MAPEAMENTO, CLASSIFICAÇÃO E DIMENSIONAMENTO DE ÁREAS GEOGRÁFICAS POR SENSORIAMENTO REMOTO UTILIZANDO PROCESSAMENTO DE IMAGENS
Paulo Domingues de Oliveira Junior, Marcelo Andrade da Costa Vieira
Escola de Engenharia de São Carlos - Departamento de Engenharia Elétrica - EESC/USP Av. Trabalhador Sãocarlense, 400, Centro, São Carlos, SP - 13566-590 - (16) 3373-9366 (r.222)
paulodojr@yahoo.com.br
ABSTRACT
The aim of this work is to develop image processing techniques to analyze satellites images acquired for remote sensing, in order to classify different types of geographic areas from an automatic methodology of segmentation. The main objective consists in developing a low cost computer program in order to detect and classify geographic areas of interest from images obtained by C-BERS2 satellite. For each geographic area the satellite gives a set of multi spectral images (different channels), which one corresponding to the detected wavelength band. Subsequently, overlapping and comparison methods from these multi spectral images were developed to classify the proposed zones.
At the beginning, it was identified areas where its characteristics could be classified using only one channel (one image). After this, it was identified the zones that needs to be analyzed using more than one channel for identifications and classification, besides there were ones that do not have well defined standards. The first step, realized by using only some channels recommended by INPE, do not achieved satisfactory results. However, using different bands and a large number of images, the classification became more precise. The developed applicative is able to mark and classify automatically the detected zones in the images obtained by C-BERS2 using standard colors and gives information about areas of each region found.
INTRODUÇÃO
Há alguns anos o homem vem utilizando os satélites artificiais para obter informações sobre toda a atmosfera do planeta. Uma das técnicas usadas para obter essas informações é o sensoriamento remoto [1]. O sensoriamento remoto teve o seu grande desenvolvimento durante e após a segunda guerra mundial, onde técnicas foram desenvolvidas para uso estritamente militar [2]. Essas técnicas desenvolvidas eram consideradas secretas, e somente com o término da Guerra Fria foram adaptadas para o uso de todas as áreas de pesquisa como a geografia, cartografia, computação, engenharia, entre outras [3, 4].
A tecnologia de sensoriamento remoto baseia-se na obtenção de informações por meio de ondas eletromagnéticas que interagem com elementos da superfície terrestre, tais como superfícies urbanas, rurais, água e florestas [1, 3, 4]. A captação dessa energia, refletida e ou emitida, é feita através de sensores, que podem ser sistemas fotográficos ou opto-eletrônicos, que coletam essas ondas e as convertem em sinais interpretáveis, de forma que se possam extrair informações das mesmas [5, 6] (Figura 1).
Figura 1. Ilustração do processo de captação da energia eletromagnética pelas bandas multiespectrais do satélite e a transmissão de dados à estação terrestre.1
As informações obtidas por este sensoriamento geralmente são em forma de imagens de alta resolução, separadas em bandas e canais, como R (canal vermelho), G (canal verde) e B (canal azul), e também, em alguns casos, o infravermelho e ultravioleta. Essas imagens tornam-se uma poderosa fonte de informação para extração de dados, destinados à pesquisa de áreas geográficas [7].
O processamento digital de imagens permitiu um grande desenvolvimento na área de análises das informações de imagens obtidas por sensoriamento remoto. Dessa maneira, imagens fornecidas pelos satélites podem ser mapeadas e monitoradas, podendo trazer informações mais rápidas e fáceis aos pesquisadores da área. O monitoramento constante permite a aquisição de imagens, que são de extrema utilidade para o estudo do meio ambiente e de fenômenos ambientais, tais como, vulcanismo, erosão de solo, inundações, desmatamento e queimadas [3, 4]. A extração de informações de uma imagem pode ser feita de diversas maneiras, entretanto, utilizando-se recursos computacionais, como técnicas de processamento de imagens digitais, tornam esse processo mais eficaz e preciso [3].
As imagens obtidas possuem elementos básicos, tais como tonalidade, cor, textura, tamanho, forma, sombras, altura, padrão e localização. Assim, partindo desses elementos, pode-se identificar e dar significado aos objetos que estão contidos na imagem, podendo assim, delimitar zonas urbanas, rurais, matas fechadas, traçar rios, represas, entre outras [8]. O processamento de imagens envolve métodos matemáticos e algoritmos, de modo que, com exceção da aquisição e da exibição da imagem, grande parte das funções do processamento são realizadas via software [8].
Dessa forma, esse trabalho apresenta um algoritmo para processamento de imagens de satélite para classificação e dimensionamento de áreas geográficas utilizando uma metodologia de detecção automática de regiões. O algoritmo analisa um conjunto de imagens multiespectrais de uma determinada área geográfica e, a partir de métodos de comparações, segmentação e sobreposições dessas imagens, classifica automaticamente as regiões em categorias, como solo arenoso, urbano, zonas alagadas e vegetação. Além disso, para as áreas classificadas, o sistema calcula a área em metros ou quilômetros quadrados, e com isso, é possível analisar regiões de erosão, desmatamento, crescimento urbano (e consequentemente o crescimento populacional).
METODOLOGIA
No início desse trabalho, houve a tentativa de obter as imagens do satélite Landsat 7, um satélite Norte Americano, desenvolvido pela NASA e que está sob cuidados da USGS (United States
Geological Survey). As imagens desse satélite são divididas em oito bandas com resolução de quinze
metros (15 x 15 m), sendo mais preciso do que a maioria dos satélites. O processo de aquisição dessas imagens é um tanto complicado, pois, geralmente, são liberadas apenas para pesquisas dentro do próprio INPE (Instituto Nacional de Pesquisa Espacial), mas é possível adquirir essas imagens solicitando-as a partir do website do INPE (http://www.inpe.com.br), todavia, cada cenário tem um preço elevado.
A solução encontrada foi utilizar o satélite C-BERS2 (Chinese-Brazilian Earth Resources
Satellite), um equipamento de recursos terrestres construído em uma parceria entre Brasil e China, para
estabelecer um sistema completo de sensoriamento remoto. Sua vantagem é ser compatível e poder competir com os demais satélites em um cenário global, além de que suas imagens são distribuídas gratuitamente pelo INPE.
Um problema nas imagens capturadas pelo C-BERS2 é que nem sempre as regiões possuíam todas as bandas disponíveis, geralmente, em sua grande maioria, somente a banda CCD (Coupled
Charged Device) era disponibilizada. Por esse motivo foi tomada a iniciativa de trabalhar apenas com a
banda CCD, descartando assim as bandas IRMSS (Infra-Red Multiespectral Scanner) e WFI (Wide
Field Imager), o que ocasionou a diminuição do número de classes que poderiam ser classificadas.
Após a aquisição das imagens, cada canal da banda CCD foi analisado separadamente de maneira empírica, fazendo a média e o desvio padrão dos valores dos pixels de todas as classes. Essa análise revelou os intervalos ideais que os valores dos pixels deveriam estar contidos, em canal utilizado no processo de classificação de uma região.
A Tabela 1 apresenta os valores revelados pela análise, bem como as classes que foram classificadas. O atributo x refere-se à variável que representa o valor do pixel analisado, comparado aos valores encontrados pela análise feita anteriormente. Exemplo: para realizar a demarcação de uma superfície alagada, todos os pixels do canal 4 que tiverem seus valores menores ou iguais a 40 serão demarcados na imagem resultante.
Tabela 1. Tabela de intervalos dos valores dos pixels para classificação das regiões.
Banda CCD Superfícies Alagadas Zona Urbana Superfícies arenosas Vegetação Canal 1 - - x > 120 x < 125 Canal 2 - 35 < x < 110 x > 150 x < 155 Canal 3 - 40 < x < 150 - x < 180 Canal 4 x <= 40 x > 30 - - Canal 5 - - - -
Com a utilização dos valores disponibilizados na Tabela 1, foram desenvolvidos os algoritmos para a realização da demarcação das áreas propostas. Os algoritmos desenvolvidos foram adaptados para linguagem de programação Java. Essa linguagem foi eleita por possuir uma Interface de Programação de Aplicativos (API), que consiste em um conjunto de rotinas e padrões estabelecidos por uma linguagem de programação, para utilização de suas funcionalidades por programas aplicativos, chamada de Java Advanced Imaging (JAI). Essa API é de uso especifico ao tratamento de imagens, podendo trabalhar com imagens de grande porte, além de se flexível e possuir complexas operações para processamento de imagens digitais. Dentre os recursos oferecidos pela JAI, estão classes destinadas para leitura e gravação de imagens, operações para detecção de bordas, quantização, operações diretas nos valores dos pixels, quesito fundamental para o desenvolvimento do projeto.
Por fim, foi adicionado um algoritmo de pré-processamento das imagens utilizando a técnica de alargamento de contraste de todos os canais utilizados. Essa técnica consiste em aumentar a escala dos níveis de cinza de uma imagem que será processada, melhorando sua qualidade e com isso obtendo um melhor resultado na classificação das zonas selecionadas (Figura 2).
Figura 2. Demonstração da melhora dos resultados obtidos. Note que a imagem b, a qual se empregou o método de alargamento de contraste, possui melhor contraste que a imagem original a.
No processo de validação do sistema, foram utilizadas 15 cenas, as quais foram escolhidas aleatoriamente dentro de todo o território nacional. O aplicativo desenvolvido possui várias funcionalidades, como por exemplo: seleção do tipo do algoritmo empregado nas imagens processadas, seleção das áreas que devem ser classificadas, seleção do plano de fundo e ainda o tipo de medida para as dimensões obtidas. Essas funcionalidades podem ser observadas na interface do sistema (Figura 5).
Figura 5. Interface do aplicativo desenvolvido e suas funcionalidades. RESULTADOS
Para a apresentação dos resultados obtidos nos experimentos computacionais com o aplicativo desenvolvido, foram selecionadas algumas regiões que podem ser mais bem visualizadas a seguir. A Figura 3 ilustra os resultados obtidos com a análise de imagens da região da cidade de Santos - SP.
Figura 3. Apresentação dos resultados obtidos para região de santos, onde se podem comparar os resultados das diferentes zonas identificas com a imagem original. Note também a apresentação dos
resultados numéricos para as dimensões encontradas para cada zona demarcada. A Figura 4 ilustra os resultados na análise de imagens da região de Florianópolis – SC.
Figura 4. Apresentação dos resultados obtidos para região de Florianópolis, onde se podem comparar os resultados das diferentes zonas identificas com a imagem original.
DISCUSSÃO E CONCLUSÕES:
No decorrer desse projeto, ao se realizar o processamento das imagens pelos algoritmos desenvolvidos nas bandas recomendadas pelas especificações do satélite disponibilizadas pelo INPE, obtivemos resultados que não eram satisfatórios com aquilo que o projeto se propunha a desenvolver. As imagens eram demarcadas, entretanto, muitos pixels referentes a áreas diferentes também eram marcados incorretamente, ou ainda, pixels que deveriam ser demarcados para tipo de zona questão, não eram. Somente a utilização do canal 4, para demarcação de água, o resultado obtido foi satisfatório e
correspondia às imagens coloridas das regiões analisadas. Para as demais zonas, foram realizados diversos testes com diferentes valores de intervalos para comparação dos pixels e em nenhum deles os resultados alcançado foram considerados coerentes.
O procedimento tomado para a solução deste problema foi à utilização de canais diferentes ao recomendado pelo INPE e considerar mais de um canal para a classificação de alguns determinados tipos de zonas. Deste modo, os resultados obtidos foram satisfatórios, como pode ser observado. As demarcações de superfícies alagadas se demonstraram coerentes com as imagens coloridas originais, juntamente com as zonas arenosas e superfícies cobertas por vegetação, que demonstraram uma boa precisão nos algoritmos desenvolvidos e nos valores atribuídos aos intervalos para comparação entre os
pixels (Tabela 1), para todos os testes realizados.
A região que se apresentou mais problemática para mapeamento foram as zonas urbanas, onde a obtenção de resultados satisfatórios só foi possível através de consecutivos testes e alterações nos valores de intervalos de pixels para comparação. Isso se deve ao fato de não haver um padrão nas imagens capturadas. A presença de ruídos ou ainda diferença nas imagens, como dimensões e proporções, pode ser devido ao fato do satélite possuir uma baixa resolução e algumas imagens possuírem uma definição maior do que as outras, apresentando dificuldades para a classificação.
Com o término do projeto, e através de um considerável número de testes e análise dos resultados obtidos, podemos concluir que a utilização das técnicas de processamento digital de imagens descritas ao decorrer do documento, juntamente com os recursos computacionais disponíveis atualmente proporcionou maior eficiência para o processo de obtenção de resultados importantes para a análise da superfície terrestre. O software desenvolvido pode ser considerado funcional e realiza uma demarcação coerente das áreas analisadas na grande maioria dos casos, salvo exceções onde o fator qualidade das imagens prejudica bastante no processamento e obtenção de resultados mais corretos. AGRADECIMENTOS:
Os autores gostariam de agradecer os professores Jean-Jacques de Groote e Daniel Facciolo Pires pelo apoio e incentivo para realização deste trabalho.
REFERÊNCIAS:
[1] LILLESAND, T. M; KIEFER, R. W. Remote sensing and image interpretation. 4.ed, 1999.
[2] FIGUEIREDO, D; Conceitos Básicos de Sensoriamento Remoto. Disponível em: http://www.conab.gov.br/download/SIGABrasil/Textos%20e%20Manuais/Conceitos_SM.pdf. Acesso em: 25/07/06, 2005.
[3] FLORENZANO, T. G. Imagens de satélite para estudos ambientais. 1.ed. São Paulo: Oficina de Textos, 2002.
[4] MORAES NOVO, E. M. L. Sensoriamento Remoto. 2.ed. São Paulo: Edgard Blucher Ltda, 1992 [5] MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação. São José dos Campos, 2001. Instituto Nacional de Pesquisas Espaciais (INPE). 208p.
[6] NOVO E. M. L. M. Sensoriamento Remoto: princípios e aplicações. São Paulo. ed. : Edgard Blücher, 1989, 308p.
[7] IWAI, O. K.; Mapeamento do uso do solo urbano do município de São Bernardo do Campo, através de imagens de satélite. Dissertação de mestrado, 2003.
[8] GONZALEZ, R. C.; WOODS, R. E. Processamento de imagens digitais. 1.ed. São Paulo: Edgard Blucher Ltda, 2003.
