Para este estudo foi adquirido material digital do mosaico de imagens GeoCover Sirgas 2000, fornecido pelo National Aeronautics and Space Administration (NASA, 2013), o qual foi utilizado como base de referência para o registro da imagem Landsat-5. A imagem Landsat Thematic Mapper (TM), Landsat-5, submetida ao processamento digital foi a cena 220_080, de 28 de Agosto de 2009 (ver Figura 5), obtida no Instituto Nacional de Pesquisas Espaciais (INPE, 2013).
Figura 5 - Recorte da imagem Landsat-5 (cena 220_080, de 28 de Agosto de 2009), referente à área 1.
Fonte: adaptado de INPE.
Ortoimagens geradas a partir de fotografias aéreas digitais com resolução geométrica de 0,40 m, que recobrem as áreas de estudo, serviram de referência na validação da metodologia de classificação testada no estudo. Foram utilizadas três ortoimagens digitais, área 1: sh- 22-x-a-iii-4-so-b (ver Figura 6); área 2: sh-22-x-a-iii-4-se-c e área 3: sh- 22-x-a-iii-4-se-e, com as seguintes características: altitude de voo 4000 m, câmara não métrica, marca Hasselblad, modelo H3D-50, distância focal de 50,213 mm e escala média de 1/60.000, GSD 0,40 m.
Figura 6 - Recorte da ortoimagem digital (sh-22-x-a-iii-4-so-b/2010), referente à área 1.
Fonte: adaptado do Recobrimento Aéreo Fotogramétrico do - SDS do Estado de Santa Catarina/2010.
O pré-processamento das imagens digitais consistiu em etapas de registro, correção radiométrica, correção atmosférica e transformação de dados, aplicadas na imagem Landsat-5. Para o registro da imagem foram utilizados 20 pontos de controle bem distribuídos na imagem, que tiveram como base de referência o mosaico de imagens Geocover Sirgas 2000. O método de correção atmosférica aplicada à imagem Landsat-5 foi o método FLAASH (Research System Inc., 2009), submetido preliminarmente a uma correção radiométrica da imagem. Para o processamento foram utilizadas as banda 3 (região do visível: 0,63 - 0,69 µm), 4 (infravermelho próximo: 0,76 - 0,90 µm) e 5 (infravermelho médio: 1,55 - 1,75 µm) da imagem Landsat-5, pois a combinação destas bandas permite uma boa discriminação de áreas úmidas. A análise da imagem da banda 4 indica boa separabilidade dos corpos d'água e das áreas úmidas (FLORENZANO, 1998).
Após o registro e as correções radiométricas e atmosféricas, aplicados na imagem Landsat, foi aplicada a técnica de transformação de dados, a Fração do Ruído Mínimo (Minimum Noise Fraction, MNF)
(Research System Inc., 2009). Essa técnica tem como objetivo retirar o ruído da imagem e, de acordo com Frohn et al. (2009), essa técnica permite melhor visibilidade das áreas úmidas. A técnica MNF foi aplicada em duas etapas sequenciais. Na primeira etapa dados estatísticos de ruído foram gerados para cada uma das bandas, o que permite determinar a sobreposição entre classes de feições (que podem ser floresta, campo seco, banhado, área urbana, solo exposto, entre outras feições registradas na paisagem). Na segunda etapa foram utilizados os dados estatísticos de ruído gerados na primeira etapa, para rotacionar os valores de nível de cinza registrados nos pixels da imagem e gerar um novo conjunto de valores.
O pré-processamento de imagens foi realizado no programa ENVI 4.7. O sistema de referência empregado foi o Geocêntrico para as Américas (SIRGAS 2000), no sistema de projeção cartográfica Universal Transverse Mercator (UTM), com meridiano central 51°W. 3.2.3 Classificação digital
Anteriormente ao processo de classificação, procedeu-se um teste preliminar para a escolha do método de classificação digital, onde foram testados os métodos de classificação supervisionada e não- supervisionada disponíveis no programa ENVI EX (ITT Excelis, 2012). A partir desse teste foi escolhida a Máxima Verossimilhança (Maximum Likelihood), ou Maxver.
Foram estabelecidas duas classes, pela metodologia adaptada de Baker et al. (2006): 1. Classe banhado, onde foram obtidas amostras de áreas úmidas; 2. Classe não-banhado, que engloba todas as outras unidades da paisagem encontradas na imagem. Nesta classe, foram amostradas feições como área urbana, campos, fragmentos florestais, solo exposto, área destinada à agricultura, entre outras (excetuando-se as áreas úmidas).
O tamanho da amostra de referência para a classificação foi calculado pelo método de Meyer (1983), com erro de amostragem (E) = 0,10 e exatidão global (P) = 0,90, obtendo-se o valor de 35 amostras, para cada uma das classes. As amostras foram obtidas na imagem Landsat-5 e a classificação foi aplicada em cada uma das três áreas teste, separadamente.
Para a validação do resultado da classificação digital das três áreas teste, foi realizada a vetorização manual dos banhados por meio de interpretação visual das ortoimagens. Os banhados foram vetorizados por um único fotointerprete, sendo conferidos por um segundo
fotointerprete. Essa metodologia foi adotada devido à ausência de um banco de dados cartográfico, atual ou histórico.
O shape dos banhados elaborado a partir das ortoimagens digitais foi sobreposto ao shape dos banhados proveniente da classificação digital semiautomatizada. A área de intersecção entre os shapes da classificação digital e os da interpretação visual foi mensurada, assim como a área não interseccionada da classificação digital (área de comissão) e a de referência (área de omissão), o que permitiu a construção de uma matriz de confusão ou tabela de contigência (CENTENO, 2003). A partir da matriz de confusão foram computados os percentuais de sobreposição, de omissão e de comissão de área. A acurácia da classificação digital da imagem Landsat-5 foi medida pela qualidade da classificação, ou acurácia total (HELLDEN; STERN, 1980) e pelo cálculo do índice Kappa (COHEN, 1960), que é um coeficiente de concordância que considera todos os elementos da matriz de erros ao invés de apenas aqueles que se situam na diagonal principal da mesma, ou seja, estima a soma da coluna e das linhas marginais.
A acurária da Classe 1 „Banhado‟, foi medida pelos erros de omissão e comissão, índice de acurácia média, acurácia do produtor e acurácia do usuário (ver Tabela 1). Os erros de comissão são relativos à atribuição de uma classe em outra e os de omissão vice-versa. O índice de acurácia média apresenta a concordância entre a classificação e a base de referência, trata-se de um índice lógico e não é desenvolvido em bases probabilísticas.
Tabela 1 – Índices de acurácia. Índices Fórmulas Acurácia total 𝑃𝑜 = 𝑋𝑖𝑖𝑁 Kappa 𝐾𝑖= 𝑁𝑋𝑖𝑖− 𝑋𝑖+𝑋 +𝑖 𝑁𝑋𝑖+− 𝑋𝑖+𝑋+𝑖 Erro de omissão 𝐸𝑜𝑚 =𝑋 +𝑖− 𝑋𝑖𝑖 𝑋+𝑖 Erro de comissão 𝐸𝑐𝑜𝑚 =𝑋𝑖+𝑋− 𝑋𝑖𝑖 𝑖+ Índice de acurácia média
𝜇𝑎𝑖 = 2𝑋𝑖𝑖 𝑋𝑖++𝑋+𝑖 Acurácia do produtor 𝐴𝑝𝑖 = 𝑋𝑋𝑖𝑖 𝑖+ Acurácia do usuário 𝐴𝑢𝑖=𝑋𝑋𝑖𝑖 +𝑖
Fonte: adaptado de Hellden; Stern, 1980; Centeno, 2003; Cohen, 1960.
Uma tabela de referência, proposta por Centeno (2003) é utilizada para avaliar a qualidade do índice Kappa (ver Tabela 2). Tabela 2 – Tabela de referência para a qualidade do índice Kappa.
Valor Qualidade k < 0 Péssimo 0 < k ≤ 0,2 Ruim 0,2 < k ≤ 0,4 Razoável 0,4 < k ≤ 0,6 Bom 0,6 < k ≤ 0,8 Muito Bom 0,8 < k ≤ 1,0 Excelente