Avaliação temática de imagens ALOS/PALSAR no mapeamento do ...

sid.inpe.br/mtc-m19/2010/08.24.15.05-TDI

AVALIACAO TEMATICA DE IMAGENS ALOS/PALSAR

NO MAPEAMENTO DO USO E COBERTURA DA

TERRA NA REGIAO SEMI-ARIDA BRASILEIRA

Fabio Fernandes da Silva

Dissertacao de Mestrado do Curso de Pos-Graduacao em Sensoriamento Remoto,

orientada pelo Dr. Joao Roberto dos Santos, aprovada em 26 de agosto de 2010.

URL do documento original:

<http://urlib.net/8JMKD3MGP7W/385J7C5 >

INPE

Sao Jose dos Campos

2010

http://urlib.net/8JMKD3MGP7W/385J7C5

PUBLICADO POR:

Instituto Nacional de Pesquisas Espaciais - INPE

Gabinete do Diretor (GB)

Servico de Informacao e Documentacao (SID)

Caixa Postal 515 - CEP 12.245-970

Sao Jose dos Campos - SP - Brasil

Tel.:(012) 3208-6923/6921

Fax: (012) 3208-6919

E-mail: [email protected]

CONSELHO DE EDITORACAO E PRESERVACAO DA PRODUCAO

INTELECTUAL DO INPE (RE/DIR-204):

Presidente:

Dr. Gerald Jean Francis Banon - Coordenacao Observacao da Terra (OBT)

Membros:

Dra Inez Staciarini Batista - Coordenacao Ciencias Espaciais e Atmosfericas (CEA)

Dra Maria do Carmo de Andrade Nono - Conselho de Pos-Graduacao

Dra Regina Celia dos Santos Alvala - Centro de Ciencia do Sistema Terrestre (CST)

Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)

Dr. Ralf Gielow - Centro de Previsao de Tempo e Estudos Climaticos (CPT)

Dr. Wilson Yamaguti - Coordenacao Engenharia e Tecnologia Espacial (ETE)

Dr. Horacio Hideki Yanasse - Centro de Tecnologias Especiais (CTE)

BIBLIOTECA DIGITAL:

Dr. Gerald Jean Francis Banon - Coordenacao de Observacao da Terra (OBT)


Deicy Farabello - Centro de Previsao de Tempo e Estudos Climaticos (CPT)

REVISAO E NORMALIZACAO DOCUMENTARIA:


Yolanda Ribeiro da Silva Souza - Servico de Informacao e Documentacao (SID)

EDITORACAO ELETRONICA:

Viveca Sant´Ana Lemos - Servico de Informacao e Documentacao (SID)

sid.inpe.br/mtc-m19/2010/08.24.15.05-TDI

AVALIACAO TEMATICA DE IMAGENS ALOS/PALSAR

NO MAPEAMENTO DO USO E COBERTURA DA

TERRA NA REGIAO SEMI-ARIDA BRASILEIRA

Fabio Fernandes da Silva

Dissertacao de Mestrado do Curso de Pos-Graduacao em Sensoriamento Remoto,

orientada pelo Dr. Joao Roberto dos Santos, aprovada em 26 de agosto de 2010.

URL do documento original:

<http://urlib.net/8JMKD3MGP7W/385J7C5 >

INPE

Sao Jose dos Campos

2010

http://urlib.net/8JMKD3MGP7W/385J7C5

Dados Internacionais de Catalogacao na Publicacao (CIP)

Silva, Fabio Fernandes da.

Si38a Avaliacao tematica de imagens ALOS/PALSAR no mapea-mento do uso e cobertura da terra na regiao semi-arida brasi-leira / Fabio Fernandes da Silva. – Sao Jose dos Campos : INPE,2010.

xviii+66 p. ; (sid.inpe.br/mtc-m19/2010/08.24.15.05-TDI)

Dissertacao (Mestrado em Sensoriamento Remoto) – InstitutoNacional de Pesquisas Espaciais, Sao Jose dos Campos, 2010.

Orientadores : Dr. Joao Roberto dos Santos.

1. ALOS/PALSAR. 2. Caatinga. 3. Uso da terra. 4. Coberturada terra. I.Tıtulo.

CDU 528.8:004.932

Copyright c© 2010 do MCT/INPE. Nenhuma parte desta publicacao pode ser reproduzida, arma-zenada em um sistema de recuperacao, ou transmitida sob qualquer forma ou por qualquer meio,eletronico, mecanico, fotografico, reprografico, de microfilmagem ou outros, sem a permissao es-crita do INPE, com excecao de qualquer material fornecido especificamente com o proposito de serentrado e executado num sistema computacional, para o uso exclusivo do leitor da obra.

Copyright c© 2010 by MCT/INPE. No part of this publication may be reproduced, stored in aretrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying,recording, microfilming, or otherwise, without written permission from INPE, with the exceptionof any material supplied specifically for the purpose of being entered and executed on a computersystem, for exclusive use of the reader of the work.

ii

v

“A humildade é a única base sólida de todas as virtudes”.

Confúcio

vii

AGRADECIMENTOS

Primeiro agradeço a Deus pela oportunidade à vida e as demais oferecidas.

Agradeço a meus pais (Sônia e Fernando) e minha irmã Ana, pelo apoio

incondicional e incentivo.

Ao orientador Dr. João Roberto dos Santos, pela orientação, oportunidade,

confiança depositada e conhecimentos compartilhados.

Ao Instituto Nacional de Pesquisas Espaciais, pela excelência do curso de pós-

graduação em sensoriamento remoto e infraestrutura proporcionada e aos

pesquisadores pelos conhecimentos compartilhados. Agradeço em especial

aos pesquisadores José Cláudio Mura e Sidnei João S. Sant’Anna, pela

disponibilidade e orientações no processamento das imagens SAR.

Ao IBGE pela cessão das imagens ALOS/PALSAR.

À Creaso/Sarmap, pela cessão da licença do software SARscape.

À Embrapa Semi-Árido pelo apoio no trabalho de campo. Ao Engenheiro

Cartógrafo Paulo Cesar Gurgel de Albuquerque do DSR/INPE pelo

levantamento GPS realizado.

Aos coordenadores do NGeo/Chesf (Vinicius Queiroga e Valéria Carazzai) pelo

apoio oferecido na continuação deste trabalho.

Aos amigos da turma PGSERE 2008 e outras turmas pela amizade e bons

momentos compartilhados.

A todos que direta e indiretamente contribuíram para a realização deste

trabalho.

ix

RESUMO

O presente trabalho teve como objetivo analisar o uso potencial de imagens ALOS/PALSAR, no modo dual FDB 1.1 (banda L), na caracterização e no mapeamento do uso e cobertura da terra no semi-árido brasileiro. Neste estudo foram utilizados algoritmos de classificação MAXVER-ICM e de Wishart, envolvendo imagens-amplitude nas formas individual, pares e/ou o conjunto de componentes derivadas da matriz de covariância [AHH, AHV e AHH*HV]. Obtidas as classificações por esses métodos acima mencionados, foram realizadas avaliações do grau de acurácia temática através da estatística Kappa. Levantamentos fisionômico-estruturais das fácies de caatinga e também pontos de observações das tipologias de uso e cobertura da terra, devidamente georrefrenciados, serviram como amostras de treinamento e calibração temática, ficando definidas as seguintes classes de uso e cobertura da terra para área em estudo: caatinga arbórea, caatinga arbórea-arbustiva, caatinga arbustiva, agricultura e corpos d’água. O procedimento metodológico aplicado mostrou que o melhor resultado obtido foi no uso do conjunto de componentes [AHH, AHV e AHH*HV], por meio da classificação MAXVER-ICM, apresentando uma exatidão global de 66% e índice Kappa 0.58. Adicionalmente, foi também avaliada a qualidade posicional planimétrica do produto ALOS/PALSAR ortorretificado, gerado com a utilização de dados de efemérides da plataforma e DEM SRTM. A verificação utilizando pontos GPS rastreados em campo permitiu a caracterização preliminar do produto de acordo com o Padrão de Exatidão Cartográfico (PEC) na classe A para a escala 1:100.000.

xi

ASSESSMENT OF ALOS/PALSAR IMAGE FOR LAND USE/LAND COVER MAPPING IN BRAZILIAN SEMI-ARID REGION

ABSTRACT

The objective of this study was to analyze the potential use of ALOS/PALSAR images at acquisition mode dual FDB 1.1 (L-band), to characterize and map the vegetation cover in the Brazilian semi-arid region. In this study the MAXVER-ICM and Wishart classifiers were used, which involved single, pairs and/or three components of the co-variance matrix [AHH, AHV and AHH-HV]. After the classification, using the above mentioned algorithms, the thematic accuracy was evaluated using Kappa statistics. Field survey data related to the physiognomic-structural parameters of the "Caatinga" (steppe savanna) vegetation types as well as observation points of land use/land cover classes, duly georeferenced, were as training and test samples for the thematic classification and its calibration. In the methodological procedure, the best result was found when the three components [AHH, AHV and AHH-HV] were used and classified by the MAXVER-ICM algorithm, presenting an overall accuracy of 66% (Kappa = 0.58) for the class separability. Additionally, we also evaluated the posicional planimetric quality of the ALOS/ PALSAR orthorectified product, generated with the use of ephemeris data platform and SRTM DEM. The check points using GPS in the field allowed the characterization based on the Brazilian Standard for Cartographic Accuracy for 1:100.000-map (Class A).

xiii

LISTA DE FIGURAS

Pág. Figura 3.1 – Localização geográfica da área de estudo, imagem TM/LandSat 5

(composição colorida RGB543, de 01/11/2008)............................................... 17

Figura 3.2 – Imagens ALOS/PALSAR da área de estudo: (a) amplitude HH, (b)

amplitude HH*HV, (c) amplitude HV e (d) composição colorida com as

amplitudes R(HH)G(HH*HV)B(HV); ................................................................. 19

Figura 3.3 – Precipitação pluviometria para o mês de maio de 2008, medidos

pelo PCDs em Serra Talhada nas proximidades da área de estudo............... 21

Figura 3.4 – Fluxograma geral do trabalho. ..................................................... 22

Figura 3.5 – Fluxograma da etapa de pré-processamento............................... 23

Figura 3.6 – Ilustração de transecto em linha................................................... 26

Figura 3.7 – Modelo de planilha utilizada em campo. ...................................... 27

Figura 4.1 – Foto representativa de caatinga arbórea na área de estudo........31 Figura 4.2 – Perfil fisionômico-estrutural da classe caatinga arbórea. .............32 Figura 4.3 – Foto representativa de caatinga arbórea-arbustiva. .....................33 Figura 4.4 – Perfil fisionômico-estrutural da classe caatinga arbórea-

arbustiva. ........................................................................................34 Figura 4.5 – Foto representativa de caatinga arbustiva. ..................................34 Figura 4.6 – Perfil fisionômico-estrutural da classe caatinga arbustiva. ...........35 Figura 4.7 – Fotos de cultivo agrícola e de pastagem implantada. ..................36 Figura 4.8 – Foto da barragem de Serrinha (Serra Talhada, PE).....................36 Figura 4.9 – Gráficos box-plot das classes de uso e cobertura da terra nas

polarizações HH (a) e HV (b)..........................................................38 Figura 4.10 – Mapa temático da classificação MAXVER-ICM empregando as

componentes [AHH, AHV, AHH*HV]......................................................44 Figura 4.11 – Produto ortorretificado gerado na projeção UTM, fuso 24,

sistema de referência geodésico WGS84. Combinação colorida R(HH)B(HV)G(HH). ........................................................................45

xv

LISTA DE TABELAS

Pág.

Tabela 2.1 - Principais bandas utilizadas em sensores SAR em níveis orbital e/ou transportado. ....................................................................................... 6

Tabela 2.2 - Características do instrumento PALSAR...................................... 14 Tabela 3.1 – Principais características da imagem ALOS/PALSAR utilizada. . 18 Tabela 4.1 – Número de amostras e de pixels utilizados nas fases de

treinamento e teste. .................................................................................. 37 Tabela 4.2 – Matrizes de confusão das classificações MAXVER-ICM das

imagens: (a) [AHH]; (b) [AHV]; (c) [AHH, AHH*HV]; (d) [AHH, AHV]; (e) [AHV, AHH*HV] e (f) [AHH, AHV, AHH*HV].............................................. 40

Tabela 4.3 – Matriz de confusão da classificação Wishart. .............................. 40 Tabela 4.4 - Resultado da comparação entre as classificações pelo teste Z

sobre o índice Kappa, realizado com as classificações Maxver-ICM e Wishart. As células destacadas representam os resultados significativos a um nível de 5% de significância. ............................................................... 41

Tabela 4.5 – Relação de coordenadas UTM/WGS-84, fuso 24, dos pontos obtidos na imagem ortorretificada e em campo (GPS) e seus resíduos. .. 46

Tabela A.1 – Dados de precipitação diária do posto pluviométrico de Serra Talhada no mês de maio de 2008............................................................. 57

Tabela B.1 - Lista de nomes populares, nomes científicos e famílias das espécies encontradas na área de estudo.................................................. 59

xvii

SUMÁRIO

Pág.

1 INTRODUÇÃO ........................................................................................... 1

1.1 Objetivos ................................................................................................... 2

2 FUNDAMENTAÇÃO TEÓRICA ................................................................. 5

2.1 Sensoriamento remoto por RADAR ........................................................ 5

2.1.1 Conceitos SAR ...................................................................................... 5

2.2 Métodos de Classificação SAR ............................................................... 9

2.2.1 MAXVER-ICM ......................................................................................... 9

2.2.2 Wishart ................................................................................................... 10

2.3 Uso de dados de polarização dual.......................................................... 11

2.4 Sensoriamento remoto por radar em regiões semi-áridas ................... 12

2.5 Caracterização do sistema ALOS/PALSAR............................................ 13

3 MATERIAIS E MÉTODOS.......................................................................... 17

3.1 Área de estudo ......................................................................................... 17

3.2 Características da Imagem ALOS/PALSAR ........................................... 18

3.3 Aplicativos utilizados............................................................................... 20

3.4 Dados auxiliares....................................................................................... 20

3.4.1 Dados Pluviométricos........................................................................... 20

3.5 Procedimentos metodológicos ............................................................... 21

3.5.1 Pré-processamentos............................................................................. 22

3.5.2 Amostras de treinamento e teste......................................................... 24

3.6 Classificações das imagens ALOS/PALSAR ......................................... 28

3.6.1 Classificação pelo método MAXVER-ICM ........................................... 28

3.6.2 Classificação pelo método Wishart ..................................................... 28

3.7 Ortorretificação da imagem ALOS/PALSAR e avaliação da qualidade posicional planimétrica.................................................................................. 29

4 RESULTADOS E DISCUSSÕES.................................................................. 31

4.1 Caracterizações das classes de uso e cobertura da terra.................... 31

4.2 Análises Exploratórias............................................................................. 37

xviii

4.3 Classificações Supervisionadas MAXVER-ICM e Wishart.................... 39

4.4 Ortorretificação ........................................................................................ 45

5 CONCLUSÕES ............................................................................................. 47

REFERÊNCIAS BIBLIOGRÁFICAS................................................................ 49

APÊNDICE A – DADOS DO POSTO PLUVIOMÉTRICO SERRA TALHADA MÊS DE MAIO DO ANO DE 2008. .................................................................. 57

APÊNDICE B – LISTA DE NOMES POPULARES, NOMES CIENTÍFICOS E FAMÍLIAS DAS ESPÉCIES ENCONTRADAS NA ÁREA DE ESTUDO. ........ 59

APÊNDICE C – RELATÓRIO DE PROCESSAMENTO NO APLICATIVO GEOPEC. ......................................................................................................... 63

1

1 INTRODUÇÃO

A caatinga é a vegetação típica da região tropical semi-árida brasileira,

ocupando uma área de aproximadamente 844.453 km2, cerca de 10% do

território brasileiro (IBGE, 2004). Essa vegetação, em termos gerais, apresenta

espécies de folhas decíduas, pequenas e finas, raízes tuberosas e superficiais

e a presença das cactáceas, cujas folhas são transformadas em espinhos para

reduzir ao máximo a perda de líquido pela transpiração (VELOSO et al., 1991).

O bioma caatinga é o menos conhecido pela comunidade científica e vem

sofrendo com uma grave degradação ambiental, apresentando atualmente,

apenas 1% dos remanescentes protegido por unidades de conservação

ambiental (CARVALHO et al., 2005; FRANCA-ROCHA, 2007). Este bioma

conta com poucos mapeamentos do uso e cobertura da terra. Dentre as

iniciativas mais recentes de mapeamento podemos destacar: o Zoneamento

Agroecológico do Nordeste (SILVA et al., 2000) e o Levantamento da

Cobertura Vegetal e Uso da Terra do Bioma Caatinga realizado pelo Ministério

de Meio Ambiente (MMA, 2005).

O uso de imagens de Sensoriamento Remoto tem fornecido importantes

subsídios ao mapeamento do uso e cobertura da terra, sobretudo com a

utilização de imagens de distintos sensores que operam na região óptica do

espectro. Em experimentos com dados ópticos na região semi-árida, foram

realizados mapeamentos dos remanescentes da caatinga, análise das

condições fenológicas da tipologia vegetal, e a caracterização do nível de

degradação e recuperação da paisagem vegetacional (CARVALHO, 1986;

SÁ, 1991; MALDONADO, 1999; ACCIOLY et al., 2001; TEOTIA et al., 2003;

MALDONADO, 2004; BARROS et al., 2005; LOPES et al., 2005; FREITAS,

2006).

Em face da disponibilização no mercado de imagens SAR (Synthetic Aperture

Radar) em nível orbital e o interesse da comunidade técnico-científica em

2

aprimorar ferramentas de tratamento desses dados, tornou-se uma importante

opção dispor desses produtos para o mapeamento e monitoramento da

paisagem, sobretudo em regiões com elevada cobertura de nuvens. No caso

específico de áreas do semi-árido, poucos são os trabalhos que fazem uso de

dados-radar (RENNÓ, 1995; WEGMÜLLER et al., 2000; PALOSCIA et al. 2001;

BILBISI; TATEISHI, 2002; QING et al., 2003; ZRIBI et al., 2003; KNUST, 2007;

SILVA, 2007; KWARTELANG et al., 2008). Nesse contexto, o presente trabalho

é contributivo na aplicabilidade de dados ALOS/PALSAR na análise da

paisagem do semi-árido nordestino brasileiro.

Adicionalmente, pretende-se, também, contribuir com as atuais diretrizes da

Fundação Instituto Brasileiro de Geografia e Estatística (FIBGE), que está

responsável pela comercialização das imagens ALOS do território nacional aos

usuários interessados em um acordo técnico com a JAXA (Agência Espacial

Japonesa). Segundo essas diretrizes, os produtos disponibilizados, no caso

específico PALSAR, necessitam de uma avaliação, tanto temática, como

geométrica.

Dentro do escopo da linha investigativa proposta dessa dissertação pode-se

formular a seguinte hipótese científica: A utilização de dados ALOS/PALSAR

com polarização DUAL, permite a caracterização e o delineamento de classes

de uso e cobertura da terra na região do semi-árido.

1.1 Objetivos

Essa pesquisa teve como objetivo geral avaliar a potencialidade das imagens

duais do sistema sensor ALOS/PALSAR (banda L), para a identificação e

mapeamento temático do uso e cobertura da terra na região semi-árida

brasileira. Adicionalmente, foi realizada também uma avaliação da qualidade

posicional planimétrica do produto ALOS/PALSAR ortorretificado.

3

Como partes fundamentais para atingir o objetivo geral foram desenvolvidos os

seguintes objetivos específicos:

• Desenvolver metodologia de coleta de dados em campo para a

caracterização temática, considerando as características fisionômico-

estruturais dos alvos e sua importância para uma definição e delineamento nos

dados-radar;

• Representar a configuração polarizada (HH/HV) das classes temáticas,

procurando explicar a resposta dos dados SAR em consonância com as

características intrínsecas de cada alvo;

• Gerar um mapa temático de uso e cobertura da terra a partir do melhor

classificador, definido pela análise de desempenho (matriz de confusão e

estatística Kappa) entre classificadores polarimétricos SAR;

• Gerar produto geocodificado a partir dos dados ALOS/PALSAR e verificar a

acurácia planimétrica com a utilização de pontos de controle medidos em

campo com rastreadores GPS.

5

2 FUNDAMENTAÇÃO TEÓRICA

2.1 Sensoriamento remoto por RADAR

2.1.1 Conceitos SAR

O SAR (Synthetic Aperture Radar) é um sensor ativo que opera na faixa das

microondas do espectro eletromagnético. O uso do SAR em sensoriamento

remoto tem basicamente duas vantagens: independência das condições de

tempo (as microondas são pouco afetadas por coberturas de nuvens, neblina

ou outras condições atmosféricas, ao contrário das imagens ópticas); a

aquisição de dados pode ocorrer em qualquer horário do dia (RANEY et al.,

1998).

O SAR é capaz de registrar a intensidade e a defasagem da energia

transmitida que foi retroespalhada pelos alvos. Este retroespalhamento SAR é

dependente da combinação de parâmetros inerentes ao sistema imageador,

tais como freqüência, polarização, ângulo de visada e de incidência, e das

características geométricas e elétricas das superfícies dos materiais

imageados, especificamente do grau de rugosidade e da constante dielétrica

(KUPLICH, 2003). Adiante, será discutido como estes parâmetros modificam a

resposta-radar. Uma descrição detalhada sobre a formação das imagens SAR

e a equação radar a qual relaciona o sistema sensor, o alvo e o sinal (emitido e

retroespalhado) podem ser vista em Woodhouse (2006).

2.1.1.1 Freqüência/comprimento de onda

A freqüência (f) é um dos mais importantes parâmetros do imageamento SAR,

sendo que a interação ocorre com alvos cujas dimensões são comparáveis ao

comprimento de onda (λ). A faixa do espectro eletromagnético que abrange as

microondas varia, em comprimento de onda, de aproximadamente 1 mm a 1 m.

Entretanto, a maioria dos sensores de microondas opera no intervalo de 1 cm a

1 m. As principais denominações de bandas utilizadas, o intervalo de

6

comprimento de onda e de freqüência (f) são descritos na

Tabela 2.1 (WOODHOUSE, 2006).

As bandas X, C e L também têm sido amplamente utilizadas, devido

recentemente a uma maior disponibilidade de sensores orbitais com estas

configurações, tais como o TerraSAR, Cosmo Skymed e SAR-Lupe em banda

X; RADARSAT-1/2, ENVISAT, ERS-1/2 e SIR-C em banda C; e JERS-1 e

ALOS/PALSAR em banda L.

Tabela 2.1 - Principais bandas utilizadas em sensores SAR em níveis orbital

e/ou transportado.

Banda λ (cm) f (GHz)

P

L

S

C

X

K

77 – 136

15 – 30

7,50 – 15

3,75 – 7,50

2,40 – 3,75

1,18 – 1,67

0,22 – 0,39

1,0 – 2,0

2,0 – 4,0

4,0 – 8,0

8,0 – 12,5

18,0 – 26,50

Fonte: Adaptada de Woodhouse (2006).

7

2.1.1.2 Polarização

A polarimetria descreve o comportamento do vetor campo elétrico em uma

onda eletromagnética (WOODHOUSE, 2006). Atualmente tem-se empregado

de radares capazes de coletar dados de qualquer uma das quatro combinações

possíveis: HH, HV, VH e VV. A primeira letra indica a polarização de

transmissão e a segunda indica a de recepção, sendo H = Horizontal e V =

Vertical.

A interação da onda eletromagnética com os objetos tem relação direta com a

polarização incidente. Se os objetos na superfície terrestre possuem uma

orientação vertical a interação com microondas verticalmente polarizada será

maior, assim como o eco gerado. Os objetos ou superfícies espalhadoras

podem ter a capacidade de despolarizar a onda incidente e gerar um eco numa

polarização distinta à enviada (KUPLICH, 2003).

2.1.1.3 Ângulo de incidência

O ângulo de incidência é definido pelo ângulo formado entre o feixe de

microondas incidentes e a reta normal estabelecida em relação à terra

(RANEY, 1998). O uso de ângulos de incidência específicos pode auxiliar na

identificação de determinados alvos na superfície terrestre. Geralmente,

menores ângulos de incidência resultam em maior retroespalhamento,

entretanto o retroespalhamento de superfícies muito rugosas não ser

dependente desta variável. Ângulos de incidência elevados determinam uma

maior quantidade do objeto imageado e conseqüentemente, resultam em

menor retroespalhamento (LEWIS et al., 1998; KUPLICH, 2003).

2.1.1.4 Rugosidade

A rugosidade relativa do alvo é definida pela freqüência da onda incidente,

juntamente com o ângulo de incidência, determinando assim o grau de

penetração da onda no alvo. Segundo (LEWIS et al., 1998), uma superfície

8

pode ser considerada lisa, pelo critério de Rayleigh, se obedece a Inequação

2.1. Onde, (r) é altura média das variações da superfície, (λ) é comprimento de

onda e α é o ângulo de incidência.

Desta forma, uma mesma superfície pode ser considerada lisa para um

determinado comprimento de onda e rugosa para outros. Superfícies rugosas

refletem a energia emitida pelo sensor de maneira uniforme para todas as

direções. Já as superfícies consideradas ligeiramente rugosas possuem uma

direção preferencial de reflexão, sendo que as superfície lisas refletem a

energia especularmente.

2.1.1.5 Constante dielétrica

A constante dielétrica influencia fortemente a interação da radiação

eletromagnética com a superfície do terreno (LEWIS et al., 1998), ou seja, o

sinal de retroespalhamento é influenciado pela umidade do solo e da

vegetação. Um elevado conteúdo de umidade resulta em uma constante

dielétrica alta, e conseqüentemente reduz a penetração do feixe radar abaixo e

através da vegetação. Uma elevada constante dielétirca implica em uma alta

refletividade e potencialmente um alto retorno de sinal. Por sua vez, o conteúdo

de umidade baixo implica em uma constante dielétrica baixa e um baixo sinal

de retorno, exceto em caso de solos muito secos, pode ocorrer uma maior

penetração na superfície. Este fato torna relevante conhecer as condições

climáticas antecedentes à data de aquisição dos dados de radar, pois um

conteúdo maior de água nos materiais pode induzir um retorno maior da onda

retroespalhada.

(2.1)

9

2.1.1.6 Geometria do alvo

A direção do feixe de microondas e a posição relativa do alvo podem alterar o

retroespalhamento. Feições com direção perpendicular ou com ângulo agudo

com a direção de visada são realçadas pelo efeito de “luz e sombra”. Já as

feições orientadas paralelamente com a direção de visada não produzem

realces nem sombras, de forma que estas são mascaradas nas imagens de

radar (KNUST, 2007).

2.2 Métodos de Classificação SAR

As técnicas de classificação consistem na rotulação dos pixels de uma imagem

de entrada associando-os a determinadas classes, de acordo com certos

critérios de decisão adotados (SCHOWENGERDT, 2007). Os classificadores

podem ser estruturados para realizarem a classificação pixel a pixel, quando

então são chamados de pontuais, ou podem atuar sobre um conjunto de pixels

que conservem algum parâmetro de similaridade, sendo neste caso chamados

de classificadores por região (FREITAS et al., 2007). Dentre os vários

classificadores para tratar os dados-radar destacam-se:

2.2.1 MAXVER-ICM

De acordo com Correia (1998) e Vieira (1996), esta técnica se baseia na

formulação Bayesiana tendo como diferencial a adoção de funções de

densidades de probabilidade mais apropriadas para modelar a natureza dos

dados de radar e a incorporação da informação contextual considerando uma

distribuição espacial para as classes, adotando conceitos de campos aleatórios

markovianos.

Em Vieira (1996) e Correia (1998) foram apresentadas abordagens de

classificações estatísticas específicas para dados SAR. Estas abordagens

consistem na aplicação combinada dos algoritmos MAXVER (Máxima

Verossimilhança) (FREITAS et al., 2007) com múltiplas fontes de evidências

10

estatísticas, e ICM (Iterated Conditional Modes). Como resultante do trabalho

de Correia (1998), foram implementados algoritmos baseados nas distribuições

de dados polarimétricos para: par de intensidades, diferença de fase, razão de

intensidades, par intensidade-diferença de fase, imagem multipolarimétrica

completa, imagem em amplitude e imagem em amplitude multivariada.

Correia (1998) obteve resultados satisfatórios da classificação MAXVER-ICM a

partir das imagens polarimétricas da missão SIR-C/X-SAR nas bandas L e C,

do Projeto de Irrigação de Bebedouro, próximo à cidade de Petrolina-PE. A

classificação ICM par-intensidade LHVVV apresentou um coeficiente de

concordância superior às demais, em média, 31,44% melhor que as demais

classificações, possibilitando uma melhor distinção entre corpos d’água,

caatinga, soja, milho e restolho.

Silva (2007) utilizou o classificador MAXVER-ICM e combinações de duas

polarizações (VV-HH, HH-HV, VV-HV) em amplitude da banda L na

discriminação de alvos agrícolas. Os autores mostram que a combinação VV-

HH apresentou o melhor resultado, com acerto para a classe café de 98,5%.

Guerra (2008), utilizando o classificador MAXVER-ICM e dados

multipolarizados do sensor SAR R99-B/CENSIPAM, afirma que quando os

canais são combinados aos pares, o ganho de informação é significativo. A

informação contida no par de amplitudes HH/HV apresentou boa acurácia para

separar as classes de incremento de desflorestamento e floresta na Amazônia

(Kappa = 0,68).

2.2.2 Wishart

O Classificador supervisionado de Wishart é um algoritmo de máxima

verossimilhança baseado na distribuição complexa de Wishart da matriz de

covariância. Uma descrição completa sobre o classificador de Wishart pode ser

encontrada em Lee (1994); Lee et al. (1999).

11

No trabalho de Chen et al. (2007), foram utilizados dados duais multi-temporais

do Envisat/ASAR, fazendo uso do classificador de Wishart para mapear

culturas de arroz na província de Jiansang na China. Os autores destacaram

que a acurácia da classificação foi melhorada quando utilizados dados multi-

temporais em comparação àquela obtida em única data.

Pottier et al. (2009) demonstraram que, na classificação utilizando dados duais

em banda L, a de diferença de fase entre os canais HH e VV permitiu distinguir

entre classes de uso do solo na região de Flevoland na Holanda.

2.3 Uso de dados de polarização dual

A seleção da freqüência do radar e da polarização são dois importantes

parâmetros em uma missão SAR. Os principais sistemas em operação

(ALOS/PALSAR, TERRASAR-X, e RADARSAT-2) podem coletar as quatro

polarizações, entretanto o modo de aquisição padrão se restringe a polarização

single e dual.

Em seus estudos, Ainsworth et al. (2009) afirmam que a informação contida na

polarização dual do PALSAR é suficiente para um mapeamento e aplicações

no bioma de floresta boreal. Mesmo que a informação contida na polarização

(HH-HV) não possibilite uma clara distinção entre espalhamento superficial e

diedro, está informação é pouco importante para classificação de florestas,

uma vez que o espalhamento dominante em florestas é o volumétrico.

McNairn et al. (em preparação) mostraram que a polarização dual (VV-VH) tem

melhores resultados para a discriminação de alvos agrícolas na banda C,

apesar da polarização HH ser útil na distinção de classes de uso do solo.

12

2.4 Sensoriamento remoto por radar em regiões semi-áridas

Poucas experiências com a utilização de dados SAR foram realizadas no semi-

árido brasileiro. Dentre os trabalhos, pode-se citar o de Rennó (1995), que

avaliou o uso de medidas texturais em classificadores nos dados SIR-C/X-SAR,

bandas L e C, e polarizações HH, HV e VV. Neste estudo chegou-se à

conclusão de que a informação de textura em imagens SAR pode ajudar na

distinção de alvos agrícolas.

Em uma região semi-árida da Bahia, Silva (2007) mostrou que a utilização de

imagens SAR multi-polarimétricas da banda L e classificadores MAXVER/ICM,

possuem potencialidade na discriminação de alvos agrícolas.

Knust (2007) avaliou o potencial geológico de imagens Radarsat-1 na

identificação de unidades litológicas com diferentes ângulos de visada no vale

do Rio Curaçá, região semi-árida da Bahia. Neste estudo, ao utilizar a técnica

de principais componentes, verificou-se que as imagens com ângulos de

incidência maiores e com órbita descendente produziram melhores resultados

na separabilidade dos litotipos.

Em experiências com dados SAR em outras regiões semi-áridas no mundo,

Zribi et al., (2003), por meio de classificadores não supervisionados e inversão

de modelos que estimam valor do coeficiente de retroespalhamento a partir da

soma das contribuições da vegetação e solo exposto, obtiveram o mapa de

cobertura de vegetal no norte da África, com acurácia de 85% utilizando dados

ERS-1.

Smara et al., (1998) utilizaram componentes principais e IHS como técnicas de

fusão de dados SAR/ERS-1 e ópticos (TM/LANDSAT E SPOT) e métodos de

classificação não supervisionados para avaliar cobertura vegetal na Argélia. Os

resultados obtidos foram analisados tendo como referências fotografias aéreas

13

e mapa de cobertura vegetal da área em estudo, indicando uma boa correlação

com os diferentes tipos de uso e cobertura da terra.

Kwarteng et al., (2008) utilizaram dados do ERS-1/2 na polarização VV e

RADARSAT-1 na polarização HH adquiridos no período de 1996 a 1999, no

mapeamento do uso e cobertura da terra em uma região árida do Kuwait. A

avaliação do potencial de combinação destes dados foi realizada por meio da

classificação MAXVER com a definição de 13 classes e a incorporação de

dados auxiliares, como mapa de solos e sedimentos superficiais. A acurácia

global da classificação ficou entre 70 e 80% quando foram utilizadas apenas

duas classes (cobertura vegetal baixa versus alta ou solo rugoso ou liso).

2.5 Caracterização do sistema ALOS/PALSAR

O sistema sensor ALOS (Advanced Land Observing Satellite), lançado em

janeiro de 2006, é um projeto conjunto entre a JAXA (Japan Aerospace

Exploration Agency) e a JAROS (Japan Resources Observation System

Organization). Este sistema orbital leva a bordo três instrumentos de

sensoriamento remoto: PRISM (Panchromatic Remote-sensing Instrument for

Stereo Mapping) visando à produção de DEM (Digital Elevation Model) com

uma resolução de 2,5 m; AVNIR-2 (Advanced Visible and Near-Infrared

Radiometer type 2), para observação da terra com resolução da 10 m e o

PALSAR (Phased Arrayed type L-Band SAR), um radar imageador para

observação da Terra em qualquer condição atmosférica, de iluminação e com

resolução variada.

O PALSAR possui a capacidade de imagear off-nadir entre 9,9º - 50,8º em 18

diferentes posições, podendo operar em cinco diferentes modos de operação:

Fine Beam Single polarization (FBS); Fine Beam Dual Polarization (FBD);

Polarimetric mode (Pol); ScanSAR mode e Direct Transmisson mode (DT). As

características do instrumento ALOS/PALSAR são apresentadas na Tabela 2.2.

14

Tabela 2.2 - Características do instrumento PALSAR.

ALOS PALSAR

Dimensões da antena 8,9 m x 3,1 m

Freqüência Central 1270 MHz / 23,6 cm (Banda L)

Chirp Bandwidth 28 MHz (FBS, ScanSAR)

14 MHz (FBD, POL, ScanSAR)

Modos de Imageamento Fine beam mode (FBS, FBD):

• Single polarization (HH ou VV)

• Dual pol. (HH/HV ou VV/VH)

Polarimetric mode (POL):

• Quad-pol. (HH/HV/VH/VV) ScanSAR mode:

• Single Polarization (HH ou VV)

• No. sub-beams: 3,4 ou 5

• Short (14 MHz) ou long (28

Mhz) Direct Transmisson (DT) mode:

• FB Single pol (14 MHz)

• ScanSAR (14 MHz)

Largura da faixa de imageamento 70 km (FBS, FBD @34,5º)

30 km (POL @21,5º)

360 km (ScanSAR 5-beam)

Off nadir angle Variável: FBS/FBD: 9,9º-50.8º

POL: 9,7º-26,2º

Fixo: ScanSAR: 20,1º-36,5º (beam 1-

5)

Direção de visada Direita

Ground resolution

Ground Range (1 look) x

10 m x 10 m (FBS @34,3º)

20 m x 10 m (FBD @34,3º)

31 m x 10 m (POL @21,5º)

15

Azimute (2 looks) ~ 71-151 m (4 looks) x 100 m (2 looks)

(ScanSAR 5-

beam)

Data rate 240 Mbps (FBS, FBD, POL, ScanSAR-

long)

120 Mbps (DT, ScanSAR-short)

Fonte: Adaptada de Rosenqvist et al. (2008).

17

3 MATERIAIS E MÉTODOS

Neste capitulo são apresentados a área de estudo, os dados, aplicativos e os

procedimentos metodológicos do levantamento de campo, bem como as

classificações realizadas nas imagens-radar utilizadas.

3.1 Área de estudo

A área de estudo deste trabalho está situada no sertão pernambucano, entre

os municípios de Carnaubeira da Penha, Floresta, Mirandiba, São José do

Belmonte e Serra Talhada. Com uma área total de 1560 km2 e entre as

latitudes S 08° 03’’ a S 08° 19’’ e as longitudes W 38° 21’’ a W 38° 47’’. A

Figura 3.1 mostra a localização geográfica da área de estudo.

Figura 3.1 – Localização geográfica da área de estudo, imagem TM/LandSat 5 (composição colorida RGB543, de 01/11/2008).

De acordo com a classificação de Köppen, o clima da região é o tropical semi-

árido quente e seco, com chuvas de verão, apresentando temperatura média

anual acima de 25º C e pluviosidade média anual de 650 mm com chuvas

irregulares (RADAMBRASIL, 1981).

18

O relevo predominante da região é o suave ondulado, cortado por alguns vales

estreitos, com vertentes dissecadas. Observam-se elevações residuais, cristas

ou colinas que pontuam a linha do horizonte.

A vegetação dominante na região é do tipo “Caatinga”, constituída por

bromeliáceas e cactáceas, enquanto nos vales e ao longo dos rios ocorrem

árvores de médio porte como angico, baraúna e aroeira. Nas regiões mais

elevadas ocorrem manchas de vegetação arbórea.

Com relação às características socioeconômicas da região, observa-se uma

predominância de uma pecuária extensiva, com destaque para a criação de

caprinos e agricultura de subsistência com o plantio de milho, feijão, mandioca,

algodão e alguma agricultura irrigada nas proximidades de reservatórios.

3.2 Características da Imagem ALOS/PALSAR

Neste trabalho foi utilizada uma cena do ALOS/PALSAR (Figura 3.2), banda L,

no modo de aquisição Fine Beam Dual (FBD) e nível de operação 1.1. A

Tabela 3.1 apresenta as principais características da imagem ALOS/PALSAR

empregada.

Tabela 3.1 – Principais características da imagem ALOS/PALSAR utilizada.

Formato SLC (Single Look Complex) Modo de Aquisição Fine Beam Dual (FBD) Polarização HH/HV Data de Aquisição 30/05/2008 Órbita/Frame 12500/7020 Resolução Espacial 20 m (alcance - 1 look) x 10 m (azimute - 2 look) Espaçamento entre Pixels 9.3685143 m (alcance) x 3.1894556 m (azimute)

Ângulo de Incidência 38.798º Ângulo Off-Nadir 34.3º Altitude do Sensor 699.65 km Passagem Ascendente

19

(a) (b)

(c) (d) Figura 3.2 – Imagens ALOS/PALSAR da área de estudo: (a) amplitude HH, (b)

amplitude HH*HV, (c) amplitude HV e (d) composição colorida com as amplitudes R(HH)G(HH*HV)B(HV);

20

3.3 Aplicativos utilizados

Para o desenvolvimento deste trabalho foram utilizados os seguintes

aplicativos:

• PolSARpro 4.0;

• Envi 4.7;

• Classificador Polarimétrico 0.7;

• SARscape 4.2.

O Aplicativo PolSARpro 4.0 foi utilizado para a geração da matriz de

covariância, reamostragem por média espacial (multilook) e classificação pelo

método de Wishart. O aplicativo Envi 4.7 foi utilizado para a realização da

filtragem das imagens e geração das imagens amplitude. O Classificador

Polarimétrico 0.7 foi utilizado para a geração das classificações MAXVER-ICM.

A geocodificação das imagens-radar foi realizada no aplicativo SARscape.

3.4 Dados auxiliares

3.4.1 Dados Pluviométricos

É de grande importância conhecer as condições climáticas antecedentes à data

de aquisição dos dados de radar, uma vez que a constante dielétrica sofre

influência da umidade do solo e da vegetação devido à ocorrência de

precipitação.

Assim, procedeu-se à aquisição dos valores de precipitação acumulada oriunda

da estação pluviométrica Serra Talhada (ITEPE, 2009), localizada na latitude

S 7º 55’ 50” e longitude W 38º 17’ 19”, distando aproximadamente 40 km do

centro da área de estudo. A Figura 3.3 apresenta a precipitação acumulada

obtida no mês de maio de 2008 pela estação pluviométrica de Serra Talhada.

Observa-se que nos três dias anteriores à aquisição da imagem (30/05/2008)

foram registradas respectivamente as seguintes precipitações: 8.3, 2.8 e 0 mm.

21

0

10

20

30

40

50

60

70

80

90

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

Dia

Prec

ipita

ção

Acu

mul

ada

(mm

)

Figura 3.3 – Precipitação pluviométrica para o mês de maio de 2008, valores medidos pela PCD em Serra Talhada, nas proximidades da área de estudo.

No Apêndice A, são apresentados os valores de precipitação diária de estação

pluviométrica de Serra Talhada para o mês de maio de 2008.

3.5 Procedimentos metodológicos

Os procedimentos metodológicos executados neste trabalho estão ilustrados

no fluxograma da Figura 3.4, e os detalhamentos da metodologia proposta

estão descritos nas seções a seguir.

22

Figura 3.4 – Fluxograma geral do trabalho.

3.5.1 Pré-processamentos

A primeira etapa, na qual foram realizados os pré-processamentos na imagem

ALOS/PALSAR, consistiu de: geração da matriz de covariância, reamostragem

por média espacial (multilook), recorte da área de estudo, filtragem Gamma

com uma janela 5x5, conversão de dados de intensidade e complexos para

amplitude.

A Figura 3.5 mostra os passos realizados nessa fase da metodologia.

PRÉ-PROCESSAMENTOS

ANÁLISE E AVALIAÇÃO DOS RESULTADOS

CLASSIFICAÇÕES MAXVER-ICM / WISHART

DEFINIÇÃO DAS AMOSTRAS DE TESTE E TREINAMENTO

AVALIAÇÃO DA ACURÁCIA TEMÁTICA E POSICIONAL

ANÁLISE EXPLORATÓRIA

IMAGENS ALOS/PALSAR FBD

23

Figura 3.5 – Fluxograma da etapa de pré-processamento.

A partir das imagens ALOS/PALSAR FBD no formato single look complex, foi

gerada uma matriz de covariância (2x2) com uma reamostragem por média

espacial (multilook), definindo-se o número de looks igual a três na direção de

azimute, a fim de tornar os pixels quadrados em azimute e alcance. A partir

dessa fase, foi feita a delimitação da área de interesse, obtendo-se uma

imagem com as dimensões 3376x4101 pixels.

Após essa etapa foi realizada uma filtragem Gamma 5x5 na imagem recortada,

a fim de reduzir o ruído speckle nas imagens. Apesar da realização da

reamostragem por média, notou-se, em inspeção visual, a necessidade de

aplicação dessa filtragem. Com essas operações de filtragem, de acordo com

GERAÇÃO MATRIZ DE COVARIÂNCIA

IMAGENS ALOS/PALSAR FBD

RECORTE

FILTRAGEM GAMMA 5X5

CONVERSÃO DADOS

INTENSIDADE/COMPLEXOS EM AMPLITUDE

24

Frery (1993), há uma mudança na distribuição estatística da imagem original,

fazendo com que sua distribuição seja normalizada.

Na fase seguinte as imagens-intensidade, que correspondem à diagonal

principal da matriz de covariância, foram convertidas para imagens amplitude.

Tem-se que a amplitude é a raiz quadrada da intensidade. O elemento

complexo da matriz de covariância foi transformado para amplitude através da

raiz quadrada da soma dos quadrados das partes real e imaginária.

3.5.2 Amostras de treinamento e teste

Para a realização das classificações supervisionadas e avaliação da acurácia

temática se faz necessário o estabelecimento das classes de uso e cobertura

da terra, bem como as amostras de treinamento e teste. As classes e as

amostras foram definidas a partir do levantamento em campo, cujo

detalhamento será abordado na seção 3.4.3.

3.5.3 Etapa de campo

O levantamento de campo teve como objetivo identificar as principais classes

de uso e cobertura da terra na área de estudo e apoiar o processo de seleção

de amostras de treinamento e de teste para a validação temática e geométrica.

As atividades de campo ocorreram no período de 07 a 14 maio de 2009, com

uma defasagem de aproximadamente um ano em relação à data de

imageamento realizado pelo sensor ALOS/PALSAR (30/05/2008).

A seleção de amostras em campo foi definida através da identificação de

padrões de homogeneidade temática, observados in loco, sendo também

apoiada com dados complementares, tais como o mapa de remanescentes da

vegetação natural (MMA, 2005) e imagens TM/LandSat 5 (01/11/2008), na

combinação colorida RGB543.

25

Os pontos amostrados em campo foram georreferenciados com o uso de um

receptor de navegação GPS (Global Positioning System), bem como realizados

registros fotográficos para posterior análise em laboratório.

Foram utilizados dois modos de amostragem em campo:

1. Transectos em linha – a fim de caracterizar a vegetação de caatinga;

2. Pontos de observações – registros da paisagem elaborados de forma

descritiva, compreendendo feições agrícolas ou de pecuária, corpos

d’água, além de manchas de fácies de caatinga por análise comparativa

de fisionomia àquelas anteriormente inventariadas.

O transecto em linha (Figura 3.6) consistiu em lançar uma trena de 50m ao solo

na área a ser levantada, buscando identificar a distribuição horizontal e vertical

e o grau de cobertura de árvores e arbustos (MALDONADO et al., 2004). Com

a finalidade de identificação das fácies de caatinga, foram realizadas leituras,

metro a metro, da presença de árvores, arbustos e herbáceas que compunham

o plano vertical definido pela trena como base. Foram feitas na ocasião,

mensurações da altura dos indivíduos lenhosos, bem como a sua identificação

botânica, realizada por um técnico ligado ao Centro de Pesquisa Agropecuária

Trópico Semi-Árido (Embrapa Semi-Árido).

26

Figura 3.6 – Ilustração de transecto em linha.

Fonte: Maldonado (2005).

A planilha do transecto em linha (Figura 3.7) utilizada para o levantamento em

campo permitiu a localização do individuo na linha, nome, presença de solo

exposto, tipo de cobertura do solo. De acordo com o porte do indivíduo foram

identificados os seguintes grupos: porte herbáceo, para indivíduos de até um

metro; porte arbustivo, para indivíduos de um a três metros e porte arbóreo,

com indivíduos acima de três metros. As definições dos portes que

compreendem os indivíduos herbáceos e arbustivos aparecem com uma

sobreposição na planilha de campo, essa é uma informação adicional que

apresenta o arbusto em estágio atual, utilizada em estudos de detecção de

mudanças. As informações com relação à cobertura do solo ao longo do

transecto foram descritas com a presença de lenha grossa, lenha fina, lenha

em pé, árvores mortas, folhagem, serrapilheira ou ainda solo exposto. A

superfície do solo foi definida de acordo com granulometria, onde os

sedimentos são classificados em inspeção visual em: matacão (diâmetro médio

maior que 256 mm), blocos (64 a 256 mm), seixos (4 a 64 mm), cascalho (2 a 4

mm), areia grossa (0,5 a 2 mm), areia fina (0,05 a 0,5 mm), silte (0,002 a 0,05)

e argila (menor que 0,002 mm) (LEPSCH, 2002).

27

Figura 3.7 – Modelo de planilha utilizada em campo. Fonte: Adaptado de Maldonado (2005).

Após o levantamento de campo, as planilhas foram analisadas com a finalidade

de rotulação da tipologia florestal e suas várias fácies, de forma a servir como

áreas representativas para seleção de amostras de treinamento e de teste.

Foram montados os perfis das faciações encontradas e calculada a cobertura

vegetal para cada estrato (arbóreo arbustivo e/ou herbáceo), a partir da soma

dos pontos de ocorrência do mesmo grupo.

Ao final do trabalho de campo foram contabilizados 57 transectos e 192 pontos

de observações. Alguns poucos locais não puderam ser percorridos para coleta

de amostras devido às dificuldades de acesso. Os conjuntos de transectos e de

pontos observacionais permitiram definir cinco classes para a área de estudo:

caatinga arbórea (arbo), caatinga arbórea-arbustiva (arboarbu), caatinga

arbustiva (arbu), agricultura/pecuária (agr) e corpos d’água (água).

28

3.6 Classificações das imagens ALOS/PALSAR

3.6.1 Classificação pelo método MAXVER-ICM

Para a realização das classificações pelo método MAXVER-ICM foi utilizado o

aplicativo Classificador Polarimétrico 0.7 (CORREIA, 1998).

Com a utilização das amostras de treinamento estabelecidas e com os critérios

de parada de 5% para a quantidade máxima de troca de pixels entre classes ou

8 iterações, o classificador MAXVER-ICM foi aplicado nas seguintes imagens

filtradas:

(a) Individualmente, em imagens-amplitude: [AHH], [AHV];

(b) Combinação dos pares imagens-amplitude: [AHH, AHV], [AHV, AHH*HV] e

[AHH, AHH*HV];

(c) Conjunto de imagens-amplitude: [AHH, AHV, AHH*HV].

Para as classificações univariadas foram ajustadas diferentes funções de

densidade de probabilidade para cada uma das classes e estimados os valores

de NEL (Número Equivalente de Looks) de 33.0464 para a amplitude filtrada

HH e 34.5392 para a amplitude filtrada HV. Para as demais combinações, os

dados foram ajustados com base na função de densidade Gaussiana

Multivariada.

3.6.2 Classificação pelo método Wishart

A classificação pelo método Wishart foi realizada por meio do aplicativo

PolSARpro 4.0. Este classificador utiliza como atributo dados da matriz de

covariância. Sendo este um método de classificação supervisionado, foram

utilizadas as mesmas amostras de treinamento estabelecidas anteriormente.

29

Obtidas as classificações pelos métodos MAXVER-ICM e Wishart, foram

avaliados o grau de acurácia temática dos resultados a partir do índice de

concordância kappa, obtidos a partir da matriz de confusão com as amostras

de teste.

3.6.3 Avaliação de desempenho temático

Obtidas as classificações pelos métodos MAXVER-ICM e Wishart, foram

avaliados o grau de acurácia temática, fazendo uso de amostras-testes

derivadas das informações de campo. Os índices de concordância Kappa,

(CONGALTON; GREEN, 1999) obtidos a partir das matrizes de confusão entre

as classes, serviu para verificar os desempenhos dos classificadores

polarimétricos utilizados nessa área do semi-árido brasileiro. Um mapa de uso

e cobertura da terra foi então gerado a partir do classificador polarimétrico de

melhor desempenho.

3.7 Ortorretificação da imagem ALOS/PALSAR e avaliação da qualidade posicional planimétrica

As imagens no formato single look complex foram ortorretificadas no aplicativo

SARscape 4.2. Para tal procedimento, foram utilizadas as formulações de

“Ranger - Doppler” (MEIR, 1993), com dados obtidos das efemérides da

plataforma e modelo digital de elevação. A ortorretificação foi relativa, pois não

utilizou pontos de controle no modelo, sendo o DEM (Digital Elevation Model)

utilizado o SRTM - CGIAR (Shuttle Radar Topography Mission – Consultative

Group on International Agricultural Research) versão 4.1 (JARVIS et. al., 2008),

com resolução espacial de 90m.

Para avaliar a qualidade da geocodificação foi empregado um conjunto de

pontos, cujas coordenadas foram obtidas em campo com GPS de dupla

freqüência pelo método estático relativo, tendo como bases de referência as

estações RBMCs (Rede Brasileira de Monitoramento Contínuo), implantadas e

30

mantidas pelo IBGE. Os pontos rastreados em campo, no pós-processamento

em solução float (sem fixação da ambigüidade), teve exatidão submétrica. A

partir dos resíduos das coordenadas dos pontos homólogos definidos no

campo versus imagem foi realizada a análise de discrepância, obtendo-se

assim os valores de RMS e, por conseguinte, a qualidade posicional do produto

ortorretificado através das estimativas do CE90 (Erro Circular) e o PEC (Padrão

de Exatidão Cartográfica). Devido à complexidade da paisagem e certa

dificuldade na localização de pontos de controle na imagem PALSAR, foi

possível a identificação de 7 pontos homólogos, que serviram para essa fase

de avaliação posicional de teor planimétrico.

31

4 RESULTADOS E DISCUSSÕES

Neste capítulo são apresentados os resultados obtidos no levantamento

fisionômico-estrutural das tipologias vegetais, análise exploratória dos dados,

os resultados das classificações e os respectivos testes de acurácia (kappa).

4.1 Caracterizações das classes de uso e cobertura da terra

A classe caatinga arbórea (Figura 4.1) retrata a forma mais adensada da

caatinga, que de acordo com Lima (1986), representava o tipo de caatinga de

maior distribuição no nordeste brasileiro, sendo atualmente inexistente na sua

forma primária, somente encontrada com sinais de degradada. Este tipo de

caatinga apresenta-se em sua estrutura horizontal e vertical formada

predominantemente por árvores com alturas variando de 3 a 12 metros,

apresentando indivíduos arbustivos esparsos, distribuídos no tapete herbáceo.

Figura 4.1 – Foto representativa de caatinga arbórea na área de estudo.

As espécies de porte arbóreo que caracterizam esta fácie são Croton

hemiargyreus Müll. Arg., Mimosa arenosa (Willd.) Poir., Cnidoscolus

phyllacanthus (Mart.) PAX&K. Hoffm., Spondias tuberosa Arr.Cam., Caesalpinia

32

pyramidalis Tul., Aspidosperma pyrifolium Mart., Anadenanthra columbrina

(Vell.) Brenan, Commiphora leptopholoes (Mart.) J.B. Gillet e Schinopsis

brasiliensis Engl.. O estrato arbustivo é dominado pela Caesalpinia pyramidalis

Tul. e Mimosa arenosa (Willd.) Poir.. E o estrato herbáceo pela Sida

galheirensis Ulb..

Como exemplo, é mostrado na Figura 4.2, uma representação típica da fácie

de caatinga arbórea encontrada na área de estudo, cujas informações formam

derivadas de transectos em linha, descritos anteriormente no item 3.4.3. Nessa

faciação da caatinga mais densa, a cobertura do dossel “acumulada” foi de

108%, discriminada em 84% para o estrato arbóreo, 22% para o estrato

arbustivo, 2% para o estrato herbáceo. No substrato dessa tipologia,

entremeando-se com as espécies herbáceas, há ainda 14% de exposição de

solo, com presença de matacões, blocos, seixos ou cascalhos. Note-se que

nesse percentual de cobertura do dossel, os valores são cumulativos quando

há superposição de copas dos vários estratos.

Figura 4.2 – Perfil fisionômico-estrutural da classe caatinga arbórea.

A classe caatinga arbórea-arbustiva (Figura 4.3) contém em sua estrutura

vertical árvores com altura entre 3 a 8 metros, entremeadas por um denso

estrato arbustivo, cuja altura média está por volta de 1,5m. As espécies que

33

predominam no estrato arbóreo são Schinopsis brasiliensis Engl., Mimosa

tenuiflora (Willd.) Poir. , e no arbustivo, Aspidosperma pyrifolium Mart.,

Caesalpinia pyramidalis Tul..

Figura 4.3 – Foto representativa de caatinga arbórea-arbustiva.

Um transecto representativo de caatinga arbórea-arbustivo pode ser visto na

Figura 4.3, cujo grau de cobertura do dossel apresenta 44% no estrato arbóreo,

58% para o estrato arbustivo, 2% no estrato herbáceo, numa cobertura de

dossel acumulada de 104%. No substrato, intercalando-se com as espécies

herbáceas, há ainda 22% de exposição de solo, definidos por matacões,

blocos, seixos ou cascalhos, dependendo das condições edáficas, derivadas

da rocha matriz.

34

Figura 4.4 – Perfil fisionômico-estrutural da classe caatinga arbórea-arbustiva.

A classe caatinga arbustiva (Figura 4.5) é caracterizada predominantemente

por arbustos com alturas variando, geralmente, na faixa de 1 e 2 metros. Em

alguns setores dessa paisagem pode ocorrer esporadicamente algum indivíduo

de porte arbóreo. As espécies dominantes do estrato arbustivo são a

Caesalpinia pyramidalis Tul., Aspidosperma pyrifolium Mart., Croton

hemiargyreus Müll. Arg. e a Mimosa arenosa (Willd.) Poir..

Figura 4.5 – Foto representativa de caatinga arbustiva.

35

Um transecto representativo dessa fácie de caatinga arbustiva pode ser visto

na Figura 4.6, com uma cobertura acumulada de dossel da ordem de 86%,

sendo 2% no estrato arbóreo, 78% no estrato arbustivo adensado e de apenas

6% no estrato herbáceo. Nota-se nessa faciação de caatinga que o substrato

apresenta elevada exposição do solo, com valores em torno de 14%.

Figura 4.6 – Perfil fisionômico-estrutural da classe caatinga arbustiva.

Complementarmente à análise fisionômico-estrutural derivada desses

transectos em linha, tem-se ainda no Apêndice B a composição florística

encontrada no decorrer da fase de inventário, representativas das unidades

vegetacionais da caatinga.

A classe agricultura (Figura 4.7) contempla áreas com cultivos agrícolas e

também áreas de pastoreio. Geralmente, essas áreas destinadas ao sistema

produtivo têm formas geométricas bem definidas, compreendendo os roçados,

as plantações irrigadas, as áreas de pastagens implantadas (com Cenchrus

ciliaris L.), bem como as áreas de solo arado ou em pousio.

36

Figura 4.7 – Fotos de cultivo agrícola e de pastagem implantada.

A classe corpos d’água (Figura 4.8) contempla os reservatórios, áreas

alagadas e rede hidrográfica presente na região em estudo.

Figura 4.8 – Foto da barragem de Serrinha (Serra Talhada, PE).

Definidas as classes de uso e cobertura da terra, foram coletas as amostras de

treinamento e teste a partir dos pontos obtidos em campo. As amostras de

treinamento foram utilizadas para a análise exploratória dos dados e também

no processo classificatório e as de testes, para verificação do desempenho das

37

classificações oriundas das abordagens MAXVER-ICM e Wishart. A Tabela 4.1

contém a quantidade de ROIs e respectivos números de pixels contidos nas

amostras de treinamento e teste para cada uma das cinco classes de uso e

cobertura da terra.

Tabela 4.1 – Número de amostras e de pixels utilizados nas fases de

treinamento e teste.

Treinamento Teste Classes Pixels ROI Pixels ROI

Caatinga Arbórea 1021 14 1140 14 Caatinga Arbórea-Arbustiva 1112 12 1035 11 Caatinga Arbustiva 1032 13 1033 10 Agricultura/Pecuária 1070 10 933 15 Corpos d'água 932 5 939 5 Total 5167 54 5080 55

4.2 Análises Exploratórias

A análise exploratória teve como objetivo verificar a variação dos valores de

amplitude nas polarizações HH e HV para as classes de uso e cobertura da

terra propostas para este trabalho. A análise foi baseada em gráficos do tipo

box-plot , obtidos a partir de valores de amplitude filtrados das amostras de

treinamento, num total de 5167 pixels tratados.

O gráfico do tipo box-plot permite analisar a distribuição de um conjunto de

dados a partir dos parâmetros descritivos: primeiro quartil, mediana e pelo

terceiro quartil. As hastes superiores e inferiores se estendem respectivamente

dos valores máximo e mínimo dos dados, excluindo os valores discrepantes

(outliers). Neste gráfico a caixa representa o intervalo entre 25% (primeiro

quartil) e 75% (terceiro quartil) dos dados, enquanto a linha que divide a caixa

representa à mediana.

38

Os gráficos box-plot apresentados na Figura 4.9, ilustram as variações de

amplitude nas polarizações HH e HV para cada uma das classes de uso e

cobertura da terra.

Polarização HH

0.0

5.0

10.0

15.0

20.0

25.0

30.0

Caatinga Arbórea Caatinga Arbórea-Arbustiva Caatinga Arbustiva Agricultura/Pecuária Corpos D'Água

Rad

iom

etria

Am

plitu

de (H

H)

(a)

Polarização HV

0.0

5.0

10.0

15.0

Caatinga Arbórea Caatinga Arbórea-Arbustiva Caatinga Arbustiva Agricultura/Pecuária Corpos D'Água

Rad

iom

etria

Am

plitu

de (H

V)

(b)

Figura 4.9 – Gráficos box-plot das classes de uso e cobertura da terra nas polarizações HH (a) e HV (b).

Os resultados entre as classes de caatinga arbórea, arbórea-arbustiva e

arbustiva possuem intervalos do atributo “amplitude”, nas polarizações HH e

HV, muito similares, não ficando evidente uma região de separação entre

essas classes. Esse resultado pode ser entendido em termos de biomassa, as

diferenças estruturais e de florística entre as tipologias de caatinga, respondem

a banda L por uma grande quantidade de galhos finos e troncos encontrado

nessa vegetação. Pode-se notar uma maior diferença de valores de “amplitude”

39

com relação às classes agricultura e corpos d’água e, dessas duas com

relação às classes de caatinga, fato que é observado nas duas polarizações.

As classes corpos d’água e agricultura apresentaram baixos valores de

amplitude, o que se justifica pela reflexão especular e baixo retorno do sinal-

radar. De acordo com essa prévia análise exploratória dos dados SAR, há

indícios de certa dificuldade na separabilidade mais detalhada das faciações de

caatinga, o que se discute mais a frente, no decorrer das abordagens

classificatórias.

4.3 Classificações Supervisionadas MAXVER-ICM e Wishart

Neste item são analisados os resultados das classificações de uso e cobertura

da terra obtidas pelos métodos MAXVER-ICM e Wishart, aplicados sobre as

imagens amplitude e matriz de covariância, respectivamente.

É apresentado o mapeamento temático resultante do procedimento

classificatório de melhor desempenho, definido pelos índices estatísticos

Acurácia Global (A.G), Erros de Inclusão (E.I.) e de Omissão (E.O.) e índice de

concordância Kappa (K) e sua variância (var(k)). Além disso, para reforçar o

conteúdo técnico que levou a essa decisão do melhor classificador, são

também apresentadas todas as matrizes de confusão derivadas das várias

abordagens classificatórias, quer seja da entrada com variáveis individuais

[AHH] e [AHV], ou da combinação dos pares de imagens-amplitude [AHH, AHV],

[AHV, AHH*HV] e [AHH, AHH*HV], ou ainda do conjunto [AHH, AHV, AHH*HV].

Os resultados das matrizes de confusão para as classificações MAXVER-ICM e

Wishart são apresentados nas TABELAS 4.1 e TABELA 4.2, respectivamente.

40

Tabela 4.2 – Matrizes de confusão das classificações MAXVER-ICM das

imagens: (a) [AHH]; (b) [AHV]; (c) [AHH, AHH*HV]; (d) [AHH, AHV]; (e)

[AHV, AHH*HV] e (f) [AHH, AHV, AHH*HV].

Tabela 4.3 – Matriz de confusão da classificação Wishart.

Referência Classes Arbo ArboArbu Arbu Agr Água Total E.I. (%)

Arbo 379 0 349 0 0 728 47.94 ArboArbu 342 385 191 21 0 939 59.00 Arbu 418 345 461 34 0 1258 63.35 Agr 1 300 32 878 8 1219 27.97

Cla

ssifi

caçã

o

Água 0 5 0 0 931 936 0.53 Total 1140 1035 1033 933 939 5080 E.O. (%) 66.75 62.80 55.37 5.89 0.85 A.G. (%) 59.72 Kappa 0.50 Var(K) 7.3E-05

(a) (b)

(c) (d)

(e) (f)

41

No caso da aplicabilidade do algoritmo classificatório MAXVER-ICM, a

separabilidade geral das classes de uso e cobertura da terra apresentou boa

acurácia, considerando a categorização de Landis e Koch (1977), pois

apresentou valores de kappa entre 0,4 e 0,6 (Tabela 4.2). Entretanto,

particularizando a discriminação das fácies de caatinga, as imagens-amplitude

em sua forma de polarizações individuais, não tiveram resultados satisfatórios.

Esse fato fica evidenciado pelos erros de inclusão (superiores a 50%) entre

essas classes específicas, contidos na matriz de confusão.

O melhor resultado da classificação MAXVER-ICM que utilizou variáveis

individuais, com base na valoração do índice kappa de 0.51 (Tabela 4.2), foi

encontrado para aquela que tem como entrada a variável [AHH]. Apesar dos

valores de kappa estarem próximo àquele do uso da componente [AHV], a

matriz de confusão foi considerada significativamente diferente no teste Z, ao

nível de significância de 5% (Tabela 4.4).

Tabela 4.4 - Resultado da comparação entre as classificações pelo teste Z

sobre o índice Kappa, realizado com as classificações Maxver-

ICM e Wishart. As células destacadas representam os resultados

significativos a um nível de significância de 5%.

Classificação C1 C2 C3 C4 C5 C6 C7 C1 – [AHH] - 3.13 1.13 0.15 2.5 5.71 0.85 C2 – [AHV] - - 1.98 3.25 0.64 8.75 2.27 C3 – [AHH, AHH*HV] - - - 1.27 1.35 6.79 0.29 C4 – [AHH, AHV] - - - - 2.63 5.51 0.99 C5 – [AHV, AHH*HV] - - - - - 8.18 1.64 C6 – [AHH, AHV, AHH*HV] - - - - - - 6.52 C7 - Wishart - - - - - - - Estatisticamente iguais < 1.96 Estatisticamente diferentes > 1.96

42

Nas classificações MAXVER-ICM utilizando o par de imagens amplitude,

representadas por [AHH, AHV], [AHV, AHH*HV] e [AHH, AHH*HV], os resultados

encontrados mais uma vez não foram satisfatórios na discriminação exclusiva

das fácies de caatinga. A inclusão de mais essa componente [AHH*HV], derivada

também da matriz de covariância, na classificação não apresentou um aumento

na valoração do índice de concordância kappa, mantendo inclusive os níveis de

erro de inclusão em valores acima dos 50%. O melhor resultado encontrado foi

para o par imagem-amplitude [AHH, AHV], com índice kappa de 0.51 (Tabela

4.1d) na estratificação geral das 5 classes temáticas. Contudo, a matriz

correspondente desse par foi considerada estatisticamente igual à matriz

decorrente do par [AHV, AHH*HV], em um nível de significância de 5% (Tabela

4.4).

Ao se utilizar o classificador MAXVER-ICM com o conjunto das três

componentes [AHH, AHV, AHH*HV], foi alcançando o maior valor de kappa (0,58).

Numa análise comparativa entre essa matriz de confusão com aquelas

matrizes tidas com as outras componentes (individual ou em par), constatou-se

ser estatisticamente diferente das demais, a um nível de 5% de significância

(Tabela 4.4). Contudo, estritamente para a diferenciação entre as faciações de

caatinga, não foi observada em tal classificação uma relativa diminuição nos

erros de inclusão entre essas classes vegetacionais, mantendo-se acima do

patamar de 45%.

Por sua vez, o procedimento classificatório de Wishart que utilizou a matriz de

covariância, obteve um valor de índice kappa de 0.50, sendo assim

considerada como boa acurácia na estratificação de Landis e Koch (1977). No

entanto, na particularização de classes de faciações de caatinga este

classificador não apresentou bom desempenho, conforme os altos erros de

inclusão observados na Tabela 4.3.

Das classificações realizadas neste trabalho, a de melhor resultado foi à obtida

pelo conjunto das três componentes [AHH, AHV, AHH*HV] no procedimento

43

efetuado pelo classificador MAXVER-ICM. A matriz de confusão obtida nesta

classificação foi considerada estatisticamente diferente das demais realizadas,

a um nível de significância de 5% (Tabela 4.4). A Figura 4.10 ilustra o mapa

temático da melhor classificação obtida. Numa área total de 1560 km2, os

remanescentes de caatinga arbórea ocupam 29%, a caatinga arbórea-arbustiva

com 34%, a caatinga arbustiva com 16%, estando 298 km2 da área destinada

diretamente ao processo produtivo, com cultivos agrícolas ou de pecuária

implantada. A acurácia global desse mapeamento temático foi de 66%, com

índice kappa no valor de 0.58. É importante registrar que em meio às áreas de

caatinga de porte arbóreo-arbustivo e de porte arbustivo é comum o uso das

terras com certa destinação de caprinicultura extensiva, não considerada nesse

estudo pela dificuldade de identificação de sutis degradações da paisagem nas

imagens orbitais.

A boa separabilidade da classe de agricultura apresentada na Figura 4.9, e os

baixos erros apresentados nas Tabelas 4.2 e 4.3, confirmam a potencialidade

de dados SAR banda L na quantificação de detecção de desmatamento na

caatinga, que é um problema preocupante neste ambiente.

44

Figura 4.10 – Mapa temático da classificação MAXVER-ICM empregando as componentes [AHH, AHV, AHH*HV].

38° 21’’ W

38° 47 ’’ W

08° 03’’ S

08° 19’’ S

0 10 km

45

4.4 Ortorretificação

A Figura 4.11 ilustra o produto ALOS/PALSAR ortorretificado com filtragem

Gamma 5x5 e os sete pontos utilizados para a verificação da qualidade

posicional planimétrica. A Tabela 4.5 apresenta as coordenadas dos pontos

obtidos em campo e seus homólogos na imagem, as discrepâncias obtidas e

as estatísticas relacionadas.

Figura 4.11 – Produto ortorretificado gerado na projeção UTM, fuso 24, sistema de referência geodésico WGS84. Combinação colorida R(HH)B(HV)G(HH).

46

Tabela 4.5 – Relação de coordenadas UTM/WGS-84, fuso 24, dos pontos obtidos na

imagem ortorretificada e em campo (GPS) e seus resíduos.

Coordenada UTM

Imagem Coordenadas UTM GPS Resíduos

Ponto E (m) N(m) E (m) N(m) ∆E ∆N 1 551963.10 9093015.43 551970.65 9093022.30 -7.56 -6.86 2 557554.40 9089840.49 557539.71 9089823.02 14.69 17.46 3 562137.20 9084118.28 562147.26 9084130.07 -10.06 -11.79 4 575144.97 9108195.48 575159.08 9108203.33 -14.11 -7.84 5 530036.93 9103655.16 530045.68 9103664.17 -8.75 -9.01 6 543260.19 9115000.09 543254.75 9115005.92 5.44 -5.82 7 576910.70 9116153.70 576910.64 9116151.26 0.06 2.44

Média -2.90 -3.06

Desvio Padrão 10.17 10.07

Erro Máximo -14.69 17.46

Com base na avaliação dos resíduos entre as coordenadas obtidas na imagem

ortorretificada e os pontos homólogos obtidos em campo (Tabela 4.5) e suas

estatísticas, foram calculados no aplicativo GEOPEC, os testes de tendência e

precisão de acordo com o Decreto-Lei nº 89.817 (BRASIL, 1984) para a análise

preliminar do PEC. Os testes foram realizados para a escala padrão de

1:100.000 e os testes de tendência e precisão com nível de significância de

10%. De acordo com os resultados obtidos, o produto foi classificado no PEC

classe A para a escala 1:100.000. Ficando dentro das expectativas para um

produto com resolução espacial de 20m e que sofreu degradação devido aos

processamentos aplicados. Ver no Apêndice C o relatório de processamento.

Numa outra abordagem utilizada pela comunidade cartográfica internacional,

através do critério do CE90, que representa o raio do circulo no qual se tem a

probabilidade de 90% dos pontos testados estarem contidos neste circulo, o

produto ALOS/PALSAR ortorretificado mostrou possuir um Erro-Médio-

Quadrático foi de 13.90m, obtendo-se, por conseguinte o valor de erro-circular

de 29.89 m.

47

5 CONCLUSÕES

Este trabalho teve como objetivo investigar o comportamento dos dados

PALSAR com relação aos alvos do ambiente semi-árido. A metodologia de

coleta de dados em campo, com a utilização de transectos e pontos de

observação, mostrou-se suficientemente adequada para subsidiar a análise

advinda dos dados-radar. Por sua vez, os dados banda L mostraram potencial

discriminatório, em determinado nível, na caracterização de fácies de caatinga

e demais classes de uso da terra presentes nessa região de abrangência de

Serra Talhada (PE).

A sensibilidade dos dados-radar na banda L e na polarização dual (HH e HV),

particularmente perante a estrutura da vegetação de caatinga, mostra o quanto

é complexa tal interação, e conseqüente a interpretação de resultados. Como

são sutis as variações estruturais no contato entre as várias fácies dessa

vegetação do semi-árido, as abordagens classificatórias MAXVER-ICM e

Wishart utilizadas mostraram-se relativamente eficientes, dentro das limitações

impostas pelas componentes disponíveis de base dual. Isso reporta, numa

perspectiva de prosseguimento de linha investigativa, no uso de dados full

polarimétrico, o que provavelmente permitirá explorar com mais propriedades

as diversas variáveis coerentes e incoerentes dos atributos do ALOS/PALSAR.

Considerando os resultados alcançados no presente estudo, visto que a

comunidade de usuários terá como produto-padrão advindo da cooperação

FIBGE e JAXA imagens em modo dual, o uso do conjunto de componentes

[AHH, AHV, AHH*HV] e do classificador MAXVER-ICM permitirá obter informações

contextuais dos temas básicos da região semi-árida.

Em termos da aplicação do produto ALOS/PALSAR ortorretificado, utilizando

as informações de efemérides, DEM SRTM e a não inclusão de pontos de

controle, foi constatada numa análise preliminar do PEC classe A, a acurácia

posicional planimétrica é adequada ao uso dos dados na escala de 1:100.000.

48

Entretanto, esta análise foi realizada com poucos pontos, sugere-se a

realização de experimentos com uma quantidade maior de amostras e uma

distribuição homogênea na imagem.

Outro ponto importante a ser considerado, sobretudo quando se desejar uma

discriminação temática mais detalhada do que a obtida nesse trabalho, é o uso

conjunto de imagens PALSAR em distintos períodos sazonais, o que permitirá

identificar novas configurações no que se refere aos atributos espaciais

ocupados pelas classes de uso e cobertura da terra, facilitando melhor

discussão numa análise exploratória e conseqüente, numa abordagem

classificatória com maior acurácia. Recomenda-se também para trabalhos

futuros o uso de variáveis de textura, diferentes ângulos de incidência e a

avaliação dos dados em termos de quantificação de desmatamentos no

ambiente de caatinga.

49

REFERÊNCIAS BIBLIOGRÁFICAS

ACCIOLY, L. J. O. ; OLIVEIRA, M. A. J.; SILVA, F. H. B. B.; BURGOS, N. Avaliação de Mudanças no Albedo do Núcleo de Desertificação do Seridó através de Imagens do Landsat TM. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 10., 2001, Foz do Iguaçu. Anais... São José dos Campos: INPE, 2001. p. 549-556. Disponível em: <http://marte.dpi.inpe.br/col/dpi.inpe.br/lise/2001/ 09.19.07.46/doc/0549.556.069.pdf >. Acesso em: 10 jan 2009. AINSWORTH, T. L.; ATWOOD, D.; MEYER, F. Boreal forest classification employing dual-pol PALSAR imagery. In: POLinSAR, 2009, Frascati, Italy. Proceedings… 2009. Disponível em: <http://earth.esa.int/cgi-bin/confpol9.pl?abstract=150>. Acesso em: 17 fev 2009. BARROS, M. M.; ACCIOLY, L. J. O.; CANDEIAS, A. L. B.; PACHECO, A.; COSTA, T. C. C.; OLIVEIRA, M. A. J. Avaliação da mudança do uso do solo na região do Seridó - RN/PB. In: COLÓQUIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS, 4., 2005, Curitiba. Anais... Curitiba: UFPR, 2005. BILBISI, H.; TATEISHI, R. A study on land use/cover classification with textural analysis using Multi-Temporal JERS-1 (SAR) L- band in arid and semi-arid areas.(A case study in Northeastren Jordan). In: ASIAN COFERENCE ON REMOTE SENSING, 23., 2002, Kathmandu, Nepal. Proceedings… Kathmandu: 2002. Disponível em: <http://www.gisdevelopment.net/aars/acrs/2002/luc/luc015pf.htm>. Acesso em: 16/01/2009. BRASIL. Decreto n° 89.817, de 20 de junho de 1984. Estabelece as Instruções Reguladoras das Normas Técnicas da Cartografia Nacional. Disponível em: <http://www.concar.ibge.gov.br/indexd46b.html?q=node/16>. Acesso em: 3 fev. 2009. CARVALHO, V.C. Structure et dynâmique de la vegetation en milieu tropical semi-aride. La Caatinga de Quixabá (Pernambouc, Brésil) du terrain a l’analyse des données MSS/Landsat. 1986. 332 p. (INPE-4049-RPE/524). Tese (Doutorado) - Université de Toulouse-Le Mirail. CARVALHO, V. C.; FREITAS, M. W. D. Abordagem Integrada para o Mapeamento da Dinâmica da Terra em Três Áreas-Piloto do Bioma Caatinga. IN: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12., 2005, Goiânia. Anais... São José dos Campos: INPE, 2005. p. 1459-1458. Disponível em: <http://marte.dpi.inpe.br/col/ltid.inpe.br/sbsr/2004/11.19.12.58/ doc/1459.pdf>. Acesso em: 10 dez. 2008. CHEN, E. X.; LI, Z. Y.; TAN, B. X.; PANG, Y.; TIAN, X.; LI, B. B. Supervised Wishart classifier for rice mapping using multi-temporal ENVISAT ASAR APS

50

data. In: ESA ENVISAT Symposium, 2007, Montreux. Proceedings... Montreux, 2007. Disponível em: <http://earth.esa.int/workshops/envisatsymposium/proceedings/ posters/3P2/459009ch.pdf >. Acesso em: 10 fev 2009. CONGALTON, R.G.; GREEN, K. G. Assessing the accuracy of remotely sensed data: principles and practices. New York: Boca Raton, FL, 1999. 137 p. CORREIA, A. H. Projeto, desenvolvimento e avaliação de classificadores estatísticos pontuais e contextuais para imagens SAR polarimétricas. 1998. 271 p. (INPE-7178- DI/679). Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 1998. Disponível em: <http://www.obt.inpe.br/pgsere/1998-Correia_A_H/tese_mestre_final.PDF>. Acesso em: 01 dez 2008. FRANCA-ROCHA, W.; SILVA, A. B.; NOLASCO, M. C.; LOBÃO, J.; BRITO, D.; CHAVES, J. M.; ROCHA, C. C. Levantamento da cobertura vegetal e do uso do solo do Bioma Caatinga. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13., 2007, Florianópolis. Anais... São José dos Campos: INPE, 2007. p. 2629 - 2636. Disponível em: <http://marte.dpi.inpe.br/col/dpi.inpe.br/sbsr@80/2006/11.16.02.49/ doc/2629-2636.pdf >. Acesso em: 15 fev 2009.

FREITAS, M. W. D. Estudo integrado da paisagem do sertão Pernambucano (NE-Brasil) com o uso de sistemas de informação geográfica e sensoriamento remoto. 2006. 142 p. (INPE–14821–TDI/1268). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto de Nacional de Pesquisas Espaciais, São José dos Campos. 2006. Disponível em: <http://mtc-m17.sid.inpe.br/col/sid.inpe.br/MTC-m13@80/2006/05.30.19.34/doc/publicacao.pdf >. Acesso em: 10 out 2008.

FREITAS, C.C.; SANT’ANNA, S.J.S,; RENNO, C.D.; CORREIA, A.H. Utilização de imagens de radar de abertura sintética na classificação de uso e ocupação do solo. São José dos Campos: INPE, 2007. 54 p. Disponível em: <http://www.dpi.inpe.br/livros.php>. Acesso em: 10 nov. 2008.

GUERRA, J. Análise metodológica do tratamento de dados SAR R99B para discriminar incremento de desflorestamento no sudeste da Amazônia. 2008. 121 p. (INPE-0000-TDI/0000). Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 2008. Disponível em: < >. Acesso em: 20 fev 2009. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Mapas de Biomas e vegetação. 2004. Disponível em:

51

<http://www.ibge.gov.br/home/presidencia/noticias/noticia_visualiza.php?id_noticia= 169 >. Acessado em: 30 jan 2008. INSTITUTO DE TECNOLOGIA DE PERNAMBUCO (ITEPE). Precipitação Diária do Posto Serra Talhada. 2008. Disponível em: <http://www.itep.br/meteorologia/lamepe/dados/Chuvas.htm>. Acesso em: 30 jan 2009. JARVIS, A.;REUTER, H.I.; NELSON, A.; GUEVARA, E. Hole-filled SRTM for the globe Version 4, available from the CGIAR-CSI SRTM 90m Database. 2008. Disponível em: <http://srtm.csi.cgiar.org>. Acesso em: 20 jan 2010. KNUST, S. S. A. Avaliação das imagens RADARSAT-1 sob diferentes geometrias de observação em aplicação geológica no Vale do Rio Curaçá (Bahia). 2007. 149 p. (INPE-15187-TDI/1297). Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 2007.Disponível em: http://urlib.net/sid.inpe.br/mtc-m17@80/2007/12.07.12.38 . Acesso em: 26 ago. 2010. KUPLICH, T. M. Estudos florestais com imagens de radar. Espaço e Geografia, Brasília, v. 6, n. 1, p. 71-96, 2003. KWARTENG, A. Y.; DOBSON, M. C.; KELLNDORFER, J.; WILLIAMS R. SAR-based land cover classification of Kuwait. International Journal of Remote Sensing, v.29, n.23, p. 6739-6778. Dec. 2008. LANDIS, J. R.; KOCH, G. G. The measurements of observer agreement for categorical data. Biometrics, v. 33, p. 159-174, 1977. LEE, J.S.; GRUNES, M. R.; KWOK, R. Classification of multi-look polarimetric SAR imagery based on complex Wishart distribution. International Journal of Remote Sensing, v.15, n.11 p. 2299-2311. Jul. 1994. LEE, J. S.; GRUNES, M. R.; DE GRANDI, G. Polarimetric SAR speckle filtering and its implication for classification. IEEE Transactions on Geoscience and Remote Sensing. v. 37, n. 5, 1999. LEPSCH, I. F. Formação e conservação dos solos. São Paulo: Oficina de Textos, 2002, 178p. LEWIS, A. J., HENDERSON, P.M., HOLCOMB, D.W. 1998. Radar fundamentals: the geoscience perspective. In: LEWIS, A.J.; HENDERSON, F.M. Manual of remote sensing: principles and applications of imaging radar. 3 ed. New York: American Society for Photogrammetry and Remote Sensing, 1998. 866p.

52

LIMA, D.A. Exame da situação atual dos ecossistema do nordeste Brasileiro e atividade humana. In: Estudos nordestinos do meio ambiente. Recife, 1986. cap. 3. p. 98-141. LOPES, H. L.; CANDEIAS, A. L. L.; ACCIOLY, L. J. O.; TAVARES JUNIOR, J. R. Utilização dos parâmetros físicos albedo e temperatura na identificação de áreas degradas na bacia do Rio Brígida - PE. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12., 2005, Goiânia. Anais... São José dos Campos: INPE, 2005. p. 3119-3127. Disponível em: <http://marte.dpi.inpe.br/col/ltid.inpe.br/ sbsr/2004/11.20.18.11/doc/3119.pdf>. Acesso em: 20 jan 2008. MALDONADO, F. D. Análise por componentes principais (ACP) na caracterização da dinâmica do uso da terra em área do semi-árido brasileiro: Quixaba – PE, Brasil. 1999. 116 p. (INPE-7180-TD/680). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais. São José dos Campos: INPE, 1999. Disponível em: <http://mtc-m12.sid.inpe.br/col/sid.inpe.br/ deise/1999/10.20.17.19/doc/homepage.pdf>. Acesso em: 10 out 2008. MALDONADO, F. D. Desenvolvimento e avaliação de uma metodologia de detecção de mudanças na cobertura vegetal do semi-árido. 2004. 311 p. (# de série). Tese (Doutorado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais (INPE), São José dos Campos, 2004. Disponível em: < http://mtc-m17.sid.inpe.br/col/sid.inpe.br/jeferson/2004/11.24.09.33/doc/publicacao.pdf>. Acesso em: 10 out 2008. MALDONADO, F. D.; CARVALHO, V. C.; SOUSA, C. L.; MARTINELLI, M; PINHEIRO, O. L.; VIEIRA, F. Determinación de la longitud de Transecta para relevamiento Fisonomico-estructural de la vegetación del semiárido para suministrar datos a las Técnicas de Percepción Remota orbital. Multequina Latin American Journal of Natural Resources. v. 13, 2004. MCNAIRN, H.; CHAMPAGNE, C.; SHANG, J.; HOLMSTROM, D.; REICHERT, G. Integration of optical and synthetic aperture radar (SAR) imagery for delivering operational annual crop inventories. ISPSR Journal of Photogrammetry & Remote Sensing. v. 64, n. 5, 2009. MEIER, E.; FREI, U.; NÜESCH, D. Precise Terrain Correct Geocoded Images. In: SAR geocoding: data and systems. Kalsruhe: Wichmann Verlag, 1993. cap. 7, p. 173-186. MINISTÉRIO DO MEIO-AMBIENTE (MMA). Programa da Conservação da Biodeversidade e Utilização Sustentável da Biodiversidade Brasileira (PROBIO) -Mapas de vegetação do Bioma Caatinga. 2005. Disponível em :

53

<http://mapas.mma.gov.br/geodados/brasil/vegetacao/vegetacao2002/caatinga/documentos/relatorio_final.pdf>. Acesso em: 20 jan 2009. MURA, J. C. Geocodificação automática de imagens de radar de abertura sintética interferométrico: sistema Geo-InSAR. 2000, 159 p. (INPE-8209-TDI/764). Tese (Doutorado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos: 2000. Disponível em: < http://mtc-m05.sid.inpe.br/col/sid.inpe.br/deise/2001/08.03.12.24/doc/pdf/> >. Acesso em: 10 jan 2010. PALOSCIA, S.; BIANCHINI, M.; MACELLONI, G.; PAMPALONI, P.; SANTI, E.; AQID, N.; OUAZAR, D.; ZRIBI, M. Estimating vegetation cover and soil roughness in semi-arid regions from multitemporal dual-frequency SAR data. In: INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, 2001, Sydney. Proceedings… IEEE XPLORE: v. 3, 2001. p. 994-996. PARADELLA, W. R.; SANTOS, A. R.; VENEZIANI P.; CUNHA, E. S. P. Radares imageadores nas geociências: Estado da arte e perspectivas. Revista Brasileira de Cartografia, v. 57, n. 1, p. 50-62, Abr. 2005. (INPE-12355-PRE/7659). Disponível em: <http://urlib.net/sid.inpe.br/iris@1912/2005/05.09.13.40>. Acesso em: 26 ago. 2010. POTTIER, E.; LEE, J. S.; FERRO-FAMIL, L. Advanced concepts. Disponível em: <http://earth.esa.int/polsarpro/Manuals/LN_Advanced_Concepts.pdf>. Acesso em: 15 fev 2009. PROJETO RADAMBRASIL. Folha SB.24 – Jaguaribe/Natal. v. 23, Rio de Janeiro: Departamento Nacional de Produção Mineral - DNPM, 1981. sn. (Levantamento de recursos naturais). QING, D.; HUADONG, G.; ZHEN, L.; CHANGLIN, W. Targets classification of semi-arid region using polarimetric SAR data - An example in Xinjiang, China. In: INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, 2003, Toulouse. Proceedings… IEEE XPLORE: Vol. 7, 2003. p. 4453 – 4455. RANEY, R. K. Radar Fundaments: Technical Perspective. In: LEWIS, A.J.; HENDERSON, F.M. Manual of remote sensing: principles and applications of imaging radar. 3 ed. New York: American Society for Photogrammetry and Remote Sensing, 1998. 866p. RENNÓ, C. D. Avaliação de medidas texturais na discriminação de classes de uso utilizando imagens SIR-C/X-SAR do perímetro irrigado de Bebedouro, Petrolina, PE. 1995. 111 p. (INPE–10441–TDI/926). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto de Nacional de Pesquisas Espaciais, São José dos Campos. 1995. Disponível em: <http://mtc-

54

m12.sid.inpe.br/col/sid.inpe.br/jeferson/2004/03.05.11.22/ doc/paginadeacesso.html >. Acessado em: 15 jan 2009. ROSENQVIST, AKE; SHIMADA, M.; ITO, N.; WATANABE M. ALOS PALSAR: a pathfinder mission for global-scale monitoring of the environment. IEEE Transactions on Geoscience and Remote Sensing, v. 45, n. 11, p. 3307-3316, Nov. 2007. SÁ, I. B. Aplicações da abordagem multiestágio em sensoriamento remoto para mapeamento da vegetação de caatinga: estudo de caso, Petrolina, PE. 1991, 78 p. (INPE-5280-TDI/450). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos: 1991. Disponível em: <http://mtc-12.sid.inpe.br/col/sid.inpe.br/iris%401912/2005/07.19.22.19.23/doc/ paginadeacesso.html >. Acesso em: 10 jan 2009. SCHOWENGERDT, R.A. Remote sensing: models and methods for image processing. 2.ed. London: Academic Press. 1997. 522 p. SILVA, F. B. R.; SANTOS, J. C. P.; SOUZA NETO, N. C.; SILVA, A. B.; RICHE, G. R.; TONNEAU, J. P.; CORREIA, R. C.; BRITO, L. T. L.; SILVA, F. H. B. B.; SOUZA, L. G. M. C.; SILVA, C. P.; LEITE, A. P.; OLIVEIRA NETO, M. B. Zoneamento agroecológico do Nordeste do Brasil: diagnóstico e prognóstico. Recife: Embrapa Solos, Petrolina: Embrapa Semi-Árido, 2000. CD-ROM. SILVA, W. F. Imagens polarimétricas em banda L do SAR-R99B e do MAPSAR (simuladas) para distinguir culturas agrícolas. 2007. 142 p. (INPE–14821–TDI/1261). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto de Nacional de Pesquisas Espaciais, São José dos Campos. 2007. SMARA, Y.; BELHADJ-AISSA, A.; SANSAL,B.; LICHTENEGGER, J.; BOUZENOUNE, A. Multisource ERS-1 and optical data for vegetal cover assessment and monitoring in a semi-arid region of Algeria. International Journal of Remote Sensing, v.19, n.18, p. 3551-3568. May. 1998. TEOTIA, H. S.; SILVA, I. F.; SANTOS, J. R.; VELOSO JUNIOR, J. F.; GONÇALVES, J. L. G. Classificação da cobertura vegetal e capacidade de uso da terra na região do Cariri Velho (Paraíba), através de sensoriamento remoto e geoprocessamento. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 11., 2003, Belo Horizonte. Anais... São José dos Campos: INPE, 2003. p. 1969 - 1976. Disponível em: <http://marte.dpi.inpe.br/col/ltid.inpe.br/sbsr/2002/ 10.28.14.30/doc/14_018.pdf>. Acesso em: 15 jan 2009.

55

VELOSO, H.P.; RANGEL FILHO, A.L.R.; LIMA, J.C.A. Classificação da vegetação brasileira, adaptada ao sistema universal. Rio de Janeiro: IBGE, 1991.123p. VIEIRA, P.R. Desenvolvimento de classificadores de máxima verossimilhança e ICM para imagens SAR. 1996. (INPE– 6124–TDI/585). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto de Nacional de Pesquisas Espaciais, São José dos Campos. 1996. WEGMULLER, U.; STROZZI, T.; FARR, T.; WERNER, C.L. Arid land surface characterization with repeat-pass SAR interferometry. IEEE Transactions on Geoscience and Remote Sensing, v. 38, n. 2, p. 778-781, Mar. 2000. WOODHOUSE, I. H. Introduction to microwave remote sensing. New York: Boca Raton, FL, 2005. 370 p. ZRIBI, M.; HEGARAT-MASCLE, S. L.; TACONET, O.; CIARLETT, V. I.; VIDAL-MADJAR, D.; BOUSSEMA, M. R. Derivation of wild vegetation cover density in semi-arid regions: ERS2/SAR evaluation. International Journal of Remote Sensing, v.24, n.6, p. 1335-1352. Mar. 2003.

57

APÊNDICE A – DADOS DO POSTO PLUVIOMÉTRICO SERRA TALHADA MÊS DE MAIO DO ANO DE 2008.

Tabela A.1 – Dados de precipitação diária do posto pluviométrico de Serra

Talhada no mês de maio de 2008.

Dia Precipitação (mm) 1 0.0 2 0.0 3 0.8 4 0.0 5 0.0 6 14.8 7 5.0 8 0.0 9 0.0

10 19.0 11 0.5 12 0.0 13 5.8 14 0.0 15 0.0 16 0.0 17 0.0 18 0.8 19 0.3 20 1.3 21 5.8 22 1.8 23 5.5 24 0.0 25 8.8 26 0.0 27 8.3 28 2.8 29 0.0 30 0.0 31 0.0

59

APÊNDICE B – LISTA DE NOMES POPULARES, NOMES CIENTÍFICOS E FAMÍLIAS DAS ESPÉCIES ENCONTRADAS NA ÁREA DE ESTUDO.

Tabela B.1 - Lista de nomes populares, nomes científicos e famílias das

espécies encontradas na área de estudo.

Nome Popular Nome Cientifico Família Ameixa Ximenia americana L. Olacaceae

Angico Anadenanthra columbrina (Vell.) Brenan Mimosaceae

Angico de bezerro Piptadenia obliqua Benth. Mimosaceae

Angico de carroçoAnadenanthera columbrina

(Vell.)Brenan var. cebil (Griseb.) Altshul

Mimosaceae

Angico vermelho Anadenanthra macrocarpa (Benth) Brenan. Mimosaceae

Araticum Annona glabra L. Annonaceae Aroeira Astronium urundeuva Engl. Anacardiaceae

Azedinha Oxalis bahiensis (ness) Morong Oxalidaceae

Azulão Heliotropium procubens L. Boraginaceae Baraúna Schinopsis brasiliensis Engl. Anacardiaceae

Barba de bode Cyperus unciualatus Schrad. Ex Nees Cyperaceae

Burra Leiteira Sapium sp. Euphorbiaceae Caatingueira verdadeira Caesalpinia pyramidalis Tul. Leguminosae-Fabaceae

Camará Lantana camara L. Verbenaceae

Canafístula Senna spectabilis var. excelsa (Sharad.) H.S. Irwin&Barneby Fabaceae

Capim amargoso Digitaria insulari (L.) Mez ex. Ekman Poaceae

Capim buffel Cenchrus ciliaris L. Poaceae Capim fino Digitaria horizontalis Willd. Poaceae

Capim panasco Aristida adscensionis L. Gramineae Capim pé de

papagaio Dactyloctenium aegyptium (L.)

Beauv. Poaceae

Caroá Neoglaziovia variegata Mez. Bromeliaceae Carqueja Calliandra depauperata Benth Fabaceae

Caatingueira rasteira Ceasalpinia microphylla Mart. Leguminosae-Fabaceae

Coroa de frade Melocactus bahiensis (Br. Et Rose)Werderm Cactaceae

Ervanço branco Richardia grandiflora Rubiaceae

60

(Cham&Shlecht.) Steudel Ervanço preto Diodia teres Walt. Rubiaceae

Facheiro Pilosocereus pachycladus F.Ritter Cactaceae

Farinha seca Pisonia tomentosa Casar Nyctagenaceae

Favela

Cnidoscolus phyllacanthus

(Mart.) PAX&K. Hoffm.

Euphorbiaceae

Favela braba Cnidoscolus obtusifolius Pohl. Euphorbiaceae Feijão brabo Capparis flexuosa L.f. Capparaceae

Gergelim brabo Hyptis brevipes Vog. Labiatae Cipó de Grajaú Arrabidea sp. Bignoniaceae Imbira vermelha Melochia tomentosa R.E.Fr. Sterculiaceae

Imburana de cheiro Amburana cearensis Moq. Fabaceae

Imburana, Imburana de

cambão

Commiphora leptopholoes (Mart.) J.B. Gillet Burseraceae

Ipê Tabebuia impetiginosa (Mart.) Standl Bignoniaceae

Jericó Selaginella convoluta Spring Selaginellaceae Juazeiro Zizyphus joazeiro Mart. Rhamnaceae

Jurema lambe beiço

Mimosa sensitiva L.var. sensitiva L. Mimosoideae

Jurema preta Mimosa tenuiflora (Willd.) Poir. Mimosaceae Jurema rama de

boi Acacia piauhiensis Benth.(O) Mimosaceae

Jurema vermelha Mimosa arenosa (Willd.) Poir. Fabaceae

Macambira Bromelia laciniosa Mart. ex Schult. f. Bromeliaceae

Macambira de flecha Encholirium spectabile Mart. Bromeliaceae

Malícia Mimosa sensitiva L. Leguminosae Canela de siriema Sida galheirensis Ulb. Malvaceae

Malva estrela Wissadula subpeitata (Kuntz) Fries Malvaceae

Malva rasteira Pavonia cancellata (L.) Cav. Malvaceae Malva veludo Sida cordifolia L. Malvaceae Mandacaru Cereus jamacaru D.C. Cactaceae

Maniçoba Manihot glaziovii Muell. Arg. Euphorbiaceae

Marmeleiro Croton hemiargyreus Müll. Arg. Euphorbiaceae Moleque duro Cordia leucocephala Moric. Boraginaceae

Mororó Bauhinia cheilantha (Bong.) Steud. Euphorbiaceae

61

Mucunã Dioclea grandiflora Mart. Leguminosae-Papilionoideae

Mofumbo Combretum leprosum Mar. Et Eichl. Combretaceae

Pau ferro Caesalpinia ferrea Mart. Ex Tul.

Leguminosae-Caesalpinioideae

Pereiro Aspidosperma pyrifolium Mart. Apocynaceae Picão Bidens pilosa L. Asteraceae

Picão branco Galinsoga parviflora Cav. Asteraceae Pinhão rasteiro Jatropha ribifolia (Pohl.) Baill. Euphorbiaceae

Pinhão vermelho Jatropha mollissima (Pohl.) Baill. Euphorbiaceae

Quebra-faca Croton conduplicatus Black. Euphorbiaceae

Quipá Opuntia inamoema K. Schum. Cactaceae Quixabeira Sideroxylon obtusifolium Rich. Sapotaceae

Rompe gibão Erytroxylum nummularia Peyritsch Erytroxylaceae

São João Cassia excelsa Schrad. Leguminosae-Caesalpinioideae

Sete-cascas Tabebuia spongiosa Rizzini Bignoniaceae Umbuzeiro Spondias tuberosa Arr.Cam. Anacardiaceae

Xique-xique Pilosocereus gounellei (Weber) Byl. et Rowl. Cactaceae

63

APÊNDICE C – RELATÓRIO DE PROCESSAMENTO NO APLICATIVO GEOPEC.

GeoPEC Padrão de Exatidão Cartográfica

RELATÓRIO DE PROCESSAMENTO

___________________________________________________

--------------------------------------------------------------------------

DADOS DO PRODUTO CARTOGRÁFICO -------------------------------------------------------------------------- Produto Analisado: ALOS/PALSAR Local: Data: Responsável Técnico: -------------------------------------------------------------------------- --------------------------------------------------------------------------

INFORMAÇÕES ESPECÍFICAS DO PROCESSAMENTO -------------------------------------------------------------------------- Escala de Referência: 1/100000 Equidistância das curvas de nível: 0 Nível de Significância (Planimetrico): 90% (a=0,100) Nível de Significância (Altimétrico): ---- Nº Total Pontos de Controle: (Planimetrico)= 7 (Altimetrico)= 0 Nº Pontos Processados: (Planimetrico)= 7 (Altimetrico): 0 -------------------------------------------------------------------------- Coordenada Este (m): Média: 2,8981 Desvio Padrão: 10,1704 RMS: 9,8519 Teste de Tendência: t calculado: 0,7539 t tabelado: 1,9432 Situação: Sem Tendência Teste de Precisão: Qui-quadrado calculado: Classe A=1,3792 Classe B=0,4965 Classe C=0,3448 Qui-quadrado tabelado: 10,6 -----------------------------------------------------------------------

64

--- Coordenada Norte (m): Média: 3,0603 Desvio Padrão: 10,0674 RMS: 1,9779 Teste de Tendência: t calculado: 0,8043 t tabelado: 1,9432 Situação: Sem Tendência Teste de Precisão: Qui-quadrado calculado: Classe A=1,3514 Classe B=0,4865 Classe C=0,3378 Qui-quadrado tabelado: 10,6 --------------------------------------------------------------------------

65

--------------------------------------------------------------------------

RESULTADOS GERAIS -------------------------------------------------------------------------- Resultante Planimétrica (m): Média: 12,5209 Desvio Padrão:6,528 RMS: 13,9032 Teste de Tendência: Situação: Sem Tendência Teste de Precisão: Situação: Classe A -------------------------------------------------------------------------- Resultante Altimétrica (m): Média: 0 Desvio Padrão: 0 RMS: 0 Teste de Tendência: t calculado: 0 t tabelado: 0 Situação: Tendência NÃO CALCULADA Teste de Precisão: Qui-quadrado calculado: Classe A=0 Classe B=0 Classe C=0 Qui-quadrado tabelado: 0 Situacao: Classe NÃO CALCULADA -------------------------------------------------------------------------- -------------------------------------------------------------------------- CLASSIFICACAO DO PRODUTO CARTOGRÁFICO -------------------------------------------------------------------------- O produto: "ALOS/PALSAR", de acordo com o decreto-lei nº. 89.817 de 20 de junho de 1984, que regulamenta as normas cartográficas brasileiras, encontra-se classificado com Padrão de Exatidão Cartográfica Classe A para uso planimétrico e Classe NÃO CALCULADA para uso altimétrico. Quanto à analise de tendência nas componentes posicionais do produto, temos: Sem Tendência para o uso planimétrico e, Tendência NÃO CALCULADA para o uso altimétrico. --------------------------------------------------------------------------

___________________________________________________

GeoPEC 2008 - versao 1.00

Avaliação temática de imagens ALOS/PALSAR no mapeamento do ...

Documents

Transcript of Avaliação temática de imagens ALOS/PALSAR no mapeamento do ...