Categoria: Trabalho científico

Uso de técnicas de sensoriamento remoto para identificação e monitoramento de áreas infestadas pelo amarelinho

(Tecoma stans (L.) Kunth, (Bignoniaceae) na região Norte do Paraná

Alexander Christian Vibrans1

Odirlei Fistarol1

Marcelo Diniz Vitorino1

1. Introdução

O presente projeto está inserido na linha de pesquisa “Controle biológico de plantas”

(Laboratório de Proteção Florestal, Departamento de Engenharia Florestal da Universidade Regional de Blumenau/UFPR/UEL) e no “Projeto Controle Biológico do Amarelinho – Tecoma stans, Estudos de agentes associados ao amarelinho – PROBIO/MMA” (VITORINO, 2001), subprojeto “Monitoramento da espécie através de técnicas de sensoriamento remoto”. 2. O problema

A espécie Tecoma stans (L.) Kunth, (Bignoniaceae) originária do México e da região Sul

dos Estados Unidos é popularmente conhecida como amarelinho, ipê de jardim e caroba amarela. Ela foi introduzida no Brasil como planta ornamental por volta de 1871 (MELLO 1952). A espécie é considerada invasora na Nicarágua, Argentina e, recentemente, no Brasil, principalmente no estado do Paraná, onde Krans (1997) relatou a infestação de 50 mil hectares de pastagens, dos quais, dez mil hectares seriam totalmente improdutivos. Ziller et al. (2004) citam estimativas do Instituto Agronômico do Paraná (IAPAR) que apontam para 80.000 hectares infestados. A planta está presente em mais de 100 municípios do Paraná, de acordo com Reno (2004). Na região de Londrina, considerada centro da infestação, foram constatadas áreas com mais de 13.000 plantas por hectare (BREDOW et al., 2004).

A espécie mostra ampla distribuição em todo o território do Brasil, como planta

ornamental. Seu comportamento invasor é caracterizado pela intensa produção de sementes pequenas e longevas que são eficientemente dispersadas pelo vento. Seu rápido crescimento e sua precocidade contribuem a definir o seu caráter agressivo. Por se tratar de espécie exótica, ela tem poucos inimigos naturais. Assim, Tecoma stans apresenta reais possibilidades de se tornar uma invasora também em ecossistemas naturais. Bredow et al. (2004) relatam que a espécie já compete com espécies arbóreas nativas em áreas reflorestadas no norte do Paraná.

Atualmente estão sendo pesquisados aspectos relacionados ao controle biológico dessa

planta invasora, entre eles a seleção e o estudo de potenciais agentes de controle ao amarelinho,

1 Universidade Regional de Blumenau (Departamento de Engenharia Florestal) Rua São Paulo, 3250, 89030-000 Blumenau-SC; acv@furb.br

como insetos e patógenos associados à espécie (PEDROSA-MACEDO; BREDOW, 2004). Estes são estudados através de expedições periódicas aos locais infestados, são coletados e utilizados em estudos de biologia, etologia, determinação de nível de especificidade e potencial de dano em campo e em laboratório. Pretende-se através da aplicação desta metodologia obter informações suficientes para o conhecimento dos principais inimigos naturais de Tecoma stans no Brasil e a sua possível utilização como agentes de controle. O estudo de Andreazza (2004) avaliou o potencial de um agente específico, o fungo Prospodium appendiculatum, para o controle de Tecoma stans. As medidas técnicas serão compiladas num plano de manejo a ser implementado para a diminuição da população da planta em áreas com alto índice de infestação.

A extensão territorial das áreas infestadas pelo amarelinho, até o presente momento, não

tem sido objeto de pesquisa. A infestação da planta iniciou de forma mais expressiva nos anos 80 e desde então está crescendo, principalmente no norte paranaense, na região de Londrina, Maringá e Jacarezinho. Informações sobre a dinâmica do alastramento da praga são importantes para o desenvolvimento de estratégias de controle. Os danos econômicos da infestação do amarelinho são consideráveis, somente no estado do Paraná 15.000 hectares de pastagens tiveram que ser abandonados nos últimos 2 anos, porque atualmente não existem tratamentos economicamente viáveis para áreas intensamente ocupadas pela invasora. A aplicação de técnicas de sensoriamento remoto se faz necessária devido ao grande potencial danoso da espécie e a grande extensão das áreas infestadas até hoje, que abrangem regiões nos estados do Paraná, de Santa Catarina e de todo o estado do Rio Grande do Sul. áreas dessa grandeza são propícias para o monitoramento via sensoriamento remoto.

3. Objetivo e perguntas de pesquisa O objetivo geral da pesquisa é a detecção de áreas infestadas pelo amarelinho por meio de recursos de sensoriamento remoto. Especificamente estuda-se o uso de imagens Landsat-5 TM, com resolução espacial de 30 metros, para a identificação destas áreas. As principais perguntas de pesquisa são as seguintes:

• áreas infestadas pelo amarelinho são discerníveis em imagens de satélite com resolução espacial e espectral média (Landsat-5/7)

• qual é a época do ano mais adequada para a detecção das plantas em imagens de satélite?

• técnicas de processamento digital permitem a detecção das áreas infestadas? • quais são as classes temáticas com que as áreas de amarelinho são mais freqüentemente

confundidas? 4. Materiais e métodos

A área de estudo é a região dos municípios de Londrina, Assaí e Congonhinhas, localizados no norte paranaense, região que constitui centro da infestação com o amarelinho. Por também apresentar presença maciça da praga, o vizinho município de Cornélio Procópio foi incluído no estudo.

As imagens analisadas são cenas do órbita-ponto 222 76 do Landsat 5 e 7, de diversas

datas dos últimos 3 anos constantes na Tabela 1, adquiridas do Instituto Nacional de Pesquisas Espaciais (INPE), com o qual a FURB mantém convênio de cooperação. Embora a passagem do satélite se realize a cada 15 dias, nem todas as imagens captadas são de qualidade, nem são processadas nos centros de processamento, repassadas às instituições e empresas e, portanto,

2

disponíveis no mercado. Além disso, algumas contam com cobertura de nuvens sobre a área de estudo que impede a sua análise.

Primeiramente todas as imagens listadas na Tabela 1 foram georeferenciadas a partir de

uma cena ortoreferenciada fornecida pelo INPE, com a aplicação de 8 a 12 pontos de controle. O georeferenciamento com base na cartografia do IBGE, não se mostrou viável, uma vez que as cartas disponíveis em meio digital, na escala 1:250.000, são incompatíveis com o nível de detalhamento requerido para este estudo. Foi atingido um erro quadrático médio (RMS) no georeferenciamento das imagens, com uso da cena ortoreferenciada, de 15 a 18 metros, inferior a um pixel de 30 metros da imagem; este resultado é considerado plenamente satisfatório (CHUVIECO, 1996).

Tabela 1: Lista de imagens Landsat, órbita-ponto 222 76, analisadas no presente estudo e erro de georeferenciamento (RMS) alcançado. Data Sensor RMS (pixel) 07/07/2001 Landsat-5 TM 0,574 12/08/2001 Landsat-7 ETM+ 0,653 26/06/2002 Landsat-7 ETM+ 0,512 02/09/2002 Landsat-7 ETM+ 0,544 03/11/2002 Landsat-7 ETM+ 0,455 13/10/2003 Landsat-5 TM 0,510 02/12/2003 Landsat-5 TM 0,550 17/01/2004 Landsat-5 TM 0,687 21/03/2004 ** Landsat-5 TM 0,598 12/08/2004 Landsta-5 TM 0,601 ** imagem utilizada para identificação das áreas infestadas pelo amarelinho.

As imagens georeferenciadas foram submetidas a processos de aplicação de contrastes e

de diversas combinações de bandas no espaço RGB, realçando as feições e alvos terrestres e possibilitando a sua interpretação visual. Para a localização em campo foram sobrepostos rodovias e limites municipais extraídos dos mapas do IBGE e impressas cartas imagens com grade de coordenadas para cada município (Figura 1). Estas cartas foram utilizadas nos trabalhos de campo.

3

Figura 1: Localização da área de estudo (carta-imagem Landsat-5 TM de 21/03/2004, composição colorida das bandas 5/4/3 no espaço RGB).

A campanha de campo foi realizada entre 10 e 17 de agosto por uma equipe de duas

pessoas. Foram identificados e georeferenciados com GPS de navegação 45 alvos, com área mínima de aproximadamente 2 hectares, nos quatro municípios. Entre estes constam 9 áreas completamente infestadas pelo amarelinho (Figura 2), 3 áreas com amarelinho, pasto e

4

capoeira, além de 7 áreas de pastagens, 9 áreas com culturas anuais (milho, trigo, cana e girassol), 3 com cultura de café, uma de solo exposto, 4 com capoeiras e florestas e 5 áreas urbanas.

Figura 2: Pastagem invadida por Tecoma stans mo Norte paranaense (Fotografia J.H. Pedrosa-Macedo).

Foi dado ênfase em áreas infestadas de grande extensão e localizadas em vizinhança com

áreas facilmente identificáveis na imagem, como florestas, cursos d´água e culturas anuais. Para cada área foi elaborado um croquis de localização para facilitar seu correto reconhecimento nas imagens. Desta forma foram adquiridas as áreas de referência e de treinamento para o processamento digital das imagens nos quatro municípios, como mostra a Figura 3.

Figura 3: Área infestada por Tecoma stans no município de Congonhinhas imagem Landsat-5 TM 21/03/2004, bandas 5/4/3 em RGB.

5

Escolhendo-se entre as opções da imagem mais recente e da imagem mais perto da época da floração do amarelinho, optou-se pela imagem mais recente para aplicação dos demais processamentos, uma vez que as imagens das outras épocas não mostraram diferenças significativas nas áreas dos quatro municípios em relação às áreas de amarelinho. A imagem escolhida de 21 de março de 2004 representa o estado mais atualizado da cobertura vegetal, que, considerando o rápido avanço do amarelinho, pode sofrer grandes alterações num período de dois anos. Para o período priorizado do projeto (agosto a setembro de 2004) imagens processadas sem cobertura de nuvem não estavam disponíveis no mercado.

Utilizando rotinas do programa ENVI, foram extraídos os histogramas (contendo as distribuições dos valores de cinza dos respectivos pixels) das áreas identificadas em campo, agrupados nas seguintes categorias: amarelinho, terra nua, pastagem, cultura anual, floresta, área urbana, corpo d´água. Este procedimento foi realizado para as bandas originais e para as bandas sintéticas (transformações como NDVI, NDVIMIR, Tasseled Cap e Componentes Principais).

Para a análise da cobertura vegetal aproveita-se o comportamento espectral peculiar da

vegetação: sua alta absorção de energia na faixa da radiação visível (principalmente na do vermelho; red - R) e por conseqüência, baixo nível de reflectância nesta faixa do espectro eletromagnético e sua alta reflectância na faixa da radiação do infravermelho próximo (near infra-red – NIR) e infravermelho médio (médium infra-red – MIR). Os valores de reflectância nestas bandas contrastam fortemente e permitem distinguir com clareza a vegetação das demais coberturas da terra. O quociente simples dos valores de reflectância ρ NIR/ρ R aumenta com o crescente vigor da vegetação.

Diversos índices de vegetação foram desenvolvidos para a caracterização e a diferenciação da

cobertura vegetal em imagens multiespectrais (KARNIELI et al. 2001); serão utilizados neste trabalho o NDVI e o NDVIMIR:

• Índice de Vegetação de Diferença Normalizada: RNIR

RNIRNDVIρρρρ

+−

=

.

• NDVIMIR :

MIRNIR

MIRNIRMIRNDVI

ρρρρ

+−

=

médio lhoinfraverme e próximo lhoinfraverme

vermelho,do bandas nas iareflectânc de Valores ,, =MIRNIRR

ondeρρρ

A separabilidade espectral entre as classes é fundamental para poder classificar uma

imagem por processos de estatística paramétrica, supondo uma distribuição dos pixels de uma classe. A separabilidade foi calculada através dos índices Jeffries-Matusita e Divergência Transformada (RICHARDS, 1993), utilizando para ambos o valor de 1,8 como limiar.

Em seguida, foram realizadas, com base nas áreas de treinamento identificadas em campo

e descritas acima, processos de classificação supervisionada (utilizando os algoritmos da Máxima Verossimilhança e de Mahalanobis) e não supervisionada (Isodata e K medias).

6

5. Resultados 5.1 Separabilidade espectral A Figura 4 mostra a resposta espectral na forma de valores de cinza ou digital numbers (DN) nas 7 bandas espectrais do sensor Landsat TM das nove áreas infestadas pelo amarelinho. Percebe-se que o resultado é bastante homogêneo com exceção das áreas 25 e 28 que mostram valores maiores do que as demais áreas de teste nas respostas nas bandas 4 e 5.

0,00

20,00

40,00

60,00

80,00

100,00

120,00

140,00

160,00

1 2 3 4 5 6 7Bandas

Valo

res

de c

inza

área 12área 21área 25área 28área 40área 41área 43área 45área 5

Figura 4: Resposta espectral de áreas infestadas por amarelinho nas 7 bandas TM.

Por esta razão, as duas áreas foram excluídas dos procedimentos seguintes, uma vez que dificultam a classificação das imagens, que é baseada em cálculos de similaridade, a partir de média e desvio padrão das áreas de treinamento. A Figura 5 mostra o comportamento espectral dos demais temas nas sete bandas do sensor TM da mesma imagem (área urbana, terra nua, floresta, cultura anual, pasto e água). Embora a curva espectral do amarelinho seja distinta das outras classes, ela está muito próxima da das culturas anuais e das pastagens e mostra, assim, uma resposta espectral similar com a das áreas destas duas classes. A maior dificuldade provavelmente residirá na distinção destes três temas.

7

Figura 5: Resposta espectral das classes temáticas analisadas nas sete bandas Landsta TM.

A análise da separabilidade dos temas através dos índices Jeffries-Matusita e Divergência Transformada (RICHARDS, 1993), utilizando para ambos o valor de 1,8 como limiar, mostra a mesma tendência (Tabela 2). Existe separabilidade entre amarelinho e área urbana, terra nua, floresta e água, porem há dificuldade de discernir amarelinho de culturas anuais e pastagens. Tabela 2: Valores do Índice Jeffries-Matusita e da Divergência Transformada para as áreas de treinamento com amarelinho em comparação com os demais temas. Tema Índice Jeffries-Matusita Divergência Transformada Área urbana 1,9983 2,0000 Terra nua 1,9670 1,9994 Floresta 1,9182 1,9791 Cultura anual 1,4107 1,7875 Pasto 1,3140 1,4863 Água 2,0000 2,0000

Os demais temas também mostraram separabilidade entre eles, o que facilitará a correta classificação da imagem. 5.2 Índices de vegetação A partir das bandas originais da imagem Landsat foram geradas bandas sintéticas contendo os Indicies de vegetação NDVI e NDVIMIR. Destas bandas foram extraídos e comparados média e desvio padrão dos valores de cada classe temática. Na Tabela 3 constam os respectivos valores médios de NDVI e NDVIMIR:

8

Tabela 3: Valores de NDVI e NDVI MIR por classe temática na imagem Landsat-5 TM de 21/03/2004. Classe temática NDVI NDVI MIR

Amarelinho 0,6804 0,1807 Terra nua 0,3635 -0,0680 Cultura anual 0,6638 0,1932 Urbano 0,1729 -0,1790 Floresta 0,7306 0,3107 Pasto 0,6309 0,1932 As Figuras 6 e 7 trazem os valores com os seus respectivos desvios-padrão. Fica clara a sobreposição dos valores das áreas com amarelinho principalmente com as culturas anuais e pastagens.

NDVI por classe temática

0,00,10,20,30,40,50,60,70,80,9

1Classe temática

Amarelinho

Terra nua

Cultura anual

Urbano

Floresta

Pasto

Figura 6: Média e desvio-padrão de NDVI por classe temática.

Figura 7: Média e desvio-padrão de NDVI MIR por classe temática.

MIR-NDVI por classe temática

-0,4-0,3-0,2-0,10,00,10,20,30,4

1

Classe temática

Amarelinho

Terra nua

Cultura anual

Urbano

Floresta

Pasto

9

5.3 Transformação Tasseled Cap e Componentes Principais

Os resultados da aplicação da transformação Tasseled Cap não mostram uma nítida diferenciação entre os temas amarelinho, cultura, floresta e pasto, como consta na Tabela 4. Tabela 4: Valores de brightness, greenness e third da transformação Tasseled Cap para os temas analisados, extraídos das seis bandas da imagem Landsat de 21/03/2004. Temas Bandas

Água Amare-linho

Cultura Floresta Pasto Terra nua

Urbano

Brightness 96,75 157,02 163,83 132,13 169,63 164,80 172,79Greenness -38,94 54,20 62,21 49,02 54,75 19,11 1,48Third -32,96 -66,34 -65,93 -53,37 -72,14 -78,16 -80,17 A análise dos componentes principais, por sua vez, mostrou resultados apresentados na Tabela 5. Embora as regiões de interesse do amarelinho apresentem padrão, de certa forma, diferente dos demais temas, não existe separabilidade clara entre os temas no que se refere às três componentes principais, como mostra a Tabela 6: existe separabilidade de amarelinho em relação à floresta e terra nua, mas não em relação a culturas e pastagens, considerando como limiar 1,8 tanto para os valores do Índice Jeffries-Matusita como para os da Divergência Transformada. Tabela 5: Valores das três componentes principais dos temas analisados extraídos das seis bandas da imagem Landsat de 21/03/2004. Temas Componentes

Água Amare-linho

Cultura Floresta Pasto Terra nua

Urbano

1 -119,00 -5,69 4,59 -23,41 1,63 -31,08 -41,442 34,49 6,32 4,93 31,31 -6,93 -25,61 -47,043 -19,22 1,31 -1,57 1,96 0,60 0,46 -41,86

Tabela 6: Valores do Índice Jeffries-Matusita e da Divergência Transformada para as áreas de treinamento com amarelinho em comparação com os demais temas. Tema Índice Jeffries-Matusita Divergência Transformada Área urbana 1,9609 1,9995 Terra nua 1,9279 1,9653 Floresta 1,8523 1,9267 Cultura anual 0,7542 0,9965 Pasto 0,8258 0,8631 5.4 Classificação supervisionada Com base nas áreas de treinamento cadastrados em campo foram realizados os procedimentos de classificação. A classificação supervisionada da imagem, com classificador MaxVer, mostrou, de longe, os resultados mais coerentes. Para avaliar a qualidade do procedimento foi construída uma matriz de confusão a partir das próprias áreas de treinamento, isto quer dizer: comparou-se a classificação com a verdade terrestre registrada na ocasião da instalação das áreas de treinamento. Perguntou-se, desta maneira, se o classificador MaxVer conseguia classificar, de forma correta, pelo menos as próprias áreas de treinamento, com as informações disponíveis a

10

ele. Embora a acurácia geral da classificação (90,97%), isto é a soma de todos os pixels corretamente classificadas em relação ao numero total de pixels analisados, e o coeficiente kappa sejam altos (0,8695), os resultados de cada classe temática têm que ser analisados separadamente e apresentam grandes diferenças. De acordo coma a Tabela 7, as áreas de treinamento totalizam 4388 pixels, dos quais 126 de áreas com amarelinho. A diagonal principal da matriz mostra o número de pixels corretamente classificados de cada classe temática. Na Tabela 8 constam os valores relativos que permitem avaliar o grau de acerto (acurácia) da classificação. Fica evidente que 22 dos 126 pixels de áreas com amarelinho não foram corretamente agrupados. Por outro lado, algumas áreas de pastagem (23 pixels), culturas anuais (63 pixels), florestas (13 pixels) e áreas urbanas (2 pixels) foram erroneamente reconhecidas como amarelinho pelo classificador e atribuídas a esta classe. Quatorze pixels, ou 0,32% do total, não foram atribuídos a nenhum grupo por não mostrarem similaridade espectral com nenhum tema. Tabela 7: Matriz de confusão da classificação MaxVer (em números de pixels). Realidade terrestre Classe temática

Amare-linho

Área Urbana

Terra nua

Flo-resta

Cultura anual

Pasto Água Total

área não classificada 0 12 0 0 0 0 2 14 Amarelinho 104 2 0 13 63 23 0 205 Área Urbano 0 2156 125 0 4 0 0 2285 Terra nua 0 12 91 0 5 1 0 109 Floresta 1 0 0 440 1 0 0 442 Cultura 11 25 46 0 356 32 0 470 Pasto 10 0 0 0 8 256 0 274 Agua 0 0 0 0 0 0 589 589 Total 126 2207 262 453 437 312 591 4388 Desta forma, o acerto no que se refere à classificação das áreas de amarelinho é de 82,54%, o que pode ser considerado um resultado satisfatório, apenas 17,46% das áreas de amarelinho não foram reconhecidas como tais e representam a omissão para esta classe (Tabela 9). A comissão, por sua vez, para a classe amarelinho é muito alta: 49,27% de todos os pixels atribuídos a esta classe na verdade pertencem a outros temas (63 pixels são culturas anuais e 23 pixels são pastagens). Assim a acurácia do produtor é de 82%, mas do ponto de vista do usuário é de apenas 50% (Tabela 9). Tabela 8: Matriz de confusão da classificação MaxVer (em percentagem). Realidade terrestre Classe temática

Amare-linho

Área Urbana

Terra nua

Flo-resta

Cultura anual

Pasto Água Total

área não classificada 0 0,54 0 0 0 0 0,34 0,32 Amarelinho 82,54 0,09 0 2,87 14,42 7,37 0 4,67 Área Urbano 0 97,69 47,71 0 0,92 0 0 52,07Terra nua 0 0,54 34,73 0 1,14 0,32 0 2,48 Floresta 0,79 0 0,00 97,13 0,23 0 0 10,07Cultura 8,73 1,13 17,56 0 81,46 10,26 0 10,71Pasto 7,94 0 0 0 1,83 82,05 0 6,24 Agua 0 0 0 0 0 0 99,66 13,42Total 100 100 100 100 100 100 100 100

11

Tabela 9: Comissão, omissão e acurácia da classificação MaxVer (em percentagem). Classe temática

Comissão Omissão Acurácia (produtor)

Acurácia (usuário)

Amarelinho 49.27 17.46 82.54 50.73 Área Urbano 5.65 2.31 97.69 94.35 Terra nua 16.51 65.27 34.73 83.49 Floresta 0.45 2.87 97.13 99.55 Cultura 24.26 18.54 81.46 75.74 Pasto 6.57 17.95 82.05 93.43 Agua 0.00 0.34 99.66 100.00 Total 100 100 6. Considerações finais

Os resultados até agora obtidos permitem concluir o que segue, no que se refere à perguntas de pesquisa propostas:

1) áreas infestadas com amarelinho (Tecoma stans) mostram uma curva de

reflectância distinta, porém muito próximo da de outros temas e assim um comportamento espectral similar ao de pastagens e culturas anuais; isto ocorre provavelmente por não apresentarem povoamentos “puros” da planta invasora, mas também restos de pastagens e um conjunto de outras plantas nativas;

2) a maior confusão existe entre amarelinho e culturas anuais, que foram trabalhadas como um único tema, embora estas sejam representadas por culturas muito diferentes como milho, soja, girassol, trigo e cana-de-açucar. A separação por cultura agrícola terá que ser feita para tornar reconhecíveis as áreas de amarelinho;

3) a aplicação dos índices de vegetação NDVI e NDVIMIR , bem como das transformações Componentes Principais e Tasseled Cap, não contribuiu substancialmente à melhoria da distinção entre as classes amarelinho, culturas anuais e pastagens;

4) a acurácia de produtor, resultado de classificação supervisionado com o classificador MaxVer, é satisfatória; o alto percentual de comissão e a conseqüente baixa acurácia de usuário, no entanto, causadas pela confusão com culturas agrícola e pastagens, impossibilitam, até o presente momento, o uso da classificação para detecção das áreas infestadas pelo amarelinho nos quatro municípios estudados.

5) o estudo mostrou o potencial das imagens Landsat para o objetivo proposto; não foram detectadas diferenças significativas nas imagens de diferentes épocas do ano; imagens da época da floração do amarelinho não estavam disponíveis;

6) recomenda-se o aprofundamento de pesquisas sobre o tema, porque este estudo preliminar deixar parecer que o reconhecimento correto das áreas de amarelinho via recursos de sensoriamento remoto é possível;

7) recomenda-se especificamente: retomar e detalhar os trabalhos de campo, levando notebook com a imagem carregada e localizar áreas de treinamento direto com uso de GPS acoplado; poligonizar diretamente em campo as áreas nos respectivos arquivos de imagens; estratificar as áreas de amarelinho conforme grau de infestação; aumentar o numero de áreas de treinamento; levantar um número

12

expressivo de áreas de outras culturas anuais; aplicar e refinar a análise do comportamento espectral via histograma área por área e posteriormente por tema; analisar novamente separabilidade e matriz de confusão; retornar a campo após a execução de classificação supervisionada para aferição dos resultados; incluir imagens CBERS-2 nos procedimentos.

8) após realização destes procedimentos poderão ainda ser usados imagens com resolução espectral e espacial maior.

7. Referências bibliográficas ANDREAZZA, C.J. Perspectivas de utilização de Prospodium appendiculatum (Wint.) Arth. (Uridenales: Pucciniaceae) no controle biológico de Tecoma stans (L.) Juss. ex Kunth (Bignoniaceae). 2004. 109f. Dissertação (Mestrado em Engenharia Ambiental) - Universidade Regional de Blumenau, Blumenau, 2004. BREDOW, E., A.; PEDROSA-MACEDO, J.H.; VITORINO, M.D. Amarelinho Tecoma stans (L.) Jussieu ex. Kunth (Bignoniaceae) – uma ornamental multiuso ou plástica invasora. In: PEDROSA-MACEDO, J.H. ; BREDOW, E., A. Princípios e Rudimentos do Controle Biológico de Plantas: Coletânea. Curitiba: [s.n.], 2004, p. 51-106. FURB, UFPR, UEL. Plano de Manejo do amarelinho (Tecoma stans). Universidade Estadual de Londrina/IAPAR. 2004, 220p. KARNIELI, A., KAUFMAN, Y. J. , REMER, L. , et al. AFRI - aerosol free vegetation index. Remote Sensing of Environment., New York, v. 77, p. 10-21, 2001. KRANZ, W.M.; PASSINI, T. Amarelinho : Biologia e Controle. Informe da Pesquisa, IAPAR, Londrina – PR, ano XVII, n.º 121, 19 p., 1997. LILLESAND, T.M., KIEFER, R.W. Remote Sensing and Image Interpretation. 4. ed. New York: John Wiley, 2000. 724p. MELLO, J. de. Bignoniaceae Paulistas. Arquivos do Museu Paranaense, Curitiba, v. 9: 22-29, 1952. NOVO, E.M.L.de M. Sensoriamento Remoto. Princípios e aplicações. 2. ed. São Paulo: Edgard Blücher, 1992. 308p. PEDROSA-MACEDO, J.H. ; BREDOW, E., A. Princípios e Rudimentos do Controle Biológico de Plantas: Coletânea. Curitiba: [s.n.], 2004, 197p. RICHARDS, J.A. Remote sensing digital image analysis: an introduction. 2. ed. Berlin: Springer-Verlag, 1993. 340p. RENÓ, L.R. Propagação vegetativa e fenologia de Tecoma stans (L.) Kunth – (Bignoniaceae). In: PEDROSA-MACEDO, J.H. ; BREDOW, E., A. Princípios e Rudimentos do Controle Biológico de Plantas: Coletânea. Curitiba: [s.n.], 2004, p. 107-112. VITORINO, M.D.; PEDROSA-MACEDO, J.H. Plantas Indesejáveis – O Brasil precisa despertar para o controle biológico. VII Simpósio de Controle Biológico, Poços de Caldas – MG, p. 360, 2001.

13