Análise de acurácia das máscaras para os anos-safra 2010/2011 e 2011/

núcleo regional

Nas tabelas 14 e 15, têm-se os resultados da análise de acurácia das máscaras confeccionadas a partir dos IVs WDRVI, EVI e NDVI, apresentando a exatidão global, índice Kappa e índice Tau, obtidos por meio da matriz de erros (ANEXO A). Dos três IV utilizados, apenas o WDRVI e EVI obtiveram exatidão global em torno de 85%, com valores entre 80% e 86%. Landis e Koch (1977) sugeriram que valores do coeficiente Kappa entre 0,61 e 0,8

indicam que a qualidade de uma dada classificação é muito boa, ou seja, aproxima-se da referência terrestre. Sendo assim, dos métodos estudados, os que atingiram os melhores resultados foram aqueles que utilizaram os IV WDRVI e EVI com valores entre 0,70 e 0,78, respectivamente.

Para o índice Tau, que segue a mesma qualidade de classificação proposta por Landis e Koch (1977), os melhores valores para os classificadores foram encontrados novamente para os IV WDRVI e EVI com valores entre 0,73 e 0,81, respectivamente. O pior resultado foi obtido pelo IV NDVI, indicando que a máscara confeccionada a partir deste índice, apresenta menor confiabilidade no mapeamento realizado em relação aos outros índices.

TABELA 14 Resultado da Análise de Acurácia das Máscaras para a safra 2010/2011

SAFRA 2010 /2011

IV Índice Kappa Exatidão global Índice Tau

WDRVI 0,78 86,0 0,81

EVI 0,74 83,3 0,78

NDVI 0,66 78,0 0,71

TABELA 15 Resultado da Análise de Acurácia das Máscaras para a safra 2011/2012

SAFRA 2011 /2012

IV Índice Kappa Exatidão global Índice Tau

WDRVI 0,78 85,3 0,80

EVI 0,70 80,0 0,73

NDVI 0,57 72,0 0,63

Ao confrontar os resultados com os encontrados na literatura, verifica-se que as máscaras apresentaram uma boa confiabilidade no mapeamento realizado, pela metodologia proposta. Johann et al. (2012), ao realizar a averiguação das exatidões espaciais das máscaras geradas (culturas de verão), tendo como referência terrestre imagens de média resolução espacial (Landsat_{‑5/TM e AWiFS/IRS), obtiveram valores de exatidão global entre} 92% e 95% e de 0,86 a 0,90 para o índice Kappa. Lamparelli et al. (2008), ao compararem mapeamentos de semeadura da cultura da soja na região Oeste do Paraná, realizados com imagens MODIS/Terra e TM/Landsat 5, obtiveram resultados de Exatidão Global e Índice Kappa, que variaram entre 0,55 e 0,80. Wardlow e Egbert (2008) encontraram exatidão global de 84% e índice Kappa de 0,76, para as culturas de verão, ao comparar suas máscaras com mapas de uso do solo gerados a partir de imagens Landsat/TM. Doraiswamy et al. (2006), ao comparar os resultados da classificação das culturas de soja e milho, a partir de imagens MODIS/Terra com as obtidas por meio do Landsat/TM, alcançaram valores de 75,1% a 81,7% para exatidão global e de 0,5 a 0,63 no índice Kappa.

A exatidão global indica o desempenho global de um mapa de classificação. A acurácia do produtor e a acurácia do usuário, conforme tabelas 16 e 17, são úteis para avaliar a precisão da classificação nas classes individuais. Segundo Congalton e Green (1999), a

acurácia também pode ser analisada, individualmente, por meio da análise dos erros de inclusão e dos erros de omissão presentes na classificação.

A acurácia de produtor (AP) refere-se à probabilidade de um pixel de referência ter sido corretamente classificado. E a acurácia de usuário (AU) indica a probabilidade que um pixel classificado na imagem de fato representa aquela categoria no campo. Na classe milho, para a máscara utilizando o IV WDRVI (2010/11), obteve-se acurácia do produtor de 95,3% e a acurácia de usuário de 68,3%. Estes valores indicam que 95,3% dos pixels de soja foram realmente classificados como soja, mas apenas 68,3% realmente representam esta classe em campo ou, no caso deste trabalho, dos pontos que representavam a classe milho na imagem utilizada como referência terrestre (Landsat). A máscara por esse método perdeu 4,7% (erro de omissão) dos pixels de milho na imagem e 31,7% (erro de inclusão) dos pixels classificados como milho que pertenciam a outras classes.

TABELA 16 Valores de acurácia do produtor e acurácia do usuário para a safra 2010/2011

CLASSE

SAFRA 2010/2011

WDRVI EVI NDVI

AP(%) AU(%) AP(%) AU(%) AP(%) AU(%)

Soja 80,8 98,3 80,3 95,0 72,4 91,7

Milho 95,3 68,3 97,5 65,0 88,9 53,3

Outros 85,3 96,7 74,4 96,7 78,9 100,0

Notas: AP: Acurácia do produtor; AU: Acurácia do usuário.

TABELA 17 Valores de acurácia do produtor e acurácia do usuário para a safra 2011/2012

CLASSE

SAFRA 2011/2012

WDRVI EVI NDVI

AP(%) AU(%) AP(%) AU(%) AP(%) AU(%)

Soja 92,1 96,7 80,6 96,7 71,8 93,3

Milho 95,3 68,3 97,1 55,0 78,4 48,3

Outros 65,9 96,7 65,9 96,7 65,7 76,7

Notas: AP = Acurácia do produtor; AU = Acurácia do usuário.

Sendo assim, pode-se observar que os IV WDVRI e EVI obtiveram os melhores resultados, sendo a cultura da soja a melhor mapeada, com valores entre 80,3% e 92,1% para AP e de 95% a 98,3% para AU. Para a cultura do milho os valores ficaram entre 95,3% e 97,5% para AP e de 55% a 68,3% para AU com os mesmos IVs.

Os valores são ainda mais significativos se comparados com outros trabalhos que utilizaram o mesmo sensor, porém, com outra metodologia. Por exemplo, Gusso et al. (2012) compararam a máscara de soja obtida pela metodologia denominada Modis crop detection

algorithm (MCDA), com o mapeamento realizado por Rizzi e Rudorff (2005), e encontraram

AP = 70,74% e AU = 70,68% para a classe soja e AP = 86,99% e AU = 87,02% para a classe não-soja. Lamparelli et al. (2008) obtiveram AP variando entre 52% e 91% e AU entre 58% e 75%, ao analisarem a acurácia da máscara de soja obtida por meio de Imagens MODIS/Terra, classificadas por método de classificação supervisionada. Doraiswamy e Stern

(2007), ao classificar as culturas de soja e milho nos estados de Iowa e Illinois nos EUA, por meio de um algoritmo de árvore de decisão e utilizando imagens MODIS/Terra, obtiveram AP = 75,2% e 82,2% e AU = 73,8% e 78,2%, para a cultura da soja e AP = 75,1% e 81,3% e AU = 76,4% e 84,8%, para a cultura do milho.

Utilizando os valores da matriz de confusão total (ANEXO A) gerada para cada um dos IVs, obtiveram-se as métricas do índice de sensibilidade, do índice de especificidade total e do coeficiente de correlação de Matthews, como forma de avaliar a qualidade do classificador a partir da comparação global dos mapas (máscaras vs imagem Landsat), conforme as tabelas 18 e 19. Observa-se que entre os anos-safra a diferença foi mínima para cada IV.

TABELA 18 Métricas obtidas das matrizes de confusão total para a safra 2010/2011

SAFRA 2010/2011

Métrica WDRVI EVI NDVI

S 0,86 0,83 0,78

E 0,95 0,94 0,93

CCM 0,81 0,78 0,71

Notas: S: índice de sensibilidade; E: índice de especificidade total; CCM: coeficiente de correlação de Matthews.

TABELA 19 Métricas obtidas das matrizes de confusão total para a safra 2011/2012

SAFRA 2011 /2012

Métrica WDRVI EVI NDVI

S 0,85 0,80 0,72

E 0,95 0,93 0,91

CCM 0,80 0,73 0,63

Notas: S: índice de sensibilidade; E: índice de especificidade total; CCM: coeficiente de correlação de Matthews.

Para o índice de sensibilidade (S) que é a capacidade geral do classificador em classificar pixels corretamente segundo o mapa de referência, os IVs WDRVI e EVI obtiveram os melhores resultados com 0,86 e 0,83, respectivamente. O índice de especificidade total (E) indica a capacidade do método de classificação em evitar classificações incorretas, os resultados foram de 0,95 e 0,94 para os IVs WDRVI e EVI, respectivamente. O coeficiente de correlação de Matthews (CCM) fornece o valor 1 se os mapas forem idênticos, verifica-se que a máscara gerada pelo IV WDRVI se aproximará mais da referência terrestre com o valor de 0,81.