determinação da área de floresta laurissilva da ilha da madeira por métodos de detecção remota
DESCRIPTION
TRANSCRIPT
Determinação da Área de
Floresta Laurissilva da Ilha da
Madeira por Métodos de
Detecção Remota
Lu í s Co r re i a An t u nes
A l uno n º61 28
Mes t rado de Geor recu r s os – 2004/2005
Det ecçã o Remota
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
2
Índice
1. Introdução..................................................................................... 7
1.1. Floresta Laurissilva .................................................................... 7
1.2. Objectivos .............................................................................. 9
2. Material Utilizado .......................................................................... 11
2.1. Metadados da Imagem de Satélite ................................................ 11
2.2. Cartografia e Ortofotomapas ...................................................... 12
2.3. Software .............................................................................. 12
3. Processamento dos Dados................................................................. 13
3.1. Pré-processamento .................................................................. 15
3.2. Estatística da Imagem .............................................................. 19
3.2.1. Análise dos dados estatísticos ............................................... 19
3.2.2. Análise do Scattergram ....................................................... 22
3.3. Realce ................................................................................. 24
3.3.1. Transformação do Histograma............................................... 24
3.3.2. Filtros............................................................................ 30
3.4. Transformações Multiespectrais................................................... 33
3.4.1. Quocientes Espectrais......................................................... 33
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
3
3.4.2. Análise em Componente Principal .......................................... 36
3.4.3. Transformação Tasseled Cap (TTC)......................................... 40
3.5. Classificação.......................................................................... 42
3.5.1. Classificação Assistida ........................................................ 43
3.5.2. Classificação Automática ..................................................... 51
3.6. Validação da Classificação ......................................................... 54
3.6.1. Validação da Classificação Assistida ........................................ 54
4. Conclusões .................................................................................. 58
5. Bibliografia .................................................................................. 59
Anexo I ............................................................................................ 60
Anexo II ........................................................................................... 72
Anexo III .......................................................................................... 84
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
4
Índice de Imagens
Figura 1 – Figura ilustrativa do tipo de vegetação existente na Floresta Laurissiva .... 8
Figura 2 – Mapa da Ilha da Madeira com a zona da Floresta Laurissilva .................. 9
Figura 3 – Esquema com a metodologia aplicada à imagem de satélite ................ 14
Figura 4 – Exemplo da rectificação Geométrica ............................................ 15
Figura 5 – Sistema de Coordenadas criado no ERMapper para o projecto .............. 16
Figura 6 – Reamostragem da uma imagem após a aplicação do método de Vizinho Mais
Próximo ........................................................................................... 17
Figura 7 – Reamostragem da uma imagem após a aplicação do método de
Interpolação Bilinear............................................................................ 18
Figura 8 – Reamostragem da uma imagem após a aplicação do método de
Interpolação Bicúbica ........................................................................... 19
Figura 9 – Apresentação dos 4 histogramas obtidos nas bandas 1, 2, 3 e 4
respectivamente................................................................................. 21
Figura 10 – Exemplo do Scattergram com a banda 4 e a banda 2. ...................... 22
Figura 11 – Resultado da primeira selecção de dados no Scattergram.................. 23
Figura 12 – Resultado da segunda selecção de dados no Scattergram .................. 23
Figura 13 – Exemplo da transformação radiométrica efectuada numa das bandas ... 24
Figura 14 – Resultado final da transformação efectuado sobre o histograma da
imagem............................................................................................ 25
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
5
Figura 15 – Realce das 4 bandas obtida pela transformação da Expansão Linear
(Linearização) do Histograma ................................................................. 27
Figura 16 – Exemplo da aplicação da técnica de Equalização ............................ 28
Figura 17 – Realce das 4 bandas obtida pela transformação da Equalização do
Histograma........................................................................................ 29
Figura 18 – Execução da filtragem sobre uma imagem [Carvalho, J.; 2004] ........... 31
Figura 19 – Resultado obtido com a aplicação de um Filtro passa-baixo Avg5 numa
imagem de cor ver verdadeira ................................................................ 31
Figura 20 – Resultado obtido com a aplicação de um Filtro Mediana numa imagem de
cor ver verdadeira............................................................................... 32
Figura 21 – Resultado obtido com a aplicação de um filtro passa-alto ................. 33
Figura 22 – Resultado da aplicação do Índice de Vegetação NDVI ....................... 34
Figura 23 – Resultado obtido na divisão do histograma em 3 Classes. .................. 35
Figura 24 – Resultado da aplicação do Índice de Vegetação TVI ......................... 36
Figura 25 – Transformação processada na Análise de Componentes Principais........ 37
Figura 26 – Resultado obtido na componente principal da ACP .......................... 38
Figura 27 – Resultado obtido na segunda componente principal da ACP ............... 38
Figura 28 – Resultado obtido na terceira componente principal da ACP ............... 39
Figura 29 – Transformação “Tasseled Cap” [Carvalho, J.; 2004] ........................ 40
Figura 30 – Resultado da componente “Brilho” da TTC ................................... 41
Figura 31 – Resultado da componente “Verde” da TTC ................................... 41
Figura 32 – Resultado da componente “Humidade” da TTC .............................. 42
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
6
Figura 33 – Localização das várias áreas treinos através dos Ortofotomapas.......... 44
Figura 34 – Imagem com as áreas de treino criadas para a Classificação Assistida ... 45
Figura 35 – Resultado do Scattergram para a região Oceano............................. 48
Figura 36 – Resultado do Scattergram para a região Costa ............................... 48
Figura 37 – Resultado do Scattergram para a região do LSilva ........................... 49
Figura 38 – Resultado do Scattergram para a região da Vegetação Seca e Pasto ..... 49
Figura 39 – Resultado obtido na Classificação Assistida ................................... 51
Figura 40 – Parâmetros utilizados na Classificação Não Supervisionada ................ 52
Figura 41 – Número de iterações necessárias para atingir a classificação os
parâmetros definidos ........................................................................... 52
Figura 42 – Características dos Clusters obtidos na Classificação Auntomática ....... 53
Figura 43 – Imagem do resultado obtido com a Classificação Automática ............. 54
Figura 44 – Scattergram com elipse de um pixel pertencer a cada uma das regiões com
um nível de confianças de 95 % e a média de cada área treino nadas bandas 2 e 3. 55
Figura 45– Exemplo da incorrecta classificação no cidade do Funchal................. 56
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Introdução 7
1. Introdução
O relatório aqui apresentado diz respeito à realização do trabalho da caracterização
do uso do solo na Ilha da Madeira, em especial da Floresta de Laurissilva, respeitante
à cadeira de Detecção Remota, do Mestrado Georrecursos, do Instituto Superior
Técnico (IST), Departamento de Minas e Georrecursos.
O objectivo principal do trabalho é a delimitação da região respeitante da Floresta
Laurissilva e cálculo da respectiva área. Com o limite determinado, podemos
sobrepor à cartografia e ortofotomapas existente da Ilha da Madeira e poder localiza-
la de uma forma mais expedita e automática. Outra das áreas de interesse é
determinar as áreas urbanas das principais cedes de concelho. A Imagem de Satélite
utilizada para o estudo é de 1998 e foi obtida pelo satélite SPOT4.
Futuramente, pretende-se monitorizar estas duas áreas detectadas remotamente, e
poder compará-la com a existente actualmente.
1.1. Floresta Laurissilva
Laurissilva é o nome pelo qual é conhecida a floresta original da Madeira, aquela que
já aqui existia aquando da chegada dos descobridores portugueses. Esta designação
provem do latim, Laurus (loureiro, lauráceas) e Silva (floresta, bosque). Esta ocupou
outrora vastas extensões no Continente europeu, nomeadamente toda a bacia do
Mediterrâneo, europa meridional e norte de África, tendo-se aí extinguido devido às
glaciações. Os arquipélagos do Atlântico Norte, nomeadamente, Açores, Madeira,
Canárias e Cabo Verde conseguiram manter grande parte dessa ancestral vegetação
graças à capacidade termo-reguladora do oceano que os envolve.
Na Madeira, pela altura das descobertas, a Laurissilva cobria a quase totalidade da
Ilha; hoje em dia vamos encontrá-la principalmente na vertente de exposição norte
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Introdução 8
da Ilha, ocupando os profundos e remotos vales do interior, distribuída entre os 300 e
os 1300 metros de altitude, podendo considerar-se uma floresta relíquia.
Esta floresta de características higrófilas, sub-tropical húmida, representa um
ecossistema de extrema importância sob o ponto de vista botânico e científico: trata-
se de um património raro a nível mundial, onde, para além da Madeira, apenas
ocorre com significado em algumas ilhas do grupo ocidental do Arquipélago das
Canárias, dado que nos Açores e em Cabo Verde não terá resistido à ocupação
humana. A Laurissilva é caracterizada por árvores de grande porte, maioritariamente
pertencentes à família das Lauráceas (o til, o loureiro, o vinhático e o barbusano),
para além de outras como o pau branco, o folhado, o aderno, o perado ou o cedro da
Madeira. Por debaixo da copa das grandes árvores abundam arbustos (quase todos de
folha perene, à semelhança das árvores) como as urzes, a uveira, o piorno e o
sanguinho, encontrando-se, ainda, um estrato mais baixo rico em fetos, musgos,
líquenes, hepáticas e outras plantas de pequeno porte, com numerosos endemismos.
Figura 1 – Figura ilustrativa do tipo de vegetação existente na Floresta Laurissiva
A Madeira detém a mais extensa e bem conservada Laurissilva do mundo, ocupando
uma área de 14.953,7 ha, como mostra a Figura 2, totalmente incluída no Parque
Natural da Madeira como Reserva Natural Parcial e Reserva Natural Integral. É uma
Zona de Protecção Especial no âmbito da Directiva Aves Selvagens e um Sítio de
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Introdução 9
Área de
Laurissilva
Interesse Comunitário ao abrigo da Directiva Habitats. É Reserva Biogenética do
Conselho da Europa desde 1992 e foi incluída na Lista do Património Natural Mundial
da UNESCO em Dezembro de 1999.
Figura 2 – Mapa da Ilha da Madeira com a zona da Floresta Laurissilva
1.2. Objectivos
O objectivo inicial do trabalho apresentado é o de aplicar os conhecimentos
adquiridos na cadeira de Mestrado numa imagem SPOT da Madeira, e poder, com a
aplicação de técnicas de Classificação Assistida e Automática, poder delimitar as
várias áreas que pretendemos caracterizar.
Futuramente, com os resultados obtidos, pretende-se realizar uma monitorização da
orla costeira e da floresta Laurissilva, e a determinação do aumento das zonas
urbanas. Será também interessante determinar o aumento e distribuição das
florestas introduzidas, como o eucalipto e/ou pinheiro.
O trabalho é constituído pelas seguintes fases:
Capítulo 2 – Descrição dos vários elementos utilizados durante a execução
do trabalho;
Capítulo 3 – Descrição das várias fases do processamento dos dados onde se
expõe as várias metodologias utilizadas e os resultado de cada uma delas. Este
capítulo é devido pelas seguintes fases:
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Introdução 10
. Pré-processamento dos dados;
. Estatística da Imagem;
. Realce da Imagem
. Transformação Multiespectrais;
. Classificação da Imagem;
. Verificação/Validação dos resultados obtidos;
Capítulo 4 – Conclusões sobre os resultados obtidos.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Material Utilizado 11
2. Material Utilizado
Neste capítulo vamos descrever e caracterizar todos os elementos utilizados para a
execução do referido trabalho. Haverá referência dos softwares e em que fase do
processo foram utilizados, a descrição de outra informação geográfica de auxílio e
uma descrição dos Metadados da imagem de satélite.
2.1. Metadados da Imagem de Satélite
A imagem utilizada foi capturada pelo Satélite SPOT4 em Agosto de 1998, ou seja, foi
adquirida no pico do Verão. Isto pode influenciar os valores existentes na banda
infra-vermelhos. Se houvesse vegetação de folhagem caduca, estas apareceriam com
os valores elevados nestas bandas. Mas a floresta em estudo não tem folhagem
sazonal, não influenciando com a época de captura da imagem.
Uma característica deste satélite em relação aos antecessores satélites SPOT é a
introdução de uma nova banda Infra-Vermelho médio (SWIR), dedicado a estudar a
vegetação e interpretar com maior detalhe as várias características do solo. Devido a
captar comprimentos de ondas maiores, esta banda não é tão influenciada pelos
ruídos provocados pela atmosfera terrestre, melhorando assim o contraste e a
claridade textual da imagem. Esta banda SWIR fornece maior detalhe do conteúdo de
água e humidade, e fases do crescimento das plantas na altura que o SPOT 4 passa
sobre esta área.
As características gerais deste satélite são descritas no Quadro 1.
Lançamento 24 Março 1998
Lançador Ariane 4
Orbita 822 km de altitude
Inclinação 98.7 graus heliosíncrono
Largura do swath 60 km
Sensor HRVIR Pancromático: Resolução espacial: 10 metros; Banda espectral 510-
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Material Utilizado 12
730 nm) Multi-espectral: Resolução espacial: 20 metros; Bandas espectrais: Banda1 (500-590 nm) -> Banda visível verde; Banda2 (610-680 nm) -> Banda visível vermelho; Banda3 (780-890 nm) -> Banda Infra-Vermelho Próximo; Banda4 (1580-1750) -> Banda Infra-vermelho Médio.
Sensor VGT Multi-espectral: Resolução espacial: 1000 metros; Bandas espectrais: 1 (430-470 nm); 2 (610-680 nm); 3 (780-890 nm); 4 (1580-1750)
Dinâmica 8 bits/pixel Quadro 1 – Características básicas do Satélite SPOT
2.2. Cartografia e Ortofotomapas
Para auxílio à localização e delimitação das áreas treino para a Classificação Assistida
foram utilizadas a Cartografia Base 1:5000 de 1994 e Ortofotomapas à escala 1:2000
e 1:5000 de 2004. Estando esta informação com sistema de coordenadas uniforme,
UTM – 28 N, Datum Porto Santo Base SE, é possível fazer a transição dos vectores
delimitadores das várias zonas entre software.
Esta Informação Geográfica é da propriedade da Direcção Regional da Geografia e
Cadastro (DRGC) da Região Autónoma da Madeira.
2.3. Software
Para a elaboração do trabalho de Classificação da imagem foi utilizado o software de
manuseamento e tratamento de imagens de satélite ER Mapper V6.4. Este programa
demonstrou ser dotado de todas as funcionalidade necessárias para a execução do
estudo em causa.
Para o tratamento da restante informação geográfica, foi utilizado o software da
Bentley/Intergraph o MicroStation V8.0. Este programa permite carregar e sobrepor
os diversos Ortofotomapas e a Cartografia Base e, se for necessário, fazer a
delimitação das várias áreas treino.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 13
3. Processamento dos Dados
Neste capítulo será descrito toda a metodologia aplicada à imagem de satélite de
modo a se proceder à classificação da imagem. Para tal, o trabalho é iniciado por um
pré-processamento da imagem, um minucioso estudo da mesma, seguido de uma
classificação, e finalizando com uma validação da mesmo. A Figura 3 esquematiza a
metodologia aplicada à imagem de satélite, desde o pré-processamento até à
validação final da classificação.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 14
Validação
Classificação
Correcções
Imagem
Or ig ina l
Imagem
Cor r i g ida
Cor recção
Rad iomét r i c as
Cor recção
Geomét r i ca
T IN
Pon tos de
Con t ro lo
I n te rp re tação
V i sua l
Ca r tog r a f i a
Vec to r i a l
Á reas de
T re ino
A lgo r i tm o de
C lass i f i cação
Ortofotomapas
Imagem
C lass i f i c ada
Á reas de
Amos t ra
Ma t r i z de
Con fus ão
C lass i f i c aç ão
F ina l
Figura 3 – Esquema com a metodologia aplicada à imagem de satélite
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 15
3.1. Pré-processamento
O objectivo desta fase do trabalho é corrigir as distorções radiométricas e
geométricas existentes na imagem.
A correcção geométrica (Figura 4) pode vir executada já na aquisição da imagem. As
imagens SPOT4 podem ser adquiridas com quatro níveis de rectificação. Neste caso,
foi necessário proceder-se à correcção geométrica. Sempre que se obtém uma
imagem por scanning ou por imagens aéreas, é necessário proceder à
georreferênciação ou/e Ortorrectificação. O processo de correcção geométrico inclui
os seguintes passos:
. Escolha do Sistema de Coordenadas;
. Escolha dos Pontos de Controlo;
. Escolha do modelo de transformação da reamostragem;
. Execução da correcção.
Figura 4 – Exemplo da rectificação Geométrica
O Sistema de Coordenadas em vigor na Região Autónoma da Madeira é a Projecção
UTM – Fuso 28N com Datum Porto Santo, Base Astronómica SE. Como o ERMapper não
tinha este Sistema de Coordenadas incluído na lista existente foi necessário
acrescenta-lo, inserindo todos os parâmetros requisitados pelo software. A Figura 5
mostra a definição do sistema de coordenadas utilizado.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 16
Figura 5 – Sistema de Coordenadas criado no ERMapper para o projecto em estudo
Para a transformação, utilizaram 5 Pontos de Controlo (ver Quadro 2) com
coordenadas UTM 28N retiradas da Carta Militar 1:25000. Escolheram pontos bem
distribuídos pela área de trabalho (madeira) e pontos bem definidos na imagem e na
cartografia (cruzamentos de estrada, cantos de edifícios, por exemplo).
X Y N (m) E (m)
1 1669.729032 1003.767742 308322.5936 3631557.8357
2 723.870968 1138.890323 288371.5488 3631772.3630
3 2374.296774 1911.019355 318190.8523 3611177.7361
4 3387.716129 1119.587097 340287.1707 3623620.3232
5 2654.193548 965.16129 325699.3100 3630699.7262
Quadro 2 – Coordenadas dos 5 Pontos de Controlo
Existem três tipos de métodos de reamostragem:
Vizinho Mais Próximo: Este método recolhe o valor do pixel da imagem
original para o fazer corresponder ao pixel da imagem final. Tem como vantagem o
de não criar valores novos e como desvantagem o de se poderem perder valores ou
duplicar. A imagem tende a ficar com uma aparência disjunta. Ver Figura 6.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 17
Figura 6 – Reamostragem da uma imagem após a aplicação do método de Vizinho Mais
Próximo
Interpolação Bilinear:
A interpolação Bilinear é mais sofisticado que o método do Vizinho Mais Próximo,
utilizando a média dos 4 pixies vizinhos para produzir um novo valor de cinzento na
reamostragem. A vantagem deste método é que todos os pixeis originais contribuem
para a criação da nova imagem. O aspecto da imagem fica mais suavizada do que o
método anterior.
Tem a desvantagem de “picos” de contraste na imagem original, ao serem
processados com a média dos pixeis vizinhos, aparecerem mais “borrados” na
imagem final. A nível computacional, demora mais tempo a processar que o primeiro
método. A Figura 7 exemplifica a aplicação deste método e demonstra, assim, o que
foi dito, em contraste com o Método do Vizinho Mais Próximo.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 18
Figura 7 – Reamostragem da uma imagem após a aplicação do método de Interpolação
Bilinear
Interpolação Bicúbica:
Com este método a imagem é dividida numa malha (ou matriz) de 4x4 pixeis,
aproveitando-se assim média dos Níves Digitais (ND) dos 16 pixeis para o cálculo do
novo valor do pixel. A imagem criada na reamostragem é mais suavizada que a
anterior, perdendo assim ainda mais o contraste. É também o método mais lento dos
três no que se refere a processamento devido ao cálculo da média dos 16 valores.
Como este método cria uma imagem mais “borrada”, eleminando os “picos” de
contraste. É usual utilizar um filtro passa-alto (ver Capítulo 3.3.2) após a execução
da reamostragem de por Interpolação Bicúbica.
O resultado da aplicação deste Método de Interpolação Bicúbica pode ser visto na
Figura 8 onde se confirma o maior suavização dos contaste.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 19
Figura 8 – Reamostragem da uma imagem após a aplicação do método de Interpolação
Bicúbica
3.2. Estatística da Imagem
O primeiro estudo que é feito com a imagem é a análise estatística da mesma. Desta
maneira podemos conhecer as suas características espectrais de uma maneira mais
aprofundada.
3.2.1. Análise dos dados estatísticos
O software ERMapper permite obter os dados estatísticos das bandas existentes no
conjunto de dados. Neste caso, analisaram-se as 4 bandas da imagem SPOT em
estudo.
As características estatísticas descritivas obtidas estão anunciadas no Quadro 3.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 20
Quadro 3 – Análise estatística descritiva (de localização e dispersão)
Dos valores de localização mínimo e máximo, podemos apreender que a banda 3 e 4
ocupam a maior parte do histograma, visto que têm 1 e 254 respectivamente em
mínimo e máximo. Acontece o inverso na banda 1 e na banda 2, visto que temos os
valores mínimos e máximos de 65 e 254 na primeira banda e 37 e 254 na segunda
banda. Neste caso, a será importante executar uma expansão linear para se
conseguir preencher a totalidade dos valores espectrais.
Uma característica comum às quatro bandas é um certo enviesamento do histograma
à esquerda (assimetria positiva), isto porque a média tem valores mais elevados ao
da mediana. Esta característica pode ser mais visível nas duas bandas de Infra-
vermelho. Estas duas bandas têm valores de mediana muito baixos, 7 e 6, o que
significa que metade dos valores é inferior ou igual a esse valor. No caso da Banda4 a
média chega a 31.796, o que nos indica haver uma grande disparidade entre valores
baixos (pixeis situados no mar ou em zona urbana) e valores altos (pixeis situados em
zona de vegetação). Esta teoria pode ser confirmada pelo valor de dispersão Desvio
Padrão, com 61.507 nessa banda. Os histogramas apresentados na Figura 9
demonstram o explicado atrás. Nos eixos dos XX temos os valores das bandas (0-255)
e nos eixos dos YY temos o total de pixeis com o respectivo valor de cinzento.
STATISTICS FOR DATASET: madeira_Luis.ers REGION: All Band1 Band2 Band3 Band4 ----- ----- ----- ----- Null Cells 4377152 4377152 4377152 4377152 Non-Null Cells 11111552 11111552 11111552 11111552 Area In Hectares 444462.080 444462.080 444462.080 444462.080 Area In Acres 1098289.801 1098289.801 1098289.801 1098289.801 Minimum 65.000 37.000 1.000 1.000 Maximum 254.000 254.000 254.000 254.000 Mean 105.786 63.065 23.941 31.796 Median 100.000 51.000 7.000 6.000 Std. Dev. 20.172 30.515 40.068 61.507 Std. Dev. (n-1) 20.172 30.515 40.068 61.507
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 21
Figura 9 – Apresentação dos 4 histogramas obtidos nas bandas 1, 2, 3 e 4 respectivamente
Quadro 4 – Descrição dos resultados obtidos na Matriz de Correlação
e Covariância entre bandas
Os resultados obtidos na Matriz de Correlação e de Covariância, descritos no Quadro
4, são os esperados para a imagem em estudo. Existe uma forte correlação entre a
Banda 1 e Banda 2, as duas Bandas Visíveis, com um valor próximo do 1
(aproximadamente 0.966) e uma forte correlação entre a Banda 3 e Banda 4, as duas
Bandas do Infra-vermelho, obtendo 0.928. As restantes correlações são todas
positivas e acima de 0.669.
Em relação à Matriz de Covariância, os resultados obtidos indicam que os maiores
valores de covariância são entre a Banda 4, com 3783.171, sendo o valor mais
reduzido obtido na Banda 1, com 406.892.
Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.966 0.669 0.793 Band2 0.966 1.000 0.740 0.878 Band3 0.669 0.740 1.000 0.928 Band4 0.793 0.878 0.928 1.000 Determinant 0.001 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 406.892 594.446 540.618 984.007 Band2 594.446 931.180 904.721 1647.553 Band3 540.618 904.721 1605.447 2286.070 Band4 984.007 1647.553 2286.070 3783.171 Determinant 3094060090.834
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 22
3.2.2. Análise do Scattergram
Uma das maneiras de determinação das áreas de estudo é através do Scattergram.
Esta técnica compara os ND entre duas bandas, relacionando-os num gráfico XY,
estando cada uma das bandas associadas a cada eixo. Associámos a banda 2 e a
banda 4 nos dois eixos e obtemos o gráfico apresentado na Figura 10. Com a
associação destas duas bandas, conseguimos seleccionar a área associada ao mar.
Isto acontece porque o mar não reflecte o infra-vermelhor e reflecte pouco nas cores
visíveis e é o que esta representado no scattergram. Em Y (banda 4) os valores são
baixos, próximos de zero, e em X (banda 2) os valores varia de 40 e 70.
Figura 10 – Exemplo do Scattergram com a banda 4 e a banda 2.
Se seleccionarmos no Scattergram os pixeis correspondentes à água (1), obtemos o
resultado ilustrado na Figura 11. A vermelho está representado os elementos
seleccionados no Scattergram e podemos confirmar que, efectivamente, foram
seleccionados pixeis associados ao mar.
Fazendo uma segunda selecção aos pixeis associados à água, agora somente com os
valores de Infra-Vermelho mais elevados (2), o resultado é o representado na Figura
Água 1
2
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 23
12. Foram seleccionados os pixeis da água perto da costa. Isto porque são águas com
alguma poluição e sedimentos de elementos trazidos das ribeiras. Podemos ainda
concluir que estas águas são mais quentes e menos profundas.
Figura 11 – Resultado da primeira selecção de dados no Scattergram
Figura 12 – Resultado da segunda selecção de dados no Scattergram
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 24
3.3. Realce
3.3.1. Transformação do Histograma
De modo a sobressair a informação radiométrica existente na imagem de satélite,
podemos usar técnicas de realce e de contraste dos histogramas. Desta maneira,
facilitamos a interpretação e classificação das várias áreas treino.
Figura 13 – Exemplo da transformação radiométrica
efectuada numa das bandas
A Figura 13 mostra o histograma com uma transformação efectuada na banda azul.
Neste caso, podemos ver que os valores-cinzento input da imagem original se situam
entre 70-254. Para aproveitarmos ao máximo a banda dos valores, maximizamos o
histograma, passando o 75 para 0 e o 200 para 255. Assim é alargado o histograma,
uma expansão linear havendo um aumento do contraste. Depois de fazer a mesma
transformação para as restantes duas bandas, obtemos uma imagem com maior
contraste e mais “luminosa”, ajudando a interpretação visual da mesma, como
demonstra a Figura 14.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 25
Figura 14 – Resultado final da transformação efectuado sobre o histograma da imagem
Para se retirar o máximo de informação das imagens por bandas, pode efectuar este
realce e manipular o histograma de cada banda. E para além do realce manual
efectuado na figura anterior, existe uma “biblioteca” de transformações automáticas
no ERMapper que permitem uma análise exaustiva das bandas e das composições
coloridas.
A transformação mais usual é a Expansão Linear, autoclip transform, que nos
possibilita entrar com uma percentagem de autoclip. Esta transformação faz uma
transformação de 99% dos dados iniciais, excluindo os primeiros e os últimos 0,5%.
Estes valores residuais vão ser acumulados para o primeiro (0) e último (255) nível de
cinzento da imagem final. A percentagem do corte pode ser alterado consoante a
característica espectral da imagem. Assim, a técnica de Expansão Linear consiste em
identificar os limites inferiores e superiores da imagem inicial (através do
histograma) e fazer corresponder o valor 0 ao valor mais baixo e 255 ao valor mais
alto, expandindo assim a amplitude inicial para os restantes níveis. Os restantes
níveis são expandidos através da fórmula [Carvalho, J; 2004]:
255*' ⎟⎠⎞
⎜⎝⎛
−−
=MinMáxMinNDND
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 26
onde: ND’ é o nível digital da imagem final
ND é o nível digital da imagem inicial
Min é o nível digital mínimo da imagem inicial
Max é o nível digital máximo da imagem inicial.
O resultado obtido na Expansão Linear está apresentado na Figura 15.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 27
Figura 15 – Realce das 4 bandas obtida pela transformação da Expansão Linear (Linearização)
do Histograma
Outra técnica de realce é a transformação de Equalização, que faz corresponder mais
níveis de cizento às classes com mais frequência, expandido assim os níveis com
grandes frequências e agrupando os níveis com menor representação. A Figura 16
exemplifica a aplicação desta técnica numa imagem onde se consegue um aumento
significativo de contraste.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 28
Figura 16 – Exemplo da aplicação da técnica de Equalização
Na Figura 17 estão representadas as quatro imagens onde foram aplicadas a
transformação de Equalização.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 29
Figura 17 – Realce das 4 bandas obtida pela transformação da Equalização do Histograma
Do resultado obtido nas duas transformações de realce podemos concluir que no que
se refere à Expansão Linear conseguiu-se obter mais contraste da imagem. Assim, nas
quatro bandas, o mar ficou mais escuro devido à expansão dos valores baixos da
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 30
imagem inicial para o valor 0 e os valores altos para 255. Foi conseguido o aumento
do contraste pretendido inicialmente.
Em relação à transformação por Equalização do histograma os resultados obtidos não
foram os desejados. Como grande parte da imagem é constituída por mar, ao se
equalizar esta área do histograma ganha contraste mas perde contraste na restante.
Conseguiu-se assim um aumento de contraste na zona com maior frequência do
histograma inicial, o mar, mas diminui nas restantes zonas (Ilha da Madeira). Para
contrariar este característica da transformação, poderíamos equalizar unicamente a
zona do histograma correspondente à Ilha da Madeira.
3.3.2. Filtros
A utilização de filtros tem como objecto o realçar/eliminar determinados objectos
que existem nas imagens. Com a aplicação de determinados filtros, os ND originais
são alterados de modo a se realçar pixeis em relação aos seus vizinhos. Desta
maneira, podemos conseguir uma melhoria na interpretação visual, eliminando ruídos
e realçando estruturas importantes na imagem. A aplicação de filtros pode ter um
lado negativo. Quando se tem uma estrutura importante mas de dimensões reduzidas
(por exemplo estradas), essa estrutura pode ser incorrectamente eliminada com a
aplicação de certos filtros. Por esta razão convém ter atenção na aplicação dos
filtros e saber de antemão o que temos na imagem e o que queremos fazer
sobressair/atenuar. Quando se pretende realizar uma classificação da imagem
convém utilizar imagens sem filtragens, contendo os ND originais.
Os filtros são divididos por duas categorias consoante o tipo de aplicação. Podemos
classifica-los como:
- Filtros aplicados sobre as frequências (Transformação de Fourie);
- Filtros aplicados sobre o domínio espacial (filtros passa-alto e passa-
baixo).
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 31
Estes últimos são aplicados com uma matriz sobre os pixeis que pretendemos alterar
com a informação dos ND dos próprio e com as dos seus vizinhos, com exemplifica a
Figura 18.
Figura 18 – Execução da filtragem sobre uma imagem [Carvalho, J.; 2004]
O filtro passa-baixo é um dos exemplos deste tipo de transformações em que se
pretende suavizar estruturas na imagem, podendo assim perder o contraste inicial
visto que reduz a diferença entre de ND entre pixeis vizinhos. É utilizado para
eliminar ruídos existente nas imagens. Para a imagem em estudo, com as cores
naturais, foi utilizado o filtro Avg5.ker que calcula a média dos pixeis numa matriz
5x5. O resultado está exposto na Figura 19. Podemos verificar que se perdeu algum
do contraste inicial.
Figura 19 – Resultado obtido com a aplicação de um Filtro passa-baixo Avg5 numa imagem de
cor ver verdadeira
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 32
Um outro filtro que tem ganho grande expressão é o filtro que transforma o pixel
através do cálculo da mediana dos pixeis vizinhos. A mediana é menos sensível a
valores extremos e não cria novos valores de ND, mantendo os originais preservando
assim melhor os contornos dos objectos. A aplicação deste filtro pode ser visualizado
na Figura 20.
Figura 20 – Resultado obtido com a aplicação de um Filtro Mediana numa imagem de cor ver
verdadeira
Os outros tipos de filtros executados sobre o domínio espacial da imagem são os
filtros passa-alto. Ao contrário do anterior, este tende a realçar os fenómenos de
alta-frequência como fronteiras entre usos do solo e estradas, por exemplo. Isso
acontece na aplicação de um filtro passa-alto (Quadro 5) na imagem da Madeira,
como é demonstrado na Figura 21. Conseguimos um maior contraste entre os vários
limites da vegetação, de estradas e de estruturas existentes na vegetação.
0 -1 0
-1 5 -1
0 -1 0
Quadro 5 – Filtro passa-alto aplicado na imagem
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 33
Figura 21 – Resultado obtido com a aplicação de um filtro passa-alto
3.4. Transformações Multiespectrais
3.4.1. Quocientes Espectrais
O Quociente Espectral (QE) tem como objectivo salientar e sobressair elementos
existentes nas várias bandas espectrais. Assim, ao efectuarmos um quociente entre
duas bandas espectrais diferentes a imagem final evidencia as variações nos declives
das curvas de resposta espectral entre as duas amplitudes espectrais.
3.4.1.1 Índice de Vegetação
Os quocientes de Índice de Vegetação (IV) aproveitam a diferença de valores
espectrais existentes nas áreas florestais ou de densa vegetação. Como se sabe, a
curva espectral da vegetação começa a subir a partir do infra-vermelho. Se
aplicarmos um quociente, por exemplo, com a Banda vermelha, com valores baixos
na vegetação, e a banda infra-vermelho, com valores altos nessa mesma área,
conseguimos fazer um mapeamento das áreas florestais. Isso pode ser demonstrado
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 34
com os dois quocientes de IV apresentados de seguida que têm como numerador a
subtracção da banda3 e banda2 no quociente. Assim, se obtivermos valores altos
significa que estamos perante um zona com vegetação.
O primeiro quociente IV a estudar é o NDVI, representado na Figura 22 com uma
palete de cores brown_green e que apresenta a castanho os valores baixos a verde os
valores altos de ND. O NDVI obedece à seguinte formula:
2323
BandaBandaBandaBandaNDNDVI +
−=
Figura 22 – Resultado da aplicação do Índice de Vegetação NDVI
Desta nova imagem podemos concluir que a zona norte da Ilha da Madeira tem uma
vegetação mais densa, sendo esta a localização da maior área da vegetação de
Laurissilva, como pode ser verificado na Figura 2. Por outro lado, podemos também
verificar que as zonas altas e a ponta Este da ilha são zonas secas e conseguimos
distinguir ainda as zonas urbanas e as ribeiras.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 35
Utilizando três valores de corte na imagem de IV do tipo NDVI conseguimos uma
“classificação” da imagem. Um dos cortes foi obtido de modo a agrupar a área
respeitante ao mar (cor castanha). As restantes duas cores agrupam as zonas de
vegetação seca, ausência de vegetação, zonas urbanas e ribeiras com a cor verde-
escuro, e representada com a cor verde-claro as zonas com vegetação mais densa e
viva. O resultado está apresentado pela Figura 23.
Figura 23 – Resultado obtido na divisão do histograma em 3 Classes.
Outro quociente de IV estudado foi o TVI para o satélite SPOT. Para este caso foi
usado a tabela de cores com níveis de cinzento, como está ilustrado na Figura 24.
Este quociente utiliza de novo as Bandas 2 e 3, obedecendo à seguinte fórmula:
502323 ,
)BandaBanda()BandaBanda(NDTVI +
+−
=
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 36
Figura 24 – Resultado da aplicação do Índice de Vegetação TVI
Neste IV conseguiu-se um maior contraste dos vários níveis mas, de uma maneira
geral, as zonas de vegetação mantêm-se.
3.4.2. Análise em Componente Principal
A Análise em Componentes Principal (ACP) é um estudo estatístico sobre a imagem
de satélite com o objectivo de reduzir e/ou remover redundância de informação. Ao
existir uma elevada correlação entre bandas, com informação similar obtida nos
diferentes comprimentos de onda, a primeira componente principal contém,
normalmente, a maior parte da informação necessária. Por exemplo, nas imagens
SPOT4, a ideia é reduzir a informação das quatro bandas para uma ou duas (conforme
a correlação existente entre elas). Quanto maior a correlação entre as várias bandas,
maior concentração de informação se consegue na direcção principal. A Figura 25
representa a transformação dos dados executados na ACP, onde pI corresponde à
imagem obtida numa direcção das componentes principais p, kpVP , o Vector Próprio
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 37
da componente p em cada uma das K imagens e kND os níveis de cinzento para as K
imagens.
<
<<<<
Figura 25 – Transformação processada na Análise de Componentes Principais
Por norma, as primeiras direcções são as mais importantes por evidenciarem as
(dis)semelhanças entre bandas. Mas, de uma maneira geral, a segunda e a terceira
direcção apresentam os maiores contraste. As interpretações que podemos fazer das
principais direcções são:
CP1: representa o albedo (medida da reflectividade de um corpo ou de
uma superfície. É a razão entre a radiação electromagnética reflectida e a
quantidade incidente). Para o estudo, esta componente principal tem pouco
significado visto que ela representa a semelhança entre as várias bandas e nos
queremos o contrário;
CP2: Representa muitas vezes características da vegetação.
Existem interpretações específicas para cada caso em função da cobertura do solo,
da estação do ano, das condições climatéricas próximas (precipitações nos dias
anteriores, etc).
O resultado em cada uma das componentes pode ser visto na Figura 26 (primeira
componente CP1), Figura 27 (segunda componente CP2) e Figura 28 (terceira
componente CP3). A última componente, a quarta, foi analisada e não acrescentava
Banda 2
4 Bandas Do SPOT4
Banda 1
Banda 3
Banda 4 .
. . .
. . . .
CP2 CP1
∑=
=n
kkkpp NDVPI
1, *
A. Componente Principal Duas direcções principais
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 38
grande informação. Normalmente, esta última componente faz sobressair o ruído da
imagem.
Figura 26 – Resultado obtido na componente principal da ACP
Figura 27 – Resultado obtido na segunda componente principal da ACP
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 39
Figura 28 – Resultado obtido na terceira componente principal da ACP
Analisando as três componente apresentadas chegou-se às seguintes conclusões:
CP1: Imagem idêntica à original. Não acrescenta informação à inicial;
CP2: Imagem com resultados interessantes visto que apresenta uma
distribuição bem conseguida da presença/ausência de vegetação. Mais uma vez, o
norte da ilha com grandes valores de vegetação e onde se consegue distinguir
perfeitamente as estradas e ribeiras no meio desta zona. Sobressai ainda as zonas
urbanas com valores muito baixos nesta componente;
CP3: A terceira componente parece representar as zonas húmidas da ilha da
Madeira. Nesta componente salientam-se as várias ribeiras, as zonas de costa com a
rebentação das ondas. Do lado oposto, com valores reduzidos vemos as zonas
montanhosas com vegetação seca, a ponta este, uma das zonas mais áridas da Ilha.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 40
Podemos concluir que os resultados obtidos nesta análise foram positivos,
conseguindo fazer novas discriminações entre espaços geográficos.
3.4.3. Transformação Tasseled Cap (TTC)
A Transformação “Tasseled Cap” (TTC) é outra das transformações multiespectrais
que tenta a distinguir e monitorizar as características da vegetação através das
bandas visíveis e infra-vermelho. Esta transformação foi inicialmente elaborada para
o Satélite LandSat, pelo Dep. de Agricultura dos EUA com o intuito de melhorar a
precisão de colheitas. O objectivo é assim, a partir de 4 novos eixos de dados
espectrais poder obter mais informações da vegetação.
Figura 29 – Transformação “Tasseled Cap” [Carvalho, J.; 2004]
Os novos eixos/componente criados pela TTC são:
• Brilho (Brightness): nesta componente é executada com a soma
ponderada de cada um dos canais (com excepção feita ao canal
térmico) e pode ser vista na Figura 30;
• Verde (Greeness): contraste entre as bandas do vísivel e do infra-
vermelho próximo (Figura 31);
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 41
• Humidade (wetness): é a componente que relaciona o conteúdo da
água na vegetação e no solo (Figura 32).
Figura 30 – Resultado da componente “Brilho” da TTC
Figura 31 – Resultado da componente “Verde” da TTC
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 42
Figura 32 – Resultado da componente “Humidade” da TTC
3.5. Classificação
Neste capítulo do processamento dos dados é feita a Classificação Semi-Automática
(ou Assistida) e a Classificação Automática (ou Não Assistida) da imagem de satélite a
partir da informação radiométrica existente nas várias bandas.
Apesar de o objectivo principal do trabalho ser a delimitação da Floresta Laurissilva,
optou-se pela criação de um total de 8 grupos para a Classificação Assitida. No total,
foram criados os seguintes regiões de treino, com as respectivas cores associadas na
classificação:
Nome da Região Descrição da Região Cor
Laurissilva Vegetação do tipo Laurissilva
Pasto e Vegetação
Seca Vegetação Seca usual nas zonas altas
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 43
Agricultura Zonas agrícolas, como bananal, vinhas, etc
Zona urbana Áreas urbanas e suas periferias
Oceano Zonas de alto mar, afastado da costa
Zona Seca Zonas áridas sem vegetação
Vegetação
Introduzida
Vegetação introduzida pelo humano, com especial
incidência nos anos 80/90 com a arborização de
Eucaliptos e Pinheiros
Costa Litoral Zonas próximas à costa
Foram escolhidas regiões suficientes para haver uma discriminação de um
determinado número de usos de solos para, assim, ser mais fácil a delimitação da
Floresta Laurissilva. Foi tido ainda em conta regiões com possíveis estudos futuros em
monitorizações e evoluções do seu uso.
3.5.1. Classificação Assistida
A classificação Assistida (ou Semi-Automática) consiste na classificação da imagem a
partir de áreas treino. Estas foram escolhidas e delimitadas com a ajuda de todas as
imagens criadas até este ponto, com as técnicas de Realce (Capítulo 3.3 acima) e as
Transformações Multiespectrais (Capítulo 3.4) e recorrendo ao auxilio dos
Ortofotomapas e Cartografia Base. Assim, podemos dividirr esta classificação pelas
seguintes fases de produção::
1. Definir as regiões ou classes temáticas que queremos discriminar;
2. Estudo estatístico e reconhecimento dos padrões espectrais através de
técnicas de realce e transformações espectrais;
3. Localizar na Cartografia Base e Ortofotomapas (Figura 33) exemplos
das regiões em estudo;
4. Delimitação das áreas treinos através de vectores;
5. Análise estatística das áreas treinos obtidos para cada uma das
regiões;
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 44
6. Executar a Classificação com a definição do método de Classificação
Assistida (Máxima Verosimilhança Melhorada e Standard, Distância
Mínima, Distância Mínima ao Desvio Padrão, etc) e o filtro agregação;
7. Validação da Classificação executada;
Figura 33 – Localização das várias áreas treinos através dos Ortofotomapas
Com os valores estatísticos determinados nas áreas treino, a restante imagem será
classificada por regiões tendo por base esses valores estatísticos definidos
anteriormente nessas áreas. A Figura 34 ilustra a imagem em coloração RGB, com as
Bandas 3, 2 e 1 respectivamente, e com as 8 regiões definidas.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 45
Figura 34 – Imagem com as áreas de treino criadas para a Classificação Assistida
3.5.1.1 Estudo Estatístico das Áreas Treino
Foram calculados os Estatísticos de todas as áreas treinos das regiões em estudo. Da
totalidade dos valores descritivos, apresentada no Anexo II, podemos salientar os
seguintes:
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 46
-Região Agricultura:
Band1 Band2 Band3 Band4 Minimum 134.000 96.000 128.000 133.000 Maximum 178.000 158.000 222.000 246.000 Mean 149.536 113.928 185.228 177.232 Median 149.000 112.000 186.000 171.000
- Região Zona Seca
Band1 Band2 Band3 Band4 Minimum 149.000 128.000 49.000 98.000 Maximum 254.000 254.000 254.000 254.000 Mean 209.406 224.544 90.942 202.871 Median 207.000 226.000 86.000 203.000 Std. Dev. 19.248 21.237 21.306 40.131
- Região Oceano
Band1 Band2 Band3 Band4 Minimum 94.000 47.000 5.000 1.000 Maximum 122.000 72.000 11.000 14.000 Mean 98.521 50.908 6.651 5.102 Median 99.000 51.000 7.000 5.000 Std. Dev. 1.166 1.386 0.501 0.809
- Região Vegetação Introduzida
Band1 Band2 Band3 Band4 Minimum 87.000 51.000 25.000 29.000 Maximum 180.000 204.000 254.000 254.000 Mean 115.729 87.764 117.989 126.879 Median 114.000 84.000 113.000 114.000 Std. Dev. 10.399 15.190 28.642 40.770
- Região Costa
Band1 Band2 Band3 Band4 Minimum 98.000 51.000 8.000 10.000 Maximum 153.000 115.000 18.000 28.000 Mean 111.601 60.554 10.543 16.445
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 47
Median 109.000 59.000 11.000 17.000 Std. Dev. 9.168 7.589 1.305 3.920
- Região Urbano
Band1 Band2 Band3 Band4 Minimum 119.000 87.000 45.000 97.000 Maximum 254.000 254.000 222.000 254.000 Mean 189.080 191.870 115.158 209.008 Median 189.000 195.000 115.000 212.000 Std. Dev. 30.335 42.136 19.533 33.884
- Região Veg Seca/Pasto
Band1 Band2 Band3 Band4 Minimum 98.000 77.000 43.000 93.000 Maximum 227.000 254.000 149.000 254.000 Mean 151.722 159.722 88.904 250.636 Median 152.000 159.000 87.000 253.000 Std. Dev. 14.927 19.199 13.499 11.551
- Região LSilva
Band1 Band2 Band3 Band4 Minimum 74.000 40.000 6.000 10.000 Maximum 168.000 153.000 243.000 253.000 Mean 101.811 65.587 102.997 99.158 Median 101.000 64.000 102.000 95.000 Std. Dev. 12.426 13.224 45.176 43.466
Para além dos valores descritivos atrás, podemos ainda analisar o Scattergram de
cada uma das regiões, escolhendo qual das bandas a utilizar no gráfico. Para esta
análise, foram definidos a Banda2 para o eixo dos XX e a Banda3 para o eixo dos YY.
As regiões em estudo foram o Oceano (Figura 35), a Costa (Figura 36), a Floresta
Laurissilva (Figura 37), a Vegetação Seca e Pasto (Figura 38).
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 48
Figura 35 – Resultado do Scattergram para a região Oceano
Figura 36 – Resultado do Scattergram para a região Costa
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 49
Figura 37 – Resultado do Scattergram para a região do LSilva
Figura 38 – Resultado do Scattergram para a região da Vegetação Seca e Pasto
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 50
Para além da análise estatística atrás descrita, podemos ainda estudar as regiões
pelas áreas totais respeitantes a cada área treino (Quadro 6) e a distância entre cada
classe (Quadro 7).
Quadro 6 – Quadro com os valores das áreas utilizadas para a definição das várias áreas treino
Agricult Costa LSilva Oceano Urbano Veget. Introd
Veget. Seca
Zona Seca
AgriCult 0.000 42.360 8.287 78.137 6.447 6.056 8.525 11.027Costa 42.360 0.000 14.106 9.412 27.996 19.791 40.483 25.967LSilva 8.287 14.106 0.000 26.795 7.728 2.174 9.892 12.318Oceano 78.137 9.412 26.795 0.000 57.378 37.455 89.768 58.672Urbano 6.447 27.996 7.728 57.378 0.000 6.235 3.376 1.827 V Introd 6.056 19.791 2.174 37.455 6.235 0.000 7.798 10.322V Seca 8.525 40.483 9.892 89.768 3.376 7.798 0.000 5.179 Z. Seca 11.027 25.967 12.318 58.672 1.827 10.322 5.179 0.000
Quadro 7 – Distância média entre as diversas regiões
3.5.1.2 Resultados Obtidos
Depois de testados os vários métodos de Classificação Assistida, escolheu-se o
método de Máxima Verosimilhança Standard visto ter sido o que obteve melhores
resultados de classificação das regiões. Há classificação final aplicou-se o filtro
Majoraty.c com uma matriz de 5x5, ficando a imagem com as regiões mais
homogéneas e eliminando as estruturas de pequenas dimensões. O resultado obtido
pode ser visto na Figura 39.
Class/Region Hectares Sq. Km Acres Sq. Miles ------------ -------- ------ ----- --------- Agricultura 11.040 0.110 27.280 0.043 Costa 285.36 2.854 705.140 1.102 LSilva 1599.160 15.992 3951.611 6.174 Oceano 44076.880 440.769 108916.351 170.182 Urban 151.640 1.516 374.711 0.585 Veg introduzida 334.640 3.346 826.914 1.292 Veg Seca/Pasto 471.760 4.718 1165.744 1.821 Zona Seca 130.920 1.309 323.510 0.505 All 619030.720 6190.307 1529658.337 2390.091
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 51
Figura 39 – Resultado obtido na Classificação Assistida
Todos os valores estatísticos da classificação realizada podem ser visualizada no
Anexo II.
3.5.2. Classificação Automática
O outro tipo de classificação é a Automática ou Não supervisionada, que como o
próprio nome indica, deixa de ser supervisionada pelo analista ou operador.
Deixamos assim de definir as áreas treinos especificando unicamente o número de
Clusters ou grupos que queremos obter no final da classificação, podendo ainda
definir os parâmetros relativos à distância entre os grupos e a variação dentro de
cada grupo.
Os parâmetros utilizados na Classificação Não Supervisionada podem ser visto na
Figura 40. Podemos ressaltar o número de classes iniciais iguais aos da classificação
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 52
Assistida, ou seja 8 regiões, número máximo de iterações 20, percentagem de
elementos não alterados 98% e o número máximo de classes 10. A classificação foi
atingida após valor de elementos não alterado ter sido alcançado (98.17%) após 8
iterações e com o número de classes máximo atingido (como pode ser visto na Figura
41).
Figura 40 – Parâmetros utilizados na Classificação Não Supervisionada
Figura 41 – Número de iterações necessárias para atingir a classificação os parâmetros
definidos
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 53
3.5.2.1 Resultados Obtidos
Após realização da classificação passou-se à denominação de cada cluster e fazer
corresponder uma cor. Os grupos obtidos e as suas características estão descritas na
Figura 42.
Figura 42 – Características dos Clusters obtidos na Classificação Automática
A imagem da classificação está apresentada na Figura 43. Esta imagem tem a
aplicação do filtro Majoraty.c e o resultado obtido não foi o melhor, isto porque a
vegetação Laurissilva não foi, de todo, delimitada com esta técnica. Um resultado
interessante foi a obtenção de uma linha de costa bem definida (a amarelo) que
contorna a costa do lado Sul. No lado norte essa delimitação não aconteceu, isto
talvez por existir maior ondulação desse lado ou o próprio limite ser de natureza
diferente. No Clusters da agricultura obteve-se bom resultado, assim como na
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 54
vegetação seca. O Anexo III descreve os estatísticos obtidos na Classificação
Automática
Figura 43 – Imagem do resultado obtido com a Classificação Automática
3.6. Validação da Classificação
3.6.1. Validação da Classificação Assistida
A primeira técnica que podemos utilizar é verificar se as áreas de treino foram bem
definidas. Juntamente com o scattergram podemos desenhar a elipse da
probabilidade de um pixel ser associado a uma região com um nível de confiança de
95% e a média de cada uma das áreas treino. Esta informação pode ser vista na
Figura 44, utilizando novamente a Banda 2 e a Banda 3.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 55
Figura 44 – Scattergram com elipse de um pixel pertencer a cada uma das regiões com um
nível de confianças de 95 % e a média de cada área treino nadas bandas 2 e 3
Podemos concluir a área treino da região “Urbano” tem uma elipse grande demais,
podendo ser melhorada. Mas tem a sua lógica ser assim, visto que a zona urbana
contempla vegetação (como jardins), ribeiras, zonas industriais, casas, ect. A região
“Zonas secas” também merecia uma melhoria de delimitação das áreas treino. Em
relação as duas vegetações definidas (Laurissilva e a Introduzida), apesar de existir
diferença na elipse e na média, talvez se pudesse melhorar a sua definição nas
respectivas áreas treinos.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 56
Uma das alterações que podia ser feita era uma diminuição da área das áreas treinos
mas um aumento do seu número. Desta forma, talvez se conseguisse discriminar
melhor cada uma das regiões em estudo.
Para validar a classificação podemos utilizar a matriz de confusão que compara o
resultado da classificação com uma amostra de pontos terrenos “verdadeiros” ou
com outra classificação. Podemos, desta maneira, usar a matriz de confusão para
obtermos um indicador de precisão da classificação. Nesta matriz as linhas
representa as classes reais e as colunas representam as classes deduzidas da
classificação.
Na Figura 45 temos um exemplo de uma associação mal feita na Classificação
Automática. Temos a cidade do Funchal classificada como zona seca e as redondezas
classificadas (e bem) como zonas urbanas. Esta classificação errónea talvez se tenha
dado pela ausência ou reduzidas áreas de jardins na zona do centro enquanto que nas
redondezas haja as casas com os quintais e casas mais dispersas.
Figura 45– Exemplo da incorrecta classificação no cidade do Funchal
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Processamento dos Dados 57
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Conclusões 58
4. Conclusões
Como conclusão do trabalho realizado, podemos considerar que atingimos os
objectivos a que nos propusemos. Conseguimos obter um GRID que, para além de
discriminar a floresta Laurissilva, delimita ainda outras regiões de interesse para
futura monitorização e estudo. Conseguiu-se obter duas Classificações, a Assistida e a
Automática. Em relação à primeira o resultado foi, de um modo geral, positivo. No
que diz respeito à Classificação Automática, o resultado obtido na delimitação da
Floresta Laurissilva foi muito negativo visto que não se conseguiu uma zona
homogénea dessa floresta, havendo muita “confusão” com a Floresta Introduzida,
isto porque as duas regiões têm características espectrais idênticas. Mas por outro
lado, conseguimos criar uma nova região que é a linha de costa.
No que diz respeito à área da Floresta Laurissilva, a Classificação Assistida obteve um
total de 20679.640 Ha (ver em Anexo II), não muito longe do “oficialmente”
estipulado, perto de 15 Ha. Mas não se sabe qual o método utilizado neste cálculo e
qual a sua data.
Em relação as restantes regiões, estas poderiam merecer melhor discussão e uma
melhoria das áreas treino. Principalmente áreas tão difíceis de definir como as zonas
urbanas.
Conseguiu-se ainda fazer uma análise pormenorizada dos dados estatísticos e da
imagem inicial, o que nos permitiu executar a classificação de um modo mais
expedito e eficaz.
Assim, penso que foi conseguido a implementação de um estudo a partir dos
conceitos teóricos e práticos estudados e desenvolvidos durante as aulas da cadeira
de Detecção Remota.
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Conclusões 59
5. Bibliografia
Carvalho, Júlia. Introdução ao ER Mapper. Documento não Editado;
Carvalho, Júlia. (2004 ) Detecção Remota. Documento não Editado;
Reis, Elizabeth. (2001, 2º edição) Estatística Multivariada Aplicada. Edições Sílabo,
343p.;
Rosário, Lúcios; Pereira, Maria João. (1999) Caracterização Espacial da Laurissilva da
Ilha da Madeira com Recurso às Imagens SPOT. Seminário Interno do CMRP
http://www.cartesia.org/ Site acedido em Março de 2006;
http://rst.gsfc.nasa.gov/ Site acedido em Março de 2006;
http://ccrs.nrcan.gc.ca/index_e.php Site acedido em Março de 2006;
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 60
Anexo I
Descrição dos Estatísticos
das Áreas Treino
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 61
STATISTICS FOR DATASET: madeira_Luis.ers REGION: Agricultura Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 276 276 276 276 Area In Hectares 11.040 11.040 11.040 11.040 Area In Acres 27.280 27.280 27.280 27.280 Minimum 134.000 96.000 128.000 133.000 Maximum 178.000 158.000 222.000 246.000 Mean 149.536 113.928 185.228 177.232 Median 149.000 112.000 186.000 171.000 Std. Dev. 5.611 9.358 15.773 26.648 Std. Dev. (n-1) 5.622 9.375 15.802 26.696 Corr. Eigenval. 2.428 0.915 0.546 0.112 Cov. Eigenval. 809.621 185.799 80.965 5.509 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.863 -0.258 0.319 Band2 0.863 1.000 -0.435 0.463 Band3 -0.258 -0.435 1.000 -0.452 Band4 0.319 0.463 -0.452 1.000 Determinant 0.136 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.531 0.540 0.033 -0.652 Band2 0.591 0.311 0.059 0.742 Band3 -0.416 0.607 -0.665 0.130 Band4 0.442 -0.493 -0.744 -0.086 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.531 0.591 -0.416 0.442 Band2 0.540 0.311 0.607 -0.493 Band3 0.033 0.059 -0.665 -0.744 Band4 -0.652 0.742 0.130 -0.086 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 31.602 45.464 -22.948 47.912 Band2 45.464 87.886 -64.387 115.810 Band3 -22.948 -64.387 249.704 -190.631 Band4 47.912 115.810 -190.631 712.702 Determinant 67099219.579 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.077 0.073 -0.519 -0.848 Band2 0.183 0.186 -0.809 0.528 Band3 -0.337 -0.905 -0.254 0.047
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 62
Band4 0.920 -0.375 0.111 -0.016 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.077 0.183 -0.337 0.920 Band2 0.073 0.186 -0.905 -0.375 Band3 -0.519 -0.809 -0.254 0.111 Band4 -0.848 0.528 0.047 -0.016 REGION: Zona Seca Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 3273 3273 3273 3273 Area In Hectares 130.920 130.920 130.920 130.920 Area In Acres 323.510 323.510 323.510 323.510 Minimum 149.000 128.000 49.000 98.000 Maximum 254.000 254.000 254.000 254.000 Mean 209.406 224.544 90.942 202.871 Median 207.000 226.000 86.000 203.000 Std. Dev. 19.248 21.237 21.306 40.131 Std. Dev. (n-1) 19.251 21.240 21.309 40.137 Corr. Eigenval. 2.629 0.747 0.496 0.128 Cov. Eigenval. 2062.485 490.021 280.247 54.028 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.830 0.526 0.432 Band2 0.830 1.000 0.383 0.522 Band3 0.526 0.383 1.000 0.544 Band4 0.432 0.522 0.544 1.000 Determinant 0.125 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.541 -0.424 0.274 -0.672 Band2 0.532 -0.493 -0.194 0.661 Band3 0.455 0.584 0.623 0.252 Band4 0.466 0.486 -0.706 -0.220 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.541 0.532 0.455 0.466 Band2 -0.424 -0.493 0.584 0.486 Band3 0.274 -0.194 0.623 -0.706 Band4 -0.672 0.661 0.252 -0.220 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 370.603 339.245 215.647 333.438 Band2 339.245 451.144 173.313 444.596
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 63
Band3 215.647 173.313 454.066 464.867 Band4 333.438 444.596 464.867 1610.968 Determinant 15302577678.077 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.273 -0.619 0.033 -0.736 Band2 0.326 -0.586 0.392 0.630 Band3 0.317 -0.181 -0.902 0.229 Band4 0.848 0.491 0.176 -0.091 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.273 0.326 0.317 0.848 Band2 -0.619 -0.586 -0.181 0.491 Band3 0.033 0.392 -0.902 0.176 Band4 -0.736 0.630 0.229 -0.091 REGION: Oceano Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 1101922 1101922 1101922 1101922 Area In Hectares 44076.880 44076.880 44076.880 44076.880 Area In Acres 108916.351 108916.351 108916.351 108916.351 Minimum 94.000 47.000 5.000 1.000 Maximum 122.000 72.000 11.000 14.000 Mean 98.521 50.908 6.651 5.102 Median 99.000 51.000 7.000 5.000 Std. Dev. 1.166 1.386 0.501 0.809 Std. Dev. (n-1) 1.166 1.386 0.501 0.809 Corr. Eigenval. 2.632 0.758 0.366 0.243 Cov. Eigenval. 3.124 0.546 0.405 0.110 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.730 0.629 0.411 Band2 0.730 1.000 0.715 0.359 Band3 0.629 0.715 1.000 0.334 Band4 0.411 0.359 0.334 1.000 Determinant 0.178 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.539 -0.102 0.680 0.487 Band2 0.550 -0.248 0.093 -0.792 Band3 0.523 -0.275 -0.719 0.366 Band4 0.364 0.923 -0.114 -0.050 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.539 0.550 0.523 0.364
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 64
Band2 -0.102 -0.248 -0.275 0.923 Band3 0.680 0.093 -0.719 -0.114 Band4 0.487 -0.792 0.366 -0.050 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 1.361 1.179 0.367 0.388 Band2 1.179 1.920 0.496 0.403 Band3 0.367 0.496 0.251 0.135 Band4 0.388 0.403 0.135 0.655 Determinant 0.076 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.592 0.199 0.777 -0.080 Band2 0.744 -0.415 -0.482 -0.208 Band3 0.215 -0.044 -0.051 0.974 Band4 0.226 0.887 -0.402 -0.031 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.592 0.744 0.215 0.226 Band2 0.199 -0.415 -0.044 0.887 Band3 0.777 -0.482 -0.051 -0.402 Band4 -0.080 -0.208 0.974 -0.031 REGION: Veg introduzida Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 8366 8366 8366 8366 Area In Hectares 334.640 334.640 334.640 334.640 Area In Acres 826.914 826.914 826.914 826.914 Minimum 87.000 51.000 25.000 29.000 Maximum 180.000 204.000 254.000 254.000 Mean 115.729 87.764 117.989 126.879 Median 114.000 84.000 113.000 114.000 Std. Dev. 10.399 15.190 28.642 40.770 Std. Dev. (n-1) 10.399 15.191 28.643 40.772 Corr. Eigenval. 3.069 0.783 0.104 0.044 Cov. Eigenval. 2312.601 446.955 55.659 6.525 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.931 0.480 0.874 Band2 0.931 1.000 0.283 0.810 Band3 0.480 0.283 1.000 0.651 Band4 0.874 0.810 0.651 1.000 Determinant 0.011 Corr. Eigenvectors PC1 PC2 PC3 PC4
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 65
------------------ ----- ----- ----- ----- Band1 0.548 -0.224 0.428 -0.683 Band2 0.512 -0.466 0.205 0.692 Band3 0.370 0.852 0.306 0.209 Band4 0.548 0.084 -0.825 -0.104 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.548 0.512 0.370 0.548 Band2 -0.224 -0.466 0.852 0.084 Band3 0.428 0.205 0.306 -0.825 Band4 -0.683 0.692 0.209 -0.104 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 108.149 147.084 142.883 370.417 Band2 147.084 230.776 123.338 501.910 Band3 142.883 123.338 820.439 760.493 Band4 370.417 501.910 760.493 1662.376 Determinant 375377583.543 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.186 0.162 -0.456 -0.855 Band2 0.241 0.381 -0.730 0.514 Band3 0.462 -0.850 -0.242 0.069 Band4 0.833 0.325 0.448 0.004 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.186 0.241 0.462 0.833 Band2 0.162 0.381 -0.850 0.325 Band3 -0.456 -0.730 -0.242 0.448 Band4 -0.855 0.514 0.069 0.004 REGION: Costa Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 7134 7134 7134 7134 Area In Hectares 285.360 285.360 285.360 285.360 Area In Acres 705.140 705.140 705.140 705.140 Minimum 98.000 51.000 8.000 10.000 Maximum 153.000 115.000 18.000 28.000 Mean 111.601 60.554 10.543 16.445 Median 109.000 59.000 11.000 17.000 Std. Dev. 9.168 7.589 1.305 3.920 Std. Dev. (n-1) 9.168 7.590 1.305 3.920 Corr. Eigenval. 2.928 0.909 0.095 0.068 Cov. Eigenval. 138.486 14.869 5.172 0.205
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 66
Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.907 0.593 0.313 Band2 0.907 1.000 0.715 0.440 Band3 0.593 0.715 1.000 0.855 Band4 0.313 0.440 0.855 1.000 Determinant 0.017 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.486 -0.543 -0.568 -0.383 Band2 0.529 -0.390 0.391 0.644 Band3 0.540 0.328 0.530 -0.566 Band4 0.439 0.667 -0.494 0.344 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.486 0.529 0.540 0.439 Band2 -0.543 -0.390 0.328 0.667 Band3 -0.568 0.391 0.530 -0.494 Band4 -0.383 0.644 -0.566 0.344 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 84.061 63.120 7.095 11.258 Band2 63.120 57.601 7.079 13.082 Band3 7.095 7.079 1.704 4.374 Band4 11.258 13.082 4.374 15.367 Determinant 2185.069 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.764 -0.332 -0.553 0.001 Band2 0.625 0.179 0.756 0.068 Band3 0.076 0.216 -0.027 -0.973 Band4 0.139 0.900 -0.348 0.221 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.764 0.625 0.076 0.139 Band2 -0.332 0.179 0.216 0.900 Band3 -0.553 0.756 -0.027 -0.348 Band4 0.001 0.068 -0.973 0.221 REGION: Urbano Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 3791 3791 3791 3791 Area In Hectares 151.640 151.640 151.640 151.640 Area In Acres 374.711 374.711 374.711 374.711 Minimum 119.000 87.000 45.000 97.000
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 67
Maximum 254.000 254.000 222.000 254.000 Mean 189.080 191.870 115.158 209.008 Median 189.000 195.000 115.000 212.000 Std. Dev. 30.335 42.136 19.533 33.884 Std. Dev. (n-1) 30.339 42.141 19.535 33.888 Corr. Eigenval. 2.591 1.085 0.243 0.081 Cov. Eigenval. 3340.866 584.166 199.060 102.288 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.903 0.026 0.686 Band2 0.903 1.000 -0.011 0.754 Band3 0.026 -0.011 1.000 0.351 Band4 0.686 0.754 0.351 1.000 Determinant 0.055 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.575 -0.203 0.546 -0.575 Band2 0.588 -0.221 0.110 0.770 Band3 0.128 0.926 0.335 0.120 Band4 0.555 0.231 -0.760 -0.249 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.575 0.588 0.128 0.555 Band2 -0.203 -0.221 0.926 0.231 Band3 0.546 0.110 0.335 -0.760 Band4 -0.575 0.770 0.120 -0.249 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 920.449 1154.413 15.396 705.600 Band2 1154.413 1775.888 -8.771 1076.399 Band3 15.396 -8.771 381.634 232.649 Band4 705.600 1076.399 232.649 1148.409 Determinant 39737899989.568 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.487 -0.240 0.489 -0.683 Band2 0.709 -0.310 0.026 0.633 Band3 0.040 0.692 0.670 0.266 Band4 0.509 0.606 -0.557 -0.250 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.487 0.709 0.040 0.509 Band2 -0.240 -0.310 0.692 0.606 Band3 0.489 0.026 0.670 -0.557 Band4 -0.683 0.633 0.266 -0.250
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 68
REGION: Veg Seca/Pasto Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 11794 11794 11794 11794 Area In Hectares 471.760 471.760 471.760 471.760 Area In Acres 1165.744 1165.744 1165.744 1165.744 Minimum 98.000 77.000 43.000 93.000 Maximum 227.000 254.000 149.000 254.000 Mean 151.722 159.722 88.904 250.636 Median 152.000 159.000 87.000 253.000 Std. Dev. 14.927 19.199 13.499 11.551 Std. Dev. (n-1) 14.927 19.199 13.499 11.552 Corr. Eigenval. 2.025 1.148 0.762 0.064 Cov. Eigenval. 581.146 195.619 112.524 17.827 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.931 0.034 0.175 Band2 0.931 1.000 0.128 0.187 Band3 0.034 0.128 1.000 0.230 Band4 0.175 0.187 0.230 1.000 Determinant 0.114 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.665 -0.252 0.031 -0.703 Band2 0.674 -0.181 0.109 0.708 Band3 0.168 0.731 0.658 -0.074 Band4 0.274 0.608 -0.745 0.008 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.665 0.674 0.168 0.274 Band2 -0.252 -0.181 0.731 0.608 Band3 0.031 0.109 0.658 -0.745 Band4 -0.703 0.708 -0.074 0.008 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 222.825 266.736 6.752 30.226 Band2 266.736 368.618 33.214 41.472 Band3 6.752 33.214 182.229 35.857 Band4 30.226 41.472 35.857 133.444 Determinant 228039195.076 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.598 -0.140 -0.000 -0.789 Band2 0.788 -0.055 0.092 0.607 Band3 0.087 0.898 0.421 -0.094 Band4 0.120 0.413 -0.903 0.018
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 69
Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.598 0.788 0.087 0.120 Band2 -0.140 -0.055 0.898 0.413 Band3 -0.000 0.092 0.421 -0.903 Band4 -0.789 0.607 -0.094 0.018 REGION: LSilva Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 24975 24975 24975 24975 Area In Hectares 999.000 999.000 999.000 999.000 Area In Acres 2468.583 2468.583 2468.583 2468.583 Minimum 74.000 40.000 6.000 10.000 Maximum 168.000 153.000 243.000 253.000 Mean 101.811 65.587 102.997 99.158 Median 101.000 64.000 102.000 95.000 Std. Dev. 12.426 13.224 45.176 43.466 Std. Dev. (n-1) 12.427 13.224 45.177 43.467 Corr. Eigenval. 3.631 0.277 0.072 0.020 Cov. Eigenval. 3967.665 243.617 44.945 3.459 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.952 0.855 0.949 Band2 0.952 1.000 0.740 0.870 Band3 0.855 0.740 1.000 0.888 Band4 0.949 0.870 0.888 1.000 Determinant 0.001 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.518 -0.212 -0.012 -0.829 Band2 0.491 -0.626 0.391 0.462 Band3 0.479 0.740 0.461 0.103 Band4 0.511 0.124 -0.796 0.299 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.518 0.491 0.479 0.511 Band2 -0.212 -0.626 0.740 0.124 Band3 -0.012 0.391 0.461 -0.796 Band4 -0.829 0.462 0.103 0.299 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 154.422 156.519 479.983 512.871 Band2 156.519 174.871 441.892 500.335 Band3 479.983 441.892 2040.992 1744.533
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 70
Band4 512.871 500.335 1744.533 1889.401 Determinant 150285882.810 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.185 0.183 -0.413 -0.873 Band2 0.177 0.286 -0.810 0.481 Band3 0.695 -0.714 -0.079 0.035 Band4 0.672 0.612 0.410 0.077 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.185 0.177 0.695 0.672 Band2 0.183 0.286 -0.714 0.612 Band3 -0.413 -0.810 -0.079 0.410 Band4 -0.873 0.481 0.035 0.077 REGION: All Band1 Band2 Band3 Band4 ----- ----- ----- ----- Null Cells 4364140 4364140 4364140 4364140 Non-Null Cells 11111628 11111628 11111628 11111628 Area In Hectares 444465.120 444465.120 444465.120 444465.120 Area In Acres 1098297.313 1098297.313 1098297.313 1098297.313 Minimum 64.000 30.000 1.000 1.000 Maximum 254.000 254.000 254.000 254.000 Mean 105.788 63.071 23.937 31.799 Median 100.000 52.000 7.000 6.000 Std. Dev. 20.184 30.533 40.065 61.515 Std. Dev. (n-1) 20.184 30.533 40.065 61.515 Corr. Eigenval. 3.490 0.437 0.058 0.015 Cov. Eigenval. 6205.540 406.330 105.338 11.737 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.966 0.669 0.793 Band2 0.966 1.000 0.740 0.878 Band3 0.669 0.740 1.000 0.927 Band4 0.793 0.878 0.927 1.000 Determinant 0.001 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.492 -0.567 0.448 -0.486 Band2 0.514 -0.384 -0.275 0.716 Band3 0.477 0.656 0.543 0.218 Band4 0.516 0.317 -0.655 -0.452 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.492 0.514 0.477 0.516
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo I 71
Band2 -0.567 -0.384 0.656 0.317 Band3 0.448 -0.275 0.543 -0.655 Band4 -0.486 0.716 0.218 -0.452 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 407.397 595.115 540.680 984.366 Band2 595.115 932.236 904.939 1648.419 Band3 540.680 904.939 1605.225 2285.895 Band4 984.366 1648.419 2285.895 3784.087 Determinant 3117357733.663 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.212 -0.508 0.393 -0.736 Band2 0.349 -0.641 0.205 0.652 Band3 0.480 0.571 0.659 0.097 Band4 0.777 0.074 -0.607 -0.152 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.212 0.349 0.480 0.777 Band2 -0.508 -0.641 0.571 0.074 Band3 0.393 0.205 0.659 -0.607 Band4 -0.736 0.652 0.097 -0.152
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 72
Anexo II
Descrição dos Estatísticos
da regiões obtidas
da Classificação Assistida
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 73
STATISTICS FOR DATASET: madeira_Luis.ers (using LMadeira_Max_like_Class.ers classes/regions) REGION: All Band1 Band2 Band3 Band4 ----- ----- ----- ----- Null Cells 4364140 4364140 4364140 4364140 Non-Null Cells 11111628 11111628 11111628 11111628 Area In Hectares 444465.120 444465.120 444465.120 444465.120 Area In Acres 1098297.313 1098297.313 1098297.313 1098297.313 Minimum 64.000 30.000 1.000 1.000 Maximum 254.000 254.000 254.000 254.000 Mean 105.788 63.071 23.937 31.799 Median 100.000 52.000 7.000 6.000 Std. Dev. 20.184 30.533 40.065 61.515 Std. Dev. (n-1) 20.184 30.533 40.065 61.515 Corr. Eigenval. 3.490 0.437 0.058 0.015 Cov. Eigenval. 6205.540 406.330 105.338 11.737 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.966 0.669 0.793 Band2 0.966 1.000 0.740 0.878 Band3 0.669 0.740 1.000 0.927 Band4 0.793 0.878 0.927 1.000 Determinant 0.001 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.492 -0.567 0.448 -0.486 Band2 0.514 -0.384 -0.275 0.716 Band3 0.477 0.656 0.543 0.218 Band4 0.516 0.317 -0.655 -0.452 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.492 0.514 0.477 0.516 Band2 -0.567 -0.384 0.656 0.317 Band3 0.448 -0.275 0.543 -0.655 Band4 -0.486 0.716 0.218 -0.452 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 407.397 595.115 540.680 984.366 Band2 595.115 932.236 904.939 1648.419 Band3 540.680 904.939 1605.225 2285.895 Band4 984.366 1648.419 2285.895 3784.087 Determinant 3117357733.663 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.212 -0.508 0.393 -0.736
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 74
Band2 0.349 -0.641 0.205 0.652 Band3 0.480 0.571 0.659 0.097 Band4 0.777 0.074 -0.607 -0.152 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.212 0.349 0.480 0.777 Band2 -0.508 -0.641 0.571 0.074 Band3 0.393 0.205 0.659 -0.607 Band4 -0.736 0.652 0.097 -0.152 REGION: Agricultura Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 82900 82900 82900 82900 Area In Hectares 3316.000 3316.000 3316.000 3316.000 Area In Acres 8194.015 8194.015 8194.015 8194.015 Minimum 122.000 73.000 98.000 103.000 Maximum 180.000 158.000 254.000 254.000 Mean 150.853 121.140 165.831 205.279 Median 151.000 121.000 164.000 207.000 Std. Dev. 8.233 13.158 19.983 28.597 Std. Dev. (n-1) 8.233 13.159 19.983 28.597 Corr. Eigenval. 2.244 0.994 0.664 0.098 Cov. Eigenval. 904.206 381.663 162.209 9.971 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.880 -0.031 0.387 Band2 0.880 1.000 -0.193 0.500 Band3 -0.031 -0.193 1.000 -0.157 Band4 0.387 0.500 -0.157 1.000 Determinant 0.146 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.596 -0.278 0.351 -0.666 Band2 0.634 -0.086 0.241 0.730 Band3 -0.172 -0.949 -0.238 0.116 Band4 0.462 0.124 -0.873 -0.099 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.596 0.634 -0.172 0.462 Band2 -0.278 -0.086 -0.949 0.124 Band3 0.351 0.241 -0.238 -0.873 Band4 -0.666 0.730 0.116 -0.099 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- -----
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 75
Band1 67.775 95.343 -5.075 91.006 Band2 95.343 173.148 -50.759 188.010 Band3 -5.075 -50.759 399.335 -89.991 Band4 91.006 188.010 -89.991 817.791 Determinant 558150888.064 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.134 -0.035 -0.521 -0.842 Band2 0.271 0.034 -0.799 0.536 Band3 -0.195 -0.977 -0.071 0.053 Band4 0.933 -0.209 0.292 -0.024 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.134 0.271 -0.195 0.933 Band2 -0.035 0.034 -0.977 -0.209 Band3 -0.521 -0.799 -0.071 0.292 Band4 -0.842 0.536 0.053 -0.024 REGION: Zona Seca Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 129863 129863 129863 129863 Area In Hectares 5194.520 5194.520 5194.520 5194.520 Area In Acres 12835.939 12835.939 12835.939 12835.939 Minimum 95.000 86.000 1.000 1.000 Maximum 254.000 254.000 254.000 254.000 Mean 205.405 204.117 80.284 158.972 Median 204.000 216.000 78.000 174.000 Std. Dev. 37.560 46.182 40.911 80.067 Std. Dev. (n-1) 37.560 46.183 40.912 80.068 Corr. Eigenval. 3.323 0.457 0.182 0.039 Cov. Eigenval. 10027.842 1144.898 375.892 79.568 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.895 0.696 0.599 Band2 0.895 1.000 0.788 0.822 Band3 0.696 0.788 1.000 0.839 Band4 0.599 0.822 0.839 1.000 Determinant 0.011 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.480 -0.697 -0.133 -0.516 Band2 0.528 -0.241 0.387 0.717 Band3 0.500 0.366 -0.767 0.168 Band4 0.491 0.568 0.495 -0.438 Inv. of Corr. Ev. PC1 PC2 PC3 PC4
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 76
----------------- ----- ----- ----- ----- Band1 0.480 0.528 0.500 0.491 Band2 -0.697 -0.241 0.366 0.568 Band3 -0.133 0.387 -0.767 0.495 Band4 -0.516 0.717 0.168 -0.438 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 1410.772 1552.029 1069.290 1799.991 Band2 1552.029 2132.827 1488.645 3038.319 Band3 1069.290 1488.645 1673.754 2747.473 Band4 1799.991 3038.319 2747.473 6410.847 Determinant 343382341325.812 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.284 -0.703 -0.034 -0.651 Band2 0.424 -0.465 -0.327 0.705 Band3 0.368 -0.051 0.913 0.168 Band4 0.777 0.536 -0.241 -0.226 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.284 0.424 0.368 0.777 Band2 -0.703 -0.465 -0.051 0.536 Band3 -0.034 -0.327 0.913 -0.241 Band4 -0.651 0.705 0.168 -0.226 REGION: Oceano Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 7312508 7312508 7312508 7312508 Area In Hectares 292500.320 292500.320 292500.320 292500.320 Area In Acres 722784.086 722784.086 722784.086 722784.086 Minimum 94.000 46.000 5.000 1.000 Maximum 103.000 57.000 9.000 9.000 Mean 98.934 51.674 6.944 5.434 Median 99.000 52.000 7.000 5.000 Std. Dev. 1.643 1.755 0.538 0.951 Std. Dev. (n-1) 1.643 1.755 0.538 0.951 Corr. Eigenval. 2.763 0.666 0.396 0.174 Cov. Eigenval. 5.583 0.722 0.544 0.126 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.801 0.599 0.405 Band2 0.801 1.000 0.719 0.473 Band3 0.599 0.719 1.000 0.478 Band4 0.405 0.473 0.478 1.000 Determinant 0.127
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 77
Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.518 -0.373 -0.532 -0.557 Band2 0.553 -0.257 -0.104 0.786 Band3 0.511 -0.051 0.815 -0.268 Band4 0.406 0.890 -0.206 -0.022 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.518 0.553 0.511 0.406 Band2 -0.373 -0.257 -0.051 0.890 Band3 -0.532 -0.104 0.815 -0.206 Band4 -0.557 0.786 -0.268 -0.022 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 2.699 2.309 0.530 0.633 Band2 2.309 3.082 0.680 0.790 Band3 0.530 0.680 0.290 0.245 Band4 0.633 0.790 0.245 0.905 Determinant 0.277 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.648 -0.484 -0.589 -0.004 Band2 0.711 0.151 0.657 0.198 Band3 0.166 0.127 0.085 -0.974 Band4 0.217 0.853 -0.463 0.108 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.648 0.711 0.166 0.217 Band2 -0.484 0.151 0.127 0.853 Band3 -0.589 0.657 0.085 -0.463 Band4 -0.004 0.198 -0.974 0.108 REGION: Veg introduzida Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 603425 603425 603425 603425 Area In Hectares 24137.000 24137.000 24137.000 24137.000 Area In Acres 59643.830 59643.830 59643.830 59643.830 Minimum 81.000 35.000 1.000 1.000 Maximum 164.000 151.000 251.000 254.000 Mean 119.738 94.254 106.293 140.590 Median 119.000 93.000 107.000 141.000 Std. Dev. 11.888 16.701 35.858 50.496 Std. Dev. (n-1) 11.888 16.701 35.858 50.496 Corr. Eigenval. 3.146 0.654 0.140 0.060 Cov. Eigenval. 3580.729 578.391 83.900 12.892
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 78
Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.912 0.554 0.837 Band2 0.912 1.000 0.408 0.832 Band3 0.554 0.408 1.000 0.690 Band4 0.837 0.832 0.690 1.000 Determinant 0.017 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.532 -0.253 0.591 -0.551 Band2 0.512 -0.470 0.008 0.719 Band3 0.408 0.844 0.235 0.259 Band4 0.537 0.058 -0.772 -0.335 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.532 0.512 0.408 0.537 Band2 -0.253 -0.470 0.844 0.058 Band3 0.591 0.008 0.235 -0.772 Band4 -0.551 0.719 0.259 -0.335 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 141.335 180.982 236.182 502.469 Band2 180.982 278.911 244.521 701.268 Band3 236.182 244.521 1285.797 1250.065 Band4 502.469 701.268 1250.065 2549.869 Determinant 2240216354.015 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.166 0.126 -0.546 -0.812 Band2 0.221 0.312 -0.721 0.578 Band3 0.491 -0.853 -0.159 0.075 Band4 0.826 0.398 0.397 -0.036 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.166 0.221 0.491 0.826 Band2 0.126 0.312 -0.853 0.398 Band3 -0.546 -0.721 -0.159 0.397 Band4 -0.812 0.578 0.075 -0.036 REGION: Costa Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 1831514 1831514 1831514 1831514 Area In Hectares 73260.560 73260.560 73260.560 73260.560 Area In Acres 181030.800 181030.800 181030.800 181030.800
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 79
Minimum 82.000 33.000 4.000 1.000 Maximum 183.000 117.000 20.000 45.000 Mean 103.121 56.087 8.436 10.052 Median 103.000 56.000 8.000 9.000 Std. Dev. 5.620 4.774 1.252 3.789 Std. Dev. (n-1) 5.620 4.774 1.252 3.789 Corr. Eigenval. 3.102 0.675 0.155 0.068 Cov. Eigenval. 57.688 10.251 2.063 0.295 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.923 0.743 0.482 Band2 0.923 1.000 0.786 0.479 Band3 0.743 0.786 1.000 0.754 Band4 0.482 0.479 0.754 1.000 Determinant 0.022 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.514 -0.431 -0.435 -0.600 Band2 0.522 -0.419 0.006 0.743 Band3 0.530 0.209 0.779 -0.260 Band4 0.427 0.771 -0.451 0.139 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.514 0.522 0.530 0.427 Band2 -0.431 -0.419 0.209 0.771 Band3 -0.435 0.006 0.779 -0.451 Band4 -0.600 0.743 -0.260 0.139 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 31.584 24.766 5.226 10.257 Band2 24.766 22.790 4.696 8.673 Band3 5.226 4.696 1.567 3.576 Band4 10.257 8.673 3.576 14.356 Determinant 359.587 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.722 -0.253 0.644 -0.015 Band2 0.606 -0.198 -0.754 0.158 Band3 0.137 0.127 -0.127 -0.974 Band4 0.304 0.939 0.031 0.161 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.722 0.606 0.137 0.304 Band2 -0.253 -0.198 0.127 0.939 Band3 0.644 -0.754 -0.127 0.031 Band4 -0.015 0.158 -0.974 0.161
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 80
REGION: Urbano Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 493706 493706 493706 493706 Area In Hectares 19748.240 19748.240 19748.240 19748.240 Area In Acres 48798.967 48798.967 48798.967 48798.967 Minimum 64.000 31.000 1.000 1.000 Maximum 254.000 254.000 254.000 254.000 Mean 159.368 143.948 106.383 181.921 Median 155.000 142.000 112.000 191.000 Std. Dev. 27.630 37.775 35.999 53.783 Std. Dev. (n-1) 27.630 37.775 35.999 53.783 Corr. Eigenval. 2.658 1.032 0.221 0.090 Cov. Eigenval. 4663.187 1249.973 360.108 105.655 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.850 0.230 0.386 Band2 0.850 1.000 0.403 0.635 Band3 0.230 0.403 1.000 0.776 Band4 0.386 0.635 0.776 1.000 Determinant 0.054 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.467 -0.591 0.391 -0.528 Band2 0.551 -0.362 -0.246 0.711 Band3 0.446 0.607 0.632 0.183 Band4 0.529 0.388 -0.622 -0.428 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.467 0.551 0.446 0.529 Band2 -0.591 -0.362 0.607 0.388 Band3 0.391 -0.246 0.632 -0.622 Band4 -0.528 0.711 0.183 -0.428 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 763.419 887.173 228.285 574.196 Band2 887.173 1426.935 548.143 1291.033 Band3 228.285 548.143 1295.940 1501.771 Band4 574.196 1291.033 1501.771 2892.629 Determinant 221771824100.119 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.236 -0.580 0.273 -0.730 Band2 0.438 -0.624 0.024 0.646
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 81
Band3 0.425 0.427 0.793 0.095 Band4 0.756 0.303 -0.544 -0.200 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.236 0.438 0.425 0.756 Band2 -0.580 -0.624 0.427 0.303 Band3 0.273 0.024 0.793 -0.544 Band4 -0.730 0.646 0.095 -0.200 REGION: Veg Seca/Pasto Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 140721 140721 140721 140721 Area In Hectares 5628.840 5628.840 5628.840 5628.840 Area In Acres 13909.168 13909.168 13909.168 13909.168 Minimum 100.000 63.000 28.000 181.000 Maximum 198.000 216.000 146.000 254.000 Mean 153.162 157.566 95.992 244.492 Median 153.000 157.000 97.000 254.000 Std. Dev. 17.279 24.515 18.091 14.287 Std. Dev. (n-1) 17.279 24.515 18.091 14.287 Corr. Eigenval. 2.472 0.993 0.448 0.087 Cov. Eigenval. 969.804 321.004 105.139 35.029 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.908 0.219 0.434 Band2 0.908 1.000 0.276 0.514 Band3 0.219 0.276 1.000 0.501 Band4 0.434 0.514 0.501 1.000 Determinant 0.096 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.552 -0.435 0.200 -0.683 Band2 0.577 -0.355 0.115 0.727 Band3 0.356 0.737 0.575 -0.013 Band4 0.485 0.377 -0.785 -0.078 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.552 0.577 0.356 0.485 Band2 -0.435 -0.355 0.737 0.377 Band3 0.200 0.115 0.575 -0.785 Band4 -0.683 0.727 -0.013 -0.078 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 298.572 384.648 68.598 107.163
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 82
Band2 384.648 600.991 122.510 180.191 Band3 68.598 122.510 327.287 129.389 Band4 107.163 180.191 129.389 204.127 Determinant 1146541983.993 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.511 -0.243 0.171 -0.806 Band2 0.764 -0.263 0.087 0.583 Band3 0.260 0.871 0.417 -0.010 Band4 0.295 0.336 -0.889 -0.103 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.511 0.764 0.260 0.295 Band2 -0.243 -0.263 0.871 0.336 Band3 0.171 0.087 0.417 -0.889 Band4 -0.806 0.583 -0.010 -0.103 REGION: LSilva Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 516991 516991 516991 516991 Area In Hectares 20679.640 20679.640 20679.640 20679.640 Area In Acres 51100.507 51100.507 51100.507 51100.507 Minimum 65.000 30.000 1.000 1.000 Maximum 167.000 135.000 254.000 254.000 Mean 99.581 64.919 87.823 93.760 Median 100.000 65.000 86.000 94.000 Std. Dev. 11.808 11.552 48.119 42.980 Std. Dev. (n-1) 11.808 11.552 48.119 42.980 Corr. Eigenval. 3.659 0.223 0.079 0.040 Cov. Eigenval. 4141.583 254.390 33.978 5.677 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.947 0.868 0.932 Band2 0.947 1.000 0.789 0.896 Band3 0.868 0.789 1.000 0.882 Band4 0.932 0.896 0.882 1.000 Determinant 0.003 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.512 -0.213 0.212 -0.804 Band2 0.497 -0.589 0.314 0.555 Band3 0.483 0.778 0.351 0.194 Band4 0.507 0.051 -0.856 0.084 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- -----
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 83
Band1 0.512 0.497 0.483 0.507 Band2 -0.213 -0.589 0.778 0.051 Band3 0.212 0.314 0.351 -0.856 Band4 -0.804 0.555 0.194 0.084 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 139.429 129.123 493.390 472.788 Band2 129.123 133.441 438.451 444.827 Band3 493.390 438.451 2315.486 1824.826 Band4 472.788 444.827 1824.826 1847.272 Determinant 203242237.074 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.171 0.127 -0.557 -0.803 Band2 0.157 0.197 -0.764 0.594 Band3 0.728 -0.684 0.006 0.043 Band4 0.645 0.691 0.326 0.020 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.171 0.157 0.728 0.645 Band2 0.127 0.197 -0.684 0.691 Band3 -0.557 -0.764 0.006 0.326 Band4 -0.803 0.594 0.043 0.020
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 84
Anexo III
Descrição dos Estatísticos
das regiões obtidas
da Classificação Automática
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 85
STATISTICS FOR DATASET: madeira_Luis.ers (using ClassificacaAutomatica.ers classes/regions) REGION: All Band1 Band2 Band3 Band4 ----- ----- ----- ----- Null Cells 4364140 4364140 4364140 4364140 Non-Null Cells 11111628 11111628 11111628 11111628 Area In Hectares 444465.120 444465.120 444465.120 444465.120 Area In Acres 1098297.313 1098297.313 1098297.313 1098297.313 Minimum 64.000 30.000 1.000 1.000 Maximum 254.000 254.000 254.000 254.000 Mean 105.788 63.071 23.937 31.799 Median 100.000 52.000 7.000 6.000 Std. Dev. 20.184 30.533 40.065 61.515 Std. Dev. (n-1) 20.184 30.533 40.065 61.515 Corr. Eigenval. 3.490 0.437 0.058 0.015 Cov. Eigenval. 6205.540 406.330 105.338 11.737 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.966 0.669 0.793 Band2 0.966 1.000 0.740 0.878 Band3 0.669 0.740 1.000 0.927 Band4 0.793 0.878 0.927 1.000 Determinant 0.001 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.492 -0.567 0.448 -0.486 Band2 0.514 -0.384 -0.275 0.716 Band3 0.477 0.656 0.543 0.218 Band4 0.516 0.317 -0.655 -0.452 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.492 0.514 0.477 0.516 Band2 -0.567 -0.384 0.656 0.317 Band3 0.448 -0.275 0.543 -0.655 Band4 -0.486 0.716 0.218 -0.452 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 407.397 595.115 540.680 984.366 Band2 595.115 932.236 904.939 1648.419 Band3 540.680 904.939 1605.225 2285.895 Band4 984.366 1648.419 2285.895 3784.087 Determinant 3117357733.663 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.212 -0.508 0.393 -0.736
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 86
Band2 0.349 -0.641 0.205 0.652 Band3 0.480 0.571 0.659 0.097 Band4 0.777 0.074 -0.607 -0.152 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.212 0.349 0.480 0.777 Band2 -0.508 -0.641 0.571 0.074 Band3 0.393 0.205 0.659 -0.607 Band4 -0.736 0.652 0.097 -0.152 REGION: Agricultura Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 393721 393721 393721 393721 Area In Hectares 15748.840 15748.840 15748.840 15748.840 Area In Acres 38916.234 38916.234 38916.234 38916.234 Minimum 104.000 68.000 34.000 132.000 Maximum 218.000 191.000 254.000 254.000 Mean 142.709 121.426 137.348 200.220 Median 142.000 121.000 135.000 198.000 Std. Dev. 12.670 16.462 31.434 21.528 Std. Dev. (n-1) 12.670 16.462 31.434 21.528 Corr. Eigenval. 1.794 1.175 0.870 0.161 Cov. Eigenval. 1022.613 485.224 340.431 34.814 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.761 0.130 0.073 Band2 0.761 1.000 -0.198 0.156 Band3 0.130 -0.198 1.000 0.163 Band4 0.073 0.156 0.163 1.000 Determinant 0.295 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.686 0.042 -0.314 -0.656 Band2 0.701 -0.182 0.072 0.686 Band3 -0.022 0.787 -0.545 0.289 Band4 0.197 0.588 0.774 -0.126 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.686 0.701 -0.022 0.197 Band2 0.042 -0.182 0.787 0.588 Band3 -0.314 0.072 -0.545 0.774 Band4 -0.656 0.686 0.289 -0.126 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- -----
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 87
Band1 160.533 158.635 51.972 20.039 Band2 158.635 271.005 -102.582 55.395 Band3 51.972 -102.582 988.089 110.092 Band4 20.039 55.395 110.092 463.455 Determinant 5880787091.187 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.043 0.260 -0.553 -0.790 Band2 -0.111 0.465 -0.644 0.597 Band3 0.976 -0.116 -0.144 0.115 Band4 0.183 0.838 0.509 -0.070 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.043 -0.111 0.976 0.183 Band2 0.260 0.465 -0.116 0.838 Band3 -0.553 -0.644 -0.144 0.509 Band4 -0.790 0.597 0.115 -0.070 REGION: Linha de Costa Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 49417 49417 49417 49417 Area In Hectares 1976.680 1976.680 1976.680 1976.680 Area In Acres 4884.483 4884.483 4884.483 4884.483 Minimum 109.000 56.000 4.000 4.000 Maximum 254.000 254.000 110.000 151.000 Mean 176.118 139.767 35.083 60.100 Median 171.000 135.000 33.000 57.000 Std. Dev. 27.954 29.706 11.527 24.472 Std. Dev. (n-1) 27.954 29.706 11.527 24.472 Corr. Eigenval. 2.477 0.898 0.473 0.152 Cov. Eigenval. 1531.369 535.054 292.585 36.694 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.661 0.397 0.236 Band2 0.661 1.000 0.718 0.290 Band3 0.397 0.718 1.000 0.587 Band4 0.236 0.290 0.587 1.000 Determinant 0.160 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.464 -0.546 -0.624 -0.311 Band2 0.558 -0.329 0.370 0.666 Band3 0.557 0.256 0.496 -0.615 Band4 0.405 0.727 -0.476 0.284 Inv. of Corr. Ev. PC1 PC2 PC3 PC4
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 88
----------------- ----- ----- ----- ----- Band1 0.464 0.558 0.557 0.405 Band2 -0.546 -0.329 0.256 0.727 Band3 -0.624 0.370 0.496 -0.476 Band4 -0.311 0.666 -0.615 0.284 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 781.452 549.080 127.845 161.475 Band2 549.080 882.474 245.741 211.141 Band3 127.845 245.741 132.882 165.551 Band4 161.475 211.141 165.551 598.893 Determinant 8796855494.822 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.613 -0.326 -0.714 0.089 Band2 0.698 -0.163 0.638 -0.281 Band3 0.214 0.173 0.221 0.936 Band4 0.302 0.915 -0.183 -0.196 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.613 0.698 0.214 0.302 Band2 -0.326 -0.163 0.173 0.915 Band3 -0.714 0.638 0.221 -0.183 Band4 0.089 -0.281 0.936 -0.196 REGION: Zona Urbana1 Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 79010 79010 79010 79010 Area In Hectares 3160.400 3160.400 3160.400 3160.400 Area In Acres 7809.519 7809.519 7809.519 7809.519 Minimum 112.000 110.000 21.000 40.000 Maximum 254.000 254.000 182.000 218.000 Mean 189.509 184.061 80.362 157.979 Median 182.000 182.000 79.000 162.000 Std. Dev. 31.473 29.157 18.517 27.777 Std. Dev. (n-1) 31.473 29.157 18.517 27.777 Corr. Eigenval. 2.224 1.114 0.484 0.179 Cov. Eigenval. 1853.508 719.114 219.892 162.610 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.788 -0.274 -0.439 Band2 0.788 1.000 -0.154 -0.225 Band3 -0.274 -0.154 1.000 0.513 Band4 -0.439 -0.225 0.513 1.000 Determinant 0.214
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 89
Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 -0.592 0.333 -0.060 -0.732 Band2 -0.518 0.528 0.199 0.643 Band3 0.396 0.621 -0.676 0.018 Band4 0.474 0.474 0.707 -0.226 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 -0.592 -0.518 0.396 0.474 Band2 0.333 0.528 0.621 0.474 Band3 -0.060 0.199 -0.676 0.707 Band4 -0.732 0.643 0.018 -0.226 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 990.541 723.030 -159.535 -383.769 Band2 723.030 850.139 -83.211 -182.311 Band3 -159.535 -83.211 342.885 263.915 Band4 -383.769 -182.311 263.915 771.561 Determinant 47659519316.729 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 -0.693 0.164 -0.149 -0.686 Band2 -0.584 0.444 0.162 0.660 Band3 0.173 0.387 -0.899 0.113 Band4 0.386 0.791 0.380 -0.284 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 -0.693 -0.584 0.173 0.386 Band2 0.164 0.444 0.387 0.791 Band3 -0.149 0.162 -0.899 0.380 Band4 -0.686 0.660 0.113 -0.284 REGION: Zona Urbana2 Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 57336 57336 57336 57336 Area In Hectares 2293.440 2293.440 2293.440 2293.440 Area In Acres 5667.214 5667.214 5667.214 5667.214 Minimum 165.000 177.000 50.000 147.000 Maximum 254.000 254.000 120.000 254.000 Mean 221.096 234.566 99.097 226.622 Median 215.000 235.000 100.000 233.000 Std. Dev. 23.370 16.032 12.594 27.404 Std. Dev. (n-1) 23.370 16.032 12.594 27.405 Corr. Eigenval. 2.040 1.257 0.486 0.217 Cov. Eigenval. 1069.541 446.387 112.684 84.176
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 90
Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.694 -0.087 -0.495 Band2 0.694 1.000 0.012 -0.199 Band3 -0.087 0.012 1.000 0.488 Band4 -0.495 -0.199 0.488 1.000 Determinant 0.271 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 -0.615 0.288 -0.172 -0.714 Band2 -0.508 0.491 0.481 0.520 Band3 0.294 0.710 -0.613 0.182 Band4 0.528 0.413 0.603 -0.433 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 -0.615 -0.508 0.294 0.528 Band2 0.288 0.491 0.710 0.413 Band3 -0.172 0.481 -0.613 0.603 Band4 -0.714 0.520 0.182 -0.433 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 546.154 259.855 -25.740 -317.033 Band2 259.855 257.014 2.367 -87.482 Band3 -25.740 2.367 158.613 168.437 Band4 -317.033 -87.482 168.437 751.007 Determinant 4528533930.937 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 -0.592 0.566 -0.178 0.546 Band2 -0.269 0.514 0.454 -0.676 Band3 0.154 0.291 -0.850 -0.412 Band4 0.744 0.576 0.198 0.275 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 -0.592 -0.269 0.154 0.744 Band2 0.566 0.514 0.291 0.576 Band3 -0.178 0.454 -0.850 0.198 Band4 0.546 -0.676 -0.412 0.275 REGION: Zona Urbana3 Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 30402 30402 30402 30402 Area In Hectares 1216.080 1216.080 1216.080 1216.080 Area In Acres 3004.999 3004.999 3004.999 3004.999
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 91
Minimum 166.000 148.000 121.000 89.000 Maximum 254.000 254.000 254.000 254.000 Mean 234.257 238.829 155.673 245.079 Median 253.000 254.000 141.000 253.000 Std. Dev. 23.633 19.870 37.202 14.837 Std. Dev. (n-1) 23.634 19.870 37.202 14.837 Corr. Eigenval. 2.370 0.762 0.703 0.166 Cov. Eigenval. 1659.933 641.266 184.310 71.998 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.806 0.408 0.343 Band2 0.806 1.000 0.318 0.495 Band3 0.408 0.318 1.000 0.281 Band4 0.343 0.495 0.281 1.000 Determinant 0.210 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.567 -0.101 -0.471 -0.668 Band2 0.581 -0.316 -0.241 0.711 Band3 0.392 0.905 0.110 0.119 Band4 0.432 -0.266 0.841 -0.187 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.567 0.581 0.392 0.432 Band2 -0.101 -0.316 0.905 -0.266 Band3 -0.471 -0.241 0.110 0.841 Band4 -0.668 0.711 0.119 -0.187 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 558.558 378.506 358.850 120.372 Band2 378.506 394.811 234.949 145.858 Band3 358.850 234.949 1384.000 154.860 Band4 120.372 145.858 154.860 220.138 Determinant 14125390703.314 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.397 0.618 -0.413 -0.539 Band2 0.295 0.565 0.141 0.757 Band3 0.855 -0.515 -0.020 0.055 Band4 0.155 0.183 0.900 -0.365 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.397 0.295 0.855 0.155 Band2 0.618 0.565 -0.515 0.183 Band3 -0.413 0.141 -0.020 0.900 Band4 -0.539 0.757 0.055 -0.365
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 92
REGION: Oceano Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 8908033 8908033 8908033 8908033 Area In Hectares 356321.320 356321.320 356321.320 356321.320 Area In Acres 880489.223 880489.223 880489.223 880489.223 Minimum 65.000 30.000 1.000 1.000 Maximum 126.000 72.000 39.000 43.000 Mean 99.345 52.210 7.176 6.137 Median 99.000 52.000 7.000 6.000 Std. Dev. 2.599 2.373 0.906 2.219 Std. Dev. (n-1) 2.599 2.373 0.906 2.219 Corr. Eigenval. 2.325 1.327 0.247 0.101 Cov. Eigenval. 11.864 5.275 0.737 0.256 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.844 0.171 0.062 Band2 0.844 1.000 0.464 0.318 Band3 0.171 0.464 1.000 0.746 Band4 0.062 0.318 0.746 1.000 Determinant 0.077 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.454 -0.597 -0.180 -0.637 Band2 0.576 -0.363 0.073 0.729 Band3 0.512 0.448 0.689 -0.250 Band4 0.448 0.558 -0.699 -0.006 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.454 0.576 0.512 0.448 Band2 -0.597 -0.363 0.448 0.558 Band3 -0.180 0.073 0.689 -0.699 Band4 -0.637 0.729 -0.250 -0.006 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 6.754 5.208 0.401 0.356 Band2 5.208 5.633 0.997 1.673 Band3 0.401 0.997 0.821 1.500 Band4 0.356 1.673 1.500 4.924 Determinant 11.826 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.703 -0.342 -0.599 -0.174 Band2 0.666 0.015 0.694 0.274
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 93
Band3 0.116 0.275 0.247 -0.922 Band4 0.222 0.898 -0.315 0.212 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.703 0.666 0.116 0.222 Band2 -0.342 0.015 0.275 0.898 Band3 -0.599 0.694 0.247 -0.315 Band4 -0.174 0.274 -0.922 0.212 REGION: Veg introduzida Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 507970 507970 507970 507970 Area In Hectares 20318.800 20318.800 20318.800 20318.800 Area In Acres 50208.852 50208.852 50208.852 50208.852 Minimum 94.000 50.000 26.000 76.000 Maximum 180.000 157.000 246.000 217.000 Mean 119.244 90.454 118.099 144.501 Median 118.000 89.000 116.000 145.000 Std. Dev. 10.263 15.105 28.836 19.760 Std. Dev. (n-1) 10.263 15.105 28.836 19.760 Corr. Eigenval. 2.310 0.934 0.630 0.126 Cov. Eigenval. 929.413 441.698 164.574 19.803 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.829 -0.233 0.397 Band2 0.829 1.000 -0.483 0.412 Band3 -0.233 -0.483 1.000 -0.089 Band4 0.397 0.412 -0.089 1.000 Determinant 0.171 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.576 -0.160 -0.505 -0.622 Band2 0.620 0.082 -0.235 0.744 Band3 -0.358 -0.778 -0.457 0.240 Band4 0.394 -0.602 0.693 -0.043 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.576 0.620 -0.358 0.394 Band2 -0.160 0.082 -0.778 -0.602 Band3 -0.505 -0.235 -0.457 0.693 Band4 -0.622 0.744 0.240 -0.043 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 105.330 128.576 -68.935 80.551
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 94
Band2 128.576 228.161 -210.181 122.987 Band3 -68.935 -210.181 831.540 -50.826 Band4 80.551 122.987 -50.826 390.458 Determinant 1337926608.354 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.146 -0.259 -0.511 -0.806 Band2 0.333 -0.321 -0.666 0.586 Band3 -0.913 -0.329 -0.225 0.083 Band4 0.184 -0.850 0.494 -0.008 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.146 0.333 -0.913 0.184 Band2 -0.259 -0.321 -0.329 -0.850 Band3 -0.511 -0.666 -0.225 0.494 Band4 -0.806 0.586 0.083 -0.008 REGION: Costa Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 406727 406727 406727 406727 Area In Hectares 16269.080 16269.080 16269.080 16269.080 Area In Acres 40201.775 40201.775 40201.775 40201.775 Minimum 64.000 30.000 1.000 1.000 Maximum 208.000 125.000 72.000 89.000 Mean 107.068 63.302 16.234 22.886 Median 108.000 61.000 11.000 18.000 Std. Dev. 14.134 11.141 10.440 13.241 Std. Dev. (n-1) 14.134 11.141 10.440 13.241 Corr. Eigenval. 2.366 1.287 0.229 0.118 Cov. Eigenval. 377.143 181.145 32.134 17.787 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.788 -0.453 -0.463 Band2 0.788 1.000 -0.065 -0.126 Band3 -0.453 -0.065 1.000 0.775 Band4 -0.463 -0.126 0.775 1.000 Determinant 0.082 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 -0.571 0.354 0.163 -0.723 Band2 -0.400 0.667 -0.102 0.620 Band3 0.500 0.484 -0.651 -0.305 Band4 0.514 0.442 0.735 -0.024 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- -----
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 95
Band1 -0.571 -0.400 0.500 0.514 Band2 0.354 0.667 0.484 0.442 Band3 0.163 -0.102 -0.651 0.735 Band4 -0.723 0.620 -0.305 -0.024 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 199.768 124.031 -66.796 -86.711 Band2 124.031 124.115 -7.551 -18.572 Band3 -66.796 -7.551 109.002 107.086 Band4 -86.711 -18.572 107.086 175.324 Determinant 39047701.145 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 -0.662 0.379 0.252 -0.595 Band2 -0.374 0.580 -0.270 0.672 Band3 0.384 0.439 -0.684 -0.439 Band4 0.523 0.573 0.629 0.050 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 -0.662 -0.374 0.384 0.523 Band2 0.379 0.580 0.439 0.573 Band3 0.252 -0.270 -0.684 0.629 Band4 -0.595 0.672 -0.439 0.050 REGION: Veg Seca/Pasto Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 273272 273272 273272 273272 Area In Hectares 10930.880 10930.880 10930.880 10930.880 Area In Acres 27010.795 27010.795 27010.795 27010.795 Minimum 113.000 94.000 33.000 179.000 Maximum 234.000 242.000 219.000 254.000 Mean 164.352 165.301 110.890 235.809 Median 165.000 163.000 109.000 242.000 Std. Dev. 16.134 19.793 22.601 19.250 Std. Dev. (n-1) 16.134 19.793 22.601 19.250 Corr. Eigenval. 1.878 1.033 0.913 0.176 Cov. Eigenval. 651.914 461.573 365.096 54.835 Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.766 0.287 -0.226 Band2 0.766 1.000 0.088 -0.012 Band3 0.287 0.088 1.000 0.033 Band4 -0.226 -0.012 0.033 1.000 Determinant 0.312
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 96
Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 -0.694 0.047 0.048 0.716 Band2 -0.637 -0.044 0.423 -0.643 Band3 -0.285 -0.539 -0.770 -0.188 Band4 0.177 -0.840 0.474 0.195 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 -0.694 -0.637 -0.285 0.177 Band2 0.047 -0.044 -0.539 -0.840 Band3 0.048 0.423 -0.770 0.474 Band4 0.716 -0.643 -0.188 0.195 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 260.310 244.514 104.640 -70.146 Band2 244.514 391.763 39.537 -4.552 Band3 104.640 39.537 510.796 14.201 Band4 -70.146 -4.552 14.201 370.549 Determinant 6024152083.151 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 -0.549 -0.249 -0.010 0.798 Band2 -0.604 -0.446 -0.349 -0.560 Band3 -0.565 0.790 0.191 -0.140 Band4 0.118 0.338 -0.917 0.175 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 -0.549 -0.604 -0.565 0.118 Band2 -0.249 -0.446 0.790 0.338 Band3 -0.010 -0.349 0.191 -0.917 Band4 0.798 -0.560 -0.140 0.175 REGION: LSilva Band1 Band2 Band3 Band4 ----- ----- ----- ----- Non-Null Cells 405740 405740 405740 405740 Area In Hectares 16229.600 16229.600 16229.600 16229.600 Area In Acres 40104.218 40104.218 40104.218 40104.218 Minimum 68.000 39.000 8.000 26.000 Maximum 168.000 144.000 161.000 175.000 Mean 103.054 71.222 80.307 90.680 Median 102.000 69.000 81.000 91.000 Std. Dev. 8.684 12.427 21.630 19.467 Std. Dev. (n-1) 8.684 12.427 21.630 19.467 Corr. Eigenval. 2.300 1.051 0.523 0.126 Cov. Eigenval. 563.258 380.278 120.330 12.786
D e t e r m i n a ç ã o d a Á r e a d e F l o r e s t a L a u r i s s i l v a d a I l h a d a M a d e i r a p o r
M é t o d o s d e D e t e c ç ã o R e m o t a
Anexo II 97
Correlation Matrix Band1 Band2 Band3 Band4 ------------------ ----- ----- ----- ----- Band1 1.000 0.854 0.151 0.533 Band2 0.854 1.000 -0.033 0.495 Band3 0.151 -0.033 1.000 0.242 Band4 0.533 0.495 0.242 1.000 Determinant 0.160 Corr. Eigenvectors PC1 PC2 PC3 PC4 ------------------ ----- ----- ----- ----- Band1 0.612 -0.111 0.347 -0.702 Band2 0.591 -0.307 0.268 0.696 Band3 0.150 0.919 0.333 0.150 Band4 0.504 0.222 -0.835 -0.008 Inv. of Corr. Ev. PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.612 0.591 0.150 0.504 Band2 -0.111 -0.307 0.919 0.222 Band3 0.347 0.268 0.333 -0.835 Band4 -0.702 0.696 0.150 -0.008 Covariance Matrix Band1 Band2 Band3 Band4 ----------------- ----- ----- ----- ----- Band1 75.419 92.203 28.285 90.095 Band2 92.203 154.442 -8.885 119.764 Band3 28.285 -8.885 467.837 102.015 Band4 90.095 119.764 102.015 378.953 Determinant 329548451.220 Cov. Eigenvectors PC1 PC2 PC3 PC4 ----------------- ----- ----- ----- ----- Band1 0.199 0.227 -0.450 -0.840 Band2 0.215 0.416 -0.701 0.539 Band3 0.716 -0.681 -0.139 0.060 Band4 0.633 0.558 0.536 0.014 Inv. of Cov. Ev. PC1 PC2 PC3 PC4 ---------------- ----- ----- ----- ----- Band1 0.199 0.215 0.716 0.633 Band2 0.227 0.416 -0.681 0.558 Band3 -0.450 -0.701 -0.139 0.536 Band4 -0.840 0.539 0.060 0.014