Você está na página 1de 17

SENSORIAMENTO REMOTO E GEOPROCESSAMENTO NO

MAPEAMENTO REGIONAL DA COBERTURA


E USO ATUAL DA TERRA

Edison CREPANI1
Valdete DUARTE1
Yosio Edemir SHIMABUKURO1
Elaine Cristina Cardoso FIDALGO2

Resumo
O objetivo deste trabalho apresentar uma abordagem metodolgica para mapear a cobertura e o uso
atual da terra, a nvel regional, utilizando tcnicas de Sensoriamento Remoto e Geoprocessamento. A rea de
estudo compreendida entre as coordenadas 01o 45 e 08o 20 de Latitude Sul e 44o 00 e 54o 00 de Longitude
Oeste coberta por 17 imagens do sensor Thematic Mapper (TM) do satlite Landsat. Esta metodologia
consiste na gerao de imagens sintticas (vegetao, solo e sombra), atravs do modelo linear de mistura
espectral utilizando as bandas 3, 4 e 5 do TM, para realar os alvos de interesse e minimizar o tempo de
processamento na tarefa de classificao. Esta tarefa foi realizada utilizando o processo de segmentao de
imagens, seguida da classificao no supervisionada por regies e mapeamento das classes de interesse pr-
definidas (legenda temtica). O resultado do mapeamento finalmente editado pelo fotointrprete com a
finalidade de corrigir os erros de classificao do sistema, baseado na sua experincia e informaes auxiliares
disponveis (fotografias areas, mapas, etc.). A abordagem proposta vivel para grandes regies utilizando
imagens do TM ou de outros sensores de alta resoluo espacial, produzindo mapa bem confivel, e permitindo
a atualizao a qualquer tempo e a integrao com outras informaes do banco de dados gerado.
Palavras chaves: Sensoriamento Remoto, Geoprocessamento, Imagens sintticas, Cobertura vegetal,
Uso da terra.

Abstract

Remote Sensing and Geoprocessing for land use land cover regional mapping
The objective of this work is to present a methodological approach for land use land cover regional
mapping, using Remote Sensing and Geoprocessing techniques. The study area, comprised between the geographic
coordinates 01 o 45' and 08 o 20' South Latitude and 44 o 00' and 54o 00 West Longitude, is covered by 17
Thematic Mapper (TM) images of Landsat satellite. This methodology consists on the generation of synthetic
images (vegetation, soil, and shade), through the linear spectral mixing model using the TM bands 3, 4, and 5,
to enhance the contrast among targets of interest and to minimize computer processing time during the
classification task. This task was performed using the image segmentation algorithm, followed by the non-
supervised region classification and mapping the pre-defined classes of interest (thematic legend). The mapping
result is finally edited by the photo-interpreters with the purpose of correcting any classification errors, based
on their experience and using available ancillary information (aerial photographs, maps, etc.). The proposed
approach is feasible for large areas using TM or other high-resolution data, producing very reliable map, and
permitting to update it at any time and to integrate it with other information included in the data base.
Key words: Remote Sensing, Geoprocessing, Synthetic images, Land cover, Land use.

1
Instituto Nacional de Pesquisas Espaciais - INPE - C.P. 515, So Jos dos Campos, SP, Brasil, 12201-970 - E-mail: {crepani,
valdete, yosio} @ ltid.inpe.br
2
Fundao de Cincias, Aplicaes e Tecnologia Espaciais FUNCATE - Av. Joo Guilhermino, 429, So Jos dos Campos,
SP, Brasil, 12210-131 - E-mail: efidalgo @ geo.funcate.org.br

GEOGRAFIA, Rio Claro, Vol. 27(1): 119-135, abril 2002.


120 Crepani, E. / Duarte, V. / Shimabukuro, Y. E. / Fidalgo, E. C. C. GEOGRAFIA

INTRODUO

O conhecimento da distribuio dos tipos de cobertura vegetal e suas variaes


fenolgicas hoje um aspecto indispensvel para o planejamento de uma poltica coerente e
eficiente de desenvolvimento sustentvel, assim como para a compreenso e avaliao objetiva
da convivncia de diferentes ecossistemas, sejam naturais, semi-naturais, agrcolas, ou industri-
ais. A anlise das variaes fenolgicas em nvel regional e sua interligao com os diferentes
componentes do meio geogrfico (clima, solo, relevo, geologia, etc.) formam parte das informa-
es necessrias para a compreenso do funcionamento dos ecossistemas em escala global.
Portanto, o conhecimento do estado atual e a caracterizao da superfcie dos ecossistemas
terrestres so requisitos crticos para a modelagem e o entendimento dos processos de mudana
global (TUCKER; SELLERS, 1986).
O mapeamento da cobertura vegetal e uso atual do solo, em grandes reas, tem sido
realizado utilizando dados de Sensoriamento Remoto obtidos por plataformas orbitais, e a inter-
pretao visual das composies coloridas formadas geralmente pelas bandas 3, 4 e 5 do sensor
Thematic Mapper do satlite Landsat. Este mapa, obtido na forma analgica atravs da inter-
pretao visual, necessita ser disponibilizado em um Sistema de Informaes Geogrficas (SIG)
para uma utilizao mais ampla. Para isto, necessrio executar tarefas de digitalizar e/ou
escanerizar os mapas obtidos. Este procedimento torna-se caro e no adequado para uma futura
atualizao e/ou integrao com outras informaes, devido aos erros geomtricos introduzi-
dos.
Com o avano dos softwares de processamento de imagens e a capacidade de
armazenamento e velocidade dos computadores, nos ltimos anos, tem incentivado o desenvol-
vimento de novas metodologias de interpretao digital de imagens de alta e mdia resoluo
espacial, especialmente para grandes reas. As informaes obtidas podem ser ento integra-
das com outros tipos de informaes (cartogrficas e dados de campo), introduzidas num banco
de dados georreferenciado. Porm, a anlise digital convencional dos dados TM (30 m de
resoluo espacial) do Landsat baseada na classificao, pixel a pixel, limitada por levar em
conta somente a variao espectral da cena, perdendo o potencial da informao de contexto
dos objetos. Alm disso, este procedimento no adequado para uso operacional devido aos
erros comuns de incluso e omisso da classificao. Recentemente, novas abordagens usando
tcnicas de segmentao de imagens tm sido bastante promissoras para estimar as reas de
desflorestamento (BATISTA et al., 1994; ALVES et al., 1996). Entretanto, esta tcnica quando
aplicada diretamente s bandas originais das imagens TM, demanda um tempo de computao
muito significante (BATISTA et al., 1994), limitando o seu uso para grandes regies.
Considerando os aspectos mencionados acima, o INPE vem adequando as metodologias
desenvolvidas anteriormente, nova realidade, isto , ao avano tecnolgico das tcnicas de
geoprocessamento, principalmente, no sentido de explorar o mximo o potencial do Sistema para
Processamento de Informaes Georeferenciadas - SPRING (INPE - DPI, 1996b; CMARA et
al., 1993), quanto sua aplicabilidade nas mais diversas reas da Cincia. Neste contexto, para
automatizar as tarefas desenvolvidas no projeto de mapeamento de reas desflorestadas da
Amaznia Legal - PRODES (INPE, 1996a), a Coordenadoria Geral de Observao da Terra (OBT)
Sensoriamento Remoto e Geoprocessamento no Mapeamento
Vol. 27(1), 2002 Regional da Cobertura e Uso Atual da Terra 121

vem desenvolvendo uma metodologia de interpretao semi-automtica, baseada na segmentao


de imagens sintticas e classificao no supervisionada por regies, seguida do processo de
edio pelo fotointrprete para assegurar a qualidade do produto final (DUARTE et al., 1999).
A criao e implementao do algoritmo de edio matricial proporcionou um grande
avano na rea de processamento de imagem e trouxe muitos benefcios para os usurios. A
edio matricial solucionou um grande problema que o usurio tinha de minimizar os erros de
classificao, inevitveis, devido a uma srie de fatores tais como: semelhanas de respostas
espectrais de alvos diferentes, heterogeneidade de data de plantio, etc. Aps a implementao
da ferramenta de edio matricial, o usurio com a sua experincia e informaes auxiliares
disponveis capaz de interferir nos resultados da classificao, mudando polgonos classifica-
dos erroneamente para a classe correta e melhorando os limites dos polgonos classificados.
Portanto, levando em considerao a grande regio a ser mapeada e a necessidade de ter
essas informaes disponveis em um banco de dados digital para futuras anlises, o objetivo
deste trabalho apresentar a metodologia adaptada do PRODES DIGITAL, utilizando dados de
satlite e informaes complementares (cartogrficas e fotografias areas), para o mapeamento
da cobertura e do uso atual da terra na grande regio definida como rea de estudo.

MATERIAIS E MTODO

rea de Estudo
A rea de estudo, compreendida entre as coordenadas 01o 45 e 08o 20 de Latitude Sul e
44 00 e 54o 00 de Longitude Oeste, coberta por 17 cenas do sensor Thematic Mapper (TM)
o

do satlite Landsat, descritas na Tabela 1.


Para este trabalho, as fotografias areas utilizadas, num total de 394, distribuem-se de
forma amostral pela rea de estudo. Foram tambm utilizadas 121 fotografias areas abrangendo
toda a bacia do rio Itinga. Todas essas fotografias esto na escala de 1 : 25.000 e foram utilizadas
com o objetivo de dar suporte a validao da classificao das imagens.

METODOLOGIA

A metodologia utilizada neste trabalho foi adaptada do projeto de mapeamento digital


das reas desflorestadas da Amaznia Legal PRODES DIGITAL (DUARTE et al., 1999).

Gerao das Imagens Sintticas

A gerao das imagens sintticas tem como finalidade reduzir a dimenso dos dados a
serem analisados, principalmente para grandes regies de trabalho, alm de realar os alvos de
122 Crepani, E. / Duarte, V. / Shimabukuro, Y. E. / Fidalgo, E. C. C. GEOGRAFIA

Tabela 1: Datas das imagens do sensor TM Landsat

CENA DATA
221/62 07/06/2000
221/63 21/06/1999 e 08/08/1999
221/64 07/07/1999
221/65 07/07/1999
222/62 14/07/1999
222/63 14/07/1999
222/64 14/07/1999
222/65 14/07/1999
223/62 05/07/1999
223/63 05/07/1999
223/64 05/07/1999
223/65 05/07/1999
224/63 05/07/1999
224/64 05/07/1999
224/65 05/07/1999
225/64 05/07/1999
225/65 05/07/1999

interesse a serem mapeados. Para isto, foi utilizado o modelo linear de mistura espectral
(SHIMABUKURO; SMITH, 1991) que visa estimar a proporo dos componentes: solo, vegeta-
o e sombra, para cada pixel, a partir da resposta espectral das bandas originais da imagem TM
Landsat, gerando as imagens sintticas correspondentes: solo, vegetao e sombra. Neste
trabalho, foram utilizadas as bandas 3 (0,63 0,69 um), 4 (0,76 0,90 um) e 5 (1,55 1,75 um) do
TM para a gerao das imagens sintticas. A imagem sinttica sombra proporciona um grande
contraste entre reas ocupadas com florestas (mdia quantidade de sombras) e reas
desflorestadas (baixa quantidade de sombras), alm da boa separabilidade de temas tais como
hidrografia, queimadas e reas de capoeira. A imagem sinttica solo tem se mostrado muito til
na anlise das reas ocupadas com savana (cerrado) e principalmente, realando as reas recm
cortadas. A imagem sinttica vegetao reala as reas ocupadas com cobertura vegetal, e foi
utilizada para a discriminao das classes dentro das reas desflorestadas (agrossilvopastoril,
pasto sujo, reas em regenerao, etc.).

Segmentao das Imagens Sintticas

O procedimento usado para a segmentao de imagens baseado no algoritmo de cres-


cimento de regio, onde uma regio um conjunto de pixels homogneos ligados de acordo
com suas propriedades (ZUCKER, 1976). Uma descrio detalhada do processo de segmentao
pode ser encontrada em Batista et al. (1994).
Sensoriamento Remoto e Geoprocessamento no Mapeamento
Vol. 27(1), 2002 Regional da Cobertura e Uso Atual da Terra 123

Para executar a segmentao, o usurio precisa definir dois parmetros: 1) o limiar de


similaridade: distncia mnima entre os valores digitais (nveis de cinza) abaixo do qual dois
segmentos so considerados similares e portanto agrupados em uma nica regio; e 2) o limiar
de rea: rea mnima a ser considerada como uma regio, definida em nmero de pixels. Neste
trabalho, foram definidos os limiares 8 e 16 para similaridade e rea, respectivamente.

Gerao do Arquivo de Contexto e Extrao de Regies

Para realizar a classificao necessrio criar um arquivo de contexto, onde so armaze-


nadas as informaes: a) tipo de classificao por regies; b) bandas ou imagens utilizadas; e c)
imagem segmentada. A extrao das regies um procedimento em que o algoritmo extrai os
atributos estatsticos (mdias e matrizes de covarincia) do conjunto de regies definido pela
segmentao.

Classificao da Imagem Segmentada

Uma classificao no supervisionada baseada em um algoritmo de agrupamento


(Clustering) foi aplicada nas imagens sintticas segmentadas. Tcnicas de agrupamento so
amplamente conhecidas (DUDA; HART, 1973). O algoritmo usado neste trabalho, chamado
ISOSEG (BINS et al., 1992), usa a matriz de covarincia e o vetor das mdias das regies para
estimar os centros das classes. O usurio pode definir um limiar de aceitao que a mxima
distncia de Mahalanobis em que o valor digital mdio das regies podem estar afastados do
centro de uma classe para ser considerada como pertencente a esta classe.

Mapeamento da Imagem Segmentada

Aps a classificao da imagem segmentada, os temas obtidos pelo classificador so


associados s classes definidas anteriormente no banco de dados, conforme a legenda previa-
mente estabelecida para este trabalho, associando-se uma cor especfica para cada classe
temtica: a) Vegetao Florestal; b) Vegetao No-Florestal; c) Vegetao em Regenerao; d)
Corte Seletivo; e) Atividade Agrossilvopastoril; f) Pasto Sujo; g) rea Antropizada; h) rea
Urbanizada; i) Hidrografia; j) Savana Florestada; k) Savana Arborizada; l) Savana Parque; e m)
Nuvem.
a) Tema Vegetao Florestal
As seguintes classes temticas compem esta fisionomia florestal: floresta ombrfila
aberta, floresta ombrfila densa, floresta estacional e regio de contato entre floresta ombrfila
e floresta estacional.
b) Tema Vegetao No-Florestal
As reas ocupadas com vegetao do tipo Manguezal (prxima cidade de So Luiz,
MA) e Afloramentos Rochosos foram consideradas como pertencentes a esse tema.
124 Crepani, E. / Duarte, V. / Shimabukuro, Y. E. / Fidalgo, E. C. C. GEOGRAFIA

c) Tema Vegetao em Regenerao


A vegetao em regenerao ou capoeira se desenvolve naturalmente em pastagens
artificiais abandonadas que foram implantadas em reas anteriormente ocupadas por florestas.
d) Tema Corte Seletivo
So aquelas reas de floresta que vm sofrendo a interferncia humana atravs do corte
somente das rvores que apresentam valor econmico.
e) Tema Atividade Agrossilvopastoril
So aquelas reas onde a cobertura vegetal original foi substituda para dar lugar a
alguma atividade humana como a agricultura, silvicultura, ou pecuria.
f) Tema Pasto Sujo
So aquelas reas onde a cobertura florestal original foi substituda para dar lugar a
atividade de pecuria extensiva, e que se encontram em situao de sub-utilizao com o conse-
qente aparecimento das plantas invasoras das pastagens (juquira).
g) Tema rea Antropizada
So aquelas reas onde foi observado algum tipo de obra de engenharia, como constru-
o de represas, obras para atender atividades de extrao mineral, etc.
h) Tema rea Urbanizada
So aquelas reas ocupadas por grandes manchas urbanas.
i) Tema Hidrografia
So aquelas reas ocupadas com as drenagens e massas dgua (Rios, Lagos, Represas
e Oceano).
j) Tema Savana Florestada
So aquelas reas de savana que se caracterizam por apresentar uma estrutura composta
por vegetao de porte arbreo denso (mais conhecido como cerrado).
k) Tema Savana Arborizada
So aquelas reas de savana que se caracterizam por apresentar uma estrutura composta
por vegetao de porte mdio tortuoso (mais conhecido como cerrado).
l) Tema Savana Parque
So aquelas reas de savana que se caracterizam por apresentar uma estrutura composta
por rvores esparsas, baixas e tortuosas, sobre um contnuo tapete graminoso (mais conhecido
como campo cerrado).
m) Tema Nuvem
So aquelas reas contnuas cobertas por nuvens e sombra de nuvens, que caracterizam
as reas sem informao temtica.
Sensoriamento Remoto e Geoprocessamento no Mapeamento
Vol. 27(1), 2002 Regional da Cobertura e Uso Atual da Terra 125

PROCEDIMENTO METODOLGICO OPERACIONAL

Neste trabalho, cada cena do TM Landsat foi associada a um banco de dados no software
SPRING. Para demonstrar a operacionalizao da abordagem, adotada neste trabalho, foi seleci-
onada a imagem TM rbita 223, ponto 62, correspondente a rea situada a nordeste da Represa
de Tucuru, no Par, onde a vegetao predominante do tipo florestal.
Primeiramente, foram geradas as imagens sintticas vegetao, solo e sombra (Figura 1)
atravs do modelo linear de mistura espectral. As imagens sintticas resultantes foram
reamostradas para a resoluo de 60 m x 60 m, considerando a escala 1 : 250.000 como forma de
apresentao do mapa final. Com base na experincia do projeto PRODES DIGITAL, esta
reamostragem minimiza o tempo de processamento sem prejudicar o resultado de classificao.

Fig. 1 Imagem Landsat TM (223/62) na composio colorida R5 G4 B3 (a) e


as imagens sintticas Solo (b), Sombra (c) e Vegetao (d) geradas a
partir das bandas 3, 4 e 5 do TM, utilizando o modelo
linear de mistura espectral

A seguir, a imagem sinttica sombra foi segmentada, utilizando os limiares 8 (similarida-


de) e 16 (rea). As linhas de segmentao geradas so mostradas nas Figuras 2 (sobre a imagem
sombra) e 3 (sobre a imagem RGB), indicando que no h perda de informao pela reduo dos
dados a serem analisados.
126 Crepani, E. / Duarte, V. / Shimabukuro, Y. E. / Fidalgo, E. C. C. GEOGRAFIA

Fig.2 Linhas de segmentao (cor amarela) sobre a


imagem sinttica sombra.

Fig. 3 As mesmas linhas de segmentao da figura 2 sobre a imagem


colorida (R5 G4 B3) do sensor TM do satlite Landsat.
Sensoriamento Remoto e Geoprocessamento no Mapeamento
Vol. 27(1), 2002 Regional da Cobertura e Uso Atual da Terra 127

Conforme comentado anteriormente, o classificador ISOSEG considera os polgonos


segmentados como elementos no terreno a serem classificados, isto , um polgono uma rea
individual que ser considerada para efeito de rotulao das classes. Em outras palavras, mesmo
se o polgono contiver subclasses de uso do solo, ele ser classificado como uma nica classe
temtica, uma vez que, na segmentao ele assim o foi considerado. Por essa razo, a classifica-
o nada mais do que agrupar em classes temticas os polgonos segundo a homogeneidade
de nveis de cinza, considerado pelo segmentador.
importante lembrar que na fase de mapeamento (operao realizada logo aps a classi-
ficao) muitas das reas so agrupadas a uma mesma classe, porque esta uma fase onde o
analista interfere nos resultados da classificao, ou seja, feito um reagrupamento, em novas
classes referentes aos temas da legenda pr-definida. Entretanto, no possvel eliminar todos
os erros de poligonizao, como os limites entre duas classes consecutivas. Esse tipo de erro
corrigido na fase da edio matricial.
Os temas Vegetao Florestal, Hidrografia e as reas desflorestadas (Figura 4) foram
mapeadas utilizando a imagem sinttica sombra, na regio de predominncia florestal. As reas
de Corte Seletivo foram mapeadas visualmente sobre as reas ocupadas com o tema Vegetao

Fig. 4 Classificao parcial onde os temas mapeados so apenas as reas


ocupadas com Floresta (verde), Hidrografia (azul)
e reas Desflorestadas (branco).
128 Crepani, E. / Duarte, V. / Shimabukuro, Y. E. / Fidalgo, E. C. C. GEOGRAFIA

Fig. 5 Imagem colorida (R5 G4 B3) do TM mostrando


exemplos de reas de corte seletivo.
Sensoriamento Remoto e Geoprocessamento no Mapeamento
Vol. 27(1), 2002 Regional da Cobertura e Uso Atual da Terra 129

Fig. 6 Imagem sinttica solo mostrando com maior realce os mesmos


exemplos de reas de corte seletivo da figura 5.
130 Crepani, E. / Duarte, V. / Shimabukuro, Y. E. / Fidalgo, E. C. C. GEOGRAFIA

Florestal, utilizando a imagem colorida RGB do TM (Figura 5) e principalmente a imagem sintti-


ca solo (Figura 6) que reala o conjunto das pequenas reas desflorestadas. Na regio de
Savana, a imagem sinttica solo foi tambm utilizada.
Outro fato importante que contribuiu significativamente para a interpretao automatizada
do uso atual da terra, foi a possibilidade que o sistema SPRING permite ao fotointrprete de
realizar sucessivas mosaicagens, importando das diferentes classificaes parciais apenas aque-
las classes que representam determinado tema de interesse. Em ltima anlise, o sistema permite
compor sucessivamente o mapa final de tal forma que os novos temas incorporados no alteram
aqueles j considerados anteriormente, isto , os novos temas que vo sendo incorporados,
ocupam somente os espaos vazios presentes no plano de informao (PI) que est sendo
editado para a confeco do mapa final.
Posteriormente, aps a separao dos temas acima, as imagens sintticas solo e vegeta-
o foram utilizadas para discriminar reas ocupadas com Pasto Sujo, Vegetao em Regenera-
o e reas de atividade Agrossilvopastoril (Figura 7). As reas ocupadas com vegetao do
tipo Savana foram separadas daquelas onde ocorrem Vegetao Florestal, utilizando as informa-

Fig. 7 Uma segunda classificao, apenas dentro das reas desflorestadas,


pode ser feita com o objetivo de mapear as outras classes de
interesse (ex. pasto sujo, vegetao em regenerao etc.)
Sensoriamento Remoto e Geoprocessamento no Mapeamento
Vol. 27(1), 2002 Regional da Cobertura e Uso Atual da Terra 131

Fig. 8 Composio colorida (R3 G2 B1) do mosaico das imagens AVHRR


NOAA de agosto de 1993, mostrando o contraste
entre as reas de floresta e savana
132 Crepani, E. / Duarte, V. / Shimabukuro, Y. E. / Fidalgo, E. C. C. GEOGRAFIA

Fig. 9 Mapa final da imagem 223/62 do TM, obtido atravs do procedimento


metodolgico utilizado neste trabalho.
Sensoriamento Remoto e Geoprocessamento no Mapeamento
Vol. 27(1), 2002 Regional da Cobertura e Uso Atual da Terra 133

es auxiliares do Mapa de Vegetao do Brasil (IBGE, 1993), alm do mosaico de imagens


AVHRR (agosto de 1993, Figura 8) do satlite NOAA. As reas de savanas foram mapeadas nos
temas Savana Florestal, Savana Arborizada e Savana Parque.
A fase de edio matricial muito importante para assegurar a qualidade do mapa final.
Nesta fase, o usurio, com base na sua experincia e com suporte de informaes auxiliares
(fotografias areas, mapas, etc.) disponveis, pode corrigir os erros de incluso e omisso gera-
dos pelo classificador, alm de melhorar os limites dos polgonos classificados.
O procedimento para se fazer o mapeamento da cobertura e do uso da terra, como mostra-
do para a imagem TM Landsat 223/62, atravs da segmentao e classificao da imagens
sintticas, permitiu discriminar as diversas classes da legenda estabelecida, conforme mostra o
Mapa Final da Figura 9.
Finalmente, este procedimento foi aplicado para todas as outras 16 imagens do TM que
cobrem a rea de estudo, obtendo-se o mapa de cobertura e do uso atual da terra para cada uma
delas. A seguir, estas classificaes individuais foram mosaicadas para toda rea de estudo e a
legenda foi adequada e generalizada para uma visualizao regional (Figura 10).

Fig. 10 Mapa da cobertura vegetal e do uso atual da terra


da regio de estudo.
134 Crepani, E. / Duarte, V. / Shimabukuro, Y. E. / Fidalgo, E. C. C. GEOGRAFIA

CONSIDERAES FINAIS
A metodologia utilizada mostrou-se adequada para este trabalho, permitindo mapear a
cobertura vegetal e o uso atual da terra dessa grande regio.
A edio matricial do mapa final foi realizado, pelo fotointrprete na tela do computador,
considerando a escala de 1 : 250.000 para apresentao final do produto. Caso necessrio, a
edio matricial pode ser realizada com maiores detalhes.
As fotografias areas foram muito teis especialmente na definio das classes de uso da
terra (Pasto Sujo, Agrossilvopastoril e reas em Regenerao).
O Software SPRING permite a generalizao ou o detalhamento do mapa final de modo
seqencial, permitindo portanto que o mapa seja atualizado e/ou corrigido a qualquer instante,
pelo fotointrprete.
O mapa final na forma digital, georeferenciado, pode ser integrado com outros tipos de
informaes, sendo muito til para o Zoneamento Ecolgico e Econmico (ZEE).
Esta metodologia pode ser adaptada e aplicada em outros tipos de estudos e/ou outras
regies.

REFERNCIAS

ALVES, D.S.; MELLO, E.M.K.; MOREIRA, J.C.; ORTIZ, J.O.; SOARES, J.V.; SILVA, O.F.;
ALMEIDA, S.A.S. Characterizing land use dynamics in Amazon using multitemporal imagery
and segmentation techniques. 18., International Archives of Photogrammetry and Remote
Sensing, Rics Books, v. 31, part B7, p.13-17. 1996. (INTERNATIONAL CONGRESS FOR
PHOTOGRAMMETRY AND REMOTE SENSING, 1996, Vienna.)
BATISTA, G.T.; MEDEIROS, J.S.; MELLO, E.M.K.; MOREIRA, J.C.; BINS, L.S. A new approach
for deforestation assessment. In: INTERNATIONAL SYMPOSIUM ON RESOURCE AND
ENVIRONMENTAL MONITORING, Rio de Janeiro, 1994. Proceedings. Rio de Janeiro: ISPRS
Commission VII, 1994. v. 30, part 7a, p.170-174.
BINS, L.S.; ERTHAL, G.J.; FONSECA, L.M.G. Um mtodo de classificao no-supervisionada
por regies. In: SIMPSIO BRASILEIRO DE COMPUTAO GRFICA E PROCESSAMENTO
DE IMAGENS, 5. guas de Lindia, 1992. Anais. So Jos dos Campos: INPE, 1992. v. 2, p. 65-
68.
CMARA, G.; SOUZA, R.C.M.; FREITAS, U. M.; CASANOVA, M.A. SPRING: Processamento
de imagens e dados georeferenciados, SIBGRAPI 92, In: BRAZILIAN SYMPOSIUM ON
GRAPHIC COMPUTATION AND IMAGE PROCESSING, 5, guas de Lindia, 1992. Anais. So
Jos dos Campos: INPE, 1993. p.233-242.
DUARTE, V.; SHIMABUKURO, Y.E.; SANTOS, J.R.; MELLO, E.M.K.; MOREIRA, J.C.;
MOREIRA, M.A; SOUZA, R.C.M.; SHIMABUKURO, R.M.K.; FREITAS, U.M. Metodologia
para criao do PRODES Digital e do banco de dados digitais da Amaznia Projeto BADDAM.
So Jos dos Campos: INPE, 1999. 33p. (INPE-7032-PUD/035).
Sensoriamento Remoto e Geoprocessamento no Mapeamento
Vol. 27(1), 2002 Regional da Cobertura e Uso Atual da Terra 135

DUDA, R.O.; HART, P.E. Pattern classification and scene analysis. New York: Wiley, 1973.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATSTICA Mapa de Vegetao do Brasil,
Rio de Janeiro, 1993.
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS (INPE) PRODES: Assessment of
deforestation in Brazilian Amaznia. So Jos dos Campos: INPE, 1996a. 49p.
INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS. DIVISO DE PROCESSAMENTO DE
IMAGENS (INPE-DPI). SPRING: Manual do Usurio. So Jos dos Campos, 1996b. Disponvel
em: <http://www.inpe.br/spring> Acesso em: 20 mar.2002.
SHIMABUKURO, Y.E.; SMITH, J.A. The least-squares mixing models to generate fraction images
derived from remote sensing multispectral data. IEEE Transactions on Geoscience and Remote
Sensing, n.29, p.16-20, 1991.
TUCKER, C.J.; SELLERS, P.J. Satellite remote sensing of primary production. International
Journal of Remote Sensing, v.7, n.11, p.1395-1416, 1986.
ZUCKER, S.W. Region growing: childhood and adolescence. Computer Graphics and Image
Processing, n.5, p.382-399, 1976.

Recebido em dezembro de 2001.


Aceito em fevereiro de 2002.