Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

Unidade Curricular: Anlise Espacial Avanada

Discente:
ngela Leite

Docentes:
Ana Teodoro
Lia Duarte

Porto, 13 de Junho de 2016

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

ndice
Introduo ..................................................................................................................................... 3
Objetivos ....................................................................................................................................... 3
Metodologia .................................................................................................................................. 4
Resultados ................................................................................................................................... 10
Discusso dos Resultados............................................................................................................ 12
Concluso .................................................................................................................................... 12

ndice de Tabelas
Tabela 1: Matriz de Erro, exatido do utilizador e do produtor .................................................. 10

ndice de Figuras
Figura 1: Imagem de Satlite de Viana do Castelo, no ano de 2009 (Cor Falsa, RGB 432)......... 7
Figura 2: Imagem de Satlite de Viana do Castelo, no ano de 2009 (Cor Verdadeira, RGB 321) 8
Figura 3: Matriz de Erro .............................................................................................................. 10
Figura 4: Mapa do Uso do Solo de Viana do Castelo, em 2009 ................................................. 11

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

Introduo
O presente trabalho foi desenvolvido no mbito da unidade curricular de Anlise Espacial
Avanada, onde foi proposto aos alunos a realizao de um mapa de ocupao do solo, de uma
rea litoral de Portugal Continental ao nosso critrio, resultante da aplicao de um algoritmo de
classificao supervisionada a uma imagem de satlite, em que tambm nos foi dada a escolha de
imagens referente aos seguintes anos: 2003, 2007, 2009 e 2011.
Neste sentido, em toda a extenso deste projeto foi utilizado o Software o Quantum GIS
v2.10.1. mesmo para a seleo da rea de estudo, sendo que esta centra-se em Viana do Castelo e
suas respeitantes freguesias. Relativamente imagem de satlite escolhida, referente ao ano de
2009 e contm 7 bandas de uma imagem Landsat 5 TM, sendo que a Banda 1 = Blue; Banda 2 =
Green; Banda 3 = Red; Banda 4 = Near-Infrared; Banda 5 = Short-wave Infrared; Banda 6 =
Thermal Infrared; Banda 7 = Short-wave Infrared.
Portanto, para a realizao deste trabalho necessrio ter alguns conhecimentos do Software
em questo, para alm de que tambm necessrio ter conhecimentos na rea da Deteo Remota
e conceitos de processamento digital de imagem.

Objetivos
Com a realizao deste trabalho pretende-se principalmente obter um Mapa do Uso do
Solo de acordo com as classes da nomenclatura da Corine Land Cover resultante de uma
classificao supervisionada sendo que os algoritmos deste tipo de classificao procedem a uma
anlise espetral das caractersticas dos elementos da imagem, e a informao numrica sobre os
pixis das reas de treino (zonas onde a classe conhecida) nas diferentes bandas, usada para
treinar o algoritmo a reconhecer, para cada classe, as zonas da imagem com propriedades
espetrais semelhantes. Com base nessa informao, o algoritmo pode proceder classificao de
toda a imagem.
A classificao supervisionada encontra-se dividida em trs mtodos:

Mtodo do paraleleppedo (este mtodo eficiente e robusto): so definidas zonas

de deciso, a partir dos valores mximo e mnimo dos valores de DN dos pixis dessa
classe, nas diversas bandas. Cada pixel classificado de acordo com a regio a que
pertence. Se no for classificado em nenhuma classe classificado como nulo. No
caso de sobreposio dos vrios paraleleppedos definidos para as diferentes classes,
o mtodo pode ser melhorado modificando a forma dos paraleleppedos de modo a
formar mosaicos que no se intersetem. Este um mtodo rpido e normalmente
bastante eficiente.

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

Mtodo da mxima verosimilhana ( o mais eficiente, mais robusto e mais utilizado,

mas demora mais tempo): usada a varincia e a covarincia dos padres da resposta
espetral de cada classe e assume-se que a distribuio dos pontos que formam uma
classe Gaussiana. Para cada pixel, calculada a probabilidade de este pertencer a
cada uma das classes propostas, sendo classificado como pertencente classe
correspondente probabilidade mxima;

Mtodo da distncia mnima (resulta bem quando tenho valores muito diferentes,
mais simples, mais rpido, mas onde ocorre mais erros): este o mtodo mais
simples, onde em primeiro lugar, determinado, o valor espetral mdio, em cada
banda, de cada classe. Depois para cada pixel calculada a sua distncia ao valor
mdio de cada classe, sendo classificado como pertencente classe qual
corresponde uma distncia mnima. O mtodo eficiente para classes bem definidas
espetralmente, espacialmente separadas umas das outras, e com pequena varincia.

Dito isto, para obter este mapa ser necessrio:

Elucidar a rea de trabalho;

Definir o sistema de projeo;

Converter os DN para valores de refletncia TOA (Top-Of Atmosphere);

Realizar a correo atmosfrica baseada no mtodo DOS,

A definio dos inputs da classificao, sendo essencial definir:

o

As bandas;

A shapefile de treino (ROIs);

A lista das assinaturas espetrais

Escolher as assinaturas espetrais para cada classe de uso do solo,

Obter uma classificao final;

Obter a exatido da classificao atravs do clculo de uma matriz de erro.

Metodologia
O trabalho foi desenvolvido no sistema de projeo WGS 84 UTM Zona 29N (EPSG:
32629) e comecei por definir a rea de trabalho, exportando-a atravs de uma shapefile de
Portugal Continental, fornecida pela Docente, atravs da ferramenta Guardar como onde
escolhemos apenas salvar o que est selecionamos anteriormente pela seleo por atributos e
escolhemos o mesmo sistema de projeo, ficando desta forma com uma shapefile denominada
de Viana do Castelo.

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

De seguida, como queria adicionar o oceano shapefile respeitante a Viana do Castelo,

foi necessrio iniciar a edio da mesma, mas primeiro tive de alterar as definies de snapping
atravs da ferramenta Configuraes > Opes de Snapping, em que o modo de atrao
escolhido foi avanado, na shapefile pretendida, na opo modo selecionamos ao vrtice e
segmento, escolhemos evitar intersees, ativar edio topolgica e ativar alinhamento na
interseo.
Por conseguinte, para iniciar a edio e criar um novo polgono, utilizei a ferramenta
alternar edio > adicionar elemento, desenhei um polgono, guardei as alteraes e fechouse a edio. Como no pretendia ter as freguesias, foi necessrio realizar um dissolve, vector >
ferramentas de geoprocessamento > agregar, em que no campo de agregao selecionei
agregar tudo, ficando assim desta forma, com apenas um polgono que se denomina de
VC_dissolve.
Antes de mais, importante saber que o processamento digital de uma imagem consiste
no conjunto de tcnicas e algoritmos que permitem retirar informao de imagens multi-espetrais,
de modo a que possam fornecer dados passveis de serem utilizados nas mais diversas finalidades.
Estas tcnicas/algoritmos so tambm necessrios com vista correo dos vrios erros que
ocorrem durante a aquisio das imagens, tais como falhas de captura do sinal na parte do sensor,
problemas ou perturbaes nas rbitas dos satlites, distores associadas perspetiva no
momento da aquisio da imagem, efeito da rotao da Terra, entre outros
Para definir a rea de estudo nos rasters, tive de instalar um mdulo que diz respeito
classificao semi-automtica, que se localiza em mdulos > gerir e instalar mdulos.
Portanto, foi fornecido tambm pela Docente, 7 bandas de uma imagem Landsat 5 TM e
adicionou-se ao projeto. Com vista a realizao do clip selecionou-se bandset > pre-processing
> clip multiple rasters, selecionei todos os rasters a partir da shapefile VC_dissolve e por
fim, concretizou-se o clip de todas as bandas.
Antes de proceder classificao da imagem necessrio efetuar mas algumas etapas de
pr processamento tais como, converter os DN para valores de refletncia TOA (Top-Of
Atmosphere), para alm disso ir ser efetuada tambm uma correo atmosfrica baseada no
mtodo DOS sendo que esta correo compreende o efeito da atmosfera no sinal medido que est
relacionado com a composio da atmosfera e com a distncia que a radiao atravessa entre a
superfcie da Terra e o sensor. A atmosfera pode reduzir a intensidade do sinal devido aos
processos de absoro e disperso, ou aumentar a sua intensidade devido disperso e re-emisso
de energia.
No entanto, este tipo de algoritmos de correo atmosfrica envolvem vrios parmetros
atmosfricos e alguns desses parmetros podero ser difceis de obter. Por estas razes, por vezes,

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

consideram-se mtodos mais simples, como o DOS (Dark Object Subtration), que foi proposto
por Chavez (1988), em que pressupe que as partes mais escuras de uma imagem (gua, estruturas
artificiais) devem ser pretas (numa determinada banda), se no o so deve-se aos efeitos da
disperso atmosfrica, utiliza o histograma de frequncia de DN de alguma banda da imagem,
procurando o DN mais baixo que indique a resposta espetral do objeto e so excludos, por
exemplo, fatores externos como condies atmosfricas e visibilidade horizontal, considerando
desta forma, somente a disperso atmosfrica na imagem.
Portanto vamos proceder realizao da correo radiomtrica, sendo que esta consiste
na radincia medida por um sensor, relativa a um dado objeto, influenciada pelas condies de
iluminao da respetiva cena, pelas condies atmosfricas, pelo campo de viso e pelas
caractersticas dos instrumentos de medida. Deste modo, necessrio efetuar a calibrao da
imagem de modo a estabelecer uma relao entre o DN que o sensor registou e o fluxo energtico
que recebeu em todos os pixis da imagem, ou seja, converter o DN de cada pixel em valores
absolutos.
Logo, acedi a bandset > pre-processing > landsat, selecionei o diretrio onde se
encontram as bandas oriundas do clip e o diretrio do ficheiro .MTL, ativei Apply DOS1
atmospheric correction, a opo Create Virtual Raster e em Create Band set e por fim,
Perform conversion para fazer a converso das bandas.
No final do processo as bandas convertidas foram adicionadas no QGIS e um raster
(landsat.vrt) criado com a refletncia. Selecionei o mesmo, acedi s propriedades e em Style
selecionei a banda 4 (Near-Infrared) para a banda red, banda 3 (Red) para a banda green, and
band 2 (Green) para a banda blue, em que o resultado obtido teve a composio representada na
figura 1.
Para a definio dos inputs da classificao foi necessrio definir as bandas, neste caso
da banda 1 4, portanto removemos as restantes banda do projeto. Em bandset > select all >
add rasters to set, depois de ordenar as bandas de modo ascendente, em quick wavelenght
settings selecionei Landsast 4-5 TM de modo a que os centros dos comprimentos de onda de
cada banda sejam escolhidos automaticamente.

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

Figura 1: Imagem de Satlite de Viana do Castelo, no ano de 2009 (Cor Falsa, RGB 432)

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

Antes de criar a shapefile respeitante aos ROIs, definiu-se de novo a disposio das
bandas (321), figura 2, de modo a obtermos a cor verdadeira para facilitar a identificao das
classes.

Figura 2: Imagem de Satlite de Viana do Castelo, no ano de 2009 (Cor Verdadeira, RGB 321)

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

Para criar a shapefile de treino, no ROI creation cliquei no boto New shp e defini
onde quis gravar, obtendo desta forma a shapefile denominada de ROI. Em classification >
signature list file criou-se uma lista de assinaturas clicando no boto save.
nesta fase que foi determinado a escolha das ROIs, sendo que estes so polgonos
desenhados sobre reas homogeneas da imagem que representam classes de cobertura terrestre.e
podem ser tiradas manualmente ou com um processo de crescimento por regio (ou seja, a
segmentao de imagens com grupos de pixels semelhantes), devendo ter em conta a variabilidade
espectral de classes de cobertura terrestre.
O plugin calcula as assinaturas espectrais (que so usados pelos algoritmos de
classificao), considerando os valores de pixel no mbito de cada ROI e permite a definio de
um ID Macroclass (isto , MC ID) e uma identificao de classe (ou seja, C ID) para cada ROI
ou assinatura espetral, que so os cdigos de classes de cobertura terrestre de identificao.
Macroclasses permitem a classificao de materiais que tm diferentes assinaturas espetrais
(portanto, so processados individualmente), mas pertencem mesma classe de cobertura do solo
(assim o mesmo MC ID atribudo a esses pixels).
Neste caso, marcou-se apenas as mascroclasses sendo estas Territrios artificializados
MC ID = 1, reas agrcolas e agro-florestais MC ID = 2, Florestas e meios naturais e semi-naturais
MC ID = 3 e Corpos de gua MC ID = 5. Em cada ROI definida foi necessrio guardar a ROI,
portanto Save ROI to shapefile.
Se a Add sig. List est ativa ento a assinatura espetral calculada (a mdia dos valores
do pixel de ROI para todas as bandas) e adicionado tabela da lista das assinaturas. Depois na
tabela Signature list alterou-se as cores de modo a corresponder com as classes definidas,
selecionou-se todas as assinaturas e ativou-se spectral signature plot e na janela Spectral
Signature Plot, se a opo Plot est ativa representado o desvio padro das assinaturas.
No que diz respeito classificao no classification por baixo do classification preview
colocou-se Size = 500 e selecionou-se Spectral Angle Mapping algorithm em Classification
algorithm. O mtodo Spectral Angle Mapping algorithm calcula o angulo espectral entre as
assinaturas espectrais dos pixis da imagem e as assinaturas espectrais das reas de treino. Em
classification preview, clicou-se no boto +, depois na imagem e aps alguns segundos a
classificao apareceu, ativando a opo Macroclass ID a classificao aparece com as cores
definidas anteriormente. De modo a efetuar a classificao final, clicou-se no boto Perform
classification e selecionou-se o ficheiro de sada.
Para avaliar a exatido da classificao, em band set > selecione Post processing >
Accuracy, selecionou-se o resultado da classificao (class_final.tif), ao lado de Select the

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

classification to assess (ao clicar em Refresh list aparecer a lista dos raster) e selecionou-se a
shapefile da ROI ao lado de Select the reference shapefile.
Para obter a matriz de erro clicou-se no boto Calculate error matrix e selecionou-se a
diretoria onde a matriz de erro (ficheiro.csv) e o raster de erro foram guardados; a matriz de erro
ser mostrada, e o raster de erro ser mostrado no QGIS, mostrando os erros no mapa sendo que
cada valor deste raster representa uma classe de comparao entre classificao e shapefile de
referncia).

Resultados
A partir do Mapa da Uso do Solo (figura 4), posso concluir que tendo em conta as
macroclasses definidas, Viana do Castelo constituda maioritariamente por reas florestais e
agrcolas e uma percentagem mais pequena pertence ao tecido urbano.
Relativamente matriz de erro podemos ver que se obteve uma matriz de 99% preciso
global.

Figura 3: Matriz de Erro

Referncia
classificao
1
2
3
5
Total

1
43
6
0
0
49

2
1
66
0
0
67

3
0
0
381
0
381

5 Total
0
44
0
72
0
381
9783
9783
9783
10280

Tabela 1: Matriz de Erro, exatido do utilizador e do produtor

10

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

Figura 4: Mapa do Uso do Solo de Viana do Castelo, em 2009

11

Mestrado em Sistemas de Informao Geogrfica e Ordenamento do Territrio

Ano Letivo 2015/2016

Discusso dos Resultados

No que diz respeito classificao, apenas decidi definir macroclasses porque quando
tentava introduzir uma macroclasse com classes o resultado da preciso global da matriz de erro
era muito mais reduzida e na classificao final no diferenciava a classes, uma vez que a
assinatura espetral era muito idntica, como o caso do oceano e do rio, em que havia casos que
apenas mostrava que todos os cursos de gua eram rio ou que faziam parte do oceano.
Portanto, foi desta forma que preferi ficar com uma matriz de erro com uma preciso
global de 99% (figura 3) e uma classificao final (figura 4) bem definida.
Relativamente exatido global, a partir da tabela 1, os elementos da diagonal
correspondem a classes corretamente classificadas. Os elementos fora da diagonal correspondem
a classes classificadas erradamente.
=

Elementos da Diagonal

10273
10280

= 0,99

Concluso
A realizao deste trabalho foi um desafio pois foi a primeira fez que fiz um trabalho
completo com o software Quantum GIS, analisar imagens de satlite assim como, fazer uma
interpretao do uso do solo.
Portanto, este trabalho deveras importante e necessrio compreender vrias noes de
Deteo remota, processamento digital da imagem, como se aplica as correes radiomtricas e
atmosfricas, a importncia das mesmas para obter uma imagem de satlite de boa qualidade.
Em suma, para obter a classificao final do uso do solo com boa qualidade necessrio
ter extrema ateno aos resultados da matriz de erro.

12