CAMPUS DE BOTUCATU
MAPA DE VULNERABILIDADE À EROSÃO DA REGIÃO DO ALTO RIO
PARDO - PARDINHO (SP)
FERNANDA LEITE RIBEIRO
Tese apresentada à Faculdade de Ciências Agronômicas da UNESP - Campus de Botucatu, para obtenção do título de Doutor em Agronomia - Área de Concentração em Energia na Agricultura
BOTUCATU - SP
CAMPUS DE BOTUCATU
MAPA DE VULNERABILIDADE À EROSÃO DA REGIÃO DO ALTO RIO
PARDO - PARDINHO (SP)
FERNANDA LEITE RIBEIRO
Engenheiro Florestal
Prof. Dr. SÉRGIO CAMPOS Orientador
Tese apresentada à Faculdade de Ciências Agronômicas da UNESP - Campus de Botucatu, para obtenção do título de Doutor em Agronomia - Área de Concentração em Energia na Agricultura.
BOTUCATU - SP
"O segredo do sucesso não é prever o futuro.
É preparar-se para um futuro que não pode ser previsto."
Michel Hamer
Agradeço,
Aos meus pais, Alceu e Roseli, por dedicarem parte de suas vidas na minha formação pessoal e profissional .
A minha avó, Genny, por acreditar nos meus sonhos. A minha família, pelo incentivo e dedicação.
"O futuro pertence aqueles que acreditam na beleza dos seus sonhos"
AGRADECIMENTO ESPECIAL
Ao meu orientador, Prof. Dr. SÉRGIO CAMPOS, agradeço pela dedicação e
esforço em me orientar todos estes anos, visando sempre a minha felicidade
pessoal e profissional.
AGRADECIMENTOS ESPECIAIS
Ao Prof. Dr. KLEBER LANÇAS e Prof. Dr. SÉRGIO HUGO BENEZ pela amizade e incentivo na realização desta Tese.
Aos Profs. Drs. ZACARIAS XAVIER DE BARROS e LINCOLN GEHRING CARDOSO pelas orientações e ensinamentos científicos.
Ao Engº Agrº MAURÍCIO ALVES MOREIRA do Instituto Nacional de Pesquisas Espaciais - INPE, pelas valiosas orientações.
À Profa Dra CÉLIA REGINA LOPES ZIMBACK pelas sugestões e grande amizade.
Ao Pesquisador VALDETE DUARTE do Instituto Nacional de Pesquisas Espaciais - INPE pelas orientações na utilização da metodologia escolhida.
Ao Pesquisador LUIGI CARLI do Instituto Nacional de Pesquisas Espaciais - INPE pelas orientações no uso do Software SPRING.
À Doutoranda RENATA CILENE DAIANESE do Instituto Nacional de Pesquisas Espaciais - INPE pelo colaboração e amizade.
Aos Eng Agr CLÁUDIO VIVAN PINTO e ALFREDO CHAGURI JÚNIOR da Secretaria da Agricultura e Abastecimento do Estado de São Paulo, Coordenadoria de Assistência Técnica e Integral – CATI, Casa da Agricultura de Pardinho – Sp e Botucatu - SP pela colaboração e amizade.
Aos funcionários da CASA DA AGRICULTURA DE PARDINHO-SP, pelas dicas que enriqueceram o trabalho de campo feito nesta região.
Ao funcionário da área de Topografia e Sensoriamento Remoto do Departamento de Engenharia Rural, da Faculdade de Ciências Agronômicas da Universidade Estadual Paulista – UNESP, Campus de Botucatu RONALDO ALBERTO POLLO pelos serviços prestados durante a realização desta Tese.
Às bibliotecárias CÉLIA REGINA INOUE e MARIA INÊS ANDRADE E CRUZ pelo auxílio nas referências bibliográficas.
À Coordenadoria de Aperfeiçoamento de Pessoal de Ensino Superior (CAPES) pelo apoio financeiro, sem o qual não seria possível a realização da Tese.
Aos Docentes e Funcionários do Departamento de Engenharia Rural da Faculdade de Ciências Agronômicas da Universidade Estadual Paulista - UNESP, Campus de Botucatu e aos demais que contribuíram e tornaram possível a realização deste trabalho.
SUMÁRIO Página RESUMO... 1 SUMMARY... 3 1. INTRODUÇÃO... 5 2. REVISÃO DE LITERATURA... 8
2.1 Mapa de suceptibilidade à erosão e aplicações... 8
2.2 Sensoriamento Remoto... 9
2.2.1. Sistema Landsat... 11
2.3. Comportamento espectral da vegetação... 14
2.4. Comportamento espectral do solo... 16
2.5. Tratamento de dados orbitais... 17
2.5.1. Interpretação visual de imagens... 17
2.5.2. Tratamento digital de imagens orbitais... 19
2.5.2.1. Pré-processamento... 20
2.5.2.2. Técnicas de classificação de imagens digitais... 21
2.6. Aspecto multitemporal dos dados de sensoriamento remoto... 24
2.7. Sistema de Informações Geográficas (SIG)... 25
2.7.1. Banco de dados... 29
2.8. Modelos de predição de erosão... 30
2.8.1. Zoneamento ecológico-econômico... 30
2.8.1.1. Dados do Landsat-TM como âncora para o zoneamento... 32
2.8.1.2. Polígonos de ação antrópica... 34
2.8.2. Equação universal de perdas de solo (EUPS)... 35
3. MATERIAL E MÉTODOS... 37
3.1 Material... 37
3.1.1. Descrição geral da área de estudo... 37
3.1.2. Pluviometria e temperaturas médias... 38
3.1.3. Clima... 39 3.1.4. Flora e fauna... 40 3.1.5. Base topográfica... 40 3.1.6. Mapa de solos... 41 3.1.7. Dados orbitais... 41 3.1.8. Equipamentos... 42
3.1.9. Sistema de Informação Geográfica... 43
3.2. Metodologia... 43
3.2.1. Mapa de vulnerabilidade à erosão... 43
3.2.2. Criação do banco de dados geográfico... 44
3.2.3. Processamento digital... 49
3.2.4. Segmentação e classificação de imagem... 51
3.2.5. Geração dos mapas temáticos... 53
3.2.6. Grade de ponderação... 60
3.2.7. Mapa de vulnerabilidade à erosão... 61
4. RESULTADOS E DISCUSSÃO... 68
4.1 Uso do Solo... 68
4.2 Declividade... 72
4.3 Geologia, solos e pluviometria ... 74
4.4.Mapa de vulnerabilidade à erosão... 77
4.5. Cadastro de dados... 82
5. CONCLUSÕES... 86
6. REFERÊNCIAS BIBLIOGRÁFICAS ... 88
7. APÉNDICES... 97
7.1. Principais características e aplicações das bandas do LANDSAT... 98
7.2. Programas no LEGAL para ponderação... 99
7.3. Programas no LEGAL para a Média Zonal... 105
7.4. Programas no LEGAL para inserção de dados nos atributos na tabela cadastral... 106
7.5. Programas no LEGAL para inserção de dados nos atributos de vulnerabilidade na tabela cadastral... 108
L I S T A D E F I G U R A S
Página
1. Recorte da imagem sintética [bandas 3 (azul), 4 (verde) e 5 (vermelho)] obtida pelo sensor ETM+ do Landsat-7, correspondente a órbita/ponto
220/76, na data de 03/06/2001... 42
2. Estrutura de um banco de dados geográfico (Moreira, 2001)... 46
3. Recorte da área de estudo nas imagens do Landsat-7... 48
4. Fluxograma das etapas do processamento digital para a elaboração do mapa de vulnerabilidade à erosão... 50 5. Uso e ocupação do solo obtido através da classificação digital... 65
6. Grade elaborada a partir da ponderação das classes de uso do solo... 66
7. Carta clinográfica da Região do Alto Rio Pardo – Pardinho (SP)... 69
8. Grade elaborada a partir da ponderação das classes de declividade... 70
9. Mapa geológico da Região do Alto Rio Pardo – Pardinho (SP)... 72
10. Grade elaborada a partir da ponderação das classes geológicas... 73
11. Mapa de solos da Região do Alto Rio Pardo – Pardinho (SP)... 75
12. Grade elaborada a partir da ponderação das unidades de solo... 76
13. Mapa de pluviosidade da Região do Alto Rio Pardo – Pardinho (SP)... 77
14. Grade elaborada a partir da ponderação da pluviosidade... 78
15. Mapa de vulnerabilidade à erosão da Região do Alto Rio Pardo – Pardinho (SP)... 80
16. Média zonal de todos os temas com os segmentos... 81
17. Mapa de polígonos representantes de cada feição no terreno que corresponde a uma unidade da paisagem... 84 18. Dados cadastrais das propriedades de cada polígono... 85
L I S T A D E Q U A D R O S
Página
1. Faixas espectrais dos LANSAT 4, 5 e 7... 14
2. Precipitação e temperatura média para região de Pardinho (SP)... 39
3. Valores de vulnerabilidade à erosão associados às classes de uso do solo.. 54
4. Valores de vulnerabilidade para a declividade das encostas... 58
5. Escala de vulnerabilidade à denudação das rochas mais comuns... 59
6. Valores de vulnerabilidade/estabilidade dos solos... 60
7. Escala de erosividade da chuva e valores de vulnerabilidade à erosão... 61
8. Escala de vulnerabilidade das unidades territoriais básicas... 63
9. Classes de uso do solo (ha e %) e respectivos valores de vulnerabilidade. 67 10. Valores de representatividade na área das classes de declividade... 71
11.Classes de vulnerabilidade do solo à erosão na área... 82
RESUMO
Este trabalho teve como objetivo criar um de banco de dados com informações cadastrais, caracterizando cada região quanto a erosão, tipo de solo, geologia, entre outros, utilizando o Sistema de Informações Geográficas – SPRING e elaborar um mapa temático de vulnerabilidade natural a erosão para possibilitar um futuro zoneamento ecológico da área do Alto Rio Pardo – Botucatu (SP). Utilizou-se nesta pesquisa da imagem no formato digital do ETM+ do Landsat 7, nas bandas 3, 4 e 5, da passagem de 3/06/2001, correspondentes à órbita 220, ponto76, quadrante A. Além dos dados coletados pelo LANDSAT/TM, foram utilizados como fonte de dados: mapa de solos, em escala 1:10.000, cartas topográficas (para a digitalização das curvas de nível), em escala 1:50.000, carta geológica, na escala 1:500.000, geomorfológica e dados de precipitação. Um mapa de uso atual foi utilizado para auxiliar na classificação
supervisionada feita com o SIG/SPRING. Na elaboração do mapa de vulnerabilidade à erosão foi necessário determinar regiões espectralmente homogêneas, sendo calculado os pesos médios para cada tema (declividade, geologia, uso de solo, pluviosidade). Foi associado um valor de vulnerabilidade a cada uma das regiões homogêneas, gerando uma grade resultante da média zonal, a qual foi fatiada em termos de vulnerabilidade, resultando num mapa de vulnerabilidade à erosão. A partir das informações obtidas sobre a área de estudo neste trabalho, foi gerada uma tabela cadastral, que será utilizada como um cadastro espacial inteligente do banco de dados.
De acordo com os resultados obtidos na pesquisa chegou-se às seguintes conclusões: a) os dados coletados pelo “Thematic Mapper” do Landsat geraram informações valiosas dos diferentes alvos de ocupação do solo sendo muito úteis para o seu mapeamento, o qual foi utilizado como banco de dados para a geração do mapa de vulnerabilidade à erosão; b) o Sistema de Informações Geográficas SPRING foi eficiente na determinação das ocupações do solo e na determinação das classes de vulneralibidade à erosão, respectivamente; c) 49,27 % desta área está coberta por pastagens e 29,88 % com culturas, representando quase 80 %, mostrando com isso a vocação regional para agropecuária e d) 95 % da área total apresenta grau de vulnerabilidade classificado como medianamente e moderadamente estável, devido a presença de solos de média jovialidade, em relevo suave ondulado (declividade de 5 a 20 %) e coberto na maior parte por pastagem e cultura anual nas unidades de paisagem, além disso, a região de estudo apresenta mais de 3/4 da sua área com grau de vulnerabilidade moderadamente estável.
Palavras-chave: vulnerabilidade à erosão, ocupação de uso do solo, Sistema de Informação
Título: Map of natural vulnerability to soil erosion for the area of upper Rio Pardo, Botucatu/SP
Botucatu, 2002 (Doutorado em Agronomia), Energia na Agricultura, Faculdade de Ciências Agronômicas, Universidade Estadual Paulista
Author: Fernanda Leite Ribeiro Adviser: Dr. Sérgio Campos
Keys word: vulnerability erosion, uses of soil occupation, System of Geographical Information – SPRING, soil erosion, Landsat Thematic Mapper
SUMMARY
This work is aimed at preparing a map of natural vulnerability to soil erosion that will serve for future ecological zoning for the area of upper Rio Pardo, of the County of Botucatu, SP, creating a block of data of information, registering the characteristics of each individual region regarding erosion, type of soil, geology, and other data, utilizing the System of Geographical Information – SPRING. In this work, the image in digital format of the ETM+ of LANDSAT 7 was used, in the bands 3, 4, and 5, of the overfly on 3/6/01, corresponding to orbit 220, point 76, A quadrant. Also utilized, other than the LANDSAT/TM data, were soil maps, to the scale of 1:10.000, topographic charts (for digital recording of levels) at scale of 1:50.000, geologic chart at scale 1:500.000, geomorphologic charts, and rainfall records. The map in current use was utilized to aid in the supervised classification done with SIG/SPRING. For preparing the map of vulnerability to erosion, it was necessary to determine regions visibly homogenous, calculating average values for each theme (slope, geology, use of soil, rainfall) in
each homogenous region, and associating them to a value of vulnerability, generating a grid of zone averages, which was sub-divided in terms of vulnerability, resulting in a map of vulnerability to erosion, from which was developed a table of registry, to be used as an intelligent spatial register of the data bank.
According to the results obtained in the research, the following conclusions were reached: a) the data collected by the Landsat Thematic Mapper generated valuable information of the different uses of soil occupation, very useful for the mapping, and was used as a data bank for developing the erosion vulnerability map; b) the SIG/SPRING information was efficient in determining the occupation of soil, and in classifying the vulnerability to erosion; c) 49.27% of this area is in pasture, and 29.88% in crops, representing a total of nearly 80%, thus demonstrating a regional vocation for livestock and cropping and d) 95% of total area presents a degree of vulnerability classified as moderately stable, on the average, due to the presence of, on the average , of young soils, in gently sloping relief (average slope 5 to 20%), and, for the most part, by pasture and annual crops, moreover, the region of study presents over 75% of its area with of moderate stability.
1. INTRODUÇÃO
A demanda cada vez mais crescente dos recursos naturais e sua rápida diminuição em escala local, regional, nacional e global, impõe a necessidade de um inventário e planejamento racional desses recursos para a sua manutenção, pois, o uso da terra sem um planejamento adequado provoca o empobrecimento dos solos quanto a fertilidade natural, aumenta a acidez provocando a baixa produtividade das culturas, trazendo como conseqüência os baixos níveis sócio-econômico e tecnológico da população rural.
As medidas adotadas para o planejamento do uso do solo foram, até recentemente, tomadas com base em informações fragmentadas de efeitos do uso da terra no ambiente. Isto ocorre porque não existem registros seguros sobre as condições adequadas de uso da terra, não se podendo avaliar, portanto, as alterações que são provocadas pela ação do homem.
Com a crescente demanda dos recursos naturais, o levantamento periódico do uso da terra numa dada região tornou-se um aspecto de interesse fundamental a compreensão dos padrões de organização do espaço, pois, a organização espacial de uso da terra num dado período raramente é permanente, porque o solo está sendo sempre agredido pela ação antrópica.
A constante agressão antrópica além de ser quase sempre desordenada e sem nenhum esquema de preservação do ambiente, provoca um custo muito elevado nos levantamentos dos recursos naturais por métodos tradicionais, como exemplo, o aerolevantamento, uma vez que este procedimento deve ser realizado a cada ano, para manter atualizadas as informações de ocupação do solo. Este fato inviabiliza qualquer esforço no sentido de se criar um programa de gerenciamento das mudanças da paisagem numa dada região, devido aos altos custos envolvidos.
Atualmente, o problema dos altos custos para obter informações sobre a ocupação do solo, pode ser contornado através da utilização de dados coletados por sensores remotos colocados a bordo de satélites orbitais, como exemplo, o “Tematic Mapper” (TM) do Landsat, o HRV/SPOT (high resolution visible/système pour l’observation de la terre), entre outros.
Para agilizar o processamento destes dados, bem como, integrá-los com outras informações tais como: cartográficas, cadastrais, etc., é possível utilizar um Sistema de Informações Geográficas (SIG) que permite ainda, criar um banco de dados gerado ao longo do tempo, possibilitando o acompanhamento e análise temporal da área de estudo.
A área em estudo é de suma importância regional, pois abrange a nascente do Rio Pardo e a represa de captação da Sabesp para abastecimento dos Municípios de Botucatu e
Pardinho. Essa área apresenta problemas com poluição das águas, degradação dos solos e assoreamento de rios. O uso intensivo do solo sem a conservação adequada, inclusive com plantio de culturas muito próximo às margens, vem provocando esses problemas nos recursos naturais, e poluição do meio ambiente por resíduos industriais e orgânicos.
Assim, esta pesquisa visou elaborar um mapa temático de vulnerabilidade natural a erosão que servirá para futuro zoneamento ecológico da área do Alto Rio Pardo – Botucatu (SP), bem como, criar um de banco de dados com informações cadastrais, tipo de solo, geologia, entre outros, e caracterizar cada região quanto à erosão, utilizando o Sistema de Informações Geográficas – SPRING.
2. REVISÃO BIBLIOGRÁFICA
2.1. Mapa de susceptibilidade à erosão e aplicações
O processo de erosão é considerado um dos mais sérios problemas que o homem vem enfrentando na atualidade, principalmente pelo aumento constante e progressivo das áreas atingidas, quer pela deficiência de um sistema de drenagem, conservação do solo ou pela condição de susceptibilidade dos solos envolvidos nos processos erosivos. O controle da erosão deve ser efetuado através de ação efetiva de caráter preventivo e quando há ocorrência de processos erosivos, deve-se adotar ações corretivas (Almeida Filho, 1998).
As informações sobre as potencialidades das terras para a ocupação de uso do solo, quer seja para o cultivo ou urbana, podem ser obtidas através do mapa de risco potencial de erosão, que é um instrumento básico adotado para se obter tais informações.
Para exemplificar a aplicabilidade deste mapa, Canil et al. (1998) citaram a solução dos problemas decorrentes de erosão na área de Presidente Prudente, SP. Neste caso, foi obtido um mapa de susceptibilidade a erosão das bacias dos córregos do Limoeiro e do Cedro, identificando as áreas de risco potencial. Graças a este estudo foi possível fornecer subsídios para indicar medidas preventivas para diminuir os impactos da ocupação urbana e orientações a serem adotadas na expansão de áreas destinadas a futuros loteamentos.
Gomes & Rodrigues (1998) avaliaram a susceptibilidade à erosão dos solos ocorrentes na área de expansão urbana da região sudeste do município de Campinas-SP, sendo um dos subprodutos do mapeamento geotécnico feito nesta área. O trabalho permitiu individualizar zonas com diferentes potenciais erosivos por meio da análise e interpretação dos principais componentes do meio físico: o substrato rochoso, as formas de relevo e os materiais inconsolidados.
Ridente Junior et al. (1998) confeccionaram a carta de risco potencial de erosão da área urbana de São José do Rio Preto-SP, a qual foi gerada a partir de um estudo dos componentes do meio físico (rocha, solo e relevo) e o uso atual do solo, frente aos processos erosivos. Os autores definiram unidades homogêneas do terreno e seu comportamento em relação aos processos erosivos, recomendando formas mais adequadas de ocupação da área.
2.2. Sensoriamento Remoto
Quando um objeto é identificado e definido à distância, quer seja sobre a superfície da terra ou em outra região do universo, diz-se que ele foi remotamente identificado.
Geralmente, este objeto é identificado através da quantidade de energia que é refletida. Os dispositivos utilizados para captar esta energia refletida e para gerar um produto que seja interpretado pelo olho humano ou métodos computacionais, são chamados sensores. Daí, o sensoriamento remoto pode ser entendido, segundo Steffen et al. (1989), como o conjunto de técnicas relacionadas com a aquisição e a análise de dados obtidos por estes sensores colocados remotamente.
De acordo com Gomarasca & Lechi (1990), o sensoriamento remoto é geralmente definido como a análise de um objeto ou fenômeno na superfície terrestre sem tocá-lo. Entretanto, Moreira et al. (1986) definiu o sensoriamento remoto com base nas trocas energéticas. Segundo os autores, o sensoriamento remoto é um conjunto de atividades cujo objetivo reside na obtenção de informações acerca de objetos ou fenômenos da superfície da terra, mediante a aferição das trocas energéticas entre aqueles fenômenos ou objetos com o meio ambiente, através da utilização de dispositivos sensores colocados em aviões ou satélites.
O termo sensoriamento remoto foi usado pela primeira vez, em 1960, pelos geólogos do Departamento de Pesquisas Navais, aplicado às informações derivadas de instrumentos fotográficos e não fotográficos.
Sistematicamente, as observações da terra por sensores orbitais, iniciaram-se em 1960, através do lançamento do satélite de observações infravermelhas de televisão (TIROS-1). Este foi o primeiro satélite meteorológico que carregou consigo um sistema de baixa resolução.
Durante a missão APOLLO-9 foi conduzido o primeiro experimento multiespectral, sendo que as faixas espectrais utilizadas foram as mesmas anteriormente
planejadas pela NASA para os sensores colocados no Landsat-1, primeiro satélite de recursos naturais.
Atualmente existe vários satélites de recursos naturais, como por exemplo o HVR/SPOT (Satélite Francês), o LANDSAT/TM (Satélite Americano), etc. Como nesta pesquisa será utilizado apenas dados do LANDSAT, nesta revisão a ênfase foi dada aos satélites desta série.
2.2.1. Sistema Landsat
O sistema LANDSAT foi desenvolvido com o objetivo de permitir a aquisição de dados sobre a superfície da Terra, de forma global, sinóptica e repetitiva. Segundo o autor, os satélites da série Landsat, em número de 7, foram lançados entre 1972 e 1999, sendo que o 5 e 7 estão em uso.
O primeiro satélite designado especificamente para coleta e pesquisa de dados da superfície terrestre foi o "Eart Resource Technology Satellite" (ERTS-1), lançado em 23 de julho de 1972. Por ocasião do lançamento do ERTS-2, em janeiro de 1975, a National Aeronautic and Space Administration (NASA) rebatizou-os oficialmente com o nome de Landsat. Ao todo foram colocados em órbita seis satélites desta série, sendo que encontra-se em funcionamento apenas o Landsat-5 e 7.
Segundo o descrito por Castro Filho et al. (1996), os satélites da série Landsat deslocam-se do norte para o sul, em órbita descendente, geocêntrica, circular, quase polar e heliossíncrona, isto é, o ângulo Sol-Terra-Satélite permanece constante e igual a 37,5o, o que garante condições semelhantes de iluminação ao longo do ano, na área imageada. A
passagem do satélite ou a cobertura da superfície terrestre ocorre aproximadamente as 09:30 horas, (hora média local) e foi estabelecida de forma a atender as aplicações que necessitem do efeito de sombras (geomorfologia, geologia, pedologia) e, ainda, de plena iluminação da cena (agricultura, florestas, uso da terra).
Cada revolução do Landsat-5, em torno da Terra, leva 100 minutos, completando 14,5 órbitas por dia. Isto garante o imageamentto de uma mesma área na superfície da Terra a cada 16 dias.
Os sistema sensores concebidos para estes satélites foram três:
a) RBV (Return Bean Vidicon) composto de um sistema de televisão com resolução espacial de 80 x 80 m. Este sensor operou nos três primeiros satélites da série;
b) MSS (Multiespectral Scanner System)- este sensor opera em quatro faixas espectrais, sendo duas na região do visível e duas no infravermelho próximo do espectro eletromagnético. A resolução espacial deste sensor é de 80 x 80 m.
c) TM (Tematic Mapper)- o sensor TM é um sistema avançado de varredura multiespectral concebido para proporcionar resolução espacial mais fina, melhor discriminação espectral entre objetos da superfície terrestre, maior fidelidade geométrica e melhor precisão radiométrica quando comparado ao MSS.
Segundo Rocha (2000), o LANDSAT-7 foi lançado em 1999, com os sensores ETM (Enhanced Thematic Mapper) e PAN (pancromático), operando com sete canais multiespectrais e um canal PAN, respectivamente. A banda PAN consegue resoluções espaciais de até 15 m, possibilitando escalas de 1:25.000 e melhoria de resolução espacial de 60 m na banda termal 6. É bom destacar que a fusão das bandas do LANDSAT 7 permite a extração de maior conteúdo de informações, combinando a precisão de 15 m da PAN com a riqueza de dados
obtidos pelos outros canais. A banda termal 6 permite a medição relativa da temperatura radiante ou o cálculo da temperatura absoluta.
Cada banda representa a resposta em uma certa faixa espectral. Uma foto em preto e branco é feita com uma banda, enquanto que uma foto colorida é feita com três bandas, de acordo com as características a serem realçadas (Rocha, 2000).
O mapeamento temático a partir de cada uma destas bandas depende ainda das características da área de estudo (região plana ou acidentada); época do ano (inverno ou verão) ou das variações regionais (Nordeste, Sudeste, Sul, Amazônia, Pantanal). Os trabalhos de interpretação das imagens tornam-se mais fáceis quando o foto-intérprete tem conhecimento de campo (Rocha, 2000).
Observa-se no Quadro 1 as diversas faixas espectrais encontradas no LANDSAT 4, 5 e 7.
Quadro 1. Faixas espectrais dos LANSAT 4, 5 e 7.
Banda Faixa Espectral
PAN 0,50 a 0,90 µm - apenas Landsat-7
1 0,45 – 0,52 µm azul 2 0,52 – 0,60 µm verde 3 0,63 – 0,69 µm vermelho 4 0,76 – 0,90 µm infravermelho próximo 5 1,55 – 1,75 µm infravermelho médio 7 2,08 – 2,35 µm infravermelho distante 6 10,4 – 12,5 µm infravermelho termal
O sistema de recepção e gravação dos dados LANDSAT do Instituto Nacional de Pesquisas Espaciais (INPE) encontra-se instalado em Cuiabá-MT, local que, por ser o centro geográfico da América do Sul, permite o recobrimento da maioria de seus países. A estação de Cuiabá, através de sua antena de rastreio, realiza a recepção e grava as imagens geradas pelos sensores orbitais a bordo dos satélites LANDSAT, bem com os dados de telemetria (altitude, latitude, etc), ao longo da órbita ao alcance da estação. Em seguida, as fitas gravadas são enviadas ao Laboratório de Processamento de Imagens, em Cachoeira Paulista-SP.
Neste laboratório, as fitas são processadas para a conversão dos dados em formas mais convenientes aos usuários, tais como imagens fotográficas em papel preto e branco e colorido ou na forma de fitas compatíveis com o computador (formatos CCT, Streamer e CD-ROM).
São apresentadas no Apêndice 1 as características e aplicações das Bandas do LANDSAT.
2.3. Comportamento espectral da vegetação
Vários estudos têm constatados a existência de uma relação linear positiva entre a fitomassa e a quantidade de radiação fotossiteticamente ativa absorvida (APAR) para uma grande número de espécies de plantas (Gallagher & Biscoe, 1978; Gallo et al., 1985; Green, 1987; Wiegard & Richardson, 1987; Prince, 1991). Por exemplo, Monteith (1977) e Steven et al. (1983) observaram que em plantas sadia e devidamente suprida de nutrientes a fotossíntese líquida e a produção de fitomassa foram proporcionais a quantidade de radiação fotossinteticamente ativa absorvida pelo dossel das mesmas, durante o ciclo da planta.
O dossel vegetativo, assim chamado, é caracterizado pelos seus componentes (folhas, galhos, caule, substrato e sombras) e sua organização e sua estrutura afetam diretamente as interações com a energia solar (Colwell, 1974; Assunção, 1989).
A interação da radiação solar com a vegetação é mais significante através das folhas, as quais são os principais componentes da planta onde se realiza a fotossíntese, responsável pela conversão da energia solar em energia química para a produção de carboidratos. A arquitetura da folha e a planta estão adaptadas para aproveitar melhor a radiação solar para o processo de fotossíntese (Moreira, 1997).
A parte refletida do fluxo radiante incidente na superfície do dossel resulta da interação da radiação solar com as diversas camadas ou extratos da vegetação e do solo (Bauer, 1975). Entretanto, essas interações são melhor entendidas pelas propriedades ópticas da folha, por ser o principal componente da vegetação (Vane & Goetz, 1988).
Na região do visível, a radiação fotossinteticamente ativa que incide sobre a vegetação, é absorvida pelos pigmentos fotossintetizantes no mesófilo foliar. Os pigmentos que ocorrem em maior parte são as clorofilas e menor parte pelos carotenóides, xantofilas e as antocianinas (Knipling, 1970). Nesta região a reflectância apresenta um pico em torno de 530 nm (Bauer, 1975).
Em contraste, na região do infravermelho próximo, verifica-se que a energia é bastante refletida e transmitida pelas folhas, devido às descontinuidades do índice de refração na estrutura do mesófilo foliar (Gaussman, 1974).
Colwell (1974) destacou três componentes que são inerentes ao entendimento da resposta espectral do dossel da planta, do solo e da sombra. Estes componentes,
aliados a outros fatores característicos do momento de obtenção de uma cena por um sensor, como ângulos (zenital, azimutal e de visada) e disposições (orientação de fileiras, sazonalidade, relevo, etc) são de suma importância para a análise da resposta espectral de uma área ou alvo agrícola e florestal.
2.4. Comportamento espectral do solo
Para Huete et al. (1985), a reflectância do solo tem influência marcante na avaliação e caracterização de áreas vegetadas, principalmente, se a vegetação tem baixo índice de cobertura do solo, no momento de aquisição dos dados peloo satélite. De modo geral, o solo influencia muito no período inicial de desenvolvimento, quando ocorre a maior percentagem de solo exposto (Bauer et al., 1981; Ahlrichs & Bauer, 1983).
Segundo Myers (1970), a reflectância espectral do solo depende da cor, teor de umidade, rugosidade da superfície, textura, conteúdo mineral, matéria orgânica e biomassa seca residual. O conteúdo de umidade do solo e biomassa seca residual, os quais variam com o tempo, dominam o padrão de reflectância espectral do solo.
Epiphânio et al. (1992) estudaram o comportamento espectral dos principais solos do Estado de São Paulo nas faixas do visível e infravermelho próximo e médio do espectro eletromagnético, por espectrometria fina. Neste estudo, os autores observaram que as diferenças mineralógicas se distinguiram de forma marcante na faixa do espectro. A matéria orgânica foi o constituinte que tendeu a mascarar as feições espectrais, principalmente no visível e infravermelho próximo. A umidade também foi outro constituinte que mostrou bastante influencia na reflectância dos solos.
2.5. Tratamento de dados orbitais
Para obter informações sobre alvos da superfície terrestre p.ex. área plantada com determinada cultura, tipo de ocupação do solo, etc, através da análise de dados coletados por sensores orbitais. Existem duas abordagens que podem ser utilizadas, ou seja, interpretação visual, utilizando produtos fotográficos e análise digital, feita através de métodos computacionais.
A escolha de uma ou outra abordagem, vai depender da disponibilidade de equipamentos e dos resultados para que se deseja da análise. Em muitos caso, emprega-se as duas abordagens, para se fazer estudos, por exemplo, de ocupação do solo e/ou para testar a eficiência de determinado processo de classificação digital.
2.5.1. Interpretação visual de imagens
Segundo Vettorazzi (1992) a interpretação visual de imagens baseia-se no processo de análise de imagens através da detecção, identificação e classificação dos alvos de interesse contidos nas imagens. Na análise das imagens é fundamental a percepção de entes e feições, insinuados através de características fundamentais denominadas elementos de análise das imagens, que são: cor, tonalidade, textura, tamanho, forma, padrão, sombras, altura, localização dos alvos e aspectos associados (contexto).
Além dessas características citadas por Vettorazzi (1992), outros princípios de análises tais como: teste de hipótese, convergência de evidências, técnicas de
detecção e identificação (modelos de percepção, material colateral, visão estereoscópica) e elementos (tonalidade/cor, tamanho, forma, etc.) foram citados, anteriormente, por Novo (1989).
De acordo com Duarte (1989), o sucesso da interpretação visual de dados de satélite, quer seja de áreas agrícolas ou outros alvos, está relacionado com alguns fatores básicos: a) época adequada de obtenção das imagens; b) tipo de produto (colorido ou preto e branco); c) bandas espectrais; d) escala das imagens e) habilidade do fotointérprete. No caso de habilidade do fotointérprete, o autor comentou que é possível estabelecer três níveis a saber: 1) Fotointérprete com conhecimento de campo; 2) Fotointérprete sem conhecimento de campo e 3) Fotointérprete sem conhecimento de campo, porém possuindo dados auxiliares de campo.
Os dados resultantes do sensoriamento remoto apresentam uma combinação de formas facilmente identificáveis com outras não tão facilmente identificáveis, esta facilidade depende da experiência do intérprete. Antes da interpretação, tem-se apenas "dados de sensores remotos". Após a interpretação, esses dados são transformados em "informação útil” (Lillesand & Kiefer, 1994). Para eles, os intérpretes mais eficientes, de modo geral, têm conseguido duplicar os poderes de interpretação pelo uso de imaginação e uma grande parcela de paciência. Sendo necessário, também de um entendimento minucioso do fenômeno sendo estudado e o conhecimento da região geográfica em estudo.
Segundo Gong & Hawarth (1990), a validação da exatidão de mapeamento é a última etapa dos procedimentos da interpretação visual e classificação digital dos dados obtidos por sensores remotos. Pode-se dizer que, a adequação das técnicas de amostragem, a unidade de amostragem, o tamanho da amostra e a validação da exatidão são os requisitos básicos para proporcionar maior confiabilidade a um mapeamento criterioso e satisfatório.
Hay (1988) definiu três objetivos na utilização da matriz de erro: a) oferece dados que permitem o ajuste das áreas das classes obtidas por algum tipo de classificação; b) cálculo de parâmetros de exatidão geral da classificação e c) identificação de erros específicos que afetam cada uma das categorias.
2.5.2. Tratamento digital de imagens orbitais
As imagens de satélites, no formato digital ou analógica, são compostas de elementos discretos, pictoriais, denominados “Pixels”, cujas informações radiométricas são quantificadas em valores de níveis de cinza, que varia de 0 a 255 níveis para o caso de dados digital e de 0 a 16 níveis para o caso analógico (Chen, 1989).
O tratamento digital dessas imagens baseia-se em técnicas de reconhecimento de padrões, através da aplicação de funções matemáticas ou algorítimos aos dados gravados pelos sensores. Este procedimento é também conhecido como análise digital .
Lo (1994) enfatizou que o processamento das imagens multitemporais permitem extrair as características dos alvos ao longo do tempo, através de técnicas que incluem quocientes, transformações lineares entre bandas e transformações canônicas e de componentes principais.
O sucesso na obtenção de resultados através da análise digital, também está sujeito a alguns dos fatores básicos, citado por Duarte (1989), ou seja, época de obtenção dos dados bandas espectrais e experiência do pesquisador em associar os padrões espectrais observados nos dados digitais com os alvos na superfície da terra.
A metodologia utilizada para análise de digital de dados de satélite, segundo ainda Chen (1989), envolve duas etapas: o treinamento e a classificação. Entretanto, outras duas etapas devem ser mencionadas ou seja, o pré-processamento e o pós-processamento pois visam melhorar o resultado da análise digital.
2.5.2.1. Pré-processamento
Esta etapa tem como objetivo melhorar a qualidade da imagem, realçando detalhes importantes e eliminando possíveis defeitos de gravação, para facilitar a análise pelo interprete dentre as técnicas de pré-processamento, pode-se citar a manipulação de contraste, filtragem espacial, detecção de bordas, retificação radiométrica, registro de imagem, transformação de imagem nível de cinza em imagem reflectância, entre outras. Neste capítulo será comentado com maior detalhe apenas aquelas técnicas de pré-processamento que se julga necessárias para atender os objetivos propostos nesta pesquisa.
a) Manipulação de contraste
Quando os alvos de uma determinada área que é imageada pelo sensor TM, possuem pequenas variações da energia refletida e esta quantidade de energia é relativamente baixa, estes alvos e os dados do Landsat-TM apresentam valores de níveis de cinza muito próximos uns dos outros. A manipulação de contraste é empregada, neste caso, para aumentar o contraste visual entre alvos. Para tal, procura-se dar valores mais altos para os alvos que têm maiores reflectância e mais baixos para aqueles com menores valores de reflectância.
Desta forma, há uma maior diferenciação entre eles de modo a possibilitar uma visualização melhor desses diferentes alvos.
b) Retificação geométrica e registro
A retificação geométrica e registro das imagens representam fases importantes para possibilitar o estudo em várias imagens diferentes, pois, se não realizados podem induzir erros no processo interpretativo das mudanças na cobertura da terra, a partir de variações no número de pixels.
Townshend et al. (1992) mostraram que, em duas imagens MSS/ Landsat, um erro de registro de um pixel gerou um erro de mais de 50% de diferença aos valores de Índice de Vegetação da Diferença Normalizada (NDVI), em áreas densamente florestadas. Dados esses que levaram os autores a concluírem que para alcançar um erro menor (10%), ou seja, um melhor registro, seria necessário um exatidão mínima de 0,2 pixel para áreas densamente florestadas e de 0,5 - 1 pixel para áreas menos florestadas.
2.5.2.2. Técnicas de classificação de imagens digitais
A classificação digital de dados de satélites pode ser feita através do emprego de algoritmos de reconhecimento de padrões com diferentes abordagem de classificação, ou seja, algoritmos de classificação supervisionada (exige a interação do interprete
na fase de treinamento do computador para a definição das classes de ocupação do solo) e aqueles não-supervisionados, isto é, não necessita da fase de treinamento do computador.
Para Pereira (1994), a classificação de imagem consiste em identificar nas imagens os diferentes alvos, fenômenos ou feições que apresentem padrões espectrais similares e atribuí-los a uma determinada classe.
a) Classificação supervisionada
A classificação supervisionada baseia-se na suposição do conhecimento prévio da área a ser classificada, a partir do qual se selecionam as amostras de “pixels" que irão compor o arquivo de treinamento para o classificador. O conhecimento de diferentes classes de ocupação do solo, na área de estudo, pode ser adquirido de mapas temáticos obtidos através da interpretação visual de imagens de satélites no formato analógico (Schowengerdt, 1983).
A classificação supervisionada é o procedimento mais usado para análise quantitativa e nela o usuário seleciona áreas de treinamento pertencentes às classes desejadas. O usuário treina o analisador de imagens, deixando a ele a tarefa de localizar todos os demais "pixels" pertencentes às classes anteriormente definidas, baseado em algumas regras estatísticas pré-estabelecidas.
A maioria dos tipos de algoritmo de classificação utiliza a informação de cada “pixel” independentemente (“pixel” a “pixel”). Esses tipos de classificadores baseiam-se em funções de densidade de probabilidade ou apenas em modelos determinístico (Haralick & Fu, 1983).
A classificação supervisionada, segundo Gong & Hawarth (1990) requer cinco etapas principais que são: a) pré-processamento dos dados, ou seja, correção geométrica, radiométrica (no caso de classificação multitemporais) e redução da dimensionalidade; b)treinamento do classificador; c) rotulação dos “pixels” ou seja, atribuir a cada “pixel” uma determinada classe espectral da imagem, de acordo com as estatísticas de treinamento; d) pós processamento e d) avaliação da exatidão de mapeamento, através da comparação dos dados classificados com a informação de campo.
Os algoritmos de classificação supervisionada mais utilizados correspondem ao Método do Paralelepípedo ("Single Cell") e ao Método da Máxima Verossimilhança.
O algoritmo identifica todas as áreas da cena a ser classificada que apresentem características espectrais similares àquelas fornecidas pelas áreas de treinamento de classes (Pereira, 1994).
b) Classificação não-supervisionada
Na classificação não-supervisionada assume-se que o valores dos “pixels” da imagem formam uma série de agrupamentos (“clusters”). Estes “clusters” possuem os “pixels “com comportamento espectral homogêneo e, portanto, podem estar associado às classes
temáticas de interesse (Ramilo, 1988).
Segundo Crosta (1992), este sistema de classificação é utilizado quando não se tem nenhum tipo de conhecimento sobre a área de estudo, ou seja, quando não se dispõe de dados prévios sobre o número de classes presentes na cena de interesse. Essa abordagem de
classificação corresponde a uma técnica de segmentação de imagens onde elas são divididas em classes não conhecidas, ou seja, o classificador define as classes com base em regras estatísticas.
Existem vários algoritmos de classificação não-supervisionada. Richards (1995) comenta que o usuário deve escolher um número elevado de classes iniciais, levando em consideração que, após a execução do procedimento, algumas das classes resultantes podem ser agregadas num processo de união.
2.6. Aspecto multitemporal dos dados de sensoriamento remoto
A dinâmica de utilização das terras é um fator indispensável, porém, complexa do ponto de vista de sistemas de uso e aproveitamento da áreas. A utilização de dados multitemporais de sensoriamento remoto é extremamente importante para sua correta avaliação, caracterização e delineamento.
Moreira & Assunção (1984) salientaram que a utilização apenas de dados multiespectrais por si só, às vezes, são insuficientes para caracterização de tipos de uso e cobertura em uma região, principalmente se na área de interesse pratica-se a agricultura. Desta forma, os autores recomendam a associação da variação temporal e espacial às características espectrais e destacam que a caracterização de culturas através de dados do satélite Landsat tornam-se eficientes a medida que se faz uso dessa associação.
Lillesand & Kiefer (1994) observaram que o caráter multitemporal das imagens, auxiliam na discriminação das mudanças espectrais e espaciais durante o ciclo das culturas, o que seria impossível de realizar a partir de uma única data.
2.7. Sistema de Informações Geográficas (SIG)
Os Sistemas de Informações Geográficas (SIG’s) servem-se de mais variados recursos para a observação e captura de dados e informações, tais como:
aerolevantamentos, levantamentos cadastrais, levantamentos via satélites, censos, levantamentos topográficos, etc. (Quintanilha, 1995).
O termo geoprocessamento denota a disciplina do conhecimento que utiliza técnicas matemáticas e computacionais para tratamento da informação geográfica (Câmara & Medeiros, 1996). Desta maneira, ferramentas computacionais desenvolvidas, chamadas Sistema de Informação Geográfica (SIG), oferecem procedimentos de análise através da integração de dados de diversas fontes com algum tipo de componente espacial e da criação de banco de dados georreferenciados. Além disso, o SIG permite armazenar as informações espaciais de formas eficiente, facilitando sua atualização e acesso direto do usuário (Chuveico, 1990).
Medeiros & Botelho (1996) descreveram que os SIG’s têm evoluído de simples mapas automatizados para poderosas ferramentas de análise, planejamento e decisão, através da combinação e integração de todas as categorias de dados georreferenciados. Esses sistemas devem destacar a localização espacial dos dados, facilitar o georreferenciamento dos recursos que modelam, auxiliar em análises estatísticas das informações geográficas e, também, ajudar no planejamento através de mecanismos de simulação e previsão de dados.
Numa visão geral, pode-se considerar um SIG com os seguintes componentes: interface com o usuário, entrada e integração de dados, funções de processamento, visualização e plotagem, armazenamento e recuperação de dados. Com essa capacidade, o
geoprocessamento apresenta um enorme potencial para a tomada de decisões sobre os problemas urbanos, rurais e ambientais (Câmara & Medeiros, 1996).
Os mesmos autores indicam, como principais características do Sistema de Informação Geográfica, a capacidade de inserir e integrar numa única base de dados informações espaciais provenientes de dados cartográficos, censitários e cadastro urbano e rural, imagens de satélite, redes e modelos numéricos de terreno; oferecer mecanismos para combinar as várias informações, através de algoritmos de manipulação e análise, bem como para consultar, recuperar, visualizar e plotar o conteúdo da base de dados georreferenciados.
Segundo Rocha (2000), um SIG deve reunir as seguintes características:
- ter capacidade para coletar e processar dados espaciais obtidos a partir de fontes diversas tais como: levantamentos de campo (incluindo o sistema GLOBAL POSITION SYSTEM-GPS), mapas existentes, fotogrametria, sensoriamento remoto e outros;
- ter capacidade para armazenar, recuperar, atualizar e corrigir os dados processados de um forma eficiente e dinâmica;
- ter capacidade para permitir manipulações e a realização de procedimentos de análise dos dados armazenados, com possibilidade de executar diversas tarefas, tais como, alterar a forma de dados através de regras de agregação definidas pelo usuário, ou produzir estimativas de parâmetros e restrições para modelos de simulação e gerar informações rápidas a partir de questionamentos sobre os dados e suas inter-relações;
- ter a capacidade para controlar a exibição e saída dos dados em ambos os formatos gráfico e tabular.
Os dados utilizados em SIG podem ser divididos em dois grandes grupos: dados gráficos, espaciais ou geográficos, que descrevem as características geográficas da
superfície (forma e posição) e dados não geográficos, alfanuméricos ou descritivos, que descrevem os atributos destas características. A representação dos dados espaciais em um SIG pode ser basicamente Vetorial (vetor) e Matricial (raster) (Rocha, 2000).
Os mapas são compostos de pontos, linhas e polígonos. Internamente, um SIG representa os pontos, linhas e áreas como conjunto de pares de coordenadas (X,Y) ou (Longitude, Latitude). Os pontos são representados por um par. Linhas e áreas são representadas por seqüência de pares de coordenadas, sendo que nas áreas o último par coincide exatamente com o primeiro.
Desta forma, são armazenadas e representadas no SIG as entidades do mundo real que são representáveis graficamente, no modelo vetorial. Além disso, os SIG's contam com um conjunto de algoritmos que lhes permitem analisar topologicamente as entidades espaciais.
No formato matricial tem-se uma matriz de células, às quais estão associados valores, que permitem reconhecer os objetos sob a forma de imagem digital. Cada uma das células denomina-se pixel e é endereçável por meio de suas coordenadas (linha, coluna) (Rocha, 2000).
É possível associar o par de coordenadas da matriz (coluna, linha) a um par de coordenadas espaciais, (X,Y) ou (Longitude, Latitude). Cada um dos pixels estão associados a valores que serão sempre números inteiros e limitados, geralmente entre 0 e 255. Estes valores são utilizados para definir uma cor para apresentação na tela ou para impressão.
Os valores dos pixels representam uma medição de alguma grandeza física correspondente a um fragmento do mundo real.
a) Atributos dos Dados Espaciais: são os atributos que fornecem informações descritivas acerca das características de algum dado espacial. Podem fornecer informações qualitativas ou quantitativas associadas às feições espaciais pontos, linhas ou áreas representadas na base de dados.
b) Atributos Georreferenciados: São dados onde a preocupação é apenas georreferenciar alguma característica específica, sem descrever as suas feições espaciais.
Segundo Bocco & Valenzuela, data citada por Pereira et al. (1994), foram utilizadas procedimentos operacionais em SIG's e técnicas de processamento de imagens orbitais para avaliar a erosão do solo. Constataram que a integração do SIG e a interpretação visual de produtos de sensoreamento remoto e classificação digital de dados dos sensores TM e SPOT permitiram a discriminação de processos de erosão dos solos.
Segundo o manual SPRING (1997), o software SPRING (Sistema para Processamento de Informações Georreferenciadas) é um banco de dados geográfico, de segunda geração, para ambientes Unix e Windows, com as seguintes características:
• opera como um banco de dados geográfico sem fronteiras e suporta grande volume de dados (sem limitação de escala, projeção e fuso), mantendo a identidade dos objetos geográficos ao longo de todo banco;
• administra dados vetoriais e matriciais (“raster”), realizando a integração de dados de sensoriamento remoto num SIG;
• tem um ambiente de trabalho amigável e poderoso, através da combinação de menus e janelas com uma linhagem espacial facilmente programável pelo usuário (Legal-linguagem espaço-geográfica, baseada em álgebra);
• consegue escalonabilidade completa, sendo, capaz de operar com toda sua funcionabilidade em ambientes que variam desde microcomputadores a estações de trabalho RISC de alto desempenho.
Para alcançar estes objetivos, o SPRING é baseado num modelo de dados orientado a objetos, do qual são derivadas sua interface de menus e a linguagem espacial LEGAL (Linguagem Espacial para Geoprocessamento Algébrico). Algorítmos inovadores, como os utilizados para indexação espacial, segmentação de imagens e geração de grades triangulares, garantem o desempenho adequado para as mais variadas aplicações.
2.7.1. Banco de dados
Um banco de dados geográficos é entendido como um banco de dados não convencional, onde os dados tratados possuem, além de atributos descritivos, uma representação geométrica no espaço geográfico (Câmara & Medeiros, 1996).
Segundo Rocha (2000), os bancos de dados são formados pelo banco de dados espaciais, descrevendo a forma e a posição das características da superfície do terreno, e o banco de dados de atributos, descrevendo os atributos ou qualidades destas características. Em alguns sistemas, o banco de dados espaciais e o de atributos são rigidamente distintos e em outros sistemas são integrados em uma entidade simples, conhecida como "coverage".
Um sistema de gerenciamento de banco de dados (SGBD) consiste em uma coleção de dados interrelacionados e em um conjunto de programas para acessá-los, com o
objetivo de prover um ambiente que seja conveniente e eficiente para recuperar e armazenar informações de banco de dados (Korth & Silberschatz, 1993).
2.8. Modelos de predição de erosão
2.8.1. Zoneamento ecológico-econômico
Segundo Barbosa et al. (1998), na metodologia para Zoneamento Ecológico Econômico (ZEE), descrita por Crepani et al. (1996) e Becker & Egler (1996), o uso de imagens de satélite serve como base para definição de unidades de paisagem chamadas unidades territoriais básicas (UTB). Uma unidade territorial básica exprime o conceito geográfico de zonalidade através de atributos ambientais que permitem diferenciá-la de outras unidades vizinhas, ao mesmo tempo em que possui vínculos dinâmicos que a articulam a uma complexa rede integrada por unidades territoriais. Estas UTBs são definidas por fotointerpretação em imagens de satélite e servem como âncora para a definição dos mapas derivados do meio físico-biótico.
O INPE, em convênio com a SAE/PR (Secretaria de Assuntos Estratégicos da Presidência da República), desenvolveu projeto de treinamento de equipes multidisciplinares, em todos os Estados da Amazônia Legal, dentro do Projeto de Zoneamento Ecológico-Econômico da Amazônia. A partir das Comissões Estaduais de Zoneamento Ecológico-Econômico, cada Estado definiu uma área prioritária, dentro de seu território, e a equipe a ser treinada. A metodologia aplicada foi concebida visando o mapeamento de todo o território da Amazônia Legal mas pode ser aplicada em todo território nacional, uma vez que tem como “âncora” as imagens TM/LANDSAT.
Segundo Becker & Egler (1996), o programa de ZEE (Zoneamento Ecológico-Econômico) da Amazônia Legal estabelecido em 1991 (PZEEAL) pelo Governo Federal assim define o ZEE:
- o ZEE é entendido como "um dos instrumentos para a racionalização da ocupação dos espaços e de redirecionamento de atividades", "subsídio a estratégias e ações para a elaboração e execução de planos regionais em busca de desenvolvimento sustentável";
- a finalidade do ZEE é "dotar o Governo das bases técnicas para espacialização das políticas públicas visando a Ordenação do Território", a qual é entendida como expressão espacial das políticas econômica, social, cultural e ecológica;
O ZEE é um instrumento político e técnico cuja finalidade última é otimizar o uso do espaço e as políticas públicas. Esta otimização é alcançada pelas vantagens que ela oferece, tais como:
a) é um instrumento técnico de informação integrada sobre o território , necessária para
planejar a sua ocupação racional e o uso sustentável dos recursos naturais:
- provê uma informação integrada em base geográfica;
- classifica o território segundo suas potencialidades e vulnerabilidade;
b) é um instrumento político de regulação do uso do território;
c) é um instrumento do planejamento e da gestão territorial para o desenvolvimento
O ZEE portanto, não é um fim em si, nem mera divisão física, e tampouco visa criar zonas homogêneas e estáticas cristalizadas em mapas. Trata-se sim, de um instrumento técnico e político do planejamento das diferenças, segundo critérios de sustentabilidade, de absorção de conflitos, e de temporalidade, que lhe atribui o caráter de processo dinâmico, que deve ser periodicamente revisto e atualizado, capaz de agilizar a passagem para o novo padrão de desenvolvimento.
A elaboração da proposta de Zoneamento Ecológico-econômico (ZEE), como expressa o próprio termo, deve ser capaz de manifestar a resultante de dois processos dinâmicos que interagem no território. De um lado, os processos naturais, cuja lógica pode ser sintetizada nos princípios da ecodinâmica. De outro os processos sociais, que respondem à dinâmica econômica e a objetivos políticos.
2.8.1.1. Dados do Landsat-TM como âncora para o zoneamento
Segundo Crepani et al. (1997), dentro da proposta de promover a integração de dados sobre uma imagem que possa ser interpretada, as unidades territoriais básicas de um zoneamento ecológico podem ser divididas em duas categorias: as “unidades de paisagem natural” e os “polígonos de ação antrópica”.
A delimitação das unidades territoriais básicas sobre uma imagem de satélite permite o acesso às informações que as diferentes resoluções (espacial, temporal e radiométrica) da imagem podem oferecer, ao contrário do simples cruzamento de informações, gerado a partir de dados de diferentes escalas, épocas e metodologias de trabalho, que nem
sempre apresentam um resultado consistente para um determinado momento (Crepani et al., 1997).
2.8.1.1.1. Unidades de paisagem natural
As unidades de paisagem natural são definidas sobre as imagens, a partir da interpretação dos seus elementos básicos: elementos de textura de relevo e de drenagem e tonalidades de cinza ou matizes de cores.
As unidades de paisagem natural, quando definidas a partir de critérios de fotointerpretação sobre a “âncora” representada pelas imagens orbitais, devem ser analisadas à luz de suas características genéticas e daquelas relacionadas à sua interação com o meio ambiente, para que se possa conhecer e classificar sua capacidade de sustentação à ação humana (Crepani et al., 1997).
Para se analisar uma unidade de paisagem natural é necessário conhecer sua gênese, constituição física, forma e estágio de evolução, bem como o tipo da cobertura vegetal que sobre ela se desenvolve. Estas informações são fornecidas pela Geologia, Geomorfologia, Pedologia e Fitogeografia, precisando ser integradas para que se tenha um retrato fiel do comportamento de cada unidade frente à sua ocupação. Finalmente, é necessário o auxílio da Climatologia para que se conheçam algumas características climáticas da região onde se localiza a unidade de paisagem, a fim de que se anteveja o seu comportamento frente às alterações impostas pela ocupação (Crepani et al., 1997).
A análise morfodinâmica das unidades de paisagem natural pode ser feita a partir dos princípios da Ecodinâmica (Tricart, 1977) que estabelece uma relação entre os
processos de morfogênese/pedogênese. Quando há predominância da morfogênese prevalecem os processos erosivos modificadores das formas de relevo e quando predomina a pedogênese prevalecem os processos formadores dos solos.
2.8.1.2. Polígonos de ação antrópica
Os polígonos de ação antrópica correspondem às feições decorrentes da intervenção humana na paisagem, manifestada na forma de alterações na tonalidade de cinza ou matizes de cores, dentro de padrões característicos.
Para Crepani et al. (1997), como representantes da área física onde se dá a atuação humana que modifica as condições naturais, os polígonos de ação antrópica podem localizar-se sobre uma única ou várias unidades de paisagem natural, dependendo exclusivamente de suas dimensões.
Esta simples constatação a respeito dos polígonos de ação antrópica demonstra a necessidade de se conhecer previamente as unidades de paisagem natural. A atuação do homem sobre o meio ambiente, sem o prévio conhecimento do equilíbrio dinâmico existente entre os diversos componentes que permitiram a construção das diferentes unidades de paisagem pode levar a situações desastrosas, do ponto de vista ecológico e econômico. Portanto, antecedendo qualquer ocupação, deve-se conhecer os componentes físico-bióticos (Geologia, Geomorfologia, Pedologia, Fitogeografia e Clima) que interagindo, levaram ao estabelecimento das unidades de paisagem natural (Crepani et al., 1997).
O conhecimento dos mecanismos que atuam nas unidades de paisagem natural permite orientar as atividades a serem desenvolvidas dentro do polígono de ação
antrópica, de maneira a evitar agressões irreversíveis e obter maior produtividade, além de dirigir ações corretivas dentro daqueles polígonos onde o uso inadequado provoca conseqüências desastrosas.
2.8.2. Equação universal de perdas de solo (EUPS)
Wischmeier & Smith (1978) utilizaram a Equação Universal de Perdas de Solo para avaliar alguns aspectos da degradação de solos em uma bacia hidrográfica localizada em Ribeirão Bonito, região central de São Paulo. Foi caracterizada a expectativa de erosão para os anos de 1972 e 1988. Obteve-se como resultados situações distintas para os anos analisados, verificando-se que a área com à erosão foi mais expressiva no ano de 1988. Estes resultados podem ser justificados pelas condições do uso e da cobertura vegetal do solo, pois no ano de 1972, grande parte da área ainda era coberta com vegetação natural tipo cerrado, campo cerrado e pastagem natural, enquanto que em 1988, boa parte destas áreas estavam cobertas com culturas temporárias, semi-perenes e perenes, que, por conseqüência, promovem o desencadeamento dos processos de erosão. Os autores concluiram que:
- as técnicas de geoprocessamento e sensoreamento remoto são ferramentas úteis para a coleta e integração de dados, cujos resultados oferecem subsídios relevantes ao planejamento agrícola, ambiental e estudos de dinâmica de uso e ocupação do solo, entre outros;
- que o diagnóstico do potencial de erosão pela equação universal de perdas de solo pode, juntamente com as perdas toleráveis de solo, proporcionar o uso de índices quantitativos (erosão) nas classificações técnicas das terra;
- é importante adotar o procedimento de análise multiespectral e multitemporal para uma avaliação mais efetiva do uso e ocupação das terras.
3. MATERIAL E MÉTODOS 3.1 Material
3.1.1. Descrição geral da área de estudo
A área de estudo utilizada nesta pesquisa, corresponde a uma bacia hidrográfica localizada na cabeceira do Rio Pardo, um dos afluentes do Rio Paranapanema. Localiza-se no município de Pardinho, comarca de Botucatu, na região Centro-Oeste do Estado de São Paulo. Com uma área de 5.334,36 ha, situa-se entre as latitudes de 22o 58' 32'' S a 23o 06' 39'' S e longitudes de 48o 20' 28'' W Gr. a 48o 26' 08'' W Gr.
A bacia é bastante favorecida pela transição entre o relevo acidentado das regiões cristalinas e as zonas de relevo mais suave das estruturas peculiares do Brasil Meridional. Predomina nesta área o relevo ondulado, que é particularmente chamado de “Reverso da Cuesta”, o qual corresponde ao Planalto Residual de Botucatu no interflúvio Tietê/Paranapanema. A
altimetria da área varia de 600 a 900m e as vertentes apresentam predominantemente declividades entre 10 e 20%. É uma área dispersora de drenagem por constituir terrenos elevados de borda da Bacia do Paraná.
As formas de dissecação média, com vales entalhados e densidade de drenagem média a alta, faz com que a fragilidade potencial na área seja média, o que torna a área susceptível a atividades erosivas, sobretudo nos setores mais inclinados das vertentes.
Quanto a Geologia, são dois os grupos predominantes na área de estudo: Grupo Bauru – Formação Marília, formado principalmente por arenitos - Km; e o Grupo São Bento – Formação Serra Geral, formado a partir de derrames basálticos - JKsg (Petri & Fulfaro, 1983).
3.1.2. Pluviometria e temperaturas médias
Quadro 2. Precipitação e temperatura média para a região de Pardinho (SP).
Mês Precipitação média (mm) Temperatura média (ºC)
Janeiro 248,0 23,1 Fevereiro 216,0 23,1 Março 212,0 22,7 Abril 78,0 21.3 Maio 89,0 17,6 Junho 54,0 16,5 Julho 42,0 15,3 Agosto 36,0 17,2 Setembro 64,0 18,0 Outubro 110,0 19,9 Novembro 118,0 21,8 Dezembro 184,0 22,6 TOTAL 1.451,0 19,9 FONTE: DAEE / Casa da Agricultura
Os principais fatores que contribuem para a formação do clima do município é a sua localização próxima ao Trópico de Capricórnio, situado ao sul do território, portanto situado em área de transição e as condições ambientais diversas devido à cuesta, com terras na depressão periférica, frente da cuesta e topo da cuesta.
Podemos classificar o clima do município segundo a classificação de Köeppen, nos tipos Cwa na depressão periférica ou baixada e Cwb no altiplano da cuesta onde está localizada a cidade de Pardinho.
O tipo Cwa caracteriza-se por ser clima mesotérmico úmido com inverno seco, em que a temperatura média do mês mais quente é maior que 22 º C, apresentando os meses de Julho e Agosto como os mais secos. O tipo Cwb caracteriza-se por um tipo mesotérmico de inverno seco em que as temperaturas médias do mês mais quente não ultrapassa 22 º C e do mês mais seco e mais frio é inferior a 18 º C.
O município de Pardinho está sob a ação de três massas de ar que atuam diretamente na região Centro-Sul do país: a Equatorial Continental, a Tropical Atlântica e a Polar Atlântica. As massas Equatorial Continental dominam a região no período de Outubro a Março, criando condições de elevadas evaporações e temperaturas altas, propiciando, com a penetração constante do ar úmido da massa Tropical Atlântica, elevadas chuvas nesses meses do ano. A massa Polar Atlântica ocorre nos meses de Maio a meados de Agosto, contribuindo para baixar as temperaturas nesses meses.
As temperaturas máximas absolutas não assumem valores excessivamente altos, conferindo à região condições de verão ameno. O fenômeno da geada ocorre praticamente em todos os anos, principalmente atingindo as regiões de baixada, nas margens dos rios e córregos.
3.1.4. Flora e fauna
O Rio Pardo é caracterizado como um rio tipicamente conseqüente, no qual a drenagem acompanha a inclinação do reverso da Cuesta em direção ao Rio Paraná e está integrado basicamente na formação da Floresta Atlântica, mas com mata mesófila e enclaves de cerrado.
Em geral, localiza-se numa região com característica de zona de transição e/ou invasão de espécies das locais vizinhos, como o de Cerrado, Chaco, Pampa e Mata Pluvial perenifólia da Costa Atlântica o que enriquece a fauna da região. Esta característica torna a região muito importante do ponto de vista científico e conservacionista.
Em vista do dados acima citados, a microbacia do Alto Pardo, assim como as demais da região, devem ser preservadas principalmente em relação à mata ciliar e vegetação contínua, pois a sobrevivência da fauna está diretamente ligada ao equilíbrio do meio ambiente.
3.1.5. Base topográfica
Para a digitalização das isolinhas de declividade (curvas de nível), bem como o limite da bacia e a rede drenagem, foram utilizadas as Cartas do Brasil, Botucatu: (SF-22-R-IV-3); Pardinho: (SF-22-X-II-1) em escala 1:50.000, com eqüidistância vertical entre curvas de nível de 20m, editadas pelo Instituto Brasileiro de Geografia e Estatística (IBGE, 1973).
3.1.6. Mapa de solos
Como fonte pedológica, utilizou-se o Mapa de Solos, em escala 1:10.000, desenvolvido por Zimback (1997) por levantamento semidetalhado, porém com atualização segundo o novo Sistema Brasileiro de Classificação de Solos (EMBRAPA/CNPS, 1999). Os tipos de solos presentes na área são:
- Latossolo Vermelho Distrófico (LVd);
- Latossolo Vermelho Eutrófico (LVe);
- Neossolo Litólico Psamítico (RL);
- Alissolo Hipocrômico (AP);
- Gleissolo Melânico Distrófico (GMd).
3.1.7. Dados orbitais
Nesta pesquisa foi utilizado imagem no formato digital do ETM+ do Landsat-7, das bandas 3, 4 e 5, correspondente a órbita/ponto 220/76, obtidos na data de passagem de 03 de junho de 2001 (Figura 1).
Figura 1. Recorte da imagem sintética [bandas 3 (azul), 4 (verde) e 5 (vermelho)] obtida pelo sensor ETM+ do Landsat-7, correspondente a órbita/ponto 220/76, na data de 03/06/2001.
3.1.8. Equipamentos
Todos os processos empregados no tratamento dos dados orbitais, bem como a criação do banco de dados foram realizados através de um microcomputador com as seguintes características: PENTIUM-III (multimídia); 128 Mb de memória RAM; winchester de 20.0 GB; monitor SVGA 15"; impressora HP - Deskjet 890 C e mesa digitalizadoramodelo Van Gogh, da marca Digigraf, tamanho Ao.
3.1.9. Sistema de Informação Geográfica
O Sistema de Informações Geográficas (SIG) utilizado foi o SPRING, nas versões 3.4, 3.5 e 3.5.1, desenvolvido no INPE – Instituto Nacional de Pesquisas Espaciais em conjunto com a EMBRAPA – Empresa Brasileira de Pesquisa Agropecuária. A razão pela qual utilizou-se mais de uma versão decorre do fato do SIG estar em constante processo de atualização.
3.2. Metodologia
3.2.1. Mapa de vulnerabilidade a erosão
O termo vulnerabilidade à erosão é empregado para indicar o quanto determinado tipo de solo é susceptível a erosão.
Para obter o mapa de vulnerabilidade à erosão da área de estudo utilizou-se, como base científica de conhecimento, a metodologia proposta por Crepani et al (2001), a qual foi empregada no Zoneamento Ecológico Econômico (ZEE) da Amazônia. Essa metodologia, segundo os autores, foi desenvolvida com base no conceito de Ecodinâmica de Tricart (1977) e na utilização de imagens do Landsat-TM, as quais permitem uma visão sinóptica e holística da paisagem. Os autores recomendam o uso de imagens do Landsat, em composição colorida das bandas 3 (azul), 4 (verde) e 5 (vermelho).
A análise e a interpretação das imagens foram feitas considerando-se os padrões fotográficos identificados pelas variações de cores, textura, forma, padrões de drenagem e relevo. A vulnerabilidade das unidades de paisagem foi estabelecida através de uma escala de
