APRENDIZAGEM DE MAQUÍNA E IMAGENS DE SATÉLITE NA IDENTIFICAÇÃO DE ÁREAS COM CULTURAS ANUAIS

Transcrição

1 APRENDIZAGEM DE MAQUÍNA E IMAGENS DE SATÉLITE NA IDENTIFICAÇÃO DE ÁREAS COM CULTURAS ANUAIS Jerry Adriani Johann (Engenheiro Agrícola, Dsc / Universidade Estadual do Oeste do Paraná - Unioeste); jerry.johann@hotmail.com Luiz Almeida (Engenheiro Agrícola) Resumo: O objetivo deste estudo foi mapear e estimar as áreas semeadas com milho 2 safra e culturas de inverno, safra 2016, no estado do Paraná, utilizando métodos de aprendizagem de máquina e imagens de satélite. Foram utilizadas imagens do satélite Landsat-8 e de EVI/MODIS, aplicando o método GAMBoost para identificação de áreas com as culturas de estudadas. A linguagem Python foi utilizada no desenvolvimento de rotinas para otimizar ações operacionais, reduzindo o tempo de pré-processamento de imagens. Para averiguar a precisão de cada máscara geraram-se pontos aleatórios para cada classificação, realizando uma verificação ponto-a-ponto. As métricas utilizadas para avaliação dos mapeamentos foram: Exatidão Global, Índice Kappa, tanto para os dados de treinamento, quanto para as máscaras geradas. Com imagens Landsat-8 foram identificados hectares de milho 2ª safra e outros hectares com culutras de inverno, em 24 municípios do Estado do Paraná, enquanto com imagens de EVI/MODIS mapeou-se de hectares de milho 2ª safra e hectares com culturas de inverno. Palavras-chave: GAMBoost, Python, Sensoriamento remoto. MACHINE LEARNING AND SATELLITE IMAGES IN IDENTIFICATION OF AREAS WITH ANNUAL CROPS Abstract: The objective of this study was to map and estimate the areas with corn 2nd crop and winter crops, harvest 2016, in state of Parana, using machine learning methods and satellite images. Images from Landsat-8 satellite and EVI/MODIS were used, GAMBoost method was applied to identify areas with studied crops. The Python language was used in development of routines to optimize operational actions, reducing image preprocessing time. Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 1 de 12

2 To determine the accuracy of each mask random points were generated for each classification, performing a point-to-point verification. The metrics used to evaluate the mappings were: Global Accuracy, Kappa Index, both for training data, as well as for the generated masks. With Landsat-8 images, 461,316 hectares of second harvest corn and another 64,488 hectares were identified with winter crops, in 24 cities of State of Paraná, while EVI/MODIS images mapped 2,237,906 hectares of corn 2nd crop and 2,049,418 hectares in winter crops. Keywords: GAMBoost, Python, Remote sensing. 1. INTRODUÇÃO A cadeia produtiva agrícola é responsável por grande parte das atividades econômicas do país, em 2015 o setor foi responsável por 21,46% do Produto Interno Bruto Nacional (PIB), evidenciando a necessidade das informações sobre a produção agrícola (CEPEA, 2016). Dentre as culturas de grande valor econômico, o milho segunda safra e o trigo se destacam como os principais produtos da agricultura brasileira na safra de inverno (IBGE, 2016). O milho safrinha está entre as culturas de maior interesse e valor econômico no Brasil, destacando-se como um dos principais produtos da agricultura nacional na safra de inverno. O estado do Paraná destaca-se no cultivo da cultura, representando uma produção de 20% em 2015 e 26% em 2016 em relação a produção nacional (IBGE, 2016). Aveia, canola, centeio, cevada, trigo e triticale são as culturas de inverno que ocuparam 2,58 milhões de hectares de área semeada no Brasil em 2015, representando 4,4% do total de área com culturas anuais (CONAB, 2016). Neste ano, no estado do Paraná, foram colhidos 56,5% da área utilizada no Brasil para o cultivo das culturas de inverno (CONAB, 2016). As técnicas de sensoriamento remoto orbital (SR) e geoprocessamento, para geração e pré-processamento de dados da agricultura, mostram-se como ferramentas de extrema importância para auxiliar no monitoramento da dinâmica de uso e cobertura da terra, devido a agilidade e acurácia das técnicas (ALMEIDA, 2017). Das técnicas de mapeamento utilizando imagens de satélite (IS), com intuito da elaboração de mapas temáticos (máscaras), a inspeção visual (fotointerpretação) e a classificação são amplamente estudados (RIZZI, 2005). O processo de extração de dados para análise e Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 2 de 12

3 reconhecimento de padrões e agrupamentos em imagens satélite para geração de máscaras é conhecido como classificação de IS (INPE, 2006). A aprendizagem de máquina consiste no aumento de conhecimento por iteração (experiências passadas), onde algortimos computacionais são aplicados para reconhecimento de dados ou tarefas, visando a melhoria de desempenho e assertividade em iterações futuras, facilitando a tomada de decisão (MITCHELL, 1997). O método Boosted Generalized Additive Models (GAMBoost) é um algoritmo de aprendizagem de máquina do tipo boosting (reforço) com modelos aditivos generalizados (GAM), proposto por HASTIE & TIBSHIRANI (1986), podendo ser empregado na classificação de dados. O grande tamanho dos bancos de dados, que compõe atividades de geoprocessamento e SR, faz com que o tempo de processamento operacional para execução seja proporcional ao volume de dados, consumindo assim muito tempo do analista. A linguagem Python, com uso de bibliotecas nativas ou de terceiros, possibilita a automatização de processos e analises, podendo ser empregada no desenvolvimento de rotinas que diminuam o tempo de processamento em IS (ALMEIDA, 2017). A justificativa deste trabalho é evidenciada devido à necessidade de obtenção de dados da produção agrícola de forma ágil, eficaz e com menor custo. O objetivo deste trabalho foi automatizar ações de pré-processamento de IS, mapear e estimar as áreas colhidas com milho 2ª safra e demais culturas de inverno, no estado do Paraná, com o uso de técnicas de sensoriamento remoto. 2. METODOLOGIA A região de estudo compreendeu o Estado do Paraná, para mapeamento com imagens EVI/MODIS e 24 municípios da área de abrangência de uma agroindustria, distribuídos nas mesorregiões Centro Ocidental, Oeste e Sudeste do estado do Paraná (Figura 1), para mapeamento com imagens Landsat-8. As culturas mapeadas, utilizando IS para o ano-safra de 2016, foram separadas em dois grupos: um com a cultura de milho 2ª safra e outro para as demais culturas de inverno (aveia branca, aveia preta, canola, centeio, cevada, trigo e triticale). Os agrupamentos das culturas de inverno foi necessário em função da dificuldade em diferenciar estas culturas com o uso de imagens de satélite, bem como, em função da variabilidade de períodos de semadura e colheita, que levou em consideração dados de campo e da Secretaria de Agricultura e Abastecimento Departamento de Economia Rural (SEAB/DERAL). Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 3 de 12

4 As imagens de índice de vegetação EVI do sensor Moderate Resolution Imaging Spectroradiometer (MODIS), com 250 metros de resolução espacial, dos satelites Terra e Aqua, foram adquiridas da base de dados da Embrapa Informática Agropecuária em formato (GeoTiff). As imagens são disponibilizadas previamente processadas, em recortes que recobrem cada Estado do Brasil. Neste caso, utilizaram-se apenas imagens sobre o Estado do Paraná. Devido a variabilidade das datas de semeadura para as diversas regiões do Estado, adaptou-se a metodologia utilizada por JOHANN et al., (2012), sendo utilizadas várias imagens EVI/MODIS para geração das imagens de mínimo EVI, que é o período de pré-semeadura, semeadura e desenvolvimento inicial das culturas; imagens de máximo EVI, que o período em que as culturas estão no máximo desenvolvimento vegetativo, que normalmente coincidem com a floração e frutificação das culturas e a imagem da diferença entre valores de mínimo e máximo EVI, para a área estudada. Figura 1 Mapa de localização das regiões de estudo. Fonte: Adaptado de IBGE (2016). Nota: 1 - Anahy, 2 - Boa Vista da Aparecida, 3 - Braganey, 4 - Campo Bonito, 5 - Capitão Leônidas Marques, 6 - Cascavel, 7 - Catanduvas, 8 - Céu Azul, 9 - Corbélia, 10 - Espigão Alto do Iguaçu, 11 - Guaraniaçu, 12 - Ibema, 13 - Iguatu, 14 - Lindoeste, 15 - Ouro Verde do Oeste, 16 - Quedas do Iguaçu, 17-Realeza, 18-Santa Izabel do Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 4 de 12

5 Oeste, 19 - Santa Lúcia, 20 - Santa Tereza do Oeste, 21 - São Pedro do Iguaçu, 22 - Toledo, 23 - Três Barras do Paraná e 24 - Vera Cruz do Oeste. Do satélite Landsat-8 (Land Remote Sensing Satellite), foram obtidas imagens gratuitamente do Serviço Geológico dos Estados Unidos (USGS), também disponíveis no formato GeoTiff. Utilizaram-se as bandas de 2 a 7 de cada cena Landsat-8 no trabalho, ou seja, 6 bandas. Foram necessárias 3 cenas Landsat-8 (orbita/ponto: 223/077, 223/078 e 224/077), para recobrimento total da região de abrangência da agroindustria, essas imagens possuem resolução espacial de 30 metros. Com isso selecionaram-se imagens de datas que contemplassem o ciclo das culturas em estudo. Ainda, com as bandas de imagens Landsat-8, foram geradas composições falsa-cor RGB-564, para contrução de um mosaico de imagens RGB, da região de estudo. Assim, utilizando as 3 cenas de imagens, adaptando as técnicas de geração de mosaicos da EMBRAPA Milho e Sorgo (2015), foi possível a coleta de amostras de pixels puros de cada alvo mapeado, tanto sobre as imagens EVI/MODIS, como sobre as imagens Landsat-8. Este procedimento teve o intuito de criar 6 classes amostrais: corpos hídricos; áreas florestais e regiões urbanas; solo exposto; milho 2ª safra; culturas de inverno, que foram usadas para o treinamento do método de aprendizagem de máquina na identificação das culturas. Em seguida, as classes foram exportadas em arquivo shapefile com atribuição de valores binários, ou seja, classes de interesse, no caso as culturas a serem mapeadas (milho 2ª safra e culturas de inverno), receberam valor 1 e as demais classes, atribui-se o valor 0. No mapeamento da cultura de milho 2ª safra com as imagens EVI/MODIS, foi utilizado um conjunto de 5 imagens, sendo elas: 2 imagens de mínimo EVI, 1 imagem de máximo EVI, 1 imagem de diferença de EVI; todas da cultura de milho e mais 1 imagem de diferença de EVI das culturas de inverno. No mapeamento das culturas de inverno, o conjunto de imagens contou com apenas 3 imagens, sendo elas: 2 imagens de mínimo EVI e 1 imagem de máximo EVI, geradas a partir de imagens de EVI/MODIS. Cada conjunto de imagens foi processado separada e independentemente, com seus respectivos dados de treinamento, aplicando o método de aprendizagem de máquina GAMBoost (HORN et al., 2016), para identificação de culturas anuais em IS. Em seguida, foram extraídas estatísticas dos mapeamentos gerados em relação aos dados de treinamento, fornecidas pelo próprio método de aprendizagem de máquina GAMBoost, tais como: Número de iterações (Mstop), Exatidão Global (EGt) e Índice Kappa (IKt) dos dados de treinamento. Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 5 de 12

6 Com o intuito de realizar a avaliação de acurácia das classificações e cálculo do Índice Concordância Kappa (IK), foram gerados 400 pontos aleatórios (200 sobre o mapeamento e 200 fora do mapeamento), para cada mapeamento realizado. Este procedimento foi repetido quatro vezes. Duas em cada mapeamento com imagem EVI/MODIS e outras duas nos mapeamentos com imagens Landsat-8, sendo uma para cada cultura em estudo (milho 2ª safra e culturas de inverno). A verificação dos mapeamentos foi executada ponto a ponto por meio de inspeção visual, sobrepondo-se cada mapeamento (EVI/MODIS e Landsat) sobre o mosaico falsa-cor RGB-564 de imagens Landsat-8. Desta forma, verificou-se se cada ponto sorteado aleatoriamente pertencia ou não a cultura em estudo. Elaborou-se a partir disto, a matriz confusão determinando-se a Exatidão Global (EG) (Equação 1) e o (IK) (Equação 2). Portanto, as estatísticas EGt, IKt, EG e IK foram as métricas avaliadoras de acurácia dos mapeamentos aplicando aprendizagem de máquina em IS. A (%) = *100 M EG (1) n* i IK = n r r xij ( xi. * x. j ) = 1 i= 1 2 r ( xi. * x. j ) i= 1 (2) em que: n é número de observações (pixels amostrais); A é acerto geral (pixels amostrais classificados corretamente); m é número de pixels amostrais; r é número de linhas da matriz de erro; xij é observações na linha i e coluna i; xi é total marginal da linha i; xj é total marginal da coluna j. Foram desenvolvidas duas rotinas em linguagem de programação Python, para automatização dos processos. Uma para realizar as ações de recortes de delimitações das áreas de estudo em todas as imagens utilizadas. A outra rotina para extração os pixels mapeados, agilizando, desta forma, a obtenção das áreas das culturas mapeadas. 3. RESULTADOS E DISCUSSÃO Com as rotinas desenvolvidas em linguagem Python foi possível reduzir o tempo de pré-processamento das imagens, estimados em 987 minutos se fossem realizados pelo Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 6 de 12

7 método tradicional (ou seja, de forma manual) para 18 minutos com a automatização, o que significa uma redução de 98,8% de tempo. GALLANGHER (2014) e ALMEIDA et al. (2016), relataram das vantagens do uso de linguagem como o Python, para aumento de eficiência e redução de tempo de processamento, otimizando o tempo do técnico e processamento de grande quantidade de dados, comuns em processos que envolvam o trabalho com sensoriamento remoto, tendo como consequência a automatização de etapas repetitivas e que demandam grande tempo de processamento. Os resultados das métricas avaliadoras dos mapeamentos realizados com uso de aprendizagem de máquina em IS, podem ser verificados na Tabela 1, apresentando valores de EGt e EG superiores a 90% para os quatro mapeamentos realizados. Ainda, verificam-se valores excelentes de IKt e IK, segundo LANDIS e KOCH (1997), valores acima de 0,8 em todos os mapeamentos. Comparando com outros trabalhos que também aplicaram métodos de aprendizagem de máquina, CHAN et al., (2008) atingiu 0,695 de IK, mapeando regiões ecologicamente homogêneas com Adaboost. Ainda, o valor de Mstop nos mapeamentos utilizando imagens EVI/MODIS foi de 100 iterações, enquanto que os mapeamentos utilizando imagens Landsat-8 apresentaram 150 iterações de reforço, essa diferença pode ser evidenciada pela quantidade de dados processados, uma vez que os conjuntos de imagens EVI/MODIS possuem diferente resolução espacial dos conjuntos de imagens Landsat-8. Tabela 1 Comparação dos valores das métricas avaliadoras de acurácia dos mapeamentos aplicando aprendizagem de máquina em IS. Dados de treinamento Máscara Mstop EGt IKt EG IK EVI/MODIS Landsat-8 Milho 2ª safra ,47% 0,904 90,75% 0,815 Culturas de inverno ,76% 0,942 92,25% 0,845 Milho 2ª safra ,59% 0,993 90,25% 0,805 Culturas de inverno ,75% 0,993 93,25% 0,865 Utilizando o método de aprendizagem de máquina Random Forest, RODRIGUEZ- GALIANO et al., (2012) obtiveram valores de EG e IK de 92% e 0,92, respectivamente, quando avaliou a eficácia do algoritmo Random Forest na classificação de uso e ocupação Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 7 de 12

8 do solo, com EGt em 92,08%. O método Random Forest é do tipo bagging, que consiste em um conjunto de classificadores, de modo que cada classificador é treinado e seus resultados passam por processos individuais de votação, onde a classe mais votada é aplicada novamente no método para reclassificação (BREIMAN, 2001). JOHANN et al., (2012), com o objetivo de mapear áreas com as culturas de verão no estado do Paraná, onde uma delas foi milho, utilizando imagens de mínimos e máximos valores de EVI/MODIS, atingiram EG de 94,72% com IK de 0,8945. Os mapeamentos do milho 2ª safra e culturas de inverno, no ano-safra 2016, resultantes da aplicação de aprendizagem de máquina nas imagens de EVI/MODIS para o Estado do Paraná, com resolução espacial de 250 metros, é ilustrado na Figura 1. Com a rotina de extração de áreas desenvolvida em linguagem Python, foi possível quantificar a área mapeada, obtendo-se de hectares de milho 2ª safra e hectares com culturas de inverno. Figura 1 Mapeamento de milho 2ª safra e culturas de inverno safra 2016 para o Estado do Paraná, utilizando aprendizagem de máquina em imagens de EVI/MODIS com 250 metros. Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 8 de 12

9 Na Figura 2 podem ser visualizadas as máscaras para as culturas estudadas, safra 2016, originadas com uso do método GAMBoost de aprendizagem de máquina em imagens do satélite Landast-8, para os 24 municípios da região de abrangência da agroindustria. Com a metodologia aplicada foi possível mapear um total de hectares de milho 2ª safra e outros hectares com culutras de inverno. Figura 2 - Mapeamento de milho 2ª safra e culturas de inverno safra 2016 para a região de abrangência de uma agroindustria, utilizando aprendizagem de máquina em imagens Landsat-8 com 30 metros. Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 9 de 12

10 4. CONCLUSÕES As rotinas desenvolvidas em linguagem Python, para automatizar etapas e procedimentos de processamento de IS, mostraram-se ferramentas de grande agilidade e precisão, possibilitando ao técnico maior disponibilidade de tempo para analise de dados, sendo ferramentas essenciais para auxiliar e reduzir o tempo de obtenção de dados de área. Os mapeamentos de áreas com culturas anuais, utilizando o método GAMBoost de aprendizagem de máquina e imagens de EVI/MODIS foram eficientes, resultando em mapeamentos de 250 metros para todo estado do Paraná e de 30 metros de resolução espacial utilizando imagens Landsat-8 para a região de abrangência da agroindústria, com excelentes exatidões globais e índice kappa, evidenciando a possibilidade de replicação da metodologia empregada na identificação e quantificação de áreas em outros locais e anossafra. REFERÊNCIAS ALMEIDA, L. Mapeamento e estimativa de áreas de milho 2ª safra e culturas de inverno utilizando aprendizagem de máquina em imagens de satélite f. Trabalho de conclusão de curso (Graduação em Engenharia Agrícola) Universidade Estadual do Oeste do Paraná, Unioeste, Cascavel, Disponível em: < WebCrea/biblioteca_virtual/visualizar_trabalho.aspx?SEQTRABALHO=274>. Acesso em: 03.set ALMEIDA, L; OLDONI, L.V.; CATTANI, C.E.V.; MERCANTE, E.; JOHANN, J.A. Uso de scripts autômatos em Python para criação de banco de dados. SELPER 2016: Geotecnologías, Herramientas para la construcción de una nueva visión del cambio global y su transformación para un futuro sostenible: Libro de Actas de XVII Simposio Internacional en Percepción Remota y Sistemas de Información Geográfica; editado por Walter F. Sione [et al.]. 1a ed. p Luján: EdUnLu, Libro digital, PDF. Disponível em: < actas/>. Acesso em: 10.mar BREIMAN, L. Random Forest. Machine Learning, v.45, p. 5-32, CEPEA CENTRO DE ESTUDOS AVANÇADOS EM ECONOMIA APLICADA, ESALQ/USP. PIB do Agronegócio Dados de 1995 a Disponível em: < Acesso em: 20.ago CHAN J. C. -W.; PAELINCKX D. Evaluation of Random Forest and Adaboost tree-based ensemble classification and spectral band selection for ecotope mapping using airborne hyperspectral imagery. Remote Sensing of Environment, v.112, p , Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 10 de 12

11 2008. CONAB COMPANHIA NACIONAL DE ABASTECIMENTO. (2016). Safra 2015/16 Quarto levantamento. Acomp. Safra bras. Grãos 4, 154. EMBRAPA EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA, Milho e Sorgo. Mosaicos de imagens Landsat 8 dos estados brasileiros. Sete Lagoas, 1.ed, p.38, Disponível em: < mosaicos-de-imagens-landsat-8-dos-estados-brasileiros>. Acesso em: 30. nov GALLAGHER, K. J. Na automated approach for calculating environmental impacts of transmission line construction using Python p. Dissertação (Mestrado) Universidade do Noroeste do Estado de Missouri. Departamento de Ciências Humanas e Sociais, Maryville. HASTIE, T. and TIBSHIRANI, R.; Generalized additive models. Statistical Science, v.1, p , HOTHORN, T., BUHLMANN, P., KNEIB, T., SCHMID M., HOFNER, B.; (2016). mboost: Model-based Boosting. R package version Disponível em: < Acesso em: 3.dez IBGE INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Relatórios metodológicos. Rio de Janeiro: Pesquisas Agropecuárias - Departamento de Agropecuária, p. INPE INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS. Manuais Tutorial de geoprocessamento Disponível em: < classific.html>. Acesso em: 04.fev JOHANN, J. A. Calibração de dados agrometeorológicos e estimativa de área e produtividade de culturas agrícolas de verão no estado do Paraná f. Tese (Doutorado). Campinas: Universidade Estadual de Campinas UNICAMP. JOHANN, J. A.; ROCHA, J. V.; DUFT, D. G.; LAMPARELLI, R. A. C. Estimativa de áreas com culturas de verão no Paraná, por meio de imagens multitemporais EVI/MODIS. Pesquisa Agropecuária Brasileira, v. 47, n. 9, p LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data. Biometrics, v.33, p , MITCHELL, T. M. Machine Learning. ed.1, p.432, RIZZI, R.; RUDORFF, B. F. T. Estimativa da área de soja no Rio Grande do Sul por meio de imagens Landsat. Revista Brasileira de Cartografia, 57, p , RODRIGUEZ-GALIANO, V.F.; GHIMIRE, B.; ROGAN, J.; CHICA-OLMO, M.; RIGOL- SANCHEZ, J.P. An assessment of the effectiveness of a random forest classifier for Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 11 de 12

12 land-cover classification. Journal of Photogrammetry and Remote Sensing. v.67, p , Revista Técnico-Científica do CREA-PR-ISSN Edição Especial Novembro de página 12 de 12