Avaliação de algoritmos de aprendizado de máquina na identificação de eucalipto em imagens de satélite

Photo by Mohammad Rahmani on Unsplash

Nesses meus primeiros contatos com linguagem de programação e aprendizado de máquinas pude conhecer ferramentas capazes de resolver problemas reais do meu dia-a-dia com muita rapidez. Irei compartilhar um pouco dessa experiência e o que consegui desenvolver para auxiliar em uma tarefa específica, a identificação de eucalipto em imagens de satélite.

Introdução

As imagens de satélite são uma ferramenta de grande ajuda nas análises ambientais, especialmente na identificação de conversões de áreas de vegetação nativa em áreas produtivas. Contudo, um grande desafio é a identificação precisa de espécies de plantas exóticas, como o eucalipto e pinus, que muitas vezes se confundem com a cobertura vegetal nativa.

A detecção de plantações de eucalipto é de particular importância, pois essas plantações têm implicações significativas para a biodiversidade, o ciclo da água e o equilíbrio do ecossistema. No Brasil, essas plantações de espécies exóticas são frequentemente denominadas “desertos verdes” devido aos impactos adversos que causam nos biomas brasileiros.

Photo by Arjun Valiya Parambathu on Unsplash

Neste contexto, o presente trabalho apresenta a avaliação de diferentes algoritmos na identificação de plantações de eucalipto em imagens de satélite, utilizando a Linguagem R como ferramenta.

Preparação dos dados

Para a área de estudo, foi escolhida uma região no sul do Brasil, entre os estados de Santa Catarina e Rio Grande do Sul, por apresentar abundância de plantações de eucalipto, o que facilitou a etapa de treinamento do algoritmo.

Área da cena utilizada no projeto (polígono em vermelho)

A imagem de satélite utilizada para este estudo foi capturada no dia 03 de fevereiro de 2024 pelo Instrumento Multiespectral (MSI) do satélite Sentinel-2A. As bandas utilizadas no trabalho, juntamente com seus respectivos comprimentos de onda central e nomes no projeto, são apresentadas no Quadro 1.

ESRI Portugal

Com a ajuda do software de Sistema de Informação Geográfica QGIS, todas as bandas utilizadas no projeto foram combinadas em um único arquivo raster (matricial), permitindo sua importação para o ambiente R.

No QGIS, também foram inseridos manualmente polígonos sobre áreas com e sem eucalipto, utilizando uma imagem de alta resolução como referência. Dentro desses polígonos, foram gerados automaticamente vários pontos aleatórios: pontos azuis para áreas com eucalipto e pontos amarelos para áreas sem eucalipto.

Pontos que sobrepõem áreas com eucalipto (azuis); pontos que sobrepõe áreas sem eucalipto (amarelo).

Em seguida, foi criada uma coluna na tabela de atributos do geopackage de pontos, onde foi atribuído o valor 1 para os pontos com eucalipto e o valor 0 para os pontos sem eucalipto. No total, foram gerados 1280 pontos para áreas com eucalipto e 8067 pontos para áreas sem eucalipto, totalizando 9347 pontos.

Por dentro do R

Após a organização dos dados, foi feita a instalação de alguns pacotes necessários para o desenvolvimento do trabalho dentro do programa R Studio, como os pacotes caret e raster, entre outros.

O próximo passo foi indicar o caminho para os arquivos utilizados no R Studio. Os dados raster e o geopackage foram então convertidos em DataFrame, para melhor manipulação dentro do programa. Neste ponto, foi realizada também a remoção dos pontos sem dados.

Logo após, foi feita a separação das amostras em amostras de treinamento, 70% do total, e amostras de validação, os 30% restantes.

Em seguida, foram aplicados os modelos CART (Classification and Regression Trees), um algoritmo baseado em árvore de decisão, o modelo de regressão logística, binária neste caso, e, finalmente, o modelo Random Forest, um método de aprendizado de máquina que opera através da construção de diversas árvores de decisão.

Modelo de árvore de decisão (CART)

Modelo de regressão logística

Modelo Random Forest

Todos esses modelos foram, então, comparados entre si e com outros dois modelos de aprendizado de máquina, o GBM (Gradient Boosting Machine) e o XGBoost (Extreme Gradient Boosting), para determinar qual modelo oferecia a melhor performance para a tarefa em questão.

Modelo GBM

Modelo XGBoost

Resultados

Após a comparação entre os modelos Random Forest, Regreção Logística, de árvore de decisão (CART), GBM e XGBoost, foi possível avaliar o desempenho de cada um deles.

Comparação entre os Modelos RF, XGBoost, GBM, RegLog e CART

Dentre todos os modelos avaliados, o Random Forest se destacou, apresentando um desempenho superior com uma AUC (Área sob a curva) de 0,995. A métrica AUC é uma medida de desempenho que quantifica a capacidade do modelo de fazer previsões corretas. Quanto mais próximo de 1 for o valor da AUC, mais preciso é o modelo em suas previsões.

AUC dos modelos Random Forest (verde), Regressão logística (azul) e CART (preto)

Ao final da análise, foi possível obter a importância das bandas espectrais para o modelo Random Forest. Como pode ser observado no gráfico a seguir, as BANDAS_11 e BANDAS_10, que são bandas de infravermelho de ondas curtas, obtiveram as melhores avaliações de importância. Isso indica que essas bandas são particularmente eficazes na distinção do eucalipto na imagem.

Como resultado final, foram geradas duas imagens destacando as áreas com e sem eucalipto: uma representando a predição binária (presença ou ausência de eucalipto) e outra indicando a predição em porcentagem.

Esses resultados podem ser comparados com imagens de alta resolução do Google Earth e com os dados de uso do solo fornecidos pelo MapBiomas. O MapBiomas é um projeto que utiliza um sistema de validação e refinamento de alertas de desmatamento de vegetação nativa em todo o território brasileiro, com base em imagens de satélite.

O algoritmo desenvolvido neste trabalho apresenta duas vantagens principais em relação aos dados fornecidos pelo MapBiomas:

1. Pode ser utilizado com imagens de várias resoluções espaciais, enquanto o MapBiomas utiliza imagens com resolução de 30 metros (Landsat).
2. O MapBiomas publica os dados de uso do solo com uma frequência aproximadamente anual, enquanto o algoritmo desenvolvido pode utilizar imagens geradas até mesmo no mesmo dia da análise, dependendo da resolução temporal do satélite.

Comparação do resultado da predição com o MapBiomas

Na figura acima, o círculo amarelo destaca uma área de eucalipto que foi suprimida entre abril e maio de 2022. Os dados da coleção 7 do MapBiomas, de 2021, mostram a plantação de eucalipto presente nessa área. No entanto, a predição feita com imagens de fevereiro de 2024 e a imagem do Google Earth confirmam que as árvores foram cortadas.

Conclusão

Este trabalho demonstrou a eficácia do uso de algoritmos de aprendizado de máquina na análise de imagens de satélite para a identificação de eucalipto. Através da aplicação de modelagem preditiva em R, foi possível diferenciar a vegetação exótica da vegetação nativa e do solo exposto com bastante precisão.

Espero que minha experiência inspire outros colegas a explorarem o uso dessas e de outras ferramentas de programação nas geotecnologias.