Extração semiautomática de vegetação arbórea em áreas urbanas a partir de imagens aéreas de alta resolução espacial

Jakeline Jesus Silva, Lucas Prado Osco, Ana Paula Marques Ramos, Wesley Barbosa Dourado

Resumo


O mapeamento da vegetação arbórea em áreas urbanas pode ser realizado por classificação semiautomática ou automática de imagens orbitais ou aéreas. Contudo, esse tipo de tarefa tem um custo computacional dependente da resolução espacial da imagem. Neste estudo é proposto uma abordagem de extração semiautomática de vegetação arbórea em imagens de alta resolução espacial a baixo custo computacional. Trabalhamos com ortofotos de 1m de resolução, disponibilizadas por órgãos gestores públicos. A abordagem proposta aplica um filtro de médias em recortes de imagens, com 500x500 pixels cada. Ao todo utilizamos 90 recortes. Testamos o algoritmo nas seguintes configurações: separadamente nas bandas (azul, verde e vermelho), em imagem colorida (RGB) e em imagem em tons de cinza. Validamos sua performance usando a matriz de confusão e a curva do Receiver Operating Characteristic (ROC), considerando 3.695 pontos distribuídos homogeneamente em todos os recortes de imagens. Comparamos, ainda, a performance do algoritmo com uma classificação supervisionado por pixel (máxima verossimilhança). Obtivemos uma acurácia global de 90,18%, um índice kappa de 0,80 e uma velocidade de processamento de aproximadamente 1 minuto e 30 segundos para o algoritmo proposto em um computador convencional. A curva ROC obteve uma Area Under the Curve (AUC) equivalente a 0,91 para o algoritmo, considerando o resultado de todas as bandas, e um valor de 0,79 para a classificação supervisionada por pixel. Concluímos que nossa abordagem é computacionalmente eficiente para separar as áreas cobertas por vegetação de áreas não cobertas em ambiente urbano.

 

Semiautomatic extraction of arboreal vegetation in urban areas using aerial imagery of high spatial resolution

 

A B S T R A C T

Mapping of tree vegetation in urban areas can be performed by semi-automatic or automatic classification of orbital or aerial images. However, this type of task has a computational cost dependent on the spatial resolution of the image. This study proposes an approach of semi-automatic tree vegetation extraction in high spatial resolution images at a low computational cost. We work with 1m resolution orthophotos, made available by public management agencies. The proposed approach applies a medium filter on image clippings of 500x500 pixels each. In all, we use 90 clippings. We tested the algorithm in the following configurations: separately in the bands (blue, green and red), color image (RGB) and grayscale image. We validated its performance using the Confusion Matrix and Receiver Operating Characteristic (ROC) curve, considering 3,695 points evenly distributed across all clippings. We also compared the performance of the algorithm with a pixel supervised classification (maximum likelihood). We obtained an overall accuracy of 90.18%, a kappa index of 0.80 and a processing speed of approximately 1 minute and 30 seconds for the proposed algorithm in a conventional computer. The ROC curve obtained an Area Under the Curve (AUC) equivalent to 0.91 for the algorithm, considering the result of all bands, and a value of 0.79 for the supervised pixel classification. We conclude that our approach is computationally efficient for separating areas covered by vegetation from areas not covered in an urban environment.

Keywords: digital image processing; image classification; urban environmental planning.


Palavras-chave


Processamento Digital de Imagem; Classificação de imagens; Planejamento Ambiental Urbano.

Texto completo:

PDF

Referências


AKBARI, H.; POMERANTS, M.; TAHA, H. Cool surfaces and shade trees to reduce energy use and improve air quality in urban areas. Solar Energy, vol. 70, n. 3, pp. 295-310, 2001.

BOLUND, P.; HUNHAMMAR, S. Ecosystem services in urban areas. Analysis, Ecological Economics, vol. 29, pp. 293-301, 1999.

CANDEIAS, A. L. B. et al. Edges Extraction with Mathematical Morphology Tools and Canny Filter: A Comparison. Open Journal of Computer Science and Engineering Survey, vol. 3, n. 1, p. 62-70, 2015.

EMPLASA. Empresa Paulista de Planejamento Metropolitano SA. Produtos cartográficos: projeto mapeia São Paulo, Ortofotos Digitais, 2014. Disponível em: < http://www.emplasa.sp.gov.br/emplasa/EmplasaEleicao/ortofotos.asp >. Acesso em: 04 de novembro de 2018.

FOX, T. J.; KNUTSON, M. G.; HINES, R. K. Mapping Forest Canopy Gaps Using Air-Photo Interpretation and Ground Surveys. Wildlife Society Bulletin, vol. 28, n. 4, pp. 882-889, 2000.

GOLOVINA, N. N.; MINSKIY, D. Y.; PANKOVA, Y. I.; SOLOV'YEV, D. A. Automated air photo interpretation in the mapping of soil salinization in cotton-growing zones. Mapping Sciences and Remote Sensing, vol. 29, n. 3, pp. 262-268, 2013.

HENGL, T.; ROSSITER, D. G. Supervised Landform Classification to Enhance and Replace Photo-Interpretation in Semi-Detailed Soil Survey. Soil Sci. Soc. Am. J., vol. 67, pp. 1810-1822, 2003.

IBGE. Instituto Brasileiro de Geografia e Estatísticas. Censo Demográfico – 2010. 2ª ed., 2011.

IBGE. Instituto Brasileiro de Geografia e Estatísticas. Arborização de vias públicas. In: IBGE, Censo Demográfico – 2010. 1ª ed., 2010.

LINDBERD, F.; GRIMMOND, C. S. B. The influence of vegetation and building morphology on shadow patterns and mean radiant temperatures in urban areas: model development and evaluation. Theor Appl Climatol, vol. 105, pp. 311-323, 2011.

JENSEN, R. J. Remote Sensing of the Environment: An Earth Resource Perspective. Harlow, Pearson New International Edition, 2 ed, Pearson Education Limited Edinburgh Gate, 619 p., 2014.

MATHIEI, R.; ARYAL, J.; CHONG, A. K. Object-Based Classification of Ikonos Imagery for Mapping Large-Scale Vegetation Communities in Urban Areas. Sensors, vol. 7, pp. 2860-2880, 2007.

MONSERUD, R. A.; LEEMANS, R. Comparing global vegetation maps with the Kappa statistic. Ecological Modelling, vol. 62, n. 4, pp. 275-293, 1992.

PEDRINI, H.; SCHWARTZ, W. R. Análise de imagens digitais: princípios, algoritmos e aplicações. Thomson Learning, 2008.

PERROCA, M. G.; GAIDZINSKI, R. R. Avaliando a confiabilidade interavaliadores de um instrumento para classificação de pacientes - coeficiente Kappa. Rev. Esc. Enferm. USP,37 (1): 72-80. 2003.

PRATI, R.C; BATISTA, G.E.A.P.A; MONARD, M.C; Curvas ROC para avaliação de classificadores. IEEE Latin America Transactions, vol 6, no. 2, pp. 215-222, 2008.

SUSCA, T.; GAFFIN, S. R.; DELL'OSSO, G. R. Positive effects of vegetation: Urban heat island and green roofs. Environmental Pollution, vol. 159, pp. 2119-2126, 2011.

TAYLOR, J. C.; BREWER, T. R.; BIRD, A. C. Monitoring landscape change in the National Parks of England and Wales using aerial photo interpretation and GIS. International Journal of Remote Sensing, vol. 21, n. 13 e 14, pp- 2737-2752, 2000.

WENG, Q.; LU, D.; SCHUBRING, J. Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, vol. 89, pp. 467-483, 2004.

VERHOEVEN, G.; DONEUS, M.; BRIESE, C.; VERMEULEN, F. Mapping by matching: a computer vision-based approach to fast and accurate georeferencing of archaeological aerial photographs. Journal of Archaeological Science, vol. 39, pp. 2060-2070, 2012.

YUAN, F.; BAUER, M. E. Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery. Remote Sensing of Environment, vol. 106, pp. 375-386, 2007.

ZHA, Y.; GAO, J.; NI, S. Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal of Remote Sensing, vol.24, n. 3, pp. 583-594, 2003.




DOI: https://doi.org/10.26848/rbgf.v13.3.p1391-1405

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição 4.0 Internacional.

      

Revista Brasileira de Geografia Física - ISSN: 1984-2295

Creative Commons License
Esta obra está licenciada com uma Licença Creative Commons Attribution-NonCommercial 4.0 International License