Você está na página 1de 57

MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO

- CENTRO DE IMAGENS E INFORMAÇÕES GEOGRÁFICAS DO EXÉRCITO (CIGEx)

DCT

DSG

i
i

CURSO DE ESPECIALIZAÇÃO EM FOTOGRAMETRIA E SENSORIAMENTO REMOTO

1º Sgt JEFFERSON VELOSO NOGUEIRA

PROJETO INTERDISCIPLINAR

AVALIAÇÃO ALTIMÉTRICA DE MODELO DIGITAL DE ELEVAÇÃO GLOBAL (ASTER GDEM) EM COMPARAÇÃO AO MODELO DIGITAL DE ELEVAÇÃO OBTIDO DO SISTEMA CARTOGRÁFICO DO DISTRITO FEDERAL (SICAD)

Brasília DF

Novembro de 2009

MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO

- CENTRO DE IMAGENS E INFORMAÇÕES GEOGRÁFICAS DO EXÉRCITO (CIGEx)

DCT

DSG

ii
ii

1º Sgt JEFFERSON VELOSO NOGUEIRA

AVALIAÇÃO ALTIMÉTRICA DE MODELO DIGITAL DE ELEVAÇÃO GLOBAL (ASTER GDEM) EM COMPARAÇÃO AO MODELO DIGITAL DE ELEVAÇÃO OBTIDO DO SISTEMA CARTOGRÁFICO DO DISTRITO FEDERAL (SICAD)

Projeto Interdisciplinar apresentado à Seção

de Ensino do Centro de Imagens e Informações Geográficas do Exército.

Orientadores: Cap Felipe André Lima Costa

Ten Daniel Wander Ferreira Melo

Co-Orientador: 1º Sgt GILMAR Peixoto de Oliveira

Brasília DF

Novembro de 2009

iii

Agradeço a DEUS, em primeiro lugar. À minha família: meus Pais, minha esposa Graciele e meus filhos: Júnior e Rafaella. Aos instrutores e amigos do Cigex que de alguma forma colaborou com esta conquista.

iv

1º Sgt JEFFERSON VELOSO NOGUEIRA

AVALIAÇÃO ALTIMÉTRICA DE MODELO DIGITAL DE ELEVAÇÃO GLOBAL (ASTER GDEM) EM COMPARAÇÃO AO MODELO DIGITAL DE ELEVAÇÃO OBTIDO DO SISTEMA CARTOGRÁFICO DO DISTRITO FEDERAL (SICAD)

Data de Aprovação:

Chefe do Curso de Fotogrametria e Sensoriamento Remoto

v

SUMÁRIO

RESUMO

ix

INTRODUÇÃO

10

1. OBJETIVOS

12

1.1 OBJETIVO GERAL

12

1.2 OBJETIVOS ESPECÍFICOS

12

1.3 JUSTIFICATIVA

12

2. FUNDAMENTAÇÃO TEÓRICA

13

2.1

MODELO DIGITAL DE ELEVAÇÃO DO SICAD

13

2.1.1

AMOSTRAGEM E ESTRUTURA DE DADOS

14

2.1.2

GERAÇÃO DA REDE IRREGULAR DE TRIÂNGULOS (TIN)

15

2.1.3

ANÁLISES DO MODELO DIGITAL DE ELEVAÇÃO

18

2.2

MODELO DIGITAL DE ELEVAÇÃO DO SENSOR ASTER

19

2.3

CONTROLE DA QUALIDADE DO MDE

25

2.3.2

PADRÃO DE EXATIDÃO CARTOGRÁFICA (PEC)

26

2.3.2

TAMANHO DA AMOSTRA

28

2.3.3

ANÁLISE DA EXATIDÃO

28

2.3.4

ANÁLISE DA PRECISÃO

30

2.3.5

ANÁLISE DE TENDÊNCIA

32

3. MATERIAIS

32

3.1

BASE DE DADOS

32

3.1.1

MODELO DIGITAL DE ELEVAÇÃO DO SICAD

33

3.1.2

MODELO DIGITAL DE ELEVAÇÃO GLOBAL (ASTER GDEM)

33

3.2

SOFTWARES UTILIZADOS

34

4. METOLOGIA

34

vi

4.2

METODOLOGIA DE COMPARAÇÃO MDE (ASTER GDEM) COM O MDE DO SICAD. 36

4.2.1

METODOLOGIA DE GERAÇÃO DO MODELO DIGITAL DE ELEVAÇÃO A PARTIR DE

CURVAS DE NÍVEL E PONTOS COTADOS

36

4.2.2

TÉCNICA DE FATIAMENTO

43

4.3

COMPARAÇÃO DO MDE (ASTER GDEM) COM 28 PONTOS

46

4.3.1

DESENVOLVIMENTO DA AVALIAÇÃO

46

4.3.2

ANALISE GRÁFICA

49

4.3.3

TAMANHO DA AMOSTRA

49

4.3.4

ANÁLISE DA PRECISÃO E EXATIDÃO

50

4.3.5

ANÁLISE DA PRECISÃO

51

4.3.6

ANÁLISE DE TENDÊNCIA

52

4.4

ANÁLISES E RESULTADOS

53

CONCLUSÃO

54

SUGESTÕES PARA TRABALHOS FUTUROS

54

REFERÊNCIAS BIBLIOGRÁFICAS

55

vii

LISTA DE ILUSTRAÇÕES

Figura 01 - Exemplo de Grade Regular. Fonte: Felgueiras e Câmara (2001)

14

Figura 02 - Exemplo de Grade irregular. Fonte: Felgueiras e Câmara (2001)

15

Figura 03 - Critério do circuncírculo para geração de triangulações de Delaunay: (a) T1 e T2 são triângulos de Delaunay e (b) T1 e T2 não são triângulos de Delaunay Fonte: Felgueiras e Câmara (2001)

16

Figura 04 Mapeamento de interpol. de cota. Fonte: Felgueiras e Câmara (2001) . 18

Figura 05 MDE em Níveis de Cinza. Fonte: Felgueiras e Câmara (2001)

19

Figura 06 Fluxo de MDE (GDEM ASTER). Fonte: Felgueiras e Câmara (2001)

22

Figura 07 Aquisição Along-track. Fonte: Felgueiras e Câmara (2001)

23

Figura 08 Imagem epipolar. Fonte: Felgueiras e Câmara (2001)

24

Figura 09 Imagem da área de estudo. Fonte: Google Earth (2009)

35

Figura 10 Conversão de DGN para

36

Figura

11

Obtenção do

37

Figura 12 Metodologia de geração do MDE

37

Figura 13 Conversão do sistema

38

Figura 14 Elevação das curvas de nível

38

Figura 15 Geração da TIN

39

Figura 16 Metodologia de geração do MDE

39

Figura 17 Conversão da TIN para imagem em Nível de

39

Figura 18 Metodologia de geração do MDE SICAD

40

Figura 19 Imagem de ilustração da Ondulação Geoidal. Fonte: Mapgeo 2004

40

Figura 20Cálculo da ondulação geoidal. Fonte: Software Mapgeo2004

41

Figura

21

Matemática de bandas.B1-

42

Figura 22Imagem da diferença de altitudes entre os dois

42

Figura 23Histograma da imagem da diferença.de altitudes entre os dois

43

Figura 24Imagem da análise do fatiamento de três

44

Figura 25Imagem das diferenças negativas (vermelha) e positivas (azul)

45

Figura 26 Imagens das maiores diferenças em relação à média

45

Figura 27Pontos de controle na área de estudo. Fonte: Google Earth (2009) Figura 27Discrepâncias obtidas na altimetria. Fonte: Desenvolvimento da

47

viii

Tabela 01 - Características do Satélite Terra. Fonte: Sítio Embrapa

20

Tabela 02 - Características do Sensor Aster. Fonte: Sítio Embrapa

20

Tabela 03. Padrão de Exatidão Cartográfico- Altimétrico em função da escala para classe A

27

Tabela 04. Padrão de Exatidão Cartográfico- Altimétrico em função da escala para classe B

27

Tabela 05. Padrão de Exatidão Cartográfico- Altimétrico em função da escala para classe

27

Tabela 06. Discrepâncias da altimetria entre Pontos de controle e

48

Tabela 07 - t de student. (n-1=27=1,314)

50

Tabela

08

-

Distribuição Qui-quadrado.

51

Tabela 09 - t de student. (n-1=27=1,314).

52

ix

RESUMO

Na cartografia convencional as interpretações e análises sobre os relevos eram realizadas de forma analógicas. Com o avanço das geotecnologias principalmente no imageamento orbital houve uma mudança significativa nas obtenções dos Modelos digitais de Elevação e nas análises sobre estes dados. O Modelo Digital de Elevação Global (ASTER GDEM) produzido pelo Ministério da Economia, Comércio e Indústria (METI) do Japão e pela NASA a partir de dados estéreo-ópticos adquirido pelo Sensor ASTER vem como uma proposta de solução para algumas aplicações que fazem uso do Modelo Digital de Elevação. Neste sentido este trabalho veio fazer uma avaliação altimétrica do modelo, de acordo com o padrão as Instruções Reguladoras das Normas Técnicas da Cartografia Nacional, e, assim, foram empregados o Erro Padrão (EP) e o Padrão de Exatidão Cartográfica (PEC), proposto de duas formas: a primeira comparando com outro MDE obtido do mapeamento cartográfico do Distrito Federal na escala de 1: 10.000 (SICAD) e a segunda avaliando com 28 pontos de controle por teste de hipótese. Da análise dos resultados houve uma divergência quanto a acurácia e precisão alcançada, pela avaliação comparando os MDEs os resultados apontaram uma adequação de acurácia e precisão para uma escala de 1: 100.000, enquanto para a segunda avaliação os resultados apontaram adequação para adequação de acurácia e precisão para uma escala de 1: 50.000.

Palavras-chave

Modelo Digital de Elevação (MDE) Global ASTER GDEM, Altimetria, Cartografia, Sensoriamento Remoto, Fotogrametria e Geoprocessamento

10

INTRODUÇÃO

Na cartografia convencional as interpretações e análises sobre os relevos eram realizadas de forma analógicas. Com o avanço das geotecnologias houve uma mudança significativa no tratamento destes dados.

A geração de Modelos Digitais de Elevação é uma prática bastante recente dentro das geotecnologias. As pesquisas iniciais nessa área são creditadas ao professor Charles L. Miller, do Massachusetts Institute of Technology (MIT), tendo como objetivo principal a execução de projetos de estradas auxiliados por computação (BRITO, 2007). Os primeiros modelos foram gerados a partir da digitalização de dados topográficos coletados em campo. Esta é uma maneira bastante utilizada de se gerar os Modelos Digitais de Elevação, mas pela necessidade de uma densidade de pontos de campo ou mapeamento já existente e pelo seu alto custo, vem sendo substituída por métodos mais rápidos e automatizados.

Para Paradella (2001) a definição Modelo Digital de Elevação é uma representação digital de uma seção da superfície, através de uma matriz de pixels com coordenadas planimétricas (X,Y) e valor de intensidade do pixel correspondendo à elevação.

Atualmente, o conceito de mapeamento envolve a ideia de Modelos Digitais de Superfícies (MDS), em particular a do relevo terrestre, e não mais apenas o traçado de curvas de nível analógicas sobre uma base. O MDS pode ser definido como qualquer representação numérica para uma determinada superfície física do terreno (relevo, por exemplo) a ser representada (BRITO, 2007).

Outra maneira de geração de MDE orbital que dispensa grande parte das atividades de campo é através da comparação entre pares estereoscópicos de uma mesma área. A estereoscopia permite obter dados tridimensionais através da observação de um par de imagens planas (pares estereoscópicos) obtidas de uma mesma cena, com ângulos de incidência distintos (SANTOS et al.,1999). É um ramo que surge dentro da aerofotogrametria digital, que recentemente vem ganhando

11

espaço com a utilização de imagens orbitais. O ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer), a bordo do satélite Terra, é um destes sensores capaz de adquirir pares estereoscópicos, e que será avaliado neste trabalho.

Além do método da interferometria por radar, técnica de imageamento com sensor ativo, em que o radar emite o sinal através de uma antena central e registram as características do retorno deste sinal através de duas outras antenas alocadas a distância uma da outra. Através da comparação dos dois sinais pode-se criar o Modelo Digital de Elevação e que não faz parte do escopo deste estudo.

Os Modelos Digitais de Elevação apresentam diversas possibilidades de aplicações, sendo algumas citadas em Burrough (1989): armazenamento de dados de altimetria; análises de corte-aterro para projeto de estradas e barragens; elaboração de mapas de declividade e aspecto; análise de variáveis geofísicas e geoquímicas; análises de perfis e visibilidade, cálculo de volumes, determinação automática de áreas de inunda, representação tridimensional, dentre outras.

A partir do mapeamento SICAD, será utilizada a rede irregular de triângulos (TIN - Triangular Irregular Network), triangulação de Delaunay, método de interpolação para gerar o MDE. Este modelo servirá de referência para comparação com o MDE Global (GDEM ASTER), além de pontos de controle obtidos pelo mapeamento do SICAD na escala de 1: 2.000 e de equidistância de 1 (um) metro que serão utilizados para as análises estatísticas de exatidão, precisão e tendência, adotando como padrão as Instruções Reguladoras das Normas Técnicas da Cartografia Nacional.

Ressaltando que o enfoque é a avaliação dos valores das altitudes obtida a partir do MDE Global (ASTER GDEM), pelo fato deste vir despertando crescentes usos e interesses, por ser um produto distribuído gratuitamente e também para averiguar uma possível aplicação no mapeamento sistemático nacional de acordo com Instruções Reguladoras das Normas Técnicas da Cartografia Nacional.

12

1. OBJETIVOS

1.1 OBJETIVO GERAL

Avaliar a altimetria do Modelo Digital de Elevação Global (ASTER GDEM) obtido de dados orbitais do sensor ASTER em comparação com o Modelo Digital de Elevação obtido do sistema de cartografia do Distrito Federal (SICAD), além dos pontos de controle obtidos do mapeamento do SICAD na escala de 1: 2.000, verificando a compatibilidade com o Padrão de Exatidão Cartográfico.

1.2 OBJETIVOS ESPECÍFICOS

Os objetivos específicos podem ser resumidos em:

Gerar um Modelo Digital de Elevação a partir das curvas de nível e pontos cotados do mapeamento do SICAD para comparação com Modelo Digital de Elevação Global (GDEM ASTER).

Avaliar a acurácia e precisão altimétrica do Modelo Digital de Elevação Global (GDEM ASTER) gerado a partir dos pares estereoscópicos obtidos nas bandas 3Nadir e 3Backward, VNIR - (Visible and Near Infrared ou visível e infravermelho próximo).

Verificar a compatibilidade do Modelo Digital de Elevação Global (GDEM ASTER) de acordo com as Instruções Reguladoras das Normas Técnicas da Cartografia Nacional e classificando no Padrão de Exatidão Cartográfico (PEC).

1.3 JUSTIFICATIVA

Considerando as novas aplicações dos dados altimétricos, em especial os Modelos Digitais de Elevação, nos diversos usos e interesses, é necessário que se investigue a possibilidade de aproveitamento do Modelo Digital de Elevação Global (GDEM ASTER) nas atividades relacionadas à cartografia nacional e que se avalie a acurácia e precisão para as diversas escalas, para aplicação na nova realidade geotecnológica.

13

2. FUNDAMENTAÇÃO TEÓRICA

2.1 MODELO DIGITAL DE ELEVAÇÃO DO SICAD

Como foi relatado na introdução, na cartografia convencional as interpretações

e análises sobre o relevo eram realizadas de forma analógica, atualmente para que se possa representar uma superfície real computacionalmente é necessário a geração de um Modelo Digital de Elevação, e que corresponde a nova técnica para elaboração e implantação de projetos.

O Modelo Digital de Elevação (MDE), importante em inúmeras áreas do

conhecimento, tais como na geodésia, geofísica, engenharia e hidrologia, pode ser

definido como a representação matemática de uma superfície, através das coordenadas X, Y e Z (ROCHA, 2000). Atualmente, esta expressão não está relacionada apenas a feição altimétrica de uma região, mas qualquer outra característica do terreno a ser representada de forma contínua, por exemplo:

temperatura, vegetação, hidrologia, geologia, tipo de solo, regiões do corpo humano

e outras.

Para Felgueiras e Câmara (2001), Modelo Numérico de Terreno (MNT) é uma representação matemática computacional da distribuição de um fenômeno espacial que ocorre dentro de uma região da superfície terrestre. Dados de relevo, informação geológicas, levantamentos de profundidades do mar ou de um rio, informação meteorológicas, e dados geofísicos e geoquímicos são exemplos típicos de fenômenos representados por um MNT e denominado também de Modelo Digital de Elevação (MDE).

A Modelagem Digital de Elevação consiste basicamente em três etapas:

Aquisição de dados ou Amostragem, Geração do Modelo ou Interpolação e Análises do Modelo.

A amostragem consiste na aquisição de um conjunto de amostras que

representam os dados de interesses e que geralmente são representados por curvas de nível e por pontos cotados. A interpolação envolve a criação de estrutura e

definição de superfícies de ajustes com o objetivo de se obter uma representação

14

contínua dos fenômenos a partir das amostras e Análise são procedimentos de análise executados sobre os modelos digitais, que podem ser qualitativas, tais como

a visualização do modelo usando-se projeções geométricas planares ou quantitativas tais como cálculos de volumes e geração de mapas de declividades (CÂMARA,

2001).

A aquisição de dados pode ser feita por digitalização, restituição fotogramétrica, sensoriamento remoto e levantamento de campo direto. Utilizaremos neste trabalho

o segundo método na obtenção do Modelo Digital de Elevação do SICAD e o Modelo Digital de Elevação Global (ASTER GDEM) foi obtido pelo terceiro método.

2.1.1 AMOSTRAGEM E ESTRUTURA DE DADOS

Na fase de aquisição a distribuição espacial dos dados pode ser de duas maneiras: aleatoriamente, sem um arranjo geométrico preferencial malha irregular ou estrutura de TIN (Triangulated Irregular Network), ou com espaçamento regular, geometria e origem definida, também chamada de GRID (Grade Regular de Pontos). Na definição de uma amostragem representativa, deve-se considerar a quantidade e também o posicionamento das amostras em relação ao comportamento do fenômeno

a ser modelado. Uma superamostragem de altimetria numa região plana significa

redundância de informação, enquanto que poucos pontos em uma região de relevo movimentado significa escassez de informações ou subamostragem.

A grade regular é um modelo digital que aproxima superfícies através de um poliedro de faces retangulares, como mostrado na figura 01. Os vértices desses poliedros podem ser os próprios pontos amostrados, caso estes tenham sido adquiridos nas coordenadas XY que definem a grade desejada.

adquiridos nas coordenadas XY que definem a grade desejada. Figura 01 - Exemplo de Grade Regular.

Figura 01 - Exemplo de Grade Regular. Fonte: Felgueiras e Câmara (2001)

15

Uma malha triangular é conjunto de poliedros cujas faces são triângulos, como ilustrado na figura 02. Os vértices do triângulo são geralmente os pontos amostrados da superfície. Esta modelagem, considerando as arestas dos triângulos, permite que as informações morfológicas importantes, como as descontinuidades representadas por feições lineares de relevo (cristas) e drenagem (vales), sejam consideradas durante a geração da grade triangular, possibilitando assim, modelar a superfície do terreno preservando as feições geomórficas da superfície.

preservando as feições geomórficas da superfície. Figura 02 - Exemplo de Grade irregular. Fonte: Felgueiras e

Figura 02 - Exemplo de Grade irregular. Fonte: Felgueiras e Câmara (2001)

2.1.2 GERAÇÃO DA REDE IRREGULAR DE TRIÂNGULOS (TIN)

Uma grade irregular triangular é um poliedro de faces triangulares. Em um modelo de grade irregular triangular os pontos amostrais são conectados por linhas para formar triângulos. Assim, diferentemente da geração de grade regular, os valores de cota dos vértices dos elementos triangulares da malha triangular não precisam ser estimados por interpolações.

Na representação da topografia, são utilizados algoritmos que fazem uso da técnica de triangulação TIN (Triangulated Irregular Network), a qual consiste numa estrutura em que os vértices das curvas de nível, pontos cotados são distribuídos irregularmente e conectados por uma rede de arestas que formam triângulos não- sobrepostos. Os pontos são conectados geralmente de acordo com a triangulação de Delaunay (MATOS, 2005).

O critério utilizado na triangulação de Delaunay é o de maximização dos ângulos mínimos de cada triângulo. Assim, a malha final deve conter triângulos o

16

mais próximos possível de eqüiláteros, evitando-se a criação de triângulos com ângulos internos muito agudos. Uma forma equivalente na implementação da triangulação de Delaunay consiste em utilizar o critério do circuncírculo (Felgueiras, 2001). De acordo com este critério, ilustrado na figura 03, a triangulação de Delaunay determina que o círculo que passa pelos três vértices de cada triângulo da malha triangular não contém, no seu interior, nenhum ponto do conjunto das amostras além dos vértices do triângulo e por último que não deve haver cruzamento de duas arestas.

por último que não deve haver cruzamento de duas arestas. Figura 03 - Critério do circuncírculo

Figura 03 - Critério do circuncírculo para geração de triangulações de Delaunay: (a) T1 e T2

são triângulos de Delaunay e (b) T1 e T2 não são triângulos de Delaunay Câmara (2001)

Fonte: Felgueiras e

Para Zanardi (2006), nos casos de dados distribuídos irregularmente, pode-se recorrer a duas técnicas: triangulação ou reticulação. No processo de triangulação, os pontos são conectados através de triângulos e entre eles os valores são interpolados linearmente. Com este procedimento, as curvas de nível (isolinhas) são traçadas a partir da disposição original dos dados. Não ocorre extrapolação e as estimativas limitam-se à área resultante da soma das áreas dos triângulos. E o processo de reticulação é caracterizado pelo estabelecimento de uma malha regular sobre a área levantada. Os valores a serem estimados são representados pelos nós formados com a nova malha estabelecida. Ainda, os vértices da malha podem ser os próprios pontos amostrados, caso estes tenham sido obtidos nas mesmas localizações que definem a grade desejada.

O método TIN (Triangulated Irregular Network) ainda apresenta a vantagem de não extrapolar a área de interpolação para as regiões periféricas do levantamento, onde não foram coletados dados. A interpolação nessas áreas pode criar feições topográficas irreais. Por este motivo, os modelos gerados por grades regulares, os

17

quais efetuam a extrapolação, geralmente apresentam problemas na representação da topografia na borda da área.

Na construção de um Modelo Digital de Elevação é muito importante que as características topográficas da superfície sejam preservadas. Assim, é interessante que o conjunto de amostras de entrada contenha as linhas de descontinuidade de acidentes geográficos (Breaklines). Essas linhas representam as descontinuidades naturais (divisores de água, canais ou talvegues e lagos) ou artificiais na topografia do terreno (reservatórios, prédios e taludes de rodovias) e, não devem ser atravessadas por arestas de triangulação. A não utilização das linhas geralmente suaviza a topografia (FELGUEIRAS, 2001). A estrutura do modelo TIN permite a inclusão de linhas de descontinuidade no modelo, enquanto a malha regular é mais adequada para modelos de terreno sem vegetação ou vegetação rasteira, nos quais não existam descontinuidades naturais.

Segundo Matos (2005), o Modelo Digital de Elevação, gerado a partir de curvas de nível e pontos cotados como as únicas fontes de informação altimétrica têm dois inconvenientes: a necessidade de um grande volume de dados, que interfere no processamento e manipulação dos dados e apresentar triangulações inconsistentes (triângulos horizontais e aresta de triângulos interceptando feições topográficas estruturais), que alteram a representação do terreno. Porém tem como vantagens: a preservação dos pontos amostrais (modelo determinístico), apresentação de uma estrutura mais precisa (não há inferência de vértices) e possibilidade de conversão para outra estrutura (grade regular).

A maioria dos modelos adota a malha regular devido à rápida leitura no computador e à eficiência da estrutura dos dados para algoritmos de análise e representação da superfície. Porém, o uso deste tipo de malha pode gerar perda de informação em regiões de descontinuidade, pois, nessas regiões, os dados podem sofrer suavização no momento da reamostragem por interpolação (MATOS,2005). Na cartografia, a malha regular é apropriada apenas para aplicações em pequena escala, onde a precisão posicional absoluta requerida não é de extrema qualidade e as características da superfície não precisam ser exatamente determinadas.

18

2.1.3 ANÁLISES DO MODELO DIGITAL DE ELEVAÇÃO

As análises desenvolvidas sobre um modelo digital de terreno permitem:

visualizar o modelo em projeção geométrica planar; gerar imagens de nível de cinza, imagens sombreadas e imagens temáticas; calcular volumes de aterro e corte; realizar análises de perfis sobre trajetórias predeterminadas e; gerar mapeamentos derivados tais como mapas de declividade e exposição, mapas de drenagem, mapas de curva de nível e mapas de visibilidade. Os produtos das análises podem, ainda, serem integrados com outros tipos de dados geográficos objetivando o desenvolvimento de diversas aplicações de geoprocessamento, tais como, planejamento urbano e rural, análises de aptidão agrícola, determinação de áreas de riscos, geração de relatórios de impacto ambiental e outros (FELGUEIRAS e CÂMARA, 2001).

Depois de obtido o modelo digital de elevação pode-se criar uma imagem em nível de cinza diretamente do mapeamento dos valores de cota. Supondo que a imagem tenha resolução radiométrica de 8 bits, pode-se mapear os valores de cota em nível de cinza 0 a 255. A figura 04 ilustra o mapeamento de um valor de cota Zi para um valor de nível de cinza NCi;

de um valor de cota Zi para um valor de nível de cinza NCi; Figura 04

Figura 04 Mapeamento de Interpol. de cota. Fonte: Felgueiras e Câmara (2001)

Considerando-se um mapeamento linear dos valores de cota do modelo para valores de níveis de cinza, quantização linear em Nível de Cinza, pode-se calcular o valor NCi em função de Zi pelo seguinte equacionamento:

o valor NCi em função de Zi pelo seguinte equacionamento: Esse equacionamento mapeia os valores de

Esse equacionamento mapeia os valores de cota do fenômeno representado

O valor de nível de cinza igual a 0 (zero) é

para valores de 1 a 255 da imagem.

19

usado em áreas onde não existe definição do valor de cota para o modelo. A figura 05 mostra uma imagem em nível de cinza obtida a partir de um modelo digital de terreno. Essa imagem é muito útil para se obter uma percepção qualitativa global da variação do fenômeno representado pelo modelo digital de terreno.

do fenômeno representado pelo modelo digital de terreno. Figura 05 – MDE em Níveis de Cinza.

Figura 05 MDE em Níveis de Cinza. Fonte: Felgueiras e Câmara (2001)

2.2 MODELO DIGITAL DE ELEVAÇÃO DO SENSOR ASTER

A plataforma orbital TERRA foi lançada em 18 de dezembro de 1999 a bordo do veículo lançador Atlas IIAS, como parte do programa da NASA denominado Earth Observing System (EOS). Trata-se de uma missão multinacional que envolve parcerias com as agências aeroespaciais do Canadá e do Japão, tendo como principal objetivo contribuir para pesquisas sobre a dinâmica atmosférica global e suas interações com a superfície terrestre e oceano.

Características do Satélite TERRA:

Missão

Earth Observing System (EOS)

Instituições Responsáveis

NASA

País/Região

Estados Unidos, Japão e Canadá

Satélite

TERRA (EOS-AM1)

Local de Lançamento

Vandenberg Air Force Base

Veículo Lançador

Atlas IIAS

Situação Atual

Ativo

Órbita

Polar e heliossíncrona

Altitude

705 km

20

Inclinação

98,2º

Tempo de Duração da Órbita

98,1 min

Horário de Passagem

10:30 A.M.

Período de Revisita

16 dias

Razão Base/Altura em estéreo

0,6 (along track)

Tempo de Vida Projetado

6 a 7 anos

Instrumentos Sensores

ASTER, MODIS, MISR, CERES e MOPPIT

Tabela 01 - Tabela: Características do Satélite Terra. Fonte: Sítio Embrapa

A bordo do satélite TERRA estão os sensores MODIS, ASTER, CERES, MISR e MOPITT. Nesta pesquisa trabalharemos especificamente com o Sensor ASTER (Advance Space Borne Thermal Emission and Reflection Radiometer) que foi produzido através do esforço cooperativo entre a NASA, o Ministério da Economia, Comércio e Indústria do Japão e do Japan Earth Remote Sensing Data Analysis Center (ERSDAC). O ASTER é o instrumento que oferece melhor resolução espacial (15 a 90 m) e opera nas regiões do VNIR (Visible and Near Infrared) - Visível e InfraVermelho Próximo, SWIR (Short Wave Infrared) - infravermelho de ondas curtas e TIR (Thermal Infrared) - infravermelho termal.

Sensor

Bandas

Resolução

Resolução

Resolução

Área

Resolução

Espectrais

Espectral

Espacial

Temporal

Imageada

Radiométrica

 

1

0.520

- 0.600 µm

       

2

0.630

- 0.690 µm

3N

 

(Nadir)

0.760

- 0.860 µm

15

m

16

dias

60

km

3B

       

ASTER

(Backward)

0.760

- 0.860 µm

8 bits

(Advanced

5

1.600

- 1.700 µm

     

Spaceborne

6

2.145

- 2.185 µm

 

Thermal

7

2.185

- 2.225 µm

30

 

16

dias

60

km

Emission

8

2.235

- 2.285 µm

m

and

9

2.295

- 2.365 µm

     

Reflection

10

2.360

- 2.430 µm

Radiometer

11

8.125

- 8.475 µm

       

)

12

8.475

- 8.825 µm

13

8.925

- 9.275 µm

 

10.250

- 10.950

90

m

16

dias

60

km

12 bits

14

 

µm

     
 

10.950

- 11.650

15

 

µm

Tabela 02 - Características do Sensor ASTER. Fonte: Sítio Embrapa

21

VNIR: é o subsistema que apresenta a melhor resolução espacial 15 metros e oferece a possibilidade de obtenção de pares estereoscópicos de imagens na mesma órbita (along track), diminuindo sua distorção (TOUTIN & CHENG, 2002). É composto por dois telescópios independentes, possui ainda uma banda 3B (“backward”) com o mesmo intervalo espectral (de 0,78 a 0,86 μm) da banda 3N (de “nadir”), na qual os dados são adquiridos com um ângulo de retrovisada de aproximadamente 27,7º, permitindo a construção de pares estereoscópicos para cada imagem e a geração de modelos de elevação (ABRAMS et al., 1999). O par de imagens é adquirido sob uma construção que permite obter uma razão Base / Altura (B/H) de 0,6. A resolução radiométrica é de 8 bits.

SWIR: este subsistema apresenta resolução espacial de 30 metros, adquirindo dados em 6 bandas na faixa das ondas curtas. A resolução radiométrica também é de 8 bits.

TIR: adquire dados na faixa do Termal e infravermelho distante ou termal, em 5 bandas espectrais, com resolução espacial de 90 metros e radiométrica de 12 bits.

A característica de aquisição de pares estereoscópicos na mesma órbita (along track) difere de alguns sistemas disponíveis. Com o uso desse sensor espera-se contribuir com um amplo leque de informações sobre as mudanças globais, incluindo a vegetação, a dinâmica dos ecossistemas, geologia e solos, a superfície terrestre, climatologia, hidrologia e a cobertura vegetal (EMBRAPA, 2009).

O principio básico da geração do Modelo Digital de Elevação dos sensores orbitais ópticos é o efeito da paralaxe, que está contido na estereoscopia, e consiste na correlação de pixels entre as imagens do par estereoscópico. A partir das duas perspectivas determina-se o deslocamento dos pontos homólogos nas duas imagens, as medidas destes deslocamentos são transformadas em valores de elevação.

22

22 Figura 06 – Fluxo de MDE (GDEM ASTER). Fonte: Felgueiras e Câmara (2001) O processo

Figura 06 Fluxo de MDE (GDEM ASTER). Fonte: Felgueiras e Câmara (2001)

O processo de geração de um Modelo Digital de Elevação a partir de imagens

orbitais é constituído de quatro etapas fundamentais:

1. A forma de aquisição de imagens

2. Remoção das distorções geométricas.

3. Extração das paralaxes e cálculo das coordenadas cartográficas.

4. Geração e edição da grade regular

Na forma aquisição de imagens, há duas maneiras possíveis para se obter estereoscopia em imagens de sensores orbitais (TOUTIN, 2001):

a) Estereoscopia entre duas órbitas distintas (across-track stereoscopy), a partir da área de sobreposição entre as imagens, de órbitas adjacentes.

b) Estereoscopia ao longo da trajetória da plataforma (along-track stereoscopy), a partir da mesma órbita e utilizando imagens com sobreposição e geometria de visada adequada.

A primeira alternativa tem sido utilizada desde a década de 1980: a partir de

órbitas adjacentes com os dados dos sensores a bordo das plataformas; através de mecanismos de movimentação do sensor para obtenção de visada lateral na série

de plataformas SPOT (1 a 4), e com recursos de movimentação da plataforma no

23

caso dos satélite CBERS 2B (INPE, 2009). A estereoscopia ao longo da trajetória da plataforma, mais recente, é realizada tanto por meio de câmeras de retro-visada, como no caso dos sistemas sensores ASTER e Prism (TOUTIN, 2001), bem como por meio de movimentação da plataforma, a exemplo dos sistemas QuickBird e Ikonos (INPE, 2007). Na opinião de Melgaço et al. (2005) a grande vantagem da retro-visada é que, devido ao curtíssimo intervalo de tempo entre a aquisição das duas imagens que compõem o par, praticamente não há diferenças radiométricas, condições de iluminação da cena e cobertura de nuvens, o que não é verificado em sistemas que adquirem pares estereoscópicos a partir de dados adquiridos em órbitas adjacentes.

Conforme a figura 07, a configuração em estéreo é obtida com o início da aquisição da imagem 3B, 55 segundos após o término da aquisição da imagem 3N. A relação entre Base/Altura (B/H) é dada pela tangente de α, que é o ângulo entre a visada no nadir (imagem 3N) e a visada inclinada (imagem 3B). Considerando a curvatura da Terra, o ângulo entre as imagens 3N e 3B é de 27,6º (ERSDAC, 2001).

entre as imagens 3N e 3B é de 27,6º (ERSDAC, 2001). Figura 07 – Aquisição Along-track.

Figura 07 Aquisição Along-track. Fonte: Felgueiras e Câmara (2001)

A correção das distorções geométricas, apontadas na segunda etapa, na grande maioria é realizada a partir de um modelo físico-determinístico de três dimensões que considera todos os tipos de distorções oriundas da geometria de

24

visada do sensor e implementado em software específico de fotogrametria ou sensoriamento remoto. Segundo Toutin (2001) devem-se tratar as distorções ocasionadas pela movimentação do sensor e por variações na atitude da plataforma, as distorções decorrentes da rotação terrestre e também as distorções relacionadas às projeções cartográficas. Ainda para aumentar a exatidão posicional, o modelo faz uso de pontos de controle no terreno, os quais são empregados para um refinamento dos parâmetros de ajuste pelo método dos mínimos quadrados.

A extração das paralaxes e cálculo das coordenadas cartográficas latitude, longitude e altitude terceira etapa na geração do Modelo Digital de Elevação pode ser realizada através do método visual e automático. O método visual consiste em procedimentos fotogramétricos tradicionais de extração de curvas de nível e pontos cotados em uma estação fotogramétrica em modo estéreo. O outro método emprega um procedimento automático de reconhecimento de padrões em imagens para identificação de feições homólogas e extração de paralaxes. Essa automação (correlação ou similaridade) pode ser realizada a partir de três modos: com base nos valores de nível de cinza das imagens (áreas), com base nas feições das imagens (feições), bem como de forma híbrida (combinação dos dois primeiros modos). O primeiro modo, mais acurado, é o mais empregado, facilitando o desempenho computacional da extração das paralaxes, as imagens corrigidas na segunda etapa são convertidas em uma geometria epipolar (com uma orientação comum), nas quais apenas as paralaxes no eixo X são mantidas. A figura 08 apresenta as diferenças entre as geometrias das imagens brutas e imagens epipolares.

entre as geometrias das imagens brutas e imagens epipolares. Figura 08 – Imagem epipolar. Fonte: Felgueiras

Figura 08 Imagem epipolar. Fonte: Felgueiras e Câmara (2001)

Na extração automática de paralaxes com base nos valores de nível de cinza, a maioria dos aplicativos utiliza janelas de busca e de correlação (também chamada

25

de template). Inicialmente, a imagem obtida na visada nadir é denominada de imagem correlação, e a imagem obtida na obliqua é denominada de imagem de busca. Estabelecido isto, uma janela (geralmente 11x11 pixels) é fixada na imagem de busca, e uma janela menor é fixada na imagem correlação, respectivamente, janela de busca e janela de correlação. O pixel central da janela de correlação ocupa as mesmas coordenadas do pixel central da janela de busca. Posteriormente, a janela de correlação realiza a busca dos pixels mais correlacionados entre as duas imagens e que estão compreendidos pela janela de busca. Localizados os pixels homólogos, calculam-se as diferenças em coordenadas e, conseqüentemente, as paralaxes. A medida de correlação mais utilizada é o coeficiente normalizado de correlação cruzada, detalhado em (CÂMARA e FELGUEIRAS, 2001).

A quarta e última etapa consiste no emprego de rotinas de pós-processamento,

tais como preenchimento de áreas sem dados, remoção de artefatos e filtragens são

utilizadas para uma melhor suavização (TOUTIN, 2001).

2.3 CONTROLE DA QUALIDADE DO MDE

O controle de qualidade será baseado na análise estatística das discrepâncias

será baseado na análise estatística das discrepâncias entre as altitudes de referência – pontos de controle

entre as altitudes de referência pontos de controle do SICAD 1: 2.000 - ( ) e as

– pontos de controle do SICAD 1: 2.000 - ( ) e as obtidas no modelo

obtidas no modelo analisado (ASTER GDEM) - ( ), pela equação:

)-
)-

)

(1)

pontos de controle selecionadas aleatoriamente

na área de estudo. Assim, para os n pontos de controle, são calculados a média e o desvio padrão das discrepâncias, respectivamente, por:

Em amostras com i =1,2,3

n

=
=
respectivamente, por: Em amostras com i =1,2,3 n = Sendo: = desvio-padrão das discrepâncias encontradas; (2)

Sendo:

respectivamente, por: Em amostras com i =1,2,3 n = Sendo: = desvio-padrão das discrepâncias encontradas; (2)

= desvio-padrão das discrepâncias encontradas;

(2)

(3)

n 1 = número de amostras menos uma amostra;

26

26 = desvios em relação à média, ao quadrado. A partir das discrepâncias obtidas, são feitas

= desvios em relação à média, ao quadrado.

A partir das discrepâncias obtidas, são feitas análises estatísticas de acurácia,

precisão e tendência, adotando como padrão as Instruções Reguladoras das Normas Técnicas da Cartografia Nacional (Brasil 1984).

2.3.2 PADRÃO DE EXATIDÃO CARTOGRÁFICA (PEC)

A classificação de documentos cartográficos segue as normas ditadas pelo

Decreto Lei n o 89.817 de 20 de junho de 1984, que define o Padrão de Exatidão Cartográfica (PEC). A qualidade geométrica das cartas está detalhada nos artigos 8º e 9º do Capítulo II desse Decreto Lei Transcritos a seguir:

Art 8º - As cartas quanto à sua exatidão devem obedecer ao Padrão de Exatidão Cartográfica - PEC, seguinte o critério abaixo indicado:

1. Noventa por cento dos pontos bem definidos numa carta, quando testados

no terreno, não deverão apresentar erro superior ao Padrão de Exatidão Cartográfica - Planimétrico - estabelecido.

2. Noventa por cento dos pontos isolados de altitude, obtidos por interpolação

de curvas de nível, quando testados no terreno, não deverão apresentar erro superior ao Padrão de Exatidão Cartográfica - Altimétrico - estabelecido.

§ 1º - Padrão de Exatidão Cartográfica é um indicador estatístico de

dispersão, relativo a 90% de probabilidade, que define a exatidão de trabalhos cartográficos.

§ 2º - A probabilidade de 90% corresponde a 1,6449 vezes o Erro-Padrão -

PEC = 1,6449 EP.

§ 3º - O Erro-Padrão isolado num trabalho cartográfico, não ultrapassará

60,8% do Padrão de Exatidão Cartográfica.

§ 4º - Para efeito das presentes Instruções, consideram-se equivalentes as

expressões Erro-Padrão, Desvio-Padrão e Erro Médio Quadrático. Art 9º - As cartas, segundo sua exatidão, são classificadas nas Classes A, B e C, segundo os critérios seguintes:

a - Classe A

1 - Padrão de Exatidão Cartográfica - Planimétrico: 0,5 mm, na escala da

carta, sendo de 0,3 mm na escala da carta o Erro-Padrão correspondente.

2 - Padrão de Exatidão Cartográfica - Altimétrico: metade da equidistância

entre as curvas de nível, sendo de um terço desta equidistância o Erro-Padrão correspondente.

b - Classe B

1 - Padrão de Exatidão Cartográfica - Planimétrico: 0,8 mm na escala, da

carta, sendo de 0,5 mm na escala da carta o Erro-Padrão correspondente

2 - Padrão de Exatidão Cartográfica - Altimétrico: três quintos da

equidistância entre as curvas de nível, sendo de dois quintos o Erro-Padrão correspondente.

c - Classe C

1 - Padrão de Exatidão Cartográfica - Planimétrico: 1,0 mm na escala da

carta, sendo de 0,6 mm na escala da carta o Erro-Padrão correspondente.

2 - Padrão de Exatidão Cartográfica - Altimétrico: três quartos da

equidistância entre as curvas de nível, sendo de metade desta equidistância o Erro- Padrão correspondente. Art 10 - É obrigatória a indicação da Classe no rodapé da folha, ficando o produtor responsável pela fidelidade da classificação.

27

§ Único - Os documentos cartográficos, não enquadrados nas classes

especificadas no artigo anterior, devem conter no rodapé da folha a indicação

obrigatória do Erro-Padrão verificado no processo de elaboração. Art 11 - Nenhuma folha de carta será produzida a partir da ampliação de qualquer documento cartográfico.

§ 1º - Excepcionalmente, quando isso se tornar absolutamente necessário, tal

fato deverá constar explicitamente em cláusula contratual no termo de compromisso;

§ 2º - Uma carta nas condições deste artigo será sempre classificada com

exatidão inferior à do original, devendo constar obrigatoriamente no rodapé a

indicação: "Carta ampliada, a partir de ( tal)".

§ 3º - Não terá validade legal para fins de regularização fundiária ou de

propriedade imóvel, a carta de que trata o "caput" do presente artigo. (Brasil 1984).

documento cartográfico ) em escala (

Para o controle da qualidade altimétrica é necessário classificar as equidistâncias das curvas de nível. Desta forma, as Tabelas abaixo, apresentam as escalas com suas respectivas eqüidistâncias adotadas neste trabalho, bem como os valores do PEC e EP para as cartas classificadas nas classes A, B e C.

 

Equidistânci

PEC ALTIMETRICO

ERRO PADRÃO

ESCALA

as curvas de nível

Carta

Terreno

Carta

Terreno

1:250.000

100

m

 

50

m

 

33,34 m

1:100.000

50

m

25m

16,67

1:50.000

20

m

1/2

10m

1/3

6,67m

1:25.000

10m

5m

3,33m

1:10.000

5m

2,5m

1,66m

Tabela 03. Padrão de Exatidão Cartográfico- Altimétrico em função da escala para classe A.

ESCALA

Equidistâncias curvas de nível

PEC ALTIMETRICO

ERRO PADRÃO

 

Carta

Terreno

Carta

Terreno

1:250.000

100

m

 

60

m

 

40

m

1:100.000

50

m

30m

20

m

1:50.000

20

m

3/5

12m

2/5

8m

1:25.000

10m

6m

4m

1:10.000

5m

3m

2m

Tabela 04. Padrão de Exatidão Cartográfico- Altimétrico em função da escala para classe B.

ESCALA

Equidistâncias curvas de nível

PEC ALTIMETRICO

ERRO PADRÃO

 

Carta

Terreno

Carta

Terreno

1:250.000

100

m

 

75

m

 

50

m

1:100.000

50

m

37,5m

25m

1:50.000

20

m

3/4

15m

1/2

10m

1:25.000

10m

7,5m

5m

1:10.000

5m

3,75m

2,5

28

2.3.2 TAMANHO DA AMOSTRA

O tamanho da amostra, importante para a adequada análise estatística de exatidão, de precisão e de tendência, depende da variação na variável aleatória e do grau de acurácia desejado. Pode ser calculado a partir da definição do intervalo de confiança, do erro amostral, e das estatísticas (média e desvio padrão) dos erros obtidos em uma amostra inicial qualquer. O calculo do tamanho da amostra pode ser feito através da equação (Zanardi, 2006):

Onde:

pode ser feito através da equação (Zanardi, 2006): Onde: Z é o intervalo de confiança, =

Z é o intervalo de confiança,

=
=
é o desvio padrão amostral,

é o desvio padrão amostral,

a média amostral,

a

média amostral,

N é o tamanho da população,

a média amostral, N é o tamanho da população, é o erro amostral, e é o

é o erro amostral, e

é o erro amostral relativo (

é o erro amostral, e é o erro amostral relativo ( ). (4) O valor calculado

).

(4)

O valor calculado de n deve ser considerado estatisticamente suficiente para

as análises se seu valor for menor do que o tamanho da amostra utilizada. Os valores do intervalo de confiança e do erro amostral são atribuídos em função da precisão da estimativa, da finalidade da pesquisa, do custo econômico e do tempo

disponível. O valor do erro amostral corresponde ao erro máximo a ser aceito quando se utiliza uma média amostral ao invés da média populacional (Zanardi, 2006; Rocha, 2002; Itame, 2001).

2.3.3 ANÁLISE DA EXATIDÃO

Exatidão (acurácia) consiste no grau de conformidade de um valor medido ou calculado em relação à sua definição ou com respeito a uma referência padrão (WIKIPÉDIA, 2009).

29

A análise de exatidão consiste em verificar, a partir de amostras de discrepâncias (equação 1), se o valor da média populacional estimada é estatisticamente menor do que o valor limite admissível em acurácia, de acordo com o PEC. Neste caso, utiliza-se a estimativa intervalar dada pela distribuição t de student, sendo particularmente válida para amostras pequenas (até 30 pontos) (Zanardi, 2006; Rocha, 2002; Itame, 2001).

A análise consiste em construir um intervalo de confiança de 100 (1-α) % de

e da variância

certeza para a média populacional

amostral.

e da variância certeza para a média populacional amostral. a partir da média amostral onde: (5)

a partir da média amostral

a média populacional amostral. a partir da média amostral onde: (5) Média populacional; Média amostral; Nível

onde:

populacional amostral. a partir da média amostral onde: (5) Média populacional; Média amostral; Nível de

(5)

Média populacional;populacional amostral. a partir da média amostral onde: (5) Média amostral; Nível de significância 90%; Desvio

Média amostral;a partir da média amostral onde: (5) Média populacional; Nível de significância 90%; Desvio padrão amostral,

Nível de significância 90%;amostral onde: (5) Média populacional; Média amostral; Desvio padrão amostral, n é o tamanho da amostra,

Desvio padrão amostral, n é o tamanho da amostra, epopulacional; Média amostral; Nível de significância 90%; é o ponto 100 % superior da distribuição t

é o ponto 10090%; Desvio padrão amostral, n é o tamanho da amostra, e % superior da distribuição t

amostral, n é o tamanho da amostra, e é o ponto 100 % superior da distribuição

% superior da distribuição t de student = t 95%

Posteriormente, aplica-se o teste de hipótese com nível de confiança de

100

o teste de hipótese com nível de confiança de 100 % para validação da exatidão confrontando:

% para validação da exatidão confrontando: H 0 :

Onde:

H 1 :

da exatidão confrontando: H 0 : Onde: H 1 : < = , contra (6) é

<

=
=

, contra

(6)

é o erro máximo admissível em acurácia (exatidão).confrontando: H 0 : Onde: H 1 : < = , contra (6) Neste trabalho, corresponde

Neste trabalho, corresponde ao 1/2 da eqüidistância entre as curvas de nível do modelo, de acordo com o PEC classe A (ver sessão 3.2.1).

O calculo da estatística é dado por:

30

Onde:

30 Onde: é a média populacional esperada. Como a hipótese alternativa é H 1 unilateral (
30 Onde: é a média populacional esperada. Como a hipótese alternativa é H 1 unilateral (

é a média populacional esperada.

Como a hipótese alternativa é H 1 unilateral (

Como a hipótese alternativa é H 1 unilateral ( (7) ), rejeita-se se H 0 (8)

(7)

), rejeita-se se H 0

(8) Onde: - é o ponto 100 % inferior a distribuição t de student, com
(8)
Onde:
-
é o ponto 100
% inferior a distribuição t de student, com n-1 graus de

liberdade.

A rejeição da hipótese nula indica que o modelo testado possui exatidão melhor

do que o valor adotado para

.
.
possui exatidão melhor do que o valor adotado para . Ainda, como a hipótese alternativa H

Ainda, como a hipótese alternativa H 1 é unilateral ( ), o intervalo de

confiança da média populacional, dado pela (equação 5), se reduz ao intervalo de

confiança unilateral superior da média populacional, estabelecendo o limite inferior

igual a - e trocando por , ou seja:

o limite inferior igual a - e trocando por , ou seja: (9) Onde: - é
o limite inferior igual a - e trocando por , ou seja: (9) Onde: - é
o limite inferior igual a - e trocando por , ou seja: (9) Onde: - é
(9) Onde: - é o ponto 100 % superior a distribuição t de student, com
(9)
Onde:
-
é o ponto 100
% superior a distribuição t de student, com n-1 graus de

liberdade.

2.3.4 ANÁLISE DA PRECISÃO

Precisão é o grau de variação de resultados de uma medição que se refere à

conformidade com o valor real. A precisão tem como base o desvio-padrão de uma

série de repetições da mesma análise (WIKIPÉDIA,2009).

A análise de precisão, que é a coerência interna dos elementos do Modelo

Digital de Elevação, consiste em verificar, a partir de amostras de discrepâncias

31

(equação 1), se o valor do desvio padrão populacional estimado é estatisticamente

menor do que o valor limite admissível em precisão, de acordo com o PEC.

caso, utiliza-se a distribuição Qui-quadrado x 2 (Zanardi, 2006; Rocha, 2002; Itame,

2001).

Neste

A análise consiste em construir inicialmente um intervalo de confiança com

100 (1- ) % de certeza para o desvio padrão populacional partir do desvio padrão

amostral , dado por:

populacional partir do desvio padrão amostral , dado por: Onde: e são, respectivamente, os pontos (10)
populacional partir do desvio padrão amostral , dado por: Onde: e são, respectivamente, os pontos (10)
populacional partir do desvio padrão amostral , dado por: Onde: e são, respectivamente, os pontos (10)

Onde:

partir do desvio padrão amostral , dado por: Onde: e são, respectivamente, os pontos (10) %
partir do desvio padrão amostral , dado por: Onde: e são, respectivamente, os pontos (10) %

e

são, respectivamente, os pontospartir do desvio padrão amostral , dado por: Onde: e (10) % superior e inferior da

(10)

, dado por: Onde: e são, respectivamente, os pontos (10) % superior e inferior da distribuição

% superior e

inferior da distribuição Qui-quadrado, com n - 1 graus de liberdade.

Posteriormente aplica-se o teste de hipótese com nível de confiança de

aplica-se o teste de hipótese com nível de confiança de % para a validação da precisão,

% para a validação da precisão, confrontando: H 0 :

H 1 :

<
<

=da precisão, confrontando: H 0 : H 1 : < , contra: (11) Onde: é o

, contra: (11)
, contra:
(11)

Onde:

H 0 : H 1 : < = , contra: (11) Onde: é o erro máximo

é o erro máximo admissível (desvio padrão) em precisão.

Neste

trabalho, corresponde ao 1/3 da eqüidistância entre as curvas de nível do modelo,

de acordo com o PEC para classe A (ver sessão 3.2.1).

Ainda, como a hipótese alternativa H 1 é unilateral ( ), o intervalo de confiança da média populacional, dado pela (equação 10), se reduz ao intervalo de confiança unilateral superior do desvio padrão populacional, estabelecendo o limite

do desvio padrão populacional, estabelecendo o limite inferior igual a zero e trocando por , ou
do desvio padrão populacional, estabelecendo o limite inferior igual a zero e trocando por , ou
do desvio padrão populacional, estabelecendo o limite inferior igual a zero e trocando por , ou
do desvio padrão populacional, estabelecendo o limite inferior igual a zero e trocando por , ou

inferior igual a zero e trocando por , ou seja:

Onde:

limite inferior igual a zero e trocando por , ou seja: Onde: (12) é o ponto
limite inferior igual a zero e trocando por , ou seja: Onde: (12) é o ponto

(12)

é o ponto

igual a zero e trocando por , ou seja: Onde: (12) é o ponto % inferior

% inferior da distribuição Qui-quadrado, com n - 1

graus de liberdade.

32

2.3.5 ANÁLISE DE TENDÊNCIA

A análise de tendência consiste em verificar se a média das discrepâncias

(equação 1) é estatisticamente nula, ou seja, se a amostra está livre de tendência. Neste caso, utiliza-se a estimativa intervalar dada pela distribuição t de student (para amostras com até 30 pontos) (Zanardi, 2006; Rocha, 2002; Itame, 2001).

A análise consiste na aplicação de um teste de hipótese com nível de confiança

de 100(1- )% para a verificação da tendência, confrontando:

100(1- )% para a verificação da tendência, confrontando: H 0 : = 0 , contra:  

H 0 :

para a verificação da tendência, confrontando: H 0 : = 0 , contra:   H 1

= 0 , contra:

 

H 1 :

  H 1 : (13)

(13)

Onde:

é a média amostral.

é a média amostral.

O

calculo da estatística t é dado por:

 
  (14)

(14)

Como a hipótese alternativa H 1 é bilateral (

(14) Como a hipótese alternativa H 1 é bilateral ( 0), aceita-se se H 0 Onde:

0), aceita-se se H 0

Onde:

student.

e –

são os pontos
são os pontos

(15)

% superior e inferior da distribuição t de

A aceitação da hipótese nula indica que o modelo testado está livre de

tendência. A existência de tendência em alguma direção significa a ocorrência de problemas na modelagem, cujas causas podem ser as mais variadas. Conhecido o valor da tendência, seu efeito pode ser minimizado, pela subtração do valor a cada

coordenada do modelo (Zanardi, 2006; Rocha, 2002; Itame, 2001).

3.MATERIAIS

3.1 BASE DE DADOS

33

3.1.1 MODELO DIGITAL DE ELEVAÇÃO DO SICAD

Neste trabalho os dados foram obtidos pelo processo de restituição fotogramétrica pela Companhia de Desenvolvimento do Planalto Central (CODEPLAN) com base no vôo de agosto de 1991 realizado pelo consórcio AEROSUL-ESTEIO. As folhas mapeadas fazem parte do Sistema Cartográfico do Distrito Federal (SICAD) onde todo o Distrito Federal foi englobado no Fuso 23, meridiano central -45º a oeste de Greenwich, tendo como Datum horizontal o Astro Chuá e Datum vertical o marégrafo de Imbituba (Santa Catarina) e a projeção cartográfica utilizada foi a Universal Transversa de Mercator (UTM) e que segundo a Lei Complementar 17/97, Título V, Capítulo II, Art. 71. O Sistema Cartográfico do Distrito Federal SICAD integra o Sistema de Informação Territorial e Urbana do Distrito Federal. § 2º O SICAD é a base cartográfica única para os projetos físico- territoriais, constituindo a referência oficial obrigatória para os trabalhos de topografia, cartografia, demarcação, estudos, projetos urbanísticos e controle e monitoramento do uso e da ocupação do solo do Distrito Federal.

O mapeamento do SICAD foi obtido na versão original no formato proprietário da Bentley System e software MicroStation, de extenção “DGN. Para obtenção do Modelo Digital de Elevação foi necessário seguir a seguinte metodologia:

3.1.2 MODELO DIGITAL DE ELEVAÇÃO GLOBAL (ASTER GDEM)

Neste trabalho utilizou-se o Modelo Digital de Elevação (MDE) Global (ASTER GDEM) produzido pelo Ministério da Economia, Comércio e Indústria (METI) do Japão e pela NASA a partir de dados estéreo-ópticos adquirido pelo ASTER. O DEM Global do ASTER (GDEM) foi disponibilizado ao público pela internet gratuitamente em 29 de Junho de 2009 e feito o download para este trabalho em

A metodologia usada para produzir o GDEM ASTER envolveu o processamento automático de todo o arquivo ASTER de 1,5 milhão de cenas, incluindo a correlação estéreo para produzir 1.264.118 MDEs individuais baseados em cenas, removendo valores residuais ruins e discrepantes, fazendo a média dos

34

dados selecionados para criar valores de pixel finais, e então corrigindo anomalias residuais antes de particionar os dados em recortes de 1º por 1º.

O MDE ASTER GDEM está sendo distribuído pelo METI e pela NASA através

do Centro de Análise de Dados de Sensores Terrestres Remotos (ERSDAC) e do Centro de Arquivo Ativo Distribuído de Processamentos Terrestres da NASA (LP DAAC) sem custos para usuários do mundo inteiro como uma contribuição para o Sistema Global Terrestre de Observação de Sistemas (GEOSS). Ele é disponibilizado em recortes de 1º por 1º, e cobre superfícies terrestres entre 83ºN e 83ºS. O GDEM ASTER está no formato geotiffcom coordenadas geográficas lat/long e um grid de um arco de segundo (pixels de 30 metros). Para cada recorte de 1º por 1º, são entregues dois dados: a) arquivo de dados MDE; e b) um arquivo de avaliação da qualidade (QA), que é um arquivo que mostra o número de DEMs baseados em cenas que contribuem para o valor final do DEM em cada pixel ou a localização de anomalias no dado que foram corrigidas e a fonte de dados usada para essa correção.

3.2 SOFTWARES UTILIZADOS

Os softwares utilizados para realização deste trabalho foram: ArcInfo 9.2 (ArcMap e outras extenções) e ENVI 4.4 para os processamentos digitais de imagens, MAPGEO2004 para obtenção da ondulação geoidal, EXCEL 2007 para obtenção dos cálculos, confecção de gráficos e WORD 2007 para edição da monografia.

4.METOLOGIA

A metodologia aplicada para avaliar as potencialidades do Modelo Digital de

Elevação Global (GDEM ASTER) foi realizada de duas formas: comparação com o Modelo Digital de Elevação do SICAD na escala de 1:10.000 utilizando a técnica de fatiamento e comparação com pontos de controle obtidos de mapeamento do SICAD na escala de 1: 2.000, com equidistância altimétrica de um metro.

35

4.1 ÁREA DE ESTUDO

O local de estudo selecionado corresponde às folhas: 86, 87 88, 103, 104, 105, 120, 121, 122, 137, 138, 139, 153, 154, 155, 169, 170 e 171 do mapeamento do

SICAD na escala de 1:10.000, de coordenadas geográficas: canto superior esquerdo Long -47º 56’ 15” e Lat -15º 40’ 00”, canto inferior direito Long -47º 45’ 00”, Lat -15º 55’ 00”, a localização político-administrativa abrange as regiões: RA I Brasília,. RA

V Sobradinho, RA VII Paranoá, RA VIII Núcleo bandeirante, RA XI Cruzeiro,

RA XIV São Sebastião, RA XVI Lago Sul, RA XVIII Lago Norte e RA XIX Candangolândia, regiões administrativa do Distrito Federal e ilustrada conforme figura abaixo.

do Distrito Federal e ilustrada conforme figura abaixo. Figura 09 – Imagem da área de estudo.

Figura 09 Imagem da área de estudo. Fonte: Google Earth (2009)

A escolha desta área justifica-se pela variedade do relevo: acidentado, ondulado e plano com uma altimetria que varia de 878 a 1270 metros, por conter

áreas urbanas, áreas de massa d’água, áreas com vegetação de cerrado, pastagem

e solo exposto, onde se pode avaliar a influência destes diversos fatores.

36

4.2 METODOLOGIA DE COMPARAÇÃO MDE (ASTER GDEM)

COM O MDE DO SICAD

Para realizar esta metodologia, primeiramente, foi necessária a geração do Modelo Digital de Elevação através das curvas de nível e pontos cotados descrita a seguir:

4.2.1

METODOLOGIA

DE

GERAÇÃO

DO

MODELO

DIGITAL

DE

ELEVAÇÃO A PARTIR DE CURVAS DE NÍVEL E PONTOS COTADOS

a - Conversão para o formato shape file de extenção “SHP”, formato genérico, que pode ser usado no ArcMap e Envi.

a.1 - Abre-se o arquivo “DGN” no ArcMap.

e Envi. a.1 - Abre- se o arquivo “DGN” no ArcMap. Figura 10 – Conversão de

Figura 10 Conversão de DGN para SHP.

a.2 - Exporta-se a layer (camada) referente às curvas de nível para o formato shape file (Shp).

37

37 Figura 11 – Obtenção do SHP. b – Como o Modelo Digital de Elevação Global

Figura 11 Obtenção do SHP.

b Como o Modelo Digital de Elevação Global (GDEM ASTER) foi obtido originalmente no Sistema de Coordenadas Geográficas e Sistema Geodésico WGS84, optou-se por converter os dados do SICAD em Shape file para o mesmo sistema do ASTER.

b.1 O ArcMap permite fazer a conversão dos sistemas de coordenadas e sistemas geodésicos desde que se tenha os dados de translação: , mais o modelo a ser usado. (IBGE, 2009).

de translação: , mais o modelo a ser usado. (IBGE, 2009). Figura 12 – Metodologia de
de translação: , mais o modelo a ser usado. (IBGE, 2009). Figura 12 – Metodologia de

Figura 12 Metodologia de geração do MDE SICAD.

Na conversão do sistema geodésico, utilizaram-se os parâmetros translação

84:

fornecidos

pelo

IBGE

de

Astro

Chuá

para

WGS

os parâmetros translação 84: fornecidos pelo IBGE de Astro Chuá para WGS , foi usado o

, foi usado o modelo Molodensky.

38

38 Figura 13 – Conversão do sistema geodésico. c - De posse do arquivo shape file

Figura 13 Conversão do sistema geodésico.

c - De posse do arquivo shape file com as curvas de nível, deverá ser realizada

à elevação das curvas de nível - atribuir valores das cotas utilizando o utilitário

Calcontour.

valores das cotas – utilizando o utilitário Calcontour. Figura 14 – Elevação das curvas de nível.

Figura 14 Elevação das curvas de nível.

d - De posse do arquivo de curvas de nível e pontos cotados, “cotados”, deverá

ser realizado a geração da TIN (Triangular Irregular Network ou rede de triangulação

irregular) - utilizando a extensão do ArcInfo 3D Analist.

39

39 Figura 15 – Geração da TIN. Por intermédio triangulação. da triangulação de Delanauy obtém-se uma

Figura 15 Geração da TIN.

Por

intermédio

triangulação.

da

triangulação

de

Delanauy

obtém-se

uma

imagem

de

da triangulação de Delanauy obtém-se uma imagem de Figura 16 – Metodologia de geração do MDE

Figura 16 Metodologia de geração do MDE SICAD.

e - Converter TIN para o formato Raster consiste em converter o arquivo de triangulação para uma imagem em níveis de cinza (NC).

de triangulação para uma imagem em níveis de cinza (NC). Figura 17 – Conversão da TIN

Figura 17 Conversão da TIN para imagem em Nível de Cinza.

40

Obtém-se a imagem do Modelo Digital de Elevação onde a altimetria está representada pelo nível de cinza.

onde a altimetria está representada pelo nível de cinza. Figura 18 – Metodologia de geração do

Figura 18 Metodologia de geração do MDE SICAD

Como o mapeamento do SICAD está referenciado ao Datum vertical, o marégrafo de Imbituba (Santa Catarina) relatado anteriormente, para referenciá-lo ao mesmo referencial altimétrico do sensor ASTER datum WGS 84 teve-se a necessidade de corrigir Modelo Digital de Elevação do SICAD a partir ondulação geoidal. Para isso foi necessário criar alguns pontos na área de estudo para obtenção da ondulação geoidal.

Para converter altitude elipsoidal ou altura geométrica (h), obtida através de GPS WGS 84 - em altitude ortométrica (H) utilizar a equação: H = h - N, conforme ilustração abaixo:

a equação: H = h - N, conforme ilustração abaixo: Figura 19 – Imagem de ilustração

Figura 19 Imagem de ilustração da Ondulação Geoidal. Fonte: Mapgeo 2004

41

Na qual N é a altura (ou ondulação) geoidal fornecida pelo programa, dentro da convenção que considera o geóide acima do elipsóide se a altura geoidal tiver valor positivo e abaixo em caso contrário. O software Mapgeo2004 não tem o sistema WGS 84 implementado e por isso foi utilizado o sistema SIRGAS (datum oficial) e que tem o mesmo elipsóide de referência.

(datum oficial) e que tem o mesmo elipsóide de referência. Figura 20 – Cálculo da ondulação

Figura 20Cálculo da ondulação geoidal. Fonte: Software Mapgeo2004

Obtida a variação da ondulação geoidal de cada um dos pontos escolhidos verificou-se que os valores variaram entre -12,61 e -12,95 metros. Não havendo necessidade de se gerar o Modelo Digital de Elevação da ondulação geoidal, pois os dois modelos analisados têm seus dados com valores inteiros, sendo necessária apenas a subtração de 13 metros do Modelo Digital de Elevação do SICAD.

A partir dos Modelos Digitais de Elevação, SICAD e (ASTER GDEM) prontos, compara-se os modelos, primeiramente fazendo a subtração: Modelo Digital de Elevação do SICAD (modelo de referência) menos o Modelo Digital de Elevação Global (ASTER GDEM) - modelo a ser avaliado. No ENVI abrem-se as imagens correspondentes aos dois modelos e faz-se a operação de matemática de bandas B1 B2.

42

42 Figura 21 – Matemática de bandas.B1- B2. A partir desta operação obtém-se uma imagem matricial

Figura 21Matemática de bandas.B1- B2.

A partir desta operação obtém-se uma imagem matricial com a diferença de altitude entre o MDE do SICAD e o MDE Global (ASTER GEM). A primeira análise a ser feita foi a da estatística da imagem do MDE_DIF conforme figura abaixo.

da estatística da imagem do MDE_DIF conforme figura abaixo. Figura 22 – Imagem da diferença de

Figura 22Imagem da diferença de altitudes entre os dois MDEs.

A imagem da diferença entre os dois MDEs analizados tem 607.500 pixels, com uma cota mínima de -124,00 m, cota máxima de 126,00 m, média de -13,52 e

43

um desvio padrão de 9,25 m. Observa-se que a imagem tem somente um pixel com a cota mínima e somente um pixel com a cota máxima, conforme histograma mostrado na figura 23.

a cota máxima, conforme histograma mostrado na figura 23. Figura 23 – Histograma da imagem da

Figura 23Histograma da imagem da diferença.de altitudes entre os dois MDEs.

De acordo com o Decreto Lei n o 89.817. § 2º - A probabilidade de 90% corresponde a 1,6449 vezes o Erro-Padrão - PEC = 1,6449 EP, § 3º - O Erro-Padrão isolado num trabalho cartográfico, não ultrapassará 60,8% do Padrão de Exatidão Cartográfica e § 4º - Para efeito das presentes Instruções, consideram-se equivalentes as expressões Erro-Padrão, Desvio-Padrão e Erro Médio Quadrático. Então verifica-se, em primeira análise, que se o desvio padrão da imagem da diferença de altitude é igual 9,25 m, vezes 1,6449 correspondente ao erro padrão, resultará em 15,22 m, valor menor que 16,67 metros - erro padrão máximo na escala de 1:100.000 e que equivale a 2/5 da equidistância de 50 metros, Padrão de Exatidão Cartográfico na classe A.

4.2.2 TÉCNICA DE FATIAMENTO

Fatiar o modelo consiste em definir intervalos, ou fatias, de cotas a fim de se

Assim, cada tema, ou classe, da

gerar uma imagem temática a partir do modelo.

44

imagem temática é associado a um intervalo de cotas dentro dos valores atribuídos ao fenômeno modelado (BRITO, 2001). O primeiro fatiamento realizado foi utilizando três classes, onde se queria obter uma classe com pontos 12 metros acima e abaixo da média da imagem de diferença de altitudes, valor que corresponde a uma variação de 25 metros, (½) metade da equidistância de 50 metros - PEC na classe da escala de 1:100.000.

de 50 metros - PEC na classe da escala de 1:100.000. Figura 24 – Imagem da

Figura 24Imagem da análise do fatiamento de três classes.

Na figura abaixo as áreas em vermelho correspondem à diferença negativa em relação à média e que estão situadas na região onde tem corpos d’água e relevo acidentado. Já as áreas em azul correspondem à diferença positiva em relação à média, mas que não se pode fazer uma associação direta nem com o relevo e corpos d’água e nem a outro elemento.

45

45 Figura 25 – Imagem das diferenças negativas (vermelha) e positivas (azul). Outro fatiamento realizado foi

Figura 25Imagem das diferenças negativas (vermelha) e positivas (azul).

Outro fatiamento realizado foi utilizando três classes, onde se queria obter os locais onde houve as maiores discrepâncias em relação à média, obedecendo também a variação dos 90 % dos pontos da imagem da diferença entre os dois MDEs analisados.

da imagem da diferença entre os dois MDEs analisados. Figura 26 – Imagens das maiores diferenças

Figura 26 Imagens das maiores diferenças em relação à média

46

Da mesma forma verificou-se que os valores das maiores variações se concentraram na região onde tem o Lago do Paranoá.

Segundo Brito (2001) o usuário é responsável pela definição das fatias e também da associação dessas fatias com classes predefinidas no sistema. As fatias são definidas de acordo com intervalos de cotas que são úteis para uma determinada aplicação. Neste sentido o interesse deste trabalho consiste em avaliar a altimetria, valores da diferença entre os dois modelos que sejam aplicáveis dentro de uma escala compatível do mapeamento sistemático e que acurácia e precisão estejam dentro do Padrão de Exatidão Cartográfico.

A imagem temática gerada pelo fatiamento do modelo é frequentemente usada em análises espaciais como operações lógicas de intersecção e união. Neste trabalho teve como objetivo de mostrar onde houve as menores e maiores variações, também pela possibilidade de uma visão global de todo trabalho e subdividindo por classes de acordo com objetivo específico.

4.3 COMPARAÇÃO DO MDE (ASTER GDEM) COM 28 PONTOS

Vinte e oito pontos foram coletados a partir do mapeamento do SICAD na escala 1: 2.000, com equisdistância de um metro para avaliação estatística usando teste de hipótese (HINES, 2006).

4.3.1 DESENVOLVIMENTO DA AVALIAÇÃO

O controle de qualidade foi feito através de análises estatísticas de exatidão, precisão e tendência do modelo (ver Seção 3.3), usando, como referência, as discrepâncias entre as altitudes de referência (reais) e as do Modelo Digital de Elevação Global (ASTER GDEM) (equação 1), obtidas em amostra com 28 pontos de controle, conforme figura 27, localizados na área de estudo.

47

47 Figura 27 – Pontos de controle na área de estudo. Fonte: Google Earth (2009) A

Figura 27Pontos de controle na área de estudo. Fonte: Google Earth (2009)

A Tabela 07 mostra as discrepâncias obtidas nos 28 pontos de controle. Vale lembrar que esses pontos foram levantados aleatoriamente na área de estudo e os mesmos não foram usados na geração do MDE.

PONTOS

ALTIMETRIA

ALTIMETRIA

DISCREPÂNCIAS

MÉDIA

PONTOS ALTIMETRIA ALTIMETRIA DISCREPÂNCIAS MÉDIA

DO SICAD

DO ASTER

APURADAS

P1

1032,13

1034,00

-1,87

0,33

-2,20

P2

1042,83

1040,00

2,83

0,33

2,50

P3

969,92

963,00

6,92

0,33

6,59

P4

1061,62

1054,00

7,62

0,33

7,29

P5

991,52

988,00

3,52

0,33

3,19

P6

975,03

979,00

-3,97

0,33

-4,30

P7

1060,89

1061,00

-0,11

0,33

-0,44

P8

1083,55

1091,00

-7,45

0,33

-7,78

P9

1072,46

1080,00

-7,54

0,33

-7,87

P10

1056,98

1056,00

0,98

0,33

0,65

48

P11

 

1052,85

 

1053,00

-0,15

0,33

-0,48

P12

 

1155,51

 

1156,00

-0,49

0,33

-0,82

P13

 

1161,43

 

1162,00

-0,57

0,33

-0,90

P14

 

1028,66

 

1027,00

1,66

0,33

1,33

P15

 

1037,57

 

1033,00

4,57

0,33

4,24

P16

 

1023,47

 

1025,00

-1,53

0,33

-1,86

P17

 

1143,02

 

1138,00

5,02

0,33

4,69

P18

 

1092,34

 

1094,00

-1,66

0,33

-1,99

P19

 

1010,93

 

1013,00

-2,07

0,33

-2,40

P20

 

1019,00

 

1023,00

-4,00

0,33

-4,33

P21

 

1167,22

 

1160,00

7,22

0,33

6,89

P22

 

1009,73

 

1010,00

-0,27

0,33

-0,60

P23

 

1103,64

 

1104,00

-0,36

0,33

-0,69

P24

 

1032,55

 

1027,00

5,55

0,33

5,22

P25

 

1.042,83

 

1040,00

2,83

0,33

2,50

P26

 

1108,37

 

1112,00

-3,63

0,33

-3,96

P27

 

1123,64

 

1127,00

-3,36

0,33

-3,69

P28

 

1195,56

 

1196,00

-0,44

0,33

-0,77

 
      Erro Máximo 7,62
   

Erro Máximo

7,62

 

9,25

Erro Mínimo

-7,54

 
  = Média 0,33 Amplitude 15,16

= Média

0,33

Amplitude

15,16

 
  =desvio padrão amostral   4,066

=desvio padrão amostral

 

4,066

Tabela 06. Discrepâncias da altimetria entre Pontos de controle e MDE.

Cálculo da média e desvio padrão amostral:

De acordo com a fórmula (2):

Média = = = = De acordo com a fórmula (3): = = =
Média =
=
=
=
De acordo com a fórmula (3):
=
=
=

= 0,33 m

= 4,07 m

49

4.3.2 ANALISE GRÁFICA

49 4.3.2 ANALISE GRÁFICA Figura 27 – Discrepâncias obtidas na altimetria. Fonte: Desenvolvimento da avaliação.

Figura 27Discrepâncias obtidas na altimetria. Fonte: Desenvolvimento da avaliação.

4.3.3 TAMANHO DA AMOSTRA

No cálculo do número ideal de pontos amostrais (n) para as análises de acurácia, precisão e tendência, a partir da equação 4. Os 28 pontos de controle disponíveis (ver Tabela 07) foram usados como amostra inicial. No calculo de n, adotou-se um valor de 90% para o intervalo de confiança e um erro amostral de 15.16 m. Nesse caso, o valor de N foi de 17,52 (menor do que 28). Isso significa que a amostra inicial foi considerada estatisticamente suficiente para a realização das análises posteriores de exatidão, de precisão e de tendência.

De acordo com a equação (3):

de precisão e de tendência. De acordo com a equação (3): Segundo Monico (2004). A avaliação

Segundo Monico (2004). A avaliação da exatidão de uma carta, através de um teste de campo, baseado em uma amostra de pontos da mesma. No Brasil, apesar de existir legislação específica sobre isto, o Decreto Lei 89.817/84, não há especificação que defina o número de pontos de referência que deve ser usado na análise.

50

4.3.4 ANÁLISE DA PRECISÃO E EXATIDÃO

A Tabela 3 mostra os parâmetros utilizados na análise de exatidão do MDE, a partir das equações (5 a 9). Os parâmetros foram listados na tabela na seguinte

seqüência: média amostral ( ), desvio padrão amostral ( ), número de dados da

amostra (n), Grau de Liberdade (G.L.), Intervalo de Confiança (I.C.), teste t de

student tabelado ( ), média populacional estimada ( ), erro máximo admissível em

populacional estimada ( ), erro máximo admissível em acurácia (X), e teste t de student calculado
populacional estimada ( ), erro máximo admissível em acurácia (X), e teste t de student calculado
populacional estimada ( ), erro máximo admissível em acurácia (X), e teste t de student calculado
populacional estimada ( ), erro máximo admissível em acurácia (X), e teste t de student calculado

acurácia (X), e teste t de student calculado (t).

em acurácia (X), e teste t de student calculado (t). Tabela 07 - t de student.

Tabela 07 - t de student. (n-1=27=1,314. Fonte: XXXXXXX

Média populacional = 1,34;(t). Tabela 07 - t de student. (n-1=27=1,314. Fonte: XXXXXXX Média amostral=0,33 m; Nível de significância

Média amostral=0,33 m;(n-1=27=1,314. Fonte: XXXXXXX Média populacional = 1,34; Nível de significância = 90%; Desvio padrão amostral =

Nível de significância = 90%;XXXXXXX Média populacional = 1,34; Média amostral=0,33 m; Desvio padrão amostral = 4,07 m; n é

Desvio padrão amostral = 4,07 m; n é o tamanho da amostra = 28, eMédia amostral=0,33 m; Nível de significância = 90%; é o ponto t calculado pela (equação 7)

é o pontopadrão amostral = 4,07 m; n é o tamanho da amostra = 28, e t calculado

t calculado pela (equação 7) = -12,57 m; X= Erro máximo admissível = 10,00 m De acordo com PEC “A”, Escala 1:50.000. X= ½ *20 = 10 m.

acordo com PEC “A”, Escala 1:5 0.000. X= ½ *20 = 10 m. % superior da

% superior da distribuição t de student = 1,314;

Conforme valores acima, a média populacional (equação 9), foi inferior a 1,314 m no intervalo de confiança de 90 %. No modelo analisado, o valor do teste t calculado foi igual -12,57, pela (equação 7), foi menor do que o valor do teste t tabelado igual a 1,314 (ver tabela 8). Portanto, foi rejeitada a hipótese nula e aceita a hipótese experimental. Isso significa que a média populacional foi estatisticamente menor ou igual ao erro máximo admissível em acurácia, ao nível de confiança de 90%. Neste trabalho, o erro máximo admissível de 10,0 m correspondeu ao Padrão de Exatidão Cartográfica (PEC) para a classe A (1/2 da eqüidistância entre as

51

curvas de nível) na escala de 1: 50.000. Portanto, o modelo analisado foi classificado como de classe A em acurácia.

4.3.5 ANÁLISE DA PRECISÃO

Os valores abaixo mostram os parâmetros utilizados na análise de precisão do MDE (ASTER GDEM) , a partir das equações 10 a 14. Os parâmetros foram listados na tabela na seguinte seqüência: desvio padrão amostral ( ), número de dados da amostra (n), Grau de Liberdade (GL=v), Intervalo de Confiança (IC), teste Qui-

Liberdade (GL=v), Intervalo de Confiança (IC), teste Qui- quadrado tabelado ( ), erro máximo admissível em
Liberdade (GL=v), Intervalo de Confiança (IC), teste Qui- quadrado tabelado ( ), erro máximo admissível em
Liberdade (GL=v), Intervalo de Confiança (IC), teste Qui- quadrado tabelado ( ), erro máximo admissível em

quadrado tabelado ( ), erro máximo admissível em precisão ( ), desvio

( ), erro máximo admissível em precisão ( ), desvio populacional estimado ( ), e teste

populacional estimado ( ), e teste Qui-quadrado calculado ( ).

estimado ( ), e teste Qui-quadrado calculado ( ). Tabela 08 - Distribuição Qui-quadrado. Fonte: XXXXX
estimado ( ), e teste Qui-quadrado calculado ( ). Tabela 08 - Distribuição Qui-quadrado. Fonte: XXXXX

Tabela 08 - Distribuição Qui-quadrado. Fonte: XXXXX

= Distribuição Qui-quadrado, com n - 1 graus de liberdade = 40,11;( ). Tabela 08 - Distribuição Qui-quadrado. Fonte: XXXXX = Distribuição Qui-quadrado, com n - 1

= Distribuição Qui-quadrado, com n - 1 graus de liberdade = 16,15;Qui-quadrado, com n - 1 graus de liberdade = 40,11; = Distribuição Qui-quadrado, com n -

= Distribuição Qui-quadrado, com n - 1 graus de liberdade = 36,74;Qui-quadrado, com n - 1 graus de liberdade = 16,15; = Distribuição Qui-quadrado, com n -

= Distribuição Qui-quadrado, com n - 1 graus de liberdade = 18,11;Qui-quadrado, com n - 1 graus de liberdade = 36,74; = Média amostral=0,33 m; v =

Qui-quadrado, com n - 1 graus de liberdade = 18,11; = Média amostral=0,33 m; v =

= Média amostral=0,33 m;

v = Grau de Liberdade (GL) = n-1 = 27;

Desvio padrão amostral = 4,07 m;amostral=0,33 m; v = Grau de Liberdade (GL) = n-1 = 27; = Desvio padrão amostral

= Desvio padrão amostral = 3,49 m;

=

Desvio padrão amostral = 3,49 m;

= Erro máximo admissível = 36,74 m

= Erro máximo admissível = 36,74 m

n é o tamanho da amostra = 28, e

admissível = 36,74 m n é o tamanho da amostra = 28, e = Erro máximo

= Erro máximo admissível = 6,67 m

De acordo com PEC “A”, Escala 1:50.000. X= 1/3 *10 = 6,67 m

Como mostra os dados acima, o desvio padrão populacional (equação 14) = 4,97 m, foi inferior a 18,11 m no intervalo de confiança de 90%. No modelo

a 18,11 m no intervalo de confiança de 90%. No modelo analisado, o valor de =
a 18,11 m no intervalo de confiança de 90%. No modelo analisado, o valor de =

analisado, o valor de = 44,49m calculado, foi maior do que o valor de tabelado

52

)= 36,74. Dessa forma, foi rejeitada a hipótese nula e aceita a hipótese52 experimental. Isso significa que o desvio padrão populacional foi estatisticamente menor ou igual ao erro

experimental. Isso significa que o desvio padrão populacional foi estatisticamente menor ou igual ao erro máximo admissível em precisão, ao nível de confiança de 90%. Neste trabalho, o erro máximo admissível de 6,67 m correspondeu ao Padrão de Exatidão Cartográfica (PEC) em precisão para a classe A (1/3 da eqüidistância entre as curvas de nível). Portanto, o modelo analisado foi classificado como de classe A em precisão.

4.3.6 ANÁLISE DE TENDÊNCIA

Conforme dados mostrados abaixo os parâmetros utilizados na análise de tendência do MDE (ASTER GDEM), a partir das equações 15 a 17. Os parâmetros

foram listados na tabela na seguinte seqüência: média amostral ( ), desvio padrão

amostral ), tamanho da amostra (n), Grau de Liberdade (GL), teste t de student

calculado (t) e teste t de student tabelado ( ).

student calculado (t) e teste t de student tabelado ( ). Tabela 09 - t de
student calculado (t) e teste t de student tabelado ( ). Tabela 09 - t de
student calculado (t) e teste t de student tabelado ( ). Tabela 09 - t de
student calculado (t) e teste t de student tabelado ( ). Tabela 09 - t de

Tabela 09 - t de student. (n-1=27=1,314). Fonte: XXXXX

( ). Tabela 09 - t de student. (n-1=27=1,314). Fonte: XXXXX = é o ponto %

= é o ponto

09 - t de student. (n-1=27=1,314). Fonte: XXXXX = é o ponto % superior da distribuição

% superior da distribuição t de student = 1,703;

= Média amostral=0,33 m; Grau de Liberdade (GL) = n-1 = 27; Desvio padrão amostral = 4,07 m; t = é o t de student calculado = 0,43, e n é o tamanho da amostra = 28.

student calculado = 0,43, e n é o tamanho da amostra = 28. Como mostra os
student calculado = 0,43, e n é o tamanho da amostra = 28. Como mostra os

Como mostra os dados acima, o valor do teste t de student calculado (equação 14) foi igual a 0,43 e que está entre o valor -1,703 e 1,703 teste t de student tabelado. Dessa forma, de acordo com a equação 15, a hipótese complementar foi aceita. Isso significa que o modelo gerado está livre de tendência, ao nível de confiança de 90%.

53

4.4 ANÁLISES E RESULTADOS

A análise consistiu em se fazer a avaliação de duas formas: a primeira

utilizando a técnica de fatiamento, onde foi obtida uma imagem da diferença de altitudes pela subtração entre Modelo Digital de Elevação do SICAD e Modelo Digital de Elevação Global (ASTER GDEM), analisando toda a população dos dados e a segunda forma foi utilizando teste de hipótese com vinte e oito pontos obtidos do mapeamento do SICAD na escala de 1: 2.000, com uma precisão melhor. Dos

resultados das avaliações surgiu a divergência quanto as exatidão e precisão alcançadas, pois avaliação por fatiamento os resultados enquadraram o MDE (ASTER GDEM) no Padrão de Exatidão Cartográfico (PEC) na classe A e escala 1:

100.000, enquanto no teste de hipótese utilizando vinte e oito pontos obteve uma classificação melhor, PEC classe A e na escala de 1: 50.000 conforme visto no desenvolvimento da metodologia.

A partir das análises obtidas por meio do desenvolvimento da presente

pesquisa é possível concluir que o MDE da área de estudo é compatível com a escala de trabalho de 1: 100.000, com um PEC classe A. apesar do segundo teste realizado, baseado em vinte e oito pontos de controle, ter resultado em uma escala de compatibilidade de 1: 50.000, não é possível tecer tal conclusão a priori. O uso de pontos de controle selecionados aleatoriamente pode ter favorecido a classificação final do modelo, de forma que outro teste semelhante ao ser realizado na mesma área poderia indicar uma precisão aquém do obtido inicialmente. É necessária, portanto, a realizações de testes adicionais utilizando o mesmo critério afim de possíveis confirmações.

54

CONCLUSÃO

Este trabalho avaliou a acurácia da altimetria obtida pelo Modelo Digital de Elevação Global (ASTER GDEM) tendo como fonte de comparação o Modelo Digital de Elevação do SICAD na escala de 1: 10.000 e avaliação com pontos de obtidos no mapeamento do SICAD na escala de 1: 2.000 para avaliação da acurácia e precisão através dos testes de hipóteses.

A partir das análises obtidas por meio do desenvolvimento da presente pesquisa, é possível concluir que o Modelo Digital de Elevação Global (ASTER GDEM) da área de estudo é compatível com a escala de trabalho de 1: 100.000, com um Padrão de Exatidão Cartográfico, na classe A, apesar do segundo teste realizado, baseado em vinte e oito pontos de controle, ter resultado em uma escala de compatibilidade de 1: 50.000, não é possível tecer tal conclusão a priori. O uso de pontos de controle selecionados aleatoriamente pode ter favorecido a classificação final do modelo, de forma que outro teste semelhante ao ser realizado na mesma área poderia indicar uma precisão aquém do obtido inicialmente. É necessária, portanto, a realização de testes adicionais utilizando o mesmo critério afim de possíveis confirmações.

Pode-se concluir então que os resultados apontaram para a adequação à acurácia e precisão na a escala 1:100.000 no PEC classe A, confirmando os trabalhos anteriores, mas que no entanto precisa ser melhor avaliado em áreas de relevo acidentado e regiões que tenha grandes corpos d’água, onde ocorreram as maiores discrepâncias. Quanto à adequação para escala de 1: 50.000 obtida pela análise dos vinte e oito pontos fica a sugestão para que novos testes sejam realizados para a confirmação desta.

SUGESTÕES PARA TRABALHOS FUTUROS

Comparar as duas fontes de dados utilizadas: as cartas 1:2.000 e 1:10.000, afim de se determinar o grau de precisão envolvido nestas últimas.

55

Realizar testes

adicionais com

pontos

de

controle

visando

confirmar os

resultados obtidos para a região do Distrito Federal.

Realizar teste do MDE (ASTER GDEM) para outras regiões visando confirmar

os resultados obtidos para a região do Distrito Federal.

REFERÊNCIAS BIBLIOGRÁFICAS

ABRAMS, M.; HOOK, S.; RAMACHANDRAN, B. ASTER User Handbook (Version 2). Pasadena, California: Jet Propulsion Laboratory EROS Data Center, 1999. Disponível em:

ASTER GDEM, sítio: http://www.gdem.aster.ersdac.or.jp/search.jsp, acessado em 15/09/2009 às 13:42 Hs.

BRASIL, Decreto no 89.817 de 20 de julho de 1984. Estabelece as instruções reguladoras e normas técnicas da Cartografia Nacional. Diário Oficial, Brasília.

BRITO. J Luís Nunes e Silva. Fotogrametria Digital - / Jorge Luís Nunes e Silva Brito, Luiz Carlos Teixeira Coelho Filho Rio de Janeiro: Ed UERJ , 2007.

BOURROUGH, P. A.; McDonnell, R.A. Principles of geographical information systems. Oxford: Oxford University, 1998.

EMBRAPA, sitio: http://www.sat.cnpm.embrapa.br/conteudo/terra.htm Sistemas orbitais de monitoramento e gestão Territorial acessado em 15/10/2009 às 21:58 Hs

FELGUEIRAS, C. A., CÂMARA, Gilberto. Modelagem Numérica de Terreno. Introdução à Ciência da Geoinformação. http://www.dpi.inpe.br/gilberto/livro/introd/cap7-mnt.pdf . Acessado em 17 de setembro de 2009 às 20:45 Hs.

GALO, M.; CAMARGO, P. de O. Utilização do GPS no controle de qualidade de cartas. In:

Congresso Brasileiro de Cadastro Técnico Multifinalitário - COBRAC, 1, v. II, 1994,

Florianópolis/SC. Anais

Florianópolis/SC: UFSC, 1994. Artigos, p. 41-48.

HUTCHINSON, M.F. A new procedure for gridding elevation and stream line data with automatic removal of spurious pits. Journal of Hydrology, v.106, n.3-4, p.211-232, 1989.

IBGE - Instituto Brasileiro de Geografia e Estatística. MAPGEO: Sistema de Interpolação de OndulaçãoGeoidal. Versão 2.0, Brasil: IBGE, 2004

ITAME, O.Y. Controle de Qualidade Aplicado na Modelagem Digital de Terreno - 2001 - Dissertação (Mestrado) Programa de Pós- Graduação em Ciências Cartográficas, Departamento de Cartografia, UniversidadeEstadual Paulista, Presidente Prudente, 106 f.

56

Lei

http://www.lagosul.df.gov.br/005/00502001.asp?ttCD_CHAVE=9452

Complementar

17/97,

Título

V,

Capítulo

II

disponível

no

sítio:

MATOS, A.C.O.C. Implementação de modelos digitais de terreno para aplicações na área de geodésia e geofísica naA mérica do Sul.2005 Tese (Doutorado) Programa de Pós- Graduação em Engenharia de Transportes, Departamento

MONICO, J.F.G, TACHIBANA, V.M & JÚNIOR, J. B. N.(2004) Tamanho da Amostra no Controle de Qualidade Posicional de dados cartográficos.

MELGAÇO, L. M.; Souza Filho, C. R.; Steinmeyer, M. Comparação entre modelos digitais de elevação gerados por sensores ópticos e por radar. In: SIMPÓSIO BRASILEIRO DE

São José dos Campos: INPE,

2005. p. 1215-1220.

SENSORIAMENTO REMOTO, 12, 2005, Goiânia. Anais

ROCHA, R.S. Exatidão Cartográfica Para as Cartas Digitais Urbanas. 2002. Tese (Doutorado) Programa de Pós-Graduação em Engenharia de Produção e Sistemas, Departamento de Engenharia de Produção e Sistemas, Universidade Federal de Santa Catarina, Florianópolis, 2002, 126 f.

SANTOS, A. R.; PARADELLA, W. R.; VENEZIANI, P; MORAIS, M. C. A estereoscopia com imagens RADARSAT-1: uma avaliação geológica na Província Mineral de Carajás. Revista Brasileira de Geociências. v. 29, n. 4, p. 627-632,1999.

TOUTIN, T. Elevation modelling from satellite visible and infrared (VIR) data. International Journal of Remote Sensing, v. 22, n. 06, p. 1097 1125, 2001.

Three-dimensional topographic mapping with ASTER stereo data in rugged topography. IEEE Transactions on Geoscience and Remote Sensing, v. 40, n. 10, p. 2241- 2247, 2002.

Review article: Geometric processing of remote sensing images: models, algorithms and methods. International Journal of Remote Sensing, v. 25, n. 10, p. 1893-1924, 2004.

Comparison of stereo-extracted DTM from different high-resolution sensors: SPOT- 5, EROS-A, IKONOS-II, and QuickBird. IEEE Transactions on Geoscience and Remote Sensing, v. 42, n. 10, p. 2121-2129, 2004.

Generation of DSMs from SPOT-5 in-track HRS and across-track HRG stereo data using spatiotriangulation and autocalibration. ISPRS Journal of Photogrammetry and Remote Sensing, v. 60, n. 3, p. 170-181, 2006.

Spatiotriangulation with multisensor HR stereo-images. IEEE Transactions on Geoscience and Remote Sensing, v. 44, n. 2, p. 456-462, 2006.

ZANARDI, R.P. Geração de Modelo Digital de Terreno a Partir de Par Estereoscópico do

Sensor CCD do Satélite CBERS-2 e Controle de Qualidade das Informações Altimétricas.

2006. 94 f. Dissertação (Mestrado) - Programa de Pós-Graduação em Sensoriamento Remoto,

Universidade Federal do Rio Grande do Sul, Porto Alegre, 2006.

57

HINES, W. W, MONTGOMERY, C D, GOLDSMAN, D M & BORROR, C M, Probabilidade e Estatística na Engenharia, 4 a Edição Rio de Janeiro: LTC, 2006.

WIKIPÉDIA, 2009 http://pt.wikipedia.org/wiki/Exatidão acessado em 21/09/2009 às 15:37 Hs.