Processamento e classificação de imagens de satélite do semiárido cearense utilizando classificadores estatísticos

Abstract

A aplicação de técnicas de sensoriamento remoto tem sido cada vez mais utilizada em estudos ambientais, possibilitando avaliar os resultados da ação antrópica e prever impactos de tais ações. Tais técnicas são ferramentas de grande importância para estudos como, por exemplo, a análise de uso e ocupação do solo. Nesse estudo, buscou-se aplicar técnicas de processamento digital de imagens de sensoriamento remoto e classificação supervisionada de alvos, baseada em classificadores estatísticos, como ferramenta para a gestão de recursos hídricos e de usos do solo. Foram utilizadas imagens de satélite do sensor óptico Landsat-8, de setembro de 2014, do entorno dos reservatórios Paus Branco, Marengo e Nova Vida, localizados no assentamento 25 de Maio, situado entre os munícipios de Madalena, Boa Viagem e Quixeramobim, no estado do Ceará. Inicialmente, foram aplicadas duas técnicas de transformação de intensidade (ImAdjust e Contrast-Stretching) nas imagens originais, considerando-se cada uma das componentes RGB. Posteriormente, realizou-se um processo de classificação supervisionada a partir de algoritmos classificadores baseados em dois métodos: Mínima Distância Euclidiana e Máxima Verossimilhança. Tanto os métodos de transformação de intensidade como os classificadores foram implementados no ambiente computacional MATLAB. As imagens foram segmentadas em nove diferentes classes de usos do solo e foi, então, avaliada a concordância da classificação com os dados reais através do coeficiente kappa. Os resultados demonstraram que a concordância dos produtos das classificações com pré-processamento das imagens foi superior à concordância apresentada quando não é aplicado qualquer pré-processamento. Quanto aos valores máximos de coeficiente kappa, não houve distinção significativa entre os métodos de pré-processamento para um mesmo classificador, obtendo-se coeficientes kappa globais iguais a 0,53 para o classificador de mínima distância e 0,63 para o classificador de máxima verossimilhança. Analisando-se os resultados de kappa por classe para cada método de classificação, observase que o classificador de máxima verossimilhança apresenta concordância maior para a classe de maior interesse (água) do que o algoritmo de mínima distância. Aplicando-se os classificadores nas áreas do entorno dos reservatórios estudados, observa-se que o classificador de máxima verossimilhança apresentou resultados mais coerentes com os usos reais observados na área de estudo, com quantidade inferior de confusões na classificação de pixels (elementos de água como sombra de nuvem). Nesta pesquisa, foi possível implementar algoritmos classificadores de imagens para a área de estudo, utilizando diferentes combinações de métodos de pré-processamento de imagens e métodos de classificação. Os resultados de concordância obtidos podem ser classificados como “bom” e “muito bom”. A partir da aplicação dos classificadores em áreas do entorno dos reservatórios estudados, observa-se que os métodos empregados permitem classificar os diferentes usos do solo na região estudada, mas necessitam de ajustes para aumentar a acurácia em relação a determinadas classes, tais como: vegetação rala, agricultura e vazante.