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.