UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE HIDRÁULICA E SANEAMENTO PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIAS DA ENGENHARIA AMBIENTAL DISCIPIANA: SEA 5825 SENSORIAMENTO REMOTO APLICADO A AMBIENTES AQUÁTICOS Professora: Evlyn de Morais Novo RELATÓRIO DA APLICAÇÃO DE SENSORIAMENTO REMOTO PARA A IDENTIFICAÇÃO DE CORPOS AQÜÁTICOS SOBRE A REGIÃO DO MUNICÍPIO DE SÃO JOSÉ DOS CAMPOS José Anderson do N. Batista São Carlos-SP Janeiro/2002
2/2/ ÁREA DE ESTUDO A região adotada para a aplicação de tecnologias de análise de dados obtidos de sensoriamento remoto está compreendida na imagem L71219076, compreendendo a região da grande São Paulo, Campinas, São José dos Campos e parte do litoral do Estado de São Paulo. O município de São José dos Campos está localizado entre o rio Paraíba e o reservatório do Paraibuna. A região adotada é, portanto, caracterizada por ÁREAS URBANAS, ÁREAS DE CULTIVO AGRÍCOLA e ÁREAS DE FLORESTA e SOLOS EXPOSTOS. OBJETIVO Identificar corpos d'água apresentados na cena adotada, visando a aplicação das informações de hidrografia à construção de um modelo hidráulico de utilização de um aqüífero freático. JUSTIFICATIVA A distinção entre os alvos a serem mapeados: água, ocupação do solo e presença de solos; O advento de técnicas de construção de modelos hidráulicos a partir de mapas vetoriais que tem se estabelecido como metodologia. DISCUSSÕES Sistema Imageador O sensor de mapas temáticos (Tematic Maps) é um sensor multiespectral e está a bordo do TM-Landsat-7, uma plataforma orbital de aquisição e transmição de dados. A pesar de uma resolução espectral limitada em sete bandas (sendo três sobre a região do visível, três sobre o infravermelho e uma pan-cromática), possui uma alta resolução espacial, com um pixel de 25x25m. Alvos encontrados e Comportamento espectral dos alvos Florestas e culturas agrícolas
3/3/ Culturas agrícolas são caracterizadas principalmente como uma vegetação que nunca é densa e deixam transparecer seu substrato. Essa propriedade pode ser observada a partir da modificação do comportamento espectral da cultura quando imageada por sensor aerotransportado, ou seja, inserida no contexto do substrato. Se, por exemplo, o substrato é escuro, isso acarreta uma redução na reflectância obtida da cultura isolada, se o solo é claro, será observada uma redução da reflectância no comportamento do solo em face da presença da cultura. A vegetação natural apresenta maiores reflectâncias em todo o espectro, especialmente por freqüentemente serem encontradas na fase madura, quando a fotossíntese já é menor que na fase do crescimento. A radiação é refletida principalmente na região do infravermelho. Assim o dossel apresenta-se com ricos detalhes na região do infravermelho e por outro lado, pouca reflectância na banda termal. Em comparação com áreas de plantio, pode-se notar que, estas, nunca se apresentam maduras como a vegetação nativa. Solos expostos e urbanização Regiões de solo exposto têm altas reflectâncias em todas as regiões do espectro magnético. No entanto, este tipo de material assume também uma alta sensibilidade a modificações sobre sua constituição, sejam naturais ou induzidas. Na região do infravermelho próximo e médio, assim como a vegetação, os solos, e rochas, apresentam reflectâncias bem altas. Porém, é na banda termal que acontece o acentuamento de distinções entre solos e plantas. A reflectância dos solos na banda termal é das mais altas obtidas deste material, ao passo que dos vegetais esta é a banda de menores reflectâncias, como também na água. No caso de rochas, o que ocorre é também uma forte reflectância na banda azul (460-520nm), assim como em áreas urbanas. Água sem sedimento A água tem a característica de refletir muito pouca da energia luminosa incidida. O espectro da radiação refletida pela água ocupa em geral a faixa de comprimentos de onda entre 400-900nm, o que equivale à faixa do visível e o infravermelho próximo. Corpos d'água mais puros serão melhor evidentes pela característica da baixa reflectância. Água com sedimento
4/4/ Água com sedimento apresenta-se em conjunto com características observadas em regiões de solos expostos. O efeito da presença de solo em suspensão na água é semelhante ao resultado produzido pela presença de água em solos. Permanecem as proporções da distribuição espectral, porém, as reflectâncias são recalcadas, reduzidas pelo efeito de absorção de radiação pela água. Isso significa que águas carregadas apresentarão reflectâncias bem maiores que águas puras e próximas à reflectância captada de regiões de solos, porém na mesma região espectral. Áreas de extração de areia Áreas de extração de areia são áreas de solo exposto localizadas na várzea do rio Paraíba, facilmente confundidas no espectro visível. No entanto na banda 1 (460-520nm - banda azul) as áreas de solo exposto terão uma reflectância bem maior que áreas úmidas caracterizada pelo brilho. A figura 01 é um exemplo de comportamento espectral obtido em laboratório para diferentes amostras de água, solos e vegetação em diversos estados de condições. Estes espectros de radiação eletromagnética podem ser reduzidos ou simplificados para representar a distribuição de energia captada pelo sensor ETM do Landsat-7, ilustrada na figura 02. Confrontação 0,7 Reflectância 0,6 0,5 0,4 0,3 0,2 0,1 am13 am14 am62 Lat. Roxo Dist. Epieut. m. arg. plano Terra Roxa Estrut. Eut. A chernoz. m. arg. pedregosa ond. Lat. Vermelho-Amarelo Álico A mod. arg. fl. eq. subp. s. o Podz. Vermelho Esc. Tb Eut. A mod. méd./m. arg. fl. trop. subcad. forte ond. Folhas maduras Folhas inter. Folhas novas 0 0 500 1000 1500 2000 2500 3000 Lambda Figura 01 Comportamento espectral em laboratório
5/5/ Composição p/ bandas 0,7 0,6 0,5 0,4 0,3 0,2 am13 am14 am62 Lat. Roxo Dist. Epieut. m. arg. plano Terra Roxa Estrut. Eut. A chernoz. m. arg. pedregosa ond. Lat. Vermelho-Amarelo Álico A mod. arg. fl. eq. subp. s. o Podz. Vermelho Esc. Tb Eut. A mod. méd./m. arg. fl. trop. subcad. forte ond. Folhas maduras Folhas inter. Folhas novas 0,1 0 0 500 1000 1500 2000 2500 Lambda Figura 02 Distribuição do espectro dos alvos nas bandas Landsat-7 É interessante ressaltar que em uma análise digital, os aspectos de forma não são explorados, diferentemente da análise "analógica", ou visual, que associa as figuras disponíveis na memória para identificar as formas apresentadas na imagem. Isso significa que o processamento deve buscar ao máximo as ocorrências de distinção espectral entre os alvos de interesse para que daí seja encaminhada uma classificação eficiente. Bandas adotadas Foram utilizadas quatro das sete bandas disponíveis pelo sistema Landsat-7, que utiliza bandas do espectro visível e do infravermelho. Na banda azul, urbanização e alguns solos como na extração de areia na várzea do Paraíba se apresentam com reflectância bem maior que os demais alvos pela característica de serem bem difusores da radiação solar. As bandas 4 e 5, infravermelho próximo e médio respectivamente, são fortemente caracterizadas pela radiação refletida de plantas, seja de florestas, vegetação herbácea ou áreas de plantio. Na banda do infravermelho distante (2080-2350nm), ou termal, água limpa e água carregada podem ser apresentadas de forma idêntica, já que a presença de sedimentos não é capaz de diferenciar a temperatura da água no sensor TM.
6/6/ Processamento da Imagem Operações aritméticas: Correção Atmosférica Uma operação aritmética pode ser realizada pixel-a-pixel através de uma regra matemática definida, fornecendo como resultado uma banda modificada que permite a subtração, adição etc. de determinados efeitos registrados nas em cada banda. O efeito de difusão da radiação solar na atmosfera, é caracterizado pela presença de níveis digitais maiores que zero porém com ocorrências registradas fora do conjunto característico dos alvos terrestres. Dessa forma a correção atmosférica pode ser feita por operações aritméticas sobre as bandas do visível de forma a subtrair do histograma das bandas 1, 2 e 3 os níveis digitais que não pertencem ao conjunto característico dos alvos terrestres na banda examinada. Essa operação é fruto de relações empíricas para o comportamento espectral da atmosfera que apontam, de uma forma geral o decaimento da reflectância exponencialmente com o comprimento de onda da radiação (banda do azul, banda do verde e banda do vermelho respectivamente). Não se pode assegurar, no entanto, a exclusividade dos níveis digitais excluídos para a radiação refletida pela atmosfera, o que acarreta em algumas, não-significativas, perdas de informação sobre a totalidade dos alvos. Realces de Contrastes A técnica de realce de contraste tem por objetivo melhorar a qualidade das imagens sob critérios subjetivos da visão humana. É normalmente utilizada como uma etapa de préprocessamento para sistemas de reconhecimento de padrões. A manipulação consiste numa transferência radiométrica em cada pixel, com o objetivo de aumentar a discriminação visual entre os objetos presentes na imagem. Realiza-se a operação ponto-a-ponto, independentemente da vizinhança. O histograma de uma imagem descreve a distribuição de freqüência de ocorrência dos níveis digitais em termos de amostras com cada nível. Os níveis digitais são redistribuídos, então, de acordo com uma função que se queira, por exemplo, linearmente, logaritmicamente, etc. Resultados obtidos
7/7/ Sobre as bandas empregadas, foi aplicada a operação linear. Assim, o resultado da aplicação de operações aritméticas para a correção atmosférica e do realce dos contrastes sobre a imagem bruta é ilustrado na figura 03, que é composta pelas bandas azul, infravermelho próximo e infravermelho distante (termal), coloridas respectivamente com: azul, verde e vermelho. É interessante notar a ocorrência de áreas em vermelho, indicando a presença de solo exposto na área de floreta e alguns pontos na área urbanizada. As áreas de exploração de areia, úmidas, não aparecem em vermelho, mas em azul claro. Os corpos d'água são apresentados com reflectância quase idêntica, uma vez que as bandas onde suas diferenças aparecem (520 a 600nm e 630 a 690nm - verde e vermelha) são negligenciadas. Figura 03 Resultado obtido do processamento da imagem orbital Landsat-7 sobre a região estudada (À esquerda, imagem sem processamento; à direita, imagem processada). Classificação Para a construção de um modelo hidráulico da utilização de um aqüífero, seria necessária a identificação da hidrografia, uso e ocupação do solo por vegetação e urbanização, tipos de solo e a topografia. No entanto neste trabalho somente é caracterizada a hidrografia da região de estudo.
8/8/ Classificação é o processo de extração de informação em imagens para reconhecer padrões e objetos idênticos. Os classificadores pixel-a-pixel utilizam apenas a informação de cada pixel para achar regiões homogêneas. O resultado final de um processo de classificação é uma imagem digital que constitui um mapa de pixels classificados, representados por cores. As técnicas de classificação multi-espectral pixel-a-apixel são: máxima verossimilhança, mínimos quadrados e o método do paralelepípedo. O classificador de máxima verossimilhança considera a ponderação das distâncias dos níveis digitais das classes, utilizando parâmetros estatísticos. Para que a classificação por máxima verossimilhança precisa o suficiente, é necessário um número razoavelmente elevado de pixels para cada amostragem, conjunto de treinamento. Os conjuntos de treinamento definem o diagrama de dispersão das classes e suas distribuições de freqüência de ocorrência na imagem, considerando que a distribuição dessas probabilidades é gaussiana, para cada classe do treinamento. A classificação na imagem também pode ser feita por regiões, através dos classificadores por regiões, que utilizam, além de informação espectral de cada pixel, a informação espacial que envolve a relação entre os pixels e seus vizinhos. Estes classificadores procuram simular o comportamento de um fotointérprete, ao reconhecer áreas homogêneas de imagens, baseados nas propriedades espectrais e espaciais de imagens. Os classificadores por regiões se utilizam de algoritmos de agrupamento de dados não-supervisionados, aplicados sobre o conjunto de regiões, que por sua vez são caracterizadas por seus atributos estatísticos de média, matriz de covariância e também pela própria área. Resultados obtidos da classificação A classificação objetivo deste trabalho se refere a apenas uma categoria, ou mapa temático: Hidrografia. Para isso as classes serão identificadas em água e em terra. O contexto, que armazena as informações espectrais dos pixels formados em cada banda, é definido pelas bandas 1, 4, 5 e 6. As sub-classes, que estarão compondo cada classe, por exemplo: vegetação, que pertence à classe terra, são descritos em temas. Neste trabalho, foi possível estabelecer uma relação biunívoca entre classes e temas, de forma que os temas são apenas dois: água e terra.
9/9/ Treinamento (amostragem) De forma a proceder a classificação pixel-a-pixel, foi feito o treinamento do tema água, foram coletadas 15 amostras, sendo 8 em águas com sedimento e 7 em águas sem sedimento. Para o treinamento do tema terra, foram coletadas 20 amostras. No tema terra, estão inclusos diversos tipos de alvos, como já descrito. A amostragem percorreu cada tipo distribuindo-se conforme apresenta a tabela 01. Tabela 01 Distribuição de amostras p/ treinamento do tema terra Tipo de alvo Amostragem Floresta 4 Culturas 4 Solo exposto 4 Urbanização 4 Extração de areia 4 O classificador Os dados coletados no treinamento dos temas foram empregados na alimentação do classificador máxima verossimilhança (MAXVER/SPRING), utilizando um limiar de aceitação de 99%. A classificação A tabela 02 fornece dados para a análise do desempenho da classificação em termos de aceitação/rejeição e erros de classificação. Observe-se, por exemplo na matriz de erros (linha 1, coluna 2), o erro na classificação de água em 0,04%. O desempenho geral é estimado em 94,9% com uma abstenção de 5,7%.
10/10/ Tabela 02 Análise do desempenho da classificação -------------------------------------------------------- MATRIZ DE ERROS DE CLASSIFICACAO -------------------------------------------------------- (colunas: dados de referencia) água terra Abstencao Soma lin. ----------- ---------------------------------- ----------- água 4069 24 84 4177 6.07% 0.04% 0.13% ----------- ---------------------------------- ----------- terra 0 59545 3312 62857 0.00% 88.83% 4.94% ----------- ---------------------------------- ----------- Soma col. 4069 59569 3396 67034 ----------- ---------------------------------- ----------- Exatidao do produtor Exatidao do usuario ----------- --------------------- ---------------------- água 100.00% 99.41% ----------- --------------------- ---------------------- terra 99.96% 100.00% ----------- --------------------- ---------------------- Desempenho geral: 94.90 % Confusao media : 0.04 % Abstencao media : 5.07 % Estistica KHAT : 75.35 % Variancia KHAT : 9.167e-006 Estistica TAU : 89.80 % Pós-classificação Aplicado o classificador que apresentou uma abstenção de 5,07%, é aplicado o procedimento de pós-classificação, que consiste em uma homogeneização de matrizes digitais 3x3, baseando-se em uma redistribuição de ocorrências uma classe ponderada por um peso e reclassificação segundo um limiar de presença. O peso adotado para esta redistribuição foi Peso 2 e o limiar: 6. A figura 04 ilustra o resultado final obtido do processo de classificação da hidrografia na imagem adotada.
11/11/ Figura 04 Classificação da presença de corpos d água Vetorização Como resultado secundário da classificação, é obtido o mapa vetorizado das formas dos corpos d água, ilustrado na figura 05, ou seja, da hidrografia da região, o que, atende o objetivo deste trabalho e será útil, segundo justificativas apresentadas para o trabalho, para a construção de modelos hidráulicos de águas subterrâneas na região.
12/12/ Figura 05 Mapa vetorizado da hidrografia na região de estudo CONCLUSÕES 1- A imagem Landsat-7 foi capaz fornecer distinção suficiente entre os alvos através do processamento adequado das bandas; 2- A eficiência de classificação foi satisfatória face aos temas adotados no entanto uma abstenção pouco satisfatória em vista de serem apenas duas classes; 3- Temas podem ser mais discriminados, estabelecendo relações mais diversificadas entre temas e classes, dessa maneira haverá menos abstenções; 4- Verifica-se a eficácia da obtenção de dados para a construção de modelos hidráulicos com aquisição por sensoriamento remoto.