avaliação de acurácia da classificação de dados de - Universidade ...
avaliação de acurácia da classificação de dados de - Universidade ...
avaliação de acurácia da classificação de dados de - Universidade ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
IV Simpósio Brasileiro <strong>de</strong> Ciências Geodésicas e Tecnologias <strong>da</strong> Geoinformação Recife - PE, 06- 09 <strong>de</strong> Maio <strong>de</strong> 2012<br />
p. 007 - 0010<br />
5. RESULTADOS E CONSIDERAÇÕES FINAIS<br />
Com a aplicação <strong>da</strong> <strong>classificação</strong> por regiões e utilizando o método isoseg obteve-se como resultado uma<br />
imagem classifica<strong>da</strong> com seis classes e on<strong>de</strong> duas <strong>de</strong>stas se apresentaram muito próximas a outras classes mais<br />
expressivas. A imagem foi reclassifica<strong>da</strong> para que tivesse apenas quatro classes (Figura 3(b): floresta (Figura 4 (a)), não<br />
floresta (Figura 4 (c) e Figura 4(f)), mangue (Figura 4(b), Figura 4(e)) e água (Figura 4(d)).<br />
(a) (b)<br />
Figura 3 – Área analisa<strong>da</strong>. (a) Imagens ETM + Landsat 7, <strong>de</strong> 12/01/2003, <strong>da</strong>s ban<strong>da</strong>s 3, 4 e 5,<br />
com os canais azul, ver<strong>de</strong> e vermelho, respectivamente. (b) resultado <strong>da</strong> <strong>classificação</strong>.<br />
Para a realização <strong>de</strong> <strong>avaliação</strong> <strong>de</strong> <strong>acurácia</strong> <strong>da</strong> <strong>classificação</strong> produzi<strong>da</strong>, foram toma<strong>da</strong>s como ver<strong>da</strong><strong>de</strong>, as<br />
informações <strong>de</strong> referência obti<strong>da</strong>s por 28 pontos amostrais levantados em campo com GPS <strong>de</strong> navegação e interpretação<br />
visual <strong>de</strong> imagens <strong>de</strong> satélite <strong>de</strong> alta resolução (HRC).<br />
Congalton (1991) sugere que o valor tamanho mínimo <strong>de</strong> 50 amostras para ca<strong>da</strong> categoria <strong>de</strong>ve ser adotado para<br />
áreas que tenham uma abrangência territorial <strong>de</strong> até aproxima<strong>da</strong>mente 4050 Km². A área <strong>de</strong> interesse, Ponta <strong>da</strong><br />
Salamina, tem uma área <strong>de</strong> aproxima<strong>da</strong>mente 80 Km². Além disto, sugere também que o esquema <strong>de</strong> amostragem po<strong>de</strong><br />
seguir a combinação <strong>da</strong>s amostragens aleatória e sistemática a fim <strong>de</strong> proporcionar o melhor equilíbrio entre a vali<strong>da</strong><strong>de</strong><br />
estatística e a aplicação prática. Assim, um sistema po<strong>de</strong> empregar a amostragem sistemática para coletar alguns <strong>da</strong>dos<br />
<strong>de</strong> <strong>avaliação</strong> no início <strong>de</strong> um projeto, enquanto a amostragem aleatória <strong>de</strong>ntro dos estratos (categorias) seria utiliza<strong>da</strong><br />
após os resultados <strong>da</strong> <strong>classificação</strong> para garantir que sejam coleta<strong>da</strong>s amostras para ca<strong>da</strong> categoria e minimizar qualquer<br />
periodici<strong>da</strong><strong>de</strong> nos <strong>da</strong>dos.<br />
Foram levantados 28 pontos <strong>de</strong> forma sistemática no início do projeto para o auxílio na i<strong>de</strong>ntificação <strong>de</strong> classes.<br />
A partir do resultado <strong>da</strong> <strong>classificação</strong> foi gera<strong>da</strong> uma malha <strong>de</strong> 172 pontos aleatórios estratificados entre as classes. A<br />
soma dos pontos garantiu que ca<strong>da</strong> uma <strong>da</strong>s classes tivesse 50 pontos amostrais. Os 172 pontos aleatórios foram gerados<br />
a partir do software ArcGis com a ferramenta create random points. Somado um total <strong>de</strong> 200 pontos (Figura 5).<br />
Os <strong>da</strong>dos foram tabulados em uma matriz <strong>de</strong> confusão (Tabela 6 e complementa<strong>da</strong> pela Tabela 7). Com base<br />
nesta matriz <strong>de</strong> confusão foi possível aplicar o cálculo <strong>da</strong> exatidão global, <strong>acurácia</strong> do produtor, <strong>acurácia</strong> do usuário e o<br />
cálculo do índice <strong>de</strong> concordância .<br />
A estatística <strong>de</strong>scritiva <strong>da</strong> exatidão global atingiu a proporção <strong>de</strong> 96% <strong>de</strong> exatidão. Analisando a <strong>acurácia</strong> do<br />
produtor, Tabela 9, e a <strong>acurácia</strong> do usuário, tabela 10, constatamos que a classe com a <strong>acurácia</strong> do produtor foi Não<br />
Floresta, on<strong>de</strong> se alcançou um índice <strong>de</strong> 92%, que é consi<strong>de</strong>ra<strong>da</strong> como muito boa (CONGALTON e GREEN, 2009).<br />
Esta medi<strong>da</strong> <strong>de</strong> <strong>acurácia</strong> indica a probabili<strong>da</strong><strong>de</strong> <strong>de</strong> um pixel <strong>de</strong> referência ser corretamente classificado e é realmente<br />
A. F. Suarez, A. L. B. Can<strong>de</strong>ias