Post on 09-Oct-2020
IMAGENS DE ALTA RESOLUÇÃO CBERS - 2B/HRC APLICADAS
À CARACTERIZAÇÃO URBANA DE ALFENAS – MG
Discente: Bruno de Oliveira Souza
Prof. Dr. Fernando Shinji Kawakubo (Orientador)
Alfenas – MG, março de 2013
UNIVERSIDADE FEDERAL DE ALFENAS. UNIFAL-MG
INSTITUTO DE CIÊNCIAS DA NATUREZA
CURSO DE GEOGRAFIA Rua Gabriel Monteiro da Silva, 700
Centro - Alfenas/MG CEP: 37130-000
Telefone: (35) 3299-1000/1419/1448/1457
BRUNO DE OLIVEIRA SOUZA
IMAGENS DE ALTA RESOLUÇÃO CBERS - 2B/HRC APLICADAS
À CARACTERIZAÇÃO URBANA DE ALFENAS – MG
Monografia apresentada à disciplina TCC 2 do
curso de Geografia – Bacharelado da Universidade
Federal de Alfenas – UNIFAL – MG.
Orientador: Prof. Dr. Fernando Shinji Kawakubo
Alfenas – MG, março de 2013
3
Sumário
1 – Introdução …………………………………………………………........….………… 4
2 – Objetivos ………………………………………………………………........….….….. 6
3 – Revisão Bibliográfica ………………………..........................……………...….......... 7
4 - Caracterização da área de estudo…….…………...............................…............…... 14
5 – Materiais e Métodos .........………………………………........………………......… 15
6 - Resultados e discussão …………………………………………..........….......…………...…. 17
7 – Conclusão ……………………………………………………………….........................…… 22
Referências bibliográficas ………………………………………………..........…..……............ 23
1. Introdução
De acordo com o censo demográfico de 2010, a população brasileira é 190.755.799
habitantes, sendo que 84,4% desta população concentram-se em áreas urbanas (IBGE,
2010). Adicionalmente, tem-se ainda a ausência de políticas públicas e planejamento
urbano eficazes, o que provoca em grande parte das cidades brasileiras problemas
relacionados a moradias, tratamento de esgoto, poluição, congestionamentos, transporte
público, serviços de saúde e educação, dentre outros.
Uma das formas de amenizar os problemas urbanos é compreender como a população
está distribuída no perímetro urbano. O conhecimento da realidade, e do contexto social
em que esta população se insere, constitui uma importante ferramenta para o
planejamento urbano.
Localizada no sul do estado de Minas Gerais, a cidade de Alfenas conta com uma
população de 73.774 habitantes (IBGE, 2010). Dados do censo demográfico 2010,
mostram que 93,8% desta população reside em áreas urbanas. Considerada um dos mais
importantes centros produtores de café do país, e também um polo educacional e de
saúde, a cidade indica o princípio de apresentar problemas típicos da crescente
urbanização e que ainda não são bem compreendidos.
De outro lado, o grande avanço registrado nos últimos anos na área do Sensoriamento
Remoto, evidenciado pelo constante desenvolvimento de sensores com resoluções cada
dia maiores, tem tornado possível à realização de um número cada dia maior de estudos
que têm por objetivo a caracterização dos diferentes tipos de usos do solo interurbano,
sendo estes fundamentais para a tomada de decisões quando o assunto tratado é o
planejamento urbano.
Diante da problemática suscitada e da disponibilidade de ferramentas que auxiliam na
compreensão da organização espacial urbana, tem-se uma forma pertinente de
compreender a dinâmica sócio-espacial da cidade de Alfenas. Ademais, a manipulação
de ferramentas como imagens de sensoriamento remoto, aplicativos para o
processamento digital de imagens e a estruturação de um banco de dados geográficos
em um ambiente SIG (Sistema de Informação Geográfica) estão diretamente
5
relacionados às competências profissionais do geógrafo. Neste sentido, o estudo
apresentado é a aplicação de uma técnica comumente utilizada para o estudo de
ambientes urbanos e que também pode ser aplicado em estudos que requerem qualquer
tipo de análise em escala de detalhe.
2. Objetivos
2.1 Objetivo Geral
Aplicar a técnica de fusão em imagens do satélite CBERS-2B a fim de verificar sua
aplicabilidade na descrição em detalhes de ambiente urbanos.
2.2 Objetivos Específicos
- aplicar a técnica de fusão em imagens CBERS-2B provenientes dos sensores HRC
(Câmera Pancromática de Alta Resolução) e CCD (Câmera Imageadora de Alta
Resolução);
- classificar através de imagens de satélite (CBERS-2B) e fotografias aéreas, os
diferentes tipos de coberturas residenciais e comerciais, espacializados na zona urbana
do Município de Alfenas – MG;
- elaborar um mapa de espacialização, dos tipos de coberturas residenciais e comerciais
encontrados.
7
3. Revisão Bibliográfica
3.1 Sensoriamento remoto
Definido por diferentes formas no decorrer da história, o sensoriamento remoto pode ser
entendido como a utilização de sensores, scanners, lasers, instalados em aeronaves,
espaçonaves, satélites, destinados à obtenção de informações da superfície terrestre
através do registro das interações entre a energia da radiação eletromagnética (REM) e
os elementos componentes da superfície terrestre, sem que haja contato físico
(JENSEN, 2009).
A compreensão desta definição está esquematizada na figura1. No centro do triângulo,
tem-se a radiação eletromagnética, elemento de ligação entre os componentes que se
encontram nos vértices. A fonte representa o elemento que emite a REM. O Sol é a
principal fonte de REM, mas a Terra também pode ser para os sensores passivos que
atuam na região do infravermelho termal, bem como as antenas de micro-ondas para os
sistemas ativos de radar. Já, o sensor é o instrumento que coleta e registra a REM
refletida ou emitida pelo alvo ou objeto, que representa o elemento do qual se pretende
extrair informação.
Figura 1 - Esquema representativo dos principais elementos que constituem as técnicas
de sensoriamento remoto.
No caso do sensoriamento remoto óptico, a REM emitida pelo Sol é o elemento
fundamental. Propagando pelo espaço em diferentes intensidades, conforme seu
comprimento de onda ( ), a REM captada pelos sensores ópticos contempla as faixas
espectrais que compreendem as regiões do visível (0,4 µm – 0,70 µm), infravermelho
próximo (0,70 µm – 1,3 µm) e infravermelho médio (1,3 µm – 3,0 µm), e refletem a
interação entre a REM e o objeto da superfície (LILLESAND E KIEFER, 1994).
Entretanto, no trajeto percorrido pela REM emitida pelo Sol deve-se considerar a
influência direta dos diferentes componentes da atmosfera. Tal influência é ilustrada
pelas curvas da figura 2, que descrevem a irradiância solar no topo da atmosfera e a
irradiância solar ao nível do mar. Nota-se que em algumas porções do espectro
eletromagnético (área sombreada) ocorre a absorção da REM proveniente do Sol.
Nessas áreas a atmosfera comporta-se de forma opaca e barra totalmente ou
parcialmente a REM que propaga no espaço, impedindo sua interação com os objetos da
superfície. Já, nas porções do espectro eletromagnético onde se encontra as
denominadas “janelas atmosféricas”, há efetivamente a transmissão da energia
incidente, promovendo a interação entre a REM e os objetos da superfície. É no
intervalo, dessas janelas atmosféricas que o sensoriamento remoto óptico opera
(JENSEN, 2009).
Figura 2 - Intensidade do fluxo radiante emitido pelo Sol e a influência dos constituintes
atmosféricos sobre a REM. Fonte: Jensen, (2009) (Adaptado).
Ao interagir com o objeto, a REM pode ser refletida, absorvida e/ou transmitida. A
proporção de energia refletida, absorvida e transmitida varia de acordo com as
peculiaridades do objeto (tipo de material e condição) e de acordo com os diferentes
comprimentos de onda. Como a porção refletida é a parte captada pelo sensor óptico
orbital, esta se torna o objeto de estudo. A fração refletida ao longo do espectro
eletromagnético define o comportamento espectral do objeto e permite a extração de
informações que representem suas propriedades físico-químicas. Salienta-se que,
processos de espalhamento e absorção decorrentes dos constituintes atmosféricos
podem alterar as informações que o sensor registra. Consequentemente, as imagens não
representarão fidedignamente as propriedades dos objetos (LILLESAND E KIEFER,
1994).
9
3.2 Sensoriamento remoto aplicado ao estudo de áreas urbanas
O acelerado crescimento das cidades, muitas vezes ocorrido de maneira desordenada,
tem resultado em uma demanda cada dia maior por informações precisas e atualizadas a
respeito da infraestrutura urbana, por parte de gestores públicos e pesquisadores.
Segundo Jensen (2009), informações urbanas detalhadas são solicitadas por:
- conselhos de regiões, prefeituras e subprefeituras que: a) elaboram dispositivos legais
de zoneamento para melhorar a qualidade de vida em áreas urbanizadas e b)
encarregam–se de modelar ou prever a localização do crescimento urbano futuro;
- servidores vinculados à arrecadação imobiliária, os quais devem manter cadastros de
imóveis com a descrição geográfica detalhada de cada lote, determinar seu valor venal e
o respectivo percentual a ser aplicado para a cobrança de tributos;
- companhias públicas e privadas de infraestrutura (água, esgoto, eletricidade, telefonia,
conexões a cabo) que necessitam prever onde novas demandas ocorrerão e planejar
métodos eficientes e de baixo custo para o crescimento da oferta de serviços;
- secretárias estaduais e municipais de turismo e meio ambiente, e departamentos de
parques e áreas verdes, encarregados de melhorar instalações recreacionais; e
- empreendedores e incorporadores imobiliários, que constroem instalações industriais,
comerciais e áreas residenciais. Para a realização de estudos que tem por objetivo a
análise e interpretação de elementos presentes na superfície terrestre a partir de produtos
gerados por sensores remotos, a compreensão dos conceitos de resolução espectral,
espacial e temporal, torna-se indispensável. Para tanto, traremos aqui, resolução
espectral, como a capacidade de distinção dos diferentes elementos presentes na
superfície e/ ou objeto de acordo com o número e a largura das bandas espectrais
presentes em um sensor. Quanto maior for o número de bandas e menor a largura do
intervalo de comprimento de onda, maior será a resolução espectral de um sensor
(CRÓSTA, 1992). Resolução espacial é a proporção de medidas entre a superfície real e
o produto gerado pelo sensor remoto, onde, quanto menor for a proporção métrica entre
a superfície real e o produto gerado pelo sensor (superfície imageada), maior será a
capacidade de distinção dos elementos presentes na cena. Consequentemente, melhor
será a qualidade do produto final (interpretação de imagens, mapeamentos, criação de
modelos digitais de elevação, etc). Resolução temporal, como o intervalo de tempo
levado para que um determinado sensor volte a imagear a mesma área. Segundo Jensen
(2009), para a classificação de uso e cobertura do solo urbano nos níveis 3º e 4º do
USGS (Serviço Geológico dos Estados Unidos da América) são necessárias imagens
multi-espectrais com uma resolução temporal de pelo menos 3 a 5 anos e resolução
espacial superior a 5 metros (< 5 m), conforme mostrado no tabela 1.
Tabela 1: Relação entre os atributos urbanos/ periurbanos e as resoluções mínimas de
sensores remotos para o fornecimento desses dados (adaptado de Jensen, 2005).
Atributos Temporal Espacial
Uso - Cobertura da Terra
Nível I USGS 5 – 10 anos 20 – 100 m
Nível II USGS 5 – 10 anos 5 – 20 m
Nível III USGS 3 – 5 anos 1 – 5 m
Nível IV USGS 1 – 3 anos 0,25 – 1 m
Além das imagens multiespectrais de alta resolução, as imagens pancromáticas de alta
resolução também são uma importante ferramenta em estudos urbanos. Diante este fato,
imagens do satélite sino-brasileiro CBERS-2B, com resolução espacial de 2,7 m em sua
Câmera Pancromática de Alta Resolução (HRC - High Resolution Camera), tem se
mostrado uma opção eficaz e acessível para a realização de estudos que tem por
objetivo a caracterização de ocupações intra-urbanas. Estudos, como os de LEONARDI
(2009) e ANAZAWA (2009), alcançaram bons resultados em aplicações aos núcleos
urbanos de Mauá – SP e São Sebastião – SP.
3.3 CBERS
Os satélites do Programa CBERS (China Brazil Earth Resources Satellite - Satélite
Sino-Brasileiro de Recursos Terrestres) resultam do acordo assinado em 22 de agosto de
1988, entre a Academia de Tecnologia Espacial da China (CAST) e o Instituto Nacional
de Pesquisas Espaciais (INPE). O programa CBERS até o momento promoveu o
lançamento de três satélites: CBERS-1, CBERS-2 e CBERS-2B, colocados em órbitas
respectivamente nos anos de 1999, 2003 e 2007.
Os dois primeiros satélites CBERS apresentam as mesmas características técnicas e
cargas úteis, com três câmeras: CCD (Câmera Imageadora de Alta Resolução), WFI
(Câmera Imageadora de Amplo Campo de Visada) e IRMSS (Imageador por Varredura
11
de Média Resolução). Já, no CBERS-2B instalou-se uma câmara de alta resolução, a
HRC, que produz imagens com 2,7 metros de resolução espacial, em substituição a
IRMSS, e foram mantidas as câmaras CCD (Tabela 2), com resolução espacial de 20
metros e WFI com 250 metros de resolução. O satélite possui órbita heliossíncrona a
uma altitude de 778 Km, e perfaz 14 revoluções por dia. Nesta órbita, o satélite cruza o
Equador no sentido norte-sul sempre na mesma hora local, 10h30min da manhã. Isto
permite a obtenção de imagens nas mesmas condições de iluminação solar (mesma hora
solar) para a comparação de imagens tomadas em dias diferentes. O sensor CCD obtém
a cobertura da Terra em 26 dias. Esse é o tempo necessário para se ter imagens de todo
o globo terrestre com suas câmeras CCD e IRMSS, que possuem campos de visada de
113 Km a 120 Km, respectivamente. Já, com a câmera WFI, obtêm-se cenas com uma
faixa de 890 km de largura e o tempo necessário para a cobertura global é de cinco dias.
Tabela 2: Características da Câmera Imageadora de Alta Resolução CCD
Bandas espectrais
0,51 – 0,73 µm (pan)
0,45 – 0,52 µm (azul)
0,52 – 0,59 µm (verde)
0,63 – 0,69 µm (vermelho)
0,77 – 0,89 µm (infravermelho próximo)
Campo de Visada 8,3°
Resolução espacial 20 x 20 m
Largura da faixa imageada 113 Km
Capacidade de apontamento do espelho ±32°
Resolução temporal 26 dias com visada vertical
(3 dias com visada lateral)
Frequencia da portadora de RF 8103 MHz e 8321 MHz
Taxa de dados da imagem 2 x 53 Mbit/s
Potência Efetiva Isotrópica Irradiada 43 dBm
Fonte: http://www.cbers.inpe.br/?content=cameras1e2e2b
3.4 Técnicas de Processamento digital de imagem
Diante da dificuldade do sistema visual humano de processar o enorme volume de
dados presentes em imagens geradas por sensores remotos, as técnicas de
processamento digital de imagens (PDI) têm por objetivo facilitar a identificação,
extração e realce, das informações de interesse presentes em uma determinada imagem.
De modo geral, o PDI busca remover as barreiras ou dificuldades que o sistema visual
humano possui, facilitando assim a extração da informação a partir das imagens de
sensoriamento remoto (CRÓSTA, 1992). Dessa forma, considera-se o PDI, uma etapa
quase sempre obrigatória para a execução de trabalhos focados na interpretação de
imagens de sensoriamento remoto.
Com o crescente desenvolvimento dos sistemas computacionais verificado nas últimas
décadas, os métodos digitais tornaram-se mais precisos e eficazes. Aliado a esse
desenvolvimento e a queda dos preços de computadores e periféricos, os sistemas de
processamento digital de imagens vêm se tornando cada dia mais acessíveis, estando
presentes em escolas, universidades, pequenas empresas e órgãos públicos.
3.4.1 Registro
O registro de imagens tem por objetivo, identificar em imagens diferentes, pontos
referentes às mesmas áreas. Essa identificação se faz necessária quando um determinado
estudo tem em suas bases, a análise comparativa entre imagens produzidas por sensores
diferentes, e/ou também em datas diferentes. Uma vez que, mesmo em um sensor a
bordo de um mesmo satélite, dificilmente irá ocorrer coincidência entre os pixels,
devido às distorções não sistemáticas causadas pelos movimentos do satélite (CRÓSTA,
1992).
3.4.2 Fusão
A técnica de PDI denominada fusão, tem por objetivo melhorar a resolução espacial da
imagem (Fonseca, 2000). As técnicas de fusão possibilitam integrar a melhor resolução
espacial da banda pancromática com a melhor resolução espectral das demais bandas,
produzindo imagem colorida que reúne ambas as características. Dentre alguns
exemplos de técnicas de fusão, citam-se:
13
- Intensidade-Matiz-Saturação (IHS);
- Transformação de Brovey;
- Transformação Wavelet;
- HSV - Hue, saturation, value. (MATHER, 2004).
4. Caracterização da área de estudo
A área de estudo contempla o núcleo urbano da cidade de Alfenas (Figura 3) - MG. O
município de Alfenas/MG localiza-se na Macro Região Sul/Sudeste de Minas Gerais.
Inserida na bacia hidrográfica do Rio Grande, Alfenas possui uma área de 848,32 km² e
está a uma altitude de 855 m em relação ao nível do mar, sendo banhada pela Usina
Hidrelétrica de Furnas.
Figura 3: Localização da área de estudo, município de Alfenas/MG. Imagem do CBERS
2B/CCD, Composição R (3) G (4) B (2).
15
5. Materiais e métodos
5.1 Materiais
Para a execução do projeto foram utilizadas imagens do satélite sino-brasileiro CBERS
– 2B. Selecionaram-se imagens dos sensores CCD e HRC. A primeira possui resolução
espacial de 20 metros e contempla as faixas espectrais do azul, verde, vermelho e
infravermelho próximo. A segunda imagem possui resolução espacial de 2,7 metros em
sua faixa pancromática. As imagens são datadas de 14/06/2008 e 28/03/2008,
respectivamente. A cena foi obtida do catálogo de imagens do Instituto Nacional de
Pesquisas Espaciais (INPE) no endereço eletrônico http://www.dgi.inpe.br/CDSR/.
Também foram utilizadas fotografias aéreas na escala aproximada de 1:6000, datadas de
2006. Para a elaboração dos mapas utilizamos os softwares Ilwis e Spring 5.2.
5.2 Métodos - processamento das imagens
A técnica utilizada para o processamento das imagens baseou-se na fusão. Esta baseou-
se na no método HSV (hue - matiz, saturation – saturação e value - valor), também
conhecido como IHS (intensity – intensidade, hue - matiz, saturation - saturação),
conforme consta no Manual do usuário do ENVI. Neste técnica três bandas de um
sensor de baixa resolução espacial dispostas no espaço de cor RGB são transformadas
em três bandas no espaço de cores IHS (JENSEN, 2005). Pormenorizadamente, a matiz
refere-se a cor pura dominante percebida (vermelho, amarelo, azul, etc.). A saturação é
quanto a cor pura dominante (matiz) é diluída pela luz branca e intensidade é a
quantidade de luz refletida (claro/escuro) (MOREIRA, 2011).
Dessa forma, aliou-se a melhor resolução espacial (2,7 m) da imagem pancromática do
sensor HRC, com as propriedades espectrais das bandas do sensor CCD, com resolução
de 20 m. O resultado é uma imagem colorida com a resolução espacial da imagem
pancromática, neste caso, 2,7 m. O procedimento foi realizado no aplicativo ENVI,
versão 4.5. O processo de fusão exige que as imagens estejam georeferenciadas ou co-
registradas entre si. Neste trabalho, optou-se por co-registro entre as cenas CCD e a
HRC, que neste caso empregou 40 pontos de controle. Após o procedimento de fusão,
efetuou-se o georeferenciamento das cenas a partir de uma imagem RAPIDEYE, a qual
é ortoretificada e com resolução do pixel de 5 m. Após a transformação do espaço RGB
para o espaço HSV, substituímos o valor da banda V (Value) pela imagem pancromática
de alta resolução HRC. Na reamostragem utilizou-se o método do vizinho mais
próximo, onde o pixel reamostrado assume o valor daquele mais próximo do seu centro.
Como produto final, obtemos uma imagem de alta resolução espacial, dotada de
características espectrais.
5.3 Mapeamento das coberturas residenciais e comerciais
O mapeamento de coberturas residenciais foi realizado a partir de classificação visual da
imagem HRC fusionada. Para auxiliar nesta tarefa, procedeu-se também com a
interpretação visual das imagens do Google Earth, datadas de 2003 e das fotografias
aéreas na escala 1:6000 e datadas de 2006. Definiram-se cinco classes de mapeamento:
1) telhados com telhas de cerâmica, 2) telhados com telhas de fibrocimento, 3) áreas
mistas (telhas de cerâmica e fibrocimento), 4) telhados com telhas metálicas e 5) vazios
urbanos. A partir das imagens do Google Earth e fotografias aéreas, também se efetuou
o mapeamento das piscinas presentes na área urbana de Alfenas.
17
6. Resultados e discussão
A imagem fusionada apresentou boa qualidade visual o que facilitou a identificação e o
delineamento dos diferentes tipos de uso e cobertura do solo presentes na área de estudo
(Figura 4).
Figura 4 – Resultado do procedimento de fusão. A) Imagem CBERS/HRC
pancromática. B) Imagem CBERS/CCD em composição RGB 243. C) Imagem
fusionada CBERS/HRC.
A identificação dos alvos nas imagens fusionadas foi facilitada devido à melhora na
resolução espacial. Observam-se claramente a distinção dos alvos como pastagem,
canais fluviais, fragmentos de florestas, tipos de coberturas residenciais e diferentes
tipos de cultivos (Figura 5).
Figura 5 – Comparação de diferentes áreas em imagem CCD e HRC. A, C, E e G
(Imagens do sensor CCD). B, D, F e H (Áreas correspondentes às ilustradas na imagem
fusionada HRC). Notar a melhora na distinção dos alvos nas imagens fusionadas.
19
A melhora na interpretação visual dos alvos devido à resolução espacial ampliou a
capacidade de distinguir os alvos. Nota-se com maior nitidez a presença de estradas,
residências (inclusive distribuídas esparsamente), fragmentos florestais (incluindo-se
árvores distribuídas isoladamente), tipos de culturas agrícolas, dentre outras.
Quanto à utilização da imagem fusionada com o amparo de outros dados como
fotografias aéreas e imagens de alta resolução do Google Earth também permitiram a
classificação visual dos tipos de coberturas (telhados) presentes nas construções e seus
respectivos padrões de ocupação (Figura 6). As áreas de telhados com telhas de
cerâmica concentram-se na porção centro-sul e sudeste da área urbana de Alfenas.
Demais áreas também são observadas na parte centro-norte e em bairros periféricos.
Áreas com telhados de telha de fibrocimento concentram-se margeando as áreas
centrais. Áreas com telhados mistos encontram-se dissipados no núcleo urbano.
Telhados com estruturas metálicas são observados principalmente na área periférica, em
locais destinados especificamente para a alocação de indústrias. As áreas de vazios
urbanos também são identificadas dissipadas em diferentes porções da área urbana, mas
concentram-se nas áreas periféricas.
Figura 6 – Distribuição dos tipos de coberturas (telhados) presentes na área urbana de
Alfenas – MG.
A concentração de coberturas do tipo telhas de cerâmica localiza-se em áreas
residenciais centrais, bem como os bairros Jardim Aeroporto e Jardim São Carlos,
localizados na porção sudeste e centro norte da cidade. Estes locais são considerados
pela população de Alfenas como bairros cujos moradores possuem melhor condição
socioeconômica. Este tipo de cobertura também é observado no condomínio de alto
padrão e em bairros residenciais onde predominam indivíduos das chamadas classes A e
B. Neste sentido, conforme Souza e Rodrigues (2011), a fragmentação e a desigualdade
que o núcleo urbano apresenta reflete a estrutura da sociedade na cidade. A distinção
espacial observada reflete também a distinção social.
A relação entre o tipo de cobertura (telhado) e o padrão de residência (alto, médio e
baixo) também pode ser evidenciada pelo mapeamento de piscinas na área urbana de
Alfenas. Embora a imagem e as fotografias aéreas utilizadas sejam datadas de 2003 e
2006, é nítido que a maior concentração de piscinas é verificada nos bairros cujos
moradores são considerados como de melhor condição socioeconômica, como o Jardim
Aeroporto, Jardim São Carlos, condomínio residencial Jardim das Colinas e também na
região centro-sul da cidade (Figura 7A-B). Nestas áreas, encontram-se até três piscinas
por 2000 m².
Figura 7 – A) Distribuição de piscinas na área urbana de Alfenas. B) Densidade de
distribuição de piscinas a partir de estimador Kernel.
Fotografias obtidas em cada um dos setores mapeados retratam os tipos de construções
e suas respectivas coberturas (telhados), os quais, por sua vez, refletem a condição
socioeconômica dos seus respectivos proprietários (Figura 8). Contudo, cabe lembrar
que em alguns casos como na área central, embora o valor comercial dos imóveis e
21
terrenos sejam maiores, denotando possível melhor condição socioeconômica, as casas
são antigas, e refletem o início da ocupação urbana de Alfenas.
Figura 8 – Tipos de coberturas predominantes verificados na área urbana de Alfenas. A
e B) cobertura mista (fibrocimento e cerâmica) C) cerâmica. D) Fibrocimento. E)
Metálica. F) Vazios urbanos.
7. Conclusão
A técnica de fusão IHS mostrou-se de grande potencial para a execução de estudos de
ambientes urbanos ou que exijam escala de detalhe. Neste trabalho, a imagem fusionada
permitiu uma melhor caracterização do ambiente urbano e o mapeamento dos diferentes
alvos observados na cidade de Alfenas. Verificou-se não só a distinção dos diferentes
tipos de coberturas bem como também foi inferido a condição socioeconômica de parte
da população, exemplificado pelo mapeamento das piscinas. Estas informações
contribuem para o entendimento de algumas dinâmicas urbanas, como atividades que
compreendem os aspectos sociais, econômicos e culturais. Neste sentido, auxilia
sobremaneira na definição de estratégias para o planejamento urbano, bem como nos
aspectos referentes ao zoneamento urbano ou definição de leis de uso do solo.
Agradecimentos
Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) pela
concessão de bolsa de iniciação científica.
23
Referências Bibliográficas
MOREIRA, M. A. Fundamentos de sensoriamento remoto e metodologias de aplicação. 4 Ed. Editora
UFV, Viçosa, 2011.
SOUZA, I. M., RODRIGUES, A. M. Uso de imagens de alta resolução espacial para análise da
diferenciação socioespacial em São José dos Campos – SP. In: Simpósio Brasileiro de Sensoriamento
Remoto (SBSR), 15., 2011, Curitiba. Anais... São José dos Campos: INPE. Artigos, p. 838-846. CD-
ROM, On-line.
RIBEIRO, B. M. G.; FONSECA, L. M. G.; KUX, H. J. H. Avaliação das imagens WorldView-II para
o mapeamento da cobertura do solo urbano utilizando o sistema InterIMAGE. In: Simpósio
Brasileiro de Sensoriamento Remoto (SBSR), 15., 2011, Curitiba. Anais...São José dos Campos: INPE.
Artigos, p. 722-729. CD-ROM, On-line.
CARVALHO, M. V. A.; Kux, H. J. H.; FLORENZANO, T. G.; MOREIRA, M. A. Fusão de imagens
aplicada a estudos urbanos: avaliação de diferentes técnicas em imagens WorldView-2. In: Simpósio
Brasileiro de Sensoriamento Remoto (SBSR), 15., 2011, Curitiba. Anais... São José dos Campos: INPE.
Artigos, p. 941-948. CD-ROM, On-line.
DAL’ASTA, A. P.; BRIGATTI, N.; AMARAL, S.; ESCADA, M. I. S. Imagens de alta resolução
espacial para a caracterização de núcleos urbanizados do Distrito Florestal Sustentável da BR 163 –
Pará, Brasil. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 15., 2011, Curitiba. Anais... São
José dos Campos: INPE. Artigos, p. 698-705. CD-ROM, On-line.
Primeiros resultados definitivos do Censo Demográfico 2010, disponíveis em:
http://www.ibge.gov.br/home/presidencia/noticias/noticia_visualiza.php?id_noticia=1866&id_pagina=1
JENSEN, John R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. São
Jose dos Campos: Parêntese, 2009. xviii, 598 p., il.
NOVACK, T. Classificação da cobertura da terra e do uso do solo urbano utilizando o sistema
InterIMAGE e imagens do sensor QuickBird. 2009. 214 p. (INPE-16594-TDI/1580). Dissertação
(Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos.
2009.
ANAZAWA, T. M.; SILVA, A. E. P.; FONSECA, L. M. G.; MONTEIRO A. M. V.; FEITOSA, F. F.
Análise dos padrões de ocupação urbana em São Sebastião (SP), a partir de imagens CBERS 2B e
LANDSAT 7. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 14., 2009, Natal. Anais... São
José dos Campos: INPE. Artigos, p. 1004-1011. CD-ROM, On-line.
LEONARDI, F.; OLIVEIRA, C. G.; FONSECA, L. M. G.; ALMEIDA, C. M. Fusão de Imagens
CBERS 2B: CCD-HRC. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 14., 2009, Natal.
Anais... São José dos Campos: INPE. Artigos, p. 6951-6958. CD-ROM, On-line.
JENSEN, John R. Introductory digital image processing: a remote sensing perspective. 3nd. ed. Upper
Saddle River: Prentice Hall, 2005. xi, 526 p., il., 28 cm. (Prentice Hall series in geographic information
science).
MATHER, Paul.; TSO, Brandt. Classification Methods for Remotely Sensed Data. CRC Press, 2004.
LILLESAND, Thomas M.; KIEFER, Ralph W. Remote sensing and image interpretation.
Universidade de Michigan: Wiley & Sons, 1994.
CRÓSTA, Alvaro P. Processamento digital de imagens de sensoriamento remoto. Unicamp: Instituto
de Geociências Departamento de Metalogênese e Geoquímica, 1992.