Le dispositif scientifique et technique : instrumentation, technologies, et

Em Sensoriamento Remoto, a classificação automática de imagens digitais pode ser entendida como uma regra de decisão, onde agrupamentos de pixels são definidos pela variação dos níveis de cinza contidos em cada célula da imagem (pixels), nas diferentes bandas espectrais, com o intuito de atribuí-los a uma determinada classe. Normalmente, estes procedimentos envolvem o uso de dados contidos em imagens multiespectrais e a aplicação de regras de decisões baseadas em análises estatísticas para a determinação das classes de cobertura da terra, transformando essa tarefa em um processo mais objetivo.

Quando essas regras de decisões estão baseadas apenas na resposta espectral registrada na cena, refere-se a processos de classificação definidos como dentro do domínio espectral. Entretanto, quando são utilizadas regras de decisões baseadas em formas geométricas como tamanho, forma e padrão, esse procedimentos estão inseridos nos processos de classificação definidos como dentro do domínio espacial.

As técnicas de classificação multiespectrais podem ser separadas em três grupos distintos: técnicas de classificação supervisionadas, técnicas de classificação não

supervisionadas e técnicas de classificação híbridas. Nesses casos, o processo de classificação visa categorizar todos os pixels da imagem dentro de uma das várias classes de objetos dispostos na superfície da terra. Estes dados, depois de serem classificados podem ser utilizados de várias formas: como mapas temáticos, tabelas ou dados de entradas, a serem inseridos em Sistemas de Informações Geográficas.

No processo de classificação supervisionada o analista identifica áreas de interesse ou “amostras de treinamento”, que possam representar o comportamento médio das classes de objetos que deverão ser mapeadas e estabelece uma descrição numérica dos atributos espectrais representada por cada classe de cobertura da terra. Estas “amostras de treinamento” devem ser escolhidas, baseadas no conhecimento prévio que o analista tenha sobre a área de estudo, seja de forma indireta, através da literatura, ou de forma direta, pela coleta de informação em campo.

Um dos principais problemas enfrentados pelas técnicas de classificação supervisionadas é o fato de que as amostras de treinamento devem ser homogêneas, e o comportamento espectral dos alvos não é naturalmente homogêneo em toda sua extensão espacial (NOVO, 1992). Dependendo da natureza do objeto, a variação interna entre as classes pode ser muito grande, como por exemplo, nas áreas urbanas, onde a constituição dos materiais é bastante diferente, atribuindo a essas áreas respostas espectrais diferentes.

Somado a este fato, objetos distintos podem ter resposta espectral semelhante, e/ou o mesmo objeto como, por exemplo, corpos d’água ou vegetação podem ser encontrados em diferentes classes. Esta é apenas uma das muitas dificuldades enfrentadas nos processos de seleção das amostras de treinamento. Talvez uma alternativa a esse problema, seja escolher as amostras por tipo de materiais e avaliar a homogeneidade destas regiões de interesse por meio da análise do histograma. Nos processos de classificação não supervisionada, a principal diferença é que o analista não necessita preocupar-se com a homogeneidade das amostras, pois ele não escolhe as “amostras de treinamento”, estas são agrupadas automaticamente por meio de algoritmos que garantem a sua homogeneidade.

Esta determinação é feita de várias formas, dependendo do algoritmo selecionado para o processo. Um dos mais utilizados é o método K-Means, onde as regras de decisões são definidas pela distância euclidiana entre as células da imagem (pixels), nas bandas espectrais selecionadas. A classificação hibrida é aquela em que o analista utiliza uma classificação não supervisionada como base para a seleção das “amostras de treinamento” para em seguida ser realizada a classificação supervisionada (NOVO, 1992).

3 SISTEMAS DE INFORMAÇÃO GEOGRÁFICA (SIG) E MODELAGEM DE SISTEMAS AMBIENTAIS

As tarefas de gerenciamento dos recursos naturais tem mudado a ênfase dos projetos, do simples inventário exploratório e estático, para abordagens mais integradas que buscam o equilíbrio entre a manutenção da diversidade biológica e a exploração dos recursos naturais em longo prazo. Para alcançar esses objetivos é necessária a compreensão dos processos ecológicos nas dimensões espacial e temporal em um nível detalhado.

Os produtos de sensores remotos aplicados ao monitoramento dos recursos terrestres tem possibilitado os estudos dos sistemas ambientais e uma melhor compreensão dos processos espaço temporais. A necessidade de assimilar essas informações tão valiosas para o gerenciamento dos recursos naturais faz com que haja uma crescente demanda por tecnologias computacionais que funcionem como ferramentas de integração na análise dos dados ambientais.

O aumento da população mundial e consequentemente o aumento da demanda por recursos naturais, forçaram a demanda por dados cartográficos e temas específicos relacionados à superfície terrestre. Na atual fronteira da evolução tecnológica, possivelmente, o conjunto de ferramentas mais versáteis para lidar com os problemas da crescente demanda por dados e análises espaciais seja representado pelos Sistemas de Informação Geográfica (SIGs), que foram desenhados especificamente para trabalhar com o uso e a manipulação de dados espaciais.

A informação espacial é aquela que está referenciada a um sistema de coordenas terrestre e sua localização é um importante atributo na sua compreensão. Entre algumas das definições mais conhecidas de SIG estão:

• “Um conjunto poderoso de ferramentas para coleta, armazenamento, resgate, manipulação e visualização de dados espaciais do mundo real” (BURROUGH; McDONNELL, 1998, p. 11);

• “Uma tecnologia de informação que armazena, analisa ambos dados espaciais e não espaciais” (PARKER, 1988, p. 11);

• “Qualquer conjunto de procedimentos manual ou computacional baseado no uso, armazenamento e manipulação de dados geograficamente referenciados” (ARONOFF, 1989, p. 11).

Os SIGs realizam uma quantidade variada de tarefas extremamente complexas, efetuadas pelos diferentes componentes do sistema. Estes elementos estão organizados de acordo com as suas funções e estão inter-relacionados por meio de sua base conceitual. Os principais componentes dos Sistemas de Informação Geográfica são: pessoas, hardwares, softwares, base de dados e procedimentos.

As pessoas são os componentes mais importantes, pois é para os usuários que os SIGs são construídos e estes estão integrados aos SIGs por meio de uma interface gráfica através dos procedimentos que permitem inserir, resgatar, analisar, manipular e imprimir a informação contida na base de dados.

Os hardwares são os componentes físicos gerais do sistema, definidos pela unidade central de processamento, monitores, teclados, drives de CD ROM, impressora, plotter, scanner, mouse, etc.

Os softwares são programas de computadores e a base lógica dos SIGs, que executam funções baseadas em cinco grupos: entrada e verificação dos dados; memória e gerenciamento da base de dados; saída e apresentação dos dados; manipulação dos dados; interface com o usuário. A entrada de dados está relacionada com todos os aspectos de captura de dados espaciais (imagens de satélite, fotografias aéreas, mapas pré-existentes, dados de campo etc.). O armazenamento e gerenciamento da base de dados referem-se ao modo com que os dados estão estruturados e organizados; os dados não espaciais (topologia) estão armazenados em um banco de dados relacional padrão, como SQL Server ou Oracle, enquanto os dados espaciais ou geográficos (pontos, linhas e polígonos), estão armazenados em um sistema gerenciador de banco de dados chamado de database management systems (DBMS). A integração entre essas duas bases de dados se dá por meio desse sistema gerenciador de banco de dados, cuja interface mais conhecida é o ARC/INFO.

Os dados de saída e apresentação estão relacionados com a maneira na qual os dados são visualizados e apresentados depois de sua idealização, e como os resultados são analisados e registrados pelos usuários. Estes podem ser apresentados por uma variedade de formas tais como mapas, gráficos e tabelas.

A transformação e/ou manipulação dos dados constituem-se em duas classes de operações. As transformações são operações necessárias para corrigir erros nos dados como a correção geométrica ou radiométrica, por exemplo, e esta tarefa envolve uma grade variedade de operações que vão depender da qualidade do dado original e pode ser realizada tanto nos dados espaciais quanto não espaciais. As tarefas de manipulação são aplicações específicas

que estão relacionadas com a maneira na qual os usuários interagem com o programa por meio de sua interface gráfica e são definidas de acordo com os objetivos do projeto.