Metodologias Automáticas para Criação de Dados de Treino a Partir da COS 2015, UA 2012 e OSM

Abstract

Os mapas de uso e cobertura do solo (MUCS) permitem conhecer o território e geri-lo da melhor forma possível. Com o avanço das tecnologias, pretende-se criar estes mapas de forma rápida, mantendo-os atualizados. Assim, é necessário automatizar todo o seu processo de produção. Uma das fases a automatizar é a criação de dados de treino para a classificação de imagens de satélite, nomeadamente as imagens do Sentinel-2. Nesta dissertação são abordadas metodologias de criação de dados de treino a partir de dados classificados e disponibilizados de forma gratuita: a Carta e Uso e Ocupação do Solo (COS), o Urban Atlas (UA) e o OpenStreetMap (OSM). Utilizando os dados de treino extraídos a partir destas fontes realizam-se classificações de imagens de satélite da missão Sentinel-2 de 2018 pretendendo assim obter-se MUCS com características semelhantes à COS 2018. Com este objetivo, os dados de treino testados são extraídos exclusivamente a partir da COS 2015, do OSM, do UA 2012 e em simultâneo da COS 2015 e do OSM. Para os vários dados utilizam-se critérios de decisão que determinam que pixéis são incluídos nas áreas de treino: Presença, Predominância e Exclusividade. Aos dados da COS 2015 são ainda aplicadas filtragens utilizando índices radiométricos. Para se obterem os dados de treino, às áreas de treino são associadas variáveis, features, que as caracterizam: as bandas de 10m do Sentinel-2, todas as bandas do Sentinel-2 e ainda todas as bandas do Sentinel-2 e alguns índices radiométricos, sendo analisadas quais as abordagens que produzem melhores resultados quando comparados com a COS 2018. Das metodologias abordadas, foram obtidos melhores resultados quando os dados de treino são extraídos exclusivamente da COS 2015 não realizando filtragens, tendo como features todas as bandas de Sentinel-2.

The land use land cover maps (LULCM) allow to know the territory and to manage it in the best way. With the advancement of technologies, these maps need to be created quickly, so that they can be kept updated. Therefore, it is necessary to automate the entire production process. One of the phases that need to be automated is the creation of training data for the classification of the satellite images, namely the Sentinel-2 images. In this work, methodologies will be used for creating training data using classified and freely available data: Carta e Uso e Ocupação do Solo (COS), Urban Atlas (UA) and OpenStreetMap (OSM). With these training data, classifications of Sentinel-2 satellite images from 2018 are carried out, thus aiming to obtain LULCM with characteristics similar to the COS 2018. With this objective, the training data are extracted exclusively from COS 2015, OSM, UA 2012 and simultaneously from COS 2015 and OSM. For the various data, decision criteria are used to determine which pixels are included in the training areas: Presence, Predominance and Exclusivity. Filters using radiometric indices were also applied to the data of COS 2015 . To obtain the training data, the training areas are associated with variables, features, which characterize them: the 10m bands of Sentinel-2, all bands of Sentinel-2 and also all bands of Sentinel-2 and various radiometric indices, and then analyzed the ones that produced better results when compared to COS 2018. Of the approached methodologies, the best results were obtained with the training data extracted exclusively from COS 2015, with no filtering, having as features all the Sentinel-2 bands.