Aproveitando a Desagregação Espectral para Melhorar a Mobilidade em Ambientes Vegetados

O sucesso de missões off-road para veículos terrestres depende fortemente da transitabilidade do terreno, o que, por sua vez, requer uma compreensão minuciosa das características do solo, sendo um componente chave o teor de umidade do solo. Quando grandes áreas precisam ser analisadas, imagens de satélite são frequentemente utilizadas, embora essa abordagem normalmente reduza a resolução espacial. Essa diminuição da resolução espacial cria o que são conhecidos como pixels mistos, quando duas ou mais classes ou características estão na área de um único pixel, o que pode levar a dados mais ruidosos e modelos de menor precisão. Este trabalho investiga o uso da desagregação espectral linear como uma maneira de ajudar a limpar / mitigar dados ruidosos para oferecer melhores modelos preditivos. O sensoriamento remoto hiperespectral da plataforma de satélite Hyperion e a verdade de campo da Rede Internacional de Umidade do Solo (ISMN) são utilizados para o conjunto de dados. Este estudo descobriu que a predição do teor de umidade do solo, comparando o modelo de perceptron multicamadas misto (MLP) com uma abordagem de desagregação, revelou uma mudança de 10–30% na RMSE e MAE em intervalos de NDVI incrementados em 0,1. Portanto, este estudo demonstra o potencial uso da desagregação espectral como uma metodologia para ajudar a aprimorar modelos preditivos para propriedades do terreno ao usar conjuntos de dados (com menor resolução espacial / mais ruidosos) obtidos por sensoriamento remoto.