Discordância global e análise de índices de acurácia para avaliação de mapeamentos de área de cana-de-açúcar no Paraná

Documentos relacionados
Projeto Canasat 2003/04 a 2013/14 Monitoramento da produção de cana-de-açúcar por imagens de satélite

O Kappa está morto? Uma discussão sobre índices baseados em matrizes de confusão. Camilo Daleles Rennó

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Avaliação de Classificação

Mapeamento de áreas das culturas de trigo e milho 2ª safra para o Estado do Paraná por meio de imagens multitemporais Modis

Comparação do desempenho de índices de vegetação do sensor MODIS para mapeamento sistemático da cana-de-açúcar

Análise da dinâmica espacial da área de soja em municípios do Mato Grosso por meio de imagens do sensor MODIS 1. INTRODUÇÃO

Criação de mapa temático de uso da terra com diferentes classificadores. Gleyce Kelly Dantas Araújo 1 Jerry Adriani Johann 1,2 Jansle Vieira Rocha 1

Monitoramento e análise da dinâmica das alterações de áreas agrícolas na Bacia do Alto Paraguai

Maria Gonçalves da Silva Barbalho 1 André Luiz Monteiro da Silva 1 Mariana Almeida de Araújo 1 Rafael Antônio França Ferreira 1

Comparação entre dois métodos de estimativa de área cultivada com arroz irrigado no Rio grande do Sul

Campus de Presidente Prudente PROGRAMA DE ENSINO. Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS

PROGRAMA DE ENSINO. 3 quadrimestre Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS

FERRAMENTAS ESTATÍSTICAS PARA ANÁLISE DA CLASSIFICAÇÃO

MAPEAMENTO DE CORPOS HÍDRICOS UTILIZANDO IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO

AVALIAÇÃO DE ÁREA PLANTADA DE CANA-DE-AÇÚCAR NA REGIÃO NOROESTE DO RIO GRANDE DO SUL POR MEIO DE IMAGENS ORBITAIS.

ANÁLISE ESPAÇO-TEMPORAL DO CULTIVO DE MILHO EM SERGIPE, COM AUXÍLIO DE NDVI/EVI- SENSOR MODIS, NO PERÍODO DE

DETECÇÃO AUTOMÁTICA DAS ÁREAS DE REFORMA DENTRO DAS ÁREAS DE CANA-DE-AÇÚCAR (Projeto CANASAT)

IMPACTO DA MECANIZAÇÃO DA COLHEITA DA CANA-DE-AÇÚCAR NAS ÁREAS DECLIVOSAS DO ESTADO DE SÃO PAULO

PROGRAMA DE ENSINO. Área de Concentração AQUISIÇÃO, ANÁLISE E REPRESENTAÇÃO DE INFORMAÇÕES ESPACIAIS

Anais XVI Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE

IMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES

Dados mono e multi-temporais MODIS na estimativa da área plantada com soja no estado do Mato Grosso

ANÁLISE DA EXPANSÃO DE ÁREAS AGRÍCOLAS NO SUL DO ESTADO DO MARANHÃO

Mapeamento da expansão agrícola no estado do Mato Grosso em 11 anos a partir de técnica baseada em séries temporais de imagens de NDVI

Avaliação da conversão do uso e ocupação do solo para cana-de-açúcar utilizando imagens de sensoriamento remoto

USE OF REMOTE SENSING IN THE MAPPING OF FOREST COVER, CITIES AND WATER BODIES AT THE STATE OF PARANA

CLASSIFICAÇÃO PIXEL A PIXEL DE CULTIVOS CAFEEIROS EM IMAGEM DE SATÉLITE DE ALTA RESOLUÇÃO

INFLUÊNCIA DE CONDIÇÕES CLIMÁTICAS DISTINTAS NA ESTIMATIVA DE ÁREA CULTIVADA DA CULTURA DA SOJA A PARTIR DE DADOS DE SENSORIAMENTO REMOTO

Superfícies de resposta espectro-temporal de imagens do sensor MODIS. para classificação de área de soja no Estado do Rio Grande do Sul

8ºCongresso Interinstitucional de Iniciação Científica CIIC a 14 de agosto de 2014 Campinas, São Paulo

Superfícies de resposta espectro-temporal de imagens do sensor MODIS para classificação de área de soja no Estado do Rio Grande do Sul

Mapeamento de áreas ocupadas com cana-de-açúcar no município de Campo Florido por meio de imagens Landsat / TM

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

Mapeamento da cultura da soja com imagens Landsat 5/TM utilizando algoritmos de classificação supervisionada

Avaliação do desempenho dos classificadores Isoseg e Bhattacharya para o mapeamento de áreas de cana-de-açúcar no município de Barretos-SP

Acompanhamento do crescimento vegetativo da cana-de-açúcar por meio de séries temporais de NDVI do sensor Modis

MAPEAMENTO E ANÁLISE DOS DESMATAMENTOS NO BIOMA CERRADO PARA O PERÍODO

Comparação de classificadores para o mapeamento de culturas agrícolas anuais em Campo Novo do Parecis MT, utilizando NDVI/MODIS.

ESTIMATIVA DE ÁREA PLANTADA COM SOJA ATRAVÉS DE IMAGENS LANDSAT EM MUNICÍPIOS DO NORTE DO PARANÁ

Classificação de áreas algodoeiras utilizando séries temporais de imagens Modis

VII Congresso Interinstitucional de Iniciação Científica CIIC a 15 de agosto de 2013 Campinas, São Paulo

Avaliação da exatidão do mapeamento da cultura do café no Estado de Minas Gerais

GEOTECNOLOGIAS APLICADAS NO MONITORAMENTO DA CULTURA DA SOJA

CLASSIFICAÇÃO DO USO E COBERTURA DO SOLO NO LITORAL SUL DE ALAGOAS UTILIZANDO O PRODUTO MODIS-EVI

UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ CAMPUS CASCAVEL CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AGRÍCOLA

Análise de séries temporais EVI/MODIS para a estimativa da área cultivada com soja no Rio Grande do Sul.

APLICAÇÃO DO SENSORIAMENTO REMOTO NA AVALIAÇÃO DA QUALIDADE VISUAL DA PAISAGEM: PRIMEIROS RESULTADOS EXPERIMENTAIS

Máscara de cultivo de culturas de verão da safra 2009/2010 no estado do Paraná. Jean Thiago Grassi¹ Flávio Deppe ¹ Romario Trentin ¹ Marciel Lohmann ¹

Sensoriamento Remoto

Cidade Universitária Zeferino Vaz Campinas - SP

Avaliação de algoritmos de classificação supervisionada para imagens do Cbers-2 da Região do Parque Estadual do Rio Doce-MG

Obtenção de dados espaciais e temporais das culturas agrícolas no estado do Paraná

Área verde por habitante na cidade de Santa Cruz do Sul, RS

Anais 2º Simpósio de Geotecnologias no Pantanal, Corumbá, 7-11 novembro 2009, Embrapa Informática Agropecuária/INPE, p

Instituto Nacional de Pesquisas Espaciais - INPE Curso de Pôs Graduação em Sensoriamento Remoto

Aplicação da análise harmônica em séries temporais de EVI2/MODIS para áreas de cana-de-açúcar na Região Administrativa de Ribeirão Preto

ANÁLISE DA TRANSFORMAÇÃO DE ÁREAS CANAVIEIRAS E CAFEEIRAS NO MUNICÍPIO DE ALFENAS-MG COM IMAGENS ORBITAIS

Monitoramento de soja através do uso de imagens de satélite: regiões de Tabaporã e de Sinop, Mato Grosso

Diferenciação de áreas cana de açúcar e pastagem através de técnicas de mineração de dados

Avaliação da influência do número de amostras de treinamento no índice Kappa

Avaliação de NDVI em pixels não-puros do sensor SPOT Vegetation. Jeferson Lobato Fernandes 1 Sérgio Galdino 1, 2 Jansle Vieira Rocha 1

Seminário Imagens de Satélite

AVALIAÇÃO DA EXPANSÃO DA CANA-DE-AÇÚCAR SEGUNDO OS CRITÉRIOS DE SUSTENTABILIDADE DA DIRETIVA EUROPEIA 2009/28/CE: ESTUDO DE CASO DE RANCHARIA - SP

IMPACTO DA MECANIZAÇÃO DA COLHEITA DA CANA-DE-AÇÚCAR NAS ÁREAS DECLIVOSAS DO ESTADO DE SÃO PAULO

O uso do Sensoriamento Remoto na agricultura

ANÁLISE TEMPORAL DE USO/COBERTURA DO SOLO DO MUNICÍPIO RIACHÃO DAS NEVES BA

USO DE IMAGENS TM LANDSAT 5 PARA ANÁLISE DO ALBEDO E SALDO DE RADIAÇÃO NA BACIA HIDROGRÁFICA DO CAMARAGIBE: DESTAQUE PARA SÃO LUIZ DO QUITUNDE-AL

Projeto TERRACLASS Cerrado. Mapeamento do Uso e Cobertura Vegetal do Cerrado

Ana Paula Barbosa 1 Alessandra Fagioli da Silva 2 Célia Regina Lopes Zimback 2 Sérgio Campos 2.

Verificação da acurácia da estimativa de área cultivada com soja através de classificação digital em imagens Landsat

Mapeamento do uso da terra baseado em imagem Ikonos II com a utilização de algoritmos classificadores por pixels e por regiões

Análise da expansão da área cultivada com cana-de-açúcar na região Centro-Sul do Brasil: safras 2005/2006 a 2008/2009

Avaliação de métodos de classificação para o mapeamento de remanescentes florestais a partir de imagens HRC/CBERS

Isaque Daniel Rocha Eberhardt

Pedro Quarto Júnior 1 Mileide de Holanda Formigoni 1 Alexandre Cândido Xavier 1 Julião Soares de Souza Lima 1

VII Congresso Interinstitucional de Iniciação Científica CIIC a 15 de agosto de 2013 Campinas, São Paulo

Monitoramento da evolução de cultivos de cana-de-açúcar nas safras 2008, 2009 e 2010 no estado do Paraná

AVALIAÇÃO DO ALBEDO EM ÁREAS AGRÍCOLAS IDENTIFICADAS A PARTIR DE ÍNDICES DE VEGETAÇÃO

Comparação entre estimadores por expansão direta e por regressão no cálculo da área de milho e soja

Análise das Estimativas de Área de Soja no Estado do Rio Grande do Sul Geradas por Imagens NDVI/MODIS Coleções 4 e 5

Alterações no padrão de cobertura da terra na Zona Oeste da cidade do Rio de Janeiro/RJ nos anos de 1985 e DOMINIQUE PIRES SILVA

O uso de máscaras para seleção automática de áreas plantadas com soja no estado de São Paulo

3 Simpósio Internacional de Agricultura de Precisão

PERFIS TEMPORAIS DE NDVI E O RENDIMENTO DE ARROZ IRRIGADO NAS REGIÕES ORIZÍCOLAS DO RIO GRANDE DO SUL

Estimativa da área de soja no Mato Grosso por meio de imagens MODIS

COMPARAÇÃO TEMÁTICA DE IMAGENS FUSIONADAS E NÃO FUSIONADAS RESUMO ABSTRACT

AVALIAÇÃO DO USO DO MODELO LINEAR DE MISTURA ESPECTRAL NA DISCRIMINAÇÃO DE FITOFISIONOMIAS DO CERRADO

UTILIZAÇÃO DE ÍNDICE DE VEGETAÇÃO PARA ÁREAS PRÓXIMAS AO RESERVATÓRIO EPITÁCIO PESSOA DURANTE PERÍODO DE CRISE HÍDRICA ( )

André Moscardo Salles Almeida Luz 1 Rita de Cassya Almeida Sousa 1 Edison Crepani 1 Juliano Vieira de Paula ¹

HISTÓRICO DE DADOS. Evolução da área de cana cultivada. Milhões de ha. Fonte de dados safra 2003 a 2013: INPE

Mapeamento de Uso da Terra através de utilização de imagens CBERS

MAPEAMENTO DO USO DO SOLO EM PARTE DA REGIÃO NORDESTE DO ESTADO DE SÃO PAULO E TRIÂNGULO MINEIRO - MG UTILIZANDO IMAGENS LANDSAT -TM E CBERS 2B

CLASSIFICAÇÃO SUPERVISIONADA EM IMAGEM ALOS PARA O MAPEAMENTO DE ARROZ IRRIGADO NO MUNICÍPIO DE MASSARANDUBA SC

DINÂMICA DA COBERTURA DO SOLO BRASILEIRO - PROJETO TREES 3

Cristina Rodrigues Nascimento 1 Jurandir Zullo Junior 2

Uso de SIG para confecção de um mapa de uso e ocupação do solo do município de Bambuí-MG

Extração da cobertura vegetal de áreas urbanas utilizando imagens do satélite GeoEye-1

Definição da data de plantio para auxiliar o monitoramento da moratória da soja

Anais XVII Simpósio Brasileiro de Sensoriamento Remoto - SBSR, João Pessoa-PB, Brasil, 25 a 29 de abril de 2015, INPE

Transcrição:

Discordância global e análise de índices de acurácia para avaliação de mapeamentos de área de cana-de-açúcar no Paraná Clóvis Cechim Júnior 1 Jerry Adriani Johann 1 João Francisco Gonçalves Antunes 2 1 Universidade Estadual do Oeste do Paraná - UNIOESTE R. Universitária, 2069 - Caixa Postal 711 85819-110 - Cascavel - PR, Brasil {juniorcechim, jerry.johann}@hotmail.com 2 Embrapa Informática Agropecuária - CNPTIA Av. André Tosello, 209 - Caixa Postal 6041 13083-886 - Campinas - SP, Brasil joao.antunes@embrapa.br Abstract. The use of images orbital remote sensing in mappings of agricultural crops has been very used in virtue of its availability free, the which allows the development of methodologies low cost and efficient for agricultural monitoring, being for area estimation of direct form in a short and medium term or to verify the expansion of cultivated areas. The objective of this paper was to evaluate the accuracy of maps from the analysis of global disagreement formed by the components of quantity and allocation, for this it was used the supervised classification model Fuzzy ARTMAP in temporal series of EVI images of the orbital sensor MODIS of the TERRA and AQUA satellites for the mapping of sugarcane in the 2014/2015 year-harvest in Paraná State, South of Brazil. The accuracy assessment of the classification for the 2014/2015 crop year reached global accuracy of 97.69%, with a Kappa index of 0.84. The overall disagreement reached 0.59 in the component allocation and 1.97 in the quantitative component. The accuracy indexes used indicate the efficiency of the mapping generated by the Fuzzy ARTMAP classification in state. Key-words: remote sensing, image processing, space accuracy, sensoriamento remoto, processamento de imagens, acurácia espacial. 1. Introdução Dentre os maiores produtores de cana-de-açúcar, segundo dados da FAOSTAT (2014), destacam-se o Brasil com a média histórica entre 1961 a 2013, com 271,4 milhões de toneladas, seguido pela Índia com cerca de 207,5 milhões de toneladas. O Brasil, além de ser maior produtor de cana-de-açúcar do mundo também, é o primeiro produtor mundial de açúcar, responsável por 20% da produção mundial e 40% das exportações mundiais. É também o 2º produtor mundial de etanol, responsável por 20% da produção mundial e 20% das exportações mundiais (UNICA, 2015). De acordo com dados do IBGE (2016), o estado do Paraná produziu em média, no período de cinco anos compreendidos entre (2011 a 2015), 47,3 milhões de toneladas de canade-açúcar ao ano. O estado do Paraná representa 6,5% da área cultivada nacional e é o 4º maior produtor. O mapeamento e monitoramento de áreas cultivadas são essenciais para a elaboração de políticas publicas para o desenvolvimento agrícola (Johann et al., 2012; Lunetta et al., 2006). E a partir dos produtos disponibilizados por alguns sensores orbitais, como os índices de vegetação, têm sido muito utilizados em estimativas de área cultivada e da produtividade das culturas agrícolas. Isso demonstra a importância do sensoriamento remoto, seja para a classificação automatizada de culturas agrícolas como no monitoramento da cultura de canade-açúcar que foi feito no Centro-Sul do Brasil pelo projeto Canasat (Rudorff et al., 2010). 2470

Encaixam-se nessa conjectura os dados do sensor MODIS disponibilizados gratuitamente no banco de produtos MODIS na Base Estadual Brasileira (Esquerdo et al., 2010) usados para gerar mapeamentos e para estimar a área cultivada de diversas culturas como a cana-de-açúcar de forma rápida e objetiva sendo de extrema importância para todo o setor agrícola a nível nacional (Rudorff et al., 2010; Adami et al., 2012; Cechim Júnior et al., 2015; Duft et al., 2015; Antunes et al., 2015). Porém para validar as metodologias geradas se faz uso de métricas estatísticas que tem a finalidade de avaliar o desempenho dos classificadores e a acurácia dos mapeamentos por meio de sua exatidão e precisão, as métricas mais usadas para comparação de mapas usada para esta avaliação são o índice kappa e a exatidão global juntamente com seus erros de omissão e inclusão. Neste trabalho, será apresentada uma avaliação usando uma medida auxiliar conforme metodologia proposta por Pontius e Millones (2011), a partir do uso da discordância global que é formada pelas componentes quantidade e alocação, sendo utilizado o mapeamento de cana-de-açúcar do ano-safra de 2014/2015, feito por meio do modelo de classificação supervisionado Fuzzy ARTMAP usado por Antunes et al. (2015) no estado de São Paulo e Cechim Júnior et al. (2015) no estado do Paraná, comparado com o mapeamento feito pelo projeto Canasat usado como referência para a validação. 2. Material e Métodos O resultado gerado na serie temporal de imagens de EVI do sensor MODIS (Huete et al., 1997; Huete et al., 1999; Huete et al., 2002) partir das classificações Fuzzy ARTMAP foram estatisticamente analisados para avaliar a acurácia e determinar o nível dos erros entre as estimativas de área cultivada. A acurácia do mapeamento gerado pela classificação Fuzzy ARTMAP para o ano-safra 2014/2015 foi avaliada com base em Pontius e Millones (2011). A matriz de erros foi transformada em matriz de proporções, que apresenta estimativas imparciais e não tendenciosas para toda a população, ou para toda a área em estudo. A exatidão global mede a concordância das proporções classificadas corretamente na diagonal principal da matriz. O índice Kappa mede a concordância e faz a comparação de um mapa gerado por uma classificação com um mapa de referência que pode ter dois tipos de aleatoriedade. As distribuições aleatória de quantidade e de alocação foram usadas para avaliar a precisão do mapeamento. A discordância global é calculada pela matriz que separa em duas componentes, e estas podem ter diferentes interpretações. A metodologia de Pontius e Millones (2011) deriva de uma única matriz de confusão que, como variáveis de entrada, devem ser inseridas os conjuntos amostrais das classes em estudos que são comparados com todo o conjunto populacional de pixels das classes presentes no mapeamento gerado. As medidas estatísticas utilizadas foram à exatidão global, o índice Kappa e a discordância global composta pela componente de quantidade, que é a classificação de proporções incorretas de pixels nas classes e pela componente de alocação, que representa a distribuição espacial incorreta de pixels nas classes. A acurácia das classificações geradas pela classificação Fuzzy ARTMAP para o ano-safra 2014/2015 foi avaliada a partir de amostras adquiridas por amostragem aleatória estratificada proporcional nas classes de cana-de-açúcar e não cana-de-açúcar, usando como referência os mapas temáticos do Canasat, dando origem à matriz de confusão (Tabela 1). Várias medidas de precisão da classificação podem ser derivadas a partir da matriz de confusão, porém, a exatidão global é uma das mais conhecidas (Foody, 2002). A matriz de confusão é calculada pela comparação entre a localização e a classe de cada pixel da referência com o local correspondente da classe da imagem gerada pela classificação. 2471

Cada coluna da matriz de confusão representa uma classe de referência, e os valores contidos na coluna correspondem ao número de pixels em cada classe da classificação que está ocorrendo quando se compara cada classe da referência. Tabela 1 Matriz de confusão Referência Cana j = 1 Não cana j = 2 Soma Total Classificação Cana i = 1 n 11 (VP) n 12 (FP) Σn 1j N 1 Não Cana i = 2 n 22 (FN) n 22 (VN) Σn 2j N 2 em que: n ij = amostras da classe de referência j ocorrendo na classe i; Σn ij = soma das amostras da classe de referência j ocorrendo na classe i; N i = total de amostras da classe i; VP = verdadeiro positivo; FP = falso negativo; VN = verdadeiro negativo. A matriz de confusão pode mostrar a distribuição de classe em percentagem para cada classe de referência. Os valores são obtidos ao se dividirem as contagens de pixels em cada coluna de referência pelo número total de pixels em determinada classe de referência. Os erros de comissão representam os pixels que pertencem à outra classe, os quais são marcados como pertencentes à classe de interesse. Os erros de comissão são mostrados nas linhas da matriz de confusão. Os erros de omissão representam os pixels que pertencem à classe de referência, mas a técnica de classificação não conseguiu classificá-los para a classe correta. Os erros de omissão são mostrados nas colunas da matriz de confusão. Por meio da matriz de confusão se obtém a matriz de proporções que evidencia a proporção das amostras de pixels, estimadas nas classes de referência (Tabela 2). em que: Tabela 2 Matriz de proporções Classificação Referência Cana j = 1 Não cana j = 2 Total Cana i = 1 p 11 p 12 Σp 1j Não cana i = 2 p 21 p 22 Σp 2j Total Σp i1 Σn i2 1,0 p ij = proporções de amostras da classe de referência j representada na classe i; Σp ij = soma da proporção de amostras da classe de referência j ocorrendo na classe i; onde p ij é calculado pela Equação 1. (1) 2472

A análise dos resultados do mapeamento consistiu na avaliação da acurácia com os Índices Kappa e Exatidão Global (EG) (Congalton, 1991; Congalton e Green, 1999), (Equações 2 e 3), e na discordância global das classes cultivadas com e sem cana-de-açúcar. (2) (3) em que: n = número de observações (pixels amostrais); A = acerto geral (pixels amostrais classificados corretamente); m = número de pixels amostrais; r = número de linhas da matriz de erro; x ij = observações na linha i e coluna i; x i = total marginal da linha i; x j = total marginal da coluna j. 3. Resultados e Discussão O resultado da classificação supervisionada por Fuzzy ARTMAP para o ano-safra 2014/2015 foi usado para avaliar os índices de acurácia (Figura 1) o que consistiu na comparação dos pixels de referência, adquiridos a partir do mapa proveniente Canasat. Foram usados 10.531 pixels para gerar a matriz de confusão (Tabela 3) e a matriz de proporções (Tabela 4). Desses, 907 pixels da classe de cana e 9.624 pixels da classe correspondente a não cana, a partir da matriz erro foram calculadas as demais medidas estatísticas. Figura 1. Modelo de classificação Fuzzy ARTMAP ano-safra 2014/2015. A avaliação da acurácia da classificação para o ano-safra 2014/2015 atingiu a exatidão global de 97,69%, com um índice Kappa de 0,84. Conforme análise das medidas estatísticas obtidas, pode-se inferir que o mapeamento obtido pode ser considerado de qualidade temática muito boa, com alto valor de exatidão. Tais dados corroboram com o mapeamento temático 2473

do projeto Canasat da safra 2010/2011 na região Centro-Sul com exatidão de 98% e com um erro de subestimativa de área plantada de cana-de-açúcar de 0,5%. A validação foi realizada por uma campanha de campo nos estados de São Paulo, Minas Gerais e Paraná, mostrando a excelente qualidade temática do mapeamento realizado pelo projeto. Sendo assim, também são esperados resultados com elevado nível de acurácia para as demais safras, devido ao método consistente de interpretação visual (Adami, et al., 2012). Tabela 3 Matriz de confusão para determinação de índices de acurácia Matriz de confusão Ano-safra Referência Total 2014/2015 Cana Não cana Amostral Populacional Cana 678 65 739 117.721 Classificação Não cana 229 9.555 9.784 3.409.722 Total 907 9.624 10.531 3.527.443 A partir da matriz de confusão, foi obtida a matriz de proporções, calculada por meio de planilhas eletrônicas do Excel, desenvolvidas por Pontius (2014). A matriz evidencia a proporção das amostras de pixels estimadas nas classes de referência (Tabela 4). A Tabela 4 expressa a proporção estimada da área de estudo que é a classe (i) no mapa de comparação e a classe (j) no mapa de referência. Desta forma, a tabela apresenta as estimativas imparciais sobre as proporções para a área total em estudo. De acordo com a tabela, é possível o cálculo das métricas estatísticas, como os erros de omissão e comissão e a discordância de quantidade e discordância de alocação. Tabela 4 Matriz de proporções Matriz de confusão Ano-safra Referência 2014/2015 Cana Não cana Total Cana 0,03 0,003 0,03 Classificação Não cana 0,02 0,95 0,97 Total 0,05 0,95 1,00 As medidas dos parâmetros quantidade e alocação de discordância resumem uma matriz cruzada. As demais medidas estatísticas, para avaliar a acurácia dos mapeamentos, foram calculadas de acordo com Pontius e Millones (2011). Em função do índice Kappa calcular a acurácia fundamentando-se na aleatoriedade surge como opção a análise da Discordância Global, que é composta pela componente Quantidade, considerada como a classificação de proporções incorretas de pixels nas classes e pela componente Alocação que se refere à distribuição espacial incorreta de pixels nas classes. Tais componentes fornecem informações complementares e adicionais que auxiliam na explicação do erro nos mapeamentos. A Figura 2 evidencia o gráfico com os erros de omissão e comissão, para as classes avaliadas de cana-de-açúcar e não cana-de-açúcar, em relação à porcentagem da área em estudo. 2474

Classes Classes Acurácia Omissão Exatidão Comissão Não Cana 94,39 Cana 3,05 0 20 40 60 80 100 120 Porcentagem da Área de Estudo Figura 2. Erros de omissão e comissão para as classes de cana e não cana em relação à porcentagem da área de estudo. Apesar das amostras de treinamento serem adquiridas de forma homogênea, esse nível mais elevado do erro de omissão da classe cana-de-açúcar (Figura 2) foi o mesmo observado por Antunes et al. (2015) e está associado à variabilidade espectral inerente da cultura ao longo do seu ciclo de desenvolvimento vegetativo, o que ocasiona maior confusão espectral no reconhecimento do padrão espectro-temporal da cultura pelo classificador. As intensidades dos erros de omissão e comissão, para as classes de cana e não cana é dada em relação à porcentagem de cada uma das classes (Figura 3). Intensidade de Omissão Intensidade de Comissão Discordância Global Não Cana 0,31 2,34 Cana 8,75 42,56 0 5 10 15 20 25 30 35 40 45 Classe Intensidade (Porcentagem da classe) Figura 3. Intensidade dos erros de omissão e comissão para as classes de cana e não cana. Duft et al. (2015) compararam a área estudada da bacia hidrográfica do Rio Paranaíba, os dados obtidos pelos mapeamentos da cultura de cana-de-açúcar gerados com séries de imagens temporais de EVI e NDVI do MODIS com os dados do Canasat e verificaram, para o ano-safra de 2009/2010, que houve uma subestimação de 6,2% para o mapeamento feito por EVI. Este resultado também foi encontrado no Paraná em regiões mais ao Sul do estado onde os cultivos de cana-de-açúcar não são muito significativos e em virtude da resolução do MODIS (250m) fez com que pixels de bordas de talhões não fossem selecionados pela máscara. 2475

Difeerença (Porcentagem da Área de Estudo) No gráfico da discordância global do ano-safra 2014/2015, formado pelas porcentagens da componente de alocação e quantidade (Figura 4), se observa que a contribuição da componente de quantidade na discordância total foi maior que a componente de alocação, o que implica maiores proporções incorretas de pixels designados nas classes. 3,00 2,50 2,00 Discordância Global 0,59 1,50 1,00 0,50 1,97 Quantidade Alocação 0,00 Figura 4. Discordância global formada pelas componentes quantidade e alocação. 4. Conclusões O erro de omissão da classe cana-de-açúcar pode indicar uma tendência à subestimação de áreas de cultivo da cultura provavelmente em algumas regiões mais ao sul do estado onde a concentração de cana-de-açúcar não é muito significativa. A discordância global formada pelas componentes quantidade e alocação demonstrou-se uma medida estatística auxiliar que pode ser usada juntamente com as medidas estatísticas convencionais como a exatidão global e o índice Kappa, na avaliação de acurácia de mapeamentos, o que permite explicar os erros gerados entre o mapa de referencia e o mapeamento gerado independentemente do tipo de classificação. 5. Agradecimentos À coordenação de Aperfeiçoamento de Pessoal de Nível Superior Capes e Fundação Araucária pelo apoio financeiro, ao Programa de Pós-graduação Stricto Sensu em Engenharia Agrícola (PGEAGRI) pela oportunidade bem como ao Laboratório de Estatística Aplicada (LEA) da UNIOESTE/Campus Cascavel, pela infraestrutura disponibilizada para realizar este trabalho. 6. Referências Antunes, J. F. G; Lamparelli, R. A. C; Rodrigues, L. H. A. Mapeamento do cultivo da cana-de-açúcar por meio da classificação de séries temporais de dados MODIS. In: Simpósio Brasileiro de Sensoriamento Remoto (SSBR), 2015, João Pessoa. Anais... São José dos Campos: INPE, 2015. 2476

Adami, M.; Mello, M. P.; Aguiar, D. A.; Rudorff, B. F. T.; Souza, A. F. A web platform development to perform thematic accuracy assessment of sugarcane mapping in South-Central Brazil. Remote Sensing. 2012, 4, 3201-3214. Cechim Júnior, C.; Johann, J. A.; Antunes, J. F. G. Mapeamento de cana-de-açúcar por meio da classificação de séries temporais de EVI do sensor MODIS no estado do Paraná. In: VI Simpósio em Estatística Espacial e Modelagem de Imagens, 2015, Toledo. Anais... Toledo: SEEMI, 2015. Congalton, R. G. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, v.37, p.35-46, 1991. Congalton, R. G.; Green, K. Assessing the accuracy of remotely sensed data: principles and practices. Boca Raton: CRC Press, 1999. 160p. Duft, D. G.; Picoli, M. C, M.; Scarpare, F. V.; Hernades, T. A. D.; Galdos, M. V. Comparação do desempenho de índices de vegetação do sensor MODIS para mapeamento sistemático da cana-de-açúcar. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 2015, João Pessoa. Anais... São José dos Campos: INPE, 2015. Esquerdo, J. C. D. M.; Antunes, J. F. G.; Andrade, J. C. Desenvolvimento do banco de produtos MODIS na Base Estadual Brasileira. (Comunicado Técnico, 100) - Campinas: Embrapa Informática Agropecuária, 7 p., 2010. FAOSTAT - Food and Agriculture Organization of the United Nations Statistics Division. Production, 2014. Disponível em: <http://faostat3.fao.org/dowload/q/qc/e>. Acesso em: 14 mar. 2014. Foody, G. M. Status of land cover classification accuracy assesment. Remote Sensing of Environment, v. 80, n. 1, p. 185-201, 2002. Huete, A.; Didan, K.; Miura, T.; Rodriguez, E. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, v. 83, n.1-2, p. 195-213, 2002. Huete, A.; Justice, C.; Leeuwen, W. V. MODIS vegetation index (MOD 13) algorithm theoretical basis document. 1999. Disponível em: <http://modis.gsfc.nasa.gov/data/atbd_mod13.pdf>. Acesso em: 24 mar. 2016. Huete, A.; Liu, H. Q.; Batchily, K.; Leween, W. A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote Sensing of Environment, n. 59, p. 440-451, 1997. IBGE - Instituto Brasileiro de Geografia e Estatística. Banco de Dados Agregados: Sistema IBGE de Recuperação Automática SIDRA. 2016. Disponível em: <http://www.sidra. ibge.gov.br>. Acesso em: 24 fev. 2016. Johann, J. A.; Rocha, J. V.; Duft, D. G.; Lamparelli, R. A. C. Estimativa de áreas com culturas de verão no Paraná, por meio de imagens multitemporais EVI/Modis. Pesquisa Agropecuaria Brasileira, n. 9, v. 47, p. 1295-1306, 2012. Lunetta, R. L.; Knight, F. K.; Ediriwickrema, J.; Lyon, J. G.; and Worthy, L. D. 2006. Landcover change detection using multi-temporal MODIS NDVI data. Remote Sensing of Environment, 105, 142-154. Pontius, R. G.; Millones, M. Death to Kappa: birth of quantity disagreement and allocation disagreement for accuracy assessment. International Journal of Remote Sensing, v. 32, n. 15, p. 4407-4429, 2011. Rudorff, B. F. T.; Aguiar, D. A.; Silva, W. F., SugawarA, L. M., Adami, M., Moreira, M. A. Studies on the rapid expansion of sugarcane for ethanol production in São Paulo State (Brazil) using Landsat data. Remote Sensing, v. 2, n. 4, p. 1057-1076, 2010. UNICA - União da indústria de cana-de-açúcar. Maior produtor mundial de cana-de-açúcar. 2015. Disponível em: <http://www.unica.com.br/faq/>. Acesso em: 09 set. 2015. 2477