Processamento das imagens SPOT

Para melhorar o desempenho computacional na classificação foi recortada somente a área envolvente da bacia e reamostrada a nova imagem apenas para as bandas 1, 2 e 3. Na parametrização da classificação foram coletadas assinaturas espectrais na imagem dos alvos que não foram coletas em campo com o espectrorradiômetro. Entre esses alvos destacamos: Vegetação rala, água e solo exposto. Para o aluvião foi utilizado as assinaturas espectrais relacionados na Tabela 11, sendo que cada cobertura do aluvião correspondeu a uma classificação, gerando assim um mapa temático com as classes: aluvião, água, vegetação rala e solo exposto. Na classificação supervisionada, dos classificadores testados, dois foram escolhidos para classificar as duas imagens: Distância Mínima e “Spectral Angle Mapper” (SAM), sendo que o método Distância Mínima obteve um melhor desempenho para a cena XS-170703. Esta conclusão baseou-se em análise visual a partir da sobreposição da classificação na imagem que gerou a classificação. Das 10 classificações utilizando o classificador escolhido, a que se mostrou com uma melhor definição dos corpos aluvionares foi aquela referente ao aluvião com cobertura de grama e a partir das verdades de campo foi calculada a Matriz de Confusão, Acurácia Global, Índice Kappa e Acurácia do Aluvião.

Com a escolha feita da classificação, podemos melhorar o mapa temático da classificação através de processos de pós-classificação. Para obtenção desse mapa “corrigido” foi usado o agrupamento de pixels soltos no mapa, sendo que aqueles pixels que se encontravam espalhados no mapa temático, foram agrupados em outra classe com uma maior afinidade devido a sua localização. Em seguida, foi editada a classificação manualmente para remover alguns pixels que se misturaram com outras classes ao longo da bacia, com isso gerou-se um mapa temático com uma boa definição dos aluviões que se encontra na Figura 4.21. Um detalhe do aluvião mapeado encontra-se na Figura 4.22, onde percebemos em alguns trechos um avanço do domínio da classe vegetação no aluvião. Isso pode ser justificado pela presença, na época em que foi registrada a imagem, da mesma vegetação cobrindo a área do aluvião e do cristalino. Uma análise visual a partir da Figura 4.23 revela em alguns trechos um super-dimensionamento dos corpos aluvionares, o que pode ser justificado pelo fato da imagem que gerou a classificação ter sido registrada pelo sensor no período úmido, levando a uma mistura de pixels com as respostas espectrais semelhantes em áreas com a presença de aluvião e pixels que estão presentes no cristalino.

TABELA 4.12 – Resultados da classificação - imagem SPOT5 10 m - Distância mínima.

Classe agua soloexposto veg rala Aluvião Total

não class 0,00 0,00 0,00 0,00 0,00 Água 100,00 0,00 0,00 0,00 22,96 Soloexposto 0,00 99,18 0,00 0,42 25,08 Veg rala 0,00 0,08 98,56 17,20 31,13 Aluvião 0,00 0,74 1,44 82,38 20,83 Total 100,00 100,00 100,00 100,00 100,00 Água 0,000 0,000 100,000 Soloexposto 0,410 0,820 99,180 Veg rala 13,650 1,440 98,560 Aluvião 2,770 17,620 82,380

Matriz de confusão, acurácia global e índice kappa

classe Erro de inclusão (%) Erro de omissão (%) Pixels bem class (%)

TABELA 4.13 – Resultados da avaliação da classificação.

95,07% 0,93 82,38% Acurácia do aluvião

Cena: XS-170703 Classificador: Distância mínima Acurácia global

índice kappa

Os parâmetros de avaliação desta classificação encontra-se na Tabela 12, O cálculo da Matriz de Confusão foi realizado com o objetivo de avalizar a classificação como um todo e a classificação dos aluviões. No entanto essa matriz também foi usada para avaliar o classificador, por esta razão não foi aplicado nenhum procedimento de pós-classificação antes de ser calculado a Matriz de Confusão.

Em virtude do super-dimensionamento de alguns trechos de aluvião foi testado a cena XS-021002 com uma resolução espacial de 5 m, utilizando a mesma metodologia da cena XS-170703 para o pré-processamento e processamento da cena XS-021002. A única diferença foi a fusão da banda pancromática (5 m) com as outras banda multiespectrais (10 m) desta imagem para gerar outra imagem com resolução espacial melhor. Para essa imagem foram usados os dois métodos de classificação usados na imagem anterior, porém o método de classificação que se mostrou mais eficiente foi o da Distância mínima e para a classificação foi utilizada a mesma metodologia da classificação da cena XS-170703. Nos processos de pós-classificação foi utilizado o agrupamento dos pixels e, em alguns locais, uma reclassificação para ajustar melhor algumas áreas que não foram bem classificadas. A Figura

4.24 mostra a classificação gerada a partir da imagem XS-021002. Nela podemos observar a identificação dos aluviões apenas nas áreas próximas à drenagem, sendo que a mistura de pixels nesta classificação foi relativamente baixa e é possível visualizar em alguns trechos aluviões de pequeno porte sem muita expressão. Porém, como os corpos aluvionares geralmente têm uma largura pequena em relação a sua extensão e às dimensões da bacia, muitos aluviões não são possíveis de serem visualizados em detalhes com um mapa deste tamanho, necessitando de visualizar pequenas áreas, mas com um nível de detalhamento melhor.

A Figura 4.25 mostra um detalhe de dois aluviões que estão a jusante de dois reservatórios nesta figura. Podemos perceber uma boa delimitação dos aluviões e sempre o corpo aluvionar acompanhando a drenagem. Um nível de detalhe maior deste mesmo local pode ser visto na Figura 4.26 em que observamos os dois reservatórios citados anteriormente e o mapeamento dos aluviões desta região.

FIGURA 4.26 – Detalhe 2

A presença de grandes áreas de solo exposto é em virtude da época em que foi registrada a imagem, pois nesta época a vegetação rasteira (pasto) praticamente já desapareceu ou está seca, e em muitos casos a vegetação já foi removida para o plantio da nova sagra.

Para a avaliação da classificação destes aluviões foi usada a mesma metodologia já utilizada nas classificações anteriores, a Matriz de Confusão, a Acurácia Global, Índice Kappa e Acurácia do Aluvião, Para o cálculo desta matriz usaram-se verdades de campo, amostras coletadas na própria imagem a partir de análise visual deste alvo, porém para o

aluvião foram escolhidas as amostras com base no mapa de aluvião traçado por Burte (2006). Os resultados podem ser consultados na Tabela 4.14. Analisando o Índice Kappa, verificamos uma excelente classificação de todos os usos do solo considerados, porém para a classe especifica aluvião o valor de 88,37 dos pixels bem classificados ficou um pouco abaixo da Acurácia Global que foi de 97,48%.

TABELA 4.14 – Resultados da classificação - imagem SPOT5 5 m - Distância mínima.

Classe agua soloexposto nuvem vegrala aluvião

não class 0.00 0.00 0.00 0.00 0.00

água 100.00 0.00 0.00 0.00 0.00

solo exposto 0.00 99.95 0.00 0.39 10.81

nuvem 0.00 0.00 100.00 0.00 0.00

veg rala [Gre 0.00 0.01 0.00 99.61 0.82

aluvião 0.00 0.04 0.00 0.00 88.37 Total 100.00 100.00 100.00 100.00 100.00 água 0.00 0.00 100.00 solo exposto 7.81 0.05 99.95 nuvem 0.00 0.00 100.00 veg rala 0.60 0.39 99.61 aluvião 0.07 11.63 88.37

Matriz de confusão, acurácia global e índice kappa

Classe Erro inclusão_{(%) omissão(%)}Erro Pixels bem_{class (%)}

97,48% 0,97 88.37 Acurácia do aluvião

Cena: XS-021002 Classificador: Distância mínima Acurácia global

FIGURA 4.27 – Mapa dos aluviões em 3D da Bacia do Riacho Forquilha

Uma visão tridimensional da bacia do Riacho Forquilha junto com o mapa de aluviões gerados a partir da imagem SPOT, Modelo Digital do Terreno (MDT) e da classificação automática do aluviões vetorizada são apresentados na Figura 4.27.

5. CONCLUSÕES E RECOMENDAÇÕES