A COMPARAÇÃO ENTRE CLASSIFICAÇÕES DE IMAGEM RAPIDEYE PARA O CÁLCULO DO CN DE BACIA HIDROGRÁFICA URBANA

COMPARAÇÃO ENTRE CLASSIFICAÇÕES DE IMAGEM RAPIDEYE PARA O CÁLCULO DO CN DE BACIA HIDROGRÁFICA URBANA: ESTUDO DE CASO DO ARRIO PEPINO (PELOTAS/RS)

Gustavo Willy Nagel^[1] & Fabrício da Silva Terra ^[2]& Jade Silva de Oiveira 3 * & Márcio Pagano Aragona4

Resumo – O número de curva (CN) é um parâmetro usado para prever o escoamento direto do excesso de precipitação, e depende do uso da terra e das mudanças de cobertura. Imagens de alta resolução espacial têm sido importantes para identificar essas mudanças. Esta pesquisa teve como objetivo comparar os efeitos de diferentes mapas de uso e uso de terras produzidos a partir de classificações K-means, MaxVer e SAM de alta resolução espacial em relação ao cálculo do valor de CN na BHU do Arroio Pepino (Pelotas / RS). Nossa hipótese foi que diferentes algoritmos de classificação produziram mapas divergentes que, por sua vez, afetaram o valor do CN de uma BHU. Uma imagem RapidEye foi classificada para mapear a superfície e 10 classes foram identificadas. O valor CN de cada classe foi obtido comparando-se aos valores tabelados e o valor CN total foi calculado levando em consideração a área proporcional de cada classe. O MaxVer foi o melhor classificador executado (precisão global: 64,89% e índice kappa: 0,59). Diferenças em proporções de uso do solo e classes de cobertura obtidas de diferentes classificadores afetam o valor CN desta bacia hidrográfica urbana, onde sua qualidade é altamente dependente da precisão da imagem classificada.

Palavras-Chave – máxima verossimilhança gaussiana, mapeador de ângulo espectral, k-médias.

COMPARISON BETWEEN RAPIDEYE IMAGE CLASSIFICATION FOR THE CALCULATION OF THE URBAN HYDROGRAPHIC BOWL CN: CASE STUDY OF THE PEPINO ARRIO (PELOTAS / RS)

Abstract – The runoff curve-number (CN) is a parameter used to predict the direct flow of excess precipitation, and depends on land use and changes in coverage. High spatial resolution images have been important in identifying these changes. The objective of this research was to compare the effects of different land use and land use maps produced from K-means, MaxVer and SAM high spatial resolution in relation to the calculation of the CN value in the BHU of Cucumber Creek (Pelotas / RS). Our hypothesis was that different classification algorithms produced divergent maps that, in turn, affected the CN value of a BHU. A RapidEye image was classified to map the surface and 10 classes were identified. The CN value of each class was obtained by comparing it to the tabulated values ​​and the total CN value was calculated taking into account the proportional area of ​​each class. MaxVer was the best classifier performed (overall accuracy: 64.89% and kappa index: 0.59). Differences in land use proportions and coverage classes obtained from different classifiers affect the CN value of this urban watershed, where its quality is highly dependent on the accuracy of the classified image.

 

Keywords – maximum gaussian likelihood, spectral angle mapper, k-means.

INTRODUÇÃO

A urbanização traz consigo mudanças significativas nas propriedades físicas da superfície territorial, principalmente no que se refere à redução da relação infiltração/deflúvio da água, onde resultados obtidos a partir de estudos hidrológicos urbanos baseados em coleta de dados a campo e modelagens matemáticas tem se constituído como uma necessidade fundamental para o manejo significativa da água quanto à ocorrência de alagamentos, inundações, abastecimento de reservatórios, qualidade da água, etc. (Fletcher et al., 2013). Na hidrologia urbana torna-se importante a aplicação de imagens orbitais de alta resolução espacial para que seja possível identificar, classificar e mapear com qualidade e acurácia os diferentes usos e ocupações da superfície (Myeong et al., 2001). Inclusive, é possível o emprego destas imagens no cálculo do método curva-número (CN) em bacias hidrográficas urbanas (BHU), uma vez que diferentes coberturas tornam a superfície mais ou menos impermeável. O método curva-número (Método CN) visa o cálculo do deflúvio total gerado em uma bacia hidrográfica a partir da chuva efetiva (USDA, 1986). Este método é útil para o dimensionamento de terraços de infiltração e bacias de contenção, assim como para estimativas de vazão de projeto com base na Hidrógrafa Sintética Triangular (HUT). Os valores de CN correspondem à porcentagem (de 1 % a 100 %) de água escoada (deflúvio) e estão associados ao uso e cobertura da bacia (Mello e Silva, 2013).

Através do sensoriamento remoto orbital é possível obter imagens periódicas para monitoramento de alvos naturais ou urbanos, além de auxiliar no mapeamento de uso e cobertura da superfície, uma vez que o comportamento espectral dos objetos é diferente devido à intensidade de energia refletida e às feições de absorção de cada um destes (Jensen, 2009). Para otimizar o mapeamento do uso e ocupação da superfície é indispensável a classificação, supervisionada ou não, baseada na energia refletida dos alvos que compõem as imagens orbitais a serem utilizadas, mesmo para as de alta resolução espacial para alvos urbanos, pois possibilita assim a identificação e agrupamento de objetos comuns presentes dentro do perímetro urbano. Segundo Meneses e Almeida (2012) a classificação de imagens multiespectrais é o processo de associar pixels de uma imagem em um número adequado de classes que representem alvos do mundo real. Dentre os diversos algoritmos de classificação baseados no reconhecimento de padrões espectrais de imagens, destacam-se: o Mapeador de Ângulo Espectral (Spectral Angle Mapper - SAM) (Kruse et al., 1993), o Método de Máxima Verossimilhança Gaussiana (MaxVer) e o Método K-médias (Richards e Jia, 2006).

A BHU do Arroio Pepino, localizada no município de Pelotas/RS, vem sofrendo intenso processo de urbanização ocasionando maior escoamento superficial em períodos chuvosos e, consequentemente, inundações na respectiva região (Cardoso, 2012). Baseado na hipótese de que diferentes algoritmos de classificação de imagens produzem mapas temáticos de uso e cobertura da superfície divergentes que, por sua vez, afetam o valor CN desta BHU, o objetivo deste trabalho foi comparar o efeito dos diferentes mapas produzidos através de classificações não-supervisionada (K-médias) e supervisionadas (SAM e MaxVer) em imagem orbital de alta resolução espacial no cálculo da curva-número da BHU do Arroio Pepino.

...