Fusão de Imagens Cbers-CCD com Cbers-HRC para obter uma melhor interpretação das sub-regiões e áreas antrópicas do Pantanal

Fusão de Imagens Cbers-CCD com Cbers-HRC para obter uma melhor interpretação das sub-regiões e áreas antrópicas do Pantanal Daniel Moraes de Freitas 1 Marcos Alexandre Bauch 1 Fernanda de Lima Nascimento 2 Eline Amorim Xavier 3 1 Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis - IBAMA SCEN Trecho 02 Edificio Sede Bloco B 70818-900 - Brasília - DF, Brasil {daniel-moraes.freitas, Marcos.bauch}@ibama.gov.br 2 Universidade de Brasília (UnB) Departamento de Geografia Campos Universitário Darcy Ribeiro CEP.: 70910-900 - Brasília, DF, Brasil fernandaln@aluno.unb.br 3 Universidade de Brasília (UnB) Departamento de Engenharia Florestal Campos Universitário Darcy Ribeiro CEP.: 70919-970 - Brasília, DF, Brasil eline.ax@gmail.com Resumo. O Pantanal é uma das maiores planícies alagadas do mundo, com mais de 147 mil quilômetros quadrados e é reconhecida nacionalmente e internacionalmente pela sua biodiversidade. Contudo esta região tem sofrido um processo de devastação que se intensificou na ultima década principalmente pela agricultura que tem avançado e aberto novas áreas neste bioma e também pela atividade agropecuária que se utiliza do fogo para limpeza dos pastos na época seca. Estes processos são difíceis de serem detectados, utilizando imagens de satélites, uma vez que a região contém pastagens naturais que tem a mesma resposta espectral que as pastagens implantadas. O conjunto de métodos para adquirir, processar e interpretar imagens, obtidas de satélites ou aeronaves, que tem alguma interação entre a matéria e a energia eletromagnética é chamado de Sensoriamento Remoto, e se configura como uma importante ferramenta para colher informações com diferentes resoluções espaciais, temporais e espectrais. Utilizando-se imagens com alta resolução espacial, mas baixa resolução temporal, é possível aplicar as técnicas de fusão com imagens de media resolução espacial e alta resolução temporal, para se adquirir imagens hibridas com uma melhor caracterização de estruturas, formas e texturas de objetos-alvos, bem como com alta resolução temporal da área. O objetivo deste trabalho é testar três técnicas de fusão e analisar sua aplicabilidade na região do Pantanal na distinção de alvos. Palavras Chave: Envi, fusão, Pantanal, Cbers-HRC 412

Abstract. The Pantanal region is one of the world's biggest periodic flooded areas, with over 147 thousand square kilometers, and is locally and internationally recognized by its biodiversity. Although, this region has suffered a deforestation process over the last decade mainly due to agriculture, that over the past years has entered and reached out for new areas and to cattle activities that use fire as a method to "clean" the pastures in the dry season. These processes are often difficult to detect, using satellite images, because the region contains areas of natural pastures that have the same spectral response that cultivated pastures. The group of methods to acquire, process and interpret images obtained from satellites or airplanes that have some aspect of interaction between matter and the electromagnetic energy, is called remote sensing, and is an important tool to provide information with different spatial, temporal and spectral resolutions. Using images with high spatial resolutions but low temporal resolutions, it is possible through fusion methods with images that have high temporal resolutions but low spatial resolution, to produce hybrid images with a better characterization of structures, forms and textures on target objects, as well as, a high coverage over time. The objective of this work is to test three fusion techniques and analyze its applicability in the Pantanal region, for distinguishing the target areas. Key-words: Envi, fusion, Pantanal, Cbers-HRC 1. Introdução O Pantanal é uma planície de inundação periódica reconhecida nacional e internacionalmente pela exuberância de sua biodiversidade como uma das áreas úmidas de maior importância do globo. Faz parte da bacia do Alto Paraguai e é formada pelo rio Paraguai e, no Brasil, pelos seus afluentes, principalmente os da margem esquerda. A bacia tem duas partes distintas em geomorfologia, a parte mais alta, de planaltos e a parte mais baixa, a planície de inundação que é o Pantanal (Alho et al., 2003). As mudanças que ocorrem na natureza do Pantanal, principalmente pela ação da ocupação humana, constituem impedimentos ou fatores adversos para o funcionamento ou presença de processos e funções que mantém a planície de inundação e seus produtos, atributos e valores. O desmatamento, por exemplo, reduz o habitat natural da biodiversidade local e modifica a paisagem, propiciando ainda assoreamento, modificação na qualidade da água e outros fatores deletérios ao ecossistema natural. O Pantanal, embora sofra menos desmatamentos que o planalto do entorno, tem sofrido também essa ação, muitas vezes difícil de ser detectada pelas imagens de satélite, porque a conversão da vegetação natural nem sempre é feita em ambiente natural florestado ou arbóreo. Essa conversão se dá pela modificação de campos naturais por pastagens implantadas. (Alho et al., 2003). O conjunto de técnicas de aquisição, processamento e interpretação de imagens obtidas desde aviões ou satélites, nas quais é registrado algum aspecto da interação entre a matéria e a energia eletromagnética (Sensoriamento remoto) é hoje uma ferramenta que nos fornece informações da cobertura vegetal da Terra, com diferentes resoluções espaciais, temporais e espectrais (Pohl et al., 1998). Uma resolução espacial alta é necessária para uma melhor caracterização da estrutura, da forma e textura dos objetos, na qual mede a menor separação angular ou linear entre dois objetos, enquanto que uma alta resolução espectral admite a discriminação e conseqüente classificação de diferentes fisionomias numa imagem. Com isso, várias técnicas de fusão de imagens vêm sendo desenvolvidas desde a década de 80, com o objetivo de produzir uma imagem com alta resolução espacial e espectral, visando uma distinção mais completa e acurada do objeto sob observação (Pohl et al., 1998). Segundo Wald (1999) a fusão de dados pode ser definida como uma estrutura de trabalho onde ferramentas e técnicas são desenvolvidas com o objetivo de combinar informações advindas de diferentes sensores. A utilização dessa técnica permite a obtenção de uma 413

imagem de melhor qualidade, ou seja, a produção de uma única imagem que possua mais informações do que cada imagem individual utilizada na sua geração. Segundo Leonardi et al, (2005), um método de fusão eficiente é caracterizado por preservar a informação espectral da imagem original e incorporar a informação espacial da banda pancromática para o produto híbrido. 2. Objetivo Utilizar a fusão das imagens Cbers-HRC com a Cbers-CCD e mostrar qualitativamente as técnicas para a identificação de alvos para a região do Pantanal. 3. Fundamentação Teórica 3.1 Imagem CBERS-2B O satélite Cbers-2B contêm três sensores para o monitoramento da cobertura vegetal em diferentes escalas. Entre estes, destaca-se o CCD (Charge Coupled Device Câmera Imageadora de Alta Resolução), (Tabela 1) com 20 m de resolução, uma banda pancromática e bandas no azul, verde, vermelho, infravermelho próximo (Epiphanio, 2005). Tabela 1. Cbers-CCD A câmera HRC (HRC - High Resolution Camera) opera numa única faixa espectral, que cobre o visível e parte do infravermelho próximo. Produz imagens de uma faixa de 27 km de largura com uma resolução de 2,7 m, que permite a observação com grande detalhamento dos objetos da superfície. Como sua faixa de cobertura é de 27 km, são necessários cinco ciclos de 26 dias para que os 113 km padrão da imagem CCD sejam cobertos pela HRC. Assim, a cada 130 dias é possível ter uma cobertura completa do país, para ser correlacionada com aquela obtida pela câmera CCD, que neste período terá coberto o país por cinco vezes. (INPE, 2008) As principais características da Câmera Pancromática de Alta Resolução HRC estão listadas na Tabela 2. 414

3.2 Fusão de imagens Tabela 2. Cbers-HRC. Características da Câmera Pancromática de Alta Resolução HRC Banda espectral 0,50-0,80 µm (pancromática) Campo de Visada 2,1º Resolução espacial 2,7 x 2,7 m Largura da faixa imageada 27 km (nadir) Resolução temporal 130 dias na operação proposta Taxa de dados da imagem 432 Mbit/s (antes da compressão) Res. Radiométrica 8 bits As técnicas de fusão possibilitam integrar a melhor resolução espacial da banda pancromática com a melhor resolução espectral das demais bandas, produzindo imagem colorida que reúne ambas as características. As técnicas de fusão incluem: (i) Intensidade-Matiz-Saturação (IHS); (ii) Principais Componentes; (iii) Transformação de Brovey; (iv) Transformação Wavelet, dentre outros. No entanto, para o desenvolvimento deste trabalho utilizou-se a técnica IHS (Cilíndrica e Hexacônica), Gram-Schmidt e PANSHARPENING para a realização da fusão das imagens. 3.3 Sistema de Cores RGB/IHS O sistema de cor RGB (Figura 1)é um modelo baseado na composição das cores primárias, Vermelho (R), Verde (G) e Azul (B). A componente R especifica a intensidade do vermelho como um inteiro entre 0 e 255. A cor vermelha conjunto com o 0 especifica a ausência de cor e não emite luz vermelha. A cor vermelha conjunto com a 255 serão exibidos vermelho brilhante ou com cores totalmente saturadas. Da forma análoga, o verde e o azul. No RGB, pura tons cinza são obtidas através da combinação de todas as três quantidades iguais de valores de cores: vermelho, verde e azul. Se todos os três valores são definidos para 255, a presença total de cor branca vai iluminar e, inversamente, se todas as três cores valores estão definidos como 0, o resultado será uma cor preta. Figura 1. Sistema de Cores RGB O sistema de cor HSV (Figura 2) é representado por um espaço único em forma de cone, constituído por suas três componentes, o matiz, saturação e valor. Hue - especifica o matiz (cores), à qual a cor é definida. O Matiz é dado como um valor inteiro entre 0 a 360 baseado na cor padrão (em que o tom é dado como um ângulo sentido anti-horário em torno do cone de cor). As cores primárias e secundárias têm os seguintes valores matiz: = 0 vermelho, amarelo = 60, verde = 120, ciano = 180, azul = 240, magenta = 300. A Saturação especifica a 415

intensidade da saturação de cores que vão ser definidos. A saturação é representada por um valor um inteiro entre 0 e 100. A saturação de uma cor refere-se à medida que ela se afasta de uma cor neutra, como cinza. Quando saturação é 100, a cor é completamente saturada. Quando for 0 saturação da cor é insaturada, e vai aparecer cinza (a menos que valor é fixado em 0 ou 100, na qual os casos, ele irá aparecer preto ou branco). O Valor - especifica a intensidade de cor branca na cor. Valor é dado como um inteiro entre 0 e 100. Uma cor com valor de 0 irá aparecer preto. Uma cor com valor fixado em 100 e a saturação definida para 0 aparecerá branco. Figura 2. Sistema de Cores HSV Esse tipo de fusão é chamado de substituição onde inicialmente, a imagem multiespectral, composta por três bandas, é transformada do sistema de cores RGB para o sistema IHS. Então, a imagem associada à intensidade é substituída pela banda pancromática e depois a transformação inversa é aplicada, retornando ao sistema RGB com uma imagem multiespectral. 3.4. Gram-Schmidt No caso deste método é necessário fazer modificações no cabeçalho da imagem, e passar para micrometros, nesse caso o cabeçalho da imagem Landsat serve para a Cbers. Este procedimento, assim como o de Principais Componentes, é uma operação sobre vetores com o objetivo de torná-lo ortogonais. A fusão inicia-se com a simulação de uma banda pancromática a partir das bandas multiespectrais de baixa resolução espacial. Em seqüência, uma transformação de Gram-Schmidt é aplicada à banda pancromática simulada e às bandas multiespectrais, onde a pancromática simulada é empregada como a primeira banda. Então, a primeira banda Gram-Schmidt é trocada pela banda pancromática de alta resolução e uma transformação inversa é aplicada para formar a imagem sintética de saída (RSI, 2003). 3.5. PC Spectral Sharpening Em princípio, as análises por Principais Componentes foram empregadas como um meio de reduzir o volume de dados e, ao mesmo tempo, melhorar o contraste das imagens. Pode-se concentrar a maior parte das informações de um conjunto de imagens, em apenas uma imagem sintética: a primeira componente, a qual também tem alto poder de contraste das feições. O método da fusão de imagens por componente principal baseia-se na substituição da primeira componente pela imagem de resolução maior, a qual pode ser contrastada de forma a ter média e variância próximas às da primeira componente. 416

Conforme Napoleão et al (2001), o Método das Principais Componentes pode ser resumido nas seguintes etapas: a) Inicialmente é efetuada uma transformação do espaço RGB para o das Principais Componentes. São introduzidas três ou mais bandas da imagem multiespectral, que são transformadas em três ou mais novas imagens do espaço das componentes principais, cada componente possuindo quantidades distintas de informações. b) Em seguida são calculadas as estatísticas variância e média, e com base no histograma, é aplicado o contraste na imagem de resolução espacial maior, de forma a ter o mesmo colorido que a imagem da primeira componente (PC1), entretanto com uma resolução espacial maior. c) A primeira componente é substituída pela imagem que foi contrastada, de resolução mais alta. Isso pode ser feito porque se assume que ambas as imagens tem agora características espectrais semelhantes. d) Com a "nova" componente colocada em conjunto com as demais componentes (CP2, CP3 etc.) procede-se com a inversão do espaço das principais componentes para o espaço RGB. Pela aplicação de uma transformação inversa volta-se às coordenadas do espaço RGB, no qual todas as bandas híbridas possuem a resolução espacial da banda de maior resolução. A Figura 3 mostra que a transformação de componente principal em duas dimensões corresponde à rotação do eixo original da coordenada para coincidir com as direções de máxima e mínima variância no dado. Neste processo utiliza-se o coeficiente de correlação, ou da covariância, para se determinar um conjunto de quantidades chamadas de autovalores. Figura 3. Rotação dos eixos na transformação RGB - Componentes Principais. Os autovalores representam o comprimento dos eixos das componentes principais de uma imagem e são medidos em unidade de variância. Associados a cada autovalor, existe um vetor de módulo unitário chamado autovetor. Os autovetores representam as direções dos eixos das componentes principais. São fatores de ponderação que definem a contribuição de cada banda original para uma componente principal, numa combinação aditiva e linear (Spring, 1996). 4. Área de Estudo A área de estudo localiza-se no município Barão de Melgaço, localizado na microrregião do Alto Pantanal do estado de Mato Grosso, estando a uma altitude de 156 metros (Figura 4). 417

Figura 4. Localização da área de estudo. 5. Metodologia Buscou-se uma cena Cbers-2B do sensor CCD órbita ponto 165/119 na data 06/12/2008, nas bandas 2 (verde; 420 a 590 nm), 3 (vermelho; 630 a 690 nm) e 4 (infravermelho próximo; 770 a 890 nm) e uma cena Cbers-HRC órbita ponto 165_C_119_3 na data 06/12/2008, obtida no catálogo de imagens web de imagens Cbers do Inpe (www.inpe.br); Pré-processamento das imagens: a restauração foi feita para melhorar a aparência borrada das imagens da câmara CCD do satélite Cbers-2b, pois o sensor CCD detém a degradação da Função de Transferência da Modulação (TFM) Souza (2005). Quando as especificações da FTM são atendidas, a resolução espacial efetiva é, aproximadamente, igual a 1,5 vezes a resolução espacial nominal do sensor (Gouvêa et al, 2007). A restauração foi feita para 10m. Em seguida foi feita uma filtragem high-pass nas bandas restauradas a fim de se destacar os alvos de interesse dos usuários na respectiva cena, esses procedimentos são feitos utilizando o software Spring, programa de uso gratuito desenvolvido pelo INPE. Essa reamostragem de 20m para 10m reduz a diferença de resolução entre elas o que facilita, por exemplo, a retificação das imagens. Na retificação das imagens foi utilizado o programa ArcMap a ferramenta georreferecing, nesse caso, em que a imagem foi restaurada para 10m e erro mínimo entre os pixels deve ser de 10m metros proporcional a sua resolução espacial. Antes de fazer a fusão é necessário recortar as bordas da imagem HRC, pois como a retificação foi feita no programa arcmap, ele produz faixas brancas nas bordas da imagem. Para a comparação qualitativa dos métodos de fusão foram utilizados os métodos HSV, Gram-Schmidt e PC Spectral Sharpening. Esses métodos utilizam transformação do sistema de cores RGB (HSV) e de transformações ortogonais, vetores não correlacionáveis entre si (GS e PC). As técnicas aqui utilizadas utilizam o domínio espectral. O grupo de modelos de domínio espectral é formado pelos processos que realizam uma transformação na imagem multiespectral, resultando num novo conjunto de bandas onde uma delas é correlacionada com a imagem pancromática. Principais Componentes, IHS, Gram-Schmidt são representantes destes modelos. 418

6. Resultados e Discussões Com a técnica de fusão de Imagens nota-se uma melhora considerável na qualidade da imagem tendo uma melhor definição e distinção dos alvos em relação a imagem sem a fusão, Figura 4. Figura 4. Comparação entre uma imagem Cbers-2B à esquerda, e a imagem com a fusão Cbers-2B e Cbers-HRC. Observa-se na fusão que é possível ter uma melhor precisão de cálculo de área do que a imagem sem a fusão, dessa forma é de extrema importância para os fiscais do IBAMA utilizarem tal imagem para que a autuação seja precisa. Conforme descrito na metodologia, foi feita uma reamostragem da imagem Cbers-2B de 20m para 10m. Na Figura 5 nota-se a diferença entre uma fusão com reamostragem de 10m e uma sem a reamostragem. A imagem reamostrada fica com os limites da área antrópica nítidos e sem a poluição de pixels, já a imagem sem a reamostragem observa-se uma imagem mais confusa, pela mistura de pixels, para a interpretação. Figura 5. A Imagem a esquerda mostra a fusão com a imagem restaurada para 10m e a da direita com a imagem restaurada de 20m. A técnica de fusão de imagens é uma abordagem que traz várias vantagens para a interpretação dos alvos. Consegue através da fusão colocar em uma só imagem as qualidades da imagem óptica (resolução espectral), na qual podemos observar uma distinção entre a área de savana arborizada (verde) e áreas com solo exposto (magenta) além da qualidade espacial da imagem. Existem vários tipos de fusão de imagens, nesse trabalho foram escolhidos três 419

dos mais citados entre os autores. Nas Figuras 6,7 e 8 apresentam-se as três fusões e na Figura 9 observa-se um detalhamento das mesmas: Figura 6. Fusão IHS. Figura 7. Fusão Gram-Schmidt. Figura 8. Fusão PC Sharpening. 420

Figura 9. IHS, Gram e PC Sharpening, respectivamente, em áreas naturais e antrópicas. Entre as três fusões nota-se que a fusão IHS a resposta espectral da vegetação (savana arborizada, mata de galeria, savana arbustiva) encontra-se com uma tonalidade de verde escuro, as áreas de solo exposto encontra-se com uma resposta mais clara. Na fusão Gram- Schmidt observa-se uma tonalidade de verde mais clara que a IHS, mas apresentou uma tonalidade de magenta para o solo exposto. A fusão PC Sharpening observou uma tonalidade de verde mais escuro que a Gram e mais claro que a IHS e as áreas de solo exposto apresentaram com uma tonalidade de magenta claro e escuro. 7. Conclusões Conclui-se que a técnica de fusão de imagem é satisfatória para identificação e distinção de alvos na sub-região de Barão de Melgaço. 8. Referências Alho, C.J.R.; Strussmann, C.; Volpe, M.; Sonoda, F; Maques, A.A.B.; Schneider, M.; Santos Júnior; T.S. e Maques, S.R. 2003. Conservação da Biodiversidade da Bacia do Alto Paraguai. Editora UNIDERP, Campo Grande-MS, 466 p. Leonardi S. S. Ortiz, J.O. e Fonseca L.M.G. Comparação de técnicas de fusão de imagens para diferentes sensores orbitais. In: Simpósio Brasileiro de Sensoriamento Remoto, 12, Goiânia, Brasil, 16-21 abril 2005, INPE, Anais... São José dos Campos: INPE, 2005 p. 4111-4113. Luz, Juliana da; Rosot, Maria Augusta Doetzer; Rosot, Nelson Carlos; Oliveira, Yeda Maria Malheiros de; Garrastazú, Marilice Cordeiro. Técnicas de fusão aplicadas a imagens do satélite ALOS. In: Simpósio Brasileiro de Sensoriamento Remoto, 14, Natal, Brasil, 25-30 abril 2009. Anais..., São José dos Campos: INPE, 2009, p. 6959-6965. Pohl, C.; Van Genderen, J. L. Multisensor image fusion in remote sensing: concepts, methods and applications. International Journal of Remote Sensing, v. 19, n. 5, p. 823-854, 1998. RSI (Research Systems, Inc). ENVI User sguide. ENVI Version 4.2 August, 2005. Santos, P.M.C.Tutorial 02 Restaurar e filtrar imagens CBERS no Spring v. 5.0.3., Projeto MSFRAN em: http://siscom.ibama.gov.br/msfran.acessado em : 17/07/2009. Souza, P. E. U. Restauração de imagens CCD/CBERS-2 pelo método de Richardson-Lucy modificado. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 2005, 12, Goiânia. Anais... São José dos Campos: INPE, 2005. Artigos, p. 1107-1114. Wald, L.; Ranchin, T.; Mangolini, M. Fuison of satellite images of different spatial resolution: assessing the quality of resulting images. Photogrammetric Engineering & Remote Sensing 63 (6), p. 691-699, 1997. http://www6.ufrgs.br/engcart/pdasr/fusao.html 421