Abstract
A distinção de espécies florestais na arborização urbana é fundamental para mitigação dos efeitos locais do aquecimento global. Neste sentido, foram utilizados os algoritmos de aprendizado de máquina RF, SVM e de aprendizagem profunda ANN. Os elevados valores de acurácia encontrados (F-1 score = 0,989; 0,9434; 0,9346, Acurácia Global = 0,989; 0,9444; 0,9333 e de índice kappa = 0,988; 0,9383; 0,9259) para o algoritmo ANN, SVM e RF, respectivamente. Os erros de classificação para a predição de algumas espécies para os classificadores analisados se dão em geral pela semelhança nos valores de reflectância nas regiões do red edge (700 a 720 nm) relacionados ao conteúdo similar de clorofila e nos comprimentos de onda específicos na região do infravermelho de ondas curtas (1400 e 1420 nm) responsáveis pelas diferenças no conteúdo de água e concentração química na planta e de lignina, respectivamente. Dado a complexidade dos classificadores, em especial o algoritmo de aprendizagem profunda ANN, e também aos de aprendizagem de máquina SVM e RF, recomenda-se a alteração de seus hiperparâmetros para se evitar o sobreajuste dos resultados, ou seja, mesmo que o algoritmo esteja adaptado a uma determinada região se torne ineficaz para prever novos resultados.
Publisher
Revista Brasileira de Geografia Fisica
Reference68 articles.
1. Exploiting machine learning algorithms for tree species classification in a semiarid woodland using RapidEye image
2. Comparison of Random Forest and Support Vector Machine Classifiers for Regional Land Cover Mapping Using Coarse Resolution FY-3C Images
3. Apan, A., Held, A., Phinn, S., & Markley, J. (2003, January). Formulation and assessment of narrow-band vegetation indices from EO-1 Hyperion imagery for discriminating sugarcane disease. In Proceedings of the Spatial Sciences Institute Biennial Conference (SSC 2003): Spatial Knowledge Without Boundaries.
4. ASD. Analytical Spectral Devices. 2006. FiedSpec 3 Spectroradiometer. 5335 Sterling Drive, Boulder, Colorado – United States.
5. Bala, R., & Kumar, D. (2017). Classification using ANN: A review. Int. J. Comput. Intell. Res, 13(7), 1811-1820.