GEOTECNOLOGIAS E O PLANEJAMENTO DA AGRICULTURA DE ENERGIA

Heloísa Rodrigues Nascimento
Yolanda Vieira de Abreu

3.4.6 Classificação

Para a produção do mapa temático de uso e cobertura do solo, as imagens Landsat 5/TM bandas 3, 4 e 5 foram classificadas pelo método de classificação supervisionada1 por pixels com o classificador Máxima Verossimilhança ou MaxVer2 .

Inicialmente foi criado o arquivo de contexto, o qual armazena informações sobre o tipo de classificação, tipo de análise que neste caso foi por pixel, as bandas e as imagens utilizadas. Para a realização da classificação do tipo supervisionada foram executadas as seguintes etapas: treinamento, análise das amostras, classificação e mapeamento das classes.

A etapa seguinte foi de treinamento que visa a aquisição de amostras das respectivas classe de uso e cobertura do solo, as quais correspondem a caracterização dos tipos de uso e cobertura existente na área de estudo e ao objetivo da pesquisa, levando em consideração os elementos para facilitar a interpretação das imagens e reconhecimento destas classes.

As classes selecionadas para a elaboração do mapa de uso e cobertura do solo do município de Pedro Afonso foram: água, vegetação e pastagem, solo exposto, agricultura e área urbana. E a segunda classificação foi realizada utilizando os mesmos métodos, para apresentar a distribuição da agricultura de energia, sendo criadas as seguintes classes: soja, cana-de-açúcar e outras.

Para identificar e adquirir as amostras foram levados em consideração os elementos de interpretação citados por Florenzano (2008): tonalidade, cor, textura, tamanho, forma, sombra, altura, padrão, localização e contexto, além disso, as chaves de interpretação citadas tabela 2.1.
 Para aquisição das amostras na etapa de treinamento foi feita a digitalização das mesmas, em forma de polígonos. Na figura 3.3 é apresentado o resultado de algumas amostras digitalizadas para esta etapa. Finalizada a etapa de aquisição de amostras para as classes, a próxima etapa é a avaliação estatística das amostras de treinamento. Nesta análise é possível verificar o desempenho médio da amostragem e a confusão média, sendo gerada a matriz de confusão3 do tema e da amostra.

  
Figura 3.3 – Aquisição de amostras de agricultura na etapa de treinamento da classificação
Fonte: Dados da Pesquisa

O classificador utilizado foi o Maxver, com limiar de aceitação de 99%, segundo Santos, Peluzio e Saito (2010), o limiar de aceitação indica a porcentagem de pixels da distribuição de probabilidade de uma classe que será classificada como pertencente a mesma, por exemplo, um limite de 99% engloba 99% dos pixels, sendo que 1% serão ignorados (os de menor probabilidade) compensando a possibilidade de alguns pixels terem sido introduzidos no treinamento por engano, nesta classe, ou estarem no limite entre duas classes (SANTOS; PELUZIO; SAITO, 2010).

Após gerar a imagem classificada aplicou-se a pós-classificação, com o objetivo de uniformizar os temas, ou seja, eliminar os pontos isolados, classificados diferentemente de sua vizinhança, com isso obteve-se uma imagem classificada com aparência menos ruidosa.

Realizada a pós-classificação foi criado um modelo de dados temático, que contém as classes: água, vegetação e pastagem, solo exposto, agricultura e área urbana, soja, cana-de-açúcar e outras. Para tanto, escolheu-se as apresentações gráficas para as referidas classes. A próxima etapa referiu-se ao mapeamento das classes temáticas para a imagem pós-classificada, então foi gerada uma imagem na categoria temática com o plano de informação imagem classificada.

Com a geração da imagem classificada realizou-se o recorte do plano de informação, o SPRING possui esta ferramenta a qual permite delimitar ou mascarar qualquer plano de informação (PI) de um projeto, a figura 3.4 apresenta esta operação realizada no projeto.

 
Figura 3.4 – Recorte do plano de informação município de Pedro Afonso-TO
Fonte: Dados da Pesquisa

Para concluir esta etapa obteve-se o valor das áreas em hectares para as respectivas classes temáticas criadas, tendo o uso e cobertura do solo e a respectiva ocupação destas na área de estudo.


1 O método de classificação é dito supervisionado quando existe um conhecimento prévio de algumas áreas em que se deseja trabalhar, o que permite a seleção de amostras de treinamento confiáveis (Venturieri; Santos, 1998).

2 MAXVER é o método de classificação “pixel a pixel” mais utilizado em dados de sensoriamento remoto. Este método considera a ponderação das distâncias entre médias dos níveis digitais das classes, utilizando parâmetros estatísticos, para que o mesmo seja suficiente é necessário um número razoavelmente elevado de “pixels”, para cada conjunto de treinamento (BATISTA; AFFONSO,2002).

3 A matriz de confusão ou de erros é usada para avaliar o resultado de uma classificação. O número de acertos, para cada classe é apresentado na diagonal principal e os demais elementos representam os erros da classificação. A matriz de confusão de um classificador ideal possui todos esses elementos iguais a zero, uma vez que não comete erros. A partir da matriz de confusão obtém-se o desempenho geral da classificação e o cálculo do índice kappa (POZO, s/d e SULSOFT 2008).

Volver al índice

Enciclopedia Virtual
Tienda
Libros Recomendados


1647 - Investigaciones socioambientales, educativas y humanísticas para el medio rural
Por: Miguel Ángel Sámano Rentería y Ramón Rivera Espinosa. (Coordinadores)

Este libro es producto del trabajo desarrollado por un grupo interdisciplinario de investigadores integrantes del Instituto de Investigaciones Socioambientales, Educativas y Humanísticas para el Medio Rural (IISEHMER).
Libro gratis
Congresos

15 al 28 de febrero
III Congreso Virtual Internacional sobre

Desafíos de las empresas del siglo XXI

15 al 29 de marzo
III Congreso Virtual Internacional sobre

La Educación en el siglo XXI

Enlaces Rápidos

Fundación Inca Garcilaso
Enciclopedia y Biblioteca virtual sobre economía
Universidad de Málaga