V Co ló qu i o B ra si l ei ro d e Ci ên ci a s Geo d ési ca s ISSN 1981-6251, p. 910-914 ANÁLISE DE MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA APLICADA AO DESMATAMENTO NO MUNICÍPIO DE MARABÁ UTILIZANDO IMAGENS CCD - CBERS RAFAELLA CHRYSTIANE DE MOURA MATOS 1 ANA LÚCIA BEZERRA CANDEIAS 1 ADILSON VIANA SOARES JR. 2 Universidade Federal de Pernambuco -UFPE 1 Centro de Tecnologia e Geociências - CTG Departamento de Engenharia Cartográfica, Recife PE Instituto de Estudos Superiores da Amazônia - IESAM 2 Centro de Informática rafa_cmm@yahoo.com.br analucia@ufpe.br avsoares@gmail.com RESUMO Este trabalho apresenta uma análise sobre os métodos de classificação supervisionada presentes no software para processamento de imagens Envi 4.2 no que diz respeito a desmatamento. Para o desenvolvimento desta análise foi utilizada uma imagem de média resolução proveniente do satélite CBERS-CCD, a área escolhida foi o município de Marabá, no Estado do Pará. Foi realizada uma análise multitemporal do município entre os anos de 2004 e 2006, além de calculada a área de cobertura vegetal. Com o resultado das classificações em mãos pode-se verificar a diferença de resultados de cada classificação, além de se chegar a conclusão que o desmatamento no município de Marabá pode ser monitorado através da metodologia mostrada. ABSTRACT This work shows an analysis about the methods of supervised classification presented in the software for image processing Envi 4.2 in respect of deforestation. To develop this analysis was used an image of media resolution proceeding from the satellite CBERS-CCD, the area that was chosen was Marabá City, in Pará State. Was realized a multitemporal analysis in the city between the years of 2004 and 2006, was calculated the area of vegetal covering also. With the results in hands it could be verified the difference of results for each classification, besides to conclude that the deforestation in the city of Marabá can be monitored through the methodology that was shown. 1 INTRODUÇÃO O desmatamento na região amazônica gera uma série de alterações no ecossistema, bem como perdas ambientais substanciais, impacto sobre o solo, sobre o ciclo hidrológico entre outros. O Instituto Nacional de Pesquisas Espaciais (INPE) vem estudando ao longo das últimas décadas este desmatamento, e possui um programa específico para este estudo o PRODES (INPE, 2005). Neste trabalho avaliam-se os métodos de classificação supervisionada incluídos no software Envi 4.2 para uma área onde esse desmatamento ocorre de forma acelerada no Estado do Pará. Alguns fatores que contribuem para o desmatamento na região são: construção de novas estradas, extração madeireira e política de incentivos fiscais para ocupação da Amazônia (IPAM, 1997). A área escolhida para aplicação da metodologia para visualizar o desmatamento ocorrido é a região do município de Marabá, identificada na Figura 1. Esta é a principal cidade do eixo sul-sudeste do Estado do Pará, situada entre os paralelos 05 22 07 de latitude sul e 49 07 04 de longitude oeste, localizada as margens dos rios Tocantins e Itacaiúnas, a 475 km da capital Belém. Marabá é uma cidade localizada em uma área conhecida como Arco do Desmatamento. O arco do desmatamento é uma área que se estende do Maranhão ao Acre abrangendo uma área composta por 524 municípios como pode ser observado na Figura 2. Esta área onde está localizada o município sofre principalmente com a extração madeireira para fornecimento às siderúrgicas produtoras de ferro-gusa,
que é a matéria-prima para fabricação do aço. No lugar estão sendo plantadas árvores de eucalipto que alteram a paisagem. Como conseqüência deste desmatamento podese destacar a perda da biodiversidade, perda da produtividade do solo, mudanças no regime hidrológico, entre outros (FEARNSIDE, 2005) O sensoriamento remoto entra neste caso como uma técnica para analisar, entre outros fatores, os diversos estágios do desmatamento ocorridos sobre a cobertura vegetal através da análise as imagens de satélite. Além disto, uma análise multitemporal sobre as imagens do satélite CBERS do município de Marabá nos anos de 2004 e 2006 mostram o grau de evolução deste desmatamento. da área, onde há a presença de áreas planas próximas ao rio e áreas mais movimentadas. Percebe-se que comparando as Figuras 3 e 3 que desmatamento está ocorrendo principalmente nas áreas mais planas ou com relevo não muito acidentado. Figura 1 Área de estudo: região de Marabá PA. Fonte: Maragusa. Figura 3 Área de Marabá. Imagem TM de Marabá na articulação compatível com a escala 1:50.000 (IBGE) e Resultado obtido pelo SRTM na articulação compatível com a escala 1:50.000 (IBGE). Fonte: http://www.relevobr.cnpm.embrapa.br/pa/index.htm. 2 OBJETIVOS Analisar métodos de classificação supervisionada aplicados ao desmatamento, utilizando como base o município de Marabá (PA) a partir de uma análise multitemporal sobre as imagens da região entre os anos de 2004 e 2006. Figura 2 Arco do desmatamento. Fonte: INPE, 2005. A Figura 3 mostra um detalhe da região de Marabá onde se percebe grandes áreas de desmatamento próximas a cidade. Já na Figura 3 tem-se o resultado obtido pelo SRTM, onde é possível ver a geomorfologia 3 MATERIAIS E MÉTODOS 3.1 Materiais Os materiais e equipamentos utilizados compreendem: produtos orbitais, imagens fornecidas gratuitamente pelo Instituto Nacional de Pesquisas
Espaciais (INPE) capturadas pelo satélite CBERS em formato digital pela câmera CCD do satélite, de órbita/ponto 161/106, uma de 01 de Agosto de 2004 e a outra de 04 de Julho de 2006. Os meses são próximos para minimizar o efeito sazonal nas imagens. As bandas utilizadas para a composição colorida foram 3-4-2 respectivamente para os canais RGB, destacando as áreas de vegetação das áreas de solo exposto e rios. O pacote de software utilizado no processamento digital das imagens foi o Envi na versão 4.2, em ambiente Windows. 3.2 Método Foi realizado um levantamento de imagens do município de Marabá nos anos de 2004 e 2006. Para tal foram utilizadas imagens do satélite CBERS. O software Envi auxiliou na análise visual para identificação do conjunto de áreas referentes às classes vegetação, solo exposto e rios. Como critérios para identificar essas áreas foram selecionadas as regiões de mata densa. A partir da composição colorida CCD-CBERS 342, foram realizadas as classificações supervisionadas para melhor observação destas regiões de interesse citadas anteriormente. 3.3 Composição colorida As imagens de 2004 e 2006 foram importadas para o Envi e as composições coloridas foram obtidas seguindo a seqüência: canal (R): Banda 3; Canal (G): Banda 4; e Canal (B): Banda 2. Tal composição foi utilizada para observar a variação das classes já mencionadas, em destaque pode ser observada a vegetação em tons de verde, como pode ser visto na Figura 4 e na Figura 4. Figura 4 Composição colorida. ano de 2004 e ano de 2006. 3.4 Classificação supervisionada A classificação de uma imagem pode ser supervisionada ou não supervisionada, aqui optou-se por trabalhar com os métodos supervisionados: paralelepípedo, distância mínima, distância de Mahalanobis, máxima verossimilhança e mapa de ângulo espectral. Teve-se também o cuidado de trabalhar com o mesmo conjunto de amostras (regiões de interesse) para a avaliação dos métodos. Para realizar uma classificação supervisionada é necessário seguir as etapas (Sulsoft, 2006): (c) Definir as classes em que a imagem será dividida. Para a realização deste trabalho as imagens foram divididas em três classes distintas: vegetação, área de solo exposto e rio. Separar as regiões de interesse da cena com o auxílio da ferramenta ROI tool (Envi). Aplicação do algoritmo de classificação. As classes foram rotuladas de forma que obtivessem similaridade com os dados conhecidos da realidade. 3.4 Estatística Kappa Matematicamente, o coeficiente Kappa (k) mede a concordância estatística. Esta estatística é bastante
utilizada para medir a qualidade da classificação, bem como quantificar os valores entre os classificadores (LOBÃO, 2005). Ela pode ser definida por: Onde a exatidão total e a exatidão total (se houver independência) são dados respectivamente por θ1 e θ2. A matriz de confusão mostra as classes em questão e relaciona uma dada classe e a forma como foi classificada. Por exemplo: era vegetação e quanto desta classe foi realmente classificado como vegetação, como solo exposto ou como rio. A distância mínima foi um classificador muito bom tanto para o ano de 2004 quanto para o ano de 2006. É necessário, no entanto se analisar e campo e comparar com os resultados das classificações. Um monitoramento por sensoriamento remoto no município de Marabá e cidades vizinhas seria de grande ajuda para verificar a tendência de crescimento do desmatamento e tentar propor formas para conter seu avanço. Não devem ser descartadas as pesquisas de campo, pois somente o sensoriamento remoto não seria suficiente para monitorar essa área, além do que as informações obtidas por essa técnica não podem ser consideradas 100% realidade, logo essa técnica associada com as pesquisas de campo teriam um grande efeito sobre esse monitoramento para evitar que desmatamento desordenado continue afetando a região. A análise de áreas desmatadas, através de imagens de satélites, é de grande importância para o estudo da dinâmica da paisagem e como as ações de madeireiros e atividades agropecuárias afetam essa dinâmica. 4 RESULTADOS E CONSIDERAÇÕES FINAIS A Figura 5 mostra a aplicação dos métodos de classificação para uma subárea analisada nos anos de 2004 e 2006. Percebe-se que cada classificador irá gerar um resultado diferente. A estatística Kappa pode auxiliar na escolha da melhor classificação. Porém deve-se observar que para a classificação supervisionada, as amostras são obtidas de forma subjetiva, podendo contaminar o resultado da estatística Kappa. Quanto mais próximo o valor do coeficiente Kappa for de 1, melhor teoricamente será a classificação. Observando a Tabela 1, para o ano de 2004 o pior valor foi para a classificação com o mapeador de ângulo espectral, já para o ano de 2006 o pior resultado foi para o método do paralelepípedo. O método mais tradicionalmente utilizado de classificação é o da máxima verossimilhança, que apresenta resultados muito bons tanto em 2004 quanto em 2006. O método da distância de Mahalanobis obteve desempenho muito bom para os dois anos analisados e observando a Figura 5 (f) e a Figura 5 (g) com as imagens originais Figura 5 e Figura 5, tem-se uma impressão de um resultado adequado para a classificação. (c) (e) (d) (f)
REFERÊNCIAS CENTENO, Jorge Antônio Silva. Sensoriamento remoto e processamento de imagens digitais. Curitiba: Ed. Curso de Pós Graduação em Ciências Geodésicas, UFPR, 2004. CRÓSTA, A. P. Processamento digital de imagens de sensoriamento remoto. Campinas: IG/UNICAMP, 1992. (g) (i) (h) (j) FEARNSIDE, P. M. Desmatamento na Amazônia brasileira: história, índices e conseqüências. Anais... Manaus: INPA, 2005. IPAM. Relatório Técnico sobre o Uso do Fogo na Amazônia: Estudo de caso ao longo do arco do desmatamento. Belém, Pará, 1997, 54 pg. LOBÃO, J.S. B. et. Al. Aplicação dos índices Kappa & PABAK na validação da classificação automática de imagem de satélite em Feira de Santana BA. Anais...Goiânia: INPE, 2005. SULSOFT. Guia do Envi em Português. Disponível em: <http://www.200.175.93.14/site/guia_envi/index.htm> acesso em: 20 Out. 2006 Figura 5 Imagens originais e classificações supervisionadas. imagem CBERS 2004 imagem CBERS 2006 (c) mínima distância: ano de 2004 (d) mínima distância: ano de 2006 (e) distância Mahalanobis: ano de 2004 (f) distância Mahalanobis: ano de 2006 (g) máxima verossimilhança: ano de 2004 (h) máxima verossimilhança: ano de 2006 (i) mapeador de ângulo espectral: ano de 2004 (j) mapeador de ângulo espectral: ano de 2006. Imagens gratuitas fornecidas pelo INPE podem auxiliar neste processo. Além disto, com os dados disponibilizados em altimetria (SRTM) da EMBRAPA, podem fornecer um detalhamento tridimensional do terreno. Os métodos não supervisionados devem ser também testados, bem como outros métodos com análise por região. Tabela 1 Coeficiente Kappa no Envi Método de Classificação 2004 2006 Paralelepípedo 0.9577 0.8776 Mínima Distância 0.9724 0.9974 Distância Mahalanobis 0.9986 0.9973