Discente: Marina Albernaz Ferreira
Orientadora: Eliana Pantaleão
Título: Aplicação de Técnicas de Detecção de Mudanças no Mapeamento do Bioma Cerrado no Alto Paranaíba
_________________________________________________________________________
O TCC da graduada Marina Albernaz Ferreira, do curso de Engenharia Eletrônica e de Telecomunicações, pela UFU no campus Patos de Minas, propõe a detecção de mudanças a imagens adquiridas via satélite na macrorregião do Alto Paranaíba, em Minas Gerais. Para isso, foi utilizada a plataforma Google Earth Engine, que permite o processamento em nuvem. Os métodos empregados apresentaram resultados positivos e podem contribuir para o mapeamento do Cerrado.
INTRODUÇÃO
Um sistema de sensoriamento remoto é constituído por sensores, alocados em satélites, drones, aviões, que captam informações de radiação e as enviam a uma base terrestre, para que possam ser processadas e interpretadas, resultando em mapas temáticos e outros tipos de recursos informativos. Os dados fornecidos por esses sistemas permitem uma visão de área muito extensa, quando comparado ao que é possível se ter visão, estando em solo. Algumas aplicações específicas que fazem uso de tal vantagem incluem as previsões climáticas, o monitoramento das imensas queimadas florestais, o acompanhamento do crescimento das cidades e alterações de vegetação ao longo do tempo.
Tendo em vista a capacidade de obtenção de dados relevantes, este projeto visou a aplicação de técnicas de sensoriamento remoto, prioritariamente métodos de detecção de mudanças, no mapeamento da vegetação do cerrado, destacando as diferentes características do bioma, na região do Alto Paraíba, no estado de Minas Gerais, utilizando processamento digital de imagens através de ferramentas disponibilizadas online.
SENSORIAMENTO REMOTO
Para realizar uma análise, tratando de modo generalizado, é necessário que haja inicialmente a coleta dos dados. Existem formas diferentes de obtenção dos dados. Uma delas seria a coleta in situ, que demanda o deslocamento do cientista ao local de coleta, possibilitando a ele questionar o fenômeno de interesse, utilizar de alguma ferramenta para coletar a informação, dentre outros procedimentos.
Os dados coletados in situ, apesar de relevantes para pesquisas, podem ser acompanhados de erros produzidos durante o processo. Alguns deles se dão pela execução humana, ou são provenientes da calibração ou fabricação dos equipamentos. Outra forma de inserção de erros seria a intrusão do humano no ambiente de coleta. Para minimizar os erros discutidos, há o método de coleta de dados de forma remota. Partindo de um lugar distante e geograficamente privilegiado, sem que haja contato físico, é possível extrair informações de uma área geográfica ou objeto utilizando as técnicas de sensoriamento remoto. Imagens adquiridas com o objetivo de análise passam por um pré-processamento, de acordo com o método utilizado para a captura.
APLICAÇÕES DE SENSORIAMENTO REMOTO
Alguns exemplos de aplicações:
Agricultura:
o Mapeamento do tipo de cultura;
o Monitoramento de cultura.
Florestal:
o Mapeamento do desmatamento;
o Identificação de espécies;
o Mapeamento de queimadas.
Geologia:
o Mapeamento estrutural;
o Unidades geológicas.
VEGETAÇÃO DO CERRADO
A área de aplicação do projeto é coberta pelo Bioma Cerrado, o segundo maior bioma do país, abrangendo os estados de Mato Grosso, Mato Grosso do Sul, Rondônia, Goiás, Tocantins, Maranhão, Piauí, Bahia, Minas Gerais, São Paulo e Distrito Federal.
DESENVOLVIMENTO
O primeiro passo para o desenvolvimento do projeto, com a plataforma do GEE definida, foi fazer experimentações. Os testes iniciais consistiam em selecionar imagens de coleções, as chamadas ImageCollections (em português, Coleção de Imagens), e determinar filtros que satisfizessem um quesito básico. Como a área de estudo definida é o Alto Paranaíba, o primeiro quesito abordado foi a cobertura dessa região.
Explorando a documentação do Code Editor é possível ter acesso às funções e filtros que podem ser utilizados para este tipo de coleção. Para filtrar a região é possível que se use dados do tipo GeometryCollection (Coleção de Geometrias), marcando, no mapa interativo do editor, pontos que delimitem a área de estudo. Com base nos municípios pertencentes ao Alto Paranaíba, foi possível criar um polígono semelhante à divisão política da mesorregião. É importante lembrar que, apesar de cobrir toda a área designada, as imagens não se atinham às bordas do polígono.
Para gerar uma imagem verdade, como objetivo de comparação para validar o resultado obtido, é necessário que se tenha uma imagem já classificada. O Mapbiomas possui uma plataforma com diversas coleções de cobertura terrestre, tanto do Brasil quanto de outras regiões, com disponibilidade de download.
MAPA COM CLASSICAÇÃO DA VEGETAÇÃO DO CERRADO
Com a definição de meios para a determinação da equivalência entre dois mapas, o passo seguinte exigia o estabelecimento, dentro da classificação, da informação de interesse. A classificação do mapa foi feita com base na Coleção 7 de dados do Mapbiomas. A documentação dessa coleção abriga as classes conforme a Tabela abaixo. Cada ID indica o valor que o pixel assume de acordo com a classe pertencente. Esses dados contemplam todo o objetivo da coleção, que traz informações de cobertura de todo o país, além de outras regiões.
O Alto Paranaíba é completamente coberto pelo bioma do cerrado, logo, não se faz necessário uma separação de tipos de vegetação. Portanto, para a determinação da informação de interesse, foram isolados todos os IDs que continham informações de cobertura apenas natural, independente da vegetação característica do cerrado.
RESULTADOS E DISCUSSÕES
Os resultados obtidos, provenientes da execução do código fonte do projeto, foram explorados e analisados, em quantidade pixels válidos, para cada imagem gerada, sendo expostos e comparados em tabelas no decorrer deste Capítulo. Continuamente, foram discutidos de modo teórico, com a exposição do que era esperado, do que atendeu as expectativas ou mesmo do que deixou a desejar. Também foram sugeridas pequenas melhorias.
A aplicação do método de diferenciação de imagens na detecção de mudanças, neste caso utilizando as bandas do RGB, não se mostrou eficiente. Ele resultou em um mapa muito abrangente para o tipo de aplicação desejada, englobando todos os tipos de mudança, sem nenhuma discriminação. Os limiares analisados apresentaram no geral um baixo aproveitamento dos pixels. Os valores mais baixos abrigaram maior porcentagem do mapa verdade. Entretanto, essa informação representava muito pouco do total, ou seja, a quantidade de informações indesejadas era muito maior que as de interesse.
O esperado neste ponto, era um resultado que mesmo apresentando baixa presença do mapa verdade, obtivesse um grande aproveitamento. Isso indicaria um resultado menor, no ponto de vista da quantidade de mudanças, porém preciso. A expectativa era que as maiores mudanças, ou seja, valores maiores de limiar, tivessem esse comportamento. Porém, partindo do valor de 1536, o comportamento apresentado foi decrescente.
CONCLUSÃO E TRABALHOS FUTUROS
Os resultados obtidos neste trabalho mostraram-se úteis em certos aspectos, embora não tenham sido totalmente efetivos. Os métodos aqui apresentados e discutidos, formam uma base para a implementação de novos projetos. Uma gama de melhorias e ajustes podem ser feitos buscando um resultado mais satisfatório. O projeto é compartilhável via GEE e ficará disponível para futuros aprimoramentos.
Apesar do resultado impreciso, a hipótese levantada se mostrou verdadeira. A base comparativa do projeto segue todas as etapas que foram propostas, apesar da classificação não ter sido realizada dentro desse escopo, e valida a hipótese. Existem também meios viáveis para reduzir a imprecisão da metodologia, como, por exemplo, a classificação do resultado. Portanto, é sim possível a aplicação técnicas de detecção de mudanças, no mapeamento da vegetação do cerrado no Alto Paranaíba, utilizando ferramentas online, para a obtenção de resultados relevantes, visando possíveis pesquisas ambientais.