Detecção de corpos hídricos utilizando imagens SAR Sentinel-1 com índice SEWI e técnicas de classificação

Abstract

O monitoramento de corpos hídricos é fundamental para a gestão sustentável dos recursos naturais, especialmente frente às mudanças climáticas e pressões antrópicas. Essa pesquisa tem como objetivo avaliar a eficácia de classificadores supervisionados e não supervisionados na extração de corpos d’água, utilizando imagens do sensor Sentinel-1 e o índice espectral proposto SAR Enhanced Water Index (SEWI). A pesquisa está estruturada em dois artigos científicos. O primeiro artigo foca na aplicação do SEWI em conjunto com seis classificadores

não supervisionados: CLARA, K-means, SOM, Autoencoder, HDBSCAN e Expectativa- Maximização. Os resultados demonstraram que os classificadores Autoencoder e CLARA

alcançaram os melhores desempenhos, com coeficientes de Dice médios de 0,81 e altos valores de recall (0,90 e 0,89, respectivamente). De forma geral, todos os métodos obtiveram acurácia global superior a 95%, evidenciando a eficiência do índice SEWI aliado a métodos de classificação autônoma para detectar corpos d’água. O segundo artigo investiga o uso de classificadores supervisionados — Random Forest (RF), Redes Neurais Artificiais (ANN), também utilizando o índice SEWI como variável de entrada. Os experimentos mostraram que RF e ANN apresentaram os melhores desempenhos médios, com acurácia global acima de 97% e coeficientes de Dice superiores a 0,85 na maioria das regiões avaliadas. A ANN, embora eficaz, apresentou menor consistência em áreas com ruído ou baixa resolução espectral. A integração do SEWI com métodos supervisionados demonstrou maior robustez na definição de contornos e na redução de erros de omissão e comissão, superando os classificadores não supervisionados em cenários mais complexos. Os resultados desta pesquisa indicaram que o SEWI é um índice robusto para a detecção de corpos d’água em imagens SAR, e que tanto métodos supervisionados quanto não supervisionados podem ser eficazes, a depender do contexto geográfico e da necessidade operacional, sendo recomendados para aplicações de monitoramento de recursos hídricos em larga escala.