Universidade Federal do Rio Grande do SulInstituto de Pesquisas Hidráulicas

Programa de Pós-Graduação em Recursos Hídricos e Saneamento AmbientalTrabalho de Disciplina - Geoprocessamento

Lidiane Souza Gonçalves

Estimativa da relação densidade habitacional x área impermeável utilizando técnicas de

sensoriamento remoto com imagem de alta resolução espacial

Objetivo

Estimar a fração de área impermeável com base na classificação de imagem de alta resolução espacial obtidas pelo satélite Quickbird e estabelecer uma relação com a densidade habitacional a partir de

algumas regiões da cidade de Porto Alegre.

Justificativa

Grande importância da fração de áreas impermeáveis da bacia como parâmetro de entrada em modelos matemáticos de simulação do comportamento hidrológico.

Quando existe a necessidade de se fazer simulações para cenários futuros de

urbanização, a determinação das áreas impermeabilizadas torna-se difícil.

Classificação de imagens de satélite de baixa resolução espacial em áreas urbanas

apresenta precisão limitada, imposta pela presença de “pixels mistura”. A utilização de

imagens de alta resolução visa contornar essa limitação.

Justificativa

Dados de densidade populacional são de fácil obtenção e apresentam relação com o grau de urbanização e, conseqüentemente, com a parcela impermeabilizada do solo.

Revisão Bibliográfica

• Trabalhos relacionados:

“ Runoff synthesis using Landsat and SCS model.” (Ragan & Jackson, 1980)

Determinaram a taxa de áreas impermeáveis a partir do

processamento de imagens digitais obtidas pelo satélite Landsat.

“ Estimate runoff curve numbers using remote sensing data.” (Bondelid et al, 1981)

Revisão Bibliográfica

• Trabalhos relacionados:“ Estimativa de parâmetros físicos de bacias

utilizando técnicas de sensoriamento remoto e o sistema de informações geográficas.” (Campana,

1992) - PPGRHSA

Desenvolveu metodologia para estimar a fração de áreas impermeáveis de uma

bacia hidrográfica a partir da classificação supervisionada de imagens

digitais SPOT. Algoritmo usado é baseado na representação Fuzzy.

Revisão Bibliográfica

• Trabalhos relacionados:“ Estimativa da área impermeável dentro da bacia

hidrográfica do Arroio Dilúvio (Porto Alegre/RS) através de técnicas de sensoriamento remoto e

geoprocessamento.” (Alves, 2004)

Verificou condições de melhoramento na classificação de alvos urbanos em imagens digitais Landsat quando da

utilização de um classificador não-rígido (Fuzclass, Idrisi 32) em comparação à

classificação pela Máxima Verossimilhança.

Revisão Bibliográfica

O Quickbird é um satélite de alta precisão que oferece imagens comerciais da Terra com alta resolução espacial.

O sistema coleta dados com 61 centímetros de resolução espacial no pancromático e 2,5

metros no multiespectral em um vasto campo de observação. A freqüência média de visita é

de 1 a 3,5 dias.

• Imagens Digitais Quickbird:

Revisão Bibliográfica

• Principais Aplicações-Mapeamentos urbanos e rurais que exijam alta precisão dos dados;

-Mapeamentos básicos e aplicações gerais em Sistemas de Informação Geográfica;

- Uso da Terra (com ênfase em áreas urbanas), entre outras...

Metodologia

• Área de estudo:

Aspectos geográficos    • Área: 496,1 Km² distribuída entre a parte continental e um conjunto de ilhas.

•O município é limitado ao sul e oeste pelo Lago Guaíba; e a leste, pelos municípios de Alvorada e Viamão; e ao norte pelo rio Gravataí.

Aspecto populacional

•  A população porto-alegrense, conforme censo demográfico do IBGE de 2000, é 1.360.590 habitantes.

Porto Alegre, RS

• Área de estudo:

Seleção dos bairros

•Buscou-se escolher bairros com diferentes graus de urbanização e diversos tipos de ocupação.

•Esta seleção baseou-se em informações a respeito das características dos bairros da cidade de Porto Alegre, como densidade habitacional e área (disponíveis na página Observa POA) e tipo de ocupação urbana (Atlas Digital do Diagnóstico Ambiental de Porto Alegre, disponível na página do Laboratório de Geoprocessamento do Centro de Ecologia da UFRGS).

Metodologia

• Imagem utilizada:

A imagem Quickbird disponível: imagem fusionada (pancromática mais as bandas do visível), reamostrada com resolução espacial de 1 m, georreferenciada no sistema de coordenadas Gauss-Krüeger.

Metodologia

• Classificação da imagem:Métodos de Classificação

Metodologia

Classificação supervisionada: o analista fornece amostras das categorias pertinentes ao enfoque do trabalho que está sendo realizado. A partir dessas amostras são estimados os parâmetros que definem cada classe e que serão utilizados na classificação.

Classificação não-supervisionada: o classificador examina os dados e os divide em grupos espectrais presentes na imagem e

que apresentem similaridade. Esses agrupamentos não são classes mas categorias espectrais. O analista é quem indica a

que classe cada agrupamento pertence.

Rígidos: uma decisão é feita sobre a associação de um pixel a uma classe determinada, ou seja, cada pixel pertencerá a apenas uma classe. Utiliza o valor espectral médio no pixel para determinar a qual classe ele pertence.

Não-rígidos: adotam uma abordagem fuzzy para avaliação da associação e do grau com que um pixel pertence a todas as classes

envolvidas, incluindo classes desconhecidas.

Metodologia

Métodos de Classificação

MAXLIKE: Método da Máxima Verossimilhança

MINDIST: Mínima distância das Médias

Neuralnet: Rede Neural Artificial

As classes utilizadas foram:1. árvores2. gramado (ou campo)3. solo exposto4. saibro5. asfalto6. pavimentação de passeio7. cobertura cerâmica8. cobertura concreto (clara)9. cobertura fibro-cimento (cinza escuro) 10. cobertura metálica

MetodologiaDeterminação das Classes

Determinação das áreas impermeáveis

• 0 - área permeável

• 1 - área impermeável

• Classes 1 a 4

• Classes 5 a 10

CLASSIFICAÇÃO

FILTRO (MODA, 7X7)

RECLASSIFICAÇÃO

Metodologia

Imagem reclassificada

Imagem divisão bairrosCROSSTAB

Fornece uma tabela com os

valores de área 0 ou 1

em cada bairro e a

área total do bairro.

RECLASSIFICAÇÃO

Resultados e DiscussõesExemplo de resultado da classificação ...

Resultados e Discussões... e reclassificação.

Resultados e Discussões % Aimp

Bairro

Dens. Hab.

(hab/ km²) Neuralnet Maxlike Mindist Bom Fim 24652 75.1 67.7 53.9 Centro 15310 58.4 85.0 47.6 Santana 13904 59.6 74.6 67.0 São Geraldo 4868 71.9 82.3 50.5 Higienópolis 8581 41.2 40.7 43.7 Santa Maria Goretti 5583 65.2 71.2 67.4 Auxiliadora 11887 42.7 48.8 43.7 Azenha 9109 42.9 48.5 47.5 Cidade Baixa 19917 60.9 67.1 61.3 Floresta 7074 61.4 69.1 63.6 Independência 19274 36.8 43.3 34.7 Jardim Botânico 5662 40.9 45.2 47.3 Menino Deus 13297 50.7 56.5 53.8 Moinhos de Vento 8674 33.9 40.6 35.3 Rio Branco 12024 43.3 49.6 41.5 Santa Cecília 8529 52.0 55.4 52.7 Anchieta 246 32.8 33.5 32.4 Navegantes 1921 66.7 73.4 69.1 Santo Antônio 10069 45.7 52.6 52.8 Belém Novo 484 4.4 7.8 11.5 Chapéu do Sol 524 3.4 6.2 9.7 Ponta Grossa 351 25.8 9.7 12.3 Lageado 144 5.7 7.3 7.0 Espírito Santo 3222 30.9 39.0 40.9 Guarujá 3293 26.5 39.1 42.6 Serraria 2675 14.8 19.5 24.5 Hípica 1151 16.6 25.8 26.9

•Confusão entre classes de comportamento espectral semelhante (ex., solo exposto e

cobertura cerâmica)

• Parte sul da imagem: vegetação com diversas cores ocasionou confusão com

asfalto e cobertura fibro-cimento.

•Regiões mais urbanizadas os classificadores apresentaram valores próximos.

Resultados e Discussões

• Áreas com concentração de indústria e comércio

criam distorções na curva.

Relação Densidade hab. X Área impermeável

y = 8.8879Ln(x) - 31.759R2 = 0.5226

0.0

10.0

20.0

30.0

40.0

50.0

60.0

70.0

80.0

0 5000 10000 15000 20000 25000 30000

dens. hab. (hab/km²)

A im

p (%

) mindist

Log. (mindist)

Resultados e Discussões

• Mudança de declividade: indício de verticalização na

ocupação urbana.

Conclusões e recomendações

As relações obtidas para Densidade Habitacional X Área impermeável seguem a tendência encontrada em estudos

anteriores.

Embora as imagens de alta resolução sejam uma fonte bastante poderosa de informação, uma limitação é o número relativamente baixo de bandas espectrais,

o que acarreta certa confusão na classificação

Porém: diferenças em bairros com ocupação industrial/comercial.

Futuros trabalhos: utilização de classificadores adequados para imagens de alta resolução espacial (não disponíveis no Idrisi).

Obrigada!