# Mapa de classes sobre imagem real de VANT degradada para o sensor

Pergunta: a amostragem espacial e espectral e o ruído do sensor pioram quanto um mapa de classes de cultura feito sobre dados reais, e quanto da acurácia medida é só vazamento espacial na validação?

- **Execução:** 2026-09-16 19:18.
- **Imagem:** `dados/externos/whu_hi/WHU-Hi-HongHu/WHU-Hi-HongHu.hdr`, 270 bandas, 940 × 475 pixels de 4,3 cm, FWHM de 6 nm; 22 classes.
- **Sensor:** pegada de 10,1 cm transversal; ao longo do voo, fenda de 18,4 cm com arrasto de 15,0 cm (50 ms de exposição), amostrada a cada 18,4 cm; 218 × 202 pixels.

## Suposições

- **Direção do voo:** as linhas do cubo estão ao longo do voo. O WHU-Hi não declara isso.
- **Pixel do sensor avaliado:** só entra quando um único rótulo ocupa ≥ 75% da área; os demais são mistura e ficam fora.
- **Bandas do sensor:** o cubo já tem FWHM de 6 nm, então a FWHM efetiva fica em 6,7–7,5 nm, e não na do sensor.
- **Brilho para o ruído:** o pixel de vegetação mediano (NDVI > 0,6, 19263 pixels) recebe o sinal do dossel de referência no ponto de operação: SNR de 42 a banda mais fraca e 131 na mediana das bandas. A cena real foi voada ao entardecer nublado, com iluminação desconhecida.
- **Validação espacial:** cada parcela é cortada ao meio ao longo do lado maior, com 20 pixels nativos (86 cm) descartados entre as metades. Treino e teste ficam na mesma parcela, o que reduz, mas não elimina, a dependência espacial.
- **Classificador:** bandas padronizadas, 30 componentes principais, discriminante linear com encolhimento de 0,1 e prioris iguais; até 2000 pixels de treino por classe.
- **S0→sensor (S0g):** a classificação da imagem nativa é agregada para a grade do sensor pela classe de maior área em cada pixel e avaliada nos mesmos pixels puros de S1–S3. A comparação S0 × S1 mistura resolução e conjunto de pixels avaliados; S0g × S1 compara só a resolução em que o classificador trabalha.
- **Sensibilidade do brilho:** o ruído também é aplicado com o sinal multiplicado por 0,25 e 0,0625 (SNR mediano 63 com ×0,25; SNR mediano 27 com ×0,0625).

## Resultados

| Cenário | Pixel | Bandas | Divisão | Pixels avaliados | OA | κ | F1 macro |
|---|---|---|---|---|---|---|---|
| S0 Nativa (4,3 cm, 270 bandas) | 4,3 × 4,3 cm | 270 | espacial | 332431 | 0,693 | 0,616 | 0,476 |
| S0 Nativa (4,3 cm, 270 bandas) | 4,3 × 4,3 cm | 270 | aleatoria | 332431 | 0,705 | 0,632 | 0,513 |
| S0g Nativa classificada e agregada para a grade do sensor | 10,1 × 18,4 cm | 270 | espacial | 28657 | 0,805 | 0,736 | 0,563 |
| S1 Grade espacial do sensor | 10,1 × 18,4 cm | 270 | espacial | 28657 | 0,838 | 0,778 | 0,624 |
| S1 Grade espacial do sensor | 10,1 × 18,4 cm | 270 | aleatoria | 28657 | 0,859 | 0,807 | 0,685 |
| S2 Grade espacial e bandas do sensor | 10,1 × 18,4 cm | 380 | espacial | 28657 | 0,836 | 0,777 | 0,630 |
| S2 Grade espacial e bandas do sensor | 10,1 × 18,4 cm | 380 | aleatoria | 28657 | 0,861 | 0,811 | 0,694 |
| S3 Grade, bandas e ruído do sensor | 10,1 × 18,4 cm | 380 | espacial | 28657 | 0,835 | 0,775 | 0,628 |
| S3 Grade, bandas e ruído do sensor | 10,1 × 18,4 cm | 380 | aleatoria | 28657 | 0,860 | 0,809 | 0,692 |
| S3x0.25 Como S3, com brilho ×0.25 (SNR mediano da vegetação 63) | 10,1 × 18,4 cm | 380 | espacial | 28657 | 0,835 | 0,774 | 0,622 |
| S3x0.0625 Como S3, com brilho ×0.0625 (SNR mediano da vegetação 27) | 10,1 × 18,4 cm | 380 | espacial | 28657 | 0,776 | 0,702 | 0,552 |

### F1 por classe (divisão espacial)

| Classe | F1 S0 | F1 S0g | F1 S1 | F1 S2 | F1 S3 | F1 S3x0.25 | F1 S3x0.0625 | Pixels de teste S0 | Pixels de teste S3 |
|---|---|---|---|---|---|---|---|---|---|
| Red roof | 0,80 | 0,85 | 0,87 | 0,86 | 0,86 | 0,86 | 0,87 | 11110 | 947 |
| Road | 0,53 | 0,59 | 0,53 | 0,55 | 0,55 | 0,56 | 0,52 | 3263 | 130 |
| Bare soil | 0,79 | 0,90 | 0,88 | 0,89 | 0,88 | 0,88 | 0,86 | 18925 | 1594 |
| Cotton | 0,86 | 0,93 | 0,95 | 0,95 | 0,95 | 0,95 | 0,90 | 155038 | 14709 |
| Cotton firewood | 0,30 | 0,35 | 0,44 | 0,43 | 0,42 | 0,42 | 0,23 | 5511 | 409 |
| Rape | 0,88 | 0,93 | 0,94 | 0,93 | 0,93 | 0,94 | 0,93 | 40809 | 3688 |
| Chinese cabbage | 0,62 | 0,72 | 0,75 | 0,76 | 0,75 | 0,75 | 0,70 | 17365 | 1287 |
| Pakchoi | 0,02 | 0,02 | 0,03 | 0,05 | 0,04 | 0,04 | 0,02 | 2783 | 227 |
| Cabbage | 0,90 | 0,96 | 0,94 | 0,93 | 0,93 | 0,93 | 0,94 | 8131 | 658 |
| Tuber mustard | 0,47 | 0,65 | 0,73 | 0,74 | 0,73 | 0,72 | 0,63 | 9958 | 828 |
| Brassica parachinensis | 0,38 | 0,54 | 0,61 | 0,61 | 0,60 | 0,61 | 0,60 | 7641 | 438 |
| Brassica chinensis | 0,27 | 0,34 | 0,37 | 0,36 | 0,36 | 0,34 | 0,27 | 6447 | 511 |
| Small Brassica chinensis | 0,46 | 0,54 | 0,60 | 0,60 | 0,60 | 0,61 | 0,56 | 17589 | 1350 |
| Lactuca sativa | 0,48 | 0,59 | 0,67 | 0,70 | 0,69 | 0,68 | 0,64 | 4487 | 295 |
| Celtuce | 0,14 | 0,27 | 0,70 | 0,78 | 0,79 | 0,71 | 0,14 | 747 | 24 |
| Film covered lettuce | 0,68 | 0,74 | 0,77 | 0,82 | 0,82 | 0,81 | 0,75 | 5504 | 413 |
| Romaine lettuce | 0,32 | 0,34 | 0,56 | 0,63 | 0,62 | 0,62 | 0,50 | 2356 | 176 |
| Carrot | 0,39 | 0,67 | 0,80 | 0,69 | 0,70 | 0,68 | 0,44 | 2699 | 215 |
| White radish | 0,67 | 0,77 | 0,81 | 0,79 | 0,80 | 0,79 | 0,77 | 6200 | 370 |
| Garlic sprout | 0,22 | 0,33 | 0,43 | 0,43 | 0,42 | 0,42 | 0,49 | 2315 | 156 |
| Broad bean | 0,08 | 0,06 | 0,07 | 0,08 | 0,08 | 0,06 | 0,03 | 704 | 23 |
| Tree | 0,22 | 0,34 | 0,31 | 0,31 | 0,30 | 0,30 | 0,35 | 2849 | 209 |

## Figura

**Fig. 16 | Mapa de classes sobre a WHU-Hi-HongHu.** **a**, Composição em cor verdadeira da imagem nativa. **b**, Rótulos de referência. **c**, Classes previstas na imagem nativa (S0), divisão espacial. **d**, Classes previstas no sensor com ruído (S3), divisão espacial. **e**, OA (barras) e F1 macro (círculos) por cenário, nas divisões espacial e aleatória; S0→sensor é a classificação nativa agregada para a grade do sensor, e S3 ×fator repete S3 com o sinal reduzido, só na divisão espacial. **f**, F1 por classe em S0 e S3.

## Limitações

- É uma cena de ~40 × 20 m, voada ao entardecer nublado em novembro, com hortaliças chinesas; o resultado vale para ela.
- A classificação usa radiância, sem conversão para reflectância; treino e teste têm a mesma iluminação.
- A PSF espacial da objetiva, o *smile*, o *keystone*, a 2ª ordem e os erros de georreferenciamento não entram.
- O ruído do cubo original continua presente e se soma ao do sensor.
- Os rótulos são polígonos desenhados sobre parcelas; bordas e falhas dentro delas carregam o rótulo da parcela.