Top Banner
Programa Integrado de Monitoria Remota de Fragmentos Florestais e Crescimento Urbano no Rio de Janeiro Relatório Trimestral de Atividades Abril / Maio / Junho de 2010
15

Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

Jan 03, 2020

Download

Documents

dariahiddleston
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

Programa Integrado de Monitoria Remota de

Fragmentos Florestais e

Crescimento Urbano no Rio de Janeiro

Relatório Trimestral de Atividades

Abril / Maio / Junho de 2010

Page 2: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

2

Índice

1. Apresentação .................................................................................................................................3

2. Fotogrametria .................................................................................................................................4

3. Classificação Visual ......................................................................................................................8

3.1. Classificação do Parque Estadual da Pedra Branca 2009 ...............................................8

3.2. Elaboração de Projetos Científicos .....................................................................................9

3.3 Atividades em Desenvolvimento ..........................................................................................9

4. Classificação Automática .......................................................................................................... 10

4.1. Introdução ............................................................................................................................ 10

4.2. Atividades Desenvolvidas.................................................................................................. 10

4.3. Referências Bibliográficas ................................................................................................. 15

Page 3: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

3

1. Apresentação

Em atendimento ao disposto na Cláusula 04ª, item I, do contrato nº09/08, o presente documento

apresenta o relatório técnico e de acompanhamento físico e financeiro (disposto em outro

encarte) relativo às funções e atividades desenvolvidas pela equipe de execução do Programa

Integrado de Monitoria Remota de Fragmentos Florestais e de Crescimento Urbano no Rio

de Janeiro, realizado pela Secretaria de Estado do Ambiente (SEA) e pelo Instituto Estadual do

Ambiente (INEA) em parceria com a Pontifícia Universidade Católica do Rio de Janeiro (PUC-

Rio) através do Núcleo Interdisciplinar de Meio Ambiente (NIMA). As atividades aqui descritas

foram realizadas durante o quarto trimestre do projeto (Outubro/ Novembro/ Dezembro).

Page 4: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

4

2. Fotogrametria

As atividades realizadas no trimestre incluíram revisões de processamentos anteriores. Somente

ao final do segundo trimestre (abril até junho) de 2010 deu-se o recebimento e o processamento

de novas imagens.

Foi recebido um conjunto com cinco novas imagens monoscópicas obtidas no mês de maio de

2010 para a geração de novas ortoimagens das áreas do Maciço da Tijuca e do Maciço da Pedra

Branca. Três das imagens recebidas estão localizadas sobre o Maciço da Tijuca (figuras 1, 2 e 3)

e duas situam-se na vertente Norte do Maciço da Pedra Branca (figuras 4, 5, 6).

Figura 1. Três cenas monoscópicas sobre o Maciço da Tijuca (Maio 2010)

Page 5: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

5

Figura 2. Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (2009)

Figura 3. Visão hibrida das imagens monoscópicas sobre o modelo digital de superfície

Page 6: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

6

Figura 4. Duas cenas monoscópicas sobre a vertente Norte do Maciço da Pedra Branca

(Maio 2010)

Figura 5. Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010)

Figura 6. Visão hibrida das imagens monoscópicas sobre o modelo digital de superfície

Page 7: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

7

De maneira similar à reportada em relatórios técnicos anteriormente remetidos ao INEA, a

metodologia empregada para o processamento fotogramétrico foi similar à utilizada em projetos

anteriores, com a ressalva de que, uma vez que as cinco imagens recebidas são monoscópicas,

foi necessário utilizar os Modelos Digitais de Superfície anteriormente gerados em outros projetos

fotogramétricos, a fim de proceder à orto-retificação dessas imagens. O uso dos Modelos Digitais

de Superfície encontra-se ilustrado nas figuras 3 e 6 acima.

Uma vez terminado o processamento fotogramétrico, as ortoimagens foram remetidas para a

equipe de classificação do LabGIS.

Page 8: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

8

3. Classificação Visual

3.1. Classificação do Parque Estadual da Pedra Branca 2009

Foi realizada ao longo destes três meses a classificação da vertente norte do Maciço da Pedra

Branca. Conforme dito no relatório anterior, os mesmos níveis de segmentos foram adotados:

200 100 e 30. Na figura 7 está o resultado da classificação da imagem IKONOS do Maciço da

Pedra Branca.

Figura 7. Classificação da Imagem de 2009 do Parque Estadual da Pedra Branca

(Vertente Norte).

Pode-se ver abaixo, a tabela de distribuição das classes identificadas e levantadas conforme a

porcentagem de cada uma em relação ao total.

Tabela 1. Porcentagem das classes levantadas no Maciço da Pedra Branca (Vertente Norte).

CLASSES %

Afloramento Rochoso 1,52

Campo 22,50

Solo Exposto 1,63

Vegetação 70,85

Sombra 0,08

Água 0,02

Área Edficada 1,18

Não classificada 2,17

Nuvem 0,05

TOTAL 100

Page 9: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

9

3.2. Elaboração de Projetos Científicos

A partir dos dados levantados, os integrantes da equipe de classificação visual iniciaram

pesquisas individuais sobre os seguintes temas:

• Análise multitemporal da cobertura do solo

• Impactos do crescimento urbano sobre o Maciço da Pedra Branca

• Definição e conceituação de classes

• Análise do processo de segmentação

• Análise da classificação automática das classes ‘vegetação’ e ‘área edificada’

É importante destacar que todos os trabalhos estão sendo desenvolvidos utilizando como base

as imagens IKONOS adquiridas pelo Projeto PIMAR e visam o aprimoramento das metodologias

já implantadas.

3.3 Atividades em Desenvolvimento

Atualmente, a partir da entrega das imagens monoscópicas que foram programadas em Maio de

2010, a equipe de classificação iniciou a classificação da imagem referente a área do Maciço da

Pedra Branca e está em processo de edição da imagem referente ao Maciço da Tijuca.

Page 10: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

10

4. Classificação Automática

4.1. Introdução

Este eixo de atividades do projeto PIMAR se dedica a elaboração de um modelo de interpretação

automática das imagens utilizadas no projeto PIMAR através de técnicas de classificação de

imagens por análise orientada a objeto. Para tal tarefa está sendo utilizado o sistema de livre

acesso e código aberto para a interpretação automática de imagens InterIMAGE (InterIMAGE,

2009). Tal modelo de interpretação automática estará, ao final do projeto, formalizado em uma

interface gráfica através da qual o usuário poderá coletar amostras das classes de interesse

sobre a imagem e, com base nestas amostras, o modelo realizará a criação de regras de

classificação e a interpretação da imagem propriamente dita. Ao final do processo o usuário

obterá um mapa temático das classes de interesse (com exatidão temática do mapa estimada)

para a área e data de aplicação do modelo.

O objetivo é que o modelo de interpretação por fim elaborado obtenha resultados com grau de

exatidão e precisão temática igualmente para todas as datas de análise do projeto e que possa

eventualmente ser aplicado em outras áreas de estudos para monitoramento de supressão de

vegetação e expansão urbana utilizando imagens de sensoriamento remoto de alta resolução

espacial.

4.2. Atividades Desenvolvidas Ao passo que nos relatórios anteriores mostramos um potencial modelo de interpretação

automática formatado para o sistema InterIMAGE (InterIMAGE, 2010) e que consistia em

procedimentos de segmentação e classificação destes segmentos pelo algoritmo de árvore de

decisão C4.5 (Quinlan, 1993), neste relatório será mostrado uma estratégia alternativa a esta que

está sendo testada neste momento.

Esta estratégia de interpretação automática está sendo testada utilizando os sistemas

InterIMAGE e Definiens (Definiens, 2010) de classificação de imagem e está estruturada em

forma de uma rede semântica expressa na Figura 8. Como o objetivo principal do Projeto PIMAR

é detectar a supressão de Mata Atlântica à custa, na maioria dos casos, de expansão urbana, o

mais crucial no que tange a exatidão do modelo de interpretação automática é a detecção da

Page 11: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

11

classe Vegetação, independentemente se esta vegetação é de gramínea ou arbórea. Por isso,

até o momento, diferentemente dos modelos testados nos meses anteriores, temos testado uma

forma de calibração, ou seja, definição do limiar que separa Vegetação de Não-Vegetação, ao

passo que anteriormente os limiares, assim como o próprio atributo usado nesta separação, eram

definidos pelo algoritmo C4.5 com base em amostras coletadas pelo usuário. Presentemente,

está definido que a separação de Vegetação e Não-Vegetação será feita utilizando-se o atributo

‘Divisão da média da banda do infravermelho próximo pela média da banda do vermelho’ (daqui

em diante referiremos a este atributo pelo nome B4/B3) para cada segmento gerado no processo

de segmentação com parâmetros já reportados nos relatórios anteriores. Da mesma forma, ficou

definido que o atributo ‘Brilho’ (que é a soma das médias dos pixels em cada uma das quatro

bandas do sensor IKONOS dividido por 4) será utilizado na separação de Sombra e Não-Sombra.

A seguir, explicaremos como que provavelmente será feita a detecção de Sombra e de

Vegetação, ou seja, como será feita a definição do valor-limiar nestes dois casos.

Figura 8. Rede semântica testada na elaboração do modelo de interpretação automática.

No caso da detecção de Sombra e de Não-Sombra (operador inserido no nó Segmentação) isto

se dará da seguinte forma: o operador segmentará a imagem e ordenará estes segmentos

crescentemente considerando o valor do atributo ‘Brilho’ de cada segmento; o usuário então

navegará por esta lista e, através de uma tela, conseguirá visualizar o segmento na imagem com

Page 12: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

12

valor de ‘Brilho’ imediatamente acima e abaixo deste limiar. Ou seja, ficará a cargo do usuário

definir, de forma supervisionada e utilizando o recurso da lista de valores e da tela mostrando os

segmentos-limiares, o valor do limiar. Os segmentos com valor abaixo do limiar passam a

pertencer à classe Sombra, enquanto os com valor acima passam a pertencer à Não-Sombra. É

sobre a área geográfica de Não-Sombra que o operador para a separação de Vegetação e Não-

Vegetação irá ser processado.

A definição do limiar para a separação de Vegetação e Não-Vegetação será feita por uma de

duas alternativas, de acordo com a conveniência/necessidade do usuário, a saber: por definição

da área máxima de pós-edição ou por definição da probabilidade de não se detectar

desmatamento. Ambas as alternativas exigem que para os segmentos classificados como Não-

Sombra, seja calculado o atributo B4/B3, assim como a classe (Vegetação ou Não-Vegetação) a

qual pertencia este segmento na imagem da data anterior. De forma similar a separação de

Sombra e Não-Sombra, uma lista dos segmentos (contendo a informação de classe no ano

anterior) ordenados pelo valor do atributo B4/B3 é gerada pelo operador e disponibilizada ao

usuário através da interface gráfica do sistema.

No caso do usuário decidir definir o limiar através da definição da área máxima a ser editada

pelos foto-intérpretes, é feito o seguinte: (1) Constrói-se uma lista dos segmentos que na data

anterior pertenciam a Vegetação, (2) ordenam-se os segmentos desta lista pelos valores do

atributo B4/B3 e (3) defini-se o limiar L tal que a proporção dos polígonos da lista com B4/B3 <T

seja mais próxima possível da área relativa máxima da imagem a ser analisada pelos foto-

intérpretes.

No caso do usuário decidir definir o limiar através da definição da probabilidade de não detectar

desmatamento, é feito o seguinte: (1) constrói-se uma lista dos segmentos que na data anterior

pertenciam a #vegetação, (2) ordenam-se os segmentos desta lista por B4/B3 e (3) defini-se o

limiar L tal que a proporção dos polígonos da lista com B4/B3 > L seja mais próxima possível da

probabilidade de não se detectar desmatamento definida pelo usuário. A Figura 9 exibe

graficamente o que foi dito.

Page 13: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

13

Figura 9. Esquema de definição de limiares.

Antes da definição desta estratégia acima explicada, o gráfico da Figura 10 foi elaborado com

vistas a avaliar a separabilidade das classes em relação ao atributo B4/B3. A área ínfima de

intersecção entre as curvas corrobora a assertiva de que este de fato é um atributo bom para a

separação das classes de interesse do Projeto PIMAR. A Figura 11 mostra um gráfico elaborado

em que se mostra a relação entre as duas alternativas que o usuário tem para a definição do

limiar para a separação de Vegetação e Não-Vegetação com base no ano de 2008 (linha azul) e

no ano de 2009 (linha vermelha). Apesar do fato de que se fosse definido uma probabilidade de

0,5% de não se detectar desmatamento a área relativa de pós-edição seria de aproximadamente

40%, definindo-se uma probabilidade de não se detectar desmatamento de 1% ou mais, a área a

ser pós-editada seria de menos de 15%. Estes dois gráficos expressam com clareza tanto a

separabilidade das classes Vegetação e Não-Vegetação pelo atributo B4/B3, quanto a relação

área de pós-edição/probabilidade de não detectar desmatamento para todos os possíveis limiares

do atributo B4/B3.

Page 14: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

14

Figura 10. Gráfico de distribuição das classes em relação ao atributo B4/B3.

Figura 11. Gráfico de distribuição das classes em relação ao atributo B4/B3.

Quanto aos outros nós da rede semântica, estes serão detectados na imagem da mesma forma

adotada para a classificação de Sombra, ou seja, lista-se crescentemente os valores do atributo

associado às classes e, com este recurso junto com a visualização na tela dos segmentos

imediatamente antes e depois do limiar, defini-se o limiar mais apropriado. Assim para a

Page 15: Programa Integrado de Monitoria Remota de Fragmentos ... · Modelo Digital de Superfície extraído a partir de um estereopar IKONOS2 (Jan 2010) Figura 6. Visão hibrida das imagens

15

separação entre Solo Exposto e Área Urbana, o atributo ‘Divisão da média da banda do vermelho

próximo pela média da banda do azul’ (B3/B1) será usado. Para a separação entre as classes

Floresta e Campo, o atributo ‘Brilho’ será novamente usado. Assim finaliza-se a etapa Top-Down

do modelo de classificação (ver relatório anterior). Na etapa Bottom-Up será feita apenas a

reclassificação de segmentos erroneamente classificados através de regras contextuais já

reportadas nos relatórios anteriores.

4.3. Referências Bibliográficas

CONGALTON, R. G.; GREEN, K. Assessing the accuracy of remotely sensed data – principles and practices. Boca Raton: Lewis Publishers, 1999. 137 p. ISBN: 0-87371-986-7. INTERIMAGE. InterIMAGE – Interpreting images freely. Desenvolvido por Laboratório de Visão Computacional da Pontifícia Universidade Católica do Rio de Janeiro. Rio de Janeiro, Brasil, 2009. Disponível em: http://www.lvc.ele.puc-rio.br/projects/interimage/. Acesso em: 15 jul. 2009. QUINLAN, J.R. C4.5: programs for machine learning. San Francisco: Morgan Kaufmann, 1993.