Os Conceitos OBIA e GEOBIA

O Processo de reconhecimento de padrões espaciais dos objectos, as suas propriedades morfológicas numa imagem de satélite e a extracção de informações com relevância e resultados significativos para a tomada de decisão, constituem uma das tarefas mais relevantes em Detecção Remota.

Neste sentido, o OBIA (Object-Based Image Analysis) tem sido visto como um novo paradigma em análise de imagem de satélite e tem contribuído essencialmente para a mudança na forma como se processava a extracção de informação, destacando o objecto como unidade mínima de análise.

De facto, os principais problemas encontrados na classificação pixel a pixel resultam, sobretudo, da não ligação dos parâmetros estruturais das imagens (cor, padrão, textura, tonalidade, forma, contexto), centrando-se sobretudo, nos valores espectrais dos

23 _{Ver Blaschke e Hay, 2014:180}

101

pixels individuais que constituem o objecto em análise, o que é dado apenas com a

tonalidade e cor, traduzidos em números digitais (Digital Number).

Ao contrário do método clássico, a OBIA apresenta um significado muito amplo, quanto às suas áreas de aplicação, sendo comum em vários domínios, nomeadamente, visão computacional, medicina, ciências dos materiais, entre outras áreas. Embora não seja estritamente reservada aos investigadores em Geografia e Detecção Remota, ainda assim, é necessário referir que, permitiu uma maior abertura e complementaridade entre diferentes áreas do saber.

Como referido anteriormente, a metodologia OBIA caracteriza-se sobretudo, pela aplicação de técnicas de extracção de informação através de segmentação multi-escala. As suas potencialidades e publicações têm caminhado num sentido ascendente desde a primeira aplicação em Detecção Remota e Ciências Geográficas.

Na verdade, tal ascensão iniciou-se “oficialmente” em 2010 (embora a segmentação da imagem e classificação orientada ao objecto, remontarem ao ano 2000, particularmente ligadas ao advento de imagens de satélite de alta resolução e de softwares com algoritmos cada vez mais potentes, como é o caso do eCognition), período em que “o número de publicações da classificação baseada em objecto começa a crescer até aos dias de hoje” (Ma et al., 2017).

Posto isto, sublinha-se que, uma das vantagens apresentadas comparativamente a metodologia pixel a pixel, prende-se com o facto de possibilitar a inclusão de informações não espectrais na classificação de objectos, reduzindo desta forma a subjectividade na análise dos dados.

Assim, Hay e Castilla (2006:1), argumentam que, o “objectivo principal de OBIA é desenvolver uma metodologia teórica apropriada e ferramentas capazes de replicar ou mesmo superar a interpretação humana de imagens de Detecção Remota de forma a reduzir a subjectividade”, algo que não se consegue com análise pixel a pixel, dado que esta não leva em consideração os aspectos contextuais, hierárquicos entre outros, de forma a aumentar a objectividade na interpretação de uma imagem geográfica.

De facto, as diferenças existentes entre os métodos baseados no objecto e os baseados nos pixels estão no tipo de classificadores empregues. Enquanto a metodologia

pixel a pixel se centra sobretudo na análise dos valores espectrais dos objectos, na

102

tipos de classificadores, funções e o classificador de vizinho mais próximo (padrão) ou sua combinação. As funções de associação permitem descrever a relação entre os valores dos recursos e o grau de associação a uma classe usando a lógica difusa (fuzzy)” (Kavzoglu e Yildiz, 2014:33).

Assim, numa altura em que a informação geográfica é cada vez mais importante e necessária no que respeita à tomada de decisão, a metodologia OBIA é essencial para o auxílio a uma decisão mais ponderada, como também, para uma melhor interpretação dos dados, isto porque, algoritmos de classificação baseada na análise de um único pixel, não responde plausivelmente às necessidades recentes, centradas sobretudo, em análise das características hierárquicas e contextuais dos objectos geográficos.

Ora, isto é particularmente interessante dado que, a classificação baseada só e tão só nos classificadores pixel a pixel, apresenta uma mistura espectral no resultado final da classificação, dado que, considerável proporção dos sinais captados pelo sensor pode representar as respostas espectrais de diferentes classes (objectos) de ocupação do solo. Neste sentido, classificadores capazes de analisar não apenas as respostas espectrais dos objectos, como também as características contextuais dos mesmos, constituem um novo paradigma, dadas as suas potencialidades relativamente aos classificadores clássicos baseados nas respostas espectrais dos píxeis.

Para se compreender a nova metodologia de extracção de informação e toda a mudança em torno da análise de imagem de satélite, é imprescindível a compreensão de ruptura/mudanças ou paradigma.

Tomemos como referência a obra de Kuhn (1962) “Estrutura das Revoluções

Científicas”, onde o autor aborda a questão da ruptura, defendendo que os grandes

progressos verificados nas ciências devem-se sobretudo, “a grandes rupturas e não aos processos de continuidade, designando tais rupturas de paradigmas”.

Seguindo esta linha de raciocínio, à metodologia OBIA pode ser considerada um novo paradigma, dado que, “rompe” com a metodologia clássica baseada no pixel. Na verdade, tal ruptura deveu-se sobretudo, as potencialidades do novo paradigma, com um forte contributo para a Detecção Remota e estudos geográficos.

Dronova (2015) apresenta as potencialidades da metodologia OBIA para os estudos de ambientes húmidos, tendo elaborado um resumo sobre as aplicações desta metodologia em diversos estudos referentes a ambientes húmidos, concluindo que este

103 método facilita uma “abordagem hierárquica para detecção e classificação de ecossistemas húmidos e os seus componentes”.

Uma das principais características da classificação de imagem baseada em objecto consiste, sobretudo, na classificação hierárquica dos objectos uma vez que a unidade de classificação baseada no pixel não possibilita uma análise multi-escala dos objectos. Ora, é efectivamente, no estímulo de uma análise mais abrangente que decorre não só, o desenvolvimento dos classificadores baseados em objecto e de novos algoritmos, como também, todos os avanços verificados em de Detecção Remota.

Ma et. al, (2017), elaboraram uma base de dados com informações qualitativa e quantitativa dos avanços verificados na classificação e análise de imagem baseada em objecto. Com este estudo, os autores concluíram que existe, um “rápido avanço dos classificadores baseados em objectos, enquanto o desenvolvimento da técnica difusa é limitado na estrutura baseada em objectos”.

De uma forma geral, as vantagens de OBIA são reconhecidas por uma vasta maioria dos investigadores em Detecção Remota e Ciências Geográficas. Na verdade, existe uma vasta referência aos trabalhos sobre esta temática ( Hay et al., 2006; Blaschke, 2010; Kavzoglu e Yildiz, 2014; Dronova, 2015. ), que têm sido desenvolvidos desde o advento deste novo paradigma.

Apesar das vantagens apresentadas por esta metodologia de análise e classificação de imagens, uma definição mais específica era discutida, sobretudo por especialistas e técnicos neste domínio, dado que, a designação OBIA, não representava de todo a “disciplina geográfica”, daí a necessidade em definir uma nova terminologia de forma a integrar o conceito geográfico, distanciando desta forma das outras ciências que também empregam o termo OBIA para outros fins.

Assim sendo, como forma de identificar uma comunidade restrita, muitos autores propuseram possíveis denominações para esta metodologia. A designação aceite, foi proposta por Hay e Castilla em 2008.

De facto, a GEOBIA surge como um instrumento facilitador e inovador no que concerne à classificação do uso e ocupação do solo, centrando assim toda a sua atenção na subdisciplina geográfica, como a área de estudo por excelência.

Hay e Castilla, (2008:77), alegam que a GEOBIA representa uma “subdisciplina da ciência da informação geográfica focada no desenvolvimento de métodos automáticos

104

de partição de imagens de Detecção Remota em objectos com resultados significativos, de forma a aceder as suas características espaciais, espectrais e escalas temporais com a finalidade de gerar uma nova informação geográfica”.

Com a definição deste novo paradigma e os seus objectivos, abrem-se, assim, portas para um debate imprescindível junto da comunidade científica que integra a ciência geográfica. Neste contexto, a questão central que aqui se coloca é: até que ponto deveremos levar em consideração os benefícios desta nova metodologia no domínio da ciência geográfica?

Com base na questão colocada, a nossa resposta pauta-se por dois motivos (ou vantagens) fundamentais: a capacidade em responder de forma mais objectiva às questões que a metodologia clássica não consegue responder e a possibilidade de permitir um estudo multi-escala e multitemporal, levando simultaneamente em consideração as características espectrais e contextuais.

Sem dúvida que, actualmente, a classificação de imagem de satélite baseada em objecto tem-se afirmado consideravelmente não só no domínio geográfico em geral, como também, no domínio de Detecção Remota em particular, tendo introduzido uma nova forma de classificar a imagem de satélite, com especial enfoque na construção de novos significados dos objectos classificados.

Seguindo esta linha de pensamento, no subcapítulo em baixo, iremos apresentar e discutir as particularidades da metodologia GEOBIA, destacando trabalhos de diversos autores, essenciais para a consolidação desta nova metodologia.