PROCESSAMENTO E CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE PARA CARACTERIZAÇÃO DE USOS DO SOLO

Transcrição

1 PROCESSAMENTO E CLASSIFICAÇÃO DE IMAGENS DE SATÉLITE PARA CARACTERIZAÇÃO DE USOS DO SOLO Jairo Lima do Nascimento 1, George Leite Mamede 2, João Paulo do Vale Madeiro 3 Resumo: A aplicação de técnicas de sensoriamento remoto tem sido cada vez mais utilizada em estudos ambientais, possibilitando avaliar os resultados da ação antrópica e prever impactos de tais ações. Em regiões como o semiárido brasileiro, tais técnicas podem auxiliar fortemente na gestão de recursos hídricos, tornando-se uma ferramenta de grande importância na tomada de decisões. Nesse estudo, buscou-se processar e classificar imagens de satélite para caracterização do uso do solo, visando à utilização desse processo como ferramenta para os órgãos de gestão de recursos hídricos locais. Foram utilizadas imagens de satélite da região da bacia do açude Marengo, em Madalena/CE, de setembro de Inicialmente, foram aplicadas diferentes técnicas de realce e aumento de contraste nas imagens considerando-se cada uma das componentes RGB. Posteriormente, realizou-se um processo de classificação supervisionada a partir de um algoritmo baseado no método das mínimas distâncias, segmentando-se os pixels em 7 diferentes classes de uso do solo. Observou-se que a variação de parâmetros na etapa de realce apresentou um maior impacto nas áreas das classes referentes a corpo hídrico, macrófita e solo exposto. A metodologia aplicada permitiu realizar a classificação supervisionada das imagens, observando-se uma correspondência adequada entre as classes obtidas e as imagens originais. Palavras-chave: sensoriamento remoto. processamento de imagens. usos do solo. 1 Desenvolvimento Sustentável, jlnascimento94@gmail.com 2 Desenvolvimento Sustentável, mamede@unilab.edu.br 3 Desenvolvimento Sustentável, jpaulo.vale@unilab.edu.br

2 INTRODUÇÃO O Nordeste brasileiro é caracterizado por uma região semiárida. A alta variabilidade sazonal e interanual da precipitação, alto risco de seca e baixa disponibilidade de água causam uma elevada vulnerabilidade aos habitantes e ecossistemas nesta região (CREUTZFELDT, 2006). O Ceará está inserido no semiárido nordestino, possuindo características próprias da região sob os aspectos hidroclimáticos, destacando-se o regime de precipitações irregulares, altas taxas de evaporação e rios intermitentes, sendo que o abastecimento hídrico da região depende em grande parte das águas superficiais acumuladas nos reservatórios. No Ceará, 93% da água ofertada aos usuários vem das barragens (ARAÚJO, 2003, MALVEIRA, 2009). Segundo Araújo (2015), após meados do século XX, o sensoriamento remoto (SR) passou a ser integrado fortemente aos estudos geográficos e atualmente apresenta crescente utilização e importância, especialmente no que se refere ao planejamento geográfico (ambiental, rural ou urbano) e ao monitoramento e estudo do meio-ambiente. O presente trabalho tem como objetivo aplicar técnicas de processamento digital de imagens de sensoriamento remoto e classificação supervisionada de alvos para caracterizar o uso do solo, contribuindo, assim, como mecanismo de apoio à gestão de recursos hídricos. METODOLOGIA Inicialmente, foram realizados testes aplicando-se diferentes métodos de realce de contraste nas imagens de satélite da área de estudo. Optou-se pelos seguintes métodos de realce no domínio espacial, procedimentos que operam diretamente sobre os pixels constituintes da imagem: contrast-stretching, transformação de potência e a função Imadjust do software MATLAB (GONZALEZ; WOODS; EDDINS, 2004). No trabalho em questão, foram implementadas classificações de imagem supervisionadas (MOREIRA, 2007), após a obtenção de realce por diferentes métodos. O algoritmo segue o método de classificação supervisionada do Classificador de Mínima Distância, implementado no ambiente de programação MATLAB. Neste método, o classificador examina as distâncias entre um pixel e as médias das classes, e atribui o pixel à classe para qual apresentar a menor distância. Foram utilizadas imagens do satélite Landsat 8 (bandas 4, 5 e 6) de setembro de As imagens possuem resolução espacial de 30 metros, e foram escolhidas por conter a região do açude Marengo, localizado em Madalena/CE.

3 RESULTADOS E DISCUSSÃO No algoritmo classificador implementado, foram consideradas as classes de uso do solo apresentadas na Tabela 1. Tabela 1 Classes de uso do solo consideradas Classe Descrição Cor 1 Corpo hídrico Azul 2 Macrófita Verde 3 Vazante Ciano 4 Solo Exposto Vermelho 5 Vegetação Nativa Lilás 6 Agricultura Amarelo 7 Vegetação rala Branco Considerando o método de realce por contrast-stretching, foram realizados testes variando-se, com incremento unitário, o parâmetro de inclinação E (GONZALEZ; WOODS; EDDINS, 2004) de 2 a 15. Observou-se que as classes mais afetadas pela variação do parâmetro E são as classes de corpo hídrico, macrófita e solo exposto. A Figura 1 apresenta uma amostra da imagem utilizada e o resultado da classificação dessa amostra para um parâmetro E igual a 2. FIGURA 1 Amostra da imagem original com realce por contrast-stretching (E=2) e resultado da classificação

4 Na aplicação do realce utilizando a transformação de potência, para valores de γ (GONZALEZ; WOODS; EDDINS, 2004) menores que 1, utilizou-se um incremento de 0,1, e para valores acima de 1, incremento unitário. A Figura 2 apresenta uma amostra da imagem utilizada e o resultado da classificação dessa amostra para um parâmetro γ igual a 0,9. FIGURA 2 Amostra da imagem original com realce por transformação de potência (γ = 0,9) e resultado da classificação Por fim, foi aplicado o realce utilizando a função Imadjust do MATLAB. Variouse os valores de gama (GONZALEZ; WOODS; EDDINS, 2004) de 0,1 a 2,1, com incremento de 0,1. A FIG. 3 apresenta uma amostra da imagem utilizada e o resultado da classificação de tal amostra para um parâmetro gama igual a 0,8. FIGURA 3 Amostra da imagem original com realce pela função Imadjust (gama = 0,8) e resultado da classificação

5 Em todos os casos, observou-se que com a mudança de parâmetros as classes mais afetadas foram corpo hídrico, macrófita e solo exposto, as quais apresentaram as variações mais expressivas de área em relação às demais classes. CONCLUSÕES A metodologia empregada permitiu classificar imagens de satélite e caracterizar o uso do solo da região, através de um algoritmo classificador supervisionado. Por meio de contraste visual é possível observar que o algoritmo apresenta considerável eficiência na identificação e diferenciação das regiões de acordo com as classes sugeridas. Entretanto, é necessária ainda a validação quantitativa do algoritmo (sugestão para trabalhos futuros) para então propor formas de empregar esse tipo de estudo na gestão de recursos hídricos. AGRADECIMENTOS À Universidade da Integração Internacional da Lusofonia Afro-Brasileira pela concessão da bolsa de iniciação científica durante a vigência da pesquisa. REFERÊNCIAS CREUTZFELDT, B. N. A. Remote sensing based characterisation of land cover and terrain properties for hydrological modelling in the semi-arid Northeast of Brazil. Dissertação de mestrado Instituto de Geoecologia, Universidade de Potsdam, Alemanha, f. MALVEIRA, V. T. C. Pequena açudagem e sustentabilidade hidrológica em grandes bacias semi-áridas: estudo de caso da bacia do açude Orós. Dissertação de mestrado, (Engenharia civil,área de concentração recursos hídricos) Departamento de Engenharia Hidráulica e Ambiental ARAÚJO, Efraim Martins. Utilização do sensoriamento remoto para detecção de diferentes alvos no entorno e na bacia hidráulica de reservatórios no semiárido f. Qualificação (Doutorado) - Curso de Engenharia Agrícola, Departamento de Engenharia Agrícola, Universidade Federal do Ceará, Fortaleza, ARAÚJO, J. C. D. Assoreamento em Reservatórios do Semi-árido: Modelagem e Validação. Revista Brasileira de Recursos Hídricos, v. 8, n. 2, p. 13, MOREIRA, Maurício Alves. Fundamentos do sensoriamento remoto e metodologias de aplicação. 3. ed. Viçosa: Ufv, GONZALEZ, Rafael C.; WOODS, Richard E.; EDDINS, Steven L.. Digital Image Processing Using MATLAB. New Jersey: Pearson Prentice Hall, 2004.