USO DA TÉCNICA DE CLASSIFICAÇÃO SUPERVISIONADA PARA CARACTERIZAÇÃO URBANA DA CIDADE DE TERESINA – PI Use of Technique for of Supervised Classification Urban Characterization of Teresina – PI Hernandes Brito Costa1 Raimundo da Silva Ramos2 Rayanna Oliveira Lima3 Valdira Caldas Brito Vieira4 1 Instituto Federal do Piauí Graduando [email protected] 2 Instituto Federal do Piauí Graduando [email protected] 3 Instituto Federal do Piauí Graduando [email protected] 4 Instituto Federal do Piauí Professora [email protected] RESUMO O presente artigo refere-se a um estudo onde foi realizado o uso da técnica de classificação supervisionada para caracterização urbana da cidade de Teresina-PI, uma vez que, o mesmo possibilita a identificação e a análise de áreas urbanizadas, vegetação solos exposto, águas e vias. O objetivo deste estudo foi determinar a caracterização urbana do município de Teresina – Piauí, na qual buscou se verificar a quantidade da área urbana, área vegetada, solo exposto, águas e vias. As técnicas utilizadas para execução do trabalho pretendem mostrar a tecnologia do Geoprocessamento como uma ferramenta eficiente na análise das situações relacionadas ao índice de expansão territorial e caracterização do meio urbano, no qual o método de processamento digital de imagem foi feito no Sistema de Informação Geográfica SPRING 5.2.6 sendo utilizadas Imagens do satélite Landsat 5, sensor TM, datada de 21/06/2010. Os resultados permitiram estimar os valores em hectares da ocupação urbana, vias, áreas degradadas (solo expostos), vegetação (parques, áreas de preservação permanentes (APP’s) e etc.) e águas (lagoas, rios etc.). Por meio dessas informações coletadas podem ser traçados planos e estratégias que auxiliam o poder público nos aspectos sociais, econômicos e ambientais. Palavras chaves: Classificação supervisionada, área urbana, sistema de informação geográfica. ABSTRACT This article refers to a study which was carried out using the technique of supervised classification for urban characterization of Teresina - PI, since it allows the identification and analysis of urbanized areas, vegetation exposed soils, waters and routes. The aim of this study was to determine the characterization of the urban municipality of Teresina - Piaui, which sought to verify the amount of urban area, vegetated area, bare soil, water and roads. The techniques used for job execution plan to show the technology of GIS as an effective tool in the analysis of situations related to the index of territorial expansion and characterization of the urban environment, in which the method of digital image processing was done in GIS SPRING 5.2.6 Images of the Landsat 5 TM sensor, dated 21/06/2010 being used. The results allowed to estimate the values in acres of urban occupation, roads, degraded areas (exposed soil), vegetation (parks, permanent preservation areas (APPs) and etc.) And water (lakes, rivers etc.). Information collected 1 through these plans and strategies that assist the government in the social, economic and environmental aspects can be traced. Keywords: Supervised classification, urban area, a geographic information system. 1. INSTRUÇÕES Teresina constitui-se no principal centro urbano do Estado do Piauí, com funções predominantemente administrativas, de comércio e serviços, com um especial destaque na área de saúde, sendo conhecida como um dos principais centros de saúde humana da região. A sua ocupação ocorreu de forma lenta, orientada para as zonas norte e sul. Impossibilitada de crescimento para a zona oeste, por limitar-se com o rio Parnaíba, o outro vetor de crescimento, dirigido para a zona leste, encontrava-se limitado pelo rio Poti, sendo que, somente a partir dos anos de 1960, depois da inauguração da ponte de concreto sobre o rio Poti (1957), abre-se essa nova área de ocupação da cidade. (SEMPLAN, 1994) O processo de expansão e estruturação urbana da cidade de Teresina é um processo contínuo, crescente e desordenado, influenciando de certa forma sobre o meio ambiente, onde é notória a falta de uma política – embora esta exista – voltada no sentido de minimizar os impactos daí resultantes. Assim é necessário não somente um planejamento e uma política, mas também um estudo e uma série de medidas que devem ser postas em prática visando uma melhor preservação do meio, evitando uma acelerada degradação deste, para melhor Crescimento econômico, Qualidade de vida e Justiça social da população. Para o melhor conhecimento dessa dinâmica, dispõe-se de uma forte ferramenta: as imagens de Sensores Remotos. Ao permitirem o imageamento de um lugar há a possibilidade de se acompanhar os limites da área urbana, vegetação, vias e entre outros. A utilização de imagens de sensores remotos tem se mostrado de suma importância para o conhecimento da realidade urbana. Mas, devido à complexidade cada vez maior desta realidade, tem se buscado o aprimoramento de técnica de interpretação automatizada de tais imagens. Nesse sentido o objetivo do presente estudo é utilizar o método de classificação supervisionada de imagens (obtidas pelo satélite Landsat 5 sensor TM, datada de 21/06/2010), o de Máxima Verossimilhança para determinar a caracterização urbana do município de Teresina – PI, na qual buscou se verificar a quantidade da área urbana, área vegetada, solo exposto, águas e vias. 2. MATERIAL E MÉTODOS 2.1 Área de Estudo A área de estudo é o município de Teresina, começou a ser povoada no século XVII, com Domingos Jorge Velho e um grupo de bandeirantes, que estabeleceram uma feitoria e um criatório de gado. Em 1797 foi erguida a igreja de Nossa Senhora do Amparo, e sua fundação foi oficializada em 16 de agosto de 1852. Com um projeto de criação inovador, elaborado por José Antônio Saraiva, o Conselheiro Saraiva, Teresina tornou-se capital da província por sua localização mais central, bem como pela navegabilidade dos rios Poti e Parnaíba. O nome da cidade foi uma homenagem à imperatriz Teresa Cristina Maria de Bourbon, que teria sido a mediadora junto ao imperador Dom Pedro II para que a capital viesse a ser Teresina. O município está situado entre as coordenadas geográficas de 5°6'48"S de latitude e 42°42'59,528"W de longitude, tendo como limite União e Jose de Freitas ao norte, Altos, Pau D’Arco do Piauí, Demerval Lobão e Lagoa do Piauí a leste, Timon e Matões a oeste, e Palmeirais e Curralinhos ao Sul. Apresenta área territorial de 1.391,981 km2, população total de 814.230 habitantes e densidade demográfica de 584,94 hab./km2. IBGE (2010). 2 Fig. 1 - Mapa de localização do Município de Teresina – PI. Fonte: COSTA, 2013. Elevado à categoria de vila e distrito com a denominação de Teresina, pelo Decreto de 06-07-1832, desmembrado das antigas vilas de Campo Maior e Valença. Sede na atual vila de Poti. Instalado em 21-11-1833. Pela Lei Provincial n.º 140, de 29-11-1842, transfere a sede da povoação de vila de Poti Para Vila Nova de Poti. Elevado à categoria de capital e cidade com a denominação de Teresina, pela Lei Provincial n.º 315, de 20-07-1852. Em divisão administrativa referente ao ano de 1911, o município é constituído do distrito sede. Assim permanecendo em divisões territoriais datadas de 31-XII-1936 e 31-XII-1937. No quadro fixado para vigorar no período de 1944-1948, o município é constituído do distrito sede. Em divisão territorial datada de 1-VII-1960, o município é constituído do distrito sede. Assim permanecendo em divisão territorial datada de 2007 (IBGE, 2014). 2.2 Processamento e Análise dos Dados Moreira (2003) relata que o Sensoriamento Remoto assume um papel importante no monitoramento e na estimativa de diversos fenômenos, servindo de suporte para a tomada de decisões e análises relacionadas aos objetos em estudo, pois os sensores a bordo dos satélites apresentam recursos que permitem obter informações que proporciona a facilidade no estudo dos fenômenos analisados. Este trabalho se caracteriza com o uso da técnica de classificação supervisionada usando as imagens do sistema TM Landsat 5, tendo como área de estudo o Município de Teresina – PI. O instrumento de coleta de dados foi composto por ferramentas computacionais e imagens de satélite. Segundo o INPE (2010): Bandas 3, 2 e 1: imagens em cor natural, com boa penetração de água, realçando as correntes, a turbidez e os sedimentos. A vegetação aparece em tonalidades esverdeadas. Bandas 4, 3 e 2: definem melhor os limites entre solo e água, ainda mantendo algum detalhe em águas profundas e mostrando as diferenças na vegetação, que aparece em tonalidades de vermelho. Bandas 5, 4 e 3: mostram mais claramente os limites entre solo e água, com vegetação mais discriminada, aparecendo em tonalidades verde-rosa. Primeiro foi feito o download das imagens do sensor TM abordo do satélite LandSAT 5 do ano de 2010, obtidas no site do INPE, em seguida fizemos a composição das bandas 5, 4 e 3 no SPRING 5.2.6, feito isso geramos o mosaico, pois o município de Teresina é coberto por 2 cenas do sensor, para a correção geométrica, utilizamos alguns pontos conhecidos e o recorte do mosaico teve como mascara uma shape file da poligonal de Teresina obtida na base de dados do IBGE. Logo após, as imagens foram submetidas a uma classificação a pixel supervisionada, selecionando-se amostras de pixel que caracterizasse a cobertura vegetal. O classificador utilizado foi o de Máxima Verossimilhança (MAXVER), com um limiar de aceitação de 99,9%. Este método considera a ponderação das distâncias entre médias dos níveis digitais das classes, utilizando parâmetros estatísticos para saber a probabilidade de um pixel pertencer a uma ou outra classe (SPRING, 2002). Como a imagem gerada apresentava alguns pontos isolados, foi realizado uma pós- 2 classificação com peso 2 e limiar 5. A imagem classificada foi convertida para dados do tipo Temático, possibilitando a edição de pixels classificados que não correspondiam às áreas de cobertura vegetal. Com esse formato de dado também foi possível estimar o valor das áreas classificadas. 2.3. Classificação pelo Método da Máxima Verossimilhança Fig. 2 - Algoritmo da máxima verossimilhança. Este é o método tradicional mais comumente utilizado quando é necessária a obtenção de classes informacionais a partir de imagens de sensores remotos. A distribuição espectral das classes de uso do solo é considerada como sendo gaussiana ou normal, isto é, objetos pertencentes à mesma classe apresentarão resposta espectral próxima à média de valores para aquela classe. Segundo Ribeiro (2006, apud Richards, 1993) Este método parte do princípio que a classificação errada de um pixel não tem mais significado do que a classificação errada de qualquer outro pixel na imagem. No mesmo trabalho realizado por Ribeiro (2006, apud Crósta, 1993) o método considera a ponderação das distâncias médias, utilizando parâmetros estatísticos de distribuição dos pixels dentro de uma determinada classe. Para a obtenção de um bom resultado com esta classificação é necessária a escolha de um número razoavelmente elevado de pixels para cada amostra de treinamento da classe, e que estes tenham uma distribuição estatística próxima da distribuição normal. Este método de classificação parte do pressuposto que o usuário conheça previamente a área analisada, bem com a distribuição das classes, para que desta forma, quando da aplicação da classificação, a seleção de amostras de treinamento possa ser o mais eficiente possível. Outro fator importante para a sua eficácia é a obtenção de uma precisão razoável da estimativa do vetor médio e da matriz de covariância de toda a classe espectral. Fato este dependente da quantidade de pixels incluídos nas amostras de treinamento (Sulsoft, 2003). 3. RESULTADOS E DISCUSSÃO As Figuras 3(a) e 3(b) ilustram a imagem e o recorte com o limite do município com o processo de composição RGB, das bandas 5, 4, 3 do sensor TM LandSAT 5 de 21/06/2010. Fig. 3 (c) Composição colorida da área urbana. 3 Fig. 3 - Imagem com composição RGB. Fonte: COSTA, 2014 Fig. 4 - Recorte da imagem. Fonte: COSTA, 2014 4 Fig. 5 - Composição colorida da área urbana. Fonte: COSTA, 2014 5 Fig. 6 - Imagem classificada a partir do método de Classificação Máxima Verossimilhança. Fonte: COSTA, 2014 O resultado obtido pelo método de classificação Máxima Verossimilhança pode ser visualizado na Fig. 4. No qual foi criado um mapa temático, de distribuição de classes, para a verificação de quantidade de área urbana, onde foi obtido em hectares 6912.72000, de águas na quantidade 685.440000 de hectares, de vegetação em 7768.620000 hectares e vias de 4815.810000 hectares, solo exposto de 1178.280000 hectares, conforme tabela abaixo. TABELA 1 - Resultados para Quantificação das Classes em Hectares. 6 Classes Quantidade em Hectares (ha) Água Vegetação Urbanização Vias Solo Exposto Área total das classes: 685,4400 7.768,6200 6.912,7200 4.815,8100 1.178,2800 21.360,8700 há 4. CONCLUSÕES Com analise dos resultados de classificação pode se perceber onde possui mais áreas vegetadas, bem como os polígonos de áreas mais urbanizadas, mostrando assim o crescimento da cidade de Teresina, que avança de forma desordenada sem acompanhamento do poder publico. Na classificação de solo exposto e vias fica claro que o aumento da degradação do solo tem gerado diversos problemas para cidade, como aumento das superfícies impermeabilizadas, dentre outros. Neste sentido o uso de Técnicas de Processamento Digital de Imagens através de suas técnicas, pode contribuir para a fiscalização e controle do crescimento urbano, verificando as áreas onde pode haver intervenções do poder público, e se essas atividades seguem os padrões das políticas de gestão territorial. REFERÊNCIAS BIBLIOGRÁFICAS INPE. Disponível em: <http://www.dgi.inpe.br/CDSR/> Acesso em: 03 de Fevereiro de 2014. IBGE. Disponível em: http://www.ibge.gov.br/ Acesso em: 04 de Fevereiro de 2014. MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação. 2. Ed. Viçosa-MG: UFV, 2003. 307 p. RIBEIRO, R. J. C. Comparação dos métodos de classificação supervisionada de imagem Máxima Verossimilhança e Redes Neurais em ambiente urbano. Disponívelem:<http://marte.sid.inpe.br/col/dpi.inpe.br/sbsr@80/2006/10.03.11.59/doc/5471-5478.pdf> Acesso em: 06 fevereiro 2014. TERESINA. Aspectos e Características. Secretaria Municipal de Planejamento e Coordenação Geral. Perfil 1993. Teresina: SEMPLAN/PMT, 1994. 7