ST2 – USO DE SENSORIAMENTO REMOTO

EM ESTATÍSTICAS AGROPECUÁRIAS

Amostragem em imagens de sensoriamento remoto

Alfredo José Barreto Luiz – Embrapa Meio Ambiente

Cuiabá, MT – 18 de outubro de 2017

- A utilização correta da estatística em qualquer área de

aplicação depende do grau de conhecimento da natureza

dos dados empregados e do nível de clareza dos objetivos

estabelecidos (Ariana, Marcelo e Walmir).

- O sensoriamento remoto (SR) oferece um conjunto muito

particular de dados, com características que precisam ser

levadas em consideração na escolha dos métodos

estatísticos a serem utilizados na sua análise.

RESUMO

- A aplicação dos dados de SR em agricultura define objetivos bem

específicos que devem influir na determinação das técnicas de

amostragem e de análise estatística.

- A aplicação de métodos de amostragem em imagens de

sensoriamento remoto pode resultar em um avanço na eficiência

do uso dos dados de sensores orbitais para fins agrícolas.

- Exemplos de aplicação da amostragem em imagens de

sensoriamento remoto serão apresentados.

RESUMO

Existem cada vez mais dados obtidos por sensores a

bordo de satélites, disponíveis e úteis para as atividades

de gestão e monitoramento da produção agropecuária.

Satélites de observação da terra coletam dados úteis no

monitoramento do uso do solo.

Os conjuntos de dados obtidos podem ser volumosos e

complexos.

Introdução

Os dados de SR possuem repetitividade no tempo, com maior ou

menor intensidade, dependendo do tipo.

Existe sempre um compromisso (trade-off) entre as escalas

radiométricas, espaciais e temporais para cada sensor, que

resulta em grandes matrizes multidimensionais de dados.

A amostragem, além de contornar o problema da ‘falta’ de

imagens ocasionada pelas nuvens, reduz o volume de dados a ser

trabalhado e, se bem planejada e executada, permite o cálculo da

incerteza das estimativas. (amostragem complexa, Dr. Steeve

Heeringa, T1 – ex.: limites geopolíticos, ambientais, buffer etc.)

Programa proposto

Dados de sensoriamento remoto

Principais tópicos:

- Conceitos básicos de sensoriamento remoto

- Satélites e outras formas de aquisição de dados

- Exemplos de relações com a amostragem

Definição:

“Medidas tomadas à distância”.

(muito ampla, genérica, imprecisa)

Conceitos básicos de Sensoriamento Remoto

Princípios físicos:

- básico do básico

- radiação eletromagnética (ondas)

- relação fonte – alvo - sensor

- de onde vem os fótons e como são ‘lidos’

E os fótons?

- o que são

- de onde vêm

- como interagem

- como são capturados

- como são lidos

- geometria, física,

estatística e eletrônica

As cobras são

extraterrestres?

Sensores:

- modo de ação

- posição

- resolução espacial

- resolução espectral

- resolução radiométrica

- resolução temporal

- compromisso

Classificação por modo de ação do

sensor:

- passivos (fonte ≠ sensor)

- fotografia

- ótico eletrônico

- ativos (fonte = sensor)

- radar

- laser

Classificação por posição

Modo de transportar o sensor:

- ‘manual’, laboratório

- ‘manual’, campo

- drones, vants, balões

- aviões

- espaçonaves

- satélites

Resolução espacial

Tamanho do pixel:

- laboratório: pontual

- campo: pontual

- drones, vants, balões: nm, mm, cm

- aviões: cm, m

- espaçonaves: cm, m

- satélites: cm, m, km

Número de pixels ou largura de

faixas, tamanho das cenas:

- um pixel

- milhões de pixels

Resolução espectral

É composta por:

- número de bandas

- largura de bandas

- posição do centro das bandas

Importância para identificação de alvos agrícolas e

compromisso entre si e com as demais resoluções.

Resolução radiométrica:

- Landsat OLI: 16 bits

- MODIS: 12 bits

- Sentinel MSI: 12 bits

- WorldView: 11 bits

- Landsat 7: 8 bits

Resolução temporal

Tempo que o sensor leva para retornar à área alvo

- laboratório: programável

- campo: programável

- drones, vants, balões: programável

- aviões: programável

- espaçonaves: programável mas muito dispendioso,

geralmente fixo e dependente da missão

- satélites: dias, depende da posição e altitude da órbita,

largura da faixa imageada, existência de satélites ‘irmãos’

(em tandem), possibilidade de ‘olhar de lado’ etc.

Resolução temporal

- satélites: dias, depende da posição e altitude da órbita,

largura da faixa imageada, existência de satélites ‘irmãos’

(em tandem), possibilidade de ‘olhar de lado’ etc. Ex:

Dinâmica agrícola e a relação com a resolução temporal:

- o uso muda no mesmo local, no tempo

- o mesmo uso muda a resposta no tempo

- o mesmo uso, na mesma data, responde diferente de

local para local

- usos diferentes com resposta semelhante

- alguns padrões se mantêm (cana, pasto)

Dr. Pedro (ENCE) – cadastro de alunos, um ano é velho.

feijão – entre plantio e colheita = menos de 80 dias

Compromisso (trade-off = conflito de escolha):

- tamanho do pixel x largura de banda

- tamanho do pixel x posição da banda

- tamanho do pixel x revisita

- altitude x peso do sensor

- largura de banda x posição da banda

- revisita x altitude

- revisita x largura de imageamento

- largura de imageamento x altitude

- altitude (velocidade de translação) x horário de passagem

- resoluções x custo

etc.

Definição:

“Satélite de observação da Terra é todo satélite especificamente

projetado para observar a Terra quando em órbita, com

finalidades não militares, tais como: monitoramento ambiental,

meteorologia, cartografia, etc.”

Satélites ambientais permitem monitoramento ambiental,

detectando alterações na vegetação, composição dos gases na

atmosfera, estado dos mares, cores dos oceanos e estado das

massas de gelo, topografia (radares).

Satélites de observação da terra

Landsat 8 captura mais de 700

cenas por dia, um acréscimo

considerável sobre as 250 cenas

por dia do Landsat 7.

Uma cena recobre 180 x 180 km.

Programa proposto

Dados de sensoriamento remoto

Principais tópicos:

√ Conceitos básicos de sensoriamento remoto

√ Satélites de observação da terra

√ Satélites meteorológicos

√ Drones

√ Mini satélites

Exemplos

Como tudo começou?

INPE, 1999 – doutorado

Da ingenuidade à realidade.

Remoteiro gosta de mapa!

A importância da combinação de áreas do

conhecimento.

Reflexão

Crença na precisão das

estimativas estatísticas.

Isaac Asimov

Confiança no bom senso.

Descartes

ESTATÍSTICAS AGRÍCOLAS POR AMOSTRAGEM

AUXILIADA PELO SENSORIAMENTO REMOTO

“Inexiste no mundo coisa mais bem distribuída que o bom senso, visto que

cada indivíduo acredita ser tão bem provido dele que mesmo os mais difíceis

de satisfazer em qualquer outro aspecto não costumam desejar possuí-lo

mais do que já possuem. E é improvável que todos se enganem a esse

respeito; mas isso é antes uma prova de que o poder de julgar de forma

correta e discernir entre o verdadeiro e o falso, que é justamente o que é

denominado bom senso ou razão, é igual em todos os homens; e, assim

sendo, de que a diversidade de nossas opiniões não se origina do fato de

serem alguns mais racionais que outros, mas apenas de dirigirmos nossos

pensamentos por caminhos diferentes e não considerarmos as mesmas

coisas. Pois é insuficiente ter o espírito bom, o mais importante é aplicá-lo

bem. As maiores almas são capazes dos maiores vícios, como também das

maiores virtudes, e os que só andam muito devagar podem alcançar bem

mais, se continuarem sempre pelo caminho reto, do que aqueles que correm

e dele se afastam”.

RENÉ DESCARTES, na primeira parte do Discurso do Método, 1637.

“O ser individual é imprevisível, porém as reações das

multidões podem ser tratadas estatisticamente. Quanto maior

a multidão, tanto maior a precisão que se pode conseguir”.

ISAAC ASIMOV, no livro Fundação, escrito entre 1942 e

1949.

PRESSUPOSTOS

Talhão típico

Classe única de uso no talhão

Imagem+SIG+GPS => AAS

Estratificação aumenta eficiência

MATERIAL E MÉTODOS

Ipuã – SP

Estado de São Paulo

Dados do IBGE

IEA/CATI (LUPA)

SPRING

LANDSAT

SAS

Método desenvolvido para uma tese

N

I

12

10

11

6

4

5

3

13

2

9

7

8

1

II

III

V

IV

VII

VI

VIII

IXX XI

XII

+

+

+

+

+

+

+

+

+

+

+

+

+

W 48º 15´ W 48º 00´ W 47º 45´ W 47º 30´

S 20º 00´

S 20º 15´

S 20º 30´

S 20º 45´

EDR de Orlândia

I - IgarapavaII - AraminaIII - BuritizalIV - MiguelópolisV - ItuveravaVI - IpuãVII - GuaráVIII - S. J. Da BarraIX - Morro AgudoX - OrlândiaXI - NuporangaXII - Sales Oliveira

SãoPaulo

CONSTRUÇÃO DA REFERÊNCIA

mapeamento de Ipuã (inverno e verão)

falta de dados de referência

imagens + visitas ao campo

CONSTRUÇÃO DA REFERÊNCIA

segmentação

CONSTRUÇÃO DA REFERÊNCIA

classificação

visual e manual

edição matricial

AMOSTRAGEM

Opção pela amostragem

AAS

tamanho da amostra

construção de uma AA

Estratificação

dentro do município

0

10

20

30

40

50

60

0 200 400 600 800 1000

tamanho da amostra (n)

Co

efi

cie

nte

de v

ari

ação

(C

V %

)

Ipuã: N = 747.294 pixels de 25x25 (46.706 ha)

Soja = 16.200 ha => P = 0,34685

AMOSTRAGEM POR PONTOS NO MUNICÍPIO

 = p x AM

CV = 100 x pq/n x AM2

ESTRATIFICAÇÃO NO MUNICÍPIO

Âh = ph x AH

CVh = 100 x (qh/nhph)1/2

 = A1 + A2

Wh = AH/AM

CV = 100 x {[W12 x (p1q1/n1)]+[W2

2 x (p2q2/n2)]}1/2/(Â/AM)

RESULTADOS

Estimativas por AAS em Ipuã

Tabela 4.3 – Comparação entre as estimativas oficiais, as obtidas por amostragem e a

referência, para as principais culturas no município de Ipuã, na safra 2001/2002.

Uso AAS 2001/2002 IBGE/PAM 2001 EDR nov/2001 Ref 2001/2002

Cana-de-açúcar 15.316 24.000 29.000 15.096

Soja 17.377 16.200 4.500 16.155

Milho 1.733 8.500 13.000 1.740

Dados de novembro de 2001 fornecidos pelo EDR de Orlândia.

CONCLUSÕES

1) Imagens + SIGs + GPS + AA + campo:

Permitem estimar a área plantada com as principais

culturas de um Estado ou País, de maneira rápida,

econômica, simples e com confiabilidade

predeterminada.

2) As Imagens são essenciais: pixels

3) As imagens ajudam: localização e classificação

CONCLUSÕES

4) A estratificação é um poderoso instrumento.

E as imagens auxiliam na estratificação.

5) O planejamento se beneficia de dados preexistentes.

Tanto na estratificação quanto na definição do

tamanho da amostra.

Exemplos

Exemplos

https://www.embrapa.br/meio-ambiente/busca-de-publicacoes

LUIZ, A. J. B.; FORMAGGIO, A. R.; EPIPHANIO, J. C. N. Objective

sampling estimation of crop area based on remote sensing images.

In: Computational Methods for Agricultural Research: Advances

and Applications / Prado, H. A.; Luiz, A. J. B.;Chaib Filho, H.,

editors. Hershey - New York: Information Science Reference, 2011,

p. 73-95 (Chapter 5), ISBN 978-1-616920871-1.

Exemplos

2012 Geosafras