Mapeamento da cobertura vegetal

Para quantificação e mapeamento da cobertura vegetal urbana do Natal foi utilizado um mosaico digital de imagens de satélite, elaborado com base na metodologia exposta por Sucupira et al. (2014) e disponibilizado pela Secretaria Municipal de Meio Ambiente e Urbanismo (SEMURB). A maior parte das Regiões Administrativas Norte e Oeste foram imagiadas em abril de 2012 e as Regiões Leste e Sul em janeiro de 2013. O mosaico é uma composição colorida RGB das bandas 3, 2, 1.

As imagens de satélite foram originalmente obtidas no software Google Earth Pro e fornecidas pela empresa Digital Globe. No período de 2012 e 2013 os seguintes satélites da empresa estavam em operação: GeoEye-1; Ikonos, QuickBird, WorldView-1 e WorldView-2 (DIGITALGLOBE, 2016). Como não existem metadados disponíveis, não é possível inferir qual satélite forneceu as imagens utilizadas e a resolução espacial, contudo, considerando a média de resolução espacial no modo pancromático dos satélites acima citados e o tamanho dos objetos visualizados nas imagens, verifica-se que o mosaico possui uma resolução espacial submétrica.

Justifica-se a utilização do mosaico pela sua alta resolução espacial, possibilitando a identificação de tipos de cobertura vegetal de menor dimensão, como árvores em passeios públicos, bem como pela menor cobertura de nuvens e pela gratuidade na disponibilidade da imagem, satisfazendo os objetivos do estudo.

A utilização de imagens do Google Earth vem ganhando destaque no meio acadêmico, sobretudo pela acesso gratuito a dados com alta resolução espacial. De acordo com um estudo de validação das imagens do Google Earth PRO elaborado por Lopes e Nogueira (2011), as imagens apresentam fidelidade geométrica e posicional considerando testes amostrais com pontos, linhas e áreas. No entanto, é importante ressaltar que são necessários cuidados cartográficos na utilização de imagens do Google Earth PRO, como escolha de referências posicionais adequadas para o georreferenciamento das imagens, verificação da data da imagem de satélite e da precisão necessária para o mapeamento. Considerando o exposto, a utilização ou não das imagens vai depender do objetivo do estudo.

processamento mais rápido do computador no momento da classificação digital e permitiu que os dados fossem analisados com um detalhe em nível do bairro, legalmente caracterizado como a unidade territorial de planejamento do município (NATAL, 2007).

O recorte do mosaico foi baseado no arquivo vetorial2 dos limites dos bairros de Natal, ano de 2015, disponibilizado pela SEMURB e foi feito no SIG QGIS 2.12.1. Nesse arquivo são limitados os trinta e seis bairros da cidade e mais uma área denominada de Parque das Dunas, correspondendo à Unidade de Conservação Parque Estadual Dunas do Natal (ZPA 2) e o entorno da Av. Senador Dinarte Mariz (Via Costeira). Embora o Parque seja gerido pelo Estado do Rio Grande do Norte, faz parte da delimitação oficial do município de Natal. Nas imagens recortadas foram realizados os seguintes procedimentos: reprojeção, segmentação, classificação e cálculo das áreas dos polígonos, de acordo com os procedimentos e caminhos indicados no Quadro 2, todos utilizando o Sistema de Informação Geográfica (SIG) ArcGIS 10.3.

A reprojeção é a transformação do Sistema de Referência de Coordenadas (SRC) do dado original para outro SRC. Esse sistema é composto por um sistema de coordenada e um datum. As imagens recortadas estavam organizadas no Sistema de Coordenadas Planas UTM, Zona 25 Sul e no datum SAD 69. O datum oficial do Brasil desde o ano de 2015 é o SIRGAS 2000, portanto foi necessário realizar a reprojeção das imagens para o Sistema de Coordenadas Planas UTM, Zonas 25 Sul, datum SIRGAS 2000 (Quadro 2), padronizando os dados segundo as normas apresentadas em IBGE (2015).

A segmentação é um procedimento que pode ser realizado antes da classificação supervisionada para realçar melhor os diferentes objetos da imagem, por meio da criação de regiões formadas por um conjunto de pixels que apresentam uniformidade (WOODCOCK; HARWARD, 1992), dividindo a imagem em unidades homogêneas.

Após a segmentação foi realizada a classificação digital, que é o processo de extração de informações das imagens para gerar um mapa de pixels classificados de forma automatizada (MENESES; SANO, 2012). A classificação escolhida foi a supervisionada através do método máxima verossimilhança (MAXVER). Nesse tipo de classificação é necessário que o usuário selecione amostras de cada tema (classe) que irão treinar o algoritmo para executar a classificação. O método máxima verossimilhança “considera a ponderação das distâncias entre

2_{Existem dois tipos de representação de dados em um SIG, a representação vetorial e a matricial. “Na}

representação vetorial, a representação de um elemento ou objeto é uma tentativa de reproduzi-lo o mais exatamente possível. Qualquer entidade ou elemento gráfico de um mapa é reduzido a três formas básicas: pontos, linhas, áreas ou polígonos” (CÂMARA; MONTEIRO, 2001, p. 16).

as médias dos valores dos pixels das classes” e calcula a probabilidade de um pixel pertencer a uma ou outra classe, dependendo da posição do pixel (INPE, 2008, p. 02).

Quadro 2 – Procedimentos para obtenção do shapefile das áreas de cobertura vegetal urbana de Natal.

ETAPA PROCEDIMENTO CAMINHO NO ARCGIS

Organização do ambiente de trabalho para armazenamento

dos arquivos

Criação de pastas específicas no computador para guardar os dados processados de acordo com o formato (raster e vetorial) e padronização dos nomes dos arquivos a serem gerados, levando em consideração a ferramenta utilizada e sem caracteres especiais ou espaços. Exemplo: “Areia_preta_reclas”, “Areia_preta_segmentada”.

Individualização dos bairros de Natal

Recorte em lote do mosaico da imagem do Google Earth

a partir dos limites dos bairros de Natal

Caixa de ferramentas de processamento > Advanced interface > Clip > Algortimo clip raster by mask layer > Executar um processo em lote. (Único procedimento realizado no SIG QGIS 2.12.1).

Alteração do SCR da imagem

Reprojeção do datum SAD 69 para SIRGAS 2000

Data Frame Properties > Alterar para SIRGAS 2000 UTM Zone 25S; Export data > Spatial reference: Data frame. Deixar o campo “Nodata” sem valor.

Criação de áreas homogêneas

Segmentação das imagens reprojetadas

ArcToolbox > Spatial analyst tools > segmentation and classification > Segment mean shift. Parâmetros: spectral detail “20”, spatial detail “15”, minimum segmet size in pixel “10”. Exportação da

imagem segmentada

Salvar a imagem após o processamento

Data > Export data > deixar o campo “Nodata” sem valor; alterar o nome seguindo o padrão. Exemplo: areia_preta_segment

Seleção das amostras de treinamento

Criação das classes na área de treinamento a partir da

imagem segmentada: Cobertura Vegetal e Outros

Image classification > training sample manager. Escolher as amostras a partir da seleção de segmentos (não por polígonos) e ativar na barra de classificação a imagem segmentada, mas visualizar a imagem original na tela. Clicar em “create a signature file” e salvar as assinaturas.

Classificação da imagem

Classificação supervisionada pelo classificador MAXVER

Classification > maximum likeliood classification. Inserir assinaturas e imagem segmentada. Alterar o local de saída da imagem para salvar a classificação gerada. Se o resultado não for satisfatório ou não apresentar as duas classes, criar novas amostras e classificar novamente.

Extração da cobertura vegetal

Reclassificação da imagem classificada para retirar a

classe Outros

ArcToolbox > Spatial analyst tools > Reclass > Reclassify. Inserir em “new values” o nome NoData para a classe correspondente a Outros. Criação de polígonos Transformação de dados

raster para vetorial

ArcToolbox > Conversion tools > From raster > raster to polygon > marcar “simplify polygons”.

Obtenção da área dos polígonos

Calcular a área pela tabela de atributos

Clicar com o botão direito no shapefile da cobertura vegetal do bairro. Open atribute table > table options > Add field > Name: Area, type: double; Proprieties: precision 10, scale 4; Clicar com o botão direito na coluna Area: calculate geometry > square meters > ok.

Fonte: Elaborado pela autora (2017).

Foram realizados diferentes testes para classificação da imagem, envolvendo o aumento da quantidade de classes de cobertura da terra e a tentativa de diferenciar o porte da vegetação. Contudo, observou-se que quanto maior o detalhamento, maior era a confusão entre a cobertura

vegetal e outros tipos de cobertura, como sombra, solo exposto e corpos d’água. Para solucionar este problema, foram consideradas apenas duas classes como referência: Cobertura Vegetal (objeto de estudo) e Outros (demais tipos de cobertura do solo). Foram selecionadas aproximadamente 40 amostras por classe para cada bairro a partir das regiões criadas no momento da segmentação, dando zoom nos seguimentos, dentro do SIG, até a escala de 1:1.000. Ao final da classificação de cada bairro foi feita uma avaliação visual do arquivo raster3 obtido, verificando se houve muita confusão entre as classes de Cobertura Vegetal e Outros e, sempre que necessário, gerou-se uma nova classificação a partir da seleção de novas amostras de treinamento para obter um resultado mais condizente com as classes apresentadas na imagem.

Para facilitar a manipulação das áreas de cobertura vegetal realizou-se uma reclassificação do raster obtido durante a classificação, gerando um novo arquivo apenas com a classe Cobertura Vegetal, o qual foi, em seguida, transformado de raster para vetorial do tipo polígono no formato ESRI shapefile. A partir desse arquivo foi feito o cálculo das áreas e da quantidade de polígonos, valores estes armazenados na tabela de atributos dos shapefile.