Mapeamento dos fragmentos florestais

Nessa etapa, foram mapeados os fragmentos florestais de Mata Atlântica (Os manguezais foram mapeados, mas não compõem os modelos para conexão de remanescentes florestais) visíveis em escala cartográfica de 1:5000 (escala grande e compatível com o tamanho do recorte espacial, que é de 100 km2_{) a partir de classificação supervisionada sobre imagens} KOMPSAT 3/AEISS datadas de 07 de maio de 2015. Foram utilizadas duas cenas (Figura 22) na órbita de número 11381, com elevação solar de 52,14 no momento de captura das imagens.

Fonte: Elaborado pelo autor.

As referidas imagens orbitais são captadas em 5 bandas espectrais (vermelho, verde, azul, infravermelho próximo e pancromático), com resolução espacial de 2,8 m na faixa multiespectral e de 0,7 m na banda pancromática (Tabela 4).

Tabela 4: Características do sensor KOMPSAT 3/AEISS.

Faixa espectral Resolução

espectral Resolução Espacial Resolução radiométrica Pancromático 450-900 nm 0,7 metros 14 bits Azul 450-520 nm 2,8 metros Verde 520-600 nm Vermelho 630-690 nm Infravermelho Próximo 760-900 nm

Fonte: Korea Aerospace Research Institute (KARI)13_.

13 _{https://www.kari.re.kr/}

Figura 22: Cenas da órbita 11381 do satélite/sensor Kompsat 3/AEISS.

Para serem utilizadas, as imagens supracitadas passaram por processamento digital, com operações de correções atmosférica e radiométrica, além da operação de realce de contraste do tipo linear com o objetivo de aumentar a discriminação visual dos objetos da imagem.

A correção atmosférica objetiva reduzir os efeitos de atenuação provocados pela interação entre energia eletromagnética e atmosfera (NOVO, 2010). Esse procedimento foi executado através do algoritmo Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH), desenvolvido por Felde et al.(2003). Esse algoritmo baseia-se no modeloModerate Resolution Atmospheric Transmission (MODTRAN-4) (ADLER–GOLDEN, et al., 1999), que por sua vez com base em dados da própria imagem (dia, hora de aquisição, localização geográfica, entre outras informações), simula o comportamento de vapor d’água e aerosóis para reduzir os efeitos desses componentes atmosféricos e fornecer uma imagem com melhor definição espectral dos alvos.

A correção radiométrica visa reduzir os efeitos atmosféricos que provocam o espalhamento da energia eletromagnética e com isso, calcular a verdadeira reflectância emitida pelos alvos terrestres (IBGE, 2001). A radiancia medida pelo sensor é uma estimativa da luz solar refletida pela Terra e é calculada por meio da divisão da diferença entre as radiancias máxima e mínima de cada banda espectral do sensor pelo número de bits da resolução radiométrica do sensor, multiplicados pela soma do Número Digital (ND) da imagem e radiancia espectral mínima de cada banda do sensor orbital, conforme equação (1)

(1) 𝐿𝜆 = (𝐿𝑀𝐴𝑋𝜆 − 𝐿𝑀𝐼𝑁𝜆

16230 ) . 𝑄𝑐𝑎𝑙 + 𝐿𝑀𝐼𝑁𝜆

Onde 𝐿𝜆: valor da radiancia espectral da banda; LMAX𝜆: valor máximo da banda espectral; LMINλ: valor mínimo da banda espectral; Qcal: Níveis Digitais dos pixels da banda espectral.

Através da radiancia espectral calcula-se a relação entre a radiação que entrou na atmosfera terrestre e a energia irradiada captada pelo sensor, parâmetro esse conceituado como reflectância aparente, cuja equação (2) está descrita a seguir:

(2) ρP = ( 𝜋. 𝐿𝜆. 𝑑

2 𝐸𝑆𝑈𝑁_𝜆. 𝑐𝑜𝑠𝜃_𝑠)

Onde ρP: reflectância aparente; Lλ: radiancia da banda espectral; d: distância entre a Terra e Sol; ESUNλ : irradiação espectral média no topo da atmosfera; 𝜃_𝑠: ângulo zenital.

Após essas etapas, o mapeamento de cobertura e uso da terra foi produzido, através de classificação supervisionada por máxima verossimilhança. Para execução dessas tarefas foram utilizados os softwares ENVI 5.1 e ArcGIS 10.2 (versão acadêmica).

As classes adotadas no mapeamento supracitado se basearam no Manual Técnico de Cobertura e Uso da Terra do Instituto Brasileiro de Geografia e Estatística (IBGE, 2013). As classes foram agrupadas em dois níveis: nível I (classe) e nível II (subclasse). O primeiro nível é composto por 4 classes e o segundo por 9 classes, conforme representando no Quadro 7. Quadro 7: Classes de cobertura da terra e suas respectivas cores para o mapeamento temático.

Nível I Classe Nível II Subclasse Cor do mapeamento temático

1 – Áreas Antrópicas Não Agrícolas

Áreas Urbanizadas Estrada pavimentada Estrada não pavimentada

Solo Exposto 2 – Áreas Antrópicas Agrícolas Culturas Permanentes Culturas Temporárias Pastagens 3 – Áreas de Vegetação Natural Áreas Florestais/Arbustivas/Arbóreas Área Campestre/herbácea 4 – Água Corpo d’água Continental

Águas Costeiras Carcinicultura

Fonte: Adaptado de IBGE (2013)

A validação do mapeamento se deu a partir do uso de matriz de confusão para cálculo do índice de exatidão global (HELLDEN et al., 1980), do coeficiente de concordância Kappa (COHEN, 1960), verificação de pontos de controle em campo e dos erros de omissão e comissão referentes às classes mapeadas.

O índice de exatidão global estabelece uma relação entre o número de amostras contempladas pela matriz de confusão, quantidade de elementos da diagonal principal da matriz que foram classificados corretamente e o número de classes analisadas pela matriz. A fórmula (3) referente ao índice supracitado é apresentada a seguir, onde: Po = Índice de exatidão global; N= Número de unidades amostrais da matriz de confusão; Xii = Número de elementos da diagonal principal corretamente classificados; k = Número de categorias analisadas na matriz de confusão.

𝑃𝑜 =∑ 𝑋𝑖𝑖 𝑘 𝑖=1

𝑁

O coeficiente de concordância Kappa é estabelecido a partir da diferença entre o acerto real e o acerto por acaso no processo de classificação de imagens, de forma que Kappa igual a zero significa igualdade entre os acertos real e por acaso, ao passo que acertos maiores que zero representam acertos reais maiores que acertos por acaso. O coeficiente de Kappa foi calculado com base na equação (4):

(4) 𝐾 = 𝑛 ∑ 𝑥𝑖𝑖 𝑙 𝑖=𝑙 − ∑𝑙𝑖=𝑙(𝑥𝑖+ − 𝑥+𝑖) 𝑛2_{− ∑ (𝑥} 𝑖 − 𝑥+𝑖) 𝑙 𝑖=𝑙

Landis e Koch (1977) estabeleceram uma escala de concordância Kappa em 6 níveis (Tabela 5), na qual o nível "Excelente" de concordância refere-se ao intervalo de valores de 0,81 a 1. Dessa forma, os resultados do coeficiente Kappa quão mais próximos do valor 1, indicarão uma maior confiabilidade do processo de mapeamento das classes de cobertura do solo.

Tabela 5: Valores de concordância do Índice Kappa.

Valor do índice Kappa (K) Concordância

0 Pobre 0 a 0,20 Ligeira 0,21 a 0,40 Considerável 0,41 a 0,60 Moderada 0,61 a 0,80 Substancial 0,81 a 1 Excelente

Fonte: Landis e Koch (1977).

Os erros de omissão ocorrem quando mesmo pertencendo a uma classe os pixels não são designados para a classe correspondente, por isso são úteis para medir a acurácia das classes do mapa, enquanto que os erros de comissão são produzidos quando os pixels são classificados em determinada classe, mas não pertencem realmente a mesma, ou seja, servem para mensurar a confiabilidade de uma classe corresponder à verdade de campo. Para a imagem classificada o índice Kappa encontrado foi de 0,92, ou seja, concordância da classificação foi “Excelente”.

O trabalho de campo consistiu na verificação de 100 pontos de controle selecionados previamente por amostra não probabilística por julgamento. A escolha desses pontos tinha por objetivo principal averiguar a qualidade das classes de cobertura do solo mapeadas. Na Figura 23 está representada a distribuição desses pontos ao longo da área de estudo.

Figura 23: Pontos de controle utilizados para validação do mapeamento de cobertura da terra.

Fonte: Elaborado pelo autor.

Dessa forma, foram averiguados pelo menos um ponto em cada classe de cobertura do solo, bem como pelo menos um ponto em cada fragmento florestal mapeado. Após a verificação em campo, constatou-se que 95 pontos foram classificados corretamente. Os erros de classificação ocorridos, num total de 5, estiveram relacionados com as classes de solo exposto e estrada não pavimentada. Contudo, foram corrigidos e resultaram na produção do mapa de cobertura da terra validado.