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

Transcrição

1 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 Espaciais/MCT Orientador: Prof. Dr. Nestor Goulart Reis Filho Número do Relatório: 01 Período a que se refere: 01abr04 a 31mar05 São José dos Campos, 01 de fevereiro de Pág.: 1 / 27

2 SUMÁRIO 1. Introdução Localização das áreas de estudo Atividades realizadas 3.1 Treinamento em introdução ao Sensoriamento Remoto Treinamento no uso do software Spring Seleção das Imagens Landsat Georreferenciamento das Imagens de Satélite e Cartas Topográficas Geração de Mosaicos Digitais Interpretação de Imagens Landsat para Estudo Urbano Realização de Coleta de Dados do Campo Levantamento de Imagens da National Aeronautics and Space 21 Administration (NASA) 3.9 Classificações Automáticas das Imagens e Avaliação da Precisão Geração de Bancos para Estudos dos Núcleos Dispersos Urbanos Considerações Finais Referências Bibliográficas 27 Pág.: 2 / 27

3 LISTA DE FIGURAS 2.1 Áreas delimitadas para execução do projeto Órbitas de satélites artificiais CBERS Pontos de Controle (em verde) Geração Mosaicos de Imagens Pontos Visitados em trabalho de Campo Área de São Jose dos Campos Imagem capturada do site da NASA (M ) Mapa Dispersão Urbana para os anos 1999/ SUMARIO DE TABELAS 3.1 Imagens LANDSAT selecionadas para as áreas de estudo 14 Pág.: 3 / 27

4 1. INTRODUÇÃO O presente relatório descreve as atividades desenvolvidas para no Projeto Estudo de Caso: Estado de São Paulo", que estão inseridas no sub-tema Dispersão e Mobilidade. O mesmo tem como um dos objetivos o monitoramento da dispersão do tecido urbano em regiões de crescimento urbano intenso, a partir de 1970 até o ano 2000, tendo como auxilio os levantamentos censitários de 1970, 1980, 1991 e As análises dos processos de dispersão urbana serão realizadas em uma primeira etapa para o Estado de São Paulo nas regiões de crescimento urbano intenso, a partir do uso de dados de Sensoriamento Remoto Orbital obtidos pelos satélites da série LANDSAT, disponíveis sob a forma digital, no acervo da CDteca da Divisão de Sensoriamento Remoto - DSR do INPE. Os dados obtidos e levantados serão alocados manipulados e armazenados em ambiente Spring 4.1 (Inpe, 2004). Pág.: 4 / 27

5 2. LOCALIZAÇÃO DAS ÁREAS DE ESTUDO Na realização do estudo foram analisadas as áreas com alto índice de urbanização e industrialização do Estado de São Paulo. Assim, as áreas de estudos relacionadas foram: Araçatuba Araraquara Barretos Bauru Franca Marília Metropolitana da Baixada Santista Metropolitana de Campinas Metropolitana de São Paulo Presidente Prudente São José do Rio Preto Registro Ribeirão Preto São José do Rio Preto São José dos Campos A Figura 2.1 apresenta as áreas de estudo delimitadas para a execução do projeto. Figura 2.1-Áreas delimitadas para a execução do projeto Pág.: 5 / 27

6 3. ATIVIDADES REALIZADAS 3.1 Treinamento em introdução ao Sensoriamento Remoto Para maior entendimento da tecnologia a ser utilizada, foi realizado um treinamento sobre o uso do Sensoriamento Remoto no levantamento de dados da superfície terrestre. No treinamento foram abordados os seguintes tópicos: 1) Conceituação de Sensoriamento Remoto Segundo Florenzano (DATA), sensoriamento remoto é a tecnologia que utiliza a energia refletida ou emitida pela superfície para a obtenção de imagens. A energia utilizada é a radiação eletromagnética que se propaga em forma de ondas eletromagnéticas com velocidade da luz (3 x10 5 Km/s). A distribuição da radiação eletromagnética é dada por regiões, de acordo com o comprimento de onda e freqüência. Essa energia é captada pelos sensores instalados nos satélites artificiais. 2) Tipos de Sensores São equipamentos que captam e registram a energia refletida ou emitida pelos elementos da superfície terrestre. Podem ser instalados em plataformas terrestres, aéreas, como balões e aviões, e orbitais, como satélites artificiais. Alguns exemplos desses sensores são as câmaras fotográficas, de vídeo, os radiômetros, radares, etc. Existem sensores operando em diferentes regiões do espectro eletromagnético. Dependendo do tipo, os sensores captam os dados de uma ou mais regiões do espectro. O olho humano é um sensor natural que enxerga somente a luz ou energia visível. Sensores artificiais permitem obter dados de regiões de energia invisível ao olho humano. 3) Satélites de Sensoriamento e de Recursos Minerais *Satélites Artificiais São satélites construídos pelo homem e que giram em torno da Terra. Possuem sensores de alta tecnologia que recebem imagens, mandam notícias pelo mundo inteiro, e fazem comunicação entre a internet e chamadas telefônicas. Existem vários tipos de satélites, como por exemplo, os de comunicação, de televisão, científico, espiões, Pág.: 6 / 27

7 metereológicos (geoestacionário, pois possuem período de rotação de 24 horas em órbita equatorial) e de sensoriamento remoto (possuem órbita polar, sentido norte-sul). Neste trabalho, todas as imagens utilizadas foram obtidas por satélite de sensoriamento remoto, sobre o qual seguem informações mais detalhadas. Satélites de Recursos Terrestres Esse tipo de satélite tem órbita circular e se desloca em torno da Terra com a mesma velocidade do deslocamento da Terra em relação ao Sol, ou seja, tem órbita solsíncrono. Os satélites mais utilizados em sensoriamento remoto no Brasil atualmente são: LANDSAT, SPOT e CBERS. A Figura 3.1 mostra a órbita dos satélites artificiais. Figura 3.1: Órbitas de satélites artificiais. -Satélite LANDSAT O programa Landsat compreende em uma série de 7 satélites, os quais foram desenvolvidos para a observação dos recursos terrestres. Primeiramente operava em quatro canais (dois na região do visível e dois na região do infravermelho próximo), cujo sistema era chamado de MSS (Multiespectral Scanner System). Posteriormente, foi implementado o sistema TM (Thematic Mapper), que trabalhava com 7 canais (três no visível, um no infravermelho próximo, dois no infravermelho médio e um no infravermelho termal),que logo foi substituído pelo ETM + (Enhanced thematic mapper) que além dos canais utilizados no sistema TM, possuía o canal pancromático que vai da região do visível e infravermelho próximo). Pág.: 7 / 27

8 -Satélite SPOT - A série SPOT (Satellite pour l'observation de la Terre), foi iniciada com o satélite franco-europeu SPOT 1, em 1986 sob a responsabilidade do Centre National d'etudes Spatiales - CNES da França. Hoje o programa do SPOT possui em órbita três satélites (2, 4 e 5) que possibilitam acesso a qualquer ponto da Terra em menos de 24 horas e atuando em conjunto, com órbitas revistas em intervalos de 3 a 5 dias. Os satélites da família SPOT operam com sensores ópticos, em bandas do visível, infravermelho próximo e infravermelho médio. Com o lançamento do SPOT 5, ocorrido em maio de 2002, a missão inaugurou a possibilidade de aquisição de imagens orbitais tridimensionais graças a sua capacidade de visada lateral de até 27º (estereoscopia cilíndrica) e também conseguiu melhorar a resolução espacial do canal pancromático para 5 metros. -Satélite CBERS - O programa CBERS (China-Brazil Earth Resources Satellite ou Satélite Sino-Brasileiro de Recursos Terrestres) mantém um satélite de observação terrestre em órbita: o CBERS-2, lançado na China. Os satélites são equipados com sensores de diferentes resoluções espaciais, que podem cobrir o planeta em menos de 21 dias e, ao mesmo tempo, produzir informações mais detalhadas em uma visada mais estreita. O CBERS carrega câmeras para observação óptica e um sistema de coleta de dados ambientais. É um sistema único, pois mantém em órbita instrumentos sensores que combinam características especialmente adequadas às diversas escalas temporais e espaciais, necessárias ao monitoramento e à preservação dos ecossistemas. O sistema de coleta de dados é destinado à retransmissão de dados ambientais coletados em Terra e transmitidos ao satélite por meio de pequenas estações autônomas. Os dados provenientes das diversas estações, localizados em vários pontos do planeta, são dirigidos ao mesmo tempo às centrais de processamento e usuários finais, por meio de transmissões em freqüências diferentes. Possui órbita circular, quase polar, síncrona com o Sol. A Figura 3.2 mostra a foto do CBERS-1. Pág.: 8 / 27

9 Figura 3.2 CBERS. Pág.: 9 / 27

10 3.2 Treinamento no uso do software Spring 4.1 Realização do curso Introdução ao Spring 4,1, ministrado pela Divisão de Sensoriamento Remoto do Instituto Nacional de Pesquisas Espaciais (INPE).O programa Sistema para Processamento de Informações Georreferenciadas (SPRING) é um SIG com as seguintes características: Opera como um banco de dados geográfico sem fronteiras e suportar grande volume de dados (sem limitações de escala, projeção e fuso), mantendo a identidade dos objetos geográficos ao longo de todo banco; Administra tanto dados vetoriais como dados matriciais ( raster ), e realizar a integração de dados de Sensoriamento Remoto num SIG; Provê um ambiente de trabalho amigável e poderoso, através da combinação de menus e janelas com uma linguagem espacial facilmente programável pelo usuário (LEGAL - Linguagem Espaço-Geográfico baseada em Álgebra).; Consegue escalonabilidade completa, isto é, ser capaz de operar com toda sua funcionalidade em qualquer ambiente de rede. Durante o curso Introdução ao Spring 4.1 foram abordados os seguintes tópicos: Geoprocessamento e SPRING Geoprocessamento (conceitos) - Como o SPRING se encaixa neste contexto; Modelagem do Mundo real - Modelo de Dados do SPRING; Apresentação de aplicação a ser desenvolvida ao longo do curso; Definição de um banco, categorias e projeto no SPRING; Apresentação geral do SPRING Pág.: 10 / 27

11 Imagens de Sensores Remotos no SPRING Imagens de Sensores Remotos Mono e Multiespectrais - formatos e produtos. Resolução (espacial, espectral e temporal) Correção Geométrica de Imagens Registro de Imagens: Métodos Procedimentos para registro de Imagens. Processamento Digital de Imagens (PDI) Princípios e técnicas Histogramas de imagens digitais e realce de contraste Espaço de cores - Composições coloridas Filtragem de freqüências espaciais Classificação Digital de Imagens (PDI) Espaço de atributos Visão geral de classificadores - tipos e fundamentos Classificação por pixel (Maxver) e regiões (Isoseg) Manipulação de Mapas Temáticos Estrutura vetorial e topológica Etapas para construção de um mapa temático - Procedimentos básicos Conversão de representação (Vetor - Varredura) Importação de dados Modelagem Numérica de Terreno Aquisição de dados de MNT Grades e interpoladores Principais produtos de MNT Mapa de declividade - procedimentos Linguagem de Manipulação de Mapas Pág.: 11 / 27

12 Estrutura do LEGAL - sintaxe de comandos Operação sobre geo-campos e geo-objetos Exemplo de programas em LEGAL Outras Análises Medidas de área e distância Mapa de Distâncias - Buffer Tabulação Cruzada Manipulação de Mapas Cadastrais Etapas para construção de um mapa cadastral - procedimentos básicos Recursos de consulta a mapas cadastrais Elaboração de Cartas (SCARTA) Elementos de uma carta Mecanismos de saída - impressão Pág.: 12 / 27

13 3.3 Seleção das Imagens Landsat Nesta fase, foram selecionadas as imagens cujas datas de obtenção fossem concomitantes aos anos relativos aos censos demográficos (1970 a 2000) ou em datas próximas. Para a data de 1970 as áreas urbanas foram levantadas a partir de cartas topográficas do IBGE na escala 1:50.000, em função da baixa resolução espacial apresentada pelos primeiros satélites da série LANDSAT (80 metros), o que dificultaria a identificação das áreas urbanas contínuas e dispersas. O mapeamento das áreas urbanas para o ano de 1980 não pôde ser feito a partir de imagens desta data, pois o primeiro Landsat com sensor TM e resolução espacial de 30m foi lançado em Além disso, apenas estão disponíveis no acervo da Cdteca as imagens obtidas a partir de 1984, portanto, o mapeamento de 1980 teve que ser feito através dos dados orbitais desta data. Após o levantamento das imagens Landsat/TM disponíveis no acervo do INPE, uma análise detalhada foi feita a fim de certificar a qualidade dos dados quanto a presença de nuvens ou ruídos nas áreas de interesse. Houve então a necessidade de substituição de algumas das imagens no Banco de Dados. Pág.: 13 / 27

14 Tabela 3.1: Imagens LANDSAT selecionadas para as áreas de estudo. Área de Estudo Ar aç a tu ba B a rre tos Ba u ru C a mp in as F ra nca M a rília Pr es i dent e Pru dente Data da Passagem da Imagem / Dados LA NDSAT 5 e / 08/ TM 0 8/ 07/ TM 1 9/1 2/ 1999 ETM + 1 2/ 10/ TM 2 9/1 2/ 1999 ETM + 2 8/ 10/ TM 1 4/0 1/ 2000 ETM + 1 4/0 6/ 2000 TM 1 6/0 7/ 2000 TM 1 8/0 9/ 2000 TM 0 7/1 2/ 2000 TM 2 3/1 2/ 2000 TM 1 8/ 09/ TM 2 0/ 02/ TM 0 1/0 5/ 2001 ETM + 2 5/ 04/ TM 1 6/ 09/ TM 2 3/ 02/ TM 2 1/ 10/ TM 0 1/ 10/ TM 2 8/ 06/ TM 0 7/0 6/ 2000 TM 1 6/ 09/ TM 2 3/0 6/ 2000 TM 0 6/ 01/ TM 2 6/0 6/ 2000 TM 1 3/ 03/ TM 1 1/0 9/ 2000 TM 2 1/ 09/ TM 1 3/1 0/ 2000 TM 0 1/ 09/ TM 1 2/ 11/ TM 0 3/0 9/ 1999 ETM + 2 1/ 07/ TM 2 3/0 3/ 2001 ETM + 0 6/ 07/ TM 1 0/ 07/ TM 1 6/0 6/ 2000 TM 1 4/ 10/ TM 1 9/0 8/ 2000 TM 2 0/0 9/ 2000 TM 0 1/ 10/ TM 2 8/ 06/ TM 0 7/0 6/ 2000 TM 1 6/ 09/ TM 2 3/0 6/ 2000 TM 0 6/ 01/ TM 2 6/0 6/ 2000 TM 1 3/ 03/ TM 1 1/0 9/ 2000 TM 2 1/ 09/ TM 1 3/1 0/ 2000 TM 0 5/ 08/ TM 0 8/ 07/ TM 1 9/1 2/ 1999 ETM + 1 2/ 10/ TM 2 9/1 2/ 1999 ETM + 2 8/ 10/ TM 1 4/0 1/ 2000 ETM + 1 4/0 6/ 2000 TM 1 6/0 7/ 2000 TM 1 8/0 9/ 2000 TM 0 7/1 2/ 2000 TM 2 3/1 2/ 2000 TM R e gi s tro 0 4/ 06/ TM 1 0/ 07/ TM 0 1/0 2/ 2000 TM R i beirã o P ret o 2 0/ 06/ TM 0 8/ 08/ TM 1 6/0 6/ 2000 TM Sã o J os é do R io Pre to S ão J os é d os C a mp os S an tos 2 0/ 06/ TM 2 0/ 02/ TM 0 7/0 6/ 2000 TM 2 5/ 04/ TM 0 9/0 7/ 2000 TM 1 6/9 /1 990 TM 23 /6 /2 000 TM 2 3/2 /1 991 TM 11 /9 /2 000 TM 2 1/ 10/ TM 1 3/1 0/ 2000 TM 1 2/ 03/ TM 2 7/ 04/ TM 0 3/0 9/ 1999 ETM + 1 4/ 07/ TM 2 1/ 12/ TM 1 0/0 1/ 2000 TM 0 1/ 09/ TM 2 3/ 10/ TM 2 9/0 9/ 2000 TM 0 1/ 09/ TM 1 7/ 06/ TM 17 // 01 / TM 1 2/ 03/ TM 2 3/ 10/ TM 2 5/0 6/ 2000 TM 1 2/ 09/ TM 2 3/ 10/ TM 2 9/0 9/ 2000 TM Pág.: 14 / 27

15 3.4 Georreferenciamento das Imagens de Satélite O Registro de uma imagem compreende uma transformação geométrica que relaciona coordenada de imagem (linha, coluna) com coordenadas de um sistema de referência (coordenadas geográficas), ou seja, é o georreferenciamento do dado em uma projeção cartográfica. A interface de Registro permite dois procedimentos básicos: o Registro de Imagens e o Registro Vetorial de um Plano de Informação. O Registro de Imagens e usado para o georreferenciamento e posterior inserção na base de dados de imagens no formato GRIB (arquivos de imagem com extensão grb). O Registro Vetorial faz o georreferenciamento de Planos de Informação que contenham dados no formato vetorial e que pertençam a qualquer Projeto que esteja vinculado ao Banco de Dados utilizado. Para realizar o Registro dos dados neste projeto foram coletados pontos de controle no modo tela, como apresenta a Figura 3.3. Pág.: 15 / 27

16 Figura 3.3: Pontos de Controle ( em verde) Para o Registro das imagens, foi usada como base de referência na aquisição de pontos de controle a rede de drenagem e de rodovias do DER. Assim, cruzamentos de estradas ou rios eram identificados no dado vetorial e a situação localizada na imagem correspondente (imagem/vetor). Inicialmente foram registradas as imagens do ano de 2000, e, a partir delas, as dos anos de 1980 e 1990, tomando-se pontos da imagem de 2000 (imagem/imagem). As cartas topográficas do IBGE de 1970, a serem utilizadas no trabalho na escala 1: (escaneadas - formato digital) foram também georreferenciadas. Foi preciso inicialmente converter os arquivos para o formato GRIB no módulo IMPIMA do SPRING para em seguida, usando-se a opção Registro de Imagens, inseri-las no Banco de Dados. Os pontos de controle foram adquiridos pelo modo teclado, no qual as coordenadas dos Pág.: 16 / 27

17 pontos são informadas pelo usuário (via teclado) e seu correspondente indicado na imagem (no caso, a carta topográfica) via mouse. Pág.: 17 / 27

18 3.5 Geração de Mosaicos Digitais Mosaico é o agrupamento de planos de informação diferentes em um único, aqui utilizado para a junção automática de imagens adjacentes previamente registradas. O produto final do mosaico é uma imagem ou um mapa topologicamente consistente, como mostra a figura 3.4. Figura 3.4: Mosaico de Imagens Devido ao fato das áreas de estudo abrangerem mais de uma imagem, mosaicos foram efetuados para a maioria dos projetos. Pág.: 18 / 27

19 3.6 Interpretação de Imagens Landsat para Estudo Urbano Na interpretação de imagens para o mapeamento das manchas urbanas, para o ano de 1970, as áreas urbanizadas foram delimitadas na tela do computador, através da opção Edição Vetorial, utilizando-se como referência as áreas urbanizadas das cartas topográficas do IBGE. Para o mapeamento das manchas urbanas dos anos de 1980, 1991 e 2000, foi feita a interpretação visual das imagens LANDSAT, canais 3, 4 e 5 associados aos filtros azul, vermelho e verde respectivamente, na tela do computador. Foram identificadas nesta etapa do trabalho as áreas urbanas contínuas e as áreas urbanizadas dispersas que serão consideradas como pertencentes ao processo de urbanização em função das variáveis tamanhos e distância do núcleo urbano contínuo. Na interpretação das imagens na tela do computador foram utilizadas as chaves de interpretação convencionais de análise não automática dos dados (visual) como tonalidade, cor, textura, forma, tamanho, localização e relação de aspectos. Pág.: 19 / 27

20 3.7 Realização de Coleta de Dados do Campo A verificação da precisão do mapeamento realizado, bem como a checagem das dúvidas levantadas na interpretação, foi feita, no caso de ASJC, a partir da realização de trabalho de campo no período de 01 a 04 de junho de 2004, em função da não disponibilidade de mapeamentos pré-existentes que pudessem auxiliar a interpretação das imagens. Nas áreas onde houve dúvida de interpretação das imagens foram levantados pontos de GPS no local, como se vê na Figura 3.5. Figura Pontos visitados em trabalho de campo Área de São José dos Campos. Pág.: 20 / 27

21 3.8 Levantamento de Imagens da NASA Para um melhor georreferrenciamento de imagens foram também levantados os dados da NASA. Usamos a rotina da National Aeronautics and Space Administration (NASA) que se encontra no site. para capturar as imagens, trata-se de Mosaicos contendo as bandas 7, 4 e 2 ( RGB ), com resolução de 28,5 metros e são compostos por passagens de vários anos, próximas ao ano de 1990, o mesmo já vieram georreferenciados onde foram utilizados para o registro imagem / imagem para algumas áreas de estudo. Veja a Figura 3.6 como exemplo. Figura 3.6 Imagem obtida da National Aeronautics and Space Administration Pág.: 21 / 27

22 3.9 Classificações Automáticas das Imagens e Avaliação da Precisão Paralelamente à interpretação das imagens, na tela do computador foram realizadas classificações automáticas das imagens visando incorporá-las na separação das áreas urbanizadas a fim de melhorar a precisão no processo de delimitação destas áreas. Neste procedimento as imagens são classificadas automaticamente e, a partir do uso da opção Edição Vetorial do software, é feito um refinamento através da interpretação visual da classificação, reduzindo-se assim os erros de inclusão e omissão. Com isto temse uma redução da subjetividade, inerente à interpretação visual, principalmente quanto aos limites dos polígonos urbanizados e também a otimização de tempo no processo total de classificação. A este procedimento de classificação combinada (automática e visual), as áreas erroneamente discriminadas como urbanas pelo classificador automático serão eliminadas pela intervenção do intérprete quando da análise visual dos dados. Pág.: 22 / 27

23 3.10 Geração de Bancos para Estudos dos Núcleos Dispersos Urbanos Nesta etapa do trabalho também foram classificados os núcleos urbanos dispersos para as áreas de estudo de São José dos Campos e Campinas nas décadas de 70, 80, 90 e 2000, determinando-se a área em hectare desses núcleos sua distância em km ao marco zero da cidade. Para esse procedimento, foram montados vários bancos, um para cada região de estudo, contendo no banco projetos separados para cada município em questão. A classificação temática realizou-se através de vários processos contidos no software, começando com categoria que agrupa dados de mesma natureza no banco, definindo um grupo de dados e posteriormente criando classes nomeadas e numeradas para cada núcleo urbano disperso. Para o mapa de distância obteve-se uma análise de proximidade (medida de distância entre objetos, comumente medida em unidade de comprimento) que apresenta zonas com larguras de 1km em torno do marco zero das cidades, como mostra a Figura 3.7. Pág.: 23 / 27

24 Figura 1 Figura 3.7-Mapa Dispersão Urbana para os anos 1999/2000. Também foram elaboradas tabelas para todos os municípios das demais áreas de estudo, relacionados a esses dados. Pág.: 24 / 27

25 4. CONSIDERAÇÕES FINAIS A pesquisa Urbanização dispersa e mudanças no tecido urbano é ampla e complexa, o que exige uma metodologia com etapas específicas. A montagem de um banco de dados em um sistema de informações geográficas inclui se o levantamento desses dados que é ferramenta essencial para sua viabilização. O termo sistemas de informação geográfica (SIG) é aplicado para sistemas que realizam o tratamento computacional de dados geográficos. Essa informatização mostrase importante para o armazenamento e recuperação de informação espacial, para a análise de fenômenos e para a produção de mapas, pois integra imagens de satélite, dados cartográficos, censitários, cadastrais, etc. Deste modo, a construção de um banco de dados, ou seja, a inserção dos dados em um SIG faz-se imprescindível para atingir o objetivo desta pesquisa, que é o estudo sistemático da urbanização dispersa e das mudanças que vêm ocorrendo no tecido urbano nas últimas três décadas. O levantamento, registro e mosaico das imagens, o mapeamento das áreas urbanizadas, o agrupamento das informações sobre os núcleos urbanizados dispersos quanto ao tamanho e distância da mancha urbana principal (etapas estas descritas neste relatório) foram procedimentos necessários para promover esta fase, que ainda está em processo. O estudo de caso é o Estado de São Paulo, e a análise será feita nas principais regiões urbanizadas, que são: Araçatuba, Barretos, Bauru, Bragança Paulista, Campinas, Franca, Marília, Presidente Prudente, Registro, Ribeirão Preto, São José do Rio Preto, São José dos Campos, Metropolitana de São Paulo, Metropolitana de Santos e Sorocaba. Já existem projetos completos no Banco de Dados, que são os das regiões de São José dos Campos e Campinas. Os demais projetos estão em fase de finalização. Destaca-se também neste trabalho, a importância do Sensoriamento Remoto orbital, que provê a coletânea de imagens necessária ao estudo de áreas urbanas. As Pág.: 25 / 27

26 imagens são fontes de informação de baixo custo, cruciais para a compreensão e mapeamento do meio físico. Oferece uma visão sinóptica de grandes extensões da superfície terrestre que proporciona o entendimento integrado das regiões. As imagens de satélite, além do formato digital, oferecem a vantagem de deter informações radiométricas sobre os alvos, o que permite outras análises e processamentos auxiliares ao objetivo principal da pesquisa. Pág.: 26 / 27

27 5. REFERENCIAS BIBLIOGRÁFICAS MAPEAMENTO PLANIALTIMÉTRICO DA REGIÃO METROPOLITANA DE CAMPINAS. São Paulo: EMPLASA, CD-ROM. INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE-DPI). Manual do SPRING 4.1. São José dos Campos, dezembro Disponível em < Acesso em dez DEPARTAMENTO DE ESTRADAS DE RODAGEM DER. Mapa Rodoviário do Estado de São Paulo, São Paulo: DER janeiro DEPARTAMENTO DE ESTRADAS DE RODAGEM DER. Mapa Rodoviário, São Paulo: DER, janeiro DEPARTAMENTO DE ESTRADAS DE RODAGEM DER. Mapa Rodoviário, São Paulo: DER, outubro FLORENZANO, T. G. Imagens Satélite para Estudo Ambientais. São Paulo: Oficina de textos, Dias, N.W.; Batista, G.; Novo, E.M.M.; Mausel, P.W.; Krug, T. Sensoriamento remoto: Aplicações para a Preservação, Conservação e Desenvolvimento Sustentável da Amazônia. CD-ROM educacional, Instituto Nacional de Pesquisas Espaciais, São José dos Campos, Pág.: 27 / 27