DesertWatch Extension to Portuguese Partners

Transcrição

1 DesertWatch Extension to Portuguese Partners 2009 Critical Software S.A. Ocupação do Solo

2 Resumo Objectivos Ocupação do Solo Áreas de Estudo Nomenclatura DW-E Dados de Observação da Terra Comparação dos Classificadores Metodologia de Validação Metodologia DW-E (Ocupação do Solo) Escala Regional Escala Nacional Escala Local Resultados Ocupação do Solo em Portugal 2

3 Objectivos Ocupação do Solo Definir um algoritmo de classificação de imagens de satélite, com o objectivo de produzir mapas de ocupação do solo para posterior alimentação do modelo de desertificação, recorrendo exclusivamente a dados de observação da Terra, e que melhor se ajuste ao perfil do utilizador médio da aplicação final Quais as características do utilizador final? Necessidade de produção regular de informação Conhecimento reduzido em processamento digital de imagem, interpretação de imagens de satélite e métodos automáticos de classificação Acesso reduzido a dados de apoio à classificação 3

4 Implicações na seleção do classificador De que modo o perfil médio do utilizador da aplicação final influencia os critérios de selecção do classificador? Os reduzidos conhecimentos em processamento de imagem e em métodos de classificação implica uma preferência por classificadores com parametrização simples Os reduzidos conhecimentos de foto-interpretação em conjugação com acesso limitado a dados auxiliares implica a definição de uma amostra de treino ruidosa, o que leva a uma preferência por classificadores que necessitem de pouco treino e sejam robustos a observações anómalas RG1 4

5 Diapositivo 4 RG1 durante a apresentação, explicar o que é a parametrização simples Ricardo Goncalves;

6 2009 Critical Software S.A. Áreas de Estudo

7 Final Áreas de Estudo - Portugal Escalas regional e nacional Escalas nacional e local 6

8 Final Áreas de Estudo - Brasil Escalas regional e nacional Escalas nacional e local 7

9 Final Áreas de Estudo - Moçambique Escalas regional e nacional Escalas nacional e local 8

10 2009 Critical Software S.A. Nomenclatura

11 Nomenclatura DW-E Código DW-E Classes DW-E 1 Territórios Artificializados 2 Agricultura de Sequeiro 3 Agricultura de Regadio 4 Florestas 5 Matos 6 Vegetação Herbácea Natural 7 Vegetação Esparsa 8 Área Ardidas 9 Praias, dunas, areais e rocha nua As classes de agricultura e de floresta tendem a apresentar uma resposta espectral multimodal, o que dificulta a definição das matrizes de variânciasconvariâncias, e a tarefa do classificador automático. 10 Zonas Húmidas 11 Corpos de água Classes finais de Ocupação do Solo 10

12 Nomenclatura DW-E Código Subclasse Subclasse 1 Tecido Urbano 2 Agricultura de Sequeiro 3 Agricultura de Regadio 4 Arrozais 5 Vinhas 6 Pomares 7 Olivais 8 Floresta de Folhosas 9 Floresta de Resinosas 10 Floresta Mista 11 Herbácea Natural / Pastagens 12 Matos 13 Solo Nu 14 Áreas Ardidas 15 Zonas Húmidas 16 Água 17 Vegetação Esparsa 17 subclasses para as quais o utilizador necessita de fornecer amostras e que, posteriormente, serão reclassificadas para as 11 classes. Subclasses Espectrais DW-E 11

13 2009 Critical Software S.A. Dados Utilizados

14 Dados de Observação da Terra Escala regional: GlobCover

15 Dados de Observação da Terra Escala nacional: Imagens intra-anuais LANDSAT 7ETM+ (2000) e 5TM (2009) Junho / Outubro Julho / Novembro

16 Dados de Observação da Terra Escala local: KOMPSAT-2 Norte Abril 2008 Sul Julho

17 Dados Auxiliares CLC 2000 CLC

18 2009 Critical Software S.A. Exemplos de classes DW-E

19 Exemplos das classes DW-E Agricultura de Sequeiro RGB Julho 2009 Infrav - Orto 2007 Pastagens / Herbácea Natural RGB Julho 2009 Infrav - Orto

20 Exemplos das classes DW-E Floresta de Folhosas RGB Julho 2009 Infrav - Orto 2007 Floresta de Resinosas RGB Julho 2009 Infrav - Orto

21 Exemplos das classes DW-E Urbano Solo Nu RGB Julho 2009 Infrav - Orto 2007 RGB Julho 2009 Infrav - Orto

22 2009 Critical Software S.A. Selecção do Classificador a utilizar no âmbito do DW-E

23 Comparação dos classificadores Classificadores concorrentes: Classificador Linear (Linear Discriminant Classifier LDC) Classificador Quadrático (Quadratic Discriminant Classifier QDC) K Vizinhos-mais-próximos (K Nearest Neighbors KNN) Classificador de Parzen (CP) Árvores de Classificação (AC) Métodos para a avaliação dos classificadores: Curvas de aprendizagem Curvas de robustez Validação dos mapas produzidos 22

24 Comparação dos classificadores Validação dos mapas temáticos Amostragem estratificada: 100 unidades de amostragem por classe Estimação da exactidão temática (utilizador, produtor e geral) com recurso à ponderação por áreas de ocupação, de modo a distribuir o erro pelas classes de maior extensão (Card 1982; Carrão et al 2007) Recurso à referência por Multilabel e regiões de suporte de modo a mitigar a ambiguidade inerente à foto-interpretação e processo de generalização do mapa (Stehman1995; Stehman e Czaplewski 2003) 23

25 Resultados - Comparação dos classificadores Curvas de Aprendizagem LDC - Classificador Linear (Linear Discriminant Classifier ) QDC - Classificador Quadrático (Quadratic Discriminant Classifier) KNN - K Vizinhos-mais-próximos (K Nearest Neighbors) CP - Classificador de Parzen AC - Árvores de Classificação 24

26 Resultados - Comparação dos classificadores Curvas de Robustez LDC - Classificador Linear (Linear Discriminant Classifier ) QDC - Classificador Quadrático (Quadratic Discriminant Classifier) KNN - K Vizinhos-mais-próximos (K Nearest Neighbors) CP - Classificador de Parzen AC - Árvores de Classificação 25

27 Resultados - Comparação dos classificadores Validação realizada recorrendo à ponderação por área de modo a atribuir mais erro às classes de maior extensão no mapa, a regiões de suporte e a multilabel. O teste de McNemar mostra que as diferenças entre os classificadores não são estatisticamente significativas. Os resultados sugerem que, em termos operacionais, o LDC se apresenta como o melhor classificador. 26

28 2009 Critical Software S.A. Metodologia Utilizada no DW-E

29 Metodologia Land Cover 28

30 Metodologia Utilizada no DW-E 2009 Critical Software S.A. Escala Regional

31 Metodologia Ocupação do Solo 30

32 Metodologia à escala regional A metodologia à escala regional consiste num processo de reclassificação do produto ESA GLOBCOVER, segundo uma tabela de conversão. Código DW-E Classes DW-E Classes Globcover 1 Territórios Artificializados Agricultura de Sequeiro 14,15, 16, 20, 21,22 3 Agricultura de Regadio 11, 12, 13 4 Florestas 32, 40, 41, 42, 50, 60, 70, 90, 91, 92, 100, 101, Matos 30, 31, 110, 130, 131, 132, 133, 134, 135, Vegetação Herbácea Natural 120, 140, 141, 142, 143, 144, Vegetação Esparsa 150, 151, 152, Área Ardidas Praias, dunas, areais e rocha nua 200, 201, 202, Zonas Húmidas 160, 161, 162, 170, 180, 181, 182, 183, 184, 185, 186, 187, Corpos de água

33 Metodologia à escala regional 32

34 Metodologia Utilizada no DW-E 2009 Critical Software S.A. Escala Nacional

35 Metodologia Ocupação do Solo 34

36 Metodologia à escala nacional A classificação é realizada com dois momentos temporais (2 aquisições de imagens) e com os respectivos índices de vegetação (NDVI), de modo a aumentar a separabilidade espectral das subclasses espectrais. Posteriormente, aplica-se um processo de remoção de observações anómalas (outliers), recorrendo à distância de Mahalanobis. A classificação é realizada ao nível do pixel recorrendo ao classificador seleccionado LDC. O último passo consiste na reclassificação das 17 subclasses nas 11 classes DW-E finais. 35

37 Metodologia Utilizada no DW-E 2009 Critical Software S.A. Escala Local

38 Metodologia Ocupação do Solo 37

39 Metodologia à escala local Mapa Nacional Segmentação de Imagem A metodologia à escala local combina a segmentação da imagem KOMPSAT 2 com o mapa de ocupação do solo produzido à escala nacional com recurso às imagens LANDSAT. Generalização Temática A segmentação é efectuada com uma adaptação de um algoritmo de segmentação de imagens desenvolvido no MIT por P. Felzenszwalb e D. Huttenlocher. Mapa Local Cada segmento extraído das imagens Kompsat-2 é, posteriormente, reclassificado com base na classe mais frequente da escala nacional 38

40 2009 Critical Software S.A. Resultados

41 Resultados Ocupação do Solo em Portugal Escala Regional: 40

42 Resultados - Ocupação do Solo em Portugal Escala Nacional:

43 Resultados - Ocupação do Solo em Portugal Escala Local: 42

44 2009 Critical Software S.A. Validação

45 Validação - Ocupação do Solo em Portugal Validação pelo Consórcio Distribuição espacial das 1000 unidades amostrais para validação. Dados de apoio à interpretação: imagens áreas (séria IGP ), CLC 2000, CLC 2006, e Google Earth. 44

46 Resultados - Ocupação do Solo em Portugal Validação pelo Consórcio Classe Utilizador Produtor Utilizador Produtor 1 78% 75% 89% 79% 2 90% 89% 95% 89% 3 82% 91% 90% 96% 4 91% 78% 91% 84% 5 79% 89% 88% 90% 7 67% 91% 74% 100% 8 75% 77% 100% 88% 10 82% 20% 100% 94% O.A. 84% 90% Exactidão temática calculada com recurso à metodologia Card-Stehman. Agricultura de sequeiro e de regadio foram avaliadas em conjunto. 45

47 Resultados - Ocupação do Solo em Portugal Validação pelos Utilizadores (AFN) Validação efectuada pelos utilizadores para os dois anos de referência (2000 e 2009), recorrendo a 240 pontos de amostragem localizados nas classes mais relevantes para a desertificação Dados de apoio à interpretação: fotografia aérea e séries Google (2000 a 2011) Cada ponto foi avaliado considerando a sua vizinhança num raio de 50 m 46

48 2009 Critical Software S.A. Contactos

49 Contacto Joel Dinis (IGP) 48