Fusão de Dados HSI, UHR e LiDAR para Caracterização do Ambiente Urbano

O estudo da forma urbana é sem dúvida a chave para avançar em direção às transformações sustentáveis. Entretanto, observações de Sensoriamento Remoto dentro desse domínio são complexas e desafiadoras, pois esses ambientes apresentam muitas características espectrais semelhantes, tornando a análise de imagens de áreas urbanas uma difícil tarefa. Embora os sistemas de sensores tenham sido aprimorados recentemente, eles ainda são incapazes de atingir um nível de detalhamento suficiente para analisar qualitativa e quantitativamente os alvos de interesse em uma imagem urbana. Nesse sentido, a fusão de dados de múltiplos sensores surge como solução viável para a detecção e interpretação detalhada dos elementos que compõem uma cena urbana. Este trabalho tem como objetivo realizar a fusão de dados utilizando uma imagem hiperespectral (HSI), uma imagem óptica RGB de ultra-alta resolução e dados de detecção e alcance de luz (LiDAR) para uma caracterização detalhada de um ambiente urbano do ponto de vista da cobertura do solo. Sete conjuntos de dados serão empregados, incluindo os dados separados RGB, HSI e LiDAR, bem como sua fusão. Este último é usado para demonstrar o potencial de integração de informações de vários sensores quando comparados com os resultados de acurácia de um único sensor. O algoritmo escolhido para realizar tais classificações é o Random Forest, uma vez que é possível manipular grandes quantidades de dados e alcançar acurácia satisfatória. A acurácia geral alcançada pelo conjunto de fusão de dados mostra-se significativamente superior à dos demais conjuntos, demonstrando que o uso combinado de dados de diferentes sensores refina os resultados da classificação, permitindo um nível preciso e detalhado de legenda de classificação.