D ) C LASSIFICAÇÃO E INTERPRETAÇÃO INTERATIVA

Para um a m aior eficiência no m apeamento do uso da terra as imagens de satélite passaram inicialmente por um processo de classificação digital, sendo a im agem classificada posteriormente interpretada de form a interativa, utilizando in formações auxiliares que conduziram para uma convergência de evidências sobre os temas mapeados, melhorando assim a exatidão de mapeamento.

d.1) Classificação das Imagens

A Classificação é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos.

Conforme INPE (2000), utilizam -se os m étodos de classificação para m apear áreas da superfície terrestre que apresen tam um m esmo significado em i magens digitais. Um a informação espectral de um a cena pode ser representada por um a imagem espectral, onde cada "pixel" tem as coordenadas espaciais x, y e a coordenada espectral L, que representa a radiância de um alvo no intervalo de com primento de onda de um a banda

espectral. Cada "pixel" de uma banda possui uma correspondência espacial com um outro "p ixel", em todas as outras bandas, ou seja, para uma imagem de K bandas, existem K ní veis de cinza associado s a cada "pix el" sendo um para cada banda espectra l. O conjunto de características espectrais de um "pixel" é denotado pelo termo atributos espectrais.

Conforme o processo de classificação empregado, os classificadores podem ser divididos em classificadores "pixel a pixel" e classificadores por regiões.

Classificadores "pixel a pixel" utilizam apenas a info rmação

espectral isoladamente de cada pixel para achar regiões homogêneas. Estes classificadores podem s er ainda separa dos em m étodos estatísticos (que utilizam reg ras da teoria de p robabilidade) e d eterminísticos (que não o fazem).

Classificadores por regiões utilizam, além de informação espectral

de cada "p ixel", a inform ação espaci al que envolve a relação entre os "pixels" e seus vizinhos. Estes cl assificadores procuram si mular o comportamento de um foto-in térprete, ao reconh ecer áreas h omogêneas de imagens, ba seados nas propriedades es pectrais e espaciais de im agens. A informação de borda é utilizad a inicialm ente para s eparar reg iões e as propriedades espaciais e espectrais irão unir áreas com mesma textura.

O resultado final de um processo de classificação é um a im agem digital que constitui um mapa de "pix els" classificados, rep resentados por símbolos gráficos ou cores.

O processo de classificação digital transforma um grande número de níveis de cinza em cada banda espectral em um pequeno número de classes em uma única imagem.

Outra form a de class ificar os algo ritmos de classificação é com o paramétricos e não param étricos (Showengerdt, 1983 appud INPE,2005): os algoritmos param étricos, co mo a classificação por m áxima verossimilhança, assumem um a distribuição particu lar, a saber, a distribuição normal e então estim am os parâmetros dessa distribuição, tal como o vetor da média e a matriz de covariância. Por outro lado, algoritmos não paramétricos independem de uma de finição da distribuição de classes, como no e xemplo da análise de agrupamento, através do algoritmo conhecido com o K- médias, ou seja, por d istância m ínima às K-m édias móveis.

As etapas d e um processo de cl assificação de im agens de satélite incluem então a id entificação das classes de cobertura de solo de interesse, a seleção de amostras representativas para cada classe – obtidas em sítios de treinamento identificados a partir de levantam ento de campo ou outras fontes, como m apas e fotografia s aéreas, desenvolvim ento de um a estatística espectral ten do com o base as am ostras d e treinam ento, a aplicação d o algoritm o de classificação e, finalm ente, a verificação da exatidão de todo o processo de classificação. Como resultad o, o produto da classificação corresponderá a uma imagem, na qual cada p ixel receberá um rótulo equivalente a uma classe espectral ou tema de mapeamento.

Seguindo o roteiro descrito acim a e baseando-se Padrões das Classes de cobertura vegetal natural e uso da terra , f oram identif icados,

localizados e interpretados os fragm entos e c oletadas as a mostras de treinamento para a classificação M AXVER do uso da terra e cobertura vegetal

Apesar do algoritmo MAXVE R, por ser param étrico, assum ir a priori algumas suposições, com o a norm alidade da distribuição dos dados, este foi utilizado devido a ter reco nhecidamente um m elhor desem penho quando se têm a mostras de treinam ento de boa qualidade (Showengerdt, 1983 appud INPE,2005).

O MAXVER é o m étodo de classi ficação "p ixel a pixel" m ais comum. Considera a p onderação d as distâncias entre m édias dos n íveis digitais das classes, utilizando parâmetros estatísticos.

Para que a classificação por m áxima verossimilhança seja precisa o suficiente, é necessário um número razoavelmente elevado de "pixels", para cada conjunto de treinam ento. Os c onjuntos de treinam ento definem o diagrama de dispersão das classes e suas dis tribuições de probabilidade, considerando a distribuição normal para cada classe do treinamento.

Apresentam-se duas classes (1 e 2) com distribuições de probabilidade distintas. Es tas distribuições de proba bilidade representam a probabilidade de um "pixel" pertencer a um a ou outra classe, dependendo da posição do "pixel" em relação a esta distribuição.

Observa-se um a região onde as duas curvas sobrepõem -se, indicando que um determinado "pixel" tem igual probabilidade de pertencer às duas classes. Nesta situação estab elece-se um critério de decisão a partir da definição de limiares.

Os lim ites de class ificação são d efinidos a partir de p ontos de mesma probabilidade de classificação de uma e de outra classe.

Aplicando-se o MAXVER, foi r ealizada a classificação e a homogeneização das classes interpretadas e, com as amostras coletadas em campo, a verificação da exatidão do mapeamento.

d.2) Interpretação interativa das imagens classificadas

As im agens de saté lite já clas sificadas f oram inter pretadas diretamente na tela do com putador no SPRING, utiliz ando-se do "m ouse" na mesa digitalizadora, traçando-se os objetos geográficos visualizados nas imagens originais realçadas sobrep ostas às im agens class ificadas (p ela opção acoplar do painel de controle do SPRING) e baseando-se em mapas auxiliares calibrados na própria mesa.

Acoplar uma tela no SPRING significa mostrar seu conteúdo, isto é, os PI´s que estiverem selecionados no "Painel de Controle", na tela principal (Tela 1), através de um a janela móvel sobre a área de desenho. Esse recurso de acoplar um a tela qua lquer a tela 1, pe rmite f acilmente comparar os dados de outros PI´s com o que estiver ativo e visível na janela principal do SPRING. Assim , as im agens classificadas foram comparadas às im agens origin ais realçad as, p ermitindo u ma checagem dos te mas mapeados.

O processo de interp retação das im agens no for mato digital apresenta várias vantagens em relação à interpretação da imagem impressa: Permite a v ariação da escala da im agem possibilitando a visualização d os padrões de interpretação em diferentes níveis de resolução. Possibilita a

visualização de com posições co loridas em diferentes co mbinações e tratamentos e de cada banda espectral separadam ente. O processo de interpretação pode ainda ser auxilia do por infor mações com plementares disponíveis em mapas calib rados na mesa digitalizadora, p ermitindo um posicionamento do cursor sim ultaneamente no m apa e na im agem para a convergência de evidências e maior segurança na interpretação.

Optou-se por iniciar o processo de interp retação pelas imagens e fotografias aéreas atuais (fotografias aéreas de 1997 e im agens de 1998), pois possibilitou que os padrões de interpretação definidos pudessem ser checados em campo e posteriormente adotados nos produtos históricos.