ORTO-RETIFICAÇÃO E CLASSIFICAÇÃO DE IMAGENS ORBITAIS DE ALTA RESOLUÇÃO: APLICAÇÃO NO MAPEAMENTO DE ÁREAS INFESTADAS POR PLANTAS AQUÁTICAS

Transcrição

1 ORTO-RETIFICAÇÃO E CLASSIFICAÇÃO DE IMAGENS ORBITAIS DE ALTA RESOLUÇÃO: APLICAÇÃO NO MAPEAMENTO DE ÁREAS INFESTADAS POR PLANTAS AQUÁTICAS LETÍCIA ANDRADE SABO 1 NARJARA CARVALHO DA CRUZ 1 THIAGO STATELLA 1 ANTONIO MARIA GARCIA TOMMASELLI 1 MARIA DE LOURDES BUENO TRINDADE GALO 1 1 Universidde Estdul Pulist Fculdde de Ciêncis e Tecnologi UNESP/FCT Cmpus de Presidente Prudente Progrm de Pós-Grdução em Ciêncis Crtográfics {sbo, nrjr, thigo,tomseli, mlourdes}@prudente.unesp.br RESUMO O trblho desenvolvido teve como objetivo o mpemento digitl de um trecho do rio Tietê, loclizdo mis especificmente no entorno do reservtório de Brr Bonit, próximo à cidde de Anhembi SP, com o propósito de verificr possibilidde de discriminr áres infestds por diferentes tipos de plnts quátics emerss, trvés d orto-retificção e clssificção de um imgem orbitl IKONOS de lt resolução (4m ns bnds multiespectris e 1m n bnd pncromátic). Pr correção geométric d imgem form testdos e comprdos os modelos DLT e Afim 3D. Após orto-retificção d imgem, form plicdos procedimentos de clssificção d cen bsedos tnto em tributos multiespectris qunto texturis. Os resultdos obtidos no cso estuddo mostrrm que o modelo DLT obteve um melhor desempenho que o modelo Afim 3D n correção geométric d imgem. Em relção à clssificção, bordgem multiespectrl foi que possibilitou um melhor discriminção ds áres infestds por plnts quátics, qundo comprd àquel desenvolvid usndo tributos texturis. Plvrs-chve: Orto-retificção de Imgens Orbitis de Alt Resolução, Clssificção de Imgens, Infestção por Plnts Aquátics. ORTORECTIFICATION AND CLASSIFICATION OF ORBITAL HIGH RESOLUTION IMAGES: APPLICATION TO AQUATIC PLANTS MAPPING ABSTRACT The im of this project ws the digitl mpping of prt of the Tietê river, locted ner the Brr Bonit reservoir nd the Anhembi town, using techniques of ortorectifiction nd multispectrl clssifiction with high resolution Ikonos imges (4 m in the multispectrl bnds nd 1m in the pnchromtic bnd) in order to evlute the fesibility of discriminte infested res by qutic plnts. The geometric correction ws performed using two different mthemticl models, DLT nd ffine 3D, iming the comprison of the results to check the most suitble to the cse study. After the geometric correction nd ortorectifiction, the imges were clssified, ccording to its texturl nd multispectrl ttributes. The DLT model presented better results thn the ffine 3D in the geometric correction nd ortorectifiction in the cse studied. Regrding the clssifiction process, the technique using multispectrl ttributes hd better performnce when compred to the texturl clssifiction, which ws not cpble of suitbly represent the clsses. Keywords:, Ortorrectifiction of high resolution orbitl imges, Imge clssifiction; Aqutic plnts infesttion. 1 - INTRODUÇÃO Com o lnçmento do stélite Ikonos II em 1999 foi possível o uso civil de imgens pncromátics com elemento de resolução espcil de 1 metro. A disponibilidde comercil desse produto, pesr de seu elevdo custo, tem provocdo um expecttiv de uso em váris áres d engenhri que necessitm de informções espciis tulizds e detlhds d superfície terrestre. No sentido de

2 verificr lgums ds crcterístics e potenciliddes desses ddos de lt resolução espcil, foi seleciond um áre de estudos, constituíd por um cen IKONOS pncromátic e multiespectrl, referente um trecho do rio Tietê, próximo à cidde de Anhembi / SP, à jusnte d Usin Hidrelétric de Brr Bonit. Pr o desenvolvimento do projeto, foi necessário estudr experimentlmente técnics de correção geométric e orto-retificção ds imgens, bem como extrção de informções trvés d clssificção temátic. Nesse contexto, n primeir etp do trblho foi produzid um imgem orto-retificd d áre de estudos, visndo eliminr os erros sistemáticos d imgem e vrição de relevo. Est tref implic n determinção d posição e titude d pltform pr cd linh d imgem, ms ess informção não estv disponível sendo necessário estbelecer, indiretmente, um modelo de projeção do espço objeto pr o espço imgem, usndo pontos de poio no terreno, extrídos de crts topográfics. Pr est projeção form plicds e testds Trnsformção Liner Diret (DLT) e Afim 3D. A prtir ds mesms crts topográfics foi gerdo e utilizdo um modelo digitl do terreno, permitindo ortoretificção d imgem. N segund prte do trblho foi verificdo o potencil dos ddos Ikonos pr representção de clsses temátics, utilizndo tnto os ddos multiespectris originis qunto imgem orto-retificd. Inicilmente, finlidde foi extrir, prtir dos ddos multiespectris não retificdos, informções temátics respeito do uso e cobertur d terr e, posteriormente, mper áres infestds por plnts quátics no trecho do rio Tietê representdo n cen. Ess últim plicção é prticulrmente importnte pr subsidir o mnejo de grndes reservtórios de hidrelétrics, já que ocorrênci bundnte de plnts quátics no leito do rio trplh nvegção de embrcções, provocndo ssoremento e própri gerção de energi elétric pel UHE, devido à d obstrução ds turbins. A questão d nvegbilidde é importnte por se trtr do rio Tietê, que se constitui em um trecho d Hidrovi Tietê Prná. Aind ness segund tividde, form feits clssificções considerndo tnto os tributos espectris como texturis. Pr clssificção multiespectrl, foi utilizd imgem originl d áre de estudos, tendo como produto finl um mp temático contendo s clsses mis genérics de uso e ocupção d terr. Posteriormente, o leito do rio pssou ser o objeto de interesse, e este foi destcdo n imgem, já que se pretendi discriminr pens plnts quátics que infestvm o espelho d águ, de modo que s clssificções multiespectrl e texturl form feits ness imgem contendo pens o leito do rio. Os produtos finis do projeto constituem-se ds imgens multiespectris e pncromátic ortoretificds, possuindo ssim integridde geométric de um crt, lém ds clssificções temátics multiespectris e texturl. 2 ASPECTOS TEÓRICOS 2.1 ORTORRETIFICAÇÃO Um fotogrfi é um representção em perspectiv do espço, ou sej, os rios de luz prtem dos pontos no espço, pssm pelo centro perspectivo (lentes) em linh ret e tingem o plno imgem. Um ds principis conseqüêncis é que s fotogrfis não têm escl uniforme, vrindo conforme ltitude do terreno. Por isso, um fotogrfi ére ou um imgem de stélite, sem um trtmento dequdo, não é um documento confiável. Por outro ldo, s crts ou plnts topográfics são projeções ortográfics, ns quis s linhs projetntes são perpendiculres o plno de referênci horizontl. Com isso, escl é sempre uniforme e mudnç de ltitude não fet representção de um objeto. A ortofoto nd mis é do que fotogrfi ére trnsformd pr um projeção ortográfic, sendo necessário, pr isso, o Modelo Digitl do Terreno (MDT), o qul pode ser construído prtir d digitlizção de curvs de nível em um crt topográfic, cuj escl sej comptível com resolução espcil d imgem orbitl (TOMMASELLI, 2002). A utilizção de imgem orbitl do sensor IKONOS como documento crtográfico requer que mesm sej submetid um processo de orto-retificção, que é retificção diferencil d imgem com o objetivo de remover os efeitos d inclinção, deriv, vrições de ltitude d câmr ére e deslocmentos devidos o relevo. Apesr d tomd ds imgens orbitis ser feit trvés de um sistem de vrredur liner, isto não é grnti de inexistênci de distorções sistemátics e letóris. As distorções sistemátics são bstnte perceptíveis e fcilmente corrigids por meio de funções que permitm modelr mtemticmente fonte ds mesms. As principis fontes de distorções sistemátics, considerndo-se genericmente os sensores de vrredur, são: Vrições n ltitude do stélite: deslocmentos d pltform d su ltitude nominl, produzindo distorções de escl o longo d vrredur;

3 Alterções de titude d pltform: nominlmente, o sistem de eixos do sensor é mntido constnte em relção o eixo norml à superfície e um eixo prlelo o vetor velocidde d pltform. Erros geométricos são resultntes de deslocmentos sofridos pelo sensor, em relção est titude nominl; Vrições n velocidde do stélite: qundo velocidde do stélite é desvid de seu vlor nominl, superfície d Terr cobert por um ddo número vrredurs é modificd, produzindo um distorção de escl o longo d órbit; Rotção d Terr: devido o movimento de rotção d Terr, existe um deslocmento grdul n direção Oeste à fix do terreno observd pelo sensor ns sucessivs vrredurs do espelho, cusndo um distorção o longo d vrredur; Projeção d crt: embor não constitu um erro geométrico, exige um trnsformção geométric nos ddos orbitis. As distorções sistemátics podem ser corrigids trvés de ddos de efemérides do stélite ou indiretmente por meio de pontos de controle bem distribuídos e identificáveis ns imgens. Os pontos de controle são feições com coordends de terreno conhecids, e que devem ser identificdos n imgem. Algums feições que constituem bons pontos de controle referem-se cruzmentos de estrds, pontos, etc (GALO, 2002). Pr gerção de ortofotos prtir de imgens orbitis, como é o cso deste trblho, trnsformção entre s coordends de terreno X Y Z e coordends imgem (linh, colun) pode ser relizd diretmente, trvés d utilizção dos modelos de colineridde, d trnsformção liner diret ou d trnsformção fim 3D. Neste trblho, optou-se por utilizr os modelos d DLT e fim 3D. O conceito básico do modelo de DLT é trnsformção diret ds coordends do sistem de máquin pr s coordends do espço objeto, não necessitndo, portnto, de trnsformções intermediáris. A DLT foi desenvolvid pr operções com câmrs não-métrics e, com isso, su solução não utiliz s mrcs fiduciis (ATKINSON, 1980). As equções de Trnsformção Liner Diret podem ser considerds como sendo s equções de colineridde simplificds, onde s coordends de máquin de pontos observdos num monocomprdor podem ser trnsformds diretmente pr coordends geodésics. Ess trnsformção mtemátic permite grupr orientção interior e exterior, normlmente relizd com um plicção ds equções de colineridde. A DLT é obtid prtir do grupmento de prâmetros de orientção interior e exterior, usndo como bse s equções de colineridde, crescids dos modelos de correção dos erros sistemáticos. Este grupmento result no modelo presentdo n equção (1). L1 X + L2Y + L3Z + L4 = L X + L Y + L Z + 1 x (1) L5 X + L6Y + L7Z + L8 = L X + L Y + L Z + 1 y (2) Onde: (x y) = Coordends bidimensionis em um referencil imgem rbitrário; (X Y Z) = Coordends tridimensionis no referencil crtesino geodésico locl; (L 1 L 2...L 11 ) = Prâmetros de trnsformção. A utilizção do modelo DLT, devido o fto de não exigir os prâmetros de orientção interior e exterior do sensor, tem sido crescente ns plicções de relcionmento do espço objeto R3 pr o plno d imgem R2, principlmente qundo estes prâmetros não estão disponíveis, como é o cso ds imgens IKONOS. A trnsformção fim é utilizd qundo se desej mnter o prlelismo e é definid nliticmente por: Onde: x = y z X Y Z

4 1, 2, 3, 5, 6, 7, 9, 10, 11, são os prâmetros que grupm s rotções, ftores de escl e ftores de não ortogonlidde; 4, 8 e 12 são trnslções; x, y, z são s coordends trnsformds; e X, Y, Z são s coordends no referencil de terreno, serem trnsformds. 2.2 CLASSIFICAÇÃO DE IMAGENS Um dos spectos básicos d plicção do Sensorimento Remoto os mpementos temáticos é definição de um sistem de clssificção que sej dequdo o estudo que se pretende desenvolver. É importnte estbelecer clrmente s clsses que constrão do mpemento, e nesse processo deve ser levdo em considerção o nível de detlhmento oferecido pelos ddos disponíveis (GALO, 2000). Clssificção é um processo de extrção de informções de imgens pr reconhecer pdrões e objetos homogêneos resultndo em um imgem, onde cd pixel contém informção de um clsse, ou tem, ssocid o ponto d cen correspondente (INPE, 1999). Richrds (1986) destc dois procedimentos brngentes de clssificção pr ddos multiespectris. Um deles, definido como clssificção não supervisiond, é o meio pelo qul os pixels de um imgem são ssocidos clsses espectris, sem que hj um conhecimento prévio d existênci ou nome dests clsses. O outro método é clssificção supervisiond, que se constitui n ferrment essencil pr extrção d informção quntittiv prtir de ddos de sensorimento remoto. O processo é dito supervisiondo, pois implic n interção entre o intérprete humno e o sistem de nálise. Nesse cso, o intérprete deve ter um conhecimento prévio d cen, o que o hbilit fornecer informções específics, possibilitndo o treinmento do lgoritmo de clssificção. As bordgens supervisionds de clssificção bseim-se no uso de mostrs pr estimr os prâmetros esttísticos pr cd clsse. Esss mostrs (que correspondem pdrões conhecidos ds clsses), usds pr estimtiv dos prâmetros, são normlmente chmds de pdrões de treinmento, sendo que totlidde dests mostrs define o conjunto de treinmento. O processo pelo qul um conjunto de treinmento é usdo pr obter s funções de decisão é denomindo prendizgem ou treinmento (GONZALES & WOODS, 1993). A clssificção pode ser desenvolvid com bse no menor elemento de resolução d imgem, constituindo s bordgens de clssificção denominds pixel pixel. No entnto, como tis métodos considerm, individulmente, cd unidde rdiométric n nálise, pixels que presentem um comportmento rdiométrico inconsistente podem ser clssificdos incorretmente (ou não ser clssificdos). De cordo com Venturieri e Sntos (1998), um lterntiv pr resolver esse problem é utilizção de um técnic de segmentção d imgem, fim de grupr os pixels que presentm crcterístics rdiométrics similres em termos tonis e texturis, formndo regiões homogênes e, então, clssificr s regiões formds. Gonzlez & Woods (1993) definem segmentção como subdivisão de um imgem em sus prtes ou objetos constituintes. Venturieri e Sntos (1998) crescentm que ess subdivisão é feit com bse em lgums proprieddes intrínsecs d cen, tis como: níveis de cinz, contrste, etc, e que o to de segmentr um imgem corresponde à formção de áres (regiões) composts por um certo número de pixels unidos segundo um critério de similridde. De um modo gerl, nturez multiespectrl dos ddos de sensorimento remoto tem promovido utilizção de métodos esttísticos de reconhecimento de pdrões. Entretnto, lguns utores citdos em Glo (2000b), ressltm que os métodos convencionis de clssificção multivrid, que implicm n definição prévi d distribuição esttístic ds clsses, não form concebidos pr utilizção de ddos obtidos por diferentes sensores, os quis não podem ser descritos por um modelo multivrido único. A tenttiv de melhorr o desempenho dos clssificdores, de modo se obter resultdos mis curdos, tem motivdo vários pesquisdores desenvolverem métodos que utilizem modelos de clssificção que integrem ddos dquiridos por múltiplos sensores, ou que usem informção texturl fornecid por um vizinhnç de pixels. A textur é, segundo Freits et l (2002), um importnte crcterístic utilizd n interpretção visul de imgens e por est rzão, o uso de medids de textur pode umentr o desempenho de clssificdores digitis, principlmente em imgens de lt resolução espcil. No entnto, textur de um imgem é muito difícil de ser quntificd, um vez que não há um consenso n definição deste termo, nem tmpouco um formulção mtemátic precis. Ao contrário d informção espectrl, que descreve vrição do nível de cinz de um pixel, textur contém informções sobre distribuição espcil dos níveis de cinz de um região d imgem (ULABY et l., 1986; MARCEAU et l., 1989 citdos por Freits et l,2002). Aind conforme Freits et l, 2002 s primeirs técnics desenvolvids pr se descrever textur de um imgem, procurvm entender s relções de contrste, direcionlidde, rugosidde e regulridde de níveis de cinz de regiões considerds homogênes texturlmente. Nest linh, destcm-se s técnics que utilizm funções de utocorrelção, mtrizes de co-ocorrênci e morfologi

5 mtemátic. Outrs bordgens considerm que textur presente num imgem pode ser explicd trvés d doção de modelos. Assim, ddo um modelo e conhecidos seus prâmetros, pode-se sintetizr áres com texturs homogênes. A textur não pode ser nlisd sem se considerr escl. Pr qulquer superfície texturl, existe um escl n qul est present um prênci lis ou prticmente sem textur. À medid que escl ument, est superfície pode presentr um textur fin chegndo té um textur bstnte grosseir, e pr um nálise multiescl, este ciclo lis/textur fin/textur grosseir pode se repetir (FREITAS et l., 2002). Dest mneir, utilizção d textur pr clssificr imgens é um bordgem bstnte eficz qundo plicd em imgens de lt resolução, um vez que nests vribilidde de níveis de cinz é bem identificável, possibilitndo extrção de informções segundo sus crcterístics texturis. 3 - MATERIAL E MÉTODO 3.1 MATERIAL IMAGEM IKONOS DA ÁREA DE ESTUDO N Figur 1, present-se imgem d áre de estudos utilizd nesse trblho. Est áre foi seleciond, pois, lém de mostrr prte do rio infestdo por plnts quátics emerss, presentv tmbém um pequen áre urbn, o que proporcionou um mior quntidde de feições e permitiu um melhor identificção dos pontos de controle pr correção geométric. Figur 1- Composição colorid ds bnds espectris IKONOS 1 (zul), 2 (verde) e 3 (vermelho) d áre de estudo MÉTODO O fluxogrm mostrdo n Figur 2 ilustr s tividdes desenvolvids no decorrer do trblho e seu encdemento.

6 Imgem IKONOS Definição d áre de estudo Crts topográfics 1: Recorte d áre de estudo n imgem (Idrisi) Clssificção multiespectrl d áre de estudos (Spring) Determinção dos pontos de poio Tringulção ds imgens multiespectrl e pncromátic Digitlizção em scnner ds crts topográfics (áre de interesse) Georreferencimento ds crts digitlizds (MicroSttion) (Socet Set) Vetorizção d Altimetri (Microsttion) Vetorizção d Plnimetri (Microsttion) Orto-retificção ds imgens multiespectrl, pncromátic e cen clssificd (Socet Set) Análise d qulidde ds imgens ortoretificds Recorte d áre do corpo d águ ns imgens orto-retificds (multiespectrl e pncromátic) pr clssificção ds plnts quátics e águ (Idrisi) Gerção do Modelo Digitl do Terreno (Socet Set) Clssificção texturl d imgem pncromátic (corpo d águ) (Spring) Clssificção ds bnds espectris (corpo d águ) (Spring) Figur 2 Fluxogrm ds tividdes relizds Construção do Modelo Digitl do Terreno (MDT) e vetorizção d plnimetri Qutro crts topográfics brngendo áre de estudo, n escl 1:10.000, form digitlizds e georreferencids. Em seguid foi feit vetorizção d ltimetri e d plnimetri, pr gerção do modelo digitl do terreno (MDT), usdo n gerção d ortoimgem. As informções ltimétrics considerds form s curvs de nível (com eqüidistânci de 5m) e os pontos cotdos presentes n crt, enqunto que plnimetri incluiu hidrogrfi, estrds, vegetção e mlh urbn. Esss feições plnimétrics form, posteriormente, sobreposts à ortoimgem, possibilitndo um nálise visul d qulidde d correção geométric plicd às imgens originis. Pr relizção desses procedimentos foi utilizdo o softwre Microsttion e o módulo Descrtes Correção geométric A correção geométric ds imgens foi relizd utilizndo o softwre Socet Set, com o plictivo Hts de tringulção multisensor. Como não se dispunh de informções sobre prâmetros de orientção interior e exterior d imgem (um vez que os prâmetros de órbit do stélite não estvm disponíveis), recorreu-se um correção geométric usndo os modelos DLT (Trnsformção Liner

7 Diret) e trnsformção fim 3D. Esses modelos permitem estbelecer relção entre coordends de pontos no espço objeto e seus homólogos no espço imgem. Pr o cálculo tnto dos prâmetros d DLT qunto d fim são necessários pontos de poio identificdos n imgem, os quis tenhm coordends conhecids. Tis coordends form extríds ds crts 1:10.000, enqunto que s coordends imgem dos pontos correspondentes form medids intertivmente, usndo o plictivo Hts. Após o processo de correção geométric, produziu-se um imgem orto-retificd. Este processo começ com um imgem vzi que corresponde à ortoimgem no terreno. A cd pixel d imgem ssoci-se um ltitude, trvés d interpolção locl de elementos do MDT. Usndo s coordends do pixel, su ltitude interpold e os modelos de projeção (DLT ou fim 3D), clcul-se projeção desse pixel n imgem originl e interpol-se o seu tom de cinz (ou cor), tribuindo o vlor interpoldo o pixel d ortoimgem. Este é o método inverso de orto-retificção, dotdo no softwre Socet Set, que foi usdo pr orto-retificção. A prtir do MDT e ds imgens orto-retificds form gerdos pres estereoscópicos rtificiis ( estereomtes ), um pr cd bnd espectrl orto-retificd. A segund imgem do pr foi gerd supondo-se um imgem com posição diferente d originl e introduzindo-se prlxe estereoscópic cd pixel, clculd em função d ltitude de cd ponto. Est ferrment, existente do sistem Socet Set, permite visulizção estereoscópic d ortoimgem, e pode ser usd pr verificr qulidde d ortoimgem, do modelo digitl do terreno e d clssificção finl Análise d qulidde d imgem orto-retificd A qulidde d imgem orto-retificd foi nlisd prtir d sobreposição do rquivo vetoril d plnimetri sobre ortoimgem resultnte do processo. A prtir dí, form efetuds 50 medids de distânci entre feições do rquivo vetoril (proveniente d crt) e d ortoimgem, como por exemplo, estrds, pr verificr qulidde d orto-retificção, trvés d verificção do deslocmento ocorrido n imgem finl, em relção às posições ds feições ns crts topográfics. Esse procedimento foi dotdo como um lterntiv o controle de qulidde usndo pontos, pois áre permitiu identificção de poucos pontos, em função, principlmente do intervlo de tempo trnscorrido entre gerção ds crts (1978) e tomd d imgem orbitl (2001). A qulidde d ortoimgem foi controld, ind, trvés d inspeção estereoscópic nos estereomtes, o que permitiu identificção de vários erros no modelo digitl do terreno, que form corrigidos ntes d gerção d imgem finl Clssificção do uso e cobertur d terr d áre de estudos Efetuou-se um clssificção multiespectrl supervisiond de tod áre de estudo, procurndo representr s clsses de uso e cobertur do solo presentes n região. Foi dotd um bordgem de clssificção por regiões, implementd no plictivo Spring, qul prevê segmentção prévi d imgem. Nest segmentção form utilizds s bnds espectris e o método por crescimento de regiões com resolução de 4 metros. A clssificção foi gerd com utilizção do clssificdor de Bhttchry, com 99% de limir de ceitção Clssificção multiespectrl e texturl do leito do rio Com o intuito de identificr e discriminr áres infestds por plnts quátics emerss no trecho do leito do rio Tietê, efetuou-se dus novs clssificções, dest vez brngendo pens áre compreendid pelo leito do rio, recortdo d imgem. Em um ds clssificções foi usd um bordgem multiespectrl supervisiond por regiões, prtindo d segmentção d imgem e posterior utilizção d distânci de Bttchry pr gregr regiões ns clsses definids no treinmento. Ou sej, form usds pens s bnds espectris do IKONOS (cuj resolução espcil é de 4 metros). No desenvolvimento d segund bordgem de clssificção form considerdos os tributos texturis, extrídos d bnd pncromátic do IKONOS (resolução espcil de 1metro). As medids de textur utilizds form médi, vriânci, energi e entropi. N clssificção dess imgem, independentes d bordgem utilizds, form utilizdos os recursos disponíveis no plictivo Spring, versão APRESENTAÇÃO E ANÁLISE DOS RESULTADOS A seguir são presentdos os resultdos obtidos, os quis incluem s imgens multiespectris e pncromátic orto-retificds, nálise d qulidde d correção geométric relizd, com bse n sobreposição d plnimetri (obtid prtir ds crts topográfics), e s clssificções ds imgens. A estimtiv de qulidde ds ortoimgens multiespectris gerds pel tnto pel DLT qunto pel Afim

8 3D foi relizd prtir d verificção ds distâncis plnimétrics entre feições n crt digitlizd e sus correspondentes n ortoimgem (figur 3). Pr imgem pncromátic foi relizd pens orto-retificção pel DLT, pois se verificou pelos resultdos com s imgens multiespectris que DLT presentou um melhor resultdo. São presentdos tmbém os resultdos ds clssificções supervisionds, primeir obtid com imgem multiespectrl IKONOS em seu estdo bruto (ntes d orto-retificção) e s demis resultntes ds clssificções ds imgens orto-retificds, contendo pens o leito do rio, utilizndo s bordgens multiespectrl e texturl, fim d discriminr pens s plnts quátics presentes no leito do rio Imgens Orto-retificds As imgens multiespectris form orto-retificds utilizndo Trnsformção Liner Diret (DLT) e Afim 3D. A seguir é feit um nálise dos resultdos obtidos com orto-retificção ds imgens Ikonos prtir desses modelos. A Figur 3 mostr sobreposição d plnimetri (rquivo vetoril) com imgem d bnd do infrvermelho próximo de prte d áre de estudo, orto-retificd trvés d trnsformção liner diret (DLT). Figur 3 - Sobreposição d plnimetri e d bnd IVP orto-retificd pel DLT. A Figur 4 mostr sobreposição d plnimetri com bnd do infrvermelho próximo ortoretificd com um trnsformção fim 3D, pr o mesmo recorte d áre de estudos. Figur 4 - Sobreposição d plnimetri com ortoimgem gerd pel Afim 3D.

9 Atrvés ds Figurs 2 e 3 pode-se verificr que orto-retificção produzid com DLT permite melhor sobreposição d plnimetri que trnsformção espcil fim 3D, pois s feições n imgem orto-retificd e do rquivo de plnimetri mostrm mior coincidênci. Os resultdos mostrm que Afim 3D possui um tendênci, lém de um precisão tmbém menor. Já DLT presentou um melhor resultdo, pois é um modelo mis rígido, mntendo o prlelismo ds feições pós trnsformção. Qundo se trt de pequens porções de um cen, DLT present resultdos melhores que fim 3D. A prtir dess sobreposição dos rquivos executou-se um série de medids de distâncis entre feições homólogs, como estrds, identificds no rquivo de plnimetri e n imgem, pr verificr qulidde d orto-retificção. Atrvés d medid do deslocmento ocorrido n imgem, em relção às posições ds feições ns crts topográfics, form clculdos médi e o desvio pdrão ds medids relizds ns imgens multiespectris, conforme indicdo n Tbel 1. Tbel 1: Médi e Desvio Pdrão ds medids de discrepâncis entre feições homólogs relizds ns imgens multiespectris orto-retificds com DLT e Trnsformção fim 3D. Método N º pontos observdos Médi (m) DLT (11 prâmetros) 50 3,32 2,35 Afim 3D (06 prâmetros) 50 9,2 5,57 Desvio Pdrão (m) O mesmo procedimento dotdo pr s bnds multiespectris foi plicdo à imgem pncromátic orto-retificd com DLT, verificndo-se s distâncis entre pontos ness imgem e os seus correspondentes no rquivo vetoril d plnimetri. A Tbel 2 present os resultdos (médi e desvio pdrão) obtidos com imgem pncromátic corrigid pel Trnsformção Liner Diret (DLT). Tbel 2 Médi e Desvio Pdrão ds discrepâncis pr imgem pncromátic orto-retificd com DLT Métodos Nº de pontos Médi (m) Desvio Pdrão (m) DLT 50 2,86 2,09 A prtir dos resultdos presentdos n Tbel 2, pode-se perceber que imgem com resolução de 1 metro permite produção de um ortoimgem bstnte stisftóri já que resultou em vlores menores de médi e desvio pdrão, decorrente d melhor resolução espcil, e d imgem não presentr muit vrição no relevo. Ess imgem orto-retificd pode ser considerd um documento crtográfico plnimétrico em escl 1:10.000, clsse A, pois o erro médio foi menor que 3 metros em plnimetri, o que é tolerável em um crt ness escl Clssificção do uso e cobertur d terr d áre de estudos N Figur 5 é mostrdo o resultdo d clssificção multiespectrl d imgem IKONOS, ntes d correção geométric. Ness clssificção procurou-se expressr s clsses de uso e cobertur do solo presentes n região, com bse no conhecimento gerl d região, porém sem um verificção no locl. Figur 5 - Resultdo d clssificção supervisiond por regiões, plicd à imgem multiespectrl.

10 Como se pode observr pel Figur 5, o resultdo d clssificção supervisiond por regiões d imgem multiespectrl foi stisftório, no sentido de discriminr clsses estbelecids nteriormente n cen. As distinções mis mrcntes são constituíds pelos tems: o corpo d águ, d áre urbn, tipos de cobertur vegetl predominntes n região e plnts quátics que infestm esse trecho do rio Clssificções espectrl e texturl do trecho inunddo do rio Tiete As plnts quátics emerss identificds e descrits em Velini et l. (2002), o relizr levntmento de flor infestnte dos reservtórios o longo do rio Tiete, permitirm crcterizr s clsses de interesse pr clssificção do trecho inunddo do rio Tiete incluído n áre de estudos. Esss clsses form: águ limp (1), águ turv(1b), infestção com predominânci de brchiri (2); infestção mist de lfce d águ e gupé (2b) e infestção mist de poligonum e gupé (2c). Como é mostrd n Figur 6, clssificção por tributos espectris prtir do uso ds qutro bnds espectris do IKONOS com resolução de 4 metros, gerou um clssificção temátic onde tods s clsses de informção previmente estbelecids form representds, e de mneir dequd às mostrs coletds qundo do treinmento. A Figur 6 mostr o resultdo d clssificção supervisiond utilizndo imgem multiespectrl, enqunto que n Figur 7 present-se o resultdo obtido com clssificção usndo tributos texturis (médi, desvio pdrão, entropi e energi) definidos prtir d imgem pncromátic Figur 6 Clssificção do trecho do rio Tiete, relizd prtir do uso d imgem multiespectrl. Figur 7 Clssificção texturl do trecho do rio Tiete, relizd prtir do uso d imgem pncromátic.

11 N clssificção texturl (Figur 7) nem tods s clsses de informção form representds no mp temático, cso d clsse águ turv. Isso se deve o fto dess clsse não presentr vrição de textur (pouc vribilidde de tons de cinz em relção o corpo d águ), sendo impossível distinguir entre águ limp e turv. Além disso, ds clsses representds, nem tods se mostrrm coincidentes, cso de lguns pontos de infestção de lfce d águ, e brchiri. Tl specto pode ser explicdo pelo fto de que s infestções trtds qui possuem um respost espectrl bstnte prticulr e, portnto, bem diferencids entre si. Porém, s mesms não presentm vrições de textur significtivs ponto de serem cptds no treinmento e mesmo pelo clssificdor. Dess mneir, clssificção com bse em tributos pens texturis não foi cpz de representr s clsses d cen de mneir tão dequd qunto clssificção multiespectrl. 5 CONCLUSÃO Atrvés d nálise geométric ds ortoimgens gerds consttou-se que o melhor resultdo foi obtido com o uso d Trnsformção Liner Diret, o psso que trnsformção fim resultou em um mior deformção n imgem finl. Isto é válido pr o cso estuddo, que utilizou um recorte de pequens dimensões de um imgem IKONOS. Um ds contribuições deste trblho foi mostrr que o estereomte, o invés de ser um produto útil pens pr visulizção, constituiu-se em um elemento importnte n verificção d qulidde do MDT, tnto d imgem orto-retificd qunto d imgem com clssificção finl. Pode ser usdo, ind, como elemento de uxílio d interpretção visul e n definição e controle ds clsses de interesse. Qunto os resultdos ds clssificções, bordgem bsed pens nos tributos espectris d cen, mostrou-se stisftóri, um vez que permitiu identificr s principis ocorrêncis de infestções por plnts quátics e discriminr vrições n respost espectrl d águ. Já clssificção com bse em tributos pens texturis não foi cpz de representr s clsses d cen de mneir tão dequd qunto clssificção multiespectrl. REFERÊNCIAS BIBLIOGRÁFICAS ATKINSON, K. B. Developments in Close Rnge Photogrmmetry, Londres, Applied Science Publishers,222p. FREITAS, C. C., et l. Utilizção de Imgens de Rdr e Abertur Sintétic n Clssificção de Uso e Ocupção do Solo. In: CÂMARA, G., et l. Introdução à Ciênci d Geoinformção, livro on-line,2002, p GALO, M. Nots de Aul d disciplin Fotogrmetri III, Presidente Prudente, FCT/UNESP, GALO, M.L.B.T.; VELINI, E.D.; TRINDADE, M.L. B; SANTOS, S. C. A. Uso do sensorimento Remoto orbitl no monitormento d dispersão de mcrófits nos reservtórios do Complexo Tietê Plnt dninh, v.20, p GALO, M. L. B. T. Aplicção de redes neuris rtificiis e sensorimento remoto n crcterizção mbientl do Prque Estdul Morro do Dibo, São Crlos, Tese (Doutordo). Escol de Engenhri de São Crlos. Universidde de São Pulo. GALO, M. L. B. T. Aplicção de redes neuris rtificiis n clssificção de ddos de sensorimento remoto, 2000b. Reltório de projeto de pesquis referente o triênio 29/07/97 28/07/00. Presidente Prudente, FCT/Unesp. /Digitdo. GONZALES, R. C.; WOODS, R. E. Recognition nd Interprettion. In: Digitl Imge Processing. Reding, Addison-Wesley, INPE Instituto Ncionl de Pesquiss Espciis. TUTORIAL SPRING, Agosto, LUGNANI, J. B. Introdução à Fototringulção. Curitib, PR, MOREIRA, M. A. Fundmentos do Sensorimento Remoto e Metodologis de Aplicção, S. J. dos Cmpos, SP, NOVO, E. M. L. M. Sensorimento Remoto: Princípios e Aplicções. São Pulo, Edgrd Blücher

12 RICHARDS, J. A. Remote Sensing Digitl Imge Anlysis: An Introduction.New York, Springer Verlg, 1986; SARAIVA, C. C. S., MITISHITA, E.A. Modelos mtemáticos pr fins de monorestituição de imgens de lt resolução IKONOS2 GEO. In: Anis do Simpósio Brsileiro de Geomátic, Presidente Prudente, SP, p , julho de 2002; SERVIÇO GEOGRÁFICO Apostil do Exército Brsileiro, mnul de vetorizção, Porto Alegre RS, SOCET SET. MANUAL DO SISTEMA,1998. TOMMASELLI, A. M. G. Um conceito ntigo com novs técnics de produção, 2002: Mundogeo, setembro TOMMASELLI, A. M. G. Processmento fotogrmétrico de imgens orbitis de lt resolução, 2002b: Portl MundoGeo, outubro de VELINI, E.D. et l. Monitormento dos problems com mcrófits nos reservtórios d AES: desenvolvimento de progrms de mnejo integrdo ds principis espécies presentes Reltório de projeto de pesquis AES/ANEEL. FCA/UNESP. Cmpus de Botuctu. VENTURIERI, A.; SANTOS, J. R. Técnics de Clssificção de Imgens pr Análise de Cobertur Vegetl. In: ASSAD, E. D.; SANO, E. E., eds. Sistem de Informção Geográfic: Aplicções n Agricultur. 2ª edição. Brsíli, DF. Embrp SPI/Embrp-CPAC. p , 1998.