COMPARAÇÃO ENTRE OS MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA MAXVER E DISTÂNCIA MÍNIMA NA ANÁLISE DO USO E COBERTURA DO SOLO NA REGIÃO DO ALTO ARAGUAIA

Transcrição

1 COMPARAÇÃO ENTRE OS MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA MAXVER E DISTÂNCIA MÍNIMA NA ANÁLISE DO USO E COBERTURA DO SOLO NA REGIÃO DO ALTO ARAGUAIA Rodrigo Moura Pereira¹ (UEG) Gustavo Henrique Mendes Brito² (UEG) MSc. Marina Alberti Macedo (UEG) Dr. Anamaria Achtschin Ferreira (UEG) RESUMO A estatística Kappa é um método utilizado para avaliar a concordância entre a verdade terrestre com o mapa temático obtido a partir da interpretação de dados de satélite. Nesse trabalho foi realizado o registro, o mosaico e o recorte de imagens do sensor Landsat TM 5, nas composições de 5R4G3B e posterior classificação. Utilizou-se o software ENVI 4.5 para o processamento das imagens. O estudo comparou a precisão dos mapas uso e cobertura do solo obtidos pelos métodos de máxima verossimilhança (MAXVER) e Distância Mínima da região da Bacia do Alto Araguaia, utilizando o índice kappa e o erro de inclusão. Como resultado observou-se que o Método MAXVER foi o mais adequado para esse trabalho. Palavras-Chave: Classificação, Sensoriamento Remoto. 1 INTRODUÇÃO A utilização de dados de sensores orbitais permite, dentre outros, a análise do uso e cobertura do solo, constituindo uma importante técnica no planejamento e monitoramento da ocupação do meio físico. Os dados contidos em imagens de satélites podem ser interpretados e assim aplicados nas mais variadas áreas, desde aplicações ambientais até sócio-econômicas e gerenciais (Queiroz, 2000). As imagens obtidas de sensores orbitais são excelentes fontes de dados para produzir mapas de uso e cobertura da terra (Oliveira,2011). Estes mapas são gerados a partir da extração de informações contidas nas imagens de satélite através da classificação digital. O processo de classificação é baseado na distinção e identificação de diferentes classes com comportamentos espectrais diferenciados (Bernardi, 2007). Para isso, algoritmos de classificação são adotados para extrair as feições de interesse em um espaço multidimensional representado pelas bandas da imagem, criando um único nível de informação temática, as classes, (Maillard, 2001), citado por (Dutra, 2005) e (Bernardi, 2007). Atualmente os resultados obtidos da classificação automática de imagens de sensoriamento remoto têm sido bastante discutidos quanto à sua qualidade. Os produtos do processamento digital de imagens devem ter sua acurácia avaliada a partir de uma verdade de campo a fim de conferir maior confiabilidade e facilitar o processo de tomada de decisão. A estatística Kappa é um método muito utilizado para avaliar a concordância entre a verdade terrestre com o mapa temático. A grande vantagem do uso da estatística Kappa é que no cálculo do coeficiente se incluem todos os elementos da matriz 1

2 de erro e não somente os elementos da diagonal principal, como no caso da exatidão global (Oliveira, 2011). 2

3 2 MATERIAL E MÉTODOS A área de estudo é composta por duas cenas Landsat TM 5, órbita/ponto obtidas no catálogo de imagens do Instituto Nacional de Pesquisas Espaciais (INPE) datadas de 06/03/2005 e 22/03/2010. Está localizada entre as coordenadas - 53º58'27"W e 50º01'53"W e 18º03'53"S e 15º21'46"S e compreende a região da Alta Bacia do Rio Araguaia, situada na porção sudoeste dos estados de Goiás e Mato Grosso. As imagens foram georreferenciadas tendo como base uma imagem ortorretificada Landsat Geocover TM/2000. Foi realizado um recorde e posterior mosaico das imagens com o intuito de abranger apenas a região do Alto Araguaia. Utilizou-se o arquivo vetorial da Bacia do Rio Araguaia obtido no site da Agência Nacional de Águas (ANA) para a confecção do recorte. Para a classificação das imagens foram escolhidos os seguintes algoritmos: a) Máxima Verossimilhança (MAXVER) - classificador supervisionado por pixel, onde as amostras são previamente selecionadas pelo classificador (Jensen, 2009) e a classificação considera a ponderação das distâncias entre médias dos níveis de cinza das classes; e, b) Distância Mínima - neste método os modelos de classes são caracterizados pela simetria espectral, onde o método de distância mínima atribui cada pixel desconhecido à uma classe cuja média esteja mais próxima. Foi utilizada uma chave de interpretação das composições coloridas para orientar na análise de imagens. A chave desenvolvida por Faria et al (2007) inclui as características tonais, textuais e geométricas das classes de uso da terra na região do Alto Araguaia. Para o mapeamento temático foram selecionadas 6(seis) classes: 1- Florestas (áreas de vegetação densa e assimétricas fragmentadas em áreas pequenas, extensas e em torno de corpos d'água, tonalidade variando em verde claro/escuro); 2- Cerrado (áreas de vegetação rala, árvores isoladas, formas irregulares e tonalidades variando em verde escuro, verde médio, e arroxeado/preto); 3- Água (corresponde à rede de drenagem e cursos d'água); 4- Pastagens (áreas cultivadas com pastagem, simétricas, tonalidade clara com algumas variações e formas geométricas de trilhas e árvores isoladas); 5- Agricultura (tonalidades em rosa e verde claro, vegetação rasteira, formas geométricas: carreadores/pivôs); e, 6- Nuvem (tonalidade branca). Para a avaliação da acurácia dos classificadores na construção dos mapas temáticos foi utilizado o índice Kappa. Assim como Barbosa (2009), foi adotada a tabela desenvolvida por Landis e Koch (1977) citado por Moreira (2001). Essa tabela tem sido referência para classificar mapas resultantes da utilização de dados de sensoriamento remoto. Os erros de inclusão e omissão são elementos utilizados para avaliar quanto uma determinada classe foi sub ou superestimada. Os erros de inclusão são os pixels que foram incluídos em determinada classe mas que pertenciam a outra classe. Ou seja, a taxa de erros de inclusão determina o quanto uma classe foi superestimada. Os erros de inclusão estão relacionados a exatidão do ponto de vista do usuário, ou seja, na confiabilidade do produto. Portanto, quanto menor for à taxa de erros de inclusão, maior será a confiabilidade do mapa por parte do usuário. 3 RESULTADOS E DISCUSSÕES 3

4 Para que uma classificação seja considerada de boa aceitação, o índice de exatidão global (acurácia) precisa ser maior ou igual a 85%. Este nível foi alcançado nas classificações supervisionadas (MAXVER) e Distância Mínima, pois as mesmas alcançaram 97,96% (2005) 99,47% (2010), 94,88% (2005) e 97,46% (2010) de exatidão global respectivamente. Os resultados da classificação supervisionada Maxver para as duas cenas obtiveram valores do coeficiente kappa 0,9549 e 0,9639 respectivamente, o que indica uma classificação excelente. A classificação supervisionada pelo Método da Distância Mínima (utilizando as mesmas cenas) o coeficiente kappa foi de 0,9310 e 0,9681. De acordo com os resultados obtidos com as classificações, os dois métodos obtiveram índices kappa excelentes, entretanto, as matrizes de confusão mostram que para a classe Água, no ano 2005, o método da Distância Mínima obteve um erro de inclusão de 55,54%, ou seja, 356 de 641 pixels classificados como água, eram pertencentes à outras classes. No método MAXVER o erro de inclusão foi de 36,85%, ou seja, 164 de 445 pixels foram indevidamente classificados. Para o ano de 2010 e tomando-se a classe Água, o método da Distância Mínima obteve 1,42% de erro de inclusão, ou seja, apenas 13 de 913 pixels foram classificados de forma inadequada enquanto no método MAXVER o erro de inclusão foi de 0,94%, (apenas 11 de 1165 pixels). Nesse quesito os dois métodos se apresentaram satisfatoriamente. Para as demais classes, no ano de 2005 foi obtido um erro de inclusão para os métodos MAXVER e Distância Mínima, com os seguintes valores respectivos: 0,91% e 2,16% para floresta, 1% e 1,44% para pastagem, 0% e 0,28% para agricultura, 1,89% e 4,16% para cerrado, 0% e 14,91% para nuvens. Em 2010 as porcentagens de inclusão do MAXVER e Distância Mínima foram de 1,02% e 1,30% para floresta, 0,30% e 7,07% para pastagem, 0% e 0,24% para agricultura, 0,35% e 1,13% para cerrado, 0,59% e 3,83% para nuvens. Além da porcentagem de inclusão, obtemos a porcentagem de omissão de cada classe, ou seja, a quantidades de pixels que deveriam ser classificados e foram omitidos em outras classes, onde em 2005 para o MAXVER e Distância Mínima obtemos 3,77% e 5,63% de pixels omitidos para água, 0,23% e 1,13% para floresta, 0,77% e 4,39% para pastagem, 0% e 0% para agricultura, 7,02% e 13,64% para cerrado, 0,49% e 0% para nuvens. Já em 2010, a porcentagem de omissão para o MAXVER e Distância Mínima foi de 1,28% e 2,60% de pixels omissos para água, 0% e 0,37% para floresta, 0,79% e 3,48% para pastagem, 0% e 1,74% para agricultura, 0,09% e 1,04% para cerrado, 0,92% e 5,10% para nuvens. 4 CONCLUSÕES Por meio da comparação entre os mapas temáticos gerados pela classificação supervisionada quando aplicado o método da máxima verossimilhança e o método da distância mínima nas imagens TM do satélite LANDSAT-5, e, considerando os resultados referentes aos índices Kappa e a confiabilidade global, chegou-se a conclusão que, para a região da Bacia do Alto Araguaia, ambas as classificações obtiveram resultados satisfatórios, onde os mapas temáticos gerados podem ser considerados confiáveis pelo usuário. Entretanto, os melhores resultados ainda estão relacionados com as imagens do satélite quando utilizado o método MAXVER. 4

5 REFERÊNCIAS BARBOSA, A. P. Comparação de métodos de classificação de imagens, visando o gerenciamento de áreas citrícolas Dissertação (Mestrado) Universidade Estadual Paulista, Faculdade de Ciências Agronômicas, Botucatu, MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação. São José dos Campos: Instituto Nacional de Pesquisas Espaciais (INPE), p. QUEIROZ, R. B.; Rodrigues, A. G.; Gómez, A. T. Estudo comparativo entre as técnicas máxima verossimilhança gaussiana e redes neurais na classificação de imagens IR-MSS CBERS Universidade do Vale do Rio dos Sinos, Programa Interdisciplinar de Pós- Graduação em Computação Aplicada. OLIVEIRA, F. G.; Seraphim, O. J.; Gurgel, E. M. Comparação de métodos de classificação na análise do uso e cobertura do solo XL Congresso Brasileiro de Engenharia Agrícola CONBEA BERNARDI, H. V. F.; Dzedzej, M.; Carvalho, L. M. T.; Júnior, F. W. A. Classificação digital do uso do solo comparando os métodos pixel a pixel e orientada ao objeto em imagem QuickBird. Anais: XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 2007, INPE, p