Curso Arcgis - Aula 4

Prévia do material em texto

Aula 4 
Georreferenciamento e 
classificação de imagem 
Aula 4 
Exercício 4: Geogerreferenciamento de imagem 
do Google Earth 
•O que veremos? 
 
 
Importação de imagem 
Ferramentas de georreferenciamento 
 
 
 
 
Abra o Google Earth e vá até Bled, Eslovénia. 
Salve a imagem na melhor qualidade 
O Google Earth usa o datum WGS1984, usaremos o mesmo no arcmap. Iremos utilizar 
o sistema de coordenadas UTM. Para descobrir a zona da área que você está 
trabalhando, passe o mouse sobre a imagem no Google Earth e ela aparecerá na parte 
debaixo. 
Definir o sistema de coordenadas e datum no ArcMap 
Abra a imagem no ArcMap 
Marcar 3 pontos no no mapa 
Volte para o Arcmap e ative “Georreferencing” 
Abra a tabela :View Link Table. Clique duas vezes sobre a imagem no ponto conhecido. 
Na linha que surgir na tabela, copie a Latitude(N) do ponto em Map Y, e a longitude (E) 
em Map X 
Para salvar, ative as novas coordenadas (caixinhas selecionáveis na tabela), vá até 
“Rectify”. Em “Output location” selecione a pasta onde você quer salvar. Em “Name”, 
escolha o nome para sua imagem. Em “Format”, escolha o formato. Sugiro escolher 
tiff. E clique em OK. 
 
Aula 4 
•O que é sensoriamento remoto? 
 
“Sensoriamento Remoto é a ciência e a arte de obter 
informação acerca de um objeto, área ou fenômeno, através da 
análise de dados adquiridos por um dispositivo que não está em 
contato com o objeto, área ou fenômeno sob investigação” 
 
Os dados coletados remotamente podem ser de diversas 
formas: 
-variação na distribuição de forças; 
- variação na distribuição de ondas mecânicas; 
- variação na distribuição de ondas eletromagnéticas 
Aula 4 
*refletância: relação entre a energia eletromagnética que é 
absorvida e a que é refletida por um objeto 
Aula 4 
Aula 4 
*refletância: relação entre a energia eletromagnética que é 
absorvida e a que é refletida por um objeto 
Aula 4 
•Cada alvo tem um nível de refletância em cada comprimento 
de onda. 
•A energia refletida pelos alvos podem ser representadas por 
curvas, denominadas curva espectral do objeto 
•Cada objeto tem uma assinatura , uma curva espectral 
 
Aula 4 
•A refletância de cada faixa espectral é medida isoladamente. 
•Estas faixas são chamadas de bandas (“faixa de comprimento 
de onda que representa uma cor”). 
Aula 4 
•Colorindo uma imagem: A composição mais comum é RGB: 
red, green, blue. 
Aula 4 
 
 
•Porém, o comportamento espectral dos alvos é alterado por 
fatores externos, como: 
 
–Localização do alvo em relação ao sensor; 
–Declividade do terreno; 
–Iluminação; 
–Atmosfera: aerossóis, umidade, nuvens. 
 
Aula 4 
Classificação de imagem 
 
 
 
O processo de classificação de imagem 
envolve a conversão de imagens raster 
multi-banda em um raster de banda única 
com várias classes categóricas que se 
relacionam com diferentes atributos. 
Aula 4 
 
 
 
Mas para que serve 
isso?? 
•Utilidade: 
criar mapas temáticos 
analisar uso e ocupação do solo 
analisar relações espaciais 
Aula 4 
Classificação de imagem 
 
 
 Mas serve só para fazer 
mapas o ArcGis??? 
Aula 4 
Classificação de imagem 
 
 
 
A criatividade é 
o limite! 
Dois métodos: 
•Classificação supervisionada: uma imagem é classificada usando 
assinaturas espectrais (isto é, valores de reflectância) obtidos a partir de 
amostras de treinamento (polígonos que representam áreas de amostra 
distintas dos diferentes tipos de cobertura de terra a serem classificadas). 
Essas amostras são coletadas por você, o analista da imagem, para classificar 
de acordo com suas necessidades. 
 
 
•Classificação não supervisionado: o software encontra as classes 
espectrais (ou clusters) na imagem multibanda sem a intervenção do analista, 
sendo assim sem supervisão. Ou seja, escolhe as bandas de forma automática, 
você só define quantas categorias são necessárias. Uma vez que os clusters 
são encontrados, você precisa identificar o que o cluster representa (por 
exemplo, água, terra nua, solo seco, etc …). 
Exercício 5: Classificação de imagem 
A partir da nossa imagem referenciada, vamos delimitar 
floresta, área rural, área urbana e lagoa, atribuindo um 
intervalo de valores de pixel para cada um destes tipos de 
cobertura do solo, classificar a imagem aérea, e criar um 
mapa de uso e cobertura do solo. 
Classificação não supervisionada 
Ative a caixa de ferramentas para classificação de imagens: “Image Classification” 
Classificação não supervisionada 
Escolha o número de categorias 
Classificação supervisionada por bandas 
 
• Para o método que vamos usar na classificação, a Máxima-Verossimilhança, a 
seleção das áreas de treinamento devem conter as seguintes características: 
 
a) Cada classe deve ter algumas centenas de pixels amostrados; 
b) Cada classe deve ter mais de uma amostra; 
d) Os plots das classes não devem se sobrepor; 
d) As regiões amostradas devem ser homogêneas e representativas da classe. 
Classificação supervisionada por bandas 
Escolha a 
forma de 
seleção 
Ative a tabela 
Uma de nossas categoria será “floresta”, então selecione amostras da “cor 
floresta”. Quanto mais amostras melhor. Selecione todas as linhas da tabela 
e aperte “Merge”. Irá agrupar as amostras em uma categoria. Renomeie a 
categoria. Repita para as demais categorias de interesse. 
Classificação supervisionada por bandas 
Verificar a relação entre as áreas de treinamento com scatterplot. Na janela 
Training Sample Manager, selecione as classes que deseja avaliar (ex. todas as 
classes de vegetação e de solo) e clique em Show scatterplots 
Classificação supervisionada por bandas 
Crie uma “signature” de cores 
Classificação supervisionada por bandas 
Volte ao menu “Classification”. 
Insira a “Signature” de cores criada 
Classificação supervisionada por bandas 
Analisando a imagem reclassificada 
Analisando a imagem reclassificada 
Entre na tabela de atributos. Crie uma nove coluna no formato “text”, 
chamada “tipo”. Selecione a coluna “tipo” e clique no botão direito do mouse. 
Clique em field calculate. Use a função lógica abaixo para criar um atributo 
em função de outra coluna. 
Dim tipo 
If [GRIDCODE] = 1 Then 
tipo = "floresta" 
 
elseif [GRIDCODE] = 17 Then 
tipo = “lagoa" 
 
elseif [GRIDCODE] = 27 Then 
tipo = "urbano" 
 
else 
tipo = "rural" 
end if 
Analisando a imagem reclassificada 
Agrupe o polígono da imagem em 4 linhas por agrupamento de “tipo” a 
traves da ferramenta “Merge”, da aba do EDITOR. Na tabela de atributos 
seleciones todas as linhas do tipo “floresta” com o “ Select by atribute”. Ative 
o editor. Clique em “merge”. Selecione o atributo que irá formar o novo 
polígono. Repita para as outras categorias de “tipo”. 
Antes do merge Depois do merge 
Analisando a imagem reclassificada 
Separe o poligono “imagem” em 4 novos polígonos de acordo com o atributo 
“tipo” com a ferramenta “Split”. Após finalizar deve-se inserir os novos 
polígonos