Aplicação de aprendizado de máquina para análise do crescimento urbano: o caso das regiões administrativas Ceilândia e Pôr do Sol no Distrito Federal

Abstract

O propósito do presente trabalho foi avaliar o crescimento da mancha urbana nas Regiões Administrativas Ceilândia e Pôr do Sol, no Distrito Federal, e determinar suas tendências de crescimento. A análise foi realizada através da classificação pixel a pixel, em imagens TM/Landsat-5 e OLI/Landsat-8, adquiridas nos anos de 1984, 1995, 2006, 2016 e 2021. As cenas foram submetidas a conversão em reflectância de superfície e correção geométrica. Foi realizada a Análise de Componentes Principais para gerar mapas com menor mistura espectral e auxiliar na identificação das classes. A classificação da cobertura da terra foi realizada utilizando o algoritmo de aprendizagem de máquina K-Nearest Neighbor. Para avaliar a acurácia da classificação foi empregada a matriz de confusão, por meio dos valores de acurácia do produtor, do usuário e global. Os resultados alcançados foram classificados como satisfatórios. Visando compreender a dinâmica de crescimento das duas cidades, foram geradas curvas de tendência, e, a partir dos dados da classificação da cobertura da terra, foi possível concluir que a Ceilândia Tradicional apresenta tendência de estagnação no avanço da mancha urbana e o Pôr do Sol apresenta tendência de crescimento.