Dissertação
Wildfire Burnt Area Classification from Aerial Imagery EVALUATED
Os incêndios florestais são uma ameaça crescente para ecossistemas das áreas em que ocorrem, para a vida humana e causam largos danos materiais todos os anos. Embora seja importante o estudo de meios para a sua prevenção e para a rápida resposta e combate aos fogos ativos, existem também benefícios provenientes do estudo dos danos causados por estes incêndios ou as áreas por eles ardidas. Esta dissertação foca-se no estudo de diferentes formas e métodos utilizados para detetar ou classificar áreas ardidas e a sua severidade, através de imagens obtidas em voos de drone. Conjuntos de dados com índices espetrais RGB e multiespetrais foram utilizados para otimizar modelos de Support Vector Machin e Random Forest calibrados com ajuste de hiperparâmetros para deteção de áreas ardidas e classificação da sua severidade. Os resultados desta metodologia mostram uma vantagem no desempenho para ambos os modelos de RF e de SVM ao utilizar dados multiespetrais tanto para a classificação de áreas ardidas como para a classificação da sua severidade. Os modelos que utilizam dados RGB obtiveram um desempenho mais próximo dos modelos com dados multiespectrais na classificação binária de área ardida, onde foi obtida uma accuracy de 95.5% para o modelo RF com dados RGB. Na classificação da severidade, os modelos construidos com dados RGB mostraram dificuldades na diferenciação entre áreas severamente e ligeiramente ardidas, enquanto que o modelo de RF obtem os melhores resultados, com o modelo que utiliza uma combinação de dados RGB com dados multiespetrais, obtendo uma accuracy de 96.59%
julho 7, 2023, 11:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Universidade de Trás-os-Montes e Alto Douro, Centro de Investigação e de Tecnologias Agro-Ambientais e Biológicas
Investigador Auxiliar