Voltar à Página da AGB-Nacional

 

 

 

X SIMPÓSIO BRASILEIRO DE GEOGRAFIA FÍSICA APLICADA

 

MAPEAMENTO GEOMORFOLÓGICO A PARTIR DE IMAGENS E MODELOS DE ELEVAÇÃO GERADOS POR RADAR DE ABERTURA SINTÉTICA

 

 

Paula A. Cardoso1 ,Teresa G. Florenzano2, Luciano V. Dutra2

1 Aluna do curso de mestrado em Sensoriamento Remoto do Instituto Nacional de Pesquisas Espaciais INPE, email paula@dpi.inpe.br.

 

 

2 – Pesquisadores do Instituto Nacional de Pesquisas Espaciais – INPE,

email: teresa@ltid.inpe.br dutra@dpi.inpe.br.

INPE Instituto Nacional de Pesquisas Espaciais - São Paulo.

 

 

Palavras-chave: geomorfologia, radar, modelo digital de elevação.

 

Eixo Temático: 3 - Aplicação da Geografia à Pesquisa

Sub-eixo: 3.4 – Aplicações Temáticas em Estudos de Caso

 

 

 

1 – INTRODUÇÃO

 

O Sensoriamento Remoto, e em particular o Radar de Abertura Sintética (SAR), apresenta-se como recurso fundamental para a Geomorfologia, principalmente em regiões com permanente cobertura de nuvens e onde o relevo encontra-se sob densa cobertura vegetal, ou em áreas onde o contato entre formas de relevo com diferenças sutis não pode ser delimitado com precisão pelas imagens ópticas sem o recurso da estereoscopia. Nessas situações, o maior realce da topografia devido à geometria de visada lateral do radar e a maior penetrabilidade das microondas nos maiores comprimentos de onda, permitem que o pulso de energia emitido pelo radar penetre os dosséis e chegue até o solo, possibilitando a geração de imagens e de modelos digitais de elevação com informações sobre o terreno. A partir desses dados é possível extrair importantes descritores utilizados na caracterização do relevo, tanto em seus aspectos qualitativos quanto quantitativos.

A Região de São Jorge, no Tapajós, foi selecionada como área de estudo para esta dissertação de mestrado atualmente em desenvolvimento por enquadrar-se nas condições descritas anteriormente. Diante das vantagens oferecidas pelo radar, da disponibilidade de dados e das características da área de estudo, estão sendo utilizadas imagens SAR e modelos digitais de elevação gerados por interferometria, ambos na banda P, para a extração dos parâmetros do relevo com o objetivo de gerar um mapa de unidades geomorfológicas.

Parte da dissertação de mestrado está contida neste trabalho com o objetivo de apresentar os resultados preliminares obtidos com o método semi-automático de classificação textural de versões multiescala de imagens de radar.

 

2 – FUNDAMENTAÇÃO TEÓRICA

 

A textura é um dos elementos de interpretação de imagens com especial importância para a Geomorfologia uma vez que a interpretação do relevo é feita, principalmente, com base na textura e na sombra. Estes elementos são responsáveis pela dita “expressão geomorfológica”, particularmente nas imagens de radar. Desta forma, a textura contribui para a diferenciação das unidades geomorfológicas presentes nas imagens e o uso de medidas de textura pode aumentar o desempenho de classificadores digitais, assim como as versões multiescala também podem, uma vez que a informação contida na textura depende da escala analisada.

Textura é a freqüência da mudança de tonalidade numa imagem e é produzida pela agregação de feições que podem ser muito pequenas para serem distinguidas. É um produto da forma, do tamanho, do padrão, das sombras e da tonalidade das feições, (Lillesand e Kiefer, 1997). Para Matter (1999), a textura pode ser vista como a variabilidade de tonalidade numa vizinhança ou como o padrão de relação espacial entre níveis de cinza de pixels vizinhos, e é geralmente descrita em termos como “rugoso” ou “liso”.

Matter (1999), salienta que a observação da textura depende de dois fatores: a escala (local ou regional) da variação da tonalidade que se quer denominar de textura e a escala de observação. Segundo Lillesand e Kiefer (1997), conforme a escala da imagem é reduzida, a textura de um determinado objeto ou área torna-se progressivamente mais fina, até desaparecer e pode-se, freqüentemente, distinguir feições com reflectância similar com base em suas diferenças de textura. Desta forma, a geração de versões multiescala das imagens de radar permite que em cada nível um tipo de textura seja observado e classificado segundo atributos de ocorrência selecionados.

De acordo com Podest e Saatchi (2002), que aplicaram o método de classificação textural em multiescala para separar categorias de cobertura do solo, a classificação multiescala foi desenvolvida para o uso apropriado da textura em diferentes escalas e diferentes medidas texturais são caracterizadas diferentemente dependendo do tamanho da janela utilizada. Ainda segundo os autores, se a janela é muito pequena, pode não existir informação estatística suficiente para descrever uma classe. Com dados de radar com alta resolução o ruído speckle pode influenciar as medidas em janelas pequenas.  Por outro lado, se a janela for muito grande, existe pouca contribuição estatística de pixels extras mas, em compensação, há a perda de resolução espacial.

Existem várias aplicações de medidas de textura em imagens de sensoriamento remoto e os métodos de análise de textura podem basear-se em padrões de freqüência e em estatísticas de primeira e de segunda ordem. Matter (1999), cita como sendo a primeira aplicação de medidas de textura em sensoriamento remoto aquela desenvolvida por Harralick et al (1973).  Nesta referência foi proposto o que se convencionou chamar de Matriz de Co-ocorrência de Nìveis de Cinza (Grey-level co-occurrence matrix, GLCM), que representa a distância e a relação espacial angular de valores de cinza sobre uma sub-região de tamanho específico numa imagem. Cada elemento na matriz é a medida da probabilidade de ocorrência de dois valores da escala de cinza separados por uma dada distância numa dada direção.

Algumas abordagens existentes utilizam filtros no domínio da freqüência (como a Transformação de Fourier) para medir a proporção das informações de alta freqüência presentes na janela utilizada e para qual a textura é medida; outras baseiam-se no cálculo da dimensão da fração da região de entorno de um determinado pixel; e há ainda aquelas abordagens que se utilizam de um modelo das propriedades de autocorrelação espacial de uma mesma região como textura das feições.

Em relação às medidas de textura baseadas em estatísticas de segunda ordem, Rennó (1995), destaca que o método mais comumente utilizado, proposto por Harralick et al (1973), baseia-se no uso de estatísticas derivadas a partir da matriz de co-ocorrência dos níveis de cinza de uma imagem.

 

3 – DESCRIÇÃO DA ÁREA DE ESTUDO

 

A área de estudo localiza-se entre as coordenadas 55° 06´ W a 54° 54´ W e 03° 11´S a 03° 04´S. Segundo o Projeto Radambrasil, a geomorfologia desta região caracteriza-se por duas unidades morfoestruturais, denominadas Planalto Rebaixado da Amazônia (Médio Amazonas) e Planalto Tapajós/Xingu. A primeira unidade apresenta cotas altimétricas de aproximadamente 100 metros, com relevo dissecado em forma de colinas, baixa amplitude altimétrica e densamente drenada. O Planalto Tapajós/Xingu apresenta cotas altimétricas na parte oriental que variam de 120 a 170 metros, com extensas superfícies de formato tabular, com escarpas erosivas que apresentam declividade alta. Nesta unidade observa-se também setores com relevo mais ondulado e dissecado.

 

4 – MATERIAIS E MÉTODO

4.1 – MATERIAIS

 

Foi utilizado o conjunto imagens polarimétricas geradas na banda P pelo Radar de Abertura Sintética (SAR) aerotransportado da Aerosensing-1. As imagens possuem resolução espacial de 2,5 metros, ângulo de incidência de 45º e foram obtidas sobre a Região do Tapajós em 2000. Devido à presença da Floresta Amazônica na região de estudo, optou-se por imagens da banda P por serem estas as que apresentam maior comprimento de onda e, por esta razão, a capacidade de atravessar os dosséis e chegar até o chão, fornecendo assim informações sobre o terreno. Como material de apoio para a melhor compreensão da área de entorno estão sendo utilizadas uma imagem Jers, banda L, polarização HH com 25 metros de resolução espacial e imagens Landsat 7 com 30 metros de resolução espacial, além de dados de campo. Utilizou-se o software ENVI 3.6.

 

4.2 – MÉTODO

 

O primeiro passo consistiu na geração das versões multiescala das imagens de radar. Cada imagem original foi considerada como o primeiro nível multiescala e a partir de cada uma delas foram geradas imagens em 3 níveis pelo método da média e reamostragem 2x2, somando o total de 4 níveis de versões multiesacala de imagens de radar. Em seguida, com o mesmo software, foram geradas imagens textura para cada uma das imagens dos 4 níveis. Foram utilizadas medidas de textura da matriz de ocorrência (entropia, variância/desvio padrão e desvio máximo) e da matriz de co-ocorrência (média, variância, contraste, dissimilaridade e homogeneidade) e testadas janelas de três tamanhos (3x3, 5x5 e 7x7).

Após a avaliação visual das imagens-textura geradas foram desconsideradas aquelas que desde o princípio não apresentaram resultados satisfatórios. A etapa seguinte de desenvolvimento da dissertação consiste na avaliação do grau de separabilidade das unidades geomorfológicas das imagens-textura selecionadas, através da ferramenta ROI Separation Calculation, que permite a análise da separabilidade das classes definidas a partir da análise de amostras escolhidas para cada uma das classes.

 

5 – RESULTADOS PRELIMINARES

 

Segundo Podest e Saatchi (2002), algumas medidas, como a entropia, necessitam de grandes janelas para que se obtenha informações estatísticas suficientes. Na aplicação desta metodologia para a identificação de unidades geomorfológicas, entretanto, a Entropia não apresentou resultados satisfatórios em nenhum dos três tamanhos de janela utilizados, principalmente na janela 3x3, sendo, portanto, descartada logo na etapa de avaliação visual dos resultados. As medidas de Desvio Máximo apresentaram também resultados insatisfatórios em todas as janelas testadas.

Ainda de acordo com os autores citados, medidas texturais como a média e a variância podem ser caracterizadas por janelas pequenas. Nos testes realizados, essas medidas apresentaram melhores resultados, mas não totalmente satisfatórios, com a janela 5x5.

 

6 – CONSIDERAÇÕES FINAIS

 

De forma geral, entre os três tamanhos de janelas avaliados, a 5x5 foi a que apresentou os melhores resultados em todas as medidas texturais testadas, embora nenhuma das medidas tenha sido plenamente satisfatória para a futura classificação. Os melhores resultados obtidos foram aqueles com medidas de textura geradas por matriz de co-ocorrência. Para o mapeamento final as melhores imagens serão combinadas em canais dado o fato de nenhuma medida textural, num único nível de versão multiescala, conseguir sozinha separar as unidades geomorfológicas identificadas por interpretação visual.

 

7 – BIBLIOGRAFIA

 

Lillesand, T. M.; Kiefer, R. W. Remote Sensing and image interpretation. New York: John Wiley & Sons Ltda. 1997. 750 p.

 

Matter, P. M. Computer processing of remotely-sensed images, an introduction. Chichester: John Wiley & Sons Ltda. 1999. 292 p.

 

Podest, E; Saatchi, S. Application of multiscale texture in classifying Jers-1 radar data over tropical vegetation. International Journal of Remote Sensing, v. 23, p. 1487-1506, 2002.

 

Projeto Radambrasil. Folha S/A 21-Santarém. Rio de Janeiro, DNPM 1976. (Levantamento dos Recursos Naturais, v. 10).

 

Rennó, C. D. Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina. São José dos Campos, INPE, 1995. (Dissertação de Mestrado).