USO DE NDICES DE ACURCIA PARA AVALIAO DE MAPAS TEMTICOS OBTIDOS POR MEIO DE CLASSIFICAO DIGITAL

PROF. DR ALZIR FELIPPE BUFFARA ANTUNES UNIVERSIDADE FEDERAL DO PARAN. FELIPE@UFPR.BR PROF.DRa CHRISTEL LINGNAU UNIVERSIDADE FEDERAL DO PRAN RESUMO O presente trabalho apresenta diferentes formas de avaliao da acurcia de informaes oriundas de dados de sensoriamento remoto. O estudo se baseia em dois mapas temticos: segmentao da Floresta Ombrfila e reflorestamento de Pinus spp, onde dados de campo foram utlizados como referncia para avaliar a acurcia. Esta foi verificada atravs de diferentes coeficientes de concordncia, tais como: Kappa, Tau, indice mdio de acurcia e indice de acurcia do mapeamento, sendo que cada um deles expressa a acurcia obtida de uma perspectiva metodolgica diferente. Palavras-chave: acurcia, coeficiente de concordncia, tipos de erros ABSTRACT This paper presents different ways of accuracy assessment of remote sensed data for thematic maps. It is based on two kinds of thematic information : Ombrophyla Dense Forest segmentation and Pinus spp wood. Field data was used to provide accuracy assessment. The calculation of differents index of accuracy and its methodology were discussed here, such as: Kappa, Tau, mean accuracy index and map accuracy index. Keywords: accuracy, coefficient of agreement, types of errors

2 1. INTRODUO A conservao, preservao, planos de manejo sustentado e planejamentos em florestas plantadas requerem um mapeamento da situao atual da rea em questo. Os mapas temticos ento disponveis so tidos geralmente como corretos. No entanto, sabe-se que erros desde a obteno dos dados at a gerao de um mapa podem ocorrer em diferentes nveis e escalas. Grande parte do mapeamento digital de cobertura vegetal, a nvel regional, vem sendo realizado atravs de imagens de sensoriamento remoto. Tcnicas de classificao supervisionada associadas ao processamento digital de imagens tem dado bons resultados na extrao de informao que compem determinada regio. No entretanto, todo o processo de classificao est sujeito a erros dos mais diversos tipos e fontes. A avaliao da acurcia dos dados extrados das imagens est diretamente relacionado com a qualidade do mapeamento. Todas as classes que compem a imagem ou o mapa temtico devem ser associadas a um controle de qualidade para que estas possam ser validadas. Entende-se que um mapeamento temtico s deva ser utilizado como fonte fidedigna de informaes quando associados a processos de avaliao da acurcia dos dados que o compem. Observa-se que raramente mapas temticos provenientes de classificao digital ou mesmo da fotointerpretao apresentam um relatrio de acurcia das informaes, apesar da maioria dos softwares de processamento digital de imagem possurem ferramentas para tal fim. 2. OBJETIVOS Este artigo objetiva expor ao usurio as mais diferentes formas de se efetuar um avaliao da classificao digital de uma imagem. A inteno apresentar um resumo das principais tcnicas e os fatores que devam ser levados em conta no processo de verificao da qualidade dos dados temticos. 3. REA DE ESTUDO A avaliao da acurcia de mapas temticos obtidos a partir da classificao digital de imagens de satlite Landsat-5 TM depende do tipo de informao existente que possa ser utilizada como referncia. Aqui trs casos podem ser definidos: existem fotografias areas; as categorias so homogneas, ou seja, um grupo de elementos de imagem pertencem a mesma categoria ou ainda a assinatura espectral representada por um elemento de imagem refere-se a categoria; acessibilidade s reas de controle; Em funo do exposto acima, para abranger a maior variabilidade possvel de tipos de problemas que possam surgir na avaliao da acurcia de mapas temticos, este trabalho apresenta duas reas de estudo Floresta Ombrfila e Reflorestamentos de Pinus spp com caractersticas bem distintas.

3 A Floresta Ombrfila situa-se na rea de Proteo Ambiental de Guaraqueaba, Litoral do Paran, abrangendo uma superfcie de aproximadamente 121.131 ha e 143 km de permetro, incluindo o Parque Nacional do Superagui, as Ilhas do Pinheiro, do Pinheirinho, Rasa e Pavoa, a poro continental que abrange a sede do municpio de Guaraqueaba e as Serras do Tromom e da Fazenda. Os reflorestamentos de Pinus situam-se no municpio de Bocaina do Sul- SC. O relevo plano a levemente ondulado. Os povoamentos florestais de pinus apresentam limites bem definidos, mesmo tratamento silvicultural e so equineos. Trata-se neste caso de um objeto de estudo menos complexo do que a flloresta ombrfila. 4. MATERIAL - MAPAS TEMTICOS A avaliao da acurcia foi realizada com base em dois mapas temticos. Um primeiro oriundo do processo de classificao supervisionada pelo mtodo da mxima verossimilhana, baseado em amostras GPS. Um segundo mapa de vegetao originado de um processo de ps-classificao efetuado com base no Modelo Digital do Terreno, onde a imagem foi reclassificada de acordo com as altitudes (ANTUNES 1996). Vale salientar que a variao altimtrica fator determinante no reconhecimento das formaes vegetais (RODERJAN & KUNIYOSHI 1988; IBGE 1992). Foram definidas nesse trabalho seis classes de vegetao (TAB. 1). TAB. 1: Classes de Vegetao para a rea de Proteo Ambiental de Guaraqueaba-Pr (ANTUNES, 1996). Classes de Vegetao 1. F.O.D. Submontana Descrio reas de Floresta Ombrfila com altitudes superiores a 50 metros e em fase sucessional avanada; reas situadas nos intercordes litorneos sobre solos hidromrficos; Manguezais nas desembocaruras dos rios e interior da baa; Restingas, vegetao prxima as praias e dos cordes litorneos; Floresta aluvial situadas nas zonas de transio entre as formaes pioneiras e a floresta submontana; reas de capoeira, capoeirinha, pastagens.

2. Formao Pioneira de Influncia Fluvial 3. Formao Pioneira de Influncia Fluvio-Marinha 4. Formao Pioneira de Influncia Marinha 5. F.O.D das Terras Baixas

6. Vegetao Alterada

4 Os povoamentos florestais de pinus foram classificados em relao s fases de desenvolvimento. A definio de cinco classes de idade e corte raso (TAB. 2) foi possvel a partir da tcnica de transformao de dados, a Tasseled Cap, sendo que na classificao foram usados a Brightness, Greeneess e a Wetness (LINGNAU, 1995). Ambas as imagens temticas geradas apresentaram o efeito de salt and pepers, ou seja, pixels ou pequenos agrupamentos isolados criando rudos na imagem. A eliminao desses rudos foi alcanado utilizando-se um filtro de moda (3x3), o qual possibilitou agregar os pequenos agrupamentos classe mais prxima do valor majoritrio da janela. Este processo generaliza a imagem excluindo informaes desnecessrias. TAB. 2: Fases de desenvolvimento dos povoamentos florestais de Pinus spp. na rea de estudo Lages-SC. (LINGNAU, 1995). Classes de Idade 1. Corte raso 2. 1 a 3 anos 3. 4 a 6 anos 4. 7 a 10 anos 5. 11 a 15 anos 6. 16 a 25 anos Descrio reas com solo exposto e resduos (galhos e acculas secas e verdes); Plantio e tratamento silvicultural (coroamento, roada e replantios); Fase em que ocorre o fechamento de copa; Povoamento fechado, seca dos galhos inferiores e atividade de crescimento alta; Povoamento com pouca ou nenhuma abertura de copa; atividade de crescimento mdia; Povoamento com dossel aberto a pouco aberto; atividade de crescimento baixa.

5. PROCEDIMENTOS METODOLGICOS 5.1 Tipos de Erros Qualquer tipo de medio, mesmo apurada, est sujeita a erros. Segundo THAPA et al. (1992) e GEMAEL (1994) os erros podem ser trs tipos: Erros grosseiros so causados pela falta de ateno do observador, erros na leitura de valores nos equipamentos ou escalas. Estes tipos de erros podem ser detectados e eliminados imediatamente aps as medies atravs de leituras mltiplas; Erros sistemticos ocorrem em inventrios de campo e fotogrametria devidos s condies do meio, imperfeies nos equipamentos e limitaes humanas. Na anlise estatstica o erro sistemtico introduz o bias, ou seja, observada uma tendncia nos valores estimados (medidos);

5 Removendo os erros grosseiros e sistemticos restam ainda os erros que ocorrem ao acaso, os quais so de magnitude pequena. Os erros aleatrios ou acidentais, ao contrrio dos anteriores ocorrem ora num ora noutro sentido e no podem ser vinculadas a nenhuma causa especfica. Apresentam as seguintes caractersticas: erros positivos e negativos ocorrem na mesma frequncia; erros menores so mais frequentes do que erros maiores; apresentam uma distribuio normal. Os trs tipos de erros citados acima podem ocorrer a nvel amostral ou no. O erro amostral ocasionado por apenas uma parte da populao amostrada e expresso pelo erro padro. Se erros amostrais no ocorrem, ento, o erro padro seria a medida adequada para expressar o grau de preciso do inventrio. 5.2 Acurcia, Preciso e Exatido A discusso sobre a analise da confiabilidade temtica da imagem requer que inicialmente sejam definidos os termos acurcia, preciso e exatido, os quais geralmente so usados de forma confusa. HUSCH et al. (1982) definem preciso como o grau de concordncia de uma srie de observaes ou medidas, enquanto a acurcia esta relacionada a proximidade de uma observao ou medida do seu valor real. Pode-se, ento, associar a preciso os erros aleatrios ou acidentais, e acurcia aos efeitos dos erros aleatrios e sistemticos conjuntamente (GEMAEL, 1994). Uma observao pode ser considerada como exata se no tiver ocorrido o erro sistemtico ou bias. A falta de exatido das observaes so geralmente oriundas dos erros sistemticos e tendem a se acumular num mesmo sentido. Considerando uma amostragem, a acurcia seria expressa pelo desvio padro da amostra do valor real da populao. A preciso poderia ser relacionada ao desvio padro da mdia da amostra. possvel que uma amostragem possua uma alta preciso, ou seja em pequeno desvio em relao a mdia, e ao mesmo tempo, devido a falta de exatido, um grau acurcia inferior. 5.3 Anlise das Possveis Fontes de Erros Erros podem ocorrer em diferentes nveis, ou seja, desde a aquisio de dados, processamento at na verificao dos resultados obtidos. Estes diferentes tipos de erros muitas vezes no so distinguveis mensurveis. Na obteno dos dados a partir de imagens de satlite os erros podem ser primrios ou secundrios. Erros primrios so ocasionados devido a sensor, condies do meio (variaes de temperatura, umidade, iluminao) e ainda na interpretao da imagem. Existem, tambm os erros secundrios, que so introduzidos atravs do processamento dos dados e sua reproduo (THAPA et al. (1992). No processamento podem ocorrer erros na correo geomtrica, sendo estes ainda podem ser devido a m definio dos pontos de controle e/ou no algortmo de interpolao dos elementos de imagem;

6 reas de treinamento mal definidas: caso as reas de treinamento no forem homogneas e um mnimo de varincia entre os nveis de cinza for obtido, na classificao os elementos de imagem podero ser agrupados errneamente; Elementos de imagem mistos so aqueles que representam mais de uma categoria. Ocorrem geralmente em bordaduras das classes; Sobreposio de classes no espao de atributos, daqueles que foram escolhidos de forma representativa; Erros na classificao em funo das condies topogrficas e atmosfricas. 5.4 Acurcia do Dado digital Em qualquer mapa temtico obtido atravs da classificao digital pode ser efetuada a anlise da acurcia referente as seguintes componentes (MONTGOMERY & SCHUCH, 1993): Posicional, que se refere a preciso espacial do mapa e que varivel de acordo com a escala do mapa. Por exemplo, mapas na escala 1:100.000, possuem um preciso espacial mdia de 50 metros considerando as mais diversas fontes de erros; Temtico, refere-se a preciso da classificao das diferentes categorias que compem o mapa. Estas devem de acordo com a escala e o grau de generalizao da informao refletir no mapa a mesma classe no terreno. A rea Total obtida por categoria tambm uma componente importante, no entanto no muito significativa. As componentes citadas so interdependentes, no entretanto a avaliao geralmente realizada de forma independente, considerando se a preciso posicional verificada compatvel com a escala do levantamento e com a retificao da imagem. Neste artigo sero tratados somente os procedimentos de avaliao temtica proveniente da classificao digital. Isto no impede que os mesmos procedimentos possam ser utilizados na avaliao de outros mapas temticos. 5.5 Pontos de Referncia A fim de avaliar a acurcia da classificao para a rea de Guaraqueaba foram selecionados amostras de referncia de forma aleatria e estatigrfica na imagem classificada. Entretanto estas amostras devem possuir no mnimo nove pixels, evitando assim amostras pouco significativas. Geralmente, a verificao realizada em campo, no entanto devido a inviabilidade de acesso rea de estudo para identificar 377 pontos selecionados aleatoriamente a verificao foi efetuada por fotointerpretao da imagem original apoiada por controle de campo. Alm disso, a defazagem temporal que existia entre a tomada das imagens, julho de 1993, e a data de verificao de campo prejudicaria a anlise de algumas classes. Contudo, antes de verificar todos os pontos amostrados

7 foi determinada a acurcia da fotointerpretao para algumas classes de vegetao, atravs de 47 pontos de referncias amostrados, em campo, meio de GPS e mapas topogrficos. HORD et al. (1976) e RICHARDS (1994) apresentam a expresso para o clculo do intervalo de confiana para uma amostra n

p{ Z / 2 < x n / n (1 ) < Z / 2 } = 1
onde: x o nmero de pixels corretamente identificados; n o tamanho da amostra; a acurcia total da identificao x/n; 1- o limite de confiana. De acordo com a expresso acima descrita, determinou-se a acurcia da fotointerpretao de uma amostra de 47 pontos coletadas em campo por GPS (PYE et al 1994). As amostras foram coletadas de forma aleatria para um conjunto de categorias (mangues, solo exposto, vegetao alterada, submontana, floresta aluvial e restingas). Visto que a amostragem possua mais de 30 pontos considerou-se a distribuio normal dentro de uma certeza 95%. Como resultado, a acurcia total da fotointerpretao ficou compreendida no intervalo de 84,7% a 91,75%, com uma probabilidade de 95% (ANTUNES 1996). A verificao dos reflorestamentos de pinus consideravelmente mais simples do que na floresta ombrfila. O acesso mais fcil, assim como atravs da definio clara dos limites a localizao das reas de controle ocorre sem problemas. Em funo destas caractersticas optou-se pela verificao sistemtica, onde foi determinado um raster de 700 x 700 m (FIG. 1a). Em cada ponto do cruzamento de linha no raster foi alocada uma rea de controle ou referncia representada por 13 elementos de imagem (FIG. 1b). Em funo dos limites bem distintos as reas de controle puderam ser fcilmente localizadas em campo.

7 0 0 m

700 m

(a)

(b)

FIG. 1: Apresentao esquemtica: (a) Raster e (b) rea de referncia (LINGNAU, 1995). Para avaliar a acurcia fez-se necessrio a elaborao de imagem referncia, a qual representasse todas as reas de controle, para que possa ser comparada ento com a imagem classificada. possvel que uma rea de controle represente duas ou mais classes e neste caso seria uma rea de controle impura e levaria a uma distoro da concordncia. Para contornar este tipo de erro, a rea de controle teria que ser ento deslocada para o talho mais representativo. A acurcia no foi por isso influenciada arbitrariamente, mas erros evidentes foram eliminados. 5.6 Matriz de Erros A matriz de erros ou confuso apresenta de forma resumida os resultados da classificao digital ou fotointerpretao em relao imagem referncia, onde teremos ento uma distribuio binomial. Cada frequncia observada na matriz corresponder tambm a uma frequncia esperada, a qual calculada sob uma determinada hiptese de acordo com as regras da probabilidade (SPIEGEL, 1993). A frequncia observada na diagonal (Xii) apresenta a concordncia entre o esperado e observado em cada categoria, ou seja, aqueles corretamente classificados. A coluna marginal o nmero total de elementos de imagem para cada classe (Xi+). A linha marginal o nmero de pontos atribudos a cada classe (X+i). Os resultados da combinao das imagens classificadas com as imagens referncia est expressa nas matrizes de erros para ambas as reas de estudo (TAB. 3 e TAB. 4).

9 TAB. 3: Matriz de Erros para Floresta Ombrfila Densa (FDO) e Formaes Pioneiras: 1- FOD Submontana; 2- FPI Fluvial; 3- FPI Fluvio-Marinha; 4FPI. Marinha; 5- FOD das Terras Baixas; 6- Vegetao Alterada, (Fonte: ANTUNES 1996). rea de Controle 1 2 3 4 5 6 Xi+ rea Teste - Floresta Ombrfila 1 80 2 59 1 1 80 61 3 5 51 1 2 59 4 1 3 47 1 1 53 5 1 6 2 55 2 66 6 2 X+i 83 71 55 52 60 56 377

2 1 53 58

TAB. 4: Matriz de erros para a anlise da acurcia obtida para as classes de idade nos reflorestamentos de pinus. Classes de Idade: 1- Corte Raso; 2- 1 a 3 anos; 3- 4 a 6 anos; 4- 7 a 10 anos; 5- 11 a 15 anos e 6- 16 a 25 anos (LINGNAU, 1995). rea de Controle 1 2 3 4 5 6 Xi+ rea Teste - Reflorestamentos de Pinus 1 161 11 1 2 79 3 16 347 2 1 366 4 5 6 1 8 6 259 422 696 X+i 161 107 356 73 512 434 1643

53

173

79

53

12 253 11 276

5.7 Coeficientes de Concordncia A avaliao da acurcia pode ser obtida por meio de coeficientes de concordncia, sendo que estes podem ser expressos como concordncia total ou para classes individuais. Alguns dos coeficientes de concordncia comumente usados para avaliar a acurcia total do mapa temtico esto apresentados na TAB. 5. COHEN (1960) define Kappa como um coeficiente de concordncia para escala nominais que pede a proporo de concordncia depois que a concordncia

10 atribuda a casualidade retirada de considerao (TAB. 5). O coeficiente Kappa considera todos os elementos da matriz de erros ao invs de apenas aqueles que se situam na diagonal principal da mesma, ou seja, estima a soma da coluna e linha marginais. Segundo COHEN (1960) o coeficiente Kappa mede o grau de concordncia em escalas nominais assumindo que : As unidades so independentes; As classes ou categorias da escala nominal so independentes e mutuamente exclusivas; O classificador e os pontos de referncia operam de forma independente. TAB. 5: Coeficientes de Concordncia para a avaliao da acurcia total. Acurcia Concordncia Total (HELLDEN, et al., 1980) Coeficiente de concordncia Kappa (COHEN, 1960) Coeficiente de Concordncia Tau (KLECKA, 1980) Frmula
Po = Xii N

Interpretao 0 Po +1 -1 +1 -1 +1

P Pe = o 1 Pe
= Po Pr 1 Pr

Po para toda a matriz de erros dado pela razo do somatrio da diagonal principal (Xii) pelo nmero total de observaes (N). Po pode ser traduzido pela proporo de unidades (pontos de referncia) que concordam. Pc expresso pelo somatrio do produto dos elementos das linhas e colunas marginais (Xi+X+i) pelo nmero total de observaes ao quadrado. Pc traduz a proporo de elementos atribudos a determinada classe ao acaso (COHEN 1960). O valor positivo de Kappa sugere que o valor observado de concordncia maior que a concordncia ao acaso esperada. O valor = 1 ocorre quando houver total concordncia entre os pontos de referncia e as categorias classificadas (COHEN 1960). O coeficiente de concordncia Tau baseia-se na probabilidade a priori (KLECKA, 1980), ou seja, a concordncia esperada (Pr) pode ser obtida antes mesmo de elaborar a matriz de erros. Pr expresso por 1/n, onde n nmero de categorias ou classes. Pode ser considerado, ainda, se a classificao das categorias foi efetuada com a mesma probabilidade ou no (MA & REDMOND, 1995). Sua interpretao feita da mesma forma do que coeficiente Kappa. Segundo BISHOP et al. (1975), Kappa tambm pode ser determinado para categorias individuais. A acurcia do usurio (TAB. 6) refere-se aos erros de incluso ou comisso (HORD et al., 1976; ROSENFIELD et al. 1982; CONGALTON 1991). Os erros de incluso so relativos a todos os pontos atribudos a uma determinada classe oriundos de erros de classificao das outras classes. Desta forma, a acurcia do usurio indica a probabilidade que uma categoria classificada (mapa/imagem) representasse a mesma categoria no campo. A acurcia

11 do produtor (TAB. 6) leva em considerao os erros de excluso ou omisso, onde no so atribudos a determinada classe os erros de classificao das outras classes. Da mesma forma, a acurcia do produtor referiu-se a probabilidade de determinada categoria ter sido corretamente classificada de acordo com os pontos de referncia (ROSENFIELD et al. 1986; STORY et al. 1986). O ndice de acurcia mdia (HELLDEN et al., 1980) (TAB. 6) apresenta a concordncia entre um ponto no mapa e no terreno. Trata-se de um ndice lgico, ou seja, no desenvolvido em bases probabilsticas ou matemticas (ROSENFIELD et al. 1986). O ndice de acurcia de mapa (SHORT, 1982) (TAB. 6) similar equao de JACCARD (1908), o qual baseado em uma distribuio hipergeomtrica. O coeficiente de concordncia Kappa para as classes individuais calculado atravs do mesmo princpio do que para acurcia total. o mesmo vale para a interpretao dos resultados. TAB. 6: Coeficientes de Concordncia para avaliao da acurcia para classes individuais. Acurcia Coeficiente de Concordncia Kappa (LIGHT, 1971 e BISHOP et al., 1975) ndice Mdio de Acurcia (HELLDEN et al., 1980) ndice de Acurcia do Mapeamento (SHORT, 1982) Acurcia do Produtor Acurcio do Usurio
i =

Frmula
N Xii Xi + X + i N Xi + Xi + X + i
2 X ii Xi+ + X + i

Interpretao -1 +1

a i =

0 a +1 0 p +1 0 Ap +1 0 Au +1

pi =
Api =
Au i =

Xii Xi+ + X+i Xii

Xii Xi+
X ii X+ i

A avaliao da acurcia atravs de diferentes tipos de coeficientes de concordncia permitem obteno de um grau de confiabilidade das categorias classificadas na imagem, sob diferentes perspectivas e metodologias. 6. RESULTADOS E DISCUSSO Com base na matriz de erros (Tab. 3 e TAB. 4) pode ento ser calculada o ndice de acurcia total. Na TAB. 7 esto apresentados os ndices de acurcia atravs de trs mtodos diferentes. TAB. 7: ndices de acurcia total para as reas de estudo de Floresta Ombrfila e Reflorestamentos de pinus.

12 Coeficiente de Concordncia (%) Concordncia Total 91,51 80,04 Kappa () 89,83 74,16 Tau () 89,80 76,04

rea de Estudo

Floresta Ombrfila Reflorestamentos de Pinus spp.

A acurcia total do mapa expressa pela razo entre total de pontos de referncia e os pontos corretamente classificados (Xii/N) foi de 91,51%. O Kappa total para o mapa foi 89,83% menor que a acurcia Total, pois o seu clculo levou em conta todos os elementos da matriz de erros. Como pode ser observado na TAB. 7 os valores da acurcia total obtida para trs coeficientes diferentes no apresentam diferenas significativas entre os valores. No entanto, o coeficiente de concordncia Kappa e Tau so mais consistentes por envolver no valor final todas as celulas da matriz de erros. Como o coeficiente de concordncia Tau e Kappa apresentam valores aproximados ambos podem ser recomendados na avaliao da acurcia de mapas temticos, no obstante de ser Tau o mais simples de se determinar. A avaliao da confiabilidade temtica a nvel de classes individuais est apresentada nas TAB. 8 e TAB. 9 para as reas de Floresta Ombrfila e Reflorestamentos respectivamente. Os resultados obtidos podem ser melhor interpretados se forem comparados com a matriz de erros. TAB. 8: ndices de acurcia: 1- FOD Submontana; 2- FPI Fluvial; 3- FPI FluvioMarinha; 4- FPI. Marinha; 5- FOD das Terras Baixas e 6- Vegetao alterada, (Fonte: ANTUNES 1996). CLASSES 1 2 3 4 5 6 Api % 100,00 96,72 86,44 88,68 83,33 91,38 Aui % 96,38 83,10 92,72 90,38 91,67 94,64

ai%
98,16 89,34 89,37 87,85 87,30 92,98

pi%
96,38 80,82 80,95 79,66 77,46 86,66

i %

95,41 79,83 91,38 88,81 89,90 93,67

Tomando como exemplo a classe 4, Formao Pioneira de Influncia Marinha ou restingas (TAB. 8), observou-se um Kappa de 88,81%. Isto significa que 88,81% da amostragem estavam em concordncia com os pontos de referncia. Considerando os ndices de acurcia do usurio e produtor, verificou-se que 88,68 % das reas de restingas foram corretamente identificadas como restingas. No

13 entanto, 90,38% das reas denominadas restingas representaram restingas no mapa. Uma anlise mais cuidadosa na matriz de erros permitiu avaliar uma certa confuso em discriminar restingas de terras baixas e vegetao alterada. Dentre os ndices apresentados (Au,usurio e Ap produtor) o coeficiente Kappa de concordncia pareceu ser o mais apropriado na verificao da acurcia das categorias individuais (STORY et al. 1986; CONGALTON 1991). Levando em considerao que a fotointerpretao apresentou um erro mdio de 11,75%, o ndice Kappa total () seria reduzido a 79,27% (ANTUNES 1996). TAB. 9: ndice de acurcia para classes de idade nos reflorestamentos de pinus. Classe de Idade 1. Corte Raso 2. 1 a 3 anos 3. 4 a 6 anos 4. 7 a 10 anos 5. 11 a 15 anos 6. 16 a 25 anos Api % 93.06 100.00 94.81 100.00 91.67 60.63 Aui % 100.00 73.83 97.47 72.60 49.41 97.23

ai %
96.41 84.95 96.12 84.13 64.21 74.69

pi %
93.06 73.83 92.53 72.60 47.29 59.60

i % 92.31 100.00 93.37 100.00 87.89 46.50

Os ndices de acurcia para classes de idade (TAB. 9) mostram que para cinco ndices as classes 1 a 4 apresentam valores altos, onde conclui-se que foi obtida uma concordncia relativamente alta. Erros de omisso e comisso quase no foram observados (TAB. 4).Assim como pode ser observado na TAB. 4 uma confuso maior ocorre entra as classes 5 e 6, qual ocorreu devido a semelhana na assinatura espectral entre as mesmas. Os cinco diferentes coeficientes de concordncia expressam a confuso ocorrida, no entanto no de que forma. O valor de 49,41% de Au5 mostra que houve um erro de comisso significativo, mas atravs dos ndices de a5 e p5 no possvel identificar que tipo de erro (omisso ou comisso) pode ter ocorrido. O valor de Kappa para 6 de 46,50% indica que devido a alta proporo desta classe no mapa temtico a concordncia observada foi baixa em relao a esperada. 7. CONCLUSO Inventrio ou a classificao digital possuem um valor muito limitado se a acurcia no for apresentada ao usurio. Aqui vale lembrar que no basta simplesmente apresentar um valor de acurcia, mas tambm os mtodos e parmetros utilizados para avalia-la; As caractersticas da rea de estudo so relevantes na definio do mtodo de verificao da acurcia do dado temtico. O acesso a rea ou at mesmo a complexidade de distino entre as classes no processo de classificao digital so fatores determinantes no processo de seleo de pontos de referncia em campo;

14 A apresentao da matriz de erros para o usurio fundamental, pois atravs desta possvel visualizar as confuses ocorridas entre as classes; Conforme a finalidade do mapa, a acurcia total pode ser suficiente, no entanto, quando algumas classes especficas so importantes ou interessam mais do que as outras, pode ser relevante ao usurio a acurcia por classe individual; O coeficiente de acurcia Kappa para classes individuais, parece ser o mais indicado na avaliao da classificao de imagens de sensoriamento remoto, por levar em conta os erros comisso e omisso na matriz de erros no seu clculo. 8. RFERNCIAS BIBLIOGRFICAS ANTUNES, A. F. B. Uso do Processamento Digital de Imagens na Segmentao de Tipologias Vegetais na APA de Guaraqueaba-PR. Dissertao de Mestrado, Curitiba: Curso de Ps-graduao em Engenharia Florestal, Universidade Federal do Paran. 1996. 119p. BISHOP, Y. M.; FEINBERG, S. E. & HOLLAND, P. W. Discrete Multivariate Analysis - Theory and Practice. Cambrige, Mass., the mit press, 357 p., 1975. COHEN, J. A Coeficient of Agreement for Nominal Scales. Educational and Measurment. Vol XX, No 1, p. 37-46, 1960. CONGALTON, R. A Review of Assessing the Accuracy of Classification Remotely Sensed Data. Remote Sensing of Environment, USA, No 37, p. 35-36, 1991. GEMEAL, C. Introduo ao Ajustamento de Observaes - Aplicaes Geodsicas. Curitiba: Editora da UFPR. 1994. HELLDEN, U. & STERN, M. Evaluation of Landsat Imagery and Digital Data for Monitoring Desertification Indicators in Tunisia. Proc. 14th. Int. Symp. on Rem. Sens. of Environ., p. 1601-1611, 1980. HORD, R. M. & BROONER, W. Land Use Map-Accuracy Criteria. Photogrammetric Engineering and Remote Sensing, Vol. 42 (5), p. 671677, 1976. IBGE. Manuel Tcnico da Vegeta o Brasileira. Srie Manuais Tcnicos, No 1. 1992. JACCARD, P. Nouvelle Researches sur la Distribution Florale. Bull. Soc. Vaud. Sci., Nat., Vol. 44, p. 223-270, 1908. KLECKA, W. R. Discriminant Analysis. SAGE Publications, Inc., Beverly Hills, California, 71 p., 1980. LINGNAU, C. Zustandserfassung von Kiefernplantagen in Sdbrasilien mit Landsat-5 TM Daten als Grundlage fr die berwachung und Abschtzung knftiger Entwicklung von Holzwespenschden. Dissertao de Doutorado. Albert Ludwigs-Universitt, Freiburg Germany, 158 p., 1995.

15 MA, Z. & REDMOND, R. Tau Coefficients for Accuracy Assessment of Classification of Remote Sensing Data. Photogrammetric Engineering and Remote Sensing, Vol. 61(4), p. 435-439. 1995. MONTGOMERY, G.; SCHUCH, C. Gis Data Conversion Handbook. Fort Collins: Gis Word Books. 1993. PYE, J.; HENSHE W. & EVANS K. Control Points for Georegistering Images of the APA Guaraqueaba. Relatrio interno, U.S.D.A. Forest Service, North Carolina, USA. 1994. RODERJAN C. & KUNIYOSHI, Y. Macrozoneamento Florstico da rea de Proteo Ambiental APA-Guaraqueaba. Curitiba: FUPEF, UFPR, 1988. ROSENFIELD, G. H; FITZPTRIK-LINS, K. & LING, S. H. Sampling for Thematic Map Accuracy Testing. Photogrammetric Engineering and Remote Sensing, Vol. 48 (1), p. 131-137, 1982. ROSENFIELD, G. H. & FITZPTRIK-LINS, K. A Coefficent of Agreement as Measure of Thematic Classification Accuracy. Photogrammetric Engineering and Remote Sensing, Vol. 52 (2), p. 223-227, 1986. SPIEGEL, M. R. Estatstica. McGrawhill, 3edio, 1993. STORY, M & CONGALTON, R. Accuracy Assessment: a Users Perspective. Photogrametric Engineering and Remote Sensing, Vol 52, n3. p 379-399, 1986. THAPA, K. & BOSSLER, D. J. Acuracy of Spatial Data Used in Geographic Information Systems. Photogrammetric Engineering and Remote Sensing, Vol. 58 (6), p. 835-841, 1992.