Definição e refinamento das informações contextuais

O MDEHC produzido anteriormente neste trabalho foi utilizado para a ortorretificação das imagens e foi considerado adequado ao uso e derivação de produtos para serem empregados como informações contextuais na análise. Vale mencionar que há métodos quantitativos de avaliação de MDEs muito robustos e precisos (ZHU et al., 2005; AGUIAR et al., 2006; SHI e TIAN, 2006), entretanto não foram empregados. Como o trabalho se ocupa da questão de identificação de objetos, não exige métrica. Logo, o importante foi dar mais atenção à radiometria e menos à geometria.

As informações contextuais utilizadas na modelagem indireta podem ser categorizadas como variáveis de ambiente: topográficas e espectrais. As variáveis topográficas foram o MDEHC e seus produtos derivados como Modelo Digital de Declividades (MDD) e o Modelo Digital de Azimute (MDA) da face de maior declividade. O MDA foi produzido em uma etapa intermediária para geração de outros dois produtos. A partir dos valores MDA foram derivados o Modelo Digital de faces Norte (MDN) e o Modelo Digital de faces Leste (MDL), obtidos por operações trigonométricas de cosseno e seno, respectivamente, representando as componentes angulares do MDA (maiores detalhes sobre esses componentes derivados do MDA podem ser encontrados em Domaç e Süzen (2006)). O cosseno dos valores angulares do MDA forneceu o MDN com valores escalonados de -1 a +1, onde os mais próximos de 1 representam as faces do terreno que são voltadas para o Norte e os valores negativos próximos de -1 representam as faces voltadas para o Sul. Valores próximos de zero, positivos ou negativos representavam a superfície plana. O mesmo raciocínio é aplicado para a operação de seno com valores de MDA, porém os maiores e menores valores (+1 e -1) do MDL representavam respectivamente as faces Leste e Oeste do terreno. A mesma interpretação do MDN quanto aos valores próximos de zero é dada ao MDL, ou seja, representam superfície plana. A variável espectral utilizada foi o NDVI.

Uma vez derivadas, as variáveis foram submetidas a uma inspeção visual qualitativa antes de se prosseguir com as análises, para verificação da consistência das imagens geradas. Essa inspeção verificou discrepância nos valores de MDD por toda a extensão do limite do Município. Os pixels nessa área linear exibiam leitura de valores

60 de 198% e 199%, o que representa uma convergência ao infinito (equivalente a aproximadamente 90°) em termos de declividade. Esses pixels de valores discrepantes eram capazes de introduzir tendências no modelo, pois se tratavam de importâncias superestimadas. Tratou-se do efeito de borda na determinação da Declividade. Acredita- se que esse efeito apareceu, provavelmente, no cálculo do valor de declividade do último pixel válido que limita o polígono da área de interesse, cujo vizinho imediato é um pixel de valor geralmente inválido, representado comumente por valores 0 ou -9999. A partir daí, foram constatados outros dois problemas: (i) o valor zero não se trata de um valor inválido para a grandeza declividade, pois representa as áreas planas e sua ocorrência na superfície válida, porém acontece comumente acompanhada de mudança gradual20 de valores; (ii) os algoritmos para determinação de declividades geralmente não limitam sua área de atuação, computando esses valores como válidos, o que causa, em alguns casos, uma discrepância de significativa magnitude por toda a extensão limitante. O número de pixels que apresentavam essa característica foi de 131.204 unidades. Como na prática esses pixels representam valores irreais, pois tendem ao infinito, obviamente houve necessidade de removê-los do MDD para não comprometer o método proposto. Empregou-se o software ERDAS para realizar as operações de remoção. Como um único pixel do MDD é um quadrado de lado medindo 2,4m e isto representa por volta de 5,76m2 em unidades de área, equivale dizer que foram eliminados 0,7557351Km2 dos aproximados 331 Km2 de área do Município, o que representa uma perda de 0,2283% da área útil de estudo do MDD. Para remover os valores de pixels discrepantes foi realizado um processo de reclassificação na imagem do MDD, ajustando os valores discrepantes para zero. Entretanto, a remoção dos pixels de borda trouxe outro efeito indesejável e também comprometedor à integridade da análise, que foi a redução de área efetiva. Além dessa diferença, foi verificado que nem todos os planos de informação convertidos para imagens, embora de mesmas dimensões, coincidiam com os limites da área que define o Município. As imagens orbitais apresentavam maior coincidência com o MDEHC embora nem tanta com o plano de informações de quadras.

Admitiu-se que a melhor opção seria a equiparação de área de atuação das demais variáveis para coincidir com o MDD, por uma operação de refinamento. Para isso, foi elaborado empiricamente um algoritmo para produzir uma imagem booleana, resultante do produto das intersecções de todos os PIs empregados na análise. Essa imagem foi

20

Para ser válido, seria como se seu valor de declividade representasse a borda de um penhasco. Em outra situação, pode ser constatado como erro.

61 utilizada em operações aritméticas de multiplicação com cada plano de informação ou imagem orbital, redefinindo uma nova área de atuação. O algoritmo foi executado como segue:

(i) definiu-se um número escalar arbitrário tal que seu valor em uma operação de adição com qualquer das imagens não permitisse valores negativos como resultado (utilizou-se o valor arbitrário 1000);

(ii) somou-se o valor escalar para cada imagem do conjunto que se pretendia a intersecção (MDEHC, MDD, MDA, NDVI, Imagens orbitais corrigidas); (iii) realizou-se operação lógica and de cada resultado de (ii) com uma mesma

imagem limite de referência (o limite municipal);

(iv) processou-se uma única operação lógica and entre todos os resultados de (iii), e produziu-se a imagem booleana de área comum.

(v) com a imagem booleana obtida em (iv) realizaram-se operações aritméticas de multiplicação em cada imagem que participaria das análises.

Como a operação aritmética de multiplicação envolveu todas as variáveis envolvidas, garantiu-se que todos os produtos apresentassem a mesma área útil e, conseqüentemente, integridade na operação. Um novo conjunto de imagens com novas dimensões de cobertura espacial foi então definido para todas as variáveis envolvidas. Na ilustração da Figura 8 é apresentada a variável de ambiente espectral NDVI.

62 Figura 8 – Variável de ambiente espectral NDVI. Os menores valores são apresentados em tons marrons e os maiores valores em tons verdes.

Na Figura 9 é apresentada a variável de ambiente topográfica MDEHC. A variável MDD, primeira derivada do MDEHC é exibida na ilustração da Figura 10. As ilustrações na Figura 11 exibem o MDN e as ilustrações apresentadas na Figura 12 mostram o MDL, ambas são primeiras derivadas de MDA e segundas derivadas do MDEHC.

63 Figura 9 – Variável de ambiente topográfica MDEHC, menores valores nas cores em tons de azul escuro e maiores valores em cores avermelhadas.

64 Figura 10 – Variável de ambiente topográfica MDD com menores valores nas cores em tons de azul escuro e maiores valores em cores de tons avermelhados.

65 Figura 11 - Variável de ambiente topográfica MDN com menores valores exibidos em tons escuros de cinza, e maiores valores mostrados em tons claros de cinza.

66 Figura 12 - Variável de ambiente topográfica MDL cujos menores valores são exibidos em tons de cinza escuro e maiores valores mostrados em tons de cinza claro.