UNIVERSIDADE FEDERAL DO MARANHÃO

CENTRO DE CIÊNCIAS HUMANAS

DEPARTAMENTO DE GEOCIÊNCIAS

Veruska Costa de Jesus

Helen Nébias Barreto

MAPEAMENTO DO USO DO SOLO DAS BACIAS HIDROGRÁFICAS DOS RIOS

URUCUTIUA E CLARO – ILHA DO MARANHÃO (MA), POR MEIO DE
CLASSIFICAÇÃO AUTOMÁTICA E ORIENTADA DE IMAGENS DE SATÉLITE

São Luís
Agosto – 2015
 ______________________________________________________
Veruska Costa de Jesus

_______________________________________________________
Helen Nébias Barreto

MAPEAMENTO DO USO DO SOLO DAS BACIAS HIDROGRÁFICAS DOS RIOS

URUCUTIUA E CLARO – ILHA DO MARANHÃO (MA), POR MEIO DE
CLASSIFICAÇÃO AUTOMÁTICA E ORIENTADA DE IMAGENS DE SATÉLITE

Relatório final apresentado ao Programa Institucional de

Bolsas de Iniciação Científica – PIBIC, da Universidade
Federal do Maranhão.

São Luís
Agosto – 2015
 RESUMO

O monitoramento da urbanização é uma das ferramentas capaz de identificar processos

geradores de degradação em corpos hídricos e respectivos impactos ambientais. Neste
contexto, este estudo tem por objetivo a análise espaço-temporal do uso e ocupação do solo
das bacias dos rios Urucutiua e Claro, localizadas na porção norte da Ilha do Maranhão. A
metodologia utilizada engloba técnicas de Processamento Digital de Imagens (PDI) e o
Sistema de Informação Geográfica (SIG) ArcGis 10.2. Para isso, foram capturadas imagens
do Google Earth Pro provenientes dos sensores Quickbird, Wordview 1 e 2, Aerial Imagery,
nos anos 2007/2014 (bacia do rio Urucutiua) e 2004/2011 (bacia do rio Claro), para
tratamento e análise da área de estudo. A partir dos procedimentos adotados e resultados
obtidos constatou-se que, a bacia do rio Urucutiua passou por um processo de modificação
recente, em que 37,53% da vegetação da bacia foi suprimida entre os anos de comparação,
dando lugar a 33,78% de aumento de solo exposto. Enquanto que, na bacia do rio Claro, os
anos de comparação revelaram que a mancha urbana constitui um processo mais antigo, onde
os instrumentos urbanos – habitações, vias e empreendimentos comerciais – já somam
34,58% da área da bacia, caracterizando-a como densamente urbanizada. Contudo, mesmo
em se tratando de áreas de estudo próximas geograficamente, o processo de uso e ocupação
do solo se deu de forma diferenciada, distinguindo-se dois padrões: bacia densamente
ocupada e bacia em processo de ocupação. Neste sentido, o uso dos produtos de sensores
remotos em análises urbanas mostrou-se uma ferramenta importante e que auxilia no
monitoramento das transformações em meio urbano e seus impactos em bacias hidrográficas.
Portanto, as geotecnologias têm importante papel na análise espaço-temporal contínua
contribuindo para elaboração de instrumentos de gestão.

Palavras-chave: Processamento Digital de Imagem. Uso do solo. Bacia dos rios Urucutiua e
Claro (MA).
 LISTA DE ILUSTRAÇÕES

Figura 01: Espectro eletromagnético ..................................................................................... 9

Figura 02: Interação da radiação eletromagnética com algumas substâncias da superfície
terrestre ................................................................................................................................ 10
Figura 03: Estrutura de uma imagem .................................................................................. 10
Figura 04: Etapas simplificadas da aplicação do método de MaxVer ................................. 12
Figura 05: Fluxograma das etapas da pesquisa ................................................................... 13
Figura 06: Comparação entre a imagem original (A) e a imagem classificada (B) ............ 16
Figura 07: Mapa de localização das bacias estudadas ......................................................... 18
Figura 08: Mapa de uso e ocupação do solo da bacia do rio Claro referente ao ano 2004 . 19
Figura 09: Mapa de uso e ocupação do solo da bacia do rio Claro referente ao ano 2011 . 20
Figura 10: Mapa de uso e ocupação do solo da bacia do rio Urucutiua referente ao ano
2007 ..................................................................................................................................... 22
Figura 11: Mapa de uso e ocupação do solo da bacia do rio Urucutiua referente ao ano
2014 ..................................................................................................................................... 23

Tabela 1: Amostras de classes das bacias hidrográficas estudadas ..................................... 15

Tabela 2: Dados referentes à bacia do rio Claro .................................................................. 21
Tabela 3: Dados referentes à bacia do rio Urucutiua........................................................... 24
 SUMÁRIO

1. INTRODUÇÃO ............................................................................................................... 6
2. OBJETIVOS .................................................................................................................... 8
2.1. Objetivo Geral ................................................................................................................ 8
2.2. Objetivos Específicos ..................................................................................................... 8
3. METODOLOGIA............................................................................................................ 9
4. PROCEDIMENTOS METODOLÓGICOS ............................................................... 13
4.1. 1a Etapa: Revisão Bibliográfica .................................................................................... 14
4.2. 2a Etapa: Pré-processamento ........................................................................................ 14
4.2.1. Aquisição de imagens ........................................................................................... 14
4.2.2. Georreferenciamento e recorte da área de estudo ................................................. 14
4.2.3. Realce da imagem ................................................................................................. 14
4.3. 3a Etapa: Processamento Digital da Imagem (PDI) ...................................................... 15
4.4. 4a Etapa: Técnicas de Geoprocessamento .................................................................... 16
4.4.1. Correção dos erros gerados no processamento ..................................................... 16
4.4.2. Cálculo da área dos Polígonos ...................................................................... 17
4.4.3. Elaboração de Mapas Temáticos ....................................................................... 17
4.5. 5a Etapa: Pós-processamento ....................................................................................... 17
5. RESULTADOS .............................................................................................................. 18
6. CONCLUSÕES.............................................................................................................. 25
7. CRONOGRAMA DO PLANO DE TRABALHO ...................................................... 26
REFERÊNCIAS ................................................................................................................ 27
 6

1. INTRODUÇÃO

Os ambientes urbanos possuem paisagens dinâmicas, complexas e que crescem

rapidamente. Historicamente, as cidades se desenvolveram dentro das bacias hidrográficas
pela necessidade do uso do recurso hídrico, porém, esta interação – urbano x bacia
hidrográfica – tem gerado consequências desagradáveis ao meio como: o assoreamento de
rios, aterramento de nascentes, desmatamento das matas ciliares, provocando
desaparecimento total de cursos d'água. Diante disso, o monitoramento das áreas urbanas tem
ganhado espaço como ferramenta de análise, bem como instrumento de identificação de
processos geradores de degradação ambiental derivados da urbanização. Segundo Brito et al
(2013), “O conhecimento das condições de uso e ocupação do solo de um determinado local é
de suma importância, pois, fornece elementos para o planejamento territorial urbano”.

Dentro deste panorama destacam-se os produtos de sensoriamento remoto no

acompanhamento desses processos. O sensoriamento remoto é um meio de se obter
informações de um objeto sem estar em contato físico com o mesmo (NOVO, 2010; ROZA et
al, 2012). Sendo assim, constitui uma ferramenta bastante prática para o monitoramento de
características físicas da Terra (JENSEN, 2009 apud ROZA et al, 2012). Com a evolução das
tecnologias espaciais após a revolução industrial, foi possível o imageamento de um mesmo
lugar periodicamente. Isso permitiu o acompanhamento da evolução da superfície terrestre em
várias áreas do conhecimento. A utilização de imagens de sensores remotos tem se mostrado
de grande relevância para o conhecimento da realidade urbana (RIBEIRO et al, 2007),
especialmente no que tange as alterações de uso e ocupação do solo.

Quando se trabalha com o produto de sensores remotos, há três conceitos básicos

que determinam a variedade de estudo que é possível realizar – no caso de sensores
imageadores, são eles: i) a resolução espacial – que é o menor elemento ou superfície
distinguível por um sensor (FLORENZANO, 2007), este elemento nos produtos de sensores
imageadores é representado por matrizes de elementos de imagem (picture element) ou pixels
(NOVO, 2010) ; ii) a resolução espectral – que é a medida da largura das faixas espectrais de
um sensor (NOVO, 2010), ou seja o número de bandas disponível para análise e; iii) a
resolução radiométrica – que é “a faixa de valores numéricos associados aos pixels, este valor
numérico representa a intensidade da radiância proveniente da área do terreno correspondente
ao pixel que é chamado de nível de cinza” (FIGUEREDO, 2005), em termos mais simples, é a
quantidade de tons de cinza – quanto maior essa quantidade mais fácil é a interpretação da
imagem.
 7

A resolução espacial é um conceito que influencia diretamente a escala de estudo

(Manual Técnico de Geociências, 2001), pois, quanto menor é a resolução espacial de uma
imagem menor é o nível de detalhe que os sensores conseguem enxergar. Isso significa dizer
que um estudo em uma área pequena do globo terrestre através de imagens de satélite só é
possível se a resolução da imagem permitir a identificação dos objetos da cena.
Segundo Lopes (2009, pág. 30), “O banco de dados do Google Earth Pro é
formado por uma mescla de imagens provenientes de sensores de diversas resoluções,
dispostas de maneira a formar uma imagem contínua de todo o planeta”. O Google Earth Pro
possui em seu programa um grande mosaico do globo terrestre que é atualizado
periodicamente através de dados fornecidos de distribuidoras como a Digital Globe e a
Geoeye. Através desta característica é possível capturar cenas recentes e mais antigas de uma
área com a mesma resolução espacial, o que possibilita uma análise multitemporal.
Outras ferramentas importantes no tratamento dos dados gerados a partir da
classificação das imagens são os Sistemas de Informação Geográfica (SIG). Nestes sistemas,
são processados dados espaciais georrefenciados para a geração de mapas. O mapeamento
temático representa um dos produtos do SIG que permite a análise de distribuição espacial de
fenômenos e processos de uma determinada área de estudo. Como exemplo, tem-se o
mapeamento do uso e ocupação do solo em espaços urbanos que auxilia na compreensão da
dinâmica de transformação da paisagem.
Neste sentido, o presente estudo tem por objetivo a utilização de produtos gerados
a partir da classificação de imagens de satélite para mapeamento do uso e ocupação do solo de
duas bacias hidrográficas localizadas na Ilha do Maranhão: bacia do rio Urucutiua e bacia do
rio Claro. Os resultados deste estudo servirão de apoio ao projeto “Avaliação e
monitoramento da qualidade das águas superficiais das bacias hidrográficas dos rios
Urucutiua e Claro, Ilha do Maranhão – MA” que visa analisar a situação ambiental atual.
 8

2. OBJETIVO

2.1 Objetivo Geral

Realizar mapeamento do uso e ocupação do solo das bacias do rio Urucutiua e

Claro por meio de análise multitemporal de imagens de satélite, utilizando técnicas de
sensoriamento remoto e geoprocessamento.

2.2 Objetivos específicos

(i) Adquirir imagens de satélite da área das bacias dos rios Urucutiua e Claro – Ilha do
Maranhão;
(ii) Tratar imagens de satélite dentro de um Sistema de Informação Geográfica (SIG);
(iii) Aplicar técnicas de classificação supervisionada nas imagens de satélite;
(iv) Mapear o uso e ocupação do solo das bacias hidrográficas em recorte temporal;
(v) Confeccionar mapas temáticos de uso e ocupação do solo;
(vi) Quantificar resultados obtidos com a metodologia.
 9

3. METODOLOGIA
Hoje, em nosso mundo tecnológico a observação da superfície terrestre tornou-se
mais eficiente por meio de satélites artificiais. Isso só é possível porque os componentes da
superfície da Terra interagem com a radiação eletromagnética (REM). Essa radiação é o
veículo de toda informação captada pelos sensores abordo dos satélites artificiais, sendo
considerada como ‘termômetros-mensageiros’ do Sensoriamento Remoto (FIGUEREDO,
2005). A Figura 01 representa o Espectro Eletromagnético – que é a distribuição da radiação
eletromagnética, por regiões, segundo o comprimento de onda e a frequência
(FLORENZANO, 2002).

Figura 01: Espectro Eletromagnético

Fonte: FLORENZANO, 2002.

De acordo com Moraes (2002), “As reações da interação da REM e os objetos da

superfície terrestre são determinadas pelas propriedades físico-químicas e biológicas de cada
superfície”. O resultado dessa interação, ou seja, a quantidade de energia refletida ou
absorvida de cada alvo possui um comportamento distinto que é computado pelos sensores
remotos através de valores numéricos. A Figura 02 mostra a curva da energia refletida de
alguns alvos encontrados na superfície terrestre e, devido à diferença de comportamento de
cada alvo é possível distinguir uma assinatura para os objetos imageados por sensores
remotos.
 10

Figura 02: Interação da radiação eletromagnética com algumas substancias da superfície terrestre.
Fonte: FLORENZANO, 2002.

Nas imagens obtidas dos sensores remotos os valores da radiação são

armazenados em pixels (Figura 03), que são a menor unidade de uma imagem. Cada objeto da
superfície terrestre é contabilizado em razão de suas características, ou seja, cada objeto
possui um comportamento espectral ou assinatura espectral, que é igual à reação da REM com
o objeto irradiado (FIGUEREDO, 2005).

Figura 03: Estrutura de uma imagem

Fonte: Elaborada pela autora
 11

O processo de atribuir significado a um pixel em função de suas propriedades

numéricas é chamado genericamente de ‘classificação’. As técnicas de classificação visam
atribuir a cada pixel um rótulo em função de suas propriedades espectrais (NOVO, 2010). A
classificação consiste em, a partir dos valores do contador digital de uma imagem em várias
bandas, originar uma nova imagem, mais simples, em que cada pixel está associado a uma
categoria ou classe (CENTENO, 2004 apud ROZA, 2012).
A classificação digital de imagens pode ser dividida em qualitativa e quantitativa.
Quando o intérprete usa um raciocínio lógico, dedutivo e indutivo para compreender e
explicar o comportamento de cada objeto na imagem, a classificação é qualitativa. Já a
classificação quantitativa emprega algoritmos estatísticos e programas computacionais de
reconhecimento de padrões espectrais (MOREIRA, 2011 apud ROZA, 2012). A classificação
quantitativa é chamada de supervisionada ou orientada, que é quando o analista contribui com
seu conhecimento na discriminação das classes da imagem. Através do método
supervisionado, emprega-se distintos classificadores, onde cada um utiliza algoritmos para
realizar a classificação.
Nesta pesquisa, optou-se pela utilização do classificador de máxima
verossimilhança (MaxVer) que é um tipo de classificação quantitativa e a mais usada no
processo de identificação e delineamento de classes. Trabalhadas com cenas capturadas pela
constelação de satélites a serviço do software Google Earth Pro.
O MaxVer usa os pixels de uma amostra associado a um vetor X que define os
atributos observados (ROZA et al, 2012). O método consiste em, a partir de uma amostra de
treinamento representada por pixels com reflectância aproximada, atribuir a um vetor o valor
da média dessa amostra que representará uma classe ou assinatura espectral de uma
determinada feição da imagem. A partir desse vetor com o valor das amostras treinadas, o
classificador irá atribuir a toda área da imagem a classe que for igual ou aproximada a
assinatura espectral das amostras. Portanto, na classificação de máxima verossimilhança cada
pixel é destinado à classe que tem a mais alta probabilidade, isto é, a máxima verossimilhança
(MENESES, 2012). Segundo Richard & Jia (2006) apud Meneses (2012), a classificação de
um ponto x é realizada de acordo com a equação:

𝑥 ∈ 𝜔𝑖 se 𝑝 (𝑥|𝜔𝑖 )𝑝(𝜔𝑖 ) > 𝑝(𝑥|𝜔𝑗 )𝑝 (𝜔𝑗 )

Onde, a probabilidade p(x|ωi) dá a possibilidade de x pertencer à classe ωi e p(ωi)

é a probabilidade de a classe ocorrer na imagem, que de fato é conhecida das áreas de
treinamento. Tantas quanto forem as classes de treinamento selecionadas, tantas serão p(x|ωi).
 12

Logo, todos os pixels serão classificados e a Figura 04 demonstra um esquema

simplificado das etapas da classificação.

Figura 04: Etapas simplificadas da aplicação do método de MaxVer

Fonte: Elaborada pela autora

O método é simples, mas se torna eficiente porque as classes de treinamento são

utilizadas para estimar a forma da distribuição dos pixels contidos em cada classe no espaço.
E com o padrão de comportamento espectral dos pixels identificados, no final da classificação
se tem uma imagem mais simples, portanto de melhor interpretação para usos diversos.
 13

4. PROCEDIMENTOS METODOLÓGICOS
O presente estudo perpassou por algumas etapas representadas na Figura 05, onde
foi fundamental uma organização sequencial para realização do estudo proposto. As etapas a
seguir demonstram um resumo do processo que envolveu a coleta de dados geoespaciais
brutos e, as fases para transformação desses dados em informação qualitativa e quantitativa
das características das citadas bacias, demonstrando assim um quadro atual que possa servir
de base para gestão dos espaços urbanos dentro de bacias hidrográficas.

1ª etapa
Revisão bibliográfica
PRÉ-PROCESSAMENTO

Aquisição das imagens

2ª etapa
Georreferenciamento e
recorte da área de estudo

Realce das imagens

3ª etapa
PDI

Aplicação da Metodologia
(Classificação Supervisionada)

Correção dos erros gerados no

GEOPROCESSAMENTO

processamento
TÉCNICAS DE

4ª etapa

Cálculo da área dos polígonos

Elaboração de mapas
temáticos
PÓS-PDI

5ª etapa

Análise dos resultados

Figura 05: Fluxograma das etapas da pesquisa

Fonte: Adaptado de Lopes, 2009.
 14

4.1. 1a Etapa: Revisão Bibliográfica

Nesta etapa desenvolveu-se o levantamento de referências bibliográficas e
cartográficas em livros e periódicos online, o qual norteou os procedimentos realizados bem
como a interpretação dos resultados obtidos. Esta fase foi de suma importância para repassar
os conceitos envolvidos na pesquisa e também auxiliou na tomada de decisão quanto a
metodologia que melhor se aplica à situação estudada.
4.2. 2a Etapa: Pré-processamento
4.2.1. Aquisição de imagens
As etapas pré-processamento consistiram na aquisição de imagens das áreas de
estudo em datas distintas. Para isso foi utilizado o software Google Earth Pro onde foram
capturadas cenas da bacia do rio Urucutiua nas datas 26 de junho de 2007 e 20 de dezembro
de 2014, e cenas da bacia do rio Claro nas datas 16 de novembro de 2004 e 10 de setembro de
2011. Ambas as imagens têm intervalo de 7 anos e possuem resolução espacial de 1 metro,
correspondente ao nível de zoom 17 do Google Earth Pro. Outro aspecto importante é que as
imagens de alta resolução do software são provenientes dos sensores dos satélites Quickbird,
Wordview 1 e 2 e Aerial Imagery, de acordo com User Guide Google Earth, 2013. Além
disso, as imagens foram trabalhadas da forma em que se apresentam no software Google
Earth – em composição colorida, com as bandas 1, 2 e 3 nos canais Red, Green, Blue (RGB)
respectivamente.
4.2.2. Georreferenciamento e recorte da área de estudo
Durante a coleta das imagens foi utilizado um arquivo vetorial em formato (kmz.)
para auxiliar no georreferenciamento, pois, “com a função ‘Salvar imagem’ do Google Earth
Pro é possível obter as imagens apenas no formato jpeg” (TORLAY et al, 2010). Para
trabalhá-la dentro de um SIG, a imagem precisa conter referência espacial. Após a coleta das
imagens, utilizou-se a ferramenta “Georeferencing” do software ArcGis 10.2 para
georreferenciamento da imagem. O recorte da área das bacias foi realizado com base em
arquivo vetorial em formato (.shp) criado a partir de carta topográfica DSG em escala
1:10.000 obtidas do Zoneamento Ecológico Econômico do Maranhão (ZEE-MA).
4.2.3. Realce da imagem
Existem várias formas de melhorar a visualização da cena e aumentar a
quantidade de informação que se pode extrair de uma imagem, como correções, realces e
filtros (Manual Técnico de Geociências, 2001). Utilizou-se a técnica de realce do contraste –
que altera os níveis de cinza – e manipulação do histograma de cores (MENEZES et al, 2012),
 15

com o objetivo de aumentar a discriminação visual dos alvos pré-definidos (BRITO et al,
2013; FLORENZANO, 2008).
4.3. 3a Etapa: Processamento Digital da Imagem (PDI)
Nesta etapa foi aplicada a classificação supervisionada com o algoritmo de
MaxVer. Com a utilização da ferramenta “Image Classification” contida no ArcGis 10.2 no
modo ArcMap, foram escolhidas 7 amostras de classes distintas ilustradas na Tabela 1. “Esse
conjunto de dados é fornecido ao sistema para que o classificador tenha condições de definir
um diagrama de dispersão em torno da média dos pixels” (FRANÇA et al, 2009).
Tabela 1: Amostras de classes das bacias hidrográficas estudadas
Objeto Descrição Classe

Vegetação densa do tipo

arbóreo presente nas
Vegetação 1 proximidades do leito do
Vegetação
rio

Vegetação rasteira do tipo

arbustiva presente em
Vegetação 2 terrenos que foram
Vegetação
desmatados

Prédios com topo em

Construção 1 Área urbana
concreto

Casas com topo em

Construção 2 Área urbana
telha de cerâmica

Terreno sem
Solo 1 Solo exposto
vegetação

Solo 2 Terreno arenoso Solo exposto

Vias com
Pavimentação Pavimentação
pavimentação

Fonte: Adaptado de Florenzano, 2008.

 16

Após a coleta de uma amostra de cada classe, esse arquivo é salvo em formato
vetorial (.gsg) através da ferramenta “create a signature file” do Arcgis (arquivo de
assinatura). É esse arquivo que será usado pelo algoritmo de MaxVer. O resultado da
classificação é um arquivo em formato matricial (raster) mais simples onde todos os pixels
estão atribuídos a uma classe como mostra Figura 06.

Figura 06: Comparação entre a imagem original (A) e a imagem classificada (B)
Fonte: Elaborada pela autora.
A classificação gera alguns erros em decorrência da aproximação espectral de
alguns alvos, como a exemplo dos prédios em topo de concreto e o terreno arenoso. Diante
desta semelhança o algoritmo pode aleatoriamente classificar o pixel erradamente. Porém,
esses erros podem ser minimizados utilizando técnicas de geoprocessamento.
4.4. 4a Etapa: Técnicas de Geoprocessamento
4.4.1. Correção dos erros gerados no processamento
Através da ferramenta “Conversion Tools” presente na barra de ferramentas
“ArcToolBox” do ArcGIS, é possível converter um raster para arquivo vetorial (.shp). Com
este procedimento foi possível reverter alguns erros gerados na classificação, pois, através da
tabela de atributos deste vetor, vários procedimentos são permitidos inclusive a
reclassificação de polígonos. Esta etapa foi importante para aumentar a acurácia dos
resultados obtidos.
 17

4.4.2. Cálculo da área dos Polígonos

Para o cálculo da área dos polígonos foi utilizada a ferramenta “Calculate
Geometry” que é uma das opções de edição da tabela de atributos dos arquivos nativos do
software ArcGis. O cálculo da área nos permite conhecer o tamanho ocupado por cada classe
encontrada, bem como a estimativa destas classes em valores percentuais.
4.4.3. Elaboração de Mapas Temáticos
Sendo o mapa um veículo de informação e os mapas temáticos o veículo de uma
informação específica, os mapas elaborados neste estudo apresentam os resultados de uso e
ocupação das citadas bacias. Para a elaboração dos mapas foi utilizada a aba “Symbology” do
Arcgis no modo de exibição Layout View, onde foi confeccionado o layout completo de
acordo com todas as convenções cartográficas.
4.5. 5a Etapa: Pós-processamento
A partir dos produtos gerados da classificação e da elaboração dos documentos
cartográficos, iniciou-se interpretação dos dados encontrados viabilizados pela análise
evolutiva entre os anos comparados. Com o resultado da aplicação da metodologia e razoáveis
correções, foi possível extrair qualitativamente as zonas de ocorrência de cada classe;
quantitativamente a área em metros quadrados da distribuição das classes dentro da área das
bacias; e a comparação da alteração das mesmas dentro do recorte temporal escolhido. E a
partir destas análises foi possível construir uma resposta para o comportamento do uso e
ocupação do solo encontrado.
 18

5. RESULTADOS
Como resultados desta pesquisa, foram gerados os mapas temáticos apresentados
a seguir, a quantificação da área total da mancha urbana para as duas bacias, e a comparação
das bacias hidrográficas entre os anos estudados. As bacias estudadas são próximas
geograficamente (Figura 07) – a 2,8 quilômetros de distância, e possuem área aproximada – a
bacia do rio Urucutiua com 2,66 km² e a bacia do rio Claro com 2,39 km². Porém, a dinâmica
de uso e ocupação do solo nas duas áreas se mostraram distintas.

Figura 07: Mapa de localização das bacias estudadas.

Fonte: Elaborada pela autora.
 19

As Figuras 08 e 09 ilustram o mapeamento do uso e ocupação do solo para a bacia

do rio Claro.

Figura 08: Mapa de uso e ocupação do solo da bacia do rio Claro referente ao ano 2004.
Fonte: Elaborada pela autora.
 20

Figura 09: Mapa de uso e ocupação do solo da bacia do rio Claro referente ao ano 2011.
Fonte: Elaborada pela autora.
 21

Os dois anos de comparação para bacia do rio Claro não se mostraram muito
distintos, o que indica que o processo de ocupação da área da bacia não é recente. Isso pode
ser confirmado pela configuração da área como um todo, onde nos dois períodos (2004 e
2011) verificou-se que os instrumentos urbanos se encontram bem discriminados –
aglomerado de construções comerciais e residenciais, rede viária bem definida, onde duas
grandes avenidas se cruzam no centro da bacia. Os dados quantificados de cada classe são
descritos na Tabela 2.

Tabela 2: Dados referentes à bacia do rio Claro.

2004 2011 Alteração

Classes*
(m2) % (m2) % (m2) %
Vegetação 766,940 32,09% 863,834 36,15% + 96,894 + 4,06

Área urbana 610,856 25,56% 674,570 28,23% + 63,714 + 2,67

Solo exposto 922,584 38,61% 695,179 29,09% − 227,405 − 9,52

Pavimentação 89,335 3,74% 156,131 6,53% + 66,796 + 2,79

Área Total 2.389,715 100 2.389,714 100 - -

*Classes: Vegetação: vegetação porte arbóreo e arbustivo; Área urbana: construções residenciais e
comerciais; Solo exposto: terrenos sem cobertura vegetal e vias secundárias sem pavimentação;
Pavimentação: vias com pavimentação.
Fonte: elaborada pela autora

Os valores descritos na coluna “alteração” da Tabela 2, demonstram que não

aconteceram mudanças significativas em 7 anos, porém, dos 36,15% que compõem a área
vegetada, parte é do tipo arbóreo, ou seja, remanescente da vegetação nativa correspondente à
Floresta Ombrófila Densa das Terras Baixas1 (MANUAL TÉCNICO DA VEGETAÇÃO
BRASILEIRA, 2012). A outra parte é do tipo arbustivo, representada por gramíneas e
arbustos de pequeno porte que ocorrem em áreas que foram desmatadas cuja vegetação
encontra-se em processo de recuperação, ou em canteiros de áreas residenciais e comerciais
através de espécies paisagísticas. Fora isso, 63,85% da área total da bacia já sofreu
intervenções antrópicas, caracterizando-a como densamente urbanizada.
Esta é uma realidade bastante comum em corpos hídricos de pequeno porte, por
não ser utilizado como recurso de uso econômico, não é estabelecido um limite de uso e
ocupação da bacia, o que tende a degradá-la completamente com o tempo. Exemplo do início
desse processo está ocorrendo com a outra bacia analisada, correspondente às figuras 10 e 11.
1 - É uma formação que em geral ocupa as planícies costeiras, capeadas por tabuleiros
pliopleistocênicos do Grupo Barreiras.
 22

Figura 10: Mapa de uso e ocupação do solo da bacia do rio Urucutiua referente ao ano 2007
Fonte: Elaborada pela autora.
 23

Figura 11: Mapa de uso e ocupação do solo da bacia do rio Urucutiua referente ao ano 2014.
Fonte: Elaborada pela autora.
 24

As figuras acima demonstram os dois anos de comparação para bacia do rio

Urucutiua. O mapeamento constatou que a bacia passou por um processo de desmatamento
recente, que é comprovado pela diminuição visível da área vegetada e consequente aumento
do solo exposto. Ao contrário da bacia do rio Claro, a bacia do rio Urucutiua mostra pequenas
manchas de habitações construídas e as ruas ainda se encontram com solo exposto – com
exceção da rodovia MA-203 que é pavimentada e foi recentemente duplicada. Embora os
instrumentos urbanos não sejam numerosos, o grande aumento de solo exposto e a quantidade
de lotes demarcados indicam que o processo de urbanização da bacia encontra-se ativo e
acelerado. Os dados quantificados de cada classe estão descritos na Tabela 3.

Tabela 3 Dados referentes à bacia do rio Urucutiua

2007 2014 Alteração

Classes* 2 2 2
(m ) % (m ) % (m ) %
Vegetação 1.906,174 71,6 906,805 34,07 -999,369 - 37,53
Área urbana 202,711 7,61 283,391 10,65 +80,68 + 3,04
Solo exposto 553,229 20,78 1.452,237 54,56 +899,008 + 33,78
Área Total 2.662,114 100 2.662,114 100 - -

*Classes: Vegetação: vegetação porte arbóreo e arbustivo; Área urbana: construções residenciais e
comerciais; Solo exposto: terrenos sem cobertura vegetal e vias secundárias sem pavimentação.
Fonte: elaborada pela autora.

Os valores descritos na coluna “alteração” da Tabela 3, demonstram as mudanças

ocorridas na bacia. Considerando-se o intervalo de tempo estudado – 7 anos – o processo de
ocupação do solo encontra-se acelerado, e a julgar pelo grande aumento de solo exposto
(33,78%) a tendência é que este corpo hídrico seja assoreado.
 25

6. CONCLUSÕES
A utilização de imagens do Google Earth é um ótimo instrumento para o
conhecimento da realidade urbana. As várias empresas que fornecem imagens para o software
em diversas resoluções permitem ao usuário realizar estudos de todos os tipos e em diversas
escalas. O avanço das tecnologias espaciais foi de grande importância para geração de dados
geográficos em curto prazo. Hoje a terra é monitorada 24 horas por dia o que permite ao
homem acompanhar os fatos, e assim traçar estratégias de gestão dos espaços urbanos.
O trabalho realizado com a análise das imagens das áreas das bacias hidrográficas
dos rios Urucutiua e Claro nos permite concluir que:
a) A utilização de imagem de alta resolução espacial (1 metro) mostrou-se adequada, pois,
uma resolução mais baixa não permitiria a discriminação dos objetos da cena;
b) O método supervisionado com a utilização do classificador de MaxVer por ser simples,
atendeu as expectativas de conhecimento da mancha urbana em ambas as bacias;
c) As imagens do software Google Earth, além de adequadas, foram importantes por já se
encontrarem com certo grau de processamento – as bandas já vêm unidas em composição
colorida, o que diminuiu o tempo gasto com o processamento;
d) O software utilizado no processamento – ArcGis 10.2, embora não seja um software
voltado para o Processamento Digital de Imagens, correspondeu às expectativas do estudo.
Em geral os resultados obtidos foram satisfatórios e representa grande importância
na compreensão dos resultados do projeto concomitante de “Avaliação e monitoramento da
qualidade das águas superficiais das bacias hidrográficas dos rios Urucutiua e Claro, Ilha do
Maranhão – MA”. Muitos dos resultados encontrados nas análises de água – como coliformes
fecais – é um reflexo dos processos que a urbanização acarreta em corpos hídricos. Durante a
primeira fase de execução do projeto, ocorreram visitas periódicas ao local, que serviram para
reafirmar que os processos erosivos causados pela exposição do solo constatados nas imagens,
realmente estão afetando de forma negativa as bacias, causando o assoreamento destas.
Com os fatos constatados tanto na fase de estudo in loco como na pesquisa através
de sensoriamento remoto, se tem um produto que retrata a realidade atual das citadas bacias.
 26

7. CRONOGRAMA DO PLANO DE TRABALHO

2014 2015

Atividades Ago Set Out Nov Dez Jan Fev Mar Abr Mai Jun Jul Ago Set

Levantamento
bibliográfico e
x x x
aquisição de
imagens

Delimitação
x x
de bacias

Classificação
x x x
das imagens

Elaboração e
confecção de x x x
mapas

Trabalhos de
x x x x
campo

Discussão dos
x x
resultados

Artigo
científico e
x x x x x x x x x
Relatório
Final
 27

REFERÊNCIAS

BRITO, D. R. B. et al. Estudo da alteração do uso e cobertura do solo no centro oeste

maranhense entre os anos de 2000 e 2011. In:. Anais XVI Simpósio Brasileiro de
Sensoriamento Remoto - SBSR, Foz do Iguaçu, PR, Brasil, 13 a 18 de abril de 2013, INPE.
Disponível em: <http://www.dsr.inpe.br/sbsr2013/files/p0496.pdf> Acessado em: 20/02/2015.

FIGUEREDO, D. Conceitos Básicos de Sensoriamento Remoto. In: Apostilas Web, 2005.

Disponível...em:<http://www.conab.gov.br/conabweb/download/SIGABRASIL/manuais/conc
eitos_sm.pdf> Acessado em: 21/05/2015.

FLORENZANO, T. G. Iniciação em Sensoriamento Remoto. – 2ª.ed. São Paulo: Oficina de

Textos, 2007. 101 p.

FLORENZANO, T. G. Sensoriamento Remoto para Geomorfologia. In:. – Geomorfologia:

conceitos e tecnologias atuais. FLORENZANO, T. G. (Org.) Cap.2. – São Paulo: Oficina de
Textos, 2008. 318 p.

FLORENZANO, T. G. Imagens Obtidas por Sensoriamento Remonto. In:. Imagens de

Satélite para Estudos Ambientais. FLORENZANO, T. G. Cap.1. São Paulo: Saraiva, 2002.
I.S.B.N. 858623321X. Disponível em: <
http://200.132.36.199/elodio/downloads/sr/SR_T02.pdf> Acessado em: 09/01/2014.

FRANÇA, M. M.; FERNANDES FILHO, E. I.; XAVIER, B. T. L. Análise do Uso da Terra

no Município de Viçosa-Mg Mediado por Classificações Supervisionadas com Redes
Neurais Artificiais e Maxver. In:. RBGF - Revista Brasileira de Geografia Física Recife-PE,
Vol.2, n.03, set-dez, 2009, 92-101. Disponível em:
<http://www.revista.ufpe.br/rbgfe/index.php/revista/article/view/54/59> Acessado em:
20/05/2015.

LOPES, E. E. Proposta Metodológica para Validação de Imagens de Alta Resolução do

Google Earth para a Produção de Mapas. Dissertação. (Mestrado em Engenharia Civil).
Florianópolis, Universidade Federal de Santa Catarina, 2009. Disponível em:
<https://repositorio.ufsc.br/bitstream/handle/123456789/92563/276060.pdf> Acessado em:
22/05/2015.
 28

MANUAIS TÉCNICOS EM GEOCIÊNCIAS. Introdução ao Processamento Digital de

Imagens. – Rio de Janeiro: IBGE, 2001. ISSN 0103-9598; n.9. 94p. Disponível em:
<http://biblioteca.ibge.gov.br/visualizacao/livros/liv780.pdf> Acessado em: 22/04/2015

MANUAIS TÉCNICOS EM GEOCIÊNCIAS. Manual Técnico da Vegetação Brasileira.

2ª.ed – Rio de Janeiro: IBGE, 2012. ISSN 0103-9598; n.1. 271p. Disponível em:
<ftp://geoftp.ibge.gov.br/documentos/recursos_naturais/manuais_tecnicos/manual_tecnico_ve
getacao_brasileira.pdf> Acessado em: 19/05/2014

MENESES, P. R.; ALMEIDA, T (Org.). Introdução ao Processamento de Imagens de

Sensoriamento Remoto. – Brasília, 2012. Disponível em:
<http://www.cnpq.br/documents/10157/56b578c4-0fd5-4b9f-b82a-e9693e4f69d8> Acessado
em: 09/01/2014.

MORAES, E. C. 2002. Fundamentos de Sensoriamento Remoto. Instituto Nacional de

Pesquisas Espaciais (INPE), São José dos Campos, 23p. Disponível em: <http://mtc-
m12.sid.inpe.br/col/sid.inpe.br/sergio/2005/06.14.12.18/doc/CAP1_ECMoraes.pdf> Acessado
em: 09/01/2014.

NOVO, E. M. L. M. Sensoriamento Remoto: Princípios e Aplicações. – 4ª.ed. São Paulo:

Blucher, 2010. 387 p.

RIBEIRO, R. J. C; BAPTISTA, G. M. M; BIAS, E. S. Comparação dos métodos de

classificação supervisionada de imagem Máxima Verossimilhança e Redes Neurais em
ambiente urbano. In:. Anais XIII Simpósio Brasileiro de Sensoriamento Remoto,
Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 5471-5478. Disponível em:
<http://marte.sid.inpe.br/col/dpi.inpe.br/sbsr@80/2006/10.03.11.59/doc/5471-5478.pdf>
Acessado em 25/02/2015.

ROZA, W. S. S.; RIBEIRO, S. R. A. Classificações Supervisionadas da Floresta

Ombrófila Densa do Estado do Paraná a Partir de Imagens MODIS e SRTM. In:. Anais
IV Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação Recife - PE,
06-09 de Maio de 2012. Disponível em:
<https://www.ufpe.br/cgtg/SIMGEOIV/CD/artigos/SReFOTO/105_4.pdf> Acesso em:
25/02/2015.
 29

TORLAY, R.; OSHIRO, O. T. Obtenção de Imagem do Google Earth para Classificação

de Uso e Ocupação do Solo. In:. Congresso de Interinstitucional de Iniciação Científica, 4.,
2010. Anais... Campinas: IAC, 2010. Disponível em:
<http://ainfo.cnptia.embrapa.br/digital/bitstream/item/25096/1/RE10502.pdf> Acessado em:
15/06/2015.

USER GUIDE GOOGLE EARTH. DigitalGlobe, 2013. Disponível em:

<https://www.digitalglobe.com/sites/default/files/dgcs/DGCS_UserGuide_GoogleEarth.pdf>
Acessado em: 11/04/2015.