UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA

Transcrição

1 UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO - UFES CENTRO DE CIÊNCIAS HUMANAS E NATURAIS CCHN DEPARTAMENTO DE GEOGRAFIA DEFESA DE MONOGRAFIA

2 Evolução temporal e espacial do uso e ocupação do solo para os anos de 1994 e 2002 no município de Vitória, ES, utilizando imagens orbitais do satélite Landsat TM Fabíola Candido Silva Vieira

3

4 EVOLUÇÃO TEMPORAL E ESPACIAL DO USO E OCUPAÇÃO DO SOLO PARA OS ANOS DE 1994 E 2002 NO MUNICÍPIO DE VITÓRIA ES, UTILIZANDO IMAGENS ORBITAIS DO SATÉLITE LANDSAT TM Graduanda: Fabíola Candido Silva Vieira Orientador: Prof. Dr. Alexandre Rosa dos Santos

5 ESTRUTURA DA APRESENTAÇÃO DO SEMINÁRIO Introdução Objetivos Material e Métodos Resultados e Discussões Considerações finais

6 INTRODUÇÃO Uso e ocupação do solo em Vitória Utilização do sensoriamento remoto Evolução temporal 1994 e 2002 com imagens Landsat

7 1 USO E OCUPAÇÃO DO SOLO Brasil problemas de concentração do solo - FAYET (1978) Aglomeração urbana na Grande Vitória FJSN (1979) 1940 a 1960 expansão do território do município de Vitória CAMPOS JÚNIOR (2002) Vitória como principal pólo urbano de Vitória - PMV (2002)

8 2 SENSORIAMENTO REMOTO Conceito - MOREIRA (2003) Resoluções das imagens digitais - IBGE (2001) Resolução espacial Resolução espectral Resolução radiométrica Resolução temporal

9 OBJETIVOS Avaliar a evolução temporal e espacial do uso e ocupação do solo para os anos de 1994 e 2002 para o município de Vitória, utilizando-se imagens do satélite Landsat TM. Delimitar e pesquisar os possíveis impactos visíveis veis gerados pela concentração urbana desordenada; Realizar a classificação supervisionada por diferentes metodologias para os anos em estudo.

10 MATERIAL E MÉTODOSM 1. ÁREA EM ESTUDO 2. SOFTWARE UTILIZADO 3. GERAÇÃO DA BASE DE DADOS 4. CLASSIFICAÇÃO SUPERVISIONADA 5. CLASSIFICAÇÃO DAS IMAGENS DIGITAIS

11 América do Sul VEN EZUE LA Espírito Santo 41º 40º 18º 18º BAHI A COLÔMBIA EQUADOR PERU BRASIL 19º 19º BOLÍV IA OCEAN O PACÍFICO CHILE PA RAG UAI 20º MI NAS G E R AIS 20º AR GE NT I N A UR UG UA I OCEAN O ATL ÂNTI CO OCEANO ATLÂNTICO km 21º R I O DEJA NE Escala 1: º IR O 42º 41º 40º Vitór ia

12 Etapas necessárias para a geração da base de dados Cartas Topográficas IBGE 1: Digitalização no Arc View 3.3 Município Vitória Imagem Vetorial POLYRAS Converção de polígono vetor para raster Município Vitória Imagem Raster Bairros Vitória Imagem Vetorial POLYRAS Converção de polígono vetor para raster Bairros Vitória Imagem Raster azul mm azul azul Quadrante em estudo verde mm vermelho mm IMPORT TIF para IDRISI verde vermelho WINDOW Criação de uma Sub-imagem verde Quadrante em estudo vermelho Quadrante em estudo Infravermelho próximo Infravermelho próximo Infravermelho próximo Cena utilizada no trabalho mm Infravermelho médio Infravermelho médio Quadrante em estudo Infravermelho médio mm Quadrante em estudo

13 Localizar exemplos representativos de cada tipo de cobertura que pode se identificar na imagem Digitalização de polígonos em torno de cada área de treinamento Criação de assinaturas espectrais para cada tipo de cobertura Classificação da imagem inteira considerando cada pixel individualmente, comparando sua assinatura particular com das uma das assinaturas conhecidas

14 Quadrante 1 Quadrante 2 Quadrante 3 Quadrante 4 Quadrante 5 Serviço de campo Coleta de pontos GPS Validação das coordenadas X e Y das imagens Quadrante 1 Validado X, Y Quadrante 2 Validado X, Y Quadrante 3 Validado X, Y Quadrante 4 Validado X, Y Quadrante 5 Validado X, Y COMPOSITE Criação de uma imagem composta Imagens composta e colorida normal Imagens composta e colorida falsa cor DIGITALIZER Digitalização das amostras de treinamento: 1. Água 2. Vegetação 3. Área urbana 4. Mangue 5. Solo exposto 6. Sombra Mapa vetorial das amostras de treinamento MAKESING Criação dos arquivos de assinaturas MINDIST Classificação mínima bruta HARD CLASSIFIERS Classificação das imagens com base nos arquivos de assinaturas MAX LIKE PIPED Classificação distância normalizada Classificação máxima verossimilhança Classificação paralelepípedo mínimos e máximos Classificação Paralelepípedo desvio padrão

15 RESULTADOS E DISCUSSÕES

16 1. CLASSIFICAÇÃO SUPERVISIONADA PARA CLASSIFICAÇÃO SUPERVISIONADA PARA 2002

17 Serra Jardim Camburi Maria Ortiz Aeroporto Nova Palestina Cariacica Goiabeiras Mata da Praia Jardim da Penha Grande Vitória Oceano Atlântico Tabuazeiro Praia do Canto Bela Vista Gurigica Santa Tereza Monte Belo Enseada do Suá Centro Água Vegetação Área urbana Mangue Solo exposto Sombra Km Norte Vila Velha Uso e ocupação do solo do município de Vitória - ES, usando o método de classificação supervisionada de distância mínima normalizada, 1994.

18 Serra Maria Ortiz Aeroporto Jardim Camburi Nova Palestina Cariacica Goiabeiras Mata da Praia Jardim da Penha Grande Vitória Oceano Atlântico Tabuazeiro Praia do Canto Bela Vista Gurigica Santa Tereza Monte Belo Enseada do Suá Centro Vila Velha Água Vegetação Área urbana Mangue Solo exposto Sombra Km Norte Uso e ocupação do solo do município de Vitória - ES, usando o método de classificação supervisionada de máxima verossimilhança, 1994.

19 Serra Jardim Camburi Maria Ortiz Aeroporto Nova Palestina Cariacica Goiabeiras Mata da Praia Jardim da Penha Grande Vitória Oceano Atlântico Tabuazeiro Praia do Canto Bela Vista Gurigica Santa Tereza Monte Belo Enseada do Suá Centro Vila Velha Água Vegetação Área urbana Mangue Solo exposto Sombra Km Norte Uso e ocupação do solo do município de Vitória - ES, usando o método de classificação supervisionada de distância mínima normalizada, 2002.

20 Serra Jardim Camburi Maria Ortiz Aeroporto Nova Palestina Cariacica Goiabeiras Mata da Praia Jardim da Penha Grande Vitória Oceano Atlântico Tabuazeiro Praia do Canto Bela Vista Gurigica Santa Tereza Monte Belo Enseada do Suá Centro Vila Velha Água Vegetação Área urbana Mangue Solo exposto Sombra Km Norte Uso e ocupação do solo do município de Vitória - ES, usando o método de classificação supervisionada de máxima verossimilhança, 2002.

21 Evolução temporal do uso e ocupação do solo para os anos de 1994 e 2002 Porcentagem (%) Ano de 1994 Ano de Variação das Classes Água: +1.46% Vegetação: -8.76% Área urbana: +9.12% Mangue: +1.80% Solo exposto: -3.26% Sombra: -0.36% Água Vegetação Área urbana Mangue Solo exposto Classes de Uso e Ocupação do Solo Sombra Método de classificação supervisionada de distância mínima normalizada

22 Evolução temporal do uso e ocupação do solo para os anos de 1994 e 2002 Porcentagem (%) Variação das Classes Água: +1.37% Vegetação: -7.89% Área urbana: +6.64% Mangue: -0.20% Solo exposto:+0.43% Sombra: -0.38% Ano de 1994 Ano de Água Vegetação Área urbana Mangue Solo exposto Sombra Classes de Uso e Ocupação do Solo Método de classificação supervisionada de máxima verossimilhança

23 CONSIDERAÇÕES FINAIS A utilização das imagens Landsat para os anos de 1994 e 2002 representou de maneira adequada a evolução temporal e espacial do uso e ocupação do solo nesse intervalo de tempo. A classificação supervisionada de distância mínima normalizada e máxima verossimilhança foram as metodologias que melhor representaram a realidade do real. A metodologia utilizada demonstrou eficiência, possibilitando-nos comprovar a evolução e crescimento da população de Vitória, com aumento da sua área urbana e diminuição da vegetação existente. Este fato possibilitou o entendimento do aumento dos impactos ambientais existentes na capital capixaba.

24 No gráfico da classificação de discriminação normalizada, a vegetação diminuiu em 8,76%, fruto da constante ocupação populacional nos morros e encostas da capital. A área urbana aumentou em 9.12%, graças ao crescimento urbano que a cidade passou nestes últimos oito anos em estudo. O mangue teve sua vegetação aumentada em 1.80%, devido a intensa atividade de proteção ambiental, promovidas pela PMV. O solo exposto diminuiu em 3.26%, devido a aglomeração na cidade, e o interesse de ocupar todos os locais disponíveis.

25 O aplicativo Idrisi for Windows foi de grande importância para a realização deste estudo, mostrando-se ser uma ótima ferramenta para a manipulação de imagens matriciais, permitindo que sejam criadas metodologias de acordo com o interesse do autor, além de possibilitar boa resolução e visualização dessas imagens.

26 G E O G R A F I A