Desenvolvimento de uma metodologia para mapeamento das matas de
galeria no estado de Goiás – Brasil, com o uso de ferramentas de
processamento digital de imagens - PDI
Edilson de Souza Bias, Barbosa, Felipe Lima Ramos, Rômulo José da Costa Ribeiro Instituições: Universidade de Brasília, Universidade Católica de Brasília
Email dos Autores: edilsonb@unb.br, felipel@ucb.br rjcosta@unb.br
Introdução
Identifica-se nos dias atuais um avanço acelerado das fronteiras agrícolas em todo o mundo. Esse processo de uso e ocupação do solo, normalmente não leva em consideração as restrições e fragilidades ambientais das áreas ocupadas.
No Brasil, e em particular no estado de Goiás, localizado no Planalto Central com um território de 340.086 km2, o fato não é diferente. O território goiano apresenta a típica vegetação do Cerrado. Arbustos altos e árvores de galhos retorcidos e de folha e casca grossas e raízes profundas formam boa parte da vegetação, com alguns municípios como Goiânia, Anápolis, possuem estreitas faixas de floresta Atlântica, as quais, na maioria das vezes, cobre margens de rios e grandes serras.
O clima é tropical semi-úmido. Basicamente, há duas estações bem definidas: a chuvosa, que vai de outubro a abril, e a seca, que vai de maio a setembro e a hidrografia é banhado por três bacias hidrográficas: a Bacia do rio Paraná, a Bacia do Tocantins e a Bacia do São Francisco. Os principais rios são: Paranaíba, Aporé, Araguaia, São Marcos, Corumbá, Claro, Paranã e Maranhão.
De acordo com estudos realizados por AgraFNP (2009), Goiás se tornou uma nova fronteira para a produção de etanol, substituindo culturas tradicionais no estado como: soja e milho.
A Agência Ambiental do Estado de Goias, afirma em artigo disponibilizado em seu web site que a degradação do meio ambiente no estado de Goiás, já nos anos 40, era um problema sério que vinha preocupando o governo e a população em geral. As matas estavam sendo devastadas e o uso indiscriminado de queimadas desnudava campos e esterilizava a camada arável do solo.
Estudos realizados por pesquisadores da UFG (2009) apontam para o avanço da cana de açúcar e para as consequências ambientais. Os problemas não se restrigem ao avanço nas áreas já agriculturáveis, mas verifica-se o despejo de vinhaça (resíduos da
produção do álcool) nos rios. Quanto ao cerrado, segundo a professora Selma Simões-IESA/UFG, a preocupação se agrava, pois não há uma legislação que realmente proteja o ecossistema. “A legislação permite que as pessoas usem 80% do cerrado”, avançando sobre as matas de galeria, e colocando em risco os mananciais existentes no estado.
Com base nas condições acima apresentadas, o presente trabalho teve como objetivo estudar e testar uma metodologia para mapeamentodas áreas de galeria por meio de ferramentas de processamento digital de imagens, para propiciar condições de um melhor gerenciamento por parte dos gestores ambientais.
De acordo com estudos disponibilizados por SULSOFT (2005) para realizar o monitoramento ambiental, as técnicas de sensoriamento remoto apresentam diversos métodos de classificação, além da vantagem da repetitividade na obtenção de imagens de uma mesma área, permitindo a realização de análises multitemporais com bastante efetividade.
Metodologia
Para o desenvolvimento do mapeamento das matas de galerias foram estruturados os procedimentos metodológicos apresentados na Figura 1.
Figura 1 – Fluxo de mapeamento
Correção atmosférica da imagem (Dark object subtraction) – Tal método de correção atmosférica consiste na busca em cada banda da imagem pelo valor de pixel mais escuro (com valor mais baixo). O algoritmo parte do pressuposto que os pixels mais escuros não refletem luz, assim tais valores associados são conseqüência do espalhamento e efeito da atmosfera. Selecionado tal valor o mesmo é subtraído em todos os pixels da banda na imagem. Essa técnica é eficiente para uma correção rápida de dados multiespectrais, mas não deve ser usado em hyperspectrais.
Delimitação da área amostral de interesse – Depois de efetuada a correção atmosférica da imagem, são selecionadas amostras de mata galeria, por meio de
interpretação visual em composição colorida “falsa cor” (R4G5B3), em toda a extensão da imagem, com o intuito de normalizar a variação espacial da mesma.
Parâmetros de processamento espectral (SAM – MF) Spectral Angle Mapper Classification (SAM) – É uma técnica de classificação supervisionada baseada na disposição angular dos n-pixels num gráfico de dispersão com dimensionalidade igual ao número de bandas. O algoritmo determina a similaridade espectral entre duas classes, calculando o ângulo entre eles e os tratando como vetores num espaço dimensional. Vale ressaltar que tal técnica quando aplicada sobre uma imagem calibrada é relativamente insensível aos efeitos de iluminação e albedo da imagem. Assim quando menor o ângulo de um pixel com o espectro de referência da classe maior sua combinação com a mesma. Pixels localizados fora dos limites angulares determinados para a classe, não são classificados.
Matched Filtering (MF) – Essa técnica foi utilizada para realçar a amostra definida de mata galeria. Ela maximiza a resposta de elementos conhecidos “mata galeria” e elimina as respostas das composições desconhecidas, a partir de combinação de assinaturas espectrais conhecidas (biblioteca espectral ou amostra determinada na imagem). É uma maneira de conhecer de forma rápida a informação desejada e sua disposição espacial na imagem. Essa técnica pode realçar alguns valores “falso positivos”, apresentando o que necessita de ajuste no processamento.
Razão MF/SAM – De posse dos dois resultados gerados (SAM – MF), a técnica consiste no processamento de refinamento do dado com o objetivo de suprimir os valores “falso positivos” que podem estar presentes na imagem, e realçar os valores positivos.
Segmentação da imagem MF/SAM – Essa etapa consiste no fatiamento da imagem em segmentos agrupando os pixels vizinhos com as similaridades de cor, iluminação, textura e outros. Assim foi realizada a segmentação da imagem realçada da feição “Mata Galeria” com o intuito de extrair as diferentes respostas associadas à classe. A etapa subseqüente de agrupamento (Merging Segments) foi aplicada, em alguns casos, para agregar pequenos segmentos presentes em áreas largas e com as mesmas texturas, tais como feições de árvores (dosséis) e campos. Este problema pode ser conseqüência da segmentação exagerada de uma classe.
Extração histogrâmica da feição – Fatiamento no histograma do resultado da etapa subseqüente para a classe mata galeria. Essa etapa, em alguns casos, retirou o efeito das feições agrícolas e de reflorestamento com resposta espectral similar a mata
Exportação para formato vetorial e vetorização – Transformação do resultado do formato matricial para o formato vetorial. Esse resultado permitira a vetorização das mata galerias compatíveis com a rede hidrográfica na escala 1:250.000 presente no SIEG-GO.
A aplicação da metodologia permitiu identificar de forma clara não só as matas de galeria como também:
1. Área degradada (pontos de erosão – ajustando o fluxo apresentado na Figura 2,)
2. Corpos d’água
3. Agricultura irrigada (pivô central) 4. Perímetro urbano
5. Mata Galeria 6. Cerrado 7. Floresta
8. Agricultura, pecuária, encosta e campo
A água foi a única feição que recebeu um tratamento diferenciado. O procedimento foi realizado com a estimativa dos valores negativos do NDVI. Por meio dos valores fotossintéticos de vegetação foi realizado um fatiamento histogrâmico na imagem para os valores negativos, que envolvem água, sombra, parte do solo exposto (dependendo a mineralogia do mesmo). De posse deste produto, foi gerada uma máscara binária dos valores negativos.
A seguir foi aplicado o cálculo do Minimum Noise Fraction (MNF) da imagem com o objetivo de decorrelacionar os valores dos pixels segundo a própria dimensionalidade inerente da imagem. Ruídos associados ao sensor que não possuem correlação entre bandas são identificados e eliminados e o cálculo do PPI – Índice de pixel puro. Técnica que consiste em refinar o resultado obtido com a etapa anterior, isto é, busca na imagem MNF os pixels mais puros (extremos) da rotação MNF. Este procedimento consiste na repetição de funções lineares n-D vezes aonde os pixels próximos da extremidade da função são ditos puros. Essa etapa é importante para a demonstração de quão pura é a classe avaliada. Vale ressaltar que essa etapa é apenas aplicada nos pixels que compõem a máscara binária dos valores negativos do NDVI, com o objetivo de refinar a delimitação da classe água.
Resultados
Após a conclusão do mapeamento, foi realizada a quantificação das diferentes feições, objetivando nortear os gestores relativamente a situação atual do estado, excetuando a feição “Área Degradada” em função da localização da mesma ter sido de forma pontual. Os resultados estão apresentados na Figura 2, 3 e 4.
Figura 2 – Mapa final da aplicação da metodologia
Figura 4 – Gráfico demonstrativo das áreas mapeadas
Finalmente, pode-se concluir a efetividade dos procedimentos para o mapeamento de feições ligadas a vegetação e, sobretudo quantificação das áreas cobertas pelas mesmas. A aplicação da metodologia tornar-se-á mais eficiente quando realizada com estudos multitemporais, pois permitirão avaliar as diferenças ocorridas em função das alterações de natureza antrópica.
Bibliografia
Agência Ambiental de Goias.
http://www.agenciaambiental.go.gov.br/site/agencia/ag_historico.php. Acesso
realizado em 10/01/2010.
Avanço de cana sobre grãos perde força.
http://www.datacoper.com.br/news.php?news=1369. Acesso realizado em
10/01/2010.
SULSOFT. 2005, Guia ENVI. Disponível em:
