ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

QUANTIFICAÇÃO DO CONSUMO DE

ÁGUA SUBTERRÂNEA NA AGRICULTURA

POR MÉTODOS INDIRECTOS –

DETECÇÃO REMOTA

NUNES, Gonçalo; MONTEIRO, José Paulo; MARTINS, João

PALAVRAS-CHAVE: Sistemas Aquíferos, Detecção Remota, Modelação hidrogeológica, Algarve

RESUMO

O presente trabalho visa a obtenção de uma representação espacial das superfícies de regadio no sistema aquífero Querença-Silves, através do processamento de imagens digitais obtidas por detecção remota. Pretende-se utilizar esta informação, juntamente com valores de dotações de rega, para aumentar o rigor das estimativas respeitantes ao balanço hídrico deste sistema aquífero. A relevância deste trabalho relaciona-se com o facto da rega ser o sector mais importante no que respeita ao consumo de água nesta área e, ao contrário do que acontece com as extracções para abastecimento público, não existirem dados que permitam efectuar estimativas de consumo a partir de cada captação. Na prática, pretende-se caracterizar o volume de extracções associados à agricultura para em conjunto com outros dados, reunir toda a informação necessária para simulação matemática do funcionamento hidráulico deste sistema aquífero.

Efectuou-se uma comparação entre as áreas de regadio identificadas automaticamente, recorrendo a uma classificação digital e análise multitemporal de imagens Landsat-7/ETM+ (cerca de 36km2), com os valores obtidos em trabalhos prévios, baseados na análise visual das imagens (cerca de 60km2). Esta discrepância relaciona-se com o facto de nos trabalhos em que se efectua a análise visual se detectar uma tendência para agrupamento das áreas regadas detectadas observadas pois, de outra forma o trabalho seria extremamente moroso. Estas diferenças têm assim um impacto na ordem dos 40% no que respeita à estimativa dos consumos de água, tendo em conta uma dotação de rega da ordem dos 900mm. De acordo com áreas regadas identificadas e as dotações calculadas obtém-se um consumo de água de 25,1x106m3/ano para a cultura de citrinos, 1,2x106m3/ano para as culturas de Primavera e 4,9x106m3/ano para as culturas de Verão.

Para além de permitir a discussão dos valores anuais médios de consumo de água associados à rega, o trabalho realizado permitiu ainda avaliar a importância da distribuição sazonal dos consumos, uma vez que se calcularam dotações de rega mensais, baseadas na evapotranspiração máxima cultural para as diferentes culturas classificadas. Os resultados assim obtidos são especialmente importantes para a análise do funcionamento hidráulico do sistema aquífero em regime transitório, já que, no período em que a rega é mais intensa, também se verifica a intensificação das extracções para abastecimento público urbano, devido ao turismo.

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

1. INTRODUÇÃO

A relevância deste trabalho relaciona-se com o facto da rega ser o sector mais importante no que respeita ao consumo de água nesta área e, ao contrário do que acontece com as extracções para abastecimento público, não existirem dados que permitam efectuar estimativas de consumo a partir de cada captação. Na prática, pretende-se caracterizar o volume de extracções associados à agricultura para em conjunto com outros dados, reunir toda a informação necessária para simulação matemática do funcionamento hidráulico deste sistema aquífero.

A utilização da detecção remota em trabalhos relacionados com a avaliação das extracções de água subterrânea começa a ser frequente, sendo numerosos os estudos realizados nos últimos anos. Esta metodologia assenta na classificação de culturas agrícolas com recurso à análise multitemporal de imagens de satélite. Seguidamente estes dados são integrados num Sistema de Informação Geográfica (SIG) e cruzam-se com os valores de necessidade de rega por cultivo, o qual permite conhecer a distribuição espacial e temporal dos consumos hídricos para uso agrícola. Conhecendo as superfícies regadas com águas superficiais e os seus consumos calcula-se directamente o volume de água subterrânea gasto. As principais vantagens da utilização dos sistemas de detecção remota baseiam-se na visualização sinóptica de grandes áreas, possibilidade de observação de zonas de difícil acesso, observações multitemporais, homogeneidade relativamente ao sistema de observação, registo da informação em diferentes bandas do espectro electromagnético, registo digital da informação e custos competitivos com outras técnicas (Ventura, 1999).

O presente trabalho visa a obtenção de uma representação espacial das superfícies de regadio no sistema aquífero Querença-Silves, através do processamento de imagens digitais obtidas por detecção remota. Pretende-se utilizar esta informação, juntamente com valores de dotações de rega, para aumentar o rigor das estimativas respeitantes ao balanço hídrico deste sistema aquífero.

Entre os objectivos específicos deste projecto, destacam-se:

1. Criação de um mapa temático de superfícies de regadio com diferenciação do tipo de culturas, em formato vectorial;

2. Integração e avaliação de diferentes estratégias e técnicas de análise digital de imagens;

3. Estimação das extracções de água do sistema aquífero de Querença-Silves para rega, através do cálculo de dotações de rega baseado na evapotranspiração máxima por cultura.

2. SISTEMA AQUIFERO QUERENÇA-SILVES

A área de estudo deste trabalho situa-se na região do Algarve e corresponde à superfície delimitada pelo sistema aquífero Querença-Silves. Este sistema aquífero ocupa uma área de 318 km2 e, de acordo com Lopes et al. 2005, corresponde ao mais importante sistema aquífero da unidade hidrogeológica da Orla Meridional, devido à sua natureza cársica, à sua espessura e dimensão bem como à sua capacidade de regularização anual e interanual.

A actividade com maior consumo de água no Algarve é a agricultura, que é maioritariamente suportada por águas subterrâneas e, adicionalmente, por águas das grandes barragens. Segue-se o abastecimento público que se encontra presentemente centralizado em origens de águas superficiais, nomeadamente nas albufeiras de Odeleite-Beliche, no sotavento, e na albufeira do Funcho no barlavento. No entanto, o sistema aquífero de Querença-Silves, pela sua capacidade de armazenamento, constitui, uma importante origem suplementar de água para abastecimento público. De facto, face ao período seco que se tem registado nos últimos anos – que levou já à depleção extrema da albufeira do Funcho em 2004/2005 – a primeira tendência é recorrer a este sistema aquífero para suprir as necessidades de água de abastecimento às populações. Esta é aliás a situação de recurso proposta no plano de contingências das Águas do Algarve (Lopes et al. 2005).

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

Do conjunto de aproveitamentos hidroagrícolas (A.H.) colectivos públicos do Algarve, dois marcam presença na área de estudo (Figura 1). O A.H. de Benaciate encontra-se na sua maioria dentro do limite do sistema aquífero Querença-Silves e o seu fornecimento de água para rega é proveniente de furos e captações de água subterrânea, processando-se ao longo de todo o ano, dado que predominam na área regada as culturas permanentes. Ao contrário, o A.H. de Silves, Lagos e Portimão uma área muito diminuta dentro do limite do sistema aquífero e a água para rega e fins industriais é proveniente da albufeira do Arade.

Figura 1 – Localização dos limites do sistema aquífero Querença-Silves em relação à região do Algarve e representação das freguesias e aproveitamentos hidroagrícolas que abrangem a área de estudo.

A Tabela 1, apresenta os resultados do Recenseamento Geral de Agricultura de 1999, para as áreas de culturas regadas nas freguesias mais representativas da área de estudo. Verifica-se uma área total de regadio de 81 km2, composta predominantemente por culturas de citrinos (89%), outros pomares (6%) e milho (cerca de 3%). Informação extraída do Instituto de Desenvolvimento Rural e Hidráulica (IDRHA) revela que a principal cultura do A.H. de Silves, Lagos e Portimão é o pomar, constituído quase que exclusivamente por citrinos, em grande parte cultivado em consociação com outras culturas, tais como o milho e o feijão. Nos últimos anos houve um estrangulamento no que respeita à diversificação da agricultura algarvia, com os citrinos a ganharem peso relativamente a todas as outras culturas que, tradicionalmente, constituíam a base do rendimento agrícola da região.

Tabela 1 – Área (ha) de ocupação das culturas de regadio predominantes nas principais freguesias abrangidas pela área de estudo, no ano de 1999 (Fonte: INE).

Freguesias Boliqueime Alte Benafim Tôr Loulé Estômbar Alcantarilha Si lves Algoz S.B.Messines Salir Paderne TOTAL (%)Citrinos 361,43 409,66 101,01 15,06 80,14 26,61 489,11 2802,75 963,79 1475,57 34,9 428,01 7188,04 88,5

Pomares 17,8 13,68 18,52 6,98 26,43 37,91 7,8 137,33 15,47 73,81 21,29 73,03 450,05 5,5

Milho híbrido - 3,17 26,21 - - 0,8 - 22,8 1,31 43,32 13,09 65,54 176,24 2,2

Milho regional - 6,19 - - - - - 10,09 - 7,13 5,35 - 28,76 0,4

Milho para silagem - - - - - - - 3,8 - - - - 3,8 0,0

Milharada - - - - - - - 3,84 - - - - 3,84 0,0

Outras culturas forrageiras - - - - - - - - - 36,88 - - 36,88 0,5

Hortícolas ao ar livre 15,9 9,69 23,47 8,62 6,17 8,53 8,04 21,16 3,69 29,48 3,66 8,29 146,7 1,8

Batata 1,03 1,41 0,58 2,13 0,56 0,8 - 2,36 - 3,04 8,04 0,54 20,49 0,3

Vinha para uva de mesa - - - - 0,22 - - 9,24 - 3,71 - 30,58 43,75 0,5

Vinha para vinho - - - - - - - 11,53 - 1,15 - 1,09 13,77 0,2

Olival - - - - 0,13 - - 4,08 - 4,19 - - 8,4 0,1

TOTAL 8120,72 100,0

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

3. MATERIAIS

As imagens de satélite adquiridas para este estudo são provenientes do satélite/sensor Landsat-7/ETM+, órbita/ponto (Path/Row) 203/034 e correspondem às datas de 1 de Junho de 2000, 1 de Abril de 2001 e 25 de Maio de 2003. Este arquivo contém uma cobertura global de imagens multiespectrais Landsat, livres de nuvens e de distribuição gratuita.

Figura 2 – Aspecto do arquivo Global Land Cover Facility – Imagens disponíveis para a órbita/ponto 203/034 com pormenor da sua cobertura no canto superior direito (extraído de GLCF).

Para o processamento das imagens de satélite recorreu-se ao software ERDAS Imagine® v8.7 e para a visualização e análise dos dados utilizados foi construído um Sistema de Informação Geográfica (SIG) recorrendo à aplicação ArcGis v9.0. Neste SIG e em todo o processamento dos dados, utilizou-se o sistema de coordenadas militares Hayford-Gauss (projecção Gauss – Elipsóide Internacional, Datum de Lisboa), baseado nas Cartas Militares 1:25 000.

4. METODOLOGIA

Tendo em conta a amplitude espacial e temporal que ocorre na ocupação agrícola, definiu-se como uma das prioridades a aplicação de técnicas automáticas de elaboração de cartas de uso de solo. Assim, estabeleceu-se como meta, o procedimento classificatório de uma imagem do satélite Landsat, fazendo uma abordagem ao método de classificação híbrido, no qual se utiliza uma classificação não-supervisionada como base para a selecção das áreas de treino a utilizar numa classificação supervisionada.

No desenvolvimento deste trabalho optou-se ainda pela aplicação de um método de análise multitemporal para a detecção de alterações. Como variáveis base para esta análise optaram-se por duas abordagens, ambas relacionadas com o decréscimo ou acréscimo de vegetação, como forma de captar objectos de alteração entre o período de Primavera e Verão. A primeira consiste na diferença de um índice de vegetação, mais precisamente o índice NDVI. Na segunda abordagem, utilizou-se uma banda relacionada com a biomassa, especificamente, a banda do infravermelho próximo (4), das duas datas.

A escolha da metodologia aplicada para esta pesquisa teve fortemente condicionado às imagens Landsat disponíveis no arquivo GLFC (Figura 2), para a órbita/ponto pretendida. O desenvolvimento do trabalho é descrito nos seguintes procedimentos, também representados na forma de fluxograma na Figura 4.

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

4.1. Trabalho de campo

O trabalho de campo realizado no âmbito deste projecto consistiu, juntamente com os ortofotomapas, a principal fonte de informação para a identificação e selecção das diferentes classes de culturas agrícolas. Foi realizado na região de estudo em Maio de 2006 e os materiais utilizados foram um dispositivo portátil Windows Mobile com GPS e uma câmara fotográfica digital. As parcelas agrícolas visitadas foram registadas, sob a forma de pontos, com auxílio do GPS, tendo sido criado um ficheiro vectorial contendo uma série de atributos para cada uma das parcelas, tais como o tipo de cultura, espaçamento do compasso e algumas informações adicionais. Este tipo de informação georreferenciada, quando sobreposta às fotografias aéreas revelou-se, numa fase prévia, extremamente útil no processo de interpretação visual de algumas culturas agrícolas.

Figura 3 – Composição colorida 4,5,3 da imagem Landsat-7/ETM+ ortorrectificada de 25/05/2003 com manipulação do contraste por expansão linear do histograma. Demarcação das parcelas agrícolas visitadas em trabalho de campo com GPS.

4.2. Correcção geométrica

Das três imagens Landsat utilizadas, apenas a imagem referente a 25/05/2003 não se encontrava ortorrectificada. Esta foi georreferenciada à imagem de satélite de Junho de 2000, tendo-se utilizado uma transformação polinomial de segundo grau. Foram necessários 26 pontos de controlo até alcançar a estabilização do erro quadrático médio (EQM), obtendo-se um EQM de sensivelmente meio pixel (0,52). A reamostragem da imagem foi realizada por interpolação espacial baseada no método do vizinho mais próximo (nearest neighbour). Tem a desvantagem de poderem surgir duplicações dos NR, enquanto que outros NR se perdem, e a imagem pode ficar com uma aparência de “bloco”, no entanto, não há alteração do NR originais. Ao optar por outro método poderiam surgir problemas na etapa de classificação digital, pois estaríamos a classificar pixels com NR alterados. Este problema poderia ser ultrapassado caso a georreferenciação só tivesse lugar após a classificação, no entanto, dificultaria o reconhecimento das áreas para as quais existe informação sobre o uso do solo (Fonseca & Fernandes 2004; Lillesand et al. 2004; Mather 2004).

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

Imag. ETM+ (01/04/01)ortorrectificada

Landsat-7

Imag. ETM+ (01/04/01)ortorrectificada

Landsat-7

Imag. ETM+ (01/06/00)ortorrectificada

Landsat-7

Imag. ETM+ (01/06/00)ortorrectificada

Landsat-7

Imag. ETM+ (25/05/03)não georreferenciada

Landsat-7

Imag. ETM+ (25/05/03)não georreferenciada

Landsat-7 Trabalho de campo

(Maio 2006)

Trabalho de campo

(Maio 2006)

Imag. ETM+ (25/05/03)não georreferenciada

Landsat-7

Imag. ETM+ (25/05/03)não georreferenciada

Landsat-7

Mapa vectorial georreferenciado

Pontos amostrais

Mapa vectorial georreferenciado

Pontos amostrais

Referências bibliográficas: culturas e

vegetação natural (fenologia), solos,

climatologia, orografia e evapotranspiração

Referências bibliográficas: culturas e

vegetação natural (fenologia), solos,

climatologia, orografia e evapotranspiração

Levantamento de pontos amostrais por GPS

Data do voo: 2002

Ortofoto-mapas

Data do voo: 2002

Ortofoto-mapas

Classes padrãoClasses padrão

Classes espectrais (áreas de

treino)

Classes espectrais (áreas de

treino)

Mapa temático obtido pelo classific. ISOSEG

Polígonos

Mapa temático obtido pelo classific. ISOSEG

Polígonos

Classes espectrais obtidas pelo

classificador ISOSEG

Tabelas

Classes espectrais obtidas pelo

classificador ISOSEG

Tabelas

Classificação não supervisionada

Selecção das classes espectrais semelhantes às classes de

informação

Delimitação das áreas de treino

Mapa temático obtido pelo classificador de Max.Verosimilhança

Polígonos

Mapa temático obtido pelo classificador de Max.Verosimilhança

Polígonos

Mapa temático obtido por filtro majorante 5x5

Polígonos

Mapa temático obtido por filtro majorante 5x5

Polígonos

Mapa vectorial de citrinos

Polígonos

Mapa vectorial de citrinos

Polígonos

Classificação supervisionada

Classificação contextual

Vectorização

Georreferenciação/reamostragem

Imagens transformadas

NDVI

Imagens transformadas

NDVI

Mapa temático de alterações do uso do solo

Polígonos

Mapa temático de alterações do uso do solo

Polígonos

Transformação NDVI

Selecção e formação das bandas

Detecção de alterações: Acréscimo

Decréscimo

Mapa vectorial de culturas de

Primavera e Verão

Polígonos

Mapa vectorial de culturas de

Primavera e Verão

Polígonos

Mapa temático obtido por filtro majorante 3x3

Polígonos

Mapa temático obtido por filtro majorante 3x3

Polígonos

Classificação de contexto

Vectorização

Mapa vectorial de regadios

Polígonos

Mapa vectorial de regadios

Polígonos

Perfil anual de dotação de rega por cultura

Tabelas

Perfil anual de dotação de rega por cultura

Tabelas

Mapa vectorial de aproveitamentos hidroagrícolas em

exploração em 2005

Polígonos

Mapa vectorial de aproveitamentos hidroagrícolas em

exploração em 2005

PolígonosEliminação

das áreas de intersecção

Mapa vectorial de regadios com utilização

de água subterrânea

Polígonos

Mapa vectorial de regadios com utilização

de água subterrânea

Polígonos

Cálculo dos valores de evapotranspiração

cultural

Cálculo dos valores de evapotranspiração

cultural

Tabelas /Gráficos

Perfil anual de exploração de água subterrânea no sector

agrícola

Tabelas /Gráficos

Perfil anual de exploração de água subterrânea no sector

agrícola

União dos polígonos (com prevalência das culturas

cítricas)

Matriz de contingência/ coeficiente Kappa

Tabelas

Matriz de contingência/ coeficiente Kappa

Tabelas

Avaliação de precisão da classificação supervisionada

Edição em SIG (eliminação de

algumas áreas não agrícolas)

Selecção das classes de estudo

Figura 4 – Fluxograma de etapas metodológicas utilizadas.

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

4.3. Classificação não-supervisionada

A imagem Landsat seleccionada para o procedimento classificatório híbrido foi a de 25/05/2003, por consistir na imagem mais recente do arquivo GLCF. Além disso a data de aquisição desta imagem encontra-se próxima do período estival que, segundo Ventura (1999), corresponde ao período de aquisição mais adequado para a descriminação de culturas permanentes, ao permitir um maior contraste entre estas culturas e outros tipos de vegetação. Por este motivo considerou-se esta imagem indicada para a classificação das áreas regadas de citrinos que, por serem a cultura regada predominante da região, representam o nosso principal objectivo.

O primeiro passo consistiu numa análise visual detalhada da imagem a fim de identificar as várias formas de ocupação do solo e estabelecer uma primeira legenda. Nesta etapa, essa legenda deverá representar o número possível de classes que podem ser identificados na imagem. No processo de classificação não-supervisionada, esses agrupamentos de pontos são automaticamente identificadas e utilizadas como áreas de treino para a classificação. Aplicou-se o classificador ISODATA (Self-Organizing Data Analysis Technique) às bandas 1, 2, 3, 4, 5 e 7 da imagem de 25/05/2003, tendo-se obtido 30 classes espectrais. Estas classes foram analisadas por identificação visual nos ortofotomapas, na tentativa de as relacionar com classes de uso de solo. Adoptando-se o critério de que essas classes espectrais representam a verdade terrestre, desde logo são estabelecidas algumas assinaturas espectrais para o processo seguinte de classificação supervisionada. Estas classes, definidas a partir do algoritmo de agrupamento, já apresentam alguma similaridade espectral na sua amostra, aumentando a eficiência do algoritmo de classificação supervisionado.

4.4. Classificação supervisionada

Com base no conhecimento do uso e ocupação do solo, padrões espectrais, forma e localização dos alvos terrestres definiram-se as classes padrão que melhor atendem aos objectivos propostos neste projecto (Tabela 1). Utilização de uma única imagem Landsat pode não fornecer informações espectrais suficientes para permitir identificar todas as culturas plantadas numa dada estação e, como tal, foram identificadas duas classes respeitantes às principais culturas permanentes presentes na região – citrinos e vinhas. Além destas, definiu-se uma classe designada por transformação que apresenta um grupo bastante genérico de culturas agrícolas, demasiado complexas para serem diferenciadas sem uma análise multitemporal. A esta classe correspondem as culturas não permanentes (tais como culturas hortícolas e de cereal), que apresentam uma grande variação no comportamento espectral ao longo dos diferentes estados de crescimento, e árvores de pomar e vinhas recém plantadas que, por apresentarem um grau de cobertura inferior a 5%, tornam-se impossíveis de diferenciar dos solos sem cobertura vegetal.

Tabela 1 – Classes utilizadas na classificação supervisionada.

Classe Descrição

1 - Citrinos Culturas cítricas 2 - Vinhas Vinhas 3 - Transformação Culturas não permanentes e árvores jovens com cobertura inferior a 5% 4 - Mata Pastagens naturais e vegetação arbustiva baixa 5 - Mato Vegetação arbustiva alta e floresta degradada ou de transição 6 - Aberto Pedreiras e solos sem cobertura vegetal 7 - Urbano Zona urbana, povoações, armazéns e rede viária 8 - Corpos de água Lagos, ribeiras e reservatórios de água

Na classificação supervisionada, as áreas da imagem na qual o analista conhece a verdade terrestre são identificadas como elementos padrão ou áreas de treino, tendo em vista que as assinaturas espectrais dessas áreas servem para treinar diferentes algoritmos classificatórios. Ou seja, através do procedimento de classificação assistida, o analista identifica alguns dos elementos pertencentes

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

às classes padrão e submete ao algoritmo computacional, definido segundo algum critério preestabelecido, a tarefa de classificar todos os outros elementos da imagem.

Estas áreas de treino foram definidas por polígonos desenhados sobre a imagem do sensor Landsat de 25/05/2003, ortorrectificada. Na selecção desta amostra de referência foram encontradas algumas dificuldades, devido à existência de classes distintas com comportamento espectral semelhante e também por diversas classes possuírem comportamento espectral não homogéneo. De forma a contornar este último problema foram identificadas diversas assinaturas espectrais distintas para cada classe padrão, referenciadas por subclasses A, B, C e D, tal como observado na Figura 5.

As classes como a água, a vegetação natural, os citrinos e as vinhas foram facilmente identificadas na imagem do sensor Landsat-7/ETM+. Classes mais complexas como as classes urbanas e de transformação apresentaram dificuldades devido à grande variabilidade espectral. Esta variabilidade espectral na classe de transformação está relacionada com o elevado tipo de culturas inseridos neste grupo. Aliás, o facto de ter sido realizada uma única saída de campo e o período de aquisição da imagem Landsat (2003) não coincidir com os ortofotomapas consultados (2002), dificultou grandemente a identificação das áreas a inserir na classe de transformação.

No diagrama de assinaturas espectrais, Figura 6, projectam-se as médias das classes padrão obtidas na fase de treino para cada banda que irá ser utilizada pelo classificador digital. Como se pode observar, existem algumas classes com um comportamento espectral semelhante (identificadas pelas linhas paralelas muito próximas) e/ou sobrepostas a outras classes.

Figura 5 – Editor de assinaturas espectrais do ERDAS Imagine ®.

20

40

60

80

100

120

140

160

180

200

220

240

1 2 3 4 5 6Bandas espectrais

Méd

ia d

os n

ívei

s ra

diom

étric

os

Citrinos A

Citrinos B

Citrinos C

Vinhas e Citrnos

Vinhas

Transformação A

Transformação B

Transformação C

Transformação D

Mata A

Mata B

Mata C

Mato A

Mato B

Aberto A

Aberto B

Urbano A

Urbano B

Urbano C

Corpos de água

Figura 6 – Diagrama de assinaturas espectrais para as bandas 1, 2, 3, 4, 5 e 7 da imagem Landsat de 25 de Maio de 2003.

Definidos os elementos padrão, submeteu-se a imagem ao algoritmo computacional de classificação. Para o reconhecimento de padrões, adoptou-se o método da máxima verosimilhança (“maximum likelihood”), enquadrado no conjunto de classificadores do tipo “pixel-a-pixel”, baseado na regra de decisão Bayesiana, no qual se assume que a probabilidade de um elemento da imagem pertencer a

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

uma classe não é igual para todas as classes. Com esta variação à equação básica de máxima verosimilhança pretendeu-se melhorar o processo classificatório, pela atribuição de uma probabilidade de ocorrência para cada classe padrão (consultar a última coluna da Figura 5).

4.4. Análise multitemporal

Dada a fenologia das culturas não permanentes, a classificação digital, assente numa única imagem, apresenta grandes reservas no que diz respeito à identificação destas culturas. Desta forma, considerou-se pertinente a introdução de uma análise multitemporal, para uma identificação mais precisa da classe de transformação. A metodologia de detecção de alterações está relacionada com o decréscimo ou acréscimo de vegetação, como forma de captar objectos de alteração entre o Período de Primavera e Verão. Mais uma vez, o reduzido número de imagens disponíveis (Figura 2), condicionou o resultado desta análise. Não foi possível adquirir nenhum par de imagens Primavera/Verão de um mesmo ano, tendo-se optado por utilizar as imagens registradas de 1 de Abril de 2001 e 1 de Junho de 2000.

A aplicação “Change detection”, implementada no ERDAS Imagine ®, é um método de comparação computacional bastante robusto e o seu procedimento consiste, inicialmente, numa operação de subtracção entre duas bandas, seguido de uma classificação da intensidade das alterações. Este método implica a aplicação de um limiar para separar áreas de alteração significativa de áreas de não alteração. Vários limiares foram testados e validados, através de comparação visual com os ortofotomapas. Como variáveis base para a detecção de alterações optaram-se por duas abordagens. A primeira consiste na diferença de um índice de vegetação, mais precisamente o índice NDVI (Normalized Difference Vegetation Index). Na segunda abordagem, utilizou-se a banda do infravermelho próximo (banda 4), por registar uma gama de valores radiométricos mais alargada, em ambas as imagens. Pela elevada reflectância da vegetação nas regiões do infravermelho próximo do espectro electromagnético, tanto o índice NDVI como a banda 4 estão fortemente relacionados com a presença de biomassa. Em ambas as abordagens, as áreas conde ocorreram alterações de decréscimo e acréscimo de reflectância, foram caracterizadas mediante a intersecção com outros planos de informação e constituem as classes de culturas não permanentes de Primavera e Verão, respectivamente.

4.5. Avaliação de precisão da metodologia

A validação da metodologia foi avaliada isoladamente para a classificação híbrida e para ambas as abordagens da análise multitemporal, tendo sido realizada na aplicação “Accuracy Assessment” do ERDAS Imagine ®. A amostra de referência criada aleatoriamente e distribuída equitativamente pelas classes (“equalized random”), consistiu num total de 252 elementos de referência para o processo de classificação e de 90 elementos de referência para cada uma das variáveis empregues na análise multitemporal. O indicador utilizado para avaliar a precisão foi o coeficiente KAPPA. Este coeficiente leva em conta todos os elementos da matriz de erro e exclui a concordância devida ao acaso, ou seja, a concordância entre a classificação e a informação de referência se os elementos de imagem tivessem sido atribuídos às classes aleatoriamente.

4.6. Pós-Classificação

As Imagens classificadas por métodos pixel-a-pixel apresentam, geralmente, uma aparência de ruído devido à elevada variabilidade espectral encontrada na imagem. Uma das maneiras de solucionar esse tipo de problema é mediante utilização de um algoritmo de suavização que opera de forma semelhante às técnicas de filtragem, designado por filtro de vizinhança ou classificador contextual. Nestes filtros cada elemento de imagem é analisado de acordo com os elementos da vizinhança e o

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

número e localização desses elementos vizinhos são determinados pelo tamanho e forma do filtro, definido pelo operador. Esta classificação contextual foi realizada nas etapas que procederam à classificação supervisionada e detecção de alterações. Em ambos os casos, aplicou-se o algoritmo do filtro majorante, recomendado por Mather 2004 e Lillesand et al. 2004, para remover os elementos de imagem isolados deixados pela técnica de classificação pixel-a-pixel. O tamanho da janela do filtro utilizado foi de 5x5.

4.7. Cálculo de dotações de rega

A dotação de rega é a quantidade de água fornecida, por unidade de área de terreno, dependendo fundamentalmente da natureza do terreno, das culturas a beneficiar bem como do sistema de rega empregado. A produtividade máxima de uma cultura é comummente associada à manutenção de condições de conforto hídrico, em que a evapotranspiração é também máxima. Assim, de forma a obtermos um perfil anual dos consumos de água utilizados na rega, procedeu-se ao cálculo das dotações de rega, para as culturas classificadas, baseado numa estimativa da evapotranspiração (ET) máxima de cultura. Este procedimento clássico é aplicado por diversos autores dos quais destacamos, recentemente, o trabalho de Costa (2003).

Esta estimativa foi realizada recorrendo ao uso de coeficientes culturais (Kc) e de evapotranspiração de referência (ETo), designando-se neste caso por evapotranspiração cultural (ETc=ETo Kc). A ETo é a evapotranspiração de uma superfície de referência, e pretende reflectir apenas o efeito das condições climáticas, nas necessidades hídricas das plantas. Os valores de ET0 utilizados neste trabalho foram calculados por Penman para a zona de Faro. Os coeficientes culturais são coeficientes obtidos experimentalmente que integram as condições específicas inerentes às culturas e ao seu estado de desenvolvimento (Raposo, 1996 e Paço, 2003). Todos os dados necessários ao cálculo da evapotranspiração cultural foram retirados da obra de Raposo (1996).

5. RESULTADOS

A Figura 7 ilustra a imagem classificada com a legenda resultante do algoritmo de agrupamento ISODATA, utilizando as bandas 1, 2, 3, 4, 5 e 7, da imagem Landsat de 25/05/2003. Na análise desta legenda é notório que as classes espectrais identificadas não apresentam correspondência directa com as classes padrão definidas, com excepção das classes Urbano, Aberto, Mata e Mato, das quais se estabeleceram assinaturas espectrais para o processo de classificação supervisionada.

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

Figura 7 – Mapa temático da classificação não-supervisionada do sistema aquífero Querença-Silves.

No mapa temático obtido pela classificação supervisionada (Figura 8) observa-se uma elevada percentagem de vinhas que desde logo deixa antever a baixa precisão de classificação para esta classe.

Figura 8 – Mapa temático obtido pela classificação supervisionada da imagem Landsat-7/ETM+ de 25/05/2003.

Na Tabela 3 apresenta-se a matriz de erro bem como os índices calculados para a análise de precisão da classificação supervisionada. No geral, esta técnica revelou-se bastante eficiente (KAPPA=0,79), não só para as classes com a assinatura espectral definida pelo algoritmo ISODATA, mas também para a classe dos citrinos (KAPPA=0,76), que representam a cultura predominante da região. A elevada percentagem de solo exposto entre os compassos de vinhas, são responsáveis pelo baixo coeficiente KAPPA (0,45) obtido por esta classe. Os valores elevados de precisão verificados na classe de transformação devem ser analisados com alguma contenção pois a sua discriminação nos ortofotomapas e, particularmente, na imagem Landsat, revelou-se extremamente complexa sem um profundo conhecimento da região, só possível através de várias visitas ao terreno. De facto, as áreas

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

correspondentes às classes de vinha e transformação, pela sua elevada variabilidade de comportamento espectral ao longo dos estados fenológicos, não foram inseridas no mapa temático final de regadios.

Tabela 3 – Avaliação de precisão do processo de classificação supervisionada.

Reference Data Classified Data

Citr

inos

Vin

ha

Tra

nsfo

rm

Mat

a

Mat

o

Urb

ano

Águ

a

Ref

eren

ce

Tot

als

Cla

ssifi

ed

Tot

als

Num

ber

Cor

rect

Pro

duce

s A

ccur

acy

Use

rs

Acc

urac

y

KA

PP

A

Citrinos 29 0 2 2 3 0 0 44 36 29 65,9% 80,6% 0.76 Vinhas 7 18 2 8 0 1 0 23 36 18 78,3% 50,0% 0.45 Transformação 2 2 29 2 0 1 0 36 36 29 80, % 80,6% 0.77 Mata 3 0 0 33 0 0 0 46 36 33 71,7% 91,7% 0.90 Mato 0 0 0 1 35 0 0 38 36 35 92,1% 97,2% 0.97 Urbano 3 3 3 0 0 27 0 29 36 27 93,1% 75,0% 0.72 Corpos de água 0 0 0 0 0 0 36 36 36 36 100 % 100% 1,00

Column Total 44 23 36 46 38 29 36 252 252 207 Overall Classification Accuracy = 82,14% Overall Kappa Statistics = 0.7917

A avaliação de precisão da análise multitemporal, das imagens Landsat de 01/04/2001 e de 01/06/2000, pretende estimar a percentagem de áreas de alteração que correspondem realmente à produção agrícola. Desta forma, obteve-se uma precisão de acerto de 88% para a operação aritmética efectuada entre as bandas 4 e uma precisão de 73% para a operação entre o índice de NDVI, de ambas as imagens. O comportamento espectral da banda 4, de ambas as imagens, com a informação radiométrica alargada pelos histogramas pode ser responsável pelos melhores resultados alcançados por esta abordagem, ao permitir um maior contraste quando comparado com o índice NDVI, que entra em linha com as bandas 3 e 4. A generalidade das alterações, identificadas sem correspondência com áreas agrícolas, foi resultante de extracções de areia em pedreiras, construção de uma nova estrada e, em menor número, alterações na vegetação natural. Desta forma, o mapa temático final das áreas de regadio para o sistema aquífero Querença-Silves (Figura 9), contém as classes de citrinos, obtida no processo de classificação híbrido da imagem Landsat de 25/05/2003, e as classes de Primavera e Verão detectadas na análise multitemporal efectuada entre a bandas 4, das imagens Landsat de 01/04/2001 e de 01/06/2000.

Figura 9 – Mapa temático final de superfícies de regadio no sistema aquífero Querença-Silves.

Algumas das culturas associadas às culturas de Primavera e Verão da região foram identificadas de forma a calcularmos o coeficiente cultural médio para cada uma destas classes. O perfil anual de

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

dotações baseado na evapotranspiração cultural pode ser consultado na Tabela 4. O consumo de água para rega associado à actividade agrícola, no sistema aquífero Querença-Silves, encontra-se calculado na Tabela 5, para uma área de 2920 ha de citrinos, 170 ha de culturas de Primavera e de 560 ha de culturas de Verão. De acordo com áreas regadas identificadas e as dotações calculadas obteve-se um consumo total de água de água para rega de 31,2x106m3/ano.

Tabela 4 – Valores de dotação (mm) para cada classe de cultura.

(mm/ano)Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez TOTAL

Citrinos 50,38 50,38 64,33 72,85 85,25 93,78 100,75 95,33 79,83 62,00 55,80 49,60 860,25de Primavera 41,60 41,60 53,12 60,16 70,40 77,44 83,20 78,72 65,92 51,20 46,08 40,96 710,40de Verão 51,35 51,35 65,57 74,26 86,90 95,59 102,70 97,17 81,37 63,20 56,88 50,56 1570,65TOTAL 143,3 143,3 183,0 207,3 242,6 266,8 286,7 271,2 227,1 176,4 158,8 141,1

Dotação (mm)Culturas

Tabela 5 – Consumo de água para rega (valores em 106 m3), associado à actividade agrícola, no sistema aquífero Querença-Silves.

Culturas (hm3/ano)Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez TOTAL

Citrinos 1,47 1,47 1,88 2,13 2,49 2,74 2,94 2,78 2,33 1,81 1,63 1,45 25,12Primavera 0,07 0,07 0,09 0,10 0,12 0,13 0,14 0,13 0,11 0,09 0,08 0,07 1,21Verão 0,29 0,29 0,37 0,42 0,49 0,54 0,58 0,54 0,46 0,35 0,32 0,28 4,91TOTAL 1,83 1,83 2,34 2,65 3,10 3,41 3,66 3,46 2,90 2,25 2,03 1,80 31,24

(hm3/mês)

6. CONCLUSÃO

Efectuou-se uma comparação entre as áreas de regadio, identificadas automaticamente pela metodologia proposta para este trabalho (cerca de 36km2), com os valores obtidos em trabalhos prévios, baseados na análise visual das imagens (cerca de 60km2). Esta discrepância relaciona-se com o facto de nos trabalhos em que se efectua a análise visual se detectar uma tendência para agrupamento das áreas regadas detectadas observadas pois, de outra forma o trabalho seria extremamente moroso. Estas diferenças têm assim um impacto na ordem dos 40% no que respeita à estimativa dos consumos de água, tendo em conta uma dotação de rega da ordem dos 900mm.

Para além de permitir a discussão dos valores anuais médios de consumo de água associados à rega, o trabalho realizado permitiu ainda avaliar a importância da distribuição sazonal dos consumos, uma vez que se calcularam dotações de rega mensais, baseadas na evapotranspiração cultural para as diferentes culturas classificadas. Os resultados assim obtidos são especialmente importantes para a análise do funcionamento hidráulico do sistema aquífero em regime transitório, já que, no período em que a rega é mais intensa, também se verifica a intensificação das extracções para abastecimento público urbano, devido ao turismo.

Acreditamos que os resultados alcançados neste trabalho poderão ser melhorados com uma melhor selecção de imagens, que deverão corresponder ao pico de crescimento das culturas, e um conhecimento mais aprofundado da área de estudo, para uma correcta identificação e delimitação das culturas regadas durante as etapas de extracção das áreas de treino e validação.

Nos últimos anos têm-se desenvolvido novas técnicas de detecção remota para classificação digital de imagens de satélite, baseadas numa classificação por regiões também designada por segmentação. Esta técnica consiste na delimitação de regiões uniformes de atributos espectrais, tendo em conta as relações espaciais de cada elemento de imagem. Estas técnicas têm um particular interesse na discriminação de culturas agrícolas ao permitirem minimizarem o efeito causado pela heterogeneidade dos elementos de imagem que constituem uma classe padrão, durante a etapa de classificação.

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

REFERÊNCIAS BIBLIOGRÁFICAS

COSTA, M. (2003). Utilização de águas residuais depuradas na rega e de lamas urbanas como

fertilizante dos solos do Algarve. Dissertação para doutoramento no ramo das Ciências

Agrárias. Faro: Universidade do Algarve.

ERDAS Field Guide (2003). 7th ed. Atlanta, USA: Leica Geosystems GIS & Mapping. 671 pp.

Doc.Electrónico.

FONSECA, D. & FERNANDES, J. (2004). Detecção Remota. 1ª. ed. Lisboa: Lidel. ISBN: 972-757-292-8.

INE. Instituto Nacional de Estadística. Recenseamentos Gerais da Agricultura – Dados comparativos

1989-1999. CD-ROM (2001).

LILLESAND, T.; KIEFER, R; CHIPMAN, J. (2004). Remote Sensing and Image Interpretation. 5th ed.

New York: John Wiley & Sons. 753 pp.

LOPES, A; RODRIGUES, R.; ORLANDO, M. (2005). O Aproveitamento Sustentável dos Recursos Hídricos

Subterrâneos do Sistema Aquífero Querença-Silves na Seca de 2004/2005. INAG, Instituto da

Água. Direcção de Serviços de Recursos Hídricos. Relatório Técnico. Lisboa. 28pp.

MASIP, J.C. (1999). Experiencia Sobre Control de las Extracciones para Uso Agrário en el Acuifero

Almonte-Marismas In Medida y evaluación de las extracciones de agua subterránea. Sevilla:

ITGE.

MATHER, P.M. (2004). Computer Processing of Remotely-Sensed Images, 3rd edition. West Sussex,

England: John Wiley & Sons. ISBN 0-470-84918-3.

MONTEIRO, J.P. (2003). Impacto da Actividade do Golfe nos Recursos Hídricos do Algarve. Anexo

técnico do “Estudo sobre o Golfe no Algarve. Cenários de Desenvolvimento”, elaborado no

âmbito do Estudo sobre o Golfe no Algarve.

VENTURA, V.F. (1999). Fundamentos Teóricos del Control de las Extracciones Mediante

Teledetección. In: López Geta, editor. Medida y Evaluación de las Extracciones de Agua

Subterrânea.

ACESSO ONLINE:

DRAAlg. Direcção Regional de Agricultura do Algarve. A Citricultura Algarvia. Disponível em

http://www.draalg.min-agricultura.pt/ctr/citri-alg.htm. Acedido em Abril de 2006.

IDRHA. Instituto de Desenvolvimento Rural e Hidráulica. Aproveitamento hidroagrícola de Silves,

Lagos e Portimão. Disponível em: http://www.idrha.min-

agricultura.pt/a_hidroagricolas/exploracao/ahsilves.htm Acedido em Abril de 2006.

ESIG 2006 • IX Encontro de Utilizadores de Informação Geográfica • USIG • Tagus Park, 15-17 de Novembro

Gonçalo Nunes (Engº do Ambiente)

Univ. do Algarve (FCMA)

Campus de Gambelas

8005-139, FARO

Tel: (+ 351) 289 800 900

g.nunes@zapp.pt

José Paulo Monteiro (Doutor em Hidrogelogia)

Univ. do Algarve (FCMA) e CVRM (IST)

Campus de Gambelas

8005-139, FARO

Tel: (+ 351) 289 800 900

jpmontei@ualg.pt

João Martins (Engº do Ambiente)

Univ. do Algarve (FCMA) e CVRM (IST)

Campus de Gambelas

8005-139, FARO

Tel: (+ 351) 289 800 900

joaoambiente@gmail.com