UNIVERSIDADE FEDERAL DE ALFENAS LYNEKER PEREIRA DA SILVEIRA

Transcrição

1 UNIVERSIDADE FEDERAL DE ALFENAS LYNEKER PEREIRA DA SILVEIRA INTEGRAÇÃO DE MODELO DIGITAL DE ELEVAÇÃO E IMAGENS MULTIESPECTRAIS APLICADA AO MAPEAMENTO DO USO DA TERRA NA REGIÃO DE GUAXUPÉ (MG) Alfenas/MG

2 LYNEKER PEREIRA DA SILVEIRA INTEGRAÇÃO DE MODELO DIGITAL DE ELEVAÇÃO E IMAGENS MULTIESPECTRAIS APLICADA AO MAPEAMENTO DO USO DA TERRA NA REGIÃO DE GUAXUPÉ (MG) Trabalho de Conclusão de Curso apresentada como parte dos requisitos para conclusão do Curso de Geografia Bacharelado da Universidade Federal de Alfenas. Área de Concentração: Sensoriamento remoto e geoprocessamento Orientador: Fernando Shinji Kawakubo Alfenas/MG

3 LYNEKER PEREIRA DA SILVEIRA INTEGRAÇÃO DE MODELO DIGITAL DE ELEVAÇÃO E IMAGENS MULTIESPECTRAIS APLICADA AO MAPEAMENTO DO USO DA TERRA NA REGIÃO DE GUAXUPÉ (MG) A Banca examinadora abaixo-assinada, aprova o Trabalho de Conclusão de Curso apresentado como parte dos requisitos para obtenção do título de Bacharel em Geografia pela Universidade Federal de Alfenas. Aprovado em: Professora: Dra. Rúbia Gomes Morato Instituição: Universidade Federal de Alfenas Assinatura: Professor: Dr. Fernando Shinji Kawakubo Instituição: Universidade Federal de Alfenas Assinatura: Professor: Dr. Clibson Alves dos Santos Instituição: Universidade Federal de Alfenas Assinatura: 3

4 Dedico à minha família, meus amigos e algumas pessoas especiais pelo apoio e suporte na realização deste trabalho. 4

5 RESUMO Atualmente, o Sensoriamento Remoto e o Geoprocessamento têm se mostrado ferramentas eficientes para o mapeamento do uso do solo devido à gama de recursos disponíveis, como imagens de satélites e softwares conhecidos como SIG s. Os objetivos traçados neste trabalho foram alcançados utilizando estas ferramentas, pois com o auxílio das mesmas foi possível gerar o mapa de uso do solo da região de estudo e a matriz de erro correspondente. Uma classificação sem uma matriz de erro torna os resultados abstratos. Dessa forma, a matriz de erro se mostrou fundamental para validar os resultados desta pesquisa. A correção do efeito topográfico foi de grande valia, uma vez que a região de estudo possui relevo acidentado, tornando a classificação uma tarefa laboriosa. Os resultados desta pesquisa mostraram a predominância de café e solo exposto na região. A grande área destinada ao café na região se explica pelas inúmeras propriedades familiares que cultivam esta cultura, fomentadas pela presença da maior cooperativa de café do mundo no município de Guaxupé-MG. As vastas áreas de solo exposto são reflexos da época em que a imagem foi obtida, mês de agosto, período de início da preparação do solo para realização do plantio de algumas culturas agrícolas, como a cana-de-açúcar e milho. 5

6 LISTA DE FIGURAS E TABELAS Figura 1- Localização da área de estudo...11 Figura 2. Fluxograma das etapas desenvolvidas no processamento digital das imagens...17 Figura 3 Comparativo: imagem com e sem correção do efeito topográfico...19 Figura 4. Modelo de elevação digital da área de estudo...21 Figura 5. Mapa de uso do solo da região de estudo...23 Tabela 1. Matriz de erro

7 SUMÁRIO Introdução...8 Objetivo...9 Justificativa...10 Área de estudo...11 Revisão bibliográfica...13 Materiais e Metodologia...17 Resultados e discussões...21 Conclusões...25 Referências bibliográficas

8 INTRODUÇÃO O sensoriamento remoto é hoje uma ferramenta de extrema importância para o geógrafo. Atualmente é possível adquirir imagens gratuitamente pela internet assim como programas destinados ao processamento das imagens. O sensoriamento remoto possuiu inúmeras vantagens em sua utilização: relativo baixo custo das imagens, a precisão nas informações que serão extraídas, a periodicidade, a fácil aquisição de informações de locais de difícil acesso e a rapidez com que são geradas as informações. Na edição 427ª da conceituada revista britânica Nature, Doug Richardson descreve a geotecnologia como sendo uma área emergente. A ascensão da geotecnologia se reflete em pesquisas acadêmicas e no mercado de trabalho. Empresas privadas estão em busca de mão de obra qualificada, aquela que saiba lidar com as informações e geoprocessá-las nos devidos sistemas de informações geográficas profissional. Tradicionalmente, a interpretação de imagens é feita utilizando os elementos de reconhecimento da foto-interpretação (CERON: DINIZ, 1966). Com os avanços da computação e das técnicas de processamento digital de imagens, a interpretação de imagens de sensoriamento remoto tem sido feita cada vez mais apoiada por análises numéricas. Várias áreas do conhecimento tem se beneficiado com os avanços nas técnicas de interpretação de imagens e de processamento dos dados, que tem permitido tornar mais rápidos os processos de mapeamento e realce dos alvos de interesse da imagens. Vários trabalhos publicados na literatura especializada têm mostrado o potencial do sensoriamento remoto nas pesquisas relacionadas à identificação de culturas agrícolas (DUARTE, 2007) e na agricultura de precisão (RUDORFF, 2004). 8

9 OBJETIVO Realizar a classificação do uso da terra na região da carta topográfica 1: (IBGE) de Guaxupé (MG) por meio de processamento digital de imagens e avaliar a exatidão do mapeamento. 9

10 JUSTIFICATIVA O desenvolvimento e o aprimoramento de técnicas de extração de informação temática são de suma importância para a aplicação do sensoriamento remoto porque diminui o custo do empreendimento e permite a geração de mapas de uso da terra de maior confiabilidade. 10

11 ÁREA DE ESTUDO A área em estudo localiza-se na porção sudoeste de Minas Gerais, mais precisamente entre as cidades de Guaxupé, Muzambinho e Juruaia (figura 1). Corresponde ao retângulo envolvente compreendido pela carta topográfica Guaxupé (Folha SF-23-V-C-III-4) de escala 1: do IBGE (1970). Entre as coordenadas geográficas de 21º15 e 21º30 de latitude sul e 46º30 e 46º45 de longitude oeste de Greenwich. Figura 1. Localização da área de estudo. A geomorfologia da região é caracterizada por um relevo acidentado, com altitudes que variam entre 700 metros e 900 metros. O clima de região é do tipo tropical de altitude, sofrendo influência da massa de ar tropical atlântica. No inverno, geadas são comuns na região devido às frentes frias originadas da massa polar atlântica. Em relação à geologia, a região está localizada na Nappe Socorro- Guaxupé, uma espessa lasca neoproterozóica, organizada em uma pilha alóctone de três distintas unidades de crosta continental profunda: a Unidade Granulítica Basal, a Unidade Diatexítica Intermediária e a Unidade Migmatítica Superior. A estrutura alóctone encontra-se segmentada em dois lobos, 11

12 Guaxupé a norte e Socorro a sul, separados por rampas laterais de alto ângulo. (NETO et. al., 2004). O Maciço de Guaxupé é constituído por granulitos migmatizados e intrudidos por granitos. Segundo MELO et al. (1993), corresponde a terrenos antigos de alto grau metamórfico, de natureza predominantemente alóctone, bordejados por uma faixa de dobramentos mais jovens. Suas rochas são polideformadas e de evolução policíclica, estando afetadas por migmatização e anatexia do Proterozóico Superior, e encaixam rochas granitóides intrusivas tardi a pós-tectônicas do Proterozóico Médio a Eopaleozóico (NETO et. al., 2004). Atualmente, na área de estudo, o café é a cultura com a maior área plantada, prevalecendo em relação às outras culturas como a cana-de-açúcar, citrus e milho. Outra atividade marcante na região é a atividade pecuária, que ocupa uma vasta extensão territorial. O município de Guaxupé possui a maior Cooperativa de Café do mundo, a Cooxupé (Cooperativa de Cafeicultores). É notável o papel do café na economia da região. Em 2008 a Cooxupé recebeu mais de quatro milhões de sacas de café e movimentou a cifra de 1, 747 bilhão de reais (ROLLO, 2009). Contudo, outra cultura que vem dividindo espaço com o café é a canade-açúcar. A produção desta cultura vem se expandindo rapidamente na região sendo motivada pela instalação de uma usina de álcool e açúcar no município de Guaranésia - MG. Praticamente toda a produção de cana-de-açúcar na região está ligada a esta usina. 12

13 REVISÃO BIBLIOGRÁFICA Vários estudos têm mostrado o potencial do sensoriamento remoto orbital na extração de informações relacionadas ao uso da terra, como por exemplo, Tardin e Assunção (1992), Azevedo e Mangabeira (2001), Vieira et al. (2003), Moreira et al. (2004), e Moreira et al. (2007). Numa tentativa de sistematizar o mapeamento de áreas cafeeiras no Estado de Minas Gerais, Moreira et al. (2007) definiram quatro etapas que devem ser seguidas no mapeamento desta cultura. O primeiro passo é a coleta de dados censitários sobre o cultivo de café no estado e espacialização desses dados por município numa base cartográfica. O segundo passo é a estruturação do banco de dados geográfico; a terceira etapa consiste na preparação das imagens para a interpretação; finalmente, o quarto passo é o mapeamento das áreas de café e quantificação da área plantada por município. Tardin et al.(1992) mapearam diferentes tipos de uso da terra numa área experimental localizada no sul de Minas Gerais utilizando os canais 3, 4, 5 e 7 do Landsat TM numa área de aproximadamente 100Km 2. Os autores (op cit), concluíram que a melhor época para diferenciar a pastagem das culturas de café e de citrus (em estágio de desenvolvimento intermediário) é o período seco, pois é nesta época que as pastagens perdem o vigor vegetativo. Em trabalho realizado no município de Santa Bárbara D Oeste - SP, com objetivo de realizar o mapeamento do uso da terra com o auxílio de imagens orbitais TM/LANDSAT-5 nas bandas 3,4 e 5 e composição colorida 3B/4G/5R, na escala 1: , BORGES et. al. (1993) concluíram que a banda 3 e a composição colorida 3/4/5 (escala1: ) do TM/LANDSAT-5, foram as que melhor se apresentaram para o mapeamento do uso da terra, observando que durante o período de 1978 a 1991, na região de estudo, a área de ocorrência da cana-de-açúcar permaneceu a mesma, as áreas de mata e pastagem diminuíram, enquanto que as áreas de reflorestamento e urbana aumentaram. Azevedo e Mangabeira (2001) realizaram estudos na região de Campinas - SP utilizando imagens multiespectrais do sensor TM para 13

14 discriminar áreas com diferentes tipos de culturas. De acordo com os autores (op cit), o café é uma cultura perene com resposta espectral muito próxima da cultura de citrus, o que força uma checagem de campo muito rigorosa para diferenciação destas culturas utilizando imagens de satélite. A cana de açúcar é uma cultura com talhões bem definidos na imagem de satélite, com atributos de textura facilmente interpretados em relação aos padrões de matas, por ser mais homogêneo e contínuo. Vieira et al. (2003) estudaram o comportamento espectral da cultura do café nas regiões de Patrocínio e Machado - MG utilizando imagens Landsat TM. Os estudos mostraram que os valores de reflectância na banda 5 (canal infravermelho médio) foram mais altos nos cafezais em formação. Alem disto, os valores de refletância variam de acordo com a capacidade de retenção da água no solo. Vieira et. al. (2003), afirmaram que a banda 3 (0,63-0,69 µm) tem a sensibilidade para vegetação verde, densa e uniforme. Apresenta grande absorção, ficando escura, permitindo bom contraste entre as áreas ocupadas com vegetação e aquelas sem vegetação. Permite o mapeamento da drenagem através da visualização da mata galeria e entalhe dos cursos dos rios em regiões com pouca cobertura vegetal. A banda 4 (0, µm) permite que a vegetação verde densa e uniforme reflita muita energia aparecendo bem clara sendo portanto a mais recomendada para estudos de resposta espectral de áreas vegetadas. A banda 5 (1,55-1,75 µm) permite observar o teor de umidade nas plantas e detectar possíveis estresses na vegetação causados por falta de água. Moreira et al. (2004) ressalta a importância da aplicação de uma retificação radiométrica quando imagens multitemporal são empregadas no mapeamento de mudanças de culturas agrícolas. Ainda segundo o mesmo autor, a melhor banda para diferenciar a cultura de café das áreas de mata e pastagem corresponde a banda 4 do Landsat TM (infravermelho próximo) e a melhor época é o período seco. Rudorff et al. (2007) ressalta que para classificar uma área de cana-deaçúcar é necessário adquirir duas imagens de satélite: uma entre os meses de 14

15 janeiro e fevereiro (período 1) e outra entre os meses de março e abril (período 2). A imagem do período 1 permite identificar as áreas de cana em expansão plantadas no ano anterior, pois caracteriza-se por uma área sem o cultivo da cana-de-açúcar e é possível identificar as soqueiras que foram colhidas do início ao meio da safra do ano anterior e que nas imagens do período 1 já estão bem desenvolvidas. As imagens do período 2 têm como finalidade confirmar a presença da cana no início do ano-safra, quando todas as lavouras de cana estão suficientemente desenvolvidas, para que sejam bem identificadas nas imagens. Através de uma pesquisa realizada em quatro municípios do Estado de Minas Gerais, onde o objetivo foi delimitar áreas favoráveis ao agroecossistema cafeeiro, BARROS et. al. (2007), utilizaram o processo analítico hierárquico (AHP) como técnica para a obtenção do resultado e concluíram que, em relação às variáveis drenagem e matas ciliares, o espaço onde há drenagem ou área sob preservação permanente é desfavorável à cafeicultura. Se tratando da variável solo, os de maior favorabilidade ao agroecossistema cafeeiro são os Latossolos. A variável declividade foi analisada considerando a possibilidade de mecanização e seguindo as seguintes classes de declividade: 0-20%, favorável à mecanização e acima de 20%, impróprio à mecanização. No que se refere à orientação de vertentes, recomenda-se o plantio de cafezais em vertentes orientadas a norte, nordeste e noroeste, pois, no hemisfério sul, as vertentes a nordeste recebem maior radiação solar durante a manhã, e vertentes a noroeste, maior radiação à tarde, restringindo o plantio nas vertentes ao sul, sudeste e sudoeste, em razão da maior suscetibilidade a ventos frios e eventos climáticos adversos. Em relação à altimetria, recomenda-se o plantio de cafezais em Minas Gerais, em faixa de altimetria entre 500m e 1.200m. Campos et. al. concluíram através de um trabalho, cujo objetivo foi analisar o uso das terras em dez microbacias ocorrentes na bacia hidrográfica do Rio Capivara, Botucatu SP e como resultado a predominância da classe Uso Agrícola, que as imagens do satélite LANDSAT 5 TM permitiram o mapeamento do uso da terra da bacia de maneira rápida, além de fornecer um banco de dados para a classificação supervisionada e para futuros 15

16 planejamentos nessa área, e, o uso de um SIG permite constatar a classificação digital do uso da terra e modelo matemático com rapidez. Campos et. al. comentam que em um trabalho cujo objetivo é estudar a evolução do uso da terra tendo como fonte de dados imagens orbitais, inicialmente é importante elaborar uma composição falsa-cor com a combinação das bandas 3; 4 e 5, nas cores azul, verde e vermelha, respectivamente, pois essa apresenta uma considerável discriminação visual dos alvos, possibilitando a identificação dos padrões de uso da terra mais facilmente. Essa composição apresenta os corpos d água em tons azulados, as florestas e outras formas de vegetação em tons esverdeados e os solos expostos em tons avermelhados. Através de um trabalho realizado no município de Araguari MG, cuja finalidade era a identificação e mapeamento das áreas ocupadas pela cafeicultura no município de Araguari, utilizando técnicas de sensoriamento remoto e geoprocessamento, DUARTE et. al. puderam concluir que, havendo contraste entre as áreas de culturas anuais e café, é possível identificar os talhões da cultura cafeeira através da classificação supervisionada por máxima verossimilhança, havendo confusão entre as áreas de mata e café uma vez que a assinatura espectral destes dois alvos é semelhante. E, a identificação das áreas de café através da classificação não-supervisionada não apresentou qualidade no mapeamento. Segundo Congalton (1991), o uso de uma matriz de erro para representar a acurácia de um mapeamento tem sido recomendado por muitos pesquisadores, dado a sua capacidade de incluir uma grande variedade de dados para a avaliação dos resultados. Até recentemente, a idéia de avaliar a precisão da classificação de dados de sensoriamento remoto era tratada como algo sem importância. Assim, muitos estudos apresentavam um único número para expressar a exatidão da classificação, o que na maioria dos casos superestimava a precisão dos trabalhos desenvolvidos no início da década de Tendo este problema sido reconhecido, muitas avaliações de precisão foram realizadas usando um conjunto de dados, sendo a matriz de erro a maneira mais comum de representação. 16

17 MATERIAIS E METODOLOGIA O processamento das imagens foi feito utilizando os programas ILWIS (ITC-Holanda), SPRING (INPE) e ENVI. Estes softwares encontram-se disponível no laboratório de Geoprocessamento da Unifal-MG. Os procedimentos adotados são apresentados na figura 2. Figura 2. Fluxograma das etapas desenvolvidas no processamento digital das imagens. 17

18 O mapeamento do uso da terra foi feito utilizando as seis bandas refletivas do satélite Landsat TM (bandas 1 a 5 e 7 referente a órbita 219 ponto 75 adquirida no dia 18/08/2008 período seco). Também foi utilizada a carta topográfica folha Guaxupé, escala 1: publicada pelo IBGE. Para a validação do mapeamento, construiu-se uma matriz de erro. Matriz de erro é uma matriz quadrada de números estabelecidos em linhas e colunas, que expressam o número de unidades de amostras referentes às categorias mapeadas. As colunas representam os dados de referencia, enquanto as linhas indicam a classificação gerada a partir de uma imagem orbital. A matriz de erro é necessária para avaliar a acurácia do mapeamento (Congalton, 1991). Inicialmente, as informações como curva de nível, sistema viário e drenagem (extraídas da carta topográfica do IBGE) foram digitalizadas utilizando o programa de vetorização semi-automático R2V. Esse processo de digitalização se fez necessário uma vez que os arquivos se encontravam no formato raster. Estes arquivos foram implementados em forma de planos de informação (PIs) e ajustados em relação a um sistema de coordenadas. Para corrigir o efeito atmosférico, foi aplicado o método de subtração do pixel escuro desenvolvido por Chaves (1988). Este método minimiza os efeitos causados pelo espalhamento atmosférico, pois, considera que em cada cena existem objetos escuros cuja radiância chega próxima de zero e devido ao efeito atmosférico, ao invés do sensor captar sinal próximo de zero nessa área, ele capta alguma radiância que é gerada por partículas da atmosfera. O método do DOS (Dark Object Subtraction) identifica estes valores no histograma e os subtrai. A correção geométrica foi feita selecionando pontos de controle identificados na imagem e na base cartográfica. Em seguida, as imagens foram re-amostradas com o método de interpolação por vizinho mais próximo. Em função do efeito topográfico bastante expressivo na região, foi aplicado um simples modelo de correção do efeito topográfico (JENSEN, 1996) (Figura 3). Para isto, a partir das curvas de nível extraídas da carta topográfica, foi gerado um modelo digital do terreno (MDT). A partir deste modelo, a correção das imagens foi feita com uma simples função do co-seno. Neste método, assumese que a superfície do terreno tem um comportamento de espalhamento 18

19 Lambertiano. Ou seja, a radiação se espalha em todas as direções da maneira constante. Figura 3 Comparação entre imagens com e sem correção do efeito topográfico. Os segmentos sobrepostos às imagens correspondem ao resultado da segmentação utilizando os limiares de Similaridade = 14 e Área (Pixel) = 16. As imagens foram contrastadas com o aumento linear de contraste e composições coloridas RGB foram criadas com diferentes arranjos de bandas. A imagem classificada foi a resultante da composição 543 em RGB. Para realizar a classificação, as imagens foram inicialmente segmentadas com o algoritmo por crescimento de regiões. O método se baseia em agrupar pixels com características semelhantes, formando regiões homogêneas. Assim, a imagem foi segmentada em regiões que se caracterizam por apresentar pixels similares e o resultado foram áreas diferentes umas das outras, devido às características espectrais de cada uma. Após a segmentação, as regiões foram agrupadas com o classificador não supervisionado por regiões batizado de 19

20 ISOSEG. Este classificador consiste em um algoritmo de agrupamento (clustering) que procura regiões a partir de uma medida que comprove a similaridade entre as regiões. Essa medida consiste na medida de Mahalanobis, que é a distância entre uma região (a de maior área) e outras regiões, que são ordenadas em ordem decrescente, candidatas a se agruparem com esta de maior área. Para agrupar as regiões, foram tomados os parâmetros estatísticos da região de maior área como sendo os parâmetros da primeira classe e associa-se a esta classe todas as regiões cuja distancia de Mahalanobis for inferior a distancia definida da primeira região. Os clusters gerados em cada etapa foram identificados e rotulados visualmente na tela do computador. A última etapa do mapeamento consistiu na validação da classificação. Pontos aleatórios foram identificados no ILWIS para determinar os diferentes tipos de uso e cobertura vegetal. Esses pontos foram comparados com a classificação realizada no SPRING. Em seguida, uma matriz erro foi montada para avaliar o desempenho da classificação. Outro método que foi empregado para realizar a validação da classificação foi o trabalho de campo. Pontos previamente captados em laboratório foram visitados em campo para a averiguação da informação obtida na imagem. Em um estudo realizado em 2010, MOREIRA et. al. destacaram a importância da ferramenta Google Earth, onde é possível observar a área de estudo a partir de imagens de altaresolução, tornando a classificação mais próxima do real, pois, consultando essa ferramenta é possível diferenciar com muita clareza áreas de café com áreas de capoeira, e outros tipos de vegetação e culturas presentes na área. 20

21 RESULTADOS E DISCUSSÕES A figura 4 ilustra o modelo de elevação digital ou modelo digital do terreno da área de estudo. Conforme pode ser observado, a região apresenta grande amplitude topográfica variando de 720 a 1240 metros. Esta rugosidade topográfica influenciou de maneira significativa no comportamento de iluminação da imagem. Este efeito, por sua vez, tornou a classificação da imagem mais complexa. Figura 4. Modelo de elevação digital da área de estudo. 21

22 A correção topográfica reduziu a variabilidade espectral causada pela disposição do relevo. Conforme pode ser observado na figura 4, após a correção, as imagens se tornaram menos rugosas, o que indica que o procedimento surgiu efeito. Através da avaliação do mapa de uso do solo (Figura 5) é possível notar que na região de estudo, a área dedicada ao cultivo de café é indiscutivelmente maior que as áreas de outras culturas. Solo exposto e pastagem também ocupam grande área da região mapeada. A presença da pastagem se explica pela atividade pecuária constante na região. A Fazenda Bela Vista ocupa aproximadamente hectares de terra entre Guaxupé e Tapiratiba (SP), sendo a maior parte da propriedade destinada à criação de gado leiteiro (Fazenda Bela Vista, 2013). Nos trabalhos de campo foi possível identificar inúmeras pequenas propriedades destinadas à criação dos rebanhos, tanto para o corte quanto para o leite. Áreas com cana-de-açúcar também foram possíveis de serem identificadas. Isso se explica pela presença da Usina Alvorada do Bebedouro, que arrenda porções de terra de pequenos proprietários para o plantio da cana e o período em que a imagem foi obtida coincidiu com o período de pré-colheita da planta, possibilitando assim a identificação da cultura na imagem. Outros tipos de culturas como citrus e leguminosas não foram detectadas com clareza na classificação. Porém, não significa que na região não haja esses tipos de culturas. A explicação para a ausência dessas culturas no mapa é o fato da imagem utilizada ter resolução espacial de 30 metros no terreno e as áreas cobertas por essas culturas serem muito pequenas. Assim, a missão de conseguir identificar estes tipos de culturas se torna extremamente difícil em virtude da escala adotada e confusão espectral com a classe dominante que é pastagem. 22

23 Figura 5. Mapa de uso do solo da região de estudo. Através da matriz de erro (Tabela 1), foi possível determinar a proporção de acertos (exatidão e confiabilidade) e erro (exclusão e inclusão) obtidos na classificação. 23

24 Café Cana Eucalip. Mata Pastag. Solo E. Urban o Água Total Acurac (%) Café Cana Eucalip Mata Pastag Solo E Urbano Água Total Confiab ilidade Tabela 1. Matriz de erro. Para a construção da matriz de erro, foi necessário coletar uma amostra aleatória de 501 pontos na imagem 5, 4, 3 em RGB. Esse número se mostrou suficientemente capaz de tornar a avaliação da precisão estatisticamente válida. Conforme observado na tabela 1, a exatidão global foi de 62%, enquanto a média da exatidão e da confiabilidade foram respectivamente 54% e 58%. Fatores como relevo acidentado, relativa baixa resolução da imagem TM e alta variabilidade espectral das classes mapeadas foram os principais responsáveis pela queda da exatidão. A classe que teve a maior acurácia foi a de Solo Exposto com 88%, seguido pela classe Eucalipto com 86%. Observou-se confusão principalmente entre Solo Exposto e Pastagem. Com relação à classe Eucalipto, houve pequena confusão com Pastagem. As classes com menor exatidão foram Mata, Cana e pastagem. Observou-se uma grande confusão entre Mata e Café. Isto se deve à similaridade espectral entre as duas classes e em razão do efeito topográfico que alterou a radiância dos alvos. A classe Cana foi confundida principalmente com a classe Café em estágio inicial de desenvolvimento. A classe pastagem foi confundida com Solo Exposto devido ao período do ano, que corresponde à 24

25 época seca, onde as áreas de Pastagem encontram-se secas e com comportamento similar às áreas de Solo Exposto. Com isso, a classe Pastagem teve sua confiabilidade reduzida. Com relação à confiabilidade, as classes Água e Mata foram as que apresentaram os melhores desempenhos. Os maiores erros de confiabilidade foram encontrados com as classes Cana e Pastagem. A classe Cana foi confundida com áreas de Mata, que se encontram principalmente em áreas de relevo acentuado. 25

26 CONCLUSÕES A imagem Landsat 5 TM se mostrou capaz de ser classificada, porém não é isenta de erro. O uso de imagens com maiores resoluções talvez tornaria o mapeamento mais eficaz. O modelo de correção do efeito topográfico se mostrou bastante eficaz para eliminar as sombras causadas pelo relevo acidentado nas áreas com maiores altitudes. Assim, foi possível reduzir as confusões entre água, sombra e mata. O mapa mostra a dominância do cultivo de café na região, sendo a maior parte composta por pequenas propriedades familiares e algumas poucas fazendas de maior porte. A construção da matriz de erro se fez necessária para avaliar a exatidão e confiabilidade da classificação, validando os resultados. Através da matriz de erro, constatou confusão considerável entre os tipos de uso Pastagem e Solo Exposto e entre os usos Mata e Café. O Google Earth teve papel importante na hora de identificar os pontos coletados aleatoriamente na imagem, quando a identificação através da imagem não era possível. 26

27 REFERÊNCIAS BIBLIOGRÁFICAS AZEVEDO, E. A.; MANGABEIRA, J. A. C. Mapeamento de uso das terras utilizando processamento digital de imagem de sensoriamento remoto. Campinas, BARROS, Marco A. et. al. Processo analítico hierárquico na identificação de áreas favoráveis ao agroecossistema cafeeiro em escala municipal. Pesq. agropec. bras., Brasília, v.42, n.12, p , BORGES, M.H. et. al. Evolução e mapeamento do uso da terra, através de imagens aerofotogramétricas e orbitais em Santa Bárbara D Oeste (SP). Sci. agric., Piracicaba, out./dez., CAMPOS, Sérgio et. al. Evolução do uso da terra entre 1996 e 1999 no município de Botucatu SP. Eng. Agríc., Jaboticabal, v.24, n.1, p , jan./ abr CAMPOS, Sérgio et. al. Sensoriamento Remoto e geoprocessamento aplicados ao uso da terra em microbacias hidrográficas, Botucatu SP. Eng. Agríc., Jaboticabal, v.24, n.2, p , mai/ago CONGALTON, Russell G. A review of assessing the accuracy of classifications of remotely sensed data. Berkeley-CA: University of California, CRÓSTA, A. P. Processamento digital de imagens de sensoriamento remoto. Campinas: Unicamp, DLUGOSZ, F. L. et. al. Uso da segmentação de regiões em imagem Ikonos na discriminação de tipologias da Floresta Ombrófila Mista. Anais XII SBSR, Goiânia, p , abril, DUARTE, Wellington O. et. al. Mapeamento da Cultura do Café no município de ARAGUARI-MG utilizando imagens do Sensor CCD do satélite CBERS-2. Anais XIII SBSR, Florianópolis, p , abril,

28 JENSEN, J. Introductory digital image processing: a remote sensing perspective. New Jersey: Prentice Hall, MOREIRA, M. A. Geotecnologias para mapear lavouras de café nos estados de Minas Gerais e São Paulo. Eng. Agríc., Jaboticabal, v.30, n.6, p , nov./dez MOREIRA, M. A.; ADAMI, M.; RUDORFF, B. F. T. Análise espectral e temporal da cultura do café em imagens Landsat. São José dos Campos: INPE, MOREIRA, Maurício A. et al. Imagens Landsat/TM restauradas para mapeamento de lavouras cafeeiras no Estado de Minas Gerais. INPE. MOREIRA, Maurício A. et al. Tecnologia de informação: imagens de satélite para o mapeamento de áreas de café de Minas Gerais. Belo Horizonte: INPE e CONAB, NETO, Mario C. C. et al. Migração de orógenos e superposição de orogêneses: Um esboço da colagem brasiliana no sul do Cráton do São Francisco, SE Brasil. São Paulo: USP, RICHARDSON, Doug. Mapping opportunities. Nature, v. 427, p , 22 january ROLLO, M. A. P. As novas dinâmicas do território brasileiro no período técnico-científico-informacional: o circuito espacial de produção do café e o respectivo círculo de cooperação no sul de minas. Rio Claro: UNESP, RUDORFF, B. F. T.; SUGAWARA, L. M. Mapeamento da cana-de-açúcar na Região Centro-Sul via imagens de satélites. Informe Agropecuário, v. 28, p , nov./dez., RUDORFF, Bernardo F. T. et. al. Estimativas de área plantada com cana-deaçúcar em municípios do estado de São Paulo por meio de imagens de 28

29 satélites e técnicas de geoprocessamento: ano safra 2004/2005. São José dos Campos: INPE, RUDORFF, Bernardo F. T. Produtos do sensoriamento remoto. São José dos Campos: INPE. TARDIN, A. T.; ASSUNÇÃO, G. V.; SOARES, J. V. Análise preliminar de imagens TM visando a discriminação de café, citrus e cana-de-açúcar na região de Furnas, MG. Brasília: INPE, VENTURIERI, Adriano; SANTOS, João R. Técnicas de classificação de imagens para análise de cobertura vegetal. Sistema de Informações Geográficas: Aplicações na Agricultura, Embrapa, Brasília, 2ª Ed., cap. 18, p , novembro, VIEIRA, T. G. C.; ALVES, H. M. R.; LACERDA, M. P. C. Parâmetros culturais para avaliação do comportamento espectral da cultura do café em Minas Gerais. Belo Horizonte: INPE, VIEIRA, Tatiana G. C. et. al. Parâmetros culturais para avaliação do comportamento espectral da cultura do café (coffea arábica) em Minas Gerais. Anais XI SBSR, Belo Horizonte, abril, 2003, INPE, p