Desenvolvimento de aplicação para análise geográfica de imagens, baseada em objeto, com a finalidade de identificar automaticamente focos erosivos lineares

Abstract

O solo tem papel fundamental para diversas atividades do homem, representando a base da produção na agricultura e é um dos principais atores para a produção de alimentos, por isso a importância de sua conservação. Um dos principais impactos ambientais responsáveis pela degradação dos solos é a erosão, acelerados pela ação antrópica. Estudos em torno dos focos erosivos vêm sendo desenvolvidos há muitos anos por diversos pesquisadores, normalmente, baseados em equações empíricas aplicadas a estudos de perda laminar, entretanto, existe uma grande lacuna nos estudos referentes à localização e ao mapeamento automático dos Focos Erosivos Lineares (FELs). O controle e monitoramento desses focos requerem medidas efetuadas in situ, causando, inevitavelmente, grande movimentação de pessoas e equipamentos nas bordas e interior dos mesmos, agravando-os ainda mais, além do risco para os executores destas atividades. Uma alternativa para localização e monitoramento de FELs é a utilização do sensoriamento remoto, baseada na classificação automática de imagens de alta resolução espacial com análise geográfica de imagens baseada em objeto (GEOBIA). Esta abordagem possibilita a modelagem do conhecimento humano referente às características específicas dos alvos, como brilho, textura, formato, contexto, tamanho, relações de vizinhança, entre outros, além da possibilidade de integração com algoritmos de mineração de dados, contribuindo com uma ferramenta para auxiliar as análises anteriores às atividades de campo. O presente trabalho teve como objetivo principal desenvolver ErObject - aplicativo para análise geográfica de imagens baseada em objeto, visando identificar e delimitar de forma automática, áreas susceptíveis ao desenvolvimento de focos erosivos lineares, a partir da classificação de imagens de satélite óticas e Modelos Digitais de Elevação (MDE). Para isto, foram desenvolvidas duas rotinas: a) árvores de decisão, com o uso de mineração de dados para localização indireta, por meio de modelagem matemática de áreas com susceptibilidade a ocorrências FELs; e b) árvores de decisão para delimitação automática de FEL, dentro das áreas susceptíveis, resultado da rotina “a”. Com as árvores construídas, o passo seguinte foi implementar, em MATLAB®, ErObject, que executa as árvores construídas, localizando FELs, em qualquer imagem de entrada. Testes para checar a eficiência de ErObject demonstraram boa correlação com mapeamentos de áreas susceptíveis a FELs realizados em áreas-teste com o software InterIMAGE, ferramenta de classificação baseada em objeto, open source. Para avaliação dos mapeamentos, foi realizada uma verificação da exatidão genérica (non-site specific accuracy), que efetua a comparação entre a área da classificação dos mapas gerados e os dados de referência (dados de campo). A exatidão também foi verificada por meio de coeficientes de concordância extraídos da matriz de confusão. Os dois métodos de avaliação alcançaram altos valores de assertividade da classificação. ErObject também se mostrou eficiente para construção independente de árvores de decisão para avaliação de outras áreas. O programa encontra-se disponível no endereço github.com/geodenilson/ERObject e pode ser modificado ou utilizado para outras aplicações e análises.