Classificao Supervisionada de Imagens Orbitais

com o Semi-Automatic Classification Plugin

Sobre o SCP Plugin

O Semi-Automatic Classification Plugin (SCP) um complemento desenvolvido para o QGIS que possibilita a
classificao pixel a pixel semi-automtica ou supervisionada de imagens, capturadas por diversos
sensores/satlites, como:

GeoEye-1 (bandas 1, 2, 3, 4)

Landsat 8 OLI (bandas 2, 3, 4, 5, 6, 7)

Landsat 7 ETM+ (bandas 1, 2, 3, 4, 5, 7)

Landsat 4-5 TM (bandas 1, 2, 3, 4, 5, 7)

Landsat 1-3 MSS (bandas 4, 5,6,7)

Pleiades (bandas 1, 2, 3, 4)

QuickBird (bandas 1, 2, 3, 4)

RapidEye (bandas 1, 2, 3, 4, 5)
As ferramentas disponveis realizam o pr-processamento de imagens, o ps-processamento de classificaes e
lgebras de mapas. Com o SCP possvel criar reas amostrais de forma rpida, denominadas de ROIs
(Regions of Interest), as quais so salvas em formato shape. As assinaturas espectrais so calculadas
automaticamente e podem ser visualizadas graficamente no histograma. Tambm podem ser calculadas as
distncias espectrais entre as assinaturas. Alm disso, podem ser exportadas ou importadas de fontes externas,
sendo possvel acessar a biblioteca da USGS (United States Geological Survey) por meio do plugin.
Acesse a documentao, vdeos e tutoriais sobre o Plugin
na pgina oficial ou baixe direto o Manual v.4

Objetivo do tutorial
Embora sejam muitos os recursos disponibilizados pelo SCP Plugin, este tutorial apresenta a classificao
supervisionada de uma imagem Landsat 5 TM com fins de categorizao da cobertura do solo numa bacia
hidrogrfica (delimitao realizada com o TauDEM). A acurcia geral da classificao e o coeficiente Kappa
foram calculados a partir da matriz de confuso gerada pelo plugin. Os processos foram realizados em OS
Windows 7, QGIS 2.8.3, SCP Plugin v. 4.
Elaborao: Mnica Pacheco de Arajo
Contato: mopacara@gmail.com

Para reproduzir o tutorial, baixe os arquivos utilizados como base:

Imagem Landsat 5 TM 222/069, de 29-08-2010

Polgono da Bacia Hidrogrfica do Ribeiro Mutum

Acesse o tutorial utilizado para a

delimitao da bacia hidrogrfica.

Passo 1: instalando o complemento

Complementos Gerenciar e instalar complementos

Passo 2: conhecendo a interface

Aps a instalao do complemento, suas ferramentas ficam disponveis atravs do menu, da barra de
ferramentas e de dois painis (um destinado criao de amostras ou ROIs ROI creation, outro para a criao
das assinaturas espectrais - Classification).

Passo 3: obtendo a imagem

Para fins deste tutorial, a rea e poca de interesse so abrangidas na imagem Landsat 5 TM, rbita 222,
ponto 69, de 29-08-2010 (ID: LT52220692010241CUB01). Existem vrias fontes confiveis que disponibilizam
imagens orbitais. O SCP plugin possui uma ferramenta para busca de imagens Landsat.
SCP Tools Download Landsat

O link informado neste tutorial disponibiliza a cena baixada pelo site EarthExplorer.
Importante:
Certifique-se que o arquivo de texto MTL foi salvo, nele h parmetros importantes (metadados das bandas).
Preserve as imagens baixadas e salve em outro diretrio uma cpia do arquivo MTL e das bandas 1, 2, 3, 4, 5, 7. A
banda 6 no faz parte destes processos. No prximo passo, o diretrio que contm estes arquivos dever ser indicado.

Passo 4: corrigindo a imagem

Imagens Landsat devem ser ajustadas para a reflectncia de superfcie, assim como deve-se realizar a correo
atmosfrica antes do incio dos processos.
SCP Pre processing Landsat

1 carregue os diretrios

2- habilite

3 desabilite (o bandset ser

criado com o recorte da rea
de interesse).

4 d o comando e escolha o
local de salvamento dos rasters
a serem gerados.

Este o processo mais demorado. Ao trmino h um sinal sonoro. Aps a concluso, clique em fechar.

Os rasters gerados possuem a indicao

RT e tm a reflectncia corrigida.

Passo 5: recortando a rea de interesse

possvel recortar simultaneamente os rasters RT, otimizando processos futuros. A rea de interesse deste
tutorial consiste na Bacia Hidrogrfica do Ribeiro Mutum, um afluente da margem esquerda do Alto Rio
Tocantins. Um polgono envolvente gerado para a extenso da camada bacia hidrogrfica foi utilizado como
mscara.
SCP Pre processing Clip Multiple Rasters

1 selecione todas as imagens (caso no

apaream inicialmente, clique em Refresh list).

2 defina a mscara (se as opes no aparecerem, clique em Refresh list).

Os rasters gerados tero
esta identificao no nome.
possvel alterar o n de
caracteres deste campo.
3 Abra o gerenciador para salvamento do recorte.
Feche esta janela quando for carregado ao projeto.

Foram utilizadas camadas

vetoriais no mesmo SRC
das imagens.

Passo 6: criando o Band set

A criao de um band set, uma nica imagem com todas as 6 bandas, traz certas facilidades. Dentre estas, a
possibilidade de compor a imagem com diferentes combinaes de bandas. Esta a ltima etapa do prprocessamento da imagem.
SCP Bandset

1 selecione todas as bandas (caso no apaream

inicialmente, clique em Refresh list). Clique em Add
para carregar as bandas no campo abaixo.

2 As bandas devem estar em ordem crescente. Para

organizar clique na linha e utilize as setas. Os valores
inicialmente carregados sero substitudos na etapa 3.

3 Clique na seta e selecione o satlite. Neste momento

os valores corretos so carregados no campo acima.

4 Ao clicar aqui, o gerenciador aberto para salvamento de

um band set. Feche quando este for carregado ao projeto.

A barra de ferramentas do SCP Plugin apresenta um campo para carregamento do band set. Ao lado pode ser
facilmente definida a composio de bandas.

Refresh

Exemplos de
composio.

Passo 7: realizando a classificao

A primeira etapa da classificao consiste em definir categorias de interesse por meio da seleo de amostras.
Primeiramente habilite o painel SCP: ROI creation para a criao do arquivo de treinamento. Logo aps, abra o
painel SCP: Classification e salve o arquivo que conter as assinaturas espectrais. Retorne ao painel ROI creation
para criar alvos vinculados Macroclasses e Classes. Imagens de melhor resoluo podem ser auxiliares neste
processo. Neste tutorial so criadas 4 categorias com Macroclasses e Classes iguais, sendo: gua, vegetao,
agricultura e outros (ex: solo exposto, via pavimentada, construes).

1 crie o arquivo

Arquivo de treinamento carregado.

2 crie a assinatura

A amostra criada aps etapa 6.

3 defina os parmetros espectrais.

Seleciona pontos randomicamente.

4 Instrumento de captura automtica.

Clique (+) e aps sobre a rea amostral.

Cria polgono manualmente.

5 digite nos campos para definir macroclasses e classes.

6 salve para carregar a amostra na lista (ROI list).
6

Fluxo de criao das amostras

Defina os parmetros espectrais
Escolha o instrumento de captura
Clique sobre o alvo
Registre macroclasse e classe
Salve a amostra

Selecione
as linhas e
carregue as
assinaturas.

Mude as cores com duplo

clique no campo color.

A categoria definida para a

classificao a Macroclasse.

7 - Defina o algoritmo de classificao. Este

tutorial adota o mtodo MAXVER, para o
qual o valor do limiar deve ser no mnimo
100.

8 - Antes de realizar a etapa 9 faa testes

clicando no (+) e depois sobre a imagem. A
rea selecionada classificada e salva
temporariamente. possvel modificar o
tamanho das reas de teste no campo Size.

Ao habilitar esta opo, alm do

raster gerado o arquivo vetorial.
9 Classifique a imagem se o resultado
dos testes for visualmente satisfatrio .
7

Resultados da classificao da imagem

Raster .tif gerado

Arquivo vetorizado .shp

Passo 8: selecionando amostras aleatrias com fins de estimativa da acurcia da classificao

Esta fase faz parte do ps-processamento e inicia com a criao do shapefile que conter amostras selecionadas
aleatoriamente por meio da ferramenta Multiple ROI creation.

1- abra o gerenciador para salvamento das amostras de acurcia. Caso

no carregue imediatamente no campo ao lado, clique em Refresh.

2- determine os parmetros da assinatura das amostras.

Neste exerccio foram criadas 50 amostras para as quais foi mantido o Range radius.
Entretanto, os primeiros 25 pontos foram gerados com tamanho mnimo e mximo do ROI
igual a 1, sendo que para os outros 25 pontos foi adotado o valor 40 para ambas as medidas.

3- Multiple ROI creation

Combinaes de parmetros para a criao randmica de amostras

So geradas 25 amostras aps a etapa 4

3
2

So geradas mais 25 amostras,

(total de 50 amostras)

6
5

Dinmica de conferncia das amostras aleatrias

Caso 1

D um clique duplo na clula para

focar o ponto/rea amostral.

Reduzindo o zoom confere-se que a amostra pertence

Macroclasse outros, portanto o campo MC ID no ser alterado.

10

Dinmica de conferncia das amostras aleatrias

Caso 2

D um clique duplo na clula para

focar o ponto/rea amostral.

Reduzindo o zoom observa-se que a amostra pertence

Macroclasse vegetao, portanto o campo MC ID foi alterado para 2.

Essa rotina deve ser realizada em cada uma das linhas da ROI List. Caso nenhum pixel ou rea seja
evidenciada, exclua a linha da tabela, eliminando a amostra.
11

Passo 9: gerando a matriz de confuso para estimativa da acurcia

SCP Post Processing Accuracy

1
2

Carregue o raster gerado na classificao.

Carregue o shape gerado com as amostras aleatrias.

3 Mantenha a categoria utilizada na classificao.

No caso deste tutorial foi utilizada a Macroclasse.

Matriz de confuso

Passo 10: calculando o coeficiente Kappa ( )

Acesse a planilha com as frmulas

Assim como a acurcia geral, o coeficiente Kappa quantifica a concordncia entre a escolha de amostras
realizada pelo observador e a escolha feita de forma aleatria, incluindo neste clculo um fator que subtrai a
interferncia do acaso. O SCP no calcula este coeficiente, porm o arquivo .csv gerado no processamento da
matriz de confuso pode ser aberto em planilha eletrnica.

A soma da diagonal o nmero de pares de observaes que so concordantes.

2632 + 138 + 25 + 0 = 2795
No total de 2813 observaes, este valor significa que 99% dos pares de observaes so concordantes.
Confere com o valor gerado pelo plugin!
K1 = 2795 / 2813 0,99
Considerando que a classificao feita pelo observador (evento A) e a aleatria (evento B) so independentes, a probabilidade de
ambos classificarem igualmente um mesmo pixel dada pelo produto das probabilidades individuais de A e B.
Selecionado um pixel ao acaso, dentre o total de 2813 amostras
a probabilidade do evento A classific-lo como gua de 2632 / 2813 0,94
a probabilidade do evento B classific-lo como gua de 2632 / 2813 0,94
a probabilidade de ambos classificarem simultaneamente como gua = P(A) x P(B) 0,88
a probabilidade do evento A classific-lo como vegetao de 151 / 2813 0,05
a probabilidade do evento B classific-lo como vegetao de 139 / 2813 0,05
a probabilidade de ambos classificarem simultaneamente como vegetao = P(A) x P(B) 0,00
a probabilidade do evento A classific-lo como agricultura de 26 / 2813 0,01
a probabilidade do evento B classific-lo como agricultura de 37 / 2813 0,01
a probabilidade de ambos classificarem simultaneamente como agricultura = P(A) x P(B) 0,00
a probabilidade do evento A classific-lo como outros de 4 / 2813 0,00
a probabilidade do evento B classific-lo como outros de 5 / 2813 0,00
a probabilidade de ambos classificarem simultaneamente como outros = P(A) x P(B) 0,00
Fonte: Martinez, 2015 (video tutorial)

A soma destas probabilidades K2 0,88 ( esperado que 88% das observaes concordantes se deva ao acaso).
O Coeficiente Kappa dado pela expresso:
1K 2
= K1K
= (0,99-0,88) / (1-0,88) = 0,95
2

Concordncia quase perfeita!

12

13

Autora: Mnica Pacheco de Arajo

Biloga CRBio 30884-5/D
Agosto de 2015