O PROJETO MUTIRÃO DE REFLORESTAMENTO E SEUS EFEITOS AMBIENTAIS NO MUNICÍPIO DO RIO DE JANEIRO.

Transcrição

1 O PROJETO MUTIRÃO DE REFLORESTAMENTO E SEUS EFEITOS AMBIENTAIS NO MUNICÍPIO DO RIO DE JANEIRO. Aluna: Renata Fernandes Teixeira Orientador: Bernardo Baeta Neves Strassburg Introdução Com o aumento populacional ligado a falta de planejamento no município do Rio de Janeiro, a ocupação irregular nas encostas começou suceder, e ainda coberta por densas florestas, pois a população carente pressionada pela necessidade de moradia de baixo custo ocupa os morros irregularmente e desmata as áreas de floretas indiscriminadamente. Guerra em 2003, discute em seu livro sobre os processos de movimentos de massa nas encostas, onde ele diz que: Dentre as várias formas e processos de movimentos de massa, destacam-se os deslizamentos nas encostas em função da sua interferência grande e persistente com as atividades do homem, da extrema variância de sua escala, da complexidade de causas e mecanismos, além da variabilidade de matérias envolvidos (GUERRA, 2003:123) A partir de então, a cidade começou a sentir as consequências desses desmatamentos. Surgem graves problemas urbanos e ambientais, tais como: deslizamentos, enchentes, assoreamento de rios e lagoas, danos à fauna e flora, entre outros. [5] Assim, o reflorestamento nessas áreas é uma medida potencial à redução da situação de risco que estas áreas se encontravam, uma vez que a cobertura florestal ameniza o processo erosivo da chuva. [2] Para realizar esse trabalho de reflorestamento foi criado o Projeto Mutirão de Reflorestamento(Projeto Mutirão), implementado no município do Rio de janeiro. O objetivo do Projeto é reflorestar áreas prioritariamente de encostas próximas a favelas ou comunidades carentes que tenham sido ocupadas irregularmente, visando não apenas a melhoria do quadro ambiental mas também social destas comunidades. O presente trabalho pretende analisar o incremento florestal de 47 obras (áreas) de intervenção do Projeto Mutirão. Para tal, utilizou-se de ferramentas de sensoriamento remoto para identificar a cobertura florestal em dois anos diferentes: 1999 e Após a classificação calculou-se a área florestal e não florestal para cada ano, o que levou a identificar se houve sucesso do projeto no aumento da cobertura florestal ou não.

2 Metodologia A pesquisa foi baseada na aplicação do sensoriamento remoto, sendo esta uma tecnologia que usa imagens da superfície terrestre a partir da captação de luz e energia refletida pela superfície, a luz captada é enviada ao sensor transformando-a em imagem, sem que haja contato direto com o objeto. Pode-se analisar lugares sem ao menos ir a campo para a análise de imagens. A medição do sensoriamento remoto pode ser desde um satélite (plataforma orbital), uma foto aérea tirada de um avião (plataforma suborbital) ou até mesmo um instrumento de sensoriamento remoto podendo estar a poucos metros do solo. As ferramentas utilizadas no sensoriamento remoto podem ter diferentes sensores capazes de captar dados de diferentes faixas do espectro eletromagnético, como por exemplo o infra vermelho. Dessa forma, pode-se captar informações não percebidas pelo olho humano. [3] Para esta pesquisa, foi utilizado o sensoriamento remoto, com a finalidade de diferenciar o que é floresta e o que é campo nas áreas de intervenção de Projeto Mutirão. Para isso, foram utilizadas 8 cenas de Ortofotos (imagens 286A, 286B, 286C, 286D, 286E, 286F, 287C, 287E) para contemplar as 47 áreas a serem analisadas (ilustrado na figura 1). Figura 1: Área estudada em detrimentos das cenas 286A, 286B, 286C, 286D, 286E, 286F, 287C, 287E As Ortofotos foram obtidas do Instituto Pereira Passos para os anos de 1999 e 2008, entretanto, existe uma falta de dados, pois as imagens disponíveis são apenas 8 cenas relacionadas aos polígonos de reflorestamento (ilustrado na figura 2). Tais imagens possuem apenas 3 bandas (vermelho, verde e azul), mas que possuem identificar o uso do solo nas áreas pesquisadas.

3 Figura 2: Cenas de 2008 utilizadas para a pesquisa e cenas que faltam para o mesmo ano. Para realizar a classificação do uso do solo para as classes de floresta e campo (área desmatada) utilizou-se o algoritmo de classificação supervisionada Maximum Likelihood Classification. A classificação supervisionada consiste em definir amostras de cada classe de forma a treinar o algoritmo que extrapolará tais classes para toda a imagem.[4] Ribeiro diz que É o método de classificação supervisionado mais comum. 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. [4] O método de classificação supervisionada acaba sendo útil por acelerar o processo classificação de toda imagem de forma mais ágil, pois é possível a partir do pixel escolher polígonos delimitados por classes e gerar a classificação em toda a imagem automaticamente. Para fazer a classificação supervisionada, foi preciso cortar as imagens de 1999 e 2008 a partir dos polígonos das áreas a serem analisadas. Como ilustrado nas figuras 3,4,5 e 6.

4 Figura 3: Recorte da imagem em função de um polígono de reflorestamento no ano de 1999 Imagem 4 Resultado da classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification. Figura 5: Recorte da imagem em função de um polígono de reflorestamento no ano de 2008.

5 Figura 6: Resultado da classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification. Por que não fazer a classificação por uma imagem Landsat (figura 7), já que ela é disponibilizada gratuitamente e tem outras bandas? Este tipo de imagem de satélite não foi a mais adequada para esta pesquisa, mesmo ela tendo outras resoluções radiométricas e bandas, o pixel da imagem tem uma média resolução espacial de 30 x 30m, não sendo possível a visualização da diferenciação entra campo e floresta dos polígonos do Mutirão. (figura 8) Figura 7: Limite dos polígonos do Projeto Mutirão na imagem Landsat.

6 Figura 8: Imagem Landsat em um dos polígonos de reflorestamento e sua média resolução espacial de 30 x 30 metros. Resultados: Como resultado da classificação teve-se como resultado o mapa de cobertura de uso da terra das áreas de reflorestamento para o ano de Pode-se perceber que há maior área de campo em detrimento das áreas de floresta. (figura 9) Figura 9: Classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification - ano de 1999.

7 Como resultado da classificação teve-se como resultado o mapa de cobertura de uso da terra das áreas de reflorestamento para o ano de Pode-se perceber que há maior área de floresta em detrimento das áreas de campo. (figura 10) Figura 10: Classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification - ano de Para que se possa entender como que ocorreu a transformação da paisagem, foi produzido um mapa para cada folha (orientação) sucedendo a comparação, tanto de 1999 quanto de 2008 (ilustrado nas figuras 11 a 26): Imagem 286A: Figuras 11 e 12: Classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification das.

8 Imagem 286B: Figuras 13 e 14: Classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification das Imagem 286C: Figuras 15 e 16: Classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification das Imagem 286D: Figuras 17 e 18: Classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification das

9 Imagem 286E: Figuras 19 e 20: Classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification das Imagem 286F: Figuras 21 e 22: Classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification das Imagem 287C: Figuras 23 e 24: Classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification das

10 Imagem 287E: Figuras 25 e 26: Classificação supervisionada utilizando o algoritmo Maximum Likelihood Classification das Após feito toda a comparação entre 1999 e 2008, pode-se perceber que a área de floresta cresceu, fazendo com que o Projeto Mutirão de Reflorestamento tenha sido efetivo. Com base neste efeito, foi produzido um gráfico de área de campo e de floresta para o ano de 1999 e de 2008, e ai podemos perceber que existia mais campo em 1999 do que em 2008; decaindo a área de campo para metade da sua área em 1999, e a área de floresta cresceu nestes 9 anos o dobro da área de floresta de 1999: (figura 27 e 28) Figura 27 e 28: Percentual de Floresta e Campo dos anos de 1999 e Foi produzido um gráfico relacionando o percentual de floresta no ano de 1999 e de 2008 em função da área do bairro.(figura 29). Com isso, pode-se perceber que o percentual de floresta cresceu em todos os bairros, e mais uma vez a validação do Projeto Mutirão de Reflorestamento com seu objetivo de aumentar a quantidade de floresta nestas áreas ocorreu, freando a expansão urbana nas áreas de risco.

11 Figura 29: Gráfico de percentual de floresta nos anos de 1999 e Conclusão Diante do exposto, podemos dizer que a partir da metodologia proposta considerando algoritmos de análises espacial, o Projeto Mutirão de Reflorestamento teve eficácia para a restauração ambiental das áreas que fizeram parte do Projeto. Podemos dizer, ainda, que houve uma melhoria acentuada das áreas participantes do Projeto, sobretudo naquelas em que a cobertura florestal está bem estabelecida (cinco ou seis anos). Como visualizado no gráfico anterior, a porcentagem da área de floresta aumentou em todos os 37 bairros em 2008, entretanto, no Rio Comprido, Quintino Bocaiúva e Cascadura o percentual foram os mais elevados, chegando a aproximadamente 32%. Desta forma, o objetivo do Projeto Mutirão de Reflorestamento foi cumprido, cabendo à população conservar as áreas reflorestadas a fim de manter os benefícios alcançados. Referências 1- GUERRA. A.J.T; CUNHA. S.B.C, Geomorfologia e meio ambiente. 4ªed. 372p. 2- GUERRA.A.J.T; CUNHA.S.B, Geomorfologia uma atualização de bases e conceitos. 10º ed. 474p. 3- JENSEN, J.R, Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres / tradução; EPIPHANIO, J.C.N, (coordenador)...[et al]. São José dos Campos, SP:Parêntese, 2009.

12 4- RIBEIRO, S.R.A; CENTENO, J.S, Classificação do uso do solo utilizando redes neurais e o algoritmo MAXVER. Curitiba- PR, Brasil. 5- SALGADO, S, Mutirão de reflorestamento Rio de Janeiro.