GERAÇÃO DE MAPA DE USO E COBERTURA DE SOLO UTILIZANDO IMAGENS DE SATÉLITE LANDSAT 8 PARA O SUPORTE AO PLANEJAMENTO MUNICIPAL DO MUNICÍPIO DE NITERÓI

Prévia do material em texto

GERAÇÃO DE MAPA DE USO E COBERTURA DE SOLO UTILIZANDO 
IMAGENS DE SATÉLITE LANDSAT 8 PARA O SUPORTE AO 
PLANEJAMENTO MUNICIPAL DO MUNICÍPIO DE NITERÓI – RJ. 
Costa, B.L.1; Faria, R.A.M²; Marins, L.S.³ 
 
1Universidade do Estado do Rio de Janeiro / Faculdade Formação de Professores –
 brunolopescosta@gmail.com 
 ²Universidade do Estado do Rio de Janeiro / Faculdade de Formação de Professores -
 rfariageo@hotmail.com 
 ³Universidade do Estado do Rio de Janeiro / Faculdade de Formação de Professores -
 lleann_13@hotmail.com 
 
1 - INTRODUÇÃO 
O avanço nas tecnologias da informática permite que um administrador público 
municipal saiba com precisão onde e de que maneira deve intervir nos problemas 
municipais identificados. No passado, essa identificação era feita através de análise do 
histórico municipal, relatórios, gráficos e banco de dados precários gerados por gestões 
anteriores. 
Atualmente, com o auxílio de dados específicos de caracterização municipal, tais 
como informações relativas a setores censitários, imagens de satélite, fotos aéreas e base 
de dados geográficos previamente produzidos por empresas especializadas, podem-se 
identificar praticamente os problemas mais graves que um município apresenta, como 
falta de infraestrutura básica, crescimento urbano desordenado, zonas de risco para 
construção de edificações, entre outros. 
Para tentar resolver, ou pelo menos minimizar esses problemas municipais, o 
governo federal promulgou, em de julho de 2001, a lei número 10257, que determina os 
critérios de exigência para que um município possua um Plano Diretor para organizar o 
crescimento e o funcionamento de seu território. 
 
 
O Plano Diretor é obrigatório para as cidades com mais de 20 mil habitantes e 
para municípios integrantes de regiões metropolitanas. É também obrigatório nas 
aglomerações urbanas onde o Poder Público municipal pretende utilizar os instrumentos 
previstos no § 4º do art. 182 da Constituição Federal (integrantes de áreas de especial 
interesse turístico, inseridas na área de influência de empreendimentos ou atividades 
com significativo impacto ambiental de âmbito regional ou nacional). 
A primeira etapa de um Plano Diretor Municipal é caracterização da realidade do 
município, através de seus recursos e fatores de limitação. Esta etapa, denominada 
diagnóstico, pode ser realizada com relativa facilidade, utilizando ferramentas 
computacionais adequadas e dados geograficamente referenciados. 
O Município de Niterói, localizado na região metropolitana do Estado do Rio de 
Janeiro, apelidado popularmente como a “capital estadual da qualidade de vida” vem 
sofrendo nos últimos anos com a ocupação urbana feita de forma desordenada e 
irregular. 
É registrado na Defesa Civil Municipal um grande número de ocorrências 
relatando deslizamentos, que estão disponíveis em arquivos para consultas. Em 
decorrência desses eventos e da preocupação com a ocupação urbana desordenada e 
irregular a prefeitura do município de Niterói teve que buscar formas alternativas para 
monitoramento e mapeamento da região. Isso, visto que as políticas tradicionais não 
estavam conseguindo prevenir as ocupações nas áreas consideradas de alto risco a 
deslizamentos. Uma solução foi à criação de uma carta de risco, elaborada pela Defesa 
Civil. Que viabilizou a localização dos pontos de risco a movimento gravitacional de 
massa, proporcionando informações para se “desenvolver” um planejamento urbano e 
auxiliando nos projetos de prevenção a desastres. 
A localização da área de estudo é o município de Niterói possui 52 bairros, subdivididos 
em 907 setores censitários. Estas unidades territoriais delimitam uma área de 133,916 
km², tendo como limites a Baía de Guanabara e os municípios de Maricá e São Gonçalo. 
O território do município de Niterói ainda se caracteriza pela presença das lagoas de 
Piratininga e Itaipu. 
 
 
 
 
Figura 1: Representa o mapa de localização do município de Niterói, gerado com a 
imagem do Sensor OLI do Satélite Landsat 8. 
 
2 - OBJETIVO 
Com o objetivo de ampliação de estudos sobre o município de Niterói, é 
proposto nesta pesquisa uma metodologia de monitoramento da ocupação do solo 
através do processamento de imagens digitais do satélite Landsat 8 e a classificação, por 
máxima verossimilhança por Regiões proposta por Bhattacharya, dessas imagens. Esse 
monitoramento é feito com mais rapidez e precisão porque ao utilizarmos o programa 
Spring conseguimos classificar os diferentes usos do solo através de diferentes cores 
(composição de bandas) que os sensores do satélite Landsat 8 dispõem. 
 3 - MEDODOLOGIA 
 
 
Usando o método Bhattacharya baseado no índice de probabilidade das classes 
desejadas. Sempre trabalhando com um par de classes de cada vez, o método depende 
diretamente do treinamento supervisionado para organizar os segmentos de acordo com 
a menor distância de Bhattacharya encontrada com determinada classe, associando-o à 
mesma. 
3.1 Segmentação 
Processo de separação automatizada da imagem em áreas que englobem “pixels” 
semelhantes nas direções X e Y do plano cartesiano. Essa etapa é essencial para a 
realização de uma classificação por região. Normalmente, como no presente estudo, é 
utilizado o método de crescimento por regiões. 
 
 
 
 
 
 
 
 
Figura 2: Imagem do Sensor OLI do Satélite Landsat 8 segmentada pelo 
programa SPRING. 
Uma das principais dificuldades encontradas para a realização da segmentação 
por crescimento de regiões é a falta de informações para definição dos parâmetros que 
envolvem este processo: similaridade e área. Segundo a definição do INPE (2007) 
encontrada na literatura do SPRING: 
 
 
“A medida de similaridade está baseada na distância Euclidiana entre os 
valores médios dos níveis de cinza de cada região. Assim duas regiões 
são consideradas distintas se a distância entre suas médias for superior ao 
limite de Similaridade escolhido. [Da mesma forma, as] regiões com área 
menor que o mínimo escolhido são absorvidas pelas regiões adjacentes 
mais similares a estas.” 
O funcionamento computacional da segmentação por regiões começa com a 
atribuição automática do tamanho de um pixel para cada região, em seguida, essas 
regiões iniciais “crescem” através da aglutinação das regiões adjacentes que possuam 
diferenças de tons de cinza menores que o limite definido para o parâmetro 
similaridade, essa etapa é baseada na menor distância Euclidiana entre as médias dos 
tons de cinza das regiões envolvidas no processo, após essa fragmentação inicial, as 
regiões que possuem o número de pixels menor ou igual ao valor definido para o 
parâmetro área, são agregadas às regiões adjacentes cujas características sejam mais 
próximas, independente da similaridade definida inicialmente. Fica clara, nesse 
momento, a importância que a correta definição desses parâmetros possui no quesito 
qualidade da classificação final. 
3.2 Classificação 
Processo que envolve o processamento computacional da imagem visando 
aglomerar blocos de pixels que possuam dados com informações semelhantes, sendo 
que o nível de semelhança depende da escolha do método classificador (modelo 
matemático), podendo o mesmo ser ainda matematicamente ajustado pelo usuário 
através dos parâmetros próprios de cada método, sendo neste artigo tratado somente o 
limiar de aceitação, que é um parâmetro comum à maioria dos métodos disponíveis no 
SPRING. 
O conceito do parâmetro limiar de aceitação é extremamente importante para a 
correta qualificação do resultado final do processo de classificação. É possível defini-lo 
como sendo o percentual, de uma distância ou da quantidade de pixels, que será 
utilizado para refinar a classificação através da rejeição de dados discrepantes, ou 
melhor, com baixa probabilidade de pertencer aoconjunto desejado. 
 
 
Quando o limiar de aceitação é baixo, mais itens são desconsiderados e deixam 
de ser classificados, ao contrário, um limiar de 100% não descarta nenhuma informação 
por mais duvidosa que possa ser. Normalmente o intervalo de aceitação varia de 75% a 
99.9% de uma distribuição normal de probabilidade para um segmento/pixel pertencer a 
uma determinada classe. 
3.3 Treinamento 
Para realizar um processo de classificação é preciso realizar o reconhecimento da 
assinatura espectral das classes de interesse, esse procedimento é chamado de 
treinamento, no contexto do SPRING. Pode ser supervisionado ou não-supervisionado, 
sendo o primeiro caso caracterizado quando o engenheiro responsável possui 
informações que possibilitem a identificação de uma ou mais classes de interesse 
através da definição de áreas representativas na imagem. Os desenvolvedores do 
SPRING recomendam o uso de 10 a 100 pixels representativos de cada classe para se 
obter uma classificação estatisticamente confiável. 
Também é importante salientar que a utilização da ferramenta de análise 
estatística das amostras (disponível no SPRING) é um procedimento de grande valia 
para a qualidade final do processo de classificação supervisionada, permitindo eliminar 
as amostras discrepantes. 
3.4 Métodos Classificadores 
Os métodos classificadores dividem-se em dois grandes grupos de acordo com o 
item elementar envolvido na análise, o mais simples é o classificador “pixel a pixel”, ou 
por pixel, que considera apenas as informações de nível de cinza de cada pixel para 
agrupá-los em padrões homogêneos, baseando-se em conceitos de probabilidade 
(método estatístico) ou não (método determinístico). O classificador por região define o 
outro grupo de métodos que além do nível de cinza considera também a situação 
espacial de um conjunto de pixels semelhantes (região) em relação aos pixels que 
cercam esse conjunto. 
4 - RESULTADOS PRELIMINARES 
 
 
Para demonstrar a eficácia do processo de classificação o programa SPRING 
gera algumas tabelas de resultados das amostras captadas durante o processo de 
treinamento. Com esse resultado demonstramos que a classificação teve um grau de 
porcentagem significativa para a representação da realidade. 
Os resultados demonstrados na Figura 3 e Figura 4, demonstram claramente que 
pode-se usar o mapa de uso e cobertura de solo para o planejamento urbano de Niterói 
visualizando um algo grau de crescimento no lado esquerdo próximo a Bahia de 
Guanabara. E até os usos e coberturas de cada bairro, proporcionando uma ideia de 
planejamento urbano por bairros. 
 
 
 
 
 
Tabela 1: demonstração das amostras coletadas durante o processo de Treinamento. 
 
 
 
 
Tabela 2: tabela de exatidão das amostras coletadas durante o processo de Treinamento. 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 3: Mapa de uso e cobertura de solo gerado por processos no programa Spring. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Figura 4: Mapa de uso e cobertura de solo gerado por processos no programa Spring 
com os bairros. 
Analisando a tabela dos resultados podemos inferir que não tivemos classes 
sendo confundidas umas com as outras, demonstrando a eficiência do processo. 
Segundo a analise do mapa de uso e cobertura do município de Niterói podemos 
visualizar claramente que a um avanço de área urbana em direção ao interior do 
Município partindo da Bahia de Guanabara. Localidades próximas à Bahia de 
Guanabara demonstra claramente um avanço urbano muito intenso. 
Conclui-se que o trabalho foi desenvolvido a fins de melhorar o planejamento 
urbano do município de Niterói e com demonstrar como o solo do município é usado 
atualmente, levando em conta diversos fatores de correções relacionados ao 
processamento digital de imagens de Satélite, a imagem do sensor OLI do Satélite 
Landsat 8 demonstra melhorias claras para se desenvolver uma boa resposta durante o 
processo de classificação. Com isso podemos utilizar os domínios das classes para se 
pensar numa forma de planejamento urbano / ambiental do Município de Niterói, 
deixando claro que esse trabalho precisa de complementos que viabilizariam uma 
analise espacial levando em conta a Geomorfologia do município. 
5 – BIBLIOGRAFIA 
FLORENZANO, Teresa Gallotti. Iniciação em Sensoriamento Remoto. São Paulo: 
Oficina de Textos, 2011, 3ª Ed. 
 
 
LIMA, Suely Franco Siqueira. Aplicações do Sensoriamento Remoto na Educação. São 
Paulo: DSR. INPE, 2011 
MORAES, Elisabete Caria. Apostila: Fundamentos de Sensoriamento Remoto. São 
Paulo: DSR. INPE, 2011 
SEVERINO, Joaquim Antonio. Metodologia do Trabalho Científico. São Paulo: Ed. 
Cortez, 1998 
http://www.dgi.inpe.br/CDSR/ , acesso JUN/2014. 
http://www.dpi.inpe.br/spring/portugues/sprweb/springweb.html , acesso MAI/2014 
http://earthexplorer.usgs.gov/ , acesso MAI/2014