande do Sul. Atualmente é Professor Adjunto da Universidade do Estado do Pará, Coordenador do Curso de Engenharia de Produção da Universidade do Estado do Pará, do Curso de Especialização em Logística com ênfase em sustentabilidade e do Programa de Doutorado Interinstitucional UEPA/UFSCAR. Atua no Programa de Mestrado em Ciências Ambientais e no Curso de Engenharia de Produção da UEPA. Tem experiência na área de Administração, com ênfase em Sistemas de Informação, atuando principalmente nos seguintes temas: Tecnologia da Informação, Gestão do Conhecimento, Sistema Integrados de Gestão, Supply Chain Management, Logística e Logística Reversa. Possui artigos publicados em eventos e periódicos nacionais e internacionais. É referee nos eventos ENEGEP, SIMPEP e ANPAD.
Arthur da Costa Almeida, Universidade Federal do Pará (UFPA), Castanhal, PA, Brasil.
Doutor em Engenharia Elétrica pela UFPA. Atualmente é professor adjunto da Universidade Federal do Pará, atuando no Campus de Castanhal. Tem experiência na área de Matemática Aplicada e Computacional, trabalhando com redes neurais e modelagem matemática.
Publicado
23/06/2016
Número
Vol. 11 Núm. 3 (2016)
Sección
Articulos

Authors maintain the copyrights for their work. However, they grant rights of first publication to Ambiente e Agua - An Interdisciplinary Journal of Applied Science. In compensation, the journal can transfer the copyrights, allowing non-commercial use of the article including the right of sending the article to other data bases or publication media. La revista utiliza la licencia CC BY 4.0"