Beruflich Dokumente
Kultur Dokumente
Anais XI SBSR, Belo Horizonte, Brasil, 05 - 10 abril 2003, INPE, p. 1365 - 1372.
1. Introduo
A classificao digital de imagens tem sido um procedimento amplamente utilizado no
mapeamento do uso e cobertura do solo. No entanto, a exatido global de mapas temticos
produzidos por meio das tcnicas de classificao digital e a exatido das categorias
mapeadas, no tm sido procedimentos normalmente utilizados neste campo de pesquisa do
sensoriamento remoto.
O mtodo mais comum para representar a exatido da classificao de mapas obtidos de
classificao digital de dados orbitais a matriz de erro ou tabela de contingncia (Congalton
et al., 1983). Esta matriz expressa o clculo da concordncia e discordncia entre as categorias
classificadas de um mapa de uso e cobertura do solo e a verdade terrestre (Rosenfield, 1986;
Rosenfield e Fitzpatrick-Lins, 1986).
Os dados derivados das matrizes de erro so tambm utilizados em pesquisas cujo
objetivo comparar a qualidade do mapeamento em funo do tipo de sensor, da data de
aquisio da imagem e do algortmo empregado para a classificao (Congalton et al., 1983).
Este trabalho tem como objetivo avaliar, com base em matrizes de erro, o desempenho da
classificao digital supervisionada, comparando-se os algoritmos mxima verossimilhana,
mnima distncia e paraleleppedo, para o mapeamento do uso e cobertura do solo no entorno
do reservatrio de Jurumirim (SP), destacando-se a vegetao de cerrado.
O presente estudo parte integrante do projeto Monitoramento ambiental em reas
tursticas: represa de Jurumirim-SP, nos municpios de Avar e Paranapanema, cujo objetivo
principal consiste em estudar a evoluo espao-temporal do uso e cobertura do solo em parte
das Estncias Tursticas de Avar e Paranapanema, no entorno do reservatrio de Jurumirim
(SP), utilizando fotografias areas de 1972 e imagens do satlite Landsat 7 de 2000. Na rea
de estudo encontram-se remanescentes da vegetao do cerrado, representados por
fisionomias como o cerrado, o cerrado stricto sensu, o campo cerrado e o campo sujo. Estas
reas esto sujeitas degradao devido ao desenvolvimento e implementao de infra1365
Anais XI SBSR, Belo Horizonte, Brasil, 05 - 10 abril 2003, INPE, p. 1365 - 1372.
estrutura de lazer, que podem estar contribuindo para a retirada da vegetao natural. A
pesquisa citada foi financiada pela FAPESP (processo 00/02212-5).
1.1. Algortmos da classificao digital supervisionada de imagens
A classificao digital supervisionada de imagens adota como pressuposto a necessidade de
conhecimento prvio da rea de estudo a partir de trabalhos de campo, de tal forma a permitir
ao intrprete delimitar sobre a imagem reas representativas de cada categoria definida na
legenda, chamadas de amostras de treinamento (training sites). A partir destas amostras, o
algortmo do classificador estima parmetros estatsticos aos NDs que definem cada uma das
categorias, e designa o restante dos pixels da imagem uma destas categorias (Chuvieco,
2000). importante que as amostras de treinamento sejam homogneas e representativas da
categoria de interesse (Novo, 1998).
Os algortmos utilizados no mapeamento do uso e cobertura do solo neste trabalho foram:
a) Mxima verossimilhana: Considera que os NDs de cada categoria ajustam-se uma
distribuio normal em um espao multidimensional das bandas, definido por uma zona
elptica que caracteriza a assinatura. Apoia-se na teoria da probabilidade Bayesiana, a qual
utiliza dados da mdia e varincia/covarincia das assinaturas espectrais de um conjunto
de amostras de treinamento com o objetivo de estimar a probabilidade de um dado pixel
pertencer cada uma das categorias (Eastman, 1999; Chuvieco, 2000).
b) Mnima distncia: Baseia-se na reflectncia mdia de cada assinatura, para cada banda
espectral. Os pixels so designados categoria com o valor de reflectncia mdia mais
prximo do valor daquele pixel (Eastman, 1999), ou seja, quela que apresenta a mnima
distncia entre o pixel a ser classificado e o centride da categoria (Chuvieco, 2000).
c) Paraleleppedo. Fundamenta-se na determinao do conjunto de reflectncias mnimas e
mximas para uma dada assinatura, em cada banda espectral. Para ser atribudo uma
categoria em particular, o pixel deve exibir valores de reflectncia, pertencentes ao
intervalo de reflectncias da amostra esperada para cada banda. Este critrio tende a
delinear polgonos multidimensionais de lados paralelos ao redor do centro de cada
categoria (Eastman, 1999; Chuvieco, 2000);
1.2.Exatido da classificao
A matriz de confuso ou tabela de contingncia, derivada de clculos realizados a partir da
amostragem dos dados classificados (Story e Congalton, 1986). Congalton et al.(1983) e Story
e Congalton (1986), explicam que as colunas desta matriz representam a verdade terrestre ou
os dados de referncia, enquanto as linhas indicam os dados classificados pelo algortmo de
classificao. A diagonal principal indica a concordncia entre estes dois grupos de dados. A
exatido global calculada pela diviso da soma dos elementos da diagonal principal pelo
nmero total de amostras tomadas (Story e Congalton, 1986).
Segundo Congalton et al. (1983), a matriz de erro tambm permite determinar a exatido
para cada categoria mapeada. Quando o nmero de amostras classificadas corretamente em
uma dada categoria dividido pelo nmero total das amostras de referncia desta categoria, o
resultado percentual indica a probabilidade da amostra de referncia ter sido classificada
corretamente. Estima-se assim, os erros de omisso e a exatido do produtor. No entanto, os
erros de classificao no so apenas erros de omisso da categoria correta, mas erros de
incluso em outra categoria. Quando o nmero de amostras classificadas corretamente em
uma dada categoria dividido pelo nmero total das amostras que foram classificadas nesta
categoria, a porcentagem resultante indica a probabilidade da amostra realmente representar
1366
Anais XI SBSR, Belo Horizonte, Brasil, 05 - 10 abril 2003, INPE, p. 1365 - 1372.
N=
Z 2 ( p)(q)
E2
1367
Anais XI SBSR, Belo Horizonte, Brasil, 05 - 10 abril 2003, INPE, p. 1365 - 1372.
45
51
20
N
SO PAULO
Reservatrio de Jurumirim
25
200 km
Anais XI SBSR, Belo Horizonte, Brasil, 05 - 10 abril 2003, INPE, p. 1365 - 1372.
1369
Anais XI SBSR, Belo Horizonte, Brasil, 05 - 10 abril 2003, INPE, p. 1365 - 1372.
5
0
60
1
0
0
0
66
9
91
0
0
1
0
0
0
0
1
100
0
3
0
2
1
4
0
0
10
60
40
0
0
1
0
0
2
0
3
33
67
0
0
0
0
0
0
6
6
0
100
32
30
65
3
4
3
6
126
21
0
2
1
2
0
0
26
19
81
0
30
0
0
0
1
0
31
3
97
5
0
59
2
0
0
0
66
11
89
0
0
0
1
0
0
0
1
0
100
2
0
2
2
4
0
0
10
60
40
0
0
1
0
0
2
0
3
33
67
0
0
0
0
0
0
6
6
0
100
28
30
64
6
6
3
6
123
23
2
0
0
1
0
0
26
12
88
22
0
0
3
1
0
0
26
15
85
2
18
0
0
4
0
0
26
92
8
2
0
30
0
0
0
1
0
31
3
97
0
30
0
0
0
1
0
31
3
97
0
29
0
0
0
1
0
31
6
94
1
2
5
56
0
0
3
0
66
15
85
5
0
55
6
0
0
0
66
17
83
0
8
32
20
0
1
0
66
52
48
5
0
0
0
1
0
0
0
1
0
100
0
0
0
1
0
0
0
1
0
100
0
0
1
0
0
0
0
1
100
0
0
2
2
0
1
4
1
0
10
60
40
3
0
1
2
4
0
0
10
60
40
0
2
2
0
4
1
0
10
60
40
1
0
0
1
0
0
2
0
3
33
67
0
0
1
1
0
1
0
3
67
33
0
0
1
1
0
1
0
3
67
33
0
0
0
0
0
0
0
6
6
0
100
27
39
57
2
5
7
6
122
0
0
0
0
0
0
6
6
0
100
30
30
57
13
5
2
6
119
2
57
36
21
8
4
6
74
0
12
1
0
13
0
0
26
100
0
0
31
0
0
0
0
0
31
0
100
0
18
19
6
1
22
0
66
71
29
0
0
1
0
0
0
0
1
100
0
0
2
1
1
5
1
0
10
50
50
0
1
0
0
0
2
0
3
33
67
0
0
0
0
0
0
6
6
0
100
0
0
0
0
0
0
0
6
6
0
100
1370
colunas
0
30
0
0
0
1
0
31
3
97
linhas
loteamento
areia
reflorestamento
24
0
1
1
0
0
0
26
8
92
pixels amostrados
culturas temporrias
75
100
92
0
100
67
100
pastagem
25
0
8
100
0
33
0
gua
CLASSIFICAO
cerrado
gua
pastagem
culturas temporrias
reflorestamento
areia
loteamento
pixels amostrados
erros de omisso (%)
exatido do produtor (%)
cerrado
gua
pastagem
culturas temporrias
reflorestamento
areia
loteamento
pixels amostrados
erros de omisso (%)
exatido do produtor (%)
cerrado
gua
pastagem
culturas temporrias
reflorestamento
areia
loteamento
pixels amostrados
erros de omisso (%)
exatido do produtor (%)
cerrado
gua
pastagem
culturas temporrias
reflorestamento
areia
loteamento
pixels amostrados
erros de omisso (%)
exatido do produtor (%)
cerrado
gua
pastagem
culturas temporrias
reflorestamento
areia
loteamento
pixels amostrados
erros de omisso (%)
exatido do produtor (%)
pixels no classificados
cerrado
gua
pastagem
culturas temporrias
reflorestamento
areia
loteamento
pixels amostrados
erros de omisso (%)
exatido do produtor (%)
Kappa (%)
cerrado
PIPED/Z2.58
PIPED/Z1.96
MINDIST/RI
MINDIST/NI
MAXLIKE/IP
MAXLIKE/EP
69
90
100
96
86
83
0
0
100
38
66
66
100
100
Kappa global = 83
75
100
92
17
67
67
100
69
76
100
96
85
81
16
100
64
37
66
66
100
100
Kappa global = 80
85
77
98
50
80
29
100
82
86
71
96
97
75
50
100
79
38
27
65
100
100
Kappa global = 80
X
52
14
100
74
92
0
X
48
86
0
26
8
100
0
0
34
100
75
16
0
0
21
42
6
60
100
100
Kappa global = 32
Anais XI SBSR, Belo Horizonte, Brasil, 05 - 10 abril 2003, INPE, p. 1365 - 1372.
Figura 2: Mapa de uso e cobertura do solo nas Estncias Tursticas de Avar e Paranapanema
(reservatrio de Jurumirim) em 2000, classificado pelo algortmo MAXLIKE/EP.
No caso da categoria cerrado, focalizada com maior relevncia neste trabalho, a maior
exatido do usurio foi obtida na classificao MINDIST/NI, com 85% (erro de incluso de
15%). Neste caso, ocorreu 12% de erro de omisso, com exatido do produtor da ordem de
88%. Isto significa que 88% das reas que foram mapeadas como cerrado, 85%
correspondem de fato ao cerrado. Na classificao PIPED/Z1,96, apesar de uma exatido do
usurio de 100% foram somente mapeadas 8% das reas como cerrado. Na classificao
PIPED/Z2,58 o cerrado no apresentou exatido do usurio pois nenhum dos pontos
amostrais foi representativo. Os demais algortmos evidenciaram uma exatido do usurio
entre de 73 e 75%, com erro de incluso entre 27 e 25%.
5. Concluses
As imagens do satlite Landsat 7/ETM+, mostraram-se adequadas para o mapeamento do uso
e cobertura do solo da regio estudada. A banda 8 permitiu a realizao da tcnica IHS,
contribuindo para a maior eficincia na coleta visual das amostras de treinamento para a fase
da classificao digital.
Os algortmos MAXLIKE/EP, MAXLIKE/IP e MINDIST/NI apresentaram resultados
satisfatrios na classificao digital, pois atingiram o mnimo de exatido global requerida.
No mapeamento da categoria cerrado, o algortmo MINDIST/NI foi o que apresentou o
melhor desempenho, no que refere-se exatido do usurio
O uso de matrizes de erro na avaliao da exatido de mapas de uso e cobertura do solo
originados por diferentes algortmos de classificao digital supervisionada demonstrou ser
eficiente, na medida que fornecem a exatido global do mapa e de cada categoria mapeada.
No que se refere exatido de uma categoria de uso e cobertura do solo, deve-se observar
os valores da exatido do produtor (erros de omisso) e a exatido do usurio (erros de
incluso). Portanto, a matriz de erro deve estar informada sempre que possvel. A deciso de
qual matriz representar melhor a classificao ir depender da relativa importncia de cada
categoria de uso e cobertura do solo no trabalho que est sendo realizado (Stehman, 1997).
1371
Anais XI SBSR, Belo Horizonte, Brasil, 05 - 10 abril 2003, INPE, p. 1365 - 1372.
6. Referncias Bibliogrficas
Aronoff, S. Comparison of sampling procedures and data analysis for a land-use and land-cover map. Forum.
Photogrammetric Engineering and Remote Sensing, v. 47, n. 9, p. 1349, 1981.
Aronoff, S. Classification accuracy: a user approach. Photogrammetric Engineering and Remote Sensing, v. 48,
n. 8, p. 1299-1307, 1982.
Brites, R.S.; Soares,V.P.; Ribeiro, C.A.A.S. Efeitos da estratgia de amostragem na exatido reportada pelo
ndice de kappa na classificao de imagens orbitais. In: Simpsio Brasileiro de Sensoriamento Remoto, 8,
Salvador, abr.1996. Anais. So Jos dos Campos: INPE, 1996. Artigos. Repositrio da URLib:
<sid.inpe.br/deise/1999/02.01.15.30>.
Disponvel
em:
<http://iris.sid.inpe.br:1908/col/sid.inpe.br/banon/2001/03.14.09.08.12>. Acesso em: 14 de novembro de 2002.
Chuvieco, E. Fundamentos de teledeteccin espacial. Madrid :Ed. Rialp S.A, 2000. 568 p.
Congalton, R.G.; Oderwald, R.O.; Mead, R.A. Assessing landsat classification accuracy using discrete
multivariate analysis statistical techniques. Photogrammetric Engineering and Remote Sensing, v. 49, n. 12, p.
1671-1678, 1983.
Dicks, S.E.; Lo, T.H.C. Evaluation of thematic map accuracy in a land-use and land-cover mapping program.
Photogrammetric Engineering and Remote Sensing, v. 56, n. 9, p. 1247-1252, 1990.
Eastman, J.R. Idrisi for Windows Version 32. Guide to GIS and image processing. Worcester: Clark Labs:
Clark University, 1999. 169 p.
Fitzpatrick-Lins, K. Comparison of sampling procedures and data analysis for a land-use and land-cover map.
Photogrammetric Engineering and Remote Sensing, v. 47, n. 3, p. 343-351, 1981.
Genderen, J.L. Van; Lock, B.F. Testing land-use map accuracy. Photogrammetric Engineering and Remote
Sensing, v. 43, n. 9, p. 1135-1137, 1977.
Gong, P.; Howarth, P.J. An assessment of some factors influencing multispectral land-cover classification.
Photogrammetric Engineering and Remote Sensing, v. 56, n. 5, p. 597-603, 1990.
Hord, R.M. Land-use map accuracy criteria. Photogrammetric Engineering and Remote Sensing, v. 42, n. 5, p.
671-677, 1976.
Hord, R.M. Remote sensing: methods and applications. New York: Wiley-Interscience Publication, 1986. 362 p.
Hudson, W.D.; Ramm, C.W. Correct formulation of the kappa coefficient of agreement. Photogrammetric
Engineering and Remote Sensing, v. 53, n. 4, p. 421-422, 1987.
Novo, E.M.L.M. Sensoriamento remoto: princpios e aplicaes. 20 ed. So Paulo: Ed. Edgard Blcher, 1998.
308 p.
Ponzoni, F.E.; Almeida,E.S. A estimativa do parmetro kappa (k) da anlise multivariada discreta no contexto de
um SIG. In: Simpsio Brasileiro de Sensoriamento Remoto, 8, Salvador, abr.1996. Anais. So Jos dos Campos:
INPE, 1996. Cominicaes. p.230-234. Repositrio da URLib: <sid.inpe.br/deise/1999/02.05.09.39>. Disponvel
em: <http://iris.sid.inpe.br:1908/col/sid.inpe.br/banon/2001/03.14.09.08.12>. Acesso em: 15 de novembro de
2002.
Rosenfield, G.H. Analysis of thematic map classification error matrices. Photogrammetric Engineering and
Remote Sensing, v. 52, n. 5, p. 681-686, 1986.
Rosenfield, G.H.; Fitzpatrick-Lins, K. A coefficient of agreement as a measure of thematic classification
accuracy. Photogrammetric Engineering and Remote Sensing, v. 52, n. 2, p. 223-227, 1986.
Stehman, S.V. Comparison of systematic and random sampling for estimating the accuracy of maps generated
from remotely sensed data. Photogrammetric Engineering and Remote Sensing, v. 58, n. 9, p. 1343-1350, 1992.
Stehman, S.V. Selecting and interpreting measures of thematic classification accuracy. Remote Sensing of
Environmental, n. 62, p. 77-89, 1997.
Story, M.; Congalton, R.G. Accuracy assessment: a users perspective. Photogrammetric Engineering and
Remote Sensing, v. 52, n. 3, p. 397-399, 1986.
1372