Assessment of Hedychium coronarium J. König (Zingiberaceae) invasion in riparian forests using machine learning algorithms and unmanned aerial vehicle (UAV) images

Autor: Arantes, Janaina Goreth
Přispěvatelé: Matos, Dalva Maria da Silva
Jazyk: angličtina
Rok vydání: 2020
Předmět:
Zdroj: Repositório Institucional da UFSCAR
Universidade Federal de São Carlos (UFSCAR)
instacron:UFSCAR
Popis: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) The riparian zones have undergone great changes due to anthropic activities, among them, the introduction of invasive species. The invasions monitoring in these areas can be complex due to flooded environments and often not reachable, such as the case of monitoring invasions of the species Hedychium coronarium. In this study, a low-cost and easy-to-use integrated methodology for early detection and mapping of this species was proposed, using a technology with the capacity to provide high temporal and spatial resolution data. Two distinct areas were chosen where the images were captured (visible RGB light spectrum) at two times of the year by an unmanned aerial vehicle (UAV). The generated images were classified using machine learning algorithms present in the Dzetsaka ML plugin: the Gaussian Mixture Model, K-Nearest Neighbors and Random Forest. To compare the efficiency of the classifiers according to the form of sampling, different types were used, varying the size of the polygons (6-8 m2 and 12-16 m2) and the number of classes (5 and 8 classes). Classified in 5 classes, with a Kappa index of 78.8% and 80% in June and November, respectively, in the first area and a Kappa index of 72.6% in the second area. The best time for the classification of images was the month of November, possibly due to the better distinction between species and vegetation. We demonstrate promising results in the creation of maps of invaded areas using an adopted methodology, which can subsidize dynamic geospatial models to identify distribution patterns of the studied species and the damage caused. It is also possible to subsidize studies on other invasive species. As zonas ripárias têm sofrido grandes alterações por atividades antrópicas, dentre elas, a introdução de espécies invasoras. O monitoramento das invasões nestas áreas pode ser complexo por serem ambientes alagados e muitas vezes pouco acessíveis, como o caso do monitoramento das invasões da espécie Hedychium coronarium. Neste estudo foi proposta uma metodologia integrada de baixo custo e de fácil aplicação para a detecção precoce e mapeamento desta espécie, por meio de uma tecnologia com a capacidade de prover dados de alta resolução temporal e espacial. Foram escolhidas duas áreas distintas onde imagens foram capturadas (espectro de luz visível RGB) em duas épocas do ano por um veículo aéreo não tripulado (VANT). As imagens geradas foram classificadas utilizando-se algoritmos de aprendizagem de máquina presentes no plugin Dzetsaka ML: o Gaussian Mixture Model, K-Nearest Neighbors and Random Forest. Para comparar a eficiência dos classificadores em função da forma de amostragem, foram empregados diferentes tipos de amostras, variando o tamanho dos polígonos (6-8m2 e 12-16m2) e o número de classes (5 e 8 classes). A avaliação da acurácia da classificação demonstrou que a melhor performance foi para o algoritmo K-Nearest Neighbors nas amostras classificadas em 5 classes, com um índice Kappa de 78,8% e 80% em junho e novembro, respectivamente, na primeira área e um índice Kappa de 72,6% na segunda área. A melhor época para a classificação das imagens foi o mês de Novembro, possivelmente devido à melhor distinção entre a espécie e a vegetação. Demonstramos resultados promissores na criação de mapas de áreas invadidas utilizando a metodologia adotada, podendo subsidiar modelos dinâmicos geoespaciais para a identificação de padrões de distribuição da espécie estudada e dos danos causados. É possível também subsidiar estudos semelhantes sobre outras espécies invasoras. CNPq: 159303/2018-4
Databáze: OpenAIRE
Externí odkaz: