Escolar Documentos
Profissional Documentos
Cultura Documentos
new
(p) =
1
(p)
+ 1/
2
(p)
poderia ser utilizada como passo intermedirio ao se calcular um mapa de adequao
de solos (quanto maior o valor, mais adequado).
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-7
0.35 0.20 0.35
0.20
0.20 0.20 0.20
0.20 0.20
5.0 8.0 3.0
20.0
5.0 10.0 15.0
12.0 10.0
0.55 0.33 0.68
0.25
0.40 0.30 0.27
0.25 0.30
Figura 3.3 - Exemplo de uma operao matemtica.
3.2.2 OPERAES DE VIZINHANA
Nesta classe de operaes, dado um geo-campo, computa-se o geo-campo de
sada com base na dimenso e forma de uma vizinhana em torno de cada localizao
p. Exemplos incluem:
clculos de valores mnimo, mximo, mdio, modal para uma vizinhana
em torno de um ponto;
filtros para processamento de DADO_SENSOR_REMOTO;
mtodos de interpolao espacial para MNT (como mdias por vizinho
mais prximo);
mapas de declividade e exposio para MNT;
ndices de diversidade para TEMTICO (onde o valor de sada est
associada ao nmero de vizinhos de um ponto de entrada de uma classe
que pertencem a classes distintas).
Como exemplo de operao de vizinhana, tome-se o caso da estimao da
diversidade de vegetao de uma regio, computado a partir de uma vizinhana 3 x 3
em torno de cada ponto. A idia que a diversidade seja maior em reas de contato
ecolgico entre regies homogneas. A Figura 4.4 apresenta um mapa de vegetao e
mostra a estimativa de diversidade computada para uma parte do mapa.
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-8
1 1 2
1
1 3 2
2 1
Flor. Vrzea
Floresta
Densa
Cerrado
Rebrota
Figura 3.4 - Exemplo de operao de estimativa de diversidade.
3.2.3 OPERAES ZONAIS
As operaes zonais so definidas sobre regies especficas de um geo-campo
de entrada, onde as restries so fornecidas por outro geo-campo temtico. Um
exemplo seria: dado um mapa de solos e um mapa de declividade da mesma regio,
obtenha a declividade mdia para cada tipo de solo.
Estas operaes so sempre definidas sobre geo-campos das classes MNT ou
DADO SENSOR REMOTO. Como a restrio desta operao pode ser um TEMTICO ou
CADASTRAL, considerar-se-o duas definies distintas. Nesta seo, apresenta-se o
caso de operaes zonais onde a restrio um TEMTICO. O segundo caso ser
discutido na seo Operaes Mistas.
No caso de operadores zonais, um geo-campo temtico utilizado para definir
uma regio de interesse aonde computada a funo. Os operadores zonais incluem:
mdia, mximo e mnimo e desvio padro dos valores sobre uma regio
especificada;
ndice de variedade dos valores, onde cada valor no mapa de sada ser
computado a partir do nmero de valores diferentes do geo-campo de
entrada que pertencem a uma mesma regio zonal.
Considere-se, por exemplo, a operao MXIMO ZONAL, onde se toma um
TEMTICO como restrio sobre um MNT, e se retorna o maior valor do MNT para
cada tema (vide Figura 3.5).
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-9
Le
Li
Aq
Ls
5.0 7.5 7.0
20.0
10.0 12.0 15.0
15.0 15.0
Mapa de solos (restrio) Declividade (dado de entrada)
7.5 7.5 7.5
20.0
15.0 15.0 15.0
20.0 15.0
Mximo Zonal
Figura 3.5 - Operao de mximo zonal.
A importncia terica das operaes zonais dupla: permite materializar num
SIG os conceitos de unidade de paisagem (Bertrand, 1981; Tricart, 1977; Tricart e
KiewietdeJonge, 1992) e rea-unidade (Hartshorne, 1978) e permite a ligao entre
dados do meio fsico-bitico e dados scio-econmicos, essencial para estudos de
ordenao do territrio.
Alternativamente aos procedimentos manuais e de forma anloga ao exemplo
anterior, uma operao de mdia zonal pode ser conveniente na determinao da
vulnerabilidade natural eroso (Crepani et al, 1996) ou da fragilidade (Ross, 1990)
das unidades de paisagem ou das unidades territoriais bsicas mapeadas a partir
das imagens de satlites. Toma-se o geo-campo temtico ou cadastral unidade de
paisagem como restrio sobre geo-campos numricos (MNT), que por sua vez, so
resultantes de ponderaes sobre os geo-campos temticos de geologia,
geomorfologia, solos, vegetao e clima. Obtm-se com o resultado um geo-campo
numrico, cujo valor mdio para cada unidade de paisagem mapeada representa sua
vulnerabilidade ou fragilidade natural. Este geo-campo numrico (MNT) pode ser
fatiado em classes de vulnerabilidade (muito alta, alta, mdia, baixa e muito baixa),
obtendo-se um geo-campo temtico.
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-10
3.2.4 OPERAES DE CLASSIFICAO CONTNUA
O uso de tcnicas de classificao contnua busca utilizar as noes de
conjuntos nebulosos (fuzzy), para substituir os processos tradicionais de gerao de
mapas.
Este aspecto particularmente evidente no manuseio de mapas temticos para
anlises de meio-ambiente. Uma fronteira arbitrria, definida precisamente por uma
linha, entre dois tipos de solo, representa erradamente o que , na realidade, uma
variao contnua (Burrough, 1986). Quando realizamos operaes de superposio
entre mapas temticos, o erro inerente diviso arbitrria dos mapas em reas
estanques propagado.
Sui (1992) demonstrou a utilizao da lgica nebulosa (fuzzy logic) para a
modelagem em GIS do uso do solo urbano. Os resultados indicaram que este tipo
abordagem permite acrescentar mais detalhes sobre a transio gradual e reduz a
perda de informao relacionados com os atributos de cada parcela do solo urbano,
possibilitando uma identificao mais realstica destas parcelas.
Estudos realizados pelo Centro Nacional de Pesquisa em Solos da EMBRAPA
evidenciaram que os processos tradicionais de anlise geogrfica (discretizar variveis
para posteriormente combin-las) engendram uma grande perda de sensibilidade no
resultado final.
A alternativa trabalhar sempre com dados em representao contnua, e
utilizar anlises quantitativas sobre mapas geogrficos. Isto equivale, na prtica, a
trabalhar sempre com modelos numricos de terreno para representar variveis
espaciais como solo, geomorfologia, vegetao.
Para uma discusso em maior detalhe sobre o problema, veja-se Druck e
Braga (1995). Uma aproximao de uma funo de pertinncia nebulosa dada pelas
equaes quadrticas
L
(x) e
U
(x), como segue:
L
(x) = 1 se x ,
L
(x) = 1/[1+ (x )
2
] se x < .
U
(x) = 1 se x < ,
U
(x) = 1/[1+ (x )
2
] se x .
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-11
Na equao
L
(x), o parmetro indica o valor mximo, acima do qual a
pertinncia fuzzy considerada total (isto , igual a 1). Abaixo deste valor, a funo
tem uma forma quadrtica, dependendo da variao do parmetro .
Conversamente, na equao
U
(x), o parmetro indica o valor mnimo,
abaixo do qual a pertinncia fuzzy considerada total (isto , igual a 1). Acima
deste valor, a funo tem uma forma quadrtica, dependendo da variao do
parmetro . A figura 3.6 ilustra a funo
L
(x) para o caso = 1 e = 3.
0
0,2
0,4
0,6
0,8
1
1 2 3
Fuzzy_L
Figura 3.6 - Exemplo de funo de pertinncia fuzzy.
Em seu trabalho, Druck e Braga (1995) mostram um caso aonde se procura
determinar classes de fertilidade de solos. As terras foram classificadas conforme sua
exigncia em termos de utilizao dos insumos. A Tabela 3.3 mostra os nveis de
propriedades qumicas para alguns parmetros: clcio e magnsio, fsforo e alumnio.
TABELA 3.3
CLASSES DE FERTILIDADE DE SOLOS
Propriedade
1
Classes
2
Fertilidade
3 4
Ca+++Mg++ Ca+Mg>3 2<Ca+Mg<=3 Ca+Mg<=2 Ca+Mg<2
P P >= 30 10 < P < 30 P < 10 P < 10
Al++ Al > 0,3 0,3 < Al < 1,5 1,5 < Al < 4 Al > 4
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-12
Na Tabela 3.3, a classe 1 indica o solo mais frtil e 4, o menos frtil. Para
determinar as funes fuzzy correspondentes escolhido o parmetro tal que a
primeira classe de nveis de fertilidade de solo tenha o valor nebuloso 1; o parmetro
tal que o valor da funo nebulosa
A
(x) seja igual a 0,5 quando x tiver o valor
inferior da segunda classe de fertilidade. A Tabela 3.4 mostra os parmetros fuzzy
obtidos por este critrio.
TABELA 3.4 - PARAMETROS FUZZY
Propriedades Funo
Ca+++Mg++ 1 3
L
(x)
P 0,0025 30
L
(x)
Al++ 0,3 0,694
U
(x)
3.3 OPERAES SOBRE GEO-OBJ ETOS
Estando definidos os relacionamentos topolgicos sobre geo-objetos, pode-se
definir as operaes sobre geo-objetos:
1. restries sobre atributos: computados em funo das atributos de
entidades espaciais (e.g. selecione todas as cidades de Alagoas com
mortalidade infantil maior que 10% );
2. restries espaciais: derivados a partir dos relacionamentos topolgicos
das entidades geogrficas (e.g. d-me todas as escolas municipais do
bairro Jardim Satlite), de direo (ao norte de, acima de) ou
mtricos (e.g. d-me todas as escolas a menos de 500 m da Via Dutra);
3. propriedades de geo-objetos: os resultados correspondem a predicados de
um geo-objeto ou de um conjunto de geo-objetos (e.g. calcule a mdia do
valor venal das casas do bairro Jardim Esplanada ou indique o caminho
timo para o nibus que vai do Centro ao Jardim Uir).
Estas operaes utilizam as primitivas definidas anteriormente: as relaes
topolgicas toca, dentro de, disjunto, cruza e sobrepe, as relaes mtricas unrias
(comprimento, rea, permetro) e binrias (distncia, direo).
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-13
3.3.1 SELEO POR ATRIBUTOS
O operador de seleo por atributos sobre um conjunto de geo-objetos GO,
dada uma restrio baseada apenas nos atributos descritivos de GO, gera como
resultado um sub-conjunto GO GO, cujos membros satisfazem a restrio.
Esta uma operao semelhante seleo da lgebra relacional, como indica
o exemplo: "Recupere as cidades do Estado de So Paulo com populao entre
100.000 e 500.000 habitantes".
3.3.2 SELEO ESPACIAL
Para definir as operaes de consulta espacial, necessrio lanar mo do
conceito de predicado espacial. Dados uma regio geogrfica R, um conjunto de geo-
objetos GO e um mapa cadastral que mapeia objetos de GO em R, um predicado
espacial uma restrio espacial definida atravs de um relacionamento topolgico
(dentro de, toca, cruza, subrepe e disjunto) ou de um relacionamento mtrico
(distncia).
Intuitivamente, os predicados espaciais utilizados nas operaes envolvendo
geo-objetos so assertivas do tipo rio que cruza o municpio de So Jos dos
Campos, no mapa do Vale do Pariba.
Assim, dados uma regio geogrfica R, um conjunto de geo-objetos GO, um
mapa cadastral que mapeia objetos de GO numa regio geogrfica R e um predicado
espacial, o operador de seleo espacial tal que o resultado desta operao um
subconjunto do conjunto original composto de todos os geo-objetos que satisfazem o
predicado espacial, como ilustrado no exemplo da Figura 4.9:
selecione todas as regies da Frana adjacentes regio de Midi-Pirenes
(que contm a cidade de Toulouse).
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-14
M
Figura 3.7 - Exemplo de operao de seleo espacial.
3.4 OPERAES ENTRE GEO-CAMPOS E GEO-OBJ ETOS
Analisar-se-o a seguir as operaes que combinam geo-campos e geo-
objetos. Elas apresentam particular interesse pois representam o vnculo entre as duas
vises de dados em Geoprocessamento. Como os trabalhos da literatura abordam as
operaes geogrficas privilegiando um dos pontos de vista, a ligao entre geo-
campos e geo-objetos tema ainda pouco explorado.
3.4.1 GERAO DE GEO-OBJ ETOS A PARTIR DE GEO-CAMPOS
Definem-se ainda duas grandes classes de operaes: a operao de
identificao e a operao de interseco espacial.
A operao de identificao transforma um geo-campo temtico em um mapa
cadastral, que mapeia um conjunto de geo-objetos de modo que um dos atributos de
cada geo-objeto o valor de geo-campo temtico. O mapa cadastral ter a mesma
representao geomtrica do geo-campo temtico que o originou.
A operao de interseco espacial produz um mapa cadastral (e um
conjunto de geo-objetos associados) a partir da interseco espacial de um conjunto
de geo-campos. Esta situao tpica de aplicaes de diagnsticos geoambientais
2
,
2
Este exemplo (e toda a teoria de gerao de mapas de geo-objetos a partir de geo-campos) foram inspirados
pelo trabalho das equipes do IBGE e IPEA, sob a Coordenao tcnica da Prof
a.
. Tereza Cardoso da Silva,
que desenvolveram os Projetos PMACI I e II (Projeto de Proteo do Meio Ambiente e das Comunidades
Indgenas - Diagnstico Geoambiental e Scio-Econmico). Ver tambm, Silva, 1987.
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-15
quando se faz a interseco entre mapas temticos para obter as unidades
geoambentais.
Quando um mapa cadastral (e um conjunto de geo-objetos nele representado)
criado a partir da interseco de geo-campos, cada geo-objeto resultante ter, como
seus atributos descritivos, os valores de cada geo-campo de entrada (constante para
cada geo-objeto).
Veja-se o exemplo: determine as grandes unidades geoambientais da
Austrlia, com o cruzamento dos mapas de vegetao, geomorfologia e
solos. (Figura 3.8).
geomorfologia
vegetao
solos
VG
3
GM
1
GM
3
GM
2
VG
2
VG
1
TS
3
TS
2
TS
1
idreg nome geom. veg solo
1203000 R-III
GM
2
VG
3
TS
2
1203001 R-IV GM
3
VG
1
TS
1
R-I
R-II R-III
R-IV
R-V
R-VI
Figura 3.8 - Exemplo de interseo espacial.
Nesta operao pode ser conveniente permitir que o usurio fornea um nome
ou rtulo (label) que identifique a regio. O atributo nome da tabela apresentada
na figura seria ento gerado pelo usurio, de forma individual para cada geo-objeto.
Na literatura, a interseco espacial muitas vezes classificada erroneamente
como um tipo particular de juno espacial (cf. Gting, 1994). Como se viu
anteriormente, a operao de juno espacial parte de dois conjuntos de geo-objetos
e produz, como resultado, pares de geo-objetos j existentes que satisfazem
restrio desejada. A interseco espacial cria novos geo-objetos a partir de geo-
campos. Deste modo, embora haja semelhanas entre os algoritmos grficos utilizados
para implement-las, a operao de interseco espacial (overlay)
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-16
conceitualmente diferente dos casos de operaes booleanas entre geo-campos e
operaes de juno espacial entre geo-objetos
3
.
3.4.2 GERAO DE GEO-CAMPOS A PARTIR DE GEO-OBJ ETOS
A partir de atributos (descritivos ou espaciais) de conjuntos de geo-objetos,
pode-se fazer a gerao de geo-campos. O novo mapa representa uma restrio
espacial definida a partir de um geo-objeto ou a variao de um atributo do
conjunto de geo-objetos, como ilustram os exemplos:
gere um mapa das distncias a partir da via Dutra na regio de So Jos
dos Campos. (operao de mapas de distncia);
para este conjunto de lotes, calcule um temtico a partir do valor venal
do terreno com as classes: temas A (at R$ 300), B (de R$ 300 a 1.000),
C (de R$ 1.000 a R$ 4.000) e D (mais de R$ 4.000). (operao de
reclassificao por atributos).
Um mapa de distncias um mapa de geo-campos contendo as distncias de
cada ponto do mapa a um geo-objeto de referncia (representado por um ponto, linha
ou regio). Trata-se de operao puramente geomtrica (espacial). A Figura 3.9
ilustra esta operao.
Nilo
Egito
Classes de distncia ao rio Nilo
Figura 3.9 - Exemplo de mapa de distncias.
A operao de reclassificao por atributos gera, a partir dos valores de um
atributo especfico dos geo-objetos de um mapa, um geo-campo com a distribuio
espacial deste atributo. Pode haver necessidade de recalcular a topologia do mapa
3
Muitos sistemas comerciais (orientados para as estruturas grficas) utilizam a mesma funo (overlay) para
implementar as trs operaes.
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-17
resultante pois algumas regies sero combinadas. Veja-se o exemplo ilustrado na
Figura 3.10:
Para todos os pases da Amrica do Sul, gere um geo-campo temtico com o
crescimento demogrfico de cada pas, dividido em classes: { (de 0 a 2% ao
ano), (de 2 a 3% a.a.), (mais de 3% a.a.)}.
Crescimento demogrfico
de 0 a 2% a.a
de 2 a 3% a.a
mais de 3% a.a
Figura 3.10 - Exemplo de reclassificao por atributo.
3.4.3 OPERAES MISTAS
Um conjunto importante de operaes involve operaes sobre geo-campos
aonde as restries so dadas por geo-objetos (e vice-versa). No primeiro caso, pode-
se pensar numa variante das operaes zonais e no segundo, num outro tipo de
juno espacial. Apresentam-se a seguir dois exemplos:
1. operaes zonais sobre geo-campos onde geo-objetos so restries:
Dados a altimetria e o mapa de municpios do Vale do Paraba, crie um
novo mapa aonde cada muncipio ser representado por sua altitude
mdia;
2. operaes de seleo espacial aonde geo-campo restrio: Dado um
mapa de solos e um mapa de rios do Estado do Paran, indique todos os
rios que cruzam reas com solos podzlicos.
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-18
3.5 RESUMO DAS OPERAES SOBRE GEO-CAMPOS E GEO-OBJ ETOS
Apresentam-se a seguir um resumo das operaes propostas, aplicveis a geo-
campos e geo-objetos, na Tabela 4.5. Esto indicados para cada operao: a classe
dos objetos de entrada e de sida, e dos objetos modificadores (quando cabvel).
Indicam-se ainda as restries de cada operao.
TABELA 4.5
RESUMO DAS OPERAES
Operao Objeto
Entrada
Objeto
Modificador
Objeto Sada Restrio
Ponderao TEMTICO NUMRICO (funo
unria)
Fatiamento NUMRICO TEMTICO (funo
unria)
Reclassificao TEMTICO TEMTICO (funo
unria)
Booleana NUMRICO,
TEMTICO
TEMTICO (regras)
Matemtica NUMRICO NUMRICO (frmula)
Vizinhana NUMRICO,
TEMTICO
NUMRICO,
TEMTICO
(funo local e
forma da
vizinhana)
Zonais NUMRICO TEMTICO NUMRICO
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-19
TABELA 4.5
RESUMO DAS OPERAES (cont.)
Operao Objeto Entrada Objeto
Modificador
Objeto Sada Restrio
Seleo
Espacial
GEO-OBJETO
(conjunto)
CADASTRAL GEO-OBJETO
(conjunto)
(predicado
espacial)
Juno
Espacial
GEO-OBJETO
(conjuntos)
CADASTRAL GEO-OBJETO e
VALORES
(conjunto)
(predicado
espacial)
Identificao TEMTICO GEO-OBJETO
(conjunto)
CADASTRAL
Interseco
Espacial
TEMTICO (n) GEO-OBJETO
(conjunto)
CADASTRAL
Mapa
Distncias
GEO-OBJETO CADASTRAL TEMTICO (predicado
mtrico)
Reclassifica
o Atributos
GEO-OBJETO
(conjunto)
CADASTRAL TEMTICO (atributo)
Zonal sobre
geo-objetos
TEMTICO,
NUMRICO
GEO-OBJETO,
CADASTRAL
TEMTICO,
NUMRICO
Seleo
espacial
(restr= geo-
campo)
GEO-OBJETO
(conjunto)
CADASTRAL,
TEMTICO,
NUMRICO
GEO-OBJETO
(conjunto)
(predicado
espacial)
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-20
3.6 EXEMPLO DE LINGUAGEM DE MANIPULAO
A equipe do INPE engajada no desenvolvimento do SPRING tem procurado
caracterizar, de forma ampla, as operaes sobre dados geogrficos. Deste estudo
nasceu o projeto da linguagem LEGAL (Linguagem Espacial para Geoprocessamento
Algbrico), descrita em Cmara (1995).
A lgebra de campos proposta em Cmara (1995) foi usada como base para a
implementao parcial da linguagem LEGAL no SPRING-2.0, com os seguintes tipos
de operaes: transformao, booleanas, matemticas e de classificao contnua
(Cordeiro et al., 1996). Um programa em LEGAL estruturado em trs partes:
declaraes, instanciaes e operaes. No que segue, as sentenas em LEGAL sero
escritas em fonte Courier New e as palavras reservadas da linguagem comeam
com Maiscula.
3.6.1 COMPARAO COM LINGUAGEM MAP
Para realizar operaes de modelagem espacial sobre geo-campos, Tomlin
(1990) prope a linguagem MAP (Map Analysis Package), que serve de base para
muitas implementaes comerciais. A implementao mais difundida das idias de
Tomlin a linguagem GRID, disponvel no sistema ARC/INFO. Esta linguagem permite
realizar operaes como:
OUTGRID = INGRID1 + INGRID2
OUTGRID = INGRID1 XOR 5
OUTGRID = SIN(INGRID1)*4/LOG(INGRID2)
A linguagem GRID, embora muito flexvel, tem o srio inconveniente de no
distinguir entre os diferentes tipos de operandos. Isto decorre do fato de estar ligada
s estruturas de dados (matrizes) e no levar em conta a semntica das operaes.
Nos exemplos acima, se INGRID1 for um geo-campo numrico e INGRID2 um
geo-campo temtico, o resultado pode no ter sentido. Em GRID, um geo-campo
temtico no formato matricial chamado de grade de inteiros, e um geo-campo
numrico de grade de ponto flutuante, o que estabelece uma confuso entre o dado
geogrfico e sua representao. Em funo deste tipo de problemas, optou-se por
fazer de LEGAL uma linguagem onde os operadores esto ligados a um contexto
semntico definido pelas diferentes especializaes de geo-campos.
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-21
3.6.2 DECLARAO
Toda varivel em LEGAL deve ser declarada antes de ser utilizada, de acordo
com a sintaxe:
Tematico <var> (<categoria>);
Numerico <var> (<categoria>);
Imagem <var> (<categoria>);
No SPRING, o termo categoria identifica uma especializao das classes
geogrficas bsicas, no caso de geo-campos, as classes TEMTICO, NUMRICO e
IMAGEM. Por exemplo, pode-se definir uma categoria Altimetria como
especializao de GEO-CAMPO NUMRICO.
3.6.3 INSTANCIAO
A instanciao caracterizada pelos operadores Recupere e Novo. O
operador Recupere associa uma varivel a um geo-campo existente no banco de
dados geogrfico a partir de seu nome. O operador Novo cria um novo geo-campo
no banco de dados e requer parmetros, dependendo da representao geomtrica
associada:
imagem em tons de cinza: resoluo horizontal e vertical;
grade regular: resoluo horizontal e vertical, valores maximos e minimos
aceitaveis;
imagem temtica (geo-campo temtico em representao matricial):
resoluo horizontal e vertical e escala;
representao vetorial: escala.
3.6.4 OPERAES DE TRANSFORMAO
Operaes de transformao so usadas para realizar mapeamentos entre
diferentes tipos de campos geogrficos:
PONDERA: transforma uma instncia do campo TEMTICO em uma
NUMRICO;
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-22
FATIA: transforma uma instncia do campo NUMERICO ou IMAGEM em um
TEMTICO ;
RECLASSIFICA: transforma uma instncia do campo TEMTICO em outra
com diferentes classes.
Como regra geral, os operadores de transformao exigem que o usurio
defina um mapeamento entre os domnios de entrada e de sada sob a forma de uma
tabela. A linguagem permite a definio de tabelas especficas para cada tipo de tais
mapeamentos. As especializaes de tabelas previstas pela linguagem so:
PONDERAO, FATIAMENTO e RECLASSIFICAO.
3.6.5 OPERAES BOOLEANAS
Nas operaes booleanas, o valor do geo-campo resultante em cada posio
uma funo apenas do valor da posio correspondente nos geo-campos de entrada.
A sada de uma operao booleana um GEO-CAMPO TEMTICO, cujos valores do
contra-domnio necessitam ser especificados em funo dos valores dos campos de
entrada. Essas condies so calculadas atravs do operador Atribua, com as
condies E (&&), OU (||) e NO (~). Um exemplo de uso desta operao dado
abaixo, onde um mapa de aptido agrcola calculado com base na declividade e no
tipo de solo.
Tematico mapa_solos (Solos),mapa_aptidao (Aptido);
Numerico mapa_decl (Declividade);
mapa_decl = Recupere(Nome=Decl92);
mapa_solos = Recupere(Nome=Solos92);
mapa_aptid = Novo (Nome = Aptidao92, Representacao = Matricial,
ResX = 250, ResY =250, Escala =100000);
mapa_aptid = Atribua (CategoriaFim = AptidaoAgricola)
{ Bom : mapa_solos.Tema = Le && mapa_decl >= 0.05;
Medio : mapa_solos.Tema = Aq && mapa_decl >= 0.1;
Ruim : Outros;
};
No exemplo acima, o termo Outros expressa todos os casos no
indicados especificamente nas condies anteriores.
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-23
3.6.6 OPERAES MATEMTICAS
As operaes matemticas sobre geo-campos que so especializaes de
NUMRICO e IMAGEM incluem:
operaes aritmticas: soma (+), subtrao (), multiplicao () e
diviso(/);
funes matemticas: seno (sin), cosseno (cos), tangente (tan), arco
tangente (atan), logaritmo (log), exponencial (exp), raiz quadrada
(sqrt);
relaes: menor que (<), maior que (>), menor ou igual (<=), maior ou
igual (>=), igual (==), diferente (!=).
3.6.7 CLASSIFICAO CONTNUA
Como indicado na seo 6.2, o uso de tcnicas de classificao contnua
busca utilizar as noes de conjuntos nebulosos (fuzzy) para substituir os processos
tradicionais de gerao de mapas.
Em LEGAL, esto disponveis operadores de transformao de um geo-
campo numrico num campo nebuloso (fuzzy), cujos valores variam entre [0,...1] e
que implementam as funes
L
(x) e
U
(x) (ver seo 6.2), com a seguinte sintaxe:
<mnt>= FUZZYL(<mnt_entrada>, <alfa>, <beta>);
<mnt>= FUZZYU(<mnt_entrada>, <alfa>, <beta>);
Nas equaes acima e so parmetros definidos pelo usurio de modo a se
obter uma funo nebulosa de forma adequada. Para maiores detalhes sobre a
operao, o leitor dever consultar Druck e Braga (1995).
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-24
3.6.8 ATRIBUTOS DE GEO-OBJ ETOS A PARTIR DE GEO-CAMPOS
Esta operao uma variao da operao zonal sobre geo-campos, gerando
atributos de geo-objetos a partir de valores de geo-campos, onde a restrio a
representao espacial dos geo-objetos. Por exemplo, considere a operao obtenha
a altitude mdia de todas os municpios do Estado de So Paulo. Ela pode ser
representada por:
Municipios.altitude = MEDIAZONAL ( Altimetria,
municipios ONMAP mapa_SP);
Numa formulao mais geral, esta classe de operaes pode ser indicada por:
<objeto>.<atributo> = <OPERACAOZONAL> ( <geo-campo>,
<objeto> ONMAP <cadastral>);
Uma operao adicional computa atributos de geo-objetos a partir de uma
condio dada. Por exemplo, a operao Calcule o desmatamento de cada municpio
da Amaznia, baseado num mapa de uso de solo pode ser feita em LEGAL por
Municipio.desmat = AREA ( usosolo = Desmatamento,
municipio ONMAP mapa_AMZ);
3.6.9 RECLASSIFICAO POR ATRIBUTOS
A operao de reclassificao por atributos pode ser realizada em LEGAL pela
seguinte sintaxe:
<geo-campo> = MAPATEMATICO ( <objeto>.<atributo>
ONMAP <cadastral>);
Por exemplo, a operao Gere um mapa de renda dos municpios do estado de So
Paulo, baseado no atributo de renda per capita, pode ser feita com o seguinte
comando em LEGAL:
MapaRenda = MAPATEMATICO ( municipio.renda
ONMAP mapa_SP);
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-25
3.7 EXEMPLO DE OPERAES
Para ilustrar uma sequncia de operaes sobre geo-campos, considerem-se
inicialmente dois geo-campos temticos, indicados na Figura 4.14. O geo-campo
indicado pela pela letra A corresponde ao mapa temtico de geomorfologia para a
regio da Chapada dos Parecis, em Rondnia, e o geo-campo indicado por B
corresponde ao mapa de vegetao da mesma regio.
Figura 4.14 - Geo-campos temticos originais.
As classes de cada geo-campo temtico esto indicadas na tabela 4.6.
TABELA 4.6 - LEGENDAS DOS GEO-CAMPOS A E B
nmero cor Classe no Mapa de Geomorfologia
(A)
Classe do Mapa de Vegetao (B)
1 Branco Formas Estruturais Tabulares (St)
Savana Arbrea Aberta (Saf)
2 Cinza Formas Erosivas em Pedimento
(Epd)
Savana ou Floresta Ombrfila (Soe)
3 Vermelho Superfcie Tabular Erosiva (Et)
Floresta Aberta Submontana (Asc)
4 Azul Formas convexas com dissecao
forte (a22)
Floresta Semidecidual Submontana (Fse)
5 Verde Formas convexas com dissecao
forte e aprofundamento da
drenagem fraco (c22)
Floresta Ombrfila Densa (Dse)
6 Magenta Formas convexas com dissecao
forte e aprofundamento da
drenagem muito fraco (c31)
7 Amarelo Formas tabulares com
aprofundamento da drenagem
muito fraco e dissecao baixa
(t42)
8 Azul claro Formas convexas com dissecao
mdia e aprofundamento da
drenagem fraco (c31)
Fonte: Projeto RADAMBRASIL, vol. 19, Folha SD-20 Guapor.
A B
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-26
A partir dos geo-campos A e B gerou-se um novo geo-campo temtico C
atravs de operao booleana (vide Figura 4.15).
Figura 4.15 - Geo-campo resultante de operao booleana.
No caso da Figura 4.14 o geo-campo A possui oito classes e o geo-campo B,
cinco. Foi utilizado uma operao lgica do tipo AND (interseco), sendo possvel a
ocorrncia de at 40 classes diferentes no geo-campo resultante C (Figura 4.15).
Estas operaes so efetuadas entre classes de dois ou mais geo-campos; o usurio
cria as regras de combinao, conforme um arquivo de regras, que produziro as
novas classes do plano de informao resultante. O SIG interpreta estas regras e
executa as combinaes determinadas pelo usurio, criando uma imagem temtica no
plano de informao resultante.
O programa em LEGAL que realiza esta operao est mostrado a seguir.
Apenas algumas classes de sada so indicadas, para ilustrar o procedimento de
operao.
C
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-27
{
Tematico veget (Vegetacao), geom (Geomorfologia),
veget_geom (Veget_Relevo);
veget = Recupere(Nome=Veget_RADAM);
geom = Recupere(Nome=Geomorf_RADAM);
veget_geom = Novo (Nome = Veget_Geom, Representacao = Matricial,
ResX = 50, ResY =50, Escala =100000);
veget_geom = Atribua (CategoriaFim = Veget_Relevo)
{ V1G1 : veget.Tema = St && geom.Tema = Saf;
V1G2 : veget.Tema = St && geom.Tema = Soe;
V3G4 : veget.Tema = Asc && geom.Tema = a22;
V4G5 : veget.Tema = Fse && geom.Tema = c22;
V5G7 : veget.Tema = Dse && geom.Tema = t42;
};
}
Outro exemplo de operao possvel a partir dos geo-campos A e B a
gerao de um geo-campo temtico de classes de fragilidade a partir de vegetao e
relevo. Para gerar este produto, utilizam-se as operaes de ponderao, operao
matemtica e fatiamento. Inicialmente, gera-se um conjunto de regras de
ponderao, atribuindo um conjunto de pesos a cada classe, de acordo com Crepani et
al (1996). A seguir, realiza-se uma operao mdia ponderada entre dois geo-
campos numricos resultantes da ponderao. O resultado desta operao um novo
geo-campo numrico (MNT) e no temtico, que necessita ser fatiado em intervalos
de classe, por exemplo , baixa, mdia e alta, obtendo-se um novo geo-campo
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-28
temtico. Na figura 4.16, o geo-campo D indica o resultado da operao matemtica
e o geo-campo E, o resultado do fatiamento.
Figura - 4.16. Resultado da Ponderao (D) e Fatiamento (E) sobre os mesmos geo-
campos A e B, da Figura 4.14.
O programa em LEGAL que realiza estas operaes mostrado a seguir.
{
//Declarao das variveis
Tematico veget (Vegetacao), geom (Geomorfologia),
classes_frag (Fragilidade_Tematica);
Numerico fragil (Fragilidade_Numerica);
veget = Recupere(Nome=Veget_RADAM);
geom = Recupere(Nome=Geomorf_RADAM);
fragil = Novo (Nome = Fragilidade, Representacao =
Matricial, ResX = 50, ResY =50, Escala =100000);
classes_frag = Novo (Nome = Classes_Fragildade,
Representacao = Matricial, ResX = 50, ResY =50,
Escala =100000);
Tabela tab_veg (Ponderacao), tab_ geo(Ponderacao),
tab_fat (Fatiamento);
// Ponderacao da Vegetacao
tab_veget = Novo (CategoriaIni="Vegetacao",
"Saf" : 2.5, "Soe" : 2.3,
E D
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-29
"Asc" : 2.0, "Fse" : 1.5,
"Dse" : 2.0) ;
// Ponderacao da Geomorfologia
tab_geo = Novo (CategoriaIni = "Geomorfologia",
"St" : 1.0, Epd" : 1.2,
"Et" : 1.3, "a22" : 2.5,
"c22" : 2.0, "c21" : 1.9,
"t42" : 1.4, "c31" : 1.8 );
// Media ponderada para obter fragilidade
fragil = 0.5 * (Pondere (veget, tab_veg)) + 0.5* (Pondere (geom,
tab_geo));
// Fatiamento de Fragilidade
tab_fat = Novo (CategoriaFim = Fragilidade_Tematica,
Baixa: [0.6, 1.2],
Mdia: [1.2, 1.8],
Alta: [1.8, 2.5]);
classes_frag = Fatie (fragil, tab_fat);
}
Quando atribudo maior ou menor importncia a um geo-campo temtico ou
a qualquer uma de suas classes, realiza-se a interpretao do referido geo-campo
segundo um determinado objetivo. o que ocorre, por exemplo, quando se atribuem
pesos (numa escala de valores arbitrrios, por exemplo, entre 1 e 3) s classes de um
geo-campo temtico de vegetao, considerando sua capacidade de proteger o solo
da ao das chuvas. Esta atribuio de pesos s classes de vegetao pode ser
observada no texto realado em vermelho dentro do programa em LEGAL acima.
Operaes de Anlie Geogrfica
Geoprocessamento em Projetos Ambientais 3-30
Para ilustrar o conceito de mapas de distncia, tomou-se como exemplo um
geo-campo com a rede hidrogrfica de uma regio sobre a qual se precisa mapear
uma suposta legislao que determine: vedada a explorao predatria da flora
e da fauna em uma faixa terra de 200 metros ao longo das margens dos rios.
Figura. 4.17. PI de hidrografia sobre PI de distncias (F) e PI legislao (G).
A Figura 4.17F mostra um PI de distncias (numrico) gerado a partir
do PI de hidrografia. A Figura 4.17G apresenta o resultado (temtico) do fatiamento
do PI de distncias de acordo com a legislao estabelecida, ou seja, uma faixa de
proteo de 200 metros ao longo dos rios.
F G
4
MODELAGEM NUMRICA DE TERRENO
Carlos Alberto Felgueiras
4.1 DEFINIO
Um Modelo Numrico de Terreno (MNT) uma representao matemtica
computacional da distribuio de um fenmeno espacial que ocorre dentro de uma
regio da superfcie terrestre. Dados de relevo, informao geolgicas,
levantamentos de profundidades do mar ou de um rio, informao meteorolgicas
e dados geofsicos e geoqumicos so exemplos tpicos de fenmenos
representados por um MNT.
Dentre alguns usos do MNT pode-se citar (Burrough, 1986):
Armazenamento de dados de altimetria para gerar mapas topogrficos;
Anlises de corte-aterro para projeto de estradas e barragens;
Elaborao de mapas de declividade e exposio para apoio a nalise de
geomorfologia e erodibilidade;
Anlise de variveis geofsicas e geoqumicas;
Apresentao tridimensional (em combinao com outras variveis).
Para a representao de uma superfcie real no computador indispensvel a
elaborao e criao de um modelo digital, que pode estar representado por
equaes analticas ou um rede (grade) de pontos, de modo a transmitir ao
usurio as caractersticas espaciais do terreno. No SPRING um MNT criado na
forma de uma grade de pontos regulares e irregulares.
A criao de um modelo numrico de terreno corresponde a uma nova
maneira de enfocar o problema da elaborao e implantao de projetos. A partir
dos modelos (grades) pode-se calcular diretamente volumes, reas, desenhar perfis
e seces transversais, gerar imagens sombreadas ou em nveis de cinza, gerar
mapas de declividade e aspecto, gerar fatiamentos nos intervalos desejados e
perspectivas tridimensionais.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-2
4.2 O PROCESSO DE GERAO DE UM MNT
O processo de gerao de um modelo numrico de terreno pode ser
dividido em 3 etapas: aquisio das amostras ou amostragem, gerao do modelo
propriamente dito ou modelagem e, finalmente, utilizao do modelo ou
aplicaes.
A amostragem compreende a aquisio de um conjunto de amostras
representativas do fenmeno de interesse. Geralmente essas amostras esto
representadas por curvas de isovalores e pontos tridimensionais.
A modelagem envolve a criao de estruturas de dados e a definio de
superfcies de ajuste com o objetivo de se obter uma representao contnua do
fenmeno a partir das amostras. Essas estruturas so definidas de forma a
possibilitar uma manipulao conveniente e eficiente dos modelos pelos
algoritmos de anlise contidos no SIG. Os modelos mais utilizados so os
modelos de grade regular retangular e os modelos de grade irregular triangular.
As aplicaes so procedimentos de anlise executados sobre os modelos
digitais. As aplicaes podem ser qualitativas, tais como a visualizao do modelo
usando-se projees geomtricas planares ou quantitativas tais como clculos de
volumes e gerao de mapas de declividades.
4.3 ENTRADA DE DADOS
A amostragem de dados no processo de modelagem digital de terreno
uma das tarefas mais importantes de todo o processo. A amostragem compreende
a aquisio de um conjunto de amostras que representam a variao de um
fenmeno espacial de interesse. Uma amostragem no pode ser insuficiente,
subamostragem, nem tampouco ser redundante, superamostragem. A
subamostragem, por falta de informao, leva a gerao de um modelos pobres. A
superamostragem, por excesso de informao, sobrecarrega o sistema com o uso
excessivo de memria e pode, como ser visto adiante, prejudicar os resultados de
uma modelagem. Nenhuma modelagem, por mais complexa ou sofisticada que
seja, pode compensar os efeitos de uma amostragem mal feita.
A amostragem no , em geral, aleatria. A amostragem deve ser
representativa do comportamento do fenmeno que se est modelando. Uma
superamostragem nem sempre significa uma amostragem representativa. Na
definio de uma amostragem representativa deve-se considerar a quantidade e
tambm o posicionamento das amostras em relao ao comportamento do
fenmeno a ser modelado. Por exemplo, uma superamostragem de altimetria
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-3
numa regio plana significa redundncia de informao enquanto que poucos
pontos em uma regio de relevo movimentado significa escassez de informaes.
4.3.1 FONTES DE AMOSTRAS
As fontes mais comuns de amostras de modelos digitais de terrenos so:
arquivos digitais, importados de outros sistemas; bases topogrficas com isolinhas
e pontos notveis de mximos e mnimos e; levantamentos em campo
transformados, de alguma forma, em informao digitais; Para dados de altimetria
pode-se, por exemplo, realizar-se levantamentos em campo com o auxilio de
GPSs (Ground Position Systems). Um conjunto de amostras pode ainda ser
obtido a partir de pares estreos de imagens de sensoriamento remoto.
4.3.2 TIPOS DE AMOSTRAS
Os dados de modelo numrico de terreno esto representados pelas
coordenadas xyz, onde z caracteriza o parmetro a ser modelado, sendo z=f(x,y).
Quanto a posio relativa das amostras pode-se classificar a amostragem em:
regular, semi-regular e irregular. A amostragem regular aquela cuja posio
espacial (x,y) das amostras mantm uma regularidade de distribuio nas direes
x e y. As amostragens semi-regulares so aquelas que preservam a regularidade
de distribuio espacial na direo x ou y mas nunca nas duas ao mesmo tempo.
Amostragem por perfis, por exemplo, apresentam regularidade em uma direo
preestabelecida. Na amostragem irregular no existe regularidade na distribuio
das amostras. Na quase totalidade dos casos as amostras mais representativas de
um fenmeno no esto regularmente distribudas.
Os mtodos de aquisio de dados podem ser por pontos amostrados com
espaamento irregular e regular bem como por mapa de isolinhas. A figura 6.1
mostra vrios tipos diferentes de amostragem por pontos.
De acordo com o tipo de aquisio tem-se a distribuio das amostras conforme as
figuras abaixo:
a) Totalmente Irregular
b) Aerolevantamento
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-4
c) A partir da Drenagem
d) Regular
Figura 4.1 - Tipos de amostragem por pontos
O cuidado na escolha dos pontos e a quantidade de dados amostrados esto
diretamente relacionados com a qualidade do produto final de uma aplicao
sobre o modelo. Para aplicaes onde se requer um grau de realismo maior, a
quantidade de pontos amostrados, bem como o cuidado na escolha desses pontos,
ou seja a qualidade dos dados, so decisivos. Quanto maior a quantidade de
pontos representantes da superfcie real, maior ser o esforo computacional para
que estes sejam armazenados, recuperados, processados, at que se alcance o
produto final da aplicao.
No caso de amostragem por isolinhas, um mapa de isolinhas nada mais do
que a representao de uma superfcie por meio de curvas de isovalor. O exemplo
mais comum so as isolinhas altimtricas existentes nos mapas topogrficos.
Nestes mapas as isolinhas foram impressas com o uso de equipamentos, como
stereoplotters, sobre uma base composta de fotografias em estreo obtidas por
aerolevantamento. Cabe ainda mensionar que nestes mapas topogrficos existem
pontos amostrados irregularmente que foram obtidos por trabalhos de campo. A
Figura abixo mostra o exemplo de um mapa plano-altimtrico com isolinhas a
alguns pontos cotados.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-5
Figura 4.2 - Exemplo de Mapa plano-altimtrico.
A aquisio das isolinhas pode ser efetuada por meio de digitalizao manual com
uso de uma mesa digitalizadora, ou atravs de um processo automtico por meio
de scanner.
A digitalizao manual consiste na operao de idenficao de uma isolinha com
um valor de cota e em aquisio pelo operador por um processo onde segue-se a
liha ao longodo mapa.
Na digitalizao com o uso de scanner, obtida uma matriz de pontos onde
podem ser identificadas as isolinhas e os valores de cota. Processos de vetorizao
que sigam uma isolinha, transformam-na em uma sequncia de pontos com
coordenadas XY de mesmo valor em Z, para cada isolinha.
4.3.3 REDUO DAS AMOSTRAS
Quando se trabalha com uma amostragem regular, muitas vezes
importadas de outros sistemas, pode-se ter redundncia de informao em reas
em que o fenmeno modelado no tem variao ou a variao muito pequena.
Nestes casos comum o uso de algoritmos de reduo de amostras desenvolvidos
especificamente para amostragem regular. Esses algoritmos procuram extrair os
pontos mais importantes do conjunto de amostras. Eles so conhecidos na
literatura como extratores dos Very Important Points (VIPs). Chen (1987)
apresenta um algoritmo simples e eficiente para extrao dos VIPs. Lee (1991)
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-6
compara algoritmos de extrao dos VIPs para construo de modelos digitais de
grades triangulares.
4.3.4 ORGANIZAO DAS AMOSTRAS
As amostras so utilizadas diretamente no processo de gerao dos
modelos. A cardinalidade das amostras pode variar de dezenas at centenas de
milhares. Quando o conjunto amostral muito numeroso comum utilizar-se
algoritmos de organizao das amostras com o objetivo de melhorar a
performance dos processos de gerao dos modelos. Uma das formas mais
utilizadas para organizao das amostras consiste na partio do espao
bidimensional, que envolve as amostras.
Figura 4.3 - Organizao de um conjunto amostral por partio da distribuio
espacial das amostras.
Uma estrutura de rvore binria, conhecida como rvore 2-kd, criada
para representar a partio definida para o conjunto de amostras. O critrio de
particionamento do espao 2-D pode ser definido por um nmero mximo de
amostras em cada partio. Na figura acima, os ns 1, 2, 3 e 4 representam
parties do espao enquanto A, B, C, D e E so ns folhas da rvore binria. Os
ns folhas apontam para o conjunto de pontos que eles representam.
4.3.5 DEFINIO DE VIZINHANAS LOCAIS
Alguns interpoladores locais utilizam uma vizinhana amostral local fim
de estimar o valor de cota de um ponto de interesse. A organizao das amostras,
E
1
3
2
4
C
A
B
D
1
2
3
4
A B
C D E
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-7
como apresentada acima, acelera a busca do conjunto de amostras vizinhas de
uma determinada posio na regio de interesse.
A vizinhana amostral de um ponto qualquer pode ser definida por uma
regio de influncia ou por um nmero determinado de vizinhos. Em uma
vizinhana amostral por rea o nmero de vizinhos varivel podendo at mesmo
ser igual a zero. No caso de vizinhana por nmero de vizinhos a regio de
influncia varivel em tamanho e pode-se evitar o inconveniente de se obter zero
vizinhos de um ponto. A figura abaixo ilustra esses conceitos. (Descrever busca
utilizando a 2dtree e as amostras organizadas.)
Figura 4.4 -Definio de vizinhana: por regio de influencia ( esquerda) e por
nmero de vizinhos ( direita).
Ponto da grade Ponto amostral Amostra vizinha
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-8
4.4 MODELAGEM
4.4.1 INTRODUO
Como j citado anteriormente, a modelagem propriamente dita envolve a
criao de estruturas de dados e a definio de superfcies de ajuste para os
elementos dessas estruturas. O objetivo a obteno de uma funo definvel em
toda a regio de estudo. Essa funo nem sempre contnua e diferencivel para
todos os pontos de seu domnio espacial. Para dados de altimetria, por exemplo,
pode-se ter discontinuidades na forma de precipcios e, neste caso, comum
utilizar funes lineares ou funes definidas dentro de sub-regies da rea de
interesse.
Os modelos podem ser globais ou locais. Os modelos globais so
representados por uma funo definida utilizando-se todos os elementos do
conjunto de amostras. Os modelos locais utilizam funes cujos coeficientes so
definidos por elementos amostrais escolhidos dentro de uma regio local de
interesse. Essas regies locais podem ser definidas por raios de influncia ou por
quantidade de amostras vizinhas.
4.4.2 MODELOS DE GRADE
Os modelos digitais de terreno mais utilizados na prtica so: os modelos
de grade regular retangular e os modelos de grade irregular triangular. O termo
TIN, iniciais de Triangular Irregular Network , o mais usado para se referir ao
modelo de grade irregular triangular.
Ponto da grade Ponto amostral
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-9
Figura 4.5 - Modelo de grade regular retangular (a esquerda) e modelo de grade
irregular triangular(a direita).
O processo de gerao de um modelo de grade compreende a construo
de uma malha, regular ou irregular, e a definio de funes interpolantes locais.
Essas funes so definidas para cada elemento da malha. Assim para cada
elemento bsico da grade, retngulo ou tringulo, define-se uma funo
interpolante que vlida para os pontos internos ao elemento. Esse processo
conhecido como ajuste de superfcie. Cada funo de ajuste, geralmente um
polinmio, definida utilizando-se os vrtices dos elementos e em muitos casos
os vrtices dos elementos vizinhos tambm. Segue uma abordagem mais
abrangente com relao aos modelos de grade retangular e triangular.
4.5 MODELOS DE GRADE REGULAR
4.5.1 INTRODUO
Uma grade regular retangular um poliedro de faces retangulares. O
processo de gerao de uma grade regular consiste em estimar os valores de cota
de cada ponto da grade a partir do conjunto de amostras de entrada. Quando se
faz uso de todas as amostras para interpolar cada ponto da grade diz-se que a
interpolao global. Em geral o conjunto de amostras pode ser muito grande e
no homogneo tornando a interpolao global pouco apropriada em relao ao
tempo de processamento computacional e preciso do modelo. Por exemplo, para
uma grande quantidade de amostras, fica bastante difcil definir-se uma funo
polinomial capaz de representar satisfatoriamente todas as variaes espaciais do
fenmeno em estudo. Assim muito comum utilizar-se interpolao local para o
clculo de cota de cada elemento da grade. Neste caso, o valor de cota de cada
elemento da grade estimado a partir de uma quantidade preestabelecida de
amostras vizinhas mais prximas do elemento.
Um modelo de grade regular retangular pode ser gerado a partir de um
conjunto de amostras regularmente espaadas ou a partir de um conjunto de
amostras irregularmente espaadas. O processo de gerao de uma grade regular
retangular a partir de outra grade tambm regular retangular, objetivando uma
melhora na resoluo da grade, conhecido como refinamento da grade e ser
abordado com mais detalhes a posteriori.
Para se gerar grades regulares retangulares a partir de amostras
irregularmente espaadas comum definir-se funes interpolantes simples (por
exemplo: mdias ponderadas, splines, etc... ) e utiliz-las localmente.
importante notar que a estimativa da cota z de cada ponto da grade realizada a
partir de amostras vizinhas locais mas uma anlise global das amostras sempre
necessria para se encontrar essa vizinhana.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-10
4.5.2 INTERPOLADORES PARA GERAO DE GRADE REGULAR
4.5.2.1 Interpoladores de tendncia
Os interpoladores de tendncia representam as variaes do fenmeno
estudado a partir de regresses polinomiais. A idia ajustar uma superfcie
polinomial sobre todos os dados amostrais minimizando-se o erro de ajuste global.
Geralmente utiliza-se uma minimizao do erro mdio quadrtico. A figura abaixo
ilustra esse conceito para o caso de ajuste de curvas.
Figura 4.6 - Curva polinomial ajustada para representar a variao de um conjunto
de amostra: (a) linear e (b) ordem maior
Os polinmios, em 2 dimenses, tem a forma:
Os coeficientes c
rs
do polinmio so determinados a fim de minimizar o erro
quadrtico mdio, ou seja:
Superfcies de tendncia so funes suaves e raramente passam sobre as
amostras a menos que elas sejam poucas e a ordem da superfcie seja alta. Pouco
usada para modelagem digital sempre que a quantidade de amostras grande.
X
Z
X
Z
(a) (b)
Y X
c Y X f
s r
p s r
rs
. . ) , (
=
+
=
n
i
Y X
f
Y X
Z
i i i i
1
2
)} , ( ) , ( {
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-11
4.5.2.2 Media Mvel
A mdia das cotas das amostras vizinhas, tambm conhecido como mdia
mvel, um dos esquemas de interpolao mais simples para estimao dos
valores de cota dos pontos de uma grade regular retangular.
A formulao geral para este tipo de interpolao :
Sendo que:
z
i
o valor de cota de um ponto i qualquer da grade;
z
j
a cota de uma amostra j vizinha do ponto i da grade e;
w
ij
um fator de ponderao.
Variaes desse esquema bsico so: interpolador por vizinho mais prximo;
interpolador por mdia simples; interpolador por mdia ponderada; interpolador
por mdia ponderada por quadrante e; interpolador por mdia ponderada por
quadrante e por cota.
A interpolao por vizinho mais prximo definida pela escolha de
apenas uma amostra vizinha para cada ponto da grade, ou seja, quando j igual a 1.
A interpolao por mdia simples considera o valor de cota z do elemento
da grade igual a mdia aritmtica dos valores de cota das amostras vizinhas. Neste
caso considera-se que o fator de ponderao w
ij
igual a 1 para qualquer amostra
vizinha.
Na interpolao por mdia ponderada o valor de cota de cada elemento da
grade definido pela mdia ponderada dos valores de cota das amostras vizinhas.
A ponderao mais usada na prtica o inverso da distncia euclidiana do ponto
da grade amostra considerada ou seja:
=
=
=
n
j
ij
n
j
ij ij
i
w
z w
z
1
1
d
w
k
ij
ij
1
=
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-12
Sendo que:
k o expoente da distncia, geralmente igual a 1 ou 2 e;
d
ij
o valor de distncia da amostra j ao ponto i da grade.
intuitivo considerar-se que: quanto mais distante, uma amostra se encontra
do ponto da grade, menor deve ser a sua influncia (peso) no cmputo final do
valor de cota do ponto da grade.
A interpolao por mdia ponderada por quadrante inclui, alm da
ponderao, uma escolha das posies relativas das amostras que entram na
estimativa do valor de cota da grade. Neste caso a idia, como apresenta a figura
abaixo, dividir o espao de projeo, xy, em 4 quadrantes, tendo como
referncia o ponto da grade e considerando uma quantidade fixa de amostras por
quadrante. Assim pode-se utilizar, por exemplo, 1 amostra por quadrante num
total de 4, ou ento, 2 amostras por quadrante num total de 8, e assim por diante.
Esta interpolao garante que a estimativa da cota final do ponto da grade utiliza
amostras representativas de cada uma das 4 regies definidas pelos quadrantes.
Figura 4.7 - Seleo das amostras considerando suas posies relativas (a) 1
amostra por quadrante e (b) 2 amostras por quadrante
) ( ) (
2 2
y y
x x d
j i j i ij
+ =
Ponto da grade Ponto amostral Amostra vizinha
(a) (b)
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-13
O interpolador por mdia ponderada por quadrante e por cota considera,
alm da ponderao e dos quadrantes, o valor de cota de cada amostra a ser usada
na estimativa do ponto da grade. Alguns dados amostrais, como curvas de nvel
por exemplo, podem apresentar uma quantidade exagerada de pontos, que tem a
mesma cota, para representar uma linha de contorno. O efeito final deste tipo de
amostragem pode ser um modelo cheio de patamares centrados nessas curvas.
Nesse caso til aplicar-se uma filtragem por cotas, uma amostra por cota por
exemplo, das amostras que devem ser consideradas na estimativa final da cota de
cada ponto da grade. A figura abaixo ilustra essa idia.
Figura 4.8 - Seleo das amostras considerando-se a posio relativa por
quadrante e os valores de cota das amostras.
Z
Z
Ponto da grade Ponto amostral Amostra vizinha
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-14
4.5.3 SUPERFCIES DE AJ USTE PARA GRADE REGULAR
Aps a estimao dos vrtices de uma grade regular necessrio definir-se
superfcies de ajuste que determinam o comportamento do fenmeno modelado
dentro de cada retngulo do modelo. As superfcies de ajuste so utilizadas para se
determinar o valor do fenmeno para pontos dentro da regio de interesse que no
fazem parte do modelo. A seguir descreve-se o processo de refinamento de uma
grade regular utilizando superfcies de ajustes.
Quando as amostras j esto no formato de grade regular retangular o
trabalho de gerao de uma nova grade bastante simplificado pelo fato de existir
um relacionamento topolgico preestabelecido entre as amostras. Esse
processamento usado, em geral, para mudar a resoluo de uma grade regular
preexistente. Quando a grade regular derivada mais densa do que a grade
original diz-se que houve um refinamento da grade. Felgueiras (1989) apresenta
uma metodologia para refinamento de grades regulares usando interpoladores
bilinear e bicbico. A figura abaixo esquematiza uma forma eficiente de se
calcular o valor de cota de um ponto P utilizando uma interpolao bilinear. A
partir das cotas dos pontos A e B da clula da grade, que contem o ponto P, pode-
se estimar o valor de cota do ponto M com uma interpolao linear. De forma
anloga pode-se estimar o valor de N a partir dos pontos C e D. Finalmente, a
partir de M e N pode-se estimar o valor de P.
Figura 4.9 - Estimao da cota do ponto P com interpolao bilinear
Um esquema anlogo interpolao bilinear pode ser utilizado para
implementar uma interpolao bicbica. Neste caso deve-se usar a clula que
contm o ponto P, suas clulas vizinhas e um interpolador cbico.
A
P
M
D C N
B
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-15
4.5.4 ESTIMATIVA E INCERTEZA
Incerteza expressa noo de credibilidade, confiana e acurcia
(reliability, confidence, accuracy). Espera-se que a estimativa seja prxima
do valor real, porm, seja qual for o mtodo escolhido, sempre existir algum erro.
Embora no seja possvel calcular o erro exatamente espera-se poder atribuir a ele
uma incerteza, ou seja, alguma indicao de sua possvel magnitude. Antes de se
estimar a incerteza de uma estimativa importante listar os principais fatores que
influenciam o erro:
1. Nmero de amostras vizinhas.
2. Proximidade das amostras.
3. Distribuio espacial das amostras.
4. Natureza do fenmeno.
Quanto a distribuio espacial das amostras h que se considerar efeitos de
agrupamentos de amostras (clusters), quadrantes, octantes e amostragem por
curvas de nvel. A natureza do fenmeno est relacionada a continuidade da
varivel espacial modelada. Para uma varivel suave e bem comportada as
estimativas sero mais confiveis do que para uma varivel muito errtica.
comum a utilizao do semivariograma para se definir um padro para a
continuidade do fenmeno.
4.6 MODELOS DE GRADE IRREGULAR
4.6.1 INTRODUO
Uma grade irregular triangular um poliedro de faces triangulares. Em um
modelo de grade irregular triangular os pontos amostras so conectados por linhas
para formar tringulos. Assim, diferentemente da gerao de grade regular, os
valores de cota dos vrtices dos elementos triangulares da malha triangular no
precisam ser estimados por interpolaes. muito simples mostrar que, dado um
conjunto de amostras com cardinalidade maior do que 4, podemos construir mais
de uma malha triangular sobre esse conjuntos. Na figura abaixo temos duas
triangulaes diferentes criadas sobre o mesmo conjunto de 4 amostras.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-16
4.6.2 A TRIANGULAO DE DELAUNAY
Adotando-se critrios especficos para construo da rede triangular pode-
se chegar a malhas nicas sobre o mesmo conjunto de amostras. Uma dessas
malhas, muito utilizada na prtica nos SIGs atualmente em uso profissional ou
cientfico, a malha de Delaunay, mais conhecida como triangulao de
Delaunay. O critrio utilizado na triangulao de Delaunay o de maximizao
dos ngulos mnimos de cada tringulo. Isto equivalente a dizer que, a malha
final, deve conter tringulos o mais prximo de equilteros possvel evitando-se a
criao de tringulos afinados, ou seja, tringulos com ngulos internos muito
agudos. Uma forma equivalente de se implementar a triangulao de Delaunay
utiliza o critrio do circumcrculo. Esse critrio, esquematizado na figura abaixo,
diz que uma triangulao de Delaunay se: O crculo que passa pelos trs vrtices
de cada tringulo da malha triangular no contm, no seu interior, nenhum ponto
do conjunto das amostras alm dos vrtices do tringulo em questo.
Figura 4.10 - Critrio do circumcrculo para gerao de triangulaes de
Delaunay: (a) T1 e T2 so tringulos de Delaunay e (b) T1 e T2 no so tringulos
de Delaunay
Existem vrios mtodos de implementao da triangulao de Delaunay.
Esses mtodos podem ser classificados em dois tipos bsicos: algoritmo de passo
nico e algoritmo de dois passos. Os algoritmos de passo nico criam a
triangulao de Delaunay num nico etapa, aplicando o critrio de Delaunay
durante a construo da triangulao. Os mtodos de dois passos geram uma
triangulao inicial qualquer e numa segunda etapa transformam-na numa
triangulao de Delaunay.
T
T2
T
T2
(a)
(b)
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-17
4.6.3 INCLUSO DE RESTRIES NO MODELO
Na construo de um modelo muito importante que as caractersticas
topogrficas da superfcie sejam preservadas. Assim interessante que o conjunto
de amostras de entrada contenha as linhas caractersticas da superfcie tais como:
linhas divisoras de guas (linhas de mximos) e linhas de drenagem (linhas de
mnimos). O estrutura do modelo de grade triangular mais propcia para a
incluso de linhas caractersticas no modelo.
Uma triangulao de Delaunay com restries uma triangulao que
deve considerar primeiro as caractersticas topogrficas da superfcie e depois o
critrio do circumcrculo de Delaunay, conforme Felgueiras (1995).
Uma mtodo para se gerar uma triangulao de Delaunay com restries
pode: criar uma triangulao de Delaunay pura e depois transformar essa
triangulao considerando as linhas caractersticas do modelo. As figuras abaixo
mostram a transformao de dois tringulos de Delaunay, T1 e T2, para tringulos
que no so de Delaunay. Na primeira figura a mudana se faz necessria a fim de
evitar a criao de patamares, ou seja, tringulos cujos vrtices so todos da
mesma isolinha. Na segunda a mudana garante a manuteno das caractersticas
topogrficas da superfcie.
Figura 4.11 - Evitando problema de criao de patamares: (a) Triangulao de
Delaunay e (b) Triangulao com restrio
T
T
Z
Z
(a)
T
T
Z
Z
(b)
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-18
Figura 4.12 - Transformao da triangulao de Delaunay, de (a) para (b), para
manter as caractersticas topogrficas da superfcie
4.6.4 SUPERFCIES DE AJ USTE PARA GRADES IRREGULARES
4.6.4.1 Ajuste Linear
Considerando-se um comportamento linear dentro de cada tringulo pode-
se estimar, com facilidade, o valor de qualquer ponto da superfcie definida pela
malha triangular. O esforo computacional, neste caso, mnimo. Os trs pontos
dos vrtices de cada tringulo definem um plano no espao tridimensional. A
equao do plano:
Ax +By +Cz +D =0
pode ser determinada pelas coordenadas e atributos dos vrtices de um
tringulo de interesse. Dessa forma, para qualquer ponto a ser estimado deve-se
buscar o tringulo que o contm e, atravs de uma lgebra simples de soluo de
sistemas lineares, obtm-se facilmente o valor de cota desse ponto. Este ajuste
conhecido como ajuste linear sobre a malha triangular. O ajuste linear garante
continuidade entre as superfcies de tringulos vizinhos mas no garante uma
suavidade na transio entre as superfcies.
(a
)
(b
)
Z
1
Z
3
Z
2
Z
1
Z
2
Z
3
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-19
4.6.4.2 Ajuste Quntico
Outro modelo mais complexo, proposto por Akima em 1978, sugere o
ajuste de uma superfcie polinomial de quinta ordem incompleta para cada
tringulo da malha triangular:
Esse polinmio de quinta ordem incompleto possui 21 coeficientes a ser
determinado para definio de uma superfcie quntica sobre o tringulo. Os 21
coeficientes so obtidos considerando-se: os valor de cota em cada vrtice do
tringulo (3 valores); as derivadas parciais de primeira ordem nas direes x (3
valores) e y (3 valores) e; as derivadas parciais de segunda ordem nas direes x
(3 valores), y (3 valores) e xy (3 valores). Akima sugere considerar-se as
derivadas parciais de segunda ordem na direo xy igual as da direo yx. As trs
ultimas condies so obtidas a partir das derivadas parciais nas direes
perpendiculares de cada aresta dos vizinhos do tringulo.
4.6.4.3 Ajuste Estocstico
Fournier (1982) descreve uma metodologia de ajuste de superfcies por
interpoladores estocsticos vlida para modelos de grade triangular. A idia
principal contida nesse mtodo estocstico simular a natureza fractal das
informaes de presentes em fenmenos geogrficos como o relevo, Goodchild
(1987).
y
x
q y x z
j
i
i
i
j
ij
=
=
=
5
0
5
0
) , (
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-20
4.7 GRADE RETANGULAR X GRADE TRIANGULAR
4.7.1 GRADE RETANGULAR A PARTIR DE GRADE TRIANGULAR
A partir de um modelo de grade triangular possvel criar-se um modelo
de grade retangular. Para isto, inicialmente necessria a definio dos
parmetros que definem a grade regular, ou seja, referncia geogrfica, resolues
espacial e tamanho da grade em nmero de linhas e colunas. A partir dessa
definio deve-se calcular o valor de cota de cada elemento da grade. Esse valor
obtido encontrando-se o tringulo que contm o ponto da grade regular.
Utilizando-se os valores de cota dos vrtices desse tringulo e, opcionalmente, dos
vrtices de seus tringulos vizinhos pode-se estimar o valor de cota do ponto da
grade regular. Essa estimativa pode usar uma interpolao linear ou uma
interpolao polinomial de grau maior do que 1. Usando-se apenas os 3 vrtices
de um tringulo pode-se definir o plano que passa por esses 3 pontos. Dessa forma
pode-se estimar o valor de cota de qualquer ponto interno a um tringulo do
modelo irregular. Para se ajustar superfcies no lineares para cada tringulo deve-
se utilizar os vrtices do tringulo e dos seus vizinhos. Quando um ponto da grade
regular no est localizado dentro de nenhum tringulo ento pode-se marc-lo
como sem valor. A transformao de um modelo de grade triangular em
retangular til quando se quer visualizar o modelo em projeo planar a partir de
uma grade regular e o nico modelo que se dispe o de grade triangular. O
processo de visualizao do MDT em projeo planar fornece um resultado mais
realista quando se usa o modelo de grade regular ao invs da grade irregular.
4.7.2 GRADE TRIANGULAR A PARTIR DE GRADE RETANGULAR
Muitas vezes o usurio j tem um modelo de grade regular que foi gerado
anteriormente ou importado de outro sistema. A partir desse modelo de grade
regular, pode-se aplicar um mtodo de reduo de amostras sobre a grade criando-
se um conjunto de amostras irregularmente espaadas. Essas amostras so ento
utilizadas na gerao do modelo de grade triangular. A transformao de grade
retangular para grade triangular pode ser necessrio caso existam algoritmos de
anlise no SIG que s trabalham sobre grades triangulares. Um exemplo tpico
acontece quando o SIG s consegue extrair linhas de contornos de grades
triangulares.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-21
4.7.3 COMPARAO ENTRE OS MODELOS DE GRADE
A tabela abaixo apresenta as principais diferenas entre os modelos de
grade retangular e de grade irregular triangular.
Grade Regular Retangular Grade Irregular Triangular
Apresenta regularidade na distribuio
espacial dos vrtices das clulas do modelo
No apresenta regularidade na distribuio
espacial dos vrtices das clulas do modelo
Os vrtices dos retngulos so estimados a
partir das amostras
Os vrtices dos tringulos pertencem ao
conjunto amostral
Apresenta problemas para representar
superfcies com variaes locais
acentuadas
Representa melhor superfcies no
homogneas com variaes locais
acentuadas
Estrutura de dados mais simples Estrutura de dados mais complexa
Relaes topolgicas entre os retngulos
so explicitas
necessrio identificar e armazenar as
relaes topolgicas entre os tringulos
Mais utilizado em aplicaes qualitativas e
para anlises multinveis no formato
raster
Mais utilizado em aplicaes quantitativas.
Tabela 4.1 - Comparao entre os modelos de grade retangular e triangular.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-22
4.8 ANLISES SOBRE MODELOS DIGITAIS DE TERRENO
4.8.1 INTRODUO
Como j descrito anteriormente, as amostras so processadas de forma a
criar modelos digitais que vo representar a variabilidade do fenmeno nessa
regio. Os modelos digitais so utilizados por uma srie de procedimentos de
anlises teis para aplicaes de geoprocessamento. A utilizao dos modelos
digitais, pelas anlises, possibilita o estudo de um determinado fenmeno sem a
necessidade de se trabalhar diretamente na regio geogrfica escolhida. As
anlises podem ser qualitativas ou quantitativas e so importantes para fins de
simulaes e tomadas de deciso no contexto de desenvolvimento de aplicaes,
ou modelagens, de geoprocessamento que utilizam SIGs.
As anlises desenvolvidas sobre um modelo digital de terreno permitem:
visualizar o modelos em projeo geomtrica planar; gerar imagens de nvel de
cinza, imagens sombreadas e imagens temticas; calcular volumes de aterro e
corte; realizar anlises de perfis sobre trajetrias predeterminadas e; gerar
mapeamentos derivados tais como mapas de declividade e exposio, mapas de
drenagem, mapas de curva de nvel e mapas de visibilidade. Os produtos das
anlises podem, ainda, serem integrados com outros tipos de dados geogrficos
objetivando o desenvolvimento de diversas aplicaes de geoprocessamento, tais
como, planejamento urbano e rural, anlises de aptido agrcola, determinao de
reas de riscos, gerao de relatrios de impacto ambiental e outros.
Esta seo apresenta uma viso geral dos processamentos de anlises que
podem fazer parte de um sistema de modelagem digital de terreno desenvolvido
no ambiente de um SIG. O objetivo descrever os procedimentos de anlises que
mais comumente so realizados sobre os modelos digitais de terreno. O texto
inclui: aspectos tericos e alguns detalhes de implementao computacional de
cada procedimento de anlise, exemplos de aplicao e ilustraes.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-23
4.8.2 GERAO DE IMAGENS DE MDTS
A partir de um MDT pode-se criar imagens em nveis de cinza e imagens
sombreadas. Na sequncia apresentam-se mais detalhes sobre estas anlises.
4.8.2.1 Imagem MDT em nveis de cinza
Essa imagem gerada diretamente do mapeamento dos valores de cota do
modelo para valores de nvel de cinza. Supondo-se que cada pixel da imagem de
nvel de cinza representada por 8 bits pode-se mapear os valores de cota para
valores de nvel de cinza de 0 a 255. A figura abaixo ilustra o mapeamento de um
valor de cota Z
i
para um valor de nvel de cinza NC
i
;
Figura 4.13 - Mapeamento dos valores de cota para nveis de cinza
Considerando-se um mapeamento linear dos valores de cota do modelo
para valores de nveis de cinza, quantizao linear, pode-se calcular o valor NC
i
em funo de Z
i
pelo seguinte equacionamento:
NC
i
= {[(Z
i
Z
min
)*254] / (Z
max
Z
min
)} + 1
Esse equacionamento mapeia os valores de cota do fenmeno representado
para valores de 1 a 255 da imagem. O valor de nvel de cinza igual a 0 usado em
reas onde no existe definio do valor de cota para o modelo.
A figura abaixo mostra uma imagem em nvel de cinza obtida a partir de
um modelo digital de terreno. Essa imagem muito til para se obter uma
Zmi
Zma 255
1
Z
i
NC
i
Modelo Imagem
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-24
percepo qualitativa global da variao do fenmeno representado pelo modelo
digital de terreno.
Figura4.14 - Modelo de grade regular representado como uma imagem em nveis
de cinza
4.8.2.2 Imagem de MDT sombreada
Uma imagem de MDT sombreada gerada a partir do modelo e do
posicionamento, em relao superfcie, de uma fonte de iluminao local.
Assim, para cada ponto do modelo pode-se definir um vetor normal a superfcie N
e um vetor de iluminao I que parte do ponto da superfcie e aponta para a fonte
de iluminao. A partir desses dois valores pode-se calcular um valor de
intensidade de iluminao utilizando-se, por exemplo, o seguinte modelo de
iluminao de reflexo difusa:
NC
i
= I
a
+ I
l
*K
d
*( N
i
.L
i
) = I
a
+ I
l
*K
d
*cos
Esse modelo estabelece que o nvel de cinza da imagem sombreada NC
i
,
na posio i da superfcie, igual a uma intensidade constante de iluminao
ambiente I
a
somado a uma componente de iluminao local. Essa componente
local depende da intensidade da fonte luminosa I
l
, de uma constante de reflexo
difusa K
d
e do angulo formado entre o vetor unitrio normal N e o vetor unitrio
de iluminao I na posio i da superfcie. A figura abaixo ilustra esses conceitos.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-25
Figura 4.15 - Componentes do modelo de iluminao de uma superfcie por
reflexo difusa
O modelo de reflexo difusa, ou modelo lambertiano, um dos mais
simples de ser implementar computacionalmente. Outros modelos mais
complexos podem ser utilizados quando se deseja um efeito de sombreamento
mais realista.A imagem sombreada muito til como imagem de textura para
compor uma projeo geomtrica planar utilizando-se o modelo digital de terreno.
A figura abaixo mostra uma imagem sombreada gerada a partir de um modelo
numrico de terreno.
Figura 4.16- Modelo de grade regular representado como uma imagem
sombreada.
N
x
y
z
L
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-26
4.8.3 VISUALIZAO DO MODELO EM PROJ EO PLANAR
O modelo gerado pode ser visualizado em projeo geomtrica planar com
ou sem informao de textura.
O modelo de grade regular retangular mais apropriado para efeitos de
visualizao do modelo em projeo planar. Os tipos de projeo planar mais
utilizados so os de projeo paralela e os de projeo perspectiva. Na projeo
geomtrica planar paralela necessrio definir-se a direo de projeo, azimute e
elevao. Pode-se tambm definir um fator de exagero vertical que ser
multiplicado pelos valores de cota do terreno para realar ou amenizar as reas
no homogneas da superfcie. Para projeo perspectiva deve-se definir ainda um
centro de projeo que define o ponto de partida, ou de chegada, dos raios de
projeo perspectiva. A figura abaixo mostra como um segmento AB, definido no
espao 3D, projetado num plano de projeo segundo os esquemas de projeo
paralela e perspectiva.
Figura 4.17 - Esquemas de projeo: (a) paralela e (b) perspectiva
4.8.4 VISUALIZAO DO MODELO SEM INCLUSO DE TEXTURA
Para se visualizar o modelo de grade retangular em projeo geomtrica
planar sem incluso de textura deve-se considerar que os pontos da grade esto
conectados com os seus vizinhos por segmentos de reta. Esses segmentos so
projetados em um plano utilizando as equaes de projeo paralela ou
perspectiva. Alm do clculo dos valores projetados, o algoritmo de projeo
geomtrica planar deve conter um processamento de escondimento de linhas no
B
A
B
PLANO DE
PROJEO
CENTRO DE
PROJEO
A
A
PLANO DE
PROJEO
DIREO
DE
PROJEO
A
B
(a)
(b)
B
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-27
visveis que depende do tipo e da direo de projeo e da posio do observador
em relao superfcie quando a projeo perspectiva. A figura abaixo mostra o
resultado da projeo planar de um MDT retangular.
4.8.5 VISUALIZAO DO MODELO COM INCLUSO DE TEXTURA
O modelo digital de terreno pode ser integrado com uma imagem no
processo de projeo perspectiva planar. Em geral, a visualizao do modelo
projetado num plano, com incluso de textura, realizada atravs de tcnicas de
projeo planar conhecidas como ray-tracing. Esta tcnica baseia-se no
acompanhamento do traado do raio desde o centro de projeo at ele alcanar
elementos da superfcie a ser projetada. Nesta tcnica pode-se incluir efeitos de
reflexo, difusa e especular, e de refrao dos raios sobre os elementos da
superfcie. A figura abaixo ilustra o traado de um raio que parte de um centro de
projeo, passa por um ponto do plano de projeo e alcana diversos elementos
pertencentes ao objetos de uma cena. No caso de modelo de grade esses
elementos so tringulos ou retngulos que definem o modelo da superfcie.
Figura 4.18 - Ilustrao da tcnica de ray-tracing
Na projeo de modelos utiliza-se a tcnica de ray-tracing com textura
externa. Neste processo o modelo responsvel pela definio da geometria da
superfcie projetada enquanto que a imagem usada como dado de textura. A
imagem de textura pode ser uma imagem de sensoriamento remoto, de satlite ou
de aerolevantamento por exemplo, ou ima imagem artificial como a imagem
sombreada gerada sobre o prprio modelo que esta sendo projetado no plano.
Atravs da tcnica de ray-tracing com textura externa possvel sintetizar
Plano
de
Centro de
Projeo
Fonte
de luz
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-28
figuras muito parecidas com a realidade de uma cena. A figura a seguir mostra a
projeo geomtrica planar de um modelo com uma imagem sombreada dessa
superfcie.
Figura 4.19 -Visualizao do modelo em projeo planar com textura de uma
composio colorida de 3 bandas de uma imagem LANDSAT
4.8.6 GERAO DE MAPAS DE CONTORNO
Linhas de contorno so curvas que conectam pontos da superfcie com
mesmo valor de elevao. As linhas de contorno podem ser determinadas a partir
de intersees da superfcie com planos horizontais. A projeo dessas
intersees, no plano xy, definem as curvas de contorno. Partindo-se do
pressuposto que a superfcie representada uma funo matemtica definida no
espao xy ento as linhas de contorno tem a propriedade de nunca se cruzarem.
As linhas de contornos so obtidas a partir de intercesses com as arestas
dos elementos bsicos, tringulo ou retngulo, do modelo. A figura abaixo ilustra
o processo de obteno de uma linha de contorno a partir do modelo.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-29
Existem, basicamente, 2 mtodos de gerao de mapas de contornos a partir do
modelo de grade: o mtodo seguidor de linhas e o mtodo de segmentos.
Figura 4.20 -Gerao de uma curva de contorno a partir de um modelo de grade
(a) retangular e (b) triangular
O mtodo seguidor de linhas um mtodo que gera cada linha de contorno
em um nico passo. Por esse mtodo procura-se um segmento que pertence a uma
curva de contorno. Os pontos extremos desse segmento so definidos como
extremos da linha de contorno. Em seguida busca-se os outros segmentos que tem
ligaes com essas extremidades. Os novos segmentos encontrados so
incorporados a linha e definem as novas extremidades. O processo pra quando as
extremidades se encontram, definindo uma curva de nvel fechada, ou quando as
duas extremidades j encontraram as bordas da regio de interesse.
O mtodo de segmentos cria as curvas de nvel em duas etapas. Na
primeira etapa determinam-se todos os segmentos pertencentes a uma valor de
cota predeterminado. Numa Segunda etapa necessrio conectar esses segmentos
a fim de se definir as curvas de nvel que pertencem ao valor de cota
preestabelecido.
Esses processos de gerao de mapa de contornos automtico e necessita
apenas da definio do modelo e das curvas a serem geradas. Essas curvas podem
ser definidas individualmente ou com espaamento constante.
(a) (b)
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-30
4.8.7 GERAO DE MAPAS DE DECLIVIDADE E EXPOSIO
A declividade em uma posio da superfcie definida por um plano
tangente a aquela posio da superfcie modelada pelo MDT. A declividade
composta por duas componentes: o gradiente, as vezes tambm chamado de
declividade, que a mxima razo de variao de cota z e; a exposio que a
direo dessa mxima razo de variao de cota. Neste texto usar-se- os termos
declividade e exposio para essas componentes. A declividade pode ser expressa
em graus (0 a 90) ou em porcentagem enquanto que a exposio expressa em
graus (0 a 360). As formulaes gerais para o clculo da declividade D e
exposio E so dadas a seguir.
D = arctg {[( Z/ X )
2
+( Z/ Y )
2
]
1/2
}
E = arctg [-( Z/ Y )/ ( Z/ X )] ( - < E < )
Onde Z/ X e Z/ Y, derivadas parciais nas direes X e Y, so as
componentes do vetor gradiente em uma dada posio. Segundo Burrough, 1986,
quando a superfcie est sendo representada por um modelo de grade regular
retangular o melhor estimador das componentes do vetor gradiente, em uma
posio i,j do modelo, avaliado por:
[ Z/ X]
i,j
= [( Z
i+1,j+1
+ 2*Z
i+1,j
+ Z
i+1,j-1
)
( Z
i-1,j+1
+ 2*Z
i-1,j
+ Z
i-1,j-1
)]/8* X
[ Z/ Y]
i,j
= [( Z
i+1,j+1
+ 2*Z
i,j+1
+ Z
i-1,j+1
)
( Z
i+1,j+1
+ 2*Z
i,j-1
+ Z
i-1,j-1
)]/8* Y
onde os elementos Z esto distribudos segundo uma vizinhana 8 como mostrado
na figura abaixo.
Figura 4.21 - Distribuio dos elementos de uma grade segundo uma vizinhana
8.
Z
i-1,j
Z
i,j
Z
i-1,j-1 Z
i,j-1
Z
i+1,j-1
Z
i-1,j
Z
i+1,j+1 Z
i,j+1
Z
i-1,j+1
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-31
Quando a superfcie est representada por um modelo de grade triangular
deve-se calcular as componentes Z/ X e Z/ Y a partir da superfcie de ajuste
utilizada para representar o comportamento do fenmeno dentro do tringulo que
contm o ponto definido na posio i,j. Por exemplo, utilizando-se um ajuste
linear para cada tringulo pode-se facilmente obter as derivadas parciais Z/ X e
Z/ Y diretamente da equao do plano que passa pelos vrtices do tringulo.
(Completar com equaes )
4.8.8 FATIAMENTO DO MODELO
O fatiamento de um modelo consiste em se definir intervalos, ou fatias, de
cotas com a finalidade de se gerar uma imagem temtica a partir do modelo.
Assim, cada tema, ou classe, da imagem temtica associado a um intervalo de
cotas dentro dos valores atribudos ao fenmeno modelado. O usurio do GIS
responsvel pela definio das fatias e tambm da associao dessas fatias com
classes predefinidas no sistema. As fatias so definidas de acordo com intervalos
de cotas que so teis para uma determinada aplicao. A figura abaixo ilustra o
processo de fatiamento do modelo.
Figura 4.22 - Ilustrao do processo de fatiamento do MDT
Z
0
Z
i
Z
j
Z
f
C
0
C
i
C
j
Z
1
MODELO
DIGITAL
IMAGEM
TEMTICA
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-32
Da figura acima temos que a classe C
0
est associada ao intervalo de cotas entre
Z
0
e Z
1
, a classe Z
i
est associada ao intervalo de cotas entre Z
i
e Z
j
, e assim por
diante. Os valores de cota Z
0
e Z
f
representam os extremos desse modelo. Quando
um intervalo de cota no for associado a nenhuma classe deve-se atribuir o valor
de nvel de cinza 0 para os pixels da imagem que representam valores de cota
nesse intervalo.
A imagem temtica gerada pelo fatiamento do modelo frequentemente
usada em anlises espaciais como operaes lgicas de interseo e unio. A
figura abaixo mostra uma imagem temtica criada a partir de um modelo digital
de terreno.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-33
Figura 4.23 - Imagem temtica gerada a partir do fatiamento de um
modelo digital de terreno.
4.8.9 ANLISE DE PERFIS
A partir de um modelo de grade regular ou irregular pode-se criar grficos
de perfis do fenmeno ao longo de uma trajetria. Um grfico de perfil representa
a variao do fenmeno estudado em funo da distncia planar percorrida numa
trajetria predefinida. Os pontos do perfil so determinados pela interseco da
trajetria com as arestas do modelo digital de terreno. Num mesmo grfico
possvel traar mais de 1 perfil para poder compar-los.
Este tipo de anlise sobre o modelo pode ser til na determinao das
melhores trajetrias para a construo de uma estrada por exemplo. Neste caso
pode-se estabelecer mais de uma trajetria e analisar os respectivos perfis em
termos de distancias percorridas, variao mxima de cota, inclinaes mxima e
mnima, etc...
Outra aplicao interessante a determinao de uma distribuio tima
de antenas de transmisso, e ou recepo, de sinais de telecomunicao no sentido
de garantir visibilidade entre antenas mais prximas e atender o mximo de
usurios com o mnimo de antenas. No contexto de um SIG interativo pode-se
utilizar, como background , qualquer tipo de dado armazenado na base de dados
para apoiar a definio das possveis trajetrias. A figura abaixo ilustra a criao
de 2 perfis a partir de 2 trajetrias.
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-34
Figura 4.24 - Ilustrao da gerao de perfis (c) utilizando modelos de grade (a)
regular e (b) irregular.
(a) (b)
(c)
Z
Dist
Perfil 1
Perfil 2
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-35
4.8.10 ANLISE DE VISIBILIDADE
A anlise de visibilidade compreende a criao de um mapa de reas
visveis em relao uma ou mais posies do terreno. Esta anlise exige que o
usurio fornea o modelo a ser usado e determine as posies no terreno. A partir
desses dados o aplicativo capaz de gerar perfis entre qualquer ponto do terreno e
as posies predefinidas. Sobre cada perfil o aplicativo faz uma anlise de
visibilidade verificando se a linha que une os dois extremos do perfil corta alguma
linha do perfil. Caso o perfil no seja cortado ento o ponto do terreno visvel
em relao a essa posio. Caso contrrio o ponto marcado como no visvel. A
figura abaixo ilustra a anlise de visibilidade entre os extremos de um perfil do
terreno.
Figura 4.25 - Anlise de visibilidade entre extremos de um perfil: (a) extremos
no visveis e (b) extremos visveis.
Esse tipo de anlise tem aplicaes interessantes na rea de
telecomunicaes. Pode-se, por exemplo, definir-se reas de visibilidade para fins
de telefonia celular. Nessa aplicao importante o estudo das reas de influncia
de uma ou mais antenas e reas de superposio entre 2 ou mais antenas.
Melhorias nesse tipo de aplicao pode incluir a altura da antena, a potncia de
transmisso/recepo que define um raio mximo de influencia e a confeco de
um relatrio com dados de reas atendidas, reas de superposio e reas no
atendidas.
O mapa de visibilidade pode ser representado por uma imagem binria
onde os pontos no visveis so codificados com valor 0 e os pontos visveis so
codificados com o valor mximo permitido pela imagem que 255 para uma
imagem de 8 bits.
Dist
Z
Dist
Z
(b) (a)
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-36
A figura abaixo mostra em (b) um mapa de reas visveis, em branco, a
partir do ponto marcado com + na imagem em nveis de cinza (a) de um modelo
digital de terreno.
Figura 4.26 - Ilustrao da anlise de visibilidade: (a) imagem em nvel de cinza
do modelo e (b) mapa de reas visveis.
(a)
(b)
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-37
4.8.11 CLCULO DE VOLUMES
A partir de um modelo digital de terreno possvel se calcular volumes
dentro de uma regio do espao predeterminada. Delimitando-se de uma rea,
dentro de uma regio de interesse, e definindo-se um plano horizontal de corte Z
= Z
b
, onde Z
b
cota de referncia ou cota base, possvel calcular-se o volume
de corte e o volume de aterro referentes a esse plano base. Assim, os valores de
cota acima da cota base contribuem para o volume de corte enquanto que os
valores de cota abaixo da cota base contribuem para o volume de aterro. Pode-se
calcular tambm uma cota ideal para o plano horizontal que igualaria os volumes
de aterro e de corte. Esses clculos so muito teis para objetivos de estudos da
terraplanagem de uma rea. A figura a seguir mostra o perfil de um terreno e as
regies que contribuem para os volumes de corte (+) e de aterro (-) segundo o
plano base Z = Z
b
.
Figura 4.27 - Perfil de um terreno ilustrando o volume de corte (+) e o volume de
aterro (-) em relao um plano horizontal Z = Z
b
Essa mesma aplicao pode ser usada para fins de clculo do volume de
gua represado por uma barragem. O plano horizontal base e a regio de interesse
so definidos pela altura de enchimento da barragem. Neste caso o volume de
gua da barragem igual ao volume de aterro calculado.
X
Y
+
+
+
-
-
-
Z
b
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-38
Uma aplicao mais completa de clculo de volumes a partir do modelos
digitais de terreno deve incluir tambm o uso de planos bases no horizontais.
Neste caso o usurio poderia definir o plano base a partir do vetor normal ao
plano. A figura abaixo ilustra o uso de um plano no horizontal no clculo dos
volumes de aterro e corte.
Figura 4.28 - Perfil de um terreno ilustrando o volume de corte (+) e o volume de
aterro (-) em relao um plano no horizontal
X
Y
+
+
+
-
-
-
Modelagem Numrica de Terreno
Geoprocessamento para Projetos Ambientais
4-39
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-1
5
GEOESTATSTICA: FUNDAMENTOS E APLICAES
Eduardo Celso Gerbi Camargo
5.1 INTRODUO
Como nos ensina Burrough (1998), quando os dados so abundantes, a maior parte
dos mtodos de interpolao produz valores semelhantes. Como discutido no captulo
anterior, os mtodos tradicionais de interpolao espacial, como triangulao, mdia
local das amostras e mtodo da distncia inversa, esto amplamente disponveis nos
SIGs do mercado. No caso de dados esparsos, no entanto, tais mtodos possuem
limitaes na representao da variabilidade espacial, porque desconsideram a
anisotropia e a continuidade do fenmeno que se quer observar. Alm disso, deixam
sem resposta algumas questes importantes, tais como (Burrough, 1987):
Qual o tamanho ideal do domnio ou da janela de estimao ?
Que forma e orientao deve ter a janela para se obter uma estimao tima ?
Existem outros modos para estimar os pesos alm daqueles baseados em funo
de distncia ?
Quais so os erros (incertezas) associados aos valores estimados ?
Na realidade, as propriedades naturais da superfcie terrestre so espacialmente
contnuas, sendo restritivo descrev-las atravs de simples funes matemticas que no
respondem as questes acima formuladas. Modelos inferenciais para este objetivo vm
sendo propostos. A krigeagem um desses modelos, e sua base conceitual est
fundamentada na teoria das variveis regionalizadas, formalizada por Matheron (1971).
O termo krigeagem derivado do nome de Daniel G. Krige, que foi o pioneiro
em introduzir o uso de mdias mveis para evitar a superestimao sistemtica de
reservas em minerao (Delfiner e Delhomme, 1975). O que diferencia a krigeagem de
outros mtodos de interpolao a estimao de uma matriz de covarincia espacial que
determina os pesos atribudos s diferentes amostras, o tratamento da redundncia dos
dados, a vizinhana a ser considerada no procedimento inferencial e o erro associado ao
valor estimado. Alm disso, a krigeagem tambm fornece estimadores exatos com
propriedades de no tendenciosidade e eficincia.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-2
Portanto, a incorporao de procedimentos geoestatsticos em SIGs, baseados
em tcnicas de krigeagem, importante, porque essa associao melhora os
procedimentos tradicionais de tais sistemas devido qualidade do estimador e,
principalmente, pela informao de acurcia fornecida nesse modelo inferencial.
Neste contexto, este captulo discute o uso de procedimentos geoestatsticos
baseado em tcnicas de krigeagem no ambiente de Geoprocessamento. Estes
procedimentos englobam anlise exploratria, gerao e modelagem de
semivariogramas, validao do modelo e interpolao de krigeagem e tem como
principal objetivo a anlise em duas dimenses para dados espacialmente distribudos,
no que diz respeito interpolao de superfcies geradas a partir de amostras
georreferenciadas obtidas por amostragem.
Os resultados aqui discutidos serviram de base para o desenvolvimento de um
Mdulo de Procedimentos Geoestatsticos no SPRING (Camargo, 1997). Ferramentas
semelhantes esto disponveis no ARC/INFO e GRASS.
5.2 FUNDAMENTAO TERICA
A variabilidade espacial de algumas caractersticas do solo vem sendo uma das
preocupaes de pesquisadores praticamente desde o incio do sculo. Smith (1910)
estudou a disposio de parcelas no campo em experimentos de rendimento de
variedades de milho, numa tentativa de eliminar o efeito de variaes do solo.
Montgomery (1913), preocupado com o efeito do nitrognio no rendimento do trigo, fez
um experimento em 224 parcelas, medindo o rendimento de gros. Vrios outros
autores, como Waynick e Sharp (1919), tambm estudaram variaes de nitrognio e o
carbono no solo.
Os procedimentos usados na poca baseavam-se na estatstica clssica e
utilizavam grandes quantidades de dados amostrais, visando caracterizar ou descrever a
distribuio espacial da caracterstica em estudo. Por estatstica clssica entende-se
aquela que se utiliza de parmetros como mdia e desvio padro para representar um
fenmeno e se baseia na hiptese principal de que as variaes de um local para outro
so aleatrias.
Krige (1951), trabalhando com dados de concentrao de ouro, concluiu que
somente a informao dada pela varincia seria insuficiente para explicar o fenmeno
em estudo. Para tal, seria necessrio levar em considerao a distncia entre as
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-3
observaes. A partir da surge o conceito da geoestatstica, que leva em considerao a
localizao geogrfica e a dependncia espacial.
Matheron (1963, 1971), baseado nas observaes de Krige, desenvolveu a teoria
das variveis regionalizadas. Uma varivel regionalizada uma funo numrica com
distribuio espacial, que varia de um ponto a outro com continuidade aparente, mas
cujas variaes no podem ser representadas por uma funo matemtica simples.
A teoria das variveis regionalizadas pressupe que a variao de uma varivel
pode ser expressa pela soma de trs componentes (Burrough, 1987): a) uma componente
estrutural, associada a um valor mdio constante ou a uma tendncia constante; b) uma
componente aleatria, espacialmente correlacionada; e c) um rudo aleatrio ou erro
residual.
Se x representa uma posio em uma, duas ou trs dimenses, ento o valor da
varivel Z, em x, dada por (Burrough, 1987):
Z(x) = m(x) +
(x) +
(5.1)
onde:
m(x) uma funo determinstica que descreve a componente estrutural de Z
em x;
(5.3)
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-5
Em outras palavras, como supomos m(x) ser constante, a variao local das amostras (e
seu relacionamento espacial) pode ser caracterizado pela semivarincia (h).
5.3 VARIOGRAMA
O variograma uma ferramenta bsica de suporte s tcnicas de krigeagem, que permite
representar quantitativamente a variao de um fenmeno regionalizado no espao
(Huijbregts, 1975). Considere duas variveis regionalizadas, X e Y, onde X = Z(x) e Y
= Z(x+h). Neste caso, referem-se ao mesmo atributo (por exemplo, o teor de zinco no
solo) medido em duas posies diferentes, conforme ilustra a Figura 5.2, onde
Fig. 5.2 - Amostragem em duas dimenses.
x denota uma posio em duas dimenses, com componentes (x
i
, y
i
), e h um vetor
distncia (mdulo e direo) que separa os pontos.
O nvel de dependncia entre essas duas variveis regionalizadas, X e Y,
representado pelo variograma, 2(h), o qual definido como a esperana matemtica do
quadrado da diferena entre os valores de pontos no espao, separados pelo vetor
distncia h, isto ,
2(h) = E{[Z(x)-Z(x+h)]
2
} = Var[Z(x)-Z(x+h)] . (5.4)
Atravs de uma amostra z(x
i
), i=1, 2, ..., n, o variograma pode ser estimado por
2 ( =
1
N( )
z( )- z( )
N( )
2
h)
h
x x h
h
[ ]
i i
i
+
1
, (5.5)
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-6
onde:
2
( ) h - o variograma estimado;
N(h) - o nmero de pares de valores medidos, z(x
i
) e z(x
i
+h), separados por
um vetor distncia h;
z(x
i
) e z(x
i
+h), - so valores da i-sima observao da varivel
regionalizada, coletados nos pontos x
i
e x
i
+h (i = 1, ..., n), separados pelo vetor
h.
5.3.1 PARMETROS DO SEMIVARIOGRAMA
A Figura 5.3 ilustra um semivariograma experimental com caractersticas muito
prximas do ideal. O seu padro representa o que, intuitivamente, se espera de dados de
campo, isto , que as diferenas {Z(x
i
) - Z(x
i
+ h)} decresam medida que h, a
distncia que os separa decresce. esperado que observaes mais prximas
geograficamente tenham um comportamento mais semelhante entre si do que aquelas
separadas por maiores distncias. Desta maneira, esperado que (h) aumente com a
distncia h.
Fig. 5.3 - Exemplo de semivariograma.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-7
Os parmetros do semivariograma podem ser observados diretamente da Figura
5.3 :
Alcance (a): distncia dentro da qual as amostras apresentam-se
correlacionadas espacialmente. Na Figura 5.3, o alcance ocorre prximo de
25m.
Patamar (C): o valor do semivariograma correspondente a seu alcance (a).
Deste ponto em diante, considera-se que no existe mais dependncia espacial
entre as amostras, porque a varincia da diferena entre pares de amostras
(Var[Z(x) - Z(x+h)]) torna-se invariante com a distncia.
Efeito Pepita (C
0
): idealmente, (0)=0. Entretanto, na prtica, medida que h
tende para 0 (zero), (h) se aproxima de um valor positivo chamado Efeito
Pepita (C
0
), que revela a descontinuidade do semivariograma para distncias
menores do que a menor distncia entre as amostras. Parte desta
descontinuidade pode ser tambm devida a erros de medio (Isaaks e
Srivastava, 1989), mas impossvel quantificar se a maior contribuio provm
dos erros de medio ou da variabilidade de pequena escala no captada pela
amostragem.
Contribuio (C
1
): a diferena entre o patamar (C) e o Efeito Pepita (C
o
).
5.3.2 CLCULO DO SEMIVARIOGRAMA A PARTIR DE AMOSTRAS REGULARMENTE
ESPAADAS
Considere o conjunto de amostras regularmente espaadas, em duas dimenses,
conforme apresentado na Figura 5.4.
Fig. 5.4 - Amostras regularmente espaadas em duas dimenses.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-8
Para determinar o semivariograma experimental, por exemplo, na direo de 90
0
o clculo de
(90
o
, 100m) . Isto feito, os clculos so repetidos para a prxima distncia, por
exemplo, 200m. Isto inclui todos os pares de observaes cuja distncia igual a 200m.
O processo repetido at que algum ponto de parada desejado seja alcanado. Este
procedimento pode ser melhor compreendido com o auxlio da Figura 5.5 e tambm
deve ser realizado para outras direes (0
0
, 45
0
e 135
0
).
Fig.5.5 - Ilustrao para o clculo do semivariograma a partir de amostras regularmente
espaadas.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-9
5.3.3 CLCULO DO SEMIVARIOGRAMA A PARTIR DE AMOSTRAS
IRREGULARMENTE ESPAADAS
Considere o conjunto de amostras irregularmente espaadas, em duas
dimenses, conforme apresentado na Figura 5.6. Neste caso, para determinar o
semivariograma experimental, necessrio introduzir limites de tolerncia para direo
e distncia.
Fig. 5.6 - Parmetros para o clculo do semivariograma a partir de amostras
irregularmente espaadas em duas dimenses.
FONTE: Modificada de Deutsch e Journel (1992)
Tome como referncia o Lag
2
(Lag refere-se a uma distncia pr-definida, a
qual utilizada no cculo do semivariograma) da figura acima. Suponha um
incremento de Lag igual a 100 metros com tolerncia de 50 metros. Considere ainda a
direo de medida 45
0
com tolerncia angular 22.5
0
. Ento, qualquer par de observaes
cuja distncia est compreendida entre 150m e 250m e 22.5
0
e 67.5
0
ser includo no
clculo do semivariograma de Lag
2
. Este processo se repete para todos os Lags.
Ainda com referncia na Figura 5.6, a largura de banda (BW) se refere a um
valor de ajuste a partir do qual se restringe o nmero de pares de observaes para o
clculo do semivariograma. A prxima etapa constitui o ajuste de um modelo terico ao
semivariograma experimental, conforme descrito a seguir.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-10
5.3.4 MODELOS TERICOS
O grfico do semivariograma experimental,
_
,
_
,
<
>
'
0
5 5 0
1
,
, , , |
, |
| | 0
1
| |
0
3
| |
a a
a
a
(5.6)
5.3.4.2 MODELO EXPONENCIAL
Um outro modelo bastante utilizado o modelo exponencial, o qual
apresentado em azul na Figura 5.7. A equao normalizada deste modelo :
( ) xp
0 , |
1 exp
| | h
h
h
h
_
,
'
|=0
|
a
, | 0
(5.7)
Este modelo atinge o patamar assintoticamente, com o alcance prtico definido
como a distncia na qual o valor do modelo 95% do patamar (Isaaks e Srivastava,
1989).
5.3.4.3 MODELO GAUSSIANO
O modelo gaussiano um modelo transitivo, muitas vezes usado para modelar
fenmenos extremamente contnuos (Isaaks e Srivastava, 1989). Sua formulao dada
por:
( ) Gau
|=0
1 exp
2
| |
| 0
h
h
h
h
_
,
'
0 , |
, |
a
(5.8)
Semelhante no modelo exponencial, o modelo gaussiano atinge o patamar
assintoticamente e o parmetro a definido como o alcance prtico ou distncia na qual
o valor do modelo 95% do patamar (Isaaks e Srivastava, 1989). O que caracteriza este
modelo seu comportamento parablico prximo origem, conforme representado na
Figura 5.7 atravs da linha slida verde.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-12
5.3.4.4 MODELO POTNCIA
O modelo potncia no um modelo transitivo, portanto no atinge o patamar.
Em geral, este tipo de modelo utilizado para modelar fenmenos com capacidade
infinita de disperso. A Figura 5.8 ilustra o modelo potncia, o qual expresso atravs
de:
Pot (| |) h
h
h h
'
0 ,|
| ,|
|=0
. | | 0 c
e
(5.9)
onde,
c o coeficiente de declividade, e
e o expoente.
Fig.5.8 - Representao grfica do modelo potncia.
At este ponto foram apresentados os principais modelos bsicos normalizados,
os quais so utilizados para modelar ou ajustar o semivariograma experimental. Na
prtica, os semivariogramas experimentais possuem valores de efeito pepita (C
o
) maior
que zero e valores de patamar (C) maiores que a unidade, conforme ilustrado na Figura
5.9.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-13
Fig. 5.9 - Representao grfica de semivariogramas experimentais e modelos tericos.
Em resumo, os semivariogramas dos modelos transitivos bsicos so assim definidos:
Modelo Esfrico de Semivariograma:
( )
0 , | |= 0
3
2
| | 1
2
3
| |
Sph (| |) |
|
h
h
h h
h h
h
+
_
,
_
,
1
]
1
1
+ <
+ >
'
C
o
C
1
a a
C
o
C
1
a
C
o
C
1
a
[ ] , |
, |
0 (5.10)
Modelo Exponencial de Semivariograma:
( )
| | 0
1 exp
| |
Exp (| |)] ,| | 0
h
h
h
h h
_
,
1
]
1
'
0 ,
[
o
C +
1
C
a
o
C +
1
C
(5.11)
Modelo Gaussiano de Semivariograma:
( )
| | 0
1 exp
2
| |
[Gau (| |)] ,| | 0
h
h
h
h h
_
,
1
]
1
1
'
0 ,
o
C +
1
C
a
o
C +
1
C
(5.12)
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-14
De maneira anloga, o modelo potncia escrito em termos de semivariograma da
seguinte forma:
Modelo Potncia de Semivariograma :
( ) h
h
h h h
'
0 ,|
| ,|
|=0
. | Pot (| |) | 0
0 0
C +c
e
C +
(5.13)
5.3.4.5 MODELOS ANINHADOS
Existem determinados fenmenos em que so necessrios modelos mais
complexos de semivariograma para explicar suas variaes espaciais. Estes modelos so
combinaes de modelos simples, denominados aninhados. McBratney e Webster
(1986) observaram que modelos aninhados so necessrios para explicar a variao do
solo decorrente de fatores independentes de formao. Por exemplo, um modelo
aninhado til em estudos de minerao e pesquisa de solo o duplo esfrico.
McBratney et al. (1982) o utilizaram para descrever a variao do cobre e do cobalto no
solo. Este modelo definido como:
1
2
( )
3
2
| | 1
2
3
| |
( ) | |
3
2
| | 1
2
3
| |
( ) | |
| |
| | =0
h
h h
h h
h h
h h
h
h
_
,
_
,
1
]
1
1
<
+
_
,
_
,
1
]
1
1
<
+ >
'
C C
a a
a
C C
a a
a a
C C a
0 1
1 1
1
0 2
2 2
1 2
0 2 2
,
,
,
,
0
0
(5.14)
onde,
a
1
e C
1
correspondem aos parmetros de alcance e contribuio,
respectivamente, do primeiro modelo esfrico (
1
(h)) e
a
2
e C
2
correspondem aos parmetros de alcance e contribuio,
respectivamente, do segundo modelo esfrico (
2
(h)).
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-15
Este modelo mostrado na Figura 5.10, onde as linhas slidas representam os
modelos de ajuste terico ao semivariograma experimental.
Fig. 5.10 - Representao grfica de um modelo duplo esfrico.
Dependendo do fenmeno em estudo, outros modelos aninhados so necessrios
para caracterizar a variabilidade espacial. Por exemplo: duplo exponencial, exponencial
com duplo esfrico, linear com duplo esfrico, etc.
5.3.5 ANISOTROPIA
A anisotropia pode ser facilmente constatada atravs da observao dos
semivariogramas obtidos para diferentes direes. As convenes direcionais usadas na
geoestatstica so mostradas na Figura 5.11.
Fig. 5.11 - Convenes direcionais usadas na geoestatstica.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-16
Considere os semivariogramas obtidos para as direes 0
0
, 45
0
, 90
0
e 135
0
,
ilustrados na Figura 5.15. Verifica-se uma similaridade bastante grande entre eles. Esta
a representao de um caso simples e menos freqente, em que a distribuio espacial
do fenmeno denominada isotrpica. Neste caso, um nico modelo suficiente para
descrever a variabilidade espacial do fenmeno em estudo.
Fig. 5.12 - Representao grfica de semivariogramas isotrpicos.
Por outro lado, se os semivariogramas no so iguais em todas as direes, a
distribuio denominada anisotrpica. Se a anisotropia observada e refletida pelo
mesmo Patamar (C) com diferentes Alcances (a) do mesmo modelo, ento ela
denominada Geomtrica.
Considere o semivariograma ilustrado na Figura 5.13. Os pontos interligados
com linhas tracejadas so os semivariogramas experimentais em duas direes
ortogonais. O semivariograma que atinge primeiro o patamar (azul) se refere direo
de 120
0
e o semivariograma com maior alcance (vermelho) se refere direo de 30
0
.
As linhas slidas em ambas direes so os modelos tericos de ajuste dos
semivariogramas experimentais.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-17
Fig. 5.13 - Representao grfica de anisotropia geomtrica.
Um modo direto de visualizar e calcular os parmetros (fator e ngulo) da
anisotropia geomtrica atravs do esboo grfico de uma elipse, calculada atravs dos
alcances obtidos em direes distintas, conforme Figura 5.14. As convenes que
seguem, so as adotadas por Deutsch e Journel (1992). Para o eixo maior da elipse,
denominado direo de mxima continuidade, aplica-se o maior alcance(a
1
). O ngulo
da direo de mxima continuidade definido a partir da direo Norte e no sentido
horrio. Seu valor corresponde direo de maior alcance. O eixo menor define o
alcance(a
2
) na direo de menor continuidade, sendo este ortogonal direo principal.
Fig. 5.14 - Representao grfica da anisotropia geomtrica em duas dimenses.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-18
FONTE: Modificada de Deutsch e Journel (1992), p. 24.
O fator de anisotropia geomtrica definido como a razo entre o alcance na
direo de menor continuidade (a
2
) e o alcance na direo de maior continuidade (a
1
).
Neste caso, o fator de anisotropia geomtrica sempre menor que a unidade e o ngulo
de anisotropia igual ao ngulo da direo de mxima continuidade.
Existe ainda um outro tipo de anisotropia em que os semivariogramas
apresentam os mesmos Alcances (a) e diferentes Patamares (C). Neste caso, a
anisotropia denominada Zonal. Como a isotropia, a anisotropia zonal tambm um
caso menos freqente presente nos fenmenos naturais. O mais comum encontrar
combinaes da anisotropia zonal e geomtrica, denominada anisotropia combinada.
Considere o semivariograma apresentado na Figura 5.15. Os pontos interligados
com linhas tracejadas correspondem a semivariogramas experimentais em duas direes
ortogonais. O semivariograma com maior patamar (azul) refere-se direo de 60
0
e o
semivariograma com menor patamar (vermelho) refere-se sua direo perpendicular
(150
0
). Os modelos de ajuste aos semivariogramas esto representados por linhas
slidas.
Fig. 5.15 - Representao grfica de anisotropia combinada.
Segundo Isaaks e Srivastava (1989), a anisotropia zonal pode ser considerada
como um caso particular da anisotropia geomtrica, ao se supor um fator de anisotropia
muito grande. Nesta condio, o alcance implcito na direo de menor continuidade
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-19
muito grande. A estrutura do semivariograma ento adicionada somente para a direo
de maior continuidade.
5.4 KRIGEAGEM
O termo krigeagem derivado do nome Daniel G. Krige, que foi o pioneiro a
introduzir o uso de mdias mveis para evitar a superestimao sistemtica de reservas
de minerao (Delfiner e Delhomme, 1975). Inicialmente, o mtodo de krigeagem foi
desenvolvido para solucionar problemas de mapeamentos geologicos, mas seu uso
expandiu-se com sucesso no mapeamento de solos (Burgess e Webster, 1980a,b),
mapeamento hidrolgico (Kitanidis e Vomvoris, 1983), mapeamento atmosfrico
(Lajaunie, 1984) e outros campos correlatos.
A diferena entre a krigeagem e outros mtodos de interpolao a maneira
como os pesos so atribudos s diferentes amostras. No caso de interpolao linear
simples, por exemplo, os pesos so todos iguais a 1/N (N = nmero de amostras); na
interpolao baseada no inverso do quadrado das distncias, os pesos so definidos
como o inverso do quadrado da distncia que separa o valor interpolado dos valores
observados. Na krigeagem, o procedimento semelhante ao de interpolao por mdia
mvel ponderada, exceto que aqui os pesos so determinados a partir de uma anlise
espacial, baseada no semivariograma experimental. Alm disso, a krigeagem fornece,
em mdia, estimativas no tendenciosas e com varincia mnima
1
.
Segundo Oliver e Webster (1990), a krigeagem engloba um conjunto de mtodos
de estimao, a saber: krigeagem simples, krigeagem ordinria, krigeagem universal,
Co-krigeagem, krigeagem disjuntiva, etc. Este trabalho limita-se somente
apresentao da krigeagem ordinria, descrita a seguir.
1
Estimativas no tendenciosas significam que, em mdia, a diferena entre valores
estimados e verdadeiros para o mesmo ponto deve ser nula; e varincia mnima
significa que estes estimadores possuem a menor varincia dentre todos os estimadores
no tendenciosos.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-20
5.4.1 KRIGEAGEM ORDINRIA
Considere uma superfcie sobre a qual se observe alguma propriedade do solo, Z,
em n pontos distintos, com coordenadas representadas pelo vetor x. Assim, tem-se um
conjunto de valores {z(x
i
), i=1, ..., n}, onde x
i
, identifica uma posio em duas
dimenses representada pelos pares de coordenadas (x
i
, y
i
). Suponha que se objetive
estimar o valor de Z no ponto x
0
. O valor desconhecido de Z(x
0
) pode ser estimado a
partir de uma combinao linear dos n valores observados, adicionado a um parmetro,
0
(Journel, 1988):
Z
*
Z( )
0
0 i x
x +
i
n
i 1
. (5.15)
Deseja-se um estimador no tendencioso, isto ,
E [Z
o
x
- Z
o
x
*
] = 0 . (5.16)
A relao acima impe que as duas mdias sejam iguais; assim aplicando-se a
Equao 5.39 em 5.40, obtem-se:
[ ] E Z E
i
i
n
i
i
n
x
x
o
i
Z( +
1
]
1
+
0
1
0
1
. ) m m . (5.17)
A krigeagem ordinria no requer o prvio conhecimento da mdia m. Neste caso,
para que a igualdade da Equao 5.41 seja satisfeita necessrio que:
0 i
0 e
i
n
1
1 .
Portanto, o estimador de krigeagem ordinria :
Z
*
0
x
x
i
n
i
i
Z
1
( )
,
com
i
i
n
1
1 . (5.18)
Journel (1988) mostra que, minimizando a varincia do erro (Var Z Z [ ]
*
x x
0 0
) sob a
condio de que
i
i
n
1
1 , os pesos
i
so obtidos a partir do seguinte sistema de
equaes, denominado sistema de krigeagem ordinria:
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-21
j i j i 0
j
C( C para i 1,..., n
j 1
n
j 1
n
( , ) , )
'
x x x x
1
(5.19)
onde,
C(x
i
, x
j
) e C(x
i
, x
0
) so respectivamente, a semivarincia entre os pontos x
i
e
x
j
e entre os pontos x
i
e x
0
.
o multiplicador de Lagrange necessrio para a minimizao da varincia
do erro.
A correspondente varincia minimizada do erro, denominada varincia de krigeagem
ordinria (
ko
2
), dada pela seguinte expresso (Journel, 1988):
ko
2
i
i =1
n
Var C C [ ] ( ) ( , )
*
Z Z
i x x
0 x x
0 0
0
. (5.20)
A krigeagem ordinria um interpolador exato no sentido de que, quando as equaes
acima forem usadas, os valores interpolados iro coincidir com os valores dos pontos
amostrais. A varincia da krigeagem ordinria, indicada na equao (5.20), fornece
informao importante sobre a confiabilidade dos valores interpolados (Burrough,
1998).
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-22
5.5 EXEMPLO DE APLICAO
Esta seo mostra, atravs de um experimento prtico, a importncia da integrao de
um SIG com procedimentos geoestatsticos na anlise e interpolao de dados
espacialmente distribudos.
Os dados utilizados, de propriedade do Centro Nacional de Pesquisas de Solos (CNPS -
RJ), foram obtidos no levantamento dos solos da Fazenda Canchim, em So Carlos -
SP. Estes se referem a uma amostragem de 85 observaes georreferenciadas coletadas
no horizonte Bw (camada do solo com profundidade mdia de 1m). Dentre as variveis
disponveis, selecionou-se para estudo o teor de argila.
O estudo de caso aqui apresentado refere-se anlise da variao espacial do teor de
argila sobre a rea da Fazenda Canchim. Considera-se o teor de argila ao longo do
perfil, classificado do seguinte modo (Calderano Filho et al., 1996):
MUITO ARGILOSO: solos que apresentam 59% ou mais de argila;
ARGILOSO: solos que apresentam de 35% a 59% de argila;
MDIO: solos que apresentam de 15% a 35% de argila;
ARENOSO: solos que apresentam menos de 15% de argila.
Para tal experimento, foram realizados os procedimentos de anlise geoestatstica:
anlise exploratria e de continuidade espacial do teor de argila, modelagem dos
semivariogramas experimentais, validao do modelo e interpolao atravs de
krigeagem. Para maiores detalhes, o leitor deve referir-se a Camargo (1997), que
descreve ainda o desenvolvimento de um mdulo geoestatstico no ambiente SPRING.
5.5.1 ANLISE EXPLORATRIA
Como mencionado anteriormente, a amostra composta por 85 observaes
georreferenciadas; dentre as variveis disponveis, escolheu-se o teor de argila. O valor
desta propriedade corresponde s observaes que se realizaram no interior do solo,
horizonte Bw. A Figura 5.16 apresenta a distribuio das observaes na rea de
estudo.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-23
Fig 5.16 - Distribuio das observaes na rea de estudo.
Utilizando os recursos disponveis do Mdulo de Anlise Exploratria desenvolvido no
sistema SPRING, pode-se determinar que a distribuio da varivel em estudo
aproximadamente normal, dando suporte hiptese de normalidade dos dados.
5.5.2 MODELAGEM DOS SEMIVARIOGRAMAS E DA ANISOTROPIA
Aps anlise exaustiva das diferente configuraes dos dados, descrita em Barbosa
(1997), foram considerados dois semivariogramas, como representativos da anisotropia
dos dodos: o associados direo Norte (0
o
), que possui maior alcance e o
semivariograma associado direo Leste (90
o
), que possui menor alcance. O resultado
do ajuste experimental dos semivariogramas apresentado na Figura 5.17.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-24
Fig. 5.17 - Representao grfica dos modelos tericos de ajuste aos semivariogramas
experimentais nas direes 0
o
e 90
o
.
Conforme ilustrado na Figura 5.17, as linhas azuis, em ambas direes, so os modelos
tericos de ajuste dos semivariogramas direcionais. O semivariograma com maior
patamar foi ajustado com um efeito pepita de (83,0), uma estrutura esfrica com
contribuio (352,0) e alcance (4.031,0). De maneira anloga, o semivariograma na
direo 90
o
foi ajustado com efeito pepita (45,5), uma estrutura esfrica com
contribuio (210,0) e alcance (1.883,0).
O passo seguinte refere-se a modelagem da anisotropia. Inicialmente identifica-se os
eixos de anisotropia, isto , os eixos de maior e menor variabilidade espacial do
fenmeno em estudo. Neste caso, em particular, os eixos de anisotropia coincidem com
os eixos de coordenadas. Uma vez identificados os eixos de anisotropia, define-se um
nico modelo que descreve como o semivariograma varia quando mudam as distncias
e direes.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-25
Um mtodo para combinar os modelos direcionais num nico modelo consistente para
todas as direes apresentado por Isaaks e Srivastava (1989, p. 377-386).
Resumidamente, este mtodo consiste em definir uma transformao que reduz o
modelo direcional a um modelo normalizado com alcance igual a 1 (substitui-se h pela
distncia h/a, onde a o alcance). O modelo nico (ou completo), o qual expresso
atravs da seguinte equao:
4031,0 4031,0
( ) , , ,
,0
h + + + + +
_
,
_
,
1
]
1
1
_
,
1
]
1
1
_
,
_
,
_
,
45 5 210 0
2 2
142 0
2 2
1883
Sph
0
o
h
90
o
h
Sph
0
o h
90
o h
+
_
,
+
_
,
_
,
1
]
1
1
37 5
2 2
, Sph
0
o
h
90
o
h
. (5.21)
O modelo completo, apresentado na Equao 4.3, composto de quatro termos, a saber:
O primeiro termo referente ao efeito pepita (C
o
), igual a 45,5.
O segundo termo referente 1
a
componente estrutural, um modelo esfrico
com contribuio 210, alcance 4031,0 na direo Norte (0
o
) e alcance 1883,0
na direo Leste (90
o
).
O terceiro termo referente 2
a
componente estrutural, um modelo esfrico
com contribuio 142,0 e alcance 4031,0 relativo direo Norte (0
o
).
Por ltimo, o quarto referente 3
a
componente estrutural, um modelo esfrico
com contribuio 37,5 e alcance muito pequeno, , relativo direo Norte
(0
o
). Este um artifcio empregado para representar o segundo efeito pepita .
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-26
5.5.3 ANLISE E APRESENTAO DE RESULTADOS
Para a apresentao dos resulatdos, adotada a nomenclatura abaixo descrita:
GKrV: refere-se grade de valores estimados obtida da interpolao de
krigeagem, a partir de um modelo anisotrpico que supostamente representa a
verdadeira continuidade espacial do fenmeno em estudo. Da anlise
geoestatstica realizada, supe-se que o fenmeno apresenta maior
continuidade na direo Norte (0
o
) e menor na direo Leste (90
o
).
GKrVe: refere-se grade da varincia de krigeagem, associada a GKrV.
GKrI: refere-se a Grade de valores estimados obtida da interpolao de
krigeagem a partir de um modelo isotrpico. Neste caso, admite-se que a
continuidade espacial do fenmeno a mesma em qualquer direo.
GKrIe: refere-se grade da varincia de krigeagem, associada a GKrI.
GKrA : refere-se grade de valores estimados obtida da interpolao de
krigeagem, a partir de um modelo anisotrpico que utiliza direes
intermedirias (10
o
e 100
o
) s direes de mxima e mnima continuidade.
GKrAe: refere-se grade da varincia de krigeagem, associada a GKrA.
5.5.4 RESULTADOS DA KRIGEAGEM
Como ponto de partida, interessante verificar a continuidade espacial do
fenmeno em estudo (teor de argila). Para realizar tal anlise, necessrio transformar
as grades de valores estimados e as correspondentes grades de erros em imagens.
A seqncia de imagens a seguir apresenta os resultados obtidos sobre as grades
GKrV (Figura 5.18), GKrVe (Figura 5.19), GKrI (Figura 5.20), GKrIe (Figura 5.21),
GKrA (Figura 5.22) e GKrAe (Figura 5.23).
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-27
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-28
Atravs das imagens apresentadas, pode-se constatar algumas caractersticas
comuns:
essas imagens revelam que, nas regies Norte e Nordeste, o teor de argila
relativamente baixo;
na regio Central, observa-se mudanas graduais do teor de argila, indo de
valores moderados a altos, e
nas regies Sul e Sudoeste aproximadamente moderado.
De maneira anloga, as grades de varincia do erro mostram que o erro da estimativa
aumenta medida em que se afasta dos pontos de observaes. possvel tambm
identificar, nestas imagens, regies onde a amostragem pode ser melhorada.
Um outro aspecto a ser observado, e talvez o mais importante, o efeito da
anisotropia:
Observa-se, na grade GKrV, a qual supostamente representa a verdadeira
continuidade espacial, que as mudanas graduais do teor de argila so
visivelmente diferentes das demais, principalmente na regio central.
A imagem da grade GkrI mostra que a continuidade espacial do teor de argila se
propaga uniformemente em todas as direes. Neste caso a anisotropia
mascarada e, portanto, o resultado no revela a verdadeira continuidade espacial
da varivel em estudo.
Por outro lado, a imagem da grade GkrA apresenta um caso intermedirio da
suposta continuidade espacial verdadeira. Este caso tambm no revela a
verdadeira variabilidade espacial, apenas mostra que o teor de argila se propaga
mais intensamente na direo 10
o
e menos intensamente na direo ortogonal
(100
o
).
Resumindo, esta primeira anlise procurou enfocar, atravs de trs exemplos, que a
escolha do modelo decorrente da anlise de continuidade espacial deve ser a melhor
possvel, a fim de retratar a verdadeira variabilidade do fenmeno em estudo.
A anlise seguinte refere-se a uma operao de fatiamento realizada na grade GKrV, a
qual supostamente representa a verdadeira continuidade espacial do teor de argila. Os
valores utilizados no fatiamento esto definidos segundo Calderano Filho et al. (1996).
O resultado desta operao a imagem apresentada na Figura 5.25.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-29
Fig. 5.24 - Geologia da regio de estudo.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-30
Fig. 5.25 - Imagem relativa ao fatiamento
da grade GKrV.Observando as Figuras 5.24 e 5.25, nota-se que ambas
possuem feies semelhantes. Segundo Calderano Filho et al. (1996), no Arenito
Superficial, encontram-se os solos argilosos e de teor mdio de argila, na Formao
Serra Geral (diabsio) predominam os solos com teores argilosos a muito argilosos e na
Formao Arenito Botucatu encontram-se solos com teor mdio de argila e os solos
arenosos.
Um outro tipo de anlise refere-se comparao entre o mapa de classes de
solos segundo o teor de argila, Mp1, (concebido pelo CNPS-EMBRAPA) e o mapa de
teor de argila, Mp2, (gerado atravs de procedimentos geoestatsticos). Neste caso, a
anlise restrita, pois, considera-se apenas o teor de argila s respectivas classes de
solos. A Figura 5.26 confronta os resultados expressos pelos mapas Mp1 e Mp2.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-31
Fig. 5.26 - Comparao entre o mapa de classes de solos segundo o teor de argila e o
mapa de teor de argila gerado atravs de procedimentos geoestatsticos.
Na Figura 5.26, alguns resultados so observados. Por exemplo, examinando a
regio norte e nordeste do mapa de solos (Mp1), observa-se a presena de solos
arenosos (classe AQd) e solos com teor mdio de argila (classes LEd3, LEa2, LEa3), o
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-32
que pode ser constatado tambm no mapa de teor de argila (Mp2). Um outro exemplo,
so os solos argilosos e muito argilosos (classes de solos Lud, LRd1 e Tre1), que se
encontram na regio central de ambos os mapas, Mp1 e Mp2. E assim, vrias outras
classes de solo, como LVa1, LVa2, etc.
Considerando a deficincia de amostragem, com as conseqentementes
limitaes impostas anlise geoestatstica efetuada, o resultado apresentado na Figura
5.26 de certa forma expressivo e revela a boa adequao das tcnicas de krigeagem ao
estudo de caso.
5.5.5 KRIGEAGEM VERSUS MTODOS CONVENCIONAIS DE ESTIMAO
Esta seo apresenta, de forma comparativa, os resultados obtidos da krigeagem
com outros mtodos de estimao disponveis no sistema SPRING, como: mdia
ponderada pelo inverso do quadrado da distncia, mdia simples e vizinho mais
prximo. No o objetivo deste trabalho detalhar cada um destes mtodos, pois os
mesmos so descritos na literatura, como, por exemplo, em Burrough (1987).
Das 85 observaes de campo realizadas nos limites da Fazenda Canchim, as seguintes
grades de valores estimados so geradas:
GKrV e GKrI : conforme definido anteriormente;
GID: refere-se grade de valores estimados obtida atravs do mtodo de
estimao mdia ponderada pelo inverso do quadrado da distncia;
GMS: refere-se grade de valores estimados obtida atravs do mtodo de
estimao mdia simples;
GVP: refere-se grade de valores estimados obtida atravs do mtodo de
estimao vizinho mais prximo.
A seqncia de imagens a seguir apresenta os resultados obtidos e se refere s grades
GKrV , GKrI , GID, GMS e GVP . O mapa geolgico utilizado como referncia
anlise comparativa.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-33
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-34
Atravs das imagens apresentadas , pode-se constatar alguns
fatos:
relativamente fcil de ser constatado que a imagem referente GKrV
(Grade de Krigeagem obtida a partir de um modelo anisotrpico e que
supostamente representa a Verdadeira continuidade espacial do fenmeno) a
que melhor expressa a variabilidade do teor de argila. Por exemplo, no mapa
geolgico onde ocorre o diabsio, cujo teor de argila do produto de alterao
grande, observa-se que o resultado expresso pela grade GKrV tende a moldar
a variabilidade espacial do fenmeno nesta regio.
Com algumas ressalvas, o mtodo da mdia ponderada pelo inverso do
quadrado da distncia produz resultado que se assemelha ao resultado da
krigeagem proveniente de um modelo isotrpico. O ponto crtico, porm,
ocorre em regies onde h superestimao e subestimao do teor de argila o
que difere do resultado oriundo da krigeagem, onde as mudanas de valores do
teor de argila so graduais.
Os resultados produzidos pelos mtodos de estimao mdia simples e vizinho
mais prximo (Figura 4.31) so menos expressivos com relao aos demais. O
mtodo da mdia simples produz resultado que apresenta imbricao,
principalmente na regio central da rea de estudo (Figura 4.30). J o mtodo
de estimao relativo ao vizinho mais prximo (Figura 4.31), embora sendo o
que pior expressa a variabilidade espacial do fenmeno estudado, revela a
rea de influncia de cada ponto de observao. Tal informao de grande
valia, como, por exemplo, numa anlise preliminar para deteco de valores
amostrais suspeitos.
Uma forma alternativa de avaliar os resultados produzidos pelos respectivos
estimadores atravs da operao de fatiamento aplicada s respectivas grades
geradas. Os resultados so apresentados a seguir.
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-35
De maneira anloga anlise anterior, constata-se que o resultado relativo ao fatiamento
da grade GKrV o que melhor expressa a variabilidade do fenmeno, quando
comparado ao mapa de classes de solos concebido pelo CNPS-EMBRAPA (Figura
Geoestatstica: Fundamentos e Aplicaes
Geoprocessamento em Projetos Ambientais
5-36
4.34). Tambm verifica-se que o resultado referente ao fatiamento da grade GID (Figura
4.37) prximo ao resultado do fatiamento da grade GKrI (Figura 4.36), mas apresenta
regies que h superestimao e subestimao de valores. Os resultados referentes s
Figuras 4.38 e 4.39 so menos expressivos que os demais.
Este captulo se encerra com a ilustrao da Tabela 5.1, a qual apresenta, de
forma sintetizada, as principais razes pelas quais os resultados obtidos pela krigeagem
produziram resultados mais significativos em relao aos outros mtodos de estimao.
TABELA 5.1 - CARACTERSTICAS DOS MTODOS DE ESTIMAO.
Mtodos Geoestatsticos Mtodos Convencionais
os pesos so determinados a partir de
uma anlise de correlao espacial
baseada no semivariograma.
i
= f [(h)]
os pesos so determinados meramente
em funo da distncia.
i
= f (d
i
)
rea de influncia na interpolao
indicada pelo alcance.
raio de busca arbitrrio.
Modela anisotropia, isto , detecta as
direes de maior e menor
continuidade espacial do fenmeno.
Anisotropia ignorada.
Trata redundncia (Clusters), isto ,
atribui pesos adequados para
agrupamentos de amostras.
Redundncia ignorada. Neste caso,
podem ocorrer superestimao ou
subestimao de valores.
6
METODOLOGIAS PARA APLICAES AMBIENTAIS
Gilberto Cmara, Jos Simeo de Medeiros,
Cludio Clemente F. Barbosa, Eduardo C.G. Camargo
6.1 INTRODUO
Este captulo procura discutir os diferentes usos de Geoprocessamento para
aplicaes ambientais. Partimos da perspectiva de que uma aplicao consistente
de Geoprocessamento para anlise ambiental deve conter trs componentes:
Uma metodologia de integrao de dados que estabelea a contribuio de
cada varivel geogrfica para o resultado desejado;
Um roteiro de trabalho, consistindo numa sequncia de etapas a ser cumpridas,
incluindo o levantamento, a anlise e a sntese;
Um conjunto de operaes executveis em um SIG, que materialize
computacionalmente o procedimento do item (b).
Conforme estabelecemos na Seo 1 (Introduo), pode-se apontar pelo menos
quatro grandes dimenses dos problemas ligados aos Estudos Ambientais, onde
grande o impacto do uso da tecnologia de Sistemas de Informao Geogrfica:
Mapeamento Temtico, Diagnstico Ambiental, Avaliao de Impacto
Ambiental, e Ordenamento Territorial. Para resolver estes problemas, podemos
agrupar de forma genrica, as diferentes metodologias de anlise ambiental em
duas grandes classes, discutidas no restante deste captulo:
Anlises pontuais.
Estudos baseados em reas.
Uma terceira forma de trabalho so as anlises baseadas em operaes de
vizinhana , com base em metodologias de geoestatstica. Para esta discusso, o
leitor deve referir-se ao captulo 5.
A principal diferena entre as anlises pontuais e as baseadas em rea o uso,
respectivamente, de critrios de diviso lgica (top-down), e critrios de
agrupamento (bottom-up) para realizar anlises espaciais. Ross (1995) denomina o
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-2
primeiro caso de pesquisas ambientais multitemticas e o segundo, de land-
systems.
Nas pesquisas ambientais multitemticas, so gerados mltiplos produtos temticos
disciplinares, uns com caractersticas analticas e outros de sntese, sob uma
orientao multi e interdisciplinar. Numa primeira fase so gerados produtos
temtico-analticos que tratam de forma setorizada os temas da natureza
(climatologia, geologia, geomorfologia, pedologia, vegetao e fauna) e da scio-
economia (demografia, qualidade de vida, legislao, uso da terra, estruturas
regionais e urbanas). Posteriomente estes produtos so integrados de maneira a
atender aos objetivos propostos. (Ross, 1995).
Os procedimentos operacionais com a denominao genrica de land systems
utilizam como referencial padres fisionmicos do terreno (padres de paisagens
ou unidades de paisagens) e geram como resultados produtos temticos analticos-
sintticos. O territrio seccionado em diversas unidades de paisagem que
retratam de forma integrada certas particularidades (climticas, geolgicas,
geomorfolgicas, pedolgicas, da cobertura vegetal, uso da terra e scio-
econmicas) que as individualizam do entorno (Ross, 1995).
6.2 OPERAES PONTUAIS
6.2.1 Premissas de Trabalho
Nos estudos de anlise integrada como operaes pontuais, cada uma das
localizaes geogrficas analisadas considerada de forma independente de seus
vizinhos e a integrao de dados feita utilizando operadores pontuais, sem
considerar os relacionamentos espaciais de vizinhana e entorno.
A hiptese implcita nestes casos que os dados apresentam alto grau de
autocorrelao espacial. Em outras palavras, vale o princpio de que coisas
prximas so parecidas. Esta suposio pode no se verificar na prtica, seja por
causa da variabilidade natural, seja por inconsistncia dos dados utilizados.
6.2.2 Anlises Pontuais Qualitativas- Aptido Agrcola
Em grande quantidade de estudos ambientais, os dados disponveis so
apresentados sob forma de mapas temticos tradicionais, provenientes de
levantamentos qualitativos. Nestes casos, pode no ser possvel ou factvel
estabelecer modelos numricos que capturem de forma plena a natureza contnua
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-3
das variaes espaciais das grandezas em estudo e o uso de regras booleanas pode
ser a nica forma de realizar estudos de anlise ambiental (Burrough, 1998).
Um caso onde tem sido preconizado o uso de metodologias qualitativas so os
estudos de aptido agrcola, onde um dos dados bsicos o mapa de solos
fornecido com um mapa temtico, com unidades separadas por limites definidos.
Os dados originais de levantamento de campo (perfis) utilizados para a gerao do
mapa de solos podem no estar disponveis ou possuir baixa densidade para uso de
tcnicas de geo-estatstica. Neste caso, metodologias de aptido agrcola como as
preconizadas pela EMBRAPA (Ramalho Filho e Beek, 1995) estabelecem um
conjunto de regras de deciso.
Ramalho Filho e Beek (1995) indicam que a aptido agrcola de terra pode ser
caracterizada a partir de cinco fatores:
Deficincia de fertilidade.
Deficincia de gua.
Excesso de gua ou deficincia de oxignio.
Suscetibilidade eroso.
Impedimentos mecanizao.
Para cada caso, os autores consideram cinco graus de limitao: Nulo, Ligeiro
Moderado, Forte ou Muito Forte. Levam ainda em conta o grau de mecanizao
e manejo e estabelecem quadros-guia que, com base nas limitaes consideradas,
determinam quatro classes de aptido agrcola (boa, regular, restrita e inapta)
para cada utilizao possvel da terra.
Com base no trabalho de Ramalho Filho e Beek (1995), um exemplo de programa
de lgebra de Mapas em LEGAL mostrado na Figura 6.1. Neste exemplo,
considera-se apenas um tipo de uso da terra (lavoura), no clima tropical-mido, e
com elevado grau de manejo. O exemplo ilustra ainda uma situao tpica de
anlises booleanas em Geoprocessamento: necessrio prever todas as
combinaes possveis dos dados de entrada (ou pelo menos uma parte
significativa destas), o que conduz a um grande nmero de clusulas.
Apesar da importante contribuio de estudos de integrao de dados como os de
Ramalho Filho e Beek, o uso de metodologias qualitativas tem sido criticado na
literatura, devido s limitaes das hipteses de base para tais operaes. O
modelo booleano parte da premissa que as variveis geogrficas podem ser
descritas e medidas com exatido. Na realidade, esta premissa dificilmente
verificada devido incerteza inerente nos levantamentos espaciais. Heuvelink e
Burrough (1993) analisaram a propagao de erro em anlises booleanas, e
compararam os resultados com os obtidos com tcnicas de classificao contnua
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-4
(descritas no captulo 4), e chegaram concluso que os mtodos booleanos eram
muito mais sensveis s variaes inerentes aos dados espaciais.
Em resumo, a realizao de anlises booleanas requer um trabalho exaustivo de
preparao e adequao dos dados temticos, que possa assegurar a mxima
correlao possvel entre as diferentes variveis geogrficas.
{
// Declaracao das variaveis
Tematico defFertil ("DeficienciaFertilidade");
Tematico defAgua ("DeficienciaAgua");
Tematico excAgua ("ExcessoAgua");
Tematico sucErosao ("SusceptibilidadeErosao");
Tematico impMecan ("ImpedimentosMecanizacao");
Tematico aptdLavouraMecan ("AptidaoAgricola");
// Instanciacao das variaveis
defFertil = Recupere (Nome = "defFertil");
defAgua = Recupere (Nome = "defAgua");
excAgua = Recupere (Nome = "excAgua");
sucErosao = Recupere (Nome = "sucErosao");
impMecan = Recupere (Nome = "impMecan");
aptdLavouraMecan = Novo (Nome = "aptdLavouraMecan", ResX = 100,
ResY = 100, Escala = 100000);
// Regras booleanas para aptidao agricola de terras
aptdLavouraMecan = Atribua (
CategoriaFim = "AptidaoAgricola",
{ "Boa" : defFertil.Classe = "Nula" &&
defAgua.Classe = "Nula" ||
defAgua.Classe = "Ligeira" &&
excAgua.Classe = "Nula" ||
excAgua.Classe = "Ligeira" &&
sucErosao.Classe = "Nula" &&
impMecan.Classe = "Nula";
(.)
}
}
Figura 6.1 - Trecho do programa em LEGAL para determinao de aptido
agrcola de terras segundo a metodologia de Ramalho Filho e Beek (1995).
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-5
6.2.3 Anlise Integrada por ModelagemQuantitativa
Definimos modelagem como um processo de predio de fenmenos geogrficos,
baseado em modelos matemticos que descrevam a evoluo de uma grandeza.
Um exemplo a equao universal de perda de solo (USLE universal soil loss
equation), usado por Kuntschik (1996) que, trabalhando na microbacia do Ribeiro
das Araras, em Araras, no Estado de So Paulo, implementou um modelo para a
estimativa da perda de solos por eroso hdrica. Todo o projeto foi desenvolvido
na escala 1: 50.000.
Para tanto, foram utilizadas tcnicas de geoprocessamento, visando identificar
dentro desta bacia, as regies com maior susceptibilidade perda de solos por
eroso hdrica. O modelo escolhido a Equao Universal de Perda de Solo
(USLE). Este modelo leva em conta seis fatores: erosividade, dada pela capacidade
da chuva de provocar desprendimento e arrasto de solo, erodibilidade, que
quantifica a susceptibilidade de um solo a ser erodido pela chuva, fator topogrfico
que considera comprimento de encosta e declividade, e o fator antrpico, que
inclui cobertura e uso do solo e prticas conservacionistas.
A partir do mapa de solos, cartas topogrficas e dos valores numricos
correspondentes a cada fator considerado, foram criados arquivos matriciais em
formato ASCII. Nestes arquivos, cada nmero representa o valor da grandeza para
uma rea quadrada de 250 m de lado no terreno. Estes arquivos foram tratados
atravs de planilhas de clculo e das funes disponveis no SIG, sendo gerados os
mapas de potencial natural de eroso (PNE) e de perdas solos calculadas (A),
conforme mostram as Figuras 6.2 e 6.3.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-6
0
PNEA
21,75-62,15
62,15-116,05
116,05-211.77
211,77-262,93
262,93-374,91
374,91-514,83
514,83-753,64
753,64-1088,53
1088,53-3000,47
3000,47-11338,5
1 km.
N
7 532 000
7 530 000
7 528 000
7 526 000
248 000 250 000 252 000 254 000 256 000
Figura 6.2. Potencial Natural de Eroso Anual (em ton./ha.ano
-1
). Fonte:
Kuntschik (1996).
0
0,0036-0,049
0,049-0,23
0,23-0,88
0,88-1,48
1,48-2,7
2,7-4,26
4,26-7,93
7,93-16,77
16,77-36,06
36,06-122 1 km.
N
7 532 000
7 530 000
7 528 000
7 526 000
246 000 248 000 250 000 252 000 254 000
Figura 6.3. Perda de Solo Calculada (em ton./ha.ano
-1
) Fonte: Kuntschik (1996).
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-7
O potencial natural de eroso dado pela seguinte equao:
PNE= R * K * LS
onde: R erosividade da chuva anual, K a erodibilidade do solo e LS uma
varivel calculada a partir do comprimento da encosta L e declividade mdia S
atravs da frmula
LS = 0,00984*L
0,63
*S
1,18
A erosividade da chuva (R) dada por:
R= 67.335 (p
2
/P)
0.85
onde p a precipitao mdia mensal e P a precipitao mdia anual.
Neste exemplo para a bacia do Ribeiro das Araras na regio de Araras o
valor de R corresponde a 6675. A erodibilidade do solo (K), ou seja a resistncia
deste ao da chuva, depende diretamente do tipo de solo em questo. Para cada
tipo de solo h um valor associado de acordo com a tabela proposta por Lombardi
Neto (1995).
A partir do mapa de altimetria, gerou-se um modelo numrico de terreno
utilizando-se o interpolador TIN (grade triangular). Desta grade, gerou-se outra
grade de declividade e um mapa temtico com classes de declividade. O valor do
comprimento da encosta (L), ou percurso da gua, foi obtido a partir de um mapa
de distncia entre o limite da bacia e os nveis mais baixos de altimetria, resultando
em um modelo numrico do terreno.
A partir desta formulao metodolgica, apresentamos a seguir um programa em
LEGAL que realiza este procedimento. O LEGAL foi utilizado para:
converter o mapa de solos em uma grade de valores de erodibilidade,
utilizando-se a funo PONDERE;
converter o mapa de classes de declividade em uma grade de valores mdios de
declividade, utilizando o valor central de cada intervalo, tambm atravs da
funo PONDERE;
aplicar a equao universal de perda de solo considerando todos os parmetros
acima, gerando uma grade onde cada ponto da superfcie est associado ao
valor de potencial natural de eroso.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-8
Apresenta-se a seguir a sintaxe utilizada:
{
//Declarao das variveis
Tematico solo ("solo"), decl ("declive");
Numerico S ("decliv-media"), K ("erodibilidade"),
L ("encosta"), LS ("LS"), pne (PNE);
Float R = 6675.;
Tabela tabk (Ponderacao), tabs (Ponderacao);
// Transforma Declividade em (S )declividade media
decl= Recupere(Nome = "Declividade");
S = Novo ( Nome = "DeclivMedia", Representacao = Matriz,
ResX = 250, ResY = 250, Escala = 100000, Min = 0, Max = 50);
tabs = Novo(CategoriaIni="declive",
"0-3" : 1.5, "3-6" : 4.5,
"6-12" : 9.0, "12-20" : 16.0,
"20-40" : 30.0, ">40" : 40.0 );
S = Pondere (decl,tabs);
//Transf. solo em erodibilidade (K)
solo= Recupere(Nome = "TiposdeSolo");
K = Novo (Nome = "Erodibilidade(K)", Representacao = Grade,
ResX = 250, ResY = 250, Escala = 100000, Min = 0, Max = 1);
tabk = Novo (CategoriaIni = "solo",
"pv2alva" : 0.0462, "pv3Olaria" : 0.0280,
"pv3+pv4" : 0.028, "lrd+le1" : 0.0143,
"lrdbaraogeraldo" : 0.0128, "lreribpreto" : 0.0098,
"le1+lrd" : 0.01514, "LV4+LV3" : 0.0132
"lvsmatodentro" : 0.0246, "te" : 0.0181,
"serrinha" : 0.0462 , "pv2usina" : 0.0462,
"li3" : 0.0442, "pv5" : 0.0462,
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-9
"li2" : 0.0362 , "urbano" : 0,
"li2+pv4" : 0.03292, "lrd+lre" : 0.0116 ,
"le1" : 0.0167, "agua" : 0,
"lv4speculas" : 0.0132, "LV3LaranjAzeda" : 0.0132);
K = Pondere (solo, tabk);
// Calculo de LS
L= Recupere(Nome ="L-CompEncosta");
LS = Novo (Nome = "LS", Representacao = Grade,
ResX = 250, ResY = 250, Escala = 100000, Min = 0, Max = 100
);
LS= 0.00984 * (L^0.63)* (S^1.18);
// Calculo de PNE
PNE = Novo (Nome = "PotNatErosao", Representacao = Grade,
ResX = 250, ResY = 250, Escala = 100000, Min = 0, Max =
100);
PNE = R*K*LS;
}
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-10
6.2.4 Comparao entre Modelos Booleanos e Quantitativos Caso de Pesquisa
Geolgica
Um outro exemplo de uso de anlise pontual qualitativa foi o estudo realizado por
Almeida Filho () para demonstrar o uso de tcnicas de processamento e anlise
espacial de dados digitais multifonte na pesquisa mineral. Como rea de estudo foi
escolhido o planalto de Poos de Caldas, o qual encerra mineralizaes radioativas
de urnio e trio. Por possuir uma boa base de informaes, aquela rea
adequada a estudos demonstrativos-metodolgicos dessa natureza, permitindo a
criao de um banco de dados digitais geocodificados para manipulao em
computador. Conhecimentos geolgicos prvios sobre a rea, permitiro avaliar a
eficcia da metodologia empregada.
Caractersticas Gerais da rea de Estudo
O planalto de Poos de Caldas, na divisa dos estados de Minas Gerais e So Paulo,
constitui uma estrutura em forma de cratera vulcnica grosseiramente circular, com
cerca de 705 km
2
. A cidade de Poos de Caldas, a qual tem como atividades
econmicas principais a minerao (bauxita, argilas, minerais radioativos) e o
turismo ligado suas guas e ao clima agradvel, localiza-se na borda norte dessa
cratera. A Figura 6.2 mostra o planalto de Poos de Caldas atravs de uma
composio colorida obtida com imagens do satlite Landsat-1. Como referncia
esto indicadas a cidade de Poos de Caldas, principais drenagens, vias de acesso
etc, extradas de cartas planimtricas da regio.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-11
Do ponto de vista geolgico, o planalto constitudo por rochas mesozicas-
cenozicas, representadas em sua maioria por nefelina-sienitos, os quais ocorrem
como fcies efusivas, hipabissais e plutnicas, alm de material de natureza
vulcnica. Dataes geocronolgicas pelo mtodo
K-Ar (Bushee, 1970) indicam que os fenmenos
geolgicos que formaram a cratera teriam
ocorrido entre 87 e 53 milhes de anos atrs. As
guas termais da regio so as ltimas
manifestaes desse episdio.
Quarenta e oito locais de mineralizaes
radioativas (incluindo depsitos e simples
ocorrncias) so conhecidos no planalto de Poos
de Caldas, as quais podem ser agrupadas em trs
associaes distintas, de acordo com a paragnese
mineral: urnio-zircnio (U-Zr), trio-terras raras
(Th-TR) e urnio-molibdnio (U-Mo). A
associao urnio-zircnio constitui os depsitos
mais comuns e freqentes, mas no encerra
importncia econmica. A associao trio-terras
raras constitui o segundo tipo de mineralizao
radioativa encontrada na rea, representada
principalmente pela jazida de Morro do Ferro, na
parte central do planalto. A associao urnio-
molibdnio constitui os depsitos uranferos mais
importantes, representados principalmente pela jazida de Campo do Agostinho e
pela mina Usamu Tsumi, na parte centro-sudeste do planalto. Para sua explorao
foi criado, em meados da dcada de setenta, o Complexo Mineiro-Industrial de
Poos de Caldas que produziria concentrado de urnio (yellow cake), destinado ao
abastecimento das usinas nucleares brasileiras ento planejadas.
Com base em anlises de trabalhos geolgicos realizados por pesquisadores que
estudaram a regio em diferentes pocas e com diferentes enfoques (Ellert, 1959;
Tolbert, 1966; Wedow Jr., 1967; Oliveira, 1974; Almeida Filho & Paradella, 1976;
Fraenkel et al., 1985), foram identificadas trs caractersticas comuns s
mineralizaes radioativas no planalto, a saber:
(a) A mineralizao mostra afinidade gentica com trs tipos de litologias:
tingutos hidrotermalizados (rocha potssica), corpos intrusivos de foiatos e
rochas vulcnicas;
(b) Essas litologias so cortadas por falhamentos/fraturamentos e estruturas
circulares que criaram condutos para o alojamento de veios e lentes mineralizados;
Figura 6.4 - Composio colorida de
imagens do satlite Landsat-1,
mostrando o planalto de Poos de
Caldas.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-12
(c) Dados de radiometria gama mostram valores anmalos de radioatividade total,
indicativos da presena de minerais radioativos.
As trs caractersticas acima (litologias favorveis, feies estruturais e dados
gama-radiomtricos) foram adotadas como critrios diagnsticos para a pesquisa
de minerais radiativos no planalto de Poos de Caldas. Poderia ser argumentado
que apenas o ltimo critrio j seria suficiente para identificar reas potenciais, por
ser indicao direta da presena de minerais radioativos. Entretanto, variaes
locais na espessura de solos e cobertura vegetal, fazem com que reas sem
interesse prospectivo mostrem valores anmalos, enquanto depsitos importantes
podem ser indicados apenas por valores intermedirios de intensidade radioativa.
Desse modo, dados radiomtricos devem ser considerados apenas se ocorrem em
reas de caractersticas geolgicas favorveis, tornando-se indispensvel agregar a
eles informaes derivadas de outras fontes.
Uma vez definidos os critrios diagnsticos, o passo seguinte constou da criao
de um banco de dados digitais geocodificados, composto por:
Imagens Landsat - Imagens do Multispectral Scanner (MSS) do satlite Landsat-
1, obtidas em setembro de 1972, sob ngulo de elevao solar de 44 e azimute de
58. Deu-se preferncia s imagens mais antigas, para reduzir a influncia da
atividade antrpica, que dificulta a interpretao fotogeolgica.
Dados planimtricos - Cidade, estradas, ferrovia, drenagens etc, digitalizadas a
partir das cartas acima mencionadas, usadas como parmetros de referncia e
localizao.
Dados litolgicos - Litologias potenciais para a pesquisa de minerais radioativos,
representadas por rocha potssica, corpos intrusivos de foiatos e rochas vulcnicas
(Figura 6.5), digitalizadas do Mapa Geolgico do Macio Alcalino de Poos de
Caldas (Nuclebrs, 1975a).
Dados estruturais - Extrados das imagens Landsat-MSS, as quais foram
realadas por tcnicas de ampliao linear de contraste e interpretadas (como
bandas individuais ou composies coloridas falsa cor) diretamente no monitor de
vdeo, usando-se o mouse para traar as feies interpretadas. Dois grupos de
feies foram identificados: (a) lineamentos, representando traos de
falhas/fraturas; e (b) estruturas circulares, indicativas de edifcios vulcnicos
secundrios, no interior da cratera principal (Figura 6.6). Esses dois tipos de
feies constituem controles estruturais regionais de primeira ordem para as
mineralizaes radioativas, responsveis pela criao de condutos que permitiram a
percolao de solues hidrotermais e deposio do minrio. Elas foram
representadas em duas dimenses, atravs da criao de "corredores" com 250 e
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-13
350 metros de largura ao longo de falhas/fraturas e estruturas circulares,
respectivamente. Esses corredores representariam a rea de influncia das feies
estruturais, assumindo-se que qualquer ponto dentro deles estaria posicionado
sobre a feio estrutural considerada.
Dados gama-radiomtricos - Obtidos pela Comisso Nacional de Energia
Nuclear-CNEN, a partir de levantamentos com helicptero e a p. No primeiro
caso os dados foram coletados em malha de 250 x 250 metros, a uma altura mdia
de 7,5 metros do terreno, enquanto nos levantamentos a p a malha foi de 75 x 200
metros. Esses dados, na forma de radioatividade total, foram digitalizados a partir
do Mapa Radiomtrico do Planalto de Poos de Caldas (Nuclebrs 1975b),
organizados em quatro intervalos de intensidade radioativa, em relao a um
background regional de 40 unidades, a saber: 1,3-1,8; 1,8-2,5; 2,5-3,5; e maior do
que 3,5 vezes o background regional (Figura 6.7).
Ocorrncias minerais radioativas - Mineralizaes radioativas conhecidas na
rea foram incorporadas como smbolos ao banco de dados, no se fazendo
distino se se tratava de depsitos importantes ou de simples ocorrncias
minerais. Por representarem dados de "verdade terrestre", elas constituem
parmetros de aferio dos resultados. Se reas indicadas como potenciais
mostrarem-se coerentes em relao a mineralizaes conhecidas, o modelo
prospectivo pode ser considerado confivel.
Figura 6.5 - Mapa de litologias potenciais para a ocorrncia de mineralizaes
radioativas.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-14
Figura 6.6 - Mapa de lineamentos, indicando falhas/fraturas e estruturas circulares.
Figura 6.7 - Mapa de anomalias gama-radiomtricas no planalto de Poos de
Caldas.
Modelo Prospectivo Usando Operaes Booleanas
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-15
Com base nos critrios diagnsticos j definidos, uma rea poderia ser considerada
potencial quando nela ocorrerem concomitantemente:
(a) Litologias potenciais, representadas por rochas potssicas (A), corpos
intrusivos de foiatos (B), ou rochas vulcnicas (C);
(b) Feies estruturais, indicativas de falhas/fraturas (D), ou estruturas circulares
(E), que cortam litologias potenciais; e
(c) Valores gama-radiomtricos (F), a partir de 1,8 vez o background regional
(limiar arbitrado com base no valor mdio encontrado em depsitos de urnio da
rea).
Para mapear as reas de ocorrncias dos critrios diagnsticos acima indicados,
empregou-se a seguinte equao de lgebra booleana:
{[(A or B or C) and (D or E)] and F} ### REAS
POTENCIAIS
A Figura 6.8 o mapa das reas potenciais para pesquisa de minerais radioativos
no planalto de Poos de Caldas, com base na equao acima. Essas reas cobrem
uma superfcie de 88,5 km, correspondentes a apenas 12% da regio total
investigada. Observando-se a distribuio das mineralizaes, verifica-se que 77%
delas ocorrem em reas indicadas como potenciais. Nas restantes 23% encontra-se
ausente pelo menos um dos trs critrios diagnsticos. Constata-se ainda que dos
trs tipos de mineralizaes radioativas conhecidas, aquelas do tipo U-Zr
predominam nas regies leste e oeste/sudoeste, enquanto as dos tipos U-Mo e Th-
TR, concentram-se na regio central do planalto. A boa correlao entre reas
apontadas como potenciais e as mineralizaes conhecidas na regio, confere
confiabilidade ao modelo prospectivo adotado.
A principal desvantagem do modelo baseado em operaes binrias o fato das
reas indicadas terem prioridades idnticas para pesquisa. Visando um refinamento
desses resultados, o mesmo conjunto de dados foi analisado utilizando um modelo
baseado em mdias ponderadas, o qual permite priorizar as reas, de acordo com o
potencial prospectivo das mesmas.
Modelo Prospectivo Usando Mdias Ponderadas
Neste tipo de modelo, pesos so atribudos aos critrios diagnsticos e s suas
respectivas classes (e.g. critrio diagnstico litologia, classe rocha potssica),
calculando-se uma imagem de mdias ponderadas, a qual representa uma
combinao particular e nica dos dados para cada rea unitria do terreno. A
definio dos pesos a ao mais crtica a ser tomada para a aplicao do modelo.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-16
O procedimento de atribuir pesos a parmetros pertencentes a uma cadeia de
eventos e utilizar equaes aritmticas visando tomada de decises, conhecido
na rea de inteligncia artificial como equao neuronal de Rosenblat. A definio
desses pesos pode ser feita de duas maneiras: atravs de procedimentos
heursticos, nos quais a experincia pessoal o fator determinante; ou utilizando-se
tcnicas fuzzy logic (Zadeh, 1965), as quais procuram estabelecer critrios de
enquadramento do conjunto de dados, definindo limites ou graus de confiana. A
despeito do desenvolvimento dessas tcnicas, a definio heurstica de pesos
continua sendo amplamente aceita como base para sistemas especialistas, de modo
particular em situaes onde a teoria e os modelos empricos de comportamento
dos dados no esto bem estabelecidos (Veiga & Meech, 1994). Este
procedimento particularmente vlido em pesquisa mineral, que muitas vezes
segue uma abordagem tcnica-intuitiva, onde os conceitos so aplicados por
analogia, na expectativa de repeties de relaes j conhecidas.
Adotou o procedimento heurstico para a definio dos pesos, atribuindo-se os
seguintes valores:
(a) dados gama-radiomtricos:
crit
= 80 e
classe
= 0, 10, 60, 70 e 80 para as
seguintes classes de intensidades radioativas: background; 1,3-1,8; 1,8-2,5; 2,5-
3,5; e >3,5; respectivamente;
(b) dados litolgicos:
crit
= 60 e
classe
= 60, 30 e 20 para as classes rochas
potssicas, foiatos e material vulcnico, respectivamente; e
(c) dados estruturais:
crit
= 20 e
classe
= 20 para falhas/fraturas e estruturas
circulares.
As mdias ponderadas foram calculadas usando-se a seguinte equao:
= [(
crit
) * (
classe
)] / (
crit
) REAS
POTENCIAIS
onde,
= valor da mdia ponderada
crit
= pesos atribudos aos critrios diagnsticos;
classe
= pesos atribudos s classes dos critrios diagnsticos.
fcil deduzir dos dados acima que as mdias ponderadas para a rea de
estudo ficaram compreendidas entre [0, 65], extremos que indicam,
respectivamente, prioridades nula e mxima para a pesquisa de minerais
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-17
radioativos. A ttulo de exemplo, reas com mdia ponderada 60 corresponderam a
locais de ocorrncias de rochas potssicas, cortadas por falhamentos e com valores
de intensidade radioativa entre 2,5 e 3,5 vezes o background regional.
O mapa da Figura 6.9 mostra reas com diferentes prioridades para a
prospeco de minerais radioativos no planalto de Poos de Caldas. Este mapa foi
gerado a partir do fatiamento da imagem de mdias ponderadas, representando os
seguintes intervalos de pesos: 0-20; 20-35; 35-45; 45-55; e 55-65. s reas
definidas por esses intervalos foram atribudas prioridades para pesquisa ditas nula,
baixa, mdia, alta e muito alta, respectivamente.
Figura 6.8 - Mapa de reas potenciais para
a pesquisa de minerais radioativos no
planalto de Poos de Caldas, segundo
mtodo baseado em lgebra booleana.
Figura 6.9 - Mapa de reas com diferentes
prioridades para a pesquisa de minerais
radioativos no planalto de Poos de
Caldas, segundo modelo de mdias
ponderadas.
A Tabela 6.1 resume algumas caractersticas das reas potenciais mostradas
na Figura 6.9. Apenas 14% das mineralizaes, todas sem importncia econmica
(U-Zr), localizam-se fora das reas potenciais, contra 23% obtidos no mtodo
baseado em operaes binrias. De acordo com os dados da tabela, 76% do
planalto so descartados, a priori, para pesquisa. Os restantes 24% indicados com
potenciais para a ocorrncia de algum tipo de mineralizao radioativa, so
distribudos da seguinte maneira:
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-18
- reas de prioridade baixa perfazem cerca de 11% da superfcie total do
planalto, encerrando mineralizaes radioativas do tipo U-Zr, sem interesse
econmico.
- reas de prioridades mdia perfazem cerca de 7% da superfcie total do
planalto, encerrando tambm mineralizaes radioativas do tipo U-Zr.
- reas de prioridade alta correspondem a 4,5% da superfcie do planalto e
encerram 30 das mineralizaes tipo U-Mo.
- reas de prioridade muito alta perfazem apenas 1,5% da superfcie total do
planalto. A despeito de suas dimenses reduzidas, essas reas enceram 60%
das mineralizaes U-Mo (incluindo o depsito de Campo do Agostinho e a
mina Usamu Utsumi) e 100% dos depsitos tipo Th-TR.
Tabela 6.1 - Dados estatsticos do modelo
prospectivo baseado em mdias
ponderadas.
Os resultados obtidos no planalto de Poos de Caldas confirmam a alta
eficcia de modelos semi-quantitativos de prospeco mineral, atravs de tcnicas
de Geoprocessamento. Eles revestem-se de grande importncia prtica, ao
restringirem, drasticamente, reas a serem investigadas em campo, o que implica
em substancial economia de tempo e recursos em qualquer campanha de
prospeco mineral.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-19
6.3 ESTUDOS BASEADOS EM REAS
6.3.1 Hipteses de Trabalho
Os conceitos de rea e de integrao foram apresentados por
Hartstorne (1978), como elementos bsicos de uma sistemtica de estudos
geogrficos, denominada pelo autor de estudos de variao de reas. Na viso de
Hartshorne, uma rea-unidade (unit-area) uma partio do espao geogrfico,
definida pelo pesquisador em funo do objeto de estudo e da escala de trabalho,
que apresenta caractersticas individuais prprias; estas reas-unidades seriam a
base de um sistema de classificao e organizao do espao. A partir da
decomposio do espao em reas-unidade, o pesquisador poder relacionar, para
cada uma destas parties, as correspondentes caractersticas fsicas-biticas que a
individualizam em relao a todas as demais componentes do espao.
Hartshorne argumenta que o carter de cada rea seria dado pela
integrao das diferentes variveis geogrficas, tomadas em conjunto. Moraes
(1997) assim exemplifica o mtodo proposto por Hartshorne:
O pesquisador seleciona dois ou mais fenmenos (p.ex. clima, produo
agrcola, tecnologia disponvel), observa-os, relaciona-os; repete vrias
vezes este procedimento, tentando abarcar o maior nmero de fenmenos
(tipo de solo, destinao da produo, nmero de cidades, tamanho do
mercado consumidor, hidrografia, etc). Uma vez de posse de vrios
fenmenos agrupados e interrelacionados, integra-os. () Este processo
pode ser repetido vrias vezes, at o pesquisador compreender o carter
da rea enfocada ()
O pesquisador pode parar na primeira integrao, e reproduzir a anlise
(tomando os mesmos fenmenos e fazendo as mesmas interrelaes) em
outros lugares. As comparaes das integraes obtidas permitiriam
chegar a um padro de variao daqueles fenmenos tratados.
A proposta de Harsthorne contribuiu para dar uma base metodolgica para
o uso do conceito de rea em Geoprocessamento. Neste caso, existe uma
dimenso teleolgica envolvida na anlise. A delimitao de reas previamente
integrao de dados, garante uma consistncia dos resultados, ao evitar os efeitos
indesejveis das anlises booleanas pontuais.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-20
6.3.2 Reclassificao de Unidades de Paisagem
Um exemplo de estudos baseados em reas a metodologia empregada em
Batistella (1993) para realizar a cartografia fitoecolgica do arquiplago de
Fernando de Noronha. A partir da interpretao visual de fotos areas, foram
delimitadas 618 regies homogneas, que foram a base de um trabalho de campo.
Para cada regio homognea, foi feito um questionrio (que corresponde aos
atributos descritivos) para 54 descritores, que incluem: formao vegetal
dominantes, acomodao da vegetao pelo vento, regularidade de estrutura
vegetal e acomodao da vegetao pelo vento. A Figura 6.10 indica as regies
homogneas, oriundas da fotointerpretao.
Figura 6.10 - Unidades homogneas obtidas por fotointerpretao. Fonte:
Batistella (1993).
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-21
Este trabalho de campo permitiu a criao de um banco de dados onde cada regio
possua 54 atributos. A partir desta informao, foi possvel gerar 78 mapas
temticos bsicos e derivados, correspondendo aos temas do levantamento. Um
dos mapas gerados (regularidade da estrutura vegetal) est mostrado na Figura
6.11.
Figura 6.11 - Carta de Regularidade da Estrutura Vegetal de Fernando de
Noronha. Fonte: Batistella (1993).
A operao de reclassificao por atributos ilustra um ponto importante do
Geoprocessamento: informaes cadastrais devem ser armazenadas de forma
integrada, com os atributos descritivos guardados num banco de dados tradicional
(tipicamente relacional). Com isto, grande quantidade de mapas distintos pode ser
gerada a partir da mesma informao bsica.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-22
Esta operao mostra ainda que as abordagens metodolgicas descritas so antes
interdependentes que estanques. No exemplo acima, temos um caso onde o
processo de idenstificao de reas serviu de base para gerar o mapeamento da
distribuio da regularidade fitofisionmica de Fernando de Noronha.
6.3.3 Zoneamento Ecolgico Econmico Sintese do Meio Fsico
Na metodologia para Zoneamento Ecolgico-Econmico descrita em Crepani et al.
(1996) e Becker e Egler (1996), o uso de imagens de satlite serve como base para
definio de unidades de paisagem (chamadas unidades territoriais bsicas). Uma
unidade territorial bsica (UTB) exprime o conceito geogrfico de zonalidade
atravs de atributos ambientais que permitem diferenci-la de outras unidades
vizinhas, ao mesmo tempo em que possui vnculos dinmicos que a articulam a
uma complexa rede integrada por outras unidades territoriais. Estas UTBs so
definidas por foto-interpretao em imagens de satlite e servem para a definio
dos mapas derivados do meio fsico-bitico.
O roteiro metodolgico para a gerao de uma carta temtica de vulnerabilidade
natural eroso, parte do procedimento de caracterizao do meio fsico nos
processos de Zoneamento Ecolgico Econmico (ZEE), conforme metodologia
desenvolvida pelo INPE e pelo LAGET/UFRJ (Crepani et al.,1996) e (Becker e
Egler,1996) segue os seguintes passos:
1. Elaborao de um mapa preliminar de unidades homogneas de paisagem
obtidas a partir da anlise e interpretao visual de LANDSAT/TM,
considerando os padres fotogrficos identificados pela variao dos matizes
de cores, e pelos elementos texturais de relevo e drenagem.
2. Associao de cada um dos mapas base de Geologia, Geomorfologia,
Pedologia e Cobertura Vegetal a pesos que indicam a contribuio relativa de
cada tema, para os processos de morfognese e pedognese. A partir de cada
mapa temtico, sero gerados modelos numricos de terreno nos quais os
valores estaro entre o mnimo de 1 (estabilidade com predomnio da
pedognese) e 3 (instabilidade, com predomnio da morfognese). Por
exemplo, no caso da Geologia, reas com rochas resistentes eroso so
caracterizadas com valores prximos de 1.
3. Gerao de mapas derivados, atravs de uma operao zonal entre o mapa de
unidades territoriais bsicas (UTB), obtido na etapa (1) com o modelo
numrico de terreno resultante da ponderao de cada mapa temtico, obtido
na etapa (2). Esta etapa dever produzir novos modelos numricos, com a
distribuio das contribuies da cada componente do meio fsico esteja
homogeneizada pela zonalidade das UTBs.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-23
4. Realizar uma operao de mdia ponderada entre os mapas gerados na etapa
(3), o que permitir integrar a contribuio de cada componente do meio fsico
para as diferentes UTBs. O dado resultante ser um nico modelo numrico,
com valores entre 1 e 3.
5. Proceder a um fatiamento do modelo resultante, gerando assim uma carta
temtica de vulnerabilidade natural a eroso.
Para validar a adaptao da metodologia, foi escolhida uma rea de trabalho que
corresponde folha Rio Fresco, codigo SB-22-Y-D e est situada no estado do
Par, perfazendo uma rea de 18150 Km
2
(165km x 110km), e esta localizada
entre os paralelos 7 00 e 8 00 de latitude sul e os meridianos 51 00 e 52 30
de longitude oeste. Os dados utilizados incluem:
Imagens do satlite TM/LANDSAT -5, bandas 3,4,5, na escala 1:250000.
Estas imagens foram utilizadas tanto no formato digital quanto em uma
composio colorida (5R4G3B) em papel. Para cobrir toda a rea foi
necessrio fazer um mosaico de duas cenas do satlite (rbita 224, ponto
65, de 24/07/1992 e rbita 225, ponto 65. Data 31/07/1992).
Quatro cartas temticas na escala 1:1000000 do Projeto RADAMBRASIL.
Volume 4- Folhas SB/SC 22, com o Mapa Geolgico, Mapa
FitoEcolgico, Mapa Geomorfolgico e Mapa Exploratrio de Solos.
Carta topogrfica na escala 1:250000, confeccionada pelo Instituto
Brasileiro de Geogrfia e Estatstica (IBGE/1982). Projeo UTM/SAD-
69, carta Rio Fresco, Folha SB-22-Y-D MIR224.
A Figura 6.12 mostra um mosaico da imagem do sensor TM/LANDSAT em
composio colorida 3B4G5R de 24 e 31 de julho de 1992 da rea de estudo. A
figura 6.13 mostra as unidades territoriais bsicas (utbs) obtidas a partir de anlise
e interpretao da imagem apresentada na Figura 6.12.
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-24
Figura 6.12 - Mosaico em composio colorida das bandas 3(B),4(G),5(R) do
sensor Thematic Mapper (TM) do satlite LANDSAT.
Figura 6.13 - Compartimentao das Unidades Territoriais Bsicas da rea de
estudo
Metodologias para Aplicaes Ambientais
GeoprocessamentoemProjetosAmbientais 6-25
A carta de vulnerabilidade natural eroso obtida est mostrada na Figura 6.14. A
comparao entre os resultados obtidos de forma manual com os produzidos
automaticamente mostrou um alto grau de concordncia. As diferenas que
ocorreram foram ocasionadas por problemas nos mapas bsicos originais. Uma
anlise mais detalhada dos mapas temticos do RADAM indicou que h
divergncias relevantes entre os diferentes mapas, especialmente entre os mapas
geolgicos e os geomorfolgicos. Assim, em projetos de integrao de dados,
imprescindvel realizar um pre-processamento nos mapas temticos bsicos, para
corrigir eventuais imprecises relativas existentes.
Figura 6.14. Mapa de Vulnerabilidade Natural da Regio de Rio Fresco (PA).
Bibliografia
GeoprocessamentoemProjetos Ambientais
7-1
7
BIBLIOGRAFIA
ADAMS, S.S. - Using geological information to develop exploration strategies for
epithermal deposits. In: Berger, B.R. and Bethke, P.N. - 1988 - Geology and
geochemistry for epithermal systems. Review in Economic Geology, 2, Cap. 12,
p. 273-298.
AKAIKE, H. A New Look at Statistical Model Identification, IEEE Transactions
on Automatic Control, 19 (6): 716-723, Dec. 1974.
AKIMA H. A method of bivariate interpolation and smooth surface fitting for values
given at irregularly distributed points. Office of Telecomunications Report 75-
70, U.S. Govt. Printing Office, Washington, DC, 51 pages, 1975.
AKIMA H. A method of bivariate interpolation and smooth surface fitting for
irregularly distributed data points. ACM Transactions on Mathematical
Software, 4(2), pp 148 - 159, 1978a.
AKIMA H. Algorithm 525. Bivariate interpolation and smooth surface fitting for
irregularly distributed data points. ACM Transactions on Mathematical
Software, 4(2), pp 160 - 164, 1978b.
ALMEIDA FILHO, R. & PARADELLA, W.R. - 1977 - Estudo do macio alcalino de
Poos de Caldas atravs de imagens Landsat com nfase em mineralizaes
radioativas. INPE-1112-TPT/060. So Jos dos Campos, 130 p.
Almeida, A. S.; Bettini, C. Curso de Geoestatstica Aplicada. Rio de Janeiro,
UFRJ, 1994. Apostila.
ARONOFF, S. Geographical Information Systems: A Management Perspective.
Ottawa, WDI Publications, 1989.
ASSAD, E.D.; SANO, E.E. Sistemas de Informaes Geogrficas - Aplicaes na
Agricultura. Braslia, EMBRAPA, 1993.
Bibliografia
GeoprocessamentoemProjetos Ambientais
7-2
BATISTELLA, M. Cartografia ecolgica do Arquiplago de Fernando de Noronha.
Dissertao de Mestrado em Ecologia. So Paulo. USP. 1993.
BECKER, B.K.; EGLER, C.A.G. Detalhamento da Metodologia para Execuo do
Zoneamento Ecolgico-Econmico pelos Estados da Amaznia Legal. Braslia,
MMA/SAE, 1997.
BERRY, J.K. - 1988 - Fundamental operations in computer-assisted map analysis.
International Journal on Geographycal Information System, 1:119-136
BERTIN, J. Semiologie Graphique. Paris, Gauthiers-Villars, 1973.
BERTRAND, G. Paisagem e Geografia Fsica Global: Esboo metodolgico.
Caderno de Cincias da Terra, 13. Inst. de Geografia-USP. So Paulo. 1971.
BREGT, A., Integrating GIS and Process Models for Global Environmental
Assessment. In: INTERNATIONAL WORKSHOP ON GLOBAL GIS, Tquio, Japo,
Agosto de 1993. Proceedings, ISPRS, Tquio, pp. 77-84, 1993.
BURGESS, T. M.; WEBSTER, R. Optimal interpolation and isarithmic mapping of
soil properties. I The semi-variogram and punctual Kriging. Journal of Soil
Science, 31 (2): 315-331, 1980a.
BURGESS, T. M.; WEBSTER, R. Optimal interpolation and isarithmic mapping of
soil properties. II Block Kriging. Journal of Soil Science, 31 (2): 333-341,
1980b.
BURGESS, T. M.; WEBSTER, R. Optimal interpolation and isarithmic mapping of
soil properties. III Changing drift and universal kriging. Journal of Soil
Science, 31(3): 505-524, 1980c.
Burrough, P. A.; Varekamp C.; Skidmore, A.K. Using Public Domain
Geostatistical and GIS Software for Spatial Interpolation. Photogrammetric
Engineering & Remote Sensing, 62 (7): 845-854, 1996.
BURROUGH, P. A.; MCDONNELL, R.A. Principles of geographical information
systems. Oxford, Oxford University Press, 1998.
BUSHEE, J. - 1970 - A geochronological study of the alkaline massif of Poos de
Caldas, Brazil. Laboratrio de Geocronologia da Universidade de So Paulo.
Relatrio Indito, 25 p.
Bibliografia
GeoprocessamentoemProjetos Ambientais
7-3
CMARA, G.; FREITAS,U.M.; CORDEIRO, J.P.C. Towards an Algebra of
Geographical Fields. In: VII SIMPSIO BRASILEIRO DE COMPUTAO GRFICA
E PROCESSAMENTO DE IMAGENS. Anais, Curitiba, SBC, pp. 205-212, 1994.
(disponvel na webpage http://www.dpi.inpe.br/gilberto).
CMARA, G. Modelos, Linguagens e Arquiteturas para Bancos de Dados
Geogrficos. Tese de Doutoramento em Computao Aplicada. So Jos dos
Campos, INPE, 1995. (disponvel na webpage
http://www.dpi.inpe.br/gilberto/tese).
CMARA, G.; CASANOVA, M.A.; HEMERLY, A.; MEDEIROS, C.M.B.; MAGALHES,
G. Anatomia de Sistemas de Informao Geogrfica. SBC, X Escola de
Computao, Campinas, 1996.
CMARA, G.; FREITAS, U.M.; SOUZA, R.C.M.; GARRIDO, J. SPRING: Integrating
Remote Sensing and GIS by Object-Oriented Data Modelling. Computers and
Graphics, vol. 15, n.6, July 1996.
CARVALHO, G. M. B.; VALRIO FILHO, M.; MEDEIROS, J. S. Aplicao de
tcnicas de sensoriamento remoto e geoprocessamento na identificao da
eroso dos solos na Bacia do rio Aracoiaba - CE. In: VII Simpsio Brasileiro
de Sensoriamento Remoto. Curitiba. 10-14 de maio. 1993.
CHEN ZI-TAN; GUEVARA J. A.. Sistematic selection of very important points (VIP)
from digital terrain model for constructing triangular irregular networks. Eight
International Symposium on Computer-Assisted Cartography - AutoCarto 8.
Proceedings. Baltimore, Mariland, USA. pp. 50-56, 1987.
CLEMENTINI, E.; DI FELICE, P.; VAN OOSTEROM, P. A Small Set of Formal
Topological Relationships Suitable for End-User Interaction. In: Third
International Symposium on Spatial Data Handling. Proceedings, Singapore,
1993, pp. 277-295.
CODD, E.F. A Relational Model for Large Shared Data Banks. Communications of
the ACM, 13(6):377-387, Julho de 1970.
COWEN, D.J. GIS versus CAD versus DBMS: what are the differences.
Photogrammetric Engineering and Remote Sensing, 54:1551-4, 1988.
CORDEIRO, J. P.; AMARAL, S.; FREITAS, U.M.; CMARA, G. lgebra de geo-
campos e suas aplicaes. In: VIII Simpsio Brasileiro de Sensoriamento
Remoto. Salvador. 14-19 de abril. 1996.
Bibliografia
GeoprocessamentoemProjetos Ambientais
7-4
CREPANI, E.; MEDEIROS, J. S.; HERNANDEZ FILHO, P.; FLORENZANO, T. G.
DUARTE, V. AZEVEDO, L. G.. Uso de sensoriamento remoto no zoneamento
ecolgico-econmico. In: VIII Simpsio Brasileiro de Sensoriamento Remoto.
Salvador. 14-19 de abril. 1996.
DOLFUS, O. O Espao Geogrfico. Rio de Janeiro, Bertrand Brasil, 1991.
DRUCK, S.; BRAGA, L.P.V. Anlise e Classificao de Dados de Solos por
Geoestatstica e Lgica Difusa. Relatrio Interno, Centro Nacional de Pesquisa
em Solos, EMBRAPA, 1995.
EGENHOFER, M. Spatial Query Languages, Ph.D. Thesis, Depart. of Surveying
Engineering, University of Maine, 1989.
EGENHOFER, M. Spatial SQL: A Query and Presentation Language. IEEE
Transactions on Knowledge and Data Engineering, 6:86-95, 1994.
EHLERS, M., EDWARDS, G., BERARD, I. Integration of Remote Sensing with
Geographic Information Systems: A Necessary Evolution. Photogrammetry
Engineering and Remote Sensing, 55 (11): 1619-1627, 1989.
ESRI, ARC/INFO 6.0 Command Reference: GRID. Redlands, California, USA,
1991.
FALCIDIENO B.; SPAGNUOLO M. A new method for the characterization of
topographic surfaces. International Journal of Geographical Information
Systems, 5(4), pp. 397 - 412, 1991.
FELGUEIRAS C. A. Desenvolvimento de um Sistema de Modelagem Digital de
Terreno para Microcomputadores. Dissertao de mestrado em Computao
Aplicada. Instituto Nacional de Pesquisas Espaciais - INPE, So Jos dos
Campos, SP, Brasil, 1987.
FELGUEIRAS C. A.; GOODCHILD M. F. "Two Papers on Triangulated Surface
Modeling". Relatrio Tcnico 95-2 do National Center for Geographic
Information and Analysis - NCGIA. University of California, Santa Barbara,
CA, U.S.A, 1995
FLORIANI L.; PUPPO E. An on-line algorithm for constrained Delaunay
triangulation. CVGIP: Graphical Models and Image Processing, 54(3), pp.
290-300, 1992.
Bibliografia
GeoprocessamentoemProjetos Ambientais
7-5
FRANK, A.; MARK,D. Language Issues for GIS. In: Maguire,D.; Goodchild, M.;
Rhind,D. (eds) Geographical Information Systems: Principles and
Applications. New York, John Wiley and Sons, 1991, cap. 11, p. 147-163.
FRAENKEL, M.O., SANTOS, R.C., LOUREIRO, F.E.V.L. & MUNIZ, W.S. - 1985 -
Jazida de urnio no planalto de Poos de Caldas, Minas Gerais. In: Principais
Depsitos Minerais do Brasil. DNPM, vol. 1, Cap. 5, 89-103.
FREEMAN, J. The Modelling of Spatial Relations. Computer Graphics and Image
Processing, 4: 156-171, 1975.
FOURNIER A; FUSSEL D.; CARPENTER L. Computer rendering of Stochastic
Models. Communications of the ACM, 25(6), pp 371- 384, 1982.
FUNDAO INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATSTICA - IBGE. PMACI
I. Projeto de Proteo do Meio Ambiente e das Comunidades Indgenas:
Diagnstico Geoambiental e Scio-Econmico. IBGE. Rio de Janeiro. 1990.
GOODCHILD, M. A spatial analytical perspective on geographical information
systems. International Journal of Geographical Information Systems, 1 (4):
327-334, 1987.
GOODCHILD, M. Geographical information science. International Journal of
Geographical Information Systems, 6 (2): 35-45, 1992a.
GOODCHILD, M. Geographical data modeling. Computers & Geosciences, 1992,
18(4): 401-408, 1992b.
GOODCHILD, M.; PARKS, B.; STEYART, L. Environmental Modelling with GIS,
Oxford, Oxford University Press, 1993.
GOMES, J.M.; VELHO, L. Computao Visual: Imagens. Rio, SBM, 1995.
GREGORY, K.J. A Natureza da Geografia Fsica. Rio de Janeiro, Bertrand Brasil,
1992.
GUTMAN, A. R-trees: a dynamic index structure for spatial searching. In: ACM
SIGMOD CONFERENCE. Proceedings, Boston, ACM, pp. 47-57, 1984.
HARTSHORNE,R. Propsitos e natureza da geografia. So Paulo, Editora
HUCITEC, Editora da Universidade de So Paulo, 2. Ed., 1978.
Bibliografia
GeoprocessamentoemProjetos Ambientais
7-6
HEUVELINK, G.B.M; BURROUGH, P.A. Error propagation in cartographic
modelling using Boolean logic and continuous classification. International
Journal of Geographical Information Systems, 7:231-46, 1993.
INTERGRAPH, MGE- The Modular GIS Environment, 1990.
JOLY, P. A Cartografia. Campinas, Papirus, 1990.
KEMP, K. Environmental Modelling with GIS: A Strategy for Dealing with Spatial
Continuity. Ph.D. thesis, Department of Geography, University of Santa
Barbara, 1993. NCGIA Technical Report 93-3.
KUMLER M. P. An Intensive Comparison of TINs and DEMs. PhD Dissertation in
Geography. University of California, Santa Barbara, USA, 1992.
KUNTSCHIK, G. Implementao de um modelo de perda de solo por eroso
hdrica utilizando tcnicas de geoprocesamento. (Dissertao de Mestrado em
Sensoriamento Remoto). INPE. So Jos dos Campos, SP. 1996.
LANCASTER P.; SALKAUSKAS K. Curve and Surface Fitting: An Introduction.
London, Academic Press, 1986.
LEE J. Comparison of existing methods for building triangular irregular network
models of terrain from grid digital elevation models. International Journal of
Geographical Information Systems, 5(3), pp. 267 - 285, 1991.
MAGUIRE,D. AN Overview and Definition of GIS. In: Maguire,D.; Goodchild, M.;
Rhind, D. (eds) Geographical Information Systems: Principles and
Applications. New York, John Wiley and Sons, 1991, pp. 9-20.
MAGUIRE,D.; DANGERRAMOND, J. The Functionality of GIS. In: Maguire,D.;
Goodchild, M.; Rhind, D. (eds) Geographical Information Systems: Principles
and Applications. New York, John Wiley and Sons, 1991, pp. 319-35.
MAGUIRE,D.; GOODCHILD, M.; RHIND, D. (eds.) Geographical Information
Systems: Principles and Applications. New York, John Wiley and Sons, 1991.
MCCULLAGH M. J. Terrain and surface modelling systems: theory and practice.
Photogrammetric Record, 12(2), pp. 747-779, 1988.
MONMONIER, M. Mapping It Out. Chicago, Chicago University Press, 1992.
Bibliografia
GeoprocessamentoemProjetos Ambientais
7-7
MORAIS, A.C.R. Geografia: Pequena Histria Crtica. So Paulo, Hucitec, 15a.
edio, 1995.
MORAIS, A.C.R. Meio Ambiente e Cincias Humanas. So Paulo, Hucitec, 2a.
edio, 1997.
MOREHOUSE, S. The ARC/INFO Geographical Information System. Computers &
Geosciences, 18(4): 435-443, 1992.
NAMIKAWA, L. M. Um mtodo de ajuste de superfcie para grades triangulares
considerando linhas caractersticas. (Dissertao de Mestrado em Computao
Aplicada) - Instituto Nacional de Pesquisas Espaciais, So Jos dos Campos,
SP, Brasil, 1995.
NCGIA, The Research Plan for the NCGIA, International Journal of Geographic
Information Systems, 3(2):117-136, 1989.
NUCLEBRS-EMPRESAS NUCLEARES BRASILEIRAS - 1975a - Mapa Geolgico do
Planalto de Poos de Caldas. Indito.
NUCLEBRS-EMPRESAS NUCLEARES BRASILEIRAS - 1975b - Mapa Radiomtrico
do Planalto de Poos de Caldas. Indito.
OLIVEIRA, A.G. - 1974 - Mineralizao de urnio e molibdnio no planalto de
Poos de Caldas, MG. Anais XXVIII Congresso Brasileiro de Geologia, 1:207-
221, Porto Alegre.
OLIVEIRA, C. de. Curso de Cartografia Moderna. IBGE. Rio de Janeiro. 2
a
Ed,
1993.
PETTINATTI, F., Modelamento Digital de Terreno e Representao Grfica de
Superfcie. Dissertao de Mestrado em Engenharia, Escola Politcnica da
Universidade de So Paulo - USP. So Paulo, SP, Brasil, 1983.
PETRIE G.; KENNIE, T. J. M. Terrain modelling in surveying and civil engineering.
Computer Aided Design, 19(4), pp. 171-187, 1987.
PREPARATA F. P.; SHAMOS M. I.. Computational geometry : an introduction.
Springer-Verlag, New York, USA, 1988.
ROSS, J. L. S. Anlise Emprica da Fragilidade dos Ambientes Naturais e
Antropizados. Revista do Dpto. de Geografia da FFLCH-USP. N. 7. pp. 65-74.
1993.
Bibliografia
GeoprocessamentoemProjetos Ambientais
7-8
SANTOS, M. Espao e Mtodo. So Paulo. Nobel. 1985.
SILVA, T. C. Metodologia dos estudos integrados para o zoneamento ecolgico-
econmico. Salvador. IBGE/DRN-BA. 1987.
SOTCHAVA, V. B. O estudo de geossistemas. Mtodos em Questo, 16. So Paulo.
USP. 1977.
STAR, J.; ESTES, J. Geographic Information Systems: An Introduction. New
York, Prentice-Hall, 1990.
SUDEC. Levantamento de reconhecimento semidetalhado dos solos da regio dos
Inhamuns-Salgado. Parte I. Iguat. Fortaleza. 1980.
SUI, D. Z. A Fuzzy GIS Modeling approach for urban land evaluation. Computers,
Environment and Urban Systems. Vol.16. N2. 1992. pp 101-115.
TANG L.. Raster Algorithms for surface modelling. XVII ISPRS Congress annals,
Washington, D. C., pp. 566 - 573, 1992.
TOLBERT, J. - 1966 - The uraniferous zirconium deposits of the Poos de Caldas
plateau, Brazil. U. S. Geological Survey Bulletin, 1185-C; 28 p.
TOMLIN, C.D. - 1992 - Cartographic modelling. In: Maguire, D.J. & Goodchild,
M.F., Rhind, D.W. (eds.) Geographical Information Systems: principles and
applications. Longman, London, 1:361-374.
TOMLIN, D. Geographic information systems and Cartographic Modeling.
Prentice Hall, New York, 1990.
TRICART, J. Ecodinmica. IBGE-SUPREN, (Recursos Naturais e Meio
Ambiente). Rio de Janeiro. 1977.
TRICART, J.; KIEWIETDEJONGE, C. Ecogeography and Rural Management: A
Contribuition to the International Geosphere-Biosphere Programme. Essex.
Longman Scientific & Technical. 1992.
TUFTE, E.R.. The Visual Display of Quantitative Information. Cheshire, USA,
Graphics Press, 1983. (OK)
TURNER, B.L.; SKOLE, D.; SANDERSON, S.; FISCHER, G.; FRESCO, L.; LEEMANS,
R. Land-Use and Land Cover Science Research Plan. Stockholm, IGBP, 1995.
Bibliografia
GeoprocessamentoemProjetos Ambientais
7-9
VEIGA, M.M. & MEECH, J.A. - 1994 - Heuristic approach to mercury pollution in
the Amazon. Proceedings of Extraction and Processing for the Treatment and
Minimization of Waste, 1:23-38, San Francisco.
WALKER, K-M. - 1983 - Digital spatial data handling techniques applied to the
development of quantitative geologic models. Proceedings XV International
Symposium on Remote Sensing of Environment, 1:827-838, Ann Arbor.
WEDOW JR., H. - 1967 - The Morro do Ferro thorium and rare-earth ore deposit,
Poos de Caldas district, Brazil. U. S. Geological Survey Bulletin, 1185-D, 34p.
WISCHMEIER, W.H., SMITH, D.D. Predicting rainfall erosion losses: A guide to
conservation planning. US Department of Agriculture, Agriculture handbook
No 537. (1978)
WORBOYS, M.F. GIS: A Computing Perspective. London, Taylor and Francis,
1995.
ZADEH, L.A. - 1965 - Fuzzy sets. Information and Control, 8:338-353.