Metodologia de classificação de imagens multiespectrais aplicada ao mapeamento do uso da terra e cobertura vegetal na Amazônia: exemplo de caso na região de São Félix do Xingu, sul do Pará.

Abstract

AgradecimentosInfelizmente não conseguirei listar com precisão todos aqueles que de maneira direta ou indireta me ajudaram neste longo caminho da pós-graduação. Peço desculpas desde já para aqueles que injustamente acabaram ficando fora desta lista de agradecimentos.Em primeiro lugar, gostaria de expressar os meus mais sinceros agradecimentos e admiração a Rúbia que sempre me apoiou em todos os momentos de minha carreira como estudante e como profissional. Não poderia deixar de citar também o apoio sem exceção dos meus familiares.Muito obrigado Ailton pela orientação e amizade. Estendo este agradecimento ao Benê, grande amigo que convivi quase que diariamente por cerca de 10 anos. A todos os professores e funcionários do departamento de Geografia da USP, especialmente aos profs. Reinaldo, De Biasi, Déborah, Raffo, Jurandyr etc. Aos grandes amigos Kleber, Nader, Richard Gear, Cabelo, George, Jânio, Mônica do Instituto Florestal, Paulão etc... Não poderia esquecer de registrar os meus agradecimentos ao Sérgio Margulis do Banco Mundial pela possibilidade de contato e esclarecimento de dúvidas a respeito do processo de ocupação na Amazônia.ii Apresentação A extração de informação temática a partir do processamento e interpretação de imagens de sensoriamento remoto é uma das áreas mais importantes da pesquisa vinculada às aplicações na área de Geografia. A última década tem sido marcada pelos lançamentos de vários satélites de sensoriamento remoto que tem proporcionado aos usuários desta tecnologia uma ampla gama de possibilidades de aplicações que se estendem da escala de detalhe (como a do Quick Bird e Ikonos-2 que captam imagens de 0,7 e 1,0 metro respectivamente) a análise regional (como por exemplo, as imagens adquiridas pelo sensor Vegetação a bordo do SPOT-4 e 5 com 1 km de resolução).Aparentemente, as técnicas desenvolvidas para a extração de informações temáticas não tem acompanhado o mesmo ritmo de desenvolvimento dos novos sensores e de suas plataformas. Talvez o método de classificação de imagens multiespectrais mais conhecido ainda seja o da Máxima Verossimilhança (conhecido pelas suas iniciais MaxVer) desenvolvido na década de 1970 para o Landsat MulstiSpectral Scanner System (MSS).Grandes esforços têm sido feitos no sentido de propor métodos alternativos de classificação de imagens que se ajustem ao conteúdo da informação presente na imagem. Métodos que se baseiam em redes neurais artificiais, lógica fuzzy e que incluem informações de vizinhança no processo de decisão têm mostrado nítidas vantagens em relação aos classificadores tradicionais estatísticos.Uma das concepções mais promissoras na extração de informações temáticas trabalha a imagem como sendo formada por um conjunto de objetos e não como pixels isolados. Estes objetos, também conhecidos como regiões, podem ser agrupados ou dissociados em função dos níveis hierárquicos e do contexto em que se inserem.O presente trabalho apresenta uma metodologia de classificação de imagens que se insere dentro desta concepção. A área de estudo corresponde a u...

Integração geo-escalar: proposta de uma metodologia de identificação de mudanças no uso, ocupação e cobertura do solo aplicando a tecnologia geoespacial

“…De uma maneira geral, quanto mais grosseira a resolução espacial do sistemasensor, maior a probabilidade de se encontrarem misturas (por causa da heterogeneidade da paisagem) e menor a chance de se encontrarem "pixels puros" (KAWAKUBO, 2010).…”

“…De uma maneira geral, quanto mais grosseira a resolução espacial do sistemasensor, maior a probabilidade de se encontrar misturas (por causa da heterogeneidade da paisagem) e menor a chance de se encontrar "pixels puros" (KAWAKUBO, 2010). Quiçá, uma solução lógica para evitar essa situação, seria aumentar a resolução espacial com sua consequente redução nas dimensões dos pixels das imagens utilizadas.…”

Habitação e sensoriamento remoto: uma análise da expansão urbana na RMSP por meio de imagens de satélite aplicando o modelo linear de mistura espectral

“…Vale ressaltar que a mistura espectral pode ocorrer tanto de forma linear quanto não linear. O cálculo e representação de processos de mistura não linear são mais complexos "porque neste tipo de mistura a radiância interage com mais de um material podendo resultar em múltiplas interações" (Kawakubo, 2010…”

“…(KAWAKUBO, 2010; PÉREZ MACHADO & SMALL, 2012; PÉREZ MACHADO, 2014).A mistura do pixel é uma questão de escala e tem relação direta com a resolução espacial do sensor. Em linhas gerais resoluções espaciais mais grosseiras têm maior probabilidade de se encontrar mistura (fato relacionado a complexidade e heterogeneidade das paisagens sobre a superfície terrestre) e menor probabilidade de apresentar pixels espectralmente puros, sem mistura(Kawakubo, 2010;Small & Milesi, 2013).Como já dito anteriormente, a ocorrência de misturas espectral não linear é mais frequente em comprimentos de onda com forte absorção de radiação incidente e também quando há presença de materiais com forte absorção combinados com a presença de material translucido(Kawakubo, 2010). Depreende-se daí que em alvos com grande absorção em determinados comprimentos de onda, como as bandas do vermelho e do infravermelho próximo dos sensores Landsat, associadas ao estudo da vegetação, tendem a apresentar maior ocorrência de mistura espectral não linear.Sendo o modelo linear, o mais recorrente, na prática o que ocorre é que o valor de cada pixel e nas diferentes bandas espectrais da imagem assume um valor que representa a curva espectral, em seu respectivo intervalo, que é a curva ajustada pelos pesos dos componentes presentes no IFOV, gerando uma curva síntese, linearmente derivada das curvas dos componentes, como mostra afigura 15:FIGURA 15: CURVA ESPECTRAL PONDERADA RESULTANTE DA MISTURA ESPECTRAL LINEAR.…”

“…A definição exata da quantidade de componentes é uma tarefa difícil em face da grande variabilidade de alvos presentes na paisagem da superfície terrestre e que podem contribuir para a formação da imagem.Uma etapa de grande importância no processo de modelagem da mistura espectral é a seleção dos componentes que farão parte do modelo. Em teoria, conhecendo-se de forma exata os espectros dos materiais presentes na paisagem, os valores das imagensfrações 40 geradas a partir do modelo de mistura espectral distribuem-se num intervalo de valores entre 0 e 1, sendo que a soma total das frações é igual a 1(Kawakubo, 2010). A maior dificuldade reside na dificuldade de se conhecer com exatidão os materiais presentes na paisagem e o número exato de componentes contribuintes na mistura espectral, isto constitui um dos maiores desafios na aplicação desta técnica de análise.A seleção de componentes de maior representatividade para o modelo em uso é uma etapa do processo.…”