unemat /curso de geografia - 6º geopantanal · universidade do estado de mato grosso - unemat...

839

Anais 5º Simpósio de Geotecnologias no Pantanal, Campo Grande, MS, 22 a 26 de novembro 2014Embrapa Informática Agropecuária/INPE, p. 839 -847

Comparação dos métodos de classificação supervisionada e orientada a objeto em imagens Landsat 8 na Bacia hidrográfica Paraguai/Jauquara – Mato Grosso

Elio Santos Almeida Júnior 1 Diego de Lima Nascimento 1

Edinéia Aparecida dos Santos Galvanin 2

Sandra Mara Alves da Silva Neves 3

Paulo Henrique Hack de Jesus 4 Rogerio Gonçalves Lacerda de Gouveia 5

1,2 Universidade do Estado de Mato Grosso - UNEMAT/Curso de Ciência da Computação Rua: A, s/n. Bairro: COHAB São Raimundo.

CEP: 78390-000 Barra do Bugres/Mato Grosso-MT, Brasil. {elio_jr_, diego-tecn}@ hotmail.com

[email protected]

3 Laboratório de Geotecnologias – LABGEO. Universidade do Estado de Mato Grosso - UNEMAT /Curso de Geografia

Av. Santos Dumont, Bloco 1, Sala 09. Bairro: Santos Dumont - Cidade Universitária. CEP: 78000-200 Cáceres/MT, Brasil.

[email protected]

4 Universidade Estadual de Campinas – UNICAMPPrograma de Pós Graduação em Ciência da Computação

Instituto de Computação, Av. Albert Einstein, 1251Cidade Universitária, Campinas/SP - Brasil, CEP 13083-852

[email protected]

5 Universidade de Uberaba - UNIUBEAv: Rondon Pacheco, nº 2000, Bairro Lídice CEP:38.408-343 - Uberlândia, MG, Brasil.

[email protected]

Resumo. O presente trabalho tem como objetivo realizar a comparação dos métodos de classificação supervisio-nada e orientada a objeto do uso da terra na Bacia Hidrográfica Paraguai/Jauquara do ano de 2013 por meio do Software InterIMAGE e imagem Landsat 8. Os alvos da análise são: Vegetação Natural, Cana e Outros usos e es-tão organizados em classes e estruturados de forma lógica em uma rede semântica. A classificação dos segmentos se dá através do processo de análise de seus atributos, onde a partir de regras definidas pelo especialista humano interpretam-se tais atributos e atribui-se o segmento a uma classe, efetuando assim a classificação. Em um segundo momento foi efetuada a análise de acurácia da classificação obtida através dos índices kappa, neste caso foram comparados a classificação através do método orientado a objeto e uma classificação por regiões (Método Bhat-tacharya) executada através do software SPRING. Os resultados mostraram que a classificação orientada a objeto é eficiente para mapear a cobertura de áreas de cultivo de cana-de-açúcar, apresentando superioridade ao método de classificação por regiões. A comparação mostrou que a classificação orientada a objeto conseguiu classificar a maior parte das regiões corretamente, com uma acurácia do usuário de 85,12% para a classe Outros e 84,49% para Vegetação, houve confusão espectral apenas para a classe cana que obteve 36,21%.

Palavras-chave: sensoriamento remoto, expansão agrícola, classificação orientada a objeto

Anais 5º Simpósio de Geotecnologias no Pantanal, Campo Grande, MS, 22 a 26 de novembro 2014Embrapa Informática Agropecuária/INPE, p.

840

840 -847

Abstract. This paper aims to perform a comparison between supervised and object-oriented classification of land use in the Paraguai/Jauquara river basin using the InterIMAGE software and Landsat image in year of 2013. The classes of the analysis are natural vegetation, sugarcane and others use were organized into classes and logically structured in a semantic network. The classification of segments is through the analysis process of its attributes, where from rules defined by the human expert plays up these attributes and assigned the segment to a class, per-forming this way the classification. In a second step, analysis was conducted in the accuracy of the classification obtained through the kappa indexes, in this case were compared an object-oriented classification method and a classification by regions (Bhattacharya method) executed through the SPRING software. The results showed that the objected-orientation classification is efficient to map the coverage areas of cultivation of sugarcane, showing the superiority to the method of classification by regions. The comparison showed that the objected-oriented clas-sification managed to sort most the parts of the regions properly, with an user accuracy of 85,12% to the others classes, 84.49% to natural vegetation and there was an spectral confusion only to the sugarcane classes, which obtained 36,21%.

Keywords: remote sensing, agricultural expansion, object-oriented classification

1. Introdução

O homem ao longo de sua existência vem modificando o ambiente natural, muitas vezes de forma inadequada, principalmente com a expansão agrícola, acentuando o processo de degrada-ção do ambiente, desmatamento da cobertura vegetal e desaparecimento de espécies, causando impactos negativos para o meio ambiente e interferindo em sua sobrevivência.

Neste contexto, se insere a bacia hidrográfica que segundo Guerra (1978) é definida como sendo, o conjunto de terras drenadas por um rio principal e seus afluentes, e se destaca pela sua importância na manutenção da vida e por ser suscetível as atividades derivadas das ações antrópicas, que comprometem sua qualidade e quantidade. Sendo adotada como unidade de estudo e planejamento visando à conservação.

Frente a essa problemática, encontra-se a Bacia Hidrográfica do rio Paraguai/Jauquara (BHPJ), situada na região sudoeste do estado de Mato Grosso que se destaca por possuir ex-tensas planícies ocupadas por cultura de cana-de-açúcar e pecuária em suas matas ciliares e por possuir problemáticas na qualidade de suas águas, relacionadas com a expansão agrícola da região (Neves et al., 2009).

Diante deste desafio, torna-se importante o desenvolvimento de ações que auxiliem na re-cuperação dos recursos naturais e qualidade de vida, dentre essas ações está a implementação de estudos sobre o uso da terra. Sendo que na atualidade há um grande destaque na utilização de técnicas de sensoriamento remoto e geoprocessamento, que oferece agilidade e viabilidade nos dados adquiridos através das imagens de satélite.

No entanto, Benediktasson et al. (1990) ressaltaram que os procedimentos convencionais de classificação automática apresentam limitações decorrentes, principalmente, da resolução das imagens, da ocorrência de pixels misturados e da ambiguidade das classes, as quais, algu-mas vezes, podem resultar em mapeamentos incorretos.

Buscando contribuir para que os processos automatizados alcancem melhor performance, surgem os classificadores orientados a objetos, nesse contexto pode-se destacar os trabalhos desenvolvidos por Boulomytis e Alves (2011) que analisaram a evolução da ocupação humana, visando otimizar o processo de extração automática de áreas urbanas em Bueno Brandão - MG; Campos et al. (2013) realizaram a comparação dos métodos de classificação orientada a objeto para a classificação do uso e cobertura do solo de uma imagem multiespectral do sensor REIS do satélite RapidEye; Alves et al. (2010) mapearam a área urbana dos municípios de Piracicaba, Limeira, Rio Claro, Cordeirópolis, Santa Gertrudes e Iracemápolis no interior do estado de São Paulo, com o objetivo de verificar a viabilidade do método de classificação orientada a objeto em áreas urbanizadas, utilizando imagens de alta e média resolução.

841


A classificação pode ser definida como um método que consiste em agrupar pixels, a partir de suas semelhanças, em classes determinadas ou não pelo usuário (Jensen, 2009). Portanto, a classificação orientada a objeto é um processo onde o passo preliminar é a segmentação da ima-gem, cujos segmentos são usados como amostras para que as regras atribuídas na rede semân-tica gerem hipóteses e se concretizem como objetos para determinada classe. Além de simular técnicas de interpretação visual através da modelagem do conhecimento para a identificação de feições, baseada na descrição de padrões identificadores, tais como, cor, textura, métrica e contexto (Cruz et al., 2007).

Com base no exposto, o aspecto mais relevante deste trabalho é a exploração de metodolo-gias para a classificação do uso da terra na BHPJ/Mato Grosso. Tendo em vista que os resulta-dos obtidos deste estudo podem ser utilizados como base e incentivo na execução de pesquisas, elaboração de projetos de preservação e tomadas de decisões técnicas de cunho socioambiental por parte da sociedade na busca da conservação ambiental.

2. Objetivo

Este trabalho tem como objetivo realizar a comparação dos métodos entre a classificação super-visionada e orientada a objeto do uso da terra na BHPJ do ano de 2013 por meio do Software InterIMAGE e imagem Landsat 8.

3. Materiais e Métodos

3.1 Áreas de estudo

A BHPJ está localizada na região Centro-Oeste do Brasil, no médio Norte do estado de Mato Grosso, estando situada entre as coordenadas geográficas de 14°10’00’’ e 17°00’00’’S e 56°00’00’’ e 59°30’00’’W a nordeste da Bacia Hidrográfica do Alto rio Paraguai (BHARP), na região sudoeste Matogrossense. Sua extensão territorial encontra-se distribuída nos municípios de Alto Paraguai, Arenápolis, Barra do Bugres, Cáceres, Denise, Diamantino, Nortelândia, Nossa Senhora do Livramento, Nova Marilândia, Nova Olímpia, Porto Estrela, Rosário Oeste e Santo Afonso, totalizando uma área territorial de 16.193,00 Km2 (Figura 1).

A BHPJ possui clima tropical úmido megatérmico (Aw), conforme classificação de Köp-pen, com temperaturas elevadas, com duas estações bem definidas, uma chuvosa de outubro a abril e outra seca, de maio a novembro, a pluviosidade média é de 1.500mm/ano. Tempera-tura média de 24, 8°C e precipitação média de 1830 mm com maior intensidade nos meses de dezembro a abril, e menores índices no restante dos anos (FENNER, 2014).

O relevo é predominantemente plano em cerca de 95%, ondulado em 3% e montanhoso em 2%, e, 55% da vegetação é representada por Mata equatorial semi-decíduas e os 45% restante por campos e cerrados (BRASIL, 1982). Segundo Brasil (1997) os solos predominantes no município são os Latossolos com 13,50%, Argissolos em 41,53% e Neossolos com 44,90%.


842

842 -847

Figura 1. Bacia Hidrográfica Paraguai/Jauquara.

3.2 Procedimentos operacionais

Para a análise do uso da terra foram utilizadas cenas referentes às órbitas/pontos 227/70 e 227/71 de julho de 2013 do sensor Operational Land Imager (OLI) a bordo do Landsat 8, obtido no site da EarthExplorer da United States Geological Survey (USGS), com resolução espacial de 30 x

843


30 metros e com tempo de revisita da mesma área de 16 dias (Coelho e Correia, 2013).As bandas usadas foram a 3, 4 e 5, que correspondem à região espectral do vermelho, in-

fravermelho próximo e infravermelho médio, respectivamente. As imagens foram submetidas às seguintes etapas de pré-processamento, correção atmosférica, composição RGB, mosaico e classificação (das classes Cana, Vegetação Natural e Outros usos).

A classificação foi realizada no software InterIMAGE, um programa livre que permite a análise de dados orientada a objeto, através da interpretação automática de imagens (Labo-ratório de Visão Computacional, 2012). É um produto da cooperação do Laboratório de Visão Computacional do Departamento de Engenharia Elétrica da Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) e das divisões de Processamento de Imagens e de Sensoriamento Remoto do Instituto Nacional de Pesquisas Espaciais (INPE) (Laboratório de Visão Computa-cional, 2012).

O InterIMAGE não suporta um número muito grande de segmentos, desta forma os re-cortes da bacia sofreram um processo de redução de resolução com o auxílio do GIMP 2.8, que é um programa livre de manipulação e edição de imagens.

A rede semântica empregada na classificação orientada a objeto foi constituída de duas classes Vegetação e Diversos, sendo a classe Vegetação composta pelas classes Vegetação Nat-ural e Cana, a classe Diversos foi composta apenas pela classe Outros usos.

A imagem pré-processada foi inserida no interIMAGE em que realizou-se a segmentação através do operador TA_Baatz_Segmenter com os seguintes parâmetros: Compactness Weight igual a 0.5, Color Weight igual a 0.5, Scale Parameter igual a 10, Euclidean Distance Threshold igual a 20, Reliability igual a 0.2 e Use Optimization - Yes. Foram gerados 140.224 segmentos utilizando esses parâmetros, foi determinado o TopDown Decision que foi responsável em iden-tificar os objetos da classe para a classificação, utilizando brilho (brightness), média de valores das bandas (L1 - R, L2 - G e L3 - B) e ratio (L1 - R, L2 - G e L3 - B).

Foi realizada a classificação supervisionada, no software Spring, feita com treinamento (Atividade que consiste na identificação de amostras das classes) usando-se o classificador de regiões Bhattacharya com aceitação de 99,9%. Ao final do processo de classificação foi realizada uma avaliação da exatidão por meio do índice Kappa (Cohen, 1960), para verificar a confiabilidade do mapa gerado no Spring.

4. Resultados e Discussão

Para analisar a exatidão da classificação fez-se uma comparação da classificação obtida através do classificador de regiões Bhattacharya e a classificação orientada a objeto em relação a ima-gem Landsat-8, para tal foi empregado o software SugarCane Detection System (SCDS), a função utilizada foi a Result Analysis que determina a exatidão da classificação. Os resultados obtidos por meio do processo de classificação dos dois métodos são mostrados na Figura 2.


844

844 -847

Figura 2. Resultado das classificações realizadas no software interIMAGE e Spring.

A Tabela 1 mostra a matriz de confusão elaborada comparando a classificação obtida. A Figura 3 ilustra o gráfico da confusão espectral gerada a partir da classificação orientada a objeto.

Tabela 1. Matriz de confusão para o resultado da classificação.

Software ClasseSPRING

Cana Outros Vegetação TOTAL

InterIMAGECana 10730 17113 1785 29628

Outros 7773 124716 14028 146517Vegetação 1065 11227 67003 79295

TOTAL 19568 153056 82816 255440

Tabela 2 mostra o resultado dos cálculos da acurácia obtido, o que inclui a acurácia de usuário para cada classe, a acurácia de produtor para cada classe, a acurácia global e a estima-tiva do índice Kappa.

Segundo Congalton (1991), a acurácia pode ser dividida em duas categorias principais, produtor que mostra a possibilidade de um pixel que de fato pertence a uma determinada classe e ter sido classificado corretamente, ou seja, a porcentagem de pixels que deveriam ser clas-sificados como uma classe e que realmente foram, desta forma quanto menor este valor, maior o número de falsos negativos. A acurácia do usuário determina a porcentagem dos pixels clas-sificados corretamente dentre todos os pixels classificados, quanto menor este valor, maior a quantidade de falsos positivos. De acordo com o autor, por meio da razão entre a soma dos elementos da diagonal principal da matriz de erro pelo número total de amostras pode-se obter a acurácia global da classificação.

845


Figura 3. Matriz de confusão gerada a partir da classificação não orientada a objeto.

Tabela 2. Acurácia da classificação.Classes Acurácia do produtor

(%)Acurácia do usuário

(%)Acurácia global (%) Kappa/Khat

(%)Cana 54,83 36,21

79,25 62,06Outros 81,48 85,12Vegeta-

ção80,90 84,49

A fórmula para o valor Khat, que representa o índice Kappa pode ser encontrada em Coelho (2010), Congalton (1991) e Silva et al. (2011).

Com base na matriz de confusão e nas acurácias calculadas pode-se afirmar que a classifi-cação orientada a objeto foi capaz de classificar a maioria das regiões corretamente, no entanto o número de falsos positivos foi relativamente grande, principalmente para a classe “Cana” (63,79%), ou seja, embora uma parte da região da cultura de cana tenha sido identificada, como mostra o valor da acurácia do produtor para esta classe, muitas áreas que não fazem parte deste padrão foram classificadas como pertencentes a esta classe, principalmente áreas de solo ex-posto pela tonalidade escura (baixos valores dos níveis de cinza), por esta razão a classe “Cana” obteve a menor acurácia e influenciou negativamente na acurácia global da classificação obtida pela classificação orientada a objeto, que foi de 79,25% de acurácia global e 62,06% para o índice Kappa.

Através dos dados da matriz de erro pode-se afirmar que a classe “Outros” obteve resulta-dos bom tanto para produtor 81,48% como a do usuário 85,12%, sendo 14,88% de falsos positi-vos. A classe “Vegetação” também apresentou uma boa classificação, 80,90% para o produtor e 84,49% a do usuário, apresentando o total de falsos positivos de 15,51%. Pode-se concluir que a maior confusão dos falsos positivos foram entre as duas classes, porém os valores são consider-


846

846 -847

avelmente bons. Já a classe “Cana” gerou a maior quantidade de falsos positivos (63,79%), fato que pode ser atribuído a necessidade de utilização do contraste na imagem, pois a importação da BHPJ para o interIMAGE gerou uma imagem RGB mais escura em relação a do SPRING, dificultando a classificação, ocasionando grande parte da confusão com o solo exposto (classe “Outros”). Devido a essa confusão a classe “Cana” influenciou negativamente na acurácia geral e no índice Kappa.

5. Conclusões

A classificação do uso da terra por meio da abordagem orientada a objeto forneceu bons índices de acurácia e pode quantitativamente ser avaliada como muito boa, que apesar do de ter gerado um número relativamente grande de falso positivo para a classe “Cana” sua acurácia geral foi de 79,25%. Sua limitação é o modesto número de segmentos que pode processar, o que deter-mina diretamente o limite do tamanho da imagem.

Os resultados apresentados neste estudo demonstram que o sistema InterIMAGE pode ser usado para o planejamento e controle de cultivos agrícolas. Em trabalhos futuros, com o aper-feiçoamento do software a análise de imagens de satélite será menos dependente de interven-ções humanas tornado o processo cada vez mais automatizado.

6. ReferênciasAguiar, D. A.; Rudorff, B. F. T.; Adami, M.; Shimabukuro, Y. E. Imagens de sensoriamento remoto no monitoramento da colheita da cana-de-açúcar. Engenharia Agrícola, v. 29, n. 3, p. 440-451, 2009.

Alves, C. D.; Florenzano, T. G.; Pereira, M. N. Mapeamento de áreas urbanizadas com imagens Landsat e classificação baseada em objeto.Revista Brasileira de Cartografia,v. 62, n. 2, 2011.

Baatz, M.; Schäpe, A. Multiresolution segmentation – an optimization approach for high quality multi-scale image segmentation. In: Strobl, J., Blaschke, T. Angewandte Geographische Informationsverarbeitung XII. Proc-cedings… Beiträge zum AGIT Symposium Salzburg 2000, Herbert Wichmann Verlag, Karlsruhe.

Boulomytis, V. T. G.; Alves, C. D. Classificação de imagens TM5-Landsat com análise orientada a objeto para a verificação da expansão urbana de Bueno Brandão, MG. Anais... Simpósio Brasileiro de Sensoriamento Remoto, 15 (SBSR), 2011, p. 1036-1042.

Campos, A. R.; Fonseca, D. F.; Sampaio, D. M.; Faria, S. D.; Elmiro, M. A. T. Classificação orientada a objeto para mapeamento do uso e cobertura do solo do município de Rio Acima-MG: por crescimento de regiões e por extração de objetos. Anais... Simpósio Brasileiro de Sensoriamento Remoto, 2013, p. 8035-8042.

Coelho, A. L. N.; Correa, W. S. C. Temperatura de superfície Celsius do sensor TRIS/Landsat – 8: metodologias e aplicações. Revista Geográfica Acadêmica, v.7, n.1, p. 31-45, 2013.

Coelho, F. F. Comparação de métodos de mapeamento digital de solos através de variáveis geomorfométricas e sistemas de informações geográficas. 2010. Dissertação (Mestrado em Sensoriamento Remoto) – Universidade Federal do Rio Grande do Sul, UFRGS. Porto Alegre: UFRGS.

Cohen, J. A. Coefficient of agreement for nominal scales. Educational and Psychological Measurement, v. 20, n. 1, p. 37-46, 1960.

Congalton, R. G. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, v. 37, 35-46, 1991.

Cruz, C. B. M.; Vicens, R. S.; Seabra, V. S.; Reis, R. B.; Faber, O. A.; Richter, M.; Arnaut, P. K. E.; Araújo, M.. Classificação orientada a objetos no mapeamento dos remanescentes da cobertura vegetal do bioma Mata Atlântica, na escala 1: 250.000. Anais ... XIII Simpósio Brasileiro de Sensoriamento Remoto, INPE, Florianópolis, Brasil, 2007.

Galvanin, E. A. S.; Neves, S. M. A. S.; Neves, R. J.; Kreitlow, J. P.; Jesus, P. H. H.; Desempenho dos métodos de redes neurais e da máxima verossimilhança para a classificação da cultura de cana-de-açúcar em imagem

847


do satélite Landsat-5/TM. Anais... 4º Simpósio de Geotecnologias no Pantanal. Disponível em: < http://www.geopantanal.cnptia.embrapa.br/2012/cd/p192.pdf >. Acesso em: 9 jul. 2014.

Guerra, A. T. Dicionário geológico-geomorfológico. Rio de Janeiro: IBGE, 1978.

Laboratório de Visão Computacional. Pontífice universidade Católica do Rio de Janeiro (2012). InterIMAGE1.30 Manual do Usuário. Disponível em: <http://wwww.lvc.ele.puc-rio.br/projects/interimage/pt-br/documentacao/arquivos/InterIMAGE%201.30%>20-%20Manual%20do%20Usu%C3%Alrio.pdf. Acesso em: 22 jul. 2014.

Melo, J. A. B.; Lima, E. R. V. Diagnóstico geoambiental em microbacia hidrográfica do semiárido brasileiro, a partir do uso de geotecnologias. Revista de Geografia (UFPE), v.28, n. 1, 2011.

Mesquita, C.; Assis, A. Q. S.; Souza, R. M, Vulnerabilidade natural à perda de solos da Bacia Hidrográfica do Rio do Sagrado – Morretes/PR. Revista de Geografia (UFPE), v. especial , n. 2, Set., 2010.

Neves, S. M. A. S.; Casarin, R.; Neves, R. J. Implicações do uso da terra na qualidade das águas dos cursos fluviais da bacia hidrográfica do rio Paraguai-Jauguara/MT. Anais... 2º Simpósio de Geotecnologias no Pantanal, Corumbá, 7-11, Embrapa Informática Agropecuária/IMPE, p.527-536, 2009.

Rodrigues, F. M.; Pissarra, T. C. T.; Campos, S. Análise temporal do uso e ocupação do solo na microbacia hidrográfica do córrego da fazenda Glória, município de Taquaritinga, SP. Irriga, v. 14, n.3, p.314-324, 2009.

Silva, A. M.; Mello, J. R. B.; Boshi, R. S.; Rocha, J. V.; Lamparelli, R. A. C. Avaliação de classificadores para o mapeamento de uso da terra. In: Simpósio Brasileiro de Sensoriamento Remoto, 15. Curitiba-PR, 2011. Anais... São José dos Campos: INPE, p. 7324.

Silva, L. F. T. C.; Castro, U. N.; Guerra, A. J. T.; Lima, F. S.; Mendes, S. P.; Bezerra, J. F. R. Degradação Ambiental Em Áreas Destinadas À Pecuária Na Sub-Bacia Hidrográfica do rio Sana, Macaé–Rj. Revista de Geografia (UFPE), v. 29, n. 1, p. 45-59, 2012.

Vanzela, L. S.; Hernandez F. B. T.; Franco, R. A. M. Influência do uso e ocupação do solo nos recursos hídricos do córrego Três Barras, Marinópolis. Revista Brasileira de Engenharia Agrícola e Ambiental, v.14, n.1, p.55-64, 2010.

unemat /curso de geografia - 6º geopantanal · universidade do estado de mato grosso - unemat...

Documents