ATUALIZAÇÃO DE MAPAS DE USO COM IMAGENS DETECÇÃO DE MUDANÇAS EM REGIÃO DE FLORESTA AMAZONICA, APUI-AM.

ATUALIZAÇÃO DE MAPAS DE USO COM IMAGENS DETECÇÃO DE MUDANÇAS EM REGIÃO DE FLORESTA AMAZONICA, APUI-AM. ACTUALIZATION OF MAPS OF USE WITH CHANGE DETECTION IMAGERY IN REGION OF AMAZON FOREST, APUI-AM Francisco Dario Maldonado 1 2, Paulo Mauricio Alencastro Graça 1, Aurora Miho Yanai 1 1 Instituto Nacional de Pesquisas da Amazônia - INPA, Av. André Araujo, 2936, Aleixo, 69060-001, Manaus-AM, Brasil; 2 Instituto Nacional de Pesquisas Espaciais - INPE, São José dos Campos-SP, Brasil e-mail: francis@dsr.inpe.br; pmlag@inpa.gov.br; yanai@inpa.gov.br RESUMO Este trabalho apresenta uma metodologia de atualização de mapas baseada na detecção de mudanças. O objetivo desta metodologia foi produzir um mapa de uso atualizado, com custo baixo, adequado para fins de analise do desmatamento. Para obter o mapa de mudanças foi adotada a técnica RCEN multiespectral e para a obtenção do mapa atualizado, a partir do cruzamento entre o mapa de uso 2004 e o mapa das mudanças 2004/2007 com sentenças booleanas e condicionais. O resultado foi um mapa atualizado com menos classes que as do mapa inicial, porém de qualidade suficiente para fins de analise. Este mapa foi obtido com menos gasto do que o investido para o mapa de uso anterior a partir de metodologias tradicionais. Palavras-chave: uso das terras, detecção de mudanças, desmatamento, CBERS-2, sensoriamento remoto. ABSTRACT This study presents a methodology for updating maps based on change detection. The objective of this method was to produce map suitable for use in deforestation analysis, at a reasonable cost. The method used the RCAN-multiespectral technique to generate a map of changes, after which the final map was obtained to crossing information in the map of land use in 2004 and the map of changes in the 2004-2007 period, using conditional and Boolean sentences. The result was an updated map obtained at low cost. Key words: land use, change detection, deforestation, CBERS-2, remote sensing. INTRODUÇÃO O mapa de uso representa a espacialização da ocupação das terras, geralmente enfatizando o desempenho funcional dessas terras na atividade econômica Em geral para produzir este tipo de mapas usando sensoriamento remoto são utilizadas classificações supervisionadas baseadas em trabalho de campo com amostragens relativamente caras (CAMPBELL, 1996); (MAS, 1999); (COPIN et al., 2004). A atualização de um mapa de uso pode ser tão trabalhosa quanto à produção de um novo mapa de uso, porém a distribuição da maioria das áreas ocupadas no mapa atualizado está muito relacionada com as do mapa anterior. Essa relação está expressa em grande proporção num mapa das mudanças ocorridas entre as datas do mapa anterior e atual. Esse mapa de mudanças pode ser obtido a partir do fatiamento e rotulação de uma imagem detecção de mudanças. Nessa imagem os valores dos pixels representam a intensidade e direção da mudança, considerando que a direção pode ser aumento ou diminuição da cobertura vegetal. Esse tipo de imagem pode ser gerado com técnicas variadas, algumas simples como a Diferença entre bandas até complexas como o Vetor de Mudanças. Uma das técnicas intermediárias de detecção de mudanças é a RCEN- Rotação controlada por eixo de não mudança, cuja principal vantagem é que não necessita de imagens calibradas para gerar bons resultados. Esta técnica foi desenvolvida para a região semi-árida e posteriormente adaptada para regiões úmidas introduzindo a banda do infravermelho próximo (MALDONADO, 2004a; MALDONADO et al., 2007a). Esta modificação está relacionada com as

características da vegetação e dos solos das regiões úmidas. As áreas vegetadas têm respostas media a alta no infravermelho próximo e respostas muito baixas no vermelho. A RCEN já foi testada na floresta de transição com sucesso em GRAÇA (2004), SANTOS et al. (2005). Muitos autores reconheceram a importância de utilizar a informação do infravermelho para o monitoramento, alguns deles foram MAUSEL et al. (1993), STEININGUER (1996), LUCAS et al. (2002), GRAÇA (2004), ESPÍRITO-SANTO et al. (2005). Esta adaptação foi chamada de RCEN multiespectral, porque utiliza duas ou até três bandas espectrais em forma independente para gerar as imagens detecção respectivas e finalmente a partir da soma destas obter a imagem detecção final. Objetivo: O objetivo desta metodologia foi atualizar um mapa de uso com uma técnica de detecção de mudanças para obter um mapa adequado, com custo baixo, para fins de analise do desmatamento. ÁREA DE ESTUDO A área de estudo é coberta pela cena CBERS-2 órbita 172 ponto 108, está localizada entre as coordenadas geográficas 7 00 e 8 00 de latitude sul e 59 30 e 60 30 de longitude Oeste. O município de Apuí tem uma área de 54239.9km 2 e aproximadamente 15000 habitantes. A região de Apuí se localiza no sul do Estado de Amazonas as margens da rodovia Transamazônica (BR-230), na interseção com a estrada que comunica a Transamazônica com a região de Novo Aripuanã, no baixo Rio Madeira (Figura 1). Esta região possui estradas pavimentadas, somente alguns quilômetros na área urbana de Apuí, a maior parte da rede viária é de precária condição para o transporte de cargas sobre tudo na estação chuvosa. Figura 1- Localização da região de Apuí no sul do estado de Amazonas, sobre a rodovia Transamazônica BR-230. Figure 1 Localization of Apuí in south of Amazonas State, in BR-230 road. A região de Apuí se caracteriza pelo relevo medianamente movimentado com predominância de latossolos amarelos distróficos e algumas áreas com solos arenosos brancos com formação de campinas. A vegetação que ocupa a maior parte do município corresponde a Floresta Amazônica. A principal atividade econômica da região é a pecuária de bovinos, as pastagens são manejadas essencialmente com fogo (Figura 2) e estabelecidas mesmo nas áreas de relevo mais acidentados com riscos de erosão. A atividade agrícola está formada por pequenas propriedades numa fase regional inicial de exploração de arroz e soja, porém ainda em escala pequena se comparada com a atividade da pecuária, embora se espere que apos a melhoria das estradas para escoamento da produção a principal atividade será o cultivo da soja. O regime pluvial é caracterizado por uma curta estação seca, de agosto a outubro, época em que a cobertura de nuvens permite o imageamento, no resto do ano a disponibilidade de imagens para estudar esta área é muito baixa.

Figura 2- Pastagens sobre terreno ligeiramente ondulado, limpadas periodicamente com queimadas o que favorece a invasão do babaçu. Figura 2- Pastures in slightly sloping terrain, maintained with burning favor babaçu invasion. MATERIAL E MÉTODO As imagens utilizadas foram de dois mosaicos CBERS-2 órbita 172 pontos 107 e 108, das datas 29 de Junho 2004 e 26 de Setembro 2007. Estas imagens foram pré-processadas com a técnica de minimização de ruídos apresentada em MALDONADO e SANTOS (2007) para eliminar as anomalias em forma de três largas faixas que usualmente apresentam as imagens. Porém, não foram utilizadas calibrações radiométricas nem atmosféricas ou outras técnicas de pré-processamento. Na imagem da Figura 3a pode-se observar a Rodovia Transamazônica de leste para oeste, e a estrada que dá acesso a Novo Aripuanã de Norte para sul, na interseção se encontra a cidade pequena de Apuí. (a) (b) Figura 3 Composição RGB 342 CBERS-2 do ano 2004(a). Mapa de uso de 2004 (b). Figure 3 RGB Composition CBERS-2 of 2004(a). Land use map of 2004 (b).

O Mapa de uso do ano 2004 utilizado pertence ao Projeto de detecção do desmatamento do Sul do Estado do Amazonas (MALDONADO et al., 2008). Neste mapa, a classe agrícola ocupa uma superfície pequena, fragmentada e sem interesse para o presente estudo. A classe de uso Pastagens ralas inclui pastagens com intermédia a alta proporção de solo exposto e alguns casos emergentes de babaçu. A classe Pastagens densas inclui pastagens com muita baixa proporção de solo exposto. Em geral se trata de pastagens novas em áreas recém desmatadas e com alta fertilidade, apresentando pastagens densas e verdes escuras. A classe Pasto sujo inclui pastagens com uma variável proporção de solo exposto e arbustos de baixa altura, agrupados ou dispersos. A acuracia geral do Mapa de uso 2004 é de 0.76. A metodologia adotada se apresenta na Figura 4 a seguir. 1. 2. 3. Figura 4 Fluxograma da metodologia. Figure 4 Flow diagram of methodology. Na metodologia as imagens foram co-registradas, e posteriormente aplicada a técnica de detecção de mudanças RCEN Rotação Controlada por Eixo de Não Mudança, Maldonado et al. (2005a, 2007a). 1. RCEN multiespectral: A técnica esta formada como vemos na Figura 4 por duas RCEN da Banda 3 e Banda 4 respectivamente. As técnicas para cada uma das faixa espectral é a simples diferença entre bandas da Equação 1, de formulação simples embora sua base analítica seja mais complexa: I K I K 2 Data2 1 I = (1) det ecção Data 1 A Equação 1 é a equação completa da técnica RCEN, mas em regiões muito vegetadas como a de estudo a equação se repete duas vezes para obter duas imagens intermediárias para a RCEN multiespectral como vemos no fluxograma da figura 4. Esta diferença possui dois coeficientes que multiplicam cada termo, esses são chamados de fatores angulares pois são calculados como o seno e coseno do mesmo ângulo (Equação 2): K = cos ( θ ) e = sin ( θ ) 2 1 K (2) Na RCEN a definição deste ângulo está baseada principalmente nas observações do trabalho de campo. A obtenção deste ângulo se baseia numa regressão linear da radiometría dos pontos do terreno que não mudaram. Esses valores radiométricos são obtidos localizando as amostras rotuladas de não mudança sobre as imagens georreferenciadas, correspondendo ao valor do pixel desses pontos das imagens de cada data. Os pares de valores utilizados para calcular a regressão correspondem as duas datas da mesma faixa espectral. A primeira coluna de valores corresponde a primeira data do período da detecção e a segunda coluna corresponde à segunda data, formando pares de valores da mesma faixa espectral, neste caso na banda do vermelho (TM3 ou CCD3). Esta operação é repetida em forma independente para a faixa do infra-vermelho

próximo (TM4 ou CCD4). Desta forma são obtidos os coeficientes da equação de regressão desses pontos (Equação 3), cujo primeiro coeficiente m é a inclinação da reta de regressão e o segundo b ordenada a origem, do arcotangente de m se calcula o parâmetro angular (θ) para a equação da RCEN (MALDONADO et al., 2004b e 2005); (MALDONADO e SANTOS, 2005). f ( x) = m x + b θ = arctg(m) (3) Finalmente, a técnica de detecção utiliza o ângulo (θ) na transformação da Equação 2. Este cálculo se repete para obter a imagem intermediaria de outra faixa espectral, neste caso a infravermelha. No presente trabalho são utilizadas somente duas faixas espectrais. E a imagem detecção final e obtida através da soma das imagens intermediárias obtidas em cada aplicação da Equação 2, uma para cada faixa espectral obtendo duas imagens detecção as que na Equação 4 são chamadas de imagens intermediárias e usadas para a geração da imagem final da RCEN multiespectral. I I + Detecção. final det eccao.int ermediaria. Banda.3 deceção.int ermediaria. Banda. 4 I = (4) O termo do infravermelho deve participar da soma com sinal negativa devido ás mudanças na cobertura vegetal que são inversamente proporcionais com as mudanças radiométricas no vermelho e diretamente proporcionais as mudanças no infravermelho. Por esta relação inversa com o vermelho o termo do infravermelho á somado com sinal negativo. As mudanças na cobertura vegetal, quando se trata de desmatamento por derrubada da floresta as mudanças radiométricas são de grande intensidade porque em geral o solo subjacente, exposto após a derrubada aparecem nas imagens com coloração escura, pelo alto conteúdo de matéria orgânica e freqüentemente pela queima dos restos de vegetação. A heterogeneidade das superfícies dos solos na região amazônica diminui a precisão das técnicas de detecção de mudanças. Em uma mesma área podemos encontrar latosolos com conteúdo variado de matéria orgânica, ate solos arenosos brancos ou hidromórficos cinzas quase brancos. A matéria orgânica é um fator que diminui a refletividade da superfície do solo e esta por sua vez diminui também em razão do tempo de exposição do solo ao sol e calor, latosolos recém desmatados podem ser inicialmente escuros e com passar do tempo se embranquecem, sobretudo quando secam. Desta forma, solos das pastagens antigas são em geral claros na época seca. Desta forma uma perda da cobertura florestal em solos escuros é pouco detectada para a banda do vermelho, inversamente num solo claro, uma perda de cobertura pode não ser detectada na banda 4, mas é detectada facilmente pela banda de vermelho (TM3 ou CCD3) (Figura 5). (a) (b) Figure 5 Dispersograma das bandas 3 e 4, com a posição radiométrica da floresta e de um sítio desmatado com a superfície de solo clara (a) e escura em (b). Figure 5- Scatterogram of 3 and 4 bands, with the radiometric position of forest and bare soil site, bright (a) and dark (b). A complementariedade entre as duas faixas espectrais para a detecção das mudanças deve ser explorada para obter uma técnica de detecção que seja robusta para regiões muito heterogêneas. A banda do Infravermelho próximo se comporta de forma inversa às bandas do visível em áreas vegetadas. Isto significa que com a

retirada da cobertura vegetal do terreno ocorre uma diminuição da resposta do infravermelho até os valores da superfície do solo subjacente, e nas bandas do visível, pelo contrario, a retirada da cobertura vegetal produz o aumento do valor radiométrico até os valores do solo subjacente. Quando a superfície do solo são muito escura as variações no visível são muito tênues, porém no infravermelho são intensas. 2.Obtenção do Mapa das mudanças, Fatiamento e rotulação: O resultado da soma é uma imagem contínua e deve ser fatiada para obter um mapa temático. O fatiamento neste caso é complexo por se tratar de uma imagem obtida da soma de imagens intermediárias de detecção de mudanças, e o fatiamento deve ser aplicado empiricamente com base nas observações de campo e nas imagens das duas datas, seguindo as restrições de simetria para o posicionamento dos limiares da técnica RCEN (MALDONADO, 2007a). Após o fatiamento, a imagem temática resultante foi rotulada para obter o Mapa das mudanças. 3.Cruzamento entre mapas: Critérios utilizados pelas sentenças condicionais do cruzamento entre o Mapa de Uso e Mapa das mudanças. Esses podem ser cruzados com uma simples álgebra entre mapas com operadores booleanos e sentenças condicionais. As decisões para o cruzamento entre mapas relacionam o mapa anterior com o atualizado. Em áreas de florestas somente a degradação produz mudança de classe de uso, para a classe desmatamento. As mudanças na classe Pastagem ocorrem somente há recuperação forte no caso do intervalo de 3 anos muda a classe pasto sujo. A classe Capoeira em três anos pode mudar com as mudanças de degradação media ou forte, mudando para a classe pastagens. Estas classes simplificadas satisfazem os fins do mapa atualizado que é a simples analise de taxas de desmatamento, recuperação e clearing (roçado de áreas de capoeira para pastagem ou agricultura) RESULTADOS As retas de regressão dos valores de não mudança das Bandas 3 e 4 tiveram inclinações correspondentes a valores angulares de 39 66 10 e 44 20 30 respectivamente. A diferença com 45 do ângulo do vermelho mostra a magnitude das diferenças de transparência atmosférica no momento do imageamento, o ângulo menor de 45, neste caso 39, do significa que as condições atmosféricas na segunda data foram menos propicias para o imageamento. A detecção de mudanças necessitou da informação multiespectral (Figura 6a e 6b), observa-se alguns polígonos de mudanças não detectados pela banda 4. (a) (c) (b) Figura 6- Imagens detecção intermediárias, produzidas pela RCEN das bandas 3 em (a) e pelas bandas 4 em (b). Imagem detecção de mudanças 2004/2007 (c). Figure 6- Intermediate change detection images, Band 3 (a) and Band 4 (b). Change detection 2004/2007 (c).

A complementaridade da informação contida no vermelho e infravermelho, permite que novos desmatamentos e de anos anteriores sejam bem delineados pela RCEN multiespectral. Os novos são bem delimitados pelo infravermelho e os anteriores pelo vermelho. Na análise de correspondência entre imagens foi obtida uma acurácia da detecção de 0,74, valor considerando bom já que as imagens não foram calibradas e o efeito atmosférico na segunda data é apreciável. O cruzamento entre mapas gerou o Mapa de Uso 2007 apresentado na Figura 7. Figura 7- Mapa de uso 2004 atualizado ao ano 2007. Figure 7- Land Use Map 2004 updated to 2007. As 165.740ha sem floresta em 2004, foram aumentadas 36% com 61960ha de áreas desmatadas em 2007. Dentro das áreas sem floresta foram computadas 5340ha de clearing, 21280ha de recuperação em pastagens e 139130ha sem mudanças de uso ou com dinâmica baixa. Nas novas áreas de desmatamento a classe florestal pode ser transformada em pastagem ou aproveitar a alta fertilidade da nova terra para implantar uma cultura, essas diferenças de uso não foram consideradas na atualização e as novas áreas foram reunidas em uma única classe desmatamento. Considerando o curto espaço de tempo entre as imagens 2004 e 2007, não foram consideradas recuperações arbóreas, somente arbustivas e as legendas de recuperação foram referidas ao aumento da vegetação em áreas de pastagens invasão das pastagens por arbustos ou até babaçu. CONSIDERAÇÕES FINAIS O resultado final foi um mapa de uso de legendas simplificadas do ano 2007, obtido com três dias de trabalho de supervisão de campo e custo módico. A principal fonte de confusão para as técnicas de detecção são as mudanças radiométricas produzidas por solos que mudam de cor com a umidade. Essas mudanças se produzem em classes alta proporção de solo exposto como pastagens e culturas. Essas mudanças não geraram mudanças de uso nessas classes pelo que a confusão pode ser desconsiderada no mapa de uso. Nas áreas desmatadas foram observadas duas intensidades de mudanças associadas possivelmente com o tempo do desmatamento. Nessas áreas a umidade e matéria orgânica na superfície dos solos diminui com o tempo e o intemperismo, ficando mais claros e secos. Essa mudança na superfície do solo poderia ser considerada para diferenciar a antiguidade da mudança aumentando a sensibilidade da técnica.

Agradecimentos: Os autores agradecem a Fundação de Amparo a Pesquisa do Estado de Amazonas - FAPEAM e ao CNPq pela bolsa e auxilio pesquisa do Projeto DCR. CNPq/PPG-7 (CNPq: Proc.55712/2005-4), CNPq Universal (Proc:480108/2007-2), ao INPA (INPA: PPI 03.12) pelo suporte financeiro, ao projeto Geoma, ao INPE pelo fornecimento de imagens CBERS-2. REFERÊNCIAS BIBLIOGRÁFICAS CAMPBEL, J.B. Introduction to Remote Sensing. 2nd ed. New York: The Guilford Press, 1996. 622P. COPIN, P. et al. Digital change detection methods in ecosystem monitoring: a review. International Journal of Remote Sensing, v.25, n.9, p.1565-1596. 2004. ESPÍRITO-SANTO, F. D. B. et al. Mapping forest successional stages following deforestation in Brazilian Amazonia using multi-temporal Landsat images. International Journal of Remote Sensing. v.26, n.3, p.635-642, 2005. GRAÇA, P.M.L. Monitoramento e Caracterização de Áreas Submetidas à Exploração Florestal na Amazônia por Técnicas de Detecção de Mudanças. (INPE-13644-TDI/1046) São José dos Campos: INPE, 2004. 275p. LUCAS, R. M. et al. Forest regeneration on abandoned clearance in central Amazonia. International Journal of Remote Sensing, 23, 965 988. 2002. MALDONADO, F.D. Desenvolvimento e avaliação de uma metodología de detecção de mudanças na cobertura vegetal da região semi-árida. 2004, 314p. (INPE-7243-TDI/929). Tese (Doutorado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos. 2004a. MALDONADO, F.D. et al. Innovaciones y mejoramientos de las técnicas de detección de cambios em la cobertura vegetal em regiones semi-áridas. In: SEMINÁRIO DE ATUALIZAÇÃO EM SENSORIAMENTO REMOTO E SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS APLICADOS À ENGENHARIA FLORESTAL, 6, 2004. Curitiba. Anais do VI Seminário de Atualização em Sensoriamento Remoto e Sistemas de Informações Geográficas Aplicados à Engenharia Florestal, Curitiba, 2004b. p. 128-137. MALDONADO, F.D.; SANTOS, J.R. Metodología de detección de cambios utilizando técnicas de rotación radiométrica. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 12., 2005, Goiânia. Anais. São José dos Campos: INPE, 2005. p. 601-608. MALDONADO, F.D. et al. Change Detection Technique based on the Radiometric Rotation Controlled by No-Change Axis, applied on Semi-arid Landscape. International Journal of Remote Sensing, v.28, n.8, p.1789-1804, 2007a. MALDONADO, F.D.; SANTOS, J.R. Minimização dos ruídos das Imagens CBERS através da inversão do algoritmo de classificação isodata em região de floresta amazônica. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 13., 2007, Florianópolis. Anais... São José dos Campos: INPE, 2007b, p.5919-5926. MALDONADO, F.D. et al. Mapa N 6, Subset Mosaico do Mapa de USO de Apui. Relatório técnico final projeto DCR CNPq\FAPEAM 018/2004, 2008. MAS, J.F. Monitoring Land-cover changes: a comparison of change detection techniques. International Journal of Remotes Sensing, v.20, n.1, p.139-152, 1999. MAUSEL, P. et al. Spectral identification of succession stages following deforestation in the Amazon. Geocarto International, n.8, p.61-72, 1993. SANTOS, J.R. et al. Integração de imagens LANDSAT/ETM+ e CBERS-2/CCD para detecção de mudanças em área da Amazônia sob domínio da floresta de transição. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 12., 2005, Goiânia. Anais... São José dos Campos: INPE, 2005. p.1655-1662. STEININGER, M. K. Tropical secondary forest regrowth in the Amazon: Age, area and change estimation with Thematic Mapper data. International Journal of Remote Sensing, n.17, p.9-27, 1996..