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

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

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.

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

59
1

80

5
51
1
2

61

59

4
1
3
47
1
1
53

X+i

6
1
6

2
55
2
66

2
1
53
58

83
71
55
52
60
56
377

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

173

2
79

79

16
347
2

53

1
366

53

12
253
11
276

X+i

1
8
6
259
422
696

161
107
356
73
512
434
1643

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)

Frmula
Po =

Xii
N

Interpretao
0 Po +1

Coeficiente de concordncia
Kappa (COHEN, 1960)

P Pe
= o
1 Pe

-1 +1

Coeficiente de Concordncia Tau

(KLECKA, 1980)

Po Pr
1 Pr

-1 +1

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

Frmula
i =

Interpretao

N Xii Xi + X + i
N Xi + Xi + X + i

-1 +1

2 X ii
Xi+ + X + i

0 a +1

Xii
Xi+ + X+i Xii

0 p +1

a i =

pi =
Api =

Xii
Xi+

0 Ap +1

Au i =

X ii
X+ i

0 Au +1

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 (%)

rea
de Estudo

Concordncia
Total

Kappa ()

Tau ()

Floresta Ombrfila

91,51

89,83

89,80

Reflorestamentos de Pinus spp.

80,04

74,16

76,04

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

Api %

Aui %

1
2
3
4
5
6

100,00
96,72
86,44
88,68
83,33
91,38

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 %

Aui %

93.06
100.00
94.81
100.00
91.67
60.63

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.