classificação da cobertura da terra de angra dos reis

CLASSIFICAÇÃO DA COBERTURA DA TERRA DE ANGRA DOS REIS – RJ,
A PARTIR DE ANÁLISE DE IMAGEM BASEADA EM OBJETO E
MINERAÇÃO DE DADOS
Eduardo Gustavo Soares Pereira1
Monika Richter2
1 - Universidade Federal Rural do Rio de Janeiro – Departamento de Geociências/IA
([email protected])
2 - Universidade Federal Rural do Rio de Janeiro – Departamento de Educação e
Sociedade/IM ([email protected])
RESUMO
O sensoriamento remoto se beneficia com o atual avanço da capacidade de
processamento dos computadores possibilitando trabalhar com uma maior quantidade
de informações de forma mais eficaz. Relacionadas a classificação digital de imagens,
novas metodologias surgem com o esforço de automatizar os processos, como é o
caso da Análise de Imagem Baseada em Objeto (OBIA), também chamada de Análise
de Imagem Baseada em Objeto Geoespacial (GEOBIA). O avanço tecnológico
também permite extrair mais informações sobre as imagens de satélite, possibilitando
ainda a utilização de técnicas de mineração de dados para encontrar os melhores
limiares para os diferentes alvos ou classes de mapeamento. Sendo assim, o presente
trabalho fez uso de técnicas de OBIA e Mineração de Dados, utilizando
respectivamente os programas InterIMAGE e WEKA para a geração do mapa de uso e
ocupação da terra a partir de imagem do Landsat, tendo como estudo de caso o
município de Angra dos Reis/RJ. No InterIMAGE foi realizada a segmentação e
extração dos atributos das classes de mapeamento, e no WEKA a mineração dos
melhores descritores para cada classe. A inserção dos limiares encontrados no WEKA
para a geração do mapa temático foi realizada no programa QuantumGIS. Ao final
avaliou-se a exatidão global da classificação da cobertura da terra em Angra dos Reis
com está metodologia, obtendo-se 84,63%.
Palavra-chave: Análise de Imagem Baseada em Objeto, Mineração de Dados, InterIMAGE.
INTRODUÇÃO
O sensoriamento remoto e os produtos gerados por satélites fornecem dados de
extrema relevância, sendo possível produzir informações para classificação de
cobertura da terra, através da análise das imagens, gerando mapas temáticos. O
processamento e a análise desses dados dependem de programas com ferramentas
adequadas. Atualmente a Análise de Imagem Baseada em Objeto é uma das técnicas
mais completas para realizar a interpretação de imagens, procurando automatizar a
classificação de imagens e tornar este processo mais rápido e eficaz, diminuindo
também o esforço de edição. Aliada a estas novas técnicas de processamento de
imagem, a capacidade de processamento dos microcomputadores aumenta cada vez
mais, sendo possível aplicar novas técnicas mais rápidas e automaticas para trabalhar
com os dados disponíveis. Cada vez está mais rápido e facilitado levar o mundo real
(espaço de problemas) para o mundo computacional (espaço de soluções) e extrair
informações sobre o alvo.
Apesar de se processar automaticamente o conhecimento na Análise de Imagem
Baseada em Objeto, é necessário um especialista para criar o conhecimento e deixálo atualizado (PAHL, 2003). Este conhecimento pode ser auxiliado através da
mineração de dados. A informação pode ser obtida através de um grande número de
informações sobre algo, e que pode ser examinado e construído um modelo desta,
através da generalização de especificos exemplos (QUINLAN, 1993). O InterIMAGE
atualmente conta com 55 atributos que podem ser extraidos de cada segmento da
imagem, gerando informação suficiente para se trabalhar com a mineração de dados.
Esta procura encontrar objetos semelhantes dentro de uma imagem através das
amostras coletadas de cada classe e as informações geradas nestas. Assim, a
mineração de dados pode ser utilizada como uma implementação para a Análise de
Imagem Baseada em Objeto.
Diante do exposto, o objetivo deste trabalho foi, a partir da abordagem da Análise de
Imagens Baseada em Objeto e da Mineração de Dados e utilizando-se programas
livres e gratuitos, classificar automaticamente uma imagem de média resolução
espacial (sensor – Landsat 5) gerando o mapa temático de cobertura da terra do
município de Angra dos Reis/RJ.
METODOLOGIA
Para a classificação foi utilizada uma imagem do satélite LandSat5 sobre a região de
Angra dos Reis, gerada no dia 05/09/2011. O sistema InterIMAGE (versão 1.34), o
sistema WEKA (versão 3.6) e o sistema QuantumGIS (versão 1.8.0) foram utilizados
para segmentação, amostragem e geração dos atributos (descritores); mineração de
dados e classificação; e mapeamento, respectivamente. Para a validação da
classificação realizou-se trabalho de campo onde foram coletados aleatoriamente 87
pontos distribuídos pelo município de Angra dos Reis, no entanto, buscando-se
atender a todas as classes da legenda.
RESULTADOS
Todos os programas utilizados na classificação da cobertura da terra de Angra dos
Reis/RJ (figura 01) demonstraram desempenho satisfatório. O InterIMAGE mostrou ser
uma boa ferramenta para trabalhar com classificação de imagens orientada a objeto,
obtendo-se razoáveis resultados. Uma dificuldade em relação ao uso do InterIMAGE
ocorre após a exportação do shapefile, já que apresentou problemas relacionados a
topologia que precisaram ser corrigidos utilizadando o programa Grass.
Figura 1. Mapa de Cobertura da Terra de Angra dos Reis/RJ a partir de Processamento Digital
de Imagem do satélite Landsat 5 de 2011.
O software WEKA também mostrou-se uma interessante ferrramenta na etapa de
modelagem, auxiliando na seleção de atributos e determinação de limiares gerando ao
final uma árvore de decisão. Devido ao tamanho da árvore de decisão resultante da
primeira legenda construída, esta segue em anexo (Anexo I e Anexo II). Inicialmente
foram criadas 16 classes de mapeamento, algumas posteriormente agrupadas
resultando em uma legenda com 7 classes, objetivando minimizar o grau de confusão
encontrado, como foi o caso das classes Mancha Urbana Alta, Mancha Urbana Média
e Mancha Urbana Baixa, reclassificadas como Mancha Urbana. Os atributos utilizados
pelo WEKA foram no total 16, sendo: Minimo Pixel das Bandas 2,4,5 e7; Maximo Pixel
das Bandas 1 e 2; Media das Bandas 1,2,3,4,5 e 7; Razão da Banda 4; Entropia da
Banda 5; Divisão da Banda 4 pela Banda 3; e Divisão da Banda 4 pela Banda 1. O
WEKA também fornece uma matriz de erro para avaliar o resultado da amostragem.
Como o WEKA seleciona não apenas os melhores atributos, mas também indica os
limiares de separação entre as classes, optou-se por realizar o mapeamento no
QuantumGIS, evitando-se o retorno ao InterIMAGE. Assim, por consulta/seleção em
banco de dados, foram utilizados os limiares nos atributos indicados para selecionar
os segmentos que pertencem a cada classe.
Para a validação do mapa temático gerado, o trabalho de campo realizado
compreendeu 87 pontos de amostragem, sendo que os resultados apontam para um
total de acerto de 84,63%. Destaca-se no entanto, a dificuldade para validação de
algumas classes como afloramento rochoso, já que em sua maioria localizam-se
distantes das vias de acesso e a classe solo exposto em decorrência das alterações
que ocorrem entre o espaço de tempo da tomada da imagem de satélite (2011) e o
trabalho de campo (2013).
CONCLUSÕES
De forma geral, a presente pesquisa atendeu a seus objetivos, gerando o mapa de
cobertura da terra do município de Angra dos Reis/RJ fazendo uso da análise de
imagem baseada em objeto, buscando-se a utilização apenas de sistemas livres. O
uso do minerador WEKA como recurso para a modelagem também se mostrou
satisfatório, visto que se obteve uma exatidão global de 84,63%, sem edição tanto nos
limiares das classes de mapeamento, como no produto final. Sugere-se por fim, novas
pesquisas no sentido de detalhar mais a legenda
REFERÊNCIAS BIBLIOGRÁFICAS
PAHL, M. Arquitetura de um sistema baseado em conhecimento para a interpretação de dados
de sensoriamento remoto de múltiplos sensores. Tese para a obtenção do título de DoktorIngenieur autorizada pela área de Eletro-Técnica e Tecnologia de Informação da Universidade
de Hannover (Alemanha). Tradução do alemão por Dr. Hermann J.H. Kux, (INPE) Prof. Dr.
Raul Q. Feitosa (PUC-Rio), revisão por MSc. Gilson A.O.P. da Costa, em 2008, 95 p.
QUINLAN, J. R. C45: Programs for Machine Learning. 301 p. Morgan Kaufmann Publishers,
1993.
ANEXO I – Primeira parte da árvore de decisão gerada pelo WEKA.
ANEXO II – Segunda parte da árvore de decisão gerada pelo WEKA.