Guia Do Usuario CLASlite

1

CCLLAASSlliittee OO ssiisstteemmaa ffcciill ddee uussaarr ppaarraa

mmoonniittoorraarr oo ddeessmmaattaammeennttoo ee aass

ppeerrttuurrbbaaeess eemm fflloorreessttaa ttrrooppiiccaall

GUIA DO USURIO VERSO 2

Carnegie Institution for Science

2

Aps dcadas de desenvolvimento cientfico, o monitoramente florestal com o

uso de satlites deve tornar-se uma atividade rotineira para quem no

especialista, de forma que ajude a melhorar a conservao ambiental, o manejo

florestal e o desenvolvimento de polticas para os recursos florestais.

Equipe do CLASlite:

Gregory P. Asner, pesquisador chefe

Guayana Paez-Acosta, coordenadora do projeto

John K. Clark, lder de desenvolvimento tcnico

David E. Knapp, programador senior

S.R. Aravindh Balaji, programador

Guia do Usurio atualizado em 13 de julho de 2010

Para obter informaes atualizadas sobre o CLASlite e software, acesse o site do

CLASlite: http://claslite.ciw.edu/

Para obter assistncia tcnica, envie uma mensagem para:

[email protected] ou poste seus comentrios no Frum de Usurios no site

do CLASlite.

Departamento de Ecologia Global

Carnegie Institution for Science

260 Panama Street

Stanford, CA 94305 - EUA

3

Sumrio do Guia do Usurio do CLASlite

Apresentao de boas vindas ao Guia de Usurio do CLASlite .................................................... 4

Acordo do Usurio .......................................................................................................................... 5

I. A cincia por trs do CLASlite ............................................................................................... 6

I.1 A biblioteca espectral da floresta tropical: ..................................................................... 6

I.2 Desenvolvimento, Testes e Validao do CLAS e do AutoMCU ..................................... 7

I.3 Anlise CLASlite .............................................................................................................. 9

Onze resultados inditos do CLASlite: ................................................................................. 9

Uso e Disseminao do CLASlite ......................................................................................... 10

I.3.1 Interpretao dos resultados (dados de sada) do CLASlite ...................................... 12

II. Executando o CLASlite v.2 ................................................................................................... 15

III. Potencial e Limitaes do CLASlite ..................................................................................... 21

IV. Perguntas Freqentes FAQs .............................................................................................. 23

V. Praticando com o CLASlite: estudos de caso ....................................................................... 28

V.1 Extrao madeireira: Brasil (anlise de mltiplas imagens) ...................................... 28

V.2 Corte raso durante longo prazo: Hava (anlise de imagem nica)............................ 31

VI. Glossrio ............................................................................................................................... 34

Apndice I: Instalao do CLASlite e links teis .......................................................................... 35

Apndice II: Preparao das imagens e anlise de bandas para o CLASlite ............................. 37

Informaes para as imagens do exemplo fornecido pela CLASlite .................................. 41

Apndice III: referncias de publicaes .................................................................................... 43

4

Apresentao de boas-vindas ao Guia de Usurio do CLASlite

O Sistema de Anlise Landsat da Carnegie (Landsat Analysis System Lite) - CLASlite um pacote de software projetado para identificar o desmatamento e a degradao florestal de forma

bem automatizada, a partir de imagens de satlite por sensoriamento remoto. O CLASlite

engloba o estado-da-arte da pesquisa em sensoriamento remoto numa ferramenta simples, fcil

de usar e ao mesmo tempo poderosa. Essa ferramenta foi idealizada e licenciada especialmente

para o uso de organizaes sem fins lucrativos, desde as acadmicas e no-governamentais at as

governamentais dos pases com florestas tropicais.

Este guia oferece ao usurio informaes sobre a base cientfica do CLASlite e um passo-a-passo

para utiliz-lo, bem como fornece as chaves que permitem interpretar seus resultados e

compreender seu potencial de uso e suas limitaes.

Esperamos que o CLASlite contribua com os esforos de monitoramento florestal de sua

organizao e, conseqentemente, ajude a fortalecer as capacidades de monitoramento florestal

regional em grande escala, o que necessrio para melhorar a gesto ambiental mundial.

Para obter mais informaes e encaminhar perguntas sobre o CLASlite, no hesite em entrar em

contato conosco pelo e-mail [email protected]

Equipe do CLASlite na Carnegie Institution

Gregory Asner membro do corpo docente do Departamento de Ecologia Global da Carnegie

Institution e tambm do Departamento de Cincia do Sistema Ambiental da Terra da

Universidade de Stanford. Greg foi responsvel pelo desenvolvimento e lidera os projetos

CLAS, CLASlite e AutoMCU.

Guayana Pez-Acosta a coordenadora do programa de capacitao do projeto CLASlite; ela

coordena as atividades de criao, planejamento, disseminao e treinamento para a comunidade

de usurios do CLASlite.

John Clark tcnico em sensoriamento remoto e lder de desenvolvimento tcnico do CLASlite;

John fornece treinamento e apoio tcnico para a comunidade CLASlite, fazendo a interface entre

as necessidades do usurio e o desenvolvimento tcnico.

David Knapp programador senior da equipe permanente e especialista em processamento de

imagens; Dave lidera a implementao de algoritmos e o processamento de dados de satlite para

o CLAS e o CLASlite.

Aravindh Balaji programador do projeto CLASlite; Aravindh lidera o desenvolvimento das

interfaces grficas com o usurio e do ambiente de processamento para o CLASlite.

5

Acordo do Usurio

A instalao e uso do software CLASlite indicam que o usurio aceita inteiramente todas as

condies descritas abaixo:

Sistema de Anlise Landsat da Carnegie lite, verso 2.0

A Carnegie Institution de Washington (Carnegie) uma organizao privada que desenvolveu, com recursos financeiros privados, o Sistema Carnegie de Anlise Landsat - Lite (CLASlite) para mapeamento da floresta tropical. A inteno da Carnegie trabalhar com terceiros para a disseminao e

uso do CLASlite, com o propsito de realizar monitoramento e estudos ambientais. O objetivo deste

Acordo do Usurio proteger a Informao que Propriedade da Carnegie e garantir o manuseio

adequado dos dados e das informaes nos estudos que envolvam o uso do CLASlite.

Assim, ao instalar o software CLASlite, o Usurio concorda com o seguinte:

1. O software CLASlite, inclusive todos os arquivos digitais executveis e de apoio, bem como as bibliotecas, continua sendo propriedade da Carnegie e no pode, em hiptese alguma, ser

reproduzido nem disponibilizado para terceiros sem autorizao prvia e por escrito da Carnegie.

proibida toda e qualquer tentativa de uso no autorizado do CLASlite bem como a reproduo

de qualquer parte do software CLASlite.

2. O software CLASlite e quaisquer resultados obtidos por meio do mesmo devem ser usados somente para fins no-lucrativos. No permitido o uso para fins comerciais ou lucrativos.

3. Quaisquer relatrios, apresentaes ou publicaes do Usurio que contenham dados de anlise CLASlite, ou que resultem desses dados ou estudos, devem dar o crdito apropriado ao CLASlite

e aos membros da equipe do CLASlite que porventura estejam envolvidos - se for o caso, eles

devem ser indicados como co-autores.

4. O uso dos resultados CLASlite em relatrios ou publicaes requer a citao adequada do CLASlite e da Carnegie Institution de Washington. Alm disso, deve ser creditado o apoio das

seguintes instituies: a Fundao Gordon e Betty Moore e a Fundao John D. e Catherine T.

MacArthur.

5. A Carnegie Institution no oferece nenhuma garantia quanto qualidade e/ou preciso dos dados obtidos pelo Usurio na realizao de estudos com a utilizao do CLASlite nem da adequao de

tais dados a nenhuma finalidade. O Usurio assume todos os riscos e responsabilidades pela

coleta, interpretao e uso de quaisquer dados ou resultados obtidos com o uso do programa

CLASlite. O Usurio dever indenizar a Carnegie em caso de reclamaes ou danos resultantes

do uso do CLASlite pelo Usurio, conforme descrito neste documento.

6. Se solicitado pela Carnegie, o Usurio dever devolver todas as cpias de todas as Informaes de Propriedade da Carnegie e materiais do CLASlite que tenham sido disponibilizados para o

Usurio, ou que tenham sido utilizadas por ele, com referncia realizao de estudos com o

CLASlite.

6

I. A cincia por trs do CLASlite

CLASlite o resultado de mais de uma dcada de pesquisa e trabalho de campo em

sensoriamento remoto biofsico, que oferece uma abordagem de mapeamento automatizado por

satlite para determinar um dos componentes mais importantes da estrutura da floresta tropical:

a cobertura fracional do dossel vegetal, da vegetao morta e das superfcies desprovidas de

vegetao. Tais coberturas fracionais so determinantes bsicos da composio, fisiologia,

estrutura, biomassa e processos biogeoqumicos do ecossistema. A anlise da cobertura fracional

a essncia do CLASlite, o que o torna uma ferramenta poderosa, estvel e de base biofsica,

possibilitando um monitoramento florestal rpido e com rastreamento de erro.

Alguns dos grandes desenvolvimentos que tornaram possvel o CLASlite so:

I.1 A biblioteca espectral da floresta tropical:

At recentemente, havia um nmero limitado de assinaturas espectrais de vegetao verde e senescente e de substratos sem cobertura vegetal para regies tropicais. Tais assinaturas

espectrais so a informao necessria para converter os pixels de imagens de satlite em

informaes ecologicamente relevantes de pronta compreenso e uso pelas pessoas. A biblioteca

espectral para as assinaturas de floresta tropical compreende a variao geral nas propriedades do

dossel e do solo. Ela foi desenvolvida por meio de uma combinao de espectro-radimetros de

campo e imagens de satlite hiperespectrais especializadas, ambos coletados e analisados durante

uma srie de estudos de campo realizados de 1996 a 2003 (Asner et al. 2003a, 2004a, 2005).

Existem trs bibliotecas de espectros genricos, quase universais, criadas para o CLASlite. A

vegetao viva tecnicamente chamada de Vegetao Fotossinttica (VF) porque a vegetao

viva mantm propriedades espectrais nicas associadas aos pigmentos fotossintticos da folha e

ao contedo hdrico do dossel. Para a frao de vegetao morta ou senescente usa-se o termo

tcnico Vegetao No-fotossinttica (VNF), que se expressa no espectro como um material de

superfcie brilhante com caractersticas espectrais associadas com compostos secos de carbono.

Por fim, no Substrato Descoberto (S) muitas vezes predomina o solo mineral exposto, embora

tambm possa haver rochas e infraestrutura produzida pelo homem (tijolos, por exemplo).

Para a biblioteca espectral de floresta tropical usada no CLASlite, tanto os espectros do S quanto

os de VNF foram coletados por meio de medidas espectroscpicas de base terrestre utilizando

espectro-radimetros de campo (Analytical Spectral Devices, Inc., em Boulder, Colorado, nos

EUA). A biblioteca do S engloba uma variedade de tipos de solo mineral, nveis de matria

orgnica superficial e condies de umidade. A biblioteca de espectros de VNF inclui lixo

superficial, grama ou pastagem senescente, resduos do desmatamento (corte de picadas e

clareiras) e outros elementos secos de carbono coletados de uma grande variedade de espcies e

estados de decomposio.

Em contraste com os substratos descobertos e o VNF, os espectros VF no dossel florestal exigem

condies de visualizao area, o que difcil considerando que as rvores variam entre 5 e

mais de 50 metros de altura. As medidas espectrais de folhas individuais, pilhas de folhas ou

7

dossel parcial (como galhos) introduzem erros importantes nos modelos de mistura espectral que

requerem informaes em nvel de dossel. (Asner 2008). Para desenvolver uma biblioteca

espectral em nvel de dossel para o CLASlite, foram coletados os dados espectrais de VF

utilizando-se o sensor Hyperion (Ungar et al. 2003) do satlite Earth Observing-1 (EO-1), que foi

o primeiro espectrmetro de imagens espaciais lanado pela NASA para aplicao ambiental.

Os dados Hyperion foram coletados em muitos lugares de controle de floresta tropical no Brasil

em 1999-2000 e resultaram em mais de 40.000 observaes espectrais feitas com resoluo de

30m (Asner et al. 2005). Esses dados hiperespectrais sofreram correo atmosfrica para

refletncia e foram convoludos para os canais espectrais utilizados pelos sensores do Landsat 4,

5 e 7, ALI (Advanced Land Imager), ASTER, SPOT 4 e 5, e o MODIS no CLASlite. Como

resultado, esses dados incluem os efeitos variveis do sombreamento intra e inter cumes, que so

comuns nas florestas tropicais (Asner and Warner 2003). No total, os espectros representam

mais de 230.000 observaes de espectrmetro espaciais e de campo.

I.2 Desenvolvimento, Testes e Validao do CLAS e do AutoMCU

O Sistema de Anlise Landsat da Carnegie (CLAS) foi desenvolvido como um sistema

especialista para mapear, em nvel nacional, o desmatamento florestal e perturbaes florestais,

inclusive a extrao seletiva de rvores (Asner et al. 2005, 2006). CLAS inclui um submodelo

bsico chamado AutoMCU, ou Separao Automatizada Monte Carlo (Asner and Heidebrecht

2002, Asner et al. 2004), que fornece uma anlise quantitativa da cobertura fracional ou

percentual (0-100%) da vegetao viva ou morta, e de substratos descobertos (sem vegetao)

em cada pixel de satlite (por exemplo, dentro de cada pixel de 30 X 30m numa imagem

Landsat).

A biblioteca espectral de florestal tropical forneceu os grupos de refletncia espectral requeridos

pelo submodelo Auto MCU: vf( ), vnf( ), e substrate( ) [quadro I.1]. O AutoMCU uma

abordagem probabilstica baseada na fsica do dossel (Asner 1998) para desconvoluir cada pixel

da imagem nessas trs fraes de cobertura componentes, VF, VNF e S.

8

Quadro I.1: O AutoMCU baseia-se num

algoritmo desenvolvido para ecossistemas de

floresta, savanas, matas e arbustos (Asner 1998,

Asner e Lobell 2000, Asner e Heidebrecht

2002), que depois foi modificado para florestas

tropicais (Asner et al. 2004, 2005). O mtodo

usa trs grupos de membros finais espectrais gerais derivados de grandes bases de dados de

campo e imagens de satlite, para decompor

cada pixel da imagem usando a seguinte equao

linear:

pixel = Ce e] + = [Cvf vf +

Cvnf vnf + Csubstrate substratel] +

Onde e a biblioteca (e) do membro final da

refletncia no comprimento de onda e um

termo de erro. Resolver cada frao de cobertura

(Ce) de subpixel exige que as observaes de

satlite ( pixel) contenham suficiente

informao espectral para resolver um conjunto

de equaes lineares, cada uma da forma na

equao (1) porm com diferentes comprimentos

de onda ( ).

Teste e validao do CLAS

Em 2005, o CLAS foi usado pela primeira vez

numa rea grande (Asner et al. 2005), para

analisar 480 imagens feitas de 1999 a 2002 dos

estados do Par, Mato Grosso, Rondnia,

Roraima e Acre. Nesses estudos iniciais, o

CLAS foi usado para mapear a extrao seletiva

de rvores, com uma estimativa conservadora de

erro, de 11 a 14%.

Em 2007, 80% da Amaznia peruana foram

analisados de 1999 a 2005 com o CLAS, o que

resultou em ndices de cobertura florestal,

desmatamento e perturbaes florestais numa

resoluo espacial de 30m. Incertezas na

deteco do desmatamento e de perturbaes

florestais ficaram em 0.5% e 9.0%,

respectivamente, segundo avaliao de uma

equipe de campo peruana independente (Oliveira

et al. 2007). A tecnologia central do algoritmo

CLAS de deteco de mudana foi melhorada

com verses automatizadas e otimizadas da

correo atmosfrica e de neblina, e os processos

de mascaramento de gua e/ou nuvens do

AutoMCU (Asner et al. 2004).

9

I.3 Anlise CLASlite

CLASlite um subconjunto do sistema de processamento CLASS. Ele foi construdo em cima

de muitos mdulos bsicos do CLAS que facilitam a anlise da cobertura florestal em alta

resoluo.

Ao contrrio do CLAS, a abordagem CLASlite foi desenvolvida novamente e orientada para ser

mais automatizada e fcil de usar. Dois dos submodelos bases continuam sendo AutoMCU

(Separao Automatizada Monte Carlo) e o mtodo de correo atmosfrica dos 6S - Segunda

Estimulao do Sinal de Satlite no Espectro Solar (Vermote et al. 1997). O AutoMCU fornece

uma anlise quantitativa em nvel de subpixel do percentual de cobertura vegetal viva ou morta

(senescente) e de substrato descoberto, enquanto o 6S funciona numa abordagem nica para

fazer a correo atmosfrica das imagens CLASlite usando observaes do sensor Terra MODIS

da NASA.

Onze resultados inditos do CLASlite:

Imagem de Refletncia Calibrada, disponibilizando bandas espectrais calibradas a partir dos dados brutos at a refletncia da superfcie aparente (topo do dossel). O nmero de

bandas varia conforme o sensor (por exemplo: Landsat: 6 bandas de refletncia; SPOT: 4

bandas, etc.).

3 Imagens de Cobertura Fracional, indicando a presena de vegetao viva (o nome tcnico VF), vegetao morta (o nome tcnico VNF) e substrato descoberto (S) em nvel

de subpixel (por exemplo, resoluo sub-30m nas imagens Landsat ou resoluo sub-20m

nas imagens do SPOT-4).

3 Imagens de Incerteza - para cada imagem descrita acima, uma outra imagem fornecida que d a incerteza de cada uma das imagens VF, VNF e S, o que soma mais 3 imagens.

Aqui, todos os valores da incerteza aparecem como desvio padro do percentual mdio de

cobertura das trs bandas iniciais descritas acima. Quanto mais alto o nmero, maior a

incerteza da estimativa do CLASlite sobre VF, VNF ou S naquele pixel. Essas trs imagens

de incerteza ajudam a localizar reas na imagem com resultados suspeitos. A incerteza pode

ser ocasionada por nuvens ou sombras de nuvens, por corpos dgua, neblina ou bruma (por

exemplo, provocada por incndios), caractersticas nicas da terra e terreno acidentado, entre

outros.

Imagem de Erro Total mostra erro total na imagem do CLASlite. Erro Total expresso como erro da raiz quadrada da mdia (RMS). Um pixel com um baixo Erro Total indica que

a soluo CLASlite provavelmente boa, enquanto um Erro Total elevado sugere que a

soluo no foi boa e que ela deve ser descartada ou utilizada com cautela. A imagem de

Erro Total uma verificao final da preciso dos resultados do CLASlite.

Imagem da Cobertura Florestal, mapeando a cobertura florestal a partir de uma nica imagem.

Imagem de Desmatamento e de Perturbaes Florestais, detectando a mudana entre duas ou mais imagens feitas da mesma rea geogrfica ao longo do tempo. Essa anlise de

mltiplas imagens a abordagem mais precisa para detectar a perda florestal

(desmatamento), o ganho florestal (crescimento secundrio) ou a degradao florestal (reas

perturbadas).

10

Tabela I. 2 Sistema Carnegie de Anlise Florestal

Requisitos do software

CLASlite V.2.0

CLASlite V.1.0

CLAS

Conhecimento de sensoriamento remoto por parte do usurio

Baixo Baixo Alto

Freqncia das sries temporais para anlise

Selecionadas Imagem nica Imagens de sries

anuais

Tempo de processamento

Horas Horas Dias a semanas

Sistema operacional

PC (processador x86 (32 bits)), Windows XP e

Vista, 4 Gb disco duro, 1 GB RAM).

PC (processador x86 (32 bits)),

Windows XP, 2 GB disco duro, 1

GB RAM)

Supercomputadores

Funcionalidades do software

Calibrao e pr-processamento das imagens

Implementao completa



Correo atmosfrica da imagem Implementao

completa Implementao

completa Implementao

completa

Anlise da cobertura florestal na resoluo de subpixel




Anlise da cobertura de vegetao viva X morta




Mascaramento de nuvens e de sombras de nuvens

Implementao parcial

Implementao parcial


Reconhecimento do padro para mapeamento detalhado das operaes

de extrao de rvores No No


Satlites aceitos

LANDSAT 4, 5, 7, ASTER, ALI,

MODIS, SPOT-4, SPOT-5

LANDSAT 4, 5, 7, ASTER, ALI

LANDSAT 5, 7

Imagens de satlite processadas por uso

Vrias (at dez)

Uma Centenas

Deteco de mudana na floresta Sim No Sim

Mapeamento da cobertura florestal Sim No Sim

Visualizador de imagens Sim No No

Uso e Disseminao do CLASlite Em 2007, o CLASlite v1.0 foi desenvolvido

a partir de supercomputao e programao

e apresentado num pacote de software

lite. Em 2008, o CLASlite estava pronto para ser usado em instuies sem fins

lucrativos e as primeiras sesses de

treinamento foram feitas no Peru, com a

participao de cerca de 18 organizaes,

inclusive ONGs e instituies acadmicas.

O CLASlite v2.0 , portanto, o esforo mais

recente da Carnegie; a ferramenta tem

novas funes e aceita uma variedade maior

de satlites (veja os detalhes na Tabela I.2)

Hoje, o objetivo fomentar a transferncia

do CLASlite para instituies

governamentais, acadmicas e ONGs das

regies dos Andes e do Escudo das

Guianas.

Ma

xim

iza o

uso

da

s ima

ge

ns

disp

on

veis

Figura I.2 A meta oferecer um sistema rpido e confivel para mapear a cobertura florestal, o desmatamento e a degradao florestal.

1. Adapta-se a mudanas na floresta sem ser sensvel demais variao do tipo de floresta, arquitetura e composio das espcies: Auto MCU 2. Permite correo dos efeitos atmosfricos, embora deixe espao para um grau de incerteza da composio atmosfrica na poca da aquisio dos dados. 3. Funciona com um grande variedade de imagens e sensores de satlite: LANDSAT (4, 5, 7), MODIS, SPOT (4,5), ASTER, ALI 4. Do ponto de vista tecnolgico: automatiza o mtodo e aplicvel a computadores de mesa (desktop) padres, e foi projetado para que tcnicos de nvel bsico possam dominar seu uso rapidamente. 5. Do ponto de vista da capacitao: sua transferncia se baseia num processo de compartilhamento do conhecimento, juntamente com assistncia tcnica eficaz e em tempo oportuno em apoio ferramenta.

2

CLASlite um mtodo bastante geral porm discriminatrio que identifica mudanas na

floresta

Dis

po

nv

el p

ara

to

do

s o

s u

su

rio

s

do

mo

nit

ora

me

nto

flo

rest

al

3

1

11

Quadro I.2: O Sistema de Processamento CLASlite engloba: (i) calibrao radiomtrica e correo

atmosfrica dos dados do satlite; (ii) desconvoluio dos pixels da imagem em cobertura fracional

subpixel do dossel florestal com vegetao viva, senescente ou do substrato descoberto; (iii)

mascaramento de nuvem e de gua; e (iv) classificao das imagens em floresta/no-floresta,

desmatamento e perturbao florestal. Veja a figura I.3. Esses processos so feitos em 6 passos

explicados na Seo II: execuo do CLASlite.

Fontes de imagem aceitas pelo programa: Mapeador Temtico (TM) do Landsat 4 e 5, Mapeador

Temtico Melhorado Plus (ETM+) do Landsat 7, Radimetro Espacial Avanado de Reflexo e

Emisso Termal (ASTER), Sensor Avanado de Imagens Terrestres (ALI) do satlite Observador da

Terra-1 (EO-1) Satlite de Observao da Terra 4 e 5 (SPOT), e Espectrmetro de Imagens de

Resoluo Moderada (MODIS). Junto com as imagens brutas, so pedidas as informaes sobre a

localizao geogrfica e os ajustes bsicos do sensor, sendo ambas disponibilizadas nos dados

efmeros (de status) do satlite que muitas vezes esto armazenados na informao do cabealho da

imagem.

12

Visible Bands

Red Edge

Fig. I. 4 Anlise de banda perfil da refletncia do pixel

I.3.1 Interpretao das imagens resultantes (dados de sada) do CLASlite

Anlise de bandas de imagens de refletncia

Depois que uma imagem tenha sido convertida para a refletncia de superfcie aparente no Passo

2, essa imagem pode ser visualizada com Freelook para ver o perfil de refletncia de cada pixel.

Na figura abaixo, mostram-se as bandas 5, 4 e 3 (Vermelho, Verde e Azul) para a refletncia da

imagem de exemplo do satlite Landsat 7.

Se colocar o cursor sobre um pixel

florestado, voc poder ver um perfil

espectral daquele pixel ao selecionar

OpesPerfil Z.

No perfil espectral, o eixo X representa o

nmero da banda e o eixo Y representa a

refletncia (% vezes 100). Na figura I.4

pode-se ver que a vegetao tem uma

refletncia NIR (sigla em ings para

infravermelho prximo) (banda 4) de mais

de 30%, enquanto a refletncia vermelha

(banda 3) de apenas 2%. Esta diferena

entre o NIR e a refletncia vermelha

caracterstica da vegetao vibrante. A

linha entre essas duas bandas chamada

de borda vermelha.

Pode-se ver tambm que nas bandas

visveis (1, 2 e 3) este pixel mais

brilhante no verde (banda 2) do que no

azul e no vermelho (bandas 1 e 3,

respectivamente). Esta a razo pela qual

a vegetao aparece na cor verde para o

olho humano.

No pixel que tem pouca ou nenhuma

vegetao, v-se que a refletncia NIR

mais baixa e que a refletncia Vermelha

mais alta do que nos pixels com

vegetao. A forma tpica que vimos na

vegetao com picos nas bandas 2 e 4 no

existe no espectro deste pixel, o que indica

que h menos vegetao.

13

Anlise de Bandas das Imagens da Cobertura Fracional

Aps a produo da imagem da cobertura fracional, ela pode ser vista no Freelook como um

composto de cores de trs bandas.

tpico da equipe CLASlite mostrar a banda

1 (sem cobertura vegetal) em vermelho, a

banda 2 (vegetao viva) em verde e a banda

3 (vegetao morta) em azul.

Se selecionarmos Opes Localizao/ Valor do Cursor, poderemos ver os valores

das 3 fraes em percentual. No exemplo

abaixo, o pixel tem 4% sem vegetao, 96%

de vegetao viva e 0% de vegetao morta.

A soma desses percentuais fica perto de 100,

embora devido ao arredondamento possvel

que a soma no seja exatamente 100. Esses

trs valores so as fraes mdias das 30

interaes rodadas nesse pixel.

No prximo pixel de exemplo, que tem uma

aparncia bem mais avermelhada, as fraes

so 35% sem vegetao, 40% com vegetao

viva e 27% com vegetao morta. As

prximas 3 bandas da imagem (bandas 4, 5 e

6) contm o desvio padro das respectivas

fraes. Se olharmos o perfil Z do pixel,

poderemos ver o traado dos valores de todas

as 7 bandas da imagem da cobertura

fracional. Nesse exemplo, as bandas 1, 2 e 3

so os valores que vimos anteriormente no

valor/localizao do cursor. V-se que os

desvios padres das fraes (bandas 4, 5 e 6,

respectivamente) mostram que o desvio da

mdia foi muito pequeno nas 30 interaes, o

que indica que a soluo foi muito coerente

para as 3 fraes.

O erro da raiz quadrada da mdia (RMSE)

(banda 7) tambm relativamente baixo, o

que indica que o perfil espectral criado a

partir da anlise baseada no algoritmo Monte

Carlo Automatizado (AutoMCU) ficou muito

prxima dos espectros reais do pixel.

Isso indica que se pode confiar na capacidade das

fraes de reproduzir a refletncia dos espectros do

pixel. Se o erro da raiz quadrada da mdia

(RMSE) fosse elevado - como acontece

tipicamente em sombreamentos e outros aspectos

para os quais o CLASlite no foi projetado -,

teramos que supeitar das fraes daquele pixel.

Por esse motivo, usa-se o erro da raiz quadrada da

mdia (RMSE) para mascarar os pixels

contaminados pela presena da gua, nuvens ou

outros aspectos indesejveis.

Fig. I. 5 Anlise de bandas perfil da cobertura fracional do pixel

14

Fig. I.7 Imagens do desmatamento (esquerda) e de perturbaes florestais (direita). Modo de mltiplas imagens.

Imagem da cobertura fracional, mapas compilados do desmatamento e

perturbaes florestais, e mapa da cobertura florestal

Tabela I, 3 % de cobertura fracional e relao com a condio da floresta

Imagem da cobertura fracional

Floresta primria ou

floresta secundria

tardia

Floresta com perturbaes

ou reas madeireiras

rea desmatada

Vegetao viva (Vv ou VF)

90%-100% 0-80% 0-10%

Vegetao morta (Vm ou VNF)

0-10% 60-70% >80%

Substrato descoberto (S)

0-5% 0-20% >10%

Cobertura fracional em nvel de sub-pixel

~ 100% ~ 100% ~ 100%

Tabela I. 4 Valor da cobertura fracional em % de

Vegetao viva, vegetao morta e substrato descoberto (sem vegetao).

-Usado para gerar Mapa do Desmatamento e Perturbaes Florestais (modo de mltiplas imagens) e

de Cobertura Florestal (modo de imagem nica)

Desmatamento Modo de Mltiplas Imagens

((VF0 > 60%) AND

((-100% < VF1-VF0 < -40%) and (VNF1-VNF0 > 4%))) OR

((VNF0 < 30% and S0 < 15%) and (VF1 80% and VNF1 > 20% and S1 0%) and (VF1-VF0 < -9% and VNF1-VNF0 > 15% and S1-S0 > -99.9%))

Perturbao Modo de Mltiplas Imagens

(VF1-VF0 -40%) AND (VF0 > 80% and VNF0 < 25% and S0 < 15%) AND

(VF1 < 85% and VNF1 > 15% and S1 < 7%) AND

((VF1-VF0 < -6% and 7% < VNF1-VNF0 < 14% and S1-S0 -1%) or (VF1-VF0 < -7% and VNF1-VNF0 > 13% and S1-S0 < -1%))

Cobertura forestal Modo de Imagem nica

VF 80

As imagens abaixo mostram a cobertura fracional (Fig. I.6 ) dos trs componentes da estrutura da

floresta tropical, que dependendo dos percentuais (Tabela I.3), indicam a condio da floresta.

Anlises posteriores, baseadas em trs critrios de deciso (Tabela I.4) permitem identificar o

desmatamento e a perturbao florestal por meio do modo de mltiplas imagens (Passo 4) e a

cobertura florestal pelo modo de imagem nica (Passo 5) (Figuras I.7 e I.8, respectivamente).

Fig. I.6 Imagem da coberturafracional

Fig. I.8 Mapeamento da cobertura florestal. Modo de imagem nica

15

Figura II. 1 Painel principal do CLASlite v.2

II. Executando o CLASlite v.2

Antes de rodar o CLASlite, o usurio deve completar a tarefa 1 - Instalao do CLASlite, que consta no Apndice I, e a tarefa 2 - Preparao das Imagens, que aparece no Apndice II.

Para iniciar o CLASlite, clique no

atalho do CLASlite_v2 em seu

desktop. A aparece o painel Mquina

Virtual. Clique em Continuar.

Aparece ento o painel de boas vindas

do CLASlite, seguido do painel

principal de trabalho do CLASlite.

Depois de formatar adequadamente os

dados de imagem, os dados podem

rodar por meio de um procedimento de

um nico passo (Anlise da Imagem

Auto Run) ou do procedimento de dois

passos (Calibrar imagens de satlite e

Gerao de Mapa da Cobertura

Fracional). Ambas as opes

conseguem processar mltiplas

imagens ao mesmo tempo.

Alm disso, o CLASlite v.2 carrega dois passos adicionais para determinar a cobertura florestal

(Mapear a Cobertura Florestal) e a mudana na cobertura florestal (Mapear as Mudanas na

Floresta). Todos esses passos podem ser acessados no painel principal do CLASlite v.2,

conforme se v na imagem esquerda.

Passo 1 inicialmente calibra as imagens de satlite com base nos metadados; faz a correo

atmosfrica seguida do mascaramento de nuvens e dos corpos dgua. H tambm uma opo de correo da neblina que aparece na imagem. Depois de fazer o pr-processamento da imagem,

feita uma anlise da mistura espectral para determinar o contedo de solo, vegetao viva e

vegetao morta. Isto deve ajudar o usurio a deduzir a quantidade de vegetao presente na

amostra dada de imagem.

Para fazer apenas a calibrao das imagens de satlite, pode-se escolher o passo 2 com imagens

de satlite brutas e geolocalizadas. Da mesma forma, para fazer apenas a anlise de mistura

espectral das imagens de refletncia, pode-se rodar o passo 3 .

Passo 4, Mapear a Variao da Floresta, serve para determinar a escala do desmatamento ou

perturbao florestal ocorrida numa determinada regio ao longo dos anos. Esse passo vem

junto com a opo de mapear a magnitude do desmatamento ou perturbao ocorrida no tempo.

Para os usurios que possuem apenas uma nica imagem, o Passo 5 permite uma abordagem

rpida para estimar a quantidade de floresta presente numa dada regio. Os passos 4 e 5

requerem, ambos, imagens que foram processadas pelo CLASlite.

16

Figura II.2: Imagem tpica do Landsat-7 mostra a floresta peruana em tons de verde e a contaminao de nuvens em branco

Passo 6 uma opo que permite aos usurios dispor de um mascaramento adicional para

minimizar os problemas provocados por nuvens, neblina atmosfrica, corpos dgua e outros efeitos comuns em imagens de satlite.Nos passos 1, 2 e 3 o usurio tambm dispe de uma

opo para preencher os parmetros com valores pr-definidos. uma opo til

principalmente quando o usurio quer processar mais de uma imagem ao mesmo tempo. Assim,

em vez de colocar os valores dos dados individualmente para cada imagem, o usurio pode

carregar uma tabela que foi pr-definida com todos os valores necessrios. Exemplos dessas

tabelas encontram-se na pasta de dados de exemplo do protocolo de transferncia de arquivo

(ftp) do CLASlite com os nomes book_autorun, book_refl, book_frac. Deve-se usar vrgulas para

separar os valores da tabela e eles devem ser ordenados numa determinada ordem. A primeira

linha da tabela deve ser o nome do rtulo. As linhas seguintes so para que o usurio coloque os

valores que correspondem aos dados.

Em todos os passos, exceto no 5, o usurio

ser colicitado a entrar com a pasta de seu

arquivos de entrada e de sada. No passo 5, o

usurio deve entrar com os arquivos da

imagem de entrada, enquanto a imagem de

sada ser automaticamente colocada na pasta

onde se encontra o arquivo de entrada.

Cada um desses passos descrito em detalhe

nas pginas seguintes. Mostramos tambm os

resultados (dados de sada) desses passos

usando-se como exemplo a imagem feita da

Amaznia peruana pelo Landsat 7 (Figura

2.1).

Passo 1: Auto Run Anlise da Imagem

Este passo essencialmente uma combinao

da calibrao da imagem do satlite e a

gerao do mapa da cobertura fracional. O

usurio deve fornecer os arquivos dos dados

de entrada junto com os metadados e com um arquivo de sada (resultante) no qual ser gravado

o mapa da cobertura fracional. A imagem de refletncia ter o nome do arquivo de entrada com

a terminao _refl. Essa Anlise da Imagem AutoRun tem opes como as seguintes:

Processar mltiplos arquivos. Armazenar o arquivo de imagem da cobertura fracional no formato ENVI / TIFF. Correo de neblina. Aceita os satlites LANDSAT 4,5,7, ALI, ASTER, MODIS, SPOT

No caso do MODIS, a imagem de entrada deve ser a imagem de refletncia.

17

Ao escolher a opo Anlise da Imagem AutoRun, ser pedido ao usurio que escolha o nmero

de imagens a serem processadas. Esse passo apresenta a opo de escolher no mximo 4

imagens. O usurio deve, ento, colocar o nome dos arquivos de entrada e os metadados

correspondentes de cada imagem.

Arquivo da imagem de entrada: entre com a imagem bruta preparada para uso do

CLASlite v.2. Esse arquivo pode estar no formato ENVI ou GeoTIFF. O arquivo de

entrada deve conter informaes georeferenciadas em projeo UTM, elipside WGS-84.

(Observao: os dados MODIS geralmente so imagens de refletncia compostas com

medidas de 8 dias. Portanto, o arquivo da imagem de entrada corresponderia imagem de

refletncia).

Latitude: coloque a latitude central da imagem, em graus decimais. Utilize valores

positivos para indicar o hemisfrio Norte e valores negativos para o hemisfrio Sul.

Longitude: coloque a longitude central da imagem, em graus decimais. Utilize valores

positivos para indicar o hemisfrio Oriental e valores negativos para o Ocidental.

Data da imagem: coloque os dados da aquisio da imagem. Informe o dia, ms e ano,

usando o zero quando necessrio. Por exemplo, para indicar a data 1 de fevereiro de 2007,

digite 01022007.

Hora da imagem: coloque o horrio (UTC/GMT) da aquisio da imagem, informando a

hora e os minutos sem separao. Por exemplo, para indicar 21h:03 h UTC, coloque

simplesmente 2103. UTC a Hora Universal, que equivale ao fuso horrio do Meridiano

de Greenwich (GMT).

Elevao na imagem: coloque o valor aproximado da elevao do solo que aparece na

imagem, ou da poro da imagem que mais lhe interessa. O valor deve estar expresso em

unidade mtrica sobre o nvel mdio do mar.

Satlite: selecione o satlite que coletou as imagens. Escolha entre Landsat 4, Landsat 5,

Landsat 7, ALI, ASTER, SPOT-4, SPOT-5, e MODIS. Consulte a Seo 3 para obter as

informaes de cada satlite.

Sistema de Processamento: caso sua imagem de entrada for do Landsat 7, selecione o

sistema de processamento que criou a imagem de entrada. Escolha entre NLAPS ou LPGS.

Consulte os metadados de sua imagem ou o Manual de Usurios dos Dados do Satlite

Landst 7. Voc encontrar mais informaes na seo de Perguntas Freqentes (FAQs).

Ajuste de ganhos: caso sua imagem tenha sido adquirida pelo Landsat 7, ser preciso

selecionar o ajuste de ganhos para as bandas 1 a 5 e 7. A fim de determinar a radincia

correta da imagem, o CLASlite precisa saber, para cada banda, se foi coletada com a

configurao do ajuste de ganho baixo ou alto. Clique em Ajuste de ganhos (Gain

Settings) e escolha L (low ou baixo) ou H (high ou alto) para cada banda. Todas as bandas

tero o ajuste de ganho tipicamente alto, exceto pela banda 4. No entanto, no exemplo da

imagem da Figura 1, todas as bandas foram coletadas com o ajuste de ganho baixo.

Arquivo da imagem de sada (resultado): coloque o nome desejado de sua imagem de

sada para a cobertura fracional. Aps fornecer as informaes de uma determinada

18

(b) Calibrar imagens de satlite

(a) Auto Run Anlise de Imagens

imagem, clique em Salvar para armazenar os valores da imagem correspondentes. Para

alterar o valor de uma imagem qualquer, clique no boto correspondente e depois aperte

Prvio (Previous) para carregar os valores anteriores da imagem correspondente. Aps fazer as correes necessrias, clique novamente em Salvar para guardar os valores.

Ao completar a informao dos metadados de todas as imagens, clique em Executar (Run). O

CLASlite cria cada imagem de refletncia e depois aplica a anlise de mistura espectral nela para

gerar a imagem da cobertura fracional.

A figura seguinte mostra os vrios painis que ajudam o usurio a gerar as imagens de sada.

Figura II.3: Widgets usados na Anlise de Imagens AutoRun e Calibrao das Imagens de Satlite

Passo 2: Calibrar Imagens de Satlite

A Calibrao das Imagens de Satlite um passo includo na Anlise da Imagem AutoRun.

Como o passo anterior, este tambm exige que o usurio fornea os arquivos de dados junto com

seus metadados. A nica diferena que, em vez de um mapa da cobertura fracional, a imagem

de refletncia gravada num arquivo de sada. So os seguintes os passos da calibrao.

A partir dos metadados e do arquivo de entrada da imagem, so identificadas as reas potenciais de nuvens e corpos dgua.

Caso for escolhida a opo de correo de neblina, a imagem de entrada corrigida (isto pode fazer com que a imagem fique mais brilhante).

19

Figura II.4: Gerador do Mapa de Cobertura Fracional

A imagem de radincia calculada com base nos valores dos metadados; a correo atmosfrica feita utilizando os 6S.

A imagem de refletncia calculada com os corpos dgua e as nuvens mascaradas.

Este passo vem com o processamento em lote e correo de neblina. Ele aceita os satlites

LANDSAT 4,5,7, ALI, ASTER e SPOT.

Passo 3 : Gerar Mapa de Fraes de Cobertura

A segunda metade da Anlise da Imagem AutoRun o gerador de mapa de cobertura fracional

baseado no algoritmo Monte Carlo Automatizado (AutoMCU). Este algoritmo usado para

determinar a vegetao fotossinttica (viva), o solo (sem vegetao) e a vegetao no-

fotossinttica (morta) a partir da imagem de refletncia. Com base no satlite, o resultado do

algoritmo colocado na escala adequada. Em alguns casos, o redimensionamento pode resultar

no mascaramento de regies desejadas. Para superar essa limitao, o usurio teria que executar

um reajuste adicional da escala/limiar da imagem da cobertura fracional. Para facilitar esse

processo, um visualizador da imagem est embutido nesse passo, para apresentar a imagem com

um certo valor limiar da raiz quadrtica mdia (RMS) aplicado a ela. O usurio deve variar esse

valor para obter uma representao aceitvel do mapa da cobertura fracional.

Para esta imagem em particular usada como exemplo, quando o limiar de erro RMS ajustado

em 800, a imagem resultante fica mascarada de forma mais apropriada, limitando as reas

mascaradas s nuvens, sombras de nuvens e gua. Essa abordagem de mascaramento interativo

permite que o usurio controle a quantidade de sombras de nuvens que ficam sem mscara na

imagem. O usurio pode rodar novamente o ajuste tantas vezes quanto quiser, de forma

interativa, apreciando os resultados e reajustando. Depois que o usurio selecionar Aceitar,

quaisquer mudanas adicionais tero que ser feitas rodando o Passo 4 desde o incio. Em resumo,

altamente vantajoso minimizar quaisquer nuvens e sombras de nuvens por meio do

mascaramento, a fim de obter o melhor produto final, j que os algoritmos usados no CLASlite

so sensveis s anomalias causadas por esses artifcios. Esse passo interativo de mascaramento

e remascaramento permite que o usurio controle o resultado final do CLASlite.

Passo 4: Mapa de Converso da Floresta (Anlise Multitemporal de Imagens)

O mapa de perturbaes florestais usado para determinar a quantidade de desmatamento e de

perturbaes florestais que ocorreram numa regio durante um determinado perodo. O usurio

deve colocar pelo menos duas imagens de cobertura fracional (que compartilhem alguma rea

em comum ). Ento so feitos os clculos e produzidos os mapas com a compilao do

20

desmatamento e das perturbaes florestais. . Para facilitar a identificao, usa-se um cdigo de

cores diferente para cada ano de desmatamento e perturbaes florestais. Embora essas cores no

apaream no ENVI Freelook, o bitmap de sada mantm uma classificao de valores que

corresponde ao ano de mudana florestal do pixel.

Passo 5: Mapa de Cobertura Florestal (Anlise de 1 Imagem)

A ltima opo no menu principal usada para determinar a quantidade de floresta numa

determinada imagem de cobertura fracional. Essa opo pode ser til para estimar a cobertura

florestal de uma determinada regio. A imagem de sada gravada na mesma pasta do arquivo

da imagem da cobertura fracional com um nome de arquivo de entrada cuja terminao mapa de cobertura florestal.

Passo 6: Criar Mscara LANDSAT - adicional

Esse passo uma opo para que o usurio possa mascarar completamente os valores na imagem

de refletncia, baseado na imagem trmica associada, utilizando dados do Landsat 4, 5 ou 7. Um

visor oferecido para tornar mais confortvel a leitura dos valores das coordenadas de uma

imagem trmica. Ao selecionar o Passo 6, coloque os valores da seguinte forma:

Sensor: selecione o sensor de satlite que coletou as imagens.

Entre com as imagens brutas ou primrias: coloque as imagens brutas originais. Trata-se do

mesmo arquivo que j foi usado nos Passos 1 e 2.

Entre com a imagem de refletncia: coloque a imagem de refletncia criada no Passo 2.

Entre com a imagem trmica: coloque o nome do arquivo que contm a imagem trmica. Essa

imagem trmica deve ter o mesmo nmero de pixels e linhas que a imagem bruta de entrada.

Limiar trmico do sombreamento: Ajuste o limiar trmico ao DN apropriado na banda trmica,

de forma que qualquer coisa que fique abaixo daquele limiar seja completamente mascarada e no

aparea nos dados. Cada imagem ter um limiar trmico diferente, baseado na temperatura da

Figura II.5: Mapas de Perturbao Florestal e de Cobertura Florestal

21

superfcie terrestre e da atmosfera. No entanto, para se obter melhores resultados, aconselhvel

usar um limiar trmico entre 125 e 160.

Imagem de sada da refletncia mascarada: Coloque o nome desejado da imagem de

refletncia mascarada resultante. Essa a imagem que ser usada para gerar um mapa de

cobertura fracional no Passo 3.

Figura 11.6 Criar Mscara LANDSAT - adicional

III. Potencial e Limitaes do CLASlite

1. O poder do CLASlite est em sua capacidade nica de converter em

mapas muito detalhados os

tapetes aparentemente verdes de densa cobertura de floresta

tropical, encontrados nas imagens

bsicas dos satlites. Tais mapas

servem para fazer uma

investigao imediata do

desmatamento, extrao de

rvores e outros eventos de

perturbao florestal, tais como

quedas naturais de rvores e danos

causados por tormentas.

2. O CLASlite no gera um mapa final e sim um conjunto de imagens ecologicamente significativas que identificam a cobertura florestal, o desmatamento e as perturbaes

florestais que podem ser prontamente analisadas, processadas e apresentadas pelo usurio.

3. As reas onde houve ocorrncia recente de corte raso (limpeza do terreno), extrao de rvores (corte de madeira) e outras perturbaes florestais ficam destacadas e so

facilmente identificadas com os algoritmos do CLASlite.

22

Quadro III.1: O que o CLASlite exige do usurio

Tipo de perturbao Dedicao exigida

Desmatamento, sem um posterior crescimento de floresta secundria

Requer pouco treinamento. facilmente identificvel

reas de extrao seletiva e grande perturbao florestal

Requer algum treinamento

reas de pouca perturbao florestal, inclusive clareiras provocadas pela queda de pequenas rvores

Requer treinamento em profundidade e dedicao de tempo extra

4. Tanto o desmatamento quando o crescimento secundrio da floresta pode ser rastreado pelo usurio do CLASlite. O desmatamento aparece claramente como uma perda da cobertura

florestal, produzindo substratos descobertos e NPV (vegetao morta). A regenerao

florestal pode ser rastreada por meio de um acompanhamento cuidadoso da recuperao da

floresta depois do corte raso, o qual deve ser previamente mapeado.

5. Embora o programa por si s no consiga distinguir os tipos de perturbao florestal (antropognica X natural), o CLASlite permite que o usurio consiga, pela primeira vez,

classificar a perturbao de forma rpida e automatizada.

6. No se trata de uma ferramenta para monitorar diretamente a biodiversidade. O programa pode ajudar a chegar a concluses em relao biodiversidade a partir da presena ou

ausncia da floresta e de perturbaes na mesma, mas no foi projetado com a finalidade de

monitoramento direto da biodiversidade (espcies).

7. Caso o monitoramento florestal seja feito como uma base para o desenvolvimento e execuo de um projeto in situ, recomenda-se uma verificao de campo da imagem de

sada (resultado) do CLASlite.

8. A capacidade do CLASlite de detectar perturbaes florestais ou desmatamento a partir de uma nica imagem deve ser utilizada com cautela. As perturbaes e o desmatamento

baseiam-se numa mudana de condio de um perodo para outro. Embora os padres de

desmatamento ou perturbao florestal possam ser inferidos de uma nica imagem,

preciso que uma pessoa faa a interpretao dos resultados. Portanto, qualquer coisa que

for detectada, a partir de uma nica imagem, como sendo uma perturbao florestal ou

desmatamento, deve ser utilizada para orientar mais pesquisas e validaes. Usar duas

imagens para detectar perturbao

florestal e desmatamento melhor do

que se basear numa nica imagem.

9. Para detectar a Perturbao florestal, a anlise de imagens mltiplas deve

utilizar imagens coletadas na mesma

poca dos anos considerados,

preferivelmente no mesmo ms. Caso

contrrio, as alteraes na fenologia

florestal podem afetar a capacidade do

CLASlite de detectar alteraes florestais.

10. A correo da neblina foi projetada para homogeneizar os efeitos da neblina que possam existir em partes da imagem. Se a neblina estiver distribuda em toda a imagem de maneira

uniforme, a correo da neblina ser menos eficaz. O benefcio maximizado quando se

faz um nivelamento dos efeitos da neblina em toda a imagem.

11. Apesar de esta ser uma ferramenta altamente automatizada, o usurio precisa se familiarizar com as imagens de sada do CLASlite.

23

IV. Perguntas Freqentes FAQs

1. Estou encontrando problemas para instalar o CLASlite o que posso fazer?

Comece por verificar se voc est usando o Windows XP ou Vista numa mquina de 32-

bit. Este um requisito do CLASlite. A seguir, envie a descrio de seu problema para o

e-mail [email protected] e ns responderemos to logo possvel.

2. Como um terreno irregular pode afetar a anlise do CLASlite?

Em geral, o terreno irregular tem pouco efeito nos resultados do CLASlite, a menos que

montanhas ou encostas lancem sombras sobre o dossel florestal. Se isso acontecer, ento

os resultados do CLASlite podem no ser confiveis. Felizmente, as imagens de erro na

sada padro do CLASlite permitem localizar, avaliar e descartar rapidamente as reas

onde as sombras de elevaes criaram resultados incertos. No entanto, em terrenos

irregulares que de forma geral se mantm bem iluminados, o mdulo central de anlise

Monte Carlo (AutoMCU) capaz de absorver ou acomodar a irregularidade do terreno, permitindo assim um bom resultado.

3. Como as imagens de sada do CLASlite mostrariam as matas ciliares versus floresta de terra firme, haveria alguma diferena claramente identificvel?

As matas ciliares muitas vezes possuem substratos nus, desprovidos de vegetao (bare),

que so mais altos, ou fraes de vegetao degradada no-fotossinttica (VNF), porque a

inundao pelo rio danifica a floresta ou deposita os sedimentos nessas florestas. tpico

ver tons de amarelo numa imagem composta de terreno descoberto (bare), com vegetao

fotossinteticamente ativa (VF) e com vegetao degradada (VNF), a partir da etapa de

mapeamento da cobertura fracional a cor amarela indica misturas de terra sem vegetao e com vegetao fotossinteticamente ativa. Alm disso, em geral o padro da

cobertura do dossel florestal (VF) visualmente distinto das florestas de terra firme: as

matas ciliares muitas vezes tm uma aparncia estriada devido dinmica fluvial.

4. No tenho os metadados o que posso fazer?

Em alguns casos, os metadados de uma imagem podem estar indisponveis ou

incompletos. Um tipo comum de metadado que pode faltar nas imagens do satlite

Landsat-7 o de ajustes de ganho. Na maioria dos casos de floresta tropical, os dois

nicos ajustes de dados para o satlite Landsat-7 sero com todas as 6 bandas tendo um

ajuste de ganho alto (High aparece, por exemplo, HHHHHH) ou com apenas a banda 4 tendo um ajuste baixo (Low aparece, por exemplo, HHHLHH). A opo por diferentes sistemas de processamento (NLAPS ou LPGS) dos dados do Landsat no

essencial, mas sabendo disso pode-se produzir uma imagem de refletncia levemente

melhor. Para mais informaes, acesse e consulte

24

http://landsathandbook.gsfc.nasa.gov/handbook/

handbook_htmls/chapter12/htmls/level1_differences.html

Se voc no conseguir encontrar o sistema de processamente, recomenda-se usar o

padro, que NLAPS.

Para mais informaes sobre os metadados e preparao da imagem, veja o documento

"Antes de Rodar o CLASlite disponvel no site do CLASlite.

5. Quantos bits por pixel so aceitos pelo CLASlite?

O tipo de dados requeridos para entrar no CLASlite varia conforme o satlite. Por

exemplo, no caso de dados do Landsat, os valores deveriam ser de 1 byte por pixel.

Consulte o Apndice II (Preparao dos Dados) para conhecer os detalhes de como

devem ser formatados os dados dos vrios tipos de satlite para dar entrada no CLASlite.

6. Como se faz a correo atmosfrica para as imagens do CLASlite?

O CLASlite consome imagens brutas de satlite e aplica ganhos de sensor e compensao

(offset) para a radincia exoatmosfrica derivada de cada banda de imagem. Os dados de

radincia so ento passados para uma verso totalmente automatizada do modelo de

transferncia radiativa atmosfrica 6S (Vermote et al. 1997) para derivar a refletncia de

superfcie aparente para cada banda espectral. O modelo 6S exige um nmero de dados

de entrada que incluem uma estimativa de aerosol e vapor dgua. Esses parmetros esto em tabelas geogrficas de consulta derivadas dos produtos atmosfricos MODIS grau 1

da NASA. A coordenao dos dados do vapor dgua e do aerosol MODIS com o satlite de alta resoluo processado pelo CLASlite feita de forma automatizada. O CLASlite

usa a ltima verso do 6S (http://6s.ltdri.org/), que aceita o satlite Landsat-4, 5 e 7,

assim como o ASTER, o ALI e o SPOT. O CLASlite no faz correo atmosfrica nas

imagens terrestres do MODIS porque esses dados j esto processados para o produto

composto da medida de 8 dias da refletncia de superfcie (MOD09A1).

7. Para quais anos o CLASlite dispe de dados atmosfricos para fazer a correo atmosfrica? O que acontece se processarmos uma imagem de um ano para o qual o

CLASlite no dispe de dados atmosfricos? Isso afetar o resultado do trabalho?

O CLASlite contm dados de vapor dgua e de aerosol MODIS desde o ano 2000 at o presente. Mensalmente, os dados atmosfricos so atualizados e disponibilizados para os

usurios do CLASlite. Se voc processar uma imagem de um ano para o qual o CLASlite

no possui dados atmosfricos, o CLASlite ir automaticamente selecionar a data anterior

mais prxima e a utilizar para fazer a correo atmosfrica. Devido ao fato de que os

dados de aerosol e vapor dgua so derivados das mdias mensais, a correo atmosfrica com dados de um ano diferente cria uma imagem de refletncia que

suficientemente precisa para a aplicao de uma abordagem probabilstica robusta de

Auto-MCU.

25

8. Que formatos de arquivo so suportados pelo CLASlite?

O CLASlite suporta arquivos tanto no formato ENVI como no GeoTIFF. Arquivos em

ambos formatos podem ser processados com essa ferramenta em qualquer dos passos.

Adicionalmente, o usurio tem a opo de salvar (gravar) qualquer arquivo resultante em

qualquer um desses formatos. O formato padro de arquivo para os resultados CLASlite

ENVI. As imagens ENVI consistem de dois arquivos: um deles no tem extenso,

trata-se de um arquivo de imagem; o segundo arquivo leva a extenso .hdr, que um

arquivo de informaes auxiliares, contendo as informaes espaciais sobre a imagem.

Ambos os arquivos so necessrios, mas o arquivo sem extenso aquele que

carregado no CLASlite ou ENVI Freelook. Pode-se abrir os arquivos ENVI tanto no

ENVI como no ERDAS; j os GeoTIFFs possuem um formato mais universal.

Ao salvar o resultado CLASlite no formato GeoTIFF, importante que o usurio defina o

nome do arquivo de resultado sem colocar uma extenso. Selecione a opo Salvar resultado como GeoTIFF para acrescentar a extenso adequada ao arquivo resultante. Caso o usurio acrescente uma extenso ao nome do arquivo de sada, o CLASlite no

reconhecer o arquivo de sada e no final do processo aparece um erro.

9. possvel usar o CLASlite para 17S em zona UTM?

O CLASlite aceita todas as imagens no sistema de projeo UTM (Universal Transversa

de Mercator).

10. Tenho uma imagem do satlite ASTER que no est funcionando bem. O que devo fazer?

possvel que as imagens de radincia e refletncia no tenham sido criadas com os

ganhos e compensaes corretas. As imagens do ASTER possuem vrios diferentes

ajustes de ganhos que devem ser aplicados pelo usurio utilizando seu prprio

processador de imagem (ENVI, ERDAS, etc.). Consulte o Apndice II para descobrir os

ajustes de ganho de seus dados e como aplic-los antes de utilizar as imagens no

CLASlite.

11. O CLASlite explicaria os erros comuns?

A maior parte das mensagens de erro aparece durante sua ocorrncia. Na maioria dos

casos, o usurio seria levado ao estgio anterior ocorrncia do erro, para que possa ser

feita a correo do mesmo. No entanto, poder haver casos em que aparecem mensagens

de erro que, se aceitas, provocariam o fechamento do programa CLASlite. Nesses

casos, o usurio teria que repetir aquele processo. Algumas mensagens comuns de erro

so as seguintes:

"Tentativa de indexar CUMU_TOTAL com MAXINDEX est fora dos limites"

Esse erro ocorre quando o usurio escolhe aplicar uma ampliao Linear de 2% num

pedao escolhido da rea que tem mais pixels com valor zero. A ampliao Linear de 2%

26

depende do histograma e uma vez que a maior parte dos valores zero, a ampliao do

histograma no seria feita. Aconselha-se aos usurios que evitem selecionar reas com

mais pixels de valor zero e apliquem uma ampliao Linear de 2% nessa rea.

Nmero de bandas no combina com a solicitao. As imagens dos diferentes satlites/sensores usadas no CLASlite dependem do nmero

de bandas em cada uma delas. Para outras informaes, consulte o Apndice II:

Preparao da imagem e Anlise de Bandas para uso CLASlite.

12. possvel realizar uma anlise de imagens mltiplas com imagens de diferentes satlites?

Pode-se realizar anlises de imagens mltimas de imagens de satlites diferentes desde

que a resoluo do pixel seja a mesma.

13. Qual deveria ser a rea de superposio entre as imagens para realizar uma anlise de mltiplas imagens? Quando a rea no-superposta seria grande demais para

tornar a anlise no-aceitvel?

No existe um limite mximo especificado para se realizar anlises de imagens mltiplas

num conjunto de imagens MCU, porm todas as imagens a serem comparadas precisam

ter, no mnimo, um pixel em comum.

14. Estando no modo de mltiplas imagens, o que acontece se houver uma variao na quantidade de tempo entre as imagens?

Voc pode entrar com tantas imagens quanto quiser. Se o intervalo de tempo for anual

ou mais freqente, ento os mapas de desmatamento e de perturbao florestal

produzidos pelo CLASlite ficaro mais prximos dos ndices brutos de mudana. Caso

suas imagens tenham sido coletadas com um intervalo maior do que um ano, os mapas de

desmatamento e perturbaes produzidos pelo CLASlite representaro ndices lquidos de

mudana em mais longo prazo. Cabe a voc interpretar as mudanas na floresta que

foram mapeadas pelo CLASlite voc precisa determinar se as mudanas que voc v so brutas ou lquidas. As mudanas florestais lquidas podem deixar de lado um novo

crescimento florestal, uma recuperao do dossel, uma perturbao ou outros processos

que podem ocorrer entre as datas que separam as imagens. J as mudanas florestais

brutas incorporam todos os ganhos e todas as perdas florestais medida que elas

ocorrem.

15. Por que o CLASlite no suporta o sensor multiespectral scanner (MSS) do satlite Landsat?

Decidimos, anteriormente, no suportar o sensor multiespectral scanner (MSS) do satlite

Landsat porque esse instrumento barulhento. No entanto, se houver uma procura muito

grande pelos dados do MSS, iremos considerar essa possibilidade numa nova verso do

CLASlite.

27

16. Quanto de erro no registro imagem-a-imagem permitido no CLASlite?

Atualmente, a anlise de imagens mltiplas no CLASlite exige que o usurio faa o co-

registro de suas imagens durante o passo de preparao de imagens com uma incerteza de

um (1) pixel.

17. A verso 2 do CLASlite suporta Windows 64-bits?

Sim, mas voc precisa primeiro instalar IDI para as mquinas de 32-bits, para que o

CLASlite possa rodar no ambiente IDL de 32-bits.

18. Como a equipe CLASlite definiu os critrios de deciso referente a cobertura florestal, desmatamento e perturbaes florestais?

Esses critrios baseiam-se na experincia prtica com o CLASlite em locais de floresta

tropical mida no Brasil, Peru, Madagascar, Bornu e Hava. No entanto, fornecemos ao

usurio os valores de cobertura fracional (do Passo 3), para que ele/ela possa estipular os

critrios de deciso que sejam mais adequados s suas necessidades. Pode-se

implementar critrios de deciso personalizados utilizando um software de terceiros, tais

como o ENVI, ERDAS Imagine ou ArcGIS.

19. O CLASlite pode rodar mosaicos de imagens de satlite?

Sim, pode-se processar um mosaico. Mas preciso ter suficiente memria de

computador para isso. Geralmente, aconselhvel rodar o CLASlite com imagens

individuais e depois fazer um mosaico dos resultados MCU.

Para outras mensagens de erro que so especficas para certas condies, consulte nosso

website: http://claslite.ciw.edu ou envie uma mensagem eletrnica para

[email protected]

28

V. Praticando com o CLASlite: estudos de caso

V.1 Extrao madeireira: Brasil (anlise de mltiplas imagens)

I. Descrio do problema Muitas paisagens florestais da Amaznia tm sofrido mudanas rpidas em decorrncia da

atividade industrial e da extrao ilegal, do corte raso para limpar o terreno e dar lugar a

pastagens de gado e cultivos, e o desenvolvimento de biocombustveis. um desafio rastrear tais

mudanas ao longo do tempo, mas o CLASlite oferece uma abordagem fcil para monitorar a

perda da cobertura florestal e a recuperao aps o desmatamento e a degradao florestal.

A Amaznia Oriental brasileira considerada uma das fronteiras mais antigas de mudana de

uso da terra. Uma regio ao sul de Belm, no estado do Par, conhecida como Fazenda Cauaxi,

est situada ao longo do Rio Capim. Cauaxi tem uma histria de desmatamento leve, porm no

final da dcada de 1990 a atividade de extrao madeireira foi introduzida na regio e abriu essa

rea para mais atividade humana. Focalizamos, aqui, um exerccio sobre como usar o CLASlite

para monitorar a extrao seletiva e a degradao florestal na regio.

II. Anlise Este exerccio envolve o processamento de quatro imagens Landsat-7 (ETM+) por meio do

CLASlite e a criao de imagens de sada que identifiquem o desmatamento e as perturbaes

florestais. As quatro imagens que iremos usar no exerccio foram obtidas nas seguintes datas e

coordenadas de trajetria/linha do Landsat:

Trajetria/linha Data

223/063 13-julho-1999

223/063 31-julho-2000

223/063 03-agosto-2001

223/063 07-setembro-2002

1. Preparao da imagem

Antes de rodar o CLASlite, preciso preparar as imagens. Utilizando o processador de imagem

ou o software de SIG (GIS) de sua escolha, faa o corregistro das imagens de modo que elas

casem e coincidam uma com a outra dentro de uma margem de +/- 1 pixel. Isso garante que

quaisquer alteraes observadas na cobertura florestal e nas perturbaes florestais entre as

imagens sejam resultado de uma real perturbao na floresta, entre uma imagem e a prxima, e

no um erro resultante de um registro mal feito das imagens. Esse passo ns j fizemos para

voc, mas devemos enfatizar o fato de que o registro imagem-a-imagem um fator crtico em

qualquer anlise de mltiplos dados da perturbao florestal, seja usando o CLASlite ou qualquer

outro software de mapeamento. Conforme foi discutido na seo de Preparao dos Dados, as

imagens devem ser preparadas de forma que as bandas 1, 2, 3, 4, 5 e 7 de cada imagem estejam

no formato GeoTIFF ou ENVI. A banda trmica de cada imagem deve estar um arquivo

separado, com o mesmo tamanho de pixel e extenso que o arquivo correspondente que contm

as outras bandas (por exemplo, resoluo espacial de 30 metros).

29

2. Refletncia de superfcie Passo 2 do CLASlite

O prximo passo processar as imagens para refletncia aparente da superfcie. Coloque os metadados de cada imagem. Caso no disponha dessas informaes, voc pode encontr-las na

rede, em alguns dos sites de distribuio dos dados do satlite. Consulte a seo de Perguntas

Freqentes (FAQ) para obter mais informaes sobre como lidar com esse conjunto de imagens.

Aps salvar as informaes relativas s quatro imagens, clique em Executar (Run). Cada imagem levar aproximadamente cinco (5) minutos para criar uma imagem de refletncia

calibrada. Voc acabou de completar um passo que normalmente pode levar muitas horas!

3. Mascaramento de Nuvens - Passo 3 do CLASlite Depois de criadas as imagens de refletncia, voc tem a opo de usar bandas trmicas das

imagens Landsat para mascarar quaisquer nuvens nas imagens. Esse passo no uma exigncia,

mas pode ajudar a reduzir a quantidade de dados que sero processados nos passos subseqentes,

portanto economiza seu tempo.

Para fins deste tutorial, execute o mascaramento de nuvens na imagem 1999. Entre com a

imagem bruta, a imagem de refletncia e a imagem trmica. Coloque um nome de arquivo de

sada que contenha a imagem de refletncia mascarada. Clique em Visualizar (View) para ver a imagem trmica para determinar um valor de limiar trmico para mascarar as nuvens. Lembre-

se de que as nuvens aparecero escuras nessa imagem, porque elas so mais frias do que a

superfcie terrestre. No selecione um limiar alto demais, porque voc poderia eliminar pixels

bons que no esto nublados. Aps ajustar o valor de limiar trmico, clique em Executar (Run) para gerar uma imagem mascarada de refletncia.

4. Cobertura fracional (AutoMCU )- Passo 3 do CLASlite

Aps mascarar as imagens de refletncia que deseja converter para cobertura fracional, entre

com as mesmas no Passo 3. Para cada imagem, coloque o nome do arquivo de entrada da

refletncia e o nome da imagem de cobertura fracional que ser gerada a partir dele. Aps

colocar as informaes relativas a cada imagem, clique em Executar para iniciar o processamento em lote.

Aps concluir o processamento em lote, voc ser levado a determinar um limiar para regular os

resultados preliminares numa imagem final. Clique primeiramente em Ajustar (Adjust) para fazer o primeiro ajuste. Quando os Passos 1 e 2 estiverem concludos, clique no boto

Visualizar (View) para ver a imagem de cobertura fracional resultante. Aparece ento um visualizador de imagens e voc pode desenhar um quadrado para ver uma rea na resoluo

plena. Voc tambm pode usar o recurso Ampliar (Stretch) para melhorar o contraste das cores que representam o VF (verde), VNF (azul) e o substrato sem cobertura Bare (vermelho).

223/063 13-Jul-99 Bandas 1,2,3,4,5,7

223/063 13-Jul-99 Banda trmica

223/063 31-Jul-00 Bandas 1,2,3,4,5,7

223/063 31-Jul-00 Banda trmica

223/063 03-Ago-01 Bandas 1,2,3,4,5,7

223/063 03-Aug-01 Banda trmica

223/063 07-Set-02 Bandas 1,2,3,4,5,7

223/063 07-Sep-02 Banda trmica

30

possvel que o ajuste inicial tenha mascarado demais a imagem. Para reduzir o limiar e

diminuir a parte mascarada da imagem, clique novamente em Ajustar (Adjust).

Quando a imagem estiver reajustada, clique novamente em Visualizar (View) para examinar a imagem. Continue fazendo isso at que a imagem aparea sem nebulosidade e outros pixels

problemticos. Quando a imagem tiver sido adequadamente ajustada, selecione Aceitar (Accept) para fechar a janela de regulagem daquela imagem. Se houver outras imagens a serem

processadas, execute o processo de regulagem com as demais imagens.

Parabns! Voc completou uma tarefa que costumava levar semanas ou meses para ser

concluda! Voc est convidado a visualizar as imagens no Freelook ou em outro pacote de

visualizao de imagens de sua preferncia.

5. Mapa de desmatamento e perturbaes florestais - Passo 4 do CLASlite O prximo passo utilizar as imagens de cobertura fracional para determinar o desmatamento e

as perturbaes florestais num perodo de tempo coberto pelas imagens (1999-2002). Selecione

o Passo 4 no menu e coloque os nomes das quatro (4) imagens em seqncia, comeando com a

mais antiga at a mais recente. Clique em Executar (Run) para gerar as imagens de

desmatamento e perturbao florestal da srie temporal dessas imagens. O CLASlite colocar

em seu desktop os arquivos chamados de Desmatamento compilado e Perturbaes florestais compiladas. Baseado nas diferenas entre as quatro imagens, o programa classificar um pixel em at trs classes de desmatamento e trs classes de perturbaes florestais, dependendo do

intervalo em que a mudana ocorreu. A figura abaixo representa o intervalo em que ocorreram

diversas classes de perturbaes florestais e desmatamento.

Agora que voc tem as seqncias temporais do desmatamento e das perturbaes florestais,

voc pode visualiz-las no Freelook ou em outro software de visualizao de imagens de sua

preferncia. Voc ir observar que ocorreu uma grande quantidade de perturbaes florestais

entre os anos 1999 e 2002 nessa regio da Amaznia brasileira. Durante esses anos, a equipe de

campo da Carnegie, juntamente com colaboradores da Embrapa (rgo federal brasileiro de

pesquisa agropecuria) e da Fundao de Floresta Tropical, verificou que quase todos os padres

de perturbao florestal que aparecem nessas imagens foram causados pela extrao seletiva de

rvores. Em 2004, eles demonstraram que se pode no apenas monitorar a extrao mas,

tambm, rastrear a intensidade da extrao e a quantidade de perda de dossel. Eles conseguiram

correlacionar a intensidade da extrao, definida aqui como a perturbao fracional em VF, VNF

e substrato descoberto, com a quantidade de carbono removido da floresta junto com os troncos

de madeira.

13-Jul-99 31-Jul-00 03-Ago-01 07-Set-02

Ano 1 perturb. Ano 1 desmat. desmatamentodeforest_year_1

Ano 2 perturb. Ano 2 desmat.

Ano 3 perturb. Ano 3 desmat.

31

III. Interpretao dos resultados

V.2 Corte raso durante longo prazo: Hava (anlise de imagem nica)

I. Descrio do problema Muitas paisagens florestais do Hava tm sofrido perturbao constante durante longo prazo,

devido ao cultivo da cana-de-acar e pecuria.

A regio nordeste da grande ilha do Hava tem vastas florestas, mas com o tempo elas foram

gradativamente invadidas. Nessa anlise de imagem nica, vamos ver como identificar a

quantidade de rea florestal numa imagem.

O desmatamento compilado pode ser

visualizado com ENVI como uma imagem de

classificao. Cada ano de desmatamento

marcado com uma cor diferente. O

desmatamento do primeiro ano aparece em

laranja (valor 1 do pixel), o segundo ano

aparece em amarelo-verde (valor 2 do pixel) e

o terceiro ano em cinza (valor 3 do pixel). Se

voc visualizar essa imagem usando outro

software, voc pode atribuir uma tabela de

cores para a imagem.

A imagem do desmatamento est associada

com reas nas quais a frao de VF diminuiu

significativamente entre as duas imagens.

Desmatamento

Figura V.1 Imagens da cobertura fracional e do desmatamento

Da mesma forma, a imagem de perturbaes

florestais compiladas pode ser visualizada

com o mesmo cdigo de cores atribudo aos

diferentes anos em que elas ocorreram. A

perturbao florestal mais sutil e voc ver

muitos pixels isolados associados com uma

possvel perturbao. No entanto, voc

poder observar que um punhado de pixels

de um mesmo ano (cor) pode geralmente ser

associado com a atividade de extrao

seletiva, conforme se v na Figura V.2.

Figura V.2 Imagem de perturbao florestal

Extrao de madera

32

II. Anlise Esse exerccio envolve o processamento, por meio do CLASlite, de uma imagem do Landsat-7

(ETM+) e a gerao de outra imagem de sada que identifica a rea de floresta. A imagem que

usaremos no exerccio data de 30 de dezembro de 2000, trajetria/linha 062/046.

1. Preparao da imagem Sua imagem deve estar no formato ENVI ou GeoTIFF com as bandas espectrais na ordem 1, 2,

3, 4, 5 e 7. Assegure-se de que a imagem esteja adequadamente georeferenciada. Como

dificilmente haver nuvens no subconjunto disponibilizado para este estudo de caso, no

precisaremos da banda trmica.

2. Refletncia de superfcie Passo 2 do CLASlite O prximo passo processar as imagens para refletncia aparente de superfcie. Isso feito no Passo 2 do CLASlite. Entre com as informaes dos metadados de cada imagem. Caso no

dispuser dessas informaes para sua imagem, voc poder encontr-las num dos sites de

distribuio dos dados do satlite. Consulte a seo de Perguntas Freqentes (FAQ) para mais

informaes sobre este conjunto de imagens.

Depois de salvar as informaes da imagem, clique em Executar (Run). Levar cerca de cinco (5) minutos para criar uma imagem de refletncia calibrada. Voc acaba de concluir uma etapa

que normalmente levaria muitas horas!

3. Cobertura fracional (AutoMCU) Passo 4 do CLASlite Agora que voc dispe de uma imagem de refletncia, voc ir convert-la para cobertura

fracional. No Passo 4 do CLASlite, entre com o nome da imagem da refletncia e o nome da

imagem de cobertura fracional que ser gerada a partir dela. Aps fornecer as informaes da

imagem, clique em Executar (Run) para iniciar o processo.

Concludo o processo, voc ser levado a determinar um limiar para regular os resultados

preliminares numa imagem final. Inicialmente voc deve clicar em Ajustar (adjust) para fazer o primeiro ajuste. Quando os Passos 1 e 2 estiverem concludos, clique no boto Visualizar (View) para ver o resultado da imagem da cobertura fracional. Aparece um visualizador de

imagem e voc pode marcar um quadrado para ver uma determinada rea com resoluo plena.

Voc tambm pode usar o recurso Ampliar (Stretch) para realar o contraste das cores que representam VF (verde), VNF (azul), e S (vermelho). possvel que o ajuste inicial mascare

demais a imagem. Reduza o limiar para mascarar menos a imagem e clique novamente em

Ajustar.

Depois que a imagem tiver sido reajustada, clique novamente em Visualizar para examin-la. Quando a imagem estiver adequadamente ajustada, selecione Aceitar para fechar a janela de ampliao daquela imagem. Parabns! Voc concluiu uma tarefa que costumava levar semanas

ou meses! Voc est convidado a visualizar as imagens no Freelook ou em outro pacote de

visualizao de imagens de sua preferncia.

4. Mapa florestal Passo 5 do CLASlite

33

Fig. V.3 Imagem da cobertura fracional e imagem de floresta e no-floresta (resultado do Passo 6)

O prximo passo usar a imagem da cobertura fracional para determinar as reas florestadas

versus as no-florestadas. Selecione o Passo 5 para mapear a cobertura florestal. Entre com o

nome da imagem da cobertura fracional e clique em Carregar (load). Um arquivo (resultado) ser gerado e ele ter o mesmo nome do arquivo de entrada com a terminao

_mapa_de_cobertura_florestal.

III. Interpretao dos resultados

A imagem da cobertura florestal pode ser visualizada como uma imagem de banda nica na

escala de cinza. Quaisquer reas florestadas tero o pixel de valor 0 (zero) e todas as reas sem

floresta tero um valor 4. Deve-se ter cautela ao interpretar esses resultados. A cobertura

florestal determinada com base na quantidade de vegetao viva (PV), mas possvel que ela

se confunda com a vegetao no-florestal. Alm disso, devido ao fato de que estamos

utilizando uma nica imagem neste

estudo de caso, no podemos inferir

quando uma determinada rea mudou

de florestada para no-florestada.

prefervel fazer uma anlise com

mltiplas imagens para determinar

esse tipo de coisa.

Na Figura 3, pode-se ver que as reas

em vermelho e amarelo na imagem da

cobertura fracional correspondem

quelas onde o desenvolvimento

invadiu as reas florestais que

aparecem em verde.

34

VI. Glossrio

Calibrao: processo executado pelo CLASlite que inclui: identificao das regies a serem

mascaradas, clculo da imagem de radincia, correo atmosfrica e clculo da imagem de

refletncia.

Crescimento de floresta secundria: aumento da cobertura florestal e biomassa aps o corte

raso e abandono da floresta.

Desmatamento: converso florestal direta, provocada pelo homem, para menos do que 10-30%

da cobertura florestal (Conveno-Quadro da ONU sobre Mudanas Climticas).

Degradao florestal: uma interpretao humana das perturbaes florestais, quando elas

alcanam um nvel que elimina o armazenamento de carbono e outros servios prestados pelo

ecossistema.

Floresta intacta: pedaos (retalhos) de floresta que no foram danificados e que esto cercados

por pequenas clareiras ou dominados por lacunas de dossel associados com atividade humana

(GOFC-GOLD 2006).

Ganhos: um termo geral usado para indicar uma mudana na potncia do sinal.

IPCC: Painel Intergovernamental sobre Mudanas Climticas

Lacuna de dossel florestal: em reas onde ocorreu extrao de rvores, as lacunas de dossel

(clareiras) so ocasionadas por corte ou queda de rvores e trilhas de tratores (skid), o que resulta

em danos ou morte das rvores que estavam em p.

Monitoramento florestal: mapeamento florestal de forma consistente e que permita detectar e

quantificar as alteraes na cobertura florestal ao longo do tempo.

Mascaramento: remoo de determinados pixels da imagem para analisar.

Perturbao florestal: remoo parcial do dossel florestal, sendo que o dossel remanescente

geralmente supera os 30%.

Regenerao: a floresta danificada anteriormente pode se recuperar e resultar em seqestro de

biomassa (GOFC-GOLD 2006).

Vegetao No-fotossinttica (VNF): vegetao morta ou senescente.

Vegetao fotossinttica (VF): vegetao viva, verde.

35

Apndice I: Instalao do CLASlite e links teis

Requisitos do Sistema:

3 GB de espao no disco 2GB RAM

Software adicional instalado:

IDL 7.0.6 (verso 32 bits) Freelook: software para visualizao de

imagens

preciso 32 bit IDL-VM para rodar o CLASlite 2.0.

2. V para o ftp e faa o download, em seu computador, do arquivo license.exe. Clique duas vezes

no arquivo executvel. Essa ao ir criar um arquivo de log (_logfile) que ser colocado

automaticamente no seu computador. Envie um correio eletrnico com o arquivo de log para

[email protected]. Onde pede qual o assunto, coloque meio ambiente.

Instrues para instalao

1. V para o ftp e faa o download do programa de instalao do arquivo zip e salve em seu computador. Clique duas vezes no arquivo zipado e entre com a senha que lhe foi enviada. O

executvel vai ento instalar o CLASlite, o Freelook e o IDI 7.0.6 em seu sistema.

Voc ver uma tela de boas vindas, semelhante que aparece abaixo. Nessa tela de boas vindas,

aceite o acordo de usurios do CLASlite. Clique no prximo. Voc ser notificado sobre os

requisitos de espao mnimo para instalar o CLASlite 2.0 em seu sistema.

O CLASlite ser ento instalado em sua mquina e ficar localizado em C:\claslite. Os arquivos

de apoio bsico necessrios e os pacotes de software adicional (IDL VM e Freelook) sero

instalados junto com ele. preciso 32 bit IDL-VM para rodar o CLASlite 2.0.

36

3. V para o ftp e clique nos continent_files. Navegue at o continente de seu interesse. Faa o

download do arquivo zipado e extraia seus contedos para C:/claslite/support_files.

4. V para o ftp e faa o download do arquivo zipado em modis_atmosphere. Extraia os

contedos do arquivo compactado e coloque-os em C:/claslite/support_files.

Observao: sem o continente correspondente (passo 3) e os arquivos da atmosfera (passo

4), o CLASlite no iria funcionar.

Links teis

Global Land Cover Facility http://glcf.umiacs.umd.edu/portal/geocover/

Landsat.org http://landsat.org/

Instituto Nacional de Pesquisas Espaciais http://www.dgi.inpe.br/CDSR/

Tropical Rain Forest Information Center http://www.trfic.msu.edu/

USGS Global Visualization Viewer http://glovis.usgs.gov/

TerraServer Online Imagery http://www.terraserver.com/

Warehouse Inventory Search Tool http://wist.echo.nasa.gov/

SPOT Image http://www.spot.com/

ENVI http://www.ittvis.com/

ERDAS http://www.erdas.com/

37

Apndice II: Preparao das imagens e anlise de bandas para o CLASlite

O processamento de dados por meio do CLASlite algo simples, mas exige uma preparao

prvia dos dados que sero utilizados pelo software. Para obter os melhores resultados,

importante seguir corretamente cada passo. Os dados de satlite fornecidos ao CLASlite devem

estar no formato correto e ter o nmero certo de bandas. Os formatos aceitos e as caractersticas

dos dados variam conforme o sensor. Os passos usuais para preparar os dados de qualquer

satlite para alimentar o CLASlite so os seguintes:

1. Georeferenciamento da imagem para uma projeo Universal Transversa de Mercator - UTM (elipside WGS 84)

2. No caso do satlite LANDSAT, reamostrar a banda trmica para a mesma resoluo de tamanho de imagem dos dados espectrais

3. Reordenamento das bandas, quando necessrio 4. Salvar a imagem no formato GeoTIFF ou ENVI

Os requisitos de dados para cada sensor de satlite so listados nesta seo. Pode-se usar

praticamente qualquer pacote de processamento de imagem para preparar as imagens. ENVI e

ERDAS esto entre os pacotes de processamento de imagem mais usados. possvel, ainda,

preparar as imagens para o CLASlite com o mdulo Grid do ArcGIS (SIG).

1. Mapeador Temtico Landsat (TM) 4, 5, e Mapeador Temtico Melhorado+ (ETM+) 7

O CLASlite consegue processar as imagens dos satlites Landsat 4, 5 e 7. Os dados de imagem

precisam estar em dois arquivos. Um dos arquivos deve conter os dados para as bandas 1-5 e

banda 7 (na ordem 1, 2, 3, 4, 5, 7) do Landsat. Caso voc tiver ainda uma banda trmica para

mascaramento de nuvens (banda 6, ganho alto), ela deve estar num arquivo em separado, alm de

cobrir exatamente a mesma rea e com o mesmo tamanho de pixel do outro arquivo. Portanto,

antes de usar essa banda no CLASlite, pode ser preciso reamostrar a banda trmica, passando da

resoluo original para o tamanho de pixel das outras bandas. Ao reamostrar as imagens, utilize

o ncleo de reamostragem mais prximo. Os valores de pixel em todas as imagens Landsat

usadas no CLASlite devem ser de 1-byte e no podem ter sofrido qualquer correo atmosfrica.

2. Sensor avanado de imagens (ALI) do satlite EO-1

O CLASlite consegue processar imagens do satlite EO-1 (Earth Observing-1), o qual dispe de

um sensor avanado de imagens da terra, o ALI (Advanced Land Imager). Somente os dados do

nvel 1 G do ALI podem ser usados no CLASlite.

O sensor de imagens ALI no possui banda trmica. Um arquivo deve conter somente as 9

bandas visveis, infravermelho prximo e infravermelho de ondas curtas, com os valores

integrais originais de 16-bit para cada pixel. As bandas devem seguir a ordem abaixo. As 9

bandas dos dados do ALI so as seguintes:

38

MS-1: 433 453 nm MS-1: 450 515 nm MS-2: 525 605 nm MS-3: 630 690 nm MS-4: 775 805 nm MS-4: 845 890 nm

MS-5: 1200 1300 nm MS-5: 1550 1750 nm MS-7: 2080 2350 nm

3. Radimetro Espacial Avanado de Reflexo e Emisso Trmica (ASTER)

O CLASlite consegue processar imagens Nvel 1B do Radimetro Espacial Avanado de

Reflexo e Emisso Trmica (ASTER) obtidas com o satlite Terra da NASA.

Documents

Guia Do Usuario CLASlite