DISSERTAÇÃO DE MESTRADO

Tamanho: px
Começar a partir da página:

Download "DISSERTAÇÃO DE MESTRADO"

Transcrição

1 I MINISTÉRIO DA EDUCAÇÃO CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO COORDENAÇÃO DO CURSO DE MESTRADO EM MODELAGEM MATEMÁTICA E COMPUTACIONAL DISSERTAÇÃO DE MESTRADO ESTUDO DO USO E OCUPAÇÃO DO SOLO DA CIDADE DE VITÓRIA-ES BASEADO NA ANÁLISE DE IMAGENS MULTITEMPORAIS DOS SATÉLITES LANDSAT-1, 5, 7 E CBERS-2B RENAN OSÓRIO RIOS Dissertação de Mestrado em Modelagem Matemática e Computacional Orientadora: Profª. Drª. Maria das Graças de Almeida. Co-Orientador: Prof. Dr. Magno Meirelles Ribeiro. Belo Horizonte CEFET/MG Setembro / 2010

2 II Renan Osório Rios ESTUDO DO USO E OCUPAÇÃO DO SOLO DA CIDADE DE VITÓRIA-ES BASEADO NA ANÁLISE DE IMAGENS MULTITEMPORAIS DOS SATÉLITES LANDSAT-1, 5, 7 E CBERS-2B Dissertação apresentada ao Curso de Mestrado em Modelagem Matemática e Computacional do Centro Federal de Educação Tecnológica de Minas Gerais, como requisito parcial à obtenção do título de Mestre em Modelagem Matemática e Computacional. Orientadora: Profª. Drª. Maria das Graças de Almeida. Co-Orientador: Prof. Dr. Magno Meirelles Ribeiro. DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS Belo Horizonte - MG Setembro / 2010

3 III MINISTÉRIO DA EDUCAÇÃO CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO COORDENAÇÃO DO CURSO DE MESTRADO EM MODELAGEM MATEMÁTICA E COMPUTACIONAL Dissertação intitulada Estudo do uso e ocupação do solo da cidade de Vitória-ES baseado na análise de imagens multitemporais dos satélites LANDSAT-1, 5, 7 e CBERS-2B. de autoria do mestrando Renan Osório Rios, aprovada pela banca examinadora constituída pelos professores. Profª. Drª. Maria das Graças de Almeida (Orientadora) CEFET-MG Prof. Dr. Magno Meirelles Ribeiro (Co-Orientador) CEFET-MG Profª. Drª. Heloisa Soares de Moura Costa (Membro) - UFMG Prof. Dr. Flávio Luiz Cardeal Pádua (Membro) CEFET-MG Belo Horizonte, 17 Setembro de 2010.

4 IV Dedico meus pais, Paulo e Rosilane, Irmãos Schinayder e Maykon, e a minha querida Kamila.

5 I AGRADECIMENTOS Primeiramente a DEUS, por me dar toda força, guiar meu coração em momentos decisivos, me dar paciência, determinação e entusiasmo para a conclusão desta dissertação. A meus pais, Paulo e Rosilane, por nunca medirem esforços para que eu alcançasse meu objetivo. Por estarem sempre a meu lado, me apoiando, em todos os momentos de minha vida. Vocês são os melhores pais do mundo e, por isso, meu muito-obrigado! A meus queridos irmãos, Schinayder e Maykon, por todo carinho e alegria que me proporcionam, e a todos meus familiares, em especial a minha tia Rejane que sempre me acompanhou. Agradeço a Kamila, pelo total incentivo e mesmo estando longe, sempre me ajudou e acreditou em mim. A você, Kamila, fica todo meu amor. Ao Nilton, Maria e Priscila, por todo apoio e confiança, os meus sinceros agradecimentos. Agradeço a minha orientadora, Profª. Drª. Maria das Graças de Almeida, pela inestimável colaboração com livros, artigos e principalmente pelas orientações. Sua experiência e disposição foram fatores responsáveis pela concretização deste trabalho. A você, Graça, meu muito-obrigado. Agradeço a meu co-orientador Prof. Dr. Magno Meirelles Ribeiro, por seus conselhos, orientações e toda sua colaboração. Com um orgulho imenso agradeço a meus professores do curso técnico e faculdade, que foram incentivadores, torcedores e amigos. Meus agradecimentos a Júlio, Alextian, Allan, Sergio, Érika, Leonardo, Marcelo, Marco Antônio e Maria das Graças Teixeira, por terem sido bons professores e incentivado minha jornada de mestrado. A todos os colegas que conheci em Belo Horizonte e a família Rossinol, meu muitoobrigado a todos. A meus amigos James, Marcus, Danilo, Marlon, Robson, Flávio, Gerllys, Herondino e Jether, obrigado por fazerem parte desta caminhada. A meus colegas de mestrado, que participaram do meu dia a dia, dividindo informações, alegrias e histórias. A Alexandre, Mayra, Saulo, Dayane, Breno, Solange, Paulo, Denise, Rodrigo, Flavia, Igor e Bruna, pela amizade, companheirismo e ajuda.

6 II Agradeço aos demais membros da banca examinadora, Prof. Dr. Flávio Luiz Cardeal Pádua e a Profª. Drª. Heloisa Soares de Moura Costa, pelas valiosas observações que muito contribiram para melhorar esse trabalho. Ao INPE, por fornecer as imagens dos satélites LANDSAT-1, LANDSAT-5, LANDSAT-7 e CBERS-2B sem custo. Ao Geoinfo que forneceu mapas atualizados com diversos dados da cidade de Vitória-ES e arquivos Shp que contribuíram para o desenvolvimento deste projeto. Agradeço a ajuda da CAPES e do coordenador do curso, Prof. Dr. Sergio Ricardo de Souza, e aos professores do CEFET-MG Allbens, Flávio, Marcone e Henrique, obrigado por serem parte desta caminhada. Agradeço a todos os funcionários que fazem parte do CCC/CEFET-MG.

7 III RESUMO Este trabalho teve como objetivo a análise de imagens multitemporais dos satélites LANDSAT-1, LANDSAT-5, LANDSAT-7 e CBERS-2B, para estudo do uso e ocupação do solo da cidade de Vitória ( Espírito Santo). O estudo permitiu a visualização da transformação ocorrida da década de 1970 até os dias atuais. A metodologia utilizada consiste na aquisição e leitura das imagens, coleta dos pontos de controle, criação do banco de dados, georreferenciamento e tratamento das imagens, elaboração da chave de interpretação e aplicação dos princípios do método dividir para conquistar na classificação das imagens orbitais para o uso e ocupação do solo. Nesse contexto, a integração de todos os dados permitiu estimar a dinâmica ocorrida no uso e ocupação nas áreas referentes à água, área urbanizada, área verde, solo exposto, minério e parque insdustrial da cidade de Vitória. Foi possível, assim, identificar a forma pela qual o espaço está sendo ocupado, quer por aspectos naturais ou por atividades desenvolvidas pelo homem. Como resultados obtidos, tem-se o georreferenciamento digital das imagens multitemporais da capital capixaba, classificação das imagens quanto ao estudo do uso e ocupação do solo, análise das imagens individual e multitemporalmente, a verdade terrestre, confecção de cartas temáticas e cartas imagens da região no período do estudo. Palavras chave: Uso e ocupação do solo, Análise multitemporal, Multisensores, LANDSAT 1, 5, 7 e CBERS-2B, Processamento de imagens de satélites, Método dividir para conquistar, Cartas temáticas.

8 IV ABSTRACT In this work the multitemporal analysis of the land use and ocupancy was done, for Vitória City (Espírito Santo) using multitemporal images of the satellites, LANDSAT-1, LANDSAT- 5, LANDSAT-7 and CBERS-2B, in order to monitor the dynamics that occurred in the use and land occupation in the past 37 years. The methodology is based on the tollowing steps: image acquisition and reading, collection points of control, of the databank, image georeferencing, image processing, creation of interpretative key, the use of the method divide and conquer principles to make the classification of the land use. In this context, the integration of all data allowed to estimate the dynamics occurred in the land use and occupancy in the enviroments, urban áreas, green areas, bare soil, ore and Industry Park of Vitória-ES, allowing to identify the way in which the space has been occupied either by natural phenomenons or human activities. As results there are the georreferenced digital multitemporal images of Vitória-ES city, the multitemporal analyzis of the use and land occupation, the ground truth and creation of thematic maps from the past 37 years. Keywords: Land use and occupancy, Multitemporal analysis, Multisensor, LANDSAT-1, 5, 7 and CBERS-2B, Satellite image processing, Divide and conquer method and Thematic maps.

9 V LISTA DE FIGURAS Figura 1 Sensoriamento remoto [FONTE: [7]] Figura 2 Espectro eletromagnético com suas variações quanto ao comprimento de onda [FONTE: [8]] Figura 3 - Componentes de um sistema sensor [FONTE: [8]] Figura 4 Ilustração de um sensor ativo (A) e passivo (B) [FONTE: [8]] Figura 5 Planos de informações adjacentes sendo mosaicadas [FONTE: [18]] Figura 6 Imagem orbital com ruído [FONTE: [8]] Figura 7 Ilustração da distribuição dos números de cinza em um histograma (A) com baixo contraste e (B) com alto contraste [FONTE: [20]] Figura 8 Ilustração de uma ampliação de contraste nos valores dos níveis de cinza de uma imagem de satélite [FONTE: [8]] Figura 9 Espaço de cores IHS [FONTE: [19]] Figura 10 Exemplo de seleção de áreas no treinamento supervisionado [FONTE: [20]] Figura 11 - Funções de densidade com probabilidade de três classes em uma dimensão [FONTE: [8]] Figura 12 Limite de aceitação de uma classificação [FONTE: [20]] Figura 13 - Localização do estado do Espírito Santo [FONTE: Adaptado de [27]] Figura 14 - Localização da cidade de Vitória-ES [FONTE: Adaptado de [29]] Figura 15 - Imagem do mapa de Vitória-ES e suas divisas [FONTE: Adaptado de [31]] Figura 16 Fluxograma geral de atividades Figura 17 - Imagens orbitais das bandas espectrais 1, 2 e 3 com a data 26/07/1973 do sensor RBV (LANDSAT-1) [FONTE: [1]] Figura 18 Imagens orbitais das bandas espectrais 3, 4 e 5 com a data 03/07/1984 do sensor TM (LANDSAT-5) [FONTE: [1]] Figura 19 Imagens orbitais das bandas espectrais 3, 4, 5 e 8 com a data 21/07/1999 do sensor ETM+ (LANDSAT-7) [FONTE: [1]] Figura 20 Imagens orbitais das bandas espectrais 1, 2 e 3 com a data 24/02/2010 do sensor CCD (CBERS-2B) [FONTE: [1]] Figura 21 Imagens orbitais das bandas (HRC) do sensor HRC (CBERS-2B) com as datas 24/02/2010 e 15/11/1999 [FONTE: [1]] Figura 22 - Delimitação da cidade de Vitória-ES nas bandas espectrais 1, 2 e 3 do sensor RBV (LANDSAT-1) Figura 23 Delimitação da cidade de Vitória-ES nas bandas espectrais 3, 4 e 5 do sensor TM( LANDSAT-5) Figura 24 Delimitação da cidade de Vitória-ES nas bandas espectrais 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7) Figura 25 - Delimitação da cidade de Vitória-ES nas bandas espectrais 1, 2 e 3 do sensor CCD (CBERS-2B) Figura 26 Delimitação da cidade de Vitória-ES nas bandas pancromáticas com datas 24/02/2010 e 15/11/2009, para o sensor HRC (CBERS-2B) Figura 27 Georreferenciamento na banda 3 do satélite LANDSAT Figura 28 - Georreferenciamento na banda 4 do satélite LANDSAT

10 Figura 29 - Georreferenciamento na banda 4 do satélite LANDSAT Figura 30 - Georreferenciamento na banda 8 (PAN) do satélite LANDSAT Figura 31 Georreferenciamento na banda 4 do satélite CBERS-2B Figura 32 Georreferenciamento nas bandas HRC com as datas 24/02/2010 e 15/11/2009 do sensor HRC (CBERS-2B) Figura 33 - Fluxograma adotado no tratamento das imagens do sensor RBV (LANDSAT-1) Figura 34 - Aplicação da remoção de ruído nas bandas 1, 2 e 3 do sensor RBV (LANDSAT- 1) Figura 35 Aplicação de contraste nas bandas 1, 2 e 3 do sensor RBV (LANDSAT-1) Figura 36 Aplicação do realce nas bandas 1, 2 e 3 do sensor RBV (LANDSAT-1) Figura 37 Composição colorida (1B-2R-3G) da cidade de Vitória-ES do sensor RBV (LANDSAT-1) com a data 26/07/ Figura 38 Área recortada do município de Vitória-ES com a data 26/07/ Figura 39 - Fluxograma adotado no tratamento das imagens do sensor TM (LANDSAT-5).. 57 Figura 40 - Aplicação da remoção de ruído as bandas 3, 4 e 5 do sensor TM (LANDSAT-5) Figura 41 Aplicação da restauração de 30 m para 10 m de resolução nas bandas 3, 4 e 5 do sensor TM (LANDSAT-5) Figura 42 Aplicação de contraste nas bandas 3, 4 e 5 do sensor TM (LANDSAT-5) Figura 43 Aplicação do realce nas bandas 3, 4 e 5 do sensor TM (LANDSAT-5) Figura 44 Composição colorida (3R-4G-5B) da cidade de Vitória-ES do sensor TM (LANDSAT-5) com a data 03/07/ Figura 45 Área recortada do município de Vitória-ES com a data 03/07/ Figura 46 Fluxograma adotado no tratamento das imagens do sensor ETM+ (LANDSAT-7) Figura 47 Aplicação da remoção de ruído as bandas 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7) Figura 48 - Restauração de 30 m para 10 m de resolução nas bandas 3, 4 e 5 do sensor ETM+ (LANDSAT-7) Figura 49 - Restauração de 15 m para 10 m de resolução na banda 8 do sensor ETM+ (LANDSAT-7) Figura 50 Aplicação da técnica de contraste nas bandas 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7) Figura 51 Aplicação do realce nas bandas 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7) Figura 52 - Imagens IHS geradas a partir das bandas (3B-4G-5R) do sensor ETM+ (LANDSAT-7) Figura 53 - Banda 8 pancromática, H e S, que farão a fusão dos sensores ETM+ (LANDSAT- 7) Figura 54 Composição colorida da cidade de Vitória-ES do sensor ETM+ (LANDSAT-7) com a data 21/07/ Figura 55 Área recortada do município de Vitória-ES com a data 21/07/ Figura 56 Fluxograma adotado no tratamento das imagens do sensor CCD/HRC (CBERS- 2B) Figura 57 Imagens do sensor HRC (CBERS-2B) de Vitória-ES com as datas 15/12/2009 e 24/02/2010 sem tratamento de imagens Figura 58 Imagens do sensor HRC (CBERS-2B) de Vitória-ES com as datas 15/12/2009 e 24/02/2010 recortadas e com tratamento de imagens Figura 59 Imagens do sensor HRC (CBERS-2B) de Vitória-ES com as datas 15/12/2009 e 24/02/2010 mosaicadas VI

11 VII Figura 60 Aplicação da remoção de ruído nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B) Figura 61 Aplicação da restauração de 20 m para 10 m de resolução nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B) Figura 62 Aplicação da reamostragem de 10 m para 2,5 m de resolução nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B) Figura 63 Aplicação da técnica de contraste nas bandas 1, 2 e 3 do sensor CCD (CBERS- 2B) Figura 64 Aplicação do realce nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B) Figura 65 Imagens IHS geradas a partir das bandas (1B-2G-3R) do satélite CBERS-2B Figura 66 Banda HRC, imagens H e S, que farão a fusão dos sensores CCD/HRC do satélite CBERS-2B Figura 67 Composição colorida da cidade de Vitória-ES utilizando a fusão dos sensores CCD/HRC do satélite CBERS-2B com a data 24/02/ Figura 68 Área recortada do município de Vitória-ES com a data 24/02/ Figura 69 Imagem da cidade de Vitória-ES, do satélite LANDSAT-1, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas Figura 70 Imagem da cidade de Vitória-ES, do satélite LANDSAT-5, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas Figura 71 - Imagem da cidade de Vitória-ES, do satélite LANDSAT-7, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas Figura 72 - Imagem da cidade de Vitória-ES do satélite CBERS-2B, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas Figura 73 Modelo adotado para classificação das imagens dos satélites LANDSAT-1, LANDSAT-5, LANDSAT-7 e CBERS-2B Figura 74 Amostras das classes de treinamento na imagem do satélite LANDSAT-1, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas Figura 75 Amostras das classes de treinamento na imagem do satélite LANDSAT-5, dividida em quatro partes: A - Ilha de Vitória e Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas Figura 76 - Amostras das classes de treinamento na imagem do satélite LANDSAT-7, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas Figura 77 - Amostras das classes de treinamento na imagem do satélite CBERS-2B, dividida em quatro partes: (A) Ilha de Vitória e a Ilha do Frade, (B) Porção Continental, (C) Parque Industrial e (D) Reservas e Ilhas Figura 78 Foto tirada do Convento da Penha da Terceira Ponte que liga Vila Velha e Ilha de Vitória e ao fundo a Ilha do Boi e a Ilha do Frade, janeiro de Figura 79 Foto parcial da Ilha de Vitória, janeiro de Figura 80 Foto da vista parcial do Almirante da Fonte Grande, janeiro de Figura 81 Aeroporto e Parque Industrial ao fundo da vista do Pico do Almirante da Fonte Grande, janeiro de Figura 82 - Parte sul da Ilha de Vitória vista do Almirante da Fonte Grande, janeiro de Figura 83 Foto da vista parcial do Morro do São Benedito, janeiro de

12 VIII Figura 84 Foto aérea da Ilha de Vitória, visualizando a Ilha do Boi e a Terceira Ponte ao fundo [FONTE: [41]] Figura 85 Vista parcial da Porção Continental com a visualização do Aeroporto [FONTE: [42]] Figura 86 Visão da Área Verde da cidade e magnífico visual [FONTE: [41]] Figura 87 Vista aérea da grande Vitória-ES [FONTE: [41]] Figura 88 Vista aérea dos edifícios da grande Vitória-ES [FONTE: [41]] Figura 89 Carta temática do uso e ocupação do solo da cidade de Vitória-ES, com a data 26/07/ Figura 90 Carta temática do uso e ocupação do solo da cidade de Vitória-ES, com a data 03/07/ Figura 91 - Carta temática do uso e ocupação solo da cidade de Vitória-ES, com a data 21/07/ Figura 92 - Carta temática do uso e ocupação do solo da cidade de Vitória-ES, com a data 24/02/ Figura 93- Carta imagem da área do município de Vitória-ES, com a data 26/07/ Figura 94 - Carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 26/07/ Figura 95 - Carta imagem da área do município da cidade de Vitória-ES, com a data 03/07/ Figura 96 - Carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 03/07/ Figura 97 - Carta imagem da área do município de Vitória-ES, com a data 21/07/ Figura 98 - Carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 21/07/ Figura 99 - Carta imagem da área do município de Vitória-ES, com a data 24/02/ Figura 100- Carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 24/02/ Figura 101- Carta imagem de edificações da cidade de Vitória-ES, com a data 24/02/ Figura 102- Carta imagem de curva de nível da cidade de Vitória-ES, com a data 24/02/ Figura 103- Carta imagem da estrutura viária da cidade de Vitória-ES, com a data 24/02/ Figura Carta imagem de lotes da cidade de Vitória-ES, com a data 24/02/ Figura Carta imagem de quadras da cidade de Vitória-ES, com a data 24/02/ Figura Carta imagem do zoneamento do plano diretor da cidade de Vitória-ES, a data 24/02/ Figura 107 Arquipélago de Matin Vaz [FONTE: [44]] Figura 108 Ilha da Trindade [FONTE: [44]] Figura 109 Mapa do plano diretor urbano da cidade de Vitória-ES [FONTE: [39]] Figura 110 Mapa da área do município de Vitória-ES [FONTE: [39]] Figura 111 Mapa com o limite dos bairros da cidade de Vitória-ES [FONTE: [39]] Figura 112 Mapa de aterros da cidade de Vitória-ES [FONTE: [39]] Figura 113 Mapa de espaços protegidos da cidade de Vitória-ES [FONTE: [39]] Figura 114 Mapa de ilhas e morros na cidade de Vitória-ES [FONTE: [39]] Figura Mapa de vegetação da cidade de Vitória-ES [FONTE: [39]] Figura 116 Imagem do GPS utilizado para coletar pontos de controle

13 IX LISTA DE TABELAS Tabela 1 Comprimento de onda e as relações de cores na região do visível [FONTE: adaptado de [8]] Tabela 2 - Características e aplicações das bandas do sensor TM (LANDSAT-5) [FONTE: adaptada de [10]] Tabela 3 - Características e aplicações das bandas do sensor ETM+ [FONTE: adaptada de [8], [10]] Tabela 4 - Características e aplicações das bandas espectrais do sensor CCD (CBERS-2B) [FONTE: adaptada de [13]] Tabela 5 - Características da banda espectral do sensor HRC (CBERS-2B) [FONTE: adaptada de [11]] Tabela 6 Matriz de classificação com quatro classes [FONTE: [20]] Tabela 7 Análise das amostras adquiridas para a classe floresta [FONTE: [20]] Tabela 8 - Peso e limiar igual a 3 [FONTE: [20]] Tabela 9 - Frequência e classes [FONTE: [20]] Tabela 10 - Classificação uniformizada [FONTE: [20]] Tabela 11 Coordenadas planas dos pontos de controle coletadas da cidade de Vitória-ES.. 49 Tabela 12 Contraste aplicado nos histogramas das bandas 1, 2 e 3 do sensor RBV (LANDSAT-1) Tabela 13 Contraste aplicado nos histogramas das bandas 3, 4 e 5 do sensor TM (LANDSAT-5) Tabela 14 Contraste aplicado nos histogramas das bandas 3, 4, 5 e 8 do sensor TM/LANDSAT Tabela 15 Contraste aplicado no histograma das bandas 1, 2 e 3 do sensor CCD (CBERS- 2B) Tabela 16 Chave de interpretação para as classes temáticas Tabela 17 Características das partes em que foram divididas as imagens multitemporais da cidade de Vitória-ES com o método dividir para conquistar Tabela 18 Quantidade de amostras e pixels selecionados da imagem do sensor RBV (LANDSAT-1) da cidade de Vitória-ES, com a data 26/07/1973 em suas respectivas imagens divididas Tabela 19 - Resultado obtido com a classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES com a data 26/07/1973 do sensor RBV (LANDSAT-1) Tabela 20 Alterações em km² na Ilha de Vitória e Ilha do Frade com a aplicação do algoritmo de pós-classificação nas imagens do sensor RBV (LANDSAT-1) com a data 26/07/ Tabela 21 - Alterações em km² na Porção Continental com a aplicação do algoritmo de pósclassificação nas imagens do sensor RBV (LANDSAT-1) com a data 26/07/ Tabela 22 - Alterações em km² no Parque Industrial com a aplicação do algoritmo de pósclassificação nas imagens do sensor RBV (LANDSAT-1) com a data 26/07/ Tabela 23 - Alterações em km² na parte Reserva e Ilhas com a aplicação do algoritmo de pósclassificação nas imagens do sensor RBV (LANDSAT-1) com a data 26/07/

14 Tabela 24 Quantidade de amostras selecionadas pelo fotointérprete da imagem do sensor TM (LANDSAT-5) da cidade de Vitória-ES, com a data 03/07/1984 de suas respectivas imagens divididas Tabela 25 - Resultado obtido com a classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES, com a data 03/07/1984 do sensor TM (LANDSAT-5) Tabela 26 Alterações em km² na Ilha de Vitória e Ilha do Frade com a aplicação do algoritmo de pós-classificação nas imagens do sensor TM (LANDSAT-5) com a data 03/07/ Tabela 27 - Alterações em km² na Porção Continental com a aplicação do algoritmo de pósclassificação nas imagens do sensor TM (LANDSAT-5) com a data 03/07/ Tabela 28 - Alterações em km² no Parque Industrial com a aplicação do algoritmo de pósclassificação nas imagens do sensor TM (LANDSAT-5) com a data 03/07/ Tabela 29 - Alterações em Km² na parte Reserva e Ilhas com a aplicação do algoritmo de pósclassificação nas imagens do sensor TM (LANDSAT-5) com a data 03/07/ Tabela 30 Quantidade de amostras selecionadas pelo fotointérprete da imagem do sensor ETM+ (LANDSAT-7) da cidade de Vitória-ES, com a data 21/07/1999 de suas respectivas imagens divididas Tabela 31 - Resultado obtido com a classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES, com a data 21/07/1999 do sensor ETM+ (LANDSAT-7) Tabela 32 Alterações em km² na Ilha de Vitória e Ilha do Frade com a aplicação do algoritmo de pós-classificação nas imagens do sensor ETM+ (LANDSAT-7) com a data 21/07/ Tabela 33 - Alterações em km² na Porção Continental com a aplicação do algoritmo de pósclassificação nas imagens do sensor ETM+ (LANDSAT-7) com a data 21/07/ Tabela 34 - Alterações em km² no Parque Industrial com a aplicação do algoritmo de pósclassificação nas imagens do sensor ETM+ (LANDSAT-7) com a data 21/07/ Tabela 35 - Alterações em Km² na parte Reservas e Ilhas com a aplicação do algoritmo de pós-classificação nas imagens do sensor ETM+ (LANDSAT-7) com a data 21/07/ Tabela 36 Quantidade de amostras selecionadas pelo fotointérprete da imagem do satélite CBERS-2B da cidade de Vitória-ES, com a data 24/02/2010 de suas respectivas imagens divididas Tabela 37 - Resultado obtido com a classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES, com a data 24/02/2010 do satélite CBERS-2B Tabela 38 - Alterações em km² na Ilha de Vitória e a Ilha do Frade com a aplicação do algoritmo de pós-classificação nas imagens do satélite CBERS-2B, com a data 24/02/ Tabela 39 - Alterações em km² na Porção Continental com a aplicação do algoritmo de pósclassificação nas imagens do satélite CBERS-2B, data 24/02/ Tabela 40 - Alterações em km² no Parque Industrial com a aplicação do algoritmo de pósclassificação nas imagens do satélite CBERS-2B, com a data 24/02/ Tabela 41 - Alterações em km² nas Reservas e Ilhas com a aplicação do algoritmo de pósclassificação nas imagens do satélite CBERS-2B com a data 24/02/ Tabela 42 Recursos de hardware e software utilizados na dissertação X

15 XI LISTA DE GRÁFICOS Gráfico 1 Classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 26/07/ Gráfico 2 Classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 03/07/ Gráfico 3 Classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 21/07/ Gráfico 4 Classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 24/02/ Gráfico 5 Classificação multitemporal do uso e ocupação do solo na Ilha de Vitória e Ilha do Frade nos últimos 37 anos Gráfico 6 Classificação multitemporal do uso e ocupação do solo na Porção Continental nos últimos 37 anos Gráfico 7 Classificação multitemporal do uso e ocupação do solo no Parque Industrial nos últimos 37 anos Gráfico 8 Classificação multitemporal do uso e ocupação do solo nas Reservas e Ilhas nos últimos 37 anos Gráfico 9 Classificação multitemporal do uso e ocupação do solo na cidade de Vitória-ES, utilizando os multisensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B em km² nos últimos 37 anos Gráfico 10 Classificação multitemporal do uso e ocupação do solo na cidade de Vitória-ES, utilizando os multisensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B em porcentagem (%) nos últimos 37 anos

16 XII LISTA DE ABREVIATURAS µm Micrômetro Cast Academia Chinesa de Tecnologia Espacial CBERS China-Brazil Earth Resources Satellite CCC Centro de Computação Ciêntífica CCD Câmera Imageadora de Alta Resolução CDIT Centro de Documentação e Informações Técnicas CEFET-MG Centro Federal de Educação Tecnológica de Minas Gerais Cenpes Centro de Pesquisa Leopoldo Miguez cm Centímetro CNPq Conselho Nacional de Desenvolvimento Científico e Tecnológico CNPTIA Centro Nacional de Pesquisa Tecnológica em Informática para Agricultura CVRD Companhia Vale do Rio Doce DGI Divisão de Geração de Imagens DPI Divisão de Processamento de Imagens Dwg Arquivo Auto Cad Embrapa Empresa Brasileira de Pesquisa Agropecuária ES Espírito Santo ETM+ Enhanced Thematic Mapper Plus Fundambiental Fundo Municipal de Meio Ambiente de Vitória GEOTEC Grupo de Pesquisa Geotécnica GPS Sistema de Posicionamento Global GRIB Grade Binária Ha Hectare HRC High Resolution Camera IBGE Instituto Brasileiro de Geografia e Estatística IBM Brasil Centro Latino Americano de Soluções para Ensino Superior e Pesquisa IJSN Instituto Jones dos Santos Neves IMPIMA Leitura de Imagens Digitais INPE Instituto Nacional de Pesquisas Espaciais

17 XIII Km Quilômetro LANDSAT Land Remote Sensing Satellite m Metro MAXVER Máxima Verossimilhança MAXVER-ICM Máxima Verossimilhança -Interated Conditional Modes MB Megabyte MSS Multispectral Scanner System NIG Núcleo de Informação e Geoprocessamento nm Nanômetro PAN Pancromática PDU Plano Diretor Urbano Petrobras Petróleo Brasileiro Sociedade Anônima Pixel Menor Elemento de uma Imagem PMAT Programa de Modernização da Administração Tributaria PROTEM/CC Programa Temático Multiinstitucional em Ciência da Computação PUC PonTifícia Universidade Católica RBV Resource Based View RGB Red Green Blue RHAE Recursos Humanos em Áreas Estratégicas SCARTA Módulo para Edição de Documentos CartoGráficos Sedec Secretaria de Desenvolvimento da Cidade Semmam Secretaria Municipal de Meio Ambiente Shp Arquivo Shape SIG Sistema de Informações Geográficas SLC Espelho Corretor de Linha SLC-OFF Espelho Corretor de Linha Desligado Spg Arquivo SPRING SPRING Sistema de Processamento de Informações Georrefenciadas TECGRAF Grupo de Tecnologia em Computação Gráfica Tif Tagged Image File TM Thematic Mapper Txt Arquivo Texto UFES Universidade Federal do Espírito Santo UTM/SAD69 Universal Transverse Mercator / South American Datum 1969 WFI Wide Field Imager

18 XIV SUMÁRIO AGRADECIMENTOS... i RESUMO...iii ABSTRACT... iv LISTA DE FIGURAS... v LISTA DE TABELAS... ix LISTA DE GRÁFICOS... xi LISTA DE ABREVIATURAS...xii SUMÁRIO... xiv 1 INTRODUÇÃO FUNDAMENTAÇÃO TEÓRICA Sensoriamento Remoto Comportamento Espectral Sistemas Sensores Satélite Artificial Satélite de Recursos Naturais Satélite LANDSAT Sensor RBV Satélite LANDSAT Sensor TM Satélite LANDSAT Sensor ETM Satélite CBERS-2B Sensor CCD Sensor HRC Multissensores Imagem Multitemporal Processamento de Imagens Digitais Geoprocessamento SIG Sistema de Informação Geográfica SPRING Técnicas de Tratamento de Imagens Digitais de Satélites Mosaico Mosaico de Imagens Mosaico de Dados Vetoriais Ruído Restauração Reamostragem Contraste Realce RGB Transformação RGB para IHS Fusão, Transformação IHS para RGB... 23

19 XV 2.13 Uso e Ocupação do Solo Chave de Interpretação Área de Estudo ou Material Colateral Método de Interpretação Chave de Interpretação do Método Sistemático Princípios do Método Dividir para Conquistar Classificação de Imagens Classificação Supervisionada Treinamento Supervisionado Algoritmo Classificador MAXVER Pós- Classificação Fotointérprete METODOLOGIA Apresentação da Área de Estudo Geografia Relevo Litoral Clima Praias Vegetação História Os Capixabas Acompanhamento da Gestão Urbana e Ambiental da Cidade de Vitória-ES O Acompanhamento da Gestão Urbana da Cidade de Vitória-ES Acompanhamento da Gestão Ambiental da Cidade de Vitória-ES Fluxograma Geral de Atividades Aquisição de Imagens Aquisição das Imagens do Satélite LANDSAT Aquisição das Imagens do Satélite LANDSAT Aquisição das Imagens do Satélite LANDSAT Aquisição das Imagens do Satélite CBERS-2B Leitura das Imagens Multitemporais, delimitando a Área de Estudo Aquisição dos Pontos de Controle Criação do Banco de Dados Digital da Cidade de Vitória-ES Georreferenciamento das Imagens Multitemporais Georreferenciamento das Imagens do Sensor RBV (LANDSAT-1) Georreferenciamento das Imagens do Sensor TM (LANDSAT-5) Georreferenciamento das Imagens do Sensor ETM+ (LANDSAT-7) Georreferenciamento das Imagens do Sensor CCD/HRC (CBERS-2B) Registrando as Imagens Tratamento das Imagens dos Satélite LANDSAT-1, 5, 7 e CBERS-2B Fluxograma das Etapas do Tratamento das Imagens do Satélite LANDSAT Ruído Contraste Realce Composição Colorida RGB Recorte da Área de Estudo Fluxograma das Etapas do Tratamento das Imagens do Satélite LANDSAT Ruído Restauração... 58

20 XVI Contraste Realce Composição Colorida RGB Recorte da Área de Estudo Fluxograma das Etapas do Tratamento das Imagens do Satélite LANDSAT Eliminação de Ruído Restauração Contraste Realce Transformação RGB para IHS Técnica de Fusão, Transformação IHS para RGB Composição Colorida RGB Recorte da Área de Estudo Fluxograma das Etapas do Tratamento das Imagens do Satélite CBERS-2B Mosaico de Imagens Eliminação de Ruído Restauração Reamostragem Contraste Realce Transformação RGB para IHS Fusão Composição Colorida RGB Recorte da Área de Estudo Chave de Interpretação Princípios do Método Dividir para Conquistar Aplicado às Imagens de Satélite LANDSAT LANDSAT LANDSAT CBERS-2B Classificação das Imagens do Satélite LANDSAT-1, 5, 7 e CBERS-2B Modelo de Fluxograma da Classificação das Imagens Cálculo da Área Ocupada Utilizando o SPRING Classificação Supervisionada nas Imagens do Satélite LANDSAT Pós-Classificação nas Imagens do Sensor RBV (LANDSAT-1) Classificação Supervisionada nas Imagens do Satélite LANDSAT Pós-Classificação nas Imagens do Sensor TM (LANDSAT-5) Classificação Supervisionada nas Imagens do Satélite LANDSAT Pós-Classificação nas Imagens do Sensor ETM+ (LANDSAT-7) Classificação Supervisionada nas Imagens do Satélite CBERS-2B Pós-Classificação nas Imagens do Satélite CBERS-2B Fotointerpretação das Imagens Multitemporais RESULTADOS E DISCUSSÃO Estudo Individual do Uso e Ocupação do Solo da Cidade de Vitória-ES Baseado na Análise das Imagens Multitemporais dos Satélites LANDSAT-1, 5, 7 e CBERS-2B Estudo do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 26/07/1973, sensor RBV (LANDSAT-1) Estudo do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 03/07/1984, sensor TM (LANDSAT-5)... 93

21 XVII Estudo do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 21/07/1999, sensor ETM+ (LANDSAT-7) Estudo do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 24/02/2010, sensor CCD/HRC CBERS-2B Estudo Multitemporal do Uso e Ocupação do Solo da Cidade de Vitória-ES baseado nos princípios do Método Dividir para Conquistar, com imagens dos Satélites LANDSAT-1, 5, 7 e CBERS-2B Estudo Multitemporal do Uso e Ocupação do Solo da Ilha de Vitória e a Ilha do Frade nos últimos 37 anos Estudo Multitemporal do Uso e Ocupação do Solo na Porção Continental nos últimos 37 anos Estudo Multitemporal do Uso e Ocupação do Solo do Parque Industrial nos últimos 37 anos Estudo Multitemporal do Uso e Ocupação do Solo na parte Reservas e Ilhas nos últimos 37 anos Estudo do Uso e Ocupação do Solo da Cidade de Vitória-ES Baseado na Análise de Imagens Multitemporais dos Satélites LANDSAT-1, 5, 7 e CBERS-2B Verdade Terrestre Cartas Temáticas da Classificação do Uso e Ocupação do Solo da Cidade de Vitória-ES no decorrer de 37 anos Carta Temática da Classificação do Uso e Ocupação do Solo na Cidade de Vitória-ES, com a data 26/07/ Carta Temática da Classificação do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 03/07/ Carta Temática da Classificação do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 21/07/ Carta Temática da Classificação do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 24/02/ Cartas Imagens da Cidade de Vitória-ES no decorrer de 37 anos Carta Imagem da Cidade de Vitória-ES, com a data 26/07/ Carta Imagem da Cidade de Vitória-ES, com a data 03/07/ Carta Imagem da Cidade de Vitória-ES, com a data 21/07/ Carta Imagem da Cidade de Vitória-ES, a data 24/02/ CONSIDERAÇÕES FINAIS TRABALHOS FUTUROS BIBLIOGRAFIA Anexo I Anexo II Anexo IV Anexo IV Anexo V Anexo VI Anexo VII Anexo VIII Anexo IX Anexo X Anexo XI Anexo XII

22 1 1 INTRODUÇÃO Com o avanço da tecnologia espacial, o homem intensificou o uso de dados de satélites para o mapeamento e monitoramento dos recursos naturais do planeta. O uso de satélites voltado para recursos naturais da terra teve seu início na década de A preocupação e a conscientização da utilização de recursos naturais, renováveis ou não, vem aumentando, assim como a pressão por políticas de ordenamento do uso e ocupação do solo e mitigação dos impactos. Traçar as mudanças do uso e ocupação do solo e conhecer como, onde e por quê determinada atividade humana vem ocorrendo são grandes desafios. O conhecimento da maneira pela qual o espaço está sendo ocupado e da distribuição espacial da cobertura do uso e ocupação do solo é imprescindível no processo de tomada de decisões relativas à organização racional da atividade humana no espaço. Existe uma demanda de dados orbitais para monitorar essas modificações espaciais sofridas pelo planeta, fazendo com que o sensoriamento remoto seja uma ferramenta de vital importância para o estudo dessas informações. Nesse contexto, o objetivo deste trabalho é fazer o estudo do uso e ocupação do solo da cidade de Vitória-ES utilizando as imagens dos satélites LANDSAT-1, que forneceu imagens em 26/07/1973, LANDSAT-5 que forneceu imagens em 03/07/1984, LANDSAT-7 que forneceu imagens em 21/07/1999 e CBERS-2B que forneceu imagens em 24/02/2010. O espaço geográfico da capital do Espírito Santo foi dividido em seis classes: água, área urbanizada, área verde, solo exposto, minério e parque industrial. Com a realização da classificação multitemporal do uso e ocupação do solo dessas classes, por meio do geoprocessamento e sensoriamento remoto das imagens multitemporais, é possível fazer a verificação das mudanças ocorridas no espaço geográfico da capital capixaba, no decorrer dos últimos 37 anos. Os objetivos específicos deste trabalho são: Definir as melhores imagens multitemporais processadas e disponibilizadas dos satélites LANDSAT-1, 5, 7 e CBERS-2B, pelo site [1]; Definir a área a ser estudada; Adquirir pontos de controle de lugares estratégicos da cidade de Vitória-ES, através do GPS; Criar no SIG SPRING um banco de dados digital;

23 2 Georreferenciar as imagens multitemporais no SIG SPRING; Processar as imagens multitemporais; Desenvolver um modelo de chave de interpretação para o uso e ocupação do solo; Aplicar o princípio do método dividir para conquistar na divisão de subáreas para classificação; Classificar o uso e ocupação do solo nas imagens multitemporais; Analisar os resultados individuais e multitemporais; Fazer a verdade terrestre nas imagens multitemporais; Confeccionar mapas de cartas temáticas do uso e ocupação do solo no SIG SCARTA. O termo uso e ocupação do solo é muito importante na análise espacial de uma região, e por isto, esse tema tem sido pesquisado por vários autores [2, 3, 4, 5]. A cobertura e uso do solo de São José dos Campos por meio do sensoriamento remoto, foi pesquisada em [2], utilizando o levantamento aerofotogramétrico para realização do sensoriamento remoto sub-orbital, delimitando 12 classes em seu estudo de uso e ocupação do solo. Um trabalho objetivando a análise na evolução da mancha urbana em Londrina no Paraná, por meio das técnicas de sensoriamento remoto foi realizado em [3], onde se utilizaram imagens multitemporais processadas para diferenciar as mudanças na mancha urbana na cidade de Londrina. A análise multitemporal da cobertura vegetal do tipo manguezal de Guapimirim, Rio de Janeiro, por meio do processamento de imagens TM-LANDSAT foi feito em [4], e posteriormente foi feita a análise quantitativa. Por fim, em [5], a análise multitemporal do desmatamento na bacia hidrográfica do Paraguai/Jauquara Mato Grosso, Brasil, utilizando processamento e segmentação nas imagens. O presente trabalho está organizado em capítulos como se segue. O capítulo 2 é o da fundamentação teórica que embasa a pesquisa proposta, introduzindo o sensoriamento remoto, comportamento espectral, sistemas sensores, satélite artificial, satélite LANDSAT-1, satélite LANDSAT-5, satélite LANDSAT-7, satélite CBERS-2B, multisensores, imagem multitemporal, processamento de imagens digitais, técnicas de tratamento de imagens digitais, uso e ocupação do solo, chave de interpretação, princípios do método dividir para conquistar, classificação de imagens e fotointerpretação. O capítulo 3 é o da metodologia da pesquisa do projeto, abrangendo a área de estudo, fluxograma geral de atividades, aquisição de imagens, leitura das imagens multitemporais, aquisição dos pontos de controle, criação do banco de dados digital, georreferenciamento das

24 3 imagens, tratamento das imagens, chave de interpretação, princípios do método dividir para conquistar e classificação das imagens. O capítulo 4 traz os resultados e a discussão das análises da classificação individual, multitemporal, aplicações dos princípios do método dividir para conquistar, verdade terrestre, confecção de cartas temáticas e imagens. No capítulo 5, estão as considerações finais do trabalho e o capítulo 6 aborda os trabalhos futuros.

25 4 2 FUNDAMENTAÇÃO TEÓRICA A fundamentação teórica deste trabalho é apresentada da seguinte forma: na seção 2.1, são abordados aspectos sobre o sensoriamento remoto. Os conceitos sobre o comportamento espectral são vistos na seção 2.2. A seção 2.3 traz os conceitos sobre sistemas sensores. A seção 2.4 apresenta a história e os conceitos dos satélites artificiais e satélite de recursos naturais. As seções 2.5, 2.6, 2.7 e 2.8 mostram as características dos satélites LANDSAT-1, LANDSAT-5, LANDSAT-7 e CBERS-2B e seus respectivos sensores. A seção 2.9 apresenta o conceito de multisensores. A seção 2.10 e 2.11, trazem as características das imagens multitemporais, as técnicas de processamento nas imagens digitais, geoprocessamento e informações sobre o software responsável por esses processamentos. A seção 2.12, apresenta as principais técnicas para o tratamento de imagens digitais. A seção 2.13 introduz a importância do levantamento de informações do uso e ocupação do solo. A seção 2.14 mostra a importância da chave de interpretação. A seção 2.15 apresenta o método dividir para conquistar. A seção 2.16 introduz as etapas para classificação de imagens e suas características. E, finalmente, a seção 2.17 mostra a importância do fotointérprete na análise da imagem. 2.1 Sensoriamento Remoto O sensoriamento remoto é um conjunto de atividades que permite obter informações de objetos que fazem parte da superfície terrestre, sem a necessidade de contato direto com os mesmos. A aquisição de dados de sensoriamento remoto é feita por meio de equipamentos eletrônicos denominados sensores remotos. Os sensores remotos captam e registram a energia refletida ou emitida pelos alvos na superfície da terra. Essa energia é denominada energia eletromagnética ou radiação eletromagnética ; é a fonte utilizada na obtenção de dados para o sensoriamento remoto. A radiação eletromagnética se move na forma de ondas ou partículas eletromagnéticas na velocidade da luz e não necessita de um meio material para se propagar. A principal fonte natural de radiação eletromagnética utilizada no sensoriamento remoto é o sol. Os sistemas sensores captam a radiação eletromagnética refletida ou emitida pelos objetos na superfície da terra. O fluxo de radiação eletromagnética, ao se propagar pelo espaço, pode interagir com a

26 5 superfície ou objetos na superfície da terra, sendo por eles refletido, absorvido ou emitido [6]. A Figura 1 mostra como se realiza o sensoriamento remoto: Figura 1 Sensoriamento remoto [FONTE: [7]]. Para que o sensoriamento remoto seja realizado, de acordo com a Figura 1, são necessárias determinadas condições: Existência de fonte de radiação; Propagação de radiação pela atmosfera; Incidência da radiação sobre a superfície terrestre; Ocorrência de interações entre a radiação e os objetos da superfície terrestre; Produção de radiação que retorna ao sensor após propagar-se pela atmosfera. 2.2 Comportamento Espectral O comportamento espectral pode ser definido como o conjunto dos valores sucessivos de reflectância do objeto, ao longo do espectro eletromagnético. No sensoriamento remoto, o comportamento espectral tem como objetivo caracterizar os alvos através da reflexão, absorção e transmissão da radiação eletromagnética, que varia em função de suas características. Cada alvo tem um comportamento espectral distinto, que é determinado quando sua energia refletida é medida ao longo do espectro eletromagnético. Cada objeto reflete, absorve e transmite a radiação eletromagnética em proporções que podem variar em função de suas características moleculares [6]. Ou seja, cada objeto tem

27 6 um comportamento espectral distinto que é determinado, quando sua energia refletida é medida ao longo do espectro eletromagnético. Assim, por exemplo, uma área de floresta apresenta uma radiação refletida e uma curva espectral diferente de uma área urbana, corpo d água ou de uma área agrícola. Essa diferença na radiação refletida pelos objetos faz com que seja possível identificá-los e diferenciá-los nas imagens obtidas por sensores remotos. A Figura 2 mostra o espectro eletromagnético com suas variações quanto ao comprimento de onda: Figura 2 Es pectro eletromagnético com suas variações quanto ao comprimento de onda [FONTE: [8]]. Como podemos verificar na Figura 2, a região do espectro eletromagnético varia desde os raios gama até as ondas de rádio. A faixa do espectro eletromagnético que compreende este trabalho vai do comprimento de onda de 400 nm até 700 nm, ou seja, da região do ultravioleta até a região do infravermelho médio, esse comprimento de onda é chamado de região do visível. A Tabela 1 mostra o comprimento de onda e as relações de cores na região do visível: Tabela 1 Comprimento de onda e as relações de cores na região do visível [FONTE: adaptado de [8]]. Cor Comprimento da onda (nm) Violeta 400 a 446 Azul 446 a 500 Verde 500 a 578 Amarelo 578 a 592 Laranja 592 a 620 Vermelho 620 a 700

28 7 2.3 Sistemas Sensores Em constante busca de informações, a cada ano, os sistemas sensores ganham novas tecnologias. O sensor é capaz de transformar energia em dados sobre determinados alvos que estão sendo estudados. Esse sistema que mede a energia eletromagnética é chamado de radiômetro, ou no âmbito do sensoriamento remoto, de sensor. Segundo [8], os sensores são dispositivos capazes de detectar e registrar a radiação eletromagnética, em determinada faixa do espectro eletromagnético, e gerar informações que possam ser transformadas num produto passível de interpretação, seja na forma de imagem, na forma gráfica ou qualquer outro produto. A Figura 3 mostra os componentes de um sistema sensor: Figura 3 - Componentes de um sistema sensor [FONTE: [8]]. Os sensores podem ser classificados quanto a origem de fonte de radiação: Ativo: produz sua própria radiação, após ter irradiado o alvo, capta a energia que voltou; Passivo: capta e registra a radiação proveniente de uma fonte de irradiação. A Figura 4 ilustra o sensor ativo (A) e passivo (B): Figura 4 Ilustração de um sensor ativo (A) e passivo (B) [FONTE: [8]].

29 8 Os sensores cujos resultados finais são em forma de imagem de uma área, em geral são caracterizados por quatro domínios de resolução: Resolução espectral: no sensoriamento remoto os alvos da superfície terrestre se diferem em relação a seus comportamentos espectrais, ou seja, cada alvo reflete uma energia diferente. Portanto, há sensores específicos para cada comprimento de onda do espectro eletromagnético; Resolução espacial ou geométrica: de acordo com [8], a resolução espacial está intimamente relacionada com o tamanho do pixel; desse modo, o pixel representa a média das energias refletidas pelos alvos na superfície terrestre; Resolução temporal: é o tempo que um satélite leva para voltar a recobrir um mesmo ponto geográfico na terra; Resolução radiométrica: quanto maior o número de níveis de cinza na imagem, consequentemente o número de bits de resolução, maior a capacidade de um sensor discriminar alvos. 2.4 Satélite Artificial No sensoriamento remoto, o satélite artificial é o engenho colocado em órbita pelo homem à volta de um planeta ou até mesmo de um satélite natural [8]. O desenvolvimento de satélites artificiais teve início a partir da segunda metade do século XX. Em 1957, a mídia mundial anunciou que os Estados Unidos da América e a União Soviética iriam lançar seus primeiros engenhos. A União Soviética saiu na frente com o lançamento do Sputnik, o primeiro satélite artificial lançado. Posteriormente em 1961, a União Soviética fez, de Yuri Gagarin, o primeiro cosmonauta a viajar pelo espaço. A guerra fria impulsionou uma disputa espacial que chegou ao ápice em 1969, quando os Estados Unidos da América fizeram a Apollo 11 pousar na lua. Mesmo tendo funções semelhantes, os satélites artificiais são agrupados em categorias, de acordo com os objetivos principais para os quais foram criados. Dentro dessa concepção existem os satélites militares, os científicos, os de comunicação, os meteorológicos e os de recursos naturais ou de observação da terra [8].

30 Satélite de Recursos Naturais A era espacial de satélites artificiais de observação da terra, para coleta de dados sobre os recursos naturais renováveis e não-renováveis, teve início no ano de 1972, quando os americanos colocaram em órbita o primeiro satélite, denominado EARTH-1 e rebatizado por LANDSAT-1 [8]. Esse projeto pioneiro desencadeou muito desenvolvimento tecnológico e científico, levando o homem ao rumo de novas descobertas. 2.5 Satélite LANDSAT-1 De acordo com [9], o primeiro satélite, desenvolvido para atuar diretamente em pesquisas de recursos naturais, foi lançado em 23/07/1972 e denominado EARTH-1 ou LANDSAT-1. Levou dois instrumentos a bordo: as câmeras RBV e MS. Foi desativado em 06/01/ Sensor RBV O sensor RBV esteve a bordo dos três primeiros satélites da série LANDSAT e foi decisivo para definir as bases dos sensores que seriam lançados no futuro. De acordo com [9], as câmeras tinham capacidade de obter imagens diurnas que captavam dados de forma instantânea para a área total das cenas, com revisitas de 18 dias. Nos dois primeiros satélites (LANDSAT-1 e LANDSAT-2), o sensor RBV operou no modo multiespectral, com três canais/câmeras (nas regiões do visível e infravermelho próximo) com resolução espacial de 80 metros, conforme a seguir: Canal 1 ( nm) na região do azul/verde; Canal 2 ( nm) na região do verde/vermelho; Canal 3 ( nm) na região do vermelho/infravermelho próximo. 2.6 Satélite LANDSAT-5 Em 03/07/1984 entra em órbita o LANDSAT-5, com os instrumentos sensores MSS e TM. Embora o MSS do satélite LANDSAT-5 tenha deixado de enviar dados em 1995, o sensor TM encontra-se ativo até hoje, oferecendo continuidade aos trabalhos e metodologias desenvolvidas com os produtos LANDSAT [9].

31 Sensor TM O sensor TM foi lançado a bordo dos satélites LANDSAT-4 e LANDSAT-5. Possui separação espectral adequada a seu principal propósito, ou seja, oferecer subsídios para mapeamentos temáticos na área de recursos naturais. Continua em atividade no satélite LANDSAT-5 e opera com sete bandas nas regiões do visível, infravermelho próximo, médio e termal. Apresenta melhor resolução espacial, acurácia radiométrica e posicionamento geométrico que seu antecessor, o sensor RBV. Os dados do sensor TM foram utilizados em pesquisas e definições de metodologias em amplas áreas do conhecimento científico e tiveram importância singular para a evolução das técnicas desenvolvidas e utilizadas no sensoriamento remoto mundial [9]. Seguem, na Tabela 2, as características e aplicações das bandas do sensor TM (LANDSAT-5): Tabela 2 - Características e aplicações das bandas do sensor TM (LANDSAT-5) [FONTE: adaptada de [10]]. Banda Faixa Espectral (nm) Região do Espectro Resolução Espacial (m) Azul Verde Vermelho IV/ Próximo IV/ Médio IV/ Termal IV/ Médio Aplicações mais comuns Mapeamento de águas costeiras, diferenciação entre solo e vegetação, diferenciação entre vegetação conífera e decídua. Mapeamento de vegetação e qualidade d água. Absorção da clorofila, diferenciação de espécies vegetais e áreas urbanas, uso do solo, agricultura e qualidade d água. Delineamento de corpos d água, mapeamento geomorfológico, mapeamento geológico, áreas de queimadas, áreas úmidas, agricultura e vegetação. Uso do solo, medidas de umidade da vegetação, diferenciação entre nuvem e neve, agricultura e vegetação. Mapeamento de estresse térmico em plantas correntes marinhas, propriedade termal da terra e outros mapeamentos térmicos. Identificação de minerais e mapeamento hidrotermal. A resolução temporal do sensor TM é de 16 dias, a área imageada é de 186 km e tem sua resolução radiométrica de oito bits [9].

32 Satélite LANDSAT-7 O LANDSAT-7 foi lançado em 21/07/1999 [8]. Enviou dados completos para a terra até 2003, quando apresentou avarias de hardware e começou a operar com o espelho corretor de linha (SLC) desligado. Desde então, as imagens continuam sendo adquiridas e enviadas para a terra mas, para torná-las aptas à utilização necessitam de correções prévias e análise de acurácia no posicionamento e calibração dos pixels [9] Sensor ETM+ O sensor ETM+, do Satélite LANDSAT-7, foi o sucessor operacional do sensor TM e manteve as condições técnicas muito semelhantes a ele, oferecendo a versatilidade e eficiência obtida nas versões anteriores. Além disso, conseguiu melhorar a acurácia do sistema, ampliou a resolução espacial da banda seis (infravermelho termal) para 60 metros, e tornou a banda pancromática operante, permitindo a geração de composições coloridas com 15 metros de resolução [9]. Seguem, na Tabela 3, as características e aplicações das bandas do sensor ETM+ (LANDSAT-7): Tabela 3 - Características e aplicações das bandas do sensor ETM+ [FONTE: adaptada de [8], [10]]. Banda Faixa Espectral (nm) Região do Espectro Resolução Espacial (m) Azul Verde Vermelho IV/ Próximo IV/ Médio 30 Aplicações mais comuns Mapeamento de águas costeiras, diferenciação entre solo e vegetação, diferenciação entre vegetação conífera e decídua. Mapeamento de vegetação e qualidade d água. Absorção da clorofila, diferenciação de espécies vegetais, áreas urbanas, uso do solo, agricultura e qualidade d água. Delineamento de corpos d água, mapeamento geomorfológico, mapeamento geológico, áreas de queimadas, áreas úmidas, agricultura e vegetação. Uso do solo, medidas de umidade da vegetação, diferenciação entre nuvem e neve, agricultura e vegetação.

33 IV/ Termal IV/ Médio VIS/ IV Próximo 15 Mapeamento de estresse térmico em plantas correntes marinhas, propriedade termal da terra e outros mapeamentos térmicos. Identificação de minerais e mapeamento hidrotermal. Gera uma imagem de boa separabilidade dos alvos de interesse tanto em área rural como urbana. A resolução temporal do sensor ETM+ é de 16 dias, a área imageada é de 186 km e sua resolução radiométrica possui oito bits [9]. 2.8 Satélite CBERS-2B O programa CBERS foi implantado em 1988 após a parceria assinada entre o INPE e a CAST, num convênio técnico-científico binacional envolvendo Brasil e China [11]. A inserção do Brasil em um sistema completo de sensoriamento remoto possibilitou grande avanço tecnológico para o país, refletidos no fomento da ciência, indústria e serviços relacionados à área espacial. A missão CBERS mantém três satélites de observação terrestre em órbita: o CBERS-1 (lançado em 21/07/1999 e inativo desde 2003), o CBERS-2 (lançado em 2003) e o CBERS-2B (lançado em 2007) [11] Sensor CCD O CBERS-2B possui três câmeras imageadoras: CCD, WFI e HRC. Essa diversidade de câmeras atende às múltiplas necessidades do planejamento urbano, que requer alta resolução espacial para aplicações que precisam de dados frequentes, não tão detalhados, quanto aqueles para monitorar desmatamentos e a expansão da agropecuária [12]. De acordo com a [11], a câmera CCD utilizada pelo CBERS-2B é um sensor óptico capaz de adquirir imagens da terra com resolução espacial de 20 metros. Com os dados fornecidos por esse sensor, é possível refinar os mapeamentos obtidos a partir de imagens do WFI. A resolução temporal oferecida pelo sensor é de 26 dias. Suas principais aplicações são identificação de áreas de florestas e campos agrícolas, quantificação de áreas, análise da dinâmica de florestas, parques e outras. Seguem, na Tabela 4, as características e aplicações das bandas espectrais do sensor CCD (CBERS-2B):

34 13 Tabela 4 - Características e aplicações das bandas espectrais do sensor CCD (CBERS-2B) [FONTE: adaptada de [13]]. Bandas Faixa Espectral (nm) Região do Espectro Resolução Espacial (m) Azul Verde Vermelho IV/ Próximo Visível/ IV próximo 20 Aplicações mais comuns Apresenta grande penetração em corpos d água com elevada transparência, mapeamento de águas costeiras, estudos batimétricos, diferenciação entre solo e vegetação, diferenciação entre vegetação conífera e decídua, apresenta sensibilidade a brumas de fumaça. Análise de sedimentos em suspensão em corpos d água e apresenta boa penetração em corpos d água com elevada transparência. Diversas aplicações na área de vegetação, devido à grande absorção por parte desta, que fica escura. Identificação da vegetação em áreas urbanas, diferenciação entre coberturas vegetais, análise da variação litológica em regiões com pouca cobertura vegetal, identificação da rede de drenagem a partir da visualização da mata de galeria, delimitação da mancha urbana, identificação de áreas agrícolas. Apresenta grande absorção de energia, fazendo com que a água fique bem escura, mapeamento dos corpos d água e da rede de drenagem, identificação de macrófitas aquáticas (ex. aguapés), vegetação reflete muito nesta faixa, aparecendo clara nas imagens. Identificação do dossel florestal, separação e mapeamento de áreas ocupadas com pinus e eucaliptos, mapeamento de áreas de queimada. Levantamento de biomassa, obtenção de informações sobre geomorfologia, solos e geologia do terreno, análise e mapeamento das feições geológicas e estruturais. Os mesmos dados acima, mas na região do visível.

35 Sensor HRC O sensor HRC possui uma única banda espectral, que opera no espectro do visível e infravermelho próximo. Encontra-se a bordo do satélite CBERS-2B e destaca-se pela alta resolução espacial de 2,7 metros, o que possibilita um maior detalhamento da superfície em relação aos dados captados pela câmera CCD. O HRC é capaz de produzir imagens com 27 km e obter a cobertura completa da terra em 130 dias, o que corresponde a aproximadamente cinco ciclos de cobertura do sensor CCD. As principais aplicações do HRC são a geração de mosaicos nacionais ou estaduais detalhados, criação de produtos para fins de planejamento local ou municipal, aplicações urbanas, atualização de cartas temáticas [11]. Seguem, na Tabela 5, as características da banda espectral do sensor HRC (CBERS-2B): Tabela 5 - Características da banda es pectral do sensor HRC (CBERS-2B) [FONTE: adaptada de [11]]. Sensor HRC Bandas Espectrais PAN Resolução Espectral 0,50-0,80 µm Resolução Espacial Resolução Temporal Resolução Radiométrica 2,7 m 130 dias 8 bits Área Imageada 27 km (nadir) 2.9 Multissensores O termo multissensor é utilizado quando dois ou mais sensores são usados em um trabalho específico de uma determinada área de estudo, seja na análise, projeção, ou mapeamento. Neste trabalho, serão utilizados para o mapeamento da cobertura e uso do solo da cidade de Vitória-ES os sensores RBV (LANDSAT-1), TM (LANDSAT-5), ETM+ (LANDSAT-7) e CCD/HRC (CBERS-2B) Imagem Multitemporal Nas várias situações em que se utilizam as técnicas de sensoriamento remoto, o emprego de imagens de satélites coletadas em duas ou mais datas de passagem é inevitável [8]. As imagens multitemporais representam imagens de épocas diferentes para uma mesma região de estudo ou não. Podem ser coletadas de um mesmo sensor ou de outros sensores. Exemplos disso são os estudos de expansão de áreas urbanas, do acompanhamento da taxa de desmatamento da Amazônia, e da expansão de áreas agrícolas. Também são necessárias quando não se dispõe de imagens de satélites livres de cobertura de nuvem na época apropriada e para o mapeamento de culturas agrícolas [8].

36 Processamento de Imagens Digitais Novos estudos de sensoriamento remoto associados à evolução da informática tornaram possível processar imagens digitais com maior precisão e qualidade com o passar dos anos. A ideia de criar procedimentos computacionais para análise de dados coletados por sistemas sensores surgiu basicamente por duas razões: para agilizar as tarefas manuais realizadas durante a interpretação visual (delimitação de áreas, confecção de mapas, cálculo de área etc.) e para possibilitar ao analista introduzir outros tipos de informações e cruzá-las com os padrões espectrais contidos nas imagens, de tal modo que esses padrões se tornem mais facilmente identificáveis [8] Geoprocessamento No final da década de 1980, os objetivos do processamento dos dados digitais passaram a ser mais abrangentes: associar, aos dados de satélites informações geocodificadas e realizar análises mais complexas por meio de manipulação de dados de diversas fontes e da criação de um banco de dados georreferenciado. Assim, o tratamento de dados digitais passou a ser denominado geoprocessamento, incluindo as técnicas empregadas para o tratamento de imagens digitais, as técnicas complementares para a manipulação de dados de outras fontes e as técnicas utilizadas para o cruzamento dessas informações com aquelas extraídas de dados de satélites [8]. Em linhas gerais o termo geoprocessamento pode ser aplicado a profissionais que trabalham com processamento digital de imagens, cartografia digital e sistema de informação geográfica [14]. O geoprocessamento é essencial para países cujas áreas são extensas. Os benefícios dessa tecnologia são de suma importância para o planejamento de qualquer país. Pode ser entendido como a utilização de técnicas matemáticas e computacionais para tratar dados obtidos de objetos ou fenômenos geograficamente identificados ou extrair informações desses objetos ou fenômenos, quando observados por um sistema sensor [8] SIG Sistema de Informação Geográfica Um SIG pode ser definido como um sistema destinado a aquisição, armazenamento, manipulação, análise e apresentação de dados referenciados espacialmente na superfície terrestre. Portanto, o sistema de informação geográfica é uma particularidade do sistema de informação no sentido amplo. Essa tecnologia automatiza tarefas até então realizadas

37 16 manualmente e facilita a realização de análises complexas, por meio da integração de dados de diversas fontes [14]. O objetivo geral de um sistema de informação geográfica é, portanto, servir de instrumento eficiente para todas as áreas do conhecimento que fazem uso de mapas, possibilitando integrar em um único banco de dados informações que representem vários aspectos de uma região SPRING O Brasil é um país grande, diverso e enfrenta um grande número de questões relacionadas com o manuseio de seus recursos naturais. A necessidade da tecnologia de geoprocessamento para melhor esclarecer o problema de monitoramento do desmatamento na floresta amazônica é evidente. Provavelmente, não só a questão ambiental tem atraído tanta atenção internacional nos últimos anos. O processo de uso e cobertura de detecção de mudanças na região, realizada pelo INPE no Brasil, depende do sensoriamento remoto e geoprocessamento, sendo essa tecnologia a única forma possível de cobrir mais de km 2 (a área legal da Amazônia Brasileira). Esses problemas ambientais têm motivado significativos investimentos no uso e desenvolvimento de tecnologias de sensoriamento remoto e geoprocessamento no INPE [15]. O SPRING é um SIG com funções de processamento de imagens, análise espacial, modelagem numérica de terreno e consulta a bancos de dados espaciais, [16]. É um projeto do INPE/DPI com a participação da EMBRAPA/CNPTIA, IBM Brasil, TECGRAF- PUC Rio e PETROBRÁS/CENPES. O projeto contou com substancial apoio financeiro do CNPq, por meio dos programas RHAE e PROTEM/CC e projeto GEOTEC. Os objetivos do projeto SPRING são: Construir um sistema de informações geográficas para aplicações em agricultura, floresta, gestão ambiental, geografia, geologia, planejamento urbano e regional; Tornar amplamente acessível à comunidade brasileira um SIG de rápido aprendizado; Fornecer um ambiente unificado de geoprocessamento e sensoriamento remoto para aplicações urbanas e ambientais; Ser um mecanismo de difusão do conhecimento desenvolvido pelo INPE e seus parceiros, sob forma de novos algoritmos e metodologias [16].

38 Técnicas de Tratamento de Imagens Digitais de Satélites No contexto deste trabalho o tratamento de imagens digitais de satélites pode ser entendido como a rotulação (identificação) automática de todos os pixels contidos em uma imagem de uma determinada cena, em classes temáticas, segundo a ocupação do solo [8]. O tratamento de imagens digitais nada mais é do que a análise e a manipulação de imagens por meio de técnicas computacionais, com a finalidade de identificar e extrair informações da imagem sobre fenômenos ou objetos do mundo real, e transformar a imagem de tal modo que as informações nelas contidas sejam facilmente discrimináveis pelo analista [17]. O pré-processamento no tratamento de imagens digitais consiste na preparação dos dados dos sensores dos satélites para auxiliar o fotointérprete na classificação. Nessa fase, são empregadas técnicas visando melhorar a qualidade dos dados. As técnicas mais utilizadas são: remoção de ruídos, realce de imagem, correção, retificação geométrica e registro, redução da dimensionalidade, correção radiométrica e contraste da imagem, entre outras Mosaico O processo de mosaicagem pode ser definido como a junção de diferentes representações (raster ou vetor) pertencentes a diferentes regiões geográficas que passam a ocupar um espaço geográfico correspondente à soma das áreas das duas representações. Um mosaico é útil quando dispomos de duas imagens ou mapas vetoriais de áreas menores adjacentes e queremos agrupá-las em uma área maior, abrangendo a totalidade da soma das áreas individuais. O termo mosaico em um SIG é um sinônimo de junção de mapas, ou seja, mapas separados, porém adjacentes, são automaticamente agrupados em um único mapa. O produto final do mosaico é uma imagem ou um mapa topologicamente consistente, com continuidade física [18]. A Figura 5 mostra um exemplo de planos de informações adjacentes sendo mosaicadas: Figura 5 Planos de informações adjacentes sendo mosaicadas [FONTE: [18]].

39 Mosaico de Imagens Para o mosaico de imagens é fundamental que as imagens estejam georreferenciadas com uma precisão aproximada. As imagens podem estar em projetos diferentes ou em arquivos GRIB que ainda não fazem parte de um projeto. No segundo caso, são necessários pontos de controle associados ao arquivo. Sem registro não é possível mosaicar as imagens, uma vez que não há referência geográfica associada. A qualidade de um mosaico está diretamente associada à precisão do registro das imagens quando estão em projetos diferentes [18] Mosaico de Dados Vetoriais Para o mosaico de dados vetoriais (planos de informação temáticos, numéricos, cadastrais e redes) o SPRING não faz ajustes nas linhas de contato entre os dois planos de informação que serão colados um ao lado do outro. Desse modo, após fazer o mosaico verificam-se as fronteiras entre os planos de informação importados e fazer-se um trabalho de edição nesses pontos. A qualidade de um mosaico está diretamente associada à precisão e à escala dos dados originais que se encontram em projetos e planos de informação diferentes [18] Ruído O Ruído corresponde, na imagem digital, à falta de informações de energia refletida na área do terreno, conforme é mostrado na Figura 6. Geralmente, o ruído é provocado por uma falha, momentânea, no sistema de registro da energia, no instante do imageamento da área pelo sensor orbital. Uma das técnicas de remoção de ruído comumente empregada consiste em substituir o valor zero da radiância do pixel no local do ruído pela média da radiância dos pixels das linhas superior e inferior. Figura 6 Imagem orbital com ruído [FONTE: [8]].

40 Restauração A Restauração é uma técnica de correção radiométrica cujo objetivo é corrigir as distorções inseridas pelo sensor óptico no processo de geração das imagens digitais. Pode-se dizer que a imagem digital é uma cópia borrada da cena, dado que os detalhes vistos na cena são suavizados devido às limitações do sensor. A ideia de restaurar a imagem é reduzir esse efeito de borramento, e obter uma imagem realçada [19]. A correção é realizada por um filtro linear. Os pesos do filtro de restauração são obtidos a partir das características do sensor, e não de forma empírica como é feito no caso dos filtros de realce tradicionais. Nesse caso, o filtro é específico para cada tipo de sensor e banda espectral [19]. Esse tipo de processamento é recomendado para ser realizado sobre a imagem original sem qualquer tipo de processamento, tais como realce e filtragem, que alterem as características radiométricas da imagem [19] Reamostragem A reamostragem é necessária quando as coordenadas da imagem processada (linha e coluna) não coincidem com aquelas da imagem original. Existem dois tipos de reamostragem: reamostragem por interpolação que é efetuada por interpolação híbrida onde a aplicação do interpolador de alocação de vizinho mais próximo é utilizada; e reamostragem do interpolador bilinear, que depende da característica local dos níveis de cinza da imagem [19]. O interpolador de alocação de vizinho mais próximo atribui, ao valor de nível de cinza do pixel da imagem corrigida, o mesmo valor do nível de cinza do pixel que se encontra mais próximo da posição a ser ocupada. Não há alteração no valor de nível de cinza. Por sua característica, é aplicado nas regiões da imagem onde não há heterogeneidade nos valores de nível de cinza [19]. O interpolador bilinear faz com que o nível de cinza a ser atribuído ao pixel da imagem corrigida seja determinado a partir do valor dos quatro pixels vizinhos. Como resultado, há alteração do valor do nível de cinza, considerando sua vizinhança. É aplicado nas regiões da imagem onde há heterogeneidade nos níveis de cinza dos pixels [19].

41 Contraste As imagens fornecidas pelos satélites contêm valores de cinza que variam de zero a duzentos e cinqüenta e cinco. Tais valores estão contidos na imagem original. Por meio do SIG SPRING, é possível alterar os valores dos níveis de cinza para melhorar a visualização das bandas. Quanto mais espalhado o número de cinza, melhor a qualidade da imagem. A forma do histograma fornece informações importantes como a intensidade média e o espalhamento dos valores de níveis de cinza, sendo este último a medida de contraste da imagem. Quanto maior o espalhamento ao longo do eixo dos números de cinza, maior o contraste da imagem [20]. A Figura 7 ilustra a distribuição dos números de cinza em um histograma (A) com baixo contraste e (B) com alto contraste: Figura 7 Ilustração da distribuição dos números de cinza em um histograma (A) com baixo contraste e (B) com alto contraste [FONTE: [20]]. A manipulação do contraste consiste, portanto, em procedimentos que, por meio da modificação da forma do histograma, ampliam o contraste da imagem. O nível de cinza da imagem original é transformado em outro valor de cinza, de tal modo que o contraste seja aumentado [21] Realce Os dados de satélites, uma vez processados, podem conter um contraste espectral de baixa qualidade visual. O realce de imagens digitais consiste em conjunto de procedimentos aplicados para melhorar a qualidade visual [8]. O tipo de realce mais empregado é a ampliação do contraste de feições de cena, ou seja, os níveis de cinza mais baixos são arrastados para próximos de zero (tonalidade mais escura) e os mais altos, para próximos de duzentos e cinqüenta e cinco. A Figura 8 ilustra uma ampliação de contraste nos valores dos níveis de cinza de uma imagem de satélite.

42 21 Figura 8 Ilustração de uma ampliação de contraste nos valores dos níveis de cinza de uma imagem de satélite [FONTE: [8]]. De acordo com [21], as operações de filtragem (realce de contraste de imagem) são, em princípio mais complexas que as manipulações de contraste, consumindo maior tempo de computação RGB Há mais de duzentos anos, experiências vêm demonstrando que todas as cores podem ser obtidas pela combinação de apenas três cores, denominadas cores primárias: azul (λ = 446 a 500 nm), verde (λ = 500 a 578 nm) e vermelho (λ = 620 a 700 nm) [8]. Associando cores primárias, mais conhecidas como RGB, as informações espectrais contidas em três bandas quaisquer dos sistemas sensores, obtem-se uma composição colorida, aumentando-se a acuidade do sistema visual humano em discernir diferentes feições nas imagens durante a fase de classificação [8] Transformação RGB para IHS A cor de um objeto, em uma imagem, pode ser representada pelas intensidades das componentes vermelho R, verde G e azul B, no sistema de cores RGB, ou pela intensidade I, pela cor ou matiz H e pela saturação no espaço S [19]. Intensidade ou brilho é a medida de energia total envolvida em todos os comprimentos de onda, sendo responsável pela sensação de brilho da energia incidente sobre o olho. Matiz ou cor de um objeto é a medida do comprimento de onda médio da luz que se reflete ou se emite, definindo a cor do objeto [19].

43 22 Saturação ou pureza expressa o intervalo de comprimento de onda ao redor do comprimento de onda médio, no qual a energia é refletida ou transmitida. Um alto valor de saturação resulta em uma cor espectralmente pura, ao passo que um baixo valor indica uma mistura de comprimentos de onda produzindo tons pastéis (apagados) [19]. O espaço de cores IHS pode ser graficamente representado por um cone. A relação espacial entre o espaço RGB e IHS é mostrada na Figura 9. Figura 9 Es paço de cores IHS [FONTE: [19]]. A distância do ponto até a origem ou ápice do cone representa a intensidade. A distância radial do ponto até o eixo central do cone representa saturação. O matiz é representado como uma sequência radial ao redor dos círculos de saturação e do eixo de intensidade. Por serem independentes, os três parâmetros podem ser analisados e modificados separadamente, para um melhor ajuste das cores às características do sistema visual [19]. Na transformação RGB para IHS, escolhem-se três bandas de uma imagem e associase cada banda a um dos componentes RGB. Assim, cada pixel na imagem de saída possuirá uma correspondência a um ponto no espaço IHS. O resultado é um conjunto de três novas imagens: uma de intensidade, uma de matiz e outra de saturação. Essas imagens podem ser realçadas, expandindo o intervalo de intensidade e saturação através de contraste, e, quando convertidas de IHS para RGB, permitem melhor separação das cores e das feições a serem observadas [19].

44 Fusão, Transformação IHS para RGB O processo para fazer a fusão de bandas utiliza imagens pancromáticas de alta resolução que estão a bordo do satélite LANDSAT-7 e CBERS-2B, com seus respectivos sensores ETM+ e CCD/HRC. Para fazer a fusão, por exemplo, com as bandas CCD/HRC do satélite CBERS-2B é necessário: Processar as imagens CCD até ficarem com resolução de 2,5m x 2,5m; Fazer a transformação RGB para IHS a partir de três bandas selecionadas do sensor CCD; Processar a imagem pancromática até ficar com boa qualidade; Ao fazer a transformação IHS para RGB, substitui-se o componente I pela imagem pancromática; Após a transformação, a imagem colorida terá resolução espacial da imagem pancromática e resolução espectral da fusão das bandas CCD/HRC Uso e Ocupação do Solo Neste trabalho o termo uso e ocupação do solo é definido como a forma pela qual o espaço está sendo ocupado, quer por ocorrências naturais quer por atividades desenvolvidas pelo homem. O levantamento do uso e ocupação do solo é indispensável para o planejamento racional que irá superar os problemas de desenvolvimento descontrolado e de deterioração da qualidade ambiental pela perda das terras agrícolas. Dados sobre a cobertura e uso da terra são necessários para a análise de processos e problemas ambientais. Essa análise permite decidir sobre a conveniência de manter ou melhorar as condições de uso [2]. Com o lançamento de satélites para levantamento de recursos naturais a partir da década de 1970, tornou-se possível a obtenção de imagens multitemporais da cobertura e uso do solo a um custo relativamente baixo, respeitando-se as restrições impostas pela resolução do sistema sensor. Informações atualizadas sobre a cobertura e uso do solo e sua distribuição são essenciais para o desenvolvimento equilibrado das atividades humanas frente aos recursos naturais [2].

45 Chave de Interpretação A chave de interpretação consiste na descrição do conjunto de elementos de fotointerpretação que caracterizam um determinado alvo da superfície da terra [2], e pode ser adaptada para sensores de diferentes satélites, que possuem a mesma área georreferenciada. A interpretação visual da imagem é o processo de aquisição de informações determinado alvo da superfície, por meio da análise de sua resposta em diferentes canais individuais ou combinados sob a forma de composições coloridas. Esse processo consiste, basicamente, na inspeção e identificação de diferentes padrões tonais e texturais em cada canal e em sua comparação em diferentes canais e épocas. Dessa forma, dois aspectos particularmente importantes, no caso das imagens orbitais devem ser considerados: aspecto espectral e aspecto temporal [2] Área de Estudo ou Material Colateral O material colateral é tudo aquilo que pode contribuir direta ou indiretamente para melhorar os resultados da fotointerpretação [8]. O tipo de material colateral depende da área de interesse do especialista. Por exemplo, para levantamento de áreas agrícolas o material colateral pode ser agrupado em três categorias: ambiental, agronômico e estatístico Método de Interpretação Feita a análise do material colateral e concluída a fotointerpretação preliminar das diferentes classes temáticas, escolhem-se alguns lugares que serão identificados no campo. Esses locais identificados no campo servirão como treinamento para o fotointérprete rotular o restante dos alvos que foram individualizados na interpretação preliminar. Deve-se estabelecer um procedimento metodológico de interpretação que possa ser utilizado, visando a padronização dos resultados. Podem ser adotados dois procedimentos ou métodos de fotointerpretação: método comparativo e método sistemático [8] Chave de Interpretação do Método Sistemático Esse método consiste em aplicar uma metodologia numa sequência lógica em etapas de fotointerpretação: fotoleitura, fotoanálise e fotointerpretação [8]. Fotoleitura: elementos de interpretação devem ser compreendidos com clareza, permitindo identificar as feições ou objetos representados na cena;

46 25 Fotoanálise: examinar as feições ou objetos, na tentativa de estabelecer as relações dos elementos que as compõem; Fotointerpretação: os dados são analisados a partir de métodos indutivos, dedutivos e comparativos, com o intuito de se compreenderem os objetos representados na imagem e descobrir seu significado. As chaves devem ser preparadas para cada uso em particular, constituindo-se a descrição da imagem em termos de tonalidade, tamanho, forma, arranjo espacial e aspectos associados [2] Princípios do Método Dividir para Conquistar Sun TZU, general chinês [22], é autor da ideia dividir para conquistar, seguida por várias áreas do conhecimento, como administração, estratégia e informática, entre outras. A ideia principal é pegar um problema e dividí-lo em partes. Assim, sua tarefa se torna muito mais fácil e após resolver cada pequeno problema, o grande problema será resolvido com maior facilidade. De acordo com [23], o algoritmo merge sort, ou ordenação por mistura é um exemplo de algoritmo de ordenação do tipo dividir para conquistar. Os três passos úteis do algoritmo dividir para conquistar ou (do inglês, divide and conquer) são: Dividir: dividir os dados em subsequências pequenas; Conquistar: classificar as duas metades; Combinar: juntar as duas metades em um único conjunto já classificado Classificação de Imagens Classificação é o processo de extração de informação em imagens, para reconhecer padrões e objetos homogêneos. É utilizada em sensoriamento remoto para mapear áreas da superfície terrestre que correspondem aos temas de interesse [19]. A informação espectral de uma cena pode ser representada por uma imagem espectral, na qual cada "pixel" tem coordenadas espaciais x, y e uma espectral L, que representa a radiância do alvo em todas as bandas espectrais, ou seja, para uma imagem de K bandas. Existem K níveis de cinza associados a cada pixel sendo um para cada banda espectral. O conjunto de características espectrais de um pixel é denotado pelo termo atributos espectrais [20].

47 26 Os classificadores podem ser divididos em classificadores pixel a pixel, dito como supervisionado ou classificador por região, expresso como não supervisionado. Tanto a classificação supervisionada quanto a não-supervisionada possuem regras de decisão para que o classificador associe determinado pixel a determinada classe ou regiões de similaridades de nível de cinza [8] Classificação Supervisionada A classificação supervisionada utiliza algoritmos de classificação cujo reconhecimento dos padrões espectrais nas imagens multiespectrais se faz em duas fases distintas: Treinamento: que é o reconhecimento da assinatura espectral das classes, com base em uma amostra da imagem fornecida pelo fotointérprete. Algoritmo de classificação: procura associar determinado pixel da imagem a uma das classes contidas no pacote de treinamento. Os algoritmos classificadores pixel a pixel utilizam apenas a informação espectral de cada pixel para achar regiões homogêneas. Esses classificadores podem ser separados em métodos estatísticos utilizando regras da teoria de probabilidade e determinísticos que não utilizam probabilidade [20]. Dentre os algoritmos supervisionados, os mais empregados são: MAXVER, MAXVER-ICM, método do paralelepípedo e a distância euclidiana. O resultado da classificação digital é apresentado por meio de classes espectrais, áreas que possuem características espectrais semelhantes, uma vez que um alvo dificilmente é caracterizado por uma única assinatura espectral. É constituído por um mapa de pixels classificados, representados por símbolos gráficos ou cores, ou seja, o processo de classificação digital transforma um grande número de níveis de cinza em cada banda espectral e um pequeno número de classes em uma única imagem [20] Treinamento Supervisionado Para um treinamento supervisionado o usuário deve identificar na imagem uma área representativa de cada classe. É importante que a área de treinamento seja uma amostra homogênea da classe respectiva, mas ao mesmo tempo deve-se incluir toda a variabilidade dos níveis de cinza. Recomenda-se que o usuário adquira mais de uma área de treinamento, utilizando o maior número de informações disponíveis, como trabalhos de campo, mapas, etc. Para a obtenção de classes estatisticamente confiáveis, são necessários de 10 a 100 "pixels" de treinamento por classe. O número de "pixels" de treinamento necessário para a precisão do

48 27 reconhecimento de uma classe aumenta com o aumento da variabilidade entre as classes [20]. Segue, na Figura10, um exemplo de seleção de áreas no treinamento supervisionado: Figura 10 Exemplo de seleção de áreas no treinamento supervisionado [FONTE: [20]] Algoritmo Classificador MAXVER O Maxver é o método de classificação, que considera a ponderação das distâncias entre médias dos níveis digitais das classes, utilizando parâmetros estatísticos. Na formulação estatística do problema, assume-se uma densidade de probabilidade condicional, em que: : Conjunto de valores, nas diversas características; : Representa a J-ésima classe, adaptado de [24]. Dado um objeto, uma possivel regra de decisão é atribuir a classe, cuja probabilidade condicional é máxima. Segue na Equação 1 a regra de Bayes [24]: (1) Onde: e : são funções de densidade de probabilidade dos valores das características condicional e incondicional, respectivamente, referidas a ; e : são as probabilidades da classe condicionada e incondicionada aos valores das características respectivamente. O cálculo de pode ser simplificado calculando-se somente, pois é o denominador de todas as classes. A quantidade, que é uma probabilidade, é chamada verossimilhança de em relação à x. Uma regra de decisão simplificada é classificada o objeto como pertencente a classe de maior valor de, ou seja, de máxima verossimilhança [24].

49 28 Como exemplo, na Figura 11, consideram-se três classes w1, w2 e w3, com as respectivas funções de densidade com probabilidade de três classes em uma dimensão. Figura 11 - Funções de densidade com probabilidade de três classes em uma dimensão [FONTE: [8]]. Os pontos no Gráfico até X1 seriam classificados, pela regra de máxima verossimilhança, como a classe 1 de X1 a X2, a classe 2 entre X2 e X3 e a classe 3 acima de X3 como de classe 2. No MAXVER, a distribuição espectral das classes de uso do solo é considerada como tendo uma distribuição normal, ou seja, gaussianas. Em outras palavras, num talhão, por exemplo de milho, a variação na resposta espectral tem um comportamento gaussiano, isto é, muitas plantas de milho apresentarão uma resposta espectral média; outras, respostas espectral abaixo da média; e outras, ainda resposta espectral acima da média [8]. Assim, a densidade de probabilidade da distribuição normal multidimensional é dada pela Equação 2: (2) Sendo: : Um vetor n-dimensional; : Vetor média (também n-dimensional); : Uma matriz quadrada n x n, chamada matriz de covariância [24]. Uma distribuição normal multivariável estará completamente especificada se forem determinados o vetor média m e a matriz de covariância C. Conforme as equações (3) e (4) respectivamente, os dois parâmetros que podem ser estimados a partir dos pontos da amostra de treinamento. (3) (4)

50 29 Para que a classificação por máxima verossimilhança seja precisa, é necessário um número razoavelmente elevado de pixels, para cada conjunto de treinamento. Apresentam-se duas classes (1 e 2) com distribuição de probabilidade distintas. Essas distribuições de probabilidade representam a probabilidade de um "pixel" pertencer a uma ou outra classe, dependendo da posição do pixel em relação à essa distribuição [20]. Observa-se uma região onde as duas curvas sobrepõem-se, indicando que um determinado pixel tem igual probabilidade de pertencer às duas classes. Nessa situação estabelece-se um critério de decisão a partir da definição de limiares [20]. Os limites de classificação são definidos a partir de pontos de mesma probabilidade de classificação de uma e de outra classe. A Figura 12, apresenta o limite de aceitação de uma classificação, no ponto onde as duas distribuições se cruzam. Dessa forma, um pixel localizado na região sombreada, apesar de pertencer à classe 2, será classificado como classe 1, pelo limite de aceitação estabelecido. Figura 12 Limite de aceitação de uma classificação [FONTE: [20]]. O limiar de aceitação indica a porcentagem de pixels da distribuição de probabilidades de uma classe que será classificada como pertencente a essa classe. Um limite de 99%, por exemplo, engloba 99% dos pixels, sendo que 1% será ignorado (os de menor probabilidade), compensando a possibilidade de alguns pixels terem sido introduzidos no treinamento por engano nessa classe ou estarem no limite entre duas classes. Um limiar de 100% resultará em uma imagem classificada sem rejeição, ou seja, todos os "pixels" serão classificados [20]. Para diminuir a confusão entre as classes, ou seja, reduzir a sobreposição entre as distribuições de probabilidades das classes, aconselha-se a aquisição de amostras significativas de alvos distintos e a avaliação da matriz de classificação das amostras [20].

51 30 A matriz de classificação apresenta a distribuição de porcentagem de "pixels" classificados correta e erroneamente. No exemplo a seguir, apresenta-se uma matriz de classificação com as porcentagens de quatro classes definidas na aquisição de amostras, os valores de desempenho médio, abstenção (quanto não foi classificado) e confusão média [20]. O valor de N representa a quantidade de cada classe (porcentagem de "pixels") que não foi classificada. Na Tabela 6, a classe 1 corresponde à floresta, a classe 2 ao cerrado, a classe 3, ao rio e a classe 4 ao desmatamento [20]. Segue, na Tabela 6, a matriz de classificação com quatros classes: Tabela 6 Matriz de classificação com quatro classes [FONTE: [20]]. Classes N(%) Onde se obtêm os seguintes resultados: Desempenho médio: 89.37; Abstenção média: 3.15; Confusão média: Uma matriz de classificação ideal deve apresentar os valores da diagonal principal próximos a 100%, indicando que não houve confusão entre as classes. Contudo, é uma situação difícil em imagens com alvos de características espectrais semelhantes [20]. Para diminuir a confusão entre as classes, aconselha-se a análise das amostras. A Tabela 7 apresenta a análise das amostras adquiridas para a classe floresta [20]: Tabela 7 Análise das amostras adquiridas para a classe floresta [FONTE: [20]]. Classes Amostras Floresta Cerrado Rio Desmatamento Os valores em porcentagem indicam que na amostra 1, 90% dos "pixels" são classificados como floresta, 5% como cerrado e 5% como rio, o que resulta em uma amostra confiável. Por sua vez, a amostra 2 apresentou uma confusão de 50% entre as classes floresta e cerrado, indicando que deve ser eliminada [20].

52 Pós- Classificação Aplica-se esse procedimento em uma imagem classificada, com o objetivo de uniformizar os temas, ou seja, eliminar pontos isolados, classificados diferentemente de sua vizinhança. Com isso, gera-se uma imagem classificada com aparência menos ruidosa [20]. Em uma janela de 3 x 3 pixels, o ponto central é avaliado quanto à frequência das classes (temas), em sua vizinhança. De acordo com os valores de peso e limiar definidos pelo usuário, esse ponto central terá ou não sua classe substituída pela classe de maior frequência na vizinhança [20]. O peso varia de um a sete e define o número de vezes que será considerada a frequência do ponto central. O limiar varia também de um a sete. É o valor de frequência acima do qual o ponto central é modificado. Por exemplo, para a janela de uma imagem classificada será avaliado o pixel central pertencente à classe 2. Considera-se um peso e um limiar iguais a 3 [20]. Seguem, na Tabela 8, o peso e limiar igual a 3 e, na Tabela 9, a frequência das classes. Tabela 8 - Peso e limiar igual a 3 [FONTE: [20]] Tabela 9 - Frequência e classes [FONTE: [20]]. Classe Frequência A Tabela acima indica que a classe 1 ocorre uma vez; a classe 3 ocorre três vezes e a classe 5, quatro vezes. A frequência da classe 2 é considerada 3, pelo fato de o peso definido ser 3. O limiar igual a 3 fará com que o ponto central (de classe 2) seja atribuído à classe 5, cuja frequência (4) é maior que o limiar definido [20]. Segue, na Tabela 10, a classificação uniformizada: Tabela 10 - Classificação uniformizada [FONTE: [20]] A definição de peso e limiar dependerá da experiência do usuário e das características da imagem classificada. Quanto menor o peso e menor o limiar, maior o número de substituições que serão realizadas [20].

53 Fotointérprete A experiência do fotointérprete é um fator primordial em qualquer trabalho envolvendo o emprego de imagens de satélites para obter informações sobre os alvos da superfície terrestre. Entende se, por experiência do fotointérprete o conhecimento tanto das técnicas de sensoriamento remoto quanto da área de especialidade na qual está realizando determinado estudo. Em outras palavras, segundo [8], é fundamental para o especialista ter conhecimento não só das técnicas de sensoriamento remoto, mas também da área de aplicação. Por essa razão, a experiência do fotointérprete deve estar relacionada a três parâmetros básicos: Conhecimento do problema; Conhecimento da técnica; Conhecimento da região. O fotointérprete, de modo geral, determina, com sua experiência a qualidade final de um mapa classificado. Dentre as diversas características que um fotointérprete deve possuir, as principais são: Acuidade Visual: habilidade de ver as imagens com clareza e percepção; Paciência e adaptabilidade: flexibilidade para adaptar-se ao trabalho; Tenacidade: capacidade de promover um trabalho contínuo e sistemático de investigação paciente e persistente das feições observadas nas imagens orbitais. Segundo [24], os três parâmetros básicos para o sucesso de uma classificação de imagens através do fotointérprete, são: Conhecimento do problema: o problema foi se definindo ao longo do anteprojeto com várias ideias, reuniões, referências bibliográficas, etc. Planejado e colocado em prática, passa por mudanças em seu percurso e, assim como o método dividir para conquistar, conserva o mesmo objetivo; Conhecimento da técnica: com as várias possibilidades de métodos e algoritmos classificadores testados, a definição do método e dos algoritmos a usar, foi feita pelo fotointérprete, de acordo com os resultados apresentados; Conhecimento da região: o fotointérprete conhece toda região metropolitana de Vitória-ES.

54 33 3 METODOLOGIA A metodologia que sustenta este trabalho é apresentada da seguinte forma. Na seção 3.1, são abordados os aspectos sobre a área de estudo. A seção 3.2 descreve o fluxograma geral de atividades. A seção 3.3 aborda como foi feita a aquisição das imagens multitemporais. Na seção 3.4, encontra-se a leitura e a delimitação da área a ser estudada. Na seção 3.5, tem-se a aquisição dos pontos de controle. A seção 3.6 mostra a criação do bando de dados digital. A seção 3.7 apresenta o georreferenciamento das imagens. A seção 3.8 mostra as técnicas utilizadas para o tratamento das imagens. A seção 3.9 tem a chave de interpretação que foi elaborada para auxiliar o fotointérprete a classificar as imagens. A seção 3.10 demonstra como foram utilizados os princípios do método dividir para conquistar nas imagens multitemporais e a seção 3.11 apresenta os algoritmos e as técnicas do fotointérprete, utilizados para fazer a classificação das imagens. 3.1 Apresentação da Área de Estudo O estado do Espírito Santo abrange uma área de ,518 km 2. É uma das 27 unidades federativas do Brasil, sendo classificado em 23º lugar em extensão territorial, representando 0,54% do território brasileiro [25]. Possui uma população de habitantes, distribuídos em 78 municípios de acordo com o [26]. Está localizado na região sudeste e tem como limites o Oceano Atlântico a leste, o estado da a Bahia a norte, o estado de Minas Gerais a oeste e a noroeste e o estado do Rio de Janeiro, ao sul. A Figura 13 mostra a localização do estado do Espírito Santo.

55 34 Figura 13 - Localização do estado do Es pírito Santo [FONTE: Adaptado de [27]]. A área deste estudo é a cidade de Vitória, capital do estado do Espírito Santo e uma das três capitais insulares do Brasil. As outras duas são Florianópolis (capital do estado de Santa Catarina) e São Luís (capital do estado do Maranhão). Vitória é cercada pela Baía de Vitória. É uma ilha do tipo fluviomarinho. Com várias ilhas, inclusive a Ilha de Trindade e a Ilha de Martim Vaz (ANEXO I), que estão a mais de 1100 km da costa [28]. A Figura 14 mostra a localização da cidade de Vitória-ES. Figura 14 - Localização da cidade de Vitória-ES [FONTE: Adaptado de [29]]. Considerando a divisão territorial com a data de 01/07/1960, o município é constituído de dois distritos: Vitória e Goiabeiras. Essa divisão territorial permanece até hoje [30]. Goiabeiras é a porção continental do município de Vitória-ES. Vitória-ES está localizada na Região Sudeste, a mais desenvolvida do País. Limita-se a norte com o município da Serra; ao sul, com Vila Velha; a leste, com o Oceano Atlântico e a

56 35 oeste com Cariacica. A população do município de Vitória é de habitantes [26]. A Figura 15 mostra a imagem do mapa de Vitória-ES e sua divisa: Figura 15 - Imagem do mapa de Vitória-ES e suas divisas [FONTE: Adaptado de [31]]. O município de Vitória é formado por um arquipélago composto por 34 ilhas e por uma porção continental (Goiabeiras). Sua área total abrange, a ilha maior denominada Ilha de Vitória, o território continental, todas as ilhas costeiras, estuarinas e oceânicas de Trindade e Martin Vaz. Inicialmente, o município era constituído por mais de 50 ilhas, porém muitas delas já foram agregadas, por aterro, à ilha maior [32] Geografia O município de Vitória localiza-se a uma latitude sul de e 9, e a uma longitude oeste de Greenwich de e 50. O município é formado pela ilha do mesmo nome, com área de 28,04 km², e uma área continental, além de pequenas ilhas em sua baía. A ilha é montanhosa, de constituição granítica, circundada por numerosos terrenos de mangues e restingas, e é um prolongamento do relevo continental. A bacia que compõe a paisagem hidrográfica do município é a do rio Santa Maria da Vitória [33] Relevo O relevo das ilhas é um prolongamento do continente, de constituição granítica, circundado pelo mar e áreas de mangue e restinga. O maciço central da Ilha de Vitória, Morro da Fonte Grande, possui altitude de 308,8 m e os principais afloramentos graníticos são a Pedra dos Dois Olhos com 296 m e o Morro de São Benedito com 194 m de altitude, e o ponto mais alto na cidade é a Ilha de Trindade com 601 m de altitude. Porém, o Monte Mestre Álvaro possui 869 m de altitude, e fica no município vizinho, da Serra [33].

57 Litoral O litoral vitoriense é bem recortado. Além de larga costa, Vitória possui 40% do território coberto por morros e é um dos menores municípios em território do Brasil, dificultando o crescimento das áreas urbanizadas do município e fazendo com que o município tenha muitos bairros nobres e as cidades vizinhas, regiões suburbanas [33] Clima O clima da cidade é tropical seco, com temperatura média anual de 23 C com ocorrência de precipitações pluviométricas, principalmente nos meses de outubro a janeiro. As temperaturas podem variar muito no inverno, podendo chegar aos 30 C em épocas de grande seca, e 12 C quando ocorrem tempestades e precipitações pluviométricas [33]. Vitória é uma das cidades mais quentes do estado do Espírito Santo, graças à poluição e a grande aglomeração de prédios, além das várias montanhas, que bloqueiam o vento sul, que tradicionalmente ocorre em dias frios no estado, faz as mínimas da cidade sererm 2 C mais quentes do que no resto do estado. Contribui para isso o fato de chover 350 mm de chuva na cidade a menos do que no estado. Essa variação térmica pode ser facilmente notada comparando as temperaturas de Vitória com as da cidade vizinha Vila Velha. Nota-se em todas as épocas do ano especialmente no inverno que as mínimas de Vila Velha são de 1 C a 3 C menores que as de Vitória, e às vezes, até as máximas são menores 1 C ou 2 C [33] Praias A capital capixaba conta com diversas praias, as quais não se apresentam tão extensas em razão do tamanho da ilha. Entre as mais conhecidas está a praia de Camburi, na porção continental da cidade. Com seis quilômetros de extensão, é a maior praia de Vitória, sendo totalmente urbanizada e a mais frequentada pelos turistas [33] Vegetação A vegetação da ilha é coberta por floresta tropical, tendo também uma vegetação litorânea, com espécies de fauna e flora. Tem parques, como o Augusto Ruschi com uma vegetação de mata atlântica, contando com várias espécies de plantas [33].

58 História Vitória-ES foi fundada no século XVI, sendo a segunda capital mais antiga do país. De acordo com [34], a fundação da cidade de Vitória começa 34 anos depois de Brasil ter sido descoberto. O então Rei de Portugal, D. João III, dividiu as terras do Brasil em capitanias hereditárias, cabendo a capitania do Espírito Santo ao fidalgo Vasco Fernandes Coutinho, que tomou posse em 23 de maio de 1535, instalando-se no sopé do Morro da Penha, em Vila Velha. Explorando a região, os portugueses buscaram um local mais seguro para se guardarem dos ataques dos índios e de estrangeiros (holandeses e franceses). Eles seguiram, então, pela baía de Vitória e, contornando a ilha, aportaram em Santo Antônio. Nos 300 anos iniciais de sua história, Vitória foi uma vila-porto, tendo enfrentado franceses e ingleses à busca de açúcar e de pau-brasil. A partir de meados do século XX, a cidade se transformou em função das mudanças econômicas ocorridas no Estado. A ocupação urbana se estendeu por grande parte da ilha e avançou definitivamente, em direção à porção continental do município Os Capixabas De acordo com [34], em meio ao pequeno núcleo urbano, de feição nitidamente colonial, havia capixabas que significa roças na língua dos índios, expressão que acabou servindo para denominar os habitantes da ilha e, posteriormente, todos os espíritos santenses. Em 08 de setembro de 1551, os portugueses venceram acirrada batalha contra os índios Goitacazes e, entusiasmados pela vitória, passaram a chamar o local de Ilha de Vitória. A data de emancipação política do município é 24 de fevereiro de 1823, quando um decreto-lei imperial concedeu fórum de cidade a Vitória. Os índios chamavam a Ilha de Vitória de Guananí ou Ilha do Mel pela beleza de sua geografia e amenidade do clima com a baía de águas viscosas e manguezal repleto de moluscos, peixes, pássaros e muita vida Acompanhamento da Gestão Urbana e Ambiental da Cidade de Vitória-ES Há muitos anos, a preocupação com o ambiente já era notória. Hoje em dia a preocupação urbana e ambiental está no foco de vários grupos de estudos, Prefeituras Municipais, empreendimentos, etc. Com o passar dos anos a relação homem e meio ambiente são assunto de debates e o ambientalismo está ganhando muita força sobre seus inimigos. Essa força ganha novas

59 38 gerações de adeptos, e novas gerações de problemas ocasionados pelo capitalismo avassalador. A cidade de Vitória-ES está localizada na região sudeste, sendo a região do Brasil que mais se urbanizou nas últimas décadas. Em virtude do crescimento acelerado, migração rural para a área urbana e grandes empreendimentos, a cidade foi passando por grandes mudanças que se refletem ou se originam em leis, projetos, conselhos, planos, etc. As mudanças climáticas e geográficas causadas pelas ações humanas estão ocorrendo em várias partes do planeta. E as trajetórias que a cidade de Vitória-ES adotou dentro desse contexto, urbana e ambiental, serão analisadas e discutidas, utilizando dados do passado e do presente. Entre os gregos e os romanos, na Bíblia, em Confúcio, população e ambiente já eram preocupação. Logo, o problema é mais antigo do que pensamos, e ainda faz parte de nosso presente, apesar das várias conquistas ambientais e populacionais dos últimos anos [35]. Atualmente, no Brasil, a polêmica tem sido uma constante no tratamento tanto da questão populacional como da ambiental [36]. De uma visão central para uma visão geral, o mundo ainda passa por muitos desastres ambientais e a primeira impressão que se tem, é que não estamos tomando as providências necessárias. Esse debate ainda vive em nosso presente. Segundo [37], a relação entre dinâmica demográfica e mudança ambiental é uma dimensão do pensamento humano desde as origens da palavra escrita O Acompanhamento da Gestão Urbana da Cidade de Vitória-ES Analisando o passado, segundo a [38], foi criado, em 1984 o Conselho do PDU, que é o mais antigo da Grande Vitória-ES. Em 25 anos de história ( ), o órgão acumula mais de 670 reuniões, que resultaram em decisões. De acordo com a Secretaria de Desenvolvimento do município, o Conselho do PDU é um importante canal de participação da sociedade nas decisões administrativas relativas à política urbana do município. O PDU é composto por representantes do poder público, da sociedade civil e de moradores de todas as regiões administrativas da cidade. Periodicamente é atualizado. Para a execução e acompanhamento do programa de revitalização do centro, segundo a [38] foi criada na década de 1990, a Coordenação de Revitalização Urbana, composta por arquitetos e urbanistas. A equipe funciona como unidade executora e vem desenvolvendo projetos de reurbanização e/ou recuperação para a área central. A revitalização envolve projetos e ações estruturais e integradas para recuperar a atratividade da região central da cidade, tanto como local para se viver, como para se investir. Entre as ações, está a

60 39 recuperação dos imóveis de interesse de preservação; a identificação e a destinação de imóveis ociosos para novos usos; a reurbanização e a requalificação dos espaços públicos; a valorização e a potencializarão do patrimônio histórico, cultural e paisagístico da cidade; a implantação de novos equipamentos turísticos, culturais e de lazer com ganhos sociais e econômicos para a região. Em 2001, a aprovação do Estatuto da Cidade (Lei Federal ) estabeleceu novos instrumentos de planejamento e controle do crescimento das cidades, que foram incluídos no atual PDU de Vitória (Lei Municipal 6.705/06). No Anexo II, o mapa do PDU da cidade de Vitória-ES é apresentado. Dentre outras ações urbanísticas da cidade de Vitória-ES, as citadas acima são as mais relevantes e podemos perceber que, a partir de 1984, a cidade incorporou o PDU. Seguindo a linha de raciocínio, em 1990 foi criado o programa de revitalização do centro. Em 1993, a Prefeitura Municipal contratou um levantamento aerofotogramétrico na escala 1:8000 com restituição na escala 1:2000, constituindo a primeira base cartográfica do município. Em 1999, o geoprocessamento foi incluído como um dos projetos prioritários do PMAT, tornando-se oficialmente uma ferramenta institucional. Para acompanhar o uso e a ocupação do território e o crescimento do município, de acordo com a [38], o Sedec realiza o monitoramento da cidade. O objetivo é acompanhar a evolução da ocupação urbana e a aplicação das normas urbanísticas, por meio da elaboração de levantamentos, estudos e pesquisas, visando garantir a ocupação ordenada e sustentável do município e a qualidade de vida em Vitória-ES. Com a análise dos dados próprios, bem como daqueles que compõem o banco georreferenciado da Prefeitura Municipal que se encontra no site [39] e outros externos, como o censo IBGE, os técnicos produzem mapas temáticos que servem para subsidiar o planejamento da cidade. O site [39] foi visitado e todas as ferramentas disponíveis foram utilizadas. Dentre todos os programas de melhorias para garantir a sustentabilidade do município, encontra-se dados georreferenciados de toda a cidade de Vitória-ES em Shp e diversos tipos de mapas atualizados em março de 2010 que foram utilizados neste trabalho. No Anexo III, está o mapa da área do município de Vitória-ES e, no Anexo IV, o mapa com os limites dos bairros da cidade de Vitória-ES Acompanhamento da Gestão Ambiental da Cidade de Vitória-ES Segundo a Secretaria do Meio Ambiente de Vitória-ES, a preservação do meio ambiente passou a ser vista como uma atitude imprescindível para assegurar que as futuras

61 40 gerações tenham condições adequadas de sobrevivência. A fim de conscientizar a população capixaba sobre essa necessidade, é realizada, anualmente, em Vitória-ES, a Feira do Verde, que é o evento de educação ambiental de maior representatividade coletiva de Vitória e do Espírito Santo. Sua primeira edição ocorreu em 1990, e, desde 2008, o evento é montado na Praça do Papa. A Feira reúne cerca de cem expositores, que representam instituições públicas, sociedade civil organizada e empresas privadas. Na Feira são discutidas questões ambientais e urbanísticas que interferem na qualidade de vida dos cidadãos, tais como proteção dos ecossistemas, saneamento, água, gestão ambiental. Segundo a Secretaria do Meio Ambiente, os agentes participantes são levados a refletir sobre seus papéis na sustentabilidade dos ecossistemas e das populações humanas. Professores, estudantes, legisladores e demais cidadãos interessados em pesquisar assuntos relacionados ao meio ambiente podem obter fontes de consulta no NIG. O espaço foi criado em 1995, pela Lei Municipal 4.176/95. Na época, recebeu a denominação de CDIT. Em 2001, a estação de geoprocessamento da Semmam foi integrada ao CDIT, o que permitiu a espacialização dos dados e, consequentemente, o fornecimento com rapidez e exatidão, de mapas, tabelas e imagens. O Fundambiental é um mecanismo de captação de recursos destinados à aplicação de projetos e atividades necessárias à preservação, conservação, recuperação e controle do meio ambiente e à busca de melhorias na qualidade de vida no município [38]. Conforme a Lei Municipal 5440/2001, os recursos do Fundo destinam-se a estudos, projetos para: preservação, conservação e recuperação dos espaços territoriais protegidos pela legislação; criação, implantação, conservação e recuperação de unidades de conservação; pesquisa e desenvolvimento tecnológico de interesse ambiental; educação ambiental em todos os níveis de ensino e no engajamento da sociedade na conservação e melhoria do meio ambiente; gerenciamento, controle, fiscalização e licenciamento ambiental; elaboração e implementação de planos de gestão em áreas verdes, saneamento, etc. A cidade de Vitória-ES possui nove parques, e a Semmam é responsável pela concepção e manutenção da arborização e dos jardins. De acordo com o levantamento de todos esses dados, a trajetória ambiental da cidade de Vitória-ES começou com a Feira verde em Seguiu em 1995 com a lei que viabiliza um espaço do NIG; em 2001, viabilizou a lei do Fundambiental. Seguem, no Anexo V, o mapa de aterros da cidade de Vitória-ES; no Anexo VI, o mapa dos espaços protegidos da cidade de Vitória-ES; o Anexo VII, o mapa de ilhas e morros da cidade de Vitória-ES e, no Anexo VIII, o mapa de vegetação da cidade de Vitória-ES.

62 Fluxograma Geral de Atividades 16. As atividades foram realizadas de acordo com o fluxograma geral que segue na Figura Aquisição das Imagens Multitemporais dos Satélites LANDSAT-1, LANDSAT-5, LANDSAT-7 e CBERS-2B. Leitura das Imagens Aquisição dos Pontos de Controle Criação do Banco de Dados Georreferenciamento das Imagens Tratamento das Tratamento das Tratamento das Tratamento das Imagens do satélite Imagens do satélite Imagens do satélite Imagens do satélite LANDSAT-1 LANDSAT-5 LANDSAT-7 CBERS-2B Criação da Chave de Interpretação Método Dividir para Conquistar Classificação das Classificação das Classificação das Classificação das Imagens LANDSAT-1 Imagens LANDSAT-5 Imagens LANDSAT-7 Imagens CBERS-2B Verdade Terrestre Confecção de Mapas de Uso e Ocupação do Solo Análise Multitemporal e Apresentação dos Resultados Figura 16 Fluxograma geral de atividades.

63 Aquisição de Imagens Para este trabalho foram utilizadas imagens multitemporais e multiespectrais dos sensores RBV (LANDSAT-1), TM (LANDSAT-5), ETM+ (LANDSAT-7) e CCD/HRC (CBERS-2B) da cidade de Vitória-ES, disponíveis em [1], na seção de catálogo de imagens. Para fazer o download das imagens é necessário observar se há nuvens ou ruídos que possam prejudicar a área de estudo. As imagens que apresentaram boas condições para o estudo, foram proporcionadas pelos sensores: RBV (LANDSAT-1): Bandas 1, 2 e 3, tamanho de 6,98 MB cada banda, sendo todas em formato Tif e referente à data de 26/07/1973. Verifica-se nessas imagens, a presença de nuvens, mas que não estavam sobrepondo a região a ser estudada. Essas foram as primeiras imagens orbitais da cidade de Vitória-ES, conferindo a este trabalho uma dimensão histórica; TM (LANDSAT-5): Bandas 1, 2, 3, 4, 5, 6 e 7, tamanho de 49,4 MB cada banda, referentes à data de 03/07/1984. Nessas imagens havia a presença de nuvens e de ruídos, mas não estava sobrepondo a região a ser estudada. ETM+ (LANDSAT-7): Bandas 1, 2, 3, 4, 5, 6 e 7, tamanho de 52,5 MB cada banda, e a banda 8 com tamanho de 204 MB e referentes à data de 21/07/1999. Nas imagens havia presença de nuvens, mas não estavam sobrepondo a região a ser estudada; CCD (CBERS-2B): Bandas 1, 2, 3, 4 e 5, tamanho de 40,6 MB cada banda, referentes à data de 24/02/2010. Verificou-se que as imagens não apresentaram nenhum problema com nuvens e ruídos; HRC (CBERS-2B): Banda (HRC) tamanho de 160 MB, referente à data de 24/02/2010. Devido ao ruído que a imagem apresentava, foi necessário encontrar outra imagem para realizar um mosaico, sobrepondo o ruído. Buscou-se outra imagem, e foi encontrada outra banda (HRC) com data de 15/11/2009, mas não prejudicava o mosaico das duas imagens formando uma imagem de qualidade melhor. De acordo com o informativo em [1], é possível que algumas cenas HRC apresentem uma estreita faixa escura dividindo seus terços intermediários. Isso se deve a um movimento indesejado do satélite que causa ausência de dados nessa região.

64 Aquisição das Imagens do Satélite LANDSAT-1 O LANDSAT-1 foi o primeiro satélite usado para recursos naturais; fornece apenas três bandas. Seguem as suas características: Banda 1 ( nm) na região do azul/verde, com resolução de 80 m; Banda 2 ( nm) na região do verde/vermelho, com resolução de 80 m; Banda 3 ( nm) na região do vermelho/infravermelho próximo, com resolução de 80 m. A faixa espectral dessas imagens é aplicável para o mapeamento do uso e ocupação do solo. Seguem, na Figura 17, as imagens orbitais das bandas espectrais 1, 2 e 3 com data de 26/07/1973 do sensor RBV (LANDSAT-1). Figura 17 - Imagens orbitais das bandas espectrais 1, 2 e 3 com a data 26/07/1973 do sensor RBV (LANDSAT-1) [FONTE: [1]]. Essas imagens foram recortadas pelo IMPIMA, georreferenciadas, processadas e classificadas com o SIG SPRING na versão [40] Aquisição das Imagens do Satélite LANDSAT-5 Foi necessário escolher a melhor combinação entre as bandas 1, 2, 3, 4, 5, 6 e 7, considerando o objetivo de se obter uma imagem final de boa qualidade. A banda 6 foi descartada por ter suas aplicações voltadas para mapeamentos térmicos. As outras bandas foram processadas e combinadas, para comparação. Dentre as várias imagens sintéticas geradas nesse processo, as três bandas que geraram o melhor resultado foram: Banda 3 ( nm) na região do vermelho; Banda 4 ( nm) na região do infravermelho próximo; Banda 5 ( nm) na região do infravermelho médio. Essas bandas foram escolhidas, portanto, pelo fato de seu resultado final de processamento possibilitar a melhor visualização, quando combinadas em imagem sintética

65 44 (3B-4G-5R). Outro fator importante foi que a faixa espectral dessas imagens possui aplicações eficientes para o mapeamento do uso e ocupação do solo. Seguem, na Figura 18, as imagens orbitais das bandas espectrais 3, 4 e 5 com a data 03/07/1984 do satélite LANDSAT- 5: Figura 18 Imagens orbitais das bandas espectrais 3, 4 e 5 com a data 03/07/1984 do sensor TM (LANDSAT-5) [FONTE: [1]] Aquisição das Imagens do Satélite LANDSAT-7 O sensor ETM+ passou a contar com a banda 8, que permite gerar composições coloridas com 15 m de resolução. Para gerar tal imagem é necessário fazer uma fusão entre a banda 8 e uma composição colorida sintética. Foi necessário escolher a melhor combinação entre as bandas 1, 2, 3, 4, 5, 6 e 7, considerado o objetivo de se obter uma imagem final de boa qualidade. A banda 6 foi descartada por ter suas aplicações voltadas para mapeamentos térmicos. As outras bandas foram processadas e combinadas, para comparação. Das imagens sintéticas geradas nesse processo, o melhor resultado foi o que usava as bandas 3, 4 e 5, em uma fusão com a banda 8, obtendo-se assim uma imagem de alta resolução: Banda 3 ( nm), na região do vermelho; Banda 4 ( nm), na região do infravermelho próximo; Banda 5 ( nm), na região do infravermelho médio; Banda 8 ( nm), na região do infravermelho próximo. Essas bandas foram escolhidas, portanto, pelo fato de seu resultado final de processamento possibilitar a melhor visualização, quando combinadas em imagem sintética (3B-4G-5R). Outro fator importante foi que a faixa espectral dessas imagens possui aplicações eficientes para o mapeamento do uso e ocupação do solo. Seguem, na Figura 19, as imagens orbitais das bandas espectrais 3, 4, 5 e 8 com a data de 21/07/1999, do satélite LANDSAT-7:

66 45 Figura 19 Imagens orbitais das bandas espectrais 3, 4, 5 e 8 com a data 21/07/1999 do sensor ETM+ (LANDSAT-7) [FONTE: [1]] Aquisição das Imagens do Satélite CBERS-2B Segundo o informativo em [1], as imagens HRC (CBERS-2B) têm resolução de 2,7 m, mas são processadas e fornecidas com a resolução do pixel equivalente a 2,5 m, permitindo gerar composições coloridas com 2,5 m de resolução. Mas para gerar uma imagem colorida com essa resolução é necessário fazer uma fusão entre a imagem HRC e uma composição sintética. Para definir a melhor combinação sintética entres as bandas 1, 2, 3, 4 e 5, que possa fornecer ao fotointérprete uma imagem de boa qualidade para fazer a fusão com a imagem HRC, foram escolhidas as três bandas a seguir: Banda 1 ( nm), na região do azul; Banda 2 ( nm), na região do verde; Banda 3 ( nm), na região do infravermelho médio. Seguem, na Figura 20, as imagens orbitais das bandas espectrais 1, 2 e 3, com a data 24/02/2010, do sensor CCD (CBERS-2B):

67 46 Figura 20 Imagens orbitais das bandas espectrais 1, 2 e 3 com a data 24/02/2010 do sensor CCD (CBERS-2B) [FONTE: [1]]. Na Figura 21, estão as imagens orbitais das bandas do sensor HRC (CBERS-2B), com datas de 24/02/2010 e 15/11/2009: Figura 21 Imagens orbitais das bandas (HRC) do sensor HRC (CBERS-2B) com as datas 24/02/2010 e 15/11/1999 [FONTE: [1]]. Devido à faixa ruidosa apresentada, estas imagens foram recortadas pelo IMPIMA, georreferenciadas, mosaicadas, processadas e classificadas com o SIG SPRING na versão [40]. 3.4 Leitura das Imagens Multitemporais, delimitando a Área de Estudo O IMPIMA é um software responsável por visualizar, recortar e salvar as imagens orbitais no formato Spg que é o formato do SIG SPRING. Normalmente as imagens são disponibilizadas com o formato Tif. O IMPIMA fornece a visualização dos respectivos parâmetros: entrada da imagem, tipo de imagem, tamanho do pixel, unidade e tamanho de saída de imagem. O usuário escolhe os parâmetros da imagem de saída, delimitando a região que vai ser recortada. A leitura das bandas multitemporais foi realizada no IMPIMA e após delimitar a

68 47 área a ser estudada, a imagem é salva em formato Spg. Seguem, na Figura 22, a delimitação da cidade de Vitória-ES nas bandas espectrais 1, 2 e 3 do sensor RBV (LANDSAT-1): Figura 22 - Delimitação da cidade de Vitória-ES nas bandas espectrais 1, 2 e 3 do sensor RBV (LANDSAT-1). Seguem, na Figura 23, a delimitação da cidade de Vitória-ES nas bandas espectrais 3, 4 e 5 do sensor TM (LANDSAT-5): Figura 23 Delimitação da cidade de Vitória-ES nas bandas espectrais 3, 4 e 5 do sensor TM( LANDSAT-5). Seguem, na Figura 24, a delimitação da cidade de Vitória-ES nas bandas espectrais 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7): Figura 24 Delimitação da cidade de Vitória-ES nas bandas es pectrais 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7).

69 48 Seguem, na Figura 25, a delimitação da cidade de Vitória-ES nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B): Figura 25 - Delimitação da cidade de Vitória-ES nas bandas espectrais 1, 2 e 3 do sensor CCD (CBERS- 2B). Seguem, na Figura 26, a delimitação da cidade de Vitória-ES nas bandas (HRC) com as datas de 24/02/2010 e 15/11/2009, sensor HRC/CBERS-2B: Figura 26 Delimitação da cidade de Vitória-ES nas bandas pancromáticas com datas 24/02/2010 e 15/11/2009, para o sensor HRC (CBERS-2B). 3.5 Aquisição dos Pontos de Controle As imagens foram georreferenciadas no SIG SPRING por meio de pontos de controle coletados por meio de um GPS, entre dezembro de 2009 e janeiro de As características do GPS estão no Anexo IX. Os pontos de controle foram coletados em locais estratégicos. A Tabela 11 mostra as coordenadas planas dos pontos de controle que foram coletadas da cidade de Vitória-ES:

70 49 Tabela 11 Coordenadas planas dos pontos de controle coletadas da cidade de Vitória-ES. Número do Ponto Nome Latitude (m) Longitude (m) 1 Praia da Costa Ponte Camburi Praia de Camburi Aeroporto de Vitória Shopping Norte/Sul Porto do Tubarão Ponte Ayrton Senna Ilha do Frade Shopping Vitória Praça do Papa Ilha do Boi Terceira Ponte Álvares Cabral Bairro Forte de São João Hospital Santa Rita Morro São Benedito UFES Ponte Reta da Penha Centro de Tratamento de lixo (Lixão) Ilha das Caieiras Almirante Fonte Grande (Meio) Almirante Fonte Grande (Pico) Santuário Santo Antônio Segunda Ponte Ponte Florentino Ávidos (Primeira Ponte) Parque Moscoso Catedral Metropolitana Capela Santa Luzia Palácio Anchieta Rodoviária de Vitória Criação do Banco de Dados Digital da Cidade de Vitória-ES Um banco de dados foi criado no SIG SPRING e nomeado de BDVitória. Nesse banco foi criado o projeto VitóriaES, onde as imagens foram registradas, para posteriormente, serem processadas e classificadas. O projeto VitóriaES armazena todas as imagens multitemporais em categorias diferentes, para facilitar a análise multitemporal. Maiores informações sobre o projeto VitóriaES seguem no Anexo X.

71 Georreferenciamento das Imagens Multitemporais Para fazer o georreferenciamento das imagens foi adotada a projeção UTM/SAD69. As imagens foram georreferenciadas no SIG SPRING, com 30 pontos de controle que condizem com as imagens multitemporais, que foram coletados pelo fotointérprete entre dezembro de 2009 e janeiro de 2010, como mostrado na seção 3.5. A banda usada como referência no sensor RBV foi a banda 3; nos sensores ETM, ETM+ e CCD, a banda 4; elas proporcionaram maior visibilidade em locais a serem georreferenciados. As primeiras imagens a serem georreferenciadas foram as imagens CBERS-2B com resolução de 20 m nas bandas CCD e 2,5 m nas bandas HRC. O georreferenciamento seguiu com as imagens LANDASAT-7 com resolução de 30 m nas bandas ETM+ e 15 m na banda ETM+(PAN). As imagens do sensor TM com resolução de 30 m e as imagens LANSAT-1 com resolução de 80 m, foram georreferenciadas Georreferenciamento das Imagens do Sensor RBV (LANDSAT-1) O georreferenciamento das imagens do sensor RBV (LANDSAT-1) deu-se de forma satisfatória, obtendo um erro de 0,69 ao georreferenciar 30 pontos na banda 3. As bandas 1 e 2 são georreferenciadas automaticamente ao serem importadas ao processo. As imagens do satélite LANDSAT-1 possuem uma resolução muito grande, tornando difícil seu georreferenciamento. A imagem é bastante antiga para ser georreferenciada com absoluta precisão e o erro foi bem maior que o georreferenciamento das outras imagens, mas está dentro do limite aceitável que é 3 [19]. A Figura 27 mostra o georreferenciamento por meio dos pontos de controle na banda 3 do satélite LANDSAT-1: Figura 27 Georreferenciamento na banda 3 do satélite LANDSAT-1.

72 Georreferenciamento das Imagens do Sensor TM (LANDSAT-5) No georreferenciamento das imagens do sensor TM (LANDSAT-5) obteve-se um erro de 0,013 ao georreferenciar 30 pontos na banda 4. As bandas 3 e 5 são georreferenciadas automaticamente ao serem importadas ao processo. A Figura 28 mostra o georreferenciamento por meio dos pontos de controle na banda 4 do satélite LANDSAT-5: Figura 28 - Georreferenciamento na banda 4 do satélite LANDSAT Georreferenciamento das Imagens do Sensor ETM+ (LANDSAT-7) No georreferenciamento das imagens do sensor ETM+ (LANDSAT-7) obteve-se um erro de 0,016 ao georreferenciar 30 pontos na banda 4. As bandas 3 e 5 são georreferenciadas automaticamente ao serem importadas ao processo. A Figura 29 mostra o georreferenciamento por meio dos pontos de controle na banda 4 do satélite LANDSAT-7: Figura 29 - Georreferenciamento na banda 4 do satélite LANDSAT-7.

73 52 O georreferenciamento na banda 8 do sensor ETM+ (LANDSAT-7) foi realizado separadamente das outras bandas por conter a resolução diferente e obteve um erro de 0,032 ao georreferenciar 30 pontos. Segue, na Figura 30, o georreferenciamento por meio dos pontos de controle da banda 8 (PAN) do satélite LANDSAT-7: Figura 30 - Georreferenciamento na banda 8 (PAN) do satélite LANDSAT Georreferenciamento das Imagens do Sensor CCD/HRC (CBERS-2B) No georreferenciamento das imagens do sensor CCD (CBERS-2B) obteve-se um erro de 0,022 ao georreferenciar 30 pontos na banda 4. A Figura 31 mostra o georreferenciamento por meio dos pontos de controle na banda 4 do satélite CBERS-2B: Figura 31 Georreferenciamento na banda 4 do satélite CBERS-2B. No georreferenciamento das imagens do sensor HRC (CBERS-2B) obteve-se um erro de 0,177 ao georreferenciar 26 pontos na banda pancromática com a data 24/02/2010 e um erro de 0,058 ao georreferenciar 12 pontos na banda pancromática com a data 15/11/2009.

74 53 Como as imagens possuem um ruído muito grande, as áreas não visíveis não foram georreferenciadas. Já que o SIG SPRING trabalha com no mínimo quatro pontos de controle, o número de pontos de controle georreferenciado foi suficiente. Seguem, na Figura 32, o georreferenciamento por meio dos pontos de controle nas bandas HRC com as datas 24/02/2010 e 15/11/2009 do sensor HRC (CBERS-2B): Figura 32 Georreferenciamento nas bandas HRC com as datas 24/02/2010 e 15/11/2009 do sensor HRC (CBERS-2B) Registrando as Imagens As imagens georreferenciadas foram importadas para o SIG SPRING, e uma categoria de imagem para cada sensor foi criada, exceto o sensor ETM+. Nesse caso foram criadas duas categorias, uma para a banda 8 e outra para o restante das bandas: A categoria RBV (LANDSAT-1) recebe as bandas do sensor RBV (LANDSAT-1); 5); A categoria TM (LANDSAT-5) recebe as bandas do sensor TM (LANDSAT- A categoria ETM+ (LANDSAT-7) recebe as bandas 3, 4 e 5 do sensor ETM+ (LANDSAT-7); A categoria ETM+ ((PAN) LANDSAT-7) recebe a banda 8 (pancromática) do sensor ETM+ (LANDSAT-7); 2B). A categoria CCD (CBERS-2B) recebe as bandas do sensor CCD (CBERS-2B); A categoria HRC (CBERS-2B) recebe as imagens do sensor HRC (CBERS-

75 Tratamento das Imagens dos Satélite LANDSAT-1, 5, 7 e CBERS-2B As técnicas de tratamento de imagens digitais permitem melhorar a qualidade dos dados, possibilitando o desenvolvimento de diversos projetos. Por meio do SIG SPRING as bandas dos sensores RBV (LANDSAT-1), TM (LANDSAT-5), ETM+ (LANDSAT-7), CCD (CBERS-2B) e HRC (CBERS-2B) passaram por diversos processos de tratamento de imagem. Com o objetivo de fornecer boa visualização, para melhor identificar a ocupação e uso do solo em cada pixel da imagem, e poder classificá-la por meio de algoritmos Fluxograma das Etapas do Tratamento das Imagens do Satélite LANDSAT-1 As técnicas que forneceram melhores resultados (boa visualização das imagens) são mostradas abaixo, na Figura 33, no fluxograma adotado no processamento das imagens do sensor RBV (LANDSAT-1): Modelo adotado para Tratamento das Imagens do Satélite LANDSAT-1 Eliminação de Ruído Tratamento das Imagens do Satélite LANDSAT-1 Contraste Realce Composição Colorida RGB Recorte da Área de Estudo Figura 33 - Fluxograma adotado no tratamento das imagens do sensor RBV (LANDSAT-1) Ruído A técnica de eliminação de ruído tem por objetivo eliminar os pontos ruidosos na imagem. A Figura 34, mostra a aplicação da remoção de ruído nas bandas 1, 2 e 3 do sensor RBV (LANDSAT-1): Figura 34 - Aplicação da remoção de ruído nas bandas 1, 2 e 3 do sensor RBV (LANDSAT-1).

76 Contraste A técnica de contraste tem por objetivo melhorar a qualidade das bandas sob critérios subjetivos ao olho humano. Foi possível modificar o histograma original a fim de obter melhor visualização das bandas. Segue, na Tabela 12, o resultado da aplicação de contraste ao histograma das bandas 1, 2 e 3 do sensor RBV (LANDSAT-1): Tabela 12 Contraste aplicado nos histogramas das bandas 1, 2 e 3 do sensor RBV (LANDSAT-1). Bandas Histograma Original Histograma (Contraste) Banda 1 - Espectro Azul / Verde Banda 2 - Espectro Verde / Vermelho Banda 3 - Espectro Vermelho / Infra vermelho Próximo Segue, na Figura 35, a aplicação da técnica de contraste nas bandas 1, 2 e 3 do sensor RBV (LANDSAT-1): Figura 35 Aplicação de contraste nas bandas 1, 2 e 3 do sensor RBV (LANDSAT-1).

77 Realce O realce de imagem consiste de transformações e manipulações dos dados nas bandas, com o objetivo de realçar as bandas e ajudar na extração de informações para a fotointerpretação. Foi possível realçar a visualização das bandas, obtendo imagens com maior nitidez. Seguem, na Figura 36, a aplicação do realce nas bandas 1, 2 e 3 do sensor RBV (LANDSAT-1): Figura 36 Aplicação do realce nas bandas 1, 2 e 3 do sensor RBV (LANDSAT-1) Composição Colorida RGB Neste trabalho, foram utilizadas as bandas 1 (azul / verde), 2 (verde / vermelho) e 3 (vermelho / infravermelho próximo) do satélite LANDSAT-1. Depois do processamento da imagem, constatamos que as imagens se tornaram mais nítidas, e com maior qualidade visual, auxiliando o trabalho do fotointérprete. As bandas foram submetidas ao modelo de cores RGB, que associa cores primárias às informações espectrais. Ao combinar essas cores, obtivemos a composição 1B-2R-3G. A Figura 37 mostra a composição colorida (1B-2R-3G) da imagem que representa a cidade de Vitória-ES com a data 26/07/1973: Figura 37 Composição colorida (1B-2R-3G) da cidade de Vitória-ES do sensor RBV (LANDSAT-1) com a data 26/07/1973.

78 Recorte da Área de Estudo Após todo o processo de tratamento de imagem, para chegar a uma composição colorida de boa qualidade, era necessário vetorizar a área que compreende a cidade, e recortar a imagem. Para esse processo de vetorização da área, foram utilizados arquivos shp e dwg, disponibilizados pelo [39], que é um site da Prefeitura Municipal de Vitória-ES com informações do município. Os dados vetoriais disponibilizados foram sobrepostos na imagem original, e o resultado foi recortado. Segue, na Figura 38, a área recortada do município de Vitória-ES com a data 26/07/1973: Figura 38 Área recortada do município de Vitória-ES com a data 26/07/ Fluxograma das Etapas do Tratamento das Imagens do Satélite LANDSAT-5 A Figura 39 mostra o fluxograma adotado no tratamento das imagens do sensor TM (LANDSAT-5): Modelo adotado para Tratamento das Imagens do Satélite LANDSAT-5 Eliminação de Ruído Tratamento das Imagens do Satélite LANDSAT-5 Restauração Contraste Realce Composição Colorida RGB Recorte da Área de Estudo Figura 39 - Fluxograma adotado no tratamento das imagens do sensor TM (LANDSAT-5).

79 Ruído Seguem, na Figura 40, a aplicação da remoção de ruído nas bandas 3, 4 e 5 do sensor TM (LANDSAT-5): Figura 40 - Aplicação da remoção de ruído as bandas 3, 4 e 5 do sensor TM (LANDSAT-5) Restauração A técnica de restauração tem por objetivo corrigir as distorções inseridas pelo sensor óptico no processo de geração das imagens digitais. A resolução das bandas 3, 4 e 5 que é de 30 m, pode ser reduzida para até cinco metros. Nos testes realizados, a restauração que permitiu a melhor visualização da imagem foi correspondente à resolução de 10 m. Seguem, na Figura 41, a aplicação da restauração de 30 m para 10 m de resolução nas bandas 3, 4 e 5 do sensor TM (LANDSAT- 5): Figura 41 Aplicação da restauração de 30 m para 10 m de resolução nas bandas 3, 4 e 5 do sensor TM (LANDSAT-5) Contraste Segue, na Tabela 13, o resultado da aplicação de contraste ao histograma das bandas 3, 4 e 5 do sensor TM (LANDSAT-5).

80 59 Tabela 13 Contraste aplicado nos histogramas das bandas 3, 4 e 5 do sensor TM (LANDSAT-5). Bandas Histograma Original Histograma (Contraste) Banda 3 - Espectro Vermelho Banda 4 - Espectro Infra vermelho Próximo Banda 5 - Espectro Infra vermelho Médio Seguem, na Figura 42, a aplicação da técnica de contraste nas bandas 3, 4 e 5 do sensor TM (LANDSAT-5): Figura 42 Aplicação de contraste nas bandas 3, 4 e 5 do sensor TM (LANDSAT-5) Realce Seguem, na Figura 43, a aplicação do realce nas bandas 3, 4 e 5 do sensor TM (LANDSAT-5): Figura 43 Aplicação do realce nas bandas 3, 4 e 5 do sensor TM (LANDS AT-5).

81 Composição Colorida RGB Neste trabalho, foram utilizadas as bandas 3 (vermelho), 4 (infravermelho próximo) e 5 (infravermelho médio) do sensor TM (LANDSAT-5). A Figura 44 mostra a composição colorida (3R-4G-5B) da cidade de Vitória-ES do satélite LANDSAT-5: Figura 44 Composição colorida (3R-4G-5B) da cidade de Vitória-ES do sensor TM (LANDSAT-5) com a data 03/07/ Recorte da Área de Estudo 03/07/1984: A Figura 45 mostra a área recortada do município de Vitória-ES com a data Figura 45 Área recortada do município de Vitória-ES com a data 03/07/1984.

82 Fluxograma das Etapas do Tratamento das Imagens do Satélite LANDSAT-7 A Figura 46 mostra o fluxograma adotado no tratamento das imagens do ETM+ (LANDSAT-7): Modelo adotado para Tratamento das Imagens do Satélite LANDSAT-7 Eliminação de Ruído Tratamento das Imagens do Satélite LANDSAT-7 Restauração Contraste Realce Transformação RGB para IHS Fusão Composição Colorida RGB Recorte da Área de Estudo Figura 46 Fluxograma adotado no tratamento das imagens do sensor ETM+ (LANDSAT-7) Eliminação de Ruído A Figura 47, mostra a aplicação da remoção de ruído nas bandas 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7): Figura 47 Aplicação da remoção de ruído as bandas 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7).

83 Restauração A resolução das bandas 3, 4 e 5 que é de 30 metros, pode ser reduzida para até cinco metros. Nos testes realizados, a restauração que permitiu a melhor visualização da imagem foi o correspondente à resolução de 10 metros. Abaixo de 10 metros a imagem perdia qualidade. Devido à boa qualidade encontrada nas bandas 3, 4 e 5 com resolução de 10 metros e para que ocorresse uma fusão adequada, com todas as bandas tendo a mesma resolução, a banda 8 passou por uma restauração de 15 para 10 metros. Seguem, na Figura 48, a restauração de 30 m para 10 m de resolução nas bandas 3, 4 e 5 do sensor ETM+ (LANDSAT-7): Figura 48 - Restauração de 30 m para 10 m de resolução nas bandas 3, 4 e 5 do sensor ETM+ (LANDSAT- 7). Segue, na Figura 8, a restauração de 15 m para 10 m de resolução na banda 8 do sensor ETM+ (LANDSAT-7): Figura 49 - Restauração de 15 m para 10 m de resolução na banda 8 do sensor ETM+ (LANDSAT-7) Contraste Segue, na Tabela 14, o resultado da aplicação de contraste ao histograma das bandas 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7):

84 63 Tabela 14 Contraste aplicado nos histogramas das bandas 3, 4, 5 e 8 do sensor TM/LANDSAT-7. Bandas Histograma Original Histograma (Contraste) Banda 3 - Espectro Vermelho Banda 4 - Espectro Infra Vermelho Próximo Banda 5 - Espectro Infra vermelho Médio Banda 8 - Pancromática Seguem, na Figura 50, a aplicação da técnica de contraste nas bandas 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7): Figura 50 Aplicação da técnica de contraste nas bandas 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7).

85 Realce Seguem, na Figura 51, a aplicação do realce nas bandas 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7): Figura 51 Aplicação do realce nas bandas 3, 4, 5 e 8 do sensor ETM+ (LANDSAT-7) Transformação RGB para IHS A transformação dos componentes vermelho, verde, azul (RGB) nos componentes intensidade, matiz e saturação (IHS) pode ser utilizada para produzir composições coloridas com reduzida correlação interbanda, consequentemente com melhor utilização do espaço de cores. Essas transformações são feitas por meio de algoritmos matemáticos que relacionam o espaço RGB ao IHS. As bandas utilizadas para fazer a transformação RGB para IHS são as bandas (3B-4G-5R). Seguem, na Figura 52, as imagens IHS geradas a partir das bandas (3B- 4G-5R) do sensor ETM+ (LANDSAT-7): Figura 52 - Imagens IHS geradas a partir das bandas (3B-4G-5R) do sensor ETM+ (LANDSAT-7) Técnica de Fusão, Transformação IHS para RGB Para produzir composições coloridas, escolhem-se três bandas de uma imagem e associa-se cada banda a um dos componentes RGB. Executa-se a transformação IHS pixel a "pixel". Cada "pixel" na imagem de saída possuirá um ponto correspondente no espaço IHS.

86 65 O resultado é um conjunto de três novas imagens: uma de intensidade I, uma de matiz H e outra de saturação S. Essas imagens são realçadas, de modo a expandir o intervalo de intensidade e saturação por meio das técnicas convencionais de contraste, e novamente transformadas para o sistema RGB, permitindo assim melhor separação das feições a observar. Para se fazer a fusão, é necessário que as imagens IHS sejam novamente transformadas em RGB. Nesse processo, a imagem I é trocada pela banda 8 pancromática de alta resolução, e as bandas H e S não são trocadas. As imagens são fundidas e geram uma composição colorida de alta resolução. Seguem, na Figura 53, a banda 8 pancromática, H e S, que farão a fusão dos sensores ETM+ (LANDSAT-7): Figura 53 - Banda 8 pancromática, H e S, que farão a fusão dos sensores ETM+ (LANDSAT-7) Composição Colorida RGB Neste trabalho foram utilizadas as bandas 3 (vermelho), 4 (infravermelho próximo), 5 (infravermelho médio) e 8 (pancromática) do sensor ETM+ (LANDSAT-7). Por meio das técnicas de IHS e Fusão foi possível chegar à imagem contida na Figura 54, que mostra a composição colorida da cidade de Vitória-ES do sensor ETM+ (LANDSAT-7) com a data 21/07/1999: Figura 54 Composição colorida da cidade de Vitória-ES do sensor ETM+ (LANDSAT-7) com a data 21/07/1999.

87 Recorte da Área de Estudo 21/07/1999: A Figura 55 mostra a área recortada, do município de Vitória-ES com a data Figura 55 Área recortada do município de Vitória-ES com a data 21/07/ Fluxograma das Etapas do Tratamento das Imagens do Satélite CBERS-2B A Figura 56 mostra o modelo de fluxograma adotado no tratamento das imagens do satélite CBERS-2B: Modelo adotado para Tratamento das Imagens do Satélite CBERS-2B Mosaico de Imagens Eliminação de Ruído Restauração Tratamento das Imagens do Satélite CBERS-2B Reamostragem Contraste Realce Transformação RGB para IHS Fusão Composição Colorida RGB Recorte da Área de Estudo Figura 56 Fluxograma adotado no tratamento das imagens do sensor CCD/HRC (CBERS-2B).

88 Mosaico de Imagens Desde o lançamento do satélite CBERS-2B e o encerramento de suas operações, verificou-se que as imagens HRC disponibilizadas pelo INPE apresentavam nuvens, gerando invisibilidade na cidade de estudo. Em outros casos verificou-se que o sensor captava imagens com um pequeno espaço da área de estudo, e mesmo com a tentativa de fazer um mosaico, não seria possível obter toda a área de interesse. Em seus últimos meses de funcionamento, o sensor HRC começou a apresentar problemas com ruído, faixas estreitas da imagem apareciam escuras. Em duas oportunidades o satélite passou por Vitória-ES, em dezembro de 2009 e janeiro de 2010, registrando imagens sem nuvens e fazendo a cobertura de toda a cidade. Nas duas oportunidades as imagens apresentaram faixas estreitas escuras. Por meio da análise e do processamento dessas imagens foi possível obter um mosaico HRC da cidade, sem nuvens e com pouca interferência de ruído. O resultado dessa junção possibilitou o desenvolvimento deste trabalho, tanto na classificação, quanto na confecção do primeiro mapa de Vitória-ES com a fusão dos sensores HRC/CCD (CBERS-2B). Seguem, na Figura 57, as imagens do sensor HRC (CBERS-2B) de Vitória-ES com as datas 15/12/2009 e 24/02/2010 sem tratamento de imagem. Figura 57 Imagens do sensor HRC (CBERS-2B) de Vitória-ES com as datas 15/12/2009 e 24/02/2010 sem tratamento de imagens. Seguem, na Figura 58, as imagens do sensor HRC (CBERS-2B) de Vitória-ES com as datas 15/12/2009 e 24/02/2010 recortadas e com tratamento das imagens: Figura 58 Imagens do sensor HRC (CBERS-2B) de Vitória-ES com as datas 15/12/2009 e 24/02/2010 recortadas e com tratamento de imagens.

89 68 A Figura 59 mostra as imagens do sensor HRC (CBERS-2B) de Vitória-ES com as datas 15/12/2009 e 24/02/2010, depois de realizar o mosaico: Figura 59 Imagens do sensor HRC (CBERS-2B) de Vitória-ES com as datas 15/12/2009 e 24/02/2010 mosaicadas. Esta é a única imagem sem nuvens, ruídos ou faixas cortando a imagem HRC, em toda vida útil do satélite CBERS-2B, da cidade de Vitória-ES. Esta imagem foi possível através do mosaico realizado entre duas imagens. Para que este processo ocorra com absoluto sucesso, o georreferenciamento deve ser perfeito. O resultado final da junção das imagens da Figura 58 é apresentado na Figura Eliminação de Ruído A Figura 60, mostra a aplicação da remoção de ruído nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B): Figura 60 Aplicação da remoção de ruído nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B) Restauração A resolução da imagem CCD é de 20 m e pode ser reduzida até 10 m. A Figura 61 mostra a aplicação da restauração de 20 m para 10 m de resolução nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B): Figura 61 Aplicação da restauração de 20 m para 10 m de resolução nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B).

90 Reamostragem Utilizando-se a técnica de reamostragem do interpolador bilinear, o nível de cinza a ser atribuído ao "pixel" da imagem corrigida é determinado a partir do valor dos 4 "pixels" vizinhos. Com essa técnica é possível diminuir a resolução nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B) de 10 m para 2,5 m. Seguem, na Figura 62, a aplicação da reamostragem de 10 m para 2,5 m de resolução nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B): Figura 62 Aplicação da reamostragem de 10 m para 2,5 m de resolução nas bandas 1, 2 e 3 do sensor CCD (CBERS -2B) Contraste Segue, na Tabela 15, o resultado da aplicação de contraste ao histograma das bandas 1, 2 e 3 do sensor CCD (CBERS-2B). Tabela 15 Contraste aplicado no histograma das bandas 1, 2 e 3 do sensor CCD (CBERS -2B). Bandas Histograma Original Histograma (Contraste) Banda 1 - Espectro Azul Banda 2 - Espectro Verde Banda 3 - Espectro Vermelho

91 70 Seguem, na Figura 63, a aplicação da técnica de contraste nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B): Figura 63 Aplicação da técnica de contraste nas bandas 1, 2 e 3 do sensor CCD (CBERS -2B) Realce Seguem, na Figura 64, a aplicação do realce nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B): Figura 64 Aplicação do realce nas bandas 1, 2 e 3 do sensor CCD (CBERS-2B) Transformação RGB para IHS Seguem, na Figura 65, as imagens IHS geradas a partir das bandas (1B-2G-3R) do sensor CCD (CBERS-2B): Figura 65 Imagens IHS geradas a partir das bandas (1B-2G-3R) do satélite CBERS-2B Fusão Seguem, na Figura 66, a banda HRC, imagens H e S, que farão a fusão dos sensores CCD/HRC (CBERS-2B): Figura 66 Banda HRC, imagens H e S, que farão a fusão dos sensores CCD/HRC do satélite CBERS -2B.

92 Composição Colorida RGB Neste trabalho foram utilizadas as bandas CCD: 1 (Azul), 2 (Verde), 3 (vermelho); e banda HRC: (Pancromática); por meio das técnicas IHS e Fusão foi possível se chegar na imagem mostrada na Figura 67, que é a composição colorida da cidade de Vitória-ES utilizando a fusão dos sensores CCD/HRC do satélite CBERS-2B com a data 24/02/2010: Figura 67 Composição colorida da cidade de Vitória-ES utilizando a fusão dos sensores CCD/HRC do satélite CBERS-2B com a data 24/02/ Recorte da Área de Estudo 24/02/201: A Figura 68 mostra a área recortada, do município de Vitória-ES com a data Figura 68 Área recortada do município de Vitória-ES com a data 24/02/2010.

93 Chave de Interpretação A chave de interpretação pode ser adaptada para sensores de diferentes satélites, que possuem a mesma área georreferenciada. Neste trabalho uma chave de interpretação foi criada e adaptada para ser utilizada em todas as imagens dos sensores RBV (LANDSAT-1), TM (LANDSAT-5), ETM+ (LANDSAT-7) e CCD/HRC (CBERS-2B) por serem imagens da mesma região. Para definir a chave de interpretação das áreas temáticas que ocupam a cobertura e uso do solo da cidade de Vitória-ES, utilizou-se o material colateral da área de estudo na seção 3.1, auxiliando e melhorando os resultados da fotointerpretação. Para o preparo do método de interpretação, foi adotada a chave de interpretação do método sistemático que aplica de sequência lógica de etapas para fotointerpretação: fotoleitura, fotoanálise e fotointerpretação. Esse método se adaptou melhor ao trabalho do fotointérprete, devido às características que, segundo [8], demandam é fazer a interpretação de um tema por vez, onde cada classe pode conter subclasses. A prioridade e o mapeamento da classe temática conhecida para a desconhecida. Segue, na Tabela 16, a chave de interpretação para as classes temáticas. Tabela 16 Chave de interpretação para as classes temáticas. Classes Subclasses Características das subclasses Temáticas Cor: Alternância de tons claros(variações do azul); Textura: Liso; Aspectos: Essa classe temática será composta pelo oceano Água do Mar atlântico que possa vir banhar mangues em épocas em que a maré sobe. Água Água Turva Cor: Textura: Aspectos: Tons escuros (variações do verde etc.); Liso; Causada por processos de decomposição que fazem aumentar o conteúdo de nutrientes, aumentando a produtividade biológica, permitindo periódicas proliferações de algas. Água do Rio Cor: Textura: Aspectos: Tons escuros (azul escuro e preto); Meio rugosa; Representa a água de um afluente que corta a cidade; o rio, neste trabalho, está presente em Goiabeiras na porção continental de Vitória.

94 73 Área Urbanizada Áreas Densamente Urbanizadas. Áreas em Urbanização Cor: Alternância de tons claros (branco, azul, amarelo, rosa e etc.) e tons escuros (preto, cinza e etc.); Textura: Rugosa; Aspectos: Encontra-se nas maiores concentrações de edifícios, empresas, indústrias, estradas asfaltadas, jardins, ruas arborizadas e etc. Cor: Alternância de tons claros (marrom, roxo e etc.) e tons médios (preto, cinza e etc.); Textura: Rugosa; Aspectos: Caracteriza-se pela presença de algumas edificações, pequenas propriedades, quase nenhuma vegetação litorânea, perto de terrenos vazios ou áreas de loteamentos em fase de implantação e estradas sem pavimentação. Rodovia Cor: Textura: Aspectos: Tons escuros (variações do cinza e etc.); Rugosa; Rodovias, asfaltos e etc. Área Verde Minério Parque Industrial Mata Atlântica e Litorânea Mangue Mata de Galeria ou Ciliar Minério Parque Industrial Cor: Tons escuros (variações do verde); Textura: Lisa e rugosa; Aspectos: Caracterizam-se pela formação dominada por elementos arbóreos, localizando-se junto aos cursos de água ou nas encostas mais íngremes. Cor: Tons médios (variações do verde e etc.); Textura: Lisa e rugosa; Aspectos: Caracteriza-se pelo ecossistema costeiro, de transição; associa-se às margens de baías, onde haja encontro entre águas do rio e do mar. Cor: Tons médios (variações do verde e etc.); Textura: Lisa e rugosa; Aspectos: Composta por uma vegetação mais frondosa ocupando áreas de vales úmidos ao longo de cursos de água. Cor: Tons escuros (alternâncias do azul e roxo); Textura: Meio rugosa; Aspectos: Mineral extraído das rochas, com diversos fins industriais. Cor: Tons escuros (alternâncias entre verde, marrom, cinza, branco e etc.); Textura: Lisa, meio rugosa e rugosa; Aspectos: Representa a área do Parque Industrial formada pela CVRD e a ArcelorMittal.

95 74 Solo Exposto Solo Exposto Amarelo - claro Solo Exposto Vermelho Solo Queimado Solo Assoreado Areia da Praia Cor: Tons claros (variações do marrom, etc.); Textura: Lisa; Aspectos: Representa o solo destampado, sem nada sobre ele. Normalmente esse solo está sendo preparado para pavimentação, loteamento ou para construções diversas, possui forma regular no caso de terraplanagem e irregular no caso de erosão, sua cor é amarelo claro conforme [8], devido as quantidades apreciáveis de ilmenita (FE2O3.3H2O), que influencia na refletância do solo. Cor: Tons claros (Variações do marrom, etc.); Textura: Lisa; Aspectos: Representa o solo destampado, sem nada sobre ele, normalmente esse solo está sendo preparado para as estradas serem pavimentadas, loteamento ou para construções diversas, possui forma regular no caso de terraplanagem e irregular no caso de erosão, sua cor é vermelho segundo [8] por ser rico em hematita (Fe2O3). Cor: Tons escuros (variações do marrom, roxo, verde, etc.); Textura: Lisa; Aspectos: Cultura arbórea homogênea, instalada pelo homem, para fins industriais ou para consumo dos estabelecimentos rurais. Cor: Tons médios (variações do cinza, branco, etc.); Textura: Lisa; Aspectos: As principais causas do assoreamento de rios, ribeirões, córregos, lagos, lagoas e nascentes estão relacionadas aos desmatamentos, tanto das matas ciliares quanto das demais coberturas vegetais que naturalmente, protegem os solos. A exposição dos solos para práticas agrícolas, mineração ou para ocupações urbanas, acompanhadas de movimentação e da impermeabilização do solo ocasiona o assoreamento. Cor: Tons Claros (branco, azul e etc.); Textura: Lisa; Aspectos: Ocupa boa parte do litoral brasileiro, as areias das praias são compostas por partículas soltas de rocha tais como areia, cascalho e outras, ao longo da margem de um corpo de água.

96 75 Foram encontradas seis classes, que por sua vez contêm as respectivas subclasses abordadas na Tabela 16. A classe Área Verde, por exemplo, teve a incorporação de três subclasses: mata atlântica e litorânea, mata de galeria ou ciliar e mangue. Após serem realizados vários testes para separar as subclasses abordadas na classe Área Verde, foi notória a incompatibilidade do resultado, havia uma confusão média muito grande entre os pixels das imagens, as subclasses continham características similares, a área de mangue confundia-se com a mata de galeria, a mata atlântica com a litorânea e etc. Pelo motivo de as subclasses conterem a mesma textura e uma similaridade muito grande em seu espectro, foram agrupadas em uma classe. O mesmo caso ocorreu com a classe Água, Área Urbanizada, Solo Exposto e suas respectivas subclasses; já a classe Parque Industrial foi delimitada por sua extensão territorial, abrangendo tudo o que está sobre a cobertura de seu solo à exceção do Minério, que ganhou uma classe própria, que contém vários tipos de Minérios presentes sobre o solo do Parque Industrial. As imagens multitemporais processadas passaram pelas três etapas de fotointerpretação, com esse processo concluído pôde-se chegar a seis classes principais do uso e ocupação do solo da cidade de Vitória-ES Princípios do Método Dividir para Conquistar Aplicado às Imagens de Satélite Depois de realizar vários testes de classificação nas imagens multitemporais, no resultado final da classificação, os pixels das classes ainda se confundiam bastante, apesar do resultado obtido com a classificação estar dentro do aceitável, contendo mais de 85% de acerto em um trabalho de análise da cobertura e uso do solo segundo [2]. Houve então, a ideia de dividir a área de estudo, a fim de obter resultados melhores na classificação das imagens. As possibilidades levantadas foram: Dividir a imagem em áreas estratégicas (quatro partes); Classificar uma sub-imagem por vez; Mosaicar as quatro sub-imagens classificadas. O método dividir para conquistar traz uma série de benefícios. Dentre as vantagens levantadas estariam: Aplicação do método dividir para conquistar na área de geoprocessamento; Diminuir a confusão dos pixels, por classificar uma área menor, possibilitaria um acerto maior que 85% na classificação;

97 76 O projeto iria ganhar novas dimensões, pois a análise seria minuciosa por acompanhar multitemporalmente a forma do uso e ocupação do solo da cidade de Vitória-ES em partes estratégicas da cidade; Dentre as desvantagens podemos citar: Utilizar uma filosofia diferente de trabalho poderia não achar resultados expressivos e voltar ao padrão anterior; Recortar todas as imagens em partes menores com o mínimo de erro, demandaria muito tempo de estudo, análise e fotointerpretação; Classificar cada parte da imagem recortada, uma por uma, demandaria maior tempo para se obter a classificação das imagens finais. Após uma análise das vantagens e desvantagens, concluiu-se que o método dividir para conquistar, seria planejado e executado, a fim de obter melhores resultados na pesquisa e poder contribuir com essa nova área de conhecimento. Os recursos computacionais de hardware e software utilizados na dissertação seguem no Anexo XI. Esses recursos foram utilizados no decorrer de todo o projeto, mesmo antes e depois da implementação do método dividir para conquistar. Para melhor acompanhamento do uso e ocupação do solo da cidade de Vitória-ES, com a aplicação do método dividir para conquistar, houve um estudo preliminar para definir as melhores opções de divisão das imagens. Após o levantamento dos dados, as imagens foram divididas em quatro partes estratégicas. A Tabela 17 mostra as características das partes em que foram divididas as imagens multitemporais da cidade de Vitória-ES com o método dividir para conquistar: Tabela 17 Características das partes em que foram divididas as imagens multitemporais da cidade de Vitória-ES com o método dividir para conquistar. Partes da Imagem Ilha de Vitória e a Ilha do Frade Porção Continental Características da imagem Entre as várias Ilhas que compõem a cidade de Vitória-ES, a Ilha de Vitória é a maior e a principal; A Ilha do Frade faz parte da cidade de Vitória-ES e está ligada à Ilha de Vitória por uma ponte; Na Porção Continental estão localizados o distrito de Goiabeiras, o aeroporto e bairros como Jardim Camburi, Jardim da Penha, etc; Facilidade na classificação e fotointerpretação A Ilha de Vitória e a Ilha do Frade contêm características similares, são habitadas e interligadas e, para a fotointerpretação, possuem a mesma textura; A Porção Continental tem características semelhantes às Ilhas de Vitória, e possui uma grande área reservada ao aeroporto;

98 77 Parque Industrial Reservas e Ilhas As companhias CVRD e ArcelorMittal fazem parte do complexo do Parque Industrial, sendo empresas de referência no Brasil e no mundo; As reservas possuem mata atlântica, tropical, mangues e diversas ilhas, com poucas habitações ou sem nenhuma habitação; Fazem parte do Parque Industrial, diversos tipos de minérios, fábricas, usinas, siderúrgicas, reservas florestais, lagos e etc; As características dessa parte da imagem são similares, contendo uma vasta área verde e, para a fotointerpretação, possuem a mesma textura; LANDSAT-1 A Figura 69, mostra a imagem da cidade de Vitória-ES, do satélite LANDSAT-1, com a data 26/07/1973, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas. A B C D Figura 69 Imagem da cidade de Vitória-ES, do satélite LANDS AT-1, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas LANDSAT-5 Seguem, na Figura 70, a imagem da cidade de Vitória-ES, do satélite LANDSAT-5, com a data 03/07/1984, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas. A B C D Figura 70 Imagem da cidade de Vitória-ES, do satélite LANDSAT-5, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas.

99 LANDSAT-7 A Figura 71 mostra a imagem da cidade de Vitória-ES, do satélite LANDSAT-7, com a data 21/07/1999. Dividida em 4 partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas. A B C D Figura 71 - Imagem da cidade de Vitória-ES, do satélite LANDSAT-7, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas CBERS-2B Seguem, na Figura 72, a imagem da cidade de Vitória-ES, do satélite CBERS-2B, com a data 24/02/2010. Dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D Reservas e Ilhas. (A) (B) (C) (D) Figura 72 - Imagem da cidade de Vitória-ES do satélite CBERS-2B, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas Classificação das Imagens do Satélite LANDSAT-1, 5, 7 e CBERS-2B Para se fazer a classificação das imagens multitemporais, a primeira medida a ser tomada foi a padronização. Se o fotointérprete utilizar diferentes métodos e algoritmos em cada imagem, o trabalho se torna inconsistente e a fotointerpretação fica delicada. Todos os métodos e algoritmos possuem vantagens e desvantagens diferentes, por isso é necessário escolher um método e algoritmos que lhe proporcionem mais vantagens. Para padronizar o processo de classificação foram analisados e testados diversos métodos e algoritmos. Mesmo as imagens sendo de sensores diferentes, adotar um padrão de

100 79 classificação e padronizar a forma de classificar as imagens possibilita ao fotointérprete escolher o que melhor se enquadra ao perfil do trabalho. Para se chegar à escolha do método, foram testadas várias possibilidades. Apresentou boa qualidade na classificação final, o método supervisionado, que utiliza algoritmos de classificação cujo reconhecimento dos padrões espectrais nas imagens multiespectrais se faz em duas fases distintas, treinamento e algoritmo de classificação. Isso permite, ao fotointérprete, escolher as amostras da área a ser classificada. O fotointérprete conhece a região estudada. A chance de escolher amostras erradas é bem reduzida, conferindo o máximo de confiabilidade ao trabalho final. Entre os algoritmos classificadores estão o MAXVER, MAXVER-ICM, método do paralelepípedo e distância euclidiana. O algoritmo que deu melhores resultados na classificação supervisionada foi o MAXVER, com bons resultados computacionais, com uma média de acerto acima dos 85%. O MAXVER é um algoritmo de classificação, que considera a ponderação das distâncias entre as médias dos níveis digitais das classes, utilizando parâmetros estatísticos. Para refinar ainda mais o resultado final foi utilizado um algoritmo de pós-classificação, que é aplicado em uma imagem classificada, com o objetivo de uniformizar os temas, ou seja, eliminar pontos isolados e classificados diferentemente de sua vizinhança. Com isso, gera-se uma imagem classificada com aparência menos ruidosa Modelo de Fluxograma da Classificação das Imagens As técnicas que forneceram melhores resultados (para classificação das imagens) são mostradas abaixo, na Figura 73, com o fluxograma adotado para classificação das imagens dos satélites LANDSAT-1, LANDSAT-5, LANDSAT-7 e CBERS-2B: Modelo adotado para Classificação das Imagens dos Satélites Amostragem das Classes Classificação Supervisionada das Imagens dos Satélites Maxver Pós-Classificação Fotointéprete Figura 73 Modelo adotado para classificação das imagens dos satélites LANDS AT-1, LANDSAT-5, LANDSAT-7 e CBERS-2B.

101 Cálculo da Área Ocupada Utilizando o SPRING Após a imagem ser classificada pelos algoritmos classificadores, o usuário escolhe os parâmetros da imagem de saída, delimitando a unidade de medida de tamanho das classes que foram classificadas para serem processadas. A leitura das unidades de medidas das classes podem ser feitas em km², m² ou Há, obtidos no SPRING. Esse processo foi executado por meio da instrução imagem/medidas de classes no SIG SPRING. Após a execução do cálculo que determina o tamanho das classes classificadas, o resultado é salvo em txt. Esses cálculos são executados de acordo com o tamanho do pixel, ele calcula a quantidade de pixels dentro da classe e seu tamanho respectivo, e como resultado ele retorna o tamanho da classe, de acordo com a unidade de medida escolhida. Por opção do fotointérprete, os dados foram salvos com a unidade de medida em Km², por sua importante utilização em mapas que compreendem mapas de municípios Classificação Supervisionada nas Imagens do Satélite LANDSAT-1 A Figura 74 mostra as amostras das classes de treinamento coletadas pelo fotointérprete para serem processadas pelo algoritmo MAXVER, na imagem do satélite LANDSAT-1, com a data 26/07/1973, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas. A B C D Figura 74 Amostras das classes de treinamento na imagem do satélite LANDSAT-1, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas.

102 81 A imagem RBV (LANDSAT-1) possui uma resolução de 80 m, e não proporciona uma excelente visão ao fotointérprete. Para maior credibilidade na classificação, optou-se por dividir um pixel de 80 m em vários pixels de 2,5 m, possibilitando relacionar poucas amostras das classes, mas amostras concretas. E como consequência dessa transformação, as amostras continham muitos pixels. imagens. Após a seleção das amostras, foi utilizado o algoritmo MAXVER para classificar as A Tabela 18 mostra a quantidade de amostras selecionadas e o total de pixels coletados pelo fotointérprete na imagem do sensor RBV (LANDSAT-1) da cidade de Vitória- ES, com a data 26/07/1973 em suas respectivas imagens divididas. Tabela 18 Quantidade de amostras e pixels selecionados da imagem do sensor RBV (LANDSAT-1) da cidade de Vitória-ES, com a data 26/07/1973 em suas respectivas imagens divididas. Imagens Divididas Quantidade de Amostras Total de pixels coletados Ilha de Vitória e a Ilha do Frade Porção Continental Parque Industrial Reservas e Ilhas Total Segue, na Tabela 19, o resultado obtido pela classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES com a data 26/07/1973 do sensor RBV (LANDSAT-1). Tabela 19 - Resultado obtido com a classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES com a data 26/07/1973 do sensor RBV (LANDSAT-1). Imagens Divididas Desempenho geral (%) Confusão Média (%) Ilha de Vitória e Ilha do Frade 95,90% 4,10% Porção Continental 95,33% 4,67% Parque Industrial 93,63% 6,37% Reservas e Ilhas 97,03% 2,97% Média 95,47% 4,53% Como podemos perceber nos resultados mostrados na Tabela 19, a classificação supervisionada com o algoritmo classificador MAXVER, aplicada à imagem do sensor RBV (LANDSAT-1) da cidade de Vitória-ES, obteve uma média de 95,47% de acerto, e obteve uma confusão média de 4,53% nos pixels da imagem. Obteve uma classificação de ótima qualidade, com o percentual de confusão média dentro do aceitável que é de 15%.

103 Pós-Classificação nas Imagens do Sensor RBV (LANDSAT-1) Aplica-se esse procedimento em uma imagem classificada, com o objetivo de uniformizar os temas, ou seja, eliminar pontos isolados, classificados diferentemente de sua vizinhança. De acordo com os valores de peso e limiar definidos pelo usuário, (Foram utilizados peso 2 e limiar 5), esse ponto central terá ou não sua classe substituída pela classe de maior frequência na vizinhança. Na Tabela 20, está a alteração em km² da Ilha de Vitória e da Ilha do Frade, com a aplicação do algoritmo de pós-classificação nas imagens do sensor RBV (LANDSAT-1), com a data 26/07/1973. Tabela 20 Alterações em k m² na Ilha de Vitória e Ilha do Frade com a aplicação do algoritmo de pósclassificação nas imagens do sensor RBV (LANDSAT-1) com a data 26/07/1973. Ilha de Vitória e Ilha do Frade Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Urbana Área Verde Solo Exposto A Tabela 21 mostra a alteração em km² na Porção Continental, com a aplicação do algoritmo de pós-classificação nas imagens do sensor RBV (LANDSAT-1), data 26/07/1973. Tabela 21 - Alterações em km² na Porção Continental com a aplicação do algoritmo de pós-classificação nas imagens do sensor RBV (LANDS AT-1) com a data 26/07/1973. Porção Continental Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Urbana Área Verde Solo Exposto Segue, na Tabela 22, a alteração em km² no Parque Industrial, com a aplicação do algoritmo de pós-classificação nas imagens do sensor RBV (LANDSAT-1), data 26/07/1973. Tabela 22 - Alterações em km² no Parque Industrial com a aplicação do algoritmo de pós-classificação nas imagens do sensor RBV (LANDSAT-1) com a data 26/07/1973. Parque Industrial Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Verde Parque Industrial

104 83 Na Tabela 23 está a alteração em km² nas Reservas e Ilhas, com a aplicação do algoritmo de pós-classificação nas imagens do sensor RBV (LANDSAT-1), data 26/07/1973. Tabela 23 - Alterações em km² na parte Reserva e Ilhas com a aplicação do algoritmo de pós-classificação nas imagens do sensor RBV (LANDS AT-1) com a data 26/07/1973. Reservas e Ilhas Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Verde Solo Exposto Com a utilização do algoritmo de pós-classificação, alguns pixels foram reclassificados de acordo com limiar e peso aplicados. Nas Tabelas 20, 21, 22 e 23 é possível perceber que algumas classes cresceram e outras diminuíram, com a reclassificação dos pixels. O algoritmo de pós-classificação auxilia e refina o resultado antes encontrado com o algoritmo MAXVER Classificação Supervisionada nas Imagens do Satélite LANDSAT-5 A Figura 75 mostra as amostras das classes de treinamento que foram coletadas para o processamento com o algoritmo MAXVER, na imagem do satélite LANDSAT-5, com a data 03/07/1984, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas. A B C D Figura 75 Amostras das classes de treinamento na imagem do satélite LANDSAT-5, dividida em quatro partes: A - Ilha de Vitória e Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas.

105 84 A Tabela 24 mostra a quantidade de amostras selecionadas e o total de pixels coletados na imagem do sensor TM (LANDSAT-5) da cidade de Vitória-ES, com a data 03/07/1984 de suas respectivas imagens divididas. Tabela 24 Quantidade de amostras selecionadas pelo fotointérprete da imagem do sensor TM (LANDSAT-5) da cidade de Vitória-ES, com a data 03/07/1984 de suas respectivas imagens divididas. Imagens Divididas Quantidade de Amostras Total de pixels coletados Ilha de Vitória e a Ilha do Frade Porção Continental Parque Industrial Reservas e Ilhas Total A Tabela 25 mostra o resultado obtido pela da classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES, data 03/07/1984 do sensor TM (LANDSAT-5). Tabela 25 - Resultado obtido com a classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES, com a data 03/07/1984 do sensor TM (LANDSAT-5). Imagens Divididas Desempenho geral (%) Confusão Média (%) Ilha de Vitória e a Ilha do Frade 91,45% 8,55% Porção Continental 87,45% 12,55% Parque Industrial 98,99% 1,01% Reservas e Ilhas 99,74% 0,26% Média 94,40% 5,60% A classificação supervisionada aplicada à imagem do sensor TM da cidade de Vitória- ES, obteve uma média de 94,40% de acerto, uma confusão média de 5,60% nos pixels Pós-Classificação nas Imagens do Sensor TM (LANDSAT-5) Segue, na Tabela 26, a alteração em km², com a aplicação do algoritmo de pósclassificação na Ilha de Vitória e Ilha do Frade nas imagens do sensor TM (LANDSAT-5), com a data 03/07/1984. Tabela 26 Alterações em k m² na Ilha de Vitória e Ilha do Frade com a aplicação do algoritmo de pósclassificação nas imagens do sensor TM (LANDS AT-5) com a data 03/07/1984. Ilha de Vitória e Ilha do Frade Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Urbana Área Verde Solo Exposto

106 85 A Tabela 27 mostra a alteração em km² na Porção Continental, com a aplicação do algoritmo de pós-classificação nas imagens do sensor TM (LANDSAT-5), data 03/07/1984. Tabela 27 - Alterações em km² na Porção Continental com a aplicação do algoritmo de pós-classificação nas imagens do sensor TM (LANDSAT-5) com a data 03/07/1984. Porção Continental Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Urbana Área Verde Solo Exposto A Tabela 28 mostra a alteração em km² no Parque Industrial, com a aplicação do algoritmo de pós-classificação nas imagens do sensor TM (LANDSAT-5), data 03/07/1984. Tabela 28 - Alterações em km² no Parque Industrial com a aplicação do algoritmo de pós-classificação nas imagens do sensor TM (LANDSAT-5) com a data 03/07/1984. Parque Industrial Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Verde Parque Industrial Segue, na Tabela 29, a alteração em km² nas Reservas e Ilhas com a aplicação do algoritmo de pós-classificação nas imagens do sensor TM (LANDSAT-5), data 03/07/1984. Tabela 29 - Alterações em Km² na parte Reserva e Ilhas com a aplicação do algoritmo de pós-classificação nas imagens do sensor TM (LANDSAT-5) com a data 03/07/1984. Reservas e Ilhas Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Verde Solo Exposto Classificação Supervisionada nas Imagens do Satélite LANDSAT-7 A Figura 76 mostra as amostras das classes de treinamento coletadas para o processamento pelo algoritmo MAXVER, na imagem do satélite LANDSAT-7, com a data 21/07/1999, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas.

107 86 A B C D Figura 76 - Amostras das classes de treinamento na imagem do satélite LANDSAT-7, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas. A Tabela 30 mostra a quantidade de amostras selecionadas e o total de pixels coletados na imagem do sensor ETM+ (LANDSAT-7), da cidade de Vitória-ES, com a data 21/07/1999 de suas respectivas imagens divididas. Tabela 30 Quantidade de amostras selecionadas pelo fotointérprete da imagem do sensor ETM+ (LANDSAT-7) da cidade de Vitória-ES, com a data 21/07/1999 de suas respectivas imagens divididas. Imagens Divididas Quantidade de Amostras Total de pixels coletados Ilha de Vitória e a Ilha do Frade Porção Continental Parque Industrial Reservas e Ilhas Total A Tabela 31 mostra o resultado obtido com a classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES, com a data 21/07/1999, do sensor ETM+ (LANDSAT-7). Tabela 31 - Resultado obtido com a classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES, com a data 21/07/1999 do sensor ETM+ (LANDS AT-7). Imagens Divididas Desempenho geral (%) Confusão Média (%) Ilha de Vitória e a Ilha do Frade 86,02% 13,98% Porção Continental 86,90% 13,10% Parque Industrial 97% 3% Reservas e Ilhas 97,30% 2,70% Média 91,80% 8,20%

108 87 A classificação supervisionada com o algoritmo classificador MAXVER, aplicada à imagem do sensor ETM+ (LANDSAT-7) da cidade de Vitória-ES, obteve uma média de 91,80% de acerto, e uma confusão média de 8,20% nos pixels da imagem Pós-Classificação nas Imagens do Sensor ETM+ (LANDSAT-7) A Tabela 32 mostra a alteração em km² na Ilha de Vitória e a Ilha do Frade com a aplicação do algoritmo de pós-classificação nas imagens do sensor ETM+ (LANDSAT-7), com a data 27/07/1999. Tabela 32 Alterações em k m² na Ilha de Vitória e Ilha do Frade com a aplicação do algoritmo de pósclassificação nas imagens do sensor ETM+ (LANDSAT-7) com a data 21/07/1999. Ilha de Vitória e a Ilha do Frade Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Urbana Área Verde Solo Exposto A Tabela 33 mostra a alteração em Km², com a aplicação do algoritmo de pósclassificação na Porção Continental nas imagens do sensor ETM+ (LANDSAT-7), com a data 21/07/1999. Tabela 33 - Alterações em km² na Porção Continental com a aplicação do algoritmo de pós-classificação nas imagens do sensor ETM+ (LANDSAT-7) com a data 21/07/1999. Porção Continental Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Urbana Área Verde Solo Exposto A Tabela 34 mostra a alteração em km² no Parque Industrial, com a aplicação do algoritmo de pós-classificação nas imagens do sensor ETM+ (LANDSAT-7), com a data 21/07/1999. Tabela 34 - Alterações em km² no Parque Industrial com a aplicação do algoritmo de pós-classificação nas imagens do sensor ETM+ (LANDSAT-7) com a data 21/07/1999. Parque Industrial Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Verde Parque Industrial

109 88 Segue, na Tabela 35, a alteração em Km² na parte Reservas e Ilhas, com a aplicação do algoritmo de pós-classificação nas imagens do sensor ETM+ (LANDSAT-7), com a data 21/07/1999. Tabela 35 - Alterações em Km² na parte Reservas e Ilhas com a aplicação do algoritmo de pósclassificação nas imagens do sensor ETM+ (LANDSAT-7) com a data 21/07/1999. Reservas e Ilhas Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Verde Solo Exposto Classificação Supervisionada nas Imagens do Satélite CBERS-2B A Figura 77 mostra as amostras das classes de treinamento coletadas para o processamento pelo algoritmo MAXVER, na imagem do satélite CBERS-2B, com a data 24/02/2010, dividida em quatro partes: A - Ilha de Vitória e a Ilha do Frade, B - Porção Continental, C - Parque Industrial e D - Reservas e Ilhas. A B C D Figura 77 - Amostras das classes de treinamento na imagem do satélite CBERS -2B, dividida em quatro partes: (A) Ilha de Vitória e a Ilha do Frade, (B) Porção Continental, (C) Parque Industrial e (D) Reservas e Ilhas. A Tabela 36 mostra a quantidade de amostras selecionadas e o total de pixels coletados na imagem do satélite CBERS-2B da cidade de Vitória-ES, com a data 24/02/2010, de suas respectivas imagens divididas.

110 89 Tabela 36 Quantidade de amostras selecionadas pelo fotointérprete da imagem do satélite CBERS-2B da cidade de Vitória-ES, com a data 24/02/2010 de suas respectivas imagens divididas. Imagens Divididas Quantidade de Amostras Total de pixels coletados Ilha de Vitória e Ilha do Frade Porção Continental Parque Industrial Reservas e Ilhas Total Na Tabela 37 está o resultado obtido com a classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES, data 24/02/2010, do satélite CBERS-2B. Tabela 37 - Resultado obtido com a classificação supervisionada com o algoritmo MAXVER da cidade de Vitória-ES, com a data 24/02/2010 do satélite CBERS -2B. Imagens Divididas Desempenho geral (%) Confusão Média (%) Ilha de Vitória e Ilha do Frade 90,01% 9,99% Porção Continental 98,01% 1,99% Parque Industrial 95,38% 4,62% Reservas e Ilhas 97,80% 2,20% Média 95,30% 4,70% Como podemos perceber nos resultados citados na Tabela 37, a classificação supervisionada com o algoritmo classificador MAXVER, aplicada à imagem do sensor TM (LANDSAT-5) da cidade de Vitória-ES, obteve uma média de 95,30% de acerto e uma confusão média de 4,7% nos pixels da imagem Pós-Classificação nas Imagens do Satélite CBERS-2B A Tabela 38 mostra a alteração em Km² com a aplicação do algoritmo de pósclassificação na Ilha de Vitória e a Ilha do Frade, nas imagens do sensor CCD/HRC (CBERS- 2B), com a data 24/02/2010. Tabela 38 - Alterações em km² na Ilha de Vitória e a Ilha do Frade com a aplicação do algoritmo de pósclassificação nas imagens do satélite CBERS-2B, com a data 24/02/2010. Ilha de Vitória e Ilha do Frade Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Urbana Área Verde Solo Exposto

111 90 Segue, na Tabela 39, a alteração em Km² na Porção Continental com a aplicação do algoritmo de pós-classificação nas imagens do sensor CCD/HRC (CBERS-2B), com a data 24/02/2010. Tabela 39 - Alterações em km² na Porção Continental com a aplicação do algoritmo de pós-classificação nas imagens do satélite CBERS-2B, data 24/02/2010. Porção Continental Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Urbana Área Verde Solo Exposto A Tabela 40 mostra a alteração em km² no Parque Industrial com a aplicação do algoritmo de pós-classificação nas imagens do sensor CCD/HRC (CBERS-2B), com a data 24/02/2010. Tabela 40 - Alterações em km² no Parque Industrial com a aplicação do algoritmo de pós- classificação nas imagens do satélite CBERS-2B, com a data 24/02/2010. Parque Industrial Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Verde Parque Industrial Segue, na Tabela 41, a alteração em Km² nas Reservas e Ilhas com a aplicação do algoritmo de pós-classificação nas imagens do sensor CCD/HRC CBERS-2B, com a data 24/02/2010. Tabela 41 - Alterações em km² nas Reservas e Ilhas com a aplicação do algoritmo de pós-classificação nas imagens do satélite CBERS -2B com a data 24/02/2010. Reservas e Ilhas Classes Tamanho em km² Classificador MAXVER Pós-Classificação Área Verde Solo Exposto

112 Fotointerpretação das Imagens Multitemporais O fotointérprete, de modo geral, determina com sua experiência a qualidade final de um mapa classificado. Ele deve ter, entre outras características, acuidade visual, paciência, adaptabilidade e tenacidade. O fotointérprete foi o responsável por retirar todas as amostras das classes de treinamento, e o algoritmo MAXVER foi utilizado para classificar as imagens de acordo com as amostras das classes obtidas. Apesar de se ter obtido excelente desempenho geral na classificação, ainda houve um percentual mínimo de confusão média. O algoritmo de pósclassificação refina o resultado obtido pelo algoritmo MAXVER, trazendo maior confiabilidade. Se o fotointérprete perceber que alguma área foi classificada de forma errada, ele pode mudar a classe de acordo com sua acuidade visual. O reconhecimento regional do fotointérprete foi de suma importância no resultado final do trabalho, porque o fotointérprete informou ao software SPRING onde estavam as classes da Água e do Minério com precisão. Um fotointérprete que conhece a região a ser classificada agrega qualidade à classificação final. Ele pode mudar a classificação final, dada por um determinado algoritmo se perceber que a área foi classificada erroneamente. Em algumas imagens, as classes não correspondiam à classificação, e foram alteradas para as classes que o fotointérprete lhes atribuiu. Tais alterações foram mínimas. Isso foi possível pelas classificação e pósclassificação eficientes e confiáveis que antecederam o trabalho final de fotointerpretação.

113 92 4 RESULTADOS E DISCUSSÃO Todas as cartas temáticas e cartas imagens mostradas no presente capítulo foram confeccionadas utilizando software SCARTA, que faz parte do SIG SPRING. Os resultados e a discussão que abrangem este trabalho são apresentados da seguinte forma: 4.1 Estudo Individual do Uso e Ocupação do Solo da Cidade de Vitória-ES Baseado na Análise das Imagens Multitemporais dos Satélites LANDSAT- 1, 5, 7 e CBERS-2B Com este estudo, é possível formar uma conclusão inicial do uso e ocupação do solo da capital do Espírito Santo em épocas distintas. Na presente seção, é tratado o estudo individual do uso e ocupação do solo da cidade de Vitória-ES, baseado na análise das imagens dos satélites LANDSAT-1, 5, 7 e CBERS-2B na forma a seguir Estudo do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 26/07/1973, sensor RBV (LANDSAT-1) O Gráfico 1 mostra a classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 26/07/1973. Gráfico 1 Classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 26/07/1973.

114 93 A primeira imagem registrada por satélite na história da cidade de Vitória-ES, com a data 26/07/1973, sem nuvens, sem ruídos, completamente limpa, foi utilizada para a classificação, permitindo identificar o uso e ocupação do solo da cidade de Vitória-ES há 37 anos. A área da cidade de Vitória-ES classificada, corresponde a 73,971 km². Como podemos perceber, a classe Área Verde ocupa uma área de 48,511 km², totalizando 65,58% de toda a área classificada, sendo a classe de maior tamanho. A Área Urbanizada corresponde à segunda classe de maior tamanho, totalizando 14,4 km², equivalendo a 19,47% do total da área classificada. Se juntarmos as classes Área Verde e Área Urbanizada, obteremos 85,05% da área classificada; os 14,95% restantes de área classificada, estão divididos em outras quatro classes. A Água, representa 4,441 km² correspondendo a 6% da área classificada. O Parque Industrial possui quase o mesmo tamanho, com 4,248 km², correspondendo a 5,74% da área classificada. O Solo Exposto, possui 2,084 km² correspondendo a 2,82% da área, e o Minério, possui 0,208 km² correspondendo a 0,39% da área total classificada Estudo do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 03/07/1984, sensor TM (LANDSAT-5) Segue, no Gráfico 2, a classificação do uso e ocupação do solo da cidade de Vitória- ES, com a data 03/07/1984. Gráfico 2 Classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 03/07/1984.

115 94 A classificação dessa imagem permite identificar o uso e ocupação do solo da cidade de Vitória-ES há 26 anos. A área da cidade de Vitória-ES classificada, corresponde a 74,067 km². Pode-se perceber que a classe Área Verde ocupa uma área de 25,753 km², totalizando 34,77% de toda a área classificada, sendo a classe de maior tamanho. A Área Urbanizada corresponde à segunda classe de maior tamanho, totalizando 22,388 km², equivalendo a 30,23% do total da área classificada. Unindo as classes Área Verde e Área Urbanizada, chega-se a um total de 65% da área classificada, os 35% restantes de área classificada estão divididos em quatro classes. O Solo Exposto, possui 11,812 km² correspondendo a 15,95% da área classificada, quase o mesmo tamanho apresentado pelo Parque Industrial, que possui km² correspondendo a 15,05% da área classificada. As classes que apresentaram menor tamanho no uso e ocupação do solo foram a Água, com 1,854 km² correspondendo a 2,5% da área, e o Minério, ocupando 1,114 km² correspondendo a 1,5% da área classificada Estudo do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 21/07/1999, sensor ETM+ (LANDSAT-7) O Gráfico 3 apresenta a classificação do uso e ocupação do solo da cidade de Vitória- ES, com a data 21/07/1999. Gráfico 3 Classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 21/07/1999.

116 95 A classificação dessa imagem permitiu identificar o uso e ocupação do solo da cidade de Vitória-ES há 11 anos. A área da cidade de Vitória-ES classificada, corresponde a 74,092 km². A classe Área Verde ocupa a área de 26,771 km², totalizando 36,13% de toda área classificada, sendo a classe de maior tamanho. A Área Urbanizada, corresponde à segunda classe de maior tamanho, totalizando 24,843 km² equivalente a 33,53% da área classificada. Ao juntar as classes Área Verde e Área Urbanizada, chega-se a um total de 69,66% da área classificada, os 30,34% restantes de área classificada, estão divididos em outras quatro classes. O Solo Exposto, possui 11,192 km² correspondendo a 15,11% da área classificada, um pouco maior do tamanho apresentado pelo Parque Industrial, que possui 9,128 km² correspondendo a 12,32% da área classificada. As classes que apresentaram menor tamanho no uso e ocupação do solo, foram o Minério, com 1,164 km² correspondendo a 1,57% da área, e a Água, ocupando 0,994 km² que corresponde a 1,34% da área classificada Estudo do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 24/02/2010, sensor CCD/HRC CBERS-2B Segue, no Gráfico 4, a classificação do uso e ocupação do solo da cidade de Vitória- ES, com a data 24/02/2010: Gráfico 4 Classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 24/02/2010.

117 96 A classificação dessa imagem permite identificar o uso e ocupação do solo da cidade de Vitória-ES na atualidade. A área da cidade de Vitória-ES classificada, corresponde a 73,959 km². A classe Área Urbanizada, ocupa uma área de 29,062 km² totalizando 39,29% de toda área classificada, sendo a classe de maior tamanho. A Área Verde, corresponde à segunda classe de maior tamanho, totalizando 23,201 km², que equivale a 31,37% da área classificada. Juntando as classes Área Verde e Área Urbanizada, chega-se a um total 70,7% da área classificada, os 29,7% restantes de área classificada, estão dividida em quatro classes. O Solo Exposto, possui 10,711 km² correspondendo a 14,5% da área classificada, um pouco maior do tamanho apresentado pelo Parque Industrial, que possui 9,051 km² correspondendo a 12,24% da área classificada. As classes que apresentaram menor tamanho no uso e ocupação do solo foram o Minério, com 1,273 km² correspondendo a 1,72%, e a Água, ocupando 0,661 km² correspondendo a 0,9% da área classificada. 4.2 Estudo Multitemporal do Uso e Ocupação do Solo da Cidade de Vitória-ES baseado nos princípios do Método Dividir para Conquistar, com imagens dos Satélites LANDSAT-1, 5, 7 e CBERS-2B Com esse estudo, é possível se perceber, a partir da metodologia proposta, como as classes foram se modificando ao longo dos anos, em partes estratégicas, permitindo ver como eram as dimensões da cidade há 37 anos, e de como posteriormente as classes se modificaram. Notam-se as mudanças ocorridas até o atual momento do uso e ocupação do solo da cidade.

118 Estudo Multitemporal do Uso e Ocupação do Solo da Ilha de Vitória e a Ilha do Frade nos últimos 37 anos O Gráfico 5 apresenta a classificação multitemporal do uso e ocupação do solo na Ilha de Vitória e a Ilha do Frade nos últimos 37 anos: Gráfico 5 Classificação multitemporal do uso e ocupação do solo na Ilha de Vitória e Ilha do Frade nos últimos 37 anos.

119 98 De acordo com a classificação multitemporal nos últimos 37 anos na Ilha de Vitória e Ilha do Frade, pode-se observar que: Área Urbanizada: Houve um aumento crescente na Área Urbanizada. De 1973 a 1984, houve um aumento de 3, 905 km². De 1984 a 1999, a Área Urbanizada cresceu km². Esse crescimento não parou, foram mais km² de 1999 a 2010, totalizando um aumento de 8,538 km² nos últimos 37 anos. Esse aumento corresponde ao dobro da Área Urbanizada que havia em Pode-se concluir, que houve um crescimento populacional e habitacional nos últimos anos dentro da Ilha de Vitória e Ilha do Frade. Área Verde: Houve uma diminuição significativa na Área Verde com o passar dos anos. De 1973 a 1984, houve uma diminuição de 7,384 km² correspondendo à perda de quase metade da Área Verde de De 1984 a 1999, a Área Verde diminuiu 1,357 km²; essa diminuição não parou; foram mais 3,626 km² de 1999 a 2010, totalizando uma diminuição de 12,367 km² nos últimos 37 anos. Pode-se concluir, que houve um crescimento populacional e habitacional nos últimos anos dentro da Ilha de Vitória e a Ilha do Frade, situação que, causou a diminuição da Área Verde em mais de três vezes de seu tamanho há 37 anos. Solo Exposto: Houve um aumento crescente do Solo Exposto com o passar dos anos. De 1973 a 1984, houve um aumento de 3, 851 km², correspondendo a sete vezes o tamanho em De 1984 a 1999, a área teve um ligeiro aumento de 0,250 km². De 1999 a 2010, houve um crescimento do Solo Exposto da Ilha para 1,049 km², totalizando um aumento de 4,925 km², em 37 anos. Água: Houve uma diminuição na área de Água. De 1973 a 1984, houve uma diminuição de 0,367 km². De 1984 a 1999, a área diminuiu mais 0,745 km² devido aos aterros na ilha, e em diversos lugares hoje ocupados por habitações. De 1999 a 2010, houve aumento da área de Água em 0,060 km². Ao longo de 37 anos, houve uma diminuição de 1,112 km². Dentro da Ilha de Vitória e Ilha do Frade houve uma grande concentração populacional, desencadeando o aumento acelerado da Área Urbanizada. A quantidade de Solo Exposto dentro da Ilha de Vitória, sempre cresceu, acompanhando o aumento da Área Urbanizada da cidade. Em contrapartida, foi drástica a diminuição da Área Verde no decorrer dos anos.

120 99 As áreas com Água dessa região diminuíram no decorrer de 1973 a Houve um ligeiro aumento nos últimos 11 anos. A diminuição dessa área deveu-se aos aterros. O aumento da Área Urbanizada e do Solo Exposto está ligado de forma direta á diminuição da Área Verde e Água. Confirmam-se as informações da Prefeitura Municipal de Vitória-ES de, que, a partir de meados do século XX, a cidade se transformou em função das mudanças econômicas ocorridas no estado, e a ocupação urbana se estendeu por grande parte da ilha.

121 Estudo Multitemporal do Uso e Ocupação do Solo na Porção Continental nos últimos 37 anos Segue, no Gráfico 6, a classificação multitemporal do uso e ocupação do solo na Porção Continental nos últimos 37 anos. Gráfico 6 Classificação multitemporal do uso e ocupação do solo na Porção Continental nos últimos 37 anos.

122 101 De acordo com a classificação multitemporal dos últimos 37 anos na Porção Continental, podemos observar que: Área Urbanizada: Houve um aumento crescente na Área Urbanizada dessa área com o passar dos anos. De 1973 a 1984, houve um aumento de 3,992 km², correspondendo a quase o dobro da Área Urbanizada na Porção Continental. De 1984 a 1999, a Área Urbanizada cresceu 0,348 km². Esse crescimento não parou, foram 1,569 km² de 1999 a Totalizou-se um aumento de 5,945 km² nos últimos 37 anos. Podese concluir que houve um crescimento populacional e habitacional nos últimos anos dentro da Porção Continental, a Área Urbanizada cresceu mais que o dobro desde Área Verde: De 1973 a 1984, houve diminuição de 8,505 km², correspondendo a quase cinco vezes o tamanho de De 1984 a 1999, a área permaneceu quase inalterada, aumentando apenas de 0,006 km². De 1999 a 2010, houve um aumento de 0,320 km². Totalizou-se ao longo de 37 anos, uma diminuição de 8,180 km². Observando as imagens processadas, nota-se que a Área Verde perdeu muito espaço entre as décadas de 1970 e 1980; depois, houve uma estabilização dessa área. Solo Exposto: De 1973 a 1984 houve um aumento de 4,665 km², correspondendo a quatro vezes o tamanho de De 1984 a 1999, o Solo Exposto diminuiu 0,275 km². Essa diminuição não parou, foram mais 1,874 km² de 1999 a Totalizou-se uma diminuição de 2,506 km² nos últimos 26 anos. Pela visualização das imagens, notase que o Solo Exposto teve um aumento significativo entre as décadas de 1970 e Água: Houve diminuição da área de Água nos últimos anos na parte Porção Continental. De 1973 a 1984, houve diminuição de 0,367 km². De 1984 a 1999, a Água sofreu uma diminuição de 0,037 km². De 1999 a 2010, houve uma diminuição de 0,063 km², totalizando 0,269 km² em 37 anos. Na Porção Continental houve uma grande concentração populacional, desencadeando o aumento acelerado da Área Urbanizada. A quantidade de Solo Exposto dentro da Porção Continental diminuiu nos últimos 26 anos, e a quantidade de Água também diminuiu no decorrer dos últimos 37 anos. O aumento da Área Urbanizada e o Solo Exposto estão ligados de forma direta à diminuição da Área Verde e de Água nessa área. Confirmam-se as informações da Prefeitura Municipal de Vitória-ES de que, a partir de meados do século XX, a cidade se transformou em função das mudanças econômicas, a ocupação urbana se estendeu e avançou, definitivamente, em direção à Porção Continental do município. A área de Água dessa parte diminuiu no decorrer de 37 anos, por causa dos aterros e da urbanização.

123 Estudo Multitemporal do Uso e Ocupação do Solo do Parque Industrial nos últimos 37 anos O Gráfico 7 mostra a classificação multitemporal do uso e ocupação do solo no Parque Industrial nos últimos 37 anos: Gráfico 7 Classificação multitemporal do uso e ocupação do solo no Parque Industrial nos últimos 37 anos.

124 103 De acordo com a classificação multitemporal nos últimos 37 anos no Parque Industrial, pode-se observar que: Área Verde: De 1973 a 1984, houve diminuição da Área Verde em 5,878 km², ocasionando a perda da metade de seu tamanho em De 1984 a 1999, a Área Verde cresceu 2,085 km², devido ao reflorestamento. De 1999 a 2010, essa área diminuiu pouco, 0,060 km². Totalizou-se uma diminuição de 3,860 km² nos últimos 37 anos. Pode-se concluir que, entre as décadas de 1970 e 1980, houve um desmatamento intenso. De 1984 a 1999, essa área passou por um reflorestamento; em 2010, houve diminuição. Minério: De 1973 a 1984, houve um aumento de 0,827 km². De 1984 a 1999, a área aumentou 0,050 km². De 1999 a 2010, foram mais 0,109 km². Ao longo de 37 anos, a classe minério aumentou 0,986 km². Pode-se concluir que, entre 1999 e 2010 houve aumento em quatro vezes da classe Minério, nos últimos 37 anos. Parque Industrial: Houve um crescimento significativo no uso e ocupação do solo pelo Parque Industrial. Entre as décadas de 1970 e 1980, houve um aumento de 6,823 km². De 1984 a 1999, o Parque Industrial diminuiu 1,993 km². Essa diminuição se deve ao reflorestamento. Houve uma pequena diminuição de 0,102 km² de 1999 a Totalizou-se um aumento de 3,860 km² nos últimos 37 anos no Parque Industrial. Água: De 1973 a 1984, houve diminuição de 1,758 km², devido a aterros na capital capixaba. De 1984 a 1999, a área sofreu uma diminuição de 0,128 km². De 1999 a 2010, houve um pequeno aumento em 0,160 km². Totalizou-se ao longo de 37 anos, uma diminuição de 2,336 km². Pode-se concluir, que entre 1973 e 1999, houve uma diminuição significativa da Água nessa área; de 1999 a 2010, não houve variação muito grande. Foi perceptível que a Área Verde cedeu lugar ao Parque Industrial entre as décadas de 1970 e Depois, houve reflorestamento de uma extensa Área Verde nesse terreno, aumentando a classe Área Verde e diminuindo a área do Parque Industrial. A classe Minério, aumentou nos últimos 37 anos. A classe Água passou por uma diminuição entre 1973 e 1999, devido a aterros nessa região, de 1999 a 2010, houve um pequeno aumento.

125 Estudo Multitemporal do Uso e Ocupação do Solo na parte Reservas e Ilhas nos últimos 37 anos Segue, no Gráfico 8, a classificação multitemporal na Reservas e Ilhas nos últimos 37 anos: Gráfico 8 Classificação multitemporal do uso e ocupação do solo nas Reservas e Ilhas nos últimos 37 anos.

126 105 De acordo com a classificação multitemporal nos últimos 37 anos, da parte Reservas e Ilhas, podemos observar que: Área Urbanizada: De 1973 a 1984, houve um aumento de 0,650 km², em 1973 não havia presença de Área Urbanizada. De 1984 a 1999, a Área Urbanizada diminuiu 0,250 km². De 1999 a 2010, houve diminuição de 0,255 km². Totalizou-se um aumento de 0,145 km² nos últimos 37 anos. Solo Exposto: De 1973 a 1984, houve um aumento significativo de 1,195 km². De 1984 a 1999, a área diminuiu 0,367 km². De 1999 a 2010, houve um crescimento dessa área para 0,337 km². Totalizou-se ao longo de 37 anos, um aumento de 1,195 km² nessa região. Área Verde: De 1973 a 1984, houve diminuição de 1,108 km². Entre 1984 e 1999, a Área Verde aumentou 0,295 km². De 1999 a 2010 essa área diminuiu 0,215 km². Totalizou-se a diminuição de 1,028 km² nos últimos 37 anos. Pode-se concluir, que houve a preservação desse local, a Área Verde não sofreu alterações drásticas no passar dos anos, mesmo com o desenvolvimento que a cidade sofreu. Água: De 1973 a 1984, houve diminuição de 0,056 km². De 1984 a 1999 a área sofreu um aumento de 0,050 km². De 1999 a 2010 houve diminuição da área em 0,203 km², totalizando a diminuição de 0,271 km² ao longo de 37 anos. Foi perceptível que, na parte Reserva e Ilha, a preservação ambiental foi muito eficaz, o crescimento populacional, não a afetou de forma direta. O Solo Exposto e a Água sofreram alterações ao longo dos anos. O resultado foi positivo e significativo, por demonstrar que a parte Reserva e Ilhas está sendo protegida e preservada.

127 Estudo do Uso e Ocupação do Solo da Cidade de Vitória-ES Baseado na Análise de Imagens Multitemporais dos Satélites LANDSAT-1, 5, 7 e CBERS-2B A análise separada dos anos de 1973, 1984, 1999 e 2010 possibilitou o entendimento de como estavam sendo distribuídas as classes Área Urbanizada, Área Verde, Solo Exposto, Água, Parque Industrial e Minério nessas datas específicas, formando uma conclusão inicial do uso e ocupação do solo da cidade de Vitória-ES em épocas diferentes. Para se fazer a análise multitemporal do uso e ocupação do solo na cidade de Vitória- ES, utilizaram-se os princípios do método dividir para conquistar, dividindo-se as imagens da cidade em: Ilha de Vitória e Ilha do Frade, Porção Continental, Parque Industrial, Reservas e Ilhas. A análise final do trabalho não conteria tantas conclusões e esclarecimentos da dinâmica geográfica do uso e ocupação do solo, sem essa, análise separadas. Na presente seção, a análise multitemporal com todos os multisensores utilizados neste trabalho, é realizada, com o objetivo de acompanhar a evolução das dinâmicas demográficas do uso e ocupação do solo. Segue, nos Gráficos 9 e 10, a classificação multitemporal do uso e ocupação do solo da cidade de Vitória-ES, utilizando os multissensores dos satélites LANDSAT-1, LANDSAT-5, LANDSAT-7 e CBERS-2B com o cálculo da área em km² e em porcentagem (%):

128 Gráfico 9 Classificação multitemporal do uso e ocupação do solo na cidade de Vitória-ES, utilizando os multisensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B em k m² nos últimos 37 anos. 107

129 Gráfico 10 Classificação multitemporal do uso e ocupação do solo na cidade de Vitória-ES, utilizando os multisensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B em porcentagem (% ) nos últimos 37 anos. 108

130 109 A chave de interpretação possibilitou a observação das seis classes distintas no uso e ocupação do solo da cidade de Vitória-ES. De acordo com a classificação multitemporal nos últimos 37 anos da cidade de Vitória-ES, pode-se observar que: Área Urbanizada: Houve aumento no uso e ocupação do solo dessa área. De 1973 a 1984, houve crescimento de 7,988 km². De 1984 a 1999, a Área Urbanizada cresceu 2,455 km², e mais 4,219 km² de 1999 a Totalizou o aumento de 14,662 km² nos últimos 37 anos. Pode-se concluir que houve crescimentos populacional e habitacional muito grandes nos últimos 37 anos na cidade de Vitória-ES, acentuado na Ilha de Vitória. Houve um pequeno aumento na parte Reservas e Ilhas. Solo Exposto: Houve um aumento significativo de 1973 a 2010, de 9,728 km². A partir da década de 1980, houve uma pequena diminuição dessa área. De 1984 a 1999, a área diminuiu 0,620 km². De 1999 a 2010, houve crescimento do Solo Exposto, sofrendo este, a diminuição de 0,481 km². Totalizou-se, ao longo de 37 anos um aumento de 8,627 km². Pode-se concluir que o Solo Exposto aumentou demasiadamente entre 1973 e 1984; a partir de 1984 diminuiu pouco ao longo de 26 anos, dentro da cidade de Vitória-ES. Esse aumento foi crescente dentro da Ilha de Vitória e houve oscilações no aumento dessa área, na Porção Continental e na Reserva e Ilhas. Área Verde: Houve diminuição nessa área entre 1973 e 1984 em todas as regiões, totalizando um recuo de 22,758 km². De 1984 a 1999, a Área Verde obteve um aumento de km², e houve uma diminuição de 3,570 km² entre 1999 a Totalizou uma diminuição de 25,310 km² nos últimos 37 anos. Pode-se concluir, que a urbanização e a industrialização da década de 1970 e 1980 provocaram a diminuição de grande parte da Área Verde. Entre 1984 e 1999, houve um pequeno aumento, e nos últimos 11 anos, houve diminuição nessa área. Pode-se concluir que o aumento da Área Verde, entre 1984 e 1999, se deve ao reflorestamento dentro do Parque Industrial em 2,085 km², mas atualmente essa área diminuiu para 2,025 km². A Porção Continental sofreu grande perda entre a década de 1970 e 1980, depois estabilizou, houve um aumento em 0,326 km², seguido do aumento de 0,080 km². A queda maior na parte Reserva e Ilhas ocorreu entre 1970 e 1980; nos últimos 26 anos, houve oscilações. Somente a Ilha de Vitória apresentou diminuição constante na Área Verde nos últimos 37 anos, correspondendo à área de 4,983 km². Água: Houve diminuição de 1973 a 1984 em 2,587 km². De 1984 a 1999, a classe Água sofreu uma diminuição de 0,860 km². De 1999 a 2010, houve diminuição de

131 110 0,333 km². Totalizou-se ao longo de 37 anos, diminuição de 3,780 km². Pode-se concluir que, no decorrer dos anos, a área de Água na cidade de Vitória-ES foi diminuindo por causa dos aterramentos. Na Porção Continental a área de água diminuiu. Na parte Reservas e Ilhas houve oscilações e a área de água também diminuiu, o Parque Industrial também passou por oscilações e a área de Água diminuiu, devido a aterramentos. Minério: Houve um aumento significativo dessa classe ao longo dos anos. De 1984 a 1999, a área teve um aumento de 0,050 km². De 1999 a 2010, houve um aumento de 0,109 km². Totalizou-se, ao longo de 26 anos, um aumento de 0,986 km². Pode-se concluir que, entre 1999 e 2010, o aumento de Minério foi maior que o dobro do que tinha no período de 1984 a Parque Industrial: De 1973 a 1984, houve um aumento do Parque Industrial de 6,898 km². De 1984 a 1999, o Parque Industrial diminuiu 1,993 km², devido ao reflorestamento. De 1999 a 2010, diminuiu mais 0,102 km². Totalizou-se um aumento de 4,803 km² nos últimos 37 anos. Pode-se concluir que o Parque Industrial aumentou de 1973 a De 1984 a 1999, houve reflorestamento e a área do Parque Industrial diminuiu. De 1999 a 2010, houve diminuição dessa área. A classe Minério aumentou ao longo dos últimos 37 anos. A classe que mais cresceu foi à Área Urbanizada que, em 37 anos, ultrapassou a classe Área Verde. A Ilha de Vitória apresentou o maior aumento, seguida da Porção Continental que, juntas correspondem a mais de 95% do crescimento da Área Urbanizada. A classe Área Verde ocupou maior espaço no uso e ocupação do solo em Vitória-ES, três vezes maior que a Área Urbanizada em De 1984 a 1999, aumentou com o reflorestamento no Parque Industrial, mas de 1999 a 2010 voltou a diminuir. Houve crescimento contínuo de 1999 a 2010 da Área Verde dentro da Porção Continental e a parte Reserva e Ilhas esta sendo preservada, após o desmatamento das décadas de 1970 a A Ilha de Vitória sofreu com o desmatamento, por causa da urbanização. A classe Água diminuiu nas áreas da Ilha de Vitória, com aterros entre 1973 e A Porção Continental também diminuiu no decorrer dos anos. As partes Parque Industrial e Reserva e Ilhas diminuíram após os aterros das décadas de 1970 e A classe Solo Exposto aumentou nas décadas de 1970 e De 1973 a 1984, houve aumento dessa área. De 1984 a 2010, a Ilha de Vitória apresentou um aumento de área. O tamanho da parte Reserva e Ilhas se manteve. A área que realmente diminuiu após a década de 1980 foi a Porção Continental.

132 111 A parte Parque Industrial passou por um grande aumento nas décadas de 1970 e Entre 1984 e 1999, houve reflorestamento de 2,078 km². De 1999 a 2010, houve um pequeno aumento dessa parte. A classe Minério aumentou sua área no decorrer dos 37 anos, indicando o aumento da exportação de matéria prima e produtos acabados. Em 1973, havia uma grande área de água do mar que sofreu aterramentos na Ilha de Vitória e no Parque Industrial (Porto do Tubarão). Em 1984, ainda não havia a terceira ponte. 4.4 Verdade Terrestre O fotointérprete ficou entre dezembro de 2009 e janeiro de 2010 em Vitória-ES, recolhendo pontos de controle em diversos lugares na capital capixaba, para fazer o georreferenciamento das imagens orbitais. Foram tiradas várias fotos, de cada ponto, usado para georreferenciar as imagens. As fotos selecionadas são mostradas nas Figuras 78 a 88, para verificação da verdade terrestre. Figura 78 Foto tirada do Convento da Penha da Terceira Ponte que liga Vila Velha e Ilha de Vitória e ao fundo a Ilha do Boi e a Ilha do Frade, janeiro de Figura 79 Foto parcial da Ilha de Vitória, janeiro de 2010.

133 112 Figura 80 Foto da vista parcial do Almirante da Fonte Grande, janeiro de Figura 81 Aeroporto e Parque Industrial ao fundo da vista do Pico do Almirante da Fonte Grande, janeiro de Figura 82 - Parte sul da Ilha de Vitória vista do Almirante da Fonte Grande, janeiro de Figura 83 Foto da vista parcial do Morro do São Benedito, janeiro de 2010.

134 113 : Figura 84 Foto aérea da Ilha de Vitória, visualizando a Ilha do Boi e a Terceira Ponte ao fundo [FONTE: [41]]. Figura 85 Vista parcial da Porção Continental com a visualização do Aeroporto [FONTE: [42]]. Figura 86 Visão da Área Verde da cidade e magnífico visual [FONTE: [41]]. Figura 87 Vista aérea da grande Vitória-ES [FONTE: [41]].

135 114 Figura 88 Vista aérea dos edifícios da grande Vitória-ES [FONTE: [41]]. Os mapas disponibilizados em [39], mantidos pela Prefeitura Municipal de Vitória-ES, também contribuíram para a verdade terrestre deste trabalho. Por meio desse sítio, foi possível fazer o download de mapas de março de 2010, com temas utilizados nesta dissertação. No Anexo V, está o mapa de aterros da cidade de Vitória-ES, que auxiliou o fotointérprete a identificar áreas aterradas nas imagens multitemporais. No Anexo VI, está o mapa de espaços protegidos da cidade de Vitória-ES, que auxiliou na identificação de reservas dentro da cidade. No Anexo VII, está o mapa de ilhas e morros na cidade de Vitória-ES, auxiliando a identificação das ilhas e os locais mais altos da cidade, para coleta de pontos de controle. Segue no Anexo VIII, o mapa de vegetação da cidade de Vitória-ES, auxiliando a identificação da Área Verde na cidade, conferindo maior confiabilidade aos resultados. Esses mapas foram importantes para a classificação do uso e ocupação do solo, para identificação de áreas aterradas, e para a comparação da classificação de imagens antigas como as imagens de 1973 e As imagens de 2010 foram comparadas com os dados da Prefeitura Municipal de Vitória-ES, proporcionando maior credibilidade ao trabalho. No Anexo XII, encontra-se o endereço do sítio [43], que mostra um pouco da história da cidade de Vitória-ES, desde seu descobrimento, por meio de mapas, fotos e vídeos. 4.5 Cartas Temáticas da Classificação do Uso e Ocupação do Solo da Cidade de Vitória-ES no decorrer de 37 anos Essas cartas foram feitas com os mosaicos das quatro partes das sub-imagens multitemporais, Ilha de Vitória e Ilha do Frade, Porção Continental, Parque Industrial e Reserva e Ilhas. Nesta seção, são abordadas as cartas temáticas da classificação do uso e ocupação do solo na cidade de Vitória-ES como se segue.

136 Carta Temática da Classificação do Uso e Ocupação do Solo na Cidade de Vitória-ES, com a data 26/07/1973 Na Figura 89 está a carta temática da classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 26/07/1973. Figura 89 Carta temática do uso e ocupação do solo da cidade de Vitória-ES, com a data 26/07/1973.

137 Carta Temática da Classificação do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 03/07/1984 Na Figura 90 está a carta temática da classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 03/07/1984. Figura 90 Carta temática do uso e ocupação do solo da cidade de Vitória-ES, com a data 03/07/1984.

138 Carta Temática da Classificação do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 21/07/1999 Na Figura 91 está a carta temática da classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 21/07/1999. Figura 91 - Carta temática do uso e ocupação solo da cidade de Vitória-ES, com a data 21/07/1999.

139 Carta Temática da Classificação do Uso e Ocupação do Solo da Cidade de Vitória-ES, com a data 24/02/2010 Na Figura 92 está a carta temática da classificação do uso e ocupação do solo da cidade de Vitória-ES, com a data 24/02/2010. Figura 92 - Carta temática do uso e ocupação do solo da cidade de Vitória-ES, com a data 24/02/2010.

140 Cartas Imagens da Cidade de Vitória-ES no decorrer de 37 anos Pelo site [39], mantido pela Prefeitura Municipal da cidade de Vitória, obtiveram-se arquivos Shp, com dados raster ou vetoriais da cidade de Vitória-ES, contendo as seguintes informações: Área do município; Árvores do município; Bairros do município; Cercas do município; Curvas de nível do município; Edificações do município; Eixo logradouro do município; Estrutura viária do município; Litoral do município; Lotes do município; Quadras do município; Setores censitários do município e Zoneamento do Plano Diretor Urbano do Município; Por meio do software de geoprocessamento de imagens, SPINRG, importaram-se os dados vetoriais disponibilizados em [39], para compor o banco de dados DBVitória. Foi possível se fazer o agrupamento de mapas, formando mosaicos das imagens vetoriais atuais da cidade, com a imagem de Vitória-ES, com a data 24/02/2010, de alta resolução. Realizou-se o mosaico da imagem de alta resolução de 2010, com os dados vetoriais. Esse processo proporcionou a confecção de diversos mapas atualizados da cidade de Vitória- ES, com a imagem de alta resolução, confeccionando cartas imagens de 1973, 1984, 1999 e 2010.

141 Carta Imagem da Cidade de Vitória-ES, com a data 26/07/1973 A Figura 93 mostra a carta imagem da área do município de Vitória-ES, com a data 26/07/1973: Figura 93- Carta imagem da área do município de Vitória-ES, com a data 26/07/1973.

142 121 A Figura 94 mostra a carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 26/07/1973: Figura 94 - Carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 26/07/1973. Com esse mapa é possível se fazer um estudo multitemporal da dinâmica ocupacional do uso e ocupação do solo, dentro de cada bairro da cidade de Vitória-ES, em comparação com os mapas de 1984, 1999 e 2010.

143 Carta Imagem da Cidade de Vitória-ES, com a data 03/07/1984 A Figura 95 mostra a carta imagem da área do município da cidade de Vitória-ES, com a data 03/07/1984: Figura 95 - Carta imagem da área do município da cidade de Vitória-ES, com a data 03/07/1984.

144 123 A Figura 96 mostra a carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 03/07/1984: Figura 96 - Carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 03/07/1984.

145 Carta Imagem da Cidade de Vitória-ES, com a data 21/07/1999 A Figura 97 mostra a carta imagem da área do município de Vitória-ES, com a data 21/07/1999: Figura 97 - Carta imagem da área do município de Vitória-ES, com a data 21/07/1999.

146 125 A Figura 98 mostra a carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 21/07/1999: Figura 98 - Carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 21/07/1999.

147 Carta Imagem da Cidade de Vitória-ES, a data 24/02/2010 A Figura 99 mostra a carta imagem da área do município de Vitória-ES, com a data 24/02/2010: Figura 99 - Carta imagem da área do município de Vitória-ES, com a data 24/02/2010.

148 127 A Figura 100 mostra a carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 24/02/2010: Figura 100- Carta imagem dos bairros atuais sobrepostos à imagem da cidade de Vitória-ES, com a data 24/02/2010.

149 128 A Figura 100 mostra a carta imagem de edificações na cidade de Vitória-ES, com a data 24/02/2010: Figura 101- Carta imagem de edificações da cidade de Vitória-ES, com a data 24/02/2010.

150 129 A Figura 102 mostra a carta imagem de curva de nível cidade de Vitória-ES, com a data 24/02/2010: Figura 102- Carta imagem de curva de nível da cidade de Vitória-ES, com a data 24/02/2010.

151 130 A Figura 103 mostra a carta imagem da estrutura viária da cidade de Vitória-ES, com a data 24/02/2010: Figura 103- Carta imagem da estrutura viária da cidade de Vitória-ES, com a data 24/02/2010.

152 131 A Figura 104 mostra a carta imagem de lotes da cidade de Vitória-ES, com a data 24/02/2010: Figura Carta imagem de lotes da cidade de Vitória-ES, com a data 24/02/2010.

153 132 A Figura 105 mostra a carta imagem de quadras da cidade de Vitória-ES, com a data 24/02/2010: Figura Carta imagem de quadras da cidade de Vitória-ES, com a data 24/02/2010.

154 133 A Figura 106 mostra a carta imagem do zoneamento do plano diretor da cidade de Vitória-ES, a data 24/02/2010: Figura Carta imagem do zoneamento do plano diretor da cidade de Vitória-ES, a data 24/02/2010.

155 134 5 CONSIDERAÇÕES FINAIS Os dados digitais obtidos por meio dos multisensores dos satélites LANDSAT-1, LANDSAT-5, LANDSAT-7 e CBERS-2B, foram corroborados com as verdades terrestres apresentadas, validando assim a metodologia de estudo. Após o tratamento das imagens com a data 26/07/1973 do satélite LANDSAT-1, foi possível classificar a primeira imagem orbital da cidade de Vitória-ES na história, proporcionando diversas cartas temáticas e imagens. Várias pontes dentro da cidade não haviam sido construídas, existiam áreas tomadas pelo mar que hoje fazem parte da cidade, assim como a Ilha do Boi e outras Ilhas, após aterradas. O Porto de Tubarão não havia sido construído, e a Área Verde era a classe predominante da região. Com a elaboração da chave de interpretação, foram identificadas seis classes de uso e ocupação do solo: Área Urbanizada, Área Verde, Solo Exposto, Água, Parque Industrial e Minério. A análise da classificação individual nos anos de 1973, 1984, 1999 e 2010 possibilitou o entendimento de como estavam distribuídas as classes nessas datas específicas, formando uma conclusão inicial do uso e ocupação do solo da cidade de Vitória-ES em épocas distintas. Os princípios do método dividir para conquistar mostrou-se útil e eficaz para classificar o espaço em estudo. Proporcionou a análise das mudanças multitemporais que ocorreram nas partes Ilha de Vitória e Ilha do Frade, Porção Continental, Parque Industrial e Reserva e Ilhas. Foram perceptíveis as mudanças no uso e ocupação do solo da cidade de Vitória-ES em partes distintas. Tal fato forneceu uma contribuição de suma importância para se chegar a bons resultados na classificação final de toda a área do município. A análise por partes contribui cientificamente para a área em estudo. A análise final do trabalho não conteria tantas conclusões e esclarecimentos da dinâmica geografia do uso e ocupação do solo se não houvesse a análise das áreas divididas pelo método dividir para conquistar. Após o tratamento nas imagens em 03/07/1984, 21/07/1999 e 24/02/2010, foi possível identificar a evolução histórica do uso e ocupação do solo da cidade, tendo como base a imagem de A cidade de Vitória-ES tem 476 anos. Nos últimos 37 anos, houve uma explosão demográfica nessa região, por causa da migração rural para a cidade e dos investimentos de grandes empresas, entre outros fatores. Houve expressivas modificações no

156 135 uso e ocupação do solo na capital do Espírito Santo. Com a explosão demográfica e a industrialização da cidade, diminuíram muito os recursos naturais de 37 anos. As classes de Área Verde e de Água diminuíram suas proporções, dando lugar às classes de Área Urbanizada, Parque Industrial, Minério e Solo Exposto. A parte Reservas e Ilhas está realmente sendo preservada. A classificação de 1984 a 2010 mostra esse fato. A Prefeitura Municipal de Vitória, a partir da década de 1980, tomou diversas medidas para fazer o acompanhamento da gestão urbana e ambiental da cidade. Há vários projetos de sistemas de monitoramento [39], de vital importância para o desenvolvimento sustentável da cidade. A Área Verde diminuiu em mais da metade de seu tamanho em apenas 37 anos. O Parque Industrial cresceu mais que o dobro em uma década graças ao reflorestamento, ocupando o espaço de uma extensa Área Verde. Os dados fornecidos em [39] foram importantes para o desenvolvimento deste trabalho, proporcionando mapas que condizem com a verdade terrestre. Os arquivos Shp foram utilizados para a confecção de cartas atualizadas das imagens dos multissensores deste trabalho, demonstrando que os dados georreferenciados e processados estão em perfeito acordo com os dados da base geoprocessada da Prefeitura Municipal de Vitória-ES. O modelo adotado para a realização deste trabalho foi bastante eficaz, demonstrando, com importante respaldo, por meio da tecnologia apresentada, a dinâmica do uso e ocupação do solo no decorrer dos últimos 37 anos na cidade de Vitória-ES.

157 136 6 TRABALHOS FUTUROS Para trabalhos futuros na área, sugere-se: Análise multitemporal do uso e ocupação do solo da região metropolitana da grande Vitória, que é formada pelos municípios de Cariacica, Fundão, Guarapari, Serra, Viana, Vila Velha e Vitória, utilizando os multissensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B. Já que as imagens obtidas através do [1] abrange toda a região metropolitana da grande Vitória. Análise multitemporal digital da superfície da água nas praias da cidade de Vitória-ES para monitoramento de compostos orgânicos e inorgânicos utilizando os multisensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B. Análise multitemporal digital da superfície da água no mangue da cidade de Vitória-ES para monitoramento de compostos orgânicos e inorgânicos utilizando os multissensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B. Análise multitemporal do uso e ocupação do solo nos bairros da cidade de Vitória-ES utilizando os multisensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B. Análise multitemporal da estrutura viária na cidade de Vitória-ES utilizando os multissensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B. Análise multitemporal do uso e ocupação do solo nos bairros da cidade de Vitória-ES utilizando os multissensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B. Análise multitemporal comparativa dos algoritmos classificadores no uso e ocupação do solo na cidade de Vitória-ES utilizando os multissensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B. Análise multitemporal da radiação na cidade de Vitória-ES utilizando os multissensores dos satélites LANDSAT-1, 5, 7 e CBERS-2B. As análises multitemporais citadas podem ser feitas individualmente pelas imagens dos satélites LANDSAT-1, 5, 7 e CBERS-2B. Os mesmos trabalhos citados acima podem ser feitos com alguma cidade que faz parte da região metropolitana da grande Vitória. Implementação de um algoritmo no SIG SPRING que otimize o processamento manual das imagens, fornecendo um tratamento automático por meio dos modelos apresentados nesta dissertação.

158 137 BIBLIOGRAFIA [1] INPE/DGI. Catálogo de Imagens Disponivel em: <http://www.dgi.inpe.br/cdsr/>. Acesso em: 10 Agosto [2] PEREIRA, M. N.; KURKDJIAN, M. D. L. N. D. O.; FORESTI, C. Cobertura e Uso da Terra atrvés de Sensoriamento Remoto. Instituto Nacional de Pesquisas Espaciais. São José dos Campos, p [3] POLIDORO, M.; COELHO PEREIRA NETO, O. Análise da evolução da mancha urbana em londrina no Paraná através das técnicas de sensoriamento remoto. Londrina: [s.n.], [4] DE SOUZA MORAES, L. E.; MARCOLINO GHERARDI, D. F.; GARCIA FONSECA, L. M. Análise multi-temporal da cobertura vegetal do tipo manguezal de Guapimirim Rio de Janeiro, através do processamento de imagens TM- LANDSAT. São José dos Campos: [s.n.], [5] RANGEL SOARES NETO, E.; JOSÉ NEVES, R.; MARA ALVES DA SILVA NEVES, S. Análise multitemporal do desmatamento na bacia hidrográfica do Paraguai/Jauquara. Cárcere: [s.n.], [6] SAUSEN, T. Sensoriamento Remoto. In: Meio ambiente e ciências atmosféricas. São José dos Campos: INPE, Cap. 8. [7] BAUER, M. A Remote Sensing Overview: Principles and Fundamentals, In: Remote Sensing for GIS Users Workshop. [S.l.]: University of Minnesota, [8] MOREIRA, M. A. Fundamentos do Sensoriamento Remoto e Metodologias de Aplicação. 3ª Edição atualizada e ampliada. ed. Viçosa: Universidade Federal de Viçosa, ISBN x. [9] EMBRAPA. Embrapa Monitoramento por Satélite Disponivel em: <http://www.sat.cnpm.embrapa.br/conteudo/landsat.htm>. Acesso em: 2 Outubro Sistemas Orbitais de Monitoramento e Gestão Territorial. [10] SAUSEN, T. M. Divisão de Sensoriamento Remoto Disponivel em: <www.dsr.inpe.br/selper/image/portugues/cadpor1.pdf>. Acesso em: 28 Mraço [11] EMBRAPA. Embrapa Monitoramento por Satélite Disponivel em: <http://www.sat.cnpm.embrapa.br/conteudo/cbers.htm>. Acesso em: 2 feverreiro [12] INPE/CBERS. Satélite Sino Brasileiro de Recursos Terrestre Disponivel em: <http://www.cbers.inpe.br/noticias/index.php?cod=not172>. Acesso em: 10 fevereiro 2010.

159 138 [13] MOREIRA, M. A. Maurício Alves Moreira Disponivel em: <http://www.dsr.inpe.br/dsr/mauricio/homepage.htmlpdf>. Acesso em: 1 Outubro [14] ROSA, R.; BRITO, J. L. S. Geoprocessamento: Sistema de informação Geográfica. Uberlândia: Universidade federal de Uberlândia, ISBN x. [15] CÂMARA, G. et al. SPRING: Integrating Remote Sensing and GIS by Objectoriented. Computers & Graphics, v. 20, n. 3, p , May - Jun [16] DPI/INPE. Sistema de Processamento de Informação Georreferenciada Disponivel em: <http://www.dpi.inpe.br/spring/portugues/index.html>. Acesso em: 10 fevereiro [17] MASCARENHAS, N. D. A.; VELASCO, F. R. D. Processamento de Imagens. São José dos Campos: INPE, p. ISBN INPE-3325-PRE/624. [18] GEOINFO. Sensoriamento Remoto / Geoprocessamento Disponivel em: <http://www.geoinfo.cc/index.php?option=com_content&task=view&id=23&itemid=4 5>. Acesso em: 11 maio [19] DPI/INPE. Tutorial de Geoprocessamento Disponivel em: <http://www.dpi.inpe.br/spring/portugues/tutorial/classific.html>. Acesso em: 22 Feverreiro [20] LOPES, E. S. S. Tutorial SPRING. Instituto Nacional de Pesquisas Espaciais. São José dos Campos [21] NOVO, E. M. L. D. M. Sensoriamento Remoto Princípios e Aplicações. 2ª. ed. São José dos Campos: Edgard Blucher LTDA, [22] GILES, L. A Arte da Guerra. Tradução de André Campos Mesquita. São Paulo: Escala, [23] ZIVIANE, N. Projeto de Algoritmos com Implementações em Pascal e C. 4º Edição. ed. São Paulo: Pioneira, [24] MOREIRA, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação. 3ª Edição atualizada e ampliada. ed. Viçosa: Universidade Federal de Viçosa, ISBN x. [25] GOVERNO DO ESPÍRITO SANTO. Um novo Espírito Santo, governo do estado Disponivel em: <http://www.es.gov.br/site/espirito_santo/infos_gerais.aspx>. Acesso em: 3 feverreiro 2010.

160 139 [26] IBGE/GOV. Instituto Brasileiro de Geografia e Estatística Disponivel em: <http://www.ibge.gov.br/estadosat/perfil.php?sigla=es>. Acesso em: 3 Feverreiro [27] IBGE/MAPAS. Instituto Brasileiro de Geografia e Estatística Disponivel em: <http://mapas.ibge.gov.br/indice/viewer.htm>. Acesso em: 3 feverreiro [28] GRANDE BRASIL. Grande Brasil Disponivel em: <http://www.grandebrasil.com.br/brasil/es_espirito_santo/?cidade_vitória+2048>. Acesso em: 2 Outubro [29] IBGE/SIMBOLOS. Simbolos Nacionais Disponivel em: <http://simbolosnacionais.blogspot.com/2007/07/estado-doesprito-santo.html>. Acesso em: 3 Feverreiro [30] IBGE/BIBLIOTECA. Instituto Brasileiro de Geografia e Estatística. p. 3, Disponivel em: <biblioteca.ibge.gov.br/visualizacao/dtbs/espiritosanto/vitoria.pdf>. Acesso em: 17 Agosto [31] IJSN/IDAF. Instituto Jones dos Santos Neves Disponivel em: <http://www.ijsn.es.gov.br/download/download_win.asp?doc=./cartografia/mapas_mun icipios/78.zip&title=mapa%20de%20vit%f3ria%20(fonte:%20idaf)>. Acesso em: 3 Feverreiro [32] VITÓRIA. Vitória Mais Disponivel em: <http://www.vitoriamais.com/cidade.htm>. Acesso em: 4 Feverreiro [33] VIAES. Via Espírito Santo Disponivel em: <http://www.viaes.com.br/abstractdatas/exibir/302>. Acesso em: 4 Feverreiro [34] PREFEITURA DE VITÓRIA 2. Prefeitura de Vitória, uma cidade melhor para todos Disponivel em: <http://www.vitoria.es.gov.br/turismo.php?pagina=historiadevitoria>. Acesso em: 10 Agosto [35] HOGAN, D. J. População e Meio Ambiente. [S.l.]: [s.n.], [36] MARTINE, G. População, Meio Ambiente e Desenvolvimento: O Cenário Global e Nacional. [S.l.]: [s.n.], [37] HOGAN, D. J. A Relação entre População e Ambiente: Desafios para a Demografia. [S.l.]: [s.n.], 2000.

161 140 [38] PREFEITURA DE VITÓRIA 1. Prefeitura de Vitória, uma cidade melhor para todos Disponivel em: <http://www.vitoria.es.gov.br>. Acesso em: 19 Junho [39] GEOWEB. GeoWeb Vitória. geoweb.vitoria.es.gov.br, Disponivel em: <http://geoweb.vitoria.es.gov.br/downloads/downloads.htm>. Acesso em: 14 maio [40] DPI/INPE. Sistema de Processamento de Informação Georreferenciada Disponivel em: <http://www.dpi.inpe.br/spring/portugues/download.php>. Acesso em: 4 feverreiro [41] VITÓRIA-ES. Vitória-ES Disponivel em: <http://www.vitoria-es.com.br/fotos.php>. Acesso em: 10 Junlho [42] WIKIPÉDIA. Vitória (Espírito Santo). pt.wikipedia.org, Disponivel em: <http://pt.wikipedia.org/wiki/ficheiro:aeroportovix.jpg>. Acesso em: 07 Julho [43] YOUTUBE. Youtube. Youtube, Disponivel em: <http://www.youtube.com/?gl=br&hl=pt>. Acesso em: 01 Julho [44] GOOGLE. Google Hearth Disponivel em: <http://earth.google.com>. Acesso em: 6 Feverreiro [45] PIRAJÁ, F. Locutor Info. http: //www.locutor.info/, Disponivel em: <http://www.locutor.info/vitoria>. Acesso em: 05 Junho 2010.

162 141 ANEXO I A Figura 107 mostra o arquipélago de Martin Vaz que fica no meio do oceano atlântico a mais de km da costa: km da costa: Figura 107 Arquipélago de Matin Vaz [FONTE: [44]]. A Figura 108 mostra a Ilha da Trindade no meio do oceano atlântico a mais de Figura 108 Ilha da Trindade [FONTE: [44]].

163 142 ANEXO II Na Figura 109 está o mapa do plano diretor urbano da cidade de Vitória-ES: Figura 109 Mapa do plano diretor urbano da cidade de Vitória-ES [FONTE: [39]].

164 143 ANEXO IV Na Figura 110 está o mapa da área do município de Vitória-ES: Figura 110 Mapa da área do município de Vitória-ES [FONTE: [39]].

165 144 ANEXO IV Na Figura 111 está o mapa com o limite dos bairros da cidade de Vitória-ES: Figura 111 Mapa com o limite dos bairros da cidade de Vitória-ES [FONTE: [39]].

166 145 ANEXO V Na Figura 112 está o mapa de aterros da cidade de Vitória-ES: Figura 112 Mapa de aterros da cidade de Vitória-ES [FONTE: [39]].

167 146 ANEXO VI Na Figura 113 está o mapa de espaços protegidos da cidade de Vitória-ES: Figura 113 Mapa de espaços protegidos da cidade de Vitória-ES [FONTE: [39]].

168 147 ANEXO VII Na Figura 114 está o mapa de ilhas e morros da cidade de Vitória-ES: Figura 114 Mapa de ilhas e morros na cidade de Vitória-ES [FONTE: [39]].

169 148 ANEXO VIII Na Figura 115 está o mapa de vegetação da cidade de Vitória-ES: Figura Mapa de vegetação da cidade de Vitória-ES [FONTE: [39]].

ERMAC 2010: I ENCONTRO REGIONAL DE MATEMÁTICA APLICADA E COMPUTACIONAL 11-13 de Novembro de 2010, São João del-rei, MG; pg 251-257 251

ERMAC 2010: I ENCONTRO REGIONAL DE MATEMÁTICA APLICADA E COMPUTACIONAL 11-13 de Novembro de 2010, São João del-rei, MG; pg 251-257 251 ERMAC 2010: I ENCONTRO REGIONAL DE MATEMÁTICA APLICADA E COMPUTACIONAL 11 13 de Novembro de 2010, São João delrei, MG; pg 251 257 251 ANÁLISE DO USO E OCUPAÇÃO DO SOLO DA CIDADE DE VITÓRIAES USANDO A COMPOSIÇÃO

Leia mais

Sensoriamento Remoto. Características das Imagens Orbitais

Sensoriamento Remoto. Características das Imagens Orbitais Sensoriamento Remoto Características das Imagens Orbitais 1 - RESOLUÇÃO: O termo resolução em sensoriamento remoto pode ser atribuído a quatro diferentes parâmetros: resolução espacial resolução espectral

Leia mais

Sensoriamento Remoto

Sensoriamento Remoto Sensoriamento Remoto 1. Obtenção de imagens matriciais (raster) Imagens raster podem ser obtidas de várias formas: Aerofotogrametria Fotos aéreas obtidas através do sobrevoo da área de interesse por aeronaves

Leia mais

044.ASR.SRE.16 - Princípios Físicos do Sensoriamento Remoto

044.ASR.SRE.16 - Princípios Físicos do Sensoriamento Remoto Texto: PRODUTOS DE SENSORIAMENTO REMOTO Autor: BERNARDO F. T. RUDORFF Divisão de Sensoriamento Remoto - Instituto Nacional de Pesquisas Espaciais São José dos Campos-SP - bernardo@ltid.inpe.br Sensoriamento

Leia mais

Processamento de Imagem. Prof. Herondino

Processamento de Imagem. Prof. Herondino Processamento de Imagem Prof. Herondino Sensoriamento Remoto Para o Canada Centre for Remote Sensing - CCRS (2010), o sensoriamento remoto é a ciência (e em certa medida, a arte) de aquisição de informações

Leia mais

Introdução ao Sensoriamento Remoto

Introdução ao Sensoriamento Remoto Introdução ao Sensoriamento Remoto Cachoeira Paulista, 24 a 28 novembro de 2008 Bernardo Rudorff Pesquisador da Divisão de Sensoriamento Remoto Instituto Nacional de Pesquisas Espaciais - INPE Sensoriamento

Leia mais

Sistemas Sensores. Introdução

Sistemas Sensores. Introdução Sistemas Sensores 5ª Aulas Introdução O sol foi citado como sendo uma fonte de energia ou radiação. O sol é uma fonte muito consistente de energia para o sensoriamento remoto (REM). REM interage com os

Leia mais

Características dos Sensores. Aula 3 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa

Características dos Sensores. Aula 3 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa Características dos Sensores Aula 3 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa TAMANHO DO PIXEL Alta Resolução Média Resolução Cobertura Sinótica Meteorológicos

Leia mais

PRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO. Peterson Ricardo Fiorio

PRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO. Peterson Ricardo Fiorio PRINCÍPIOS FÍSICOS DO SENSORIAMENTO REMOTO Peterson Ricardo Fiorio Definição: Sensoriamento Remoto É a ciência ou a arte de se obterem informações sobre um objeto, área ou fenômeno, através de dados coletados

Leia mais

IMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO

IMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE TECNOLOGIA E RECURSOS HUMANOS UNIDADE ACADÊMICA DE ENGENHARIA CIVIL IMAGENS DE SATÉLITE PROF. MAURO NORMANDO M. BARROS FILHO Sumário 1. Conceitos básicos

Leia mais

Para que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma

Para que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma Sensores e Satélites Para que um sensor possa coletar e registrar a energia refletida ou emitida por um objeto ou superfície, ele tem que estar instalado em uma plataforma estável à distância do objeto

Leia mais

FOTOINTERPRETAÇÃO. Interpretação e medidas. Dado qualitativo: lago

FOTOINTERPRETAÇÃO. Interpretação e medidas. Dado qualitativo: lago FOTOINTERPRETAÇÃO a) conceito A fotointerpretação é a técnica de examinar as imagens dos objetos na fotografia e deduzir sua significação. A fotointerpretação é bastante importante à elaboração de mapas

Leia mais

Introdução ao Sensoriamento Remoto. Sensoriamento Remoto

Introdução ao Sensoriamento Remoto. Sensoriamento Remoto Introdução ao Sensoriamento Remoto Sensoriamento Remoto Definição; Breve Histórico; Princípios do SR; Espectro Eletromagnético; Interação Energia com a Terra; Sensores & Satélites; O que é Sensoriamento

Leia mais

UNICAP Universidade Católica de Pernambuco Laboratório de Topografia de UNICAP - LABTOP Topografia 2. Sensoriamento Remoto.

UNICAP Universidade Católica de Pernambuco Laboratório de Topografia de UNICAP - LABTOP Topografia 2. Sensoriamento Remoto. UNICAP Universidade Católica de Pernambuco Laboratório de Topografia de UNICAP - LABTOP Topografia 2 Sensoriamento Remoto Parte 1 Recife, 2014 Conceito de Sensoriamento Remoto Sensoriamento Remoto consiste

Leia mais

Sensoriamento Remoto

Sensoriamento Remoto Sensoriamento Remoto É a utilização conjunta de modernos sensores, equipamentos para processamento de dados, equipamentos de transmissão de dados, aeronaves, espaçonaves etc, com o objetivo de estudar

Leia mais

4 MATERIAL. O material utilizado para a realização deste estudo consiste de:

4 MATERIAL. O material utilizado para a realização deste estudo consiste de: O material utilizado para a realização deste estudo consiste de: 1) - Imagens de satélite Landsat MSS, TM e ETM+; 2) - Cartas produzidas pela Junta de Investigações do Ultramar (JIU, 1962-1963); mapa de

Leia mais

SÃO JOSÉ DOS CAMPOS, 01 de fevereiro de 2005.

SÃO JOSÉ DOS CAMPOS, 01 de fevereiro de 2005. RELATÓRIO FINAL DE ATIVIDADES DO PROJETO TEMÁTICO URBANIZAÇÃO DISPERSA E MUDANÇAS NO TECIDO URBANO. ESTUDO DE CASO: ESTADO DE SÃO PAULO Bolsista: Alessandra das Graças Portela Instituição: INPE Instituto

Leia mais

Letícia Oliveira Freitas Avaliação da Utilização de Imagens CBERS em Estudos de Uso e Cobertura do Solo

Letícia Oliveira Freitas Avaliação da Utilização de Imagens CBERS em Estudos de Uso e Cobertura do Solo Letícia Oliveira Freitas Avaliação da Utilização de Imagens CBERS em Estudos de Uso e Cobertura do Solo XII Curso de Especialização em Geoprocessamento 2010 UFMG Instituto de Geociências Departamento de

Leia mais

Dados para mapeamento

Dados para mapeamento Dados para mapeamento Existem dois aspectos com relação aos dados: 1. Aquisição dos dados para gerar os mapas 2. Uso do mapa como fonte de dados Os métodos de aquisição de dados para o mapeamento divergem,

Leia mais

Aplicações CBERS na Universidade Federal do Rio Grande do Sul

Aplicações CBERS na Universidade Federal do Rio Grande do Sul Aplicações CBERS na Universidade Federal do Rio Grande do Sul Pesquisas CBERS - UFRGS 2001: Início do projeto Participantes: - PPG-SR / CEPSRM - Instituto de Geociências Geodésia Geografia Geologia - Faculdade

Leia mais

INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ (IPECE) NOTA TÉCNICA Nº 43

INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ (IPECE) NOTA TÉCNICA Nº 43 GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO (SEPLAG) INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ (IPECE) NOTA TÉCNICA Nº 43 AQUISIÇÃO, TRATAMENTO E DISPONIBILIZAÇÃO DE IMAGENS

Leia mais

Ferramentas de sensoriamento remoto e SIG aplicadas ao novo Código Florestal

Ferramentas de sensoriamento remoto e SIG aplicadas ao novo Código Florestal 1/38 Ferramentas de sensoriamento remoto e SIG aplicadas ao novo Código Florestal Cota de Reserva Ambiental (CRA) Eng. Allan Saddi Arnesen Eng. Frederico Genofre Eng. Matheus Ferreira Eng. Marcelo Pedroso

Leia mais

Sensoriamento Remoto Orbital e Cartografia Derivada para Florestas e Meio Ambiente

Sensoriamento Remoto Orbital e Cartografia Derivada para Florestas e Meio Ambiente Sensoriamento Remoto Orbital e Cartografia Derivada para Florestas e Meio Ambiente. Afinal de contas, como tudo isso começou?. Conceitos básicos. Principais sensores orbitais. Cartografia para Florestas

Leia mais

FOTOGRAMETRIA I Prof Felipe: Aulas 1 e 2. 2- Câmaras Fotogramétricas

FOTOGRAMETRIA I Prof Felipe: Aulas 1 e 2. 2- Câmaras Fotogramétricas FOTOGRAMETRIA I Prof Felipe: Aulas 1 e 2 2- Câmaras Fotogramétricas Generalidades (fotografia) Elementos Fotografia aérea Espectro Eletromagnético 1 Fotogrametria é a arte, ciência, e tecnologia de obtenção

Leia mais

USOS E Aplicações DE SENSORIAMENTO REMOTO I

USOS E Aplicações DE SENSORIAMENTO REMOTO I USOS E Aplicações DE SENSORIAMENTO REMOTO I AGRICULTURA, E RECURSOS FLORESTAIS DISCRIMINAÇÃO DE TIPOS DE VEGETAÇÃO Tipos de colheita Tipos de madeiras DETERMINAÇÃO DA VARIAÇÃO DE APTIDÃO E BIOMASSA DETERMINAÇÃO

Leia mais

C a p í t u l o I V. P r o c e s s a m e n t o d a s I m a g e n s O r b i t a i s d o s S e n s o r e s T M e E T M

C a p í t u l o I V. P r o c e s s a m e n t o d a s I m a g e n s O r b i t a i s d o s S e n s o r e s T M e E T M C a p í t u l o I V P r o c e s s a m e n t o d a s I m a g e n s O r b i t a i s d o s S e n s o r e s T M e E T M IV.1 Processamento Digital das Imagens Orbitais dos Sensores TM e ETM + IV.1.1 Introdução

Leia mais

Sensoriamento Remoto aplicado ao Monitoramento Ambiental

Sensoriamento Remoto aplicado ao Monitoramento Ambiental Disciplina: Monitoramento e Controle Ambiental Prof.: Oscar Luiz Monteiro de Farias Sensoriamento Remoto aplicado ao Monitoramento Ambiental Andrei Olak Alves 2 espectro visível ultravioleta Sol infravermelho

Leia mais

MONITORAMENTO DA COBERTURA FLORESTAL DA AMAZÔNIA POR SATÉLITES

MONITORAMENTO DA COBERTURA FLORESTAL DA AMAZÔNIA POR SATÉLITES MONITORAMENTO DA COBERTURA FLORESTAL DA AMAZÔNIA POR SATÉLITES INPE COORDENAÇÃO GERAL DE OBSERVAÇÃO DA TERRA SÃO JOSÉ DOS CAMPOS, 20 DE JUNHO DE 2008 SISTEMA DE DETECÇÃO D0 DESMATAMENTO EM TEMPO REAL NA

Leia mais

SENSORIAMENTO REMOTO. Revisão de conteúdo. Prof. Marckleuber

SENSORIAMENTO REMOTO. Revisão de conteúdo. Prof. Marckleuber SENSORIAMENTO REMOTO Revisão de conteúdo Prof. Marckleuber Engenharia de Agrimensura - 2013 SENSORIAMENTO REMOTO - Conceitos De um modo geral, o Sensoriamento Remoto pode ser definido como: O conjunto

Leia mais

Sensoriamento Remoto aplicado ao Monitoramento Ambiental

Sensoriamento Remoto aplicado ao Monitoramento Ambiental Disciplina: Monitoramento e Controle Ambiental Prof.: Oscar Luiz Monteiro de Farias Sensoriamento Remoto aplicado ao Monitoramento Ambiental Andrei Olak Alves 1 2 PROCESSAMENTO DE IMAGENS espectro visível

Leia mais

Sistema de Informações Geográficas

Sistema de Informações Geográficas UNIVERSIDADE DO EXTREMO SUL CATARINENSE Pós Graduação Ecologia e Manejo de Recursos Naturais Sistema de Informações Geográficas Prof. Fabiano Luiz Neris Criciúma, Março de 2011. A IMPORTÂNCIA DO ONDE "Tudo

Leia mais

15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto

15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto 15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto O Sensoriamento Remoto é uma técnica que utiliza sensores, na captação e registro da energia refletida e emitida

Leia mais

MAPEAMENTO FLORESTAL

MAPEAMENTO FLORESTAL MAPEAMENTO FLORESTAL ELISEU ROSSATO TONIOLO Eng. Florestal Especialista em Geoprocessamento OBJETIVO Mapear e caracterizar a vegetação visando subsidiar o diagnóstico florestal FUNDAMENTOS É uma ferramenta

Leia mais

NOÇÕES BÁSICAS DE SENSORIAMENTO REMOTO

NOÇÕES BÁSICAS DE SENSORIAMENTO REMOTO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE TECNOLOGIA E RECURSOS HUMANOS UNIDADE ACADÊMICA DE ENGENHARIA CIVIL NOÇÕES BÁSICAS DE SENSORIAMENTO REMOTO PROF. MAURO NORMANDO M. BARROS FILHO Sumário

Leia mais

Os mapas são a tradução da realidade numa superfície plana.

Os mapas são a tradução da realidade numa superfície plana. Cartografia Desde os primórdios o homem tentou compreender a forma e as características do nosso planeta, bem como representar os seus diferentes aspectos através de croquis, plantas e mapas. Desenhar

Leia mais

Introdução aos Sistemas de Informação Geográfica

Introdução aos Sistemas de Informação Geográfica Introdução aos Sistemas de Informação Geográfica Mestrado Profissionalizante 2015 Karla Donato Fook karladf@ifma.edu.br IFMA / DAI Motivação Alguns princípios físicos dão suporte ao Sensoriamento Remoto...

Leia mais

GERAÇÃO DE CARTA IMAGEM DO MUNICÍPIO DE PATO BRANCO-PR

GERAÇÃO DE CARTA IMAGEM DO MUNICÍPIO DE PATO BRANCO-PR GERAÇÃO DE CARTA IMAGEM DO MUNICÍPIO DE PATO BRANCO-PR Ana Laura Reichert CENTENARO 1, Danielli BATISTELLA 1 Gabriela SUZIN 1, Morgana Gabriela RAYMUNDI 1 1 Universidade Tecnológica Federal do Paraná,

Leia mais

Aula 1 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa

Aula 1 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa Princípios Físicos do Sensoriamento Remoto Aula 1 Professor Waterloo Pereira Filho Docentes orientados: Daniela Barbieri Felipe Correa O que é Sensoriamento Remoto? Utilização conjunta de sensores, equipamentos

Leia mais

Produção de Mapas de Uso do solo utilizando dados CBERS-2B, como estágio intermerdiário para estudos de processos erosivos laminares.

Produção de Mapas de Uso do solo utilizando dados CBERS-2B, como estágio intermerdiário para estudos de processos erosivos laminares. Produção de Mapas de Uso do solo utilizando dados CBERS-2B, como estágio intermerdiário para estudos de processos erosivos laminares. Nome do Autor 1: Wagner Santos de Almeida Universidade de Brasília,

Leia mais

PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS. Daniel C. Zanotta

PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS. Daniel C. Zanotta PROCESSAMENTO DIGITAL DE IMAGENS (SERP11) OPERAÇÕES ARITMÉTICAS Daniel C. Zanotta RAZÃO DE BANDAS Dividir uma banda por outra (pixel a pixel) pode trazer diversas informações a respeitos dos alvos contidos

Leia mais

Imagens de Satélite (características):

Imagens de Satélite (características): Imagens de Satélite (características): São captadas por sensores electro ópticos que registam a radiação electromagnética reflectida e emitida pelos objectos que se encontram à superfície da terra através

Leia mais

C A P Í T U L O 1 F U N D A M E N T O S S E N S O R I A M E N T O

C A P Í T U L O 1 F U N D A M E N T O S S E N S O R I A M E N T O C A P Í T U L O 1 F U N D A M E N T O S D E S E N S O R I A M E N T O R E M O T O E l i s a b e t e C a r i a d e M o r a e s 1 INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS-INPE 1 e.mail : bete@ltid.inpe.br

Leia mais

USO DA TÉCNICA DE ANALISE POR COMPONENTE PRINCIPAL NA DETECÇÃO DE MUDANÇAS NA COBERTURA DO SOLO

USO DA TÉCNICA DE ANALISE POR COMPONENTE PRINCIPAL NA DETECÇÃO DE MUDANÇAS NA COBERTURA DO SOLO Samuel da Silva Farias, Graduando do curso de geografia da UFPE samuel.farias763@gmail.com Rafhael Fhelipe de Lima Farias, Mestrando do PPGEO/UFPE, rafhaelfarias@hotmail.com USO DA TÉCNICA DE ANALISE POR

Leia mais

Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão

Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão 01 Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão Rodrigo G. Trevisan¹; José P. Molin² ¹ Eng. Agrônomo, Mestrando em Engenharia de Sistemas Agrícolas (ESALQ-USP); ² Prof. Dr. Associado

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA Evolução temporal e espacial do uso e ocupação do solo para os anos

Leia mais

Tópicos em Meio Ambiente e Ciências Atmosféricas

Tópicos em Meio Ambiente e Ciências Atmosféricas INPE-13139-PRE/8398 SENSORIAMENTO REMOTO Tania Sausen Tópicos em Meio Ambiente e Ciências Atmosféricas INPE São José dos Campos 2005 MEIO AMBIENTE E CIÊNCIAS ATMOSFÉRICAS 8 Sensoriamento Remoto Tania Sauzen

Leia mais

ANÁLISE DA TRANSFORMAÇÃO DA PAISAGEM NA REGIÃO DE MACHADO (MG) POR MEIO DE COMPOSIÇÕES COLORIDAS MULTITEMPORAIS

ANÁLISE DA TRANSFORMAÇÃO DA PAISAGEM NA REGIÃO DE MACHADO (MG) POR MEIO DE COMPOSIÇÕES COLORIDAS MULTITEMPORAIS ANÁLISE DA TRANSFORMAÇÃO DA PAISAGEM NA REGIÃO DE MACHADO (MG) POR MEIO DE COMPOSIÇÕES COLORIDAS MULTITEMPORAIS ALENCAR SANTOS PAIXÃO 1 ; ÉLIDA LOPES SOUZA ROCHA2 e FERNANDO SHINJI KAWAKUBO 3 alencarspgeo@gmail.com,

Leia mais

SENSORIAMENTO REMOTO APLICADO AO CADASTRO URBANO

SENSORIAMENTO REMOTO APLICADO AO CADASTRO URBANO SENSORIAMENTO REMOTO APLICADO AO CADASTRO URBANO 04/04/2013 Leonardo Scharth Loureiro Silva Sumário 1 Fundamentos básicos de Sensoriamento Remoto 2 Levantamento aerofotogramétrico para fins de cadastro

Leia mais

MAPEAMENTO DIGITAL DE AMBIENTES COSTEIROS COM APOIO DE IMAGENS DE SATÉLITES E DADOS GNSS

MAPEAMENTO DIGITAL DE AMBIENTES COSTEIROS COM APOIO DE IMAGENS DE SATÉLITES E DADOS GNSS MAPEAMENTO DIGITAL DE AMBIENTES COSTEIROS COM APOIO DE IMAGENS DE SATÉLITES E DADOS GNSS Gilberto Pessanha Ribeiro ¹, ², ³ gilberto@globalgeo.com.br ¹ Globalgeo Geotecnologias www.globalgeo.com.br ² Faculdade

Leia mais

CLASSIFICAÇÃO DE IMAGENS

CLASSIFICAÇÃO DE IMAGENS CLASSIFICAÇÃO DE IMAGENS SIG Profa.. Dra. Maria Isabel Castreghini de Freitas ifreitas@rc.unesp.br Profa. Dra. Andréia Medinilha Pancher medinilha@linkway.com.br O que é classificação? É o processo de

Leia mais

Análise de Imagens CBERS da Bacia do Rio São Francisco utilizando Mapas Auto-Organizados de Kohonen e Classificadores K-Médias e Fuzzy C-Médias

Análise de Imagens CBERS da Bacia do Rio São Francisco utilizando Mapas Auto-Organizados de Kohonen e Classificadores K-Médias e Fuzzy C-Médias Análise de Imagens CBERS da Bacia do Rio São Francisco utilizando Mapas Auto-Organizados de Kohonen e Classificadores K-Médias e Fuzzy C-Médias Cecília Cordeiro da Silva 1 Wellington Pinheiro dos Santos

Leia mais

SENSORIAMENTO REMOTO

SENSORIAMENTO REMOTO SENSORIAMENTO REMOTO O Sensoriamento Remoto pode ser entendido como um conjunto de atividades que permite a obtenção de informações dos objetos que compõem a superfície terrestre sem a necessidade de contato

Leia mais

O olho humano permite, com o ar limpo, perceber uma chama de vela em até 15 km e um objeto linear no mapa com dimensão de 0,2mm.

O olho humano permite, com o ar limpo, perceber uma chama de vela em até 15 km e um objeto linear no mapa com dimensão de 0,2mm. A Visão é o sentido predileto do ser humano. É tão natural que não percebemos a sua complexidade. Os olhos transmitem imagens deformadas e incompletas do mundo exterior que o córtex filtra e o cérebro

Leia mais

Potencial do uso da banda do infravermelho próximo na classificação de imagens adquiridas por câmaras digitais

Potencial do uso da banda do infravermelho próximo na classificação de imagens adquiridas por câmaras digitais Potencial do uso da banda do infravermelho próximo na classificação de imagens adquiridas por câmaras digitais Lauriana Rúbio Sartori Nilton Nobuhiro Imai Antônio Maria Garcia Tommaselli Roberto da Silva

Leia mais

MAPEAMENTO DA COBERTURA VEGETAL DE ÁREAS DE GRANDE EXTENSÃO ATRAVÉS DE MOSAICOS DE IMAGENS DO NOAA-AVHRR

MAPEAMENTO DA COBERTURA VEGETAL DE ÁREAS DE GRANDE EXTENSÃO ATRAVÉS DE MOSAICOS DE IMAGENS DO NOAA-AVHRR MAPEAMENTO DA COBERTURA VEGETAL DE ÁREAS DE GRANDE EXTENSÃO ATRAVÉS DE MOSAICOS DE IMAGENS DO NOAA-AVHRR Maria G. Almeida 1, Bernardo F. T. Rudorff 2, Yosio E. Shimabukuro 2 graca@dppg.cefetmg.br, bernardo@ltid.inpe.br,

Leia mais

10 FÓRUM DE EXTENSÃO E CULTURA DA UEM COMPARAÇÃO DE FUSÃO ENTRE AS IMAGENS DO SATÉLITE RAPID EYE, CBERS E SPOT.

10 FÓRUM DE EXTENSÃO E CULTURA DA UEM COMPARAÇÃO DE FUSÃO ENTRE AS IMAGENS DO SATÉLITE RAPID EYE, CBERS E SPOT. 10 FÓRUM DE EXTENSÃO E CULTURA DA UEM COMPARAÇÃO DE FUSÃO ENTRE AS IMAGENS DO SATÉLITE RAPID EYE, CBERS E SPOT. Thalita Dal Santo 1 Antonio de Oliveira¹ Fernando Ricardo dos Santos² A técnica de fusão

Leia mais

Bruno Rafael de Barros Pereira 1 Venerando Eustáquio Amaro 1,2 Arnóbio Silva de Souza 1 André Giskard Aquino 1 Dalton Rosemberg Valentim da Silva 1

Bruno Rafael de Barros Pereira 1 Venerando Eustáquio Amaro 1,2 Arnóbio Silva de Souza 1 André Giskard Aquino 1 Dalton Rosemberg Valentim da Silva 1 Análise de dados orbitais multitemporais para avaliação de linha de costa nas áreas adjacentes ao município de Areia Branca/RN, com enfoque na região próxima ao estuário do Rio Apodí-Mossoró. Bruno Rafael

Leia mais

SENSORES REMOTOS. Daniel C. Zanotta 28/03/2015

SENSORES REMOTOS. Daniel C. Zanotta 28/03/2015 SENSORES REMOTOS Daniel C. Zanotta 28/03/2015 ESTRUTURA DE UM SATÉLITE Exemplo: Landsat 5 COMPONENTES DE UM SATÉLITE Exemplo: Landsat 5 LANÇAMENTO FOGUETES DE LANÇAMENTO SISTEMA SENSOR TIPOS DE SENSORES

Leia mais

Introdução ao Processamento de Imagens

Introdução ao Processamento de Imagens Introdução ao PID Processamento de Imagens Digitais Introdução ao Processamento de Imagens Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 2013 1 de 7 1. Introdução ao Processamento

Leia mais

FOTOINTERPRETAÇÃO E SENSORIAMENTO REMOTO

FOTOINTERPRETAÇÃO E SENSORIAMENTO REMOTO FOTOINTERPRETAÇÃO E SENSORIAMENTO REMOTO PROFESSOR: RICARDO T. ZAIDAN ALAN BRONNY ALMEIDA PIRES DE MOURA ICH/DEPARTAMENTO DE GEOCIÊNCIAS GEO 019 PRÉ-REQUISITO: CARTOGRAFIA TEMÁTICA 1 SOFTWARE ENVI O software

Leia mais

Sumário. Uso de imagens de satélite para monitoramento ambiental, planejamento do uso da Terra e gestão espacial à luz dos recentes desastres naturais

Sumário. Uso de imagens de satélite para monitoramento ambiental, planejamento do uso da Terra e gestão espacial à luz dos recentes desastres naturais Sumário Apresentação GlobalGeo Uso de imagens de satélite para monitoramento ambiental, planejamento do uso da Terra e gestão espacial à luz dos recentes desastres naturais Problemas meteorológicos para

Leia mais

Aplicações de Dados de Satélites com Ênfase em Imagens CBERS-1.

Aplicações de Dados de Satélites com Ênfase em Imagens CBERS-1. Aplicações de Dados de Satélites com Ênfase em Imagens CBERS-1. Paulo Roberto Martin ATUS-Atendimento a Usuários de Imagens Divisão de Sensoriamento Remoto-DSR/OBT III Encontro com

Leia mais

METODOLOGIA PARA O GEORREFERENCIAMENTO DE ILHAS COSTEIRAS COMO SUBSÍDIO AO MONITORAMENTO AMBIENTAL

METODOLOGIA PARA O GEORREFERENCIAMENTO DE ILHAS COSTEIRAS COMO SUBSÍDIO AO MONITORAMENTO AMBIENTAL METODOLOGIA PARA O GEORREFERENCIAMENTO DE ILHAS COSTEIRAS COMO SUBSÍDIO AO MONITORAMENTO AMBIENTAL Carolina Rodrigues Bio Poletto¹ & Getulio Teixeira Batista² UNITAU - Universidade de Taubaté Estrada Municipal

Leia mais

Aqui u sição ã d e e ima m g a en e s n de sat a él é ite Suely Franco S. Lima

Aqui u sição ã d e e ima m g a en e s n de sat a él é ite Suely Franco S. Lima Aquisição de imagens de satélite Suely Franco S. Lima http://www.dsr.inpe.br/vcsr http://www.dsr.inpe.br/vcsr/ /apresentacoes.html apresentacoes.html Formatos JPEG e TIF Dois formatos mais comuns: JPEG

Leia mais

APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO

APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO APLICAÇÕES PRÁTICAS DE PROCESSAMENTO DE IMAGENS EM SENSORIAMENTO REMOTO ESTÁGIO DOCÊNCIA ALUNA: ADRIANA AFFONSO (PROGRAMA DE PÓS- GRADUAÇÃO NO INPE MESTRADO EM SENSORIAMENTO REMOTO) ORIENTADOR: PROF. DR.

Leia mais

Quanto menor o comprimento de onda mais o efeito da atmosfera. A Banda 1 do Landsat 5 TM serve para estudar sedimentos (menor comprimento de onda)

Quanto menor o comprimento de onda mais o efeito da atmosfera. A Banda 1 do Landsat 5 TM serve para estudar sedimentos (menor comprimento de onda) Para mapear áreas de cultura (áborea) natural (floresta, reflorestamento) usar imagens de agosto, setembro. Para mapear produtividade, contaminação, praga, usar imagens de janeiro ou dezembro. Para mapear

Leia mais

MundoGEOXperience - Maratona de Ideias Geográficas 07/05/2014

MundoGEOXperience - Maratona de Ideias Geográficas 07/05/2014 MundoGEOXperience - Maratona de Ideias Geográficas 07/05/2014 ANÁLISE DE TÉCNICAS PARA DETECÇÃO DE MUDANÇA UTILIZANDO IMAGENS DO SENSORIAMENTO REMOTO DESLIZAMENTOS EM NOVA FRIBURGO/RJ EM 2011 Trabalho

Leia mais

Reinaldo Lúcio Gomide Embrapa Milho e Sorgo

Reinaldo Lúcio Gomide Embrapa Milho e Sorgo DETERMINAÇÃO DA VARIABILIDADE ESPAÇO-TEMPORAL DE DEMANDA HÍDRICA E PRODUTIVIDADE DA ÁGUA EM ESCALA REGIONAL POR MEIO DE TÉCNICAS DE SENSORIAMENTO REMOTO AGRÍCOLA, ASSOCIADAS À MODELAGEM, GEOPROCESSAMENTO

Leia mais

Grupo: Irmandade Bruna Hinojosa de Sousa Marina Schiave Rodrigues Raquel Bressanini Thaís Foffano Rocha

Grupo: Irmandade Bruna Hinojosa de Sousa Marina Schiave Rodrigues Raquel Bressanini Thaís Foffano Rocha Projeto de Engenharia Ambiental Sensoriamento remoto e Sistema de Informação Geográfica Grupo: Irmandade Bruna Hinojosa de Sousa Marina Schiave Rodrigues Raquel Bressanini Thaís Foffano Rocha Sensoriamento

Leia mais

Diagnóstico Ambiental do Município de Alta Floresta - MT

Diagnóstico Ambiental do Município de Alta Floresta - MT Diagnóstico Ambiental do Município de Alta Floresta - MT Paula Bernasconi Ricardo Abad Laurent Micol Maio de 2008 Introdução O município de Alta Floresta está localizado na região norte do estado de Mato

Leia mais

Fundo para o Meio Ambiente Mundial

Fundo para o Meio Ambiente Mundial Organização do Tratado de Co Amazônica Fundo para o Meio Ambiente Mundial Programa das Nações Unidas para o Meio Ambiente Universidade Federal do Pará Grupo de Estudos Marinhos e Costeiros PROJETO GESTÃO

Leia mais

ANÁLISE DE MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA APLICADA AO DESMATAMENTO NO MUNICÍPIO DE MARABÁ UTILIZANDO IMAGENS CCD - CBERS

ANÁLISE DE MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA APLICADA AO DESMATAMENTO NO MUNICÍPIO DE MARABÁ UTILIZANDO IMAGENS CCD - CBERS V Co ló qu i o B ra si l ei ro d e Ci ên ci a s Geo d ési ca s ISSN 1981-6251, p. 910-914 ANÁLISE DE MÉTODOS DE CLASSIFICAÇÃO SUPERVISIONADA APLICADA AO DESMATAMENTO NO MUNICÍPIO DE MARABÁ UTILIZANDO IMAGENS

Leia mais

SENSORIAMENTO REMOTO NO USO DO SOLO

SENSORIAMENTO REMOTO NO USO DO SOLO SENSORIAMENTO REMOTO NO USO DO SOLO Ana Luiza Bovoy Jônatas de Castro Gonçalves Thiemi Igarashi Vinicius Chequer e Silva LEVANTAMENTO DA COBERTURA VEGETAL ATRAVÉS DE PRODUTOS DE SENSORIAMENTO REMOTO NAS

Leia mais

APLICAÇÃO DE DADOS DE DETECÇÃO REMOTA À CARTOGRAFIA GEOLÓGICA DA REGIÃO DE VISEU

APLICAÇÃO DE DADOS DE DETECÇÃO REMOTA À CARTOGRAFIA GEOLÓGICA DA REGIÃO DE VISEU Universidade de Coimbra Faculdade de Ciências e Tecnologia Departamento de Ciências da Terra APLICAÇÃO DE DADOS DE DETECÇÃO REMOTA À CARTOGRAFIA GEOLÓGICA DA REGIÃO DE VISEU Pedro Nuno Gomes Venâncio Licenciatura

Leia mais

Análise das técnicas de fusão de imagens aplicadas ao satélite CBERS-2B (CCD-HRC) Claudinei Rodrigues de Aguiar¹ Danielli Batistella¹

Análise das técnicas de fusão de imagens aplicadas ao satélite CBERS-2B (CCD-HRC) Claudinei Rodrigues de Aguiar¹ Danielli Batistella¹ Análise das técnicas de fusão de imagens aplicadas ao satélite CBERS-2B (CCD-HRC) Claudinei Rodrigues de Aguiar¹ Danielli Batistella¹ 1 Universidade Tecnológica Federal do Paraná - UTFPR Via do Conhecimento,

Leia mais

Sensoriamento Remoto I. José Antonio Pacheco de Almeida Paulo José de Oliveira

Sensoriamento Remoto I. José Antonio Pacheco de Almeida Paulo José de Oliveira José Antonio Pacheco de Almeida Paulo José de Oliveira São Cristóvão/SE 2010 Elaboração de Conteúdo José Antonio Pacheco de Almeida Paulo José de Oliveira Projeto Gráfico e Capa Hermeson Alves de Menezes

Leia mais

REPRESENTAÇÃO DA IMAGEM DIGITAL

REPRESENTAÇÃO DA IMAGEM DIGITAL REPRESENTAÇÃO DA IMAGEM DIGITAL Representação da imagem Uma imagem é uma função de intensidade luminosa bidimensional f(x,y) que combina uma fonte de iluminação e a reflexão ou absorção de energia a partir

Leia mais

Tecnologias Digitais de Geoprocessamento

Tecnologias Digitais de Geoprocessamento Gilberto Pessanha Ribeiro Engenheiro Cartógrafo - UERJ Mestre em Ciências Geodésicas - UFPR Doutor em Geografia UFF Especialista em Geologia do Quaternário Museu Nacional/UFRJ gilberto@eng.uerj.br gilberto@globalgeo.com.br

Leia mais

ANÁLISE MULTITEMPORAL DA COBERTURA VEGETAL DA ÁREA DE PROTEÇÃO AMBIENTAL DO TARUMÃ AÇU/MIRIM, MANAUS, AMAZONAS, BRASIL

ANÁLISE MULTITEMPORAL DA COBERTURA VEGETAL DA ÁREA DE PROTEÇÃO AMBIENTAL DO TARUMÃ AÇU/MIRIM, MANAUS, AMAZONAS, BRASIL ANÁLISE MULTITEMPORAL DA COBERTURA VEGETAL DA ÁREA DE PROTEÇÃO AMBIENTAL DO TARUMÃ AÇU/MIRIM, MANAUS, AMAZONAS, BRASIL Maria Antônia Falcão de Oliveira, Engenheira Florestal 1 ; Mônica Alves de Vasconcelos,

Leia mais

Livro: Imagens de Satélite para Estudos Ambientais Autor: Teresa Gallotti Florenzano. Capítulo 1: IMAGENS OBTIDAS POR SENSORIAMENTO REMOTO

Livro: Imagens de Satélite para Estudos Ambientais Autor: Teresa Gallotti Florenzano. Capítulo 1: IMAGENS OBTIDAS POR SENSORIAMENTO REMOTO Livro: Imagens de Satélite para Estudos Ambientais Autor: Teresa Gallotti Florenzano Capítulo 1: IMAGENS OBTIDAS POR SENSORIAMENTO REMOTO Os sensores instalados em satélites artificiais são o resultado

Leia mais

Programa CBERS. Infra-estrutura de Dados & Benefícios Sociais

Programa CBERS. Infra-estrutura de Dados & Benefícios Sociais Programa CBERS Infra-estrutura de Dados & Benefícios Sociais Observação da Terra e benefícios sociais NASA Conhecimento em Observação da Terra John McDonald (MDA) A questão fundamental Como garantir capacitação

Leia mais

I ENCONTRO PAULISTA DE BIODIVERSIDADE

I ENCONTRO PAULISTA DE BIODIVERSIDADE I ENCONTRO PAULISTA DE BIODIVERSIDADE 16 a 18 de novembro de 2009 Fundação Mokiti Okada Palestrante: Mônica Pavão Pesquisadora do Instituto Florestal INVENTÁRIO FLORESTAL DO ESTADO DE SÃO PAULO INVENTÁRIO

Leia mais

Sensoriamento Remoto I. José Antonio Pacheco de Almeida Paulo José de Oliveira

Sensoriamento Remoto I. José Antonio Pacheco de Almeida Paulo José de Oliveira José Antonio Pacheco de Almeida Paulo José de Oliveira São Cristóvão/SE 2010 Elaboração de Conteúdo José Antonio Pacheco de Almeida Paulo José de Oliveira Projeto Gráfico e Capa Hermeson Alves de Menezes

Leia mais

Bolsista: Sheila Garcia. Período a que se refere: 01abr04 a 31mar05. São José dos Campos, 01 de fevereiro de 2005.

Bolsista: Sheila Garcia. Período a que se refere: 01abr04 a 31mar05. São José dos Campos, 01 de fevereiro de 2005. RELATÓRIO FINAL DE ATIVIDADES DO PROJETO TEMÁTICO URBANIZAÇÃO DISPERSA E MUDANÇAS NO TECIDO URBANO. ESTUDO DE CASO: ESTADO DE SÃO PAULO Bolsista: Sheila Garcia Instituição: INPE Instituto Nacional de Pesquisas

Leia mais

Engenharia Espacial e Sensoriamento Remoto

Engenharia Espacial e Sensoriamento Remoto lâmina 1 FRENTE Engenharia Espacial e Sensoriamento Remoto SEGMENTO SOLO A AMS Kepler trabalha há 15 anos no Programa Espacial Brasileiro. Iniciamos em 1998 no Programa CBERS (China Brazil Earth Resources

Leia mais

LEAA Laboratório de Estudos em Agricultura e Agrometeorologia

LEAA Laboratório de Estudos em Agricultura e Agrometeorologia Roteiro de aula Índices de Vegetação Composição de máximo valor (CMV) Perfis temporais - Estudos agrícolas - Estudos ambientais - Estudos climáticos Exercício prático Curva da reflectância de uma folha

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas

Leia mais

Modelagem espacial e temporal do uso do solo na bacia do Rio Doce no estado do Espírito Santo utilizando Sensoriamento Remoto e SIG

Modelagem espacial e temporal do uso do solo na bacia do Rio Doce no estado do Espírito Santo utilizando Sensoriamento Remoto e SIG Modelagem espacial e temporal do uso do solo na bacia do Rio Doce no estado do Espírito Santo utilizando Sensoriamento Remoto e SIG Resumo A Bacia Hidrográfica do Rio Doce apresenta uma extensão territorial

Leia mais

Detecção e estimativa de área queimada entre o limite do Parque Estadual de Vila Velha PR e sua zona de amortecimento mediante sensoriamento remoto

Detecção e estimativa de área queimada entre o limite do Parque Estadual de Vila Velha PR e sua zona de amortecimento mediante sensoriamento remoto Detecção e estimativa de área queimada entre o limite do Parque Estadual de Vila Velha PR e sua zona de amortecimento mediante sensoriamento remoto Willian Samuel Santana da Roza 1 Selma Regina Aranha

Leia mais

SENRORIAMENTO REMOTO E SIG. Aula 1. Prof. Guttemberg Silvino Prof. Francisco das Chagas

SENRORIAMENTO REMOTO E SIG. Aula 1. Prof. Guttemberg Silvino Prof. Francisco das Chagas SENRORIAMENTO REMOTO E SIG Aula 1 Programa da Disciplina 1 CONCEITOS, HISTÓRICO E FUNDAMENTOS (8 aulas) 2 Sensoriamento remoto. Histórico e definições 3 Domínios do Sensoriamento Remoto 4 Níveis de Coleta

Leia mais

SISTEMAS DE INFORMAÇÃO GEOGRÁFICA (I)

SISTEMAS DE INFORMAÇÃO GEOGRÁFICA (I) UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ DEPARTAMENTO DE ENGENHARIA DE BIOSSISTEMAS DISCIPLINA: LEB450 TOPOGRAFIA E GEOPROCESSAMENTO II PROF. DR. CARLOS ALBERTO VETTORAZZI

Leia mais

Prova Objetiva 2 e Prova Discursiva

Prova Objetiva 2 e Prova Discursiva Escola de Administração Fazendária Concurso Público 2009 Prova Objetiva 2 e Prova Discursiva Especialista em Geoprocessamento Nome: N. de Inscrição Instruções 1. Escreva seu nome e número de inscrição,

Leia mais

C A P Í T U L O 1 4. M a u r i c i o A l v e s M o r e i r a I n s t i t u t o N a c i o n a l d e P e s q u i s a s E s p a c i a i s

C A P Í T U L O 1 4. M a u r i c i o A l v e s M o r e i r a I n s t i t u t o N a c i o n a l d e P e s q u i s a s E s p a c i a i s C A P Í T U L O 1 4 I N F O R M A Ç Õ E S Ú T E I S P A R A A U X I L I A R A I N T E R P R E T A Ç Ã O V I S U A L D E I M A G E N S D E S A T É L I T E S M a u r i c i o A l v e s M o r e i r a I n s

Leia mais

1. Identificação da Organização

1. Identificação da Organização Formulário Pessoa Jurídica: Organização / Empresa Este formulário é idêntico ao eletrônico! Se sua opção for pelo preenchimento manual desta pesquisa, sugerimos que imprima este formulário e envie-o para

Leia mais

Costa, B.L. 1 ; Faria, R.A.M²; Marins, L.S.³. ²Universidade do Estado do Rio de Janeiro / Faculdade de Formação de Professores - rfariageo@hotmail.

Costa, B.L. 1 ; Faria, R.A.M²; Marins, L.S.³. ²Universidade do Estado do Rio de Janeiro / Faculdade de Formação de Professores - rfariageo@hotmail. GERAÇÃO DE MAPA DE USO E COBERTURA DE SOLO UTILIZANDO IMAGENS DE SATÉLITE LANDSAT 8 PARA O SUPORTE AO PLANEJAMENTO MUNICIPAL DO MUNICÍPIO DE NITERÓI RJ. Costa, B.L. 1 ; Faria, R.A.M²; Marins, L.S.³ 1 Universidade

Leia mais

OBTENÇÃO DE IMAGEM DO GOOGLE EARTH PARA CLASSIFICAÇÃO DE USO E OCUPAÇÃO DO SOLO

OBTENÇÃO DE IMAGEM DO GOOGLE EARTH PARA CLASSIFICAÇÃO DE USO E OCUPAÇÃO DO SOLO OBTENÇÃO DE IMAGEM DO GOOGLE EARTH PARA CLASSIFICAÇÃO DE USO E OCUPAÇÃO DO SOLO ROGER TORLAY 1 ; OSVALDO T. OSHIRO 2 N 10502 RESUMO O sensoriamento remoto e o geoprocessamento trouxeram importantes avanços

Leia mais

MONITORAMENTO DA TEMPERATURA DE SUPERFÍCIE EM ÁREAS URBANAS UTILIZANDO GEOTECNOLOGIAS

MONITORAMENTO DA TEMPERATURA DE SUPERFÍCIE EM ÁREAS URBANAS UTILIZANDO GEOTECNOLOGIAS MONITORAMENTO DA TEMPERATURA DE SUPERFÍCIE EM ÁREAS URBANAS UTILIZANDO GEOTECNOLOGIAS Erika Gonçalves Pires 1, Manuel Eduardo Ferreira 2 1 Agrimensora, Professora do IFTO, Doutoranda em Geografia - UFG,

Leia mais

ANÁLISE ESPACIAL INTEGRADA NO BONFIM, PETROPÓLIS, RJ, APLICADO AO USO DA TERRA E COBERTURA VEGETAL, COM SUPORTE DE GEOTECNOLOGIAS

ANÁLISE ESPACIAL INTEGRADA NO BONFIM, PETROPÓLIS, RJ, APLICADO AO USO DA TERRA E COBERTURA VEGETAL, COM SUPORTE DE GEOTECNOLOGIAS RELATÓRIO TÉCNICO PROJETO DE PESQUISA FAPERJ AUXÍLIO À PESQUISA APQ1 PROCESSO E-26/111.893/2012 RESPONSÁVEL: GILBERTO PESSANHA RIBEIRO ANÁLISE ESPACIAL INTEGRADA NO BONFIM, PETROPÓLIS, RJ, APLICADO AO

Leia mais

DINÂMICA MULTITEMPORAL DA VEGETAÇÃO NATURAL EM REGIÃO DE CANA- DE-AÇÚCAR NO SUL DO ESTADO DO ESPÍRITO SANTO.

DINÂMICA MULTITEMPORAL DA VEGETAÇÃO NATURAL EM REGIÃO DE CANA- DE-AÇÚCAR NO SUL DO ESTADO DO ESPÍRITO SANTO. DINÂMICA MULTITEMPORAL DA VEGETAÇÃO NATURAL EM REGIÃO DE CANA- DE-AÇÚCAR NO SUL DO ESTADO DO ESPÍRITO SANTO. Rafael Rebelo de O. Albaner 1, Alexandre Cândido Xavier 1 1 Universidade Federal do Espírito

Leia mais

O CRESCIMENTO URBANO DO MUNICÍPIO DE GOIÂNIA-GO/BRASIL E SUA RELAÇÃO COM O FENÔMENO DE ILHAS DE CALOR

O CRESCIMENTO URBANO DO MUNICÍPIO DE GOIÂNIA-GO/BRASIL E SUA RELAÇÃO COM O FENÔMENO DE ILHAS DE CALOR O CRESCIMENTO URBANO DO MUNICÍPIO DE GOIÂNIA-GO/BRASIL E SUA RELAÇÃO COM O FENÔMENO DE ILHAS DE CALOR M.e Diego Tarley Ferreira Nascimento ¹; Dr. Ivanilton José de Oliveira ². ¹ Professor substituto da

Leia mais