ANÁLISE TEMPORAL DO USO E COBERTURA DA TERRA NO MUNICÍPIO DE NOVA PALMA, RIO GRANDE DO SUL

Transcrição

1 ANÁLISE TEMPORAL DO USO E COBERTURA DA TERRA NO MUNICÍPIO DE NOVA PALMA, RIO GRANDE DO SUL Douglas Stefanello Facco 1 Andressa Caroline Trautenmüller 1 Ana Caroline Paim Benedetti 1 Universidade Federal de Santa Maria Colégio Politécnico Curso de Tecnologia em Geoprocessamento; douglas.s.facco@hotmail.com; dessa_caroline@hotmail.com; anacaroline@politecnico.ufsm.br RESUMO Para a avaliação do processo de uso e ocupação de uma determinada área é fundamental o uso de recursos do Sensoriamento Remoto e de ferramentas de manipulação de dados espaciais, os quais propiciam a geração de informações históricas e atuais confiáveis. O objetivo deste estudo consiste em monitorar a dinâmica de uso e cobertura da terra no município de Nova Palma, localizado na região da Quarta Colônia de Imigração Italiana do Rio Grande do Sul, entre os anos de 1985, 1991, 2000, 2006 e A metodologia compreendeu as seguintes etapas: download de imagens dos satélites Landsat 5 e Landsat 8, construção de um banco de dados espacial no programa SPRING, georreferenciamento das imagens, aplicação da técnica de contraste linear, reconhecimento de padrões de uso e cobertura da terra (dentre eles: floresta, agricultura, campo, solo exposto e água), classificação digital supervisionada através do algoritmo MaxVer, cálculo do Coeficiente Kappa e cálculo de áreas das classes. Os resultados obtidos por meio classificação, nas diferentes datas, foram comparados em termos de área resultante para cada classe temática. A acurácia da classificação digital foi avaliada pelo coeficiente de concordância Kappa, para os quais foram obtidos resultados excelentes. Observou-se que o campo era predominante no município de Nova Palma em 1985, seguido pela floresta, solo sem vegetação (exposto), agricultura e água. Ao fim do período, no ano de 2013, as áreas de solo exposto e floresta expandiram-se ocupando a maior extensão territorial. O monitoramento periódico, realizado por meio das imagens de satélite, permite inferir que as conversões de uso e cobertura da terra no município são bastante expressivas, e essa dinâmica pode estar relacionada à conservação da vegetação em Áreas de Preservação Permanente (APP) presentes em relevos íngremes e ao êxodo da população rural. Palavras chaves: Landsat, Sensoriamento Remoto, Classificação Digital, SPRING. ABSTRACT For the evaluation of the use and occupation of an area is fundamental process resource usage of Remote Sensing and manipulation of spatial data tools, which can generate reliable historical information and current. The objective of the study is to monitor the dynamic use and land cover in the municipality Nova Palma, located in the Quarta Colônia de Imigração Italiana in Rio Grande do Sul, between the years 1985, 1991, 2000, 2006 and The methodology included the following steps: download images from Landsat 5 and Landsat 8, creating a spatial database in SPRING, georeferencing of images, applying the technique of linear contrast, recognition of patterns of use and land cover (forestry, agriculture, field, exposed soil and water), digital supervised classification algorithm through MaxVer, calculating the Kappa coefficient and calculation of areas of classes. The results obtained by classifications were compared to the resulting area for each thematic class. The accuracy of classification was evaluated by Kappa coefficient, for which we obtained excellent results. It was observed that the field was prevalent in the municipality of Palma Nova in 1985, later the forest, bare soil (exposed), agriculture and water. At the end of the period, in 2013, the forest and soil has expanded and started to occupy the largest areal extent. Periodic monitoring conducted by satellite images, we infer that the conversions use and land cover in the city are quite significant, and this dynamic may be related to the conservation of vegetation in Permanent Preservation Areas (APP) present on steep reliefs, and the exodus of the rural population. Keywords: Landsat, Remote Sensing, Digital Classification, SPRING. 1

2 1. INTRODUÇÃO Para a avaliação do processo histórico de ocupação de uma determinada área é fundamental o uso de recursos do Sensoriamento Remoto e de ferramentas de manipulação de dados espaciais, os quais propiciam a geração de informações atualizadas e confiáveis. Tais ferramentas permitem executar um mapeamento temático periódico para o monitoramento de fenômenos dinâmicos relacionados às mudanças no uso e cobertura da terra. Sensoriamento Remoto é uma ciência que visa o desenvolvimento da obtenção de imagens da superfície terrestre por meio da detecção e medição quantitativa das respostas das interações da radiação eletromagnética com os materiais terrestres (MENESES, et al., 2012). A análise temporal de imagens de Sensoriamento Remoto de um município, quando realizada através de técnicas de processamento digital propicia o reconhecimento de mudanças nas atividades agrícolas e pecuárias, principal fonte de renda da população rural, bem como mudanças nas áreas florestais nativas amparadas pela legislação ambiental. Sabins (1999) diz que o uso do Sensoriamento Remoto no mapeamento de uma determinada área propicia a realização de um inventário sistemático da superfície da terra, possibilitando a categorização dos diferentes usos em classes. Ainda segundo o autor, este mapeamento associado aos SIG possibilita o conhecimento da evolução da dinâmica espacial do uso da terra com a produção de séries temporais de mapas para uma mesma área. Soares-Filho (2005) complementa que, a obtenção de mapas temporais da cobertura da terra permite identificar as tendências da dinâmica da paisagem na área de estudo, incluindo suas taxas líquidas e brutas para cada período analisado, como também a evolução dessas taxas através do tempo. E nesse contexto o objetivo do estudo é aplicar técnicas de processamento digital sobre um conjunto de imagens multitemporais do satélite Landsat, para mapeamento e análise temporal do uso e cobertura da terra no município de Nova Palma, RS, gerando informações representativas da dinâmica da paisagem, influenciadas pelos aspectos físicos e socioeconômicos inerentes a esse município. 2. METODOLOGIA 2.1 Área de estudo O município de Nova Palma localiza-se entre as coordenadas geográficas de e de longitude Oeste e e de latitude Sul (Figura 1) situa-se entre a transição geomorfológica da Depressão Central e do Planalto Meridional, ou seja, está situada no Rebordo do Planalto do Rio Grande do Sul, que faz limite com a Serra do Sudeste, ao sul, com a Campanha a oeste, com o litoral, ao leste, e a Serra Geral, ao norte. Quanto à vegetação, Nova Palma possui campos com capões e mata nativa em grande proporção, que faz parte do ecossistema da Mata Atlântica. Essa mata revela uma formação exuberante, com grande diversidade de espécies. Dentre as denominações mais comuns de vegetações nos campos, além das gramíneas presentes, encontram-se os capões e as restingas, que podem estar compostos por Aroeiras e Maria Mole, entre outras espécies. Nas matas inexploradas encontram-se arvores como o Cedro, Cangerana, Louro, Figueira, Camboatá, Mamica de Cadela etc. os capões, muitas vezes, são utilizados pelo gado para se proteger das intempéries (dias frios de inverno ou no verão) ou para a alimentação dos galhos mais baixos em época de falta de pasto no campo (FERRARI, 2008). A hidrografia do Rio Grande do Sul tradicionalmente se divide em três grandes bacias: a do Uruguai, a do litoral e a do Guaíba. O rio mais importante do estado encontra-se na bacia do Guaíba, sendo ele o rio Jacuí, que passa pela cidade de Nova Palma. O rio Jacuí se destaca pela sua grande potencialidade hidrelétrica, possuindo várias usinas, dentre elas a Usina de Dona Francisca (quinta usina desse rio) situada no município de Nova Palma, com capacidade para produzir energia suficiente para abastecer uma cidade de 350 mil habitantes. Hoje se tornando um dos cartões postais da cidade, juntamente com o Balneário Nova Palma e cascatas das Pedras Brancas (FERRARI, 2008). O clima da cidade de Nova Palma de acordo com a classificação de Kopen é do tipo Cfa, (clima temperado úmido com verão quente) caracterizado pela ocorrência de chuvas todos os meses do ano, por possuir a temperatura do mês mais quente superior a 22º e a do mês mais frio superior a -3ºC (MORENO, 1961). 2.2 Download e importação de imagens orbitais Para análise e mapeamento das classes de uso e cobertura da terra, optou-se pelo uso de imagens dos satélites Landsat 5 e Landsat 8. Tal escolha justifica-se pela disponibilidade gratuita e freqüente, e pela resolução espacial de 30 metros, adequada para o estudo de recursos terrestres em âmbito municipal. O download dos arquivos de imagens foi através do site do Instituto Nacional de Pesquisas Espaciais (INPE). A série Landsat teve origem na análise de dados multiespectrais adquiridos durante a missão Apolo 9 e nas observações fotográficas obtidas nos voos orbitais Mercury e Gemini (SILVA, 1995). O primeiro satélite foi colocado em órbita em 1972, com o nome de Earth Resources Technological Satellite-1 (ERTS-1), obtendo um desempenho tão significativo que foi transformado na série Landsat a partir de 1975 (ROCHA, 2000). Os satélites Landsat têm o mesmo período de revisita (16 dias), a mesma grade de referência (WRS) e a conservação destes parâmetros técnicos facilita a pesquisa de imagens e a perfeita integração para uso simultâneo em um projeto de mesma área, como por exemplo, em um estudo multitemporal. Para o mapeamento histórico do município, foi analisada inicialmente a imagem Landsat TM de 23 de julho de 1

3 1985, ano que constitui o primeiro registro de dados disponíveis. Posteriormente, procedeu-se a análise nas imagens Landsat TM de 21 de maio de 1991, 14 junho de 2000, 19 de setembro de 2006 e Landsat OLI 17 de outubro de 2013 respectivamente. A órbita ponto no sistema de referência (WRS) é , e as bandas espectrais processadas foram: 1, 2, 3, 4 e 5 do sensor TM e bandas 2, 3, 4, 5, 6, e 7 do sensor OLI. As imagens, originalmente disponíveis em formato GeoTiff, foram convertidas e importadas no aplicativo SPRING (Sistema de Processamento de Imagens Georreferenciadas), sendo posteriormente submetidas à diferentes técnicas de processamento digital. Fig. 1 - Mapa de localização do município de Nova Palma, RS. 2.3 Processamento digital de imagens O processamento digital constitui-se na manipulação e análise de uma imagem por computador, de modo que a entrada e a saída do processo sejam também imagens (RECHIUTI, 1996) e seu objetivo, conforme Florenzano (2011) é melhorar o aspecto visual de certas feições estruturais para o analista, e fornecer outros subsídios para sua interpretação, inclusive gerando produtos que possam ser posteriormente submetidos a outros processamentos. Pelo processamento digital de imagens aplicamos técnicas para manipular as imagens, com o objetivo de corrigir distorções ou extrair informações. Técnicas como georreferenciamento, realce por contraste linear e classificação digital, foram usadas para interpretação, extração de informações e comparação entre as imagens da série temporal Georreferenciamento Esse processo é descrito por Teixeira e Christofoletti (1997) como sendo a situação em que uma entidade geográfica é referenciada espacialmente ao terreno por meio de sua localização, utilizando-se para tal um sistema de coordenadas conhecido no qual a localização de um ponto da superfície da Terra pode ser identificada. O georreferenciamento de imagens foi importante pois as cenas de diferentes datas não apresentarem coincidência com relação à sua referência geográfica quando sobrepostas. Dessa forma, buscou-se pontos de fácil identificação visual na imagem mais recente (2013), como barragens, cruzamentos de estradas, etc. para a tomada de coordenadas e todas as demais cenas foram georreferenciadas em função desta. Esse processo eliminou distorções e possibilitou a análise comparativa entre imagens de diferentes datas e o correto recorte através do limite do município Realce por contraste linear Nas imagens dos anos de 1985, 1991, 2000 e 2006, obtidas pelo sensor TM, foram usadas para elaborar as seguintes composições coloridas: RGB 321: imagens em cor natural, com boa penetração de água, realçando as correntes, a turbidez e os sedimentos. A vegetação aparece em tonalidades esverdeadas; RGB 432: definem melhor os limites entre solo e água, ainda mantendo algum detalhe em águas profundas e mostrando as diferenças na vegetação, que aparece em tonalidades de vermelho; RGB 543: mostram mais claramente os limites entre solo e água, com vegetação mais discriminada, aparecendo em tonalidades verde-rosa. As imagens do ano de 2013, do sensor OLI, foram usadas para elaborar as composições RGB 432, RGB 543 e RGB 654 que equivalem respectivamente às composições descritas anteriormente. A alteração do número das bandas deve-se ao fato de que o sensor OLI dispõe de uma nova 2

4 banda 1 (ultra-azul), na qual a aquisição das informações na região do azul tem intervalo de comprimento de onda entre 0,433µm e 0,453µm. Sobre as composições elaboradas, foi aplicada a técnica de contraste linear, usada para realce e melhor observação das feições de interesse (NOVO, 1998; JENSEN, 2009), além de melhor diferenciação nos padrões de uso e cobertura da terra, dentre os quais foi possível identificar as seguintes classes: campo, floresta, solo exposto, agricultura, água e ainda sombra, que estavam presentes nas imagens de 1985, A Figura 2 apresenta o padrão espectral das diferentes classes nas composições RGB. A discriminação foi feita segundo a observação visual das imagens, auxiliada pelas características definidas na chave de identificação descrita. Fig. 2 - Chave de interpretação analisada em imagens Landsat 5, combinações 543, 432 e Classificação digital A classificação digital de imagens consiste no estabelecimento de um processo de decisão, no qual um grupo de pixels é definido como pertencente a uma determinada classe (VENTURIERI & SANTOS, 1998). De acordo com o algoritmo utilizado, a classificação é dita supervisionada ou não-supervisionada, envolvendo duas fases distintas: o treinamento e a fase de classificação propriamente dita (MOREIRA, 2005). Segundo Novo (1992), a classificação supervisionada, que será utilizada nessa pesquisa, para agrupar os padrões de imagens semelhantes em classes de uso da terra, o classificador orienta sua busca de classes a partir de amostras de treinamento feitas anteriormente com as classes de interesse da cena. No cálculo da distância entre cada pixel e a média dos níveis de cinza da classe previamente definida a partir das amostras de treinamento, cuja seleção deve refletir a variabilidade de cada categoria dentro da área estudada, não existindo um número ideal dessas amostras para representar a classe de interesse. Nessa técnica utilizou-se o algoritmo MaxVer (Máxima Verossimilhança), para agrupar pixels que apresentam maior probabilidade de pertencer a uma determinada classe de uso e cobertura da terra. Maxver é o método de classificação supervisionado mais comum e considera a ponderação das distâncias entre médias dos níveis digitais das classes e o pixel, utilizando parâmetros estatísticos, isto é, considerando a distribuição de probabilidade normal para cada classe. 2.4 Cálculo do Coeficiente Kappa (K) A confiabilidade da classificação digital foi avaliada a partir da matriz de confusão das aéreas de treinamento das amostras, aplicando-se a fórmula do coeficiente Kappa, considerando um ótimo teste estatístico na análise de confiança da classificação supervisionada. Seu valor é obtido mediante a adoção de uma referência para comparação dos mapeamentos produzidos considerando-se a distribuição de percentagem de pixels classificados correta e 3

5 incorretamente. A confiabilidade da matriz de confusão depende da amostragem, registro e conhecimento, sendo importante que a amostra de treinamento seja bem homogênea e representativa da classe de interesse (CONGALTON e GREEN, 1999). Congalton (1992) destaca que o coeficiente Kappa é baseado na diferença entre concordância observada (diagonal principal da matriz de confusão com a concordância entre a classificação e os dados de referência) e a chance de concordância entre os dados de referência de uma classificação aleatória (produto entre os totais marginais da matriz). 3. RESULTADOS Após a obtenção dos mapas temáticos das diferentes datas foi possível quantificar as áreas das classes e detectar as alterações ocorridas durante o período de vinte oito anos, como mostram a Tabela 1 e Tabela 2. Os valores encontrados para o coeficiente Kappa foram 0,85925 (para 1985); 0,98447 (para 1991); 0,99379 (para 2000); 0,91526 (para 2006) e 0,95956 para o ano de 2013 o que demonstrou resultados qualificados como excelentes. TABELA 1 - ÁREAS (km 2 ) QUANTIFICADAS PELA CLASSIFICAÇÃO DIGITAL DAS IMAGENS LANDSAT. Classe (Km 2 ) Áreas nas imagens classificadas (Km)² Água 1,65 1,93 0,98 3,89 3,62 Agricultura 16,64 18,92 10,28 5,24 13,12 Campo 130,38 104,97 114,88 130,01 83,63 Floresta 113,32 135,63 116,12 105,20 126,77 Solo Exposto 36,91 55,88 105,53 117,94 135,14 Sombra 63,37 44,95 14, Total 362,28 362,28 362,28 362,28 362,28 TABELA 2 - ALTERAÇÃO DAS ÁREAS (km 2 ) DAS CLASSES DE USO E COBERTURA DA TERRA ENTRE AS DIFERENTES DATAS. Classe (Km²) Alterações em (Km²) 1985 a a a a 2013 Água + 0,28-0,95 + 2,91-0,27 Agricultura + 2,28-8,64-5,04 + 7,88 Campo - 25,41 + 9, ,13-46, 38 Floresta + 22,31-19,51-10, ,57 Solo Exposto + 18, , , ,20 Sombra - 18,42-30,46-14,49 0 A classe água apresentou um grande aumento na sua área total nas duas últimas datas o que pode ser explicado pela implantação da Usina Hidrelétrica de Dona Francisca em 2001 que se localiza no município. As áreas agrícolas mapeadas nas datas de obtenção das imagens compreendem principalmente pequenas lavouras para consumo próprio e venda no comercio local, de culturas como batata, feijão e milho; permanecem praticamente inalteradas, exceto no ano de 2006, no qual se observou uma singela diferença em relação às outras quatro datas. O motivo desse decréscimo em área pode ser pelo fato de que a imagem é referente ao mês de setembro, mês em que não ocorre o plantio de cultivos agrícolas nesse município. O campo era predominante em 1985, mas constatou-se várias oscilações em termos de expansão e redução de áreas durante os períodos analisados e em 2013 apresentou uma significativa redução, que pode estar interligada com a diminuição da produção pecuária. Observou-se que as áreas florestadas sofreram algumas alterações, nos anos de 2000 e 2006 a classificação demonstrou uma pequena queda nas áreas florestadas, que podem ser associadas ao uso comercial de espécies exóticas plantadas no município, como o eucalipto; mas no final do período comprova-se o acréscimo dessas áreas, provavelmente associado ao maior cumprimento da legislação florestal que coíbe o corte em áreas de relevo acidentado, muito comuns no município. 4

6 O solo exposto compreende, em sua maioria, áreas de uso agrícola em pousio na data de tomada da imagem; apresentou um aumento gradativo durante as cinco datas analisadas provavelmente associada ao aumento da área implantada por culturas como a soja. Nas três primeiras datas foi preciso mapear a sombra presente no momento de aquisição da imagem, sobretudo devido ao relevo acidentado e o ângulo de incidência do sensor; algumas classes tiveram suas áreas subestimadas por terem sido encobertas pela classe sombra. A sombra não foi constatada nas duas últimas datas analisadas, o que tornou os resultados obtidos mais condizentes com a realidade. As Figuras 3, 4, 5, 6 e 7 ilustram os mapas temáticos obtidos para as diferentes datas. Fig. 3 - Mapa de uso e cobertura da terra do município de Nova Palma, RS, em 23de julho de Fig. 4 - Mapa de uso e cobertura da terra do município de Nova Palma, RS, em 21 de maio de

7 Fig. 5 - Mapa de uso e cobertura da terra do município de Nova Palma, RS, em 14 de junho de Fig. 6 - Mapa de uso e cobertura da terra do município de Nova Palma, RS, em 19 de setembro de

8 5. CONCLUSÃO Fig. 7 - Mapa de uso e cobertura da terra do município de Nova Palma, RS, em 17 de outubro de Conclui-se que foi possível analisar adequadamente as alterações ocorridas nas classes de uso e cobertura da terra durante o período compreendido pelo estudo, considerando-se a observação sobre imagens de média resolução espacial (30 metros) como as dos satélites Landsat. Ao final do período de 28 anos verificou-se um aumento nas áreas de lâmina d água, principalmente pelo aumento da área alagada no entorno da usina hidrelétrica. A classe floresta também apresentou expansão, que pode ter ocorrido devido ao maior cumprimento da legislação vigente, o que também pode ter ocasionado a redução nas áreas de agricultura e de campo. As áreas de solo exposto compreendem, em sua maioria, áreas de pousio utilizadas para agricultura e que não apresentam vegetação na data de tomada da imagem. A presença de sombras foi verificada apenas nas duas primeiras datas e foram contabilizas devido a impossibilidade de mapeamento das classes que estão sob sua cobertura. REFERÊNCIAS BIBLIOGRÁFICAS CONGALTON, R. G. A comparison of sampling schemes used in generating error matrices for assessing the accuracy of maps generated from remotely sensed data. Photogrammetric Engineering and Remote Sensing. Bethesda. 54, , CONGALTON, R. G.; GREEN, K. Assessing the accuracy of remotely sensed data: principles and practices. New York: Lewis Publishers, p. FERRARI, R. Modelagem Dinâmica do Uso e Cobertura da Terra da Quarta Colônia, RS f. Dissertação (Mestrado em Geomática) Universidade Federal de Santa Maria, Santa Maria, Florenzano Teresa Gallotti Iniciação em Sensoriamento Remoto [Livro]. - São Paulo : Gráfica, Vol. 2. JENSEN, J. Sensoriamento Remoto do Ambiente - Uma Perspectiva em Recursos Terrestres. São Paulo:Parêntese, MENESES, P. R.; ALMEIDA, T. de Introdução ao Processamento Digital de Imagens de Sensoriamento Remoto. Brasília: UnB, MOREIRA, M. A. Fundamentos do Sensoriamento Remoto e metodologias de aplicação. 3. ed. rev. e ampl. Viçosa: UFV, p. 7

9 MORENO, J.A. Clima do Rio Grande do Sul. Porto Alegre: Secretaria da Agricultura, p. NOVO, E. M. L, Sensoriamento Remoto: Princípios e Aplicações. 2. ed. São Paulo: Edgard Blücher, p. RECHIUTI, L. V. Processamento de Imagens Digitais. São José dos Campos: INPE CTA, p. ROCHA, C. H. B. Geoprocessamento: Tecnologia Transdisciplinar. Juiz de Fora: Ed. do Autor, p. SABINS, F.F. Remote Sensing: principles and interpretation. 3. rd. New York: W. F. Freeman and Company, p. SILVA, D. A. da. Sistemas Sensores Orbitais. São José dos Campos: INPE CTA, p. SOARES-FILHO, B. S. Análise de Paisagem: Fragmentação e Mudanças. Disponível em:< Acesso em: 5 mar TEIXEIRA, A. L. de A.; CHRISTOFOLETTI, A. Sistemas de Informação Geográfica: Dicionário Ilustrativo. São Paulo: Editora Hucitec Ltda., p. VENTURIERI, A.; SANTOS, J.R. dos. Técnicas de classificação de imagens para análise da cobertura vegetal. In: ASSAD, E. D.; SANO, E. E. (Org.). Sistemas de Informações Geográficas: Aplicações na Agricultura. 2. ed. Brasília: EMBRAPA, p