UNIVERSIDADE DE TRS-OS-MONTES E ALTO DOURO

Mestrado em Engenharia dos Recursos Florestais

Sistemas de Informao Geogrfica e Deteco

Remota na localizao e quantificao da
biomassa de resduos florestais em povoamentos
de Pinus pinaster Ait

Pedro Miguel Morais Gomes

Vila Real, Junho de 2009

O ORIENTADOR

_________________________
(Prof: Doutor Domingos Manuel Mendes Lopes)

O CO-ORIENTADOR

_________________________
(Prof: Doutor Jos Manuel Martinho Loureno)

Dissertao apresentada na Universidade de Trs-os-Montes e Alto Douro para a

obteno do grau de Mestre em Engenharia dos Recursos Florestais

ii

AGRADECIMENTOS
O meu primeiro agradecimento vai para a minha me, a quem dedico este trabalho,
pelo exemplo, pelo carinho, pela fora incondicionalpor ser ME.
Agradeo tambm ao meu pai e irmo, pelo apoio e pacincia durante todo o perodo
em que decorreu este trabalho.
Um beijo grande aos avs Branca, Domingos e Candidinha de quem gosto muito.
Ao Prof. Doutor Domingos Lopes, meu orientador cientfico, que me props o tema
desta tese e me acompanhou em todas as fases do trabalho, pelo incentivo
permanente e pela sua pacincia e amizade.
Ao Prof. Doutor Martinho, meu co-orientador cientfico, pela sua disponibilidade e
amabilidade, pelos correces e recomendaes oportunas que contriburam para o
aprimoramento deste trabalho.
Um agradecimento especial ao Eng. Mrio Duro e ao Armando Carvalho, pela sua
compreenso, ao facilitar a conciliao da minha actividade profissional com os
estudos.
A todas as pessoas que me apoiaram directa ou indirectamente durante todo este
perodo, o meu obrigado.
Ao projecto PTDC/AGR-CFL/69733/2006 por financiar parte das etapas do estudo.

iii

RESUMO
consensual que o aumento do nmero de incndios, e da rea ardida no nosso pas,
est relacionado com a crescente acumulao de biomassa na floresta. Este flagelo
tem merecido a ateno dos governos e da sociedade pelo seu impacto negativo, quer
a nvel econmico quer ambiental. Actualmente, a acumulao de biomassa florestal
vista como uma oportunidade. Esta viso surge quando se percebe que a biomassa
pode ser utilizada para produo de energia, atravs de centrais de queima de
biomassa.
A utilizao ou quantificao de biomassa, independentemente do fim a que se
destina, est fundamentalmente dependente do conhecimento da realidade actual em
termos da sua disponibilidade e localizao. As avaliaes convencionais, com
recurso a inventrios, tornaram-se pouco prticas e de custo demasiado elevado.
Neste contexto, o desenvolvimento tecnolgico das ltimas dcadas fez com que
outras tecnologias, como a Deteco Remota (DR) e/ou os Sistemas de Informao
Geogrfica (SIG), surgissem como disciplinas com potencialidades de aplicao
acrescidas.
Pelos motivos acima expostos, este trabalho pretende contribuir para melhorar o
aproveitamento da tecnologia SIG e DR na estimativa de biomassa, em povoamentos
florestais de uma das principais espcies florestais em Portugal, a Pinus pinaster. A
sua implementao pressups o desenvolvimento de trabalho em duas fases. Na
primeira fase procurou perceber-se a capacidade da tecnologia satlite, e em
particular de imagens Landsat TM, na criao de mapas de ocupao do solo, em
sistemas heterogneos e fragmentados. Numa segunda fase, uma vez identificados os
povoamentos alvo, tentou quantificar-se biomassa neles presente, de forma indirecta.
Para a criao de mapas de ocupao do solo foi avaliado o desempenho de trs
classificadores: paraleleppedo, mnima distncia e mxima verosimilhana. Foi
igualmente testada a metodologia de validao da classificao recorrendo ao mapa
contnuo de ocupao do solo e a fotopontos. Para a estimativa de biomassa foi
delineado um inventrio em povoamentos de Pinus pinaster, analisando a sua
componente arbrea e o subcoberto. Com os dados recolhidos em campo procurou-se
estabelecer uma relao entre a resposta espectral e a biomassa, e a criao de
equaes que permitissem estim-la de forma indirecta, unicamente com recurso a
imagens de satlite.

Palavras-chave: Landsat TM, algoritmo de classificao, estimativa, modelao.

iv

ABSTRACT
There is no doubt that the increased number of fires and burned area in the
Portuguese territory is related to the increasing accumulation of biomass in forested
areas. This scourge has been concern of our governments and our society by the
negative impact that has either at the economical and environmental levels. However,
currently, the problem of accumulation of forest biomass is been faced as an
opportunity, when realizes that biomass can be used to produce energy through
burning of plants biomass.
This potential use is fundamentally dependent on knowledge of current reality in terms
of their availability and location. Evaluations using conventional inventories have
become time consuming and very expensive. In this context, the technological
development of recent decades related to the Remote Sensing (DR) and / or the
Geographic Information Systems (GIS) makes them technologies with great potential.
For all these reasons, this paper aims to contribute for the improvement of the use of
GIS technology and DR in the estimation of biomass of the main forest species in
Portugal: Pinus pinaster. This research was developed in two phases. The first phase
sought to understand the ability of satellite technology, and particularly of the Landsat
TM images, for creating maps of land use, in these heterogeneous and fragmented
areas. In a second phase, and once identified the target population, we tried to quantify
biomass based on Remote Sensing data. To create maps of land use it was evaluated
the performance of three classifiers: parallelepiped, minimum distance and maximum
likelihood. It was also tested two different methods for validating the obtained land use
maps. For the estimation of total and parcial biomass was outlined an inventory of
stands of Pinus pinaster, quantifying tree and understorey biomass. With field data we
tried to establish a relationship between spectral response and biomass, and thus the
creation of models that allow only an indirect estimate of using satellite images.

Key

words:

Landsat

TM,

classification

algorithm,

estimation,

modeling.

NDICE GERAL

INTRODUO -------------------------------------------------------------------------------------------------1

1.1

Enquadramento--------------------------------------------------------------------------------------------1

1.2

Objectivos ---------------------------------------------------------------------------------------------------3

1.3

Estrutura da dissertao -------------------------------------------------------------------------------3

REVISO BIBLIOGRFICA--------------------------------------------------------------------------------5

2.1

A biomassa Florestal ------------------------------------------------------------------------------------5

2.1.1

A biomassa florestal no contexto Portugus------------------------------------------------------5

2.1.2

Metodologias para quantificao da biomassa---------------------------------------------------9

2.2

2.1.2.1

Metodologia convencional ----------------------------------------------------------------------9

2.1.2.2

Quantificao de biomassa com recurso a imagens de satlite--------------------- 12

Novas tecnologias aplicadas ao estudo da biomassa florestal-------------------------- 14

2.2.1

Sistemas de Informao Geogrfica os princpios------------------------------------------ 14

2.2.2

Deteco remota -------------------------------------------------------------------------------------- 16

2.2.2.1

Os princpios ------------------------------------------------------------------------------------- 16

2.2.2.2

Radiao electromagntica (REM) /Padro espectral --------------------------------- 17

2.2.2.3

Comportamento espectral da vegetao-------------------------------------------------- 20

2.2.2.4

ndices de Vegetao -------------------------------------------------------------------------- 22

2.2.2.5

Sensores - diferentes resolues - diferentes capacidades-------------------------- 24

2.2.2.6

Programa Landsat (Landsat 5) -------------------------------------------------------------- 28

2.2.3
2.3

Deteco Remota em ecossistemas florestais------------------------------------------------- 30

Processamento digital de Imagens de Satlite------------------------------------------------ 32

2.3.1

Correco Geomtrica ------------------------------------------------------------------------------- 32

2.3.1.1

Pontos de controlo------------------------------------------------------------------------------ 33

2.3.2

Correco radiomtrica ------------------------------------------------------------------------------ 34

2.3.3

Correco atmosfrica ------------------------------------------------------------------------------- 36

2.3.4

Correco topogrfica-------------------------------------------------------------------------------- 38

2.3.5

Classificao de imagens --------------------------------------------------------------------------- 39

2.3.5.1

Classificao no supervisionada ---------------------------------------------------------- 40

2.3.5.2

Classificao supervisionada ---------------------------------------------------------------- 40

2.3.5.2.1 Classificador do paraleleppedo--------------------------------------------------------- 42

2.3.5.2.2 Classificador da mnima distncia ------------------------------------------------------ 43

vi

2.3.5.2.3 Classificador de mxima verosimilhana --------------------------------------------- 44

2.3.5.3

Avaliao da preciso da classificao---------------------------------------------------- 46

ENQUADRAMENTO DA REA DE ESTUDO ------------------------------------------------------- 50

3.1

Caracterizao fsica----------------------------------------------------------------------------------- 50

3.2

Enquadramento histrico ---------------------------------------------------------------------------- 51

3.3

A Pinus pinaster Ait. ----------------------------------------------------------------------------------- 52

3.3.1

Caracterizao sumria da espcie -------------------------------------------------------------- 53

METODOLOGIA --------------------------------------------------------------------------------------------- 55

4.1

Compilao de material, estudo e delineamento prvio de procedimentos --------- 56

4.1.1

Reunio do material a utilizar----------------------------------------------------------------------- 56

4.1.2

Definio dos estratos e da informao a recolher ------------------------------------------- 57

4.2

Criao de mapas de ocupao do solo -------------------------------------------------------- 58

4.2.1

Inventrio florestal (metodologia clssica) ------------------------------------------------------ 58

4.2.1.1

Criao de um mapa contnuo de ocupao do solo ---------------------------------- 58

4.2.1.2

Criao de fotopontos ------------------------------------------------------------------------- 59

4.2.2

Criao de mapas de ocupao com recurso a imagens Landstat-5 TM --------------- 60

4.2.2.1

Correco Geomtrica------------------------------------------------------------------------- 61

4.2.2.2

Extraco da rea de estudo ---------------------------------------------------------------- 61

4.2.2.3

Correco radiomtrica (criao do modelo tridimensional do terreno e

correco do brilho) ----------------------------------------------------------------------------------------- 62

4.2.2.4
4.2.3
4.3

Validao da classificao da ocupao do solo por satlite------------------------------- 64

Quantificao de biomassa em povoamentos de Pinus pinaster ----------------------- 65

4.3.1

Quantificao de biomassa utilizando a metodologia clssica ----------------------------- 65

4.3.1.1

Quantificao de biomassa para o estrato arbreo ------------------------------------ 65

4.3.1.2

Quantificao de biomassa em subcoberto ---------------------------------------------- 68

4.3.1.3

Biomassa total/Biomassa de resduos----------------------------------------------------- 70

4.3.2

Classificao supervisionada ---------------------------------------------------------------- 64

Quantificao da biomassa com recurso a imagens de satlite --------------------------- 70

DISCUSSO DE RESULTADOS------------------------------------------------------------------------ 72

5.1

Classificao de imagens para obteno de mapas de uso do solo------------------- 72

5.1.1

Reclassificao dos estratos ----------------------------------------------------------------------- 72

5.1.2

Mapa contnuo de ocupao do solo e Fotopontos ------------------------------------------- 76

vii

5.1.3

Avaliao das metodologias de validao------------------------------------------------------- 78

5.1.4

Avaliao dos classificadores ---------------------------------------------------------------------- 80

5.1.5

Anlise de resultados da melhor metodologia-------------------------------------------------- 83

5.2

Avaliao e predio de resduos florestais em Pinus pinaster------------------------- 89

5.2.1

Anlise discritiva dos valores de biomassa de resduos florestais de Pinus pinaster 89

5.2.2

Estimativa de resduos florestais em Povoamentos de Pinus pinaster a partir de

deteco Remota------------------------------------------------------------------------------------------------ 92

CONCLUSES----------------------------------------------------------------------------------------------- 99

BIBLIOGRAFIA -------------------------------------------------------------------------------------------- 102

viii

NDICE DE FIGURAS

Figura 1 Estrutura do consumo final de energia por tipo de energia em Portugal - Balano
energtico de 2003 (DGEG 2008). ............................................................................................... 5
Figura 2 Evoluo da rea ardida e do nmero de ocorrncias de 1980 a 2006 (DGRF 2008).
....................................................................................................................................................... 7
Figura 3 Localizao e potncias prevista para as Centrais de Biomassa lanadas a concurso
em Fevereiro de 2006 (MATEUS s/d)........................................................................................... 8
Figura 4 Componentes da fitomassa florestal e respectivo interesse (CANAVEIRA 2006).... 10
Figura 5 - Base de funcionamento de um SIG (planos de informao) (LLOPIS 2005)............. 15
Figura 6 - Componentes de um S.I.G. (LLOPIS 2005). .............................................................. 15
Figura 7 - Radiao electromagntica, comprimento de onda e frequncia (Adaptado de CCRS
2003). .......................................................................................................................................... 18
Figura 8 - Espectro electromagntico (Adaptado de PAJARI 2009)........................................... 18
Figura 9 Comportamento espectral dos principais elementos superfcie (RSE 2006). ........ 19
Figura 10 Factores dominantes da reflexo e absoro na folha (Adaptado de RSE 2006). . 21
Figura 11 Comportamento da vegetao em funo da energia incidente (CCRS 2003). ..... 22
Figura 12 Caractersticas dos sensores (Adaptado de KEY et al. 2001). ............................... 26
Figura 13 Perodo de operacionalidade dos vrios satlites da srie Landsat. ...................... 28
Figura 14 Bandas do sensor TM em relao s assinaturas espectrais dos principais
elementos superfcie (Adaptado de DRURY 1993). ................................................................ 29
Figura 15 Esquema ilustrativo da correco geomtrica com recurso a pontos de controlo. . 32
Figura 16 Mtodos de interpolao de brilho para os novos pixeis (Adaptado de CCRS 2003).
..................................................................................................................................................... 33
Figura 17 Principais fases do processo de correco radiomtrica. ....................................... 36
Figura 18 Exemplo de um histograma de uma imagem da banda 1 do Landsat-5 sem
correco atmosfrica. ................................................................................................................ 38
Figura 19 Esquema de uma classificao supervisionada (Adaptado de CANTY 2007)........ 41
Figura 20 Conceito esquemtico do classificador do paraleleppedo no espao tridimensional.
(Adaptado de NASDA e RESTEC 1999). ................................................................................... 43
Figura 21 Esquema ilustrativo do conceito da mnima distncia (Adaptado de MULLER 1999).
..................................................................................................................................................... 44

ix

Figura 22 Aspecto grfico de uma classificao pela mxima verosimilhana (Adaptado de

NASA 2008)................................................................................................................................. 45
Figura 23 - Enquadramento geogrfico da rea de estudo. ....................................................... 50
Figura 24 Perspectiva tridimensional da rea de estudo......................................................... 51
Figura 25 rea ocupada pelas principais espcies florestais ao nvel de Portugal Continental
de acordo com IFN 2005............................................................................................................. 53
Figura 26 rea florestal por espcie dominante em 2005 (CELPA 2007)............................... 53
Figura 27 Esquematizao do trabalho desenvolvido. ............................................................ 56
Figura 28 Mapa de ocupao do solo em formato vectorial aps validao no terreno. ........ 59
Figura 29 Criao dos fotopontos sobre a rea de estudo...................................................... 60
Figura 30 Cena Landsat-5 TM abrangendo o Norte de Portugal e de Espanha. .................... 61
Figura 31 Curvas de nvel da Carta Militar Portuguesa em (srie M888) formato vectorial
(esquerda); DEM elaborado a partir das curvas de nvel da Carta Militar Portuguesa (srie
M888) (direita). ............................................................................................................................ 62
Figura 32 Exemplo de um histograma para a banda 1 (esquerda) e valores mnimos de cada
banda (kl) do ficheiro .cor (direita). ........................................................................................... 63
Figura 33 Visualizao da caixa de correco radiomtrica, em MIRAMON. ....................... 63
Figura 34 Parcelas de amostragem nos povoamentos de Pinus pinaster de idade igual ou
superior a 15 anos....................................................................................................................... 66
Figura 35 Comparao de assinaturas espectrais mdias recolhidas em reas de treino dos
estratos rea ardida e mato. ....................................................................................................... 72
Figura 36 Comparao de assinaturas espectrais mdias recolhidas em reas de treino dos
estratos solo nu e urbano............................................................................................................ 73
Figura 37 - Comparao de assinaturas espectrais mdias das vrias resinosas..................... 74
Figura 38 - Comparao das assinaturas dos sete estratos usados na classificao das
imagens de satlite. .................................................................................................................... 75
Figura 39 Exemplo de uma rea de mato (com predominncia de Erica spp.) com
regenerao de Pinus pinaster, de densidade varivel, resultante de um incndio ocorrido em
2003............................................................................................................................................. 76
Figura 40 - rea de mato (Erica spp., Cytisus spp., Ulex spp.) com regenerao natural de
Pinus pinaster disperso e de idade e densidade varivel........................................................... 77
Figura 41 - Regenerao natural de carvalho (Quercus pyrenaica) a entrar por uma rea de
mato (Erica spp., Cytisus spp.). .................................................................................................. 77

Figura 42 - Classificador do paraleleppedo. ............................................................................. 80

Figura 43 Classificador da mnima distncia. .......................................................................... 81
Figura 44 Classificador da mxima verosimilhana................................................................. 81
Figura 45 Erro de classificao de uma rea agrcola devido resoluo do sensor. ........... 85
Figura 46 Exemplo de uma classificao numa rea de regenerao de Pinus pinaster jovem
com densidade varivel............................................................................................................... 86
Figura 47 Exemplo de classificao de um corredor ripcola. ................................................. 87
Figura 48 - Classificao de uma pequena rea urbana. ........................................................... 88
Figura 49 Percentagens da componente da rvore e dos matos na biomassa total e na
biomassa dos resduos. .............................................................................................................. 91
Figura 50 Correlao entre as variveis LAI e NDI(MIR1) para as diferentes componentes de
biomassa. .................................................................................................................................... 95

xi

NDICE DE QUADROS

Quadro 1 - Caractersticas das duas centrais de biomassa actualmente em funcionamento em

Portugal. ........................................................................................................................................ 9
Quadro 2 Resumo de alguns estudos de biomassa florestal com recurso a Deteco Remota.
..................................................................................................................................................... 13
Quadro 3 Alguns ndices de Vegetao................................................................................... 23
Quadro 4 Principais caractersticas e aplicaes das bandas TM do Landsat-5. ................... 30
Quadro 5 Estratos definidos para a criao de mapas de ocupao de solo. ........................ 57
Quadro 6 Densidades mdia aparente das espcies arbustivas encontradas em subcoberto
dos povoamentos de Pinus pinaster. .......................................................................................... 69
Quadro 7 Reclassificao dos estratos.................................................................................... 74
Quadro 8 Estatstica dos classificadores em funo do mtodo de validao........................ 78
Quadro 9 Estatsticas de avaliao da classificao. .............................................................. 79
Quadro 10 Comparao dos diferentes classificadores utilizados no processo de
classificao. ............................................................................................................................... 82
Quadro 11 Matriz de contingncia da imagem classificada pelo mtodo da mnima distncia.
..................................................................................................................................................... 83
Quadro 12 - Caractersticas dendromtricas dos povoamentos analisados. ............................. 89
Quadro 13 Estatstica da estimativa da biomassa das vrias componentes do povoamento
(ton ha-1). ..................................................................................................................................... 90
Quadro 14 Produo mdia anual de resduos florestais em povoamentos de Pinus pinaster.
..................................................................................................................................................... 92
Quadro 15 Correlao de Pearson entre as componentes de biomassa florestal e as variveis
estruturais recolhidas em campo. ............................................................................................... 93
Quadro 16 Correlao de Pearson entre variveis remotas e as componentes de biomassa
florestal. ....................................................................................................................................... 94
Quadro 17 Equaes ajustadas para as diferentes componentes da biomassa florestal para
estimao via deteco remota................................................................................................... 96

xii

1 INTRODUO
1.1 ENQUADRAMENTO
O processo de concertao multilateral desenvolvido a partir dos resultados da
Conferncia do Rio em 1992, e consubstanciado em 1997 nos acordos do Protocolo
de Quioto, contribuiu de forma relevante para a sensibilizao e consciencializao da
sociedade no que diz respeito aos impactos do consumo de energia e a sua relao
com as emisses de gases com efeito de estufa (GEE), um dos principais factores
responsveis pelo aquecimento global e consequente alterao climtica (MADRP
2005). Sob este ponto de vista, a floresta tem sido alvo de grande ateno devido ao
seu potencial para mitigar os efeitos do aquecimento global. de conhecimento geral
que as plantas absorvem dixido de carbono da atmosfera e tm capacidade de o
armazenar atravs do processo de fotossntese sob a forma de biomassa
(MUUKKONEN 2006). Desta forma, a floresta assume-se como sendo a acumulao
natural de biomassa, actuando como sumidouro temporrio de dixido de carbono que
as actividades humanas emitem para a atmosfera, chegando a armazenar 60% da
totalidade de carbono existente na vegetao e solo da superfcie terrestre (ASFR
2003; PSCOA et al. s/d)
O potencial das florestas com vista mitigao do chamado efeito de estufa passa
tambm pela sua capacidade de produo de energia renovvel. As emisses de CO2
provenientes da queima da biomassa florestal para a produo de energia so
consideradas pelo protocolo IPCC (International Panel for Climate Change) como
neutras do ponto de vista climtico (ASFR 2003; NETTO 2008).
Fazendo igualmente parte de uma das componentes do tringulo do fogo, a crescente
acumulao de biomassa nos espaos florestais e o risco de incndio associado, so
questes que requerem medidas mitigadoras. actualmente reconhecido que a
quantidade de biomassa acumulada na nossa floresta est directamente relacionada
com grandes incndios (YU et al. 2004; VARGAS et al. 2008).
O papel da biomassa florestal ainda valorizado na reposio da biodiversidade,
providenciando habitats para um variado nmero de espcies de plantas, animais e
fungos. Sob o ponto de vista fisiolgico, proporciona informaes sobre o stock de
macro e micronutrientes retidos na vegetao, sendo da maior importncia nas
actividades de maneio florestal (SANTOS et al. 2004). Apresenta tambm uma
importncia ao nvel da regulao dos fluxos de gua que atravessam ecossistemas
1

florestais, actuando como filtros, melhorando a qualidade da gua e reduzindo as

escorrncias ao longo das encostas (RODRIGUES 2003).
A utilizao ou quantificao de biomassa, independentemente do fim a que se destina
e no caso particular da biomassa florestal, est fundamentalmente dependente do
conhecimento da realidade em termos da sua disponibilidade e localizao. Num
cenrio actual de alteraes climticas, expanso da populao mundial, alteraes
antropognicas da paisagem e da ocupao do solo, tambm os ecossistemas
florestais, semelhana de muitos outros, so vistos como dinmicos e em
permanente alterao. O aumento da presso sobre estes ecossistemas faz com que
haja uma necessidade crescente da sua monitorizao, de forma a controlar esses
impactos, mas tambm de forma a poder geri-los da melhor forma.
A importncia da floresta, analisada cada vez mais a uma escala global, fez com que
houvesse a necessidade de desenvolver metodologias de avaliao que pudessem
acompanhar esta viso. As avaliaes convencionais com recurso a inventrios
tornaram-se pouco prticas e de custo demasiado elevado. Neste contexto, o
desenvolvimento tecnolgico das ltimas dcadas fez com que tecnologias como a
Deteco Remota (DR) e/ou os Sistemas de Informao Geogrfica (SIG) surgissem
como disciplinas emergentes: a DR, ao conseguir de forma rpida e fivel retratar a
realidade actual a diferentes escalas, quer a nvel local para inventrios clssicos
utilizados com fins de gesto econmica do recurso e actualizados anualmente, at
escalas regionais e globais para uma gesto ambiental, com a obteno de
estimativas de armazenamento de carbono, gua, fluxos energticos ou mesmo
biomassa, ao longo de vrias dcadas; os SIG, pela sua capacidade nica de
aquisio, edio, armazenamento, anlise e gerao de dados espaciais ou no
espaciais, completando muitas das limitaes da DR e aumentado muito a sua
potencialidade.
Todos os pontos atrs enunciados ganham especial relevncia para um pas como
Portugal, onde a rea florestal ocupa aproximadamente 3.400.000 hectares, ou seja,
cerca de 38% do territrio continental (IFN 2005). A par da riqueza econmica e
ambiental deste recurso tem-se verificado nas ltimas dcadas, fruto de uma profunda
alterao econmica e social no pas, um aumento dramtico do nmero de incndios.
consensual que o aumento do nmero de incndios e da rea ardida pe em causa
toda a mais valia da floresta e tem um impacto extremamente negativo na economia. A
desertificao dos espaos rurais e algum desleixo das polticas florestais, que no
souberam adaptar-se e reconhecer estas mudanas, levaram a um acumular de

biomassa nestes ecossistemas, que no compatvel com um pas onde

culturalmente o fogo sempre esteve presente.
Actualmente, e face aos novos desafios que se colocam a nvel energtico e de
desenvolvimento econmico do pas, o problema da acumulao de biomassa florestal
foi visto como uma oportunidade. Esta viso surge quando se percebe que a biomassa
pode ser utilizada para produo de energia atravs de centrais de queima de
biomassa. Nesse sentido, em Fevereiro de 2006, o Governo lanou um concurso para
a criao de 15 centrais termoelctricas a biomassa florestal, a juntar s duas j
existentes. A questo que se coloca qual a capacidade das florestas do nosso pas
para conseguir alimentar estas centrais e de que forma estas tero o impacto, quer a
nvel energtico quer ambiental, que se propem atingir. A resposta a esta questo
passa antes de mais pela capacidade em localizar e quantificar a biomassa florestal
passvel de poder vir a ser utilizada para fins energticos.

1.2 OBJECTIVOS
Por todas estas razes, este trabalho pretende ser um contributo para melhorar o
aproveitamento da tecnologia dos Sistemas de Informao Geogrfica e Deteco
Remota na estimativa de biomassa em povoamentos florestais da principal espcie
florestal em Portugal, Pinus pinaster, substituir ao mximo as tcnicas clssicas de
inventrio florestal, mais morosas e caras, e ao mesmo tempo conseguir uma
metodologia polivalente, que permita uma avaliao contnua, no espao e tempo, e
ainda a monitorizao permanente do estado e alterao de toda uma rea florestal.

1.3 ESTRUTURA DA DISSERTAO

Em termos de estrutura esta dissertao encontra-se dividida em seis grandes
captulos:

Captulo 1, onde feito o enquadramento do tema da dissertao, a

definio dos objectivos e onde apresentada a sua estrutura;

Captulo 2, onde se efectua uma reviso do estado da arte, abordando

e contextualizando a importncia das avaliaes de biomassa, as novas
tecnologias aplicadas na sua estimativa e aprofundando as bases de

funcionamento da Deteco Remota e do processamento digital de

imagens;

Captulo 3, onde se procura enquadrar geogrfica e historicamente a

rea de estudo, bem como fazer uma breve descrio da espcie Pinus
pinaster;

Captulo 4, onde descrita a metodologia seguida, separando-a em

dois grandes temas: criao de mapas de ocupao do solo;
quantificao de biomassa em povoamentos de Pinus pinaster;

Captulo 5, onde seguindo a estrutura do captulo anterior so

apresentados, interpretados, e feita uma anlise crtica dos resultados
obtidos;

Captulo 6, onde se faz um resumo dos resultados, se tiram algumas

concluses, e se abrem perspectivas para dar continuao
investigao do tema.

2 REVISO BIBLIOGRFICA
2.1 A BIOMASSA FLORESTAL

2.1.1 A BIOMASSA FLORESTAL NO CONTEXTO PORTUGUS

A crescente instabilidade dos mercados financeiros, com o preo do petrleo a subir
diariamente, levantou o problema da segurana do abastecimento e da independncia
energtica, criando um ambiente nada propcio ao desenvolvimento e crescimento de
economias de pases como Portugal, sem recursos fsseis (MADRP 2005). A reduo
da dependncia energtica desta fonte tornou-se por isso uma prioridade (NETTO
2008).
Em

2003

economia

portuguesa

apresentava

um

consumo

de

energia

maioritariamente oriunda do petrleo (58%), sendo o pas europeu com maior

dependncia desta fonte onde a mdia rondava os 40%. Ainda nesta data o balano
energtico apontava para que apenas 9% da energia consumida tivesse origem em
fontes renovveis (Figura 1) (MADRP 2005).

Figura 1 Estrutura do consumo final de energia por tipo de energia em Portugal - Balano
energtico de 2003 (DGEG 2008).

Actualmente, tem havido uma consciencializao por parte da nossa sociedade, e por
parte dos nossos governos, do impacto que as actividades do sector energtico tm
no ambiente, com especial nfase nas alteraes climticas, pelo que a definio das

polticas energtica e ambientais tm cada vez mais procurado a concertao entre as

duas vertentes. A Estratgia Nacional para a Energia, aprovada pela Resoluo de
Conselho de Ministros n. 169/2005, de 24 de Outubro, o culminar disso mesmo.
Nela se procura dar resposta s preocupaes e objectivos nacionais mas tambm
aos objectivos definidos no Plano de Aco para a Poltica Energtica ao nvel da
Unio Europeia (UE), nomeadamente (DGEG 2008):

Uma reduo de GEE (Gases com Efeito de Estufa) de 20% at 2020, em

relao a 1990;

Uma meta vinculativa de 20% para as energias renovveis em 2020, e uma

meta mnima vinculativa de 10% de biocombustveis nos transportes;

Uma reduo de 20% do consumo energtico em 2020, de acordo com o

Plano de Aco da Eficincia Energtica.

O entendimento sobre a participao das actividades florestais no cumprimento

nacional de Quioto est igualmente vertido no PNAC - Programa Nacional para as
Alteraes Climticas (PNAC 2006). Entre as vrias medidas, o PNAC estabelece a
promoo da capacidade de sumidouro de carbono da floresta, atravs da melhoria da
sua gesto e da constituio de novos povoamentos florestais, num total de 492 mil
hectares, relativamente a 1990.
Actualmente, o servio de sequestro de carbono pelos ecossistemas florestais no
reconhecido e valorizado somente no mbito dos mercados regulados de Quioto, mas
tambm o no contexto de mercados voluntrios, alavancados e dinamizados por
marcas e empresas que, proactivamente e sob estratgias corporativas de
responsabilidade ambiental e social, compensam assim as suas emisses de gases
com efeito de estufa (ENF 2006; FPFP 2007). Em Portugal, semelhana de outros
pases, surgiram mesmo empresas empenhadas em promover e dinamizar este
processo como o caso da ECOPROGRESSO ou da CIGA e da sua Plataforma
Carbonnus.
O flagelo do fogo e dos grandes incndios tem sido outra grande preocupao
nacional. O desenvolvimento scio-econmico das ltimas dcadas ditou uma
alterao da ocupao e utilizao do espao por parte das populaes rurais, cada
vez mais envelhecidas. A desvalorizao da agricultura e a procura de melhores
condies de vida, fizeram com que as populaes abandonassem as suas aldeias e,
em consequncia, todo um espao que durante centenas de anos foi moldado por
interveno e presena humana viu-se crescer de forma natural. Este abandono fez
6

com que aumentasse consideravelmente a quantidade de biomassa vegetal e teve

como consequncia um aumento dramtico do nmero de ocorrncias de incndio e
da rea ardida (Figura 2) (DGRF 2008; GOMES 2008).

Figura 2 Evoluo da rea ardida e do nmero de ocorrncias de 1980 a 2006 (DGRF 2008).

Nas condies nacionais e no curto prazo, atendendo ao elevado risco de incndio

que o pas apresentava, procurou-se a adopo de medidas de silvicultura preventiva
(MADRP 2005). Esses modelos contemplavam a diminuio da carga combustvel
(biomassa), quer atravs do incentivo ao corte de matos, quer de povoamentos muito
densos, no sentido de criar descontinuidades no coberto florestal (EREAM 2006).
neste contexto que a biomassa florestal surge como sendo de grande interesse,
tanto ao nvel do sector florestal, como ao nvel do sector energtico e ambiental. O
aproveitamento da biomassa florestal como fonte de energia renovvel actualmente
vista como uma oportunidade de valorizao do mundo rural, atravs da melhoria da
gesto das exploraes florestais e integrada no objectivo de defesa da floresta contra
incndios, na criao de empreendimentos e de emprego, numa ptica de fileira
florestal (ENF 2006; MATEUS s/d).
No seguimento desta lgica, foi definido em 2003, em Resoluo de Conselho de
Ministros (RCM n 63/2003), a meta de 150 MW de potncia instalada em termos de
produo energtica Nacional, com origem em biomassa florestal, at 2010. Com o
objectivo de cumprir a meta, o Governo lanou em Fevereiro de 2006 um concurso
para atribuio de capacidade de injeco de potncia na rede do Sistema Elctrico de
Servio Pblico (SEP), para energia elctrica produzida em 15 novas centrais
termoelctricas a biomassa florestal, a juntar s duas j existentes (Quadro 1) (DGEG

2008; NETTO 2008; MATEUS s/d). Com estas novas centrais prev-se a produo de
100 MVA de potncia, com um consumo de 10000 ton ha-1ano-1 de biomassa seca por
cada MVA instalado (Figura 3), segundo comunicao verbal do Prof. Jos Lus
Lousada do departamento de Cincias Florestais e Arquitectura Paisagista da UTAD.

Figura 3 Localizao e potncias prevista para as Centrais de Biomassa lanadas a concurso

em Fevereiro de 2006 (MATEUS s/d).

A localizao geogrfica das novas centrais facilmente associada s reas e regies

com grandes manchas florestais, distribuindo-se sobretudo na regio Norte e Centro
do pas. Trs delas encontram-se no distrito de Vila Real, distrito que abrange a rea
deste estudo, e so classificadas como sendo de muito alta prioridade. Ressalta
tambm a proximidade entre elas, pelo que se prev que haja uma sobreposio em
termos de rea de influncia e uma grande procura e presso para fornecimento de
matria-prima.

Quadro 1 - Caractersticas das duas centrais de biomassa actualmente em funcionamento em

Portugal.
Central de Mortgua

Central de Vila Velha do Rdo

Incio de funcionamento

1999

2007

Potncia instalada

10 MVA

10 MVA

Consumo de resduos (em

109 000 ton ano

-1

160 000 ton ano-1

verde)

2.1.2 METODOLOGIAS PARA QUANTIFICAO DA BIOMASSA

2.1.2.1 Metodologia convencional
A utilizao ou quantificao de biomassa, independentemente do fim a que se destina
e no caso particular da biomassa florestal, est fundamentalmente dependente do
conhecimento da realidade actual em termos da sua disponibilidade e localizao.
Uma caracterizao fsica da ocupao florestal, tendo em vista o seu aproveitamento
para fins energticos, de armazenamento de carbono ou de operaes normais de
explorao com fins de madeira de produo, permitem planear e implementar a
interveno no domnio florestal, de forma sustentada e integrada, promovendo o
correcto ordenamento do espao (PSCOA et al. s/d).
Apesar do verdadeiro termo biomassa florestal englobar toda a massa de matria de
origem biolgica, viva ou morta, animal ou vegetal presente na floresta, esta
normalmente utilizada para referir-se apenas componente vegetal, por ser aquela
com maior representatividade nestes espaos e por isso vrias vezes designada de
fitomassa (SANQUETTA, 2002 em SILVEIRA et al., 2007). Por sua vez se se falar de
biomassa florestal com fins energticos, ento necessrio separar a biomassa
vegetal nas suas vrias componentes (Figura 4). Os Planos Regionais de
Ordenamento Florestal (PROF) nacionais, em resultado da adopo da directiva
europeia 2001/77/EC, designam por biomassa florestal a fraco biodegradvel dos
produtos e dos desperdcios de actividade florestal. Esta designao inclui o material
resultante de operaes de gesto dos combustveis (matos), das operaes de
conduo (ex: desbaste e desrama) e da explorao dos povoamentos florestais, ou
seja: ramos, bicadas, cepos, folhas, razes e cascas (PROFBP 2006).

Figura 4 Componentes da fitomassa florestal e respectivo interesse (CANAVEIRA 2006).

Da vria bibliografia consultada verifica-se que a maioria dos estudos de biomassa

florestal, independentemente do seu propsito, raramente avaliavam todas as
componentes, concentrando-se, na maioria das vezes, na componente area e quase
sempre na componente arbrea viva (ROY e RAVAN 1996; MUUKKONEN e
HEISKANEN 2005; GARCAS-MARTN et al. 2006; KALOGIROU s/d). LU (2006)
justifica esta tendncia com as dificuldades e custos acrescidos em estudos da
componente abaixo do solo e na dificuldade associada sua extraco para posterior
utilizao.

10

As estimativas de biomassa de um ecossistema florestal so geralmente divididas em

dois mtodos: mtodo directo (destrutivo) ou indirecto (no destrutivo) (SANTOS et al.
2004).
O Mtodo Directo, mais preciso e eficaz, implica pesar todas as rvores de uma
determinada rea (SANTOS et al. 2004; VIEIRA et al. 2008; CLEEMPUT et al. s/d).
So estudos que por norma exigem muito tempo e dinheiro (HOUGHTON 2005;
VIEIRA et al. 2008). Trabalhos que utilizam o mtodo directo baseiam-se na
amostragem individual de um nmero reduzido de rvores ou na instalao de
parcelas, tendenciosamente escolhidas, cujos dados servem depois para extrapolar
para o povoamento (SILVEIRA et al. 2007; PSCOA et al. s/d).
O Mtodo Indirecto mais rpido, no se corta, no se pesa nem se seca nenhum
indivduo, podendo amostrar uma rea maior e um maior nmero de indivduos. De
acordo com SOMOGYI et al. (2007) as avaliaes indirectas de biomassa so
geralmente feitas utilizando um de dois mtodos: o primeiro utiliza dados de volume de
rvores ou talhes e multiplica-os por um factor ou factores apropriados, denominados
factores de biomassa (BF), que convertem (expandem ou reduzem) as estimativas de
volume para estimativas de biomassa (Eq.1):
B = P x BF

(Eq. 1)

onde:
B = biomassa em kg ou ton;
P = parmetro de uma rvore ou talho; por exemplo, volume em m3;
BF = factor apropriado da biomassa utilizado na converso.

Outra forma de se estimar biomassa de forma indirecta realizando o ajuste de

equaes (equaes alomtricas) pelo uso de tcnicas de regresso (Eq.2). Esta
tcnica pressupe a avaliao de algumas rvores (mtodo destrutivo) para
determinao do peso de cada componente e procura uma relao com variveis
dendromtricas facilmente obtidas em campo (WATZLAWICK 2003; FORDA e JICA
2005; LOPES 2005; MANI e PARTHASARATHY 2007).

B = f (P1,P2, p1, p2,...)

(Eq. 2)

onde:
B = biomassa em kg ou ton.
11

2.1.2.2 Quantificao de biomassa com recurso a imagens de satlite

Os primeiros estudos de biomassa utilizando imagens de satlite tiveram incio nos
anos de 1980 em reas de floresta tropical (KALOGIROU s/d). Com a evoluo
tecnolgica das ltimas dcadas, as tcnicas de deteco remota tm-se sobreposto a
avaliaes convencionais de inventrio florestal (HAME et al. 1995; ROY e RAVAN
1996; HEISKANEN 2006).
A maioria dos estudos concentram-se em florestas de conferas devido estrutura
relativamente simples do povoamento e da composio das espcies. Em reas mais
heterogneas, nomeadamente em florestas tropicais, as estimativas tm-se mostrado
mais difceis pela complexidade dos povoamentos e grande variedade de espcies
(LU 2006).
Os tipos e abordagens mais comuns para estimao de biomassa via deteco remota
so descritos por PATENAUDE et al. (2005), LU (2006) e WULDER et al. (2008). De
uma maneira geral, as equaes ajustadas para estimativa da biomassa recorrem a
anlises de regresso mltipla, mtodo do vizinho mais prximo e redes neuronais,
estabelecendo assim uma relao directa entre a resposta espectral e a biomassa, ou
indirecta utilizando variveis estruturais, como por exemplo o ndice de rea Foliar ou
o dimetro da copa, sendo estes potencialmente estimados por deteco remota.
semelhana do que acontece em estudos para outras caractersticas dos
povoamentos florestais, tambm no caso da biomassa existe alguma variedade no que
diz respeito s caractersticas do sensor utilizado. por isso possvel encontrar
estudos de biomassa que utilizam imagens de baixa resoluo espacial como o
AVHRR(1) (RUIZ et al. 2006; TAN et al. 2007) passando por sensores de mdia
resoluo como o caso do ASTER(2) ou MODIS(3) (HEISKANEN 2006; MUUKKONEN
e HEISKANEN 2007) at imagens de muito grande resoluo como o caso da
IKONOS (THENKABAIL et al. 2004; MIGOLET et al. 2007). No entanto os sensores
Landsat ETM+, e sobretudo os TM, so os mais utilizados para este fim (BETTINGER
e HAYASHI 2006; WULDER et al. 2008).
(1) Advanced Very High Resolution Radiometer (AVHRR); (2) Advanced Spaceborne Thermal Emission and
Reflection Radiometer (ASTER); (3) Moderate Resolution Imaging Spectroradiometer (MODIS)

12

BETTINGER e HAYASHI, em 2006, escreveram um pequeno artigo onde reuniram

alguns estudos de estimativas de biomassa florestal utilizando deteco remota.
Tendo por base esse artigo elaborou-se o seguinte quadro (Quadro 2):
Quadro 2 Resumo de alguns estudos de biomassa florestal com recurso a Deteco Remota.

Varivel

Biomassa

Biomassa

Biomassa

Espcie

Resinosas
e folhosas

Floresta

Floresta

Imagem
utilizada

Modelo
de
regresso

Variveis
seleccionadas

Localizao
2

estudo

Landsat

stepwise

0.70

Landsat

3,4,5,7

0.57

Landsat

Banda 1, 2, 3

da rea de

Fonte
bibliogrfica

Gergia

Hayashi

(USA)

(2006)

Alberta

Hall et al.

(Canada)

(2006)

Califrnia

Franklin

(USA)

(1986)

Wisconsin

Zheng et al.

(USA)

(2004)

Amaznia

Lu et al.

(Brasil)

(2002)

Amaznia

Lu et al.

(Brasil)

(2005)

Amaznia

Steininger

(Brasil/Peru)

(2000)

NDVI
Regresso

Pinheiro
Biomassa

Landsat

mltipla +
medies
em campo

Folhosas

Banda 1, 4, t,

0.86

IVsolo
Banda 4, t

0.95

Informao
Biomassa

Floresta
tropical

Landsat

Regresso

espectral +

mltipla

medidas de

0.88

textura

Biomassa

Biomassa

Floresta
tropical
Floresta
tropical

Landsat

stepwise

Banda 4, 5

Landsat

Banda 5

Resinosas
Biomassa

Landsat

Banda 2, 3, 7

Folhosas

0.75

0.20.3

Mediterrneo
(Norte da
Grcia)

Mallinis et al.
(2004)

Magnusson
Volume

Floresta

Landsat

Anlise de

Banda 1,2,4,5

regresso

e7+h

0.90

Sucia

and
Fransson
(2005)

(Consultado por BETTINGER e HAYASHI em 2006)

13

A anlise do quadro refora a ideia de que as imagens Landsat TM possuem uma

grande expresso em avaliaes de DR e so utilizadas de forma generalizada para
grande parte do Globo. Existe um grande nmero de estudos em reas de floresta
tropical, sobretudo pela dificuldade que existe em recolher dados por mtodos
convencionais nessas raes. Normalmente utiliza-se um modelo stepwise, ou uma
regresso mltipla, para estabelecimento de relaes entre as variveis e a
reflectncia, e o infravermelho prximo , por norma, a banda que produz melhores
resultados. Em termos de eficcia da metodologia, verificou-se que ela um pouco
varivel, mas que os melhores resultados so aqueles que relacionam uma ou mais
variveis estruturais, como a idade, a altura, ou medidas de textura, com os valores de
reflectncia, isto , h uma utilizao simultnea de dados da deteco remota com
variveis recolhidas em campo.

2.2 NOVAS

TECNOLOGIAS
FLORESTAL

APLICADAS

AO

ESTUDO

DA

BIOMASSA

2.2.1 SISTEMAS DE INFORMAO GEOGRFICA OS PRINCPIOS

Os Sistemas de Informao Geogrfica (SIG) so um conjunto de tecnologias que
realizam o tratamento computacional de dados georreferenciados, descrevendo-os
quanto aos seus atributos e relaes espaciais, e constituem um mtodo consistente
para anlise e consulta (FRANA 2004; LLOPIS 2005; SKRDLA 2005). Permitem a
aquisio, edio, armazenamento, actualizao e anlise de dados, assim como a
gerao de nova informao atravs do cruzamento entre dados espaciais e
alfanumricos ou entre diferentes temas espaciais (SANTIAGO et al. 2002).
A base do seu funcionamento consiste em manipular planos de informao que
representam um determinado elemento do mundo real sobre uma base comum (Figura
5) (LLOPIS 2005). Estes planos de informao podem ser de diferentes fontes e
formatos e, uma vez inseridos e integrados na base, podem ser combinados de
diversas maneiras, atravs de algoritmos de manipulao e anlise ou simplesmente
permanecerem disponveis para consulta, visualizao e impresso (SANTIAGO et al.
2002).

14

Figura 5 - Base de funcionamento de um SIG (planos de informao) (LLOPIS 2005).

Da mesma forma que sucede para a definio de SIG, a descrio dos componentes
de um sistema de informao geogrfica no consensual. Em termos genricos,
pode considerar-se os componentes de um SIG como: entrada de dados;
armazenamento de dados; manipulao e anlise de dados e sada de dados (VIANA
2005). De acordo com LLOPIS (2005), um SIG composto por um conjunto de
elementos distintos como mostra a Figura 6.
Utilizadores: o
componente mais
Software: Inclui quer os

importante de um SIG

programas de SIG quer

Este deve desenvolver os

programas informticos

procedimentos e definir as

de bases de dados,

tarefas do SIG

estatsticos, de

Dados: A

processamento de

disponibilidade e

imagens ou qualquer

preciso dos dados

outro software.

pode afectar os
resultados de
qualquer anlise

Hardware: As possibilidades
do equipamento informtico
afectam a capacidade de
armazenamento, a
velocidade de
processamento, facilidade

Procedimentos: A anlise
requer mtodos bem definidos
e consistentes para produzir
resultados correctos e

de uso e tipo de sada

reproduzveis

disponvel.

Figura 6 - Componentes de um S.I.G. (LLOPIS 2005).

15

Das vrias fontes de dados utilizadas em SIG, uma das mais importantes , sem
dvida, a Deteco Remota (DR) (GONALVES 2005). As imagens de satlite em
formato digital permitem uma rpida integrao dos resultados, obtidos pelas anlises
de DR, em Sistemas de Informao Geogrfica (VIANA 2005). Desta forma, so
ultrapassadas as limitaes que alguns sistemas de DR apresentam para realizar
operaes de anlise com informao vectorial (VIANA 2005). Por outro lado, diversas
tcnicas de processamento digital de imagens so envolvidas por procedimentos em
SIG.
Embora reconhecida a importncia da informao da DR, DEMERS (2005) refere que
os SIG e a DR devem ser vistos como tecnologias complementares, uma vez que os
SIG tm capacidades analticas nicas.

2.2.2 DETECO REMOTA

2.2.2.1 Os princpios
A DR a cincia e arte de obter informao sobre um objecto, rea, ou fenmeno,
atravs da anlise de dados adquiridos por um dispositivo/sensor que no se encontra
em contacto com o objecto, rea, ou fenmeno sob investigao (LILLESAND e
KIEFER 1994; IGEOE 2008). Tal como definida, um termo bastante geral e pode
incluir processos como a viso humana, fotografia, radar e sismologia (CAETANO
1999). Contudo vulgar associar a DR a sistemas que gravam informao, baseada
em energia electromagntica, recorrendo a avies ou a satlites (GONALVES 2005).
Neste estudo o termo DR concentra-se apenas na protagonizada por satlites.
Os sensores do satlite fazem um scanner do terreno e, medida que a plataforma do
satlite se move, construda uma imagem da superfcie da terra (CAETANO 1999;
IGEOE 2008). Cada linha de scanner de uma imagem uma gravao digital da
medida de radiao efectuada em intervalos regulares ao longo da linha e um conjunto
de linhas consecutivas formam uma imagem (CAMPBELL 2007). Os elementos
espaciais de uma imagem designam-se por pixeis, cada um cobrindo uma rea
especfica no terreno (GONALVES 2005). A radiao captada pelo sensor, para uma
rea especfica da superfcie, gravada em cada pixel em nmeros digitais (DN) para
facilidade de manuseamento e anlise da informao (IGEOE 2008). Os DNs podem
ser convertidos em radincia fsica e em reflectncia da superfcie atravs de
procedimentos adequados que abordaremos mais adiante.

16

Todos os instrumentos de DR detectam o padro e variao da energia captada pelos

sensores. Por norma cada plataforma possui mais que um sensor. Cada um deles
sensvel a uma poro do espectro e a informao correspondente normalmente
designada por banda. As regies do espectro electromagntico mais utilizadas so a
do visvel, o infravermelho prximo e o infravermelho mdio (GONALVES 2005). A
fonte natural de energia electromagntica para estes comprimentos de onda o sol. A
radiao capturada pelos sensores da maioria dos satlites a radiao emitida pelo
sol e que reflectida pela superfcie da Terra (LILLESAND e KIEFER 1994).
A hiptese central em DR a de que a radiao reflectida por uma superfcie carrega
informao acerca do tipo, propriedades e estado da superfcie (IVERSON et al. 1989;
CAETANO 1999).

2.2.2.2 Radiao electromagntica (REM) /Padro espectral

O primeiro requerimento para a DR dispor de fonte de energia que ilumine ou
fornea energia ao alvo de interesse (excepto no caso em que pode ser o prprio alvo
a emitir energia) (CCRS 2003; VIANA 2005).
Esta energia viaja velocidade da luz e constituda por uma componente elctrica
(E) e uma magntica (M) (energia electromagntica - EM). Sob uma perspectiva
quntica, a REM concebida como o resultado da emisso de pequenos pulsos de
energia, enquanto que sob o ponto de vista ondulatrio, a REM propaga-se na forma
de ondas formadas pela oscilao dos campos elctrico e magntico (LILLESAND e
KIEFER 1994; CCRS 2003; KINGSTON 2007).
A distncia existente entre dois picos sucessivos de ondas electromagnticas designase por comprimento de onda () (RSE 2006; NASA 2008). Este comprimento de onda,
devido velocidade constante da luz, est inversamente relacionado com a frequncia
de onda (nmero de picos de onda que passam num determinado ponto, por unidade
de tempo) (Figura 7) (LILLESAND e KIEFER 1994).

17

Figura 7 - Radiao electromagntica, comprimento de onda e frequncia (Adaptado de CCRS

2003).

Apesar de o REM ser contnuo, comum dividi-lo em bandas/regies correspondentes

a valores de energia com caractersticas prximas de determinadas frequncias ou de
comprimentos de onda. Os nomes atribudos a estas regies do espectro resultam
sobretudo dos mtodos utilizados na sua deteco e no tanto nas caractersticas dos
seus comprimentos de onda (Figura 8) (RIBEIRO 2007).

Figura 8 - Espectro electromagntico (Adaptado de PAJARI 2009).

Quando as ondas EM atingem a atmosfera terrestre, grande parte dessa energia

perdida devido reflexo, absoro e transmisso causada pelos constituintes
atmosfricos (gases, partculas, etc.) (RSE 2006). Depois de a atravessar e entrar em
contacto com os alvos, esta interage com eles. Como resultado destas interaces, e
variando de acordo com o tipo de elemento superfcie, a energia pode de novo ser

18

absorvida, reflectida ou transmitida, total ou parcialmente (EASTMAN 1997). Na

deteco remota tem especial interesse a ER pelos alvos, pois corresponde poro
enviada de novo para o espao, captada pelos sensores e transformada em imagem.
A forma como cada elemento se comporta perante a energia e os diferentes
comprimentos de onda, isto , a forma como absorve, reflecte e transmite a energia
que o atinge, nica, sendo possvel verificar um certo padro (EASTMAN 1997;
NASDA e RESTEC 1999). este padro, normalmente designado por padro
espectral, com o qual possvel, recorrendo a tcnicas de deteco remota, a
separao, identificao e localizao de elementos superfcie, que sustenta o
processo de classificao de imagem e que fornece a base terica para o clculo de
ndices de Vegetao (LOPES 2005).
A Figura 9 representa a mdia das assinaturas espectrais para a vegetao verde,
solo seco e gua limpa. A reflectncia do solo caracterizada por ter uma baixa
reflectncia na regio do visvel, aumentando gradualmente medida que o
comprimento de onda aumenta desde o visvel at ao infravermelho prximo e
atingindo o seu pico no infravermelho mdio (LILLESAND e KIEFER 1994; CCRS
2003; RSE 2006). Comparativamente com a vegetao exibe uma boa reflectncia na
zona do visvel e uma menor na zona do infravermelho mdio (LOPES 2005). O
comportamento espectral do solo pode variar consideravelmente com a sua cor, tipo,
textura, compostos da mistura, teor de matria orgnica e presena de xidos de ferro
e humidade (JUNIOR 2001; KUNTSCHIK 2004; LOPES 2005).

Figura 9 Comportamento espectral dos principais elementos superfcie (RSE 2006).

19

A gua limpa absorve grande parte de todos os comprimentos de onda. Possui uma
pequena reflectncia na zona do visvel com o seu pico a ser atingido na zona do azul,
que diminui medida que aumenta o comprimento de onda (RSE 2006).
A vegetao saudvel revela quase sempre uma configurao de pico e vale
(LILLESAND e KIEFER 1994). Os valores de reflectncia mais baixos ocorrem na
zona do visvel (particularmente no vermelho) e h um aumento significativo na zona
do infravermelho prximo (LOPES 2005).

2.2.2.3 Comportamento espectral da vegetao

Na vegetao a folha a principal componente responsvel pelo seu comportamento
espectral Este consideravelmente complexo, variando entre espcies, e dentro da
mesma espcie, devido a factores como a morfologia, a fisiologia e o teor de
humidade das folhas (KUNTSCHIK 2004; RIBEIRO 2007).
O teor de clorofila (principal pigmento fotossinttico das folhas nas plantas verdes) o
factor mais condicionante na regio do visvel (de 0.4 a 0.7 m), enquanto que no
infravermelho prximo a estrutura das folhas (KUNTSCHIK 2004; RSE 2006;
RIBEIRO 2007). A clorofila presente nos cloroplastos das folhas absorve sobretudo na
regio do azul (B) (0.4 a 0.5 m) e do vermelho (R) (0.6 a 0.7 m) por ser a gama de
comprimento utilizada como fonte de energia para a fotossntese (EASTMAN 1997;
CCRS 2003). Na regio do verde (G) (0.5 a 0.6 m), verificamos uma diminuio da
absoro, logo um aumento da reflexo, que leva a que a vegetao saudvel surja
com a cor verde (GONALVES 2005).

20

Figura 10 Factores dominantes da reflexo e absoro na folha (Adaptado de RSE 2006).

Ao nvel do infravermelho (IR) a estrutura da folha e a reteno de gua so

determinantes para o comportamento espectral. O aumento considervel no
infravermelho prximo justificado pelo espalhamento interno sofrido pela REM em
funo da disposio da estrutura morfolgica da folha, aliado ao espalhamento
mltiplo entre as diferentes camadas de folhas (JUNIOR 2001). Por ltimo verifica-se
uma queda ao nvel do infravermelho mdio, devido presena de gua no seu
interior (JACINTHO 2003).
No Vero as folhas ficam com uma aparncia mais verde, quando o teor de clorofila se
encontra no seu mximo. No Outono registam-se alteraes na sua fisiologia que
podem provocar um aumento de fitocianinas (reflectncia do amarelo) ou das
antocianinas (reflectncia do vermelho) e uma diminuio dos cloroplastos, o que
explica uma maior reflectividade na banda vermelha e a sua cor vermelha ou
amarelada (verde mais vermelho) (HOWARD 1991; CCRS 2003).
Quando se considera um povoamento florestal, a curva de reflectncia pode ser
diferente da que obtemos em laboratrio, para uma s folha, pois a floresta, por mais
uniforme que aparentemente se apresente, constituda por diversos estratos. O
efeito do solo, dos estratos arbustivo e herbceo, da casca, dos frutos, da distribuio
e posio dos ramos e folhas, entre outras, vo influenciar a reflectncia apresentada
pelo coberto vegetal (RIBEIRO 2007).

21

Figura 11 Comportamento da vegetao em funo da energia incidente (CCRS 2003).

2.2.2.4 ndices de Vegetao

Os ndices de Vegetao no so mais do que combinaes matemticas de
determinados comprimentos de onda, constituindo indicadores sensveis da presena
e estado da vegetao (LOPES 2005). Baseiam-se na reduo e transformao de
valores de reflectncia de diversas bandas a uma nica, gerando uma imagem com
valores do ndice em cada pixel, de onde possvel extrair informao quantitativa e
qualitativa (CCRS 2003; KUNTSCHIK 2004; GONALVES 2005). As bandas devem
ser seleccionadas com base na assinatura espectral dos alvos que se pretendem
realar, cobrindo os picos de absoro/reflexo e as mudanas de inclinao da curva
(JACINTHO 2003).
Os comprimentos de onda do vermelho e do infravermelho prximo so a base da
maioria dos ndices de Vegetao, devido ao contraste de reflectncia existente entre
eles e a sua relao com as caractersticas da vegetao (JENSEN 1996; EASTMAN
1997; TEILLET et al. 1997; ALMEIDA et al. 2000).
Actualmente existe uma enorme variedade de ndices de Vegetao, sendo que a
escolha de um determinado ndice depende muito do objectivo especfico e deve ser
efectuada pela sua capacidade de identificar a caracterstica da vegetao em causa
minimizando a influncia de elementos exgenos (CAETANO 2002; LOPES 2005).
Com base nessa feio tm vindo a ser desenvolvidos diversos ndices. LOPES
(2005), para um estudo desenvolvido para estimar a produo primria lquida das
espcies Eucalyptus globulus e de Pinus pinaster, fez a compilao de alguns deles
(Quadro 3).

22

Quadro 3 Alguns ndices de Vegetao.

NDI(MIR1)

( NIR MIR1)
( NIR + MIR1)

NDI(MIR2)

( NIR MIR 2)
( NIR + MIR 2)

NDTI

NDVI
MVI1
MVI2
RVI1

VIT1

VIT2
VIT3

VIT4

( MIR1 MIR2)
( NIR + MIR 2)
( NIR R)
( NIR + R)
MIR1
MIR 2
NIR
MIR 2
NIR
R
NIR
R
( NIR + R)
( NIR R )
G
R
G
R

VIT5

G-R

VIT6

G+R

VIT7

VIT8

VIT9

(G R)
(G + R )
(G + R)
(G R)
(G R)
+ 0.5
(G + R)

23

2.2.2.5 Sensores - diferentes resolues - diferentes capacidades

De acordo com as fontes de energia electromagntica utilizada, assim se podem
distinguir os dois grandes grupos de sensores em DR: activos e passivos. Os sensores
passivos utilizam a energia reflectida (luz visvel e o infravermelho prximo e mdio) e
emitida (infravermelho mdio e trmico) pela superfcie terrestre. Em oposio
encontram-se os sensores activos, geradores da sua prpria energia (Radar e laser) e
que medem a energia reflectida pelos objectos de volta para o sensor (CURRAN 1985;
EASTMAN 1997). Neste estudo dar-se- especial ateno aos sensores passivos.
Para poder determinar quais os sensores relevantes para um determinado tipo de
projecto ou processo analtico importante estar familiarizado com as capacidades e
caractersticas dos mesmos e o tipo de dados que cada sistema consegue fornecer
(KINGSTON 2007). Assim, para alm do seu custo, h pelo menos cinco aspectos que
podem determinar a utilizao de um em detrimento de outro. So eles as suas
resolues espacial, radiomtrica, espectral, temporal e angular (LILLESAND e
KIEFER 1994; MIRONGA 2004; KINGSTON 2007).
A resoluo espacial a medida da rea na superfcie que cada pixel consegue
abranger ou, de outra forma, o objecto mais pequeno que se pode distinguir numa
imagem, e est directamente relacionada com as caractersticas do sensor e com a
altitude a que este se encontra (MIRONGA 2004; KINGSTON 2007). Por exemplo,
quanto menor for o tamanho do pixel menor a possibilidade de este abranger reas de
fronteira, ou seja maior ser o nmero de pixeis puros (LILLESAND e KIEFER 1994).
Apesar disso, h situaes em que pode ser bom utilizar um tamanho de pixel maior,
j que este reduz a variabilidade das categorias.
A resoluo radiomtrica indica a capacidade do sensor para descriminar nveis de
intensidade de radincia. Para as imagens Landsat TM o nvel de intensidade de luz
gravada em cada pixel para cada banda pode ter valores (digital number, DN) entre 0
(sem reflectncia) e 255 (100% de reflectncia). A uma maior resoluo est
associado um maior volume de dados a armazenar e por conseguinte a um maior
nmero de bites e maior tempo de processamento da informao (MIRONGA 2004).
A resoluo espectral indica o nmero e amplitude das bandas espectrais que o
sensor pode descriminar. Ser tanto maior quanto maior for o nmero de bandas que
disponibilize. Quanto mais estreitas forem as bandas maior ser a capacidade de este
distinguir caractersticas de interesse que tenham resposta nessa regio do espectro.

24

A resoluo temporal mede o tempo de passagem do satlite sobre a vertical do lugar.

importante sobretudo quando se querem fazer estudos continuados da mesma rea
durante um determinado perodo de tempo, que pode variar de dias at vrios anos.
A resoluo angular representa a capacidade de um sensor para captar imagens
oblquas. Esta resoluo tem especial interesse quando se pretendem imagens
estereoscpicas para gerar o terreno.
Tm vindo a ser utilizadas Imagens de Satlite com diferentes resolues para gerar
mapas florestais e de ocupao do solo. Destacam-se as imagens IKONOS de muito
alta resoluo (KAYITAKIRE et al. 2006; SOUDANI et al. 2006; MALHI e ROMANCUESTA 2008), imagens SPOT(4) de alta-resoluo (FRASER e LI 2002; SOUZA et al.
2003; DAVI et al. 2006; MIGOLET et al. 2007), Landsat-TM (CHUST et al. 2004;
LUTHER et al. 2006), Landsat-MSS e MODIS na mdia resoluo (LIU et al. 2005; FU
et al. 2008), at ao mais grosseiro AVHRR (IVERSON et al. 1989).
Ao longo das ltimas dcadas foram realizados vrios estudos no intuito de perceber
quais as consequncias da variao das resolues. Apesar de se vir a assistir a uma
melhoria gradual das resolues dos sensores, a relao entre o volume de dados e o
desenho do sensor resultaram numa tendncia para que os sensores de muito alta
resoluo enfatizem apenas uma das cinco principais caractersticas em detrimento
das restantes (Figura 12) (KEY et al. 2001).

(4) Satellite Pour lObservation de la Terre (SPOT)

25

Figura 12 Caractersticas dos sensores (Adaptado de KEY et al. 2001).

Para adquirir informao sobre as alteraes do coberto florestal a pequena escala

frequente utilizar-se imagens de pequena resoluo espacial (1000 x 1000 m) (por
exemplo, AVHRR ou SPOT VEGETATION) pelo facto de abrangerem reas
extensas, serem de baixo custo e com uma elevada frequncia temporal
(GONALVES 2005). Em trabalhos de escala mdia, destaca-se o sensor MODIS
(LIU et al. 2005; XIA et al. 2005; FU et al. 2008). Quando os trabalhos so efectuados
a uma escala maior, ou quando se pretende obter alguma preciso temtica e
informao concreta sobre as alteraes do coberto florestal, as opes recaem em
imagens com uma grande resoluo espacial e espectral como, por exemplo, as
imagens do satlite SPOT HRG (High Resolution Geometric) (10 x 10 m) ou Landsat
TM (Thematic Mapper) (30 x 30 m) (FRASER e LI 2002; DAVI et al. 2006; LUTHER et
al. 2006; CALLE et al. 2008). Mais recentemente, e fruto do desenvolvimento
tecnolgico, j possvel utilizar imagens de muito grande resoluo espacial (cerca
de 1 x 1 m) dos satlites IKONOS e QUICKBIRD. Apesar de conseguirem um enorme
detalhe a sua resoluo espectral pode ser limitante para algumas aplicaes (MALHI
e ROMAN-CUESTA 2008; PLANTIER et al. s/d).
26

A comparao entre a capacidade de sensores com diferentes resolues na

classificao e criao de mapas tem demonstrado a superioridade de sensores com
maior resoluo, como o TM (maior resoluo espacial e espectral) sobre o AVHRR
(maior resoluo temporal) (ARMSTON et al. 2002; SOUDANI et al. 2006). Apesar de
ambos poderem servir como base para a criao de mapas de planeamento
estratgico, o sensor TM supera na diferenciao de reas fragmentadas (WYNNE et
al. 2000). Ainda a este respeito, ADDINK et al. (2005) refere que a perda de detalhe na
classificao aquando da utilizao de imagens com baixa resoluo espectral muito
menor para paisagens homogneas do que heterogneas.
TOLL (1985) descobriu que o aumento da resoluo espacial do sensor TM sobre o
MSS reduz a sua capacidade de diferenciar classes de uso do solo de primeira ordem
(urbano, floresta, agricultura e gua) pois a maior resoluo do sensor levou a um
aumentou da variabilidade espectral dentro dos pixeis da classe, j que no foi
incorporado o contexto espacial no algoritmo de classificao. Por sua vez, HOPKINS
et al. (1988) descobriu que a resoluo das imagens TM se mostrava como uma
vantagem na classificao de estratos de segunda e terceira ordem.
WILLIAMS et al. (1984), compara os resultados de sensores TM e MSS e afirma que a
adio de bandas espectrais pode permitir a descriminao de categorias
anteriormente inseparveis atravs do fornecimento de dados em pores do espectro
onde as categorias possuem comportamentos dspares.
Tambm NARAYANAN e DESETTY (2002), utilizando imagens IKONOS, afirmam que
apesar da grande riqueza de informao espacial que a alta resoluo permite, o
aumento de resoluo nem sempre constitui um aumento da preciso de classificao
sobretudo atravs de processos comuns de classificao pixel por pixel. Comparando
imagens dos sensores Landsat 7 (ETM+) (30 m de pixel) e IKONOS (4 m de pixel)
verifica-se uma diminuio do nmero de bandas de 7 para 4 e um aumento da
resoluo radiomtrica de 8 para 11 bits. Se por um lado o aumento da resoluo
radiomtrica considerado uma vantagem pelo sensor IKONOS, a perda da banda de
infravermelho mdio pode ser considerada uma enorme desvantagem, podendo ser
determinante quando se pretende a caracterizao da vegetao (CAETANO 2002;
PLANTIER et al. s/d).
Apesar de todas as metodologias aplicadas na deteco de alteraes de ocupao
do solo, atravs de imagens de observao da Terra, terem suporte no mesmo
princpio (i.e., alteraes deste gnero resultam em evidentes alteraes nas
caractersticas espectrais das reas afectadas), a prpria metodologia tem tambm

27

grande importncia no processo de extraco desta informao. Diferentes

metodologias permitiro extrair informao com diversos graus de assistncia do
analista (e.g., de forma assistida ou no assistida), a partir de dados de fontes
temporais diferentes (e.g., multitemporais ou unitemporais), de forma autnoma ou
com o suporte de informao auxiliar (LILLESAND e KIEFER 1994; JUNIOR 2001;
CAMPBELL 2007; NASA 2008).

2.2.2.6 Programa Landsat (Landsat 5)

A srie Landsat foi iniciada no final da dcada de 60 a partir de um projecto dedicado
exclusivamente observao dos recursos naturais terrestres, desenvolvido pela
Agncia Espacial Americana. O primeiro satlite da srie, o ERTS-1, mais tarde
designado de Landsat-1, comeou a operar em 1972. Este teve sequncia com os
Landsat-2 (1975), 3 (1978), 4 (1982), 5 (1984), 6 (1993) e por ltimo o Landsat-7 em
1999. O Landsat-6 nunca entrou em funcionamento e actualmente apenas o Landsat-5
se encontra operacional (Figura 13) (UNESCO 1999; BATISTELLA et al. 2004; NASA
2008).
O Landsat-5 foi equipado com dois sensores: o Multispectral Scanner (MSS) e
Thematic Mapper (TM). No entanto o MSS foi desligado em 1995, pelo que o TM
actualmente o nico operacional.

Landsat-7
Landsat-6

ETM+
ETM+
MSS,
TM
MSS,
TM
MSS
MSS
MSS

Landsat-5
Landsat-4

L
L
L
L

O
F

L
1972

Landsat-3
Landsat-2
Landsat-1

Perodo de operacionalidade
L
F

D
D

3 4 5 6 7 8 9

1 2 3 4 5 6 7 8 9

2000

Sensor

1980

Satlite

1 2 3 4 5 6 7 8 9

L - Lanamento D - Desactivado O - Operacional F - Falha

Figura 13 Perodo de operacionalidade dos vrios satlites da srie Landsat.

Uma vez que este estudo se baseia na utilizao de imagens Landsat-5 TM vai-se dar
mais alguma ateno a este satlite, nomeadamente ao sensor TM.
O sensor TM do satlite Landsat-5 possui sete bandas, com amplitude espectral que
varia desde 0.45 m a 2.35 m, e uma resoluo temporal de 16 dias. Uma imagem
inteira abrange, no solo, em mdia, uma rea de 185 x 185 km. A resoluo
28

geomtrica das imagens nas bandas 1, 2, 3, 4, 5 e 7 30 m (isto , cada pixel da

imagem representa uma rea superfcie de 0.09 ha). Para a banda 6 a resoluo
120 m (cada pixel representa 1.4 ha). A resoluo radiomtrica de 8 bites (256 nveis
de cinzento). Em termos orbitais este satlite possui as seguintes caractersticas:
altitude = 705 km; velocidade = 7.7 km s-1; peso = 2 ton; tempo de obteno de uma
cena = 24 s.
Cada uma das bandas sensvel a uma pequena zona do espectro e como tal,
sabendo o comportamento espectral dos objectos superfcie ou do que se pretende
estudar, pode-se relacion-lo com uma banda especfica. Da ser normal utilizar
preferencilamente uma banda em detrimento de outra, de acordo com o objecto de
estudo (Quadro 4), ou uma banda permitir distinguir e realar melhor um objecto
relativamente aos que o rodeiam (Figura 14).

Figura 14 Bandas do sensor TM em relao s assinaturas espectrais dos principais

elementos superfcie (Adaptado de DRURY 1993).

29

Quadro 4 Principais caractersticas e aplicaes das bandas TM do Landsat-5.

Intervalo
Banda

Cor

espectral
(m)

Principais caractersticas e aplicaes das bandas TM

do satlite LANDSAT-5
Apresenta grande penetrao em corpos de gua. Sofre

Azul

0.45 0.52

absoro pela clorofila e pigmentos fotossintticos auxiliares

(carotenides). Pode apresentar atenuao pela atmosfera
ou fumos provocadas por actividade industrial ou fogos.
Boa penetrao em corpos de gua. Sensibilidade

Verde

0.52 0.60

presena de sedimentos em suspenso. Estudo do vigor da

vegetao atravs da anlise do seu pico de reflectncia.
Grande absoro pela clorofila. Boa discriminao entre a

Vermelho

0.63 0.69

vegetao e outros tipos de ocupao (estradas, reas

urbanas, solo nu). a banda mais utilizada para delimitar a
mancha urbana. Permite a identificao de reas agrcolas.
Reflectncia elevada por parte da vegetao. Os corpos de

Infravermelho
prximo

gua absorvem muita energia nesta banda e ficam escuros,

0.76 0.90

permitindo o mapeamento da rede de drenagem e

delineamento de corpos de gua. A vegetao verde, densa
e uniforme, reflecte muita energia.
Apresenta sensibilidade ao teor de humidade das plantas,

Infravermelho
mdio 1

1.55 1.75

servindo para observar stress na vegetao causado por

desequilbrio hdrico. Esta banda sofre perturbaes face
ocorrncia excessiva de chuva antes da obteno da cena.
Utilizada para analisar o stress hdrico da vegetao,

Trmica

10.4 12.5

descriminao de tipos de solo, e criao de mapas

trmicos.

Infravermelho
mdio 2

2.08 2.35

Boa para descriminao de tipos de rocha.

(LILLESAND e KIEFER 1994; UNESCO 1999)

2.2.3 DETECO REMOTA EM ECOSSISTEMAS FLORESTAIS

A classificao e criao de mapas do tipo de floresta ou do tipo de ocupao do solo
so, historicamente, e permanece na actualidade, as aplicaes que mais
frequentemente utilizam imagens e dados de satlite (IVERSON et al. 1989). A
necessidade

do

seu

conhecimento

prende-se

com

propsitos

cientficos

administrativos e formam uma componente essencial de planeamento e gesto local e

regional, com o fim de se assegurar que as vrias actividades humanas se encontram

30

posicionadas da forma correcta mas tambm de forma a se ter noo de como a

actividade humana interage e tem impacto no meio natural (CAMPBELL 2007).
A utilizao de DR em estudos florestais tem sido usada para tentar substituir tcnicas
mais tradicionais de inventrio florestal, como aquelas baseadas em trabalho de
campo e interpretao visual de fotografias areas (CAETANO 1999). Nesse sentido,
a DR tem sido utilizada com sucesso na identificao de espcies florestais e na
estimativa de caractersticas estruturais da floresta tais como densidade de copas,
volume das rvores em p e rea basal (CAETANO, 1999). Contudo, e de acordo com
o mesmo autor, aquilo que representa o mais interessante desafio do uso da DR em
ecossistemas florestais a habilidade de predizer caractersticas de povoamentos
florestais que no podem ser obtidos a partir de fotografia area, tal como a biomassa,
ndice de rea foliar (LAI) e a fraco de radiao fotossinteticamente activa (FPAR).
No cenrio actual de alteraes climticas, de expanso da populao mundial, de
alteraes antropognicas da paisagem e da ocupao do solo, a paisagem florestada
deixou de ser a poro natural da superfcie terrestre dedicada exclusivamente
extraco de madeira, para se tornar uma rea que sustenta em si um conjunto
variado de recursos com uma importncia vital na regulao do regime hdrico, na
conteno de eroso do solo, perda de fertilidade, diminuio da produtividade,
desertificao e alteraes climticas (HOWARD 1991). Para alm disso, os
ecossistemas florestais, semelhana de muitos outros, so agora vistos como
dinmicos e em contnua alterao, apesar de este processo poder no ser visvel em
curtos perodos de tempo. Consequentemente, a informao obtida num dado
momento vlida apenas por um curto perodo de tempo que depende no s da
evoluo natural do ecossistema, mas tambm de presses ambientais globais e
externas sob essa mesma floresta.
Neste contexto, o desenvolvimento tecnolgico das ltimas dcadas fez com que a DR
surgisse como disciplina emergente, conseguindo de forma rpida e fivel retratar a
realidade actual a diferentes escalas, quer a nvel local, para inventrios clssicos
utilizados com fins de gesto econmica do recurso, actualizados anualmente, at
obteno de estimativas de valores de armazenamento de carbono, gua e fluxos
energticos necessrios para a gesto ambiental, ao longo de vrias dcadas
(IVERSON et al. 1989; HOWARD 1991). Segundo GONALVES, 2005 permite a
cobertura de grandes reas e a possibilidade de monitorizar as alteraes nos
parmetros da estrutura florestal a baixo custo.

31

2.3 PROCESSAMENTO DIGITAL DE IMAGENS DE SATLITE

O pr-processamento das imagens designa um conjunto de rotinas, aplicadas para
corrigir e restaurar imagens digitais degradadas durante o processo de aquisio, mas
tambm um conjunto de tcnicas destinadas a facilitar a posterior extraco de
informao (JACINTHO 2003; KINGSTON 2007; IGEOE 2008).
A capacidade para extrair informao dos dados e interpret-los dependem no s
das capacidades do sensor mas da pessoa que os manuseia e os trabalha. A chave
encontra-se,

na

maioria

das

vezes,

nos

mtodos

de

processamento

de

imagem(NASA 2008).

2.3.1 CORRECO GEOMTRICA

A correco geomtrica surge pela necessidade de anular distores geomtricas
resultantes de fontes diversas, desde variaes em altitude, velocidade do sensor ou a
curvatura terrestre (CURRAN 1985). Tem como principal objectivo dotar a imagem de
integridade geomtrica e assim permitir a utilizao dos dados sob a forma de mapa
projectado (RANDALL 2006). A preciso geomtrica particularmente importante
quando se pretende realizar um estudo de deteco de alteraes, ou quando se
pretende cruzar a informao com outros dados de base geogrfica, nomeadamente
recorrendo a um SIG, pois a sobreposio de mapas classificados, ou a anlise
simultnea de dados, requer a correcta orientao espacial das imagens (Figura 15)
(HOWARD 1991).

Figura 15 Esquema ilustrativo da correco geomtrica com recurso a pontos de controlo.

32

A correco geomtrica ocorre normalmente em duas fases: interpolao espacial e

interpolao do brilho (re-amostragem) (CCRS 2003). Na interpolao espacial, a
transformao de coordenadas da imagem em coordenadas do mapa resulta do
ajustamento de um polinmio de primeira ordem, ou superior, utilizando o mtodo dos
mnimos quadrados (SANTOS 2003). Este polinmio construdo com base em
pontos de controlo (como ser visto adiante). Como a nova localizao dos pixeis
transformados raramente coincide com a localizao original, o DN (nvel de brilho)
para os novos pixeis tem de ser interpolado a partir dos vizinhos do pixel original
(LILLESAND e KIEFER 1994; KINGSTON 2007). Este processo utiliza normalmente
um de trs algoritmos: o mtodo do vizinho mais prximo, interpolao bilinear ou a
convoluo cbica (Figura 16) (JACINTHO 2003; RANDALL 2006; KLEIN 2008).

Figura 16 Mtodos de interpolao de brilho para os novos pixeis (Adaptado de CCRS 2003).

No mtodo do vizinho mais prximo, o DN de um pixel na matriz corrigida corresponde

ao DN do pixel mais prximo na matriz original. A interpolao bilinear utiliza os DN
dos quatro pixeis mais prximos para atribuir o novo DN. A convoluo cbica atribui o
novo DN a partir da mdia dos valores dos 16 pixeis vizinhos. Dos trs mtodos
apontados, o mtodo do vizinho mais prximo o mais aplicado em estudos de
deteco remota por, ao contrrio dos outros, no alterar o valor do pixel durante a reamostragem (JENSEN 1996; SANTOS 2003).

2.3.1.1 Pontos de controlo

Como j foi referido, os pontos de controlo so uma pea chave para se poder
proceder re-amostragem e correco da geometria. A ideia conseguir encontrar
pontos cuja localizao geogrfica se mantm inalterada com o tempo e que possam
ser localizados de forma precisa quer na imagem quer no mapa de referncia.
Normalmente correspondem a pontes, rios ou cruzamento de estradas, entre outros

33

(JACINTHO 2003; CAMPBELL 2007), cuja localizao geogrfica no se tenha

alterado ao longo do tempo. Estes pontos sero utilizados para estatisticamente
determinar uma relao estatstica entre a imagem e o mapa de referncia atravs do
mtodo dos mnimos quadrados (WALSH et al. 1998; KLEIN 2008). O conhecimento e
relao entre as coordenadas reais (obtidas no mapa de referncia, por pontos GPS,
etc.) e as coordenadas da imagem, vo permitir o estabelecimento de uma equao
polinomial de correco de coordenadas ir permitir repor a imagem na sua posio
geogrfica correcta (LILLESAND e KIEFER 1994; ARMSTON et al. 2002). Esta nova
equao/funo utilizada para determinar que pixel da imagem possui o centro mais
prximo do local por ele representado no mapa real e assim proceder ao seu reajuste
(KLEIN 2008).
Para cada ponto criada uma pr-localizao da localizao da imagem e a diferena
entre a imagem calculada (x prec) e a imagem de referncia (x known) caracterizada pelo
RMSE (erro dos quadrados mdio) (Eq.3) (KLEIN 2008).

RMSE = ( x prec x known ) 2 + ( y prec y known ) 2

(Eq.3)

O RMSE traduz quo bem a equao polinomial estimada representa a relao

funcional entre a imagem e o mapa de coordenadas. De acordo com JENSEN (1996)
a qualidade da transformao aceitvel quando o RMSE for inferior a 0.5 pixel. Por
sua vez, TOWNSHEND et al. (1992), afirmam que para reas de vegetao densa
ser aconselhvel um RMSE inferior a 0.2 pixel e em vegetao esparsa valores entre
0.5 -1 pixel sero suficientes.
Quando se utiliza um grande nmero de pontos normal eliminar aqueles que
apresentem um RMSE elevado, at este se encontrar dentro do intervalo aceitvel.
Depois de eliminar estes pontos o sistema est pronto para proceder correco da
imagem.

2.3.2 CORRECO RADIOMTRICA

Idealmente os valores de radincia registados pelo sensor deveriam representar de
forma precisa, os valores de radiao que partiram do objecto de interesse. No
entanto, isto raramente acontece, pois o sinal pode sofrer uma srie de interferncias

34

antes de atingir o sensor, originando erros (NASDA e RESTEC 1999). Estes erros,
vulgarmente designados de rudo, podem relacionar-se com as condies de
iluminao, condies atmosfricas, geometria da viso, entre outras, e variam de
acordo com as caractersticas dos instrumentos de medio (LILLESAND e KIEFER
1994). O objectivo deste pr-processamento o de remover ou minimizar a influncia
das vrias interferncias nos dados para a sua posterior utilizao (CAMPBELL 2007).
Uma operao essencial que ocorre nesta fase diz respeito converso dos valores
de DN para valores de parmetros fsicos como a radincia ou reflectncia (Figura 17).
Esta converso tem como objectivo a caracterizao espectral dos objectos mas
tambm permitir a elaborao de clculos de dados de imagens com diferentes
bandas espectrais ou de diferentes sensores. O facto de cada sensor, em cada banda,
ter o seu prprio critrio para descriminar os valores de radincia medidos na escala
especfica da sua resoluo radiomtrica (ver em resoluo radiomtrica), tem como
consequncia a incapacidade de poder comparar DNs de bandas diferentes, mesmo
para o mesmo sensor (UNESCO 1999). Desta forma transformando os valores de DN
para valores de reflectncia, procede-se normalizao dos dados permitindo a
caracterizao espectral de um objecto. Apesar da normalizao, preciso ter noo
que o valor de reflectncia aparente, pois no diz unicamente respeito ao brilho do
objecto superfcie, e pode sofrer, durante todo o processo, diversas contaminaes
ou distores (PONZONI e SHIMABUKURO 2007). Na altura em que a radiao
atinge o sensor j atravessou a atmosfera por duas vezes: Sol atmosfera objecto
superfcie; objecto superfcie atmosfera sensor.

35

Figura 17 Principais fases do processo de correco radiomtrica.

2.3.3 CORRECO ATMOSFRICA

A radiao utilizada em DR tem de atravessar toda a atmosfera terrestre antes de
chegar ao sensor do satlite. Desta forma a atmosfera passa a ter um grande impacto
na qualidade da imagem gerada e nos dados do sensor (CAMPBELL 2007). H dois
processos fsicos principais que ocorrem na atmosfera e que podem influenciar a
energia captada pelo sensor: absoro, que reduz a intensidade, e difuso que altera
a sua direco (UNESCO 1999).
O processo de absoro ocorre normalmente quando a radiao electromagntica
interage com os vrios constituintes atmosfricos como o ozono, dixido de carbono e
gua, podendo significar uma grande perda de energia, sobretudo para alguns
comprimentos de onda especficos (visvel e infravermelho prximo) (KINGSTON
2007). A difuso ocorre devido interaco com partculas de vapor de gua ou
poeiras e pode significar a recepo por parte do sensor do prprio brilho da atmosfera
(KINGSTON 2007).

36

O objectivo da correco atmosfrica conseguir separar e distinguir a radiao

proveniente da superfcie terrestre da gerada pelos processos fsicos da atmosfera, e
assim elimin-los.
A degradao da imagem por efeito da atmosfera pode, para alm de ter
consequncias nos dados recolhidos, ser detectada na imagem atravs de uma perda
de resoluo ou um baixo contraste (CAMPBELL 2007).
Uma das tcnicas mais comuns, aplicadas para eliminao dos efeitos de neblina e
disperso da atmosfera, foi desenvolvida por CHAVEZ (1988), e vulgarmente
designada de mtodo do pixel escuro (Dark-Object Subtraction - DOS) ou mtodo
mnimo do histograma (CAMPBELL 2007; PONZONI e SHIMABUKURO 2007). Este
mtodo baseia-se no pressuposto de que em qualquer imagem ou banda espectral,
possvel minimizar os efeitos da neblina atravs da observao da radiao de
objectos cuja reflectncia deveria ser nula (CHAVEZ 1988; LILLESAND e KIEFER
1994). Estes objectos no poderiam, por isso, reflectir radiao (por exemplo sombras
na regio do visvel) podendo no entanto absorv-la totalmente (por exemplo gua
lmpida na regio do infravermelho prximo e mdio) (PONZONI e SHIMABUKURO
2007). Como resultado da disperso atmosfrica os pixeis, supostamente com valores
nulos, possuem valores de DN diferentes de zero. Este DN representa o contributo de
radiao dado pela disperso na atmosfera, em cada banda, e que ento subtrado a
todos os pixeis, na cena, para aquela banda (CCRS 2003; CAMPBELL 2007).
Desta forma, o valor mais baixo em cada banda levado a zero. Para extrair o valor
de DN a cada banda utilizado o mtodo do histograma. Neste mtodo o utilizador
selecciona o valor de DN, causado pela neblina, directamente no histograma de
frequncias correspondente imagem. Segundo CHAVEZ (1988), o valor de
correco devida neblina corresponde ao valor de DN esquerda do histograma, na
regio onde este aumenta de forma abrupta (Figura 18).

37

Figura 18 Exemplo de um histograma de uma imagem da banda 1 do Landsat-5 sem

correco atmosfrica.

Apesar de ser considerado um mtodo directo e de fcil aplicao, vrios autores

consideram-no falvel, quando assume que existe homogeneidade de disperso em
toda a cena ou imagem e no facto de ter em conta o fenmeno de disperso mas no
o de absoro (KAWAKUBO et al. 2004; PONZONI e SHIMABUKURO 2007).

2.3.4 CORRECO TOPOGRFICA

A interferncia da topografia sobre a radiometria de imagens pode ser vista de duas
formas: a primeira diz respeito reduo da camada atmosfrica com o aumento de
altitude e a segunda disposio do terreno em relao irradiao solar directa e,
em menor poro, difusa na atmosfera (SILVA e VALERIANO 2005).
Em reas planas a irradincia global que atinge cada pixel apenas funo da
irradincia exoatmosfrica, da altura do dia/ano (ngulo zenital) e das caractersticas
da atmosfera (transmitncia). Em reas montanhosas, para alm dos factores
presentes nas reas planas, acresce-se o efeito da topografia. Enquanto que em
zonas planas a geometria entre o alvo, o sensor e o Sol constante de pixel para
pixel, em zonas montanhosas j no , requerendo a a sua modelao espacial
(CAETANO 1995).
Os efeitos topogrficos so particularmente importantes em zonas de relevo
acentuado e com azimutes diferentes. Segundo WALSH et al. (1998), as variaes de
iluminao so corrigidas para reduzir os efeitos de desvios impostos na resposta
38

espectral do satlite que pode considerar encostas com diferentes orientaes

espectralmente diferentes. O mesmo autor indica algumas alternativas para a
correco dos efeitos topogrficos:

Estratificao da paisagem por percentagens de declive;

Incluso do modelo digital do terreno no processo de classificao;

Modelao e remoo do efeito topogrfico atravs de procedimentos de

normalizao.

2.3.5 CLASSIFICAO DE IMAGENS

A classificao digital de imagens um processo de base estatstica que permite a
correspondncia de pixeis a classes atravs do reconhecimento de padres (WALSH
et al. 1998; NASDA e RESTEC 1999; SUPICHAI 1999). Neste contexto, o termo
padro diz respeito a valores de radiao obtidos nos vrios comprimentos de onda
para cada pixel (LILLESAND e KIEFER 1994). Desta forma, comparando pixeis uns
com os outros e pixeis de identidade conhecida, possvel reunir grupos de pixeis
similares para formar classes que esto associadas a caractersticas de interesse do
ponto de vista do estudo do analista (JACINTHO 2003).
O termo classificador refere-se normalmente a um programa informtico que
implementa procedimentos especficos para a classificao da imagem (CAMPBELL
2007). Podemos encontrar classificadores que utilizam a informao espectral (padro
espectral) em cada pixel para proceder classificao; classificadores de
reconhecimento do padro espacial, em que a classificao feita tendo em conta os
pixeis vizinhos; e classificadores de reconhecimento do padro temporal, que utiliza o
tempo para distinguir e identificar classes (LILLESAND e KIEFER 1994; PONZONI e
SHIMABUKURO 2007). A qualidade de classificao depende da compreenso que o
analista tem do conceito de cada classificador e do conhecimento dos tipos de
ocupao em anlise (LILLESAND e KIEFER 1994).
No possvel dizer que um determinado classificador melhor para todas as
situaes porque as caractersticas de cada imagem e as circunstncias de cada
estudo variam grandemente. Assim, o analista de DR deve procurar seleccionar o
mtodo de classificao que melhor compromisso tem com uma tarefa especfica.
As tcnicas de classificao de imagem so, por norma, divididas em dois grupos
principais: classificao supervisionada e no supervisionada (CCRS 2003).

39

2.3.5.1 Classificao no supervisionada

Na classificao no supervisionada utiliza-se um algoritmo para encontrar a estrutura
subjacente aos dados e, de forma automtica, organiz-los em classes (clusters) de
acordo com a sua similitude, isto , de acordo com a semelhana das suas
caractersticas espectrais (LILLESAND e KIEFER 1994; DUDA e CANTY 2002;
EOEDU 2008). Em alguns casos o utilizador pode definir previamente o nmero de
classes que pretende que sejam criadas e tambm a incluso forada de
determinadas classes (HOWARD 1991).
Esta tcnica de classificao reveste-se de especial importncia quando o tipo de
ocupao no conhecido a priori, quer por essa informao no estar disponvel,
quer por ser difcil reconhecer diferentes ocupaes na imagem (KLEIN 2008).
O algoritmo de classificao envolve normalmente um conjunto de passos durante os
quais a soluo proposta refinada, sempre com o objectivo de conseguir maior
homogeneidade e melhor diferenciao dos grupos, at no haver alteraes
significativas. (CAMPBELL 2007; EOEDU 2008). Aps a classificao da imagem
estabelecida uma relao entre os grupos criados e as classes existentes, ou com
interesse para o utilizador.
Apresenta como principais vantagens o facto de no ser necessrio um conhecimento
prvio da rea de estudo, a diminuio das probabilidades de erro humano, uma vez
que o operador praticamente no intervm no processo, e a capacidade de reconhecer
classes nicas como unidades distintas, que muitas vezes passam despercebidas ao
analista em ecossistemas mais complexos (LILLESAND e KIEFER 1994; CAMPBELL
2007). A maior desvantagem deve-se ao facto de se basear exclusivamente em
diferenas espectrais, podendo levar criao de falsos grupos naturais (ao, por
exemplo, diferenciar grupos que correspondem mesma classe e que por diferenas
na sua idade, exposies ou densidade, so considerados como distintos) ou
criao de muitos grupos sem qualquer interesse para o analista (EOEDU 2008).

2.3.5.2 Classificao supervisionada

Neste tipo de classificao pretende-se que o analista possa contribuir e interagir com
os dados da imagem ao supervisionar e orientar as vrias sequncias de classificao,
de forma a obter resultados mais teis e precisos (CURRAN 1985) de acordo com o

40

conhecimento prvio da rea de estudo e de dados relacionados com a mesma

(HOWARD 1991; KLEIN 2008; NASA 2008).
CAMPBELL (2007) define este tipo de classificao como o processo de usar
amostras de identidade conhecida para classificar pixeis de identidade desconhecida.
As amostras de identidade conhecida so aqueles pixeis localizadas dentro das reas
de treino identificadas como pertencentes a uma dada classe de interesse (PONZONI
e SHIMABUKURO 2007). Estas reas so definidas pelo analista ao identificar regies
na imagem que podem ser claramente relacionadas com reas, no terreno, que
tipificam as propriedades espectrais das categorias que representam (SUPICHAI
1999; CCRS 2003; NASA 2008). No processo de classificao supervisionada, o valor
de DN para cada pixel na imagem comparado com a estatstica derivada das reas
de treino (NASDA e RESTEC 1999). Os pixeis de identidade desconhecida so
associados rea de treino da classe com os quais apresentem maior similitude
(Figura 19) (KINGSTON 2007). O objectivo conseguir que o computador aprenda
atravs de exemplos representativos (CANTY 2007).

Figura 19 Esquema de uma classificao supervisionada (Adaptado de CANTY 2007).

A seleco de reas de treino a parte mais difcil e crtica do processo de

classificao supervisionada (CANTY 2007), pelo que a delimitao e seleco destas
reas deve ser feita com o devido cuidado, atendendo ao nmero, tamanho, forma,
localizao, uniformidade, e nmero de pixeis (CAMPBELL 2007; KINGSTON 2007).
Estas caractersticas vo ser determinantes para a estatstica destas reas,
influenciando, por exemplo, a varincia, ou criando efeitos de auto-correlao que para
alm de terem um efeito directo nos resultados podem condicionar a escolha de um

41

classificador ou algoritmo em detrimento de outro. O conhecimento que o analista

possui de todo o processo pode fazer a diferena.
Idealmente, estas reas deveriam ser baseadas em dados recolhidos no terreno, no
entanto, devido ao tempo e custo que isso acarreta, igualmente possvel fazer
derivar essa informao directamente da imagem ou a partir de fotografia area,
apesar de a probabilidade de erro ser maior (CHEN e STOW 2002). A sua delimitao
pode ter como base o pixel, conjunto de pixeis/polgonos ou conjunto de pixeis
similares (JENSEN 1996).
Este tipo de classificao apresenta como vantagens o controlo do analista sobre o
conjunto de informao categrica seleccionada para um objectivo especfico; a
garantia de concordncia entre as categorias espectrais do mapa final com a
informao categrica de interesse (este processo assegurado durante o processo
de criao das reas de treino); a possibilidade de o operador poder aperceber-se de
possveis erros na classificao analisando as reas de treino (a classificao
imprecisa destas reas um indicador de problemas no processo ou na escolha
destas reas).
Como desvantagens, de referir a imposio, feita pelo analista, estrutura dos
dados, aquando da definio das classes, que pode no existir de forma natural; o
facto de as reas de treino serem criadas primeiramente tendo em conta a informao
categrica e s depois as suas caractersticas espectrais (podem surgir problemas na
separao de algumas classes); o facto de ser difcil seleccionar reas de treino
representativas das condies encontradas, ao longo de toda a imagem; e o facto de
no ser capaz de reconhecer e representar categorias nicas se no se encontrarem
representadas nas reas de treino.

2.3.5.2.1 Classificador do paraleleppedo

Este tipo de classificao, tambm conhecida como regra da caixa de deciso, baseiase no intervalo de valores dentro da rea de treino para definir regies dentro do seu
espao multidimensional. Utilizando os valores mnimos e mximos dentro de cada
rea de treino, cria uma caixa para cada classe, centrada com o respectivo valor
mdio (Figura 20) (HOWARD 1991; NASDA e RESTEC 1999). Os valores espectrais
de uma classificao sem supervisionamento so projectados no espao, queles que
carem dentro da regio definida pela rea de treino so atribudas as respectivas
categorias (SUPICHAI 1999; CAMPBELL 2007).

42

Figura 20 Conceito esquemtico do classificador do paraleleppedo no espao tridimensional.

(Adaptado de NASDA e RESTEC 1999).

A maioria dos autores unnime ao considerar esta tcnica como simples, rpida e
bastante eficiente (CURRAN 1985; HOWARD 1991; KLEIN 2008). Referem no
entanto, algumas desvantagens, nomeadamente: dificuldades de classificao quando
h intercepo de regies espectrais da informao das vrias categorias; ou a no
atribuio de informao categrica aos pixeis que carem fora das caixas
representativas das vrias classes (SUPICHAI 1999).

2.3.5.2.2 Classificador da mnima distncia

Este classificador utiliza os valores apresentados nas vrias bandas para determinar a
posio de cada pixel dentro de cada cluster (classe) originado pela anlise das reas
de treino das vrias categorias, tal como na classificao no supervisionada
(RANDALL 2006). No entanto, ao contrrio desta, o agrupamento de pixeis no
criado de acordo com a estrutura natural dos dados. Estes grupos so formados
pelos valores dos pixeis dentro de cada rea de treino definida pelo analista (CURRAN
1985).
A classificao de um novo pixel pelo mtodo da mnima distncia obtido a partir da
menor distncia entre o pixel a ser classificado e os valores espectrais mdios obtidos
das reas de treino, como mostra a Figura 21 (MULLER 1999).
Em seguida, cada pixel a classificar na cena associado classe do seu vector
principal mais prximo em valor (CURRAN 1985; DWIVEDI et al. 2004; EOEDU 2008).

43

Figura 21 Esquema ilustrativo do conceito da mnima distncia (Adaptado de MULLER 1999).

Os classificadores da mnima distncia so directos e simples na concepo e na

execuo, mas possuem algumas limitaes (SUPICHAI 1999). De acordo com
DWIVEDI et al. (2004) a maior desvantagem deste classificador o facto de ele
assumir que as classes so simtricas no espao multiespectral. Isto pode fazer com
que um pixel de uma classe, cujo vector mdio esteja bastante afastado, seja
classificado erradamente por uma outra classe com o vector mdio mais prximo.
Desta forma este classificador no muito utilizado em aplicaes onde as classes
espectrais sejam muito prximas e possuam varincia elevada (LILLESAND e KIEFER
1994).
2.3.5.2.3 Classificador de mxima verosimilhana

As estratgias de classificao abordadas anteriormente no consideram as variaes

que podem ocorrer dentro das categorias espectrais, e no tm em conta os
problemas que surgem quando existe sobreposio dos valores na distribuio
espectral (CAMPBELL 2007). Este classificador diferencia-se dos anteriores por ter em
conta as classes vizinhas, escolhendo a classe que maximiza a probabilidade de uma
correcta classificao, atravs da informao recolhida nas reas de treino (Figura 22)
(NASDA e RESTEC 1999; CAMPBELL 2007). Um outro melhoramento ocorre ao
substituir o parmetro da distncia por parmetros estatsticos como a varincia e a
correlao dos pixeis dentro de cada rea de treino, partindo do pressuposto que a
amostra possui uma distribuio normal (Gaussiana) (LILLESAND e KIEFER 1994).
Desta forma, cada rea de treino descrita em termos da sua mdia aritmtica (vector
mdio) e dos parmetros da matriz de co-varincia. Todos os pixeis dentro da cena

44

so comparados estatisticamente para determinar a que classes pertencem de acordo

com os nveis de probabilidade (HOWARD 1991). Existe ainda a opo de poder
classificar os pixeis como desconhecidos se a probabilidade for inferior a um limite
estipulado pelo analista (LILLESAND e KIEFER 1994).

Figura 22 Aspecto grfico de uma classificao pela mxima verosimilhana (Adaptado de

NASA 2008).

A maior desvantagem deste classificador a sua exigncia computacional e a

velocidade e custos da sua anlise, que tem vindo a diminuir gradualmente com o
evoluir constante da computao (SUPICHAI 1999). Para alm disso um
classificador muito mais sensvel a variaes na qualidade das reas de treino do que
as outras tcnicas supervisionadas (HOWARD 1991). Da mesma forma, o pressuposto
de que as classes, em si, possuem uma distribuio com frequncia multivariada
normal (Gaussiana) nem sempre se verifica (SUPICHAI 1999; CAMPBELL 2007).
ERBERT (2001) afirma poderem surgir problemas no clculo da matriz de covarincia
em dados de alta dimensionalidade, devido ao facto de, em situaes reais, o tamanho
das amostras disponveis nunca ser adequado.
A matriz inversa da matriz varincia-covarincia torna-se instvel nos casos em que
exista uma correlao muito elevada entre duas bandas ou quando as reas no
terreno so muito homogneas. Nestes casos o nmero de bandas dever ser
reduzido atravs de uma anlise de componentes principais.
A auto-correlao espacial, que possa existir entre pixeis contguos ou prximos,
uma considerao importante a ter em conta aquando da definio da estratgia para
seleco das reas de treino. Dados de reas de treino auto-correlacionados, ou em

45

reas homogneas no terreno, tendem a possuir uma varincia reduzida, o que torna
as assinaturas recolhidas, para cada classe, enviesadas e menos representativas
(CHEN e STOW 2002).

2.3.5.3 Avaliao da preciso da classificao

Aps se proceder classificao de uma imagem, uma das primeiras questes que se
coloca qual a confiana que se deve ter na informao representada pelo mapa
(IGEOE 2008; KLEIN 2008). A resposta a esta questo feita, numa primeira fase, de
forma visual, olhando para o mapa produzido e tentando encontrar semelhanas com
o mapa de referncia produzido para validao. Posteriormente, o analista procura
obter uma resposta mais precisa, utilizando para isso estatsticas de concordncia
(PONTIUS 2002).
A avaliao estatstica da preciso de classificao obtm-se comparando os
resultados de classificao com os dados de referncia, considerados como precisos
(BOOTS e CSILLAG 2006) . Esta comparao efectuada atravs da organizao
dos dados numa matriz, normalmente designada matriz de confuso ou matriz de erro
(KLEIN 2008). A partir da matriz de confuso, possvel a utilizao de uma srie de
mtricas que avaliam a preciso da classificao. As medidas de avaliao mais
generalizadas da qualidade global de um mapa so a preciso global e o ndice
Kappa.
A preciso global obtida somando os pixeis correctamente classificados (diagonal
principal) e dividindo pelo nmero total de pixeis de referncia. Da mesma forma
possvel calcular a preciso de cada categoria individual, dividindo o nmero de pixeis
classificados correctamente pelo nmero total de pixeis na coluna ou linha
correspondente (LILLESAND e KIEFER 1994; SANTOS 2003).
O ndice Kappa um ndice de qualidade de uso muito generalizado, tendo-se tornado
um componente standard nos processos de avaliao de qualidade, quer em deteco
remota, quer noutras reas (HAGEN 2002; PONTIUS 2002; DWIVEDI et al. 2004;
VIEIRA et al. 2008). Baseia-se na diferena entre a concordncia actual na matriz de
erro (i.e., a concordncia entre a classificao dos dados de deteco remota e os
dados de referncia, como indicado pela diagonal principal) e a possibilidade de
concordncia indicada pelo total das linhas e colunas (i.e., os seus valores marginais)
(Eq.4 a 6) (HAGEN 2002; CAMPBELL 2007). A sua aplicao permite determinar
estatisticamente se uma matriz de erro significativamente diferente de outra e de que

46

forma a classificao obtida difere de uma classificao ao acaso (DWIVEDI et al.

2004). Esta caracterstica interessante, uma vez que mesmo um classificador
aleatrio produz alguma percentagem de valores correctos (CAMPBELL 2007). A
estatstica de Kappa reconhecida como medida de rigor na avaliao da
classificao, por ao contrrio da preciso global, ter em conta todos os dados da
matriz e no apenas os elementos da diagonal (DWIVEDI et al. 2004; CAMPBELL
2007). Os valores de kappa podem variar entre -1 e 1: valor de 1 representa
concordncia total; -1 mximo desacordo entre imagens (HAGEN 2002). MOSS (2004)
considera que quando os valores de kappa so inferiores a 0.20 existe uma baixa
concordncia entre as duas imagens; entre 0.20 a 0.40 razovel; entre 0.41 e 0.60
moderada; 0.61 a 0.80 boa; superior a 0.81 muito boa. Por sua vez, CONGALTON e
GREEN (1999) consideram que valores inferiores a 0.40 indicam baixa concordncia,
entre 0.40 e 0.80 concordncia moderada e valores superiores a 0.80 concordncia
elevada.

K=

Pii ( Pi. P.i )

1 ( Pi. P.i )

(Eq.4)

Onde:
Pii representa a proporo da imagem total na qual a categoria i
coincidente em ambas.
Pi. representa a proporo da imagem total na qual a categoria i a
imagem de referncia.
P.i representa a proporo da imagem total na qual a categoria i no
a imagem de referncia.

P( A) = Pii

(Eq.5)

i =1

Onde P(A) a percentagem de concordncia

C

P( E ) RL = Pi. P.i

(Eq.6)

i =1

Onde P(E)RL a percentagem de concordncia devida ao acaso

PONTIUS (2002) afirma que a grande falha da matriz de erro se deve ao facto de
classificar um pixel como incorrecto, mesmo quando a categoria correcta se encontra
na vizinhana desse mesmo pixel. Da mesma forma, a matriz no est desenvolvida
47

para ter em conta o sucesso parcial de classificao quando o pixel se encontra

parcialmente numa dada categoria. Afirma ainda, que a anlise que este tipo de matriz
permite confunde a preciso devida localizao com a preciso devida
quantificao. Para tentar colmatar esta limitao, PONTIUS (2002) e HAGEN (2002)
introduzem novas variantes da estatstica Kappa das quais se destaca:

Klocation Compara o sucesso obtido com o sucesso esperado, relativo ao

mximo sucesso partindo do pressupondo que o nmero total de clulas de cada
categoria no se altera (Eq. 7 e 8). De acordo com HAGEN (2002), a grande vantagem
em relao estatstica Kappa que o Klocation independente do nmero total de
clulas em cada categoria. Valores de Klocation prximos de 1 indicam que o
melhoramento da preciso na localizao espacial no traria grandes alteraes
globais. Valores de Klocation negativos so indicadores de grandes diferenas no
padro de localizao de dois mapas, com diferenas ainda superiores s que se
obteriam se fosse feito de forma aleatria.

(Eq.7)

(Eq.8)

Khisto PONTIUS (2002) tambm desenvolveu uma estatstica para o

desacordo devido a diferenas quantitativas, que designou de Kquatity. No entanto,
pelo facto de esta estatstica ser demasiado pesada e complexa, acabou por ser
desaconselhada pelo prprio autor. Em alternativa, com base nos estudos de
PONTIUS (2002), HAGEN (2002) desenvolveu uma outra estatstica (Khisto) que
procurava a mxima similitude que podia ser encontrada com base no nmero total de
clulas presentes em cada categoria. Khisto assim uma medida da semelhana
quantitativa entre dois mapas (Eq. 9). Valores prximo de 1 indicam uma semelhana
na quantificao de dois mapas prximo de perfeito.

48

(Eq.9)

49

3 ENQUADRAMENTO DA REA DE ESTUDO

3.1 CARACTERIZAO FSICA
A rea de estudo abrange as freguesias de Vreia de Bornes, Bornes de Aguiar, Vila
Pouca de Aguiar, Trs Minas e Vreia Jales, no concelho de Vila Pouca de Aguiar,
Distrito de Vila Real (Figura 23).

Figura 23 - Enquadramento geogrfico da rea de estudo.

Localiza-se nas folhas 74 e 75 da carta militar de Portugal escala 1:25000. O

rectngulo envolvente, enquadrado pelas coordenadas(5) (241887; 509283) e (251886;
501780), corresponde a uma rea total de 7500 ha (10 x 7.5 km). Inserida na bacia
hidrogrfica do Rio Tmega, a rea de estudo possui a Norte e a Sul uma orografia
ondulada, com alguns vales cavados e com declives normalmente inferiores a 30%. A
Oeste localiza-se o vale do Alto Tmega e a Este uma rea planltica de uso
essencialmente agrcola (Figura 24). A altitude varia entre 550 m, junto ao Rio
Avelmes, e os 1100 m, em Poos do Vidoeiro. A temperatura mdia anual varia entre

(5) Coordenadas expressas em metros no sistema Hayford-Gauss Militar (origem no ponto ficticio)

50

12.5 e 15.0C nas reas voltadas para o Vale do Tmega e 10.0 C e 12.5C, nas
zonas mais frias e altas (APA 2008). A precipitao mdia anual varia entre 1200 mm
e 1400 mm nas reas voltadas a SW, sob influncia do conjunto montanhoso Alvo
Maro, e 1000 mm a 1200 mm, nas restantes reas (APA 2008). A nvel de solos
predominam Cambissolos em toda a rea, excepo de zona Sudeste, onde h um
predomnio dos Rankers (IGP 2006). Ecologicamente a rea de estudo apresenta
variaes acentuadas de altitude, sendo possvel assinalar zonas ecolgicas desde o
andar SubMontano (400 a 700 m), Montano (700 a 1000 m) e Altimontano (1000 a
1300 m) (ALBUQUERQUE 1982).

Figura 24 Perspectiva tridimensional da rea de estudo.

3.2 ENQUADRAMENTO HISTRICO

Ao longo dos ltimos 50 anos este concelho, semelhana do que aconteceu em
todas as zonas rurais do pas, sofreu profundas alteraes na sua paisagem.
Inicialmente dedicadas agricultura e pastoreio, as populaes utilizavam os vales e
zonas frteis para praticarem uma agricultura de subsistncia e de minifndio e as
suas reas serranas para pastoreio e recolha de lenhas provenientes de pequenos
bosquetes autctones de Quercus pyrenaica ou Castanea sativa.
Na dcada de 1940 a 1950, com a interveno do Estado, toda a rea serrana foi alvo
de uma florestao massiva. As reas de mato, de carqueja (Pterospartum

51

tridentatum) e urze (Erica spp), e a floresta autctone (foram substitudas por reas
contnuas de Pinus pinaster (pinheiro bravo) alternadas com pequenas manchas de
Pinus sylvestris (pinheiro silvestre), Pseudotsuga menzieesi (pseudotsuga) e Pinus
nigra (pinheiro larcio). Nas linhas de gua, de forma muito contida, foram plantados
alguns bosquetes de Btula celtibrica (vidoeiro) e de Castanea sativa (castanheiro).
A partir de 1975, deu-se uma profunda alterao na sociedade portuguesa com
repercusses

tambm

ao

nvel

paisagstico

de

ocupao

do

solo.

desenvolvimento econmico, e a entrada na Unio Europeia, fizeram com que a

agricultura de minifndio deixasse de ser rentvel, levando ao abandono de muitos
campos cultivados que at ento compartimentavam a floresta. Os rebanhos de
cabras, ovelhas e vacas, que eram o sustento de muitas famlias deixaram de o ser,
levando a um crescimento descontrolado das reas de matos e a um surgimento de
regenerao de Pinus pinaster que adquiriu um comportamento de infestante. Os
prprios servios florestais estatais deixaram de ter uma interveno to activa na
proteco, manuteno e ordenamento da floresta. Estes trs factores tiveram como
consequncia um aumento da carga combustvel, criando condies que levaram ao
aparecimento e propagao de grandes incndios.
Actualmente, e como resultado destas alteraes, a transio entre estratos pouco
definida e encontra-se num processo de evoluo resultante da diminuio da presso
humana e da procura natural de equilbrio por parte do ecossistema, levando a que
muitos estratos se intercruzem. Podemos por isso encontrar reas bem definidas, com
estratos homogneos, e outras em transio, com estratos heterogneos como reas
agrcolas e pastagem abandonadas, ou reas recentemente ardidas com regenerao
natural de Pinus pinaster, mato e Quercus pyrenaica.

3.3 A PINUS PINASTER AIT.

A Pinus pinaster Ait. (pinheiro bravo) a segunda espcie florestal com maior
expresso em Portugal Continental, apenas ultrapassado ligeiramente pelo Quercus
suber (sobreiro), e a primeira na regio Norte (Figura 25; Figura 26). Os dados
preliminares do inventrio florestal nacional (IFN) mais recente (2005) apontam para
uma rea de pinheiro bravo de cerca de setecentos e dez mil hectares, e um volume
total de 67.1x106 m3, constituindo-se como uma das espcies mais importante no
panorama florestal portugus e, consequentemente, uma espcie com particular
interesse para este estudo.

52

reas florestais por espcie

Pinheiro-bravo

800
700
rea (x 1000 ha)

600

Eucalipto
Sobreiro
Azinheira
Carvalhos

500
Pinheiro manso

400
300
200
100
0

Castanheiro
Folhosas diversas
Resinosas diversas
Outras formaes
lenhosas e diversas
Povoamentos jovens

Figura 25 rea ocupada pelas principais espcies florestais ao nvel de Portugal Continental
de acordo com IFN 2005.

Figura 26 rea florestal por espcie dominante em 2005 (CELPA 2007).

3.3.1 CARACTERIZAO SUMRIA DA ESPCIE

A Pinus pinaster Ait. encontra-se disseminada nas regies de influncia mediterrnea
da Frana, Crsega, Espanha, Itlia, Sardenha e Siclia, e nas zonas de influncia
atlntica da Frana, Espanha e Portugal. A primeira grande zona corresponde
53

presena da subespcie pinaster, enquanto a segunda se identifica com a presena

da subespcie atlntica (OLIVEIRA 1999).
Apresenta normalmente uma altura total mxima inferior a 30 m, um tronco sinuoso e
uma copa pouco compacta. As folhas, persistentes, so constitudas por pares de
agulhas, bastante compridas (12 cm a 22 cm e largura de 2 mm) (HUMPHRIS et al.
1996). Quanto ao clima, uma espcie moderadamente termfila e um tanto xerfila
(LOUREIRO 1989). Tem preferncia por ligeira humidade no ar, suporta a secura
estival e sensvel ao frio (LOUREIRO 1989). Em relao pluviosidade, tolera
quedas pluviomtricas anuais entre os 550 mm ano-1 e os 1000 mm ano-1, situando-se
o ptimo em torno de 850 mm ano-1 (RIOU-NIVERT 1996).
Em termos de altitude, a espcie em Portugal comea a vegetar com dificuldade acima
dos 800 m (LOUREIRO 1989; RIOU-NIVERT 1996). uma espcie bastante plstica,
a nvel edfico, com predileco por solos profundos, preferindo solos cidos e pobres
a solos calcrios (LOUREIRO 1989). Em termos de produo, a espcie apresenta um
crescimento inicial muito rpido. RIOU-NIVERT (1996) apresenta valores de produo
para a espcie entre os 5 e os 15 m3ha-1ano-1, apontando uma mdia de 8 m3ha-1ano-1.

54

4 METODOLOGIA
Para atingir os objectivos, este estudo foi desdobrado em duas partes. Na primeira
procurou-se perceber a capacidade da tecnologia satlite, e do sensor TM em
particular, na criao de mapas de ocupao do solo, em sistemas heterogneos e
antropognico, como os presentes na nossa rea, por comparao com metodologias
clssicas de inventrio. Numa segunda, uma vez identificados os povoamentos de
Pinus pinaster, procurou quantificar-se a biomassa neles presente evitando recorrer a
metodologias de inventrio convencionais (Figura 27).
Em termos de operacionalizao de trabalho estes dois objectivos foram tratados
simultaneamente, sendo possvel enquadr-los em trs momentos perfeitamente
distintos: o primeiro, em gabinete, onde se definiu a estratgia, se reuniu informao
de base e se delineou e preparou o trabalho de campo; o segundo, j em campo, onde
se procedeu recolha dos dados, nomeadamente a delimitao da ocupao do solo,
por confirmao no terreno, e o estabelecimento e recolha de dados nos fotopontos e
nas parcelas de amostragem; o terceiro, de novo em gabinete, onde se trataram os
dados recolhidos no campo, se aplicaram as diversas metodologias e se analisaram
os resultados.
As etapas subsequentes vo centrar a ateno primordialmente nos dois ltimos
momentos, por serem aqueles que resultam da planificao do primeiro, descrevendo
os passos das operaes mais importantes.

55

Figura 27 Esquematizao do trabalho desenvolvido.

4.1 COMPILAO

DE MATERIAL, ESTUDO E DELINEAMENTO PRVIO DE

PROCEDIMENTOS

4.1.1 REUNIO DO MATERIAL A UTILIZAR

Para se conseguir atingir os objectivos deste trabalho houve a necessidade de reunir
algum material chave em todo o processo, a destacar:

Material de inventrio florestal: Suta de braos, relascpio de Espelhos de

Bitterlich, fita mtrica;

Viatura todo o terreno;

Fotografia area de 2005;

Cartas militares;

Computador;

Software de SIG e Deteco Remota.

56

Para alm deste material foi compilada uma srie de informao de fonte diversa, no
que respeita rea de estudo, nomeadamente: estudos e trabalhos anteriores;
cartografia digital, entre outros.

4.1.2 DEFINIO DOS ESTRATOS E DA INFORMAO A RECOLHER

A bibliografia consultada mostrou que o nmero e a ordem do estrato podia influenciar
directamente os resultados. O erro aumentaria com o nmero de estratos e seria mais
fcil o reconhecimento de estratos de primeira ordem, aumentando o erro quanto mais
exigente ao nvel do seu grau.
Uma vez que os objectivos deste trabalho pressupunham a localizao dos
povoamentos de pinheiro bravo, estes teriam de constituir por si s um estrato distinto.
Os restantes estratos foram seleccionados por considerarmos serem estratos com
interesse em termos de ordenamento e gesto do espao mas tambm para tentar
perceber o comportamento e a capacidade do sensor os distinguir. Desta forma, foram
inicialmente criados onze estratos, cujas designaes se apresentam no Quadro 5.
Quadro 5 Estratos definidos para a criao de mapas de ocupao de solo.
reas no florestais ou florestais no arborizadas
Terrenos ocupados por matos e pastagens naturais; reas anteriormente
Matos

florestadas, afectadas por fogos ou sujeitas a corte raso onde no voltou a ocorrer

(Incultos)

regenerao; extenso de terreno com arvoredo florestal em que o grau de

coberto 30 %.

Superfcies com
gua

Solo nu

Zona com gua proveniente de qualquer forma de precipitao atmosfrica ou de

cursos de gua (poos, fontes, tanques de rega, albufeiras de barragem e de
aude, canal de rega, charca, lago, rio, esturio, outros cursos de gua)
rea desprovida de qualquer vegetao; rea no improdutiva

Terreno edificado com construes urbanas e equipamentos/ Terrenos

rea social/
Improdutivos

estreis do ponto de vista da existncia de comunidades vegetais ou com

capacidade de crescimento muito limitada, quer em resultado de
limitaes naturais (ex: afloramentos rochosos), quer em resultado de
aces antropognicas (ex: estradas, pedreiras, lixeiras)
Classe de uso do solo que identifica os terrenos dedicados produo

rea agrcola

agrcola. Na classe agricultura esto includas as terras arveis, culturas

hortcolas e arvenses, pomares de fruto, prados ou pastagens artificiais.

57

Terrenos de uso florestal, anteriormente ocupados por povoamentos

reas ardidas

florestais que, devido passagem de um incndio no ltimo ano, esto

actualmente ocupadas por vegetao queimada ou solo nu, com
presena significativa de material morto ou carbonizado.
rea florestal arborizada

Extenso de terreno com um grau de coberto 30 %, onde se verifica a presena de arvoredo

florestal que, pelas suas caractersticas ou forma de explorao, tenha atingido, ou venha a
atingir, porte arbreo, independentemente da fase em que se encontre no momento da
observao.
Pinus pinaster

Povoamento florestal ocupado pela espcie Pinus pinaster

Pinus sylvestris

Povoamento florestal ocupado pela espcie Pinus sylvestris

Pseudotsuga

Povoamento florestal ocupado pela espcie Pseudotsuga mensiesii

Pinus nigra
Folhosas

Povoamento florestal ocupado pela espcie Pinus nigra

Povoamento florestal caduciflio

As designaes tiveram como pressuposto que as vrias ocupaes a encontrar nos

procedimentos de campo, e no tratamento e classificao das imagens de satlite,
tivessem obrigatoriamente uma correspondncia num desses onze estratos.

4.2 CRIAO DE MAPAS DE OCUPAO DO SOLO

4.2.1 INVENTRIO FLORESTAL (METODOLOGIA CLSSICA)

4.2.1.1 Criao de um mapa contnuo de ocupao do solo
O trabalho de campo teve incio em Fevereiro de 2007 e durao aproximada de
quatro meses. A rea foi percorrida em viatura todo-o-terreno, e a p, sempre que
necessrio. A ocupao foi delimitada sobre fotografia area impressa escala de
1:4000. Simultaneamente procedeu-se recolha de informao complementar (idade)
para os povoamentos de pinheiro bravo.

58

Posteriormente, em gabinete, a informao foi vectorizada em ArcGis e integrada

numa base de dados geogrfica (Figura 28). Para cada polgono foram preenchidos os
atributos da base de dados associada, nomeadamente o tipo de ocupao e a idade,
no caso de povoamentos de pinhal bravo.
Face rea total a percorrer (7500 ha), ao tempo disponvel e resoluo espacial do
sensor TM, foi decidido utilizar uma unidade mnima cartografvel (UM) de 0.5 ha,
seguindo as orientaes da Cartografia de Ocupao do Solo para Portugal
Continental 2005, no que diz respeito s regras de integrao.

Figura 28 Mapa de ocupao do solo em formato vectorial aps validao no terreno.

4.2.1.2 Criao de fotopontos

Em alternativa ao mapa contnuo de ocupao do solo foi criado um conjunto de
fotopontos que pudessem servir para validar a classificao feita pelo sensor e ao
mesmo tempo permitir comparar os resultados obtidos atravs do mapa contnuo.
Para o estabelecimento dos pontos foi utilizada a ferramenta Hawths tool, do ArcGis,
criando uma malha sistemtica de pontos distanciados entre si 350 m. A malha foi
interceptada com a rea de estudo, obtendo-se um total de 198 pontos. Ainda em
ambiente SIG a malha de pontos foi sobreposta s fotografias areas, que depois de

59

impressas viriam a constituir a base de orientao e localizao dos pontos no terreno

(Figura 29).

Figura 29 Criao dos fotopontos sobre a rea de estudo.

Em gabinete foi efectuada uma triagem prvia dos fotopontos, classificando por fotointerpretao aqueles que no ofereciam dvidas quanto ao estrato correspondente.
Os restantes foram confirmados no terreno, aproveitando as deslocaes em campo
para a delimitao contnua da ocupao do solo. Nos pontos visitados foi recolhida
informao do estrato com maior representatividade num raio de 10 metros.

4.2.2 CRIAO DE MAPAS DE OCUPAO COM RECURSO A IMAGENS

LANDSTAT-5 TM
Para a criao de mapas da ocupao do solo com recurso a imagens de satlite foi
adquirida uma cena de uma imagem Landsat-5 TM de 2006, que abrangia o Norte de
Portugal e de Espanha (Noroeste da Pennsula Ibrica) possuindo aproximadamente
170 km (Norte -Sul) por 183 km (Este-Oeste) (Figura 30).
A manipulao e tratamento da imagem foi efectuada com recurso a dois softwares,
MIRAMON e IDRISI. A utilizao de dois programas deveu-se facilidade com que o
60

MIRAMON realiza o pr-processamento da imagem, nomeadamente a correco

geomtrica e radiomtrica, e o IDRISI pela sua capacidade de processamento e
classificao.

Figura 30 Cena Landsat-5 TM abrangendo o Norte de Portugal e de Espanha.

4.2.2.1 Correco Geomtrica

A imagem de satlite foi convertida para o formato original do MIRAMON (formato
IMG) para poder ser trabalhada (File Import CEOS/Landsat.IMG).
Recorrendo a ferramentas de ArcGis criaram-se 20 pontos de controlo, to afastados
quanto

possvel,

em

reas

facilmente

identificveis,

recolhidos/reconhecidos

simultaneamente em fotografia area (voo efectuado pela DGRF em 2005) e na

imagem Landsat-5 TM, registando-se as suas coordenadas, no sistema HayfordGauss Militar (CASACA et al. 2000). Desses 20 pontos eliminaram-se trs, que
apresentavam maior erro, e os 17 restantes foram utilizados para efectuar a correco
geomtrica com um RMSE final de 14 m (Tools Geometry Polynomial corr).

4.2.2.2 Extraco da rea de estudo

Com o objectivo de facilitar a manipulao e aumentar a velocidade de processamento
dos dados, recortou-se a cena original, utilizando as ferramentas Tools Spatial data
managment Layer clipping, do MIRAMON. Especificando o mbito com a
61

introduo dos valores de X,Y mnimo e X,Y mximo, foi extrada da cena apenas a
rea de estudo.

4.2.2.3 Correco radiomtrica (criao do modelo tridimensional do

terreno e correco do brilho)
A correco radiomtrica pressups dois passos: o primeiro foi a criao do modelo
tridimensional do terreno (DEM), o segundo a correco da radiao. Utilizando o
ArcGis foram exportadas as curvas de nvel das folhas 74 e 75 (1:25000) da Carta
Militar Portuguesa, em formato vectorial, para o MIRAMON. A, os vectores no
estruturados foram convertidos em estruturados (Edit Build topology Arc/Nodes)
e foi criado um DEM com 30 m de pixel (Tools Terrain interpolation Contour
lines) (Figura 31).
Seguindo os mesmos procedimentos do ponto 4.2.3.3, recortou-se o DEM pelos
limites da rea.

Figura 31 Curvas de nvel da Carta Militar Portuguesa em (srie M888) formato vectorial
(esquerda); DEM elaborado a partir das curvas de nvel da Carta Militar Portuguesa (srie
M888) (direita).

A correco do brilho foi efectuada de acordo com a metodologia desenvolvida por

CHAVEZ 1988. Fazendo uma anlise dos histogramas, recolheu-se a constante do
valor mnimo de DN presente em cada banda, criando um ficheiro .cor (Figura 32).

62

Banda1_Kl=44
Banda2_Kl=15
Banda3_Kl=12
Banda4_Kl=6
Banda5_Kl=9
Banda6_Kl=128
Banda7_Kl=3

Figura 32 Exemplo de um histograma para a banda 1 (esquerda) e valores mnimos de cada

banda (kl) do ficheiro .cor (direita).

De novo em MIRAMON utilizou-se o ficheiro .cor das constantes anteriormente

referido para, juntamente com o DEM, proceder correco radiomtrica da imagem
para cada uma das bandas (Tools Image radiometry radiometric correction)
(Figura 33).

Figura 33 Visualizao da caixa de correco radiomtrica, em MIRAMON.

63

4.2.2.4 Classificao supervisionada

O primeiro passo no processo de classificao supervisionada foi a recolha das reas
de treino. Na sua criao procurou-se delimitar reas homogneas, em diferentes
locais, de forma a abranger alguma heterogeneidade dentro do mesmo estrato. Para
facilitar a sua delimitao foram previamente criados, em ArcGis, e sobre fotografia
area, vrias reas/vectores de zonas visualmente homogneas de cada um dos
estratos (anteriormente confirmados no terreno). Foram recolhidas, em mdia, cinco
reas por estrato. Estes vectores foram exportados para IDRISI e a projectados
sobre a imagem de satlite, permitindo uma maior certeza na delimitao dos
mesmos. Utilizando a ferramenta Digitize foram vectorizadas, sobre o raster, as vrias
reas de treino. De seguida, foi recolhida a assinatura espectral de cada uma das
reas (Image Processing Signature developement MAKESIG).
Atravs das ferramentas Image Processing Hard classifiers, utilizando as
assinaturas espectrais extradas, fizeram-se correr trs dos classificadores mais
comuns, nomeadamente: paraleleppedo (PIPED), mxima verosimilhana (MAXLIKE)
e mnima distncia (MINDIST).
Depois de criada uma imagem, com cada um dos classificadores, procedeu-se sua
reclassificao nos estratos pr estabelecidos (4.1.2) (Gis Analysis Database Query
RECLASS) de forma a ser possvel interpret-la e estabelecer relaes com a
informao j existente.

4.2.3 VALIDAO DA CLASSIFICAO DA OCUPAO DO SOLO POR SATLITE

Aps a classificao da imagem de satlite houve necessidade de validar os
resultados utilizando-se como termo comparativo o mapa contnuo de ocupao do
solo e os fotopontos.
O mapa contnuo, criado em ArcGis aps verificao em campo, foi transformado em
raster e exportado para IDRISI onde foi sujeito ferramenta CROSSTAB juntamente
com as imagens obtidas por classificao. O resultado foi uma matriz de confuso
onde foi possvel comparar classe a classe os resultados da classificao com os
dados de referncia (mapa contnuo de ocupao do solo/fotopontos) acompanhados
por uma estatstica de Kappa. Este passo foi repetido para cada um dos trs
classificadores.

64

Para comparao dos fotopontos foi necessrio algum tratamento prvio. O

procedimento consistiu em criar uma imagem vazia, com a mesma dimenso da
imagem classificada, que se fez interceptar com os pontos de controlo, passando para
os pixeis a informao do estrato contida no ponto. Foi ento efectuado um
CROSSTAB e procedeu-se validao dos resultados atravs de uma estatstica de
Kappa para os trs classificadores.
Na metodologia com melhores resultados foram aplicadas algumas das estatsticas
desenvolvidas por PONTIUS (2002) e por HAGEN (2002).

4.3 QUANTIFICAO

DE

BIOMASSA

EM

POVOAMENTOS

DE

PINUS

PINASTER
A quantificao de biomassa dos povoamentos de Pinus pinaster pressupunha, desde
logo, a sua identificao e localizao. Da a importncia da primeira fase do trabalho,
com a criao do mapa contnuo de ocupao de solo. Nesta fase, utilizando o
ArcGis, foi efectuada uma Query base de dados geogrfica do ficheiro de ocupao
do solo, seleccionando os polgonos ocupados por pinheiro bravo, com idade igual ou
superior a 15 anos. Como resultado obteve-se a distribuio espacial dos
povoamentos que constituiriam o nosso estudo de quantificao de biomassa.

4.3.1 QUANTIFICAO DE BIOMASSA UTILIZANDO A METODOLOGIA CLSSICA

4.3.1.1 Quantificao de biomassa para o estrato arbreo
A estimativa de biomassa dos nossos povoamentos foi calculada recorrendo a
mtodos indirectos.
A avaliao quantitativa do estrato arbreo foi orientada apenas para povoamentos de
pinheiro bravo, com idade igual ou superior a 15 anos (delimitado a azul na Figura 34).
Optou-se por deixar de fora a avaliao de povoamentos com idade inferior a 15 anos
tendo em conta que:

O mtodo utilizado implica a avaliao do dimetro altura do peito (d),

inexistente em muitos povoamentos com idades inferiores a 10 anos;

O nosso clima e solos fazem com que apenas a partir dos 15 anos haja
formao de indivduos com ds susceptveis de algum interesse comercial;

65

A silvicultura normal do pinheiro bravo no nosso pas indica que apenas a

partir desta idade so realizadas operaes com valor comercial.

Para se conseguir quantificar a biomassa do estrato arbreo delineou-se um inventrio

atravs de parcelas de amostragem, para recolha de dados dendromtricos. Utilizando
a ferramenta overlay intersect, foram cruzados os fotopontos (criados na primeira
fase), com as reas de povoamentos de pinheiro bravo de idade igual ou superior a 15
anos. Dessa intercepo resultaram 103 pontos, que passaram a corresponder ao
centro das parcelas de amostragem (Figura 34).

Figura 34 Parcelas de amostragem nos povoamentos de Pinus pinaster de idade igual ou

superior a 15 anos.

Uma vez em campo localizou-se o centro das parcelas utilizando cartografia impressa
escala 1:4000. Em cada ponto visitado foram instaladas parcelas de amostragem
circulares de 300 m2 de acordo com a metodologia descrita por MARQUES et al.
(2007). Em cada parcela foram recolhidos dados sobre o d, altura e idade das rvores
a presentes.
O dimetro altura do peito (d) de todas as rvores das parcelas de amostragem foi
medido com a suta de braos. Na rvore mdia, obtida pela mdia quadrtica dos ds,
foram

efectuadas

medies

com

relascpio

de

Espelhos

de

Bitterlich,
66

nomeadamente a Ltopo e Lbase, para poder obter uma estimativa da altura total da
rvore (ht). Utilizando o valor de d, Ld/2 e Ld foi estimado o volume do tronco da rvore
mdia (Vg), de acordo com a metodologia descrita por MARQUES e FONSECA
(2006), e depois extrapolado para toda a parcela (Vparc). Ainda de acordo com a
metodologia destes autores foram calculadas outras variveis, nomeadamente idade,
rea basal por hectare (G), nmero de rvores por hectare (N), altura mdia (hg) e
dimetro mdio (dgobs).
Para alm das caractersticas do povoamento atrs referidas, optou-se por calcular
tambm a varivel LAI (leaf area index) pelo facto de a bibliografia a considerar como
uma varivel facilmente estimada via deteco remota (FASSNACHT et al. 1997;
FRANKLIN et al. 1997; LOPES 2005). O seu clculo pressupunha inicialmente a
separao da biomassa da componente folhada de toda a copa, de acordo com os
resultados obtidos por LOPES (2005) (Eq.7).
Bfolhada = 0.44* Bcopa

(Eq.7)

Utilizando a metodologia descrita por LOPES (2005) foi ento estimado o valor do LAI.
A estimao da biomassa da copa e do tronco baseou-se nas equaes propostas por
LOPES e ARANHA (2004) (Eq.s 8 e 9), tendo d como varivel de predio.
Bcopa = (d) Log (Bcopa) = 2.911+2.130 * Log (d)

(R2=88.8; R2adj=88.4) (Eq.8)

Btronco = (d) Log (Btronco) = 3.769+2.706 * Log (d) (R2=98.6; R2adj=97.9) (Eq.9)
Com: d expresso em metros e biomassa (B) em kg

A quantificao de resduos da rvore, tal como se encontra definido pela legislao,

teve em considerao as componentes passveis de serem utilizadas para fins
energticos ou outros, nomeadamente a biomassa associada copa e bicada, em
relao s rvores, bem como a biomassa dos matos, como componente em
subcoberto.
Para a estimativa da biomassa da copa utilizou-se a frmula desenvolvida por LOPES
e ARANHA (2004) j enunciada anteriormente. O clculo da biomassa da bicada teve
por base uma interpolao linear em que:

67

Btronco Volumetronco
Bbicada Volumebicada

Numa etapa inicial, recorrendo curva de adelgaamento criada por FONTE (2000),
estimou-se a altura do d=7cm correspondente base da bicada. Tendo conhecimento
da altura total da rvore, por medies em campo, calculou-se ento a altura da
bicada (Eq.10):
hbicada = htotal-hd=7cm

(Eq.10)

O volume do tronco e a biomassa do tronco e da bicada foram previamente

determinados de acordo com as metodologias j descritas. possvel calcular o
volume da bicada de acordo com a metodologia da cubagem rigorosa, descrita por
MARQUES et al. 2007 (Eq.11).
Vbicada = /12xd2base/bicada x hbicada/bicada

(Eq.11)

Onde: dbase/bicada = 7cm (por definio)

4.3.1.2 Quantificao de biomassa em subcoberto

Para avaliao em subcoberto foi seguida a metodologia desenvolvida por VAN
WAGNER (1968), usualmente utilizada para avaliaes de carga de combustvel
(FERNANDES et al. 2002), e vulgarmente conhecida como mtodo da linha de
intercepo. Aproveitando o centro das parcelas de inventrio foi esticada uma fita
com um comprimento de 10 m, procurando assegurar a aleatoriedade da sua direco.
Ao longo da linha foram contabilizadas as espcies presentes, a extenso e a sua
altura.
Na quantificao da biomassa em subcoberto foi avaliada apenas a componente
matos por se considerar ser aquela que, numa gesto normal de um povoamento,
possui maior expresso e viabilidade econmica em termos de recolha e
aproveitamento da biomassa para fins energticos.

68

Como j foi referido, a sua avaliao baseou-se numa amostragem realizada em cada
uma das 103 parcelas instaladas. A biomassa de cada transepto foi calculada atravs
da frmula emprica (Eq.12):

(Eq.12)
Onde:
B = biomassa total (kg.ha-1);
L = mdia ponderada das alturas medidas para a espcie i (m);
= densidade aparente da espcie i (Kg.m-3);
cob = proporo de coberto da espcie i (m).

-2

Esta equao consiste basicamente em multiplicar o fitovolume (m .m ) pela

-3

densidade aparente (kg.m ) e converter ao hectare. Os valores da densidade mdia

aparente das espcies encontradas em campo encontram-se no Quadro 6.
Quadro 6 Densidades mdia aparente das espcies arbustivas encontradas em subcoberto
dos povoamentos de Pinus pinaster.
Densidade
Nome vulgar

Nome cientifico

mdia aparente

()
Giesta

Cytisus spp.

1.929

Sargao

Cistus salvifolius L.

Tojo

Ulex spp.

1.888
2.500

Urze

Erica spp.

2.230

Carqueja

Pterospartum tridentatum (L.)

2.250

Fetos

Pteridium aquilinum L. Kuhn

1.841

Fonte: Valores cedidos pelo Prof. Paulo Fernandes do Departamento de Cincias Florestais e
Arquitectura Paisagista da UTAD.

69

4.3.1.3 Biomassa total/Biomassa de resduos

Nesta fase quer as avaliaes de biomassa da componente arbrea quer da biomassa
em subcoberto foram j efectuadas.
A biomassa da copa e da bicada foram adicionadas biomassa das arbustivas para
assim se obter a biomassa de resduos (Eq.13):
Bresduos = Bcopa+ Bbicada+ Bsubcoberto

(Eq.13)

A biomassa total no mais do que a soma da componente arbrea (copa + bicada +

tronco) com a componente do subbosque (matos) (Eq.14):
BTOTAL = Barbrea+ Bsubbosque

(Eq.14)

Por ltimo, os valores de cada uma das componentes de biomassa obtidos por parcela
foram organizados numa matriz de dados (biomassa de arbustivas, biomassa da copa,
biomassa do tronco, biomassa da bicada, biomassa total e biomassa dos resduos).

4.3.2 QUANTIFICAO DA BIOMASSA COM RECURSO A IMAGENS DE SATLITE

O objectivo final deste estudo estimar a biomassa recorrendo, se possvel,
exclusivamente a dados de deteco remota. Nesta fase, para alm dos valores de
reflectncia extrados directamente da imagem, em cada uma das bandas (B, R, G,
NIR, MIR1, TM6, MIR2), foram calculados os ndices de Vegetao utilizados no
estudo de LOPES (2005) e j apresentados no Quadro 3.
Posteriormente, quer as variveis calculadas com base em medies de campo, quer
as obtidas remotamente, foram organizadas numa matriz e avaliou-se a sua
correlao com as componentes da biomassa.
As variveis mais bem correlacionadas com os valores de biomassa total e biomassa
de resduos foram seleccionadas para tentar estabelecer um conjunto de equaes
que as permitisse estimar de forma indirecta.
Foram ajustados diversos modelos de regresso no linear, utilizando as variveis que
tivessem apresentado uma maior correlao com a biomassa, tendo por base a
seguinte equao (Eq.15):

70

Y=a0*P1a1*P2a2

(Eq.15)

Onde Y ser o ndice de biomassa (biomassa dos resduos ou biomassa total); a0, a1,
a2, () os coeficientes; e P1, P2, () os parmetros de input. O objectivo que P1
sejam ndices de Vegetao (IV), mas pode surgir a necessidade de introduzir
igualmente uma varivel estrutural do povoamento (VE), como se pode antever da
reviso bibliogrfica sumariada pelo Quadro 2. No caso desta hiptese, e seguindo a
metodologia desenvolvida por MIKYS et al. (2007), o modelos ajustados testam as
variveis preditivas IV, VE, IV2VE e IV e VE em conjunto.
As estatsticas utilizadas para avaliao das equaes ajustadas foram: coeficiente de
determinao (R2) (Eq.16); coeficiente de determinao ajustado (R2adj) (Eq.19) e o
erro (Sxy) (Eq.20).

Coeficiente de determinao -

R2 = 1

SSR
SST

(Eq.16)

Somatrio dos quadrados dos resduos: SSR =

(Y

i =1

Somatrio dos quadrados total: SST =

yi ) 2

(Eq.17)

(Yi Y ) 2

(Eq.18)

i =1

__

Onde Yi o valor observado; o valor estimado; e Y , o valor mdio.

Coeficiente de determinao ajustado - R

Erro - s xy = RMSE =

adj

= 1

(n i ) SSR
(n p) SST

(Eq.19)

( yi yi ) 2
(n p)

(Eq.20)

Onde n representa o nmero de observaes e p o nmero de parmetros do

modelo. Nas equaes lineares com ordenada na origem, i toma o valor 1. Nas
equaes lineares sem constante o valor de i zero.

71

5 DISCUSSO DE RESULTADOS
5.1 CLASSIFICAO DE IMAGENS PARA OBTENO DE MAPAS DE USO DO
SOLO

5.1.1 RECLASSIFICAO DOS ESTRATOS

Apesar de estar inicialmente previsto classificar a imagem de satlite utilizando onze
estratos (Quadro 5), verificou-se, aps a delimitao das reas de treino e da
extraco das respectivas assinaturas, que, para as seis bandas analisadas, havia
estratos com comportamentos espectrais muito semelhantes. O facto de as suas
assinaturas serem semelhantes, significava que uma variao mnima em termos de
estado fenolgico ou a nvel ambiental, faria com que estes estratos se confundissem
entre si tornando muito difcil a sua classificao. Desta forma, numa fase
subsequente, foi decidido fazer uma reclassificao agrupando os estratos que
apresentavam comportamento espectral semelhante. Era o caso da rea ardida e dos
matos, do solo nu e da rea urbana, e de algumas resinosas.
Ao analisar o grfico (Figura 35) com a mdia das assinaturas recolhidas em rea
ardida e mato verifica-se que ambos possuem um comportamento espectral muito
semelhante, tpico de material vegetal vivo, o que no seria de esperar para a rea
ardida.

Figura 35 Comparao de assinaturas espectrais mdias recolhidas em reas de treino dos

estratos rea ardida e mato.

72

Apesar disso, logo se percebeu que tal comportamento poderia ser devido presena
de material vegetal que nascera ps-incndio, uma vez que estes ocorreram dois ou
trs anos antes, nomeadamente em 2004 e 2005. Desta forma, estes dois estratos
deixaram de fazer sentido e a rea ardida passou a ser integrada no estrato matos.
Este agrupamento no foi inicialmente efectuado em campo porque apesar de haver
regenerao de herbceas e pequenas arbustivas, visualmente havia muito material
queimado, inclusive rvores, e na altura desconhecamos ento o comportamento do
sensor perante uma rea deste tipo.
O estrato urbano e solo nu apresentaram um comportamento semelhante ao longo do
espectro apesar de possurem intensidades de reflectncia ligeiramente distintas
(Figura 36). Na verdade, o solo nu resulta quase sempre de uma aco humana e tem
tendncia a estar associado a estruturas ou construes. Desta forma estes estratos
passaram a ser um s.

Figura 36 Comparao de assinaturas espectrais mdias recolhidas em reas de treino dos

estratos solo nu e urbano.

Analisando as assinaturas mdias recolhidas para as diferentes resinosas, foi

interessante verificar que o comportamento espectral entre a Pseudotsuga menziesii e
o Pinus nigra era semelhante, muito prximo do Pinus sylvestris, e um pouco distinto
do Pinus pinaster (Figura 37). Entre estas quatro espcies o comportamento espectral
divergiu sobretudo na regio do infravermelho. O Pinus pinaster possui um pico de
reflectncia ao nvel do MIR1 enquanto que para as restantes espcies o seu pico de
reflectncia ocorreu no NIR.

73

Figura 37 - Comparao de assinaturas espectrais mdias das vrias resinosas.

Face a estes resultados constatou-se que quer o Pinus nigra quer a Pseudotsuga
menziesii possuiam assinaturas facilmente distinguveis do Pinus pinaster, mas
haveria alguma dificuldade em separar o Pinus sylvestris das restantes resinosas
incluindo do Pinus pinaster. Como o objectivo primrio do estudo implicava a distino
da espcie Pinus pinaster, esta passou a constituir um estrato nico e as restantes
trs, com um comportamento espectral mais semelhante, foram agrupadas num novo
estrato conforme sintetizado no Quadro 7.
Quadro 7 Reclassificao dos estratos.
Estratos iniciais

Estratos finais (Reclassificao)

Agrcola

Agrcola

Superfcie com gua

Superfcie com gua

rea ardida

Matos (Incultos)

Matos (Incultos)

Folhosas

Folhosas

Pinus pinaster

Pinus pinaster

Pinus sylvestris

Pinus nigra

Outras resinosas

Pseudotsuga menziesii

10

Solo nu

rea urbana /solo nu

11

rea urbana

74

Recolhidas as assinaturas a fase seguinte foi a classificao da imagem utilizando os

sete estratos de ocupao do solo definidos. A Figura 38 mostra o comportamento
mdio de cada um desses estratos ao longo do espectro, e fornece algumas pistas de
sobre o comportamento futuro da classificao. Pode-se verificar que na banda do
visvel, excepo das reas urbanas, o comportamento bastante semelhante, mas
medida que se avana no espectro que a diferenciao se faz notar, sobretudo no
NIR e MIR1 (Figura 38).

Figura 38 - Comparao das assinaturas dos sete estratos usados na classificao das
imagens de satlite.

A incapacidade em diferenciar os diferentes estratos sobre a imagem de satlite,

aquando da delimitao das reas de treino, fez compreender a facilidade em criar
erros no processo de classificao, se a assinatura recolhida dentro da rea de treino
estiver contaminada por estratos vizinhos. Para a delimitao das reas de treino, as
ferramentas SIG revelaram-se de grande utilidade, facilitando e aumentando a
preciso da sua delimitao, ao permitir sobrepor uma imagem raster com uma
vectorial delimitada sobre ortofoto e assim poder delimitar reas de treino que com
alguma certeza se sabia corresponder ao estrato em estudo. Apesar disso, face a uma
ocupao do solo to heterognea e fragmentada, houve muita dificuldade em
delimitar reas com o nmero mnimo de pixeis aconselhado.

75

5.1.2 MAPA CONTNUO DE OCUPAO DO SOLO E FOTOPONTOS

Nesta fase a ateno centrou-se na comparao das metodologias utilizadas para a
recolha de informao em campo e posterior validao da classificao.
Um dos desafios que se colocou foi o de conseguir cartografar e estabelecer
correspondncia entre a complexidade da paisagem e os estratos considerados para
classificao. Se houve muitos casos em que a simples interpretao visual dos
ortofotos causava dvidas, outros houve em que, aps deslocao ao terreno, a
dvida se manteve. De facto, a heterogeneidade, e particularmente a mistura e
transio pouco clara entre estratos neste tipo de ecossistema, revelaram-se um
problema. Mesmo com deslocaes ao terreno foi difcil estabelecer uma
correspondncia entre a vegetao existente a um dos onze estratos iniciais, pois
estes encontravam-se com limites pouco definidos e nitidamente em readaptao face
a perturbaes recentes (fogo, corte, abandono), com os vrios estratos a
intercruzarem-se entre si numa procura de equilbrio. Foi, por exemplo, o caso de
muitas reas agrcolas em pousio ou abandonadas, ou reas ardidas com
regenerao natural de mato e Pinus pinaster (Figura 39). Tambm em estratos mistos
ou reas de povoamento com densidade varivel houve dificuldade, pois nenhum
estrato se adequava realidade encontrada (Figura 40; Figura 41). A impresso de
uma paisagem to complexa no se mostrou nada fcil, tornando o processo um
pouco subjectivo.

Figura 39 Exemplo de uma rea de mato (com predominncia de Erica spp.) com
regenerao de Pinus pinaster, de densidade varivel, resultante de um incndio ocorrido em
2003.

76

Figura 40 - rea de mato (Erica spp., Cytisus spp., Ulex spp.) com regenerao natural de
Pinus pinaster disperso e de idade e densidade varivel.

Figura 41 - Regenerao natural de carvalho (Quercus pyrenaica) a entrar por uma rea de
mato (Erica spp., Cytisus spp.).

A utilizao de fotopontos demonstrou ser um mtodo bastante mais simples e rpido

e menos sujeito a dvidas aquando da confirmao no terreno. O facto de a rea a
confirmar ser mais pequena fez com que a heterogeneidade vegetal diminusse
permitindo fazer uma melhor correspondncia entre a realidade encontrada e um dos
estratos. A impresso dos ortofotos com uma pequena escala permitiu encontrar o
centro dos fotopontos sem grande dificuldade.

77

A utilizao de ferramentas SIG mostrou-se fundamental em qualquer um destes

processos. Na fase de delineamento, a anlise e cruzamento de diferente cartografia
permitiu antecipar algumas dificuldades sentidas na recolha de dados em campo,
nomeadamente ao nvel da orografia e acessos, e assim procurar a melhor forma de
as ultrapassar. A criao de fotopontos foi, neste caso, um processo quase
instantneo. Nesta fase a mais valia dos SIG foi talvez a possibilidade de transpor toda
a informao e delimitao efectuada em campo para informao digital, dotada de
uma base geogrfica. Desta forma, a localizao dos povoamentos de Pinus pinaster
efectuou-se sem dificuldade

5.1.3 AVALIAO DAS METODOLOGIAS DE VALIDAO

Aps se efectuar a classificao da imagen de satlite, utilizando as duas
metodologias apresentadas e os algoritmos de cada um dos trs classificadores
propostos, foi necessrio proceder sua validao. Nesta fase pretendia-se perceber
qual a metodologia utilizada para validao da ocupao do solo e que classificador
conseguiam os melhores resultados (Quadro 8).
Quadro 8 Estatstica dos classificadores em funo do mtodo de validao.

Preciso global
Kappa global
Preciso global
Kappa global

Fotopontos
Mxima verosimilhana
Mnima distncia
0.60
0.70
0.46
0.60
Mapa contnuo de ocupao do solo
0.58
0.50
0.43
0.38

Paraleleppedo
0.48
0.26
0.43
0.20

A anlise do Quadro 8 demonstra que a validao por fotopontos permitiu obter

melhores resultados que o mapa contnuo de ocupao do solo, independentemente
do classificador seleccionado, obtendo um ndice Kappa mximo de 0.60. O mtodo
da mnima distncia mostra ser o mais indicado para a validao por fotopontos,
enquanto que o mapa contnuo de ocupao do solo obteve os seus melhores
resultados com o classificador da mxima verosimilhana.
Considerando que a validao recorrendo a fotopontos se mostrou mais prtica e
eficiente, esta passou a ser a opo a partir desta fase do estudo. Procurou-se
aprofundar um pouco mais o valor 0.60 obtido para a estatstica Kappa, tentando

78

perceber que quantidade do desacordo devido a erros de omisso ou de localizao.

Nesse

sentido

so apresentadas,

no

Quadro

9,

algumas

das

estatsticas

desenvolvidas por PONTIUS (2002) e HAGEN (2002):

Quadro 9 Estatsticas de avaliao da classificao.
Kappa global

0.60

kloc

0.65

Khisto

0.91

Um valor de Khisto de 0.91 indica que a quantificao se encontra perto do perfeito, ou

seja, o nmero de pixeis classificados para cada classe muito semelhante ao
existente nos pontos de controlo. Por outro lado, constata-se que possui um valor
menor para o kappa de localizao. Desta forma, um eventual melhoramento do kappa
global deve concentrar-se num aumento da diferenciao na localizao espacial e
no tanto na quantificao. Este maior erro na localizao espacial pode estar
associado resoluo do nosso sensor. J anteriormente se tinha comprovado
visualmente alguns exemplos em que a resoluo determinou o surgimento de alguns
erros na classificao de pixeis vizinhos. Esta relao entre os erros de localizao e a
resoluo espacial da imagem, foi igualmente encontrada e comprovada em estudos
realizados por PONTIUS (2002).
Aparentemente, uma amostragem (fotopontos) foi mais precisa que a totalidade da
populao (mapa contnuo de ocupao do solo). A questo que a metodologia e a
recolha de dados para criao do mapa contnuo mostrou ser menos precisa e mais
sujeita a erros aquando da verificao em campo. Como a rea a percorrer era muito
extensa, a verificao no terreno era feita quase sempre a partir do caminho mais
prximo, ou de uma encosta para a outra. Desta forma, foram sendo criadas
imprecises que mais tarde vieram a tornar-se importantes. , por exemplo, o caso de
reas densas, aparentemente s de mato, que revelaram ter regenerao natural de
Pinus pinaster no seu interior, ou em povoamentos adultos de Pinus pinaster
aparentemente puros, que no seu interior se tornavam mistos contendo pequenas
manchas de Pinus sylvestris.
Utilizando a metodologia de fotopontos houve o cuidado de ir ao local,
independentemente da localizao do ponto no terreno. Como a rea a verificar era
muito mais pequena, a sua correspondncia a um estrato tornou-se mais fcil e menos

79

ambgua. O mtodo dos fotopontos mostrou ser mais rpido, mais fivel e mais barato
que o mapa contnuo, no entanto, mais exigente no processamento dos dados para
poder ser extrada informao.
Em termos estatsticos a diferena entre as duas metodologias de validao
bastante considervel e comprova a ineficincia da metodologia de mapa contnuo
para reas extensas, com o nvel de detalhe pretendido e em ecossistemas to
heterogneos e fragmentados como o da rea deste estudo.

5.1.4 AVALIAO DOS CLASSIFICADORES

Seleccionada a metodologia de validao mais adequada (mtodo de fotopontos),
procurou analisar-se os resultados obtidos pelos diferentes classificadores e o seu
comportamento perante cada estrato. Esta anlise comeou por ser visual, e denotouse desde logo uma grande diferena entre a imagem resultante da classificao do
paraleleppedo e as restantes (Figura 42; Figura 43; Figura 44). Em oposio, foi difcil
encontrar grandes diferenas entre o classificador da mnima distncia e o da mxima
verosimilhana

Figura 42 - Classificador do paraleleppedo.

80

Figura 43 Classificador da mnima distncia.

Figura 44 Classificador da mxima verosimilhana.

A anlise estatstica das vrias classificaes, com o clculo do ndice de kappa para
cada um dos estratos, permitiu realar as diferenas entre classificadores e assim
seleccionar o mais adequado para este estudo (Quadro 10).
81

Quadro 10 Comparao dos diferentes classificadores utilizados no processo de

classificao.
Classificador

Estrato

Mxima verosimilhana

Mnima distncia Paraleleppedo

Agrcola

0.57

0.54

0.16

Sup. gua

0.00

0.00

0.00

Matos

0.41

0.48

0.14

Folhosas

0.33

0.70

0.07

O.Resinosas

0.51

0.68

0.06

Pinus pinaster

0.47

0.66

0.81

Urbano/solo nu

0.57

0.72

0.54

Prec. global

0.60

0.70

0.48

Kappa global

0.46

0.60

0.26

O mtodo da mxima verosimilhana mostrou ser ligeiramente mais eficaz na

identificao de reas agrcolas, obtendo valores muito medianos ao tentar classificar
todos os outros estratos. Os resultados obtidos com este classificador foram de certa
forma uma surpresa pois alguns autores (AKGUN et al. 2004; WULDER et al. 2008)
consideram-no como o mais potente dos trs. No entanto, os resultados obtidos neste
estudo vo de acordo com os obtidos por MULLER (1999), ou mesmo por ARANHA et
al. (2008), num estudo desenvolvido em situao anloga a este, onde foi
seleccionado o classificador da mnima distncia com uma preciso global de 80%.
O mtodo da mnima distncia destacou-se dos restantes mtodos ao conseguir a
maior preciso (70%). Classificou de forma equilibrada todos os estratos, obtendo
resultados bastante satisfatrios ao conseguir discriminar estratos de segunda e
terceira ordem presentes na floresta, nomeadamente a separao da espcie Pinus
pinaster do conjunto das vrias resinosas.
Em contrapartida, o mtodo do paraleleppedo foi o pior dos trs. Aparentemente
revelou-se muito eficaz na identificao das reas de Pinus pinaster, mas muito pouco
equilibrado, uma vez que todos os outros estratos obtiveram valores de preciso
demasiado baixos. Esta particularidade deve-se, possivelmente, ao algoritmo deste
classificador levando a que a aparente classificao das reas de pinheiro bravo fosse
82

conseguida pela representatividade do estrato, em termos de ocupao, e no tanto

pela capacidade de o identificar e localizar.

5.1.5 ANLISE DE RESULTADOS DA MELHOR METODOLOGIA

Seleccionada a metodologia de fotopontos, como imagem real para validao, e o
classificador da mnima distncia, como o melhor algoritmo de classificao, foi criada
uma matriz de contingncia para tentar perceber onde houve maior dificuldade de
classificao e para que estrato foi perdida a preciso (Quadro 11).
Quadro 11 Matriz de contingncia da imagem classificada pelo mtodo da mnima distncia.
Fotopontos

Agrcola

Sup.

Matos Folhosas

gua
Agrcola

Pinus

Urbano/solo

Resinosas

pinaster

nu

Total

84

16

112

Matos

17

83

20

128

Folhosas

12

55

73

21

15

36

15

40

189

261

10

11

28

138

143

75

30

237

15

638

Sup.
Imagem Classificada

O.

gua

O.
Resinosas
Pinus
pinaster
Urbano/solo
nu
Total

De uma forma geral verificou-se que o estrato agrcola e as reas de matos foram
aquelas onde ocorreu uma maior dificuldade na classificao. No foi classificada
nenhuma rea de gua, pois no existia nenhuma com dimenso suficiente dentro da
rea de estudo.

83

Na classificao de reas agrcolas constata-se uma perda quase generalizada para

todos os outros estratos. O facto de 17 dos fotopontos com ocupao agrcola serem
classificados como mato, deve-se, possivelmente, a este ser quase sempre um estrato
de transio, existindo na maioria das vezes uma faixa varivel de mato a separar o
estrato agrcola dos restantes. Para alm disso, reas de pousio podiam facilmente ser
confundidas e classificadas incorrectamente como matos.
Uma vez que o erro na classificao das reas agrcolas no teve um padro claro, e
foi distribudo de forma quase igual pelos restantes estratos, leva a crer que muitas
das reas agrcolas classificadas incorrectamente podero estar relacionadas com a
resoluo do sensor, potenciada pela estrutura da propriedade agrcola dominante
(minifndio) e pela sua fragmentao, bem como pela facilidade com que as pequenas
reas agrcolas surgem no meio de qualquer um dos restantes estratos.
Na Figura 45 observa-se o exemplo de um ponto de controlo marcado sobre rea
agrcola (imagem direita) que devido resoluo do sensor foi classificado como
rea de mato (imagem esquerda).

84

Figura 45 Erro de classificao de uma rea agrcola devido resoluo do sensor.

O estrato matos foi o que obteve piores resultados com quase metade dos pontos de
controlo incorrectamente classificados. Este estrato possui caractersticas muito
particulares, pois pode existir de forma individualizada em reas mais ou menos
extensas, como nica ocupao vegetal do solo, embora muitas vezes ocorra
associado floresta, quer em reas menos densas quer em subcoberto. Est
normalmente associado a um conjunto de espcies pioneiras, fazendo a transio
entre um estado de perturbao do solo e novamente o equilbrio. O maior erro obtido
na classificao deste estrato deveu-se, aparentemente, dificuldade em diferenci-lo
das reas de pinheiro bravo. Este erro ocorreu com maior frequncia no em pinhal
adulto mas em reas de regenerao natural, com idades entre os 0-5 anos, onde o
mato se encontra ao mesmo nvel da regenerao e onde existem grandes variaes
de densidade (Figura 46).

85

Figura 46 Exemplo de uma classificao numa rea de regenerao de Pinus pinaster jovem
com densidade varivel.

Analisando a Figura 46 pode-se comparar a classificao da imagem de satlite (cima

esquerda), com a mesma rea visualizada sobre o ortofotos (cima direita) e uma
foto tirada no terreno aquando da visita ao fotoponto (em baixo). Apesar de no terreno
se ter considerado toda esta rea como regenerao natural de Pinus pinaster, podese verificar que houve uma srie de pequenas reas classificadas como matos na
imagem de satlite. Aquando da confirmao no terreno do fotoponto houve tambm
algumas dvidas quanto ao estrato a correlacionar com este ponto, pois apesar de
haver muita regenerao natural de pinheiro bravo, podemos ver que este encontravase mesma altura que o mato e apresentava uma densidade varivel. Desta forma,
apesar de para este ponto se ter considerado no haver correspondncia com a
imagem classificada, o satlite de certa forma conseguiu distinguir aquilo que no
campo no se conseguiu, isto , ter noo de qual o estrato mais representativo em
redor daquele ponto, classificando como matos as reas de regenerao pouco densa.
Para a no correspondncia, a resoluo do sensor pode ter tido igualmente alguma

86

influncia, pois como se pode verificar o ponto encontra-se no extremo de um pixel,

junto a outro classificado como Pinus pinaster.
Ainda nas reas de mato, e tendo em conta a matriz de contingncia (Quadro 11),
verifica-se que houve alguns pixeis classificados como rea agrcola. Este erro ocorre
sobretudo em reas de pastagens permanentes, velhas ou abandonadas, que
facilmente se confundem com reas de mato.
As reas de folhosas conseguiram um dos valores de Kappa mais elevados, existindo
confuses pontuais com reas de mato e de Pinus pinaster. Contudo, as folhosas
foram bastante bem classificadas, conseguindo diferenciar-se reas que, partida, se
duvidasse conseguir, nomeadamente corredores ripcolas (Figura 47). Mais uma vez
parte dos erros de classificao ocorreram em reas mistas, e deveram-se
possivelmente resoluo espacial, pois espectralmente tm assinaturas distintas.

Figura 47 Exemplo de classificao de um corredor ripcola.

Outra surpresa foi a capacidade de separar estratos de primeira, segunda e terceira

ordem, com valores to aceitveis de preciso, com um Kappa Global de 0.68 para o
estrato Outras resinosas e 0.66 para o estrato Pinus pinaster. A capacidade de
separar uma espcie entre vrias resinosas superou as expectativas. A separao
destes dois estratos revelou-se, mesmo em campo, um grande problema, pois no meio
de um povoamento adulto, supostamente homogneo, de pinheiro bravo, facilmente
se encontravam pequenos bosquetes com outras espcies de resinosas. O mesmo
acontecia no estrato Outras resinosas onde, de forma espontnea e com o tempo,
surgiram alguns exemplares de Pinus pinaster. Por este facto existiu sempre a
possibilidade de nas reas de treino serem seleccionados pixeis contaminados com
outra espcie.
87

Por fim, as reas urbanas e reas de solo nu exibem o valor mais elevado de preciso,
0.72. Na Figura 48 apresentado um exemplo do comportamento da classificao
numa pequena rea urbana.

Figura 48 - Classificao de uma pequena rea urbana.

A maioria das reas urbanizadas, com dimenso suficiente, foram identificadas

correctamente, bem como algumas reas de solo nu associadas actividade humana.
O estrato com o qual ocorreram mais imprecises foi o agrcola, sobretudo por razes
que se prendem com a resoluo da imagem e tambm por ser possvel encontrar
reas agrcolas sem coberto vegetal. Tal como se observa na Figura 48, as reas
urbanas presentes na rea de estudo eram por norma zonas rurais, onde a actividade
agrcola se desenvolve em redor das habitaes. Apesar disso, do ponto de vista
espectral, o sensor consegue separar espectralmente bastante bem os dois estratos,
com assinaturas bem diferenciadas, pelo que a resoluo espacial do sensor pode ter
tido alguma influncia.

88

5.2 AVALIAO

E PREDIO DE RESDUOS FLORESTAIS EM

PINUS

PINASTER

5.2.1 ANLISE DISCRITIVA DOS VALORES DE BIOMASSA DE RESDUOS

FLORESTAIS DE PINUS PINASTER

As caractersticas dos povoamentos de Pinus pinaster avaliados so apresentadas no

Quadro 12. Desde logo se verifica uma grande heterogeneidade, com todas as suas
caractersticas a apresentarem desvios bastante elevados.
Quadro 12 - Caractersticas dendromtricas dos povoamentos analisados.
Idade
(anos)

N
(rv/ha)

G
(m2/ha)

dgobs
(cm)

hd
(m)

Mdia

37

859

27

21.5

13.2

Desv pad

17

648

18

9.6

4.8

Estas variaes ocorrem, sobretudo, pelo facto de os nossos povoamentos no serem

uniformes. Existia uma grande variao ao nvel da classe de idade, da densidade
mas tambm da qualidade da estao.
As avaliaes efectuadas em campo e a aplicao da metodologia descrita nos pontos
4.3.1 e 4.3.2, permitiram a estimativa da biomassa de cada uma das componentes dos
povoamentos de Pinus pinaster (Quadro 13). Da anlise do quadro, e relativamente s
biomassas totais avaliadas, verifica-se que, em mdia, a componente arbrea dos
povoamentos possui uma capacidade de armazenamento de aproximadamente 97 ton
ha-1. Existem, no entanto, povoamentos que ascendem s 435 ton ha-1 e outros que se
ficam pelas 11 ton ha-1. Esta amplitude nos resultados igualmente reflectida pelos
valores dos desvios padres, reforando a ideia de que na natureza o stock de
biomassa total e parcial possui uma grande variabilidade.
BALBOA et al., em 2001, num estudo desenvolvido na Galiza (Espanha) para
povoamentos de Pinus pinaster, obteve um valor mdio de biomassa de 317 ton ha-1,
no entanto, o trabalho desenvolvido por este autor incidiu sobre reas ordenadas e
homgeneas de pinheiro bravo, com idades compreendidas entre os 37 e 43 anos, e
com um elevado ndice de qualidade (SI).

89

Quadro 13 Estatstica da estimativa da biomassa das vrias componentes do povoamento

(ton ha-1).
Componentes da biomassa
Biomassa do
Subcoberto
Arbustivas

Biomassa da rvore

Copa

Tronco Bicada

Totais
Biomassa
da rvore

Biomassa
Biomassa
de
total
resduos

Mximo

31.975

79.368 356.621

8.035

435.989

84.348

436.563

Mdia

6.046

22.457

74.842

1.145

97.059

29.409

103.105

Mnimo

0.000

1.627

0.887

0.072

1.136

5.584

11.294

Desvio padro

6.337

15.457

66.515

1.370

81.772

14.247

79.836

Erro padro

1.048

0.688

0.889

1.197

0.842

0.484

0.774

Os resultados obtidos demonstram que, em povoamentos de Pinus pinaster,

aproximadamente 1/3 da biomassa total corresponde a resduos florestais. Ao nvel
dos resduos a poro mais importante a da copa, com 76% do total, as arbustivas
correspondem a cerca de 20% e a bicada apresenta um valor bastante inferior,
ficando-se pelos 4% (Figura 49).
Em termos de biomassa total, a componente que mais contribui para o seu valor a
biomassa do tronco (72%), seguida da copa (21%). Tambm BALBOA et al., em 2001,
chega a valores muito prximos, com 69% para a biomassa do tronco e de 21% para a
copa.
A biomassa das arbustivas representa pouco mais de 6% do total. Verifica-se tambm
que, em mdia, apenas 28% da biomassa total so resduos com potencial para
aproveitamento energtico (copa + arbustivas + bicada). Esta uma informao de
grande importncia para os gestores das centrais de biomassa, nomeadamente as
projectadas para o nosso pas.

90

Biomassa de residuos

Biomassa Total
Tronco
72%

Copa
76%

Copa
21%
ArbustivasBicada
6%
1%

Bicada
4%

Arbustivas
20%

Figura 49 Percentagens da componente da rvore e dos matos na biomassa total e na

biomassa dos resduos.

O facto de a maioria da biomassa dos resduos florestais se encontrar nas rvores,

leva a afirmar que apenas em regies onde exista uma cultura florestal com uma
gesto efectiva dos povoamentos seja possvel conseguir extrair, de forma peridica e
sustentada, esta componente de biomassa.
A ideia de que os matos seriam suficientes para alimentar uma central de biomassa
fica desde logo posta em causa, podendo ainda vir a ter consequncias directas num
dos objectivos primrios com que as centrais foram projectadas: no funcionamento
como factores que estimulam o controle da carga combustvel e gesto do risco de
incndio, pela remoo da biomassa de matos. Apresentando esta componente
valores to baixos de armazenamento, corre-se o risco de ser considerada como
pouco atractiva para os utilizadores da biomassa florestal.
Apesar disso, h que ter em conta que a obteno de biomassa da componente
arbrea est dependente das intervenes silvcolas que so efectuadas durante o
perodo de desenvolvimento do povoamento e tambm da idade de corte, a no ser
que ocorram condies excepcionais como a ocorrncia de incndios. No caso da
regio onde se insere este estudo, a silvicultura do Pinus pinaster aponta como
principais intervenes para sada de biomassa, uma operao intermdia de
desbaste, entre os 15-40 anos, e o corte final que ocorre entre os 40-50 anos
(PROFBP 2006). Por sua vez, o mato possui uma capacidade de regenerao
elevada, e uma rotao bastante baixa, e no prazo de 5-8 anos est reposto o estado
inicial. Desta forma, e para ser possvel a comparao, fez-se o exerccio de procurar
qual seria a produo mdia anual destas duas componentes (Quadro 14). Para tal foi
considerado o valor de biomassa mdio de resduos da rvore (23.36 ton ha-1) e a sua
idade mdia (37 anos). No caso da componente mato, e face s espcies presentes
91

na nossa rea, considerou-se que esta componente atingiria o seu mximo de

desenvolvimento num perodo de sete anos. Como no ocorreram incndios nos
ltimos sete anos nos povoamentos avaliados, considerou-se ser esta a idade mdia
do estrato matos.
Quadro 14 Produo mdia anual de resduos florestais em povoamentos de Pinus pinaster.
Componente de
resduos florestais
Arbrea

Biomassa
(ton ha-1)
23.36

Perodo
(anos)
37

Produo anual
(ton ha-1ano-1)
0.63

Subcoberto (mato)

6.05

0.86

TOTAL

29.41

1.49

Ao analisar-se a produo anual de biomassa a ideia inicial de a componente mato

representar muito pouco na biomassa de resduos total altera-se. Apesar de possuir
um valor total de biomassa inferior da componente arbrea possui perodos de
rotao mais curtos.
Uma vez que, para o distrito de Vila Real, esto previstas trs centrais de biomassa
florestal com uma potncia total instalada de 22 MVA, e que estas possuem um
consumo mdio de 10000 ton ha-1 ano-1, percebe-se que no total ser necessrio
existirem 220000 ton ha-1 ano-1 de biomassa florestal disponveis para conseguir
rentabilizar estas centrais. Sabendo que a nvel dos povoamentos florestais de
pinheiro bravo a produo de 1.49 ton ha-1 significa que teriam de estar disponveis
147651 ha destes povoamentos apenas para as centrais do distrito.

5.2.2 ESTIMATIVA DE RESDUOS FLORESTAIS EM POVOAMENTOS DE PINUS

PINASTER A PARTIR DE DETECO REMOTA

Como descrito na metodologia, numa primeira fase do estudo procurou identificar-se

as variveis melhor correlacionadas com a biomassa florestal, no intuito de identificar
aquelas que poderiam ser utilizadas como variveis de predio em modelos
matemticos, e assim proceder sua estimativa. No Quadro 15 apresentada a
correlao entre as variveis estruturais, avaliadas em campo, e as diferentes
componentes de biomassa. Por consulta da tabela do coeficiente de correlao (R), e
para 101 graus de liberdade (n total menos 2) e 95% de probabilidades, o R passa a
ser significativo para 0.194.

92

Tal como seria de esperar existe uma alta correlao entre as variveis
dendromtricas e a biomassa da rvore. A idade, o volume da parcela (vg), rea basal
(G), dimetro mdio (dgobs), altura dominante (hd) e o LAI destacam-se pela positiva.
O LAI a varivel mais bem correlacionada, apresentado valores na ordem dos 0.98.
Por sua vez, o nmero de rvores por hectare (N) e o dimetro mdio (vg) apresentam
valores de correlao bastante baixos, pelo que se encontram, partida, excludas
como variveis de predio.
Ao nvel da biomassa das arbustivas verifica-se uma diminuio considervel dos
valores de correlao. A idade do povoamento e o LAI so as variveis mais bem
correlacionadas, apesar de apresentarem valores modestos, enquanto que a N e vg
so novamente as que menor correlao apresentam. Esta fraca correlao com as
arbustivas acaba por se reflectir na biomassa dos resduos total, levando a valores na
ordem dos 0.75 no caso do LAI.
Quadro 15 Correlao de Pearson entre as componentes de biomassa florestal e as variveis
estruturais recolhidas em campo.
Barbustivas

Brvore

Bresduos da rvore

Bresduos TOTAL

BTOTAL

Idade

-0.334

0.685

0.615

0.398

0.675

-0.080

-0.109

0.092

0.093

-0.118

-0.313

0.881

0.896

0.683

0.878

vg

-0.043

0.087

0.045

0.009

0.085

dgobs

-0.234

0.763

0.644

0.445

0.762

hd

-0.300

0.817

0.739

0.543

0.813

LAI

-0.325

0.968

0.975

0.750

0.966

semelhana da vria bibliografia consultada (HEISKANEN 2006; ZHENG et al.

2006), o LAI altamente correlacionado com a biomassa da rvore, com a biomassa
dos resduos da rvore e com a biomassa total. Isto indicia que, como era objectivo
inicial da tese, se possa perspectivar que, sendo o LAI facilmente estimado por
deteco remota (NEMANI e RUNNING 1989; FASSNACHT et al. 1997) e sendo a
biomassa aparentemente fcil de estimar a partir do LAI, seja possvel estimar a
biomassa a partir da deteco remota, via LAI.
No Quadro 16 so apresentadas as variveis remotas com melhores correlaes com
a biomassa. Tambm aqui a biomassa das arbustivas mostrou ser a que menor
correlao apresenta. Para as restantes componentes de biomassa o ndice
93

NDI(MIR1) foi o mais bem correlacionado, logo seguido pelo NDI(MIR2) e pelo MIR1.
Num estudo desenvolvido por ARANHA et al. (2008), apesar de no ter considerado
os mesmos ndices de Vegetao, o melhor resultado foi obtido com o ndice NDVI.
Nos resultados obtidos por este estudo o NDVI mesmo um dos ndices de
Vegetao com desempenho mais fraco.
Quadro 16 Correlao de Pearson entre variveis remotas e as componentes de biomassa
florestal.
Barbustivas

Brvore

Bresduos da rvore

Bresduos TOTAL

BTOTAL

-0.080

-0.207

-0.169

-0.200

-0.218

-0.082

-0.199

-0.187

-0.206

-0.210

-0.081

-0.196

-0.173

-0.172

-0.207

NIR

0.011

-0.043

-0.016

-0.003

-0.044

MIR1

-0.051

-0.314

-0.316

-0.322

-0.325

TM6

-0.102

-0.288

-0.272

-0.245

-0.303

MIR2

-0.073

-0.282

-0.275

-0.286

-0.295

MIR1

-0.051

-0.314

-0.316

-0.322

-0.325

NDI(MIR1)

0.068

0.334

0.348

0.358

0.348

NDI(MIR2)

0.078

0.317

0.320

0.327

0.331

MVI2

0.043

0.330

0.330

0.307

0.341

NDVI

0.095

0.211

0.198

0.195

0.224

Analisando os resultados apresentados no Quadro 15 e no Quadro 16, e comparando

as correlaes obtidas entre as variveis dendromtricas e as obtidas remotamente,
h uma clara vantagem das primeiras. O mximo de correlao para as variveis
remotas 0.36, para a biomassa total de resduos, enquanto que para as
dendromtricas 0.98, para a biomassa de resduos da rvore. Dentro das variveis
remotas as bandas do visvel apresentam uma fraca correlao com a biomassa, bem
como o infravermelho prximo (NIR). As bandas do infravermelho mdio so as mais
bem correlacionadas. Pode ainda verificar-se que h um ganho na correlao quando
passamos de bandas isoladas para ndices de Vegetao.
Uma vez que um dos objectivos deste estudo pressupunha conseguir estimar a
biomassa de resduos florestais via deteco remota foram seleccionadas as variveis
LAI, por ser uma varivel estrutural que, para alm de possuir um alto valor de

94

correlao, indicada por diversos autores como facilmente estimada via deteco
remota, e o ndice de vegetao NDI(MIR1) por ser a varivel remota estudada que
melhor correlao apresenta para as diferentes componentes de biomassa.
Biomassa de resduos da rvore

90

90

80

80

70

70

-1

Bres. rvore (ton ha )

-1

Biomassa de resduos rvore (ton ha )

Biomassa de resduos da rvore

60
50
40
30
20

60
50
40
30
20

10
0
0.00

10
0

2.00

4.00

6.00

8.00

10.00

-0.2

0.2

LAI (m2m2)

140

100
80
60
40
20
0
4.0

6.0

8.0

10.0

0.6

0.8

80
60
40
20
0
-0.2

0.2

0.4
NDI(MIR1)

Biomassa Total

500

500

450

450

400

400

-1

Bres. total (ton ha )

-1

0.8

100

Biomassa Total

Bres. total (ton ha )

0.6

120

LAI (m2m2)

350
300
250
200
150
100

350
300
250
200
150
100

50
0
0.00

0.8

140

-1

120

2.0

0.6

Biomassa de resduos Total

Biomassa de resduos total (ton ha )

-1

Biomassa de resduos total (ton ha )

Biomassa de resduos Total

0.0

0.4
NDI(MIR1)

50
0
2.00

4.00

6.00

LAI (m2m2)

8.00

10.00

-0.2

0.2

0.4
NDI(MIR1)

Figura 50 Correlao entre as variveis LAI e NDI(MIR1) para as diferentes componentes de

biomassa.

Da anlise da Figura 50 pode mais uma vez comprovar-se que sempre que se utiliza o
LAI como varivel estrutural (e o mesmo se perspectiva para outra varivel estrutural
do povoamento, dados os valores das correlaes encontrados) a preciso do modelo
de regresso superior estimativa com recurso ao ndice de vegetao com melhor
desempenho. A heterogeneidade de situaes verificadas, quando se recorre a
ndices de Vegetao, est bem patente nos grficos apresentados, e torna-se ento
95

perceptvel a diminuio dos coeficientes de correlao sempre que se contrape

exclusivamente ndices de Vegetao com valores de biomassa.
Aps se terem seleccionado as variveis melhor correlacionadas procedeu-se ao
ajuste de equaes para estimativa indirecta da quantidade de biomassa total e parcial
(Quadro 17). Foram testados modelos de regresso no linear, de acordo com o
descrito na metodologia, utilizando como variveis preditivas o LAI, o NDI(MIR1) e o
NDI(MIR1) 2 x LAI. Desta forma abarcou-se a possibilidade de se estimar a biomassa a
partir exclusivamente da deteco remota, ou a partir da deteco remota e de uma
varivel estrutural (o LAI, que neste caso indiciada como facilmente estimada por
deteco remota).
Da anlise do Quadro 17 verifica-se que as equaes seleccionadas para a estimativa
da biomassa total e parcial, com recurso exclusivo a deteco remota, so pouco
atractivas. Por norma, estas equaes possuem o menor valor de R2, R2ajust e o erro
(RMSE) mais elevado. Contudo, quando se adiciona uma varivel estrutural (LAI), em
simultneo com os ndices de Vegetao, o panorama muda drasticamente.
Quadro 17 Equaes ajustadas para as diferentes componentes da biomassa florestal para
estimao via deteco remota.
Coeficientes

R2

Estatstica
R2ajust

Sxy (RMSE)

Biomassa Total
BTotal = a NDI ( MIR1)
Bresduos = a

[NDI (MIR1)

Bresduos = a NDI ( MIR1)

LAI

LAI c

a = 186.333
b = 0.454

0.126

0.118

77.547

a = 209.71
b = 0.501

0.542

0.538

55.582

a =37.237
b = 0.059
c =1.135

0.944

0.944

16.026

a = 181.127
b = 0.481

0.115

0.106

79.096

a = 208.491
b = 0.561

0.549

0.545

55.180

a =10.128
b = 0.011
c =0.939

0.950

0.949

2.887

a = 45.551
b = 0.279

0.106

0.098

17.832

a = 44.372
b = 0.189

0.256

0.248

16.273

a =22.907
b = 0.076
c =0.509

0.391

0.385

14.200

Equaes para a Biomassa dos Resduos da rvore

Bresduos = a NDI ( MIR1)
Bresduos = a

[NDI (MIR1)

Bresduos = a NDI ( MIR1)

LAI

LAI c

Equaes para a Biomassa Total dos Resduos

Bresduos = a NDI ( MIR1)
Bresduos = a

[NDI (MIR1)

Bresduos = a NDI ( MIR1)

LAI

LAI c

96

J ZHENG et al (2006), num estudo desenvolvido para uma floresta de conferas no

Sul da China, chegou concluso que a melhor metodologia de quantificao de
biomassa via deteco remota seria atravs do LAI. Tambm ele obteve melhores
resultados utilizando o LAI e uma varivel estrutural do que relacionando o LAI com
um IV. O melhor modelo foi quando utilizou como variveis preditivas o LAI e a idade
obtendo um R2 de 0.94.
Mais uma vez se demonstra uma grande dificuldade na estimativa do subcoberto dos
povoamentos de Pinus pinaster. Esta dificuldade expressa pela diminuio do valor
de R2 e aumento do erro quando se adiciona a componente matos estimativa da
biomassa de resduos da rvore.
De uma forma geral os resultados obtidos so bastante promissores, disponibilizando
aos gestores das reas florestais um conjunto de equaes que lhes permite estimar a
biomassa de resduos florestais, ou a biomassa total, recorrendo apenas a deteco
remota (sabendo de antemo que o erro da estimativa pode ser significativo), ou
recorrendo a uma varivel estrutural relativamente fcil de obter, e com ntidos ganhos
na qualidade das estimativas. Apenas perante cada situao concreta, face aos dados
disponveis para a estimativa e aos objectivos do trabalho, se deve optar por uma das
abordagens testadas.
Constata-se ainda que a abordagem de deteco remota, misto LAI, precisa no caso
de estimativas de biomassa total, importante para muitas aces de gesto destas
reas, mas abre tambm inmeras possibilidades para estudos de quantificao de
stocks de biomassa ou de carbono, entre outros. A metodologia desenvolvida continua
muito precisa no caso da biomassa de resduos da componente arbrea, podendo ser
importante, por exemplo, no caso das centrais de biomassa considerarem esta
componente como a economicamente mais vivel para a explorao de povoamento
da espcie Pinus pinaster, ou caso pretendam adapt-la e adequ-la a uma outra
espcie que considerem igualmente atractiva. A abordagem deixa de ser to
interessante se se pretende a biomassa de resduos florestais englobando a
componente arbustiva. Apesar disso, e como se pde comprovar, a percentagem
desta componente no total de resduos com fins energticos pode no ser to baixa,
como inicialmente esperado, e que pode contrariar a ideia ventilada pelos tcnicos
florestais de que a sua recolha pode no ser economicamente rentvel pode no ser
completamente verdica nalguns contextos, em especial em zonas de fcil extraco.

97

Desta forma, por recurso a uma ou duas etapas, ou de forma directa ou indirecta, a
deteco remota fundamental na estimativa da biomassa, tornando estas
metodologias expeditas e facilmente aplicveis a uma vasta gama de escalas de
anlise.

98

6 CONCLUSES
A utilizao de um Sistema de Informao Geogrfica (SIG) revelou-se de grande
importncia em todo o processo. A sua utilizao potenciou enormemente a
capacidade de criao, extraco e manipulao da informao, fornecendo uma base
comum para o cruzamento de dados provenientes de diferentes fontes e em diferentes
formatos. A sua importncia foi revelada, inicialmente, na caracterizao e avaliao
da rea de estudo, na criao de mapas de ocupao do solo e de fotopontos para
validao, no delineamento do inventrio florestal, na criao de parcelas de
amostragem e no apoio delimitao de reas de treino. Numa segunda fase permitiu
cruzar a informao criada por classificao com os dados de referncia,
nomeadamente os ortofotos, mapas de ocupao do solo e fotopontos, possibilitando
uma anlise visual do comportamento da classificao.
O sensor Landsat TM permitiu criar mapas de ocupao do solo com uma preciso
bastante aceitvel. Percebeu-se, no entanto, que houve algumas limitaes
relacionadas com a resoluo espacial, que, em virtude de a rea de estudo ser muito
heterognea e fragmentada, levou a erros de classificao. Ao nvel da resoluo
espectral, as bandas presentes mostraram ser adequadas uma vez que, como se
comprovou, a melhor regio para diferenciar a vegetao ao nvel do infravermelho,
regio onde o sensor possui trs bandas. Para alm disso o sensor conseguiu separar
espectralmente estratos de primeira, segunda e terceira ordem, nomeadamente a
separao de povoamentos de Pinus pinaster das restantes resinosas bem como dos
diferentes tipos de floresta.
No que respeita s metodologias de validao da classificao, a criao de um mapa
contnuo revelou-se um trabalho hercleo e pouco eficaz, em especial quanto a servir
de termo de comparao em reas extensas, para o nvel de detalhe pretendido e em
ecossistemas to fragmentados como o da rea de trabalho. Para este tipo de anlise,
a imagem obtida por satlite mostrou-se, em muitos casos, com maior rigor que o
prprio mapa elaborado no terreno. Por sua vez, os fotopontos, para alm de menos
trabalhosos, permitem uma recolha de informao mais fcil e revelaram melhores
resultados.
Dos trs classificadores convencionais utilizados, o mtodo da mnima distncia foi
aquele que, de uma forma geral, melhor classificou toda a rea, nomeadamente os
povoamentos de Pinus pinaster, com um valor de Kappa de 0.66. O classificador da

99

mxima verosimilhana obteve resultados medianos e o paraleleppedo mostrou ser o

menos adequado.
Ainda no que diz respeito classificao das imagens ficou claro que, excepo dos
algoritmos de classificao, os principais factores que podem condicionar os
resultados dizem respeito seleco das reas de treino e aos estratos
seleccionados. A seleco de pixeis impuros aumenta a probabilidade de erros na
classificao. A probabilidade de tal acontecer aumenta quanto menor for a resoluo
do sensor e quanto mais fragmentada se encontrar a rea de estudo. No que diz
respeito aos estratos, os resultados so mais condicionados pela ordem do estrato do
que propriamente pelo nmero de estratos. O sensor TM revelou alguma dificuldade
em separar reas urbanas de reas de solo nu ou improdutivas, e tambm em separar
as espcies Pinus sylvestris de Pinus pinaster, e Pseudotsuga menziesii de Pinus
nigra.
No que diz respeito s avaliaes de biomassa verifica-se, para a rea de estudo, que,
em mdia, um povoamento de Pinus pinaster armazena cerca de 103 ton ha-1 na sua
componente arbrea e em subcoberto. Da biomassa total apenas 29 ton ha-1 so
resduos florestais passveis de poderem vir a ser utilizados para fins energticos e
destes apenas 6 ton ha-1 (20%) provm do subcoberto.
Uma vez que para o distrito de Vila Real esto previstas trs centrais de biomassa
florestal, com uma potncia total instalada de 22 MVA, e que estas possuem um
consumo mdio de 10000 ton ha-1 ano-1, percebe-se que no total ser necessrio
existirem 220000 ton ha-1 ano-1 de biomassa florestal disponveis para conseguir
rentabiliz-las. Sabendo que a nvel dos povoamentos florestais de pinheiro bravo a
produo de 1.49 ton ha-1 significa que tero de estar disponveis 147651 ha destes
povoamentos apenas para as centrais do distrito.

Os dados de inventrio mostraram que existem vrias variveis dendromtricas

altamente correlacionadas com a biomassa, nomeadamente o volume da parcela, a
rea basal, a altura dominante e o LAI. Destas, o LAI foi a que obteve uma maior
correlao com a biomassa dos resduos, com valores de 0.97.
As correlaes da biomassa, nomeadamente dos resduos, com as variveis remotas
revelaram valores medianos. O ndice de vegetao melhor correlacionado foi o
NDI(MIR1), apresentando um valor de coeficiente de correlao de 0.36.

A componente da biomassa em subcoberto revelou ser a mais difcil de estimar

indirectamente, utilizando quer variveis estruturais, quer variveis remotas.
100

Uma vez que o LAI uma varivel que muitos autores consideram facilmente
estimvel via deteco remota, esta foi utilizada para, em conjunto com o NDI(MIR1),
criar alguns algoritmos que permitissem avaliar indirectamente as diferentes
componentes de biomassa. Foram criadas equaes para estimativa da biomassa
total e biomassa de resduos da rvore, com valores de R2 de 0.94 e 0.95
respectivamente. A adio da componente mato estimativa de biomassa de
resduos levou a uma diminuio do valor de R2 e ao aumento considervel do erro,
para valores de 0.39 e 14.20 ton ha-1.
Os modelos aqui ajustados podero permitir que os gestores das reas florestais e/ou
das centrais de biomassa, possam quantificar o stock existente, quer na sua verso
exclusiva de deteco remota, quer recorrendo a ndices de Vegetao e ao LAI. O
objecto das estimativas e o grau de preciso desejado vo condicionar a opo por
cada uma das abordagens. De qualquer forma ambas as abordagens podem tender
para utilizao exclusiva da deteco remota se numa primeira etapa se optar por
tambm estimar o LAI a partir de imagens de satlite. Esta abordagem permite a
utilizao e replicao das metodologias para reas de anlise de nvel regional e/ou
nacional.
A metodologia desenvolvida pode ser aplicada a estudos de biomassa de resduos
para fins energticos, mas foram tambm criadas equaes para quantificao de
biomassa da componente arbrea, e biomassa total, que podem ter utilidade para
estudos de outra natureza, como por exemplo o armazenamento de carbono, ou para
estimao da carga combustvel.
Este estudo demonstra claramente a importncia e potencial que a Deteco Remota
e a utilizao de imagens de satlite possui a nvel qualitativo, ao permitir a criao de
mapas de ocupao do solo ou ao identificar e localizar reas de ocupao com
caractersticas especficas, mas mais do que isso, a nvel quantitativo, ao conseguir
obter estimativas de caractersticas estruturais at agora obtidas unicamente atravs
de inventrios clssicos.

Em termos de resultados abrem-se inmeras possibilidades de investigao e

desenvolvimento do tema. Uma vez que a maior dificuldade ocorreu na diferenciao
da localizao espacial, estes podero passar pelo estudo de sensores com uma
maior resoluo espacial aliado utilizao de classificadores mais potentes que
possam ir caracterizao do subpixel.

101

7 BIBLIOGRAFIA

ADDINK, E. A., CLEVERS, J. e JONG, S., 2005. The Stained Glass Procedure, a
new method to compare classification performance of images acquired with
different pixel sizes. International Journal of Applied Earth Observation and
Geoinformation, 8: 237-245.

AKGUN, A., ERINAT, A. e TURK, N., 2004. Comparing different satellite image
classification methods: an application in Ayvalik district, Western Turkey. GeoImagery Bridging Continents - XXth ISPRS Congress. Instambul, Turkey.

ALBUQUERQUE, J., 1982. Carta ecolgica de Portugal. Direco Geral dos Servios
Agrcolas. Ministrio da Economia, Lisboa, 58p.

ALMEIDA, M. G., RUDORFF, B. T. e SHIMABUKURO, Y. E., 2000. Aplicao das

imagens do satlite meteorolgico NOAA-AVHRR para o mapeamento da
cobertura vegetal do estado de Minas Gerais. Educao&Tecnologia, 5: 52-56.

APA, 2008. Atlas do ambiente. Ministrio do Ambiente do Ordenamento do territrio e

do

Desenvolvimento

Regional.

http://www.iambiente.pt/atlas/est/index.jsp

(Acedido em 21/02/2008).

ARANHA, J. T., VIANA, H. T. e RODRIGUES, R., 2008. Vegetation classification and

quantification by satellite image processing. A case study in North Portugal.
Bioenergy: Challenges and Opportunities. International Conference and
exhibition on Bioenergy. Universidade do Minho, Guimares, Portugal.

ARMSTON, J. D., DANAHER, T. J., GOULEVITCH, B. M. e BYRNE, M. I., 2002.

Geometric correction of Landsat MSS, TM, AND ETM+ imagery for mapping of
woody vegetation cover and change detection in Queensland - technical report.
Department of Natural Resources and Water. Queensland, Australia.

102

ASFR, 2003. Australia's state of the forests report 2003. Fisheries and Forestry
Australian Government - Department of Agriculture, BRS-National Forest
Inventory in the Bureau of Rural Sciences, 408p.

BALBOA, M., ALVAREZ, G., RODRGUEZ-SOALLEIRO, R. e MERINO, A., 2001.

Aprovechamiento de la biomasa forestal producida por la cadena monteindustria. Parte II: Cuantificacin e implicaciones ambientales. Revista del
Centro de Innovacin y Servicios Tecnolgicos de la Madera de Galicia, 10, 2127p.

BATISTELLA, M., CRISCUOLO, C., MIRANDA, E. e FILARDI, A., 2004. Satlites de

monitoramento.

Embrapa

Monitoramento

por

Satlite.

http://www.sat.cnpm.embrapa.br (Acedido em 22/05/2008).

BETTINGER, P. e HAYASHI, R., 2006. Estimation of above-ground biomass with

remotely sensed imagery: A brief literature review

- Research Note 25.

University of Georgia Center for Forest Business, Athens, 10p.

BOOTS, B. e CSILLAG, F., 2006. Categorical maps, comparisons, and confidence.

Journal of Geographical Systems, 8: 109-118.

CAETANO, M., 1995. Burned vegetation mapping in mountains areas with satellite
Remote Sensing. Dissertao de Doutoramento, University of California, Santa
Barbara, 191p.

CAETANO, M. R., 1999. Characterization of coniferous forest understory with remotely

sensed data. Dissertao de Doutoramento em Engenharia Florestal, Instituto
Superior Agrrio, Universidade Tcnica de Lisboa, Lisboa, 318p.

CAETANO, M. R., 2002. Characterization of coniferous forest understory with remotely

sensed data. Dissertao de Doutoramento, Instituto Superior de Agronomia,
Universidade Tcnica de Lisboa, Lisboa, 318p.

103

CALLE, A., GONZALEZ-ALONSO, F. e MIGUEL, S. M., 2008. Validation of active

forest fires detected by MSG-SEVIRI by means of MODIS hot spots and AWiFS
images. International Journal of Remote Sensing, , 29 (12): 3407-3415.

CAMPBELL, J. B., 2007. Introduction to Remote Sensing. 4th Edition, Guilford Press,
New York, 626p.

CANAVEIRA, P., 2006. A Floresta nacional: mitos e realidades - A Floresta e o

Protocolo de Quioto. Aco de Formao, Lisboa.

CANTY, M. J., 2007. Image analysis, classification and change detection in Remote
Sensing: with algorithms for ENVI/IDL. Taylor & Francis, Boca Raton, 348p.

CASACA, J., MATOS, J. e BAIO, M., 2000. Topografia geral. 3 Edio, Edies
Tcnicas Lda., 306p.

2003.

CCRS,

Fundamentals

of

Remote

Sensing.

http://www.ccrs.nrcan.gc.ca/ccrs/learn/tutorials/fundam/fundam_e.html (Acedido
em 12/04/2008).

CELPA,

2007.

Boletim

estatstico.

Indstria

Papeleira

Portuguesa.

http://www.celpa.pt/?article=209&visual=22 (Acedido em 09/02/2009).

CHAVEZ, P. S., 1988. An improved dark-object subtraction technique for atmospheric

scattering correction of multispectral data. Remote Sensing of Environmental
Science & Policy, 24: 459-479.

CHEN, D. e STOW, D., 2002. The effect of training strategies on supervised

classification at different spatial resolutions. Photogrammetric Engineering &
Remote Sensing, 68 (11): 1155-1161.

CHUST, G., DUCROT, D. e PRETUS, J. L., 2004. Land cover mapping with patchderived landscape indices. Landscape and Urban Planning, 69 (4): 437-449.

104

CLEEMPUT, S., MUYS, B., KLEINN, C. e JANSSENS, M. J. J., s/d. Biomass

estimation techniques for enclosures in a semi-arid area: a case study in
Northern Ethiopia. University of Gttingen, Institute for Forest Management,
Gttingen, 6p.

CONGALTON, R. e GREEN, K., 1999. Assessing the accuracy of Remotely Sensed

data: principles and practices. CRC/Lewis Press, Boca Raton, 63p.

CURRAN, P. J., 1985. Principles of remote sensing. 2nd Edition, Longman Scientific &
Technical, New York, 282p.

DAVI, H., SOUDANI, K., DECKX, T., DUFRENE, E., LE DANTEC, V. e FRANCOIS,
C., 2006. Estimation of forest leaf area index from SPOT imagery using NDVI
distribution over forest stands. International Journal of Remote Sensing, 27 (56): 885-902.

DEMERS, M. N., 2005. Fundamentals of Geographic Information Systems. 3rd Edition,

John Wyley & Sons, New York, 468p.

DGEG, 2008. Energias renovveis. Direcao Geral de Energia e Geologia.

http://www.dgge.pt/ (Acedido em 13/10/2008).

DGRF, 2008. Estatstica de incndios. Direco Geral dos Recursos Florestais.

http://www.dgrf.min-agricultura.pt/ (Acedido em 07/01/2008).

DRURY, S. A., 1993. Image interpretation in Geology. 2nd Edition, Chapman & hall,
London, 283pp.

DUDA, T. e CANTY, M., 2002. Unsupervised classification of satellite imagery:

choosing a good algorithm. International Journal of Remote Sensing, 23 (11):
2193-2212.

105

DWIVEDI, R. S., KANDRIKA, S. e RAMANA, K. V., 2004. Comparison of classifiers of

remote-sensing data for land-use/land-cover mapping. Current Science, 86 (2):
328-335.

EASTMAN, J. R., 1997. IDRISI for windows, Users Guide version 2.0. Introduction Tutorial exercices. Clark University Graduate School of Geography, Worcester,
192p.

ENF, 2006. Estratgia Nacional para as Florestas. Direco Geral dos Recursos
Florestais. http://www.dgrf.min-agricultura.pt/ (Acedido em 26/02/2008).

EOEDU,

2008.

Earth

observation

for

everyone.

Belgian

Science

Policy.

http://eoedu.belspo.be (Acedido em 15/05/2008).

ERBERT,

M.,

2001.

Uso

da

anlise

discriminante

regularizada

(RDA)

reconhecimento de padres em imagens digitais hiperespectral

no
de

sensoriamento remoto. Dissertao de Mestrado, Universidade Federal do Rio

Grande do Sul, Porto Alegre, 115p.

EREAM, 2006. Levantamento do potencial energtico da biomassa florestal na Regio

Autnoma da Madeira - Relatrio sntese. Agncia Regional da Energia e
Ambiente da Regio Autnoma da Madeira, 39p.

FASSNACHT, K. S., GOWER, S. T., MACKENZIE, M. D., NORDHEIM, E. V. e

LILLESAND, T. M. a., 1997. Estimating the leaf area index of north central
Winconsin forest using the Landsat Thematic Mapper. Remote Sensing of
Environment, 61: 229-245.

FERNANDES, P., LOUREIRO, C., BOTELHO, H., FERREIRA, A. e FERNANDES, M.,

2002. Avaliao indirecta da carga de combustvel em pinhal bravo. Silva
Lusitana, 10(1): 73-90.

FONTE, C., 2000. Estimao do volume total e mercantil em Pinus pinaster Ait. no
Vale do Tmega. Relatrio final de estgio, Universidade de Trs-os-Montes e
Alto Douro, Vila Real, 67p.
106

FORDA e JICA, 2005. Manual of biomass survey and analysis. Forestry Research and
Development Agency, Japan International Cooperation Agency, 23p.

FPFP, 2007. O valor da floresta portuguesa no mercado de carbono. Federao dos

Produtores Florestais de Portugal. Lisboa, Portugal.

FRANA, M., 2004. Sistemas de informaes geogrficas : uma ferramenta para

diagnstico e monitoramento do estado de conservao de bens culturais.
Estudo de caso : Portada da Igreja So Francisco de Assis. Dissertao de
Mestrado, Universidade Federal de Minas Gerais, Escola de Belas Artes, Minas
Gerais, 156p.

FRANKLIN, S. E., LAVIGNE, M. B., DEULING, M. J., WULDER, M. A. e HUNT, E. R.,

1997. Estimation of forest leaf area index using remote sensing and GIS data
for modelling net primary production. International Journal of Remote Sensing,
18 (16): 3459-3471.

FRASER, R. H. e LI, Z., 2002. Estimating fire-related parameters in boreal forest using
SPOT VEGETATION. Remote Sensing of Environment, 82 (1): 95-110.

FU, A. M., SUN, G. Q., GUO, Z. F. e WANG, D. Z., 2008. Forest cover classification
from MODIS images in Northeastern Asia. 2008 International Workshop on
Earth Observation and Remote Sensing Applications. Beijing, China.

GARCAS-MARTN, A., RIVA-FERNNDEZ, J., PREZ-CABELLO, F., PASCUALPUIGDEVALL, J. e GARCA-GALINDO, D., 2006. Forest residual biomass:
renewable resource assessment in a Mediterranean area with satellite data.
Geophysical Research Abstracts, 8.

GOMES, P. M. M., 2008. Plano de Utilizao do Baldio de Souto e Outeiro.

Secretariado dos Baldios de Trs-os-Montes e Alto Douro, Vila Real, 77p.

GONALVES, R. F. A., 2005. Cartografia multi-escala de alteraes do coberto

florestal com imagens de satlite. Dissertao de Mestrado, Instituto Superior

107

de Estatstica e Gesto de Informao, Universidade Nova de Lisboa, Lisboa,

211p.

HAGEN, A., 2002. Comparasion of maps containing nominal data. RIKS BV, Research
Institute for Knowledge Systems, Maastricht, 101p.

HALL, R. J., SKAKUN, R. S., ARSENAULT, E. J. e CASE, B. S., 2006. Modeling

forest stand structure attributes using Landsat ETM+ data: Application to
mapping of aboveground biomass and stand volume. Forest Ecology and
Management, 225 (1-3): 378-390.

HAME, T., SALLI, A., ANDERSSON, K., LOHI, A. e RAUSTE, Y., 1995. Estimation of
biomass and other characteristics of boreal forest over extensive areas using
Noaa Avhrr data. Multispectral and Microwave Sensing of Forestry, Hydrology,
and Natural Resources, 2314: 200-210.

HEISKANEN, J., 2006. Estimating aboveground tree biomass and leaf area index in a
mountain birch forest using ASTER satellite data. International Journal of
Remote Sensing, 27 (5-6): 1135-1158.

HOPKINS, P. F., MACLEAN, A. L. e LILLESAND, T. M., 1988. Assessment of

Thematic Mapper imagery for forestry applications under lake states conditions.
Photogrammetric Engineering and Remote Sensing, 54 (1): 61-68.

HOUGHTON, R. A., 2005. Aboveground forest biomass and the global carbon
balance. Global Change Biology, 11: 945-958.

HOWARD, J. A., 1991. Remote Sensing of forest resources - Theory and application.
1st Edition, Chapman & Hall, London, 420p.

HUMPHRIS, C., PRESS, J. e SUTTON, D., 1996. rvores de Portugal e Europa.

FAPAS - Fundo para a Proteco dos Animais Selvagens, Porto, 320p.

108

IFN, 2005. Inventrio florestal nacional -2005. Direco Geral dos Recursos Florestais.
http://www.dgrf.min-agricultura.pt/. (Acedido em 14/01/2008).

IGEOE, 2008. Deteco Remota. http://www.igeoe.pt/ (Acedido em 15/12/2008).

IGP, 2006. Carta de Ocupao de Solos. Instituto Geogrfico Portugus.

http://www.igeoe.pt/ (Acedido em 13/12/2008).

IVERSON, J. A., GRAHAM, R. L. e COOK, E. A., 1989. Applications of satellite

remote sensing to forested ecosystems. Landscape Ecology, 3: 131-143.

JACINTHO, L. R. C., 2003. Geoprocessamento e Sensoriamento Remoto como

Ferramentas na gesto Ambiental de Unidades de Conservao: o caso da
rea de proteco ambiental (APA) do Capivari-Monos. Dissertao de
Mestrado, Instituto de Geocincias, Universidade de So Paulo, So Paulo,
150p.

JENSEN, J., 1996. Introductory digital image processing. 2nd Edition, Prentice Hall,
New Jersey, 544p.

JUNIOR, R., 2001. Introduo ao sensoriamento remoto. Laboratrio de Topografia e

Cartografia. Universidade Federal do Esprito Santo, So Jos dos Campos,
68p.

KALOGIROU, V., s/d. Remote sensing in biomass estimation of conifer stands: A

review. University College London, Department of Geomatic Engineering,
London, 12p.

KAWAKUBO, F., MORATO, R. e LUCHIARI, A., 2004. Processamento das imagens

HRG-SPOT 5 na determinao de classes de uso da terra e manchas de
cobertura vegetal na regio de Teodoro Sampaio - Pontal do Parapanema.
GEOUSP - Espao e Tempo, 15: 127-136.

109

KAYITAKIRE, F., HAMEL, C. e DEFOURNY, P., 2006. Retrieving forest structure

variables based on image texture analysis and IKONOS-2 imagery. Remote
Sensing of Environment, 102 (3-4): 390-401.

KEY, T., WARNER, T. A., MCGRAW, J. B. e FAJVAN, M. A., 2001. A comparison of

multispectral and multitemporal information in high spatial resolution imagery for
classification of individual tree species in a temperate hardwood forest. Remote
Sensing of Environment, 75 (1): 100-112.

KINGSTON, U., 2007. GIS professional training programme - Distance learning

programme. Kingston University. School of Earth Sciense and Geography.

KLEIN,

A.,

2008.

Digital

image

processing.

http://geog.tamu.edu/klein/geog661/lecture_notes.html

Lecture
(Acedido

notes.
em

11/06/2008).

KUNTSCHIK, G., 2004. Estimativa de biomassa vegetal lenhosa em cerrado por meio
de sensoriamento remoto ptico e de radar. Dissertao de Mestrado, Instituto
de Biocincias, Universidade de So Paulo, So Paulo, 155p.

LILLESAND, T. M. e KIEFER, R. W., 1994. Remote Sensing and image interpretation.

3rd Edition, John Wiley & Sons, New York, 766p.

LIU, R. G., LIU, J. Y., LV, X. L. e YAN, H., 2005. Mapping forest burned area using
MODIS data in China. IGARSS 2005: IEEE International Geoscience and
Remote Sensing Symposium, 1-8: 4355-4357.

LLOPIS, J. P., 2005. Sistemas de Informacin Geogrfica aplicados a la gestin del

territorio. Editorial Club Universitrio, Alicante, 310p.

LOPES, D. e ARANHA, J., 2004. A proposed methodology to estimate the carbon

sequestration in a Pinus pinaster stand. Portuguese-Spanish IGBP seminar
2004. Auditrio do Colgio do Espirito Santo, Universidade de vora, Portugal.

110

LOPES, D. M., 2005. Estimating Net Primary Production in Eucalyptus globulus and
Pinus pinaster Ecosystems in Portugal. Dissertao de Doutoramento, Kingston
University, Kingston, 291p.

LOUREIRO, A., 1989. Apontamentos de Silvicultura Cultura das principais espcies

florestais utilizadas em Portugal. Srie Didtica, Universidade de Trs-osMontes e Alto Douro, Vila Real, 128p.

LU, D. S., 2006. The potential and challenge of remote sensing-based biomass
estimation. International Journal of Remote Sensing, 27 (7): 1297-1328.

LUTHER, J. E., FOURNIER, R. A., PIERCEY, D. E., GUINDON, L. e HALL, R. J.,

2006. Biomass mapping using forest type and structure derived from Landsat
TM imagery. International Journal of Applied Earth Observation and
Geoinformation, 8 (3): 173-187.

MADRP, 2005. Biomassa e energias renovveis na agricultura, pescas e florestas.

MADRP - Ministrio da Agricultura, do Desenvolvimento Rural e das Pescas.
88p.

MALHI, Y. e ROMAN-CUESTA, R. M., 2008. Analysis of lacunarity and scales of

spatial homogeneity in IKONOS images of Amazonian tropical forest canopies.
Remote Sensing of Environment, 112 (5): 2074-2087.

MANI, S. e PARTHASARATHY, N., 2007. Above-ground biomass estimation in ten

tropical dry evergreen forest sites of peninsular India. Biomass & Bioenergy, 31
(5): 284-290.

MARQUES, C. P. e FONSECA, T., 2006. Apontamentos de inventrio florestal.

Universidade de Trs-os-Montes e Alto Douro, Vila Real, 143p.

MARQUES, C. P., LOPES, D. e TERESA, F., 2007. Apontamentos de dendrometria.

Universidade de Trs-os-Montes e Alto Douro, Vila Real, 132p.

111

MATEUS, T., s/d. O potencial energtico da floresta portuguesa: anlise do potencial

energtico disponvel para as centrais termoelctricas a biomassa florestal
lanadas a concurso. Faculdade de Engenharia, Universidade do Porto.

MIGOLET, P., COULIBALY, L., ADEGBIDI, H. G. e HERVET, E., 2007. Utilization of

neural networks for the estimation of aboveground forest biomass from Ikonos
satellite image and multi-source geo-scientific data. IGARSS: 2007 IEEE
International Geoscience and Remote Sensing Symposium, 1-12: 4339-4342.

MIKYS, V., VARNAGIRYTE-KABASINSKIENEA, I., STUPAK, I., ARMOLAITISA,

K., KUKKOLAC, M. e WJCIK, J., 2007. Above-ground biomass functions for
Scots pine in Lithuania. Biomass and Bioenergy, 31 (2007): 685-692.

MIRONGA, J. M., 2004. Geographic Information Systems (GIS) and Remote Sensing
in the managment of shallow tropical lakes. Applied Ecology and Environmental
Research, 2 (1): 83-103.

MOSS,

S.,

2004.

Kappa

statistics.

The

Institute

of

Cancer

Research

http://www.icr.ac.uk/cseu/bc_eqa_kappa.html (Acedido em 20/11/2008).

MULLER, S., 1999. Comparao entre os mtodos de mxima verossimilhana,

distncia mnima e o mtodo de Fisher para reconhecimento de padres em
imagens coloridas. Boletim de Cincias Geodsicas, 4: 3-13.

MUUKKONEN, P., 2006. Forest inventory-based large-scale forest biomass and

carbon budget assessment: new enhanced methods and use of remote sensing
for verification. Dissertao de Mestrado, Department of Geography, Faculty of
Science University of Helsinki, Helsinki, 49p.

MUUKKONEN, P. e HEISKANEN, J., 2005. Estimating biomass for boreal forests

using ASTER satellite data combined with standwise forest inventory data.
Remote Sensing of Environment, 99 (4): 434-447.

MUUKKONEN, P. e HEISKANEN, J., 2007. Biomass estimation over a large area

based on standwise forest inventory data and ASTER and MODIS satellite
112

data: A possibility to verify carbon inventories. Remote Sensing of Environment,

107 (4): 617-624.

NARAYANAN, R. M. e DESETTY, M. K., 2002. Effect of spatial resolution on

information content characterization in remote sensing imagery based on
classification accuracy. International Journal of Remote Sensing, 23 (3): 537553.

NASA, 2008. Landsat 5. http://landsat.gsfc.nasa.gov (Acedido em 16/03/2008).

NASDA e RESTEC, 1999. Remote Sensing note.

National Space Development

Agency of Japan (NASDA) / Remote Sensing Technology Center of Japan

(RESTEC).

Japan

Association

of

Remote

Sensing.

http://www.rsgis.ait.ac.th/~honda/textbooks/rsnote_giswkbook/index.htm
(Acedido em 02/12/2008).

NEMANI, R. e RUNNING, S. W., 1989. Testing a theorethical climate-soil-leaf area

hydrologic equilibrium of forests using satellite data and ecosystem simulation.
Agricultural and Forest Meteorology, 44: 245-260.

NETTO, C. P., 2008. Potencial da biomassa florestal residual para fins energticos de
trs concelhos do distrito de Santarm. Dissertao de Mestrado, Faculdade de
Cincias e Tecnologia - Departamento de Cincias e Engenharia do Ambiente,
Universidade Nova de Lisboa, Lisboa, 129p.

OLIVEIRA, A. C., 1999. Silvicultura do pinheiro bravo Manual. Edio Centro Pinus,
Porto, 31p.

PAJARI, M., 2009. The color space. http://www.widen.com/index.php (Acedido em

24/03/2009).

PSCOA, F., MARTINS, F., GONZLES, R. S. e JOO, C., s/d. Estabelecimento

simultneo de equaes de biomassa para o pinheiro bravo

113

PATENAUDE, G., MILNE, R. e DAWSON, T. P., 2005. Synthesis of remote sensing

approaches for forest carbon estimation: reporting to the Kyoto Protocol.
Environmental Science & Policy, 8 (2): 161-178.

PLANTIER, T., LOUREIRO, M., MARQUES, P. e CAETANO, M., s/d. Spectral

analyses and classification of IKONOS images for forest cover characterisation.
Proceedings of the 2nd Workshop of the EARSeL SIG on Land Use and Land
Cover, Portuguese Geographic Institute (IGP), Lisbon, Portugal.

PNAC, 2006. Programa nacional para as alteraes climticas - Anexo tcnico Floresta. Instituto do Ambiente - Ministrio do Ambiente e do Ordenamento do
Territrio, 4p.

PONTIUS, J., 2002. Statistical methods to partition effects of quantity and location
during comparison of categorical maps at multiple resolutions. Photogrammetric
Engineering & Remote Sensing, 68: 1041-1049.

PONZONI, F. J. e SHIMABUKURO, Y. E., 2007. Sensoriamento remoto no estudo da

vegetao. Parntese, So Jos dos Campos, 127p.

PROFBP, 2006. Plano regional de ordenamento florestal do Barroso e Padrela Proposta de plano. Direco Geral dos Recursos Florestais, 243p.

RANDALL, B. S., 2006. Image classification - Tutorial. TNTmips, Licoln, Nebrasca,

36p.

RIBEIRO, J. P., 2007. A Deteco Remota no Inventrio Florestal. Anlise das

potencialidades da utilizao das imagens de satlite. Dissertao de
Mestrado,

Instituto

Superio

de

Estatstica

Gesto

da

Informao,

Universidade Nova de Lisboa, Lisboa, 138p.

RIOU-NIVERT, P., 1996. Les Rsineux Connaissance et Reconnaissance. Institut

Pour le Developpmente Forestier, Paris, 256p.

114

RODRIGUES, J. M. C., 2003. Quantificao da biomassa residual em povoamentos de

Pinheiro Bravo no Vale do Tmega. Relatrio final de estgio, Universidadade
de Trs-os-Montes e Alto Douro, Vila Real, 60p.

ROY, P. S. e RAVAN, S. A., 1996. Biomass estimation using satellite remote sensing
data - An investigation on possible approaches for natural forest. Journal of
Biosciences, 21 (4): 535-561.

RSE,

2006.

Introduction

to

Remote

Sensing

of

environment.

TNTmips.

http://www.microimages.com/ (Acedido em 08/08/2008).

RUIZ, J. A. M., BARON-MARTINEZ, J. e GARBIN, M. C., 2006. Estimating aboveground burned biomass and CO2 emissions for tropical Africa for the year 1990
with the NOAA-NASA Pathfinder AVHRR 8 km land dataset. International
Journal of Remote Sensing, 27 (18): 3749-3749.

SANTIAGO, A. G., FEITOSA, F. F., BIANCHI, M. F. e ROSA, M. M., 2002. Diferentes

nveis de percepo da paisagem da lagoa da conceio (SC) atravs do SIG.
Paisagem e Ambiente, 14: 171-186.

SANTOS, S. R., MIRANDA, I. S. e TOURINHO, M. M., 2004. Estimativa de biomassa

de sistemas agroflorestais das vrzeas do Rio Juba, Camet, Par. Acta
Amazonica, 34, 1-8p.

SANTOS, T. G., 2003. Actualizao de cartografia temtica com imagens de satlite.

Dissertao de Mestrado, Instituto Superior Tcnico, Universidade Tcnica de
Lisboa, Lisboa, 191p.

SILVA, B. e VALERIANO, D., 2005. Correo atmosfrica e topogrfica de imagens

de satlite em terrenos montanhosos. Anais XII Simpsio Brasileiro de
Sensoriamento Remoto. Goinia, Brasil.

SILVEIRA, P., KOEHLER, H. S., SANQUETTA, C. R. e ARCE, J. E., 2007. O estado

da arte na estimativa de biomassa e carbono em formaes florestais.

115

SKRDLA, M., 2005. Introduction to GIS. TNTmips, Licoln, Nebrasca, 20p.

SOMOGYI, Z., CIENCIALA, E., MAKIPAA, R., MUUKKONEN, P., LEHTONEN, A. e

WEISS, P., 2007. Indirect methods of large-scale forest biomass estimation.
European Journal of Forest Research, 126 (2): 197-207.

SOUDANI, K., FRANCOIS, C., LE MAIRE, G., LE DANTEC, V. e DUFRENE, E.,

2006. Comparative analysis of IKONOS, SPOT, and ETM+ data leaf area index
estimation in temperature coniferous and deciduous forest stands. Remote
Sensing of Environment, 103 (4): 497-497.

SOUZA, C., FIRESTONE, L., SILVA, L. M. e ROBERTS, D., 2003. Mapping forest
degradation in the Eastern Amazon from SPOT 4 through spectral mixture
models. Remote Sensing of Environment, 87 (4): 494-506.

SUPICHAI, T., 1999. Environmental Remote Sensing Courseware. Faculty of Science

Chulalongkorn
http://www.sc.chula.ac.th/courseware/2309507/index.htm

University
(Acedido

em

26/07/2008).

TAN, K., PIAO, S. L., PENG, C. H. e FANG, J. Y., 2007. Satellite-based estimation of
biomass carbon stocks for northeast China's forests between 1982 and 1999.
Forest Ecology and Management, 240 (1-3): 114-121.

TEILLET, P. M., STAENX, K. e WILLIAMS, D. J., 1997. Effects of Spectral, Spatial,

and Radiometric Characteristics on Remote Sensing Vegetation Indices of
Forested Regions. Remote Sensing of Environmental, 61: 139-149.

THENKABAIL, P. S., STUCKY, N., GRISCOM, B. W., ASHTON, M. S., DIELS, J.,
VAN DER MEER, B. e ENCLONA, E., 2004. Biomass estimations and carbon
stock calculations in the oil palm plantations of African derived savannas using
IKONOS data. International Journal of Remote Sensing, 25 (23): 5447-5472.

TOLL, D. L., 1985. Effect of Landsat Thematic Mapper sensor parameters on land
cover classification. Remote Sensing of Environment, 17 (2): 129-140.
116

TOWNSHEND, J. R., JUSTICE, C. O., GURNEY, C. e MCMANUS, J., 1992. The

impact of misregistration on change detection. IEEE Transactions on
Geoscience and Remote Sensing, 30 (5): 1054-1060.

UNESCO, 1999. Applications of Satellite and Airborne Image Date to Coastal

Management - Coastal region and small island papers 4. UNESCO, Paris,
185p.

VAN WAGNER, C. E., 1968. The line intersect method in forest fuel sampling. Forest
Science, 10: 267-276.

VARGAS, R., ALLEN, M. F. e ALLEN, E. B., 2008. Biomass and carbon accumulation
in a fire chronosequence of a seasonally dry tropical forest. Global Change
Biology, 14 (1): 109-124.

VIANA, H. F., 2005. Aplicao de Tecnologias de Deteco Remota e Sistemas de

Informao Geogrfica na Identificao de reas Ocupadas com Accia
dealbata Link. Dissertao de Mestrado, Universidade de Trs-os-Montes e
Alto Douro, Vila Real, 225p.

VIEIRA, S. A., ALVES, L. F., AIDAR, M., ARAJO, L. S., BAKER, T., BATISTA, J. L.
F., CAMPOS, M. C., CAMARGO, P. B., CHAVE, J., DELITTI, W. B. C.,
HIGUCHI, N., HONORIO, E., JOLY, C. A., KELLER, M., MARTINELLI, L. A.,
MATTOS, E. A. d., METZKER, T., PHILLIPS, O., SANTOS, F. A. M. d.,
SHIMABUKURO, M. T., SILVEIRA, M. e TRUMBORE, S. E., 2008. Estimation
of biomass and carbon stocks: the case of the Atlantic Forest. BiotaNeotropica,
8: 21-29.

WALSH, S. J., BUTLER, D. R. e MALANSON, G. P., 1998. An overview of scale,

pattern, process relationships in geomorphology: a remote sensing and GIS
perspective. Geomorphology, 21 (3-4): 183-205.

WATZLAWICK, L. F., 2003. Anlise e estimativa de biomassa e carbono em floresta

ombrfila mista e plantaes florestais a partir de dados do satlite IKONOS II.
Dissertao de Doutoramento, Universidade Federal do Paran, Curitiba, 223p.
117

WILLIAMS, D. L., IRONS, J. R., MARKHAM, B. L., NELSON, R. F., TOLL, D. L.,
LATTY, R. S. e STAUFFER, M. L., 1984. A statistical evaluation of the
advantages of Landsat Thematic Mapper data in comparison to multispectral
scanner data. IEEE Transactions on Geoscience and Remote Sensing, 22 (3):
294-302.

WULDER, M. A., WHITE, J. C., FOURNIER, R. A., LUTHER, J. E. e MAGNUSSEN,

S., 2008. Spatially explicit large area biomass estimation: Three approaches
using forest inventory and remotely sensed imagery in a GIS. Sensors, 8 (1):
529-560.

WYNNE, R. H., ODERWALD, R. G., REAMS, G. A. e SRIVANI, J. A., 2000. Optical

remote sensing for forest area estimation. Journal of Forestry, 98 (5): 31-36.

XIA, C. Z., HUANG, G. S. e HAN, A. H., 2005. MODIS-based estimation of biomass

and carbon stock of forest ecosystems in northeast China. IGARSS 2005: IEEE
International Geoscience and Remote Sensing Symposium, 7-8: 3016-3019.

YU, X. F., PANG, Y., ZHUANG, D. F. e HOU, X. Y., 2004. Forest fire disturbance and
its effect on forest biomass in Daxinganling region. IGARSS 2004: IEEE
International Geoscience and Remote Sensing Symposium Proceedings, 1-7:
2310-2313.

ZHENG, G., GHENB, J., TIANA, Q., JUB, W. M. e XIAA, X. Q., 2006. Combining
remote sensing imagery and forest age inventory for biomass mapping. Journal
of Environmental Management, 85: 616-623.

118