processamento de imagens orbitais de sensoriamento remoto para

Propaganda
Anais Semana de Geografia. Volume 1, Número 1. Ponta Grossa: UEPG, 2012. ISSN 2317-9759
PROCESSAMENTO DE IMAGENS ORBITAIS DE SENSORIAMENTO
REMOTO PARA O RECONHECIMENTO DA FORMAÇÃO PIONEIRA DE
INFLUÊNCIA FLUVIAL - VÁRZEAS DO RIO PARANÁ
ROSA, Joel Zubek
RIBEIRO, Selma Regina Aranha
INTRODUÇÃO
A Formação Vegetacional Pioneira com influência fluvial, também conhecida como
Vegetação de Várzeas, do Rio Paraná, representa um exemplo de fisionomia vegetacional de uma
região com grandes sazonalidades caracterizada por intensas chuvas de verão seguidas por períodos
de acentuada estiagem. De acordo com a classificação proposta pro Veloso e Góes-Filho (1982) e
IBGE (1992), “essa vegetação está inserida na região de Floresta Estacional Semidecidual, com
dupla estacionalidade climática: uma tropical e outra subtropical, sem período seco, mas com seca
fisiológica provocada pelo frio do inverno.”
Essas alterações em relação à condição temporal das formações vegetacionais são alguns
dos aspectos que podem ser identificados com métodos e técnicas de processamento digital de
imagens orbitais de Sensoriamento Remoto. As características de elementos, como o das
fisionomias vegetacionais, que variam principalmente de acordo com as condições climáticas,
pedológicas e ações antrópicas são alguns dos aspectos representados nas imagens orbitais, em
forma de dados, dos comprimentos de ondas eletromagnéticas de cada banda espectral da imagem,
com valores em cada elemento mínimo na imagem (pixel), que podem ser facilmente processados.
O processamento digital oferece vantagens, como por exemplo, ao fato de
usar todas as bandas espectrais das imagens, algo que um ser humano não
consegue visualizar simultaneamente, e a vantagem de poder repetir
processos com facilidade e por isso torna-se útil em trabalhos que envolvem
grandes áreas. (CENTENO, 2004, p. 162)
Nos processos de interpretações das análises de alterações ambientais, o processamento de
imagens orbitais auxilia diversos profissionais, e entre eles os geógrafos, com métodos e técnicas
que proporcionam interpretações coerentes. Neste contexto as representações do mundo real em
imagens orbitais de sensoriamento remoto oferecem dados (informações), em relação às
características de elementos (objetos), que proporcionam interpretações de acordo com os objetivos
de cada análise. Segundo Barbosa (2009, p.31),“O êxito de análises de imagens orbitais depende de
fatores que vão além dos princípios básicos de interpretação, como a época de obtenção das
imagens de satélite, o tipo de produto, as bandas espectrais, a resolução espacial e, por fim, a
experiência do analista”.
Os métodos e técnicas utilizados no processamento digital de imagens orbitais consistem
em importantes etapas de manipulações de dados que embasam a interpretação de informações em
relação às condições do mundo real. Segundo Meneses; Almeida (2012, p. 82), “O processamento é
configurado por algoritmos que tratam a imagem matematicamente. Porém, o processamento não é
100% a representação do mundo real. Por isso, sempre caberá ao usuário e não apenas ao
computador, a análise dos dados contidos na imagem”.
OBJETIVO
Este trabalho tem por objetivo de reconhecer alterações em relação aos aspectos temporais
e espaciais da Formação Pioneira das várzeas do Rio Paraná por meio de processamento de imagens
orbitais de sensoriamento remoto.
METODOLOGIA
A área de estudo, correspondente ao recorte de duas cenas de imagens orbitais do sensor
21
Anais Semana de Geografia. Volume 1, Número 1. Ponta Grossa: UEPG, 2012. ISSN 2317-9759
MODIS (Moderate Resolution Imaging Spectroradiometer) da plataforma AQUA, dos dias 21 de
Março e 11 de Julho de 2012, localiza-se no sul do estado do Mato Grosso do Sul e noroeste do
Estado do Paraná sobre as coordenadas limítrofes E=117.883,673; N=7.514.054,346 e
E=348.584,102; N=7.325.583,298 (Figura 1).
A
B
Figuras 1 A e B: Representação do recorte da área de estudo com imagens MODIS, nas composições vermelho (R),
verde (G) e azul (B), dos dias 21 de Março e 11 de Julho de 2012 respectivamente.
As
imagens
orbitais
analisadas
foram
obtidas
gratuitamente
do
site:http://earthexplorer.usgs.gov/ e processadas no software ENVI 4.7 a fim de avaliar de forma
visual e estatística da evolução de seis classes de elementos representados nas imagens.
Primeiramente realizou-se o pré-processamento das imagens, em relação à correção
geométrica, que ajustou os pixels de todas as bandas utilizadas para 500 metros e corrigiu a cenas
das distorções causadas pela curvatura terrestre, possíveis deslocamentos de órbita e inferiu ainda as
coordenadas planas no sistema UTM com datum WGS-84.
O processamento das imagens ocorreu mediante a classificação supervisionada na qual é
necessária a coletas deamostras de treinamento. Estas amostras de treinamento são padrões que
representaram as classes de uso dos solos do ano de 2012 nas imagens. As amostras, que devem ser
puras e representativas de cada classe, foram reconhecidas de acordo com a tonalidade das imagens
nas classes vegetação densa, vegetação média, vegetação rala, Formação Pioneira, água e solos
exposto. A classe da Formação Pioneira também foi reconhecida por meio do Mapa Fitogeográfico
do Paraná (ITCG, 2009).
Portanto coletaram-se 160 pixels de cada uma das classes nas composições das bandas
espectrais do infravermelho próximo 0.841 - 0.876µm, azul 0.459 – 0.479µm e verde 0.545 –
0.564µm, nos canais de cores R, G e B, respectivamente (Figura 2 A e B). A Figura 2 também exibe
variações de intensidade entre as classes Formação Pioneira e Solo Exposto. A divergência
transformação (Transformed Divergence) foi calculada para saber a distância estatística entre os
padrões de treinamento. Para a classificação dos alvos (classes) nas imagens optou-se pelo método
supervisionado da máxima verossimilhança (Maximum Likelihood). Após a classificação os
produtos gerados foram validados pela matriz de confusão (confusion matrix) que demonstrou
acuracidade da classificação.
22
Anais Semana de Geografia. Volume 1, Número 1. Ponta Grossa: UEPG, 2012. ISSN 2317-9759
Solo exposto
A
Formação
Pioneira
Solo exposto
B
Formação
Pioneira
Figura 2 A e B: Recorte de imagens MODIS nas composições do infravermelho próximo (R), azul (G) e verde (B) dos
dias 21 de Março e 11 de Julho de 2012.
RESULTADOS E DISCUSSÃO
Os produtos gerados pelo processamento digital das imagens orbitais MODIS foram
eficientes para reconhecer a localização e as variações da Formação Pioneira entre 21 de Março e
11 Julho de 2012.
As variações de áreas das classes solo exposto e vegetação rala demonstram que a
sazonalidade é um dos principais fatores responsáveis pela caracterização das formações
vegetacionais na região (Figura 3).
Os padrões de treinamento calculados pela divergência transformada apresentaram valores
entre 1.89182529 e 2.00000000. A classificação digital das imagens orbitais MODIS foi validada
pela matriz de confusão que demonstrou acuracidade da classificação de 98,3% e 97,9% para as
imagens de 21/03/2012 e 11/07/2012 respectivamente.
Solo exposto
Vegetação
rala
Formação
Pioneira
Solo exposto
Vegetação
rala
Formação
Pioneira
Figura 3 A e B: Produtos gerados pelo processamento de imagens MODIS de 21/03/2012 e 11/07/2012 respectivamente.
REFERÊNCIAS
23
Anais Semana de Geografia. Volume 1, Número 1. Ponta Grossa: UEPG, 2012. ISSN 2317-9759
BARBOSA, A. P. Comparação de métodos de classificação de imagens, visando o
gerenciamento de áreas citrícolas. 2009. 65 f. Dissertação (Mestrado em Agronomia/Energia na
Agricultura) – Faculdade de Ciências Agronômicas, Universidade Estadual Paulista. Botucatu,
2009.
CENTENO, J. A. S. Sensoriamento remoto e processamento de imagens digitais. Ed. Curso de
Pós Graduação em Ciências Geodésicas, Universidade Federal do Paraná,Curitiba, 2004, 219 p.
IBGE – INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Manual Técnico da
Vegetação Brasileira. Rio de Janeiro, 1992, 92p.
ITCG – INSTITUTO DE TERRAS CARTOGRAFIA E GEOCIENCIAS. Formações
Fitogeográficas
Estado
do
Paraná.
2009.
Disponível
em:
<http://www.itcg.pr.gov.br/arquivos/File/Produtos_DGEO/Mapas_ITCG/PDF/Mapa_Fitogeografico
_A3.pdf>. Acesso em: 16 de julho de 2012.
MENESES, P. R.; ALMEIDA, T. D. Introdução ao Processamento de Imagens de
Sensoriamento Remoto. Universidade de Brasília, Brasília, 2012, 266 p.
VELOSO. H. P.; GÓES-FILHO, L. Fitogeografia Brasileira: Classificação Fisionômicoecológica da Vegetação Neotropical. Salvador: Projeto RADAMBRASIL, 1982, 85 p.
EARTH EXPLORE. IMAGENS MODIS. 2012. Disponível em: <http://earthexplorer.usgs.gov/>.
Acesso em: 20 de abril de 2012.
24
Download
Random flashcards
Anamnese

2 Cartões oauth2_google_3d715a2d-c2e6-4bfb-b64e-c9a45261b2b4

Criar flashcards