GEOPROCESSAMENTO E ALGUMAS TÉCNICAS UTILIZADAS

Segundo CÂMARA e MEDEIROS (1996), pode-se definir Geoprocessamento como a disciplina do conhecimento que utiliza técnicas matemáticas e computacionais para o tratamento da informação geográfica através de Sistemas de Informação Geográfica (SIG).

2.5.1 Processamento Digital de Imagens

Processamento digital de imagens é um conjunto de técnicas que tem como objetivo principal, remover os vários tipos de degradação e distorção inerentes aos processos de aquisição, transmissão e visualização das imagens coletadas, facilitando a extração das informações. As técnicas de processamento digital de imagens podem ser por composição colorida e a por classificação, as quais são descritas nas subseções seguintes.

2.5.1.1 Composição Colorida

Segundo CROSTA (1993) é a capacidade que o sistema visual humano tem para enxergar tonalidades de cinza que não vai além de trinta diferentes níveis.

Quando se trata, porém, de discernir cores, esse número alcança facilmente algumas dezenas de milhares de cores diferentes (com um máximo supostamente em torno de sete milhões). Pode-se dizer, portanto que a cor domina o sistema visual humano.

As imagens, por sua natureza multi-espectral, são compostas por diversas bandas em níveis de cinza (variação de 0 a 255). Assim, a utilização de uma técnica de composição de cores destas bandas pode facilitar a visualização de fenômenos. Esta técnica conhecida como composição colorida, constitui uma poderosa forma de sintetizar, numa única imagem a partir de três bandas originais ou derivadas, uma grande quantidade de informação. Dessa forma, ao mesmo tempo em que representam essa informação em diferentes cores, facilitam a interpretação pelo profissional.

A composição colorida é um dos produtos mais comuns do Processamento Digital de Imagens (PDI) de sensoriamento remoto. Consiste em alocar três bandas distintas de uma mesma cena em diferentes canais de cores primárias (vermelho, verde e azul). A combinação destas três cores primárias resultará numa gama de cores, onde estão incluídas as cores subtrativas ou secundárias (amarelo, magenta e cyan).

Observa-se que a escolha dos canais para as diversas bandas é de considerável importância para a interpretação. Uma banda qualquer que mostra boa reflectância (níveis de cinza claros) de um determinado material, quando alocada, por exemplo, no canal do vermelho (R), certamente mostrará estas informações em tonalidades avermelhadas. Se uma outra banda que possui a característica de também refletir bem esta informação e durante a composição for alocada no canal do Verde (G), o resultado final deste material na imagem (não considerando neste caso a outra banda do triplete que deveria estar no canal do Azul (B), terá tonalidades avermelhadas e amarelas.

Assim a escolha dos canais exige critério e conhecimento. Outros autores descrevem o critério que relaciona textura de imagem com capacidade (afinidade) do sistema visual humano em diferenciar tons de cores. BICHO, 1994, citado por SOUZA (1998) afirma que o sistema visual humano consegue discernir melhor as cores vermelhas e azuis. As tonalidades da cor verde, não são bem diferenciadas pelo homem. Assim, aconselha-se alocar as bandas de variações sutis nos canais do vermelho e do azul. No canal do verde, aloca-se a banda que apresenta maior variação textural.

2.5.1.2 Classificação de Imagens Digitais

Segundo MOREIRA (2001), durante a classificação de dados digitais, os alvos dos universos reais recebem denominação genérica de classes ou classes temáticas. Em outras palavras, na classificação procura-se rotular cada “pixel” da imagem segundo a sua ocupação do solo, semelhante o que se faz na abordagem visual. Para tal, faz-se necessária a utilização de programas apropriados, apoiados por

algoritmos de classificação ou simplesmente classificadores. A categorização (rotulação) dos valores dos níveis de cinza é feita utilizando algoritmos estatísticos (em programas computacionais) de reconhecimento de padrões espectrais.

Dependendo do algoritmo utilizado, neste procedimento, a classificação é dita supervisionada ou não-supervisionada. O procedimento de classificação envolve duas fases distintas, ou seja, o treinamento e a classificação propriamente ditos.

O treinamento consiste no reconhecimento da assinatura espectral de cada uma das classes de uso do solo da área estudada. Para alguns classificadores ou algoritmos esse reconhecimento envolve a obtenção de parâmetros estatísticos (média, matriz de convariância, entre outras) de cada classe contida na área. Para outros, o reconhecimento se faz através de procedimentos bastante simples, baseando-se apenas no nível mínimo e máximo de cinza na área fornecida para o treinamento. Dependendo de como o analista treina o sistema de classificação, diz-se supervisionado ou não-supervisionado.

Tanto o sistema de classificação supervisionado quanto o não-supervisionado, possui regras de decisão para que o classificador associe um determinado “pixel” a uma determinada classe ou região de similaridade de níveis de cinza.

2.5.2 Modelo Numérico do Terreno

Segundo FELGUEIRAS,⁶ citado por ROCHA (2000) um Modelo Numérico do Terreno (MNT) é uma representação matemática computacional da distribuição de um fenômeno espacial, que ocorre dentro de uma região da superfície terrestre. São dados do tipo MNT, os dados de relevo, geofísicos, geoquímicos, profundidades de um mar ou um rio. É a representação matemática de uma superfície através de coordenadas X, Y e Z. Geralmente traduzem feições altimétricas de uma região. O MNT também é denominado de Digital Elevation Model (DEM), ou Modelo Digital do Terreno (MDT).

6 FELGUEIRAS, C. A. Modelagem umérica do terreno. In: CÂMARA, G.; MEDEIROS, J. S. Gis para meio ambiente. Curitiba: GIS Brasil, 1998.

No processo de modelagem numérica do terreno pode-se distinguir três fases:

a) aquisição de dados (Ex.:amostras de curvas de nível);

b) geração de grades (retangulares e triangulares);

c) elaboração de produtos (carta de inclinação do terreno).

Como mostrado pelo INPE (2000), as aplicações ou produtos de MNT não são elaborados sobre os dados amostrados, mas sim, sobre os modelos gerados no formato de grade regular (retangular) ou irregular (triangular). Assim, a compreensão destes temas torna-se imprescindível ao usuário de geoprocessamento que almeja trabalhar com dados do tipo MNT.

Segundo CREPANI et al. (1996) o uso de sensoriamento remoto nos trabalhos de zoneamento ecológico-econômico deve explorar o potencial de informações disponível nas imagens de satélite complementando as informações disponíveis nos diversos trabalhos existentes. O simples cruzamento de cartas temáticas ou de planos de informação, no caso dos SIG’s gerando novos dados, sem o acréscimo de conhecimento que o especialista pode obter a partir da interpretação das imagens, estará desprezando informações de inestimável importância.

A integração de informações disponíveis, sobre as imagens de satélite simultaneamente à sua interpretação, leva aos melhores e mais completos resultados no sentido de entender o meio ambiente de forma mais holística. Segundo TRICART, 1981, citado por CREPANI et al. (1996), o sensoriamento remoto deveria ser usado para melhorar a descrição das paisagens e o conhecimento de nosso ambiente. Ele define paisagem, adaptando de J. P. Deffontaines, como “uma porção perceptível a um observador onde se inscreve uma combinação de fatos visíveis e invisíveis e interações as quais, num dado momento percebemos senão o resultado global”.

TRICART e KIEWIETDEJONGE (1992) apresentam uma discussão bastante interessante sobre sensoriamento remoto e ecodinâmica, além de discutirem diversos procedimentos para o estudo do meio ambiente, abordam também a gestão dos ambientes rurais.