Orientador DR. NEISON CABRAL FERREIRA … DE PESQUISAS SOCIAIS - DIPES COORDENAÇÃO DE COMPUTAÇÃO...

DIRETORIA DE PESQUISAS SOCIAIS - DIPES

COORDENAÇÃO DE COMPUTAÇÃO APLICADA À PESQUISA SOCIAL – CCAPS

Recife Novembro de 2014

RELATÓRIO FINAL DE ATIVIDADES DO PIBIC/FUNDAJ

Orientador: DR. NEISON CABRAL FERREIRA FREIRE

Bolsista: FRANCILAINE NÓBREGA DE LIMA

Área/Sub-área do projeto: GEOGRAFIA FÍSICA, CARTOGRAFIA, GEOPROCESSAMENTO, SENSORIAMENTO REMOTO, BOTÂNICA.

Título do Projeto: MAPEAMENTO E ANÁLISE ESPECTRO-TEMPORAL DAS UNIDADES DE CONSERVAÇÂO DE PROTEÇÃO INTEGRAL DA ADMINISTRAÇÃO FEDERAL NO BIOMA CAATINGA.

Título do Subprojeto: DINÂMICAS ESPECTRO-TEMPORAIS DE PEQUENAS UNIDADES DE CONSERVAÇÃO NO BIOMA CAATINGA COM UTILIZAÇÃO DE IMAGENS DE ALTA RESOLUÇÃO ESPACIAL.

2

RESUMO

A presente pesquisa originou-se do Programa Institucional de Bolsa de Iniciação Científica (CNPq/PIBIC/UFCG) para o ano de 2014, entre os meses de Abril e Julho. A importância da escolha temática consiste no reconhecimento da atual circunstancia das Unidades de Conservação (UC) do Semiárido Nordestino, comparada à situação encontrada nessas áreas no passado e no presente, a partir do mapeamento viabilizado pelo Sensoriamento Remoto. O mapeamento da distribuição geográfica da cobertura vegetal, como meio de diagnóstico e análise dos ambientes ganha impulso considerável com o advento do Sensoriamento Remoto, onde, apresenta-se de maneira mais concisa como um sistema organizado, com tecnologia capaz de obter imagens e outras informações através da mensuração e detecção da Radiação Eletromagnética (REM) que interage com o objeto e é refletida, ou emitida por um determinado corpo. Bem como, apresenta uma multiplicidade de definições que variam conforme o objetivo para o qual é empregado. O bioma Caatinga pode ser considerado um dos mais frágeis do Brasil, Assim como, um dos mais ricos em biodiversidade. Onde, mesmo sendo a única grande região natural cuja área está totalmente compreendida no território brasileiro, é proporcionalmente a menos estudada no País. Como meio de proteção e conservação dos biomas brasileiros, foi criado as Unidades de Conservação. O Sistema Nacional de Unidades de Conservação da Natureza (SNUC) foi instituído pela Lei Federal 9.985/2000 trazendo um serie de diretrizes para modernização da gestão dessas Unidades. Partindo do princípio, de que as Unidades devem ter proteção integral do Estado, esta pesquisa objetivou conhecer a realidade atual quanto à conservação e manejo, sendo, a escolha desse objetivo, motivada pela constatação de que há uma lacuna no reconhecimento real da atual situação de conservação ambiental destas unidades e no cumprimento de seus preceitos de criação, esperando-se assim, contribuir com a gestão e o manejo destas. Desse modo, através do mapeamento efetivado com a utilização de imagens de satélite Landsat 5 TM, foi possível notar uma variação nos resultados, tanto em relação aos índices, quanto no que diz respeito ao saldo de vegetação dessa áreas, comparando as imagens mais antigas as mais recentes. Haja vista que, a quantificação mostrou-se um importante meio de validação e visualização dos resultados obtidos por meio do mapeamento, e comprovação da efetividade das considerações visuais atingidas.

Palavras-chave: Analise espectral; Proteção Ambiental; Landsat 5.

3

SUMÁRIO

1. INTRODUÇÃO..................................................................................................... 4

2. OBJETIVOS......................................................................................................... 8

3. PROCEDIMENTOS METODOLOGICOS............................................................ 9

4. APRESENTAÇÃO E DISCUSSÃO DOS PRINCIPAIS RESULTADOS.............. 14

5. CONSIDERAÇÕES FINAIS................................................................................. 29

6. REFERENCIAS BIBLIOGRAFICAS.................................................................... 30

4

1. INTRODUÇÃO

A presente pesquisa originou-se do Programa Institucional de Bolsa de Iniciação Científica (CNPq/PIBIC/UFCG) para o ano de 2014, entre os meses de Abril e Julho. É subprojeto da pesquisa “Mapeamento e Análise Espectro-Temporal das Unidades de Conservação de Proteção Integral da Administração Federal no Bioma Caatinga” (Resolução Condir nº 108, de 29/05/13), parte integrante do Programa de Atividades Permanentes “GeoNordeste: Geoinformações para a Pesquisa Social no Nordeste Brasileiro” (Resolução Condir nº 098, de 27/03/13), do Centro Integrado de Estudos Georreferenciados para a Pesquisa Social Mário Lacerda de Melo – CIEG.

A importância da escolha temática consiste no reconhecimento da atual circunstancia das Unidades de Conservação do Semiárido Nordestino, comparada à situação encontrada nessas áreas no passado a situação atual, a partir do mapeamento viabilizado pelo Sensoriamento Remoto. Percebendo a necessidade de entender a dinâmica espaço-temporal dessas, com o intuito de propiciar o reconhecimento das mudanças ocorridas e possível viabilização de uma melhor gestão, planejamento e conservação dessas Unidades.

1.1. O Sensoriamento Remoto da Vegetação

O estudo das questões espaciais tem se acentuado concomitantemente com a evolução do pensamento geográfico, tendo em vista que, de acordo com Moreira (1998) este é produto do trabalho organizado, onde tal processo consiste na transformação da natureza em recurso útil a humanidade, assim, a fragilidade dos ambientes naturais vem se tornando o cenário dos principais estudos voltados as questões ambientais.

Desse modo, estudos relacionados ao reconhecimento destes ambientes ganharam potencial ao longo dos séculos, principalmente no que diz respeito ao planejamento ambiental, com intuito de proporcionar uma melhor gestão e implantação de diretrizes e ações.

O mapeamento da distribuição geográfica da cobertura vegetal, como meio de diagnóstico e análise dos ambientes ganha impulso considerável com o advento do Sensoriamento Remoto, inicialmente com a utilização de fotografias, e logo após com o surgimento das imagens de satélite, onde se é possível não apenas obter informações visuais, mas também outras informações contidas em sua resposta espectral (MENESES & NETTO, 2001).

Assim, o Sensoriamento Remoto apresenta uma multiplicidade de definições que variam conforme o objetivo para o qual é empregado, ou seja, de modo mais geral, quanto às relações físicas, a tecnologia, os procedimentos metodológicos e finalmente suas aplicações (MORAIS, 2014).

Tendo como definição genérica, a aquisição de informações de um objeto sem haver a necessidade de um contato direto com o mesmo, sendo essa aquisição a partir da REM emitida, ou refletida (NOVO, 2010).

De maneira mais concisa pode ser definida como um sistema organizado, com tecnologia capaz de obter imagens e outras informações através da mensuração e detecção da REM que interage com o objeto e é

5

refletida, ou emitida por um determinado corpo. Onde essas podem ser analisadas tanto por processo de interpretação visual, quando o sujeito utiliza não apenas seus conhecimentos científicos para identificação e reconhecimento do objeto, mas também conhecimentos adquiridos empiricamente, quanto a partir de classificações realizadas sem supervisão do pesquisador a partir do trabalho com diversos softwares (JESEN, 2009; NOVO, 2010; FLORENZANO, 2007).

O Sensoriamento Remoto aplicado à vegetação dedica-se ao aprimoramento do conhecimento da interação da Radiação Eletromagnética com a vegetação desde a folha ao dossel (PONZONI & SHIMABUKURU, 2007). Esse processo ocorre quando uma ou mais folhas receptam a REM, e a partir dos pigmentos (clorofilas e xantofilas), conteúdo de água e espaços intercelulares (mesofilos), refletem, transmitem e absorvem a REM caracterizando a resposta espectral (JESEN, 2009).

Em estudos voltados para a cobertura vegetal, as folhas são os elementos da vegetação que mais contribuem para o sinal detectado pelos sensores (IBGE, 2001). Neste contexto, na porção do visível (400-700nm) do espectro eletromagnético, os pigmentos são responsáveis pela resposta espectral da vegetação (HOFFER, 1978), assim, qualquer alteração no estado dessa interfere diretamente em sua resposta, como por exemplo, estresse por doenças, excesso ou ausência de água, ataque de insetos, variação de temperatura e outros.

Para a possível quantificação dessas modificações e da detecção da variação de espécies na vegetação, são efetuadas medidas baseadas nos valores digitais dos sensores remotos, através da radiância ou na reflectância no topo da atmosfera, esses valores em diferentes faixas do espectro, são combinadas através de adições, subtrações, divisões ou multiplicações, originando assim os chamados índices de vegetação (IV), capazes de remeter ao estado ou quantidade de vegetação em cada área (SILVA, 2012).

1.2. Bioma Caatinga e as Unidades de Conservação – UC

O bioma Caatinga pode ser considerado um dos mais frágeis do Brasil, tendo em vista que seus solos, com raras exceções, são pouco desenvolvidos, pedregosos, pouco espessos, e com fraco potencial de retenção de líquidos. Bem como, um dos mais ricos em biodiversidade, principalmente no que diz respeito a sua vegetação, sendo essa formação representada principalmente por xerófilas e arborecentes, que apresentam grande diversificação conforme fatores climáticos, edáficos, topográficos, e antrópicos, além das florestas de relevo, florestas Ripárias e de Cerrado (MAGALHÃES, 2012; ALVES et al., 2008).

Mesmo a Caatinga sendo a única grande região natural cuja área está totalmente compreendida no território brasileiro, é proporcionalmente a menos estudada no País, e passa por um processo de deterioração ambiental provocado pelo uso indevido e desmedido dos recursos naturais, levando a um rápido processo de perda de espécies únicas (LEAL et al, 2003).

6

Como meio de proteção e conservação dos biomas brasileiros incluindo a Caatinga, foram criadas as UC. Estas são áreas instituídas pelo poder público como meio de conservação da biota, e de minimização dos problemas oriundos das modificações humanas no meio natural, para promover uma melhor qualidade de vida da sociedade. O SNUC foi instituído pela Lei Federal 9.985/2000 trazendo um serie de diretrizes para modernização da gestão dessas UC, sugerindo também que estados e municípios também possam criar Unidades, contribuindo para uma maior conservação. Assim, divide as áreas de conservação em dois tipos:

Unidades de Conservação de Proteção Integral: Propõe a preservação de áreas com pouco ou nenhum povoamento, onde não há a permissão da utilização direta dos recursos naturais, sendo subdividas em cinco classes: Estação Ecologia (E.E), Reserva Biológica (REBIO), Parque Nacional (PARNA), Monumento Natural (MONA), e Refugio da Vida Silvestre (RVS);

Unidades de Conservação de Uso Sustentável: Associada à conservação através do uso sustentável da área, com utilização controlada dos recursos naturais, sendo também subdividida em sete classes: Área de Proteção Ambiental (APA), Área de Relevante Interesse Ecológico (ARIE), Floresta Nacional (FLONA), Reserva Extrativista (REx), Reserva de Fauna, Reserva de Desenvolvimento Sustentável, e Reserva Particular do Patrimônio Natural (RPPN);

(MINISTÉRIO DO MEIO AMBIENTE-MMA, 2008).

Partindo do princípio, de as UC deve ter proteção integral do Estado, esta pesquisa objetivou conhecer a realidade atual quanto à conservação e manejo, sendo, a escolha desse objetivo, motivada pela constatação de que há uma lacuna no reconhecimento real da atual situação de conservação ambiental destas Unidades e no cumprimento de seus preceitos de criação, esperando-se assim, contribuir com a gestão e o manejo destas UC.

Entendendo-se que estas áreas especiais de conservação ambiental são de vital importância para o conhecimento científico e o desenvolvimento sustentável da Região Nordeste, sendo viabilizado através da utilização do Sensoriamento Remoto utilizando os Índices de Vegetação para estudos voltados a analises espaço-temporais das UC do bioma Caatinga.

7

2. OBJETIVOS

2.1. Objetivo Geral

Mapear e analisar com utilização de imagens de satélite as UC de proteção integral de administração federal no bioma Caatinga, cujas áreas sejam inferiores a 300 km².

2.2. Objetivos Específicos

- Processar, mapear, e quantificar as UC a partir da utilização de imagens de satélite;

- Realizar embasamento teórico para a viabilização da pesquisa;

- Analisar e desenvolver relatório diagnostico para cada Unidade.

8

3. PROCEDIMENTOS METODOLÓGICOS

Após realizar pesquisa bibliográfica para embasamento teórico e metodológico, foram adotados como procedimentos metodológicos: 3.1) pré-processamento digital das imagens; 3.2) processamento digital das imagens; 3.3) recorte das áreas de estudo; 3.4) Classificação das imagens.

Tendo como critério de triagem as UC cujas áreas sejam inferiores a 300 km². Segundo SNUC sete unidades se enquadram nesse critério. São elas:

a) Monumento Natural do rio São Francisco: 267,36 km²; b) Estação Ecológica de Aiuaba: 117,55 km²; c) Estação Ecológica do Castanhão: 125,79 km²; d) Parque Nacional de Sete Cidades: 63,03 km²; e) Parque Nacional de Ubajara: 62,71 km²; f) Reserva Biológica de Serra Negra: 6,24 km²; g) Estação Ecológica do Seridó: 11 23 km².

Para o pré-processamento, processamento das imagens, e classificação não supervisionada, foi utilizado o software Erdas Imagine 2010, para o recorte das áreas de estudo e montagem do layout final foi utilizado o software Arcgis 2010, ambos licenciados para Laboratório de Cartografia Digital, Geoprocessamento e Sensoriamento Remoto (CADIGEOS) dos cursos de Pós-graduação do Centro de Humanidades da Universidade Federal de Campina Grande (UFCG). Tais procedimentos foram realizados em todas as imagens analisadas.

3.1. Pré-processamento digital das imagens

3.1.1. Aquisição das imagens de Satélite

Todas as imagens utilizadas foram provenientes do satélite Landsat 5 sensor TM, sendo essas de fácil acesso e disponibilizadas gratuitamente, adquiridas no site do Instituto Nacional de Pesquisas Espaciais (INPE), e da U.S. Geological Survey (USGS).

Foram escolhidas duas imagens para cada UC com intervalo de tempo médio de 10 anos das mais recentes para as mais antigas, tendo em vista que a lei do SNUC foi efetivada 2000, esse intervalo tornasse ideal, tanto para a visualização da situação das UC, antes e depois da criação do SNUC, bem como a viabilização de uma análise espaço-temporal para o Sensoriamento Remoto.

Por fim, cobertura de nuvens inferior a 15% da área da Unidade, tendo em vista que a presença destas tende a interferir nas análises dos dados da superfície.

3.1.2. Empilhamento

Consistiu na sobreposição das bandas do satélite Landsat 5, utilizando para o empilhamento apenas as bandas, 1, 2, 3, 4, 5, e 7, realizado no software Erdas.

3.1.3. Correção Geométrica

A correção geométrica ou registro da imagem foi realizado pela ferramenta Set Drop Point do Erdas que utiliza ponto de referência pertinente a

9

uma imagem de referência já registrada do ponto e orbita de cada imagem, realizado download no site Landsat.org, sendo efetuado o processo de ortorretificação.

3.2. Processamento Digital das imagens de Satélite

A função inicial do processamento digital de imagens de satélite para o Sensoriamento Remoto é fornecer ferramentas para viabilização da identificação e da extração de informações contidas nas imagens, para uma posterior interpretação, assim, o resultado desse processo é a geração de uma nova imagem que contém informações especificas, como as relativas às dinâmicas ambientais (CROSTA, 1993).

3.2.1. Calibração Radiométrica

As imagens da série Landsat são disponibilizadas em níveis de cinza com extensa variedade de informações de acordo com sua resolução radiométrica. Logo, os dados iniciais capturados pelo sensor necessitam ser convertidos em radiância (valor da radiação) para possibilitar a utilização das informações capturadas, pois os níveis de cinza não possuem valor de energia inerente. Assim, a calibração radiométrica configura-se como a conversão dos valores inerentes aos níveis de cinza de cada pixel da imagem em radiância espectral monocromática. Desse modo, para cada pixel de 900 m² é determinado um valor de radiação (MORAIS, 2014).

Segundo Markham & Baker (1987), a calibração radiométrica pode ser

obtida partir dá seguinte equação (1):

ND255

abaL ii

iλi

Equação (1)

Onde, Lλi é a radiância espectral, ai e bi são as radiâncias espectral mínima máxima, ND é a intensidade do pixel; e i corresponde às bandas (1, 2, 3, 4, 5 e 7) do Landsat 5 TM.

3.2.2. Cômputo da reflectância

De acordo com Silva (2012), o cômputo da reflectância é definido como o fator que expressa à proporção do fluxo de radiação solar incidente numa dada superfície e o fluxo da radiação refletido por essa superfície. Assim sendo calculada a partir da equação (02) proposta por Allen et al. (2002):

rλi

λiλi

d.cos.k

L.πρ

Z

Equação (2)

Será realizado o cômputo da reflectância, onde λiL é a radiância

espectral de cada banda, é a irradiância solar espectral de cada banda no topo da atmosfera, Z é o ângulo zenital solar e é o quadrado da razão entre a

10

distância média Terra-Sol (ro) e a distância Terra-Sol (r) em dado dia do ano (DSA). 3.2.3. Normalized Difference Vegetation Index – NDVI

Através do NDVI, é possível a construção de perfis sazonais e temporais das atividades que envolvem áreas vegetadas, sendo que, em função do tipo de sensor, algumas interferências podem inferir em erros nas analises com esse Índice, o que não invalida a sua potencial eficiência até os dias atuais (PONZONI & SHIMABUKURO, 2007).

Rouse et al. (1973) propuseram através da normalização a razão simples para o intervalo de -1 a +1, denominando de NDVI, esse sendo obtido através da razão entre a diferença da refletância na banda do infravermelho próximo e vermelho pela soma das mesmas, como mostra a equação (3):

𝑁𝐷𝑉𝐼 = 𝜌𝑖𝑣−𝜌𝑣

𝜌𝑖𝑣 + 𝜌𝑣

Equação (3)

3.2.4. Soil Adjusted Vegetation Índex

No que diz respeito ao SAVI, foi desenvolvido com o intuito de minimizar a interferência do solo na resposta espectral da vegetação obtido através do Sensoriamento Remoto.

As características do solo influenciam diretamente na radiação proveniente de dosséis vegetais esparsos, e consequentemente no cálculo dos IV (HUETE, 1988), onde a constante “L” tem por objetivo minimizar os efeitos do solo no resultado final:

)ρρ(L

)ρL)(ρ(1SAVI

VIV

VIV

Equação (4) 3.2.5. Enhanced Vegetation Índex

O EVI foi desenvolvido para aperfeiçoar o sinal captado da vegetação, melhorando a sensibilidade de sua detecção, para que haja uma melhor visualização do objeto em áreas de maiores índices de biomassa, e para reduzir a interferência do sinal do solo e da atmosfera no momento da captação das informações acerca da vegetação (PONZONI & SHIMABUKURU, 2007), esse índice sendo calculado através da equação 5:

𝐸𝑉𝐼 = 𝐺 (𝑃𝑖𝑣𝑝 − 𝑃𝑣

𝑃𝑖𝑣𝑝 + 𝐶1 ∗ 𝑃𝑣 − 𝐶2 ∗ 𝑃𝐴 + 𝐿)

Equação (5)

Onde 𝑃𝑖𝑣𝑝 é a reflectância no infravermelho próximo, 𝑃𝑣 é a reflectância

no vermelho, 𝑃𝐴 é a reflectância no azul, 𝐶1 é o coeficiente de correção dos efeitos atmosféricos para o vermelho (6,0), 𝐶2 é o coeficiente de correção dos

11

efeitos atmosféricos para o azul (7,5), L é o fator de correção para a interferência do solo (1,0) e G é o fator de ganho (2,5).

3.3. Recorte das áreas de estudo

A imagem Landsat 5 TM possui cobertura espacial de 185 quilômetros (NOVO, 2010), logo, as áreas em estudo consistem em parte relativamente pequena da imagem, viabilizando através do recorte uma forma mais pontual de estudo. O recorte foi realizado através da utilização do arquivo shapefile da UC a ser trabalhada, disponibilizado pelo Instituto Chico Mendes de Conservação da Biodiversidade (ICMBio), e recortada a partir do programa ArcGis 10, que utiliza a ferramenta Spatial Analyst Tools – Extraction – Extraction by Mask. Nessa Ferramenta, é inserido o polígono da UC, a imagem completa para recorte, e direcionada o local de saída do produto, assim, a forma do polígono inserido será extraída da imagem.

3.1.3. Classificação das Imagens

Nessa etapa foi adotado o processo de Classificação Supervisionada. Para tal, utilizou-se o Erdas 2010 a partir algoritmo Interative Self-Organizing Data Analysis Technique (ISODATA), processo pelo qual as classes da imagem são agrupadas de forma homogênea de acordo com a resposta espectral de cada alvo por interpolação e agrupamento (MORAIS & SILVA, 2013).

12

4. APRESENTAÇÃO E DISCUSSÃO DOS PRINCIPAIS RESULTADOS

4.1. Monumento Natural do Rio São Francisco – AL/SE/BA

No que diz respeito ao NDVI (a) comparando 2001-2010, podemos notar que na área noroeste, foi perceptível o aumento das classes de vegetação, bem como o SAVI (b), onde proporcionou a visualização dessa mudança na resposta espectral da cobertura vegetal em diversos pontos da imagem (Figura 01).

Ao comparar as imagens resultantes do EVI (c) para os mesmos anos, percebe-se que, diferentemente do NDVI e SAVI, este apresentou uma forte supressão no ano de 2010 da área vegetada na porção noroeste, sendo esse substituído pela classe Solo Exposto.

Contudo, podemos também notar que várias porções da UC foram classificadas como Solo Exposto no ano de 2001, e para 2011 percebeu-se um crescimento da vegetação, havendo assim, apesar do aumento do Solo Exposto na porção noroeste, um aumento da área recoberta por Vegetação.

Além disso, é plausível citar que no ano de 2010, na área sudeste da imagem, há uma leve presença da classe Solo Exposto em alguns pontos para todos os Índices trabalhados, esse fato, pode ser explicado tendo em vista que, para essa imagem houve a presença de algumas nuvens, as quais foram classificadas pelos Índices como Solo Exposto.

Figura 01. Índices de vegetação aplicados imagens referentes ao Monumento Natural do Rio São Francisco – AL/SE/BA.

(a) (a)

13

(b) (b)

(c)

(c)

Do mesmo modo, através da quantificação, percebeu-se que tanto para o EVI, quando para SAVI, foi calculado um aumento da área assumida pelas classes de vegetação, constituindo para o SAVI o maior aumento calculado, sendo esse de 12,79 Km²; Logo após, o EVI resultando em um aumento de 1,77 Km² de área vegetada para o Monumento. Diferentemente, o NDVI foi o único índice que apresentou redução da área classificada como vegetação, sendo essa estimada em 1,09 km² (Tabela 01).

Tanto o aumento obtido na classe Solo Exposto para o ano de 2010 no NDVI, quando os resultados obtidos para essa classe pelos outros Índices nesse mesmo ano, pode apresentar ligeiro aumento, tendo em vista a presença nuvem.

Tabela 01. Dinâmica da vegetação do Monumento Natural do Rio São Francisco – AL/SE/BA.

2001/Km² 2010/Km² Saldo da

vegetação

NDVI Água 34,2 31,09

-1,09 Km² Vegetação 217,14 216,05 Solo exposto 16,06 20,03

SAVI Água 35,00 32,75

+12,79 Km² Vegetação 203,11 215,9 Solo exposto 31,74 18,54

14

EVI Água 35,71 35,58 +1,77 Km² Vegetação 191,23 193

Solo exposto 40,46 38,59

4.2. Estação Ecológica de Aiuaba – CE

A partir do mapeamento da Estação Ecológica de Aiuaba é possível perceber que, para o NDVI (a) foi possível notar uma maior substituição da área vegetada pela classe solo exposto. Para o ano de 1999, a área da Estação foi classificada em sua maioria, como área vegetada, mas quando comparado ao ano de 2011, essa classe apresenta uma intensa supressão.

Bem como o SAVI (b), que também já apresentava uma considerável área classificada como solo exposto, e apresenta um sutil aumento para o ano de 2011, contudo, apresenta uma redução da vegetação menor, quando comparado ao NDVI.

O EVI (c) mostra substancialmente a classe Solo Exposto para o ano de 1999, enquanto para 2011, é possível notar que essa Classe toma ainda mais espaço na área, sendo que confrontado esse resultado com os do SAVI, o EVI apresenta um maior aumento do solo exposto.

Figura 02. Índices de vegetação aplicados imagens referentes à Estação ecológica do Aiuaba - CE.

(a)

(a)

(b)

(b)

15

(c)

(c)

A partir dos dados obtidos com a quantificação, pode-se dizer que o NDVI apresentou uma consideravel redução em sua área total vegetada, cerca de 48,37 Km², bem como o EVI, que apresentou 21,05 Km² de redução da vegetação. Apesar do EVI também ter detectado uma notável supressão, ainda assim apresenta um 27,32 Km² a menos que o NDVI, no que diz respeito a área de vegetação suprimida (Tabela 02).

Em contra partida, o SAVI, apresentou uma redução ínfima quando comparado a perda calculada pelos outros dois índices, sendo uma redução de apenas 0,66 Km² da área compreendida pelas classes de vegetação.

Tabela 02. Dinâmica de supressão da vegetação da Estação Ecológica do Aiuaba – CE.


vegetação

NDVI Vegetação 91,19 42,82

-48,37 Km² Solo exposto 0,02 68,76

SAVI Vegetação 116,91 116,25

-0,66 Km² Solo exposto 0,63 17,90

EVI Vegetação 117,6 96,55 -21,05 Km²


4.3. Estação Ecológica do Castanhão - CE

Através da análise visual realizada para as imagens de 1999 e 2011, é possível notar no NDVI (a) que a área apresentava para 1999, boa parte da sua extensão recoberta por vegetação, sendo que, quando comparado ao ano de 2011, essas áreas classificadas como vegetação sofrem uma leve diminuição (Figura 03).

Já para o SAVI (b), é perceptível que houve diminuição da sua área vegetada, sendo que, comparando ao NDVI, podemos notar que essa supressão configurou-se menor do que a visualizada no Índice anterior.

16

No entento, o EVI (c) visivelmente foi o que apresentou a menor supressão da vegetação, mas também proporcionou a visualização de grandes áreas de solo exposto já para o ano de 1999, diferentemente dos Índices anteriores, que para esse mesmo ano, demonstraram uma presença maior de vegetação.

Figura 03. Índices de vegetação aplicados imagens referentes à Estação ecológica do Castanhão - CE.

(a) (a)

(b) (b)

(c) (c)

Corroborando com essa análise, através da quantificação pode-se afirmar que o NDVI apresentou entre os índices trabalhados, a maior redução

17

em sua área verde, cerca de 30, 88 Km². Já o SAVI, apresentou uma supressão de 21,8 Km² da área vegetada. Em contrapartida, o EVI apresentou a menor redução das classes de Vegetação, sendo essa de 19,91 Km² (Tabela 03).

Tabela 03. Dinâmica de supressão da vegetação da Estação Ecológica do Castanhão – CE.


vegetação


-30,88 Km² Solo exposto 15,93 16,09


-21,8 Km² Solo exposto 0,87 3,85

EVI Vegetação 120,56 100,65 -19,91 Km²

Solo exposto 4, 429 4,46

4.4. Parque Nacional de Sete Cidades - PI

Em um primeiro momento, através da comparação das imagens no que se refere aos anos de 1999-2010, é perceptível que à quantidade de área verde demonstra modificação sutil em todos os resultados fornecidos pelos índices para Parque Nacional de Sete Cidades – PI (Figura 04).

Sendo que, analisando de forma mais detalhada, é possível perceber que para o NDVI (a), a área classificada como vegetação recebe um aumento considerável para o ano de 2010, bem como o SAVI (b), que demonstra para o ano de 1999 uma área classificada como Solo Exposto bem maior, e no ano de 2010, mostra um crescimento acentuado das áreas vegetadas em detrimento da diminuição do Solo Exposto. No EVI (c), é plausível dizer que diferentemente dos Índices anteriores, esse apresentou uma redução da vegetação no ano de 2010.

Figura 04. Índices de vegetação aplicados imagens referentes ao Parque Nacional de Sete Cidades - PI.

(a) (a)

18

(b) (b)

(c)

(c)

Assim, pode-se afirmar que o único índice que apresentou em sua quantificação a redução da vegetação foi o EVI, que demonstra uma redução de 0,25 Km² da área vegetada comparando os anos de 1999-2010 (Tabela 04).

O NDVI, apresentou crescimento da área vegetada, sendo esse de 4,79 Km², bem como o SAVI, que também apresenta crescimento para o ano de 2010 em sua área recoberta por vegetação, sendo essa de 1,8 Km².

Tabela 04. Dinâmica da vegetação do Parque Nacional de Sete Cidades - PI


vegetação


+4,79 Km² Solo exposto 11,46 6,67


+1,8 Km² Solo exposto 4,71 2,91

EVI Vegetação 56,99 56,74 -0,25 Km²


4.5. Parque Nacional de Ubajara – CE

Através do mapeamento gerado para o Parque Nacional de Ubajara, notou-se que o NDVI (a), bem como o SAVI (b) e o EVI (c), apresentaram

19

redução da sua área recoberta por vegetação, quando comparado os anos de 2001-2010 (Figura 05).

Esse crescimento da classe Solo Exposto para o ano de 2010, pode ser explicado pela presença, na porção sul dessa área, de nuvem, a qual foi classificada como Solo Exposto.

Figura 05. Índices de vegetação aplicados imagens referentes ao Parque Nacional de Ubajara - CE.

(a)

(a)

(b)

(b)

(c)

(c)

20

A partir dos dados obtidos, pode-se afirmar que o SAVI apresentou, entre os índices estudados, a maior redução da área vegetada, cerca de 16,49 Km². Já o EVI, apresentou uma supressão menor comparada ao SAVI, cerca de 19,39 Km² de redução da vegetação. Em contrapartida, o NDVI apresentou a menor redução da área recoberta por vegetação, sendo essa de apenas 15,23 Km² (Tabela 05).

Assim, através da quantificação das classes, foi possível identificar que para todos os índices trabalhados, a classe vegetação apresentou diminuição considerável, em detrimento do aumento da classe solo exposto.

Tabela 05. Dinâmica da vegetação do Parque Nacional de Ubajara – CE.

2001/Km² 2010/ Km² Saldo da

vegetação


-15,23 Km² Solo exposto 5,40 20,74

SAVI Vegetação 57,33 40,84 -16,49 km²

Solo exposto 5,38 21,99 EVI Vegetação 56,89 37,5

-19,39 Km² Solo exposto 5,83 25,32

4.6. Reserva Biológica de Serra Negra – PE

Para as imagens da Reserva Biológica de Serra Negra, percebeu-se que comparando o ano de 2001 – 2010, houve o aumento da área recoberta pela classe Vegetação no ano de 2010, e consequentemente a diminuição da classe Solo Exposto, para todos os índices aplicados (Figura 06).

Sendo que, para que haja a percepção visual das mudanças ocorridas entre os Índices, principalmente 2010, é necessário atenção e foco em alguns pontos específicos da imagem, tendo em vista que, essa UC configura-se como a menor área trabalhada, tendo apenas 6,24 km², o que dificulta algumas vezes a distinção e visualização das mudanças.

Figura 06. Índices de vegetação aplicados imagens referentes a Reserva Biológica de Serra Negra- PE.

21

(a) (a)

(b)

(b)

(c)

(c)

Como meio de proporcionar uma melhor percepção das mudanças ocorridas, tanto entre os anos, quanto entre os Índices, a quantificação configurou-se como importante ferramenta, possibilitando assim afirmar que, para todos os Índices aplicados na imagem de 2010, foi possível identificar crescimento para a área recoberta por vegetação na Reserva (Figura 06).

Assim, o NDVI apresentou um aumento de 0,37 Km² da área vegetada, esse sendo o menor crescimento calculado entre os Índices. Enquanto, o SAVI, foi o que apresentou o maior crescimento dessas áreas recobertas por Vegetação, sendo de 0,83 Km². E o EVI, calculou um aumento de 0,56 Km², ficando logo à frente do crescimento registrado para o NDVI.

22

Tabela 06. Dinâmica da vegetação da Reserva Biológica de Serra Negra - PE.

2001/Km² 2010/ Km² Saldo da

vegetação




+0,83 km² Solo exposto 1,05 0,73

EVI Vegetação 4,7 5,26


4.7. Estação Ecológica do Seridó – RN

Para a Estação Ecológica do Seridó foi possível observar um crescimento bastante significativo das áreas classificadas como Solo Exposto no ano de 2010 para todos os Índices trabalhados, e consequentemente uma supressão das classes de Vegetação (Figura 07).

Sendo assim, percebeu-se que tanto para o NDVI (a) quanto para o SAVI (b), a área compreendida pela classe Solo Exposto abrange basicamente as mesmas áreas de aumento para o ano de 2011. Já no que se refere ao EVI (c), notou-se uma leve mudança nesta dinâmica, onde na porção sul e sudeste tornou-se possível visualizar que as áreas vegetadas obtiveram uma menor supressão, e a classe Solo Exposto consequentemente apresentou-se de forma suave, comparado aos índices anteriormente citados.

Figura 07. Índices de vegetação aplicados imagens referentes a Estação Ecológica do Seridó - RN.

(a)

(a)

23

(b) (b)

(c)

(c)

O NDVI apresentou a maior supressão de vegetação para a área, sendo essa de 3,47 Km², logo após o SAVI, com diminuição de 1,5 Km². Apesar da analise visual propiciar a percepção de que o EVI em algumas apresentou pouca redução de sua área vegetada, este ainda apresentou supressão de sua vegetação, sendo que, essa apresenta-se como a menor comparada aos índices anteriormente citados, sendo essa de 0,77 Km² (Tabela 07).

Assim, para todos os índices aplicados, obteve-se o resultado de uma diminuição da classe Vegetação, em detrimento do aumento da classe Solo Exposto comparando o ano de 2001-2010.

Tabela 07. Dinâmica da vegetação da Estação Ecológica do Seridó – RN.


vegetação

NDVI Água 0,009 0,02


SAVI Água 0,01 0,02


EVI Água 0,01 0,02

-0,77 Km² Vegetação 9,11 8,34


24

5. CONSIDERAÇÕES FINAIS

Através do mapeamento efetivado com a utilização de imagens de satélite Landsat 5 TM, foi possível notar uma variação nos resultados, tanto em relação aos índices, quanto no que diz respeito ao saldo de vegetação dessa áreas, comparando as imagens mais antigas as mais recentes. Haja vista que, a quantificação mostrou-se um importante meio de validação e visualização dos resultados obtidos por meio do mapeamento, e comprovação da efetividade das considerações visuais atingidas.

Assim, sendo plausível perceber que cada UC apresentou uma dinâmica espaço-temporal diferenciada, para os índices e em relação à comparação entre as imagens; algumas demonstrando um potencial crescimento da sua vegetação, bem como outros, apresentando um sutil ou avançado processo de substituição da área vegetada por Solo Exposto.

No que diz respeito à efetivação e acurácia dos índices, foi notório a viabilidade na aplicação e possibilidade de adequados resultados utilizando esse método aplicado as imagens Landsat 5 TM para as UC com áreas inferiores a 300 km², apesar da resolução apresentada pelo satélite.

Sendo que, para que haja uma confirmação e desígnio de um melhor índice para cada área, será necessário um estudo de campo com o intuito de validar esse mapeamento. Entretanto, para esse subprojeto foi inviável, tendo em vista o período de tempo para execução, sendo admitido para um segundo momento.

Neste contexto, através da vivencia proporcionada pelo projeto PIBIC executado, foi perceptível uma melhoria pessoal, tanto nos estudos voltados para o SR e no conhecimento de novas teorias e conceitos aplicados a essa área. Bem como, percebo um melhor desenvolvimento e propriedade da técnica, sendo esses, provenientes do contato continuo com o trabalho realizado. Deste modo, configurando-se como importante experiência de pesquisa e desenvolvimento profissional.

25

6. REFERENCIAS BIBLIOGRAFICAS

ALLEN, R., Bastiaanssen, W.G.M., Waters, R., Tasumi, M., Trezza, R. Algorithms Surface

Energy Balance For Land (SEBAL), Idaho Implementation – Advanced Training Manual And

Users, V. 1.0, 97P. 2002.

ALVES, J. J. A.; Araújo, Maria Aparecida de ; Nascimento, Sebastiana Santos . Degradação da

Caatinga: Uma Investigação Ecogeográfica. Caminhos da Geografia (UFU. Online), v. 9, p.

143-155, 2008.

CROSTA, A. P. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas:

UNICAMP. 189p. 1993.

FLORENZANO, T.G. Iniciação em Sensoriamento Remoto. São Paulo: Oficinas de textos,2007.

HOFFER, R. M. Biological and physical considerations in applying computer – aided analysis

techniques to remote sensor data. In: SWAIN, P. H.; DAVIS, S. M. (Org.). Remote sensing: the

quantitative approach. Purdue University, USA: Mc Graw-Hill, pp. 227-289, 1978.

HUETE, A. R. A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25,

p.295-309, 1988.

IBGE. Introdução ao processamento digital de imagens, IBGE, Primeira Divisão de

Geoprocessamento do Nordeste. Rio de Janeiro: IBGE, Séries Manuais Técnicos em

geociências, n.9, 92p., 2001.

JENSEN, J. R. Sensoriamento Remoto do Ambiente: Uma Perspectiva em Recursos Terrestres

(Tradução da Segunda Edição). Parêntese Editora, p.251-292. São José dos Campos, 2009.

LEAL, R. I.; TABARELLI, M.; SILVA, J. M. C. (Org.). Ecologia e Conservação da Caatinga:

umaintrodução ao desafio. Recife: Ed. Universitária, 2003.

MAGALHÃES, Thamiris. Caatinga: um bioma exclusivamente brasileiro... e o mais frágil.

Revista do Instituto Humanista Unisinos. Nº 389 – Ano XII. São Leopoldo, 2012.

MARKHAM, B. L., Barker, L. L.. Thematic Mapper Bandpass Solar

Exoatmosphericalirradiances. International Journal of Remote Sensing. V.8, N.3, p. 517-523.

1987.

MENESES, R.; NETTO, J. S. M. Sensoriamento Remoto: reflectância dos alvos naturais.

Brasília, DF: UnB; Planaltina: Embrapa Cerrados, 2001.

Ministério do Meio Ambiente - MMA. Unidades de Conservação: Conservando a vida, os bens

e os serviços ambientais. São Paulo, 2008.

MOREIRA, R. . O Que é Geografia. 17a. ed. São Paulo: Brasiliense, 1998. v. 48. 113p.

NOVO, E. M. L. de M.. Sensoriamento Remoto: Princípios e aplicações. 4ed. São Paulo, 2010.

PONZONI, F. J. & SHIMABUKURO, Y. E. Sensoriamento remoto no estudo da vegetação. São

Jose dos Campos: Editora Parêntese, 2007. 127p.

ROUSE, J. W.; HAAS, R. H.; SCHELL, J. A.;DEERING, D. W. Monitoring vegetation systems in

the great plains with ERTS. In: Earth Resource Technology Satellite-1 Symposium, 3, 1973.

Proceedings Washington, 1973, v. 1, Sec.A, p. 309-317.

SILVA, J. B.. Sensoriamento Remoto aplicado ao estudo do ecossistema manguezal. Tese de

Doutorado, Universidade Federal de Pernambuco, UFPE, Brasil, 2012. 188p.

SPÖRL, C.; ROSS, J. L. S. Análise comparativa da fragilidade ambiental com aplicação de três

modelos. GEOUSP – Espaço e Tempo, São Paulo, N° 15, 2004. 39-49p.

Orientador DR. NEISON CABRAL FERREIRA … DE PESQUISAS SOCIAIS - DIPES COORDENAÇÃO DE COMPUTAÇÃO...

Documents

Transcript of Orientador DR. NEISON CABRAL FERREIRA … DE PESQUISAS SOCIAIS - DIPES COORDENAÇÃO DE COMPUTAÇÃO...