ANÁLISE MULTI-TEMPORAL DE CENAS DO SATÉLITE QUICKBIRD USANDO UM NOVO PARADIGMA PARA A CLASSIFICAÇÃO DE IMAGENS E INFERÊNCIAS ESPACIAIS Estudo de caso:

ANÁLISE MULTI-TEMPORAL DE CENAS DO SATÉLITE QUICKBIRD USANDO UM NOVO PARADIGMA PARA A CLASSIFICAÇÃO DE IMAGENS E INFERÊNCIAS ESPACIAIS Estudo de caso: Bairros Belvedere e Buritis, Belo Horizonte, MG Dr. Hermann Johann Heinrich Kux Eduardo Henrique Geraldi Araujo, MSc. Divisão de Sensoriamento Remoto, INPE São José dos Campos, Junho 2007

Motivação A constatação de mau uso das áreas urbanas:
Desenvolvime nto inadequado em áreas com grande potencial urbano; Imposição de um modelo econômico e especulativo.

Introdução Sensoriamento Remoto
Administrar ambientes urbanos envolve procedimentos de monitoramento e modelagem que requerem uma base de informações confiáveis; O uso das técnicas de sensoriamento remoto auxilia na obtenção de informações sobre o uso do solo e na elaboração de um diagnóstico que subsidia o planejamento e a solução de problemas; Disponibilidade de sensores com alta resolução espacial; Métodos de classificação usando um novo paradigma: orientado a objetos; Inferências espaciais com a interação de dados de diversas origens e formatos, usando SIG.

Introdução Detalhamento dos objetos

Objetivo Avaliar o uso de técnicas de processamento digital de imagens de alta resolução espacial e de métodos de inferência espacial de áreas urbanas, destacando suas características, especificidades e limitações, de modo a auxiliar no diagnóstico e na produção de informações sobre a cidade, contribuindo para o planejamento urbano.

Objetivos específicos
Em duas áreas-testes, bairros Belvedere e Buritis,: Testou-se a eficiência de métodos de correção geométrica de imagens do satélite Quickbird; Avaliou-se a precisão dos resultados da ortorretificação de imagens Quickbird tipo ORStandard aplicando o modelo rigoroso com o uso de pontos de controle terrestres adquiridos por GPS (Global Positioning System) em modo diferencial; Avaliou-se o desempenho da classificação orientada à objetos no mapeamento da cobertura do solo urbano; Avaliou-se a integração de informações extraídas de imagens Quickbird e de outras fontes em um SIG na geração de novas informações que subsidiem o planejamento urbano .

Área de estudo - Belvedere

Área de estudo - Buritis

Área de estudo - Geologia
Plano de xistosidade das camadas coincidentes com a inclinação da encosta

Área de estudo - Geologia
Corte NW-SE Corte com risco ao Deslizamento Corte sem risco Mergulho das camadas 45o Risco à escavação

Procedimentos metodológicos
Definição da área de estudo Definição da área de estudo Imagem 2004 Belvedere Buritis Aquisição das imagens Quickbird Exigências; Relevância; Pertinência. Imagem 2002

Especificações do satélite Quickbird
Lançamento: Vida útil: > 5 anos Órbita: 97,2º sol-síncrona Duração da órbita: 93,5 minutos Largura da faixa imageada: 16,5 Km (nadir), 20,8 Km (off-nadir) Tempo de revisita: 1 – 3,5 dias conforme a latitude Resolução espacial: Pancromático – 61 cm nadir, 72 cm a 25º Multiespectral - 2,44 m nadir, 2,88 m a 25º Resolução radiométrica: bits, níveis de cinza Bandas: Pancromática: 0,45 – 0,90 µm Azul: , ,52 µm Verde: , ,60 µm Vermelho: , ,69 µm IV próximo: , ,90 µm

Definição da área de estudo
Procedimentos metodológicos Correção geométrica Definição da área de estudo Correção geométrica Curvas de nível Ortoimagens MDE Avaliação da precisão Trabalho de campo Pontos D-GPS Informações adquiridas Informações geradas

Correção geométrica - MDE

Correção geométrica – pontos D-GPS (campo) Feições em ambas imagens Coleta de coordenadas por GPS em modo Diferencial

Classificação Definição da área de estudo Correção geométrica Classificação orientada a objetos Ortoimagens editadas Imagens classificadas Cadastro editado Definição das classes; Segmentação multi-resolução; Rede hierárquica; Regras de pertinência; Avaliação Avaliação: Kappa; Estabilidade. Informações geradas

Classificação – Definição das classes

Classificação – Definição das classes Classes Composição 3,2,1 - RGB Composição 4,3,2 - RGB Características de interesse Asfalto Auxílio do cadastro. Brancos Alto valor de brilho. Não discernimento dos materiais constituintes. Coberturas Cinzas Impermeáveis. Coberturas de grandes edifícios. Muitas variações.

Classificação – Definição das classes Flare Nível de quantização próximo a 2048. Piscina Alta resposta no azul. Em alguns casos, no verde. Solo Exposto Terreno modificado (terraplanagem). Sem presença de vegetação. Resposta no vermelho. Sombra Baixo brilho. Proximidade de altos edifícios e vegetação arbórea.

Classificação – Definição das classes Telha cerâmica Bordas lineares. Padronizado conforme legislação. Geometria variável. Resposta no vermelho. Vegetação Arbórea Alta resposta no infravermelho próximo. Textura provocada pelas diferentes alturas das árvores (sombra). Vegetação Rasteira Alta resposta no infravermelho próximo. Uniforme. Presença de resposta do vermelho (solo).

Classificação – Segmentação multi-resolução Interesse em objetos relativos à quadras e ruas; Baseada na forma do cadastro utilizado; Auxilia na hierarquia e regras de pertinência; Geração de super-objetos. Nível 3 Nível de interesse para a classificação; Alvos priorizados = edificações; Nível intermediário; Interfere nas demais segmentações; É influenciada pelo layer temático Nível 2 Geração de objetos menores que os de interesse; Propicia a utilização de outras regras: textura; Auxilia na hierarquia. Nível 1

Classificação – Regras de pertinência Índice Kappa; Erro do produtor e usuário; Índices de Hellden e Short (otimista e pessimista); Exatidão global Matriz de confusão Um objeto pertence a mais de uma classe com maior ou menor grau(lógica Fuzzy); Neste caso, é importante avaliar a estabilidade de uma classe observando os diferentes graus de pertinência dos objetos classificados; Estabilidade

Inferências espaciais Informações adquiridas Definição da área de estudo Informações geradas Correção geométrica Correção geométrica Classificação orientada a objetos Inferências espaciais Preparação dos dados Expansão urbana Imagens classificadas Deslizamento de encostas Edificações irregulares Geologia Geotecnia Áreas críticas Prejuízos à população Risco Geológico Legislação

Inferências espaciais – Preparação dos dados Adaptado e do mapa geológico de Belo Horizonte; Simplificado; Visita em campo. Mapa geológico Mapa de risco geológico Editado a partir do original em formato digital; Mapa da legislação Adaptado a partir dos mapas da LEIPUOS; Gerado a partir do MDE; Interesse nos intervalos limitados por lei. Mapa de declividade Gerado a partir do MDE; Interesse nas vertentes com orientações para SE Mapa de orientação de vertentes

Aumento de impermeabilização
Procedimentos metodológicos Inferências espaciais – Expansão urbana Imagem classificada 2002 Imagem classificada 2004 Matemática de bandas Aumento de impermeabilização Informações geradas

Deslizamento de encostas
Procedimentos metodológicos Inferências espaciais – Deslizamento de encostas Geologia Declividade Vertentes Inferência Espacial Deslizamento de encostas Informações adquiridas Informações geradas

Inferências espaciais – Deslizamento de encostas Classificações Declividade Legislação Inferência Espacial Booleana Deslizamento de encostas Informações geradas

Inferência Espacial Booleana
Procedimentos metodológicos Inferências espaciais – Áreas Críticas Escavação Escorregamento Erosão Inferência Espacial Booleana Áreas Críticas Informações adquiridas Informações geradas

Inferências espaciais – Prejuízos à população Riscos geológicos associados Áreas disponíveis para edificação Áreas Críticas Classificações LEIPUOS Zoneamento permissivo Declividade Agravamento do risco geológico e legislação Inferência Espacial - AHP Prejuízos à população Informações adquiridas Informações geradas

+ + + Resultados e Discussão Correção Geométrica - Testes
Imagem original: Sem correção Imagem corrigida: RPC + DEM curvas Imagem corrigida: RPC + DEM curvas + GCP + + + Deslocamento = 27,72m Deslocamento = 2,79m Deslocamento = 1,22m

Resultados e Discussão
Correção Geométrica – Ortorretificação (rigoroso) Imagem sem correção Imagem corrigida RMS = 21,87m RMS = 1,05m

Correção Geométrica – Ortorretificação (rigoroso) Imagem sem correção Imagem corrigida RMS = 14,48m RMS = 0,86m

Classificação – Rede hierárquica NÍVEL 2 Vegetação Não vegetação Rasteira Arbórea Sombra Não sombra Asfalto Alto brilho Não alto brilho Brancos Flare Vermelhos Não vermelhos Solo exposto Telha cerâmica Azuis Coberturas (cinza) Piscina

Classificação – Rede hierárquica NÍVEL 3 Quadras Ruas Fora da área NÍVEL 2 NÍVEL 1 Azul (n1) Não azul (n1) Telha de barro

Classificação – Imagem do bairro Belvedere (2004)

Classificação – Imagem do bairro Buritis (2004) Vermelho

Classificação – Análise de estabilidade

Classificação – Imagem do bairro Buritis (2002)

Classificação – Análise de estabilidade

Áreas das classes de cobertura do solo – m2
Resultados e Discussão Inferências – Expansão urbana ( ) Áreas das classes de cobertura do solo – m2 Classes Buritis 2002 Buritis 2004 Belvedere 2002 Belvedere 2004 Asfalto 122242,68 134768,53 169990,93 166739,05 Brancos 45323,28 52157,16 52663,32 30020,40 Coberturas (cinza) 412826,79 444673,83 203189,77 274347,02 Flare 2331,36 631,80 93,60 611.64 Piscina 471,60 626,76 2994,12 4590,00 Sombra 58006,08 92256,48 42384,60 52450,56 Solo exposto 125866,09 88027,56 242991,73 182394,73 Telha barro 9463,32 4576,32 87817,32 99083,88 Vegetação Arbórea 430268,43 501247,48 199428,85 179812,81 Vegetação Rasteira 551191,36 437422,71 165793,33 181056,25 Total classificados ,99 ,63 ,70 ,57 1602,36 -3147,13 Total impermeável 589856,07 636175,84 513661,34 570190,35 46319,77 56529,01 Total vegetação 981459,79 938670,19 365222,18 360869,06 -42789,60 -4353,12

Inferências – Expansão urbana ( )

Inferências – Risco ao deslizamento de encostas Buritis Belvedere Alto Médio Baixo Nulo

Inferências – Ocupação irregular

Inferências – Áreas críticas Legenda: Área Crítica 1 Área Crítica 2 Área Crítica 3

Inferências – Áreas críticas Buritis Belvedere Vulnerabilidade Baixa Alta

Conclusões Correções geométricas
Um MDT com boa qualidade é essencial para a análise multi-temporal em imagens de alta resolução; O D-GPS forneceu coordenadas com precisão adequada aos objetivos do trabalho e auxiliaram nos bons resultados; Análises multi-temporais requerem cuidado na escolha das feições dos pontos de controle e teste; Imagens com elevados ângulos de visada lateral e/ou de regiões com grande variação e amplitude altimétrica devem ser corrigidas por modelos rigorosos; Embora menos preciso, o modelo racional polinomial (RPC) se mostrou eficiente se usado com GPS e um MDT adequado; Os resultados da correção pelo modelo rigoroso confirmam aqueles encontrados em outros estudos; A correção geométrica foi essencial para a realização do trabalho.

Conclusões Classificação orientada a objetos
O Layer temático do cadastro foi bastante útil na segmentação e essencial na definição da classe “Asfalto”; A segmentação multi-resolução foi fundamental para a elaboração da rede hierárquica e das regras de pertinência; • A hierarquia estabelecida pôde ser usada nas quatro classificações; As regras devem ser editadas ou alteradas para cada imagem; A opção em favorecer hierarquicamente as classes com maior facilidade de mapeamento permitiu boa avaliação geral das classificações; Elevados ângulos de visada lateral prejudicam a classificação;

Conclusões Inferências espaciais
A análise de expansão urbana permitiu comprovar o crescimento dos 2 bairros estudados entre 2002 e 2004; A classe “Sombra” é importante nas análises de expansão urbana; Classes com maior confusão precisaram ser generalizadas para se realizar as análises multi-temporais; A análise numérica permitiu maior precisão mas deve-se considerar os erros de cada processo ; Os procedimentos de inferência espacial demonstraram a eficácia de se reunir dados de diferentes fontes em um ambiente único; Os resultados indicaram a necessidade de se manter uma boa base de dados, atualizada e confiável; Neste estudo, foi possível mapear áreas com tendências de crescimento e risco geológico além de auxiliar na regulamentação urbana;

Obrigado pela sua atenção !

ANÁLISE MULTI-TEMPORAL DE CENAS DO SATÉLITE QUICKBIRD USANDO UM NOVO PARADIGMA PARA A CLASSIFICAÇÃO DE IMAGENS E INFERÊNCIAS ESPACIAIS Estudo de caso:

Apresentações semelhantes

Apresentação em tema: "ANÁLISE MULTI-TEMPORAL DE CENAS DO SATÉLITE QUICKBIRD USANDO UM NOVO PARADIGMA PARA A CLASSIFICAÇÃO DE IMAGENS E INFERÊNCIAS ESPACIAIS Estudo de caso:"— Transcrição da apresentação:

Apresentações semelhantes

Sobre projeto

Feedback

Login

Autorizar-se através da rede social:

ANÁLISE MULTI-TEMPORAL DE CENAS DO SATÉLITE QUICKBIRD USANDO UM NOVO PARADIGMA PARA A CLASSIFICAÇÃO DE IMAGENS E INFERÊNCIAS ESPACIAIS Estudo de caso:

Apresentações semelhantes

Apresentação em tema: "ANÁLISE MULTI-TEMPORAL DE CENAS DO SATÉLITE QUICKBIRD USANDO UM NOVO PARADIGMA PARA A CLASSIFICAÇÃO DE IMAGENS E INFERÊNCIAS ESPACIAIS Estudo de caso:"— Transcrição da apresentação:

Apresentações semelhantes

Sobre projeto

Feedback