disciplina de geoprocessamento práticas em idrisi:versão taiga
Transcrição
disciplina de geoprocessamento práticas em idrisi:versão taiga
UNIVERSIDADE ESTADUAL PAULISTA CAMPUS EXPERIMENTAL DE OURINHOS CURSO DE GEOGRAFIA DISCIPLINA DE GEOPROCESSAMENTO PRÁTICAS EM IDRISI:VERSÃO TAIGA PROF. DR. EDSON LUÍS PIROLI Ourinhos, SP Setembro / 2010 © Edson Luís Piroli P671i Piroli, Edson Luís Disciplina de geoprocessamento : práticas em Idrisi – versão Taiga / Edson Luís Piroli. - Ourinhos :Unesp/Campus Experimental de Ourinhos, 2010. 56 p. : ils. ISBN 978-85-61775-04-9 1. Geoprocessamento 2.SIG (Sistema de informações geográficas (SIG) – Idrisi 3. Sensoriamento remoto 4.Geografia. I. Piroli, Edson Luís. II. Título. CDD 550.285 Universidade Estadual Paulista, Campus Experimental de Ourinhos 19910-206 – Ourinhos – SP Telefone: (14) 3302-5700 Fax: (14) 3302-5702 PROF. DR. EDSON LUÍS PIROLI Responsável pelas disciplinas : Graduação: Geoprocessamento, Sensoriamento Remoto, Interpretação de Fotografias Aéreas Pós Graduação: Manejo de Microbacias Hidrográficas [email protected] Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 SUMÁRIO LISTA DE SIGLAS, ABREVIATURAS E SÍMBOLOS .................................................... 3 INTRODUÇÃO .................................................................................................................... 4 O IDRISI .............................................................................................................................. 5 Conhecendo o Idrisi .......................................................................................................... 5 Módulos do Idrisi .............................................................................................................. 6 USANDO O IDRISI TAIGA .............................................................................................. 19 Importação de arquivos (conversão de formatos) ........................................................... 19 GEORREFERENCIA DE IMAGENS .............................................................................. 21 COMPOSIÇÕES COLORIDAS (FALSA COR)............................................................... 26 VETORIZAÇÃO DE DADOS ........................................................................................... 27 CÁLCULO DE DISTÂNCIAS E ÁREAS ......................................................................... 28 CLASSIFICAÇÃO DE IMAGENS ................................................................................... 30 Classificação não supervisionada .................................................................................... 30 Classificação supervisionada .......................................................................................... 32 ÍNDICE KAPPA................................................................................................................. 41 MODELAGEM NUMÉRICA DE TERRENO (MNT) ..................................................... 44 Aquisição de dados de MNT ........................................................................................... 45 a) Dados amostrados através de pontos: ..................................................................... 45 b) Dados amostrados através de isolinhas:.................................................................. 46 c) Isolinhas de altimetria do terreno ............................................................................ 46 FUSÃO DE IMAGENS MULTIESPECTRAIS E PANCROMÁTICAS......................... 48 GERAÇÃO DE BUFFERS................................................................................................ 49 OPERAÇÕES COM BANCO DE DADOS ....................................................................... 50 REFERÊNCIAS E BIBLIOGRAFIA RECOMENDADA ............................................... 54 2 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 LISTA DE SIGLAS, ABREVIATURAS E SÍMBOLOS ASCII – “American Standard Code for Information interchange”. CAD – “Computer Aided Design”. CCT – “Computer Compatible Tape”. CD – ROM – “Compact Disc Read Only Memory”. CPU – “Computer Processing Unit”. CRT – “Catodic Ratio Tube”. DN – “Digital Number”. DSG – Diretoria do Serviço Geográfico do Exército. DXF – “Drawing Exchange Format”. GIF – “Graphical Interchange Format”. GPS – “Global Positioning System”. HRV – “High Resolution Visible”. INPE – Instituto Nacional de Pesquisas Espaciais. Mb – Megabyte. MHz – Megahertz. MSS – “MultiSpectral Scanner”. PC – “Personal Computer”. RMS – “Root Mean Square”. SIG – Sistema de Informação Geográfica. SQL – “Structured Query Language”. SVGA – “Super Video Graphic Array”. TIFF – “Tagged Image File Format”. TM – “Thematic Mapper”. UTM – “Universal Transversa de Mercator”. 3 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 INTRODUÇÃO Este material foi desenvolvido com o objetivo de apresentar aos acadêmicos das disciplinas de Geoprocessamento, Sensoriamento Remoto, Interpretação de Fotografias aéreas e Imagens Orbitais, ministradas no Curso de Geografia do Campus da UNESP de Ourinhos e aos alunos da disciplina de Manejo de microbacias Hidrográficas do Programa de Pós-Graduação em Geografia da Faculdade de Ciências e Tecnologia da UNESP de Presidente Prudente, algumas das principais rotinas desenvolvidas para o geoprocessamento de informações geográficas com o aplicativo Idrisi, em sua versão Taiga. Cada tarefa é brevemente descrita e em seguida é apresentada a sequência a ser trabalhada no Idrisi para que o resultado adequado seja alcançado. Além disso, é apresentada uma lista com a descrição dos principais módulos e das principais rotinas disponibilizadas pelo software. É importante lembrar que conforme Eastman (1995), deve-se examinar cada resultado (mesmo intermediário), usando o módulo de visualização (display launcher). Caso não esteja correto, temos que parar e repensar o que foi feito. A análise geográfica pode estar ligada a operações em cascata, cada qual dependendo da anterior. Desta forma, os erros acumulam-se rapidamente. Para evitar isto, temos que pensar cuidadosamente sobre o resultado esperado e então examinar cada produto para ver se ele preenche nossas expectativas. 4 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 O IDRISI O nome é uma homenagem ao cartógrafo e geógrafo Abu Abd Allah Muhammed al-Idrisi, que nasceu no ano de 1099 d.C. na colônia espanhola de Ceuta, ao norte da África (hoje Marrocos). Educado na Universidade de Córdoba na Espanha e muito viajado pela Europa, norte da África e Ásia central e meridional, teve grande importância durante a Idade Média. Incumbido pelo rei normando Rogério II, da Sicília, a fazer uma pesquisa geográfica do mundo, al-Idrisi liderou por 15 anos o esforço colaborativo de sábios e técnicos da corte normanda em Palermo. Baseados em trabalhos de campo e em fontes de arquivo, os mapas e os textos que resultaram desta colaboração serviram como material de referência durante mais de 500 anos. É a esse espírito de colaboração na investigação geográfica que o Idrisi é dedicado (EASTMAN, 1995). O Idrisi é um Sistema de Informações Geográficas que conta com um banco de dados capaz de capturar (adquirir), armazenar, recuperar e manipular informações digitais, georreferenciadas, provenientes de imagens, mapas e modelos numéricos do terreno e de efetuar análises geográficas e gerar a saída de dados na forma de mapas, gráficos, tabelas, etc. Este aplicativo é muito utilizado atualmente, tendo em vista sua relação custo benefício, preço bastante acessível, fácil manipulação e interação com o usuário. O Idrisi é um aplicativo criado na Universidade de Clark, Massachusetts, Estados Unidos da América. Seu principal desenvolvedor é o Doutor J. Ronald Eastman. Sua primeira versão surgiu em 1987, em uma parceria com a ONU. É um dos aplicativos SIG de tipo raster mais empregados no mundo, sendo esta difusão devida as suas grandes capacidades e seu baixo custo. Conhecendo o Idrisi Para iniciar o Idrisi Taiga, clicar duas vezes sobre o ícone do aplicativo, ou então acessá-lo a partir do menu Iniciar. Com isso será carregado o SIG Idrisi Taiga. Note que ele possui quatro componentes distintos. No topo, temos o menu principal, abaixo a barra de ferramentas com ícones para acesso rápido aos módulos mais comuns, a seguir está a área de trabalho principal, e mais abaixo, a barra de status que fornece informações sobre os números de linhas e colunas e coordenadas dos pontos onde o mouse está posicionado. 5 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 A barra de ferramentas também fornece mensagens úteis sobre a operação e a performance do sistema. A título de exemplo, posicione o mouse sobre seus ícones e observe a informação que é apresentada abaixo. Observe que alguns dos ícones aparecem em cor cinza. Isto ocorre porque estes só podem ser usados em certas circunstâncias (tal como quando um mapa está sendo visualizado ou durante vetorizações). Os mesmos aparecerão coloridos quando estiverem ativos. Módulos do Idrisi Como a maioria dos SIGs (Sistemas de Informações Geográficas), o Idrisi é formado por um conjunto de módulos (programas independentes). A seguir é apresentada uma lista com os menus e seus módulos que serão utilizados em nosso trabalho, com uma breve descrição. Esta descrição será feita apenas para aqueles módulos de uso mais comuns em nossas atividades. Os demais podem ter sua descrição consultada na ajuda (help) do Idrisi. Menu File Figura 1 – Tela de acesso ao menu file. 6 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Idrisi Explorer Semelhante ao Windows Explorer. Permite que façamos alterações de diretórios de trabalho, modificações em arquivos e manutenção dos mesmos (copiar, renomear, apagar...). Este módulo também pode ser acessado pelo ícone abaixo. Ao clicarmos sobre o Idrisi Explorer, são apresentadas três opções: - Projects – Nele definimos o diretório de trabalho, clicando em Default e abaixo, no Editor, clicando duas vezes na linha de comando ao lado de Working Folder. Esta é uma operação importante, pois os produtos de todas as tarefas realizadas serão automaticamente salvas no diretório definido. - Files – Nele podemos acessar as informações dos arquivos existentes no diretório, bem como fazer as operações necessárias para sua manutenção. - Filters – Onde definimos as extensões que trabalharemos em nosso projeto (estas são automaticamente apresentadas e portanto, não precisam ser selecionadas para as operações mais comuns). Import e Export Estes dois módulos permitem a importação de formatos diferentes ao trabalhado pelo Idrisi e a exportação de dados gerados no Idrisi para outros formatos. Ao clicarmos sobre o mesmo, nos é apresentada a lista dos formatos que o software faz intercâmbio. As operações de importação e exportação são conversões que os SIGs realizam para interpretarem dados gerados em outros softwares, que podem ser SIGs ou não. 7 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Menu Display Figura 2 – Tela de acesso ao menu display. Display Launcher Permite a visualização das informações armazenadas no banco de dados. É aqui que visualizamos os arquivos raster, vetores e as composições de mapas. Também pode ser acessado pelo ícone abaixo: Composite Permite a elaboração de composições falsa-cor, associando-se diferentes bandas de imagens oriundas de sensores remotos. Também pode ser acessado pelo ícone abaixo. 8 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Histo Permite a elaboração de histogramas que apresentam a distribuição das freqüências das imagens. Também pode ser acessado pelo ícone : Strecht Permite a aplicação de contrastes nas imagens. Menu GIS Analysys É um dos menus mais importantes, pois é nele que estão contidos a maioria dos módulos de análises geográficas. Figura 3 – Tela de acesso ao menu GIS Analysis. Database Query Oferece as operações de consulta ao banco de dados. Neste módulo podemos fazer operações de reclassificação, operações matemáticas, tabulações cruzadas, edição, atribuição de valores, extração de atributos, separação de classes, cálculos de área e 9 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 perímetro, consulta ao banco de dados, acesso à ferramenta de criação e manutenção de banco de dados e à calculadora de imagens. Também pode ser acessado pelo ícone abaixo: Mathematical Operators Permite a realização de operações matemáticas com imagens. Distance Operators Módulo que possibilita a criação de buffers e a realização de análises relativas à distâncias de determinadas entidades, como estabelecimento de zonas de interesse e o estudo de caminhos de menor custo. Context Operators Neste módulo podemos fazer análises de superfícies, tais como criação de mapas de declividades, operações de filtragens, agrupamentos, geração de microbacias e localização de pontos de interesse. Statistics Módulo que permite análises estatísticas relacionadas à localização espacial das informações. Decision Support Oferece acesso aos módulos de suporte à decisão. Estes permitem que sejam realizadas análises que geram mapas de apoio à tomada de decisões baseados na localização espacial das informações. Change / Time Series Permite o trabalho com séries de dados e a análise das mudanças ocorridas em uma dada região em um período de tempo. 10 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Surface Analysis Aqui estão os módulos de interpolação, geoestatística, variáveis topográficas e extração de feições. Menu Modeling Neste menu podem ser realizadas operações de modelamento de dados, de classificação de imagens e de simulações. Figura 4 – Tela de acesso ao menu Modelling. Model Deployment Tools Permite a realização de classificações de imagens pelos classificadores tradicionais e utilizando a lógica fuzzy. Empirical Model development Tools Oferece módulos de classificação de imagens, regressões e multiregressões. 11 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Environmental Simulation Models Disponibiliza os módulos de simulação e avaliação de tendências e mudanças no uso do solo, além de módulos para análises de equações de perda de solo. Menu Image Processing Este menu contém os módulos de processamento de imagens. Figura 5 – Tela de acesso ao menu Image Processing. Restoration Permite a georreferência de imagens, elaboração de mosaicos, correções atmosféricas de imagens, ajustes de radiância e composições NDVI. Enhancement Oferece acesso aos módulos de aplicação de contraste, elaboração de composições falsa-cor, aplicação de filtros e fusão de imagens de diferentes resoluções. 12 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Transformation Permite a aplicação de transformações por componentes principais, análises de Fourier, HLS para RGB e vice-versa, análises de textura, análises termais e de índices de vegetação. Signature Development Este módulo permite a criação de assinaturas para classificações supervisionadas. Hard Classifiers Contém os módulos para as classificações por máxima verossimilhança, paralelepípedo e mínimas distâncias, entre outros. Segmentation Classifiers Permite a realização de classificações de imagens por segmentação. Hyperespectral Image Analysis Possibilita análises de imagens hiperespectrais. Accuracy Assessment Oferece os módulos de avaliação da qualidade das classificações elaboradas. Menu Reformat Este menu oferece módulos que permitem a mudança de formato de dados e modificações na estrutura de imagens e vetores, assim como transformações de linha para ponto ou polígono e vice-versa. 13 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 6 – Tela de acesso ao menu Reformat. Convert Permite a conversão de formatos de dados, como por exemplo, de rst para ascii. Project Possibilita a mudança de sistemas de projeção e de coordenadas e ainda mudanças de datuns em imagens georreferenciadas. Resample Neste módulo realizamos a georreferência ou a correção geométrica de imagens. Window Este módulo permite o recorte de partes de imagens contendo regiões de interesse. Expand e Contract Módulos que permitem estender ou reduzir imagens, modificando suas resoluções. 14 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Concat Permite a concatenação de imagens ou vetores, para elaboração de mosaicos. Transpose Permite a transposição de imagens, mudando suas orientações. Rastervector Permite a transformação de arquivos raster em vetor e vice-versa. Menu Data Entry Este menu oferece a possibilidade de entradas de dados através da edição e da criação e manutenção de banco de dados. Oferece ainda a ferramenta de interpolação de dados Figura 7 – Tela de acesso ao menu Data Entry. 15 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Carta Linx Editor de vetores. Para sua operação é necessário que o módulo seja adquirido separadamente e instalado. O Idrisi no entanto, oferece a possibilidade de edição de vetores através do ícone Digitize (vetorizador na tela). Edit Editor de textos do Idrisi. Muito usado para ajustes nos arquivos de documentação das imagens e vetores, ou para criação destes arquivos. Permite alterações nos dados armazenados. Também pode ser acessado pelo ícone abaixo: Assign Permite modificações e atribuições de valores de atributos em imagens e vetores. Initial Permite a cópia de padrões de imagens e substituição dos valores dos seus pixels. UTMRef Permite a geração de arquivos com o sistema de referência UTM. Surface Interpolation Oferece o módulo de interpolação de superfícies, possibilitando a realização de interpolações por contorno, rede irregular de triângulos e krigagem. Database Workshop Permite acesso ao banco de dados e a todas as suas operações. Também pode ser acessado pelo ícone abaixo: 16 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Ícones de atalho importantes A seguir são apresentados alguns ícones de atalho que facilitam as atividades com o Idrisi Taiga. Ícone destinado ao acesso à área de criação de tabelas de cores e formatação imagens e vetores. Ícones de aumento e diminuição de zoom. Esta tarefa também pode ser realizada utilizando-se as teclar Page down e Page up. Ícone de seleção e ampliação de áreas da imagem. Recomenda-se que a seleção seja feita no formato da tela do computador, pois assim, otimiza-se o espaço de visualização. Ícones de ampliação ou redução da área de visualização na tela do computador. Ícone de consulta de informações. Ícone que permite a realização de medidas lineares de comprimento. 17 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Ícone que permite a realização de medidas de zonas a partir de um ponto. Ícones de vetorização de informações. A mira tem como função vetorizar as características de interesse (pontos, linhas e polígonos), a seta curva salva as informações vetorizadas e o X permite que vetores sejam apagados. Ícone de acesso à calculadora de imagens. Ícone de acesso ao módulo de reclassificação de imagens e vetores. Ícone de atalho para o overlay. Módulo que permite operações matemáticas entre imagens. 18 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 USANDO O IDRISI TAIGA A primeira tarefa a ser executada quando se trabalha com o Idrisi, é a definição do diretório de trabalho. Esta é feita na seguinte sequência: 1. File; 2. Idrisi Explorer; 3. Projects. A seguir, clica-se duas vezes em Working folder e escolhe-se o diretório. A partir deste momento, todos os produtos gerados serão armazenados no diretório definido. Os arquivos que forem copiados de outros locais devem ser colocados neste diretório. Importação de arquivos (conversão de formatos) Uma das primeiras operações a ser feita com o SIG é a importação de imagens, que normalmente são a base de nossos projetos. Esta tarefa é feita com o objetivo de trazer um arquivo que esteja em outro formato para o formato .rst - formato este, reconhecido e usado pelo Idrisi Taiga. A estas imagens são associados arquivos documento, com informações da formatação dos arquivos, denominados .rdc (estes são criados automaticamente durante a operação). Os formatos de imagem comumente trabalhados pelo Idrisi são o .tiff, o .bmp e o .jpg. No entanto, é possível fazer a conversão de outros formatos de imagens, como .png, psd, etc, usando outros aplicativos, principalmente os de tratamento e processamento de imagens, como o Adobe Photoshop e o Corel Draw. Além disso, o Idrisi faz a conversão de inúmeros formatos de dados de agências de geração de imagens, e de outros aplicativos. Faz também a importação de arquivos vetoriais, como . dxf, .shp entre outros. Os passos para importação de um arquivo são os seguintes: 1. Copiar a imagem de interesse para dentro do diretório de trabalho; 19 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 2. No Idrisi, acessar o diretório de trabalho da maneira descrita anteriormente. Se este já tiver sido definido, esta operação é desnecessária); 3. Clicar sobre file e, em seguida sobre import, como na figura abaixo; 4. Definir o formato da imagem de origem, que pode ser de formatos gerais ou específicos. No exemplo, trabalhamos com uma imagem no formato .tiff; 5. Informar o nome do arquivo a importar e um nome para o arquivo .rst a ser criado. O arquivo documento será criado automaticamente. Figura 8 - Tela para importação de imagens. * Importante lembrar que o Idrisi importa dados em 24 bits e permite sua visualização. No entanto, algumas operações somente são realizadas com imagens em 8 bits. Se houver a necessidade destas operações, deve-se converter a imagem para 8 bits (256 níveis de cinza) antes de sua importação. Esta operação pode ser feita em qualquer software de tratamento de imagens digitais, como o Adobe Photoshop, o Corel Draw, o Paint, entre outros. 20 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 GEORREFERENCIA DE IMAGENS A georreferência (também chamada de registro ou correção geométrica) é um procedimento para registrar espacialmente uma imagem à sua posição real no terreno. Esse procedimento é usado para associar uma imagem a um sistema de coordenadas universalmente reconhecido, como Lat./Long. ou Universal Transversa de Mercator (UTM). Se uma imagem já está georreferenciada, mas necessita ser transformada para outro sistema de referencia, ela pode ser novamente reamostrada (no Idrisi esta tarefa é feita no menu Reformat, módulo Project). Para a georreferência de uma imagem é necessário o conhecimento das coordenadas de pontos que sejam visíveis na imagem a ser georreferenciada, e em cartas topográficas, outras imagens já georreferenciadas, ou facilmente localizáveis no terreno de onde serão coletadas. É necessário um número mínimo de pontos de controle (conforme a função de mapeamento a ser utilizada), a fim de que o aplicativo possa efetuar as operações matemáticas para a georreferência. Passos para a georreferência: 1. Clicar em Reformat; 2. Clicar em Resample; 3. Escolher a forma de execução da georreferência, que pode ser especificando-se um arquivo e digitando-se as coordenadas ou então abrindo-se duas imagens, sendo uma da área de interesse já georreferenciada, e associando-se os pontos de controle das duas imagens; Neste primeiro exercício utilizaremos o segundo procedimento: 4. Em Ground Control Points, clicar em input reference e escolher a imagem a ser georreferenciada; 5. Clicar em output reference e selecionar a imagem já georreferenciada; 6. Com as duas imagens abertas, clica-se em input. O Idrisi insere um ponto de controle na imagem a ser georreferenciada. Arraste o até o local da imagem onde quer efetuar a georreferência (ponto de controle – normalmente, cruzamento de 21 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 estradas, ferrovias, pontes, esquinas de ruas, etc). Em seguida, clica-se em output para inserir o ponto de controle na imagem já georreferenciada. Após, basta apenas ajustar os dois em sua posição. Quanto mais exato for este ajuste, melhor será a qualidade da georreferência. A partir da definição do quarto ponto, o Idrisi passa a informar o erro médio quadrático de cada ponto (residual) e total (Total RMS); Figura 9 – Tela de preenchimento das informações para georreferência. 7. Em seguida, deve-se escolher a equação adequada (Mapping function), pois o Idrisi Taiga empregará esta equação que descreverá a relação entre os dois sistemas de coordenadas. Usando essa equação, o aplicativo, converte o arquivo para o novo sistema de referência; 8. Em seguida, define-se o tipo de reamostragem (nearest neighbor ou bilinear). Após, clica-se em output reference parameters e define-se os parâmetros de referência. As coordenadas mínimas x e y e as coordenadas máximas x e y devem ser definidas em função da área de recorte espacial da imagem georreferenciada; O número de colunas deve ser definido a partir da seguinte equação: 22 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 A resolução é definida a partir do tamanho do espaço representado por cada pixel da nova imagem. Por exemplo, no caso de imagens de satélite, normalmente usa-se a sua resolução espacial, já para a georreferência de cartas topográficas, deve-se definir a resolução em função de sua escala. O número de linhas é calculado com a mesma equação, substituindo-se o x pelo y. Após, define-se o sistema de referência e a unidade de referência e clica-se em ok. Na figura abaixo pode-se visualizar os parâmetros de referência preenchidos exemplarmente e o sistema de referência escolhido. Neste caso, deve-se sempre ajustar este sistema ao local onde o trabalho está sendo executado e ao datum de interesse. Figura 10 – Tela de escolha dos parâmetros de referência. Deve-se distribuir os pontos de controle ao longo de toda a imagem, uma vez que a equação que descreve o ajuste espacial entre os dois sistemas de referência é desenvolvida a partir desses pontos. Se os pontos de controle estão agrupados em alguma área da imagem, a equação descreverá somente o ajuste espacial dessa pequena área, sendo que o resto da imagem não estará adequadamente posicionada durante a transformação para o novo sistema de referência. Uma boa sugestão é encontrar pontos ao longo da borda da imagem. Se, entretanto, houver interesse somente numa parte da imagem, pode-se 23 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 concentrar todos os pontos nessa área e então desprezar o resto da imagem após a reamostragem. A função de mapeamento linear é comumente usada com imagens menores, já funções de mapeamento de ordem maior (quadrática ou cúbicas), são usadas com imagens maiores (ex. uma cena inteira de uma imagem de satélite). Um número mínimo de pontos é necessário para cada função de mapeamento (4 para linear, seis para quadrática e dez para cúbica). Após a definição dos pontos de controle, deve-se observar o erro médio quadrático, (RMS) e o resíduo de erro individual de cada ponto de controle. Esses resíduos expressam quanto cada ponto de controle se desvia da equação de melhor ajuste. Novamente, a equação de melhor ajuste descreve a relação entre o sistema de referencia arbitrário da imagem e o novo sistema de referência ao qual ela está sendo reamostrada. Essa relação é calculada a partir dos pontos de controle. Um ponto com resíduo alto sugere que as coordenadas de ponto foram mal escolhidas, no antigo sistema, no novo ou em ambos. Neste caso, pode-se excluir aqueles pontos com maior erro, evitando-se no entanto, a exclusão de pontos que sejam únicos em uma determinada região. O RMS total descreve o erro de posicionamento de todos os pontos de controle em relação à equação. Ele descreve a probabilidade de uma posição mapeada variar com relação à sua localização real. De acordo com Eastman (1995) o RMS da imagem deve ser menor que metade da resolução da imagem georreferenciada. É sempre importante identificar um número de pontos de controle maior do que o mínimo, para termos a opção de eliminar aqueles com maiores erros. Em seguida, define-se o sistema e a unidade de referência e clica-se em ok. A imagem será georreferenciada. Agora passaremos à segunda maneira de georreferenciar uma imagem pelo Idrisi Taiga. A sequência deve ser a seguinte: 1. Abrir a imagem, carta ou mapa a ser georreferenciada; 2. Clicar em Reformat; 3. Clicar em Resample; 24 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 4. Aproximar os locais de interesse, que contenham pontos de controle identificáveis no mapa a ser georreferenciado e em um mapa, carta ou imagem já georreferenciado; 5. Preencher a tabela com as coordenadas de tela (input x e y) e georreferenciadas (output x e y). O número mínimo de pontos de controle deve ser 4. Verificar O erro residual de cada ponto e o erro médio quadrático (RMS). Este erro deve ser menor que a metade da resolução dos pixels georreferenciados; 6. Em Input image seleciona a imagem a ser georreferenciada e em Output image informa o nome de saída da imagem georreferenciada. A Figura 11 mostra a tela de dados para a georreferência; Figura 11 – Tela para georreferência, informando as coordenadas dos pontos de controle. 7. Clicar em output reference parameters e definir os parâmetros de referência, como já explicado na página 23. Em seguida basta definir a função de mapeamento e o tipo de reamostragem e clicar em ok. 25 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 COMPOSIÇÕES COLORIDAS (FALSA COR) Composições em falsa cor são imagens coloridas produzidas a partir de três imagens independentes em tons de cinza. São chamadas de composições em falsa cor sempre que contiverem informação espectral fora do intervalo sensível ao olho humano. É elaborada, associando 3 bandas de imagem, cada uma a uma das três cores básicas da luz: vermelho, verde e azul. O aplicativo sobrepõe as bandas às suas respectivas cores, obtendo-se assim, uma imagem colorida (normalmente falsa-cor). Os diferentes níveis de cada cor variam de 0 a 255 tons (para imagens de 8 bits), onde 0,0,0 corresponde ao preto e 255,255,255 corresponde ao branco. O sistema de cruzamento destas cores, é representado pela Figura abaixo. Note-se nesta figura, que ao juntar as cores verde e vermelho obtêm-se diferentes tons de amarelo, o verde e o azul juntos geram o ciânico e o vermelho ao ser misturado com o azul dá origem ao magenta. Se juntar as três cores no seu mais alto valor (255) visualizar-se-á o branco. Assim, diferentes composições podem ser usadas para diferentes objetivos de trabalho, por exemplo, na composição 3,4,5 as bandas são associadas respectivamente ao azul, ao verde e ao vermelho, sendo esta muito utilizada para extração de informações relativas às classes de uso do solo. magenta ver me lho branco 255,255,255 azul 255 255 amarelo ciânico preto 0,0,0 255 verde Figura 12 – Cubo de cores 26 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Passos para elaboração de uma composição falsa cor: 1. Acessar o módulo Image processing/ Enhancement/Composit. Também pode-se acessar o módulo a partir do ícone: 2. Informar o nome dos arquivos que contém as informações referentes aos comprimentos de onda de interesse, em nosso caso, as bandas de imagem de satélite a serem associadas às cores vermelha, verde e azul; 3. Definir um nome de saída para a composição, escolher o tipo de contraste a ser aplicado na elaboração da composição, o tipo de dados de saída e o percentual de saturação das bandas em tons de cinza. Figura 13 - Tela para elaboração de composição falsa-cor. VETORIZAÇÃO DE DADOS O termo vetorização, refere-se a um dispositivo que codifica os dados gráficos vetoriais (localização de pontos) em coordenadas planas. O IDRISI traz um módulo que permite a vetorização de polígonos, linhas e pontos na tela. 27 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Para esta tarefa é necessário clicar sobre o ícone digitize (vetorização na tela), informar o nome do arquivo vetor a ser criado e um identificador. O acesso a este módulo também pode ser feito pelo ícone: A vetorização é efetuada clicando-se na mira. O salvamento dos dados é feito na flecha curva e caso seja necessário apagar algum vetor, clica-se sobre o x. A Figura a seguir mostra a tela inicial para realização desta tarefa. Figura 14 – Tela para vetorização. CÁLCULO DE DISTÂNCIAS E ÁREAS No Idrisi pode-se calcular distâncias a partir do ícone: O cálculo de áreas de polígonos deve ser feito rasterizando-se os mesmos sobre uma imagem com fundo zero (todos os píxels com valor zero). Para esta tarefa é necessário seguir o procedimento: 28 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 1. Criar imagem base para cálculo das áreas, no Data Entry - Initial. Informar o nome da imagem a ser gerada, a imagem a copiar os parâmetros e o valor a inicializar a imagem (normalmente zero); 2. Rasterizar o arquivo vetor de interesse sobre a imagem base criada, a partir do "reformat" - "raster-vector”, informando-se o nome do arquivo com o vetor polígono e a imagem a ser atualizada. Esta imagem é a que foi criada no Initial. Pode-se também rasterizar diversos polígonos, caso queiramos calcular várias áreas ao mesmo tempo. Figura 15 – Tela para inicialização de imagens com valores únicos. 29 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 16 – Tela para conversão de arquivos vetor para raster ou vice-versa. Após a rasterização dos polígonos, acessa-se o módulo de cálculo de áreas contido no menu GIS Analysis, Database Query, Area. A Figura 16 mostra a tela de acesso a este módulo. CLASSIFICAÇÃO DE IMAGENS Classificação não supervisionada A classificação não supervisionada é uma técnica de classificação de imagens na qual os padrões de resposta espectral dominantes em uma imagem são extraídos buscandose a identificação dos diferentes agrupamentos de dados. As classes de informações obtidas neste método de classificação devem ser identificadas posteriormente e confirmadas a campo. O módulo que realiza esta classificação no Idrisi é o Cluster. Ele faz a seleção pelo pico do histograma, onde busca os picos como se eles estivessem em um histograma unidimensional. Um pico é definido como sendo o valor de maior freqüência com relação aos seus vizinhos. Depois da identificação dos picos todos os valores passam 30 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 a ser associados ao pico mais próximo. Desta forma, as divisões entre as classes tendem a cair no ponto médio entre os picos. Figura 17 – Tela para cálculos de áreas. Para a elaboração da classificação não supervisionada de uma imagem, é necessário termos uma composição colorida com três bandas. Estas, devem estar no mesmo sistema de coordenadas, ter o mesmo tamanho e documentos com as mesmas informações. Os seguintes passos são necessários para a classificação não supervisionada de imagens utilizando o módulo Cluster: 1 – No menu Image Processing, acessa-se o módulo hard classifiers e escolhe-se Cluster; 31 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 18 – Tela para elaboração de classificação não supervisionada. 2 – Define-se a porcentagem de saturação e o grau de generalização; 3 – Pode-se optar pela eliminação dos clusters (grupos) menos significativos, definir um número máximo de grupos, ou classificar todos os grupos. Em seguida, clica-se em ok. Classificação supervisionada Na classificação supervisionada, coberturas do solo são identificadas e diferenciadas umas das outras pelo seu padrão de resposta espectral. Nesta classificação define-se as assinaturas espectrais das categorias de uso conhecidas, e o aplicativo associa cada píxel da imagem à assinatura mais similar. Para que o software efetue este procedimento, necessita-se da definição de áreas de treinamento contendo os padrões que se deseja classificar. As áreas de treinamento são delimitadas por polígonos desenhados sobre cada uso do solo na imagem. Estes polígonos devem ter o mesmo identificador para cada classe de uso. Por exemplo, as áreas cobertas por floresta, que podem ser amostradas em vários 32 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 pontos, serão associadas ao identificador 1, áreas com solo exposto ao identificador 2, e assim por diante. Os passos para a classificação supervisionada são os seguintes: 1 – Abrir a imagem que será classificada; 2 - Localizar exemplos representativos de cada uso do solo na imagem; 3 – Criar um arquivo vetorial que conterá os polígonos com as áreas de treinamento; 4 – Vetorizar os polígonos das áreas de treinamento. Para cada tipo de cobertura do solo, será atribuído um único identificador inteiro sendo que cada tipo de cobertura terá uma ou mais áreas de treinamento (o ideal é que as áreas de treinamento cubram pelo menos 10% da área total de cada uso). Deve-se anotar a seqüência dos identificadores para associá-los ao nome do uso, no passo seguinte; Figura 19 – Tela mostrando polígonos vetorizados. 5 – Na sequência é feita a criação das assinaturas espectrais de cada uso, através do módulo Makesig, desde o menu Image Processing / Signature development. Nele, escolhese vetor como o tipo de arquivo criado no passo anterior, informa-se o nome deste arquivo 33 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 vetor e em seguida, informa-se o nome dos arquivos de assinatura, a partir dos seus identificadores. Cada píxel na área de estudo tem um determinado valor em cada uma das bandas utilizadas para a classificação. Estes valores formam uma única assinatura que pode ser comparada com cada um dos arquivos de assinatura recém criados. Desta forma, na classificação, é atribuído a cada píxel o tipo de cobertura com assinatura mais parecida. Existem diversos métodos estatísticos de classificação de imagens (classificadores) no Idrisi, sendo que os mais comumente usados são: classificador de distâncias mínimas às médias, Mindist, por paralelepípedos Piped e por máxima verossimilhança Maxver. Para efeito de treinamento, usaremos o classificador por máxima verossimilhança. Nele, os valores de reflectância de uma área de treinamento são descritos por uma função de densidade de probabilidade, baseada na estatística Bayesiana. Este classificador verifica a probabilidade que um píxel tem de pertencer a uma determinada classe e o classifica na categoria que tiver maior probabilidade; Figura 20 – Tela de acesso para elaboração das assinaturas. Abaixo é apresentada a sequência da tela de criação das assinaturas. 34 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 21 – Exemplo da elaboração de arquivos de assinatura. A seguir, define-se o número de bandas de imagem que serão processadas e informa-se o nome destas bandas nas caixas de diálogo que aparecerão; Figura 22 – Tela para definição de quantas e quais bandas serão usadas na classificação. 35 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 6 – Em seguida define-se o classificador, que neste caso é o de máxima verossimilhança. Insere-se o grupo de assinaturas criado no passo anterior, define-se a probabilidade para ocorrência de cada assinatura e informa-se um nome de saída para a imagem classificada. Define-se ainda o valor mínimo para classificação (entre 0 e 1 – normalmente, utiliza-se o 0,0) e clica-se em ok. Figura 23 – Tela de acesso para definição do classificador a ser utilizado. Neste momento, tem-se a área classificada, e a partir dela, pode-se gerar o mapa de uso do solo. Importante avaliar com cuidado a qualidade da classificação. Caso não seja a esperada, deve-se refazer o trabalho, escolhendo-se mais áreas de treinamento ou então dividindo-se os usos que tem diferenças de reflectância em mais de uma classe. Um exemplo disso, pode ser dado para a classe solo exposto. Esta, dependendo do tipo de solo, da umidade, da exposição ou de restos de culturas, pode aparecer com tonalidades muito distintas. Sana-se este problema criando-se várias sub-classes com identificadores diferentes. Após a classificação, basta reclassificar a imagem e juntar as sub-classes em uma só classe de solo exposto. 36 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 24 – Tela apresentando o resultado da classificação supervisionada. Para calcular as áreas dos usos, basta clicar com o botão direito do mouse sobre qualquer um dos nomes dos usos na legenda e selecionar calculate áreas. A Figura 25 apresenta o resultado desta operação. A elaboração do mapa dos usos do solo pode ser feita, clicando-se com o botão direito sobre a legenda e escolhendo-se Map properties. Após, podemos escolher a legenda, georreferência, grade de coordenadas, norte, escala, inserção de textos, de figuras ou gráficos e título. A Figura 26 apresenta um exemplo de mapa elaborado a partir de uma classificação supervisionada. 37 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 25 – Resultado do cálculo de áreas. Figura 26 – Mapa elaborado a partir da classificação supervisionada. Observe-se que o mesmo apresenta alguns problemas e pode ser melhorado. 38 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Caso haja a necessidade, pode-se aplicar um filtro sobre a classificação, visando seu refinamento. Este pode ser acessado a partir do módulo filter, seguindo o caminho apresentado na Figura abaixo. Figura 27 – Tela para aplicação de filtro sobre imagem classificada. Aqui define-se a imagem a ser filtrada e um novo nome para a mesma. Escolhe-se o tipo de filtro a ser aplicado e o seu tamanho, e em seguida, clica-se em ok. Caso queiramos mudar as cores da legenda, devemos seguir o procedimento: 1 – Display; 2 – Symbol Workshop; 3 – File; 4 – New / palette (se forem vetores ou textos, escolhe-se estes). 39 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 28 – Tela para elaboração de palheta de cores. Informa o nome para nossa palheta de cores e clica em ok. Figura 29 – Tela para definição do tipo de palheta de cores. 40 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Em seguida, escolhe-se as cores de acordo com os identificadores da imagem classificada. Figura 30 – Tela demonstrativa da escolha das cores para cada identificador do mapa. ÍNDICE KAPPA Geralmente, a última etapa de uma classificação envolve a avaliação da exatidão do mapeamento. Tal avaliação pode ser feita através da geração de pontos aleatórios no mapa para serem verificados no campo. No Idrisi, o primeiro passo desta análise consiste na geração de pontos de amostragem aleatoriamente estratificados, através do módulo Sample, acessado pelo menu GIS Analysis / decision support. Estes são verificados (através de informações de campo) para confirmação do tipo de uso. Em seguida, cria-se um arquivo de valores relacionando os pontos amostrais à verdade terrestre através do sistema de gerenciamento de banco de dados ou pelo edit. O arquivo de valores é então exportado e cria-se uma imagem raster 41 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 dos pontos amostrais com a verdade terrestre. No módulo Errmat analisa-se estatisticamente a classificação supervisionada, onde a mesma é confrontada com os pontos de campo, fornecendo uma matriz de erros e o índice Kappa geral e por categoria. Na matriz de erro, o erro de omissão indica a probabilidade de uma unidade amostral de referência estar corretamente classificada e o erro de inclusão representa a probabilidade que um pixel classificado no mapa, represente a categoria no terreno. Erros de inclusão ocorrem quando um ponto é identificado como de uma classe, quando na realidade pertence a outra classe, enquanto que os erros de omissão ocorrem quando um ponto é identificado como pertencente a outra categoria, quando, na realidade, é membro de uma determinada classe. A tabela a seguir apresenta a qualidade da classificação associada aos valores da estatística Kappa (LANDIS & KOCH, 1977) Valor de Kappa <0,00 0,00 – 0,20 0,20 – 0,40 0,40 – 0,60 0,60 – 0,80 0,80 – 1,00 Qualidade da classificação Péssima Ruim Razoável Boa Muito boa Excelente Os passos para a avaliação da acurácia de uma classificação com o índice kappa são os seguintes: 1. Abrir a imagem original e aplicar sobre ela uma matriz de pontos utilizando o módulo GIS Analysis/Decision Support/sample; 42 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 31 – Tela de apresentação do sample. 2. Identificar o uso da terra no píxel pertencente àquele ponto e anotar seu identificador; 3. No módulo data entry/edit, abre o arquivo criado no sample e informa os identificadores de cada ponto. Pode –se também criar um arquivo novo e salvar com a extensão avl (arquivo de valores). Neste caso, coloca-se na primeira linha do arquivo o número total de pontos e nas demais linhas edita-se o par de pontos: n° do ponto; identificador do uso real; 4. No módulo GIS analysis/data base query/assign, insere o arquivo vetor dos pontos criados no sample, informa um nome de saída e define como arquivo de valores de atributos (atribute values file), o arquivo criado acima com os pontos e seus identificadores; 43 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 32 – Tela para análise do índice kappa. 5. Salvar o arquivo acima, e em seguida converte-lo para inteiro; 6. Inicializa-se uma imagem com valores zero, copiando parâmetros da imagem classificada; 7. Rasteriza-se o arquivo vetor sobre esta imagem. No módulo GIS analysis/decision support/errmat informa os arquivos com a verdade terrestre (criado acima) e o mapa de categorias (imagem classificada). O programa roda estas informações e fornece os resultados estatísticos, que poderão ser comparados com a tabela de qualidade de classificação acima. MODELAGEM NUMÉRICA DE TERRENO (MNT) Modelo numérico de terreno (MNT), em inglês, (DTM- Digital Terrain Model), é a representação matemática da distribuição espacial de uma determinada característica vinculada a uma superfície real. Normalmente a superfície é contínua e representada por um fenômeno variado. Dentre alguns usos do modelo numérico do terreno pode-se citar (Burrough, 1989): 44 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 - a) Armazenamento de dados de altimetria para gerar mapas topográficos; - b) Análises de corte-aterro para projeto de estradas e barragens; - c) Elaboração de mapas de declividade e exposição para apoio a análise de geomorfologia e erodibilidade; - d) Apresentação tridimensional (em combinação com outras variáveis). Aquisição de dados de MNT Para representação dos dados do modelo numérico do terreno, devemos representálos através das coordenadas x,y,z, onde z caracteriza o parâmetro a ser modelado, sendo z=f(x,y). Normalmente adquirimos estes dados segundo uma distribuição irregular no plano x y, ou seja não existem relações topológicas definidas entre as posições dos pontos amostrados, ou ao longo de linhas com mesmo valor de z ou mesmo com um espaçamento regular. Assim, a aquisição destes dados é geralmente efetivada através de levantamentos de campo, digitalização de mapas, medidas fotogramétricas a partir de modelos estereoscópicos e dados altimétricos adquiridos de GPSs, aviões e satélites. Portanto os produtos e as aplicações do MNT não são elaborados sobre os dados amostrados, mas sim dos modelos gerados no formato de grades. Tais formatos simplificam a implementação dos algoritmos de aplicação e os tornam mais rápidos computacionalmente. Desta forma, podemos adquirir os dados através de pontos amostrados com espaçamento irregular e regular bem como por mapas de isolinhas. a) Dados amostrados através de pontos: A qualidade do produto final de uma aplicação sobre o modelo, está diretamente ligada à escolha dos pontos e a qualidade destes dados amostrados. Em aplicações onde é requerido um grau de realismo superior, a quantidade de pontos amostrados, bem como o cuidado na escolha desses pontos, é decisiva. Assim, temos como regra que quanto maior a quantidade de pontos representantes da superfície real, maior será o esforço computacional para que estes sejam armazenados, recuperados e processados, e melhor será o produto final. 45 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 b) Dados amostrados através de isolinhas: A representação de qualquer superfície por meio de curvas de isovalor, é denominada de mapa de isolinhas, assim temos como exemplo mais comum as cartas topográficas. As isolinhas são curvas que unem entre si pontos da superfície que tenham o mesmo valor de cota. O significado do valor da cota depende da magnitude física da superfície que se pretende modelar. Dessa forma, temos para uma superfície que representa a altimetria do terreno, as curvas de nível; a temperatura se obtém das isotermas; para previsão atmosférica, as isóbaras; etc. A Figura abaixo apresenta um exemplo de isolinhas em uma carta topográfica. Figura 33 – Carta topográfica mostrando suas isolinhas. c) Isolinhas de altimetria do terreno As isolinhas podem ser visualizadas como sendo a projeção do plano (x,y) das intersecções entre a superfície e uma família de planos horizontais eqüidistantes. As isolinhas de cota z, obtidas pela projeção do plano x,y, possuem algumas características importantes, entre elas: Todas são fechadas, a menos que interceptem as fronteiras de definição do mapa e nunca se cruzam. A aquisição das isolinhas pode ser efetuada através de diversas formas: 46 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 • Vetorização manual, através do uso de mesa digitalizadora; • Vetorização manual, através da tela do computador; • Processo automático por meio de scanner. A vetorização manual consiste na operação de identificação de uma isolinha com um valor de cota (ex. 120m), e na aquisição pelo operador por um processo onde segue-se a linha ao longo do mapa. Na vetorização com scanner, é obtida uma matriz de pontos onde pode-se identificar as isolinhas e os valores de cota. Estes processos de vetorização que seguem uma isolinha, transformam-na em uma seqüência de pontos com coordenadas x,y de mesmo valor em z, para cada isolinha. A vetorização na tela do computador é feita seguindo-se as linhas de cota com o vetorizador. A seqüência para a montagem de um modelo digital do terreno no Idrisi é a seguinte: 1 – Vetoriza-se as curvas de nível (ou de pontos) através de um dos três métodos; 2 – No Data Entry / Surface Interpolation/TIN interpolation/TIN, define o formato dos dados, se linhas ou pontos, o tipo de triangulação, o nome do arquivo a ser interpolado, um nome de saída, preenche os demais dados e clica em ok. Caso queiramos que o aplicativo já crie uma imagem raster desta interpolação, devemos selecionar a opção create raster surface e informar um nome de saída. 47 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 34 – Tela para geração do modelo numérico do terreno. FUSÃO DE IMAGENS MULTIESPECTRAIS E PANCROMÁTICAS A fusão de imagens de satélites pode ser empregada para melhorar a resolução (espacial e espectral) das imagens, facilitando a identificação de alvos. Essa técnica de processamento pode ser empregada para melhorar a classificação de imagens, uma vez que a heterogeneidade espectral de áreas em sensoriamento remoto pode conduzir a erros em sua classificação. Normalmente uma fusão é feita utilizando-se uma imagem pancromática de alta resolução espacial, e bandas de imagem multiespectral com menor resolução espacial. Deste modo, a resolução espectral pode ser preservada, enquanto a melhor resolução espacial é incorporada com o intuito de captar o conteúdo de informação das imagens com maior detalhamento. Nesta tarefa utiliza-se normalmente o método HLS que é a sigla para: hue, lightness e saturation, que significam, respectivamente, matiz, brilho e saturação (este método também é chamado de IHS). Este é um espaço de cor mais uniforme que o espaço RGB e que separa a cromaticidade da luminância. A transformação RGB-HLS separa a informação acromática (valor) e cromática (matiz e saturação) de uma imagem RGB. 48 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Neste método, três bandas espectrais de menor resolução espacial são transformadas do espaço RGB de cores para o espaço HLS. A componente L é substituída pela imagem PAN, sendo na seqüência efetuada a operação inversa, retornando para o espaço RGB. A sequência para elaboração da fusão é apresentada a seguir. Basta informar as bandas associadas a cada uma das cores do espaço RGB e a banda pancromática de melhor resolução. Deve-se observar que as duas imagens devem ter os mesmos limites mínimos e máximos de coordenadas. Figura 35 – Tela para elaboração de fusão de imagens. GERAÇÃO DE BUFFERS No Idrisi, o buffer é delimitado a partir do vetor base rasterizado sobre uma imagem com valores zero. Os passos para esta operação são os seguintes: 1 – Vetoriza-se o ponto, a linha ou o polígono; 2 – Gera-se uma imagem incializada com fundo zero, pelo módulo Initial; 3 – Rasteriza-se o vetor sobre a imagem com valor zero; 49 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 4 – No módulo GIS Analysis, acessa-se Distance operators e escolhe-se Buffer, como na Figura 36; Figura 36 – Tela para geração de buffers. 5 – Preenche os campos com as informações solicitadas e clica em ok. Agora esta criada a imagem com o buffer. Caso queira transformá-la em vetor, efetua-se a conversão pelo módulo Rastervector, contido no menu Reformat. OPERAÇÕES COM BANCO DE DADOS Primeiramente, será feita uma breve descrição do que é um banco de dados: Um banco de dados é formado por um conjunto de dados estruturado de maneira adequada de forma que pode ser utilizado com eficiência para uma diversidade de aplicações dentro de uma organização. Um banco de dados relacional utiliza a relação matemática como unidade básica. Para tanto, utiliza a teoria dos conjuntos como a base formal para a descrição de modelos de dados. 50 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Podemos dividir a formação dos bancos de dados, simplificadamente, através de 3 estruturas: Tabelas, Campos e Registros. Tabelas: Uma tabela é uma coleção de dados sobre um tópico específico. Usar uma tabela separada para cada tópico significa que você armazena aquele dado apenas uma vez, o que torna seu banco de dados mais eficiente e reduz erros de entrada de dados. Tabelas organizam os dados em colunas (chamadas campos) e linhas (chamadas registros). Na manutenção destas tabelas podemos adicionar, editar ou visualizar seus dados, verificar ortografias, filtrar ou classificar os registros, alterar a aparência e fazer a impressão de informações. Campos: (Data item or field), correspondem a um conjunto de informações organizadas em uma coluna. Registro: (record), Um registro consiste num conjunto de itens de dados e/ou grupos de dados, reunidos de forma a caracterizar uma ocorrência de um conjunto de atributos, de uma determinada entidade. São as informações contidas nas linhas do banco de dados. No Idrisi o banco de dados pode ser acessado pelo ícone , ou seguindo o caminho: 1 – GIS Analysis / Database Query / Database workshop, conforme a Figura 37; Com o banco de dados aberto, podemos iniciar sua operação. Primeiramente criamos o novo banco de dados, clicando em File / New. Após a criação do banco de dados, podemos criar a (s) tabela (s). Basta clicar em Edit / Create Table. Com a tabela criada, podemos adicionar os campos. Basta clicar em Edit / Add Field. Ali define o formato dos dados do campo e o tamanho do mesmo (Figura 38). Após termos criado todos os campos de interesse, definimos o número das linhas e seus identificadores. Esta é uma operação importante pois é com os identificadores que o aplicativo faz a ligação do banco de dados com as informações e também com os mapas, caso tenhamos este interesse. 51 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Após o preenchimento do banco de dados, podemos liga-lo (linka-lo com um mapa). Para isto precisamos ter o mapa com os mesmos identificadores do banco de dados e fazer sua ligação. Esta tarefa é realizada através da sequência: 1 – Query / Establish Display Link, conforme a Figura 39; A partir de então, pode-se visualizar o banco de dados ligado com seu mapa, onde podemos efetuar as consultas pelo identificador, ou clicando-se sobre o mapa. A Figura 40 apresenta um exemplo desta operação, que foi realizada com dados baixados do site do IBGE em formato .shp. Figura 37 – Tela de acesso ao módulo do banco de dados. 52 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 38 – Tela de criação dos campos na tabela do banco de dados. Figura 39 – Tela para efetuar ligação do banco de dados com o mapa. 53 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 Figura 40 – Exemplo de consulta efetuada sobre o banco de dados. Note-se que ao clicar sobre o banco de dados, o município de Ourinhos é destacado no mapa (círculo branco no do Brasil e área marrom na aproximação. O Idrisi prevê a administração de banco de dados relacional, através de sistemas integrados com seus arquivos, não havendo necessidade de utilizar um sistema de banco de dados independente. Proporciona as mais diversas atividades dentro de seu banco de dados. REFERÊNCIAS E BIBLIOGRAFIA RECOMENDADA ASSAD, E.D., SANO, E.E. Sistema de informações geográficas aplicações na agricultura. 2 ed. Brasília: Embrapa, 1998. BURROUGH, P.A; McDONNELL, R.A.. Principles of geographical information systems. Oxford: University Press, 2004. 54 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 BUZAI, G.D.; DURÁN, D. Enseñar e investigar com sistemas de información geográfica (S.I.G.) Buenos Aires: Traquel, 1997. 192p. CALIJURI, M.L., RÖHM, S.A. Sistemas de Informações Geográficas. CCET/DEC Universidade Federal de Viçosa. Imprensa Universitária: Viçosa, 1994. 34p. CÂMARA, C, & DAVIS, C. (1996). Fundamentos de Geoprocessamento. Livro online:www.dpi.inpe.br CÂMARA, G. & MEDEIROS, J. S. (1998). GIS para Meio Ambiente. São José dos Campos: INPE. CÂMARA, G. MEDEIROS, J.S.de. Princípios básicos em geoprocessamento. In: ASSAD, E.D., SANO, E.E. Sistema de informações geográficas aplicações na agricultura. 2 ed. Brasília: Embrapa, 1998. p. 3 – 11. SOCIEDADE BRASILEIRA DE ENGENHARIA AGRÍCOLA. Cartografia, sensoriamento remoto e geoprocessamento. In: CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA, 27, Poços de Caldas, MG. 1998. 226p. CROSTA, A.P. Processamento digital de imagens de sensoriamento remoto. Campinas: IG/UNICAMP. 1992. 170p. EASTMAN, J. R. Idrisi for Windows - Manual do usuário: introdução e exercícios tutoriais. Editores da versão em português, Heinrich Hasenack e Eliseu Weber. Porto Alegre, UFRGS Centro de Recursos Idrisi, 1998. 240 p. EASTMAN, J. R. IDRISI32. Guide to GIS and image processing. Massachusettes, Clark University. V. 2, 1999. 169p. EASTMAN, J. R., Idrisi - User’s Guide Version 1.0. Clark University: Worcester, USA. may 1995. FITZ, P.R. Geoprocessamento sem complicação. São Paulo: Oficina de Textos, 2008. LANDIS, J.R., KOCH, G.G. The measurement of observer agreement for categorical data. Biometrics, v. 33, n.1, p. 159 – 174, 1977. 55 Disciplina de Geoprocessamento - Práticas Em Idrisi:Versão Taiga CEDIAP - Unesp -Ourinhos - 2010 MEDEIROS, J.S. de; TOMÁS, D.D.; SIMÕES,M. Introdução aos sistemas de informação geográfica. Sociedade Brasileira de Cartografia, XVII CONGRESSO BRASILEIRO DE CARTOGRAFIA. 1995, 66p. MONICO, J. F. G. Posicionamento pelo NAVSTAR-GPS: Descrição, Fundamentos e Aplicações. São Paulo: Ed. UNESP, 2000. NASA - The Landsat Program and Landsat Science. Texto disponível na Internet: http://geo.arc.nasa.gov/sge/landsat/lswg.html NOVO, E.M.L. Sensoriamento Remoto, princípios e aplicações. São Paulo: Blucher, 1992. 308p. PEREIRA, R.S., MADRUGA, P.R. de A., HASENACK, H. Geoprocessamento aplicado ao planejamento de uso de recursos naturais - Curso. UFSM-CCR-FATEC, Santa Maria, RS. 1995. 40p. ROCHA, C.H.B. Geoprocessamento: tecnologia transdisciplinar. Juiz de Fora: Ed. do Autor, 2000. ROSA, R. Introdução ao sensoriamento remoto. Uberlândia: Edufu, 1995. 117p. SENDRA, J.B., MARTÍNEZ, F.J.E., HERNÁNDEZ,E.G., GARCÍA M.J.S. Sistemas de Información Geográfica: prácticas con PC ARC/INFO e Idrisi. Madrid: RA-MA, 1994. SILVA, A.de B. Sistemas de informações geo-referenciadas. Campinas: Editora Unicamp, 2003. TEIXEIRA, A.L.A.; CHRISTOFOLETTI, A. Sistemas de Informação Geográfica: Dicionário ilustrado, São Paulo: Hucitec, 1997. TEIXEIRA, A.L.A.; MORETTI, E.; CHRISTOFOLETTI, A. Introdução aos Sistemas de Informação Geográfica, Rio Claro-SP, 1992. TOMLIN, C.D. Geographic information systems and cartographic modeling. Prentice Hall, Englewood, 1990, 243 p. XAVIER DA SILVA, J. Geoprocessamento para análise ambiental. Rio de Janeiro: Ed. Do Autor, 2001. 56