APLICAO DE DADOS DE DETECO REMOTA EM ECOLOGIA Paulo Cardoso & Manuela Correia

Centro de Ecologia Aplicada, Universidade de vora, Lgo. dos Colegiais, 2- 7002-544 vora, Portugal. Telefone: (351) 266 745197 Fax: (351) 266 744969 e-mail: paulocardoso@mail.com

1-DETECO REMOTA - DEFINIES E CONCEITOS BSICOS A deteco remota o processo de aquisio de informao sobre a natureza ou estado de um objecto usando um sensor que no est em contacto fsico directo com este. As tcnicas de deteco remota tm, basicamente, duas aplicaes distintas em estudos de ecologia: aplicaes directas e indirectas (Kasischke et al., 1997). As aplicaes directas destinam-se geralmente a obter uma interpretao das caractersticas do terreno (Wu et al., 1997; Holmgren et al., 1997), examinar a relao entre parmetros qumicos, fsicos e biticos (Everitt et al., 1997) e extrapolar as relaes conhecidas num determinado contexto geogrfico para reas mais abrangentes ou perodos de tempo mais dilatados (Kenneth, et al., 1997). As aplicaes indirectas prendem-se com a utilizao de dados de deteco remota para estudar processos especficos (Cahoon et al., 1994; Kasischke et al. 1995b; French et al., 1996) que, globalmente, afectam outros processos ecolgicos (Bonan & Van Cleve, 1992; Smith et al., 1992; Kasischke et al., 1995a; Kasischke, 1996). A classificao de imagens de satlite uma das aplicaes directas mais frequentemente utilizadas em ecologia, nomeadamente pelo facto dos algoritmos de classificao de imagens de satlite permitirem sintetizar a variabilidade e complexidade inerentes a uma paisagem num nmero limitado de classes definidas pelo investigador. Dos muitos algoritmos de classificao disponveis, os classificadores de mxima verosimilhana so os mais utilizados em tcnicas de classificao assistida, uma vez que apresentam uma base terica bastante desenvolvida (Bolstad, 1992). Estes algoritmos baseiam-se na estatstica paramtrica utilizando, por isso, as mdias, varincias e covarincias de todas as bandas na criao das assinaturas espectrais (Bustamante & Weykam, 1999). Dados os constrangimentos habituais com a restrio ou optimizao de recursos humanos ou logsticos, poder sumariar a informao obtida por tcnicas de deteco remota revela-se uma vantagem inestimvel em estudos de ecologia. Nos projectos desenvolvidos no Laboratrio de Cartografia Biolgica (LCB) do Centro de Ecologia Aplicada da Universidade de vora, para alm da utilizao directa das imagens de satlite classificadas tm-se ainda desenvolvido metodologias que permitem extrair variveis explicativas da caracterizao obtida a partir das referidas classificaes. Nesta apresentao, sero utilizados como exemplos casos desenvolvidos nos projectos mencionados.

2-APLICAES DA DETECO REMOTA EM ECOLOGIA 2.1 - Estratificao da amostragem A utilizao mais frequente, e por isso a que tem sido mais explorada no LCB, consiste na determinao das classes do uso do solo. Para alm de constituir uma forma de descrever ou simplificar o mosaico da paisagem, esta aplicao permite ainda uma estratificao de amostragens subsequentes relativas, neste caso quer fauna quer flora. Estudo de caso 1- Diversidade em Pousios. O Projecto Diversidade em Pousios teve em considerao, desde o incio, a explorao de informao de deteco remota, tanto na definio da rea de estudo como na quantificao da estrutura da paisagem no espao e no tempo. Nesta comunicao far-se- referncia classificao efectuada, na qual se distinguiram, entre outras classes, trs tipos de paisagens da regio de Castro Verde: uma dominada por campos de cultura cerealfera, outra constituda predominantemente por pousios e, finalmente, uma paisagem dominada por matos de estevas (Cistus spp.). Esta classificao permitiu, posteriormente, definir locais para a realizao de uma amostragem estratificada (fig. 1.)

a a Figura 1. a) Classificao supervisada (Maxlike) da rea de estudo - seis classes de uso do solo; b) ndice de vegetao SAVI: b3 e b7 s.f.: 1.

Estudo de caso 2 - Monitorizao da avifauna na barragem do Alqueva. Neste caso, o principal objectivo da classificao do uso do solo na rea de estudo foi o de permitir, s equipas responsveis pelo trabalho de campo, a localizao de determinadas classes de uso do solo que tornassem mais eficaz o delineamento da metodologia de campo. Cite-se, como exemplo, a seleco das estaes de escuta para aves nas unidades de paisagem Matos. Para a realizao deste estudo foi usado o software IDRISI for Windows no processamento das imagens. Utilizou-se inicialmente uma imagem que resultou da classificao assistida baseada no algoritmo Maxlike efectuada a partir de uma imagem composta pelas bandas 3, 4 e 5. Esta classificao permitiu identificar 8 classes de uso do solo na rea de estudo (fig. 2).

Figura 2. Classificao do uso do solo e localizao da rea de

Este caso particular comeou por implicar a edio de uma imagem constituda apenas pela classe Matos. Para isso, a imagem inicial foi reclassificada, atribuindo classe Matos o valor um e ao resto da imagem o valor zero (imagem M1 fig. 3).

Figura 3. Imagem constituda apenas pela classe Matos (M1).

Considerando que s teria interesse localizar as estaes de escuta em manchas com dimenso superior a 4 ha, calculou-se a rea de cada uma das manchas presentes na imagem. Cada mancha ficou ento identificada com o valor da respectiva rea. Foram, contudo, includos polgonos que ficavam no interior das manchas, mas que no correspondiam classe Matos (imagem A1). Para resolver este problema as imagens M1 e A1 foram multiplicadas e obteve-se uma nova imagem (A2), onde os polgonos da classes Matos esto identificados com o valor da respectiva rea e tudo o resto tem valor zero. Esta imagem foi reclassificada de modo a excluir todos os polgonos com dimenso inferior a 4 ha (imagem M2). Foi depois necessrio seleccionar 100 possveis localizaes para as estaes de escuta mas, para isso, era necessrio que a cada uma das manchas correspondesse um identificador nico. Editou-se ento outra imagem igual M2, mas onde cada mancha tem um identificador inteiro diferente (imagem N1). Ensaiaram-se, de seguida, duas metodologias alternativas: (1) Sobre a imagem N1 foram distribudos 400 pontos aleatrios e o ficheiro vectorial obtido foi convertido para formato raster sobre uma imagem inicial vazia (imagem P1). Nesta imagem (P1) foi medida a distncia a partir de cada ponto entre cada pixel e o pixel que lhe fica mais prximo, produzindo uma imagem de distncias aos pontos aleatrios (P2). Em seguida, a partir da imagem P2 e com base na imagem N1, extraram-se as mdias das distncias dos pontos aleatrios aos Matos, calculando a mdia de todos os pixeis em P2 para cada identificador de N1. Obteve-se assim um ficheiro de valores com o identificador de cada mancha de Matos e a respectiva distncia mdia aos pontos aleatrios (V1). Este ficheiro foi importado para uma folha de clculo onde as manchas foram ordenadas de acordo com os valores da distncia mdia. Estabeleceu-se ento que seriam seleccionadas as manchas que ficavam a uma distncia mdia aos pontos no superior a 500 metros, o que correspondeu a 137 manchas de Matos. Editou-se depois um novo ficheiro de
4

valores (V2), onde se atribuiu s manchas seleccionadas o valor um e s restantes o valor zero. Com base neste ficheiro construi-se uma imagem final, destinada aos investigadores de campo, constituda apenas pelas reas a amostrar e que foi obtida atribuindo o ficheiro de valores V2 imagem N1 (fig.4a). (2) Utilizando a imagem N1, onde a cada uma das manchas de Matos delimitadas corresponde um nmero de identificao e importando para uma folha de clculo essa informao, foram gerados 100 nmeros aleatrios que corresponderam seleco das manchas a amostrar. Tal como no caso anterior, foi editado um ficheiro de valores com os identificadores das manchas de Matos, onde as manchas escolhidas tm valor um e o resto das manchas tm valor zero (V3). Atribuindo este ficheiro novamente imagem N1, foi produzida uma imagem que continha unicamente as reas de Matos destinadas a constituir pontos de escuta de aves (fig. 4b).
a b

Figura 4 a) Matos seleccionados utilizando a metodologia (1); b) Matos seleccionados utilizando a metodologia (2).

A escolha entre as duas imagens produzidas dependeu, em ltima instncia, da opinio dos investigadores de campo, os quais optaram pela imagem obtida atravs do primeiro mtodo, por ser esta a que possua manchas de Matos mais extensas, apresentando por isso maior interesse para a localizao de estaes de escuta de aves. Refira-se que este dilogo entre os investigadores de campo e os investigadores responsveis pelos SIG se tem revelado como fundamental no sucesso dos projectos levados a cabo no LCB.

2.2 - Extraco de variveis Uma das maiores potencialidades dos dados obtidos atravs de deteco remota reside na sua utilizao como variveis explicativas em estudos de ecologia. A grande vantagem na utilizao deste tipo de dados a possibilidade de se poder obter uma quantificao de uma qualquer varivel escala definida pelo investigador, sem que isso implique gastos vultuosos, quer em termos logsticos, quer em termos de tempo. Estudo de caso 3 Projecto Diversidade em Pousios Com base na classificao assistida duma imagem de satlite, sobre a qual foram definidas seis classes de uso do solo obtiveram-se, recorrendo s potencialidades de um SIG, diferentes descritores para cada parcela do terreno, parcelas estas correspondentes escala de abordagem definida a priori como sendo de uma quadrcula de 1x1 km. A partir da funo zonal no MGE, extraiu-se, para cada quadrcula 1x1, informao acerca da percentagem de cada classe de uso do solo, classe dominante , n. de classes, entre outras (fig. 5).
Figura 5. a) Classe dominante; b) Percentagem de pousios; c) n. de classes. Informao referente quadrcula 1x1 km.

Estudo de caso 4 - Arrbida Este trabalho teve como objectivo principal a obteno, a partir duma imagem de satlite, de variveis explicativas que pudessem ser utilizadas para modelar a distribuio da flora da Serra da Arrbida. A utilizao da imagem de satlite foi feita
6

a partir: i) das bandas originais mais pertinentes ii) da anlise de componentes principais (dados quantitativos relativos s coordenadas de cada pixel na primeira componente da PCA) iii) e da anlise de agrupamento (cluster). Para a matriz final de variveis explicativas obtiveram-se, respectivamente,: i) Bandas 3, 4, 5, e 6, ii) 1 componente da PCA, e sua mediana , iii) Moda cluster composit 457 (fig. 6).

b Figura 6. a) Banda 4; b) Cluster 457 (9 clusters)

2.3 - Operaes complexas As operaes complexas resultam quer do tratamento estatstico dos dados de deteco remota, quer do seu envolvimento num ambiente SIG (raster). O primeiro tipo de operaes referido procura ultrapassar as fracas potencialidades estatsticas dos SIG procedendo ao tratamento directo dos dados obtidos por deteco remota, reintroduzindo os respectivos resultados no SIG. Quanto ao segundo tipo de operaes complexas, sero abordados dois exemplos: funes de vizinhana e funes zonais (veja-se Robinson et al., 1992 e Haslett, 1994, por exemplo). Estudo de caso 5 Tratamento estatstico dos dados de deteco remota: Diversidade em Pousios. O objectivo a atingir foi, novamente, fundamentar a escolha dos locais de amostragem, para os diferentes grupos envolvidos no projecto, atravs da identificao de zonas homogneas em termos de estrutura paisagstica. O processo utilizado neste caso foi a Anlise de Agrupamentos, que corresponde a uma anlise multidimensional de partio de uma coleco de objectos ou descritores de um estudo (Legendre & Legendre, 1998). O algoritmo de partio por k-means, apropriado para a problemtica apresentada e para a matriz de dados obtida, determina a separao dos objectos em k-grupos ou "clusters" de modo que a semelhana entre objectos de um grupo seja maior do que entre objectos de grupos diferentes (Legendre & Legendre, op. cit.). Na estatstica de k-means o nmero de grupos determinado pelo investigador. Neste caso, os objectos considerados foram as quadrculas 1x1 Km, e os descritores a percentagem de coberto de cada classe, a diversidade de Shannon, a equitabilidade, a moda e a diversidade de classes.
7

Foram finalmente seleccionados quatro grupos que correspondiam, basicamente, a quatro cenrios distintos em termos de ocupao do solo: 1) predominantemente pousios, 2) predominantemente campos lavrados, 3) matos de estevais e 4) quadrculas onde existiam diferentes classes equitativamente representadas (fig. 7).

b Figura 7. Resultado da anlise de agrupamentos por kmdias 4 grupos; a) Distncia ao centride dos grupos da anlise de agrupamentos. b) Grfico das mdias das variveis nos grupos; Anlise referente quadrcula 1x1 km. a

Este processo vai alm do tipo de classes obtidas directamente da imagem de satlite (ver caso de estudo 1), conseguindo classificar e agrupar quadrculas de igual rea, condio fundamental quando se pretendem efectuar testes de hipteses. O ltimo passo consistiu em gerar pontos aleatrios para realizao das amostragens de campo. Estes pontos foram obtidos a partir de um script para ArcView, que gera um determinado nmero de pontos aleatrios sobre uma dada classe escolhida. (fig. 8).

Figura 8. Pontos de amostragem gerados aleatoriamente sobre cada uma das classes de uso do solo. As classes Esteval e Heterogneos foram agrupadas nesta fase.

Com esta metodologia foi possvel encontrar zonas com caractersticas semelhantes em termos de estrutura paisagstica e, com isso, fornecer uma base coerente para a definio dos locais de amostragem para os diferentes grupos envolvidos no projecto. Estudo de caso 6 - Funes zonais e de vizinhana: Arrbida. Neste caso procuraram-se as variveis estruturais que mais contribuem para a varincia de inventrios de vegetao. A Anlise de Agrupamentos permitiu gerar grupos discretos homogneos (varivel qualitativa) que, apesar do pequeno poder explicativo permitiram, em ambiente SIG, criar uma panplia de variveis estruturais que reflectem a arquitectura da paisagem. A obteno destes grupos permitiu extrair informao pontual (atravs duma funo de vizinhana) e quadrcula (atravs duma funo zonal) (fig. 9). Tal como nos casos anteriores, o prprio processo de extraco produz novas variveis paisagsticas, como sejam a dimenso fractal, o ndice de diversidade, etc.

Moda da 1 componente PCA por quadrcula 500x500m

Altimetria

Modelo de exposio geogrfica (N/S)

Figura 9. Exemplos de utilizao de funes zonais e de vizinhana.

O estabelecimento das relaes entre descritores (composio florstica e coordenadas principais), com as variveis ambientais (do processo em IDRISI e MGGA), efectuado atravs da anlise cannica (Ter Braak, 1990). Numa anlise multivariada, os descritores vo funcionar como variveis dependentes, e as variveis ambientais como variveis independentes. A RDA (Anlise de redundncia) a anlise cannica a utilizar para discriminar quais as variveis que mais contribuem para a varincia das espcies, e que percentagem desta varincia explicada por estas variveis ambientais.

3- CONCLUSES Os ecossistemas mediterrneos so das regies mais complexas da terra em termos de paisagem, histria, geografia, morfologia e histria natural (Blondel, 1999). A grande dificuldade de analisar estes ecossistemas resulta da forte influncia do homem nos mesmos. A imagem de satlite permite quantificar indirectamente a complexidade dos ecossistemas, tornando-se numa ferramenta essencial para a descodificao do mosaico mediterrneo. Os casos descritos nesta apresentao elucidam a importncia da deteco remota como filtro da realidade, permitindo a sua quantificao e, assim, integrando a componente paisagstica na modelao ecolgica. Dada a resoluo temporal da aquisio de informao de deteco remota, um grande benefcio proveniente da aplicao destes dados a disponibilizao de informao actual acerca da estrutura da paisagem. assim possvel acompanhar alteraes na utilizao dos recursos naturais. A natureza quantitativa dos dados de deteco remota (por oposio aos dados provenientes da foto-interpretao) possibilitam a sua explorao com tcnicas de estatstica multivariada. A simplificao da informao, retendo a maior variabilidade possvel, representa um compromisso entre a preservao da informao e a sua inteligibilidade. A incorporao dos outputs de diferentes tcnicas estatsticas num SIG expandem este conceito para a visualizao da informao e a sua posterior manipulao. O desenvolvimento de metodologias que explorem e integrem as potencialidades de tcnicas estatsticas multivariadas e os recursos dos SIG, aplicados deteco remota, constituem uma poderosa ferramenta para a interpretao, modelao e gesto da paisagem e recursos naturais. AGRADECIMENTOS Ao Paulo Pereira e ao Rubn Martinez por disponibilizarem os seus dados e pelo apoio na execuo do texto. Manuela Fonseca e Maria Ana pela reviso final do manuscrito. Rede DEMETER pela disponibilizao das as imagens de satlite. REFERNCIAS BIBLIOGRFICAS Blondel, J.; Aronson, J. (1999) Biology and Wildlife of the Mediterranean Region. Oxford University Press Inc., New York. Bolsted, P. V. (1992) Rule-based classification models: flexible integration of satellite imagery and thematic spatial data. Photogrammetric Engineering & Remote Sensing. 58(7):965-971. Bonan, G. B. & VanCleve, K. (1992) Soil temperature, nitrogen mineralization and carbon sourse-sink relationships in boreal forests. Can J. For. Res. 22:629639. Bustamante, J.; Weykam, S. (1999) Utilizacin de sistemas de informacin geogrfica y tcnicas de teledeteccin en ecologia. Curso de Postgrado del Consejo Superior de Investigaciones Cientficas. III curso. 8-19 de Marzo Estacin Biolgica de Doana, CSIC.

10

Cahoon, D. R.; Stocks, B. J. Jr.; Levine, J. S.; Cofer, W. R. & Peerson, J. M. (1994) Sattelite analysis of severe 1987 forest fires in northern China and southestern Siberia. J. Geophys. Res. 99:18,627-18,638. Everitt, J. H. (1997). Using remote sensing to detect and monitor a western pine beetle infestation in west texas. Southwestern Entomologist 22(3):285-291. French, N. H. F.; Kasischke, E. S, Bourgeau-Chavez, L. L. (1996) Monitoring variations in soil moisture on fire disturber sites in Alaska using ERS-1 SAR imagery. Int. J. Remote Sens. 17:3037-3053. Haslett. J. R. (1994) Community structure and the fractal dimensions of mountain habitats. J. Ther. Biol., 167:407-411. Holmgren, P.; Thuresson, T.; & Holm, S. (1997) Estimating forest characteristics in scanned aerial photographs wit respect to requirements for economic forest management planning. Scand. J. For. Res. 12:189-197. Kasischke, E. S. (1996) Fire, climate change and carbon cycling in Alaskan boreal forests, in Biomass burning and climate change (J. L. Levine, Ed.), MIT Press, Cambridge, MA. Kasischke, E. S.; Christensen & Bourgeau-Chavez, L. L. (1995a) Fire, global warming and the mass balance of carbon in boreal forests. Ecol. Appl. 5:437451. Kasischke, E. S.; French, N. H. F.; Bourgeau-Chavez, L. L. (1995b) Estimating release of carbon from 1989 and 1991 forest fires in Alaska. J. Geophys. Res. 100:2941-2951. Kasischke, E. S.; Melack, J.M.; Dobson, M.C. (1997) The use of imaging readers for ecological applications a review. Rem. Sens. Environ. 59:141-156. Kenneth, D. L.; Reiners, W. A.; Merrill, E. H. & Gerow, K, G. (1997) A digital cover map of Wyoming, USA: a tool for vegetation analysis. J. Vegetation Science 8:133-146. Legendre, P. & Legendre, L. (1998) Numerical Ecology - Developments in environmental modelling 20. 2 ed. Elsevier science B.V. Amsterdam. Robinson, G. R.; Holt, R. D.; Gaines, M. S.; Hamburg, S. P.; Johnson, M. L.; Fitch, H. S. & Martinko, E. A. (1992) Diverse and contrasting effects of habitat fragmentation. Science, 257:524-526. Smith, T. M.; Leemans, R. & Shugart, H. H. (1992) Sensitivity of terrestrial carbon storage to CO2-induced climate change: comparison of four scenarios based upon general circulation models. Clim. Change 21:367-384. Ter Braak, C.J.F. (1990) CANOCO, a FORTRAN program for canonical community ordination by (partial) (detrended) (canonical) correspondence analysis, principal components analysis and redundancy analysis(version 2.1). Scientia Publishing Budapest. Wu, J.; Nellis, Ranson, M. D.; Price, K. P. & Egbert, S. L. (199?) Evaluating soil CRP land using remote sensing and GIS in Finney County, Kansas. J. Soil and Water Cons. 52(5):352-358.

11