Elaboração do método de análise para classificação da floresta de manguezal da região do Delta do Parnaíba, por meio das imagens temporais do Sentinel 1 e 2 e das técnicas de geoprocessamento

Abstract

A detecção automatizada e precisa de florestas de mangue é crucial para estratégias de conservação e tomada de decisão ao longo da extensa costa brasileira. Este estudo visa criar um conjunto de dados de floresta de mangue para processamento com Probability Density ComponentsAnalysis-Series Time e Minimum Noise Fraction, avaliar o modelo com diferentes filtros de eliminação de speckle e determinar o número ideal de imagens para uma detecção mais precisa. O objetivo principal desta pesquisa é analisar a eficácia das imagens do Sentinel1 e Sentinel-2 para mapeamento das florestas de mangue, por meio da análise das características texturais e espectrais de cada conjunto de dados. A pesquisa se concentra em dois pontos principais: 1. Classificação de manguezais usando imagens Sentinel-1 com o histograma de frequência Probability Density Components Analysis, onde os métodos Random Forests e K Nearest Neighbor foram usados com acurácias de 89,43% e 88,29%, respectivamente. O método de janela deslizante com passo de7x7 pixels foi considerado o mais eficaz; 2. Avaliação de imagens do satélite Sentinel-2 para mapeamento de manguezal na planície deltaica do rio Parnaíba. Neste estudo, os métodos Random Forests, K Nearest Neighbor e Support Vector Machine foram avaliados usando dados do Sentinel-2 para classificar as áreas de florestas de mangue. Os resultados mostraram que o método Random Forests obteve melhor desempenho para ambos os produtos Sentinel-1 (89,43%) e Sentinel-2 (96,78%), ligeiramente melhor que o K Nearest Neighbor. A metodologia desenvolvida neste estudo pode simplificar o processo de detecção, economizando tempo e recursos, e pode ser aplicada em outras regiões onde a cobertura de nuvens não permite precisão temporal.