IMAGENS DE ALTA RESOLUÇÃO CBERS - 2B/HRC APLICADAS

À CARACTERIZAÇÃO URBANA DE ALFENAS – MG

Discente: Bruno de Oliveira Souza

Prof. Dr. Fernando Shinji Kawakubo (Orientador)

Alfenas – MG, março de 2013

UNIVERSIDADE FEDERAL DE ALFENAS. UNIFAL-MG

INSTITUTO DE CIÊNCIAS DA NATUREZA

CURSO DE GEOGRAFIA Rua Gabriel Monteiro da Silva, 700

Centro - Alfenas/MG CEP: 37130-000

Telefone: (35) 3299-1000/1419/1448/1457

BRUNO DE OLIVEIRA SOUZA

IMAGENS DE ALTA RESOLUÇÃO CBERS - 2B/HRC APLICADAS

À CARACTERIZAÇÃO URBANA DE ALFENAS – MG

Monografia apresentada à disciplina TCC 2 do

curso de Geografia – Bacharelado da Universidade

Federal de Alfenas – UNIFAL – MG.

Orientador: Prof. Dr. Fernando Shinji Kawakubo

Alfenas – MG, março de 2013

3

Sumário

1 – Introdução …………………………………………………………........….………… 4

2 – Objetivos ………………………………………………………………........….….….. 6

3 – Revisão Bibliográfica ………………………..........................……………...….......... 7

4 - Caracterização da área de estudo…….…………...............................…............…... 14

5 – Materiais e Métodos .........………………………………........………………......… 15

6 - Resultados e discussão …………………………………………..........….......…………...…. 17

7 – Conclusão ……………………………………………………………….........................…… 22

Referências bibliográficas ………………………………………………..........…..……............ 23

1. Introdução

De acordo com o censo demográfico de 2010, a população brasileira é 190.755.799

habitantes, sendo que 84,4% desta população concentram-se em áreas urbanas (IBGE,

2010). Adicionalmente, tem-se ainda a ausência de políticas públicas e planejamento

urbano eficazes, o que provoca em grande parte das cidades brasileiras problemas

relacionados a moradias, tratamento de esgoto, poluição, congestionamentos, transporte

público, serviços de saúde e educação, dentre outros.

Uma das formas de amenizar os problemas urbanos é compreender como a população

está distribuída no perímetro urbano. O conhecimento da realidade, e do contexto social

em que esta população se insere, constitui uma importante ferramenta para o

planejamento urbano.

Localizada no sul do estado de Minas Gerais, a cidade de Alfenas conta com uma

população de 73.774 habitantes (IBGE, 2010). Dados do censo demográfico 2010,

mostram que 93,8% desta população reside em áreas urbanas. Considerada um dos mais

importantes centros produtores de café do país, e também um polo educacional e de

saúde, a cidade indica o princípio de apresentar problemas típicos da crescente

urbanização e que ainda não são bem compreendidos.

De outro lado, o grande avanço registrado nos últimos anos na área do Sensoriamento

Remoto, evidenciado pelo constante desenvolvimento de sensores com resoluções cada

dia maiores, tem tornado possível à realização de um número cada dia maior de estudos

que têm por objetivo a caracterização dos diferentes tipos de usos do solo interurbano,

sendo estes fundamentais para a tomada de decisões quando o assunto tratado é o

planejamento urbano.

Diante da problemática suscitada e da disponibilidade de ferramentas que auxiliam na

compreensão da organização espacial urbana, tem-se uma forma pertinente de

compreender a dinâmica sócio-espacial da cidade de Alfenas. Ademais, a manipulação

de ferramentas como imagens de sensoriamento remoto, aplicativos para o

processamento digital de imagens e a estruturação de um banco de dados geográficos

em um ambiente SIG (Sistema de Informação Geográfica) estão diretamente

5

relacionados às competências profissionais do geógrafo. Neste sentido, o estudo

apresentado é a aplicação de uma técnica comumente utilizada para o estudo de

ambientes urbanos e que também pode ser aplicado em estudos que requerem qualquer

tipo de análise em escala de detalhe.

2. Objetivos

2.1 Objetivo Geral

Aplicar a técnica de fusão em imagens do satélite CBERS-2B a fim de verificar sua

aplicabilidade na descrição em detalhes de ambiente urbanos.

2.2 Objetivos Específicos

- aplicar a técnica de fusão em imagens CBERS-2B provenientes dos sensores HRC

(Câmera Pancromática de Alta Resolução) e CCD (Câmera Imageadora de Alta

Resolução);

- classificar através de imagens de satélite (CBERS-2B) e fotografias aéreas, os

diferentes tipos de coberturas residenciais e comerciais, espacializados na zona urbana

do Município de Alfenas – MG;

- elaborar um mapa de espacialização, dos tipos de coberturas residenciais e comerciais

encontrados.

7

3. Revisão Bibliográfica

3.1 Sensoriamento remoto

Definido por diferentes formas no decorrer da história, o sensoriamento remoto pode ser

entendido como a utilização de sensores, scanners, lasers, instalados em aeronaves,

espaçonaves, satélites, destinados à obtenção de informações da superfície terrestre

através do registro das interações entre a energia da radiação eletromagnética (REM) e

os elementos componentes da superfície terrestre, sem que haja contato físico

(JENSEN, 2009).

A compreensão desta definição está esquematizada na figura1. No centro do triângulo,

tem-se a radiação eletromagnética, elemento de ligação entre os componentes que se

encontram nos vértices. A fonte representa o elemento que emite a REM. O Sol é a

principal fonte de REM, mas a Terra também pode ser para os sensores passivos que

atuam na região do infravermelho termal, bem como as antenas de micro-ondas para os

sistemas ativos de radar. Já, o sensor é o instrumento que coleta e registra a REM

refletida ou emitida pelo alvo ou objeto, que representa o elemento do qual se pretende

extrair informação.

Figura 1 - Esquema representativo dos principais elementos que constituem as técnicas

de sensoriamento remoto.

No caso do sensoriamento remoto óptico, a REM emitida pelo Sol é o elemento

fundamental. Propagando pelo espaço em diferentes intensidades, conforme seu

comprimento de onda ( ), a REM captada pelos sensores ópticos contempla as faixas

espectrais que compreendem as regiões do visível (0,4 µm – 0,70 µm), infravermelho

próximo (0,70 µm – 1,3 µm) e infravermelho médio (1,3 µm – 3,0 µm), e refletem a

interação entre a REM e o objeto da superfície (LILLESAND E KIEFER, 1994).

Entretanto, no trajeto percorrido pela REM emitida pelo Sol deve-se considerar a

influência direta dos diferentes componentes da atmosfera. Tal influência é ilustrada

pelas curvas da figura 2, que descrevem a irradiância solar no topo da atmosfera e a

irradiância solar ao nível do mar. Nota-se que em algumas porções do espectro

eletromagnético (área sombreada) ocorre a absorção da REM proveniente do Sol.

Nessas áreas a atmosfera comporta-se de forma opaca e barra totalmente ou

parcialmente a REM que propaga no espaço, impedindo sua interação com os objetos da

superfície. Já, nas porções do espectro eletromagnético onde se encontra as

denominadas “janelas atmosféricas”, há efetivamente a transmissão da energia

incidente, promovendo a interação entre a REM e os objetos da superfície. É no

intervalo, dessas janelas atmosféricas que o sensoriamento remoto óptico opera

(JENSEN, 2009).

Figura 2 - Intensidade do fluxo radiante emitido pelo Sol e a influência dos constituintes

atmosféricos sobre a REM. Fonte: Jensen, (2009) (Adaptado).

Ao interagir com o objeto, a REM pode ser refletida, absorvida e/ou transmitida. A

proporção de energia refletida, absorvida e transmitida varia de acordo com as

peculiaridades do objeto (tipo de material e condição) e de acordo com os diferentes

comprimentos de onda. Como a porção refletida é a parte captada pelo sensor óptico

orbital, esta se torna o objeto de estudo. A fração refletida ao longo do espectro

eletromagnético define o comportamento espectral do objeto e permite a extração de

informações que representem suas propriedades físico-químicas. Salienta-se que,

processos de espalhamento e absorção decorrentes dos constituintes atmosféricos

podem alterar as informações que o sensor registra. Consequentemente, as imagens não

representarão fidedignamente as propriedades dos objetos (LILLESAND E KIEFER,

1994).

9

3.2 Sensoriamento remoto aplicado ao estudo de áreas urbanas

O acelerado crescimento das cidades, muitas vezes ocorrido de maneira desordenada,

tem resultado em uma demanda cada dia maior por informações precisas e atualizadas a

respeito da infraestrutura urbana, por parte de gestores públicos e pesquisadores.

Segundo Jensen (2009), informações urbanas detalhadas são solicitadas por:

- conselhos de regiões, prefeituras e subprefeituras que: a) elaboram dispositivos legais

de zoneamento para melhorar a qualidade de vida em áreas urbanizadas e b)

encarregam–se de modelar ou prever a localização do crescimento urbano futuro;

- servidores vinculados à arrecadação imobiliária, os quais devem manter cadastros de

imóveis com a descrição geográfica detalhada de cada lote, determinar seu valor venal e

o respectivo percentual a ser aplicado para a cobrança de tributos;

- companhias públicas e privadas de infraestrutura (água, esgoto, eletricidade, telefonia,

conexões a cabo) que necessitam prever onde novas demandas ocorrerão e planejar

métodos eficientes e de baixo custo para o crescimento da oferta de serviços;

- secretárias estaduais e municipais de turismo e meio ambiente, e departamentos de

parques e áreas verdes, encarregados de melhorar instalações recreacionais; e

- empreendedores e incorporadores imobiliários, que constroem instalações industriais,

comerciais e áreas residenciais. Para a realização de estudos que tem por objetivo a

análise e interpretação de elementos presentes na superfície terrestre a partir de produtos

gerados por sensores remotos, a compreensão dos conceitos de resolução espectral,

espacial e temporal, torna-se indispensável. Para tanto, traremos aqui, resolução

espectral, como a capacidade de distinção dos diferentes elementos presentes na

superfície e/ ou objeto de acordo com o número e a largura das bandas espectrais

presentes em um sensor. Quanto maior for o número de bandas e menor a largura do

intervalo de comprimento de onda, maior será a resolução espectral de um sensor

(CRÓSTA, 1992). Resolução espacial é a proporção de medidas entre a superfície real e

o produto gerado pelo sensor remoto, onde, quanto menor for a proporção métrica entre

a superfície real e o produto gerado pelo sensor (superfície imageada), maior será a

capacidade de distinção dos elementos presentes na cena. Consequentemente, melhor

será a qualidade do produto final (interpretação de imagens, mapeamentos, criação de

modelos digitais de elevação, etc). Resolução temporal, como o intervalo de tempo

levado para que um determinado sensor volte a imagear a mesma área. Segundo Jensen

(2009), para a classificação de uso e cobertura do solo urbano nos níveis 3º e 4º do

USGS (Serviço Geológico dos Estados Unidos da América) são necessárias imagens

multi-espectrais com uma resolução temporal de pelo menos 3 a 5 anos e resolução

espacial superior a 5 metros (< 5 m), conforme mostrado no tabela 1.

Tabela 1: Relação entre os atributos urbanos/ periurbanos e as resoluções mínimas de

sensores remotos para o fornecimento desses dados (adaptado de Jensen, 2005).

Atributos Temporal Espacial

Uso - Cobertura da Terra

Nível I USGS 5 – 10 anos 20 – 100 m

Nível II USGS 5 – 10 anos 5 – 20 m

Nível III USGS 3 – 5 anos 1 – 5 m

Nível IV USGS 1 – 3 anos 0,25 – 1 m

Além das imagens multiespectrais de alta resolução, as imagens pancromáticas de alta

resolução também são uma importante ferramenta em estudos urbanos. Diante este fato,

imagens do satélite sino-brasileiro CBERS-2B, com resolução espacial de 2,7 m em sua

Câmera Pancromática de Alta Resolução (HRC - High Resolution Camera), tem se

mostrado uma opção eficaz e acessível para a realização de estudos que tem por

objetivo a caracterização de ocupações intra-urbanas. Estudos, como os de LEONARDI

(2009) e ANAZAWA (2009), alcançaram bons resultados em aplicações aos núcleos

urbanos de Mauá – SP e São Sebastião – SP.

3.3 CBERS

Os satélites do Programa CBERS (China Brazil Earth Resources Satellite - Satélite

Sino-Brasileiro de Recursos Terrestres) resultam do acordo assinado em 22 de agosto de

1988, entre a Academia de Tecnologia Espacial da China (CAST) e o Instituto Nacional

de Pesquisas Espaciais (INPE). O programa CBERS até o momento promoveu o

lançamento de três satélites: CBERS-1, CBERS-2 e CBERS-2B, colocados em órbitas

respectivamente nos anos de 1999, 2003 e 2007.

Os dois primeiros satélites CBERS apresentam as mesmas características técnicas e

cargas úteis, com três câmeras: CCD (Câmera Imageadora de Alta Resolução), WFI

(Câmera Imageadora de Amplo Campo de Visada) e IRMSS (Imageador por Varredura

11

de Média Resolução). Já, no CBERS-2B instalou-se uma câmara de alta resolução, a

HRC, que produz imagens com 2,7 metros de resolução espacial, em substituição a

IRMSS, e foram mantidas as câmaras CCD (Tabela 2), com resolução espacial de 20

metros e WFI com 250 metros de resolução. O satélite possui órbita heliossíncrona a

uma altitude de 778 Km, e perfaz 14 revoluções por dia. Nesta órbita, o satélite cruza o

Equador no sentido norte-sul sempre na mesma hora local, 10h30min da manhã. Isto

permite a obtenção de imagens nas mesmas condições de iluminação solar (mesma hora

solar) para a comparação de imagens tomadas em dias diferentes. O sensor CCD obtém

a cobertura da Terra em 26 dias. Esse é o tempo necessário para se ter imagens de todo

o globo terrestre com suas câmeras CCD e IRMSS, que possuem campos de visada de

113 Km a 120 Km, respectivamente. Já, com a câmera WFI, obtêm-se cenas com uma

faixa de 890 km de largura e o tempo necessário para a cobertura global é de cinco dias.

Tabela 2: Características da Câmera Imageadora de Alta Resolução CCD

Bandas espectrais

0,51 – 0,73 µm (pan)

0,45 – 0,52 µm (azul)

0,52 – 0,59 µm (verde)

0,63 – 0,69 µm (vermelho)

0,77 – 0,89 µm (infravermelho próximo)

Campo de Visada 8,3°

Resolução espacial 20 x 20 m

Largura da faixa imageada 113 Km

Capacidade de apontamento do espelho ±32°

Resolução temporal 26 dias com visada vertical

(3 dias com visada lateral)

Frequencia da portadora de RF 8103 MHz e 8321 MHz

Taxa de dados da imagem 2 x 53 Mbit/s

Potência Efetiva Isotrópica Irradiada 43 dBm

Fonte: http://www.cbers.inpe.br/?content=cameras1e2e2b

3.4 Técnicas de Processamento digital de imagem

Diante da dificuldade do sistema visual humano de processar o enorme volume de

dados presentes em imagens geradas por sensores remotos, as técnicas de

processamento digital de imagens (PDI) têm por objetivo facilitar a identificação,

extração e realce, das informações de interesse presentes em uma determinada imagem.

De modo geral, o PDI busca remover as barreiras ou dificuldades que o sistema visual

humano possui, facilitando assim a extração da informação a partir das imagens de

sensoriamento remoto (CRÓSTA, 1992). Dessa forma, considera-se o PDI, uma etapa

quase sempre obrigatória para a execução de trabalhos focados na interpretação de

imagens de sensoriamento remoto.

Com o crescente desenvolvimento dos sistemas computacionais verificado nas últimas

décadas, os métodos digitais tornaram-se mais precisos e eficazes. Aliado a esse

desenvolvimento e a queda dos preços de computadores e periféricos, os sistemas de

processamento digital de imagens vêm se tornando cada dia mais acessíveis, estando

presentes em escolas, universidades, pequenas empresas e órgãos públicos.

3.4.1 Registro

O registro de imagens tem por objetivo, identificar em imagens diferentes, pontos

referentes às mesmas áreas. Essa identificação se faz necessária quando um determinado

estudo tem em suas bases, a análise comparativa entre imagens produzidas por sensores

diferentes, e/ou também em datas diferentes. Uma vez que, mesmo em um sensor a

bordo de um mesmo satélite, dificilmente irá ocorrer coincidência entre os pixels,

devido às distorções não sistemáticas causadas pelos movimentos do satélite (CRÓSTA,

1992).

3.4.2 Fusão

A técnica de PDI denominada fusão, tem por objetivo melhorar a resolução espacial da

imagem (Fonseca, 2000). As técnicas de fusão possibilitam integrar a melhor resolução

espacial da banda pancromática com a melhor resolução espectral das demais bandas,

produzindo imagem colorida que reúne ambas as características. Dentre alguns

exemplos de técnicas de fusão, citam-se:

13

- Intensidade-Matiz-Saturação (IHS);

- Transformação de Brovey;

- Transformação Wavelet;

- HSV - Hue, saturation, value. (MATHER, 2004).

4. Caracterização da área de estudo

A área de estudo contempla o núcleo urbano da cidade de Alfenas (Figura 3) - MG. O

município de Alfenas/MG localiza-se na Macro Região Sul/Sudeste de Minas Gerais.

Inserida na bacia hidrográfica do Rio Grande, Alfenas possui uma área de 848,32 km² e

está a uma altitude de 855 m em relação ao nível do mar, sendo banhada pela Usina

Hidrelétrica de Furnas.

Figura 3: Localização da área de estudo, município de Alfenas/MG. Imagem do CBERS

2B/CCD, Composição R (3) G (4) B (2).

15

5. Materiais e métodos

5.1 Materiais

Para a execução do projeto foram utilizadas imagens do satélite sino-brasileiro CBERS

– 2B. Selecionaram-se imagens dos sensores CCD e HRC. A primeira possui resolução

espacial de 20 metros e contempla as faixas espectrais do azul, verde, vermelho e

infravermelho próximo. A segunda imagem possui resolução espacial de 2,7 metros em

sua faixa pancromática. As imagens são datadas de 14/06/2008 e 28/03/2008,

respectivamente. A cena foi obtida do catálogo de imagens do Instituto Nacional de

Pesquisas Espaciais (INPE) no endereço eletrônico http://www.dgi.inpe.br/CDSR/.

Também foram utilizadas fotografias aéreas na escala aproximada de 1:6000, datadas de

2006. Para a elaboração dos mapas utilizamos os softwares Ilwis e Spring 5.2.

5.2 Métodos - processamento das imagens

A técnica utilizada para o processamento das imagens baseou-se na fusão. Esta baseou-

se na no método HSV (hue - matiz, saturation – saturação e value - valor), também

conhecido como IHS (intensity – intensidade, hue - matiz, saturation - saturação),

conforme consta no Manual do usuário do ENVI. Neste técnica três bandas de um

sensor de baixa resolução espacial dispostas no espaço de cor RGB são transformadas

em três bandas no espaço de cores IHS (JENSEN, 2005). Pormenorizadamente, a matiz

refere-se a cor pura dominante percebida (vermelho, amarelo, azul, etc.). A saturação é

quanto a cor pura dominante (matiz) é diluída pela luz branca e intensidade é a

quantidade de luz refletida (claro/escuro) (MOREIRA, 2011).

Dessa forma, aliou-se a melhor resolução espacial (2,7 m) da imagem pancromática do

sensor HRC, com as propriedades espectrais das bandas do sensor CCD, com resolução

de 20 m. O resultado é uma imagem colorida com a resolução espacial da imagem

pancromática, neste caso, 2,7 m. O procedimento foi realizado no aplicativo ENVI,

versão 4.5. O processo de fusão exige que as imagens estejam georeferenciadas ou co-

registradas entre si. Neste trabalho, optou-se por co-registro entre as cenas CCD e a

HRC, que neste caso empregou 40 pontos de controle. Após o procedimento de fusão,

efetuou-se o georeferenciamento das cenas a partir de uma imagem RAPIDEYE, a qual

é ortoretificada e com resolução do pixel de 5 m. Após a transformação do espaço RGB

para o espaço HSV, substituímos o valor da banda V (Value) pela imagem pancromática

de alta resolução HRC. Na reamostragem utilizou-se o método do vizinho mais

próximo, onde o pixel reamostrado assume o valor daquele mais próximo do seu centro.

Como produto final, obtemos uma imagem de alta resolução espacial, dotada de

características espectrais.

5.3 Mapeamento das coberturas residenciais e comerciais

O mapeamento de coberturas residenciais foi realizado a partir de classificação visual da

imagem HRC fusionada. Para auxiliar nesta tarefa, procedeu-se também com a

interpretação visual das imagens do Google Earth, datadas de 2003 e das fotografias

aéreas na escala 1:6000 e datadas de 2006. Definiram-se cinco classes de mapeamento:

1) telhados com telhas de cerâmica, 2) telhados com telhas de fibrocimento, 3) áreas

mistas (telhas de cerâmica e fibrocimento), 4) telhados com telhas metálicas e 5) vazios

urbanos. A partir das imagens do Google Earth e fotografias aéreas, também se efetuou

o mapeamento das piscinas presentes na área urbana de Alfenas.

17

6. Resultados e discussão

A imagem fusionada apresentou boa qualidade visual o que facilitou a identificação e o

delineamento dos diferentes tipos de uso e cobertura do solo presentes na área de estudo

(Figura 4).

Figura 4 – Resultado do procedimento de fusão. A) Imagem CBERS/HRC

pancromática. B) Imagem CBERS/CCD em composição RGB 243. C) Imagem

fusionada CBERS/HRC.

A identificação dos alvos nas imagens fusionadas foi facilitada devido à melhora na

resolução espacial. Observam-se claramente a distinção dos alvos como pastagem,

canais fluviais, fragmentos de florestas, tipos de coberturas residenciais e diferentes

tipos de cultivos (Figura 5).

Figura 5 – Comparação de diferentes áreas em imagem CCD e HRC. A, C, E e G

(Imagens do sensor CCD). B, D, F e H (Áreas correspondentes às ilustradas na imagem

fusionada HRC). Notar a melhora na distinção dos alvos nas imagens fusionadas.

19

A melhora na interpretação visual dos alvos devido à resolução espacial ampliou a

capacidade de distinguir os alvos. Nota-se com maior nitidez a presença de estradas,

residências (inclusive distribuídas esparsamente), fragmentos florestais (incluindo-se

árvores distribuídas isoladamente), tipos de culturas agrícolas, dentre outras.

Quanto à utilização da imagem fusionada com o amparo de outros dados como

fotografias aéreas e imagens de alta resolução do Google Earth também permitiram a

classificação visual dos tipos de coberturas (telhados) presentes nas construções e seus

respectivos padrões de ocupação (Figura 6). As áreas de telhados com telhas de

cerâmica concentram-se na porção centro-sul e sudeste da área urbana de Alfenas.

Demais áreas também são observadas na parte centro-norte e em bairros periféricos.

Áreas com telhados de telha de fibrocimento concentram-se margeando as áreas

centrais. Áreas com telhados mistos encontram-se dissipados no núcleo urbano.

Telhados com estruturas metálicas são observados principalmente na área periférica, em

locais destinados especificamente para a alocação de indústrias. As áreas de vazios

urbanos também são identificadas dissipadas em diferentes porções da área urbana, mas

concentram-se nas áreas periféricas.

Figura 6 – Distribuição dos tipos de coberturas (telhados) presentes na área urbana de

Alfenas – MG.

A concentração de coberturas do tipo telhas de cerâmica localiza-se em áreas

residenciais centrais, bem como os bairros Jardim Aeroporto e Jardim São Carlos,

localizados na porção sudeste e centro norte da cidade. Estes locais são considerados

pela população de Alfenas como bairros cujos moradores possuem melhor condição

socioeconômica. Este tipo de cobertura também é observado no condomínio de alto

padrão e em bairros residenciais onde predominam indivíduos das chamadas classes A e

B. Neste sentido, conforme Souza e Rodrigues (2011), a fragmentação e a desigualdade

que o núcleo urbano apresenta reflete a estrutura da sociedade na cidade. A distinção

espacial observada reflete também a distinção social.

A relação entre o tipo de cobertura (telhado) e o padrão de residência (alto, médio e

baixo) também pode ser evidenciada pelo mapeamento de piscinas na área urbana de

Alfenas. Embora a imagem e as fotografias aéreas utilizadas sejam datadas de 2003 e

2006, é nítido que a maior concentração de piscinas é verificada nos bairros cujos

moradores são considerados como de melhor condição socioeconômica, como o Jardim

Aeroporto, Jardim São Carlos, condomínio residencial Jardim das Colinas e também na

região centro-sul da cidade (Figura 7A-B). Nestas áreas, encontram-se até três piscinas

por 2000 m².

Figura 7 – A) Distribuição de piscinas na área urbana de Alfenas. B) Densidade de

distribuição de piscinas a partir de estimador Kernel.

Fotografias obtidas em cada um dos setores mapeados retratam os tipos de construções

e suas respectivas coberturas (telhados), os quais, por sua vez, refletem a condição

socioeconômica dos seus respectivos proprietários (Figura 8). Contudo, cabe lembrar

que em alguns casos como na área central, embora o valor comercial dos imóveis e

21

terrenos sejam maiores, denotando possível melhor condição socioeconômica, as casas

são antigas, e refletem o início da ocupação urbana de Alfenas.

Figura 8 – Tipos de coberturas predominantes verificados na área urbana de Alfenas. A

e B) cobertura mista (fibrocimento e cerâmica) C) cerâmica. D) Fibrocimento. E)

Metálica. F) Vazios urbanos.

7. Conclusão

A técnica de fusão IHS mostrou-se de grande potencial para a execução de estudos de

ambientes urbanos ou que exijam escala de detalhe. Neste trabalho, a imagem fusionada

permitiu uma melhor caracterização do ambiente urbano e o mapeamento dos diferentes

alvos observados na cidade de Alfenas. Verificou-se não só a distinção dos diferentes

tipos de coberturas bem como também foi inferido a condição socioeconômica de parte

da população, exemplificado pelo mapeamento das piscinas. Estas informações

contribuem para o entendimento de algumas dinâmicas urbanas, como atividades que

compreendem os aspectos sociais, econômicos e culturais. Neste sentido, auxilia

sobremaneira na definição de estratégias para o planejamento urbano, bem como nos

aspectos referentes ao zoneamento urbano ou definição de leis de uso do solo.

Agradecimentos

Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) pela

concessão de bolsa de iniciação científica.

23

Referências Bibliográficas

MOREIRA, M. A. Fundamentos de sensoriamento remoto e metodologias de aplicação. 4 Ed. Editora

UFV, Viçosa, 2011.

SOUZA, I. M., RODRIGUES, A. M. Uso de imagens de alta resolução espacial para análise da

diferenciação socioespacial em São José dos Campos – SP. In: Simpósio Brasileiro de Sensoriamento

Remoto (SBSR), 15., 2011, Curitiba. Anais... São José dos Campos: INPE. Artigos, p. 838-846. CD-

ROM, On-line.

RIBEIRO, B. M. G.; FONSECA, L. M. G.; KUX, H. J. H. Avaliação das imagens WorldView-II para

o mapeamento da cobertura do solo urbano utilizando o sistema InterIMAGE. In: Simpósio

Brasileiro de Sensoriamento Remoto (SBSR), 15., 2011, Curitiba. Anais...São José dos Campos: INPE.

Artigos, p. 722-729. CD-ROM, On-line.

CARVALHO, M. V. A.; Kux, H. J. H.; FLORENZANO, T. G.; MOREIRA, M. A. Fusão de imagens

aplicada a estudos urbanos: avaliação de diferentes técnicas em imagens WorldView-2. In: Simpósio

Brasileiro de Sensoriamento Remoto (SBSR), 15., 2011, Curitiba. Anais... São José dos Campos: INPE.

Artigos, p. 941-948. CD-ROM, On-line.

DAL’ASTA, A. P.; BRIGATTI, N.; AMARAL, S.; ESCADA, M. I. S. Imagens de alta resolução

espacial para a caracterização de núcleos urbanizados do Distrito Florestal Sustentável da BR 163 –

Pará, Brasil. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 15., 2011, Curitiba. Anais... São

José dos Campos: INPE. Artigos, p. 698-705. CD-ROM, On-line.

Primeiros resultados definitivos do Censo Demográfico 2010, disponíveis em:

http://www.ibge.gov.br/home/presidencia/noticias/noticia_visualiza.php?id_noticia=1866&id_pagina=1

JENSEN, John R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. São

Jose dos Campos: Parêntese, 2009. xviii, 598 p., il.

NOVACK, T. Classificação da cobertura da terra e do uso do solo urbano utilizando o sistema

InterIMAGE e imagens do sensor QuickBird. 2009. 214 p. (INPE-16594-TDI/1580). Dissertação

(Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos.

2009.

ANAZAWA, T. M.; SILVA, A. E. P.; FONSECA, L. M. G.; MONTEIRO A. M. V.; FEITOSA, F. F.

Análise dos padrões de ocupação urbana em São Sebastião (SP), a partir de imagens CBERS 2B e

LANDSAT 7. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 14., 2009, Natal. Anais... São

José dos Campos: INPE. Artigos, p. 1004-1011. CD-ROM, On-line.

LEONARDI, F.; OLIVEIRA, C. G.; FONSECA, L. M. G.; ALMEIDA, C. M. Fusão de Imagens

CBERS 2B: CCD-HRC. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 14., 2009, Natal.

Anais... São José dos Campos: INPE. Artigos, p. 6951-6958. CD-ROM, On-line.

JENSEN, John R. Introductory digital image processing: a remote sensing perspective. 3nd. ed. Upper

Saddle River: Prentice Hall, 2005. xi, 526 p., il., 28 cm. (Prentice Hall series in geographic information

science).

MATHER, Paul.; TSO, Brandt. Classification Methods for Remotely Sensed Data. CRC Press, 2004.

LILLESAND, Thomas M.; KIEFER, Ralph W. Remote sensing and image interpretation.

Universidade de Michigan: Wiley & Sons, 1994.

CRÓSTA, Alvaro P. Processamento digital de imagens de sensoriamento remoto. Unicamp: Instituto

de Geociências Departamento de Metalogênese e Geoquímica, 1992.