Desenvolvimento do Algoritmo Utilizando os Princípios do SIG.

Para o desenvolvimento da rotina, primeiramente o arquivo que continha o banco de dados com as coordenadas geográficas na projeção UTM (Universal Transverse Mercator) das unidades de mapeamento do mapa de solos foi transformado em uma matriz de “N” linhas por 2 colunas e inserido no algoritmo, utilizando os comandos SAVE e LOAD, no ambiente MATLAB. Posteriormente, foi definido o limite da área em função da diferença entre os valores extremos das coordenadas x e y (xmin e ymax). Concluída essa etapa, foi definida a

estrutura de localização geográfica do mapa a ser gerado, utilizando-se a função “MSTRUCT”. Os parâmetros escolhidos para aplicação dessa função foram a zona de localização da área de estudo, com base na projeção UTM para o fuso 23S e geóide de referência Clarke 66.

A forma e tamanho de um geóide, bem como sua posição relativa a um elipsóide de referência define um sistema geodésico (também designado por datum geodésico). No caso brasileiro adota-se o Sistema Geodésico Sul Americano - SAD 69, com as seguintes características:

- Elipsóide de referência - UGGI 67 (recomendado pela União Geodésica e Geofísica Internacional em 1967) definido por: semi-eixo maior - a: 6378160 m, achatamento - f: 1/298,25.

78 Como os parâmetros do sistema geodésico utilizado no Brasil (SAD 69) não são os mesmos do geóide Clarke 66, foram feitas correções a fim de se utilizar os mesmos parâmetros do sistema geodésico brasileiro.

Após essa etapa foi realizada a conversão das coordenadas em UTM para coordenadas geográficas, utilizando a função MINVTRAN.

3.4.1 Geração da imagem raster georeferenciada

Este processo foi realizado em três etapas: a) definição da resolução espacial da imagem raster; b) definição das dimensões do arquivo matricial; c) georeferenciamento da imagem raster.

a) Definição da resolução espacial da imagem raster

A resolução espacial mede a menor separação angular ou linear entre dois objetos. Quando se diz que um sistema possui resolução espacial de 30 m significa dizer que objetos com uma distância entre si menor que 30 m não serão discriminados pelo sistema. Nesse estudo foi adotada uma resolução espacial de 10 metros, ou seja, cada pixel da imagem raster representou uma área de 10 x 10 m do mundo real. Como o sistema de unidades de projeção do mapa gerado trabalha em graus decimais, foi determinado um fator de escala (scale) que mostra o quanto cada pixel da matriz da imagem representa no mundo real.

b) Definição das dimensões do arquivo matricial

Dados matriciais devem ser entendidos como qualquer dado armazenado, em uma estrutura de matriz retangular com N linhas x M colunas, como grades regulares ou imagens de sensoriamento remoto. Em função da resolução espacial adotada de 10 metros, foi criado um retângulo envolvente da área estudada, com dimensões de 6675m x 4650m, que foi dividido pela resolução espacial adotada, gerando uma matriz de 464 linhas por 666 colunas. A implementação dessa etapa no MATLAB foi realizada utilizando a função SIZEM que utiliza como parâmetros de entrada os valores extremos ou limites de latitude e longitude da área e o scale (limlat, limlong, scale).

c) Georreferenciamento da imagem raster

O georreferenciamento da imagem foi realizado utilizando a função MAPLEGEND, que define a localização geográfica e o tamanho da célula da matriz do mapa, utilizando como parâmetros de entrada o scale e as latitudes mais ao norte e mais ao oeste [scale maxlat minlon].

Cumprida esta etapa, as regiões de interesse dentro da matriz do mapa foram selecionadas utilizando a função ROIPOLY. Essa função gera uma imagem binária com o valor 1 dentro da área de interesse e zero fora. As regiões consideradas de interesse foram as próprias unidades de mapeamento que, posteriormente foram multiplicadas pelo valor da renda gerado utilizando as função de resposta e os índices econômicos referentes a cada cultura.

3.4.2 Renda líquida maximizada

A renda líquida maximizada de cada cultura (RLM) foi calculada considerando a equação:

79

RLM = (prec.pmax')-cust-(custw.wmax') (1)

em que,

RLM = renda máxima da cultura desconsiderando os custos de adubação e calagem, em R$ ha-1;

prec = preço de venda da tonelada do produto, em R$ ton-1;

pmax = produtividade máxima em função da lâmina de água aplicada, em ton ha-1; cust = custo do processo produtivo desconsiderando os gastos com água, adubação e calagem, em R$ ha-1;

custw = custo da água, calculado conforme metodologia do CEIVAP, R$ mm-1; e wmax = lâmina ótima que garante a produção máxima, em mm;

O valor de RLM constituiu o atributo de cada célula do mapa gerado. O mapa final de renda maximizada de cada cultura foi obtido subtraindo o valor de RLM do custo de adubação e calagem para cada cultura e para cada unidade de mapeamento, conforme apresentado na Tabela 2.

3.4.3 Apresentação das classes de renda pelo algoritmo

A apresentação de todos os mapas correspondentes aos limites de cada unidade de mapeamento em uma única imagem foi feita somando-se os mapas individuais de cada unidade de mapeamento. Para visualizar as diferentes classes de renda no mapa final, foi utilizada a ferramenta interativa COLORM que permite apresentação colorida da matriz do mapa, possibilitando separar, por meio de uma paleta de cores, as diferentes classes de valores da matriz do mapa gerado.

Para permitir a visualização do eixo de projeção, criado utilizando a função MESHM na imagem do mapa final gerado, foi utilizada a ferramenta interativa MAPTOOL, que permite a visualização dos parâmetros de localização geográfica na imagem gerada e do eixo em função do sistema de projeção. A Figura 6 apresenta o fluxograma que ilustra, de forma resumida, a metodologia utilizada para construção do algoritmo desenvolvido.

80

81