Aplicação de k-nearest neighbor em imagens multispectrais para a estimativa de parâmetros florestais

Abstract

A gestão dos recursos naturais requer a estimativa de uma série de parâmetros para o apoio da identificação de alternativas mais adequadas para a gestão e manejo das áreas florestais. Em particular, os ecossistemas florestais exigem um complexo e crescente conjunto de informações, e os inventários florestais fornecem informações preciosas, entretanto, espacialmente, de forma não contínua. Muitos trabalhos científicos vêm direcionando esforços para o desenvolvimento de metodologias que relacionam os dados da terra com informações de imagens multiespectrais. A modelagem dessas relações pode estender as estimativas dos dados de inventário florestal em áreas não amostradas. Neste trabalho, foi avaliado o desempenho de uma análise não paramétrica, com a utilização do algoritmo K-Nearest Neighbor em imagens SPOT5. Foram avaliados os resultados obtidos na espacialização de atributos florestais em uma área em Molise, na Itália. Entre as diversas metodologias para os cálculos das distâncias espaciais, o uso do método baseado nas distâncias multirregressivas não paramétricas apresentaram os melhores resultados. A densidade e número de espécies levantados em campo apresentaram um coeficiente de correlação de Pearson ρ = 0,58, comparativamente às informações obtidas nas imagens multispectrais, ligeiramente inferior aos obtidos para a área basal e volume, que obtiveram, respectivamente, ρ = 0,62 e 0,71.

Natural resources management requires several parameters estimate in order to support the identification of the best alternatives to forest areas management. In particular, forest ecosystems require a complex and increasing set of descriptive information, where forest inventories put up important information, however not in a continuous spatial way. Lately, several scientific researches have been focusing on establishing methodologies to relate data from field to those obtained from multispectral images. Modeling these relations can extend the estimates of forest inventory data to not sampled areas. This research evaluated performance of non-parametric analysis using the K-Nearest Neighbor (k-NN) on SPOT 5 images. It evaluated the results obtained from the spatialization of some forest attributes in a forest area located at Molise, Italy. Among several methodologies for spatial distance calculations, the use of multiregressive non-parametric distances revealed the best results. Density and number of species on the ground revealed a Pearson correlation coefficient of = 0.58 as compared to data obtained from multispectral images, lightly lower than the obtained for basal area and volume, which were = 0.62 and 0.71, respectively.