Imagens Orbitais e Classificação de Dados em Cartografia Temática

Cartografia tematica e e e Unidade 4 Imagens orbitais Introducgao Estamos quase chegando ao fim dos nossos estudos de cartografia tematica Para chegar até aqui vocé ja estudou alguns dos pilares desta disciplina Agora avangaremos nos estudos para compreensdo de técnicas especificas de Sensoriamento Remoto que permitem tratar imagens de satélites para a melhor producdo de mapas Nesta unidade serdo trabalhadas as imagens orbitais ou de satélites e sua importancia fundamental na produgado de mapas tematicos digitais Muitas informagdes podem ser extraidas dessas imagens utilizandose de operacdoes matematicas simples realizadas em SIGs Por fim aprofundaremos os conceitos relacionados a cartografia de sintese uma vez que as bases fundamentais da Cartografia Tematica ja foram investigadas por vocé nas unidades anteriores Bons estudos iti RI d 1 Classificagao supervisionada de imagens orbitais A classificagao de imagens orbitais 0 processo de extragao de informagses em imagens obtidas por satélites para reconhecer padrées e objetos homogéneos que correspondam aos temas de interesse para mapeamento de areas da superficie terrestre Essa classificagao se baseia na associagdo de cada pixe da imagem a um objeto real e pode ser feita por meio de interpretacdao visual ou de classificagado computacional Esta ultima metodologia facilita e agiliza o processo de classificagao O pixel é o menor elemento em um dispositivo de exibigdo por exemplo um monitor de computador ao qual é possivel se atribuir uma cor Ou seja um pixel o menor ponto que forma uma imagem digital sendo que um conjunto de pixels com varias cores formam a imagem inteira No processo de classificagao de dados digitais os elementos presentes na superficie terrestre sao conhecidos por classes tematicas e os pixels sao rotulados de acordo com o uso do solo A rotulagdao dos valores dos niveis de cinza é efetuada utilizando se programas computacionais que calculam algoritmos para o reconhecimento de padr6des espectrais A classificagdo de imagens pode ser subdividida em supervisionada e ndo Supervisionada dependendo do algoritmo que sera aplicado Ambos os casos demandam duas fases a do treinamento e a da classificagdo Para realizar a classificagao antes é preciso realizar alguns procedimentos prévios como o levantamento de campo e a interpretacdo de imagens em tela de computador O levantamento de campo permite coletar amostras para o treinamento dos classificadores enquanto a interpretagdo das imagens em tela do computador auxilia na selegdo de uma parte da area de estudo a fim de se conhecer as caracteristicas fisicas e antropicas desta area piloto que servira de padrao de comparacao para a posterior classificagao supervisionada dos alvos urbanos Os dados resultantes da classificagdo digital sao apresentados por classes espectrais OU seja areaS que possuem caracteristicas de espectros eletromagnéticos semelhantes constituindo um mapa de pixels classificados que podem ser representados por simbolos graficos ou cores Assim este processo transforma um grande numero de niveis de cinza de cada banda espectral em um pequeno numero de classes em uma Unica imagem A classificagao de imagens de satélite um dos temas mais procurados pelos usuarios de SIG para Processamento Digital de Imagens PDI O uso de imagens orbitais para fins de monitoramento ambiental 6 uma realidade que contribui para a geracgao de mapeamentos com eficiéncia rapidez e confiabilidade em estudos que envolvam a dinamica de processos do globo terrestre Existe uma grande diversidade de SIGs que permitem fazer a classificagdo Supervisionada de imagens de sateélites Para cada SIG ha um diferente tutorial Assim nado vamos nos deter a indicar um passo a passo de classificagado de imagens para cada um deles Recomendase que o usuario que deseje classificar uma imagem baixe na internet o tutorial do SIG utilizado pela empresa ou instituto em que trabalhe por exemplo para direcionar o aprendizado a ferramenta que de fato ira utilizar Ao invés disso focaremos nos fundamentos gerais para garantir autonomia de seus estudos e aplicagdes oe 2 Matematicas de bandas Varias operagdes matematicas sao usadas em processamento digital de imagens Essas operacées sao simples sendo de adicaosubtragdo e multiplicagaodivisdao mas muito importantes no Sensoriamento Remoto Isso porque permitem a analise de imagens multiespectrais ou seja que possuem diferentes bandas espectrais de uma mesma cena figura 1 e também a analise de imagens multitemporais cujas bandas individuais sdo adquiridas sobre uma mesma area em diferentes datas ee 7 f banda Figura 1 Representagdo de uma imagem multibanda Fonte TAGUSHI Sandro 2020 Uma imagem colorida por exemplo uma imagem multibanda onde a cor em cada ponto x y é definida através de trés grandezas luminancia value matiz hue e saturagao A luminancia associada ao brilho da luz a matiz se relaciona ao comprimento de onda dominante a saturagdo tem a ver com o grau de pureza ou intensidade da matiz Uma representagado comum para uma imagem colorida utiliza trés bandas RGB vermelho verde e azul da sigla em inglés com profundidade 1 byte por pixel Para fazer a matematica de bandas utilizase duas ou mais imagens de uma mesma area Essas imagens devem ser previamente coregistradas de modo que cada pixel das imagens se refira exatamente a mesma area no terreno Assim a entrada de uma operacao desse tipo é representada por duas ou mais imagens e a Saida resulta em uma Unica imagem de combinagdo de originais de acordo com a matematica empregada realizada pixel a pixel As operacées aritméticas a serem aplicadas nas imagens sdo de operacao simples conforme ja dito Neste caso a divisao conhecida como razao de bandas ou band ratio em inglés O ideal 6 que a informagdo espectral contida em um conjunto de bandas multiespectrais seja comprimida em um numero menor de bandas O numero ideal é 3 pois permite a combinagao de bandas usandose as trés cores basicas RGB em um monitor de video A esse processo dase 0 nome de reducao da dimensionalidade dos dados originais Diversas técnicas aritméticas permitem fazer essa reducdo de bandas As imagens resultantes dessas operagdes representardo uma fungdo da informagdo espectral originalmente contida nas duas ou mais bandas originais usadas como entrada Em uma imagem com reflexdo de seis bandas espectrais por exemplo se fizermos uma divisao duas a duas 0 resultado sera uma imagem com trés novas bandas que ainda contém as informacgoées das seis bandas originais poreém de maneira comprimida A esse processo damos 0 nome de compressdo de imagens E preciso ressaltar que ao comprimir uma imagem sempre havera alguma perda de informagdo com relagdo a imagem original A quantidade de células do mapa de cores determina 0 numero de cores utilizado para representar a imagem A maioria dos monitores utiliza 256 cores para mostrar as imagens coloridas Na matematica de bandas muitas vezes o resultado das operacgées aritméticas ultrapassara o intervalo 0256 Assim as imagens devem ser redimensionadas para esse intervalo apdos a operaGdo 0 que acarreta em uma perda de informagao espectral Em suma podese dizer que a adicdo e a multiplicagao servem para realcar Ssimilaridades espectrais entre bandas ou diferentes imagens ao passo que a Subtragdo e a divisao servem para realcar diferengas espectrais Dentre essas operacgoes a razdo de bandas é a mais utilizada por sua grande aplicagdo em geologia agricultura e meio ambiente por exemplo Por isso a ressaltamos e rw e 21 Combinacao de propriedades e espectrals A adigdo de imagens é uma operacdo linear simples Os valores de intensidades das imagens a serem somadas estardo situados em um intervalo entre 0256 e assim 0 resultado da adicdo de N imagens vai estar situado no intervalo 0255 x N Portanto alguma forma de compressao de contraste sera necessaria para que a imagem resultante possa ser mostrada em um monitor Apos a adicgdo de bandas sera portanto necessario dividir o resultado da operacgao por N A operagdo de adicao neste caso é simplesmente uma forma de se obter a média aritmética entre as imagens operadas e contribui para diminuir o ruido usualmente presente em imagens de sensoriamento remoto Ja a subtracgao entre imagens serve para realcar pequenas diferengas espectrais refletidas por diferencas de intensidades Essa operagdo pode ser feita em variadas bandas de uma mesma imagem ou na mesma banda de diferentes imagens Essa operagdo também é linear produzindo resultados de intensidades fora do intervalo 0256 indicando também a necessidade de um ajuste de contraste que deve ser implementado adicionandose 255 ao resultado 0 que vai produzir um novo intervalo 0510 e dividindo este por 2 retornase portanto o valor ao intervalo original A diferenga ou subtragdao entre bandas é bastante util na identificagao de diferengas sutis em comportamento espectral de determinados alvos em imagens multiespectrais A multiplicagdo de imagens uma técnica pouco utilizada em processamento de imagens de sensoriamento remoto pois se trata de uma operacgao ndolinear que produz resultados bastante fora do intervalo 0256 Por exemplo dois pixels com valor 255 quando multiplicados darao um valor de 65025 0 que vai requerer uma compressdo de contraste muito intensa para que o resultado possa ser exibido em um monitor de video de 8 bits Em contrapartida a divisao de imagens é a operagdo aritmética mais comum em processamento digital de imagens A razdo de bandas como também é chamada esta operacdo é muito utilizada na determinacao dos chamados indices de biomassa ou de vegetacgdo e também na identificagdo de zonas de alteragdo hidrotermal relacionadas a concentragdes de minerais Esta operagdo matematica ndolinear produz resultados que necessitam ser realocados para o intervalo 0256 antes de serem mostrados no monitor de video A divisdo serve para realcar intensamente as diferengas espectrais de um par de bandas sendo que os extremos branco e preto da distribuigdo de niveis de cinza representam as maiores diferengcas em reflectancia entre as duas bandas consideradas A divisao é feita pixel a pixel entre duas bandas e quando a intensidade do denominador da divisao maior do que 0 do numerador o resultado menor do que 1 dando um resultado que sera obviamente representado por um pixel escuro Ao contrario quando o numerador for maior do que 0 denominador a divisdo sera maior do que 1 dando um pixe claro no resultado Quando os valores do denominador e do numerador forem os mesmos ndo ha diferenga entre as duas bandas para aquele pixel CROSTA 1992 A propriedade mais importante da razdo de bandas a sua capacidade de realcar Significativamente determinadas feigdes da curva de assinatura espectral de alguns materiais ou elementos naturais Isso explica o fato de esta ser a propriedade mais usada Se as bandas a serem divididas forem selecionadas de forma a cobrir maximos e minimos de absorcdao assim como mudangas na inclinagao da curva de assinatura elas podem ser combinadas em pares de raz6es para acentuar aspectos das assinaturas espectrais dos materiais Um exemplo de uso desta propriedade na vegetacgao Esta tem uma grande propriedade de absorcdo na regido do vermelho devido a clorofila e por uma intensa reflexdo no infravermelho proximo Fazendose uma composiao colorida usando essas duas bandas e uma terceira qualquer a presenca de vegetacado fica obvia mas Suas variagdes em intensidade tipos etc nao sao faceis de identificar j4 que o olho humano possui um intervalo limitado de percepgdao Aplicandose uma razdo de bandas que realcem os parametros do vermelho e do infravermelho as variagdes serdo muito mais facilmente interpretadas devido ao realce que sera dado a essas bandas Por esse motivo razdes de diversos tipos sao utilizadas em estudos de vegetacdo para estimar a proporgdo de biomassa e para fazer diferenciagdo entre espécies Essa é a base para se definir razOes de bandas mais complexas desenvolvidas para estudos de vegetagado que envolvem divisdo soma e diferenca entre bandas espectrais A mais conhecida delas é 0 chamado Indice Normalizado de Diferenca de Vegetacao NDVI em inglés como veremos no topico a seguir e ww 3 Indice de vegetacao NDVI e SAVI Os indices de vegetacgdao sao utilizados para identificar e diferenciar a cobertura vegetal de um determinado local Esses indices sdo baseados no comportamento espectral Ou seja na forma com que determinados corpos ou coberturas da Superficie terrestre vegetagao agua construcdes etc respondem a energia que incide sobre eles como a do Sol CRUZ 2018 Sdo algoritmos desenvolvidos para analisar as imagens capturadas por cameras especificas e disponibilizar diversas analises através da coloracdo indicativa de cada indice Esses indices sao um dos principais indicadores da saude da vegetagdo em um plantio e por isso foram propostos para o mapeamento da cobertura vegetal Com o passar do tempo os indices de vegetagao passaram a ter outras aplicagdes como por exemplo a realizagao de analises diversas que podem favorecer o agricultor na tomada de decis6es mensurar o vigor da vegetagdao controlar o estresse hidrico calcular a quantidade de insumos a ser aplicada etc Isso contribuiu para melhorar a producao agricola ao auxiliar na remediagdo rapida das ameagcas do campo Os indices de vegetagdo também sao muito utilizados para fins de mapeamento O cartografo ao produzir um mapa de uso do solo por exemplo precisa ser capaz de identificar as coberturas vegetais e delimitalas Podem auxiliar inclusive no monitoramento da cobertura da superficie terrestre para detectar mudangas na vegetacdo ao longo do tempo como mostra a Figura 2 aa rT aaa az Figura 2 Nos mapas a vegetagdo através de um indice de vegetacdo no caso o NDVI sendo possivel perceber as mudangas sazonais Em janeiro a cobertura vegetal de Caatinga e Cerrado é mais densa Em agosto perfodo seco a vegetacdo decidua perde suas folhas alterando os indices Fonte Ciéncia Hoje 2020 A elaboragdo de indices representativos de uma dada realidade nao é facil Antes de tudo é preciso saber que para simplificar necessario generalizar Os indices de vegetacgdo sdo baseados em principios fisicos e foram construidos a partir de leituras repetidas realizadas in situ da reflectancia de uma folha sadia ou seja da relagdo entre a intensidade de luz que incide sobre a folha e a luminosidade que é por ela refletida Essas leituras sdo feitas para todos os tipos de radiagdo do espectro eletromagnético e possibilitam a elaboragdo de curvas tedricas do comportamento espectral da vegetacdo CRUZ 2018 Com o crescimento e popularidade dos satélites avides e mais recentemente dos drones e o advento de novos sensores aptos a captar luz em espectros além do visivel temos visto uma grande movimentagdo em relagdo ao uso de indices de vegetacdo no intuito de gerar indicadores Uuteis para agricultura de precisdo Uma gama de Indices de Vegetacdo ja foi desenvolvida para as mais diversas finalidades Pesquisadores agricultores e agr6nomos no mundo inteiro usam diferentes indices na agricultura e os otimizam para avaliar as culturas Por exemplo alguns indices foram utilizados para capturar os processos fotoquimicos associados com a fotossintese da planta tal como o uso da eficiéncia da luz ou estimar o conteudo de pigmentagao da folha clorofila enquanto que outros foram projetados para obter o Indice de Area Foliar IAF Dentre esses indices os mais utilizados sdo o NDVI e o SAVI Abordaremos cada um deles mais detalhadamente a seguir 31 NDVI NDVI é a sigla em inglés para Indice de Vegetacdo por Diferenca Normalizada E um indice que analisa a condigdo da vegetagdo no campo através de sensoriamento remoto Foi desenvolvido nos Estados Unidos em 1973 logo apos o langamento do satélite LANDSAT 1 O indice uma matematica de bandas espectrais que sdo captadas por sensores remotos de satélites ou drones por exemplo As plantas tém um valor NDVI entre 01 e 1 quanto maior o valor maior a densidade vegetal Pigmentos Estrutura dasfolhas celular Contetido de agua Principais Absorcgao Absorcao 80 bandas de pela clorofila pela agua 70 absorcao 60 3 50 40 Y 30 20 wy 10 04 06 08 10 12 14 16 18 20 22 24 26 Comprimento de onda 1m Regides Visivel Infravermelho Infravermelho médio espectrais proximo Figura 3 Faixas do espectro em que existe absorcdo de energia pelas plantas captadas pelo NDVI Fonte RIBEIRO Carlos Sensix 2020 O NDVI é um indice estrutural muito utilizado para monitoramento agricola por apresentar fortes caracteristicas com o crescimento das culturas Sabe se que os pigmentos das folhas sao tratados na regido do visivel a maioria das folhas sdo verdes porque elas refletem mais essa faixa do espectro da luz Enquanto no espectro vermelho Red ha uma grande absorgdo de energia e o infravermelho proximo NIR reflete a estrutura celular das plantas Por isso o NDVI um Otimo indicativo do estado da planta porque leva em consideragdo a energia absorvida com a refletida na regido que mostra a condicao das estruturas celulares Assim esse indice é utilizado para monitoramento e mapeamento de culturas detecgdo de secas localizagdo de pragas estimativas de produtividade e muitos outros fins Um problema na utilizagao do NDVI é a sua sensibilidade as condicgdes atmosféricas como a cobertura de nuvens por exemplo Esse problema vem sendo solucionado com 0 uso de drones que sobrevoam a uma altitude mais baixa que os satélites e podem ser langados em dias de tempo estavel sem nuvens e umidade que atrapalhem a afericgdo dos espectros de luz 32 SAVI SAVI 0 Indice de Vegetacdo Ajustado ao Solo Foi desenvolvido com o objetivo de amenizar o efeito do solo na reflectancia da vegetagdo e se baseia no principio de que a curva de vegetacdo tende a se aproximar da curva de solo Esse indice é bastante utilizado no inicio do plantio ou em areas de baixa densidades de vegetagdo O SAVI baseado nos mesmos principios do NDVI seguindo os mesmos algoritmos A diferenga que se acrescenta a constante L relativa a cobertura do solo Esta constante varia de 0 a 1 indo desde a maior até a menor cobertura do solo respectivamente Em locais onde ha uma grande exposicdo do solo pelo fato de a vegetacdo ser baixa OU pouco densa esse indice deve substituir o NDVI ja que nestas situagdes o indice de NDVI é prejudicado pela reflexdo das ondas eletromagnéticas pelo solo fia de si 4 Cartograftia de sintese Os avangos tecnologicos recentes particularmente da informatica e das telecomunicagdes causaram um grande impacto na cartografia Com a significativa diminuigao do custo de computadores dos seus programas e da conexdo com a internet aliada a criagao de bases cartograficas e dados estatisticos no meio digital OS Mapas se difundiram com velocidade e amplitude ainda maiores do que no periodo renascentista quando a imprensa de Gutenberg foi utilizada para reproduzir mapas QUEIROZ FILHO e MARTINELLI 2007 Assim temos a passagem dos mapas de papel ao digital Hoje a cartografia tematica e os Sistemas de Informacdes Geograficas nado so se complementam como também se entrelagam Sua relagado expressa muito mais a ideia de integragdo do que de substituigao O uso de SIGs facilitou a confeccdo dos mapas tematicos de sintese Um mapa de sintese aquele que mostra determinados dados como os elementos de uma paisagem a poluigao e o uso da terra utilizando simbolos proprios da linguagem cartografica para passar uma mensagem mais complexa pois agrega assuntos variados que interagem entre si Por exemplo um mapa de dominios morfoclimaticos mostra em uma Unica representacgao informagdes sobre clima vegetacao geologia relevo e solo Para se chegar a um mapa de sintese dentro de um contexto mais tradicional utiliza se de métodos graficos cartograficos e estatisticomatematicos Hoje num plano mais avancado a cartografia de sintese conta com um grande aliado o Sistema de Informagdes Geograficas Ele disponibiliza um conjunto de funcgdes voltadas a integracao de dados dispostos em diferentes planos de informacgoées ou ayers para se chegar a um mapa de sintese O mapa de sintese teria como primeira fungao a de salientar as correlacdes evidenciando conexdes entre fendmenos distintos Um caminho para se chegar a isso sSuperpor mapas tematicos simplificados tornando mais claras as relagdes espaciais De qualquer forma a sintese uma necessidade porém deve ser atendida de maneira que faca emergir novas configuragdes que sejam completamente diferentes do que o resultado de uma simples soma das configuracdes elementares S6 assim se obteria uma visdo global da realidade A base cartografica as escalas a projegdo e as diversas variaveis visuais cores formas e tamanhos aplicadas em pontos linhas e areas precisam estar bem articuladas mostrando os fen6dmenos e 0 que OS une Veja na Figura 4 um exemplo de mapa de sintese desenvolvido pelo Servicgo Geoldgico do Brasil a fim de apresentar uma visualizagdo hidrogeoldgica do territdrio brasileiro Se eS Wet mJ 5 oH Ngee ine 62 ee aie Re mee eS PK AN pees A I KONA tel tee ba yay oe Sy Sie re Yee SS RN Figura 4 Mapa Hidrogeoldgico do Brasil Fonte Servio Geoldgico do Brasil CPRM 2020 e e e e 41 Principais metodos da cartografia de intese Vejamos agora divididos em categorias os principais métodos que sao empregados na atualidade que visam a estruturar uma cartografia de sintese Procedimentos convencionais métodos graficos e cartograficos Procedimentos com uso de SIGs algebra de mapas Procedimentos com uso de SIGs tratamento estatistico de dados Sintese Nesta unidade concluimos os estudos de cartografia tematica conhecendo os métodos finais para a producao de mapas o tratamento de imagens e a criagdo de mapas de sintese Dentro destes conteudos deuse uma atengdo especial aos seguintes temas e A classificagdo supervisionada de imagens orbitais com uso de SIGs reforgando O papel da validacdao dos dados verificados nas imagens em campo e Entendimento e combinacgdo de propriedades espectrais para obtengdo de informagdes em imagens de satélites a partir da matematica de bandas e suas propriedades adicao subtragdo multiplicagdo e divisao Os principais indices de vegetacao para trabalho com imagens NDVI Indice de Vegetacdo por Diferenca Normalizada e SAVI Indice de Vegetacao Ajustado ao Solo e Acartografia de sintese do papel ao digital e os diversos procedimentos para se chegar a este tipo de mapa Até a proxima disciplina CAMARA G et al Introdugdo a Ciéncia da Geoinformagao Disponivel em httpwwwdpiinpebrgilbertolivrointrod Acesso em fevereiro de 2020 CROSTA A P Processamento Digital de Imagens de Sensoriamento Remoto Campinas UNICAMPInstituto de Geociencias 1992 CRUZ C M Indices de vegetacdo o que dizem Ciéncia hoje 2018 Disponivel em httpsbitly2VItA77 Acesso em marco de 2020 FIGUEIREDO D Conceitos basicos de Sensoriamento Remoto 2005 Disponivel em httpsbitly3czH3ht Acesso em fevereiro de 2020 FITZ P R Cartografia basica Oficina de textos 2008 JUNIOR J S da S O que é espectro eletromagnético Brasil Escola Disponivel em httpsbitly2RKYnYP Acesso em fev 2020 OLIVEIRA P J de Cartografia Tematica EFSE CESAD 2009 QUEIROZ FILHO A P e MARTINELLI M Cartografia de analise e de sintese na Geografia Boletim Paulista de Geografia 2007 n 87 Disponivel em httpsbitly2xKlJja1 Acesso em mar 2020 ROSA Flavio S Impactos da informatica na cartografia In simpdsio internacional sobre novas tecnologias digitais em geografia e cartografia 1996 Sao Paulo Anais Sao Paulo LEMADI 1996 p 3439 SILVA A C C da et al Conceitos basicos de Geoprocessamento e Cartografia Foz do Iguacu 2012 Disponivel em httpsbitly2RRaAeo Acesso em fevereiro de 2020 LATORRE M et al Correcao atmosférica conceitos e fundamentos Revista Espaco e Geografia 2002 Referéncias Imagéticas Figura 1 TAGUSHI Sandro Processamento de imagens digitais Disponivel em httpsbitly2XQbTyi Acesso em 23 de margo de 2020 Figura 2 CIENCIA HOJE Indices de Vegetacdo O que dizem Disponivel em httpcienciahojeorgbrartigoindicesdevegetacaooquedizem Acesso em 23 de marco 2020 Figura 3 RIBEIRO Carlos Sensores embarcados In Sensix Disponivel em httpssensixcombr20160323sensoresembarcadosemvantsparaagricultura Acesso em 23 de margo 2020 Figura 4 SERVICO GEOLOGICO DO BRASIL CPRM Mapa Hidrogeoldgico do Brasil ao Milionésimo Disponivel em httpsbitly3eD5xXyj Acesso em 23 de marco de 2020