Sensoriamento Remoto no

Estudo da Vegetação
Autores do
seminário:
Ana Carolina Malatesta
Beatriz Barcellos Mattos
Eduarda Mihara
Sabrini Oliveira

Uso de classificadores para o mapeamento da

vegetação nativa de cerrado
Étore Francisco Reynaldo
Fabrício Pinheiro Povh
Luciano Marcelo Fallé Saboya
Marina de Fática Viela

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 1. Introdução

 Os dados obtidos a partir de satélites propiciam

coberturas repetitivas da superfície terrestre em
intervalos relativamente curtos, possibilitando uma
visão sinóptica e temporal da superfície terrestre e
viabilizando ações de monitoramento, identificação e
quantificação de áreas com maior rapidez e custo
operacional relativamente baixo.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 1. Introdução
Valendo-se de sensores multiespectrais, fenômenos como
queimadas, desmatamentos, expansão urbana e
mudanças na cobertura vegetal, passaram a ser
estudados de forma objetiva.
 2. Objetivos

 Diante das inúmeras vantagens dos sensores remotos e das

técnicas de geoprocessamento na discriminação de feições,
aliando qualidade técnica e recursos financeiros, objetivou-se
mapear áreas de vegetação nativa do cerrado utilizando
imagem CCD/CBERS-2, e os métodos de classificação visual,
classificação supervisionada, e classificação não
supervisionada.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 3. Metodologia
 ÁREA DE ESTUDO: localiza-
se no município de Gurupi,
no sul do estado de
Tocantins, nas coordenadas
lat 11° 44' 47.11" sul e long
49° 4' 15.16" oeste.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 Foi definida a partir do
recorte da folha SC-22-Z-
D-IV-4-NE, do IBGE. A
escala era de 1:25000,
abrangendo uma area
total de 19093,19 ha.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 Os dados utilizados foram obtidos da imagem CCD/CBERS-2,
de 30 de março de 2004.

 Foram obtidas as coordenadas de 55 pontos de controle. Para

a correção geométrica da imagem por meio do
georreferenciamento no software SPRING 4.1 foram
utilizados 23 pontos.

 Foram definidas as classes “Vegetação Nativa” e “Outros”

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 3.1 Classificação Visual
 Para o mapeamento da vegetação nativa, definiu-se a escala
1:30.000;
 A identificação e digitalização dos fragmentos de vegetação
nativa foi feita por meio das propriedades de forma;
rugosidade, tonalidade, cor e tamanho, textura e sombra dos
alvos terrestres.
 Os alvos de interesse possuiam formas irregulares, tamanhos
diversos e cores que iam do vermelho escuro ao vinho, com
textura rugosa. Assim, eles se destacavam na composição
falsa cor, das bandas 4, 3 e 2.
 Assim, a característica utilizada para identificar as areas de
interesse foi a tonalidade.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 3.2 Classificação Supervisionada
 Foram obtidas amostras de treinamento em campo, seguindo
as duas classes definidas;
 Elas foram analisadas para que se mantivesse um teor de
pureza de 99%.
 Em seguida, as amostras treinaram o algoritmo Maxver, com
um limiar de aceitação de 99%.
 O limiar de aceitação indica a porcentagem de pixels de uma
dada classe que será classificada como pertencente a essa
classe.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
3.3 Classificação não supervisionada
da imagem digital
 A classificação não supervisionada do SPRING requer uma imagem
rotulada. Para isso, é necessário fazer a segmentação da imagem.

 A segmentação foi feita pelo método de crescimento de regiões.

 Este processo rotula cada pixel como uma região distinta, em seguida,
calcula-se um critério de similaridade para cada região adjacente.

 Este critério de similaridade tem como base um teste de hipótese

estatístico, que testa a média entre as regiões.

 Posteriormente, a imagem é dividida em um conjunto de sub-imagens e

então se realiza a união entre elas, por meio de um limiar de agregação
definido.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 A imagem mais adequada teve um limite de
similaridade da ordem de 5%.

 Depois de gerar a imagem segmentada tem início o

processo de classificação não supervisionado, com uso
do classificador Isoseg. Este classificador é um
algoritmo que utiliza atributos estatísticos para
agrupar dados.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 3.4 Índices de exatidão das
classificações geradas
• Foi feita a determinação de um número de 76
amostras de referência, com um percentual de
exatidão de 95% e um erro permissível de 5%
(metodologia proposta por JENSEN).
• Os pontos de referência foram plotados na área com
uso da amostragem aleatória. Depois de estabelecer
as classificações finais e o arquivo de referência,
foram geradas matrizes de erros, usadas no cálculo
dos índices de Exatidão Global e Kappa.
Disciplina: Sensoriamento Remoto
Prof. Roberto Wagner Lourenço
Disciplina: Sensoriamento Remoto
Prof. Roberto Wagner Lourenço
 4. Resultados e Discussão

 A imagem corrigida apresentou um erro médio de

0,48 Pixel ou 9,6 metros.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
4. Resultados e Discussão

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
4. Resultados e Discussão

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
4. Resultados e Discussão

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 4. Resultados e Discussão

 As classificações visual e supervisionada apresentam

qualidade excelente.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 4. Resultados e Discussão
 CLASSIFICAÇÃO VISUAL:
 Apresentou um ótimo resultado devido ao conhecimento prévio da
área mapeada.

 CLASSIFICAÇÃO SUPERVISIONADA:
 O bom conhecimento da área também influenciou no bom resultado
da classificação supervisionada, devido à coleta de amostra para
treinamento do algoritmo de classificação.

 CLASSIFICAÇÃO NÃO-SUPERVISIONADA
 Não requer conhecimento prévio da área
 É utilizada como uma classificação inicial, ou uma pré-classificação.
Disciplina: Sensoriamento Remoto
Prof. Roberto Wagner Lourenço
 5. Conclusões

 Para as condições locais, a classificação visual e

supervisionada foram as mais indicadas, visto que de acordo
com o índice Kappa, apresentaram qualidade excelente.
 O desconhecimento da área, do uso e da cobertura do solo
por parte do interprete resultaria em índices de exatidão mais
baixos.
 O conhecimento prévio da área foi imprescindível à qualidade
do resultado da classificação visual e supervisionada.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 5. Conclusões

 Portanto, a principal limitação da classificação visual

é a necessidade de conhecimento prévio da área.
 Uma classificação não supervisionada com um
número reduzido de classes poderia diminuir a
confusão entre as classes e elevar os índices de
exatidão para a classificação, segundo as condições
locais. Pois um número elevado de classes dificulta o
mapeamento ou rotulação de classes.
 6. Referências Bibliográficas
 Ministério do Meio Ambiente. PPCerrado. Disponível
em:<http://www.mma.gov.br/florestas/controle-e-
preven%C3%A7%C3%A3o-do-desmatamento/plano-de-
a%C3%A7%C3%A3o-para-cerrado-%E2%80%93-
ppcerrado>. Acesso em: 03 Jun. 2015.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
 Considerações do Grupo sobre a
importância do trabalho
1. O meio ambiente está em constante mudança, que têm se
intensificado a partir de meados do século XX. Portanto, as
observações em escalas temporais e espaciais da terra,
através de sensoriamento remoto, são de extrema
importância para o acompanhamento e monitoramento
dessas mudanças.
2. A análise através de sensores multiespectrais é de extrema
importância à medida que gera imagens em diferentes
faixas espectrais, melhorando a análise de diferentes
elementos.

Disciplina: Sensoriamento Remoto

Prof. Roberto Wagner Lourenço
Considerações do Grupo sobre a
importância do trabalho
3. Do ponto de vista da diversidade biológica, o Cerrado
brasileiro é reconhecido como a savana mais rica do
mundo. No entanto, depois da Mata Atlântica, o
Cerrado é o bioma brasileiro que mais sofreu alterações
com a ocupação humana e até 2008, o bioma já havia
perdido quase 48% da sua cobertura vegetal. A fim de
diminuir a degradação do cerrado, há planos como
Plano de Ação para Prevenção e Controle do
Desmatamento e das Queimadas no Cerrado
(Ministério do Meio Ambiente), que visam proteger
áreas de vegetação nativa e dependem portanto de
produtos de sensoriamento remoto.