Analise de dados digitais multiespectrais de alta resolução obtidos pelo sensor.

Abstract

Resumo: O presente estudo, com dados de alta resolução espacial e espectral do sensor canadense "Compact Airborne Spectrographic lmager" (CASI), forneceu uma análise dos dados multicanais específicos de uma configuração já testada com bons resultados no Canadá, banda 1 (455,0 481,4 fim), banda 2 (548,4 -555,5 fim), banda 3 (678,4 -682,0 fim), banda 4 (710,7 -714,3 nm), banda 5 (736,0 -739,6 fim), banda 6 (746,9 -750,5 fim) e banda 7 (785,0 -788,6 fim), utilizando recursos de processamento de imagens digitais e análises visuais. Desta forma, o objetivo principal desta pesquisa, foi a obtenção de informações importantes para o mapeamento de áreas de uso diversificado do solo em área rural do município de Pinhais, Paraná, utilizando técnicas de processamento de imagens aos dados digitais de alta resolução do sensor CASI. O local selecionado para a pesquisa é parte da área da Fazenda Experimental do Canguiri da Universidade Federal do Paraná. Como verdade terrestre, foram utilizadas fotografias aéreas convencionais 1 : 8.000 P&B e de pequeno formato coloridas (35 mm) de escala aproximada de 1 : 2.500, as quais, com trabalho de campo permitiram a produção de um mapa temático usado como referência. A metodologia utilizada compreendeu: determinação e análise da estatística dos dados digitais do sensor; aplicação de aumento de contraste; interpretação visual das bandas de imagem contrastadas; definição e elaboração das melhores composições coloridas; comparação das bandas individuais e composições coloridas; classificação supervisionada através da aplicação de dois algorítimos de classificação (do Paralelepípedo e da Distância Mínima) em dois níveis de categorização; purificação das assinaturas espectrais; avaliação das classificações antes e após a purificação espectral nos dois níveis de categorização. Pode-se verificar pela análise visual, que as melhores bandas foram a 4 e a 5; as melhores composições coloridas foram 3, 6 e 7 e 7, 3 e 1, respectivamente relacionadas aos canais R,G e B, que demonstraram ser bastante representativas dos sete canais; dos dois algorítimos de classificação utilizados, o do Paralelepípedo apresentou os melhores resultados; a classificação a um nível mais específico resultou em uma precisão total de 57% de classificação correta com 7 classes de informação (Pinus elliottii, Pinus taeda, Pinus caribaea, Euealyptus sp, Floresta Nativa, Araucaria angustifolia e Agricultura); o processo de purificação das assinaturas espectrais dos gêneros Pinus e Araucaria resultou em um aumento da precisão total em 8%; a redefinição da categorização para um nível mais geral (Floresta Nativa, Coníferas e Agricultura), proporcionou a precisão total de 99,83%.

Abstract: The purpose of this study is to analyse, by digital and visual ways, the 7 bands multispectral data acquired with the canadian sensor "Compact Airborne Spectrographic Imager". The configuration used in the sensor was from one tested in Canada and the spectral ranges of each of the bands were the following: band 1 (455.0 -481.4 om), band 2 (448.4 -555.5 om), band 3 (678.4 -682.0 om), band 4 (710.7 -714.3 om), band 5 (736.0 -739.6 om), band 6 (746.9 -750.5 om), band 7 (785.0 -788.6 om). The area of study is located in the Experimental Research Farm from the Federal University of Parana, located in Pinhais county. As a ground truth it was used aerial photographs 1 : 8.000 B&W in 23 x 23 cm and 1 : 2.500 color 35 mm formats, from which it was produced a thematic map of the area. The methodology of the research had the follow aspects: determination and an analysis of the digital values of each band; enhancement techniques; visual interpretation of the individual enhanced bands; defining the possible colour compositions using the seven bands and selecting the best color composites; visual comparisons between individual bands and the two best color composites; defining the 7 information classes for the supervised classification using the Parallelepiped and Minimum Distance classifier in two levels of different land-use categories; improve purification of the spectral signatures; acquisition of the confusion matrix of the classes before and after the purification of the spectral signatures using two levels of different land-use categories. It was concluded that the bands 4 and 5 provided the best results; the two best color composite (RGB) were resulted from the bands 3, 6, 7 and 7,3,1. The parallelepiped algorithm provided better results and the overall accuracy was 57% with seven spectral classes (Pinus elliottii, Pinus taeda, Pinus caribaea, Eucalyptus sp, Native forest, Araucaria angustifolia and Agriculture). The purification of the signatures improved for the spectral classes of Pinus and Araucaria with an increase of 8% of the accuracy in the classification. Grouping all classes in only three (Native forest, Conifer and agriculture) resulted in an overall classification accuracy of 99,83%.