MAPEAMENTO DE CORPOS HÍDRICOS UTILIZANDO IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO

Transcrição

1 1 MAPEAMENTO DE CORPOS HÍDRICOS UTILIZANDO IMAGENS DE SATÉLITE DE ALTA RESOLUÇÃO Joyce Bueno Mafra¹, Jerry Adriani Johann², Willyan Ronaldo Becker 3, Rennan Paloschi 4, Clovis Cechim Junior 5. Inovação tecnológica para questões ambientais INTRODUÇÃO A água é um recurso natural de vital importância para a vida. Embora este recurso aparenta existir em grande quantidade pois a maior parte da superfície do planeta seja coberta por água, apenas 2,5% são de água doce, sendo que, desse volume, 68,9% formam as calotas polares e geleiras (ROCHA et al., 2011), apenas 0,02% da água doce do planeta estão presentes em córregos, rios, lagos e reservatórios e 0,001% na atmosfera terrestre na forma de vapor d água (JESEN, 2009). Portanto, a água doce disponível é um recurso escasso, segundo a Fundo das Nações Unidas para a Infância (UNICEF), menos da metade da população mundial tem acesso à água potável. Essencial para o consumo humano (cerca de 6%), também é um recurso essencial para a geração de energia elétrica (indústria 21%), para a produção de alimentos (irrigação 73%) e um importante modal de transporte (ROCHA et al., 2011). Para todas as atividades humanas se faz necessário este estimado recurso, tanto para atividades comuns ou para a implementação de novas tecnologias como na irrigação usado na agricultura em muitos lugares do mundo como meio de aumentar a produção gerando maior renda econômica. Sendo assim, existe uma grande importância no desenvolver estudos e tecnologias sobre recursos hídricos, sendo este de grande importância ao longo do desenvolvimento da civilização, com a escassez deste, foi necessário adotar políticas públicas ambiente mais 1. Graduanda em Engenharia Agrícola, Bolsista Pibic, Laboratório de Estatística Aplicada (LEA), Universidade Estadual do Oeste do Paraná (UNIOESTE), Cascavel PR, Fone: 0(45) , joyce_bueno.mafra@hotmail.com 2. Prof. Doutor do Programa de Pós-graduação em Engenharia Agrícola (PGEAGRI), LEA, UNIOESTE/Cascavel PR. Fone: 0(45) jerry.johann@hotmail.com 3. Mestrando em Engenharia Agrícola PGEAGRI, Bolsista CNPq, LEA, UNIOESTE/Cascavel PR. Fone: 0(45) willyanbecker@hotmail.com 4. Mestrando em Engenharia Agrícola PGEAGRI, Bolsista Capes, LEA, UNIOESTE/Cascavel PR. Fone: 0(45) rennan_paloschi@yahoo.com 5. Mestrando em Engenharia Agrícola PGEAGRI, Bolsista Capes, LEA, UNIOESTE/Cascavel PR. Fone: 0(45) juniorcechim@hotmail.com

2 2 concisa, sendo estabelecidos acordos internacionais e nacionais visando a proteção ambiental dos recursos hídricos. As novas técnicas vem sendo empregadas visando o estudo dos recursos hídricos, dentre essas tecnologias se destaca o sensoriamento remoto que nos últimos anos tem alcançado grandes avanças em suas ferramentas e metodologias, possibilitando coletar dados, tanto quantitativo como qualitativo em diferentes escalas, o mapeamento da superfície terrestre por satélites com sensores de diversas características espectral, radiométrica, temporal e espacial tem se tornado grande aliado dos estudos hídricos (PACHECO, 2014), que vão além do mapeamento de feições como o estudo da qualidade física: turbidez, sedimentos em suspensão, profundidade, classificação de plantas aquáticas (POLIDORIO et al., 2005). Existem algumas limitações no uso de imagens de satélites como recurso de apoio aos estudos hidrológicos Polidorio et al. (2006), que é a perda de dados devido à resolução espacial da imagem e à limitação da resolução espectral do sensor usado no mapeamento; interferências radiométricas adicionadas/subtraídas à imagem pelos efeitos atmosféricos que provocam alterações na radiometria dos alvos; localização e extração de feições de corpos d água presentes na imagem e; extração das informações desejadas dos corpos d água segmentados. Em contraposição existem vantagens significativas para a utilização destas ferramentas como diminuição dos custos envolvidos; rapidez e constância de acesso aos dados; possibilita uma cobertura espacial mais ampla permitindo analisar com facilidade e agilidade os relacionamentos de um corpo d água com outros elementos presentes ou ausentes na área de interesse (PACHECO, 2014). O mapeamento da cobertura vegetal, do uso das terras e das feições do terreno utilizando o sensoriamento remoto é uma área relativamente nova do geoprocessamento, que permite a caracterização e mapeamento em grande escala de florestas naturais, reflorestamentos, culturas agrícolas, cidades e corpos hídricos (JOHANN et al., 2012) com baixo custo e rápida execução. O uso do Programa Landsat, desenvolvido pela National Aeronautics and Space Administration (NASA) vem sendo de grande importância ao longo do tempo como ferramenta de pesquisa por ter boa qualidade, custos de aquisição nulos e fácil manipulação de dados. O programa Landsat teve ao todo 7 satélites e em 2013 foi lançado o 8 satélite da série que possui um ciclo de repetição de faixa solo de 16 dias, com um tempo de travessia equatorial, às 10h00 (USGS, 2014). O Landsat 8, diferente da versão anterior que utilizava o sensor ETM + bandas espectrais, possui dois instrumentos pushbroom, o Operacional Terra Imager (OLI) com 9 bandas espectrais, sendo, 8 das bandas espectrais registrados a 30 m de resolução espacial e

3 3 uma banda espectral (banda 8) registrada a 15 m de e Thermal Infrared Sensor (TIRS) registrada a 100 m de resolução espacial (USGS, 2014). Rouse et al. (1973) Índices de vegetação (IV) são determinados por meio da transformação de dados de duas ou mais bandas espectrais, podendo ser calculado pela razão, diferença ou combinação linear destes dados (JOHANN, 2012). Um dos mais utilizados IVs relacionados à dinâmica da cobertura vegetal, foi proposto por Rouse et al. (1973) que é o Normalized Difference Vegetation Index (NDVI) ou Índice de Vegetação por Diferença Normalizada, que explora o contraste nos valores de refletância dos canais do vermelho e infravermelho próximo. Assim, o enfoque desse estudo foi realizar uma classificação de corpos hídricos, aplicando o índice de vegetação NDVI este índice utiliza matemática de bandas espectrais calculando a refletância em imagens de alta resolução do satélite Landsat 8, para assim poder estimar as suas áreas por município em toda a área correspondente ao estado do Paraná. MATERIAL E MÉTODOS O estudo foi desenvolvido para o estado do Paraná, na região sul do Brasil, que consta com 399 municípios, subdivididos em 10 mesorregiões (Centro Ocidental, Centro Oriental, Centro-Sul, Metropolitana de Curitiba, Noroeste, Norte Central, Norte Pioneiro, Oeste, Sudeste, Sudoeste), que podem ser observados na Figura 1. Figura 1. Mapa de localização do estado do Paraná, subdividido em 10 mesorregiões. Em vermelho, as 14 cenas das imagens Landsat 8 que cobrem o estado.

4 4 Para a realização deste trabalho foram adquiridas imagens do satélite Landsat 8, que são disponibilizadas de forma gratuita pela NASA (USGS). Estas por sua vez, passam a fazer parte do banco de dados do Laboratório de Estatística Aplicada (LEA). Estas imagens, ao serem adquiridas, já estão georreferenciadas, facilitando a análise. Para a classificação, foi criado uma composição em falsa cor, RGB 564, para permitir a identificação dos alvos de interesse (corpos hídricos). Esta composição 564 corresponde as bandas 5 (Infravermelho Próximo/0,85 0,88 µm), 6 (SWIR 1/1,57 1,65 µm) e 4 (Infravermelho Próximo/0,64 0,67 µm) do satélite. Cada imagem foi classificada de maneira individual, utilizando o índice de vegetação NDVI. Foi escolhido as imagens dos meses de julho, agosto e outubro de 2014, devido a menor possibilidade de confusão dos alvos com solo exposto ou culturas de verão. As datas escolhidas para cada cena também foram referentes a menor presença de nuvens, para não atrapalharem a classificação. Assim, definiu-se: para a cena 220/77 corresponde à data de 29/10, 220/78 corresponde à data de 26/08, 221/76-221/77-221/78 correspondem à mesma data de 01/08, 222/76-222/77 correspondem à data de 08/08, 222/78 corresponde à data de 24/07, 223/76-223/77 correspondem à data de 30/07 e 224/76-224/77-224/78 correspondem à data de 21/07. As cenas utilizadas para a composição deste mosaico são dos meses de julho, agosto e outubro de Para, cada cena foi utilizada a formula do NDVI (Equação 1). Sendo assim, foi atotada a mesma metodologia, cada mosaico de acordo com as suas respectivas datas das imagens, portanto cada ponto/órbita possui uma composição RGB-456. Por fim, estes foram agrupados gerando um mosaico para todo o território do estado do Paraná. Equação 1: NDVI = (NIR R)/(NIR + R) Onde: NIR = Infravermelho próximo (0,75 0,90 µm); R = Vermelho (0,63 0,70 µm). RESULTADOS E DISCUSSÃO O resultado deste trabalho foi a geração de um mapeamento de corpos hídricos para todo o estado do Paraná de acordo com a figura 2. Sendo estes com espessura maior que 30 metros, pois está e a limitação apresentada pelo satélite. Para melhor visualização os corpos hídricos foram identificados na cor azul, sendo possível seu destaque. O resultado obtido foi de boa qualidade pois permitiu identificar e

5 5 delimitar com êxito a localização dos alvos de interesses, com o uso do software ENVI que permitiu a manipulação destas imagens com a extração dos alvos de interesse. O uso de NDVI permite uma identificação dos alvos de interesse de maneira mais rápida e fácil, do que uma classificação supervisionada, delimitando bem a área de interesse com relação a outros alvos. O índice de refletância entre diferentes alvos oscila, mas, em muitos casos não existe uma diferença drástica entre os índices de um alvo e outro. Os corpos hídricos têm índices de refletância similares à de cidades resultando em muitos casos em uma mesma classificação destes alvos, mesmo com uma mesma classificação deste o tipo de picsel característico de cada alvo nos permite observar e diferenciar estes visualmente. Assim nos permitindo identificar se a classificação gerada está correta. Observou-se com a realização deste trabalho em áreas que existe grande quantidade de corpos hídricos estes não se confundiram com demais alvos como cidades, em áreas que não apresentavam grandes áreas destes ocorreu uma confusão entre os corpos hídricos e as cidades pois estes possuem índices de refletância similares. Estes erros gerados foram corrigidos da melhor maneira possível, aplicando um filtro com intensidade variada de acordo com cada imagem e a sua necessidade, foi realizado o agrupamento de picseis, para que somente alvos contínuos fossem classificados este procedimento foi realizado para cada imagem de acordo com a sua necessidade, esses procedimentos foram realizados para otimizar o resultado final e minimizar os erros gerados por esta classificação. Estes procedimentos levaram a perca de dados, mas, se preservou a qualidade e exatidão deste trabalho assim validando este método. Figura 2: Mapeamento de corpos hídricos para o estado do Paraná gerado através de NDVI. Fonte autor 2015.

6 6 CONSIDERAÇÕES FINAIS A análise do método de classificação de NDVI permitiu constatar que sua classificação apresentou boa qualidade na identificação de alvos interesse neste caso corpos hídricos, apresentando um bom resultado apesar de limitações presentes nesse método. Os filtros, agrupamento e realces aplicados nas imagens melhoraram sua qualidade visual auxiliando nas classificações, estes permitem melhorar a visualização da informação espectral existente na imagem evidenciando uma melhor identificação e representação dos alvos. AGRADECIMENTOS Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico CNPq, a Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Capes, a Embrapa Agropecuária Informática e a Fundação Araucária, pelo apoio financeiro. Ao Programa de Pós-graduação Stricto Sensu em Engenharia Agrícola (PGEAGRI), pela oportunidade, bem como ao Laboratório de Estatística Aplicada (LEA) da Universidade Estadual do Oeste do Paraná UNIOESTE/Campus Cascavel, pela infraestrutura disponibilizada para realização esta pesquisa. REFERÊNCIAS BIBLIOGRÁFICAS. JENSEN, J. R. Sensoriamento remoto do ambiente: uma perspectiva em recursos terrestres. 2ª Edição. São José dos Campos: Parênteses, JOHANN, J.A.; ARAUJO, G.K.D.; ROCHA, J.V. (2009). Avaliação do perfil temporal de NDVI decendial do sensor SPOT Vegetation em pixels puros e não puros derivados de mapa de uso da terra realizado a partir do sensor Landsat-5/TM. (Simpósio Brasileiro de Sensoriamento Remoto) Natal - RN. Anais São José dos Campos - SP: Biblioteca Digital - SBSR, v. Único. p JOHANN, J. A. (2012). Calibração de dados agrometeorológicos e estimativa de área e produtividade de culturas agrícolas de verão no estado do Paraná. Tese de Doutorado, Programa

7 7 de Pós-Graduação em Engenharia Agrícola (Doutorado em Engenharia Agrícola) Universidade Estadual de Campinas. JOHANN, J.A.; ROCHA, J.V.; DUFT, D.G.; LAMPARELLI R.A.C. (2012). Estimativa de áreas com culturas de verão no Paraná, por meio de imagens multitemporais EVI/Modis. Pesquisa Agropecuária Brasileira, v.47, n.9, p PACHECO. R.C Proposta de Mapeamento das Lagoas da Reserva florestal Padre Josimo Tavares, Conceição do Araguaia-PA. Universidade Federal de Minas Gerais Programa de Pós- Graduação em Analise Modelagem de Sistemas Ambientais (2014). POLIDORIO, A. M.; et al. Segmentação de corpos d água em imagens multiespectrais e temporais usando watershed com marcadores automaticamente definidos. In: XII Simpósio Brasileiro de Sensoriamento Remoto. Goiânia, Brasil, abril 2005, Anais... INPE, p Disponível em: < Acesso: 10 mai ROUSE, J. W.; HAAS, R. H.; SCHELL, J. A.; DEERING, D. W. Monitoring vegetation systems in the great plains with ERTS. In: Earth Resources Technology Satellite-1 Symposium, 3, Washington, Proceedings... Whashington: NASA, 1974, v.1, p , USGS. United States Geological Survey. Landsat Project Description. Disponível em: < descriptions.php>. Acesso: 11 jun