Professional Documents
Culture Documents
al Servicio de la Sociedad
Memorias
Sociedad Latinoamericana en
Percepcin Remota y Sistemas
de Informacin Espacial
Captulo Colombia
Medelln, Colombia
29 de Septiembre al 3 de Octubre de 2014
1. Introduo
As aes de produo urbana esto atingindo preocupantes limiares nas maiores cidades
brasileiras. Estes limiares evidenciam riscos para o prprio funcionamento das cidades. Como
num efeito cascata, o excessivo adensamento de reas intraurbanas induz, muitas vezes, a
disperso perifrica. A expanso da ocupao humana sobre os limites das cidades acarreta o
esgotamento da infraestrutura, impacta na sua dinmica, impe dificuldades de mobilidade,
aumentando o grau de dependncia de transporte. Este tipo de ocupao do territrio resulta,
muitas vezes, em padres de urbanizao que prejudicam a eqidade, eficincia e
continuidade da cidade como suporte vida social.
Com uma populao de quase 20,8 milhes de habitantes (IBGE, 2013), a Regio
Metropolitana de So Paulo (RMSP) enfrenta muitos desafios. Cerca de 15% dos domiclios
urbanos so classificados como inadequados, apresentando condies de precariedade; o
dficit habitacional urbano soma mais de 800 mil domiclios; quase 600 mil esto em
aglomerados
subnormais
(IBGE,
2011).
Tais
nmeros
refletem
discrepncia
para classificao de imagens baseada em objetos (Pinho et al., 2008, Carvalho et al., 2012;
Bastos et al., 2013, Ribeiro & Fonseca, 2013, Meneghetti & Kux, 2014).
O objetivo deste trabalho apresentar o mapeamento do uso e da cobertura do solo de uma
rea urbana utilizando minerao de dados. O foco demonstrar a aplicabilidade desta
metodologia no mapeamento de diferentes reas urbanas, como bairros oficiais e ocupaes
irregulares (i.e., favelas). O experimento foi desenvolvido no InterIMAGE, um software em
desenvolvimento pela PUC-RJ (Pontifcia Universidade Catlica - Rio de Janeiro) e INPE
(Instituto Nacional de Pesquisas Espaciais), que brevemente descrito a seguir.
1.1 InterIMAGE
O InterIMAGE um software livre para interpretao de imagens, que possui cdigo aberto,
capacidade de customizao e ferramentas de extenso (PUC-RJ & INPE, 2012). um
aplicativo multiplataforma implementado para os sistemas operacionais Linux e Windows. O
sistema foi desenvolvido em C++, usa o framework QT4 para a construo da interface com
o usurio, a biblioteca de classes VTK Visualization Toolkit e a biblioteca TerraLib para as
operaes geogrficas e de processamento de imagens. O InterIMAGE fornece suporte para a
integrao de operadores de processamento de imagens, que so programas externos ao seu
mecanismo de controle; eles podem ser codificados em qualquer linguagem de programao,
podendo tambm ser programas proprietrios (Costa et al., 2007, 2010).
O processo de interpretao do InterIMAGE orientado por um modelo de conhecimento,
que incorpora e representa explicitamente conhecimento prvio sobre uma determinada
regio geogrfica e sobre os objetos que se espera encontrar nela. O modelo de conhecimento
pode corresponder a um conhecimento prvio do especialista ou ao conhecimento adquirido
por meio da anlise dos dados de entrada (imagens de sensoriamento remoto ou camadas
2. Meetodologia
Os paassos metoddolgicos reaalizados esto resumidoos no diagram
ma de blocoos da Figura
rea de Esttudo
2.1.
Embuu das Artes um municcpio da Reggio Metropoolitana de So Paulo (R
RMSP), locallizado a
oeste da capital paulista,
p
quee possui 70,449 km de rrea, dos quaais 59% inseerem-se em rea
de
Proteeo aos Mannanciais (Fiigura 2).
Atualmente, Embu possui uma populao estimada de 256.247 habitantes (IBGE, 2013),
resultado de um intenso crescimento ocorrido nas dcadas de 1970 e 1980, decorrente tanto
do aumento da populao residente, como, principalmente, do processo de crescimento da
RMSP, que expandiu sua rea urbana para dentro do municpio de Embu. Nos primeiros anos
da dcada de 1970, o municpio possua pouco mais de 18 mil habitantes e no ano de 1991, j
contava mais de 150 mil. Entre 2000 e 2010, este cenrio de crescimento passou a apresentar
uma tendncia de estabilizao, com taxas de crescimento de 1,46% ao ano.
Este histrico de crescimento populacional no reflete, contudo, a conformao demogrfica
de Embu, pois a densidade demogrfica mdia, de 34 hab/ha, no uniforme ao longo do
territrio: a densidade especialmente alta na poro leste do municpio, devido ao tipo de
urbanizao (pequenos lotes, favelas, ruas estreitas, ausncia de caladas e praas) e
composio socioeconmica desta populao (baixa escolaridade, pouca especializao
profissional, baixos rendimentos). A proximidade com a capital paulista, bem como a
presena das barreiras naturais e artificiais (rodovia BR 116, dcada de 1960, e Rodoanel
Mrio Covas (SP-21), a partir de 2007), propiciaram o surgimento de bairros que
desempenham maior interao com a cidade de So Paulo do que com a regio central de
Embu. Nos anos 1970, a especulao imobiliria estimulou a ocupao na sua poro leste,
que oferecia lotes com baixo custo, tornando Embu em um municpio-dormitrio.
Escolheu-se uma rea-teste com grande diversidade de alvos urbanos, como vegetao
rasteira e arbrea, diferentes tipos de telhados (materiais), edifcios com gabaritos de altura
diversos, galpes industriais, etc. Frequentemente, os objetos urbanos esto dispostos
espacialmente de forma densa e complexa e podem ser encontrado em diferentes estados de
conservao. Alm disso, embora paream ter coloraes semelhantes, estes objetos possuem
diferentes composies qumicas e propriedades fsicas.
2.2 Pr-processamento
Os processamentos e anlises foram realizados utilizando uma imagem pancromtica e uma
multiespectral (com 8 bandas) do sensor WorldView-2, com resoluo espacial de 0,50m e
2,00m, respectivamente. A imagem do tipo ORStandard2A, obtida em 19/04/2010, com
ngulo off-nadir 5,9 e resoluo radiomtrica de 11 bits.
Com o objetivo de aumentar a resoluo espacial das bandas multiespectrais, inserindo a
informao espacial mais detalhada da banda pancromtica, foi realizada a fuso das imagens
das bandas pancromtica e multiespectral pelo mtodo de fuso por Principais Componentes,
que tem apresentado os melhores resultados para fuso de bandas de sensores de alta
resoluo espacial (Pinho et al., 2005, Padwick et al., 2010), pois no tem limitao do
nmero de bandas a serem fusionadas, possui boa capacidade de transferncia de detalhes da
imagem pancromtica para a imagem sinttica e preserva a informao espectral da imagem
multiespectral original (Zhang, 2004). O resultado do processo de fuso um produto hbrido
com 8 bandas espectrais e resoluo espacial igual a 0,50 m.
A ortorretificao das imagens WorldView-2 foi realizada aplicando-se o mtodo polinomial
racional 3D (PCI Geomatics, 2010). Para a ortorretificao, foram utilizados 65 GCPs
(Ground Control Points) para toda a cena. Para a validao das orto-imagens, foram
utilizados 63 pontos independentes de verificao. Os GCPs utilizados na ortorretificao das
imagens foram obtidos a partir de levantamento de campo realizado em Janeiro de 2011. O
Modelo Digital de Elevao (MDE) utilizado na ortorretificao das imagens foi gerado a
partir de dados altimtricos, com interpolao por convoluo cbica, resultando em um
produto com espaamento de pixel de 1 metro. Os valores de erro mdio quadrtico obtidos
foram 1,05 m e 1,00 m, para as componentes planimtricas Leste e Norte, respectivamente.
3. Resultados e Discusso
O mapa temtico da cobertura do solo apresentado na Figura 3. A classificao da
cobertura do solo apresenta boas avaliaes estatsticas, possuindo altos valores de exatido
global (0,9094) e ndice Kappa (0,8898). A Tabela 1 apresenta a matriz de confuso. A
separabilidade entre as classes foi avaliada por meio do ndice Kappa-condicional (Tabela
2), e pela exatido do usurio e do produtor (Tabela 1). Estes resultados evidenciam um
alto nvel de discriminao entre as classes de cobertura do solo.
Figura 3 M
Mapa temticco resultante da classificaao da coberrtura do soloo da rea-testee.
Tabella 1 Matriz de confusoo da classificaao da cobertura do soloo e medidas dde acurcia por
classee: exatido doo usurio e ddo produtor.
VR
R
19
5
1
0
0
0
0
1
0
26
CLASSIFICAO
VR
VA
SE
CTC
CM
CCC
CCE
AS
SO
Total
Exatiido do
0,7331
Proodutor
VA
4
50
0
0
0
0
2
0
2
58
SE
2
0
22
1
0
0
1
0
0
26
0,862
00,846
VER
RDADE (REFER
RNCIA)
CTC CM CC
CC CCE
0
0
0
0
0
0
0
0
2
0
0
0
24
0
0
0
0
28
2
0
0
2
600
5
1
0
1
177
0
0
0
3
0
0
0
2
27
30
633
187
0,889
0,933
0,9552
0,947
AS
0
1
0
0
1
0
5
64
4
75
SO
0
4
0
0
1
0
1
4
138
148
00,853
0,932
Total
25
60
25
25
32
67
188
72
146
640
Exaatido do
U
Usurio
0,760
0,833
0,880
0,960
0,875
0,896
0,941
0,889
0,945
* VR - Vegetao Raasteira, VA - V
Vegetao Arbrrea, SE - Solo Exposto, CTC - Cobertura em
m Telha Cermiica, CM CC - Cobertura em Cimento Cllaro, CCE - Cobertura em Cimento Escuro, AS - Asfalto e SO - Sombra.
Cobertuura Metlica, CC
Tabella 2 ndice Kappa-conddicional e varrincia do nddice para cadda classe de ccobertura do solo.
s
Classees
VR
VA
SE
CTC
CM
CCC
CCE
AS
SO
nd
dice Kappa
Coondicional
0,7498
0,8167
0,8749
0,9582
0,8688
0,8841
0,9173
0,8741
0,9287
Varincia ndice
Kappa C
Condicional
0,000777
0,000270
0,000454
0,000166
0,000371
0,000167
0,000056
0,000171
0,000058
* VR - Vegetao Raasteira, VA - V
Vegetao Arbrrea, SE - Solo Exposto, CTC - Cobertura em
m Telha Cermiica, CM Cobertuura Metlica, CC
CC - Cobertura em Cimento Cllaro, CCE - Cobertura em Cimento Escuro, AS - Asfalto e SO - Sombra.
O maapa temticoo do uso do solo apreesentado na Figura 4. Por meio da construo manual
do m
modelo de coonhecimentoo at se obtter o resultaado esperadoo, foi possvvel obter 1000% de
exatiddo na classsificao do uso do solo consideranddo-se a escaala das quadrras.
4. Concluses
Usando duas tecnologias novas e ainda pouco exploradas em estudos urbanos, este trabalho
teve como objetivo explorar as imagens do sensor WorldView-2 e do software de livre
InterIMAGE para mapeamento de ocupaes irregulares no contexto urbano. Para
otimizao do processo de classificao da cobertura do solo, foi utilizado o algoritmo de
rvore de deciso C4.5 para minerao dos dados, o que resultou em economia do tempo
gasto em construo de rede semntica e na seleo de atributos.
Ao utilizar a abordagem baseada em objetos, embora a construo manual do modelo de
classificao seja adequada, pois permite realizar tantas adaptaes quanto forem necessrias
para se obter uma classificao satisfatria, tambm possvel atingir bons resultados por
meio da aplicao de tcnicas de minerao de dados. A utilizao do algoritmo C4.5 no
processo de classificao aprimorou o processo, demonstrando bom desempenho na
classificao da cobertura do solo e economizando de tempo. O algoritmo C4.5, integrado
com outras ferramentas de anlise de imagem, apresenta grande potencial na anlise de
imagens de alta resoluo para aplicaes urbanas. Finalmente, este trabalho enfatiza o ganho
em tempo e desempenho proporcionado pelo uso de algoritmos de aprendizado de mquina e
tcnicas de minerao de dados no processo de classificao, o que aumentou a velocidade e
tambm reduziu a natureza emprica da seleo de atributos e construo da rede.
Por fim, o mapeamento do uso do solo utilizou os resultados obtidos na classificao da
cobertura do solo e produziu resultados plenamente satisfatrios, entretanto, com maior gasto
de tempo na execuo do modelo de classificao. A metodologia mostrou-se eficaz para a
identificao de reas de ocupao irregular, confirmando sua potencial para estudos urbanos.
Referncias Bibliogrficas
Baatz, M., & Schape, A. (2000). Multiresolution segmentation: an optimization approach for high
quality multi-scale image segmentation. In: Proceedings of the 12th Angewandte Geographische
Informationsverarbeitung, Agit Symposium, Salzburg, Austria, July 5-7, 2000 (12-23). Karlsruhe,
Germany: Herbert Wichmann Verlag.
Bastos, V. S. B., Fonseca, L. M. G., Korting, T. S., Pinho, C. M. D., & Santos, R. D. C. (2013).
Intraurban land cover classification using IKONOS II images and data mining techniques: a comparative
analysis. In: Proceedings of the Joint Urban Remote Sensing Symposium - JURSE 2013, So Paulo,
Brazil, April 21-23, 2013 (214-217). Piscataway: IEEE Computer Society.
Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry
& Remote Sensing, 65, 2-16. DOI:10.1016/j.isprsjprs.2009.06.004.
Carvalho, M., Kux, H. J. H., & Florenzano, T. G. (2012). Urban land cover classification with
Worldview-2 images using Data mining and Object-based image analysis. In: Proceedings of the 4th
Conference on Geographic Object-Based Image Analysis GEOBIA, Rio de Janeiro, Brasil, May 7-9,
2012 (431-436). So Jos dos Campos, Brasil: INPE.
Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological
Measurement, 20, 37-46.
Congalton, R. G., & Green, K. (1999). Assessing the Accuracy of Remotely Sensed Data: Principles and
Practices. Boca Raton, USA: CRC/Lewis Press.
Conzen, M. R. G. (1960). Alnwick, Northumberland: a study in town-plan analysis. Institute of British
Geographers. Publication 27. London, England: George Philip.
Costa, G. A. O. P., Feitosa, R., Fonseca, L. M. G., Oliveira, D., Ferreira, R., & Castejon, E. F. (2010).
Knowledge-based interpretation of remote sensing data with the InterIMAGE system: major
characteristics and recent developments. In: Proceedings of the 3rd GEOgraphic Object-Based Image
Analysis GEOBIA, Ghent, Belgium, June 29 - July 2, 2010. Ghent: Ghent Univ.
Costa, G. A. O. P., Pinho, C. M. D., Feitosa, R. Q., Almeida, C. M., Kux, H. J. H., Fonseca, L. M. G., &
Oliveira, D. (2007). InterIMAGE: An Open Source Platform for Automatic Image Interpretation. In:
Anais do Simpsio Brasileiro de Geomtica, Presidente Prudente, Brasil, 24-27 Julho, 2007 (735-739).
Presidente Prudente, Brasil: UNESP, 2007.
Costa, G. A. O. P., Pinho, C. M. D., Feitosa, R., Almeida, C., Kux, H., Fonseca, L. M. G., & Oliveira, D.
(2008). InterIMAGE: Uma Plataforma Cognitiva Open Source para a Interpretao Automtica de
Imagens Digitais. Revista Brasileira de Cartografia, 60(4), 331-337.
Foody, G. (2002). Status of land cover classification accuracy assessment. Remote Sensing of
Environment, 80(1), 185-201.
Hall, H., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). The WEKA Data
Mining Software: An Update. SIGKDD Explorations, 1(11), 10-18.
Hillier, B., & Hanson, J. (1984). The Social logic of space. Cambridge: Cambridge Univ. Press.
IBGE Instituto Brasileiro de Geografia e Estatstica (2011). Censo Demogrfico 2010. Rio de Janeiro,
Brasil: IBGE. Disponvel em: http://www.censo2010.ibge.gov.br/.
IBGE. (2013). Estimativas da Populao Residente nos Municpios Brasileiros com Data de Referncia
em 1 de Julho de 2013. Rio de Janeiro, Brasil: IBGE.
Korting, T. S., Fonseca, L. M. G., Escada, M. I. S., Silva, F. C., & Silva, M. P. S.. GeoDMA - a novel
system for spatial Data mining. In: IEEE International Conference Data Mining Workshops ICDMW
2008, Pisa, Italy, December 15-18, 2008 (975-978). Los Alamitos: IEEE.
Lei Complementar n 186, de 20 de Abril de 2012. Consolida as disposies do plano diretor do
municpio. Embu, Brasil, 2012.
Mandelbrot, B. B. (1967). How long is the coast of Britain? Statistical self-similarity and fractional
dimension. Science, (156), 636-638.
Meneghetti, G. T., & Kux, H. J. H. (2014). Mapeamento da cobertura da terra do municpio de Raposa
(MA) utilizando imagens WorldView-2, o aplicativo InterIMAGE e minerao de dados. Revista
Brasileira de Cartografia, 66(2), 365-377.
Moreira, R. C., & Galvo, L. S. (2010). Variation in spectral shape of urban materials. Remote Sensing
Letters, 1(3), 149-158.
Padwick, C., Deskevich, M., Pacifici, F., & Smallwood, S. (2010). WorldView-2 Pan-Sharpening.
ASPRS 2010 Annual Conference, San Diego, California, USA.
PETE Prefeitura da Estncia Turstica de Embu das Artes. Cartilha do Plano Diretor de Embu das
Artes - SP. Volume 2. Embu, Brasil: PETE, 2011.
Pinho, C. M. D., Silva, F. C., Fonseca, L. M. G., & Monteiro, A.M.V.. Intra-Urban Land Cover
Classification from High-Resolution Images Using the C4.5 Algorithm. In: Proceedings of the XXI
Congress of the Int. Society for Photogrammetry and Remote Sensing ISPRS, Beijing, China, July 3-11,
2008 (695-700). Beijing: National Geomatics Center of China (NGCC).
PUC-RJ & INPE. (2012). InterIMAGE - Interpreting Images Freely, v.1.41. [Software de
processamento digital de imagens de satlites]. Rio de Janeiro, Brasil: PUC-RJ e INPE. Disponvel em:
http://www.lvc.ele.puc-rio.br/projects/interimage/.
Ribeiro, B. M. G., & Fonseca, L. M. G. (2012). Evaluation of WorldView-2 Imagery for Urban Land
Cover Mapping Using the InterIMAGE System. In: Proceedings of the 4th Conference on Geographic
Object-Based Image Analysis GEOBIA, Rio de Janeiro, Brasil, May 7-9, 2012 (206-210). So Jos dos
Campos, Brasil: INPE.
Ribeiro, B. M. G., & Fonseca, L. M. G. (2013). Urban Land Cover Classification using WorldView-2
Images and C4.5 Algorithm. In: Proceedings of the Joint Urban Remote Sensing Symposium - JURSE
2013, So Paulo, Brazil, April 21-23, 2013 (250-253). Piscataway: IEEE.
Ribeiro, B. M. G., Fonseca, L. M. G., & Kux, H. J. H. (2011). Mapeamento da cobertura do solo urbano
utilizando imagens WorldView-II e o sistema InterIMAGE. Revista Brasileira de Cartografia,
63(Edio Especial), 51-63.
Rosenfield, G. H., & Fitzpatrick-Lins, K. (1986). A Coefficient of Agreement as a Measure of Thematic
Classification Accuracy. Photogrammetric Eng. & Remote Sensing, 52(2), 223-227.
Silva, M. P. S., Cmara, G., Escada M. I. S., Souza, R. C. M. (2008). Remote sensing image mining:
detecting agents of land use change in tropical forest areas. International Journal of Remote Sensing,
29(16), 4803-4822.
Story, M., & Congalton, R. G. (1986). Accuracy assessment: A user's perspective. Photogrammetric
Engineering & Remote Sensing, 52(3), 397-399.
Witten, I. H., Frank, H. (1999). Data mining: practical machine learning tools and techniques with java
implementations. San Francisco, EUA: Morgan Kaufman.
Zhang, Y. (2004). Understanding image fusion. Photogrammetric Engineering & Remote Sensing,
70(6), 657-661.