Upload
dinhnhi
View
227
Download
5
Embed Size (px)
Citation preview
sid.inpe.br/mtc-m19/2010/08.24.15.05-TDI
AVALIACAO TEMATICA DE IMAGENS ALOS/PALSAR
NO MAPEAMENTO DO USO E COBERTURA DA
TERRA NA REGIAO SEMI-ARIDA BRASILEIRA
Fabio Fernandes da Silva
Dissertacao de Mestrado do Curso de Pos-Graduacao em Sensoriamento Remoto,
orientada pelo Dr. Joao Roberto dos Santos, aprovada em 26 de agosto de 2010.
URL do documento original:
<http://urlib.net/8JMKD3MGP7W/385J7C5 >
INPE
Sao Jose dos Campos
2010
PUBLICADO POR:
Instituto Nacional de Pesquisas Espaciais - INPE
Gabinete do Diretor (GB)
Servico de Informacao e Documentacao (SID)
Caixa Postal 515 - CEP 12.245-970
Sao Jose dos Campos - SP - Brasil
Tel.:(012) 3208-6923/6921
Fax: (012) 3208-6919
E-mail: [email protected]
CONSELHO DE EDITORACAO E PRESERVACAO DA PRODUCAO
INTELECTUAL DO INPE (RE/DIR-204):
Presidente:
Dr. Gerald Jean Francis Banon - Coordenacao Observacao da Terra (OBT)
Membros:
Dra Inez Staciarini Batista - Coordenacao Ciencias Espaciais e Atmosfericas (CEA)
Dra Maria do Carmo de Andrade Nono - Conselho de Pos-Graduacao
Dra Regina Celia dos Santos Alvala - Centro de Ciencia do Sistema Terrestre (CST)
Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)
Dr. Ralf Gielow - Centro de Previsao de Tempo e Estudos Climaticos (CPT)
Dr. Wilson Yamaguti - Coordenacao Engenharia e Tecnologia Espacial (ETE)
Dr. Horacio Hideki Yanasse - Centro de Tecnologias Especiais (CTE)
BIBLIOTECA DIGITAL:
Dr. Gerald Jean Francis Banon - Coordenacao de Observacao da Terra (OBT)
Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)
Deicy Farabello - Centro de Previsao de Tempo e Estudos Climaticos (CPT)
REVISAO E NORMALIZACAO DOCUMENTARIA:
Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)
Yolanda Ribeiro da Silva Souza - Servico de Informacao e Documentacao (SID)
EDITORACAO ELETRONICA:
Viveca Sant´Ana Lemos - Servico de Informacao e Documentacao (SID)
sid.inpe.br/mtc-m19/2010/08.24.15.05-TDI
AVALIACAO TEMATICA DE IMAGENS ALOS/PALSAR
NO MAPEAMENTO DO USO E COBERTURA DA
TERRA NA REGIAO SEMI-ARIDA BRASILEIRA
Fabio Fernandes da Silva
Dissertacao de Mestrado do Curso de Pos-Graduacao em Sensoriamento Remoto,
orientada pelo Dr. Joao Roberto dos Santos, aprovada em 26 de agosto de 2010.
URL do documento original:
<http://urlib.net/8JMKD3MGP7W/385J7C5 >
INPE
Sao Jose dos Campos
2010
Dados Internacionais de Catalogacao na Publicacao (CIP)
Silva, Fabio Fernandes da.
Si38a Avaliacao tematica de imagens ALOS/PALSAR no mapea-mento do uso e cobertura da terra na regiao semi-arida brasi-leira / Fabio Fernandes da Silva. – Sao Jose dos Campos : INPE,2010.
xviii+66 p. ; (sid.inpe.br/mtc-m19/2010/08.24.15.05-TDI)
Dissertacao (Mestrado em Sensoriamento Remoto) – InstitutoNacional de Pesquisas Espaciais, Sao Jose dos Campos, 2010.
Orientadores : Dr. Joao Roberto dos Santos.
1. ALOS/PALSAR. 2. Caatinga. 3. Uso da terra. 4. Coberturada terra. I.Tıtulo.
CDU 528.8:004.932
Copyright c© 2010 do MCT/INPE. Nenhuma parte desta publicacao pode ser reproduzida, arma-zenada em um sistema de recuperacao, ou transmitida sob qualquer forma ou por qualquer meio,eletronico, mecanico, fotografico, reprografico, de microfilmagem ou outros, sem a permissao es-crita do INPE, com excecao de qualquer material fornecido especificamente com o proposito de serentrado e executado num sistema computacional, para o uso exclusivo do leitor da obra.
Copyright c© 2010 by MCT/INPE. No part of this publication may be reproduced, stored in aretrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying,recording, microfilming, or otherwise, without written permission from INPE, with the exceptionof any material supplied specifically for the purpose of being entered and executed on a computersystem, for exclusive use of the reader of the work.
ii
vii
AGRADECIMENTOS
Primeiro agradeço a Deus pela oportunidade à vida e as demais oferecidas.
Agradeço a meus pais (Sônia e Fernando) e minha irmã Ana, pelo apoio
incondicional e incentivo.
Ao orientador Dr. João Roberto dos Santos, pela orientação, oportunidade,
confiança depositada e conhecimentos compartilhados.
Ao Instituto Nacional de Pesquisas Espaciais, pela excelência do curso de pós-
graduação em sensoriamento remoto e infraestrutura proporcionada e aos
pesquisadores pelos conhecimentos compartilhados. Agradeço em especial
aos pesquisadores José Cláudio Mura e Sidnei João S. Sant’Anna, pela
disponibilidade e orientações no processamento das imagens SAR.
Ao IBGE pela cessão das imagens ALOS/PALSAR.
À Creaso/Sarmap, pela cessão da licença do software SARscape.
À Embrapa Semi-Árido pelo apoio no trabalho de campo. Ao Engenheiro
Cartógrafo Paulo Cesar Gurgel de Albuquerque do DSR/INPE pelo
levantamento GPS realizado.
Aos coordenadores do NGeo/Chesf (Vinicius Queiroga e Valéria Carazzai) pelo
apoio oferecido na continuação deste trabalho.
Aos amigos da turma PGSERE 2008 e outras turmas pela amizade e bons
momentos compartilhados.
A todos que direta e indiretamente contribuíram para a realização deste
trabalho.
ix
RESUMO
O presente trabalho teve como objetivo analisar o uso potencial de imagens ALOS/PALSAR, no modo dual FDB 1.1 (banda L), na caracterização e no mapeamento do uso e cobertura da terra no semi-árido brasileiro. Neste estudo foram utilizados algoritmos de classificação MAXVER-ICM e de Wishart, envolvendo imagens-amplitude nas formas individual, pares e/ou o conjunto de componentes derivadas da matriz de covariância [AHH, AHV e AHH*HV]. Obtidas as classificações por esses métodos acima mencionados, foram realizadas avaliações do grau de acurácia temática através da estatística Kappa. Levantamentos fisionômico-estruturais das fácies de caatinga e também pontos de observações das tipologias de uso e cobertura da terra, devidamente georrefrenciados, serviram como amostras de treinamento e calibração temática, ficando definidas as seguintes classes de uso e cobertura da terra para área em estudo: caatinga arbórea, caatinga arbórea-arbustiva, caatinga arbustiva, agricultura e corpos d’água. O procedimento metodológico aplicado mostrou que o melhor resultado obtido foi no uso do conjunto de componentes [AHH, AHV e AHH*HV], por meio da classificação MAXVER-ICM, apresentando uma exatidão global de 66% e índice Kappa 0.58. Adicionalmente, foi também avaliada a qualidade posicional planimétrica do produto ALOS/PALSAR ortorretificado, gerado com a utilização de dados de efemérides da plataforma e DEM SRTM. A verificação utilizando pontos GPS rastreados em campo permitiu a caracterização preliminar do produto de acordo com o Padrão de Exatidão Cartográfico (PEC) na classe A para a escala 1:100.000.
xi
ASSESSMENT OF ALOS/PALSAR IMAGE FOR LAND USE/LAND COVER MAPPING IN BRAZILIAN SEMI-ARID REGION
ABSTRACT
The objective of this study was to analyze the potential use of ALOS/PALSAR images at acquisition mode dual FDB 1.1 (L-band), to characterize and map the vegetation cover in the Brazilian semi-arid region. In this study the MAXVER-ICM and Wishart classifiers were used, which involved single, pairs and/or three components of the co-variance matrix [AHH, AHV and AHH-HV]. After the classification, using the above mentioned algorithms, the thematic accuracy was evaluated using Kappa statistics. Field survey data related to the physiognomic-structural parameters of the "Caatinga" (steppe savanna) vegetation types as well as observation points of land use/land cover classes, duly georeferenced, were as training and test samples for the thematic classification and its calibration. In the methodological procedure, the best result was found when the three components [AHH, AHV and AHH-HV] were used and classified by the MAXVER-ICM algorithm, presenting an overall accuracy of 66% (Kappa = 0.58) for the class separability. Additionally, we also evaluated the posicional planimetric quality of the ALOS/ PALSAR orthorectified product, generated with the use of ephemeris data platform and SRTM DEM. The check points using GPS in the field allowed the characterization based on the Brazilian Standard for Cartographic Accuracy for 1:100.000-map (Class A).
xiii
LISTA DE FIGURAS
Pág. Figura 3.1 – Localização geográfica da área de estudo, imagem TM/LandSat 5
(composição colorida RGB543, de 01/11/2008)............................................... 17
Figura 3.2 – Imagens ALOS/PALSAR da área de estudo: (a) amplitude HH, (b)
amplitude HH*HV, (c) amplitude HV e (d) composição colorida com as
amplitudes R(HH)G(HH*HV)B(HV); ................................................................. 19
Figura 3.3 – Precipitação pluviometria para o mês de maio de 2008, medidos
pelo PCDs em Serra Talhada nas proximidades da área de estudo............... 21
Figura 3.4 – Fluxograma geral do trabalho. ..................................................... 22
Figura 3.5 – Fluxograma da etapa de pré-processamento............................... 23
Figura 3.6 – Ilustração de transecto em linha................................................... 26
Figura 3.7 – Modelo de planilha utilizada em campo. ...................................... 27
Figura 4.1 – Foto representativa de caatinga arbórea na área de estudo........31 Figura 4.2 – Perfil fisionômico-estrutural da classe caatinga arbórea. .............32 Figura 4.3 – Foto representativa de caatinga arbórea-arbustiva. .....................33 Figura 4.4 – Perfil fisionômico-estrutural da classe caatinga arbórea-
arbustiva. ........................................................................................34 Figura 4.5 – Foto representativa de caatinga arbustiva. ..................................34 Figura 4.6 – Perfil fisionômico-estrutural da classe caatinga arbustiva. ...........35 Figura 4.7 – Fotos de cultivo agrícola e de pastagem implantada. ..................36 Figura 4.8 – Foto da barragem de Serrinha (Serra Talhada, PE).....................36 Figura 4.9 – Gráficos box-plot das classes de uso e cobertura da terra nas
polarizações HH (a) e HV (b)..........................................................38 Figura 4.10 – Mapa temático da classificação MAXVER-ICM empregando as
componentes [AHH, AHV, AHH*HV]......................................................44 Figura 4.11 – Produto ortorretificado gerado na projeção UTM, fuso 24,
sistema de referência geodésico WGS84. Combinação colorida R(HH)B(HV)G(HH). ........................................................................45
xv
LISTA DE TABELAS
Pág.
Tabela 2.1 - Principais bandas utilizadas em sensores SAR em níveis orbital e/ou transportado. ....................................................................................... 6
Tabela 2.2 - Características do instrumento PALSAR...................................... 14 Tabela 3.1 – Principais características da imagem ALOS/PALSAR utilizada. . 18 Tabela 4.1 – Número de amostras e de pixels utilizados nas fases de
treinamento e teste. .................................................................................. 37 Tabela 4.2 – Matrizes de confusão das classificações MAXVER-ICM das
imagens: (a) [AHH]; (b) [AHV]; (c) [AHH, AHH*HV]; (d) [AHH, AHV]; (e) [AHV, AHH*HV] e (f) [AHH, AHV, AHH*HV].............................................. 40
Tabela 4.3 – Matriz de confusão da classificação Wishart. .............................. 40 Tabela 4.4 - Resultado da comparação entre as classificações pelo teste Z
sobre o índice Kappa, realizado com as classificações Maxver-ICM e Wishart. As células destacadas representam os resultados significativos a um nível de 5% de significância. ............................................................... 41
Tabela 4.5 – Relação de coordenadas UTM/WGS-84, fuso 24, dos pontos obtidos na imagem ortorretificada e em campo (GPS) e seus resíduos. .. 46
Tabela A.1 – Dados de precipitação diária do posto pluviométrico de Serra Talhada no mês de maio de 2008............................................................. 57
Tabela B.1 - Lista de nomes populares, nomes científicos e famílias das espécies encontradas na área de estudo.................................................. 59
xvii
SUMÁRIO
Pág.
1 INTRODUÇÃO ........................................................................................... 1
1.1 Objetivos ................................................................................................... 2
2 FUNDAMENTAÇÃO TEÓRICA ................................................................. 5
2.1 Sensoriamento remoto por RADAR ........................................................ 5
2.1.1 Conceitos SAR ...................................................................................... 5
2.2 Métodos de Classificação SAR ............................................................... 9
2.2.1 MAXVER-ICM ......................................................................................... 9
2.2.2 Wishart ................................................................................................... 10
2.3 Uso de dados de polarização dual.......................................................... 11
2.4 Sensoriamento remoto por radar em regiões semi-áridas ................... 12
2.5 Caracterização do sistema ALOS/PALSAR............................................ 13
3 MATERIAIS E MÉTODOS.......................................................................... 17
3.1 Área de estudo ......................................................................................... 17
3.2 Características da Imagem ALOS/PALSAR ........................................... 18
3.3 Aplicativos utilizados............................................................................... 20
3.4 Dados auxiliares....................................................................................... 20
3.4.1 Dados Pluviométricos........................................................................... 20
3.5 Procedimentos metodológicos ............................................................... 21
3.5.1 Pré-processamentos............................................................................. 22
3.5.2 Amostras de treinamento e teste......................................................... 24
3.6 Classificações das imagens ALOS/PALSAR ......................................... 28
3.6.1 Classificação pelo método MAXVER-ICM ........................................... 28
3.6.2 Classificação pelo método Wishart ..................................................... 28
3.7 Ortorretificação da imagem ALOS/PALSAR e avaliação da qualidade posicional planimétrica.................................................................................. 29
4 RESULTADOS E DISCUSSÕES.................................................................. 31
4.1 Caracterizações das classes de uso e cobertura da terra.................... 31
4.2 Análises Exploratórias............................................................................. 37
xviii
4.3 Classificações Supervisionadas MAXVER-ICM e Wishart.................... 39
4.4 Ortorretificação ........................................................................................ 45
5 CONCLUSÕES ............................................................................................. 47
REFERÊNCIAS BIBLIOGRÁFICAS................................................................ 49
APÊNDICE A – DADOS DO POSTO PLUVIOMÉTRICO SERRA TALHADA MÊS DE MAIO DO ANO DE 2008. .................................................................. 57
APÊNDICE B – LISTA DE NOMES POPULARES, NOMES CIENTÍFICOS E FAMÍLIAS DAS ESPÉCIES ENCONTRADAS NA ÁREA DE ESTUDO. ........ 59
APÊNDICE C – RELATÓRIO DE PROCESSAMENTO NO APLICATIVO GEOPEC. ......................................................................................................... 63
1
1 INTRODUÇÃO
A caatinga é a vegetação típica da região tropical semi-árida brasileira,
ocupando uma área de aproximadamente 844.453 km2, cerca de 10% do
território brasileiro (IBGE, 2004). Essa vegetação, em termos gerais, apresenta
espécies de folhas decíduas, pequenas e finas, raízes tuberosas e superficiais
e a presença das cactáceas, cujas folhas são transformadas em espinhos para
reduzir ao máximo a perda de líquido pela transpiração (VELOSO et al., 1991).
O bioma caatinga é o menos conhecido pela comunidade científica e vem
sofrendo com uma grave degradação ambiental, apresentando atualmente,
apenas 1% dos remanescentes protegido por unidades de conservação
ambiental (CARVALHO et al., 2005; FRANCA-ROCHA, 2007). Este bioma
conta com poucos mapeamentos do uso e cobertura da terra. Dentre as
iniciativas mais recentes de mapeamento podemos destacar: o Zoneamento
Agroecológico do Nordeste (SILVA et al., 2000) e o Levantamento da
Cobertura Vegetal e Uso da Terra do Bioma Caatinga realizado pelo Ministério
de Meio Ambiente (MMA, 2005).
O uso de imagens de Sensoriamento Remoto tem fornecido importantes
subsídios ao mapeamento do uso e cobertura da terra, sobretudo com a
utilização de imagens de distintos sensores que operam na região óptica do
espectro. Em experimentos com dados ópticos na região semi-árida, foram
realizados mapeamentos dos remanescentes da caatinga, análise das
condições fenológicas da tipologia vegetal, e a caracterização do nível de
degradação e recuperação da paisagem vegetacional (CARVALHO, 1986;
SÁ, 1991; MALDONADO, 1999; ACCIOLY et al., 2001; TEOTIA et al., 2003;
MALDONADO, 2004; BARROS et al., 2005; LOPES et al., 2005; FREITAS,
2006).
Em face da disponibilização no mercado de imagens SAR (Synthetic Aperture
Radar) em nível orbital e o interesse da comunidade técnico-científica em
2
aprimorar ferramentas de tratamento desses dados, tornou-se uma importante
opção dispor desses produtos para o mapeamento e monitoramento da
paisagem, sobretudo em regiões com elevada cobertura de nuvens. No caso
específico de áreas do semi-árido, poucos são os trabalhos que fazem uso de
dados-radar (RENNÓ, 1995; WEGMÜLLER et al., 2000; PALOSCIA et al. 2001;
BILBISI; TATEISHI, 2002; QING et al., 2003; ZRIBI et al., 2003; KNUST, 2007;
SILVA, 2007; KWARTELANG et al., 2008). Nesse contexto, o presente trabalho
é contributivo na aplicabilidade de dados ALOS/PALSAR na análise da
paisagem do semi-árido nordestino brasileiro.
Adicionalmente, pretende-se, também, contribuir com as atuais diretrizes da
Fundação Instituto Brasileiro de Geografia e Estatística (FIBGE), que está
responsável pela comercialização das imagens ALOS do território nacional aos
usuários interessados em um acordo técnico com a JAXA (Agência Espacial
Japonesa). Segundo essas diretrizes, os produtos disponibilizados, no caso
específico PALSAR, necessitam de uma avaliação, tanto temática, como
geométrica.
Dentro do escopo da linha investigativa proposta dessa dissertação pode-se
formular a seguinte hipótese científica: A utilização de dados ALOS/PALSAR
com polarização DUAL, permite a caracterização e o delineamento de classes
de uso e cobertura da terra na região do semi-árido.
1.1 Objetivos
Essa pesquisa teve como objetivo geral avaliar a potencialidade das imagens
duais do sistema sensor ALOS/PALSAR (banda L), para a identificação e
mapeamento temático do uso e cobertura da terra na região semi-árida
brasileira. Adicionalmente, foi realizada também uma avaliação da qualidade
posicional planimétrica do produto ALOS/PALSAR ortorretificado.
3
Como partes fundamentais para atingir o objetivo geral foram desenvolvidos os
seguintes objetivos específicos:
• Desenvolver metodologia de coleta de dados em campo para a
caracterização temática, considerando as características fisionômico-
estruturais dos alvos e sua importância para uma definição e delineamento nos
dados-radar;
• Representar a configuração polarizada (HH/HV) das classes temáticas,
procurando explicar a resposta dos dados SAR em consonância com as
características intrínsecas de cada alvo;
• Gerar um mapa temático de uso e cobertura da terra a partir do melhor
classificador, definido pela análise de desempenho (matriz de confusão e
estatística Kappa) entre classificadores polarimétricos SAR;
• Gerar produto geocodificado a partir dos dados ALOS/PALSAR e verificar a
acurácia planimétrica com a utilização de pontos de controle medidos em
campo com rastreadores GPS.
5
2 FUNDAMENTAÇÃO TEÓRICA
2.1 Sensoriamento remoto por RADAR
2.1.1 Conceitos SAR
O SAR (Synthetic Aperture Radar) é um sensor ativo que opera na faixa das
microondas do espectro eletromagnético. O uso do SAR em sensoriamento
remoto tem basicamente duas vantagens: independência das condições de
tempo (as microondas são pouco afetadas por coberturas de nuvens, neblina
ou outras condições atmosféricas, ao contrário das imagens ópticas); a
aquisição de dados pode ocorrer em qualquer horário do dia (RANEY et al.,
1998).
O SAR é capaz de registrar a intensidade e a defasagem da energia
transmitida que foi retroespalhada pelos alvos. Este retroespalhamento SAR é
dependente da combinação de parâmetros inerentes ao sistema imageador,
tais como freqüência, polarização, ângulo de visada e de incidência, e das
características geométricas e elétricas das superfícies dos materiais
imageados, especificamente do grau de rugosidade e da constante dielétrica
(KUPLICH, 2003). Adiante, será discutido como estes parâmetros modificam a
resposta-radar. Uma descrição detalhada sobre a formação das imagens SAR
e a equação radar a qual relaciona o sistema sensor, o alvo e o sinal (emitido e
retroespalhado) podem ser vista em Woodhouse (2006).
2.1.1.1 Freqüência/comprimento de onda
A freqüência (f) é um dos mais importantes parâmetros do imageamento SAR,
sendo que a interação ocorre com alvos cujas dimensões são comparáveis ao
comprimento de onda (λ). A faixa do espectro eletromagnético que abrange as
microondas varia, em comprimento de onda, de aproximadamente 1 mm a 1 m.
Entretanto, a maioria dos sensores de microondas opera no intervalo de 1 cm a
1 m. As principais denominações de bandas utilizadas, o intervalo de
6
comprimento de onda e de freqüência (f) são descritos na
Tabela 2.1 (WOODHOUSE, 2006).
As bandas X, C e L também têm sido amplamente utilizadas, devido
recentemente a uma maior disponibilidade de sensores orbitais com estas
configurações, tais como o TerraSAR, Cosmo Skymed e SAR-Lupe em banda
X; RADARSAT-1/2, ENVISAT, ERS-1/2 e SIR-C em banda C; e JERS-1 e
ALOS/PALSAR em banda L.
Tabela 2.1 - Principais bandas utilizadas em sensores SAR em níveis orbital
e/ou transportado.
Banda λ (cm) f (GHz)
P
L
S
C
X
K
77 – 136
15 – 30
7,50 – 15
3,75 – 7,50
2,40 – 3,75
1,18 – 1,67
0,22 – 0,39
1,0 – 2,0
2,0 – 4,0
4,0 – 8,0
8,0 – 12,5
18,0 – 26,50
Fonte: Adaptada de Woodhouse (2006).
7
2.1.1.2 Polarização
A polarimetria descreve o comportamento do vetor campo elétrico em uma
onda eletromagnética (WOODHOUSE, 2006). Atualmente tem-se empregado
de radares capazes de coletar dados de qualquer uma das quatro combinações
possíveis: HH, HV, VH e VV. A primeira letra indica a polarização de
transmissão e a segunda indica a de recepção, sendo H = Horizontal e V =
Vertical.
A interação da onda eletromagnética com os objetos tem relação direta com a
polarização incidente. Se os objetos na superfície terrestre possuem uma
orientação vertical a interação com microondas verticalmente polarizada será
maior, assim como o eco gerado. Os objetos ou superfícies espalhadoras
podem ter a capacidade de despolarizar a onda incidente e gerar um eco numa
polarização distinta à enviada (KUPLICH, 2003).
2.1.1.3 Ângulo de incidência
O ângulo de incidência é definido pelo ângulo formado entre o feixe de
microondas incidentes e a reta normal estabelecida em relação à terra
(RANEY, 1998). O uso de ângulos de incidência específicos pode auxiliar na
identificação de determinados alvos na superfície terrestre. Geralmente,
menores ângulos de incidência resultam em maior retroespalhamento,
entretanto o retroespalhamento de superfícies muito rugosas não ser
dependente desta variável. Ângulos de incidência elevados determinam uma
maior quantidade do objeto imageado e conseqüentemente, resultam em
menor retroespalhamento (LEWIS et al., 1998; KUPLICH, 2003).
2.1.1.4 Rugosidade
A rugosidade relativa do alvo é definida pela freqüência da onda incidente,
juntamente com o ângulo de incidência, determinando assim o grau de
penetração da onda no alvo. Segundo (LEWIS et al., 1998), uma superfície
8
pode ser considerada lisa, pelo critério de Rayleigh, se obedece a Inequação
2.1. Onde, (r) é altura média das variações da superfície, (λ) é comprimento de
onda e α é o ângulo de incidência.
Desta forma, uma mesma superfície pode ser considerada lisa para um
determinado comprimento de onda e rugosa para outros. Superfícies rugosas
refletem a energia emitida pelo sensor de maneira uniforme para todas as
direções. Já as superfícies consideradas ligeiramente rugosas possuem uma
direção preferencial de reflexão, sendo que as superfície lisas refletem a
energia especularmente.
2.1.1.5 Constante dielétrica
A constante dielétrica influencia fortemente a interação da radiação
eletromagnética com a superfície do terreno (LEWIS et al., 1998), ou seja, o
sinal de retroespalhamento é influenciado pela umidade do solo e da
vegetação. Um elevado conteúdo de umidade resulta em uma constante
dielétrica alta, e conseqüentemente reduz a penetração do feixe radar abaixo e
através da vegetação. Uma elevada constante dielétirca implica em uma alta
refletividade e potencialmente um alto retorno de sinal. Por sua vez, o conteúdo
de umidade baixo implica em uma constante dielétrica baixa e um baixo sinal
de retorno, exceto em caso de solos muito secos, pode ocorrer uma maior
penetração na superfície. Este fato torna relevante conhecer as condições
climáticas antecedentes à data de aquisição dos dados de radar, pois um
conteúdo maior de água nos materiais pode induzir um retorno maior da onda
retroespalhada.
(2.1)
9
2.1.1.6 Geometria do alvo
A direção do feixe de microondas e a posição relativa do alvo podem alterar o
retroespalhamento. Feições com direção perpendicular ou com ângulo agudo
com a direção de visada são realçadas pelo efeito de “luz e sombra”. Já as
feições orientadas paralelamente com a direção de visada não produzem
realces nem sombras, de forma que estas são mascaradas nas imagens de
radar (KNUST, 2007).
2.2 Métodos de Classificação SAR
As técnicas de classificação consistem na rotulação dos pixels de uma imagem
de entrada associando-os a determinadas classes, de acordo com certos
critérios de decisão adotados (SCHOWENGERDT, 2007). Os classificadores
podem ser estruturados para realizarem a classificação pixel a pixel, quando
então são chamados de pontuais, ou podem atuar sobre um conjunto de pixels
que conservem algum parâmetro de similaridade, sendo neste caso chamados
de classificadores por região (FREITAS et al., 2007). Dentre os vários
classificadores para tratar os dados-radar destacam-se:
2.2.1 MAXVER-ICM
De acordo com Correia (1998) e Vieira (1996), esta técnica se baseia na
formulação Bayesiana tendo como diferencial a adoção de funções de
densidades de probabilidade mais apropriadas para modelar a natureza dos
dados de radar e a incorporação da informação contextual considerando uma
distribuição espacial para as classes, adotando conceitos de campos aleatórios
markovianos.
Em Vieira (1996) e Correia (1998) foram apresentadas abordagens de
classificações estatísticas específicas para dados SAR. Estas abordagens
consistem na aplicação combinada dos algoritmos MAXVER (Máxima
Verossimilhança) (FREITAS et al., 2007) com múltiplas fontes de evidências
10
estatísticas, e ICM (Iterated Conditional Modes). Como resultante do trabalho
de Correia (1998), foram implementados algoritmos baseados nas distribuições
de dados polarimétricos para: par de intensidades, diferença de fase, razão de
intensidades, par intensidade-diferença de fase, imagem multipolarimétrica
completa, imagem em amplitude e imagem em amplitude multivariada.
Correia (1998) obteve resultados satisfatórios da classificação MAXVER-ICM a
partir das imagens polarimétricas da missão SIR-C/X-SAR nas bandas L e C,
do Projeto de Irrigação de Bebedouro, próximo à cidade de Petrolina-PE. A
classificação ICM par-intensidade LHVVV apresentou um coeficiente de
concordância superior às demais, em média, 31,44% melhor que as demais
classificações, possibilitando uma melhor distinção entre corpos d’água,
caatinga, soja, milho e restolho.
Silva (2007) utilizou o classificador MAXVER-ICM e combinações de duas
polarizações (VV-HH, HH-HV, VV-HV) em amplitude da banda L na
discriminação de alvos agrícolas. Os autores mostram que a combinação VV-
HH apresentou o melhor resultado, com acerto para a classe café de 98,5%.
Guerra (2008), utilizando o classificador MAXVER-ICM e dados
multipolarizados do sensor SAR R99-B/CENSIPAM, afirma que quando os
canais são combinados aos pares, o ganho de informação é significativo. A
informação contida no par de amplitudes HH/HV apresentou boa acurácia para
separar as classes de incremento de desflorestamento e floresta na Amazônia
(Kappa = 0,68).
2.2.2 Wishart
O Classificador supervisionado de Wishart é um algoritmo de máxima
verossimilhança baseado na distribuição complexa de Wishart da matriz de
covariância. Uma descrição completa sobre o classificador de Wishart pode ser
encontrada em Lee (1994); Lee et al. (1999).
11
No trabalho de Chen et al. (2007), foram utilizados dados duais multi-temporais
do Envisat/ASAR, fazendo uso do classificador de Wishart para mapear
culturas de arroz na província de Jiansang na China. Os autores destacaram
que a acurácia da classificação foi melhorada quando utilizados dados multi-
temporais em comparação àquela obtida em única data.
Pottier et al. (2009) demonstraram que, na classificação utilizando dados duais
em banda L, a de diferença de fase entre os canais HH e VV permitiu distinguir
entre classes de uso do solo na região de Flevoland na Holanda.
2.3 Uso de dados de polarização dual
A seleção da freqüência do radar e da polarização são dois importantes
parâmetros em uma missão SAR. Os principais sistemas em operação
(ALOS/PALSAR, TERRASAR-X, e RADARSAT-2) podem coletar as quatro
polarizações, entretanto o modo de aquisição padrão se restringe a polarização
single e dual.
Em seus estudos, Ainsworth et al. (2009) afirmam que a informação contida na
polarização dual do PALSAR é suficiente para um mapeamento e aplicações
no bioma de floresta boreal. Mesmo que a informação contida na polarização
(HH-HV) não possibilite uma clara distinção entre espalhamento superficial e
diedro, está informação é pouco importante para classificação de florestas,
uma vez que o espalhamento dominante em florestas é o volumétrico.
McNairn et al. (em preparação) mostraram que a polarização dual (VV-VH) tem
melhores resultados para a discriminação de alvos agrícolas na banda C,
apesar da polarização HH ser útil na distinção de classes de uso do solo.
12
2.4 Sensoriamento remoto por radar em regiões semi-áridas
Poucas experiências com a utilização de dados SAR foram realizadas no semi-
árido brasileiro. Dentre os trabalhos, pode-se citar o de Rennó (1995), que
avaliou o uso de medidas texturais em classificadores nos dados SIR-C/X-SAR,
bandas L e C, e polarizações HH, HV e VV. Neste estudo chegou-se à
conclusão de que a informação de textura em imagens SAR pode ajudar na
distinção de alvos agrícolas.
Em uma região semi-árida da Bahia, Silva (2007) mostrou que a utilização de
imagens SAR multi-polarimétricas da banda L e classificadores MAXVER/ICM,
possuem potencialidade na discriminação de alvos agrícolas.
Knust (2007) avaliou o potencial geológico de imagens Radarsat-1 na
identificação de unidades litológicas com diferentes ângulos de visada no vale
do Rio Curaçá, região semi-árida da Bahia. Neste estudo, ao utilizar a técnica
de principais componentes, verificou-se que as imagens com ângulos de
incidência maiores e com órbita descendente produziram melhores resultados
na separabilidade dos litotipos.
Em experiências com dados SAR em outras regiões semi-áridas no mundo,
Zribi et al., (2003), por meio de classificadores não supervisionados e inversão
de modelos que estimam valor do coeficiente de retroespalhamento a partir da
soma das contribuições da vegetação e solo exposto, obtiveram o mapa de
cobertura de vegetal no norte da África, com acurácia de 85% utilizando dados
ERS-1.
Smara et al., (1998) utilizaram componentes principais e IHS como técnicas de
fusão de dados SAR/ERS-1 e ópticos (TM/LANDSAT E SPOT) e métodos de
classificação não supervisionados para avaliar cobertura vegetal na Argélia. Os
resultados obtidos foram analisados tendo como referências fotografias aéreas
13
e mapa de cobertura vegetal da área em estudo, indicando uma boa correlação
com os diferentes tipos de uso e cobertura da terra.
Kwarteng et al., (2008) utilizaram dados do ERS-1/2 na polarização VV e
RADARSAT-1 na polarização HH adquiridos no período de 1996 a 1999, no
mapeamento do uso e cobertura da terra em uma região árida do Kuwait. A
avaliação do potencial de combinação destes dados foi realizada por meio da
classificação MAXVER com a definição de 13 classes e a incorporação de
dados auxiliares, como mapa de solos e sedimentos superficiais. A acurácia
global da classificação ficou entre 70 e 80% quando foram utilizadas apenas
duas classes (cobertura vegetal baixa versus alta ou solo rugoso ou liso).
2.5 Caracterização do sistema ALOS/PALSAR
O sistema sensor ALOS (Advanced Land Observing Satellite), lançado em
janeiro de 2006, é um projeto conjunto entre a JAXA (Japan Aerospace
Exploration Agency) e a JAROS (Japan Resources Observation System
Organization). Este sistema orbital leva a bordo três instrumentos de
sensoriamento remoto: PRISM (Panchromatic Remote-sensing Instrument for
Stereo Mapping) visando à produção de DEM (Digital Elevation Model) com
uma resolução de 2,5 m; AVNIR-2 (Advanced Visible and Near-Infrared
Radiometer type 2), para observação da terra com resolução da 10 m e o
PALSAR (Phased Arrayed type L-Band SAR), um radar imageador para
observação da Terra em qualquer condição atmosférica, de iluminação e com
resolução variada.
O PALSAR possui a capacidade de imagear off-nadir entre 9,9º - 50,8º em 18
diferentes posições, podendo operar em cinco diferentes modos de operação:
Fine Beam Single polarization (FBS); Fine Beam Dual Polarization (FBD);
Polarimetric mode (Pol); ScanSAR mode e Direct Transmisson mode (DT). As
características do instrumento ALOS/PALSAR são apresentadas na Tabela 2.2.
14
Tabela 2.2 - Características do instrumento PALSAR.
ALOS PALSAR
Dimensões da antena 8,9 m x 3,1 m
Freqüência Central 1270 MHz / 23,6 cm (Banda L)
Chirp Bandwidth 28 MHz (FBS, ScanSAR)
14 MHz (FBD, POL, ScanSAR)
Modos de Imageamento Fine beam mode (FBS, FBD):
• Single polarization (HH ou VV)
• Dual pol. (HH/HV ou VV/VH)
Polarimetric mode (POL):
• Quad-pol. (HH/HV/VH/VV) ScanSAR mode:
• Single Polarization (HH ou VV)
• No. sub-beams: 3,4 ou 5
• Short (14 MHz) ou long (28
Mhz) Direct Transmisson (DT) mode:
• FB Single pol (14 MHz)
• ScanSAR (14 MHz)
Largura da faixa de imageamento 70 km (FBS, FBD @34,5º)
30 km (POL @21,5º)
360 km (ScanSAR 5-beam)
Off nadir angle Variável: FBS/FBD: 9,9º-50.8º
POL: 9,7º-26,2º
Fixo: ScanSAR: 20,1º-36,5º (beam 1-
5)
Direção de visada Direita
Ground resolution
Ground Range (1 look) x
10 m x 10 m (FBS @34,3º)
20 m x 10 m (FBD @34,3º)
31 m x 10 m (POL @21,5º)
15
Azimute (2 looks) ~ 71-151 m (4 looks) x 100 m (2 looks)
(ScanSAR 5-
beam)
Data rate 240 Mbps (FBS, FBD, POL, ScanSAR-
long)
120 Mbps (DT, ScanSAR-short)
Fonte: Adaptada de Rosenqvist et al. (2008).
17
3 MATERIAIS E MÉTODOS
Neste capitulo são apresentados a área de estudo, os dados, aplicativos e os
procedimentos metodológicos do levantamento de campo, bem como as
classificações realizadas nas imagens-radar utilizadas.
3.1 Área de estudo
A área de estudo deste trabalho está situada no sertão pernambucano, entre
os municípios de Carnaubeira da Penha, Floresta, Mirandiba, São José do
Belmonte e Serra Talhada. Com uma área total de 1560 km2 e entre as
latitudes S 08° 03’’ a S 08° 19’’ e as longitudes W 38° 21’’ a W 38° 47’’. A
Figura 3.1 mostra a localização geográfica da área de estudo.
Figura 3.1 – Localização geográfica da área de estudo, imagem TM/LandSat 5 (composição colorida RGB543, de 01/11/2008).
De acordo com a classificação de Köppen, o clima da região é o tropical semi-
árido quente e seco, com chuvas de verão, apresentando temperatura média
anual acima de 25º C e pluviosidade média anual de 650 mm com chuvas
irregulares (RADAMBRASIL, 1981).
18
O relevo predominante da região é o suave ondulado, cortado por alguns vales
estreitos, com vertentes dissecadas. Observam-se elevações residuais, cristas
ou colinas que pontuam a linha do horizonte.
A vegetação dominante na região é do tipo “Caatinga”, constituída por
bromeliáceas e cactáceas, enquanto nos vales e ao longo dos rios ocorrem
árvores de médio porte como angico, baraúna e aroeira. Nas regiões mais
elevadas ocorrem manchas de vegetação arbórea.
Com relação às características socioeconômicas da região, observa-se uma
predominância de uma pecuária extensiva, com destaque para a criação de
caprinos e agricultura de subsistência com o plantio de milho, feijão, mandioca,
algodão e alguma agricultura irrigada nas proximidades de reservatórios.
3.2 Características da Imagem ALOS/PALSAR
Neste trabalho foi utilizada uma cena do ALOS/PALSAR (Figura 3.2), banda L,
no modo de aquisição Fine Beam Dual (FBD) e nível de operação 1.1. A
Tabela 3.1 apresenta as principais características da imagem ALOS/PALSAR
empregada.
Tabela 3.1 – Principais características da imagem ALOS/PALSAR utilizada.
Formato SLC (Single Look Complex) Modo de Aquisição Fine Beam Dual (FBD) Polarização HH/HV Data de Aquisição 30/05/2008 Órbita/Frame 12500/7020 Resolução Espacial 20 m (alcance - 1 look) x 10 m (azimute - 2 look) Espaçamento entre Pixels 9.3685143 m (alcance) x 3.1894556 m (azimute)
Ângulo de Incidência 38.798º Ângulo Off-Nadir 34.3º Altitude do Sensor 699.65 km Passagem Ascendente
19
(a) (b)
(c) (d) Figura 3.2 – Imagens ALOS/PALSAR da área de estudo: (a) amplitude HH, (b)
amplitude HH*HV, (c) amplitude HV e (d) composição colorida com as amplitudes R(HH)G(HH*HV)B(HV);
20
3.3 Aplicativos utilizados
Para o desenvolvimento deste trabalho foram utilizados os seguintes
aplicativos:
• PolSARpro 4.0;
• Envi 4.7;
• Classificador Polarimétrico 0.7;
• SARscape 4.2.
O Aplicativo PolSARpro 4.0 foi utilizado para a geração da matriz de
covariância, reamostragem por média espacial (multilook) e classificação pelo
método de Wishart. O aplicativo Envi 4.7 foi utilizado para a realização da
filtragem das imagens e geração das imagens amplitude. O Classificador
Polarimétrico 0.7 foi utilizado para a geração das classificações MAXVER-ICM.
A geocodificação das imagens-radar foi realizada no aplicativo SARscape.
3.4 Dados auxiliares
3.4.1 Dados Pluviométricos
É de grande importância conhecer as condições climáticas antecedentes à data
de aquisição dos dados de radar, uma vez que a constante dielétrica sofre
influência da umidade do solo e da vegetação devido à ocorrência de
precipitação.
Assim, procedeu-se à aquisição dos valores de precipitação acumulada oriunda
da estação pluviométrica Serra Talhada (ITEPE, 2009), localizada na latitude
S 7º 55’ 50” e longitude W 38º 17’ 19”, distando aproximadamente 40 km do
centro da área de estudo. A Figura 3.3 apresenta a precipitação acumulada
obtida no mês de maio de 2008 pela estação pluviométrica de Serra Talhada.
Observa-se que nos três dias anteriores à aquisição da imagem (30/05/2008)
foram registradas respectivamente as seguintes precipitações: 8.3, 2.8 e 0 mm.
21
0
10
20
30
40
50
60
70
80
90
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Dia
Prec
ipita
ção
Acu
mul
ada
(mm
)
Figura 3.3 – Precipitação pluviométrica para o mês de maio de 2008, valores medidos pela PCD em Serra Talhada, nas proximidades da área de estudo.
No Apêndice A, são apresentados os valores de precipitação diária de estação
pluviométrica de Serra Talhada para o mês de maio de 2008.
3.5 Procedimentos metodológicos
Os procedimentos metodológicos executados neste trabalho estão ilustrados
no fluxograma da Figura 3.4, e os detalhamentos da metodologia proposta
estão descritos nas seções a seguir.
22
Figura 3.4 – Fluxograma geral do trabalho.
3.5.1 Pré-processamentos
A primeira etapa, na qual foram realizados os pré-processamentos na imagem
ALOS/PALSAR, consistiu de: geração da matriz de covariância, reamostragem
por média espacial (multilook), recorte da área de estudo, filtragem Gamma
com uma janela 5x5, conversão de dados de intensidade e complexos para
amplitude.
A Figura 3.5 mostra os passos realizados nessa fase da metodologia.
PRÉ-PROCESSAMENTOS
ANÁLISE E AVALIAÇÃO DOS RESULTADOS
CLASSIFICAÇÕES MAXVER-ICM / WISHART
DEFINIÇÃO DAS AMOSTRAS DE TESTE E TREINAMENTO
AVALIAÇÃO DA ACURÁCIA TEMÁTICA E POSICIONAL
ANÁLISE EXPLORATÓRIA
IMAGENS ALOS/PALSAR FBD
23
Figura 3.5 – Fluxograma da etapa de pré-processamento.
A partir das imagens ALOS/PALSAR FBD no formato single look complex, foi
gerada uma matriz de covariância (2x2) com uma reamostragem por média
espacial (multilook), definindo-se o número de looks igual a três na direção de
azimute, a fim de tornar os pixels quadrados em azimute e alcance. A partir
dessa fase, foi feita a delimitação da área de interesse, obtendo-se uma
imagem com as dimensões 3376x4101 pixels.
Após essa etapa foi realizada uma filtragem Gamma 5x5 na imagem recortada,
a fim de reduzir o ruído speckle nas imagens. Apesar da realização da
reamostragem por média, notou-se, em inspeção visual, a necessidade de
aplicação dessa filtragem. Com essas operações de filtragem, de acordo com
GERAÇÃO MATRIZ DE COVARIÂNCIA
IMAGENS ALOS/PALSAR FBD
RECORTE
FILTRAGEM GAMMA 5X5
CONVERSÃO DADOS
INTENSIDADE/COMPLEXOS EM AMPLITUDE
24
Frery (1993), há uma mudança na distribuição estatística da imagem original,
fazendo com que sua distribuição seja normalizada.
Na fase seguinte as imagens-intensidade, que correspondem à diagonal
principal da matriz de covariância, foram convertidas para imagens amplitude.
Tem-se que a amplitude é a raiz quadrada da intensidade. O elemento
complexo da matriz de covariância foi transformado para amplitude através da
raiz quadrada da soma dos quadrados das partes real e imaginária.
3.5.2 Amostras de treinamento e teste
Para a realização das classificações supervisionadas e avaliação da acurácia
temática se faz necessário o estabelecimento das classes de uso e cobertura
da terra, bem como as amostras de treinamento e teste. As classes e as
amostras foram definidas a partir do levantamento em campo, cujo
detalhamento será abordado na seção 3.4.3.
3.5.3 Etapa de campo
O levantamento de campo teve como objetivo identificar as principais classes
de uso e cobertura da terra na área de estudo e apoiar o processo de seleção
de amostras de treinamento e de teste para a validação temática e geométrica.
As atividades de campo ocorreram no período de 07 a 14 maio de 2009, com
uma defasagem de aproximadamente um ano em relação à data de
imageamento realizado pelo sensor ALOS/PALSAR (30/05/2008).
A seleção de amostras em campo foi definida através da identificação de
padrões de homogeneidade temática, observados in loco, sendo também
apoiada com dados complementares, tais como o mapa de remanescentes da
vegetação natural (MMA, 2005) e imagens TM/LandSat 5 (01/11/2008), na
combinação colorida RGB543.
25
Os pontos amostrados em campo foram georreferenciados com o uso de um
receptor de navegação GPS (Global Positioning System), bem como realizados
registros fotográficos para posterior análise em laboratório.
Foram utilizados dois modos de amostragem em campo:
1. Transectos em linha – a fim de caracterizar a vegetação de caatinga;
2. Pontos de observações – registros da paisagem elaborados de forma
descritiva, compreendendo feições agrícolas ou de pecuária, corpos
d’água, além de manchas de fácies de caatinga por análise comparativa
de fisionomia àquelas anteriormente inventariadas.
O transecto em linha (Figura 3.6) consistiu em lançar uma trena de 50m ao solo
na área a ser levantada, buscando identificar a distribuição horizontal e vertical
e o grau de cobertura de árvores e arbustos (MALDONADO et al., 2004). Com
a finalidade de identificação das fácies de caatinga, foram realizadas leituras,
metro a metro, da presença de árvores, arbustos e herbáceas que compunham
o plano vertical definido pela trena como base. Foram feitas na ocasião,
mensurações da altura dos indivíduos lenhosos, bem como a sua identificação
botânica, realizada por um técnico ligado ao Centro de Pesquisa Agropecuária
Trópico Semi-Árido (Embrapa Semi-Árido).
26
Figura 3.6 – Ilustração de transecto em linha.
Fonte: Maldonado (2005).
A planilha do transecto em linha (Figura 3.7) utilizada para o levantamento em
campo permitiu a localização do individuo na linha, nome, presença de solo
exposto, tipo de cobertura do solo. De acordo com o porte do indivíduo foram
identificados os seguintes grupos: porte herbáceo, para indivíduos de até um
metro; porte arbustivo, para indivíduos de um a três metros e porte arbóreo,
com indivíduos acima de três metros. As definições dos portes que
compreendem os indivíduos herbáceos e arbustivos aparecem com uma
sobreposição na planilha de campo, essa é uma informação adicional que
apresenta o arbusto em estágio atual, utilizada em estudos de detecção de
mudanças. As informações com relação à cobertura do solo ao longo do
transecto foram descritas com a presença de lenha grossa, lenha fina, lenha
em pé, árvores mortas, folhagem, serrapilheira ou ainda solo exposto. A
superfície do solo foi definida de acordo com granulometria, onde os
sedimentos são classificados em inspeção visual em: matacão (diâmetro médio
maior que 256 mm), blocos (64 a 256 mm), seixos (4 a 64 mm), cascalho (2 a 4
mm), areia grossa (0,5 a 2 mm), areia fina (0,05 a 0,5 mm), silte (0,002 a 0,05)
e argila (menor que 0,002 mm) (LEPSCH, 2002).
27
Figura 3.7 – Modelo de planilha utilizada em campo. Fonte: Adaptado de Maldonado (2005).
Após o levantamento de campo, as planilhas foram analisadas com a finalidade
de rotulação da tipologia florestal e suas várias fácies, de forma a servir como
áreas representativas para seleção de amostras de treinamento e de teste.
Foram montados os perfis das faciações encontradas e calculada a cobertura
vegetal para cada estrato (arbóreo arbustivo e/ou herbáceo), a partir da soma
dos pontos de ocorrência do mesmo grupo.
Ao final do trabalho de campo foram contabilizados 57 transectos e 192 pontos
de observações. Alguns poucos locais não puderam ser percorridos para coleta
de amostras devido às dificuldades de acesso. Os conjuntos de transectos e de
pontos observacionais permitiram definir cinco classes para a área de estudo:
caatinga arbórea (arbo), caatinga arbórea-arbustiva (arboarbu), caatinga
arbustiva (arbu), agricultura/pecuária (agr) e corpos d’água (água).
28
3.6 Classificações das imagens ALOS/PALSAR
3.6.1 Classificação pelo método MAXVER-ICM
Para a realização das classificações pelo método MAXVER-ICM foi utilizado o
aplicativo Classificador Polarimétrico 0.7 (CORREIA, 1998).
Com a utilização das amostras de treinamento estabelecidas e com os critérios
de parada de 5% para a quantidade máxima de troca de pixels entre classes ou
8 iterações, o classificador MAXVER-ICM foi aplicado nas seguintes imagens
filtradas:
(a) Individualmente, em imagens-amplitude: [AHH], [AHV];
(b) Combinação dos pares imagens-amplitude: [AHH, AHV], [AHV, AHH*HV] e
[AHH, AHH*HV];
(c) Conjunto de imagens-amplitude: [AHH, AHV, AHH*HV].
Para as classificações univariadas foram ajustadas diferentes funções de
densidade de probabilidade para cada uma das classes e estimados os valores
de NEL (Número Equivalente de Looks) de 33.0464 para a amplitude filtrada
HH e 34.5392 para a amplitude filtrada HV. Para as demais combinações, os
dados foram ajustados com base na função de densidade Gaussiana
Multivariada.
3.6.2 Classificação pelo método Wishart
A classificação pelo método Wishart foi realizada por meio do aplicativo
PolSARpro 4.0. Este classificador utiliza como atributo dados da matriz de
covariância. Sendo este um método de classificação supervisionado, foram
utilizadas as mesmas amostras de treinamento estabelecidas anteriormente.
29
Obtidas as classificações pelos métodos MAXVER-ICM e Wishart, foram
avaliados o grau de acurácia temática dos resultados a partir do índice de
concordância kappa, obtidos a partir da matriz de confusão com as amostras
de teste.
3.6.3 Avaliação de desempenho temático
Obtidas as classificações pelos métodos MAXVER-ICM e Wishart, foram
avaliados o grau de acurácia temática, fazendo uso de amostras-testes
derivadas das informações de campo. Os índices de concordância Kappa,
(CONGALTON; GREEN, 1999) obtidos a partir das matrizes de confusão entre
as classes, serviu para verificar os desempenhos dos classificadores
polarimétricos utilizados nessa área do semi-árido brasileiro. Um mapa de uso
e cobertura da terra foi então gerado a partir do classificador polarimétrico de
melhor desempenho.
3.7 Ortorretificação da imagem ALOS/PALSAR e avaliação da qualidade posicional planimétrica
As imagens no formato single look complex foram ortorretificadas no aplicativo
SARscape 4.2. Para tal procedimento, foram utilizadas as formulações de
“Ranger - Doppler” (MEIR, 1993), com dados obtidos das efemérides da
plataforma e modelo digital de elevação. A ortorretificação foi relativa, pois não
utilizou pontos de controle no modelo, sendo o DEM (Digital Elevation Model)
utilizado o SRTM - CGIAR (Shuttle Radar Topography Mission – Consultative
Group on International Agricultural Research) versão 4.1 (JARVIS et. al., 2008),
com resolução espacial de 90m.
Para avaliar a qualidade da geocodificação foi empregado um conjunto de
pontos, cujas coordenadas foram obtidas em campo com GPS de dupla
freqüência pelo método estático relativo, tendo como bases de referência as
estações RBMCs (Rede Brasileira de Monitoramento Contínuo), implantadas e
30
mantidas pelo IBGE. Os pontos rastreados em campo, no pós-processamento
em solução float (sem fixação da ambigüidade), teve exatidão submétrica. A
partir dos resíduos das coordenadas dos pontos homólogos definidos no
campo versus imagem foi realizada a análise de discrepância, obtendo-se
assim os valores de RMS e, por conseguinte, a qualidade posicional do produto
ortorretificado através das estimativas do CE90 (Erro Circular) e o PEC (Padrão
de Exatidão Cartográfica). Devido à complexidade da paisagem e certa
dificuldade na localização de pontos de controle na imagem PALSAR, foi
possível a identificação de 7 pontos homólogos, que serviram para essa fase
de avaliação posicional de teor planimétrico.
31
4 RESULTADOS E DISCUSSÕES
Neste capítulo são apresentados os resultados obtidos no levantamento
fisionômico-estrutural das tipologias vegetais, análise exploratória dos dados,
os resultados das classificações e os respectivos testes de acurácia (kappa).
4.1 Caracterizações das classes de uso e cobertura da terra
A classe caatinga arbórea (Figura 4.1) retrata a forma mais adensada da
caatinga, que de acordo com Lima (1986), representava o tipo de caatinga de
maior distribuição no nordeste brasileiro, sendo atualmente inexistente na sua
forma primária, somente encontrada com sinais de degradada. Este tipo de
caatinga apresenta-se em sua estrutura horizontal e vertical formada
predominantemente por árvores com alturas variando de 3 a 12 metros,
apresentando indivíduos arbustivos esparsos, distribuídos no tapete herbáceo.
Figura 4.1 – Foto representativa de caatinga arbórea na área de estudo.
As espécies de porte arbóreo que caracterizam esta fácie são Croton
hemiargyreus Müll. Arg., Mimosa arenosa (Willd.) Poir., Cnidoscolus
phyllacanthus (Mart.) PAX&K. Hoffm., Spondias tuberosa Arr.Cam., Caesalpinia
32
pyramidalis Tul., Aspidosperma pyrifolium Mart., Anadenanthra columbrina
(Vell.) Brenan, Commiphora leptopholoes (Mart.) J.B. Gillet e Schinopsis
brasiliensis Engl.. O estrato arbustivo é dominado pela Caesalpinia pyramidalis
Tul. e Mimosa arenosa (Willd.) Poir.. E o estrato herbáceo pela Sida
galheirensis Ulb..
Como exemplo, é mostrado na Figura 4.2, uma representação típica da fácie
de caatinga arbórea encontrada na área de estudo, cujas informações formam
derivadas de transectos em linha, descritos anteriormente no item 3.4.3. Nessa
faciação da caatinga mais densa, a cobertura do dossel “acumulada” foi de
108%, discriminada em 84% para o estrato arbóreo, 22% para o estrato
arbustivo, 2% para o estrato herbáceo. No substrato dessa tipologia,
entremeando-se com as espécies herbáceas, há ainda 14% de exposição de
solo, com presença de matacões, blocos, seixos ou cascalhos. Note-se que
nesse percentual de cobertura do dossel, os valores são cumulativos quando
há superposição de copas dos vários estratos.
Figura 4.2 – Perfil fisionômico-estrutural da classe caatinga arbórea.
A classe caatinga arbórea-arbustiva (Figura 4.3) contém em sua estrutura
vertical árvores com altura entre 3 a 8 metros, entremeadas por um denso
estrato arbustivo, cuja altura média está por volta de 1,5m. As espécies que
33
predominam no estrato arbóreo são Schinopsis brasiliensis Engl., Mimosa
tenuiflora (Willd.) Poir. , e no arbustivo, Aspidosperma pyrifolium Mart.,
Caesalpinia pyramidalis Tul..
Figura 4.3 – Foto representativa de caatinga arbórea-arbustiva.
Um transecto representativo de caatinga arbórea-arbustivo pode ser visto na
Figura 4.3, cujo grau de cobertura do dossel apresenta 44% no estrato arbóreo,
58% para o estrato arbustivo, 2% no estrato herbáceo, numa cobertura de
dossel acumulada de 104%. No substrato, intercalando-se com as espécies
herbáceas, há ainda 22% de exposição de solo, definidos por matacões,
blocos, seixos ou cascalhos, dependendo das condições edáficas, derivadas
da rocha matriz.
34
Figura 4.4 – Perfil fisionômico-estrutural da classe caatinga arbórea-arbustiva.
A classe caatinga arbustiva (Figura 4.5) é caracterizada predominantemente
por arbustos com alturas variando, geralmente, na faixa de 1 e 2 metros. Em
alguns setores dessa paisagem pode ocorrer esporadicamente algum indivíduo
de porte arbóreo. As espécies dominantes do estrato arbustivo são a
Caesalpinia pyramidalis Tul., Aspidosperma pyrifolium Mart., Croton
hemiargyreus Müll. Arg. e a Mimosa arenosa (Willd.) Poir..
Figura 4.5 – Foto representativa de caatinga arbustiva.
35
Um transecto representativo dessa fácie de caatinga arbustiva pode ser visto
na Figura 4.6, com uma cobertura acumulada de dossel da ordem de 86%,
sendo 2% no estrato arbóreo, 78% no estrato arbustivo adensado e de apenas
6% no estrato herbáceo. Nota-se nessa faciação de caatinga que o substrato
apresenta elevada exposição do solo, com valores em torno de 14%.
Figura 4.6 – Perfil fisionômico-estrutural da classe caatinga arbustiva.
Complementarmente à análise fisionômico-estrutural derivada desses
transectos em linha, tem-se ainda no Apêndice B a composição florística
encontrada no decorrer da fase de inventário, representativas das unidades
vegetacionais da caatinga.
A classe agricultura (Figura 4.7) contempla áreas com cultivos agrícolas e
também áreas de pastoreio. Geralmente, essas áreas destinadas ao sistema
produtivo têm formas geométricas bem definidas, compreendendo os roçados,
as plantações irrigadas, as áreas de pastagens implantadas (com Cenchrus
ciliaris L.), bem como as áreas de solo arado ou em pousio.
36
Figura 4.7 – Fotos de cultivo agrícola e de pastagem implantada.
A classe corpos d’água (Figura 4.8) contempla os reservatórios, áreas
alagadas e rede hidrográfica presente na região em estudo.
Figura 4.8 – Foto da barragem de Serrinha (Serra Talhada, PE).
Definidas as classes de uso e cobertura da terra, foram coletas as amostras de
treinamento e teste a partir dos pontos obtidos em campo. As amostras de
treinamento foram utilizadas para a análise exploratória dos dados e também
no processo classificatório e as de testes, para verificação do desempenho das
37
classificações oriundas das abordagens MAXVER-ICM e Wishart. A Tabela 4.1
contém a quantidade de ROIs e respectivos números de pixels contidos nas
amostras de treinamento e teste para cada uma das cinco classes de uso e
cobertura da terra.
Tabela 4.1 – Número de amostras e de pixels utilizados nas fases de
treinamento e teste.
Treinamento Teste Classes Pixels ROI Pixels ROI
Caatinga Arbórea 1021 14 1140 14 Caatinga Arbórea-Arbustiva 1112 12 1035 11 Caatinga Arbustiva 1032 13 1033 10 Agricultura/Pecuária 1070 10 933 15 Corpos d'água 932 5 939 5 Total 5167 54 5080 55
4.2 Análises Exploratórias
A análise exploratória teve como objetivo verificar a variação dos valores de
amplitude nas polarizações HH e HV para as classes de uso e cobertura da
terra propostas para este trabalho. A análise foi baseada em gráficos do tipo
box-plot , obtidos a partir de valores de amplitude filtrados das amostras de
treinamento, num total de 5167 pixels tratados.
O gráfico do tipo box-plot permite analisar a distribuição de um conjunto de
dados a partir dos parâmetros descritivos: primeiro quartil, mediana e pelo
terceiro quartil. As hastes superiores e inferiores se estendem respectivamente
dos valores máximo e mínimo dos dados, excluindo os valores discrepantes
(outliers). Neste gráfico a caixa representa o intervalo entre 25% (primeiro
quartil) e 75% (terceiro quartil) dos dados, enquanto a linha que divide a caixa
representa à mediana.
38
Os gráficos box-plot apresentados na Figura 4.9, ilustram as variações de
amplitude nas polarizações HH e HV para cada uma das classes de uso e
cobertura da terra.
Polarização HH
0.0
5.0
10.0
15.0
20.0
25.0
30.0
Caatinga Arbórea Caatinga Arbórea-Arbustiva Caatinga Arbustiva Agricultura/Pecuária Corpos D'Água
Rad
iom
etria
Am
plitu
de (H
H)
(a)
Polarização HV
0.0
5.0
10.0
15.0
Caatinga Arbórea Caatinga Arbórea-Arbustiva Caatinga Arbustiva Agricultura/Pecuária Corpos D'Água
Rad
iom
etria
Am
plitu
de (H
V)
(b)
Figura 4.9 – Gráficos box-plot das classes de uso e cobertura da terra nas polarizações HH (a) e HV (b).
Os resultados entre as classes de caatinga arbórea, arbórea-arbustiva e
arbustiva possuem intervalos do atributo “amplitude”, nas polarizações HH e
HV, muito similares, não ficando evidente uma região de separação entre
essas classes. Esse resultado pode ser entendido em termos de biomassa, as
diferenças estruturais e de florística entre as tipologias de caatinga, respondem
a banda L por uma grande quantidade de galhos finos e troncos encontrado
nessa vegetação. Pode-se notar uma maior diferença de valores de “amplitude”
39
com relação às classes agricultura e corpos d’água e, dessas duas com
relação às classes de caatinga, fato que é observado nas duas polarizações.
As classes corpos d’água e agricultura apresentaram baixos valores de
amplitude, o que se justifica pela reflexão especular e baixo retorno do sinal-
radar. De acordo com essa prévia análise exploratória dos dados SAR, há
indícios de certa dificuldade na separabilidade mais detalhada das faciações de
caatinga, o que se discute mais a frente, no decorrer das abordagens
classificatórias.
4.3 Classificações Supervisionadas MAXVER-ICM e Wishart
Neste item são analisados os resultados das classificações de uso e cobertura
da terra obtidas pelos métodos MAXVER-ICM e Wishart, aplicados sobre as
imagens amplitude e matriz de covariância, respectivamente.
É apresentado o mapeamento temático resultante do procedimento
classificatório de melhor desempenho, definido pelos índices estatísticos
Acurácia Global (A.G), Erros de Inclusão (E.I.) e de Omissão (E.O.) e índice de
concordância Kappa (K) e sua variância (var(k)). Além disso, para reforçar o
conteúdo técnico que levou a essa decisão do melhor classificador, são
também apresentadas todas as matrizes de confusão derivadas das várias
abordagens classificatórias, quer seja da entrada com variáveis individuais
[AHH] e [AHV], ou da combinação dos pares de imagens-amplitude [AHH, AHV],
[AHV, AHH*HV] e [AHH, AHH*HV], ou ainda do conjunto [AHH, AHV, AHH*HV].
Os resultados das matrizes de confusão para as classificações MAXVER-ICM e
Wishart são apresentados nas TABELAS 4.1 e TABELA 4.2, respectivamente.
40
Tabela 4.2 – Matrizes de confusão das classificações MAXVER-ICM das
imagens: (a) [AHH]; (b) [AHV]; (c) [AHH, AHH*HV]; (d) [AHH, AHV]; (e)
[AHV, AHH*HV] e (f) [AHH, AHV, AHH*HV].
Tabela 4.3 – Matriz de confusão da classificação Wishart.
Referência Classes Arbo ArboArbu Arbu Agr Água Total E.I. (%)
Arbo 379 0 349 0 0 728 47.94 ArboArbu 342 385 191 21 0 939 59.00 Arbu 418 345 461 34 0 1258 63.35 Agr 1 300 32 878 8 1219 27.97
Cla
ssifi
caçã
o
Água 0 5 0 0 931 936 0.53 Total 1140 1035 1033 933 939 5080 E.O. (%) 66.75 62.80 55.37 5.89 0.85 A.G. (%) 59.72 Kappa 0.50 Var(K) 7.3E-05
(a) (b)
(c) (d)
(e) (f)
41
No caso da aplicabilidade do algoritmo classificatório MAXVER-ICM, a
separabilidade geral das classes de uso e cobertura da terra apresentou boa
acurácia, considerando a categorização de Landis e Koch (1977), pois
apresentou valores de kappa entre 0,4 e 0,6 (Tabela 4.2). Entretanto,
particularizando a discriminação das fácies de caatinga, as imagens-amplitude
em sua forma de polarizações individuais, não tiveram resultados satisfatórios.
Esse fato fica evidenciado pelos erros de inclusão (superiores a 50%) entre
essas classes específicas, contidos na matriz de confusão.
O melhor resultado da classificação MAXVER-ICM que utilizou variáveis
individuais, com base na valoração do índice kappa de 0.51 (Tabela 4.2), foi
encontrado para aquela que tem como entrada a variável [AHH]. Apesar dos
valores de kappa estarem próximo àquele do uso da componente [AHV], a
matriz de confusão foi considerada significativamente diferente no teste Z, ao
nível de significância de 5% (Tabela 4.4).
Tabela 4.4 - Resultado da comparação entre as classificações pelo teste Z
sobre o índice Kappa, realizado com as classificações Maxver-
ICM e Wishart. As células destacadas representam os resultados
significativos a um nível de significância de 5%.
Classificação C1 C2 C3 C4 C5 C6 C7 C1 – [AHH] - 3.13 1.13 0.15 2.5 5.71 0.85 C2 – [AHV] - - 1.98 3.25 0.64 8.75 2.27 C3 – [AHH, AHH*HV] - - - 1.27 1.35 6.79 0.29 C4 – [AHH, AHV] - - - - 2.63 5.51 0.99 C5 – [AHV, AHH*HV] - - - - - 8.18 1.64 C6 – [AHH, AHV, AHH*HV] - - - - - - 6.52 C7 - Wishart - - - - - - - Estatisticamente iguais < 1.96 Estatisticamente diferentes > 1.96
42
Nas classificações MAXVER-ICM utilizando o par de imagens amplitude,
representadas por [AHH, AHV], [AHV, AHH*HV] e [AHH, AHH*HV], os resultados
encontrados mais uma vez não foram satisfatórios na discriminação exclusiva
das fácies de caatinga. A inclusão de mais essa componente [AHH*HV], derivada
também da matriz de covariância, na classificação não apresentou um aumento
na valoração do índice de concordância kappa, mantendo inclusive os níveis de
erro de inclusão em valores acima dos 50%. O melhor resultado encontrado foi
para o par imagem-amplitude [AHH, AHV], com índice kappa de 0.51 (Tabela
4.1d) na estratificação geral das 5 classes temáticas. Contudo, a matriz
correspondente desse par foi considerada estatisticamente igual à matriz
decorrente do par [AHV, AHH*HV], em um nível de significância de 5% (Tabela
4.4).
Ao se utilizar o classificador MAXVER-ICM com o conjunto das três
componentes [AHH, AHV, AHH*HV], foi alcançando o maior valor de kappa (0,58).
Numa análise comparativa entre essa matriz de confusão com aquelas
matrizes tidas com as outras componentes (individual ou em par), constatou-se
ser estatisticamente diferente das demais, a um nível de 5% de significância
(Tabela 4.4). Contudo, estritamente para a diferenciação entre as faciações de
caatinga, não foi observada em tal classificação uma relativa diminuição nos
erros de inclusão entre essas classes vegetacionais, mantendo-se acima do
patamar de 45%.
Por sua vez, o procedimento classificatório de Wishart que utilizou a matriz de
covariância, obteve um valor de índice kappa de 0.50, sendo assim
considerada como boa acurácia na estratificação de Landis e Koch (1977). No
entanto, na particularização de classes de faciações de caatinga este
classificador não apresentou bom desempenho, conforme os altos erros de
inclusão observados na Tabela 4.3.
Das classificações realizadas neste trabalho, a de melhor resultado foi à obtida
pelo conjunto das três componentes [AHH, AHV, AHH*HV] no procedimento
43
efetuado pelo classificador MAXVER-ICM. A matriz de confusão obtida nesta
classificação foi considerada estatisticamente diferente das demais realizadas,
a um nível de significância de 5% (Tabela 4.4). A Figura 4.10 ilustra o mapa
temático da melhor classificação obtida. Numa área total de 1560 km2, os
remanescentes de caatinga arbórea ocupam 29%, a caatinga arbórea-arbustiva
com 34%, a caatinga arbustiva com 16%, estando 298 km2 da área destinada
diretamente ao processo produtivo, com cultivos agrícolas ou de pecuária
implantada. A acurácia global desse mapeamento temático foi de 66%, com
índice kappa no valor de 0.58. É importante registrar que em meio às áreas de
caatinga de porte arbóreo-arbustivo e de porte arbustivo é comum o uso das
terras com certa destinação de caprinicultura extensiva, não considerada nesse
estudo pela dificuldade de identificação de sutis degradações da paisagem nas
imagens orbitais.
A boa separabilidade da classe de agricultura apresentada na Figura 4.9, e os
baixos erros apresentados nas Tabelas 4.2 e 4.3, confirmam a potencialidade
de dados SAR banda L na quantificação de detecção de desmatamento na
caatinga, que é um problema preocupante neste ambiente.
44
Figura 4.10 – Mapa temático da classificação MAXVER-ICM empregando as componentes [AHH, AHV, AHH*HV].
38° 21’’ W
38° 47 ’’ W
08° 03’’ S
08° 19’’ S
0 10 km
45
4.4 Ortorretificação
A Figura 4.11 ilustra o produto ALOS/PALSAR ortorretificado com filtragem
Gamma 5x5 e os sete pontos utilizados para a verificação da qualidade
posicional planimétrica. A Tabela 4.5 apresenta as coordenadas dos pontos
obtidos em campo e seus homólogos na imagem, as discrepâncias obtidas e
as estatísticas relacionadas.
Figura 4.11 – Produto ortorretificado gerado na projeção UTM, fuso 24, sistema de referência geodésico WGS84. Combinação colorida R(HH)B(HV)G(HH).
46
Tabela 4.5 – Relação de coordenadas UTM/WGS-84, fuso 24, dos pontos obtidos na
imagem ortorretificada e em campo (GPS) e seus resíduos.
Coordenada UTM
Imagem Coordenadas UTM GPS Resíduos
Ponto E (m) N(m) E (m) N(m) ∆E ∆N 1 551963.10 9093015.43 551970.65 9093022.30 -7.56 -6.86 2 557554.40 9089840.49 557539.71 9089823.02 14.69 17.46 3 562137.20 9084118.28 562147.26 9084130.07 -10.06 -11.79 4 575144.97 9108195.48 575159.08 9108203.33 -14.11 -7.84 5 530036.93 9103655.16 530045.68 9103664.17 -8.75 -9.01 6 543260.19 9115000.09 543254.75 9115005.92 5.44 -5.82 7 576910.70 9116153.70 576910.64 9116151.26 0.06 2.44
Média -2.90 -3.06
Desvio Padrão 10.17 10.07
Erro Máximo -14.69 17.46
Com base na avaliação dos resíduos entre as coordenadas obtidas na imagem
ortorretificada e os pontos homólogos obtidos em campo (Tabela 4.5) e suas
estatísticas, foram calculados no aplicativo GEOPEC, os testes de tendência e
precisão de acordo com o Decreto-Lei nº 89.817 (BRASIL, 1984) para a análise
preliminar do PEC. Os testes foram realizados para a escala padrão de
1:100.000 e os testes de tendência e precisão com nível de significância de
10%. De acordo com os resultados obtidos, o produto foi classificado no PEC
classe A para a escala 1:100.000. Ficando dentro das expectativas para um
produto com resolução espacial de 20m e que sofreu degradação devido aos
processamentos aplicados. Ver no Apêndice C o relatório de processamento.
Numa outra abordagem utilizada pela comunidade cartográfica internacional,
através do critério do CE90, que representa o raio do circulo no qual se tem a
probabilidade de 90% dos pontos testados estarem contidos neste circulo, o
produto ALOS/PALSAR ortorretificado mostrou possuir um Erro-Médio-
Quadrático foi de 13.90m, obtendo-se, por conseguinte o valor de erro-circular
de 29.89 m.
47
5 CONCLUSÕES
Este trabalho teve como objetivo investigar o comportamento dos dados
PALSAR com relação aos alvos do ambiente semi-árido. A metodologia de
coleta de dados em campo, com a utilização de transectos e pontos de
observação, mostrou-se suficientemente adequada para subsidiar a análise
advinda dos dados-radar. Por sua vez, os dados banda L mostraram potencial
discriminatório, em determinado nível, na caracterização de fácies de caatinga
e demais classes de uso da terra presentes nessa região de abrangência de
Serra Talhada (PE).
A sensibilidade dos dados-radar na banda L e na polarização dual (HH e HV),
particularmente perante a estrutura da vegetação de caatinga, mostra o quanto
é complexa tal interação, e conseqüente a interpretação de resultados. Como
são sutis as variações estruturais no contato entre as várias fácies dessa
vegetação do semi-árido, as abordagens classificatórias MAXVER-ICM e
Wishart utilizadas mostraram-se relativamente eficientes, dentro das limitações
impostas pelas componentes disponíveis de base dual. Isso reporta, numa
perspectiva de prosseguimento de linha investigativa, no uso de dados full
polarimétrico, o que provavelmente permitirá explorar com mais propriedades
as diversas variáveis coerentes e incoerentes dos atributos do ALOS/PALSAR.
Considerando os resultados alcançados no presente estudo, visto que a
comunidade de usuários terá como produto-padrão advindo da cooperação
FIBGE e JAXA imagens em modo dual, o uso do conjunto de componentes
[AHH, AHV, AHH*HV] e do classificador MAXVER-ICM permitirá obter informações
contextuais dos temas básicos da região semi-árida.
Em termos da aplicação do produto ALOS/PALSAR ortorretificado, utilizando
as informações de efemérides, DEM SRTM e a não inclusão de pontos de
controle, foi constatada numa análise preliminar do PEC classe A, a acurácia
posicional planimétrica é adequada ao uso dos dados na escala de 1:100.000.
48
Entretanto, esta análise foi realizada com poucos pontos, sugere-se a
realização de experimentos com uma quantidade maior de amostras e uma
distribuição homogênea na imagem.
Outro ponto importante a ser considerado, sobretudo quando se desejar uma
discriminação temática mais detalhada do que a obtida nesse trabalho, é o uso
conjunto de imagens PALSAR em distintos períodos sazonais, o que permitirá
identificar novas configurações no que se refere aos atributos espaciais
ocupados pelas classes de uso e cobertura da terra, facilitando melhor
discussão numa análise exploratória e conseqüente, numa abordagem
classificatória com maior acurácia. Recomenda-se também para trabalhos
futuros o uso de variáveis de textura, diferentes ângulos de incidência e a
avaliação dos dados em termos de quantificação de desmatamentos no
ambiente de caatinga.
49
REFERÊNCIAS BIBLIOGRÁFICAS
ACCIOLY, L. J. O. ; OLIVEIRA, M. A. J.; SILVA, F. H. B. B.; BURGOS, N. Avaliação de Mudanças no Albedo do Núcleo de Desertificação do Seridó através de Imagens do Landsat TM. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 10., 2001, Foz do Iguaçu. Anais... São José dos Campos: INPE, 2001. p. 549-556. Disponível em: <http://marte.dpi.inpe.br/col/dpi.inpe.br/lise/2001/ 09.19.07.46/doc/0549.556.069.pdf >. Acesso em: 10 jan 2009. AINSWORTH, T. L.; ATWOOD, D.; MEYER, F. Boreal forest classification employing dual-pol PALSAR imagery. In: POLinSAR, 2009, Frascati, Italy. Proceedings… 2009. Disponível em: <http://earth.esa.int/cgi-bin/confpol9.pl?abstract=150>. Acesso em: 17 fev 2009. BARROS, M. M.; ACCIOLY, L. J. O.; CANDEIAS, A. L. B.; PACHECO, A.; COSTA, T. C. C.; OLIVEIRA, M. A. J. Avaliação da mudança do uso do solo na região do Seridó - RN/PB. In: COLÓQUIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS, 4., 2005, Curitiba. Anais... Curitiba: UFPR, 2005. BILBISI, H.; TATEISHI, R. A study on land use/cover classification with textural analysis using Multi-Temporal JERS-1 (SAR) L- band in arid and semi-arid areas.(A case study in Northeastren Jordan). In: ASIAN COFERENCE ON REMOTE SENSING, 23., 2002, Kathmandu, Nepal. Proceedings… Kathmandu: 2002. Disponível em: <http://www.gisdevelopment.net/aars/acrs/2002/luc/luc015pf.htm>. Acesso em: 16/01/2009. BRASIL. Decreto n° 89.817, de 20 de junho de 1984. Estabelece as Instruções Reguladoras das Normas Técnicas da Cartografia Nacional. Disponível em: <http://www.concar.ibge.gov.br/indexd46b.html?q=node/16>. Acesso em: 3 fev. 2009. CARVALHO, V.C. Structure et dynâmique de la vegetation en milieu tropical semi-aride. La Caatinga de Quixabá (Pernambouc, Brésil) du terrain a l’analyse des données MSS/Landsat. 1986. 332 p. (INPE-4049-RPE/524). Tese (Doutorado) - Université de Toulouse-Le Mirail. CARVALHO, V. C.; FREITAS, M. W. D. Abordagem Integrada para o Mapeamento da Dinâmica da Terra em Três Áreas-Piloto do Bioma Caatinga. IN: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12., 2005, Goiânia. Anais... São José dos Campos: INPE, 2005. p. 1459-1458. Disponível em: <http://marte.dpi.inpe.br/col/ltid.inpe.br/sbsr/2004/11.19.12.58/ doc/1459.pdf>. Acesso em: 10 dez. 2008. CHEN, E. X.; LI, Z. Y.; TAN, B. X.; PANG, Y.; TIAN, X.; LI, B. B. Supervised Wishart classifier for rice mapping using multi-temporal ENVISAT ASAR APS
50
data. In: ESA ENVISAT Symposium, 2007, Montreux. Proceedings... Montreux, 2007. Disponível em: <http://earth.esa.int/workshops/envisatsymposium/proceedings/ posters/3P2/459009ch.pdf >. Acesso em: 10 fev 2009. CONGALTON, R.G.; GREEN, K. G. Assessing the accuracy of remotely sensed data: principles and practices. New York: Boca Raton, FL, 1999. 137 p. CORREIA, A. H. Projeto, desenvolvimento e avaliação de classificadores estatísticos pontuais e contextuais para imagens SAR polarimétricas. 1998. 271 p. (INPE-7178- DI/679). Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 1998. Disponível em: <http://www.obt.inpe.br/pgsere/1998-Correia_A_H/tese_mestre_final.PDF>. Acesso em: 01 dez 2008. FRANCA-ROCHA, W.; SILVA, A. B.; NOLASCO, M. C.; LOBÃO, J.; BRITO, D.; CHAVES, J. M.; ROCHA, C. C. Levantamento da cobertura vegetal e do uso do solo do Bioma Caatinga. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13., 2007, Florianópolis. Anais... São José dos Campos: INPE, 2007. p. 2629 - 2636. Disponível em: <http://marte.dpi.inpe.br/col/dpi.inpe.br/sbsr@80/2006/11.16.02.49/ doc/2629-2636.pdf >. Acesso em: 15 fev 2009.
FREITAS, M. W. D. Estudo integrado da paisagem do sertão Pernambucano (NE-Brasil) com o uso de sistemas de informação geográfica e sensoriamento remoto. 2006. 142 p. (INPE–14821–TDI/1268). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto de Nacional de Pesquisas Espaciais, São José dos Campos. 2006. Disponível em: <http://mtc-m17.sid.inpe.br/col/sid.inpe.br/MTC-m13@80/2006/05.30.19.34/doc/publicacao.pdf >. Acesso em: 10 out 2008.
FREITAS, C.C.; SANT’ANNA, S.J.S,; RENNO, C.D.; CORREIA, A.H. Utilização de imagens de radar de abertura sintética na classificação de uso e ocupação do solo. São José dos Campos: INPE, 2007. 54 p. Disponível em: <http://www.dpi.inpe.br/livros.php>. Acesso em: 10 nov. 2008.
GUERRA, J. Análise metodológica do tratamento de dados SAR R99B para discriminar incremento de desflorestamento no sudeste da Amazônia. 2008. 121 p. (INPE-0000-TDI/0000). Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 2008. Disponível em: < >. Acesso em: 20 fev 2009. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Mapas de Biomas e vegetação. 2004. Disponível em:
51
<http://www.ibge.gov.br/home/presidencia/noticias/noticia_visualiza.php?id_noticia= 169 >. Acessado em: 30 jan 2008. INSTITUTO DE TECNOLOGIA DE PERNAMBUCO (ITEPE). Precipitação Diária do Posto Serra Talhada. 2008. Disponível em: <http://www.itep.br/meteorologia/lamepe/dados/Chuvas.htm>. Acesso em: 30 jan 2009. JARVIS, A.;REUTER, H.I.; NELSON, A.; GUEVARA, E. Hole-filled SRTM for the globe Version 4, available from the CGIAR-CSI SRTM 90m Database. 2008. Disponível em: <http://srtm.csi.cgiar.org>. Acesso em: 20 jan 2010. KNUST, S. S. A. Avaliação das imagens RADARSAT-1 sob diferentes geometrias de observação em aplicação geológica no Vale do Rio Curaçá (Bahia). 2007. 149 p. (INPE-15187-TDI/1297). Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 2007.Disponível em: http://urlib.net/sid.inpe.br/mtc-m17@80/2007/12.07.12.38 . Acesso em: 26 ago. 2010. KUPLICH, T. M. Estudos florestais com imagens de radar. Espaço e Geografia, Brasília, v. 6, n. 1, p. 71-96, 2003. KWARTENG, A. Y.; DOBSON, M. C.; KELLNDORFER, J.; WILLIAMS R. SAR-based land cover classification of Kuwait. International Journal of Remote Sensing, v.29, n.23, p. 6739-6778. Dec. 2008. LANDIS, J. R.; KOCH, G. G. The measurements of observer agreement for categorical data. Biometrics, v. 33, p. 159-174, 1977. LEE, J.S.; GRUNES, M. R.; KWOK, R. Classification of multi-look polarimetric SAR imagery based on complex Wishart distribution. International Journal of Remote Sensing, v.15, n.11 p. 2299-2311. Jul. 1994. LEE, J. S.; GRUNES, M. R.; DE GRANDI, G. Polarimetric SAR speckle filtering and its implication for classification. IEEE Transactions on Geoscience and Remote Sensing. v. 37, n. 5, 1999. LEPSCH, I. F. Formação e conservação dos solos. São Paulo: Oficina de Textos, 2002, 178p. LEWIS, A. J., HENDERSON, P.M., HOLCOMB, D.W. 1998. Radar fundamentals: the geoscience perspective. In: LEWIS, A.J.; HENDERSON, F.M. Manual of remote sensing: principles and applications of imaging radar. 3 ed. New York: American Society for Photogrammetry and Remote Sensing, 1998. 866p.
52
LIMA, D.A. Exame da situação atual dos ecossistema do nordeste Brasileiro e atividade humana. In: Estudos nordestinos do meio ambiente. Recife, 1986. cap. 3. p. 98-141. LOPES, H. L.; CANDEIAS, A. L. L.; ACCIOLY, L. J. O.; TAVARES JUNIOR, J. R. Utilização dos parâmetros físicos albedo e temperatura na identificação de áreas degradas na bacia do Rio Brígida - PE. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12., 2005, Goiânia. Anais... São José dos Campos: INPE, 2005. p. 3119-3127. Disponível em: <http://marte.dpi.inpe.br/col/ltid.inpe.br/ sbsr/2004/11.20.18.11/doc/3119.pdf>. Acesso em: 20 jan 2008. MALDONADO, F. D. Análise por componentes principais (ACP) na caracterização da dinâmica do uso da terra em área do semi-árido brasileiro: Quixaba – PE, Brasil. 1999. 116 p. (INPE-7180-TD/680). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais. São José dos Campos: INPE, 1999. Disponível em: <http://mtc-m12.sid.inpe.br/col/sid.inpe.br/ deise/1999/10.20.17.19/doc/homepage.pdf>. Acesso em: 10 out 2008. MALDONADO, F. D. Desenvolvimento e avaliação de uma metodologia de detecção de mudanças na cobertura vegetal do semi-árido. 2004. 311 p. (# de série). Tese (Doutorado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 2004. Disponível em: < http://mtc-m17.sid.inpe.br/col/sid.inpe.br/jeferson/2004/11.24.09.33/doc/publicacao.pdf>. Acesso em: 10 out 2008. MALDONADO, F. D.; CARVALHO, V. C.; SOUSA, C. L.; MARTINELLI, M; PINHEIRO, O. L.; VIEIRA, F. Determinación de la longitud de Transecta para relevamiento Fisonomico-estructural de la vegetación del semiárido para suministrar datos a las Técnicas de Percepción Remota orbital. Multequina Latin American Journal of Natural Resources. v. 13, 2004. MCNAIRN, H.; CHAMPAGNE, C.; SHANG, J.; HOLMSTROM, D.; REICHERT, G. Integration of optical and synthetic aperture radar (SAR) imagery for delivering operational annual crop inventories. ISPSR Journal of Photogrammetry & Remote Sensing. v. 64, n. 5, 2009. MEIER, E.; FREI, U.; NÜESCH, D. Precise Terrain Correct Geocoded Images. In: SAR geocoding: data and systems. Kalsruhe: Wichmann Verlag, 1993. cap. 7, p. 173-186. MINISTÉRIO DO MEIO-AMBIENTE (MMA). Programa da Conservação da Biodeversidade e Utilização Sustentável da Biodiversidade Brasileira (PROBIO) -Mapas de vegetação do Bioma Caatinga. 2005. Disponível em :
53
<http://mapas.mma.gov.br/geodados/brasil/vegetacao/vegetacao2002/caatinga/documentos/relatorio_final.pdf>. Acesso em: 20 jan 2009. MURA, J. C. Geocodificação automática de imagens de radar de abertura sintética interferométrico: sistema Geo-InSAR. 2000, 159 p. (INPE-8209-TDI/764). Tese (Doutorado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos: 2000. Disponível em: < http://mtc-m05.sid.inpe.br/col/sid.inpe.br/deise/2001/08.03.12.24/doc/pdf/> >. Acesso em: 10 jan 2010. PALOSCIA, S.; BIANCHINI, M.; MACELLONI, G.; PAMPALONI, P.; SANTI, E.; AQID, N.; OUAZAR, D.; ZRIBI, M. Estimating vegetation cover and soil roughness in semi-arid regions from multitemporal dual-frequency SAR data. In: INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, 2001, Sydney. Proceedings… IEEE XPLORE: v. 3, 2001. p. 994-996. PARADELLA, W. R.; SANTOS, A. R.; VENEZIANI P.; CUNHA, E. S. P. Radares imageadores nas geociências: Estado da arte e perspectivas. Revista Brasileira de Cartografia, v. 57, n. 1, p. 50-62, Abr. 2005. (INPE-12355-PRE/7659). Disponível em: <http://urlib.net/sid.inpe.br/iris@1912/2005/05.09.13.40>. Acesso em: 26 ago. 2010. POTTIER, E.; LEE, J. S.; FERRO-FAMIL, L. Advanced concepts. Disponível em: <http://earth.esa.int/polsarpro/Manuals/LN_Advanced_Concepts.pdf>. Acesso em: 15 fev 2009. PROJETO RADAMBRASIL. Folha SB.24 – Jaguaribe/Natal. v. 23, Rio de Janeiro: Departamento Nacional de Produção Mineral - DNPM, 1981. sn. (Levantamento de recursos naturais). QING, D.; HUADONG, G.; ZHEN, L.; CHANGLIN, W. Targets classification of semi-arid region using polarimetric SAR data - An example in Xinjiang, China. In: INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, 2003, Toulouse. Proceedings… IEEE XPLORE: Vol. 7, 2003. p. 4453 – 4455. RANEY, R. K. Radar Fundaments: Technical Perspective. In: LEWIS, A.J.; HENDERSON, F.M. Manual of remote sensing: principles and applications of imaging radar. 3 ed. New York: American Society for Photogrammetry and Remote Sensing, 1998. 866p. RENNÓ, C. D. Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE. 1995. 111 p. (INPE–10441–TDI/926). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto de Nacional de Pesquisas Espaciais, São José dos Campos. 1995. Disponível em: <http://mtc-
54
m12.sid.inpe.br/col/sid.inpe.br/jeferson/2004/03.05.11.22/ doc/paginadeacesso.html >. Acessado em: 15 jan 2009. ROSENQVIST, AKE; SHIMADA, M.; ITO, N.; WATANABE M. ALOS PALSAR: a pathfinder mission for global-scale monitoring of the environment. IEEE Transactions on Geoscience and Remote Sensing, v. 45, n. 11, p. 3307-3316, Nov. 2007. SÁ, I. B. Aplicações da abordagem multiestágio em sensoriamento remoto para mapeamento da vegetação de caatinga: estudo de caso, Petrolina, PE. 1991, 78 p. (INPE-5280-TDI/450). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos: 1991. Disponível em: <http://mtc-12.sid.inpe.br/col/sid.inpe.br/iris%401912/2005/07.19.22.19.23/doc/ paginadeacesso.html >. Acesso em: 10 jan 2009. SCHOWENGERDT, R.A. Remote sensing: models and methods for image processing. 2.ed. London: Academic Press. 1997. 522 p. SILVA, F. B. R.; SANTOS, J. C. P.; SOUZA NETO, N. C.; SILVA, A. B.; RICHE, G. R.; TONNEAU, J. P.; CORREIA, R. C.; BRITO, L. T. L.; SILVA, F. H. B. B.; SOUZA, L. G. M. C.; SILVA, C. P.; LEITE, A. P.; OLIVEIRA NETO, M. B. Zoneamento agroecológico do Nordeste do Brasil: diagnóstico e prognóstico. Recife: Embrapa Solos, Petrolina: Embrapa Semi-Árido, 2000. CD-ROM. SILVA, W. F. Imagens polarimétricas em banda L do SAR-R99B e do MAPSAR (simuladas) para distinguir culturas agrícolas. 2007. 142 p. (INPE–14821–TDI/1261). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto de Nacional de Pesquisas Espaciais, São José dos Campos. 2007. SMARA, Y.; BELHADJ-AISSA, A.; SANSAL,B.; LICHTENEGGER, J.; BOUZENOUNE, A. Multisource ERS-1 and optical data for vegetal cover assessment and monitoring in a semi-arid region of Algeria. International Journal of Remote Sensing, v.19, n.18, p. 3551-3568. May. 1998. TEOTIA, H. S.; SILVA, I. F.; SANTOS, J. R.; VELOSO JUNIOR, J. F.; GONÇALVES, J. L. G. Classificação da cobertura vegetal e capacidade de uso da terra na região do Cariri Velho (Paraíba), através de sensoriamento remoto e geoprocessamento. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 11., 2003, Belo Horizonte. Anais... São José dos Campos: INPE, 2003. p. 1969 - 1976. Disponível em: <http://marte.dpi.inpe.br/col/ltid.inpe.br/sbsr/2002/ 10.28.14.30/doc/14_018.pdf>. Acesso em: 15 jan 2009.
55
VELOSO, H.P.; RANGEL FILHO, A.L.R.; LIMA, J.C.A. Classificação da vegetação brasileira, adaptada ao sistema universal. Rio de Janeiro: IBGE, 1991.123p. VIEIRA, P.R. Desenvolvimento de classificadores de máxima verossimilhança e ICM para imagens SAR. 1996. (INPE– 6124–TDI/585). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto de Nacional de Pesquisas Espaciais, São José dos Campos. 1996. WEGMULLER, U.; STROZZI, T.; FARR, T.; WERNER, C.L. Arid land surface characterization with repeat-pass SAR interferometry. IEEE Transactions on Geoscience and Remote Sensing, v. 38, n. 2, p. 778-781, Mar. 2000. WOODHOUSE, I. H. Introduction to microwave remote sensing. New York: Boca Raton, FL, 2005. 370 p. ZRIBI, M.; HEGARAT-MASCLE, S. L.; TACONET, O.; CIARLETT, V. I.; VIDAL-MADJAR, D.; BOUSSEMA, M. R. Derivation of wild vegetation cover density in semi-arid regions: ERS2/SAR evaluation. International Journal of Remote Sensing, v.24, n.6, p. 1335-1352. Mar. 2003.
57
APÊNDICE A – DADOS DO POSTO PLUVIOMÉTRICO SERRA TALHADA MÊS DE MAIO DO ANO DE 2008.
Tabela A.1 – Dados de precipitação diária do posto pluviométrico de Serra
Talhada no mês de maio de 2008.
Dia Precipitação (mm) 1 0.0 2 0.0 3 0.8 4 0.0 5 0.0 6 14.8 7 5.0 8 0.0 9 0.0
10 19.0 11 0.5 12 0.0 13 5.8 14 0.0 15 0.0 16 0.0 17 0.0 18 0.8 19 0.3 20 1.3 21 5.8 22 1.8 23 5.5 24 0.0 25 8.8 26 0.0 27 8.3 28 2.8 29 0.0 30 0.0 31 0.0
59
APÊNDICE B – LISTA DE NOMES POPULARES, NOMES CIENTÍFICOS E FAMÍLIAS DAS ESPÉCIES ENCONTRADAS NA ÁREA DE ESTUDO.
Tabela B.1 - Lista de nomes populares, nomes científicos e famílias das
espécies encontradas na área de estudo.
Nome Popular Nome Cientifico Família Ameixa Ximenia americana L. Olacaceae
Angico Anadenanthra columbrina (Vell.) Brenan Mimosaceae
Angico de bezerro Piptadenia obliqua Benth. Mimosaceae
Angico de carroçoAnadenanthera columbrina
(Vell.)Brenan var. cebil (Griseb.) Altshul
Mimosaceae
Angico vermelho Anadenanthra macrocarpa (Benth) Brenan. Mimosaceae
Araticum Annona glabra L. Annonaceae Aroeira Astronium urundeuva Engl. Anacardiaceae
Azedinha Oxalis bahiensis (ness) Morong Oxalidaceae
Azulão Heliotropium procubens L. Boraginaceae Baraúna Schinopsis brasiliensis Engl. Anacardiaceae
Barba de bode Cyperus unciualatus Schrad. Ex Nees Cyperaceae
Burra Leiteira Sapium sp. Euphorbiaceae Caatingueira verdadeira Caesalpinia pyramidalis Tul. Leguminosae-Fabaceae
Camará Lantana camara L. Verbenaceae
Canafístula Senna spectabilis var. excelsa (Sharad.) H.S. Irwin&Barneby Fabaceae
Capim amargoso Digitaria insulari (L.) Mez ex. Ekman Poaceae
Capim buffel Cenchrus ciliaris L. Poaceae Capim fino Digitaria horizontalis Willd. Poaceae
Capim panasco Aristida adscensionis L. Gramineae Capim pé de
papagaio Dactyloctenium aegyptium (L.)
Beauv. Poaceae
Caroá Neoglaziovia variegata Mez. Bromeliaceae Carqueja Calliandra depauperata Benth Fabaceae
Caatingueira rasteira Ceasalpinia microphylla Mart. Leguminosae-Fabaceae
Coroa de frade Melocactus bahiensis (Br. Et Rose)Werderm Cactaceae
Ervanço branco Richardia grandiflora Rubiaceae
60
(Cham&Shlecht.) Steudel Ervanço preto Diodia teres Walt. Rubiaceae
Facheiro Pilosocereus pachycladus F.Ritter Cactaceae
Farinha seca Pisonia tomentosa Casar Nyctagenaceae
Favela
Cnidoscolus phyllacanthus
(Mart.) PAX&K. Hoffm.
Euphorbiaceae
Favela braba Cnidoscolus obtusifolius Pohl. Euphorbiaceae Feijão brabo Capparis flexuosa L.f. Capparaceae
Gergelim brabo Hyptis brevipes Vog. Labiatae Cipó de Grajaú Arrabidea sp. Bignoniaceae Imbira vermelha Melochia tomentosa R.E.Fr. Sterculiaceae
Imburana de cheiro Amburana cearensis Moq. Fabaceae
Imburana, Imburana de
cambão
Commiphora leptopholoes (Mart.) J.B. Gillet Burseraceae
Ipê Tabebuia impetiginosa (Mart.) Standl Bignoniaceae
Jericó Selaginella convoluta Spring Selaginellaceae Juazeiro Zizyphus joazeiro Mart. Rhamnaceae
Jurema lambe beiço
Mimosa sensitiva L.var. sensitiva L. Mimosoideae
Jurema preta Mimosa tenuiflora (Willd.) Poir. Mimosaceae Jurema rama de
boi Acacia piauhiensis Benth.(O) Mimosaceae
Jurema vermelha Mimosa arenosa (Willd.) Poir. Fabaceae
Macambira Bromelia laciniosa Mart. ex Schult. f. Bromeliaceae
Macambira de flecha Encholirium spectabile Mart. Bromeliaceae
Malícia Mimosa sensitiva L. Leguminosae Canela de siriema Sida galheirensis Ulb. Malvaceae
Malva estrela Wissadula subpeitata (Kuntz) Fries Malvaceae
Malva rasteira Pavonia cancellata (L.) Cav. Malvaceae Malva veludo Sida cordifolia L. Malvaceae Mandacaru Cereus jamacaru D.C. Cactaceae
Maniçoba Manihot glaziovii Muell. Arg. Euphorbiaceae
Marmeleiro Croton hemiargyreus Müll. Arg. Euphorbiaceae Moleque duro Cordia leucocephala Moric. Boraginaceae
Mororó Bauhinia cheilantha (Bong.) Steud. Euphorbiaceae
61
Mucunã Dioclea grandiflora Mart. Leguminosae-Papilionoideae
Mofumbo Combretum leprosum Mar. Et Eichl. Combretaceae
Pau ferro Caesalpinia ferrea Mart. Ex Tul.
Leguminosae-Caesalpinioideae
Pereiro Aspidosperma pyrifolium Mart. Apocynaceae Picão Bidens pilosa L. Asteraceae
Picão branco Galinsoga parviflora Cav. Asteraceae Pinhão rasteiro Jatropha ribifolia (Pohl.) Baill. Euphorbiaceae
Pinhão vermelho Jatropha mollissima (Pohl.) Baill. Euphorbiaceae
Quebra-faca Croton conduplicatus Black. Euphorbiaceae
Quipá Opuntia inamoema K. Schum. Cactaceae Quixabeira Sideroxylon obtusifolium Rich. Sapotaceae
Rompe gibão Erytroxylum nummularia Peyritsch Erytroxylaceae
São João Cassia excelsa Schrad. Leguminosae-Caesalpinioideae
Sete-cascas Tabebuia spongiosa Rizzini Bignoniaceae Umbuzeiro Spondias tuberosa Arr.Cam. Anacardiaceae
Xique-xique Pilosocereus gounellei (Weber) Byl. et Rowl. Cactaceae
63
APÊNDICE C – RELATÓRIO DE PROCESSAMENTO NO APLICATIVO GEOPEC.
GeoPEC Padrão de Exatidão Cartográfica
RELATÓRIO DE PROCESSAMENTO
___________________________________________________
--------------------------------------------------------------------------
DADOS DO PRODUTO CARTOGRÁFICO -------------------------------------------------------------------------- Produto Analisado: ALOS/PALSAR Local: Data: Responsável Técnico: -------------------------------------------------------------------------- --------------------------------------------------------------------------
INFORMAÇÕES ESPECÍFICAS DO PROCESSAMENTO -------------------------------------------------------------------------- Escala de Referência: 1/100000 Equidistância das curvas de nível: 0 Nível de Significância (Planimetrico): 90% (a=0,100) Nível de Significância (Altimétrico): ---- Nº Total Pontos de Controle: (Planimetrico)= 7 (Altimetrico)= 0 Nº Pontos Processados: (Planimetrico)= 7 (Altimetrico): 0 -------------------------------------------------------------------------- Coordenada Este (m): Média: 2,8981 Desvio Padrão: 10,1704 RMS: 9,8519 Teste de Tendência: t calculado: 0,7539 t tabelado: 1,9432 Situação: Sem Tendência Teste de Precisão: Qui-quadrado calculado: Classe A=1,3792 Classe B=0,4965 Classe C=0,3448 Qui-quadrado tabelado: 10,6 -----------------------------------------------------------------------
64
--- Coordenada Norte (m): Média: 3,0603 Desvio Padrão: 10,0674 RMS: 1,9779 Teste de Tendência: t calculado: 0,8043 t tabelado: 1,9432 Situação: Sem Tendência Teste de Precisão: Qui-quadrado calculado: Classe A=1,3514 Classe B=0,4865 Classe C=0,3378 Qui-quadrado tabelado: 10,6 --------------------------------------------------------------------------
65
--------------------------------------------------------------------------
RESULTADOS GERAIS -------------------------------------------------------------------------- Resultante Planimétrica (m): Média: 12,5209 Desvio Padrão:6,528 RMS: 13,9032 Teste de Tendência: Situação: Sem Tendência Teste de Precisão: Situação: Classe A -------------------------------------------------------------------------- Resultante Altimétrica (m): Média: 0 Desvio Padrão: 0 RMS: 0 Teste de Tendência: t calculado: 0 t tabelado: 0 Situação: Tendência NÃO CALCULADA Teste de Precisão: Qui-quadrado calculado: Classe A=0 Classe B=0 Classe C=0 Qui-quadrado tabelado: 0 Situacao: Classe NÃO CALCULADA -------------------------------------------------------------------------- -------------------------------------------------------------------------- CLASSIFICACAO DO PRODUTO CARTOGRÁFICO -------------------------------------------------------------------------- O produto: "ALOS/PALSAR", de acordo com o decreto-lei nº. 89.817 de 20 de junho de 1984, que regulamenta as normas cartográficas brasileiras, encontra-se classificado com Padrão de Exatidão Cartográfica Classe A para uso planimétrico e Classe NÃO CALCULADA para uso altimétrico. Quanto à analise de tendência nas componentes posicionais do produto, temos: Sem Tendência para o uso planimétrico e, Tendência NÃO CALCULADA para o uso altimétrico. --------------------------------------------------------------------------
___________________________________________________
GeoPEC 2008 - versao 1.00