1411116~ oba* e ~atoem AUTORIZAÇÃO PARA PUBLICAÇÃO NOMNUMWOMMERIONOWN AUTHORIZATION FOR PUBLICATION

PALAVRAS CHAVES/KEY WORDS AUTORIZAD POR/. UTF4,2, 1

í& SISTEMA ESPECIALISTA Ág".' r IMAGENS DE SAT5LITE Dy: ' ,ire(' Ant. io )

4 4 SENSORIAMENTO REMOTO - INTELIGÊNCIA ARTIFICIAI,' i ( írp ,nr AUTOR RESOSAVEL o RESPONSIBLE AUTHOR

DISTRIBUIÇÃO/DISTRIBUTION á,faipr DA POR / RE SED BY PN

IR lir E] INTERNA / INTERNAL

(2] EXTERNA / EXTERNAL

nj RESTRITA / RESTRICTED Edson Luizc/França Seliníg V1110/ UI".

681.3.019:528.854

_ PUBLICAÇÃO N2

í 1

P UBLICATION NO

I INPE-4754-PRE/1426 1

17- SP-ATUS: UM SISTEMA ESPECIALISTA EM 0

ESPECIFICAÇÃO DE IMAGENS DE SATÉLITE

0 Edson Luiz França Senne* 2 Antonio Miguel Vieira Monteiro

Leonardo Sant'Anna Uns Antonio Francisco Junior Flcívío Roberto Dias Velasco

(

DATA/DATE

Dezembro, 1988 )

____

(

ORIGEM ORIGIN

DPI ) e PROJETO

PROJECT

ANIMA ) ‘

LIN9 DE PAG. ULTIMA PAG. NO O F PAGES LAST PAGE

LI VERSÃO N2 DE MAPAS VERSION NO OF MAPS

RESUMO -NOTAS /ABSTRACT - NOTES

Imagens de satélite constituem uma ferramenta extremamente poderosa e de custo relativamente baixo para a solução de vdrios problemas de uso eficiente dos recursos terrestres. As caracteriSticas de repetitividade, vci rias bandas espectrais e outras tornam as imagens obtidas por plataformaã-orbitais um instrumento atraente em inúmeras aplicações. Embora existam des de 1975, ainda hoje desenvolvem-se metodologias de uso dessas imagens na -s7 vdrias dreas de aplicação: Andlise Ambiental, Florestas, Agricultura, Geo-logia e Cartografia. Apesar da falta de conhecimento técnico a respeito des ta ferramenta dificultar sua maior disseminação, o uso de imagens tem aumen" tado ano a ano. Este trabalho descreve um protótipo de sistema especialista capaz de auxiliar um usudrío leigo na especificaçao de qual produto de ima gem de satélite empregar para a solução de um problema de Sensoriamento Re:: moto, ou seja, que sensor, banda espectral, escala, apresentação e datas de passagem são mais adequadas ao problema em questão. A linguagem de programa ç •o escolhida para a implementação do protc -itipo é. a OPS5.

OBSERVAÇOES/REMARKS

Trabalho apresentado no V Simpósio Brasileiro de Inteligãncia Artificial, realizado em Natal, RN, de 07 a 11 de novembro de 1988. *UNESP-Guaratinguetd-SP. Á

INPE -149

SP-ATUS: UM SISTEMA ESPECIALISTA EM ESPECIFICAÇÃO DE IMAGENS DE SATÉLITE*

Edson Luiz França Senne

Departamento de Matemãtica Faculdade de Engenharia de Guaratinguetá - FEG/UNESP

Caixa Postal 205 - 12500 Guaratinguetã - SP

Antonio Miguel Vieira Monteiro Leonardo Sant'Anna Bins

Antonio Francisco Júnior Flávio Roberto Dias Velasco

Departamento de Processamento de Imagens Instituto de Pesquisas Espaciais - INPE/MCT

Caixa Postal 515 - 12201 - São José dos Campos - SP

RESUMO

Imagens de satélite constituem uma ferramenta extremamente poderosa e de custo relativamente baixo para a solução de vários problemas de uso eficiente dos recursos terrestres. As características de repetitividade, várias bandas espectrais e outras tornam as imagens obtidas por plataformas orbitais um instrumento atraente em inúmeras aplicações. Embora existam desde 1975, ainda hoje desenvolvem-se metodologias de uso dessas imagens nas várias áreas de aplicação: Análise Ambiental, Florestas, Agricultura, Geologia e Cartografia. Apesar da falta de conhecimento técnico a respeito desta ferramenta dificultar sua maior disseminação, o uso de imagens tem aumentado ano a ano. Este trabalho descreye um protótipo de sistema especialista capaz de auxiliar um usuário leigo na especificação de qual produto de imagem de satélite empregar para a solução de um problema de Sensoriamento Remoto, ou seja, que sensor, banda espectral, escala, apresentação e datas de passagem são mais adequadas ao problema em questão. A linguagem de programação escolhida para a implementação do protótipo é a OPS5.

1. INTRODUÇÃO

O conjunto de técnicas que visam estudar os recursos terrestres e a atmosfera, sem o contato direto com eles, é conhecido como Sensoriamento Remoto. Apesar de a fotografia aérea ainda ter um papel importante nestes estudos, somente com a tecnologia espacial é que se teve acesso a uma visão global do planeta, o que permitiu um desenvolvimento importante desta área. De fato, a utilização de imagens orbitais traz muitas vantagens, tanto de custo como de tempo. Uma única imagem do Landsat (Land Satellite), satélite norte-americano de observação da Terra, cobre uma área de 185

*Trabalho financiado pela SID-Informática, projeto Estra

km x 185 km, o que equivale a centenas de fotografias aéreas.

As imagens de satélites apresentam ainda outras características importantes. A resolução temporal, ou seja, o intervalo de tempo entre duas passagens sucessivas sobre a mesma cena, das imagens orbitais é muito mais satisfatória que a das fotografias aéreas. Esta repetitividade na obtenção da informação é muito conveniente em áreas onde existe alta incidência de cobertura de nuvens, como é o caso do território brasileiro. O satélite Landsat, por exemplo, cobre a Terra a cada período de 16 dias. Outra característica importante é a resolução espectral, muito maior para as imagens orbitais. O sensor TM (Thematic Mapper) do Landsat, por exemplo, decompõe a energia eletromagmética emitida ou refletida pelos objetos em sete bandas espectrais (ou canais), desde o azul, na região do visível, até o termal, na/região do infra-vermelho. A existência de várjas bandas espectrais amplia consideravelmente as aplicações de imagens de satélites. Dallemand et alii (1988) mostra algumas aplicações destes canais para a área de Agricultura.

Além disto, a resolução espacial, ou seja, a menor distância entre dois objetos discerniveis no terreno, das imagens de satélite vem melhorando gradativamente. A partir do quarto satélite da série Landsat, por exemplo, esta resolução passou de 80 metros no sensor MSS (Multispectral Scanner System) para 30 metros, no sensor TM. O satélite francês SPOT (Satellite Pour l'Observation de la Terre) , apresenta resoluções espaciais ainda melhores: 20 metros, no modo multiespectral, e 10 metros, quando o imageador opera em uma única banda no espectro visível.

As imagens de satélite, portanto, constituem uma ferramenta extremamente poderosa e de custo relativamente baixo, na solução de vários problemas de sensoriamento remoto, como por exemplo, o monitoramento da cobertura vegetal para facilitar o controle sobre desmatamentos e queimadas; a identificação e avaliação de áreas cultivadas para auxiliar na previsão de safras e permitir o planejamento da produção agrícola; o levantamento de áreas urbanas para análise e planejamento macroeconômicos.

Uma imagem de satélite pode ser apresentada sob duas formas: analógica e digital. Na forma analógica, o produto se assemelha a uma fotografia convencional, que pode ser analisada visualmente. Na forma digital, os sinais são discretizados (em geral, em números de O a 255) e registrados em fitas magnéticas, para processamento em computador.

Embora existam desde 1975, ainda hoje desenvolvem-se metodologias de uso dessas imagens nas várias áreas de

aplicação: Análise Ambiental, Florestas, Agricultura, Geologia e Cartografia. Apesar da falta de conhecimento técnico a respeito desta ferramenta dificultar sua maior disseminação, o uso de imagens de satélites tem aumentado ano a ano. De fato, dado um problema em que imagens possam ser um instrumento de auxílio, duas perguntas, pelo menos, precisam ser respondidas: (a) qual produto de imagem empregar, ou seja, que

sensor, banda espectral, escala, apresentação (fotografia, fita magnética, negativo, ...) e datas de passagem do satélite são mais adequadas para o problema em questão?

(h) que metodologia empregar, ou seja, como proceder para extrair a Informação necessária da imagem, quais são as limitações das informações extraídas e que informações adicionais são necessárias?

Embora estas duas questões estejam—frelacionadas, a primeira questão é, certamente, mais fácil de responder, devido mesmo ao número limitado de produtos existentes.

Neste trabalho descreve-se o sistema SP-ATUS, o protótipo de um sistema especialista capaz de auxiliar um usuário leigo em Sensoriamento Remoto a responder à primeira pergunta. Embora não implementado na versão atual, o sistema tem informações suficientes, não para sugerir uma metodologia, mas para fazer observações e indicar referências que possam ser consultadas de modo a auxiliar o usuário na solução do problema.

Este artigo apresenta, na Seção 2, a metodologia empregada no desenvolvimento do sistema SP-ATUS; na Seção 3, a organização do sistema e, em linhas gerais, a linguagem de programação OPS5, utilizada em sua implementação; na Seção 4, um exemplo de sessão de consulta ao sistema; e finalmente na Seção 5, conclui-se com comentários acerca do uso de sistemas especialistas para resolver problemas de Sensoriamento Remoto.

2. ENGENHARIA DE CONHECIMENTO: METODOLOGIA EMPREGADA

O desenvolvimento de um sistema especialista, como aponta Waterman (1986), pode ser visto como tendo cinco fases altamente interdependentes, nas quais são levantadas as seguintes questões:

- como caracterizar os aspectos importantes do problema? (fase de identificação);

- quais são o conceitos necessários a uma solução do problema? (fase de conceitualização);

- como o conhecimento deve ser representado? (fase de formalização);

- quais são os esquemas que incorporam o conhecimento? (fase de implementação);

- como validar o sistema? (fase de teste).

O interesse no sistema SP-ATUS resultou de consultas feitas junto à Coordenadoria de Orientação Técnica em Sensoriamento Remoto, do Instituto de Pesquisas Espaciais. Destas reuniões decidiu-se pela abordagem evolutiva para o desenvolvimento do sistema: construção de um protótipo para resolver problemas simples e, gradativamente, enriquecer a base de conhecimento até que o sistema seja capaz de resolver problemas mais complexos. Decidiu-se então dividir o problema de especificar produtos de imagem de satélite nas áreas de interesse cobertas pelo Departamento de Pesquisas e Aplicações: Agricultura, Análise Ambiental, Florestas e Geologia.

Para responder às perguntas das fases de identificação e conceitualização, foram então realizadas entrevistas com o propósito de extrair o conhecimento de especialistas de cada uma das áreas de:interesse. Foram realizados dois tipos de entrevitas:

- com grupos de especialistas, na qual foram especificados, em linhas gerais, os problemas e os produtos de imagem adequados a uma determinada área;

- com especialistas individualmente, para aprofundar o conhecimento sobre um tema especifico.

Destas reuniões decidiu-se concentrar ainda mais o campo de atuação do sistema: somente a alguns problemas das áreas de Agricultura, Análise Ambiental e Florestas. Decidiu-se também limitar a recomendação do sistema aos produtos do sensor TM.

Na fase de formalização decidiu-se empregar o esquema de regras de produção (Davis et alii, 1977) para a representação do conhecimento e para a implementação, tomou-se por base a linguagem de programação OPS5 (Forgy, 1981). Esta linguagem tem características importantes - segundo Hayes-Roth et alii (1983), OPS5 o intérprete de sistemas baseadas em regras mais poderoso que está disponível - e tem sido usada na construção de vários sistemas especialistas, inclusive para análise de fotografias aéreas (McKeown et alii, 1985).

3. ORGANIZAÇÃO DO SISTEMA

A linguagem OPS5 dispõe de mecanismos gerais de controle e representação necessários para a engenharia de conhecimento, não sendo orientada para estratégias ou esquemas de representação particulares. Um programa OPS5 consiste de duas partes: uma seção de declarações e outra de regras (ou produções). A seção de declarações define classes de dados e as funções externas que podem ser chamadas. Durante a execução,

não é feita distinção entre fatos (informações imutáveis) e dados (informações dinâmicas). Ambos residem numa única memória: a memória de trabalho. A memória de trabalho e a memória de regras constituem a base de conhecimento utilizada para resolver o problema. O motor de inferência casa, seleciona e executa regras através do encadeamento progressivo.

A todo elemento da memória de trabalho está associado uma marca de tempo, que é um número inteiro que indica quão recentemente o elemento foi criado (marcas maiores correspondem a elementos mais recentes). As regras habilitadas são ordenadas, junto com os dados que as avaliaram, no conjunto de conflito de acordo com a antiguidade dos dados e a especificidade da regra. Uma vez selecionadas do conjunto de conflito, as regras disparam uma sequência de ações. Estas ações permitem que o conteúdo da memória de trabalho seja atualizado, que arquivos sejam abertos, fechados, *Vidos e escritos, que expressões sejam calculadas, enfim tudo o que se espera de uma linguagem de programação.

A Figura 1 mostra a estrutura do sistema SP-ATUS.

BASE DE ....._____....., FATOS

GERAL 411--11, 01'55

PRODUTO

REGRAS

AGRICULTURA

REGRAS

4--0. ANALISE

AMBIENTAL

REGRAS

'• FLORESTA

Fig. 1 - Organização do sistema SP-ATUS

A BASE DE FATOS, armazena conhecimentos pré- estabelecidos, como o código dos produtos-imagem disponíveis, o custo unitário, época de estações chuvosa e seca para as regiões do pais, ... O bloco GERAL é o responsável pelo encaminhamento do usuário no sistema. O conjunto de regras em GERAL busca definir o problema do usuário e suas solicitações, estabelecendo o contexto da consulta. Os blocos AGRICULTURA, ANALISE

AMBIENTAL e FLORESTA guardam na forma de regras, o conhecimento dos especialistas destas áreas, e levam determinação de qual ou quais produtos-imagem são adequados para a situação proposta pelo usuário. O bloco PRODUTO é responsável pela interface de saída, a qual mostra os produtos-imagem recomendados e as observações que caracterizam aquela solução proposta.

Mostram-se a seguir algumas regras da base de conhecimento do sistema SP-ATUS.

(a) regra que mostra parcialmente uma recomendação de imagem de s4télite, para a área de Análise Ambiental.

(p AMB-define-papel (APLICACAO area ambiental - dominio amazonia) (USUARIO --Infra-estrutura papel) (PROBLEMA tipo "uso da terra") " (RESP resposta "1:50.000". tipo escala)

__>

(make TIPO-PRODUTO :tipo-de-produto preto-e-branco escala "1:50.000" v-bandas "3" "4" "5")

(make TIPO-PRODUTO :tipo-de-produto composicao escala "1:50.000" v-bandas "3" "4" "5")

(b) regra para um problema da área de Florestas: queimada em caatinga

(p FLT-caatinga (APLICACAO area floresta dominio caatinga

relevo <> nil ̂solo <> nil) (PROBLEMA ^ tipo queimada) (USUARIO - infra-estrutura papel) { (PLATAFORMA-ORBITAL) <PLATAFORMA> }

- (TIPO-PRODUTO tipo-de-produto ‹‹ preto-e-branco I composicao ›»

(make TIPO-PRODUTO :tipo-de-produto preto-e-branco escala "1:100000" v bandas "5" "4")

(make TIPO-PRODUTO :tipo-de-produto preto-e-branco escala "1:250000" v-bandas "5" "4")

(modify (PLATAFORMA) :passagem-inicio 8 passagem-fim 10)

4. SESSA0 DE CONSULTA AO SISTEMA SP-ATUS

Inicialmente, numa sessão de consulta, o sistema SP- ATUS procura extrair do usuário as informações básicas necessárias para caracterizar o problema a ser

resolvido, com perguntas sobre o domínio região em que ele se encontra, o tipo de de solo, ... O sistema procura também, usuário: que infra-estrutura ele dispõe dos produtos de imagem, o número necessita, com que urgência, ...

do problema, a relevo, o tipo caracterizar o para a análise

de cópias que

Com base nestas informações o sistema procura identificar os atributos referentes ao tipo de produto a ser recomendado, como a apresentação (fotografia preto-e-branco, composição colorida, fita magnética, ...), a escala, o tamanho (imagem inteira ou quadrante) e as bandas espectrais. Procura também especificar os atributos da plataforma orbital (qual a passagem do satélite, qual o quadrante, qual a órbita, ) e outros atributos, como custo do produto, tempo de entrega, ... Para cada problema são recomendados diversos produtos de imagem e feitas observações relevantes a cada tipo de produto recomehdado.

Apresenta-se a seguir uma sessão de consulta ao sistema, para resolver um problema de Agricultura: mapeamento de cultura de arroz (as respostas do usuário são mostradas em negrito).

SISTEMA SP ATUS

Qual a regiao em que se encontra a area? centro-sul Qual a localidade (cidade) da area desejada? Bojuru Qual o ano para a imagem desejada? 86 Pretende utilizar equipamento para processamento digital? sim Pretende utilizar mesa de luz para transparencia? nao Deseja produto fotografico? sim Qual a sua urgencia (em dias)? 45 Quantas copias sao desejadas? 1 Qual a sua lavoura? arroz Qual o tipo de relevo? ondulado Qual o tipo de solo? roxo Qual a extensao da lavoura (em hectares)? 450 Em que época ocorreu o plantio (mes)? 10 Como a cultura recobre o solo? parcialmente Sua lavoura e (i)rrigada ou (n)ao-irrigada? i

PRODUTOS-IMAGEM DE SATELITE

SATELITE: TM5 ORBITA: ANO: 86 PASSAGEM ENTRE OS MESES DE: 1 1 RECOMENDACAO: CCT CODIGO: CUSTO: BANDAS: 2 3 4 QUADRANTE: TEMPO: 45 DIAS

COPIAS: 1

OBSERVACOES: Procure escolher a passagem proxima ao periodo de completa irrigacao da lavoura.

PRODUTOS-IMAGEM DE SATELITE

SATELITE: TM5 ORBITA: ANO: 86 PASSAGEM ENTRE OS MESES DE: 1 1 RECOMENDACAO: . PRETO-E-BRANCO 1:100.000 CODIGO: CUSTO: BANDAS: 3 4 QUADRANTE: TEMPO: 45 DIAS

COPIAS: 1 OBSERVACOES: Sua composicao de terras roxas': com relevo nao acidentado facilita a inkerpretacao visual dos dados. Procure escolher a passagem proxima ao periodo de completa irrigacao da lavoura.

5. CONCLUSÃO

O sistema SP-ATUS está atualmente em fase de testes. Os testes vem sendo realizados junto aos especialistas do Departamento de Pesquisas e Aplicações da área de Sensoriamento Remoto do Instituto de Pesquisas Espaciais, que têm, em geral, concordado com as recomendações de produtos de imagem apresentadas pelo sistema. Contudo, algumas melhorias tem sido apontadas. E preciso refinar um pouco mais as regras do sistema, eliminar perguntas consideradas irrelevantes, e melhorar as observações que acompanham cada recomendação. Espera-se, após esta fase inicial de testes, corrigir as deficiências apresentadas para, em seguida, enriquecer a base de conhecimento do sistema de modo a permitir que outros problemas de Agricultura, Floresta e Análise Ambiental, já identificados, possam ser atacados.

As aplicações de sistemas especialistas para Sensoriamento Remoto têm sido na área de interpretação (Hayes-Roth et alii, 1983). Dentre estas aplicações podem-se citar: atualização de mapas florestais a partir de imagens Landsat (Goldberg et alii, 1985), classificação de uso do solo urbano (Wharton, 1987), análise de fotografias aéreas (Matsuyama, 1987; Nicolin et alii, 1987) e cartografia (Yee, 1987; Wang and Newkirk, 1987). As razões principais para a concentração das aplicações na área de interpretação são que apenas recentemente técnicas de Inteligência Artificial têm sido empregadas em Sensoriamento Remoto (Coulson et alii, 1987) e interpretação é um componente indispensável na maioria dos sistemas.

Certamente a interpretação'não esgota o espectro de aplicações de sistemas especialistas em Sensoriamento Remoto. Um sistema que apresenta certas semelhanças com o sistema apresentado neste trabalho é o ANALYST ADVISOR (Goodenough et alii, 1987), desenvolvido no Centro Canadense de Sensoriamento Remoto e que ajuda usuários no uso do sistema LDIAS (Landsat Digital Image Analysis System).

6. REFERÊNCIAS BIBLIOGRÃFICAS

COULSON, R. N.; FOLSE, L. J.; LOH, D. K. Artificial Intelligence and natural resourse management. Science, 237:262. -267, July 1987.

DALLEMAND, J.F.; TARDIN, A.T.; BATISTA, G.T.; CHEN, S.C. Sensoriamento Remoto e Agrigultura. Ciência Hoje, 8(43):44-51, Jun. 1988.

DAVIS, R.; BUCHANAN, B.; SHQRTLIFFE, E. Production rules as a representation for a knowledge-based consultation program. Artificial Intelligence, 8(1):15-45, Feb. 1977

FORGY, C. L. OPS5 User's Manual, relatório técnico CMU-CS-81-135, Department of Computer Science, Carnegie-Mellon University, Pittsburgh, July 1981.

GOLDBERG, M.; GOODENOUGH, D. G.; ALVO, M.; KARAN, G. M. A hierarchical expert system for updating forestry maps with LANDSAT data. Proceedings of the IEEE, 3(6):1054-1063, June 19854

GOODENOUGH, D. G.; GOLDBERG, M.; PLUNKETT, G,; ZELEK, J. An expert system for remote sensing. IEEE Transactions on Geoscience and Remote Sensing, GE-25(3):349-359, May 1987.

HAYES-ROTH, F.; WATERMAN, D. A.; LENAT, D. B. Building Expert Systems, Addison-Wesley, 1983.

MATSUYAMA, T. Knowledge-based aerial image understanding systems and expert systems for image processing. IEEE Transactions on Geoscience and Remote Sensing, GE-25(3):305-316, May 1987.

McKEOWN, D. M.; HARVEY, W. A.; McDERMOTT, J. Rule-based interpretation of aerial imagery. IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-7(5):570-585, Sep. 1985.

NICOLIN, B.; GABLER, R. A Knowledge-based system for the analysis of aerial images. IEEE Transactions on Geoscience and Remote Sensing, GE-25(3):317-329, May 1987.

WANG, F.; NEWKIRK, R. A knowledge-based system for highway network extraction. IGARS'87 Symposium, Proceedings. Ann Arbor, May 1987, p. 343-347.

WATERMAN, D.A. A guide to expert systems, Reading, MA, Addison-Wesley, 1986.

WHARTON, S. W. A spectral-knowledge-based approach for urban land-cover discrimination. IEEE Transactions on Geoscience and Remote Sensing, GE-25(3):272-282, May 1987.

YEE, B. An expert system for planimetric feature extraction. IGARS'87 Symposium. Proceedings. Ann Arbor, May 1987, p. 321-325.