INPE-9774-TDI/858

ESTIMATIVA DE REA AGRCOLA A PARTIR DE SENSORIAMENTO REMOTO E BANCO DE DADOS DE PIXELS AMOSTRAIS

Salete Grtler

Dissertao de Mestrado em Sensoriamento Remoto, orientada pelo Dr. Jos Carlos Neves Epiphanio, aprovada em 28 de maro de 2003.

INPE So Jos dos Campos 2003

528.711.7 GRTLER, S. Estimativa de rea agrcola a partir de sensoriamento remoto e banco de dados de pixels amostrais / S. Grtler. So Jos dos Campos: INPE, 2003. 179p. (INPE-9774-TDI/858). 1.Imagens de satlite. 2.Sistemas de Informao Geogrfica (SIG). 3.Identificao de culturas. 4.Landsat-5. 5.Agricultura. 6.Cana-de-acar. 7.Soja. 8.Milho. 9.Amostragem. I.Ttulo.

A mente que se abre para uma nova idia jamais volta ao seu tamanho natural.

ALBERT EINSTEIN

A meus pais, DANILO CESAR GRTLER e DILZA APARECIDA DESTRO GRTLER.

AGRADECIMENTOS

Agradeo Fundao de Aperfeioamento de Pessoal de Nvel Superior - CAPES, pelo auxlio financeiro. Ao Instituto Nacional de Pesquisas Espaciais INPE, pela oportunidade de estudos e utilizao de suas instalaes. Aos professores do INPE, pelo conhecimento compartilhado. Ao Dr. Jos Carlos Neves Epiphanio, pela orientao e apoio na realizao deste trabalho e principalmente pela amizade. Ao amigo Alfredo Jos Barreto Luiz, pelas discusses e valiosos ensinamentos. Aos colegas Jos Marinaldo Gleriani e Rogrio de Campos, pelas conversas e risadas. Aos colegas de curso, pela amizade e companheirismo, em especial agradeo Melissa Carvalho, Renata Cilene Dainese e Marcos Adami. Ao Murilo Gonalves de Aguiar, que h alguns anos me acompanha, sempre me apoiando e torcendo por mim. Agradeo a meus pais e irmos pelos momentos de alegria e unio.

RESUMO As metodologias para levantamentos de safras agrcolas em escala municipal, estadual ou nacional esto muito aqum do ideal em termos de custo operacional e qualidade das estimativas. Este estudo teve como objetivo principal criar uma metodologia baseada em banco de dados geogrficos relacional, para facilitar a identificao de pontos amostrais em imagens orbitais e permitir gerar estimativas de rea agrcola para as principais culturas presentes na rea de estudo (cana-de-acar, soja e milho), por municpio, nas safras de 2000, 2001 e 2002. Foram utilizadas 22 imagens dos sensores TM/Landsat-5 e ETM+/Landsat-7 para determinar o uso agrcola e no-agrcola, nos trezentos pontos que constituem o painel amostral dos municpios paulistas de Guar, Ipu e So Joaquim da Barra, para as trs safras. O emprego de imagens de satlite para a identificao da cultura por anlise visual, associado a um painel de pontos amostrais, permitiu o levantamento do uso agrcola, reduzindo o trabalho de campo e fornecendo estimativas objetivas de rea agrcola ocupada por grandes culturas, como a cana-deacar e a soja. Alm disso, as informaes geradas, armazenadas em um banco de dados geogrfico, permitiu o estudo multitemporal da rea de estudo, o que facilitou o aproveitamento das informaes associadas ao dinamismo da paisagem agrcola. As estimativas originadas pelo mtodo de expanso direta dos dados amostrais apresentaram baixo coeficiente de variao para as estimativas de cana-de-acar e soja, inferior a 15%. Para as culturas de baixa ocorrncia como milho, algodo, feijo, sorgo e milheto, as estimativas apresentaram alto coeficiente de variao. As estimativas calculadas neste trabalho foram comparadas s estimativas de safra do IBGE e do IEA/CATI. No caso da cana-de-acar, o resduo em relao aos dados oficiais foi pequeno para as safras de 2000 e 2002, em torno de 1% e de 3%; enquanto que para 2001, atingiu 18%. Para a soja, o erro relativo ficou prximo de 11%, 11% e 13% para 2000, 2001 e 2002, respectivamente. De maneira geral, a metodologia apresentada neste trabalho foi til para estimar reas agrcolas, e poderia ser considerada como uma ferramenta para gerar as estimativas oficiais.

ESTIMATES OF CROP AREA USING REMOTE SENSING AND DATABASE OF SAMPLING PIXELS

ABSTRACT The methodology for national, state and municipal agriculture crop surveys must be efficient in terms of budget and estimate quality. This study has as main objective to create a methodology based on relational geographic database, in order to improve the identification of sampling points using orbital images to generate crop area estimates for the main cultures in the study area for three years. We used 22 images from TM/Landsat-5 and ETM+/Landsat-7 and field work as the main data source. A sampling frame of 300 points were randomly selected for municipalities of Guar, Ipu and So Joaquim da Barra and were monitored for three consecutive years. Multitemporal satellite images, used to identify the crops by visual analysis associated to a sampling frame, improved the crop surveys, reduced the fieldwork and provided objective estimates of the main cultures such as sugarcane and soybean. Furthermore, the estimate data recorded into the relational geographic database allowed the multitemporal study and the analysis of the dynamic of the agriculture landscape. The estimates generated by the direct expansion method of the sampling data seemed to provide good quality to the estimates when measured by coefficient of variation, mainly for crops with large areas, such as sugarcane and soybean. The crops of low occurrence, such as corn, cotton, bean and sorghum, presented high coefficient of variation for the estimates. The estimates calculated in these study were compared to the official estimates. For sugarcane the relative errors in relation to the official data were small for 2000 and 2002 - around 1% and 3%, while for 2001 it was 18%. For soybean, the relative errors were around 11%, 11% and 13% for 2000, 2001 and 2002, respectively. In general, the methodology applied to this study region proved to be useful for crop areas estimates, and could be considered as a tool for improving official estimates.

SUMRIO Pg. LISTA DE FIGURAS LISTA DE TABELAS LISTA DE SIGLAS E ABREVIATURAS CAPTULO 1- INTRODUO ...............................................................................23 CAPTULO 2 - FUNDAMENTAO TERICA ..................................................27 2.1 2.2 2.3 2.4 2.5 2.6 2.6.1 2.6.2 2.6.3 2.7 2.8 2.9 Estatsticas Agrcolas.......................................................................................27 Levantamentos Agrcolas.................................................................................27 Estimadores .....................................................................................................31 Levantamento de reas Agrcolas Utilizando Sensoriamento Remoto .............32 Programas Nacionais de Levantamento Agrcola .............................................36 Pr-processamento das Imagens.......................................................................40 Registro ...........................................................................................................41 Correo Atmosfrica ......................................................................................41 Uniformizao de Imagens ..............................................................................48 Sistema de Informao Geogrfica e Banco de Dados Geogrficos..................50 Banco de Dados Multitemporal para Discriminao do Uso Agrcola ..............55 Metadados .......................................................................................................57

CAPTULO 3 - REA DE ESTUDO .......................................................................59 3.1 3.2 3.3 3.4 3.4.1 3.4.2 3.4.3 3.4.4 Localizao, rea e Populao ........................................................................59 Caracterizao Fsico-climtica da rea de Estudo ..........................................60 Uso Atual do Solo............................................................................................62 Condies de Plantio para as Principais Culturas .............................................69 Cana-de-acar................................................................................................71 Soja .................................................................................................................73 Milho e Milho Safrinha....................................................................................73 Sorgo e Milheto ...............................................................................................74

CAPTULO 4 - MATERIAL E MTODOS............................................................75 4.1 4.1.1 4.1.2 4.1.3 4.2 4.2.1 Material ...........................................................................................................75 Dados de Sensoriamento Remoto.....................................................................75 Software ..........................................................................................................76 Equipamento....................................................................................................76 Metodologia ....................................................................................................76 Pr-processamento Digital das Imagens de Satlite ..........................................79

4.2.2 4.2.3 4.2.4 4.2.5 4.2.6 4.2.7 4.2.8 4.2.9 4.2.10 4.2.11

Painel Amostral ...............................................................................................86 Definio das Safras ........................................................................................92 Classificao das Imagens e Trabalho de Campo .............................................93 Obteno dos Dados de Campo........................................................................96 Estimativa de rea Agrcola para as Principais Culturas ..................................97 Auditoria .........................................................................................................98 Gerao de Consultas ao Banco de Dados........................................................99 Avaliao dos Resultados .............................................................................. 100 Metadados ..................................................................................................... 101 Levantamento dos Custos .............................................................................. 102

CAPTULO 5 - RESULTADOS E DISCUSSO................................................... 103 5.1 5.2 5.3 5.3.1 5.3.2 5.3.3 5.4 5.5 5.6 5.7 5.8 5.9 5.10 Painel Amostral ............................................................................................. 103 Seleo das Imagens de Satlite ..................................................................... 104 Pr-processamento Digital das Imagens de Satlite ........................................ 106 Registro ......................................................................................................... 106 Correo Atmosfrica .................................................................................... 106 Uniformizao das Imagens........................................................................... 110 Banco de Dados............................................................................................. 111 Classificao dos Pontos e Trabalho de Campo.............................................. 112 poca de Plantio ............................................................................................ 117 Estimativa de rea Plantada .......................................................................... 120 Consultas no Banco de Dados........................................................................ 145 Metadados ..................................................................................................... 149 Levantamento dos Custos .............................................................................. 151

CAPTULO 6 - CONCLUSES E RECOMENDAES .................................... 153 REFERNCIAS BIBLIOGRFICAS ................................................................... 157 APNDICE A.......................................................................................................... 165 APNDICE B .......................................................................................................... 167 APNDICE C.......................................................................................................... 169 APNDICE D.......................................................................................................... 177

LISTA DE FIGURAS Pg. 2.1 Componentes de um banco de dados de estimativas agrcolas. ............................54 3.1 Localizao da rea de estudo no Estado de So Paulo e dos municpios que fazem parte do EDR de Orlndia. Os municpios estudados neste trabalho esto destacados. ................................................................................................59 3.2 Normais de temperatura mdia mensal e precipitao mensal dos municpios de Guar e So Joaquim da Barra SP. ..............................................................61 3.3 Uso do solo, hidrografia e vias de acesso da rea de estudo.................................63 3.4 Imagem RGB 453 da rea de estudo de 05 de janeiro de 2002 (a) e de 17 de agosto de 2002 (b). .............................................................................................68 4.1 Fluxograma das atividades em modelagem OMT-G (Object Modeling Technique para aplicaes Geogrficas) .............................................................77 4.2 Freqncia dos NDs da banda 1 (a) e seu crescimento relativo percentual (b). ....82 4.3 Exemplo de alvo claro e de alvo escuro em cinco datas.......................................85 4.4 Variao no tamanho amostral para o diversos alvos agrcolas em trs municpios do EDR de Orlndia. ........................................................................87 4.5 Variao do CV em funo do tamanho amostral (n) para diferentes probabilidades de ocorrncia...............................................................................89 4.6 Ilustrao do procedimento de interpretao visual dos pontos e edio na tabela do banco de dados. ...................................................................................96 5.1 Ilustrao da carta contendo o painel amostral. ................................................. 103 5.2 Histogramas de freqncia da imagem do dia 05/01/2002 antes da correo atmosfrica, bandas 3(a), 4(b) e 5(c), e depois da correo por SPE, bandas 3(d), 4(e) e 5(f). ................................................................................................ 108 5.3 Trecho da imagem do dia 05/01/2002 antes da correo atmosfrica, bandas 3(a), 4(c) e 5(e), e depois da correo por SPE, bandas 3(b), 4(d) e 5(f); e em composio colorida RGB 453 sem correo (g) e corrigida (h)........................ 109

5.4 Quadro da resposta espectral das principais culturas nas bandas 3, 4 e 5 e em composio colorida, em escala 1:25.000. Os valores em parnteses correspondem aos valores digitais mdios......................................................... 112 5.5 Fator de reflectncia mdio dos alvos agrcolas presentes na rea de estudo nas imagens ETM+ do dia 05/01/2002 (a) do dia 29/05/2002 (b). ..................... 114 5.6 Intensidade da presena das culturas na rea de estudo no ano. ......................... 118 5.7 Tela da planilha Excel, exemplificando o processo de determinao da safra para cada ponto................................................................................................. 121 5.8 rea de cultivo associado nos trs municpios (a), em Guar (b), Ipu (c) e So Joaquim da Barra (d).................................................................................. 129 5.9 Participao estimada das culturas nos trs municpios para as safras de 2000 (a), 2001 (b) e 2002 (c). .................................................................................... 139 5.10 Participao estimada das culturas nas safras de 2000, 2001 e 2002 em Guar (a), (d) e (g); em Ipu (b), (e) e (h) e em So Joaquim da Barra (c), (f) e (i). ..... 140 5.11 Visualizao de um agrupamento por municpio, para as estimativas de rea de cana-de-acar, soja e milho, na safra de 2000. ............................................ 145 5.12 Exemplo de consulta aos atributos de um objeto. .............................................. 146 5.13 Consulta aos pontos que apresentam a associao cana-de-acar/soja em 2002. ................................................................................................................ 147 5.14 Ilustrao da consulta aos pontos cujo uso foi alterado de pasto para cultivo, ou vice-versa, em 2001. .................................................................................... 147 5.15 Ilustrao do municpio que apresentou a rea de cana-de-acar entre 20.000 e 30.000 hectares em 2001. ................................................................... 148 5.16 Consulta ao municpio que, na safra de 2001, apresentou rea estimada de soja superior rea estimada de cana-de-acar. ...................................................... 149 5.17 Visualizao dos metadados com as informaes de identificao do banco de dados. ............................................................................................................... 150 5.18 Visualizao dos metadados que descrevem as imagens do banco de dados. ..... 150

LISTA DE TABELAS Pg. 2.1 Produtos investigados pelo LSPA. ..................................................................... 39 2.2 Situao atmosfrica para diferentes valores de pixel escuro e o modelo de espalhamento relativo, considerando a banda 1 do TM/Landsat 5. ..................... 42 2.3 Valores de espalhamento para o modelo de atmosfera muito limpa, para o sensor ETM+. .................................................................................................... 43 2.4 Radincia mnima (Lmin) e mxima (Lmax) dos satlites Landsat 5 e 7, em w.m-2.st.m). ..................................................................................................... 44 2.5 Valores de offset, ganho e ganho normalizado para as bandas do sensor ETM+, obtidas depois de 1 de julho de 2000, considerando alto ganho............. 45 2.6 Representaes dos modelos de dados do SPRING............................................ 52 2.7 Padro de metadados INFORMS-MTDD-1999.................................................. 58 3.1 rea e populao dos municpios da rea de estudo. .......................................... 60 3.2 Uso da terra no Escritrio de Desenvolvimento Regional de Orlndia................ 62 3.3 Total de rea cultivada por tipo de cultura na rea de estudo na safra de 1995/1996.......................................................................................................... 64 3.4 rea cultivada (hectares) entre 1995 e 1996, por municpio da rea de estudo.... 64 3.5 Tamanho mnimo, mximo e mdio (entre parnteses) das unidades de produo agropecuria, em hectares................................................................... 65 3.6 Quantidade produzida (em toneladas) para as principais culturas encontradas na rea de estudo, no Brasil e no Estado de So Paulo, em 2001. ....................... 66 3.7 Calendrio agrcola e rendimento mdio para as culturas temporrias e permanentes, para o Estado de So Paulo........................................................... 66 4.1 Imagens que constituem o banco de dados. ........................................................ 75 4.2 Grupos de imagens Landsat divididas de acordo com a poca e o sensor............ 81 4.3 Valores de pixel escuro e ngulo de elevao solar para as imagens referncia. . 83 4.4 Nmero de pontos, resoluo percentual e rea mnima para a rea de estudo. ... 90

4.5 Atributos dos pontos do painel amostral............................................................. 91 4.6 Data das imagens TM e ETM+ que compem as safras agrcolas anuais de 2000, 2001 e 2002. ............................................................................................ 93 4.7 Legenda explicativa utilizada no banco de dados para a classificao das imagens. ............................................................................................................ 94 4.8 Contedo das tabelas de metadados inseridas no banco de dados. .................... 101 5.1 Intervalo entre as datas de aquisio das imagens. ........................................... 104 5.2 Erro de registro das imagens. ........................................................................... 106 5.3 Parmetros das equaes de correo por SPE para as imagens-referncia....... 107 5.4 Equaes de regresso utilizadas para a uniformizao. ................................... 110 5.5 Valores de SQR para as imagens uniformizadas em relao imagem referncia......................................................................................................... 111 5.6 Cor e caractersticas dos principais alvos agrcolas encontrados na rea de estudo. ............................................................................................................. 116 5.7 Total de pontos do painel amostral em imagens de satlite e percentual (entre parnteses) com uso agrcola e no-agrcola..................................................... 117 5.8 pocas provveis para encontrar as culturas da regio. .................................... 119 5.9 Legenda das culturas simples e associadas encontradas na rea de estudo. ....... 122 5.10 Nmero de pontos amostrais em imagens e percentual, entre parnteses, com cada classe de uso, e de cana-de-acar no-colhida, na safra de 2000. ............ 123 5.11 Nmero de pontos amostrais em imagens e percentual, entre parnteses, com cada classe de uso, e de cana-de-acar no-colhida, na safra de 2001. ............ 124 5.12 Nmero de pontos amostrais em imagens e percentual, entre parnteses, com cada casse de uso, e de cana-de-acar no-colhida, na safra de 2002. ............. 125 5.13 Estimativa de rea agrcola (em hectares) para a safra de 2000 em Guar, Ipu e So Joaquim da Barra. .................................................................................. 126 5.14 Estimativa de rea agrcola (em hectares) para a safra de 2001 em Guar, Ipu e So Joaquim da Barra. .................................................................................. 127

5.15 Estimativa de rea agrcola (em hectares) para a safra de 2002 em Guar, Ipu e So Joaquim da Barra. .................................................................................. 128 5.16 rea plantada e colhida (em hectares) para as principais culturas encontradas na rea de estudo, em 2000 e 2001, estimada pelo IBGE.................................. 130 5.17 rea colhida e rea nova de cana (em hectares) para as principais culturas encontradas na rea de estudo, em 2000, 2001 e 2002, estimada pelo IEA/CATI........................................................................................................ 131 5.18 Nmero de pontos amostrais e percentual, entre parnteses, com cada cultura colhida e com cana-de-acar no colhida, na safra de 2000. ........................... 132 5.19 Estimativa de rea agrcola de Guar para a safra de 2000, por cultura............. 133 5.20 Estimativa de rea agrcola de Ipu para a safra de 2000, por cultura. .............. 133 5.21 Estimativa de rea agrcola de So Joaquim da Barra para a safra de 2000, por cultura. ............................................................................................................ 134 5.22 Estimativa de rea agrcola total, para os trs municpios, para a safra de 2000, por cultura. ...................................................................................................... 134 5.23 Nmero de pontos amostrais e percentual, entre parnteses, com cada cultura colhida e com cana-de-acar no colhida, na safra de 2001. ........................... 134 5.24 Estimativa de rea agrcola de Guar para a safra de 2001, por cultura............. 135 5.25 Estimativa de rea agrcola de Ipu para a safra de 2001, por cultura. .............. 135 5.26 Estimativa de rea agrcola de So Joaquim da Barra para a safra de 2001, por cultura. ............................................................................................................ 135 5.27 Estimativa de rea agrcola total, para os trs municpios, para a safra de 2001, por cultura. ...................................................................................................... 136 5.28 Nmero de pontos amostrais e percentual, entre parnteses, com cada cultura colhida e com cana-de-acar no colhida, na safra de 2002. ........................... 136 5.29 Estimativa de rea agrcola de Guar para a safra de 2002, por cultura............. 136 5.30 Estimativa de rea agrcola de Ipu para a safra de 2002, por cultura. .............. 137 5.31 Estimativa de rea agrcola de So Joaquim da Barra para a safra de 2002, por cultura. ............................................................................................................ 137

5.32 Estimativa de rea agrcola total, para os trs municpios, para a safra de 2002, por cultura. ...................................................................................................... 137 5.33 Diferena entre as estimativas calculadas pelo mtodo proposto e as estimativas do IEA/CATI (em hectares) para a safra de 2000........................... 141 5.34 Diferena entre as estimativas calculadas pelo mtodo proposto e as estimativas do IEA/CATI (em hectares) para a safra de 2001........................... 142 5.35 Diferena entre as estimativas calculadas pelo mtodo proposto e as estimativas do IEA/CATI (em hectares) para a safra de 2002........................... 142 5.36 Estimativas de rea de mata e de mata de galeria para 2000, 2001 e 2002. ....... 143 5.37 rea de mata e rea de pastagem em Guar, Ipu e So Joaquim da Barra. ...... 144

LISTA DE SIGLAS E ABREVIATURAS CATI CASS COMEA COREA EDR EMBRAPA ETM+ FAO GCEA IBGE IEA INFORMS Coordenadoria de Assistncia Tcnica Integral Computer Aided Stratification and Sampling Comisso Municipal de Estatsticas Agropecurias Comisso Regional de Estatsticas Agropecurias Escritrio de Desenvolvimento Regional Empresa Brasileira de Pesquisa Agropecuria Enhanced Thematic Mapper Plus Food and Agriculture Organization Grupo de Coordenao de Estatsticas Agropecurias Instituto Brasileiro de Geografia e Estatstica Instituto de Economia Agrcola Sistema de Informaes Geogrficas Urbanas do Estado da Bahia INMET INPE Lmin Lmax LSPA LUPA MARS OMT-G PREVS SPE SIG SQR TM UTM WRS Instituto Nacional de Meteorologia Instituto Nacional de Pesquisas Espaciais Radincia mnima Radincia mxima Levantamento Sistemtico de Produo Agrcola Levantamento das Unidades de Produo Agropecuria Monitoring Agriculture with Remote Sensing Object Modeling Technique para aplicaes Geogrficas Pesquisa Objetiva de Previso de Safras Subtrao do Pixel Escuro Sistema de Informao Geogrfica Soma do Quadrado dos Resduos Thematic Mapper Universal Transverse Mercator Worldwide Reference System

CAPTULO 1 INTRODUO A informao estatstica sobre a agropecuria tem se tornado extremamente importante para que empresas e pases atuem numa economia globalizada (Pino, 2001). Entre as variveis agrcolas esto as estimativas de produo, que so essenciais para orientar as polticas econmicas de um pas e devem ser, portanto, confiveis e rpidas de serem adquiridas. Os preos dos produtos agrcolas e os excedentes exportveis, por exemplo, so calculados com base nestes dados. No entanto, para obter estimativas de produo para uma determinada regio, alm da informao de produtividade de cada cultura, so necessrias informaes de extenso da rea plantada. As informaes sobre as reas agrcolas so teis para diversos setores, podendo ser destacados tanto a iniciativa privada como os rgos governamentais, que utilizam essas informaes para tomar decises de preo, importao, exportao, incentivos, negcios, etc. Alm disso, a Lei no. 8.510, de 29/12/93, do Estado de So Paulo, estabelece que, na apurao dos ndices de participao dos municpios no produto de arrecadao do Imposto sobre Operaes Relativas Circulao de Mercadorias e sobre Servios de Transporte Interestadual e sobre Comunicao (ICMS), 3% devem se basear na relao entre rea cultivvel de cada municpio, no ano anterior ao da apurao, e a rea cultivada total do Estado (Pino, 1999b). Essa uma das razes porque se deve procurar o desenvolvimento de mtodos mais objetivos e estatisticamente verificveis para a estimativa de safras. No Brasil, a previso da safra agrcola anual realizada pelo IBGE e baseada no Levantamento Sistemtico de Produo Agrcola (LSPA). Este levantamento baseia-se em informaes fornecidas por pessoas ligadas ao meio agrcola. considerado subjetivo e no permite a realizao de avaliaes estatsticas.

23

Luiz e Epiphanio (2001) citam como fatores que dificultam a obteno de informao agrcola atualizada, a existncia de algumas caractersticas inerentes s atividades agropecurias, como a ampla disperso espacial, o grande nmero de produtores, a variabilidade do tamanho das propriedades e a inexistncia ou fragilidade de associaes de produtores. As principais razes responsveis pela carncia de estatsticas agrcolas em muitos pases so, segundo a Food and Agriculture Organization (FAO), a falta de suporte poltico, o alto custo dos levantamentos agrcolas, a falta de experincia tcnica em levantamentos e a inexistncia de mtodos adequados (FAO, 1996). Estimativas de rea cultivada, obtidas a partir de procedimentos que utilizam os dados gerados por tcnicas de sensoriamento remoto, podem fornecer resultados rpidos e confiveis por causa da viso sinptica dos sensores e do seu recobrimento repetitivo. No entanto, atualmente, apenas as culturas que ocupam maior rea podem ser monitoradas atravs de sensoriamento remoto (Luiz e Epiphanio, 2001). Segundo Boissezon e Sharman (1993), as imagens de sensoriamento remoto podem ser utilizadas para obter estimativas objetivas, com custo e tempo reduzidos em relao aos mtodos tradicionais. Ressaltam que estudos multitemporais so de fundamental importncia devido caracterstica dinmica das culturas agrcolas. A utilizao de imagens de vrias pocas do ano garante melhores resultados do que mtodos que utilizam apenas uma data, pois, inevitavelmente, as culturas em alguma poca do ano estaro desenvolvidas na data de aquisio da imagem, facilitando a identificao (PaxLenney e Woodcock, 1997). No entanto, o que limita sua utilizao a ausncia de estudos de padres e procedimentos para transformar os dados de sensoriamento remoto em dados estatsticos de produo agropecuria (Pino, 2001). Informaes relativas a culturas agrcolas podem ser armazenadas e manipuladas por meio de Sistemas Gerenciadores de Banco de Dados. Alm de permitir atualizaes das informaes periodicamente, tais sistemas tambm permitem que essas informaes sejam consultadas. Assim, estimativas sempre atualizadas de rea agrcola, por cultura, por municpio, e em diferentes perodos do ano agrcola podem ser feitas.

24

A combinao de Sistemas de Informao Geogrfica (SIGs) com sistemas gerenciadores de banco de dados bastante til para aplicaes agrcolas, pois permite que se aliem dados espaciais, como imagens de satlite, cartas e mapas com dados tabulares relativos s culturas agrcolas. A insero e uso de imagens de diversas datas permite que seja feita uma anlise temporal com o objetivo de perceber e avaliar a dinmica do uso do solo em sistemas agrcolas. Assim, tendo em vista a escassez de metodologias eficientes para fazer a estimativa de rea agrcola por municpio em escala estadual e nacional, e a possibilidade de criar metodologias mais modernas que utilizem sensoriamento remoto e SIG, este estudo teve como objetivo principal criar uma metodologia baseada em banco de dados geogrficos relacional, que facilitasse a identificao de pontos amostrais em imagens orbitais e permitisse gerar estimativas de rea agrcola para as principais culturas presentes na rea de estudo (cana-de-acar, soja e milho), por municpio, nas safras de 2000, 2001 e 2002. Para isso, os objetivos especficos foram: Gerar um banco de dados computacional em um Sistema de Informaes Geogrficas, composto por painel amostral e imagens de satlite; Classificar os pontos do painel amostral em cada imagem por interpretao visual e trabalho de campo; Estimar as reas agrcolas para cana-de-acar, soja e milho para as safras dos anos 2000, 2001 e 2002; e Comparar essas estimativas com as estimativas oficiais.

25

26

CAPTULO 2 FUNDAMENTAO TERICA 2.1 Estatsticas Agrcolas

Estatstica agrcola pode ser entendida como o conjunto de estatsticas sobre variveis referentes ao setor agropecurio (Pino, 1999a). As principais variveis envolvidas em um levantamento agrcola so rea de cultivo (A), rendimento (R) e produo (P), cuja relao de dependncia mostrada na Equao (2.1). Estas variveis so obtidas a partir de levantamentos agrcolas, geralmente realizados por rgos de governo e institutos de pesquisa, em escala estadual ou nacional. P=A.R (2.1)

Segundo a FAO, os valores de cada uma das variveis agrcolas podem ser adquiridos por meio de dois mecanismos bsicos, que so os censos agropecurios e os levantamentos baseados em amostragens da populao agrcola (FAO, 1996). A qualidade dos dados estatsticos depende da magnitude dos erros cometidos para sua obteno. Desta forma, quanto menor o erro da informao estatstica, mais prxima ela do seu real valor e, portanto, maior a sua qualidade. Os erros que afetam as estatsticas agrcolas so causados pelo delineamento do esquema amostral, por falhas durante a coleta ou manuseio dos dados, ou pelo estimador utilizado (Pino, 1999a). 2.2 Levantamentos Agrcolas

Em geral, o objetivo do levantamento agrcola obter estimativas de muitas variveis de interesse para uma certa rea total pr-definida. A estimativa de cada varivel para o levantamento um nmero obtido atravs de um procedimento de inferncia baseado nos valores das variveis em todas as unidades ou numa amostra de unidades, que so as propriedades rurais (FAO, 1996).

27

A determinao das variveis a serem estudadas e o nvel de exatido requerido devem ser claramente estabelecidos no incio do planejamento do levantamento, pois isto tem uma relao direta com o delineamento amostral e, em particular, com os tipos de estimadores, com o tipo do questionrio e com os procedimentos de coleta de dados (FAO, 1996). Pino (2001) sugere quatro mtodos de levantamento de dados. O primeiro tipo, amplamente utilizado no Brasil para estimar safras agrcolas, consiste em perguntar aos especialistas a extenso da rea plantada e a produo num municpio ou Estado. Esta informao considerada subjetiva, o que compromete a sua preciso e no permite ser avaliada estatisticamente. O segundo tipo consiste em visitar locais de produo e perguntar aos responsveis, por exemplo, o quanto foi plantado. Este mtodo pode ser aplicado em toda a populao, por exemplo, em todas as propriedades num Estado; este procedimento caracteriza um levantamento censitrio; se for uma amostra da populao, fica caracterizado um levantamento amostral. O terceiro tipo consiste em visitar os locais de produo e realizar contagens ou medies de forma objetiva. Este levantamento tambm pode ser censitrio ou amostral. E o quarto tipo consiste em identificar as reas com as atividades agrcolas de interesse em imagens de satlite e calcular suas extenses automaticamente. Um censo um levantamento no qual o valor de cada varivel para a rea do levantamento obtida a partir dos valores das variveis em todas as unidades, que so geralmente as propriedades. O objetivo primrio dos censos agrcolas fornecer uma classificao detalhada da estrutura agrcola de um pas. O censo no um mecanismo prtico de fornecer dados agrcolas correntes (anual ou peridico) para uma grande populao, pois um procedimento caro e que consome muito tempo, tanto para a aquisio dos dados no campo como para o tratamento destes; em geral, os resultados so disponibilizados para o pblico somente depois de dois a cinco anos da coleta. Alm disso, sujeito a erros considerveis por causa da dificuldade de controlar a qualidade do trabalho (FAO, 1996). Outra desvantagem, segundo Tsiligirides (1998), que os dados de censo so organizados de forma tabular, gerando valores absolutos totais, no

28

espacializados. Em geral, os pases elaboram censos a cada cinco ou dez anos, e levantamentos parciais do setor agrcola no perodo entre-censos (Gallego, 1995). Um levantamento agrcola amostral aquele para o qual o procedimento de inferncia para estimar cada varivel do levantamento para a rea total baseado nos valores das variveis obtidas por uma amostragem das unidades, onde questionrios so completados para cada uma das amostras das unidades (FAO, 1996). A teoria de amostragem fornece ferramentas para fazer uma extrapolao objetiva para a totalidade da populao a partir da observao de apenas uma pequena parcela da populao. O tamanho da amostra em cada estrato, o tamanho do segmento alvo e o tamanho total da amostra podem ser estabelecidos com base em consideraes de coeficientes de variao das principais variveis, de erros no amostrados, e de custos e tempo disponvel para o levantamento (FAO, 1996). Os levantamentos podem ainda ser divididos em probabilsticos (objetivos) ou no probabilsticos (subjetivos). Nos levantamentos subjetivos, como os dados no so medidos, no possvel medir a preciso estatstica das estimativas, o que torna este tipo de levantamento til apenas em casos onde no so necessrios dados exatos ou quando no existem recursos financeiros. Porm, os levantamentos amostrais agrcolas deveriam usar mtodos amostrais probabilsticos, o que permitiria o clculo da preciso estatstica das estimativas com um significado matemtico preciso (FAO, 1996). Os levantamentos amostrais agrcolas probabilsticos podem ser classificados como: levantamentos amostrais por rea, por lista ou levantamentos amostrais mltiplos, onde so combinados os dois primeiros. Na escolha do modelo de levantamento agrcola mais adequado a ser adotado deve-se considerar as vantagens, desvantagens e requerimentos para cada tipo (FAO, 1996). Entre os levantamentos por rea, esto os baseados em painis amostrais, que fornecem uma representao de todas as reas do terreno com a probabilidade de seleo

29

conhecida (Cotter e Tomczak, 1994). Alguns levantamentos amostrais por rea dividem a rea total em estratos, de acordo com a proporo de rea cultivada, predominncia de certas culturas, prticas agrcolas especiais, tamanho mdio de campos cultivados, reas agro-urbanas ou outras caractersticas de uso do solo (FAO, 1996). A estratificao em um levantamento amostral pode reduzir a varincia amostral aumentando a preciso das estimativas mais importantes. O agrupamento de unidades similares dentro de estratos pode fazer com que o alvo apresente uma menor variao entre as unidades dentro de um estrato e uma alta variao entre estratos (FAO, 1996). Segundo Francisco e Pino (2000), o processo de estratificao tem sido utilizado habitualmente em levantamentos agrcolas para obter estatsticas tanto regionalizadas como para diferentes grupos de explorao (por exemplo, quanto ao seu tamanho). Tambm tem sido utilizada para diminuir o tamanho da amostra, pois produz um nvel satisfatrio de varincia amostral com uma amostra menor do que aquela que seria necessria caso no tivesse havido estratificao. Alm disso, a estratificao permite que todos os esforos de levantamento sejam aplicados nas pores do painel que contm rea agrcola ou pasto, que so os alvos de interesse, no levando em conta outros alvos como floresta, desertos, etc. (FAO, 1996). A amostragem por pontos amostrais em estratos consiste na seleo de pontos aleatrios num mapa ou imagem dentro de uma rea especificada. mais freqentemente feito fixando uma grade com coordenadas X e Y sobre a rea de interesse e selecionando o nmero desejado de pontos amostrais na grade usando uma tabela de nmero aleatrios. Os pontos so marcados no mapa ou imagem. A unidade amostral definida pela procura do conjunto mais prximo de bordas que circunda o ponto, formando um segmento que ter uma probabilidade diferente de seleo (proporcional ao tamanho) (FAO, 1996). Comparado ao painel amostral de rea por segmentos, o painel de amostras de pontos mais fcil de ser produzido porque no necessita de digitalizao dos segmentos

30

(Gallego, 1995). As vantagens dos mtodos por amostragem em relao ao de contagem integral (censos) so, segundo Cochran (1965), custo reduzido, maior rapidez, maior amplitude e maior exatido. Os resultados dos levantamentos por amostragem so sempre sujeitos a um certo grau de incerteza, porque somente uma parte da populao foi medida e por causa dos erros de medio. A especificao do grau de preciso desejado nos resultados uma providncia importante e deve ser obtido junto a quem vai utilizar os dados. 2.3 Estimadores

Um estimador uma funo numrica definida para cada amostra possvel das unidades amostrais. Os mtodos utilizados para estimar as variveis agrcolas obtidas por amostragem so por expanso direta ou por anlise de regresso das informaes amostradas. Gonzlez-Alonso et al. (1991) testaram duas metodologias para estimar reas agrcolas: uma usando o mtodo dos segmentos quadrados e outra usando o mtodo dos segmentos irregulares. A exatido dos estimadores obtidos por expanso direta similar tanto para o mtodo que utiliza segmentos regulares quanto para o mtodo que usa o segmento irregular. O coeficiente de variao (CV) um indicativo da preciso de uma amostra estimada, e obtido pela diviso do desvio padro da estimativa para uma cultura pela prpria estimativa (FAO, 1996). Desta maneira, possvel definir previamente a preciso desejada, que melhora quanto maior for o nmero de amostras. Para o mtodo que utiliza pontos amostrais, a estimativa por expanso direta consiste na multiplicao da proporo de pontos de cada cultura em um municpio pela rea municipal e dada pela equao 2.2 (FAO, 1998): zhc = vh . nhc onde: zhc = rea estimada da cultura c no municpio h; nhc = nmero de pontos da categoria c; vh = fator de expanso para um ponto. (2.2)

31

O fator de expanso dado pela razo vh = ah / nh onde ah = rea total do municpio h; nh = nmero de pontos amostrais no municpio h. No entanto, o estimador por expanso direta no eficiente para estimar itens raros ou itens concentrados em pequenas reas geogrficas. 2.4 Levantamento de reas Agrcolas Utilizando Sensoriamento Remoto (2.3)

Luiz at al. (2002) afirmam que a rea de cada classe de cobertura do solo em uma regio pode ser estimada a partir de levantamentos por sensoriamento remoto, nos quais a cobertura do solo interpretada em fotografias areas ou em imagens de satlite. Pino (2001) ressalta que os levantamentos de dados agropecurios a partir de sensoriamento remoto, em comparao a outras formas de levantamento, tem como vantagens a rapidez e a preciso, alm do baixo preo quando utilizado em larga escala. Alm disso, o carter repetitivo da aquisio de imagens pelos satlites possibilita a atualizao peridica da ocupao da superfcie de interesse, sendo, portanto, uma boa ferramenta para classificar o uso do solo e medir o terreno (FAO, 1996). Segundo Cotter e Tomczak (1994), um fator que restringe o uso das imagens de sensoriamento remoto a interferncia de nuvens. Principalmente para a agricultura, pois, a poca chuvosa , em geral, tambm o perodo de desenvolvimento da maioria das culturas, o que dificulta a obteno de imagens livres de nuvens. essencial que as imagens contenham baixa ou nenhuma cobertura de nuvens, que, segundo a FAO (1996), no deve exceder 5% ou 10%. No entanto, o sensoriamento remoto ainda no utilizado amplamente no Brasil para levantamentos agropecurios. Os motivos, segundo Pino (2001), so a falta de padres e procedimentos para transformar os dados de sensoriamento remoto em dados estatsticos.

32

A transformao de dados de sensoriamento remoto em dados estatsticos passa por uma interpretao das imagens de satlite. A interpretao visual de imagens baseada em um conjunto de elementos de fotointerpretao. Os elementos incluem localizao, tamanho, forma, tonalidade, textura, sombra, situao e padro (que o arranjo espacial dos objetos no solo) (Jensen, 2000). King (2002) afirma que muitos procedimentos estatsticos para anlise de imagens orbitais so baseados somente em um elemento de fotointerpretao - a reflectncia; ignoram-se outros elementos utilizados na interpretao visual, como a forma, o tamanho e a posio. Considerar apenas a reflectncia para distinguir os alvos agrcolas num ambiente que bastante dinmico e diversificado, como as reas rurais, que podem ser ocupadas por diversas espcies, pode levar a resultados insatisfatrios. Alm disso, para uma mesma espcie, a resposta espectral pode ser diferente dentro do ciclo fenolgico. Jensen (2000) comenta como o comportamento de um pixel em uma rea agrcola pode variar no vermelho e no infravermelho durante o desenvolvimento da cultura. Se o campo foi preparado, at o incio do desenvolvimento a resposta ser baixa no infravermelho prximo. Desde a emergncia da cultura at o fechamento do dossel, a reflectncia no infravermelho prximo tende a aumentar e a reflectncia no vermelho tende a diminuir. A partir da senescncia, a resposta no infravermelho prximo diminui e a resposta no vermelho aumenta at a colheita, quando a resposta volta a ser a do solo. E tambm existem classes de transio quando, por exemplo, uma cultura est no incio do desenvolvimento ou a palha est sendo incorporada ao solo. Neste caso, a resposta do pixel ser uma mistura das duas classes. Gibson e Power (2000) discutem que quando se trata de monitoramento ambiental, as resolues espaciais e temporais necessrias dependem da aplicao do trabalho e freqncia de atualizao requerida. O monitoramento de culturas agrcolas requer detalhamento espacial e freqncia de atualizao semanal ou mensal. Apontam as imagens obtidas pelo satlite Landsat como as mais indicadas, pois possuem resoluo

33

espacial de 30 metros para as bandas do visvel e infravermelho prximo e mdio e resoluo temporal de 16 dias. Em relao s bandas mais importantes para a agricultura, Jensen (2000) chama a ateno para a importncia da banda do infravermelho mdio para discriminar tipos de culturas e afirma que composies que utilizam as bandas do visvel e do infravermelho prximo so menos eficientes para determinao de tipos de culturas que as composies que utilizam o visvel e o infravermelho mdio. Segundo o autor, a banda 3 do sensor ETM+, da regio do vermelho, uma das mais importantes bandas para discriminao da vegetao, pois a banda de absoro da clorofila. A banda 4 do mesmo sensor, localizada na regio do infravermelho prximo, est relacionada com a biomassa da vegetao e til para identificao das culturas, pois reala os contrastes solo/cultura e solo/gua. J a banda 5, localizada na regio do infravermelho mdio, sensvel quantidade de gua presente nas plantas. Jensen (2000) cita as variveis que afetam a reflectncia bidirecional de uma rea vegetada, alm da geometria de iluminao e do sensor. Essas variveis so propriedades da vegetao - o dossel (tipo, cobertura, orientao), a copa (forma, dimetro), o tronco ou caule (densidade, dimetro), a folha (rea foliar, ngulo foliar) e do solo (textura, cor, componentes). O autor afirma ainda que somente possvel discriminar duas culturas, quando se usam dados de sensores remotos com resoluo relativamente grosseira como a do Landsat, se as culturas: forem plantadas com um intervalo de pelo menos dez dias, o que causa uma diferena no desenvolvimento do dossel; receberem diferentes processos de irrigao, o que garante uma diferena na produo de biomassa; desenvolverem-se em ritmos diferentes, uma mais rapidamente que a outra, devido fertilizao ou a cuidados especiais;

34

tiverem o espaamento entre linha ou a orientao no campo diferente entre as duas culturas; ou

tiverem estrutura de dossel diferente.

Entretanto, para diferenciar muitas culturas usando dados de sensoriamento remoto essencial conhecer as caractersticas dos ciclos fenolgicos delas. Esta informao usada para determinar a poca tima do ano para coletar os dados de sensoriamento remoto para discriminar uma cultura da outra (Jensen, 2000). Cada regio tem um calendrio agrcola prprio, determinado pelas condies climticas locais e tradio de plantio. Segundo Gibson e Power (2000), no contexto agrcola, a representao visual da fenologia mostrada na imagem de satlite ilustra o calendrio local das culturas, cujo ciclo sazonal solo arado, plantio, emergncia, desenvolvimento, maturao, colheita e solo. Segundo os autores, a identificao da cultura facilitada pelo conhecimento do ciclo de desenvolvimento de culturas individuais. A utilizao de muitas imagens obtidas em diferentes pocas pode auxiliar a discriminar culturas de diferentes estaes. Alm de indicar a poca de presena da cultura no campo, o calendrio agrcola apresenta o intervalo de tempo para o desenvolvimento das culturas, pois contm os meses de plantio e colheita. Outras informaes podem facilitar a interpretao visual de imagens em reas agrcolas, como a presena de formas de irrigao, como o piv central, que facilmente detectado na imagem e pode determinar a cultura, o tamanho do talho e a presena de carreadores. Talho a menor unidade em que a rea ocupada por uma cultura dividida. Em estudos para o levantamento das culturas de fumo e milho, Jensen (2000) relata que difcil diferenciar essas duas culturas no Estado da Carolina do Sul, nos Estados Unidos, mas a distino possvel se for obtida uma imagem no meio de junho, quando o fumo perde folhas. Da mesma maneira, possvel discriminar entre soja e algodo se

35

uma imagem do final de julho ou comeo de agosto for utilizada, pois quando a soja tem um fechamento do dossel maior que o algodo. Luiz e Epiphanio (2001) propem um mtodo rpido para estimar a rea plantada com culturas que ocupem uma rea acima de 10 hectares. Neste mtodo, as unidades amostrais correspondem aos elementos de cena ou pixels de uma imagem de sensoriamento remoto, que so, portanto, regulares e de probabilidade conhecida, o que possibilita o clculo do erro amostral. Alm disso, como a rea no dividida em estratos e as amostras so diretamente sorteadas sobre a rea de estudo, pode-se obter de maneira mais imediata estimativas de rea cultivada. 2.5 Programas Nacionais de Levantamento Agrcola

Neste tpico sero apresentados brevemente os programas de levantamento agrcola baseados em painel amostral desenvolvidos pelo Brasil, Estados Unidos e Unio Europia. No Brasil, o Instituto Brasileiro de Geografia e Estatstica (IBGE) tem mantido o Levantamento Sistemtico da Produo Agrcola (LSPA), com dados em escala municipal obtidos de forma subjetiva; um censo agropecurio com periodicidade ora decenal ora qinqenal e informaes em escala de estabelecimento rural; e em alguns Estados, um levantamento por amostragem de reas tendo imagens de satlite como sistema referencial (Pino, 1999). Este ltimo levantamento foi desenvolvido com a colaborao tcnica do Instituto Nacional de Pesquisas Espaciais (INPE), sendo denominado de Pesquisa Objetiva de Previso e Acompanhamento de Safras Agrcolas PREVS. A PREVS, inicialmente proposta para quatro Estados (Santa Catarina, So Paulo, Paran e Distrito Federal) e atualmente implantada somente no Estado do Paran, baseada em mtodos probabilsticos, nos quais so combinados dados amostrais obtidos atravs de levantamento de campo, com dados obtidos por sensoriamento remoto. Tendo em vista que os levantamentos realizados tradicionalmente adotam um procedimento subjetivo

36

de coleta de informaes, o desenvolvimento deste projeto significa um avano no sentido de caminhar para um mtodo objetivo (Collares et al., 1993; FAO, 1998). Na metodologia da PREVS, os painis de amostras so gerados com o auxlio de imagens de satlite, fotografias areas e outros materiais cartogrficos. As imagens so utilizadas para delimitar os estratos, o material cartogrfico serve de base para a delimitao das unidades de contagem, e as fotografias areas, por possurem escala maior, determinam os segmentos. Os estratos, as unidades de contagem e os segmentos foram considerados como polgonos irregulares, ou seja, possuem limites que se referem a feies fsicas do terreno (Collares et al., 1993). A metodologia utilizada no Brasil foi criada e adotada nos Estados Unidos. Uma inovao dos Estados Unidos o software CASS (Computer Aided Stratification and Sampling), que foi desenvolvido para automatizar a construo de painis amostrais e a seleo de amostras. Tanto no Brasil como nos Estados Unidos, as amostras relacionadas nos painis so observadas no campo e um questionrio preenchido a partir de entrevista feita com o proprietrio. Posteriormente, realizada uma extrapolao por expanso direta dos dados amostrais para toda a rea considerada. Diferente desta metodologia, a proposta da Unio Europia obter estimativas agrcolas sem realizar pesquisas no campo atravs de questionrios (FAO, 1998). O programa MARS (Monitoring Agriculture with Remote Sensing), criado pela Unio Europia, prope a utilizao de painis amostrais com segmentos regulares de 700 por 700 metros. As vantagens em relao ao mtodo anterior que este permite a criao de relatrios atualizados regularmente. A limitao deste mtodo que nem todas as culturas podem ser identificadas na imagem. Na Frana todas as estatsticas do setor agrcola so obtidas por censo realizado a cada nove anos e por levantamentos amostrais anuais baseados em listas amostrais de propriedades. No levantamento amostral, denominado TER-UTI, o esquema amostral consiste na sobreposio de uma grade de 10,8 por 10,8 quilmetros de resoluo sobre

37

todo o territrio nacional. Cada quadrado de 10,8 km x 10,8 km, chamado de PSU (Primary Sampling Unit), subdividido em 360.000 segmentos quadrados de 9 m2 (3 m x 3 m). Em seguida, a amostragem feita com uma frao amostral de 1/100.000. Para o territrio da Frana, que de 549.192 km2, so amostrados 555.903 pontos. Cada ponto selecionado para a amostragem visitado no campo, e feita a classificao de uma rea de 9 m2 ao redor do ponto quanto cobertura ou uso do solo da maior parte desta rea (FAO, 1998). A vantagem deste mtodo, segundo (Gallego, 1995), que no campo somente o tipo de uso registrado, no sendo necessrio fazer o mapeamento do segmento, reduzindo o tempo de levantamento de dados. No Brasil, a estimativa de safras divulgada mensalmente elaborada pelo IBGE no Levantamento Sistemtico da Produo Agrcola (LSPA). O Levantamento Sistemtico da Produo Agrcola uma pesquisa de previso e acompanhamento das safras agrcolas de mbito nacional, abrangendo todos os municpios brasileiros, fornecendo estimativas de rea, produo e rendimento mdio de 35 produtos (Tabela 2.1). As estimativas so divulgadas mensalmente para todos os produtos e so calculadas com base na informao de rea efetivamente colhida, ou na rea que dever ser colhida, ou ainda na inteno de plantio (IBGE, 2002c). A safra do ano calculada pelo somatrio da rea colhida de cada produto em cada ms, dentro do ano civil, de janeiro a dezembro. Estas informaes so fornecidas pela rede de coleta do IBGE, por tcnicos de outros rgos que atuam na rea, por produtores e outros colaboradores sediados nos diversos municpios e por representantes tcnicos de entidades pblicas e privadas que participam dos colegiados tcnicos de estatsticas agropecurias estaduais, regionais e municipais (GCEA, COREA e COMEA). Os primeiros relatrios so ainda muito incertos, pois a produo agrcola depende de outros fatores - econmicos e climticos, e so baseados na inteno de plantio e nas informaes complementares sobre meteorologia, ao dos agentes climticos adversos, financiamentos concedidos, comercializao, industrializao, demanda de insumos

38

tecnolgicos (sementes fiscalizadas, corretivos, fertilizantes, etc.) e outras informaes correlatas que so obtidas nos registros administrativos mantidos pelas entidades pblicas e privadas que atuam no setor. TABELA 2.1 - Produtos investigados pelo LSPA.
1. Abacaxi 2. Algodo Arbreo (em caroo) 3. Algodo Herbceo (em caroo) 4. Alho 5. Amendoim (em casca) 11. Caf (em coco) 12. Cana-de-acar 13. Castanha de caju 14. Cebola 15. Centeio 23. Ma 24. Malva (fibra) 25. Mamona 26. Mandioca 27. Milho (em gro) 27.1 Milho (em gro) 1 safra 27.2 Milho (em gro) 2 safra 28. Pimenta-do-reino 29. Rami (fibra) 30. Sisal ou Agave (fibra) 31. Soja (em gro) 32. Sorgo (em gro) 33. Tomate 34. Trigo (em gro) 35. Uva

5.1 Amendoim (em casca) 1 safra 16. Cevada 5.2 Amendoim (em casca) 2 safra 17. Coco-da-bahia 6. Arroz (em casca) 7. Aveia (em gro) 8. Banana 9. Batata-inglesa 9.1 Batata-inglesa 1 safra 9.2 Batata-inglesa 2 safra 9.3 Batata-inglesa 3 safra 10. Cacau (em amndoa) 18. Feijo (em gro) 18.1 Feijo (em gro) 1 safra 18.2 Feijo (em gro) 2 safra 18.3 Feijo (em gro) 3 safra 19. Fumo (em folha) 20. Guaran (semente) 21. Juta (fibra) 22. Laranja

Mas, ao longo do ano as informaes vo se concretizando e o dado vai se aproximando mais da realidade, sendo que o ltimo relatrio contm apenas a informao da rea que realmente foi colhida. Objees podem ser feitas quanto adoo do ano civil como perodo de referncia para o LSPA ao invs de considerar o ano agrcola (perodo compreendido entre 1o. de julho e 31 de dezembro de um ano, e entre 1o. de janeiro e 30 de junho do ano seguinte), pois este compreende o ciclo completo das culturas anuais. No entanto, os Censos Econmicos, inclusive o Agropecurio, e as pesquisas agropecurias contnuas adotam o ano civil como perodo de referncia. Alm disso, as informaes so usadas no clculo do PIB (Produto Interno Bruto), que se reporta ao ano civil. Alm dos relatrios mensais, so elaborados no LSPA, nos meses de outubro e dezembro, os prognsticos da Produo Agrcola para o ano subseqente, contendo a

39

rea plantada ou a ser plantada. Registram-se, tambm, a produo e o rendimento mdio esperados. Esses prognsticos so elaborados somente para as regies Sul, Sudeste, Centro-Oeste e Rondnia. No caso de previso de safras utilizando sensoriamento remoto, a antecipao mxima da informao de rea colhida no incio do ciclo da cultura, apenas quando for possvel identific-la no campo. Para a soja, por exemplo, que plantada em setembro/outubro, somente sero estimadas a rea colhida nos meses de

dezembro/janeiro, quando as folhas j estiverem desenvolvidas e cobrindo o solo. Alm disso, outra informao que fornecida pelos relatrios mensais LSPA a rea perdida de produo. A utilizao de sensoriamento remoto isoladamente no permite obter esta informao, j que necessrio saber no somente a rea plantada, mas tambm a rea colhida. 2.6 Pr-processamento das Imagens

Diversos trabalhos que utilizam dados obtidos por sensoriamento remoto levam em conta sries temporais e, por isso, necessitam de um conjunto multitemporal de imagens de satlite, seja de imagens abrangendo um intervalo de anos, seja de imagens dentro de um mesmo ano abrangendo diferentes pocas. Em alguns estudos desse tipo ocorre a necessidade de uniformizar as imagens, pois estas apresentam valores digitais distintos para um mesmo alvo com reflectncia supostamente invariante. Esse fenmeno ocorre devido s diferenas dos parmetros do sensor, do ngulo solar e, tambm, ao espalhamento atmosfrico, o qual contribui, principalmente, com um efeito aditivo na radincia captada e transformada em sinal eltrico e depois em nmero digital (ND) pelo sensor. No entanto, nem todos os trabalhos que adotam uma abordagem multitemporal requerem a correo atmosfrica. Quando realizada a classificao em cada imagem separadamente, e a comparao intertemporal se d sobre os mapas temticos originados dessas classificaes, por exemplo, ela desnecessria. Mesmo porque, todas as transformaes realizadas sobre os dados de uma imagem, com o fim de

40

corrigi-la radiomtrica e atmosfericamente, so lineares e uniformes para todos os pixels, no alterando a posio relativa dos mesmos no espao de atributos, quer eles estejam representados em nmero digital, radincia ou reflectncia. Entre as tcnicas de pr-processamento de imagens destacam-se o registro, a correo atmosfrica e as transformaes radiomtricas. 2.6.1 Registro O registro de imagens compreende uma transformao geomtrica que relaciona coordenadas de imagem (linha, coluna) com coordenadas de um sistema de referncia, segundo alguma projeo cartogrfica. O registro de imagens utilizado para o georreferenciamento delas e sua posterior insero em uma base de dados. O registro importante para combinar imagens de sensores diferentes sobre uma mesma rea ou para realizar estudos multitemporais, caso em que se usam imagens tomadas em pocas distintas (INPE, 2002). O registro feito a partir de equaes polinomiais do 1o ou 2o graus ajustadas pelo uso de pontos de controle da imagem referncia e da imagem que ser registrada. Esses pontos de controle devem estar bem distribudos pela imagem, j que as equaes so determinadas para a regio prxima aos pontos. Para a utilizao do polinmio de 1o grau so necessrios, no mnimo, trs pontos (Fonseca, 2000). 2.6.2 Correo Atmosfrica At mesmo os trabalhos mais recentes (Pax-Lenney et al., 2001) concluem que no existem, atualmente, tcnicas mais avanadas para a correo dos efeitos atmosfricos porque os satlites hoje em rbita no fornecem dados sobre as condies atmosfricas no local, data e hora da obteno da imagem. Uma metodologia bastante utilizada para corrigir os efeitos do espalhamento atmosfrico aditivo (Rayleigh) a tcnica da Subtrao do Pixel Escuro (SPE), ou DOS (dark object subtraction).

41

A tcnica SPE desenvolvida por Chavez (1988) realiza a estimativa do espalhamento para as bandas, com ganho e intercepto normalizados, a partir de um modelo de espalhamento atmosfrico relativo que utiliza como valor de entrada o espalhamento de apenas uma banda. Esse mtodo considera que existem alvos escuros na imagem, em geral sombras da topografia ou de nuvens, que deveriam apresentar um valor muito baixo de nmero digital na imagem, equivalente a cerca de 1% de reflectncia (Chavez, 1989). Entretanto, o valor do pixel mais escuro encontrado na imagem geralmente superior a esse valor, devido ao espalhamento atmosfrico, e cuja maior interferncia ocorre nos comprimentos de onda mais curtos. Portanto, um determinado valor, calculado a partir do mnimo valor de ND, atribudo ao espalhamento atmosfrico e deve ser removido de todos os pixels da imagem. Na prtica, o mtodo proposto por Chavez necessita, preferencialmente, do valor do pixel escuro da banda de menor comprimento de onda, que pode ser identificado no histograma de freqncia. O valor desse pixel escuro utilizado para identificar a condio atmosfrica no momento da obteno da imagem, classificada pelo autor como sendo de muito limpa at opaca (Tabela 2.2). TABELA 2.2 - Situao atmosfrica para diferentes valores de pixel escuro e o modelo de espalhamento relativo, considerando a banda 1 do TM/Landsat 5. Pixel escuro 55 56 75 76 95 96 115 Atmosfera Muito limpa Limpa Moderada Com bruma Com muita bruma Modelo de espalhamento relativo -4 -2 -1 -0,7 -0,5

> 115

FONTE: Chavez (1988).

42

A partir do modelo de espalhamento relativo, calcula-se o espalhamento em cada banda espectral. Esse procedimento baseia-se no fato de que atmosferas muito claras so caracterizadas pelo espalhamento Rayleigh; atmosferas moderadas, pelo espalhamento Rayleigh e Mie; e atmosferas opacas so influenciadas por espalhamento Rayleigh e Mie, mas com o espalhamento Mie sendo mais importante que na atmosfera moderada (Chavez, 1988). O espalhamento em cada banda calculado elevando-se o comprimento de onda mdio da banda potncia referente ao modelo de espalhamento escolhido. Em seguida, esses valores so normalizados em funo da banda 1, sendo denominado de fator. A seguir apresentada a tabela com os valores para o modelo de espalhamento considerando a atmosfera muito limpa. TABELA 2.3 - Valores de espalhamento para o modelo de atmosfera muito limpa, para o sensor ETM+. Banda ETM+ 1 2 3 4 5 7
a

a 0,485 0,57 0,66 0,84 1,65 2,22

-4 18,07 9,47 5,27 2,01 0,13 0,04

Fator 1 0,52 0,29 0,11 0,01 0,00

comprimento de onda mdio da banda espectral do sensor ETM+, em m.

O clculo do fator para outras condies atmosfricas feito elevando o comprimento mdio de cada banda espectral potncia referente condio atmosfrica e normalizando esses valores em funo da banda utilizada para extrair o valor do pixel escuro.

43

O valor a ser subtrado em cada banda o valor calculado pelo mtodo Chavez (1988) a partir do valor do pixel escuro (PE) na banda 1, reduzido do valor de ND referente a 1% de reflectncia nesta mesma banda (ND0,01;1), que resulta no espalhamento da banda 1 (NDespalhamento1).
NDespalham ento1 = PE ND 0,01;1

(2.4)

De acordo com Chavez (1988), para as demais bandas, os valores de espalhamento devem ser ajustados para os diferentes ganhos e offsets usados pelo sistema imageador para coletar os dados. Os valores de Lmin e Lmax podem ser encontrados na Tabela 2.4. TABELA 2.4 - Radincia mnima (Lmin) e mxima (Lmax) dos satlites Landsat 5 e 7, em w.m-2.st.m). ETM+/Landsat 72 TM/Landsat 51 Antes de 1/7/2000 Banda Lmin Lmax Baixo ganho 185 342 245 270 36 19 -6,2 -6 -4,5 -4,5 -1 -0,35 -5 297,5 303,4 235,5 235 47,7 16,6 244 Alto ganho -6,2 -6 -4,5 -4,5 -1 -5 194,3 202,4 158,6 157,5 31,76 158,4 Aps 1/7/2000 Baixo ganho -6,2 -6,4 -5 -5,1 -1 -4,7 293,7 300,9 234,4 241,1 47,57 243,1 Alto ganho -6,2 -6,4 -5 -5,1 -1 -4,7 191,6 196,5 152,9 157,4 31,06 10,8 158,3

Lmin Lmax Lmin Lmax Lmin Lmax Lmin Lmax 1 2 3 4 5 7 -1,5 -3,1 -2,7 -2,5 -0,45 -0,3

-0,35 10,932 -0,35 16,54 -0,35

8 1 FONTE: ESA (2002). 2 NASA (2002b).

Onde ganho =

255 e offset = (L min ganho ) . L max L min

Os valores de ganho tambm devem ser normalizados em funo da banda 1 (Tabela 2.5).

44

TABELA 2.5 - Valores de offset, ganho e ganho normalizado para as bandas do sensor ETM+, obtidas depois de 1 de julho de 2000, considerando alto ganho. Banda ETM+ 1 2 3 4 5 7
1

offset 7,99 8,04 8,07 8,00 7,95 8,00

ganho 1,29 1,26 1,61 1,57 7,95 22,87

ganho normalizado1 1,00 0,97 1,25 1,22 6,17 17,74

ganho normalizado para a banda 1. o valor do espalhamento para cada banda em nmeros digitais

Assim,

(NDespalhamento) pode ser encontrado da seguinte maneira: Espalhamento = ( NDespalhamento1 offset1 ) fator NDespalhamento = Espalhamento ganho normalizado (2.5) (2.6)

No entanto, a subtrao do pixel escuro deve ser realizada em valores de reflectncia. Os dados necessrios para a transformao de nmero digital para reflectncia so o ngulo de elevao solar, a distncia Sol-Terra (d), a irradincia solar (E) em cada banda e tambm os dados de calibrao do sensor, conhecidos como Lmin e Lmax (Tabela 2.4). importante ter em conta que o satlite Landsat 7 trabalha em alto e baixo ganho, dependendo da poca do ano. Para a rbita 220 e ponto 74, o sensor trabalha sempre em baixo ganho para as bandas 1, 2, 3, 5 e 7, operando em alto ganho apenas na banda 4, entre o perodo de 22 de abril a 22 de agosto (NASA, 2002a).

45

A equao para a transformao de nmeros digitais em valores de radincia : L = Lmin + ND . (Lmax - Lmin) / NDmax onde: ND o nmero digital que ser transformado; NDmax = 255; e Lmin e Lmax so os parmetros de calibrao do sensor para uma determinada banda e ganho (Tabela 2.4). Assim, a radincia corrigida em relao ao espalhamento atmosfrico dada por: L - Lesp = [ Lmin + ND . (Lmax - Lmin) / NDmax] - [ Lmin + NDespalhamento . (Lmax - Lmin) / NDmax] (2.8) (2.7)

L Lesp = [ND . (Lmax Lmin) / NDmax] [NDespalhamento . (Lmax Lmin) / NDmax] Onde NDespalhamento o ND do espalhamento na banda; ND valor de nmero digital da imagem original; L a radincia da imagem; Lesp o valor em radincia do espalhamento, e Substituindo b = (Lmax Lmin) / dmax, tem-se: L Lesp = (ND . b) (NDespalhamento . b) = b (ND- NDespalhamento) Para obter o fator de reflectncia, que varia entre zero e um, tem-se que: Reflec = (d2 . L )/(E . cos(zen)) Onde: d a distncia Sol-Terra; L a radincia; E a irradincia solar numa determinada banda espectral; zen o ngulo zenital (90o menos o ngulo de elevao solar). (2.11) (2.10) (2.9)

46

Para obter o fator de reflectncia corrigido em relao aos efeitos da atmosfera, pelo mtodo do Chavez, necessrio inserir a radincia corrigida, obtendo a seguinte equao: Reflec = (d2 . (L - NDespalhamento))/(E . cos(zen)) Reflec = (d2 . b. (ND- NDespalhamento))/(E . cos(zen)) Reflec = [(d2 . b) / (E . cos(zen)] . (ND- NDespalhamento) Assumindo j para os valores constantes da equao: j = (d2 .b) / (E . cos(zen)) (2.15) (2.12) (2.13) (2.14)

Desta maneira, pode-se obter valores de reflectncia corrigidos em relao ao efeito aditivo de uma maneira bastante simplificada. Reflec = j . (ND- NDespalhamento), sendo NDespalhamento o valor do pixel escuro em nmeros digitais. Em muitos trabalhos realiza-se a transformao dos valores da reflectncia dos alvos (expressos por um nmero real) em valores digitais (nmeros naturais positivos) simplesmente multiplicando estes valores por 255. Esta transformao necessria porque os valores de reflectncia dos alvos variam entre zero e um, sendo expressos com quantas casas decimais permitir a preciso dos clculos, enquanto que os programas que possibilitam a visualizao da imagem reflectncia, seja na tela ou em forma impressa, trabalham com valores digitais, geralmente em 8 bits, ou seja, com 256 valores discretos possveis. No entanto, como j foi visto, o valor mximo de ND de cada banda espectral do sensor ETM+ no corresponde ao valor 1 do fator de reflectncia e, portanto, ao fazer essa transformao ocorre uma perda de informao, ocasionada pela compresso dos 256 valores originais captados pelo sensor em um intervalo menor. (2.16)

47

Portanto, para realizar essa transformao corretamente, respeitando as configuraes da engenharia do sensor e a geometria de iluminao e visada no momento da aquisio dos dados, preciso encontrar o valor da reflectncia mxima por banda em cada imagem e calcular um multiplicador para cada uma, da seguinte maneira: Mult = 255 Refmax, (2.17)

Para a construo da imagem reflectncia, com a mxima expresso da variao espectral que ocorre na cena e sem perda de informao, basta aplicar esse multiplicador aos valores de reflectncia e fazer a aproximao para o nmero inteiro mais prximo, obtendo-se ento os novos valores de nmero digital para a imagem reflectncia da banda : NDImRef, MultRef (2.18)

Com esse procedimento, alm de no se perder nenhuma informao, obtido um pequeno contraste na imagem e o resultado uma imagem com o histograma de freqncia de ND praticamente igual ao histograma da imagem original.

2.6.3 Uniformizao de Imagens

Ao tratar desse tema, muitos artigos adotam os termos retificao radiomtrica (Hall et al., 1991), normalizao (Du et al., 2001; Yuan e Elvidge, 1996) ou at calibrao (Furby e Campbell, 2001; Tokola et al., 1999). No entanto, no se pode garantir que as imagens transformadas tero um comportamento normal ou que seus valores sero normalizados, no sentido estatstico do termo. O que se consegue ao final do procedimento aqui apresentado um comportamento uniforme no que diz respeito resposta espectral de alvos considerados invariantes com o tempo, por isso adotado o termo uniformizao. No so raros os trabalhos relacionados agricultura que trabalham com sries multitemporais de imagens, pois os alvos agrcolas apresentam, por natureza, um comportamento dinmico ao longo do tempo. Um assunto bastante discutido na literatura a necessidade da correo radiomtrica que, dependendo da pesquisa a ser

48

desenvolvida, mesmo que trabalhe com um conjunto de cenas ou imagens da mesma rbita/ponto, no necessitam desse tipo de correo. Um exemplo so os trabalhos que utilizam as imagens apenas para mapeamento, sem se importar em comparar curvas espectrais das diferentes imagens ou realizar operaes matemticas entre bandas de diferentes datas. Segundo Hill e Sturm (1991), a correo radiomtrica permite que sejam realizadas comparaes quantitativas com a reflectncia dos alvos obtidas de imagens ou at de medies de campo. A correo radiomtrica, tratada neste texto como uniformizao de imagens, pode ser realizada a partir de alvos pseudo-invariantes, que so usados para encontrar o relacionamento entre cada imagem e uma imagem referncia (Hill e Sturm, 1991). Segundo Caselles e Lpez Garca (1989), imagens de diferentes datas de aquisio podem ser comparadas ajustando uma funo de regresso entre alvos-referncia claros e escuros e assumindo reflectncia estvel. Considerando que no houve alterao no uso do solo, pixels com a mesma localizao geogrfica em imagens obtidas em diferentes datas correspondem ao mesmo alvo e a relao entre eles deve ser linear. E, se os efeitos forem homogneos em toda a cena, so necessrios apenas dois pares de pixels para encontrar a relao linear entre duas datas (Du et al., 2001). Dessa maneira, a uniformizao como que altera as condies atmosfricas e de iluminao de uma imagem qualquer para aquelas da cena usada como referncia (Hill e Sturm, 1991). Destacam-se, nessa linha de pesquisa, os trabalhos de Hill e Sturm (1991), Caselles e Lpes Garca (1989) e Furby e Campbell (2001), que realizaram a correo radiomtrica de imagens Landsat aplicando uma equao de regresso linear obtida a partir de pares de pixels localizados em alvos invariantes numa imagem referncia e em outra imagem da mesma cena em outra data. Olsson (1993) testou diferentes tipos de funes de regresso para uma comparao da calibrao temporal relativa dos dados do TM/Landsat. Para realizar a uniformizao ele utilizou como referncia espectral amostras de pixels de floresta boreal, pois a mudana muito pequena em poucos anos.

49

Olsson (1993) chama de calibrao relativa a uniformizao obtida a partir de uma funo de regresso para predizer os valores dos pixels de uma aquisio posterior, e de calibrao absoluta, aquela em que os dados de duas aquisies so transformados em uma escala de reflectncia absoluta, sendo necessrios para esta ltima: os dados de desempenho do sensor, as caractersticas da atmosfera e a irradincia solar, que deve ser conhecida ou estimada. O autor afirma ainda que uma calibrao absoluta de reflectncia poderia ser uma etapa de pr-processamento til antes da calibrao relativa entre cenas ser aplicada. No entanto, o problema que ocorre com os mtodos de calibrao relativa que, mesmo reas que no mudaram podem apresentar uma variao natural na reflectncia entre as aquisies, seja por causa da variao natural sazonal, ou por causa da diferena de iluminao ou geometria de visada (Olsson, 1993). Vale ressaltar que, como a tcnica de uniformizao utiliza uma equao de regresso linear para aproximar uma imagem da outra, ela trabalha, portanto, com pares de pixels de duas aquisies diferentes. Isso significa que a correo geomtrica deve ser realizada cuidadosamente, para que o erro seja de dimenses sub-pixel entre as duas imagens.

2.7

Sistema de Informao Geogrfica e Banco de Dados Geogrficos

Burrough e McDonnell (1998) definem SIG (Sistema de Informao Geogrfica) como um conjunto poderoso de ferramentas para coletar, armazenar, recuperar, transformar e visualizar dados do mundo real para um objetivo especfico. Os fenmenos do mundo real so representados em funo de sua posio dentro de um sistema de coordenadas conhecido, de seus atributos e de suas inter-relaes com outros dados. Cmara e Medeiros (1998a) indicam como principais caractersticas do SIG a capacidade de inserir e integrar, numa nica base de dados, informaes espaciais provenientes de dados cartogrficos, dados censitrios e cadastro urbano e rural, imagens de satlite, redes e modelos numricos de terreno; e oferecer mecanismos para combinar as vrias informaes atravs de algoritmos de manipulao e anlise, bem

50

como para consultar, recuperar, visualizar e plotar o contedo da base de dados georreferenciados. O SIG SPRING (Sistema para Processamento de Informaes Georreferenciadas) um sistema de informao geogrfica desenvolvido pelo Instituto Nacional de Pesquisas Espaciais (2002a), e que apresenta as seguintes caractersticas:

opera como um banco de dados geogrfico sem fronteiras e suporta grande volume de dados (sem limitaes de escala, projeo e fuso), mantendo a identidade dos objetos geogrficos ao longo de todo o banco;

administra tanto dados vetoriais como dados matriciais (raster), e realiza a integrao de dados de sensoriamento remoto num SIG;

prov um ambiente de trabalho amigvel e poderoso, atravs da combinao de menus e janelas com uma linguagem espacial facilmente programvel pelo usurio (LEGAL - Linguagem Espao-Geogrfica baseada em lgebra).

No SPRING, os dados geogrficos so organizados em planos de informao (PI), que devem estar associados a uma categoria. As representaes de um PI so diferenciadas em funo do modelo de dados ao qual pertencem: temtico, numrico, imagem, cadastral ou rede (INPE, 2002b). A seguir, so apresentados os tipos de categoria e as suas respectivas representaes (Tabela 2.6). O SPRING um SIG que permite trabalhar com banco de dados relacional. A principal vantagem que permite associar um plano de informao a uma tabela de atributos. Alm disso, permite fazer operaes booleanas, consultas, gerar colees, construir grficos e atualizaes. O banco de dados opera com gerenciadores comerciais bastante conhecidos e de fcil utilizao, como o DBASE ou o ACCESS.

51

TABELA 2.6 Representaes dos modelos de dados do SPRING. Modelo de dados Temtico Representaes pontos 2D, linhas, polgonos, formato matricial dos vetores, pontos/linhas/polgonos associados classes e texto pontos 3D, isolinhas, grade retangular, grade triangular, imagem em nveis de cinza da grade e texto matriz de valores discretos, visualizados em nveis de cinza ou em composio colorida RGB linhas e ns associados a objetos e texto pontos 2D, linhas e polgonos associados a objetos e texto

Numrico

Imagem Rede Cadastral

Segundo Rigaux et al. (2002), um banco de dados uma grande coleo de dados interrelacionados armazenada dentro de um ambiente computacional. Neste contexto, um Sistema Gerenciador de Banco de Dados Geogrficos (SGBD) definido como um conjunto de softwares que gerencia a estrutura do banco de dados e controla o acesso aos dados armazenados neste banco. O SGBD facilita o processo de:

definio de um banco de dados, pois especifica os tipos de dados e estruturas; construo do banco de dados; manipulao do banco de dados; consulta para recuperao de dados especficos; e atualizao do banco de dados.

As principais caractersticas do Sistema Gerenciador de Banco de Dados Geogrficos, segundo os mesmos autores, so:

52

representao de temas por relaes (tabelas). Um objeto geogrfico uma tupla (linha) de uma mesma relao. Cada coluna um atributo;

atributos tm tipos alfanumricos; e consulta baseada em SQL (Structured Query Language).

Do ponto de vista computacional, Arvanitis et al. (2000) apontam como vantagens de trabalhar com Sistema Gerenciador de Banco de Dados Relacional (SGBDR):

Redundncia dos dados; Eficincia da performance; Integridade dos dados; Ambiente multiusurio; Segurana; Backup; e Arquitetura cliente-servidor (rede).

Um Sistema Gerenciador de Banco de Dados Geogrficos considerado um meio eficiente para manipular informaes relativas s culturas agrcolas, pois representa de modo adequado os fenmenos do mundo real em funo de dados de coordenadas geogrficas, seus atributos (poca de plantio, situao da cultura), suas inter-relaes com outros dados, ou seja, sua topologia. A Figura 2.1 apresenta o esquema de um banco de dados para estimativas agrcolas que composto por pontos coletados por GPS, amostragem, clculos estatsticos, SIG e um sistema gerenciador de banco de dados.

53

Amostragem SIG Sistema de Estimativas Agrcolas GPS SGBD Estatstica

FIGURA 2.1 - Componentes de um banco de dados de estimativas agrcolas. FONTE: Adaptada de Arvanitis et al. (2000).

Um banco de dados geogrficos pode conter mltiplas representaes, de acordo com cada aplicao. Segundo Davis Jnior (2000), a representao de cada objeto geogrfico determinada durante o processo de modelagem de dados. O modelo de dados formula a estrutura do banco de dados, incluindo os tipos de dados, os relacionamentos e as restries aos dados (Elmasri et al. 2000, citados por Davis Jnior, 2000). O modelo OMT-G (Object Modeling Technique para aplicaes Geogrficas) uma tcnica orientada a objetos voltada para modelagem de aplicaes geogrficas, e foi proposto inicialmente por Borges (1997) para trabalhar elementos no nvel de representao. Segundo Davis Jnior (2000), a vantagem do modelo a sua expressividade grfica e sua capacidade de representao, j que anotaes textuais so substitudas por desenhos de relacionamentos explcitos que representam a interao entre os diversos objetos espaciais e no-espaciais. A organizao dos dados em um banco de dados um fator importante e que determina a funcionalidade dele. As decises a serem tomadas quando se planeja a estrutura do banco vo desde definir o tipo de dado (numrico, texto) e seu tamanho mximo at, no caso de um banco de dados multitemporal, se a tabela ser nica ou, para evitar que muitas colunas sejam criadas, particionada, de modo a que os dados fiquem em vrias tabelas por ano, o que facilita tanto o acesso aos dados como a insero de novos. No entanto, deve-se atentar para o fato de que tabelas separadas no podem interagir

54

diretamente, no sendo possvel realizar consultas rpidas em vrias tabelas na mesma consulta. Desta maneira, informaes relativas a culturas agrcolas podem ser armazenadas e manipuladas por meio de um Sistema Gerenciador de Banco de Dados, que, alm de permitir atualizaes das informaes periodicamente, permite que estas informaes sejam consultadas. Assim, podem ser feitas estimativas sempre atualizadas de rea agrcola, por cultura, por municpio e em diferentes perodos do ano agrcola. A anlise dessas informaes espaciais e temporais permite caracterizar a dinmica do uso do solo em sistemas agrcolas. Atualmente, os mtodos de levantamento amostral de rea tm incorporado avanos tecnolgicos importantes que ocorreram no processamento de dados de computador. De fato, mtodos de amostragem por rea permitem o uso de imagens de satlite, dados de satlite como parte de SIG, GPS (Global Positioning System) e uma variedade de procedimentos automticos e tcnicas para seleo amostral e anlise dos dados (FAO, 1996).

2.8

Banco de Dados Multitemporal para Discriminao do Uso Agrcola

A anlise dos dados de sensoriamento remoto obtidos numa s data dificilmente permite a discriminao precisa das reas ocupadas com as culturas de interesse, por causa da grande dinmica do uso do solo em sistemas agrcolas. Pax-Lenney e Woodcock (1997) propuseram a utilizao de imagens de diferentes pocas do ano para discriminar culturas. Ortiz et al. (1997) analisaram um banco de dados tabular e concluram que possvel afirmar que a maioria dos produtores possui a caracterstica de cultivar as mesmas culturas ano aps ano. Isto sustenta a hiptese de que informaes histricas podem ser usadas para subsidiar os procedimentos de identificao de alvos agrcolas em produtos de sensoriamento remoto, pois reas plantadas com a mesma cultura em anos sucessivos criam um padro de interpretao para o intrprete.

55

Pax-Lenney e Woodcock (1997) afirmam que imagens multitemporais so necessrias para monitorar reas agrcolas devido ao carter dinmico da paisagem, mas a escolha do nmero de imagens necessrias, do perodo dentro do calendrio agrcola e do intervalo entre as datas de aquisio das imagens pode afetar os resultados. No entanto, os autores ressaltam que existem poucas pesquisas publicadas que focalizam a anlise de qual o nmero de imagens e em qual perodo de pleno desenvolvimento das culturas seria o melhor para adquirir imagens, de modo a possibilitar a identificao de reas no-produtivas, pois, reas sem nenhuma cultura no so necessariamente noprodutivas porque podem estar em pousio ou no perodo de entressafra. A interpretao multitemporal facilitada quando os dados so radiometricamente corrigidos. O uso da reflectncia no topo da atmosfera permite uma anlise visual do uso do solo de uma maneira que independe da data de aquisio da imagem (Terres et al., 1995). A retificao radiomtrica tratada por Hall et al. (1991) compensa as diferenas entre imagens causadas pela calibrao do sensor, pela atmosfera e pela iluminao. Na metodologia aplicada por esses autores as imagens so retificadas em relao a uma imagem de referncia selecionada, no necessitando de dados de calibrao do sensor ou das condies atmosfricas. Ortiz et al. (1997) apresentaram uma metodologia para classificar reas agrcolas usando dados multitemporais/histricos de imagens e de solos referentes a 3 anos consecutivos. Os dados foram inseridos em sistemas de processamento de imagens e SIG, e integrados em banco de dados. Para avaliar a utilidade do banco de dados para a classificao de culturas, a rea de estudo foi classificada por duas metodologias: a metodologia proposta usando classificao por mxima verossimilhana, assistida por um banco de dados histrico e a classificao por mxima verossimilhana convencional. Os resultados foram comparados usando estatstica Kappa e indicaram como melhores resultados aqueles cuja metodologia foi baseada no uso de banco de dados histricos.

56

A Pesquisa de Previso e Acompanhamento de Safras (PREVS) realizada pelo IBGE consiste de um levantamento probabilstico que tem como base um painel de amostras de reas. A montagem de um banco de dados, implantado no SIG ArcView, contendo a localizao pela coordenada mdia de cada segmento da amostra na forma de pontos, integrados com os dados apurados no campo permitiu a obteno dos resultados num curto espao de tempo e permitiu disponibilizar aos tcnicos os recursos de consulta e anlise (Morelli, 2001).

2.9

Metadados

De acordo com Lima et al. (2001) os metadados descrevem o contedo, a condio, o histrico, a localizao e o formato do dado, sendo utilizado para identificar qual dado existe, a sua qualidade e como acess-lo e us-lo. A principal proposta de padro de metadados do FGDC (Federal Geographic Data Committee), comit que promove a coordenao do uso, troca e disseminao de dados espaciais nos EUA. O padro FGDC (FGDC, 2002) estabelece um conjunto comum de definies para a documentao do dado geogrfico, incluindo: identificao, qualidade do dado, organizao espacial do dado, referncia espacial, informao sobre entidade e atributo, distribuio e referncia do metadado. Lima et al. (2001) afirmam que o grande problema da proposta do FGDC (e do uso de metadados em geral) a excessiva nfase em informaes que descrevem o processo de produo dos dados. Os autores destacam que o essencial no FGDC so as informaes sobre quando, onde, como e quem produziu os dados. Para o INFORMS, que um sistema de informaes geogrficas urbanas do Estado da Bahia, utilizada uma adaptao do padro de metadados do FGDC, denominado INFORMS-MTDD-1999 (INFORMS, 2002). Os dados disponibilizados no padro INFORMS-MTDD-1999 so subdivididos em 7 categorias, descritas na Tabela 2.7.

57

TABELA 2.7 Padro de metadados INFORMS-MTDD-1999. Categoria 1. Identificao 2. Referncia dos Metadados Contedo Informaes bsicas sobre o conjunto de dados Informaes sobre a atualidade dos metadados e declarao de responsabilidade Informaes sobre o distribuidor e as formas de obter os conjuntos de dados Avaliao geral da qualidade dos dados Mecanismo usado para representar espacialmente os dados

3. Distribuio

4. Qualidade dos Dados 5. Organizao Espacial dos Dados 6. Referncia Espacial

Descrio da referncia geogrfica Informaes sobre o conjunto de dados, tipos de entidades, seus atributos e domnios

7. Entidades e Atributos

58

CAPTULO 3 REA DE ESTUDO 3.1 Localizao, rea e Populao

A rea de estudo localiza-se ao norte do Estado de So Paulo, entre as coordenadas geogrficas: 4813 e 4737 de longitude oeste e 2039 e 2017 de latitude sul. composta por trs dos doze municpios que compem o Escritrio de Desenvolvimento Regional (EDR) de Orlndia, mostrados na Figura 3.1: Guar, Ipu e So Joaquim da Barra.

FIGURA 3.1 - Localizao da rea de estudo no Estado de So Paulo e dos municpios que fazem parte do EDR de Orlndia. Os municpios estudados neste trabalho esto destacados.

59

Essa rea foi escolhida pelo fato de j existir uma base de dados contendo imagens de setembro de 1999 at outubro de 2001 com a informao de uso do solo de 300 pontos de trs dos doze municpios do EDR (Guar, Ipu e So Joaquim da Barra).Alm disso, a predominncia de uso agrcola na regio, com reas agrcolas de grande extenso e de poucos produtos, motivou a escolha da rea. Em conjunto, os trs municpios abrangem uma rea total de 124.100 ha, sendo o maior deles o municpio de Ipu com 46.600 ha de rea, seguido por So Joaquim da Barra com uma rea de 41.200 ha e, por ltimo, o municpio de Guar com 36.300 ha (Tabela 3.1). A rea de estudo total coberta pela rbita 220 e ponto 74 dos satlites Landsat 5 e 7. TABELA 3.1 - rea e populao dos municpios da rea de estudo. rea total rea rural rea rural Populao Populao Municpio (em ha) (em ha) (%) total rural Guar Ipu So Joaquim da Barra 36.300 46.600 41.200 25.000 32.200 37.100 69 69 90 18.916 11.870 41.587 957 677 788

Total
FONTE: IBGE (2002a).

124.100

94.300

76

72.373

2.422

3.2

Caracterizao Fsico-climtica da rea de Estudo

A rea de estudo est inserida nas bacias hidrogrficas do Rio Sapuca e do Rio Pardo, afluentes do Rio Grande. As altitudes nos trs municpios variam de 500 a 800 metros, segundo IBGE (1972a, 1972b, 1972c, 1972d, 1972e e 1972f). Segundo Oliveira et al. (1999), os solos predominantes na rea de estudo so da classe LATOSSOLO VERMELHO, alm da presena, em menor escala, da classe LATOSSOLO VERMELHO-AMARELO. Os LATOSSOLOS VERMELHOS Distrofrricos, com A moderado e proeminente, textura argilosa em relevo suave ondulado ocorrem em grande parte da rea de estudo, desde a poro leste do municpio de Ipu at quase que totalmente, os municpios de

60

Guar e So Joaquim da Barra. H tambm uma mancha de LATOSSOLO VERMELHO Distrofrricos e Eutrofrricos, com A moderado, textura argilosa em relevo suave ondulado entre o sul de Ipu e o oeste de So Joaquim da Barra. A poro oeste de Ipu coberta por LATOSSOLOS VERMELHOS Acrifrricos e Distrofrricos, com A moderado e textura argilosa em relevo suave ondulado. Na regio nordeste de Guar ocorrem os LATOSSOLOS VERMELHOS Distrofrricos, com A moderado e textura argilosa em relevo ondulado e suave ondulado. Os LATOSSOLOS VERMELHO-AMARELOS Distrficos, com A moderado e proeminente, textura mdia, associados a LATOSSOLOS VERMELHOS Distrficos com A moderado e textura mdia a argilosa, ambos em relevo suave ondulado aparecem na regio sudeste de Guar e no sul de So Joaquim da Barra. O clima da regio o tropical de altitude Cwa, segundo a classificao de Kppen, que caracterizado por apresentar veres chuvosos e invernos secos (Koffler, 1996). Nessa classificao a temperatura do ms mais frio entre 18oC e -3oC e a precipitao mxima de vero pelo menos dez vezes a precipitao do ms mais seco. A Figura 3.2 apresenta as normais climatolgicas da temperatura mdia mensal e da precipitao mensal dos municpios de Guar e So Joaquim da Barra. Em geral, as temperaturas mais baixas ficam em torno de 18oC e as mais altas se aproximam dos 24oC e a precipitao anual ultrapassa 1.500 mm.
Guar
25
temperatura mdia (oC)

So Joaquim da Barra
350
temperatura mdia (oC) precipitao (mm)

25 20 15 10 5 0
fev mar ago mai nov jan abr jun jul set out

350
precipitao (mm)

20 15 10 5 0
fev mar ago mai nov abr jan jun jul set out dez

300 250 200 150 100 50 0 meses

300 250 200 150 100 50 0 meses

dez

temperatura mdia

precipitao

FIGURA 3.2 Normais de temperatura mdia mensal e precipitao mensal dos municpios de Guar e So Joaquim da Barra SP. FONTE: Rede Nacional de Agrometeorologia (Ministrio da Agricultura, Pecuria e Abastecimento, 2003).

61

3.3

Uso Atual do Solo

No EDR, segundo os dados do LUPA (Levantamento Censitrio de Unidades de Produo do Estado de So Paulo), grande parte da rea agrcola ocupada por culturas semiperenes (cana-de-acar), culturas anuais (soja, milho, algodo, feijo, sorgo e milheto) e pastagem, o que determina que o uso da terra predominante a agricultura (Tabela 3.2 e Figura 3.3). As principais culturas da regio so cana-de-acar, soja e milho. A Tabela 3.3 apresenta os dados do Projeto LUPA para as principais culturas encontradas na rea de estudo, na safra de 1995/1996. TABELA 3.2 - Uso da terra no Escritrio de Desenvolvimento Regional de Orlndia. USO rea total (ha) % Cultura perene 2.440,1 0,43 Cultura semiperene 269.818,6 48,08 Cultura anual 129.098,2 23,00 Pastagem 102.217,9 18,21 Reflorestamento 839,8 0,15 Vegetao natural 25.114,9 4,47 rea inaproveitada 12.692,4 2,26 rea inaproveitvel 10.229,1 1,82 rea complementar 8.791,1 1,57 rea total 561.242,1 100,00 FONTE: Secretaria de Agricultura e Abastecimento do Estado de So Paulo, Projeto LUPA (CATI, 2001).

62

FIGURA 3.3 Uso do solo, hidrografia e vias de acesso da rea de estudo. O carter agrcola da rea de estudo deve-se presena de solos relativamente frteis, do relevo pouco acidentado, da boa quantidade e distribuio das chuvas e da excelente malha viria da regio (Luiz et al., 2002). Alm disso, a disponibilidade de gua e energia, originada pela farta presena de rios e pela proximidade de hidreltricas, tem contribudo para intensificar a agricultura irrigada, principalmente por sistemas de pivs centrais (Epiphanio et al., 2001). Segundo Luiz et al. (2002), estas caractersticas levaram a que mais de 75% da rea destes trs municpios fossem cultivadas, pelo menos uma vez ao ano, com o que se denominou de grandes culturas (cana-de-acar, milho e soja).

63

TABELA 3.3 - Total de rea cultivada por tipo de cultura na rea de estudo na safra de 1995/1996.
Cultura Soja Cana-de-acar Milho Braquiria Algodo Sorgo Feijo-fradinho Capim-colonio Feijo Nabia Alho-por Outras culturas rea (ha) 62.389,90 56.768,50 28.243,90 10.181,10 1.124,80 563,40 161,80 2.438,80 451,50 111,30 101,70 437,00 % 38,28 34,83 17,33 6,25 0,69 0,35 0,10 1,50 0,28 0,07 0,06 0,27

FONTE: Secretaria de Agricultura e Abastecimento do Estado de So Paulo, Projeto LUPA (CATI, 2001). TABELA 3.4 - rea cultivada (hectares) entre 1995 e 1996, por municpio da rea de estudo.
Cultura Soja Cana-de-acar Milho Braquiria Algodo Sorgo Feijo-fradinho Capim-colonio Feijo Nabia Alho-por Outras culturas Guar 20.370,0 10.513,6 9.103,7 4.807,7 1.124,8 217,8 161,8 148,0 117,5 Ipu 36.503,4 19.440,3 17.124,4 2.356,1 241,4 521,2 322,5 111,3 101,7 183,8 So Joaquim da Barra 5.516,5 26.814,6 2.015,8 3.017,3 104,2 1.769,6 129,0 135,7

FONTE: Secretaria de Agricultura e Abastecimento do Estado de So Paulo, Projeto LUPA (CATI, 2001).

64

Em relao ao tamanho das Unidades de Produo Agropecuria (UPAs), a cana-deacar e a soja se destacam, chegando a atingir UPAs superiores a 2.000 ha (Tabela 3.5). Em mdia, as UPAs para as principais culturas da rea de estudo, ficam em torno de 100 ha para a cana-de-acar, 200 ha para a soja e 50 ha para o milho. TABELA 3.5 - Tamanho mnimo, mximo e mdio (entre parnteses) das unidades de produo agropecuria, em hectares. Cultura Guar Ipu So Joaquim da Barra Soja Cana-de-acar Milho Braquiria Algodo Sorgo Feijo-fradinho Capim-colonio Feijo Nabia Alho-por Eucalipto Outras 2 - 765 (100) 4 - 561 (122) 1 - 249 (46) 1 - 465 (29) 19 - 264 (70) 218 - 218 (218) 7 - 60 (32) 2 - 46 (15) 9 - 9 (9) 1 - 13 (6) 89 - 90 (90) 4 - 1244 (122) 0 - 1433 (237) 1 - 532 (62) 0 - 235 (20) 2 - 63 (17) 8 - 161 (58) 12 - 91 (36) 111 - 111 (111) 102 - 102 (102) 1 - 23 (6) 149 - 167 (158) 1 - 1000 (70) 1 - 2150 (202) 2 -245 (40) 1 - 261 (24) 4 - 43 (21) 3 - 300 (68) 18 - 40 (32) 1 - 43 (8) 61 - 102 (80)

FONTE: Secretaria de Agricultura e Abastecimento do Estado de So Paulo, Projeto LUPA (CATI, 2001). A regio de Orlndia grande produtora das principais culturas produzidas no Pas. Em 2000 o Escritrio de Desenvolvimento Regional de Orlndia foi responsvel por 28% da produo de soja no Estado de So Paulo e 1% da produo nacional. No mesmo ano, a produo de cana-de-acar atingiu 9% da produo do Estado, o que corresponde a 5% da produo brasileira. Os valores produzidos para a cana-de-acar, milho e soja so apresentados na Tabela 3.6.

65

TABELA 3.6 - Quantidade produzida (em toneladas) para as principais culturas encontradas na rea de estudo, no Brasil e no Estado de So Paulo, em 2001.
Cultura Algodo herbceo (em caroo) Cana-de-acar Feijo (em gro) Milho (em gro) Soja (em gro) Sorgo granfero (em gro)
1 2

Guar 2.250

Ipu 527

So Joaquim Somatrio da Barra 2.777

Brasil 2.643.524 344.292.922 2.453.681 41.962.475 37.907.259 914.452

Estado de So Paulo 166.219 198.932.127 320.887 4.200.120 1.355.680 70.900

Brasil1 (%) 0,11% 1,47% 0,02% 0,17% 0,22% 0,34%

SP2 (%) 1,67% 2,54% 0,12% 1,74% 6,02% 4,34%

880.000 1.920.000 22.200 25.320 960 388 42.000 43.700 1.400

2.256.000 5.056.000 9.090 12.600 720 388 73.290 81.620 3.080

o percentual da produo dos trs municpios em relao produo total do Brasil; o percentual da produo dos trs municpios em relao produo total do Estado de So Paulo;

FONTE: Instituto Brasileiro de Geografia e Estatstica (IBGE, 2003a). Os ciclos e datas de plantio e colheita das principais culturas encontradas na rea de estudo determinam as variaes mensais da quantidade de rea foliar, volume de fitomassa e cobertura de solo (Ippoliti-Ramilo, 1999). Portanto, de fundamental importncia o conhecimento do calendrio agrcola da rea para compreender a resposta espectral apresentada pelos talhes num determinado perodo do ano. Na Tabela 3.7 so apresentados os meses indicados para o plantio de algumas culturas existentes na rea. Em geral, a data recomendada para o plantio no Estado de So Paulo, para as culturas encontradas na rea de estudo, corresponde ao incio do perodo chuvoso (outubro). Mas, na rea, encontram-se tambm espcies plantadas na poca seca, como o caso do milho safrinha e das culturas irrigadas, principalmente nos pivs centrais. TABELA 3.7 - Calendrio agrcola e rendimento mdio para as culturas temporrias e permanentes, para o Estado de So Paulo.
Produto agrcola ALGODO HERBCEO Fase jan fev mar abr mai jun jul ago set out nov dez Rendimento mdio X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X 30000-100000 kg/ha (continua) X 1500-3000 kg/ha Preparo do solo Plantio Colheita Comercializao Preparo do solo X CANA-DEPlantio X AUCAR Colheita (18 MESES) Comercializao

66

TABELA 3.7 (Concluso).

Produto agrcola CANA-DEAUCAR (12 MESES) Fase jan fev mar abr mai jun jul ago set out nov dez Rendimento mdio Preparo do solo X X X Plantio X X X Colheita X X X X X X Comercializao X X X X X X X X X FEIJO 1a. Preparo do solo SAFRA Plantio X X X X (DAS Colheita X X X X GUAS) Comercializao X X X Preparo do solo X X FEIJO 2a. Plantio X X X SAFRA Colheita X X X X (DA SECA) Comercializao X X X X X Preparo do solo X X X FEIJO Plantio X X X DE Colheita X X X INVERNO Comercializao X X X Preparo do solo X X X X Plantio X X MILHO Colheita X X X X Comercializao X X X X X X Preparo do solo X MILHO Plantio X X (SAFRINHA) Colheita X X Comercializao X X X Preparo do solo X X X X Plantio X X SOJA Colheita X X X Comercializao X X X Preparo do solo X X X X SORGO Plantio X X X GRANFERO Colheita X X X X X X X Comercializao X X X X X X * Os meses destacados indicam o perodo de maior desenvolvimento da cultura.

X X

30000-100000 kg/ha 500-1800kg/ha

X X

2000-2500kg/ha (irrigado) 500-1800kg/ha 2000-2500kg/ha (irrigado) 500-1800kg/ha 2000-2500kg/ha (irrigado) 2000-6000 kg/ha

1500-3000 kg/ha

1800-2500 kg/ha

1500-5000 kg/ha

FONTE: IBGE (2003b). A Figura 3.4 apresenta imagens da rea de estudo em duas pocas diferentes. A Figura 3.4a uma imagem da poca chuvosa, obtida em janeiro, quando as culturas economicamente mais importantes esto na fase adulta (por exemplo, as reas amareladas que correspondem s reas com soja). J a Figura 3.4b da poca seca e difere bastante em relao ao uso, que baixo, estando muitas das reas com solo exposto (em azul escuro), ou ocupados por cana-de-acar, que de ciclo longo.

67

(a)

(b) FIGURA 3.4 Imagem RGB 453 da rea de estudo de 05 de janeiro de 2002 (a) e de 17 de agosto de 2002 (b).

68

3.4

Condies de Plantio para as Principais Culturas

O conhecimento das condies de plantio das principais culturas encontradas na rea de estudo fornece a base para o entendimento do comportamento espectral, o que auxilia na interpretao visual dos alvos agrcolas. Na regio, comum encontrar talhes de soja e milho em plantio direto. O plantio direto uma tcnica de manejo que se contrape ao sistema tradicional. Trata-se de um sistema de produo conservacionista e fundamenta-se na ausncia de preparo do solo e na manuteno dos restos da colheita, a palha, sobre o solo (Empresa Brasileira de Pesquisa Agropecuria - Embrapa, 2003a). A Figura 3.5 ilustra os principais alvos agrcolas encontrados na rea e as tcnicas de manejo utilizadas plantio direto e convencional.

(a)

(b)

(c)

(d)

FIGURA 3.5 Fotografias dos diferentes usos agrcolas da rea de estudo: cana-deacar adulta (a e b), milho maduro (c), palha de milho (d), soja (e), palha de soja (f), pastagem com mata de galeria ao fundo (g), talho em pousio (h), sorgo (i), sorgo em plantio direto (j), milheto (l), solo preparado com palha (m), plantio tradicional (n) e rebrota de cana-soca (o). (continua)

69

(e)

(f)

(g)

(h)

(i)

(j)

(l)

(m)

FIGURA 3.5 (Continuao)

(continua)

70

(n)

(o)

FIGURA 3.5 (Concluso). A rotao de culturas tambm presente na regio e utilizada por diferentes razes. A rotao entre cana-de-acar e soja utilizada para fixar nitrognio em talhes de cana, com o plantio da soja somente na reforma do talho. Outras associaes so utilizadas para, alm de obter lucro com a produo, produzir a palha para proteo do solo. Para esta ltima forma de rotao observa-se soja e milho, soja e milheto, e soja e sorgo.

3.4.1 Cana-de-acar
As agroindstrias do setor de produo e industrializao da cana-de-acar podem ser compostas por empresas agroindustriais (usinas e destilarias) ou por fornecedores autnomos. As empresas agroindustriais possuem reas extensas de plantao, quando comparadas a outras exploraes, com 5.000 a 20.000 hectares ou mais. No caso dos fornecedores de cana s indstrias, h uma variabilidade muito grande no tamanho das reas cultivadas (Brugnaro, 1993). Por tratar de reas extensas, o agricultor deve fazer o planejamento agrcola da cana-deacar, atentando para a demanda de equipamentos e de mo-de-obra, e pensando sempre em que poca plantar e quanto plantar para que as reas maturem em tempos diferentes, dando tempo do agricultor colher, evitando perdas. As duas atividades que mais consomem, em termos de recursos humanos e materiais envolvidos, so o plantio e a colheita. Isso levou a um aumento no plantio de cana de ano e meio, para evitar a coincidncia de operaes de plantio de cana de ano (Brugnaro, 1993).

71

Talho a menor unidade em que a rea de cana dividida. O tamanho e o formato dos talhes so influenciados pelos seguintes fatores principais: capacidade diria de moagem, nmero de frentes de corte, relevo, propriedades do solo e tipo de colheita programado. Deve-se buscar um dimensionamento tal que se possa colher um nmero de talhes que fornea matria-prima para um dia de moagem. No caso de colheita mecanizada, so desejveis talhes com maior comprimento possvel, pois diminuem o nmero de manobras necessrias, visando aproveitar a capacidade operacional das colhedoras (Brugnaro, 1993). Para uma operao eficiente das reas de cana necessria uma malha viria de acesso e escoamento. As vias que circundam os talhes so usualmente denominadas carreadores, que fluem para estradas secundrias e estas para estradas principais, seja para viabilizar o transporte da cana para a indstria, seja para carrear pessoal, maquinaria e insumos para os talhes. A indicao da largura das estradas secundrias deve ser pouco menor que as principais (6 metros) (Brugnaro, 1993). Em relao indicao de plantio, o espaamento entre linhas pode variar entre 0,90 e 1,50 metros, e em geral, um menor espaamento favorece a produtividade (Cmara, 1993). A cana-de-acar uma gramnea semi-perene, chamada de cana de ano quando plantada no incio da estao chuvosa, entre setembro e novembro, pois apresenta um ciclo vegetativo com durao mdia de 12 meses. Quando plantada no meio da estao chuvosa, chamada de cana de ano e meio e seu ciclo vegetativo se estende de 14 at 21 meses. A variao na durao do ciclo depende, principalmente, do ambiente e das tcnicas de manejo (Cmara, 1993). Antes do primeiro corte, a cana denominada de cana-planta. Aps o corte restam no campo as socas ou soqueiras que, em torno de 20 a 30 dias brotam, originando a canasoca, e seu ciclo se completa em, aproximadamente, um ano (Cmara, 1993). De acordo com Rolim (1993), normalmente o canavial reformado aps 4 a 6 anos do plantio. A soqueira removida do solo por gradeaes pesadas, que so realizadas, em mdia, aps 1 a 2 meses da colheita.

72

3.4.2 Soja
A soja uma leguminosa de ciclo anual. Para o plantio, o espaamento entre fileiras indicado de 40 a 50 cm. Espaamentos mais estreitos que 40 cm resultam em fechamento mais rpido da cultura, contribuindo para o controle das plantas daninhas. Como a soja tem baixa produo de palha, a rotao de culturas permite a permanente cobertura e suficiente reposio de palhada sobre a superfcie do solo, viabilizando o sistema de plantio direto (Embrapa, 2003a). comum em campos de soja haver rotao com outras culturas como o milho safrinha, o sorgo e o milheto. Os cultivares indicados para o Estado de So Paulo pertencem a quatro grupos de maturao: precoce (at 120 dias), semiprecoce (de 121 a 130 dias), mdio (de 131 a 140 dias) e semitardio (de 141 a 150 dias).

3.4.3 Milho e Milho Safrinha

O milho uma gramnea anual e, na rea de estudo, ocorrem os cultivares de vero, cujo plantio entre agosto e novembro, os cultivares de milho irrigado, plantados em qualquer poca do ano, e os cultivares de safrinha, plantados entre fevereiro e abril. A colheita ocorre, aproximadamente, 120 dias aps o plantio, mesmo tempo que vale para a safrinha. Atualmente, o mercado possui 206 cultivares diferentes. As de ciclo precoce dominam, com 63%; seguidas pelas de ciclo superprecoce, com 20%; e de ciclo normal, com 17% (Revista Rural, 2002). Com relao tcnica de plantio, o espaamento entre linhas varia de 70 a 100 cm, com uma tendncia de se usar cada vez mais os espaamentos reduzidos, pois, aumentam o rendimento de gros pela melhor distribuio das plantas na rea; melhoram o controle de plantas daninhas; e reduzem a eroso, pela cobertura antecipada da superfcie do solo (Instituto Cepa, 2003).

73

3.4.4 Sorgo e Milheto

Embora em menor ocorrncia, o milheto e o sorgo esto entre as cinco culturas mais importantes da rea de estudo. O milheto uma gramnea bem tolerante ao estresse hdrico. Quando cultivado no incio das guas, a cultura se desenvolve mais rapidamente, atingindo boa fitomassa ao redor dos 45-50 dias (Instituto Agronmico de Campinas - IAC, 1999). Pela sua versatilidade, rusticidade e crescimento rpido, a cultura do milheto tem-se expandido de forma acelerada na regio dos Cerrados, principalmente para utilizao no plantio direto. A altura mdia da planta de 180 cm (Embrapa, 2003b). O sorgo granfero tambm uma gramnea. Na rea de estudo, comumente plantado na segunda safra, em substituio ao milho, por ser uma cultura que exige menor quantidade de gua e mais resistente seca (Coopercitrus, 2002). O ciclo do sorgo se completa entre 100 e 120 dias e o espaamento entre plantas indicado de 50 cm entre linhas com 10 plantas por metro linear (Ruralnet, 2003).

74

CAPTULO 4 MATERIAL E MTODOS 4.1 Material

4.1.1 Dados de Sensoriamento Remoto

Para o desenvolvimento do trabalho foram selecionadas 22 imagens dos sensores ETM+/Landsat 7 e TM/Landsat 5, da rbita e ponto WRS 220/74. Como um dos objetivos do trabalho foi obter a estimativa de rea cultivada por ano civil, que equivale ao perodo que se inicia em 1o. de janeiro e termina em 31 de dezembro, para as safras de 2000, 2001 e 2002, as imagens selecionadas para o estudo foram adquiridas pelo sensor entre janeiro de 2000 e janeiro de 2003. Pretendeu-se obter imagens com baixa ou nenhuma cobertura de nuvens e com um intervalo entre elas no superior a sessenta dias, j que algumas culturas encontradas na rea so de ciclo curto. A Tabela 4.1 apresenta as datas e os sensores correspondentes s imagens que foram utilizadas neste estudo. Apenas seis imagens foram obtidas pelo sensor TM/Landsat 5, sendo o restante obtidas pelo sensor ETM+/Landsat 7. TABELA 4.1 - Imagens que constituem o banco de dados.
# 1 2 3 4 5 6 7 8 9 10 11 Data imagem 08/01/2000 05/04/2000 16/06/2000 19/08/2000 20/09/2000 22/10/2000 09/12/2000 18/01/2001 19/02/2001 23/03/2001 11/06/2001 Sensor/Satlite TM/Landsat 5 ETM+/Landsat 7 TM/Landsat 5 TM/Landsat 5 TM/Landsat 5 TM/Landsat 5 TM/Landsat 5 ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7 # 12 13 14 15 16 17 18 19 20 21 22 Data imagem 14/08/2001 04/12/2001 05/01/2002 06/02/2002 10/03/2002 11/04/2002 29/05/2002 30/06/2002 17/08/2002 20/10/2002 08/01/2003 Sensor/Satlite ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7 ETM+/Landsat 7

Alm disso, foram escolhidas as bandas que compreendem a regio do vermelho, do infravermelho prximo e do infravermelho mdio do espectro eletromagntico, correspondentes s bandas 3, 4 e 5 dos sensores TM e ETM+ (a bordo dos satlites

75

Landsat 5 e Landsat 7), pelo fato de estas bandas localizarem-se nas regies do espectro em que as caractersticas bio-fsico-qumicas da vegetao exercem grande influncia.

4.1.2 Software
O Sistema de Informaes Geogrficas (SIG) utilizado neste trabalho foi o SPRING verso 3.6.03, pois este permite a manipulao de informaes espacializadas, associadas a um banco de dados relacional. O gerenciador de banco de dados escolhido para trabalhar conjuntamente com o SPRING foi o Microsoft Access 2000. As estatsticas do trabalho foram calculadas no programa Microsoft Excel 2000.

4.1.3 Equipamento
Durante os trabalhos de campo foi fundamental a utilizao do equipamento GPS (Global Positioning System), que contribuiu para a localizao dos pontos do painel amostral na rea de estudo.

4.2

Metodologia

O desenvolvimento do trabalho foi realizado de acordo com os procedimentos descritos a seguir, apresentados tambm no fluxograma das atividades (Figura 4.1).

76

FIGURA 4.1 - Fluxograma das atividades em modelagem OMT-G (Object Modeling Technique para aplicaes Geogrficas). 77

TM_190800 TM_221000 ETM_140801 ETM_050102 ETM_170802 ETM_201002 Parmetros Parmetros do sensor, ngulo solar, distncia Sol-Terra ETM_080103 Bandas 1, 3, 4 e 5 Registro e transformao para fator reflectncia

TM_080100 ETM_050400 TM_160600 TM_200900 TM_091200 ETM_180101 ETM_190201 ETM_230301

ETM_110601 ETM_041201 ETM_060202 ETM_100302 ETM_110402 ETM_290502 ETM_300602 Bandas 3, 4 e 5 Bandas 3, 4 e 5 Registro Registro Registro

Registro e transformao para fator reflectncia TM_190800_reflect TM_221000_reflect ETM_140801_reflect ETM_050102_reflect ETM_170802_reflect ETM_201002_reflect ETM_080103_reflect Bandas 3, 4 e 5, poca chuvosa Extrao de NDs Bandas 3, 4 e 5, poca seca Extrao de NDs Grupo 1 TM_080100 TM_091200 Grupo 2 TM_160600 TM_200900

Grupo 3 ETM_180101 ETM_190201 ETM_230301 ETM_041201 ETM_060202 ETM_100302

Grupo 4 ETM_050400 ETM_110601 ETM_110402 ETM_290502 ETM_300602

Bandas 1, 3, 4 e 5 Subtrao do pixel escuro SPE

Bandas 3, 4 e 5, poca seca TM_221000_corr TM_190800_corr Bandas 3, 4 e 5, poca chuvosa Extrao de NDs Extrao de NDs

Bandas 3, 4 e 5, poca chuvosa Extrao de NDs Subtrao do pixel escuro

Bandas 3, 4 e 5, poca seca Extrao de NDs

ETM_050102_corr Bandas 3, 4 e 5, poca chuvosa Subtrao do pixel escuro Extrao de NDs

ETM_140801_corr

Bandas 3, 4 e 5, poca seca Extrao de NDs e delimitao de alvos pseudo-invariantes

Subtrao do pixel escuro Estatsticas por polgonos

Delimitao de alvos Estatsticas por polgonos Alvos pseudoinvariantes cadastral Polgonos 10 por 10 e estatsticas dos imagens ETM_110601_unif ETM_041201_unif ETM_060202_unif TM_080100_unif TM_190800_corr TM_221000_corr ETM_140801_corr ETM_050102_corr ETM_170802_corr ETM_201002_corr ETM_080103_corr Bandas 1, 3, 4 e 5 Agrupamento em safras ETM_050400_unif TM_160600_unif TM_200900_unif TM_091200_unif ETM_180101_unif ETM_190201_unif ETM_230301_unif Uniformizao Agrupamento em safras Uniformizao ETM_100302_unif ETM_110402_unif ETM_290502_unif ETM_300602_unif Bandas 3, 4 e 5 Regresso linear Equao de regresso Equaes de regresso Equaes de regresso linear imagem referncia-imagem Uniformizao NDs mximos e mnimos das imagens Exportao da tabela Exportao Estatsticas das imagens Estatsticas por polgonos Alvos pseudoinvariantes Polgonos de 10 por 10 pixels Mosaico

Mosaico

Bandas 3, 4 e 5 Agrupamento em safras

Agrupamento em safras Pontos Coordenadas X e Y dos pontos sorteados Importao TM_190800_corr Importao Pontos TM_091200_unif Pontos do sorteio Bandas 3, 4 e 5 Mosaico Interpretao visual Mosaico Painel amostral Pontos Associao a objetos Safra 2000 ID, Ponto, Nome, Municpio, jan_00, abr_00, jun_00, ago_00, set_00, out_00, dez_00, observao. Exportao Spring>>Excel Interpretao visual Associao a objetos Safra 2001 ID, Ponto, Nome, Municpio, jan_01, fev_01, mar_01, jun_01, ago_01, dez_01, observao. Exportao Spring>>Excel Insero Exportao Spring>>Excel Classificao dos pontos Safra 2000 ID, Ponto, Nome, Municpio, jan_00, abr_00, jun_00, ago_00, set_00, out_00, dez_00, observao. Estimativas Estimativas Estimativas agrcolas safra 2000 rea plantada por cultura por municpio Importao Safra 2001 ID, Ponto, Nome, Municpio, jan_01, fev_01, mar_01, jun_01, ago_01, dez_01, observao. Estimativas Estimativas Estimativas agrcolas safra 2001 rea plantada por cultura por municpio Importao Exportao Spring>>Excel Interpretao visual Interpretao visual Bandas 3, 4 e 5 TM_200900_unif TM_221000_corr Safra 2000 TM_080100_unif ETM_050400_unif TM_160600_unif Safra 2001 ETM_180101_unif ETM_190201_unif ETM_230301_unif ETM_110601_unif ETM_140801_corr ETM_041201_unif

Safra 2002 ETM_050102_corr ETM_060202_unif ETM_100302_unif ETM_110402_unif ETM_290502_unif ETM_300602_unif ETM_170802_corr ETM_201002_corr ETM_080103_corr Bandas 3, 4 e 5 Interpretao visual

Interpretao visual Dados de campo Safra 2002 ID, Ponto, Nome, Municpio, jan_02, fev_02, mar_02, abr_02, mai_02, jun_02, ago_02, out_02, jan_03, observao. Exportao Spring>>Excel Uso do solo no ponto Insero

Municpios Polgonos do limite dos municpios de Guar, Ipu e So Joaquim da Barra Classificao dos pontos e mosaico

Exportao Spring>>Excel

Safra 2002 ID, Ponto, Nome, Municpio, jan_02, fev_02, mar_02, abr_02, mai_02, jun_02, ago_02, out_02, jan_03, observao. Estimativas Estimativas Estimativas agrcolas safra 2002 rea plantada por cultura por municpio Banco de dados agrcola Importao Painel amostral, imagens, limites municpais e esrimativas de rea agrcola So Joaquim da Barra Safra 2000, Safra 2001 e Safra 2002

Mosaico

Importao Spring<<Excel Guar Municpios Polgonos do limite dos municpios de Guar, Ipu e So Joaquim da Barra Associao a objetos Associao a objetos Safra 2000, Safra 2001 e Safra 2002 Ipu Safra 2000, Safra 2001 e Safra 2002

Metadados Informao sobre BD, Projeto, Categorias, Planos de Informao

78

4.2.1 Pr-processamento Digital das Imagens de Satlite

Nesta etapa foram realizadas operaes de pr-processamento visando ao registro das imagens, correo atmosfrica da imagem referncia pelo mtodo de subtrao do pixel escuro (SPE), e uniformizao das imagens das demais datas pelo mtodo da regresso.

4.2.1.1 Registro
As imagens foram recortadas no mdulo Impima 3.6 do SPRING 3.6. A rea recortada foi de mesma dimenso para todas as bandas e datas. Para atender esse requisito, foram adotados diferentes retngulos envolventes, de acordo com o sensor e o tamanho do pixel da imagem. A primeira imagem registrada em tela foi a da data de 05/01/02, com os 13 pontos de controle obtidos no campo com GPS. Para a confirmao do registro desta imagembase, foram utilizados 4 pontos de controle e 9 pontos de teste. Destes 4 pontos, dois esto sobre cruzamentos de estradas e os outros dois esto em pontes sobre rios. Os pontos foram salvos e a imagem foi importada, utilizando o interpolador vizinho mais prximo. As demais imagens foram registradas a partir dessa imagem corrigida, pois como o painel amostral, a ser descrito posteriormente, fixo, a localizao dos pixels amostrais deve ser exatamente, ou muito prxima da localizao do pixel da primeira imagem, ou seja, deve corresponder mesma rea no terreno. Foram utilizados os mesmos quatro pontos de controle considerados como os melhores pontos para a imagem de 5 de janeiro de 2002. A importao das outras imagens seguiu o mesmo procedimento adotado na importao da imagem-base. Somente foram importadas as bandas 3, 4 e 5 de cada data. Para as imagens de 19/08/2000, 22/10/2000, 14/08/2001, 05/01/2002, 17/08/2002, 20/10/2002 e 08/01/2003 tambm foi importada a banda 1. Este procedimento foi necessrio para cumprir a etapa de correo atmosfrica, que foi realizada apenas nestas imagens e que ser explicado mais adiante.

79

4.2.1.2 Definio dos Grupos

Para que as imagens ficassem visualmente semelhantes entre si, considerando os alvos de referncia que no mudaram, foi necessrio realizar uma uniformizao nas imagens, item que ser apresentado a seguir (4.2.1.4). No entanto, havia imagens adquiridas por dois sensores diferentes (TM e ETM+) e, alm disso, as datas correspondiam a dois perodos diferentes do ano: ao perodo chuvoso e ao perodo da seca. Como os parmetros de calibrao do sensor variam para sensor e para data, pois para o sensor ETM+ os parmetros para as imagens obtidas antes de 1 de julho de 2000 so diferentes dos parmetros para as imagens obtidas depois dessa data; e ainda, os parmetros para a rea de estudo, para as imagens entre 22 de abril e 23 de agosto, na banda 4 so para alto ganho, e nas demais datas, baixo ganho; para evitar que imagens de diferentes caractersticas de aquisio (diferentes sensores, influncia da atmosfera, ngulo de iluminao) fossem ajustadas entre si foradamente, dividiu-se o conjunto de imagens em quatro grupos, apresentados a seguir:

Grupo 1: imagens do sensor TM, da poca chuvosa; Grupo 2: imagens do sensor TM, da poca seca; Grupo 3: imagens do sensor ETM+, da poca chuvosa; Grupo 4: imagens do sensor ETM+, da poca seca;

A poca do ano foi considerada seca quando compreendida entre abril e setembro, e chuvosa, quando compreendida entre outubro e maro, totalizando seis meses para cada poca do ano. Em cada grupo foi selecionada uma imagem referncia, escolhida pelo critrio de ser a imagem com menor incidncia de nuvens do grupo. A Tabela 4.2 apresenta as imagens de cada grupo e a respectiva imagem referncia.

80

TABELA 4.2 - Grupos de imagens Landsat divididas de acordo com a poca e o sensor.
Grupo Grupo 1 Grupo 2 Data 08/01/2000, 22/10/2000 e 09/12/2000 16/06/2000, 19/08/2000 e 20/09/2000 29/11/1999, 18/01/2001, 19/02/2001, 23/03/2001, 04/12/2001, 05/01/2002, 06/02/2002 e 10/03/2002 05/04/2000, 11/06/2001, 14/08/2001, 11/04/2002, 29/05/2002 e 30/06/2002 Total de imagens 3 3 Imagem referncia 22/10/2000 19/08/2000

Grupo 3

05/01/2002

Grupo 4

14/08/2001

As imagens de 17/08/2002, 20/10/2002 e 08/01/2003 no foram inseridas nos grupos pelo fato de apresentarem resoluo de trinta metros, mas foram processadas como as imagens-referncia dos grupos.

4.2.1.3 Correo Atmosfrica

As imagens-referncia foram corrigidas em relao atmosfera pelo mtodo de subtrao do pixel escuro (SPE) proposto por Chavez em 1988. Na etapa de correo atmosfrica da imagem-referncia por SPE, fez-se a seleo do pixel escuro diretamente no histograma de freqncia da banda 1 da imagem-referncia, e escolheu-se o de menor ND (nmero digital) com freqncia significativa. Para auxiliar na escolha do pixel, j que alguns nmeros digitais apresentam freqncia muito baixa, calculou-se o crescimento da freqncia ao se passar de um ND para outro nvel mais alto, sendo escolhido o ND onde o crescimento foi mximo, indicando que haveria uma perda muito maior de informao se fosse escolhido um ND superior a este. A Figura 4.2 apresenta a freqncia, em escala logartmica, de cada ND (a) e o crescimento relativo (b), para a imagem do dia 05/01/2002, cujo ND escolhido foi o 58.

81

(a)
232

(b)
232

174

174

ND
116

ND
116

58

58

0 1 100 10000 1000000

-100 0 100 200

0 300

freqncia logartmica

crescimento (%)

FIGURA 4.2 - Freqncia dos NDs da banda 1 (a) e seu crescimento relativo percentual (b). O crescimento percentual da freqncia de um ND para o seguinte (C%), foi calculado a partir da equao:
C % i = 100 f i +1 f i fi

(4.1)

onde: fi a freqncia do NDi; e fi+1 a freqncia do NDi+1. Em seguida, calculou-se, a partir do ND do pixel escuro, a quantidade de espalhamento para as demais bandas espectrais da imagem referncia, considerando o modelo de espalhamento relativo adequado para cada imagem (Tabela 2.2). Esses valores de ND referentes ao espalhamento em cada banda foram subtrados da imagem referncia, o que resultou na imagem corrigida em relao ao espalhamento atmosfrico. A Tabela 4.3 apresenta os valores de ND do pixel escuro em cada imagem referncia e a condio da atmosfera segundo a classificao de Chavez (1988).

82

TABELA 4.3 - Valores de pixel escuro e ngulo de elevao solar para as imagens referncia. Imagem referncia ngulo de elevao solar (em graus) 59,29 41,92 59,18 42,56 42,12 60,92 58,82 Pixel escuro na banda 1

Grupo

Reflectncia

Atmosfera

Grupo 1 Grupo 2 Grupo 3 Grupo 4

22/10/2000 19/08/2000 05/01/2002 14/08/2001 17/08/2002 20/10/2002 08/01/2003

74 51 58 44 46 65 58

9,7% 8,8% 7,0% 6,8% 7,1% 8,0% 7,0%

Limpa Muito limpa Limpa Muito limpa Muito limpa Limpa Limpa

As imagens da poca chuvosa apresentaram um valor de pixel escuro mais elevado, o que resultou na utilizao do modelo de espalhamento para atmosfera limpa. Em contrapartida, as imagens da poca seca apresentaram um valor que corresponde ao modelo de atmosfera muito limpa. Este fato se deve presena de maior quantidade de partculas de vapor dgua na atmosfera nos meses de vero, quando comparado aos meses de inverno; e, pode ser comprovado pela Figura 3.2 (Captulo 3), onde so apresentadas as normais de precipitao mensal para a rea de estudo. A partir desses valores de pixel escuro para a banda 1, foi estimado o espalhamento atmosfrico para esta banda, que corresponde ao valor do pixel escuro subtrado do valor referente a 0,01 de reflectncia (Equao 2.4). Os valores de espalhamento para as bandas 3, 4 e 5 foram obtidos pelas Equaes 2.5 e 2.6 a partir do espalhamento na banda 1. A Equao 2.16 foi utilizada para gerar as equaes para correo atmosfrica de cada banda, e para obter os valores de reflectncia. Para obter a imagem com valores digitais, calculou-se um multiplicador para cada banda (Equao 2.17).

83

4.2.1.4 Uniformizao das Imagens

Este procedimento foi realizado com o intuito de uniformizar os valores radiomtricos de alvos pseudo-invariantes presentes na imagem. Com isto, pretende-se eliminar as diferenas causadas pelos fatores que afetam a aquisio das imagens. Pode-se, desta maneira, supor que as diferenas resultantes nas imagens so causadas por uma alterao no uso do solo. Para isto, foram obtidos os valores digitais desses alvos pseudo-invariantes nas diferentes datas, e ajustados, por uma regresso linear, aos valores digitais da imagem referncia corrigida, respeitando sempre o grupo a que a imagem pertena. Ento, foram selecionados visualmente alvos fixos claros e escuros na imagem do dia 05/01/2002. Os alvos claros correspondem a construes de concreto ou telhados com uma reflectncia muito alta em todas as bandas. Os alvos escuros correspondem a corpos dgua muito limpos, livres de sedimentos, apresentando reflectncia muito baixa nas trs bandas. Os alvos foram observados em todas as imagens para evitar que em alguma data o alvo no estivesse presente. Aps esta seleo, houve 12 alvos selecionados, sendo seis claros e seis escuros. Como esses alvos so irregulares, e um pequeno erro de registro poderia influenciar nos limites dos alvos de uma data para outra, foi feito um quadrado de dez por dez pixels no centro do alvo, a fim de garantir que o alvo seria amostrado. Esses alvos quadrados foram transformados em objetos e associados a um identificador, o que facilitou a extrao dos valores digitais mximos e mnimos para cada imagem: corrigida e nocorrigida. Adotou-se o critrio de utilizar os valores mnimos como os valores digitais dos alvos escuros e os valores mximos como os valores digitais dos alvos claros. Com os valores das imagens referncia (corrigidas) e das imagens a serem uniformizadas, foram ajustadas equaes de regresso linear para cada data, sendo a varivel x os valores mnimos e mximos das imagens a serem uniformizadas e a varivel y os valores mnimos e mximos das imagens referncia. No entanto, foram eliminados dois alvos claros dos doze alvos selecionados devido ocorrncia de valor digital igual a 255. Esta medida foi tomada porque os valores desses alvos prejudicariam o ajuste j

84

que este ND poderia significar que houve saturao. A Figura 4.3 mostra um exemplo do quadrado de cem pixels sobre o alvo claro e sobre o alvo escuro em cinco datas.
alvos Nov/99 Jan/01 Fev/01 Mar/01 Dez/01

claros

escuros

FIGURA 4.3 - Exemplo de alvo claro e de alvo escuro em cinco datas. Uma etapa adicional de avaliao da uniformizao consistiu na verificao do erro a partir dos resduos. A avaliao do mtodo de uniformizao foi realizada pela anlise dos resduos entre os nmeros digitais estimados para os 10 alvos supostamente invariantes, utilizados no ajuste da regresso.
e b ,i = Y b ,i Y
b ,i

(4.2)

onde: eb,i = resduo entre os valores de ND encontrado e o estimado na banda b, no pixel i; Yb,i = valor de ND encontrado na banda b, no pixel i da imagem referncia; b,i = valor de ND estimado na banda b, no pixel i da imagem uniformizada. A partir dos resduos foi possvel calcular a soma do quadrado dos resduos (SQR), cuja interpretao indica as imagens em que a uniformizao foi melhor e pior; portanto, esta uma anlise relativa (Equao 4.3).
SQR =

(Y b ,i Y

b ,i

)2

(4.3)

85

4.2.2 Painel Amostral 4.2.2.1 Definio do Nmero de Pontos Amostrais

O nmero de amostras de uma populao determina o grau de confiabilidade dos resultados, sendo que tamanhos amostrais maiores tendem a ser mais prximos dos valores verdadeiros. Portanto, o nmero de amostras deve ser definido previamente, analisando o esforo demandado e o erro aceitvel, pois um tamanho amostral muito grande demanda um esforo de coleta de dados muito elevado, e um nmero insuficiente de amostras pode estar longe de representar a verdade. No presente trabalho, em relao aos pontos do painel amostral, a distribuio que descreve as ocorrncias de sucesso destes dados a binomial, pois indicada para amostragens sem substituio, a partir de uma populao finita. Portanto, o erro ou o desvio padro das estimativas calculado a partir desta distribuio, com um intervalo de confiana de 0,90. O coeficiente de variao (CV) o quociente entre o desvio padro e a mdia amostral. Como o desvio padro diminui com o aumento do nmero de amostras, o CV tende a diminuir. Desta maneira, o nmero de pontos amostrais para toda a rea de estudo foi determinado com base em clculos estatsticos a fim de minimizar os erros de amostragem e evitar que fosse coletado um nmero exagerado de pontos amostrais. A influncia do tamanho amostral pode ser verificada pelos grficos apresentados na Figura 4.4. A partir de um conjunto de dados j existentes, com o uso do solo nos 300 pontos para os trs municpios, foram simulados diferentes tamanhos amostrais com 20, 40, 60, 80, 100 e 120 pontos amostrais, sendo 4 repeties para cada tamanho e em duas datas.

86

Cana-de-acar - Jan/2001
70% 60%
70% 60%

Cana-de-acar - Jun/2001

60% 40% 35% 25%

ocorrncia

ocorrncia

50% 40% 30% 20% 10% 0% 20

50% 35% 25%* 25%

43% 40% 33% 28%

33% 30% 27% 25%

36%* 34% 33%

38% 36% 35% 34%

50% 40% 30% 20% 10% 0%

41% 37% 36% 30%

53% 50% 35% 33%

50% 43% 38% 37%

49% 43% 40%*

44% 43% 42% 37%

47% 46% 43%*

40

60

80

100

120

20

40

60

80

100

120

tam anho am ostral

tam anho am ostral

(a)
Soja - Jan/2001
40% 35% 33% 28% 20%*

(b)
Sorgo - Jun/2001
12%

ocorrncia

25%* 25% 20% 10% 0% 20 40 20%

26%* 23% 19%

ocorrncia

30%

37% 30%* 28%

28% 27% 23% 21%

10%
28% 26% 20% 18%

10%

10%

8% 6% 4% 2% 0% 0% 20 40 60 3% 5%* 5% 5%* 3% 3%* 0%* 80 100 4%** 4% 3% 5% 4% 3% 3%*

4% 3% 2%* 120

60

80

100

120

tam anho am ostral

tam anho am ostral

(c)
Milho de vero - Jan/2001
12% 10% 10% 10%* 10% 8%* 8%*
12% 10%

(d)
Milho safrinha - Jun/2001

ocorrncia

8% 6% 4% 2% 0% 20 0%* 40

8%* 6%* 6% 5%

ocorrncia

9%** 9%

8% 6% 5%** 4% 2% 0% 0% 20 40 3% 0%* 60 80 5% 3% 2% 5% 4% 1% 0% 5% 4% 3% 2% 100 3% 0% 120

4% 3% 2% 0% 60 80

4%*

100

120

tam anho am ostral

tam anho am ostral

(e) (f) FIGURA 4.4 - Variao no tamanho amostral para o diversos alvos agrcolas em trs municpios do EDR de Orlndia. * valores duplicados ** valores triplicados

87

Observa-se que, com o aumento do tamanho amostral, as ocorrncias entre as repeties se aproximam, o que fornece um indicativo do nmero de pontos que devero ser amostrados. Pode-se dizer que os menores tamanhos amostrais podem estar superestimando ou subestimando a ocorrncia dos alvos agrcolas considerados. Como o ambiente agrcola muito dinmico, a inteno coletar um nmero razovel de pontos amostrais, assumindo um determinado erro, que seja possvel classificar em um intervalo de tempo relativamente curto. Para coletar 200 pontos amostrais por municpio, por exemplo, considerando os trs municpios, deveriam ser coletados 600 pontos para cada data. Para as culturas de soja, milho de vero e milho safrinha, como pode ser verificado nas Figuras 4.4c, 4.4e e 4.4f, a menor variao entre a ocorrncia da cultura foi entre 1 e 7%, com o tamanho amostral de 100 pontos. J para a cana-de-acar, em janeiro, e para o sorgo, a variao foi menor, 3 e 1% respectivamente, com o tamanho de 80 pontos. A cana-de-acar em junho de 2001 teve a menor variao em 4%, com 120 pontos amostrais. No entanto, para as culturas de pequena extenso na rea de estudo, como o sorgo e o milho, a variao considerada muito grande j que mesmo para os tamanhos amostrais maiores, a ocorrncia variou entre 3 e 4% para o sorgo, entre 4 e 6% para o milho de vero e entre 2 e 3% para o milho safrinha. Considerando os dados do ltimo censo agropecurio, o LUPA, foram calculados os percentuais de ocupao das culturas de grande extenso (cana-de-acar, soja e milho) e das de pequena extenso (algodo e o sorgo), nos trs municpios. Considerando este percentual de ocupao de cada cultura como a probabilidade de ocorrncia, foram simulados diferentes tamanhos amostrais para verificar os coeficientes de variao em cada caso.

88

45% 40% 35% 30%

29% 24% 1 7% 1 4% 1 6% 24% 21 % 1 8% 1 2% 1% 1 41 %

CV (%)

25%
22%

p = 0,50 p = 0,46
1 7% 1 5% 1 3% 1 0% 9% 9% 8% 8% 7% 1 2% 7% 6% 1% 1 6% 6% 1 0% 6% 5% 9% 5% 5%

20% 15% 10% 5% 0% 20

p = 0,23

1 3% 1% 1 1 0%

60

100

140

180

220 n

260

300

340

380

(a)

350% 300% 250%

234%

331 %

234% 1 % 91 1 65% 1 66% 1 48% 1 35%

CV (%)

200% 150% 100% 50% 0% 20

p = 0,01 p = 0,0045
1 % 21 1 05% 94% 85% 79% 74%

1 35% 1 7% 1

1 05% 95% 85%

74% 66% 60% 56% 52%

60

100

140

180

220 n

260

300

340

380

(b) FIGURA 4.5 - Variao do CV em funo do tamanho amostral (n) para diferentes probabilidades de ocorrncia. Na Figura 4.5a, para as culturas com probabilidades 0,50 (soja) e 0,46 (cana-de-acar), possvel atingir um CV de aproximadamente 6% com 300 pontos amostrais. Com esse nmero amostral, o CV para o milho (p=0,23) fica em torno de 11%. Para as culturas de baixa ocorrncia como o algodo (p=0,01) e o sorgo (p=0,0045), um valor baixo para o

89

CV s seria possvel se fosse coletado um nmero muito grande de amostras (Figura 4.5b). Para 300 pontos amostrais, o CV resultante fica em torno de 60% para o algodo e de 85% para o sorgo. No presente estudo foi adotado o nmero de 300 pontos para os trs municpios em conjunto, o que garante a mesma probabilidade de ocorrncia para cada ponto. No entanto, o nmero de pontos em cada municpio varia em funo da rea do municpio.

4.2.2.2 Construo do Painel Amostral

O painel de pixels amostrais foi construdo no Sistema de Informao Geogrfica SPRING, inserindo as coordenadas geogrficas de cada ponto sorteadas anteriormente. O PI (plano de informao) criado no SPRING pertence categoria cadastral, que permite a insero de coordenadas dos pontos, e de outros atributos em tabelas e associados representao espacial. O sorteio das coordenadas geogrficas desses pontos amostrais foi realizada de maneira automtica utilizando o software Microsoft Excel, onde em uma planilha foram discriminadas as coordenadas geogrficas centrais de todos os pixels da imagem que compreendem a rea de estudo; em seguida, os 300 pontos amostrais foram sorteados pela funo gerao de nmeros aleatrios. O resultado foi 79 pontos para Guar, 115 pontos para Ipu e 106 pontos para So Joaquim da Barra. A quantidade de pontos em cada municpio variou em funo de sua rea; devido ao mtodo de sorteio adotado, a resoluo percentual diferente para cada municpio (Tabela 4.4). TABELA 4.4 Nmero de pontos, resoluo percentual e rea mnima para a rea de estudo. Resoluo rea mnima Pontos rea (em ha) percentual (em ha) Ipu 115 46.600 0,87% 405 So Joaquim da Barra 106 41.200 0,94% 389 Guar 79 36.300 1,27% 459 TOTAL 300 124.100 0,33% 414

90

Considerando os trs municpios, com 300 pontos garantida a resoluo percentual de 0,33%, que a representatividade de cada ponto. Com isso, as culturas que ocupam uma rea superior a 0,33% da rea destes trs municpios, ou seja, superior a 414 ha, poderiam ser estimadas, pois seriam representadas por pelo menos um ponto. Teoricamente, reas contguas que ocupem, pelo menos, o equivalente rea de um pixel tem chance de ser sorteado; entretanto, a esperana matemtica que reas superiores a 414 ha, para um determinado uso, faam parte da amostra. Considerando individualmente cada municpio, a resoluo percentual maior, ficando em torno de 1%, o que permite estimar reas a partir de aproximadamente 400 ha de rea plantada com um ponto amostrado.

4.2.2.3 Banco de Dados

O banco de dados, criado no Sistema de Informao Geogrfica SPRING 3.5.1, contm as categorias imagem, temtica, cadastral e objeto. As categorias do tipo imagem so utilizadas para as 22 imagens consideradas neste estudo, e as categorias temticas so para os limites municipais e pontos de controle. As categorias do tipo cadastral so usadas para os pontos do painel amostral e tambm para os alvos pseudo-invariantes. Associada ao cadastral, a categoria objeto contm os atributos dos pontos do painel amostral (Tabela 4.5). TABELA 4.5 Atributos dos pontos do painel amostral. Nome do atributo Significado ID nome rtulo ponto municpio prancha o identificador do ponto, e utilizado como chave primria o nome do ponto o rtulo do ponto o nmero do ponto o municpio em que o ponto est inserido o cdigo da prancha de campo em que o ponto est inserido

Exemplo 10 10 10 10 Ipu A
(continua)

91

Nome do atributo

TABELA 4.5 (Concluso). Significado

Exemplo

jan_00, abr_00, jun_00, ago_00, set_00, out_00, dez_00, jan_01, fev_01, mar_01, jun_01, ago_01, dez_01, jan_02, fev_02, mar_02, abr_02, mai_02, jun_02, jul_02, ago_02, out_02, jan_03 visitado_em_040202, visitado_em_300402 forma_irrigao

Contm as siglas das classificaes de cada ponto em cada data (Tabela 4.8)

SJ

Contm sim se foi visitado na data e no, caso contrrio Contm o tipo de irrigao do talho, se houver

SIM PIV

Alm dos atributos citados, para alguns pontos do painel amostral foram associadas fotografias obtidas em campo. Em relao resoluo espacial do banco de dados, foi adotada como sendo 25 metros, pois a resoluo de dezoito das vinte e duas imagens consideradas possuam resoluo espacial amostrada para 25 metros. As trs imagens com resoluo espacial de trinta metros, de 5 de abril de 2000, 17 de agosto de 2002, 20 de outubro de 2002 e 08 de janeiro de 2003, foram mantidas com esta resoluo.

4.2.3 Definio das Safras

Como as estimativas de rea cultivada foram calculadas por ano civil, que equivale ao perodo que se inicia em 1o. de janeiro e termina em 31 de dezembro, definiram-se, com as imagens selecionadas, trs safras agrcolas: safras 2000, 2001 e 2002. A escolha do ano civil e no do ano agrcola como perodo de referncia deve-se ao fato de que as estimativas geradas pelo IBGE referem-se ao ano civil, e essas estimativas sero a base para comparao com as estimativas geradas no presente estudo. As imagens que participam de cada safra agrcola so mostradas na Tabela 4.6. A imagem de 08/01/2003 foi necessria para diagnosticar as culturas que foram colhidas e as que permaneceram no campo.

92

TABELA 4.6 - Data das imagens TM e ETM+ que compem as safras agrcolas anuais de 2000, 2001 e 2002.
Ano civil Data das imagens 08/01/2000, 05/04/2000, 16/06/2000, 19/08/2000, 20/09/2000, 22/10/2000, 09/12/2000 18/01/2001, 19/02/2001, 23/03/2001, 11/06/2001, 14/08/2001, 04/12/2001 05/01/2002, 06/02/2002, 10/03/2002, 11/04/2002, 29/05/2002, 30/06/2002, 17/08/2002, 20/10/2002 e 08/01/2003 Total de imagens

2000

2001

2002

4.2.4 Classificao das Imagens e Trabalho de Campo

A classificao se deu por interpretao visual das imagens, em composio colorida RGB 453, nos pontos amostrais em cada data. Para solucionar as dvidas que existiram durante a interpretao, foram realizados dois trabalhos de campo, sendo que, no primeiro trabalho de campo, realizado em fevereiro de 2002, foram visitados 60 pontos e no segundo trabalho de campo, em maio do mesmo ano, foram visitados 56 pontos. Para os meses de janeiro e abril de 2002, realizou-se a interpretao visual das imagens e em seguida fizeram-se os trabalhos de campo para sanar as dvidas. Estas informaes de campo foram utilizadas para realizar a interpretao das demais datas do mesmo ano (fevereiro, maro, maio, junho, agosto e outubro). Para os demais meses dos anos 2000 e 2001, tomaram-se como verdade de campo outros quatro trabalhos de campo realizados em abril e julho de 2000 e abril e agosto de 2001 na mesma rea de estudo, mas no especificamente nos pontos do painel amostral. A classificao foi feita de acordo com a resposta espectral do ponto na imagem, ou seja, mesmo que no campo j era detectada a presena de alguma cultura em incio de desenvolvimento, se a resposta na imagem era de solo exposto, o ponto foi classificado como solo exposto. Em fases de transio de solo exposto ou palha para alguma cultura, ou de palha para solo exposto, a classificao foi subjetiva para uma classe ou outra, a mais semelhante a uma das classes, segundo o intrprete. No entanto, o registro de

93

mudana importante, principalmente entre solo exposto e a rebrota de cana-de-acar. Isto ocorre com a cana soca, que se desenvolve rapidamente aps o corte, podendo no ser detectada a colheita se entre a resposta de solo e a de cana-de-acar, o ponto for classificado como cana-de-acar. Para facilitar a insero dos dados no banco de dados, foi utilizada uma legenda para a classificao. Esta legenda foi definida em funo das culturas que ocorrem na rea de estudo, sendo elas: cana-de-acar, soja, algodo, feijo, milho, milho safrinha, milheto e sorgo. A presena de duas siglas para o milho pela necessidade de distino dos dois tipos de cultivo. Alm das culturas, outras classes adicionais foram inseridas: aeroporto, rede ferroviria, estrada, mata de galeria, lagoa de vinhaa, mata, palha, pastagem, solo exposto, rea urbana e usina. No foram utilizadas legendas padro ou de aplicao universal como, por exemplo, a legenda para mapas de uso da terra do IBGE (IBGE, 1999), porque esta no compreende culturas associadas e nem classes ocupadas por gua (rios, lagos e represas). A Tabela 4.7 mostra a sigla utilizada para cada classe de uso encontrada na rea de estudo. TABELA 4.7 - Legenda explicativa utilizada no banco de dados para a classificao das imagens. Sigla AE AL CA RF ES FE GA Aeroporto - pista do aeroporto. Algodo - cultura em p, do incio do desenvolvimento at a fase de colheita. Cana-de-acar cultura em p, do incio do desenvolvimento at a fase de pr-colheita. Rede ferroviria. Estrada (estradas asfaltadas ou de terra). Feijo cultura em p, do incio do desenvolvimento at a fase de colheita. Mata de galeria.
(continua)

Significado

94

TABELA 4.7 (Concluso). Sigla Significado Lagoa de vinhaa lagoas com a substncia liberada durante o processo de industrializao do acar; utilizada como adubo para cana-de-acar, sendo, portanto, armazenada em lagoas inseridas nos talhes de cana-deacar para serem aplicadas na cultura por meio de dutos especiais. Mata mata primria ou secundria, exceto mata de galeria. Milho de vero milho plantado e cultivado na poca chuvosa do ano, entre outubro e janeiro; considerado com esta classificao o milho em p at o amadurecimento. Milheto cultura em p, do incio do desenvolvimento at a fase de colheita. Milho safrinha milho plantado e cultivado no perodo seco do ano; pode estar irrigado, principalmente pelo sistema de pivs centrais; considerado com esta classificao o milho em p at o amadurecimento. Palha esta classificao serve para a palha de soja, de cana-de-acar e de milho que deixada no solo quando a colheita mecanizada. Pasto rea com a presena de gramneas para gado. Solo exposto solo preparado para o plantio ou no, mas com resposta espectral de solo. Soja cultura em p, do incio do desenvolvimento at a fase de colheita. Sorgo cultura em p, do incio do desenvolvimento at a fase de colheita. rea urbanizada. Usina telhado de usina de acar, ou parte da edificao.

LA

MA MI

ML

MS

PA PS SE SJ SR UR US

A classificao dos pontos amostrais foi realizada concomitante interpretao visual. O procedimento de interpretao consistiu na seleo do ponto na tabela e sua visualizao em uma ampliao na imagem. Aps a identificao do uso do solo no ponto amostral, a informao, segundo a legenda, era inserida na tabela. A Figura 4.6 ilustra este procedimento.

95

FIGURA 4.6 Ilustrao do procedimento de interpretao visual dos pontos e edio na tabela do banco de dados.

4.2.5 Obteno dos Dados de Campo

Foram realizados dois trabalhos de campo no decorrer da pesquisa, nos meses de fevereiro e maio, para completar os dados existentes. As imagens de datas prximas s datas dos trabalhos de campo, 05/01/2002 para o campo de fevereiro e 17/04/2002 para o campo de maio, foram organizadas em 14 pranchas e impressas em papel A4 em escala 1:60.000. A interpretao dos pontos do painel amostral para estas duas imagens foi feita inicialmente no escritrio, preenchendo fichas de campo (Apndice B). Apenas os pontos que no puderam ser identificados no escritrio foram visitados no campo. Essas imagens e as fichas foram levadas ao campo; e, com o auxlio do GPS, localizaram-se os talhes cujos pontos suscitaram dvidas de interpretao. O ponto apenas o indicador do talho; portanto, foi desnecessrio atingir a coordenada geogrfica exata do ponto amostral no campo, bastando identificar o talho at mesmo distncia. A ficha de campo foi preenchida com o tipo de uso da terra em cada ponto, de acordo com a legenda do banco de dados. A maioria dos talhes visitados foi fotografada. Mesmo quando se tratava de rea colhida, foi possvel identificar o uso pretrito pela observao da presena de restos vegetais (palhada, frutos, etc.) ou

96

indicativos de prticas de cultivo. Os dados de campo eram inseridos no banco de dados, e era feita a conseqente atualizao dos dados do painel amostral.

4.2.6 Estimativa de rea Agrcola para as Principais Culturas

Neste estudo, a unidade bsica de amostragem a diviso poltica municipal; portanto, os limites municipais foram respeitados, sendo cada ponto pertencente a um dos trs municpios. As estimativas foram calculadas para o ano civil, perodo em que podem ser observadas at trs safras agrcolas, que foram divididas de acordo com a metodologia do IBGE/LSPA. A primeira safra refere-se rea colhida entre os meses de janeiro e abril, que corresponde ao plantio que teve seu incio em outubro do ano anterior. Para a segunda safra, a colheita ocorre entre os meses de maio e agosto, e para a terceira safra a colheita ocorre at dezembro. Para tornar automtico o mtodo de determinao das safras em cada ano, a partir de informaes mensais, foram criadas rotinas condicionais em planilha eletrnica. A presena de solo exposto ou palha era um indicativo de que havia uma cultura e de que ela foi colhida. Ento, a primeira safra era determinada se em maio ou junho houvesse solo exposto ou palha, e entre janeiro e abril alguma cultura. Considerou-se a segunda safra quando a cultura era encontrada em meses que antecediam os meses de junho e agosto quando estes apresentavam solo exposto ou palha. A terceira safra era caracterizada pela presena de cultura nos meses anteriores a outubro e janeiro do ano seguinte e quando estes apresentavam palha ou solo exposto. Uma vez determinada a rea plantada com cada cultura para cada safra do ano civil, fezse o somatrio dos pontos com cada cultura, inicialmente por cultivo simples e cultivos associados, e, em seguida, o somatrio por cultura. O total de pontos de cada classe de uso permitiu obter a rea cultivada para cada cultura por municpio para os anos 2000, 2001 e 2002, pelo mtodo de expanso direta apresentado no item 2.3 (Equaes 2.2 e 2.3). Segundo o mtodo, calcula-se a proporo de cada cultura por municpio em cada ano, e depois multiplica-se essa proporo pela rea do municpio. O somatrio das reas de cultivo simples com as reas de cultivo associado resultam na rea agrcola total do municpio. Porm, o somatrio da rea ocupada por cultura resulta

97

num valor superior rea fsica rural, pois as reas que so cultivadas duas ou trs vezes por ano so contabilizadas mais de uma vez. Este procedimento o mesmo adotado pelo LSPA (IBGE, 2002c). No entanto, para que o somatrio das estimativas por municpio seja equivalente estimativa calculada para a rea total, dos trs municpios, preciso fazer uma correo. Como a amostragem foi realizada considerando a rea total, o nmero de pontos esperados em cada municpio deveria ser proporcional s suas respectivas reas, ou seja, 87,75 pontos para Guar; 112,65 para Ipu e 99,60 para So Joaquim da Barra. No entanto, o nmero de pontos por municpio sorteado variou ligeiramente, com 79 pontos em Guar, 115 em Ipu e 106 em So Joaquim da Barra. Ento, como a estimativa para a rea total mais precisa que as estimativas por municpio, deve-se multiplicar as estimativas municipais por um coeficiente de correo. Este coeficiente calculado pela diviso do nmero de pontos da amostragem do municpio pelo nmero de pontos esperados no mesmo municpio. Assim, os coeficientes para Guar, Ipu e So Joaquim da Barra so, respectivamente, 0,90; 1,02 e 1,06. O somatrio das estimativas corrigidas de rea agrcola por municpio exatamente igual ao valor estimado de rea agrcola para a rea total. A metodologia permite obter estimativas peridicas para cada cultura em cada municpio, que so somadas ao longo do ano. Esses relatrios, somados, geram, no final do ano civil, a safra agrcola para o ano.

4.2.7 Auditoria
Aps a classificao dos 300 pontos em todas as datas, realizou-se uma auditoria nos dados com o intuito de identificar e corrigir erros. Esta auditoria baseou-se em ocorrncias ou seqncias inverossmeis. Consistiu na utilizao de uma expresso lgica do Excel para encontrar determinadas combinaes nas trs clulas que correspondem primeira, segunda e terceira safras, e que retornava uma expresso especfica para cada caso. Se num mesmo ponto os trs campos estiverem em branco e no for um ponto ocupado por cana-de-acar, ser retornada a expresso SEM USO. Se os trs campos estiverem em branco e o uso for cana-de-acar, ser retornada a

98

expresso VERIFICAR, pois, significa que o ponto foi classificado como cana-deacar o ano todo ou parte dele, e no foi classificado como palha ou solo exposto em nenhuma data. possvel que tenha se passado um perodo longo sem colheita, mas, como a rebrota da cana-de-acar ocorre rapidamente, a colheita pode ter ocorrido entre uma data e outra e no ter sido registrada. Ou ainda, quando houver um ponto classificado como solo exposto numa data, seguido de palha numa segunda data, o retorno ser a expresso ERRO. Se no for erro de interpretao, provavelmente, no intervalo entre as datas ocorreu alguma cultura que, na segunda data, j havia sido colhida. Nos pontos em que no foi detectada nenhuma das trs situaes, no houve o retorno de expresso. Os pontos sinalizados com a expresso foram reinterpretados nas imagens de satlite das datas respectivas. Em alguns casos foram detectados erros de interpretao, que foram devidamente corrigidos. Mas, em outros casos, no foi possvel, sendo detectada a ausncia de informao. Isto ocorreu quando o intervalo entre uma data e a seguinte foi muito longo, principalmente em pocas mais significativas para a agricultura, que so as pocas chuvosas. A cana no colhida tambm foi determinada por uma expresso lgica. Se na ltima data do ano o ponto foi classificado como cana-de-acar e no primeiro ms do ano seguinte for classificado como cana, a este ponto ser atribuda a expresso cana no colhida.

4.2.8 Gerao de Consultas ao Banco de Dados

A organizao dos dados em um banco de dados multitemporal permite que sejam realizadas inmeras consultas, tanto numa determinada data, como num conjunto de datas, onde podem ser detectadas, por exemplo, alteraes no uso do solo. Uma das vantagens do SPRING a possibilidade de realizar consultas em linguagem SQL (Strutured Query Language), a partir de expresses lgicas que utilizam os operadores igual, diferente, maior que e menor que (=, <>, > e <), segundo os objetivos desejados.

99

Estas consultas foram realizadas com os dados do painel amostral a fim de mostrar as potencialidades do banco de dados na extrao de informaes espaciais. Como exemplo, foram criadas trs consultas espaciais: a) Quais so os pontos amostrais que possuem o cultivo associado com cana-deacar e soja? Esta pesquisa busca os pontos amostrais que eram ocupados por cana-de-acar numa determinada data e passaram a ser ocupados por soja na data seguinte. b) Quais as reas que eram pasto e comearam a ser cultivadas ou que eram cultivadas e tornaram-se pasto? Esta consulta retorna os pontos amostrais que foram identificados como pastagem numa data e em outra data foram identificados como outra classe. Portanto, esta consulta apresenta as reas em que a pastagem foi substituda por algum tipo de cultura ou que uma rea cultivvel foi substituda por pastagem. c) Quais os municpios que, para a safra de 2001, tiveram entre 20.000 e 30.000 hectares ocupados por cana-de-acar? Esta consulta retorna os municpios que tiveram estimativa de rea agrcola para a cultura da cana-de-acar, na safra de 2001, entre 20.000 e 30.000 hectares. d) Quais so os municpios cuja rea ocupada por soja, na safra de 2001, foi superior rea ocupada por cana-de-acar? Esta consulta retorna os municpios que tiveram rea estimada de soja, para a safra de 2001, superior rea estimada de cana-de-acar.

4.2.9 Avaliao dos Resultados

As estimativas de rea agrcola para cada cultura por municpio, para as safras de 2000 e 2001 foram comparadas com os dados oficiais do IBGE (LSPA) e com os dados coletados pelo Instituto de Economia Agrcola (IEA) em parceria com a Coordenadoria de Assistncia Tcnica Integral (CATI).

100

4.2.10 Metadados
Para a representao dos metadados do banco de dados deste estudo foi adotado o padro INFORMS-MTDD-1999, que organiza a descrio dos dados nas sete categorias: identificao, referncia dos metadados, distribuio, qualidade dos dados, organizao espacial dos dados, referncia espacial, e entidades e atributos. Estas categorias so as mesmas propostas pelo padro FDGC (Federal Geographic Data Committee), mas o contedo mais simplificado. A insero dessas informaes foi realizada de maneira improvisada, pois o SPRING no possui visualizao de tabelas no espaciais. Ento, pontos sem significado foram inseridos em um PI do tipo cadastral e associados a tabelas por tema de metadados. Foram criadas cinco tabelas gerais divididas por tema e denominadas como identificao, referncia dos metadados, organizao, referncia espacial, e entidades e atributos. Alm dessas tabelas, outras sete foram criadas para detalhar os planos de informao, sendo denominadas como vetores, cadastral, imagem, matriz, objetos, legenda e metadados (Tabela 4.8). TABELA 4.8 Contedo das tabelas de metadados inseridas no banco de dados. Tabela Contedo 1. identificao Autor, data de publicao, local, ttulo, objetivo, resumo, data inicial, data final, progresso, freqncia de atualizao, cobertura geogrfica, retngulo envolvente, restries de acesso, tamanho e contato Data de gerao e responsvel Organizao, formatos e contedo Sistema, projeo, fuso, meridiano central e datum Nome do banco de dados, Nome do projeto e planos de informao Nome do plano de informao, categoria, resoluo, escala, tipo de dado e qualidade
(continua)

2. referncia dos metadados 3. organizao 4. referncia espacial 5. entidades e atributos 5.1. vetores

101

TABELA 4.8 (Concluso). Tabela 5.2. cadastral Contedo Nome do PI, categoria, escala, tipo de dado, quantidade, qualidade, objetos associados e observao Nome do PI, categoria, resoluo, amostragem, qualidade, processamento e observao Nome do PI, categoria, contedo, resoluo, escala, tipo de dado, qualidade e observao Nome do PI, tipo de dado, atributos, nmero de registros, tabela, qualidade, cadastral associado e observao Sigla, significado Nome do PI, categoria, objetos associados, tabela e observao

5.3. imagem

5.4. matriz 5.5. objetos

5.6. legenda 5.7. metadados

4.2.11 Levantamento dos Custos

A aplicabilidade da metodologia est atrelada relao custo-benefcio. A proposta de estend-la para uma abrangncia estadual deve ser avaliada segundo esta perspectiva. Portanto, neste trabalho feita uma anlise que procura mostrar os custos envolvidos na aplicao da metodologia descrita.

102

CAPTULO 5 RESULTADOS E DISCUSSO 5.1 Painel Amostral

O painel amostral criado no SPRING mostrado na Figura 5.1. A insero dos pontos como objetos no banco de dados, que permitiu associ-los categoria cadastral, foi muito eficiente para armazenar os dados. Alm disso, facilitou a etapa de interpretao das imagens, pois os pontos eram rapidamente localizados na tabela e visualizados na tela, e a edio pde ser feita diretamente na tabela junto ao prprio SPRING, no necessitando de outro software para inserir os dados da classificao.

FIGURA 5.1 Ilustrao da carta contendo o painel amostral.

103

5.2

Seleo das Imagens de Satlite

Em relao ao conjunto de imagens obtidas, pode-se dizer que em mdia obteve-se uma imagem a cada 52 dias, ou seja, uma imagem a cada trs ou quatro passagens do satlite, o que foi considerado bom para os propsitos desse trabalho. No entanto, algumas imagens esto muito distantes em relao data de outras, o que pode causar uma falta de registro de alguma cultura eventualmente plantada e colhida dentro deste intervalo de tempo. Como pode ser visto na Tabela 5.1, a imagem do dia 04/12/01 foi obtida 112 dias aps a imagem anterior (14/08/01). Ao considerar que em agosto muitas culturas foram colhidas e s sero plantadas em outubro, mas para serem colhidas no ano seguinte, conclui-se que o impacto da perda de informao minimizado. Um caso mais crtico o intervalo de 88 dias entre as imagens das datas de 08/01/00 e de 05/04/00. Como a imagem do dia 08/01/00 a mais antiga do banco de dados, no h, portanto, informaes anteriores. Assim, os pontos duvidosos podem no ter sido esclarecidos adequadamente, pois foram interpretados apenas em uma imagem (08/01/00) e, na imagem seguinte, de 05/04/00, muitos talhes j haviam sido colhidos. TABELA 5.1 Intervalo entre as datas de aquisio das imagens.
Datas 08/01/00 - 05/04/00 05/04/00 - 16/06/00 16/06/00 - 19/08/00 19/08/00 - 20/09/00 20/09/00 - 22/10/00 22/10/00 - 09/12/00 09/12/00 - 18/01/01 18/01/01 - 19/02/01 19/02/01 - 23/03/01 23/03/01 - 11/06/01 11/06/01 - 14/08/01 Intervalo 88 72 64 32 32 48 40 32 32 80 64 Datas 14/08/01 - 04/12/01 04/12/01 - 05/01/02 05/01/02 - 06/02/02 06/02/02 - 10/03/02 10/03/02 - 11/04/02 11/04/02 - 29/05/02 29/05/02 - 30/06/02 30/06/02 - 17/08/02 17/08/02 - 20/10/02 20/10/02 08/01/03 Intervalo 112 32 32 32 32 48 32 48 64 80

Na verdade, no foram obtidas todas as imagens que foram gravadas na estao de recepo e que estavam sem nuvens. Ao analisar todas as passagens de satlite que potencialmente poderiam gerar imagens teis, constata-se que houve uma passagem de

104

satlite a cada oito dias, no perodo de 08/01/2000 a abril de 2002 e, a partir desta data, at 08/01/2003, uma a cada dezesseis dias, totalizando 121 passagens. No entanto, houve um perodo em que o INPE no pde gravar as imagens, entre fevereiro e junho de 2000, que corresponde a 14 passagens. E no perodo imediatamente seguinte, somente as imagens do sensor TM foram adquiridas at novembro, enquanto que nove passagens do Landsat 7 no puderam ser gravadas. Embora este fato no impedisse que as imagens fossem adquiridas por outra estao de recepo, no foi possvel verificar se houve alguma falha na recepo e quais imagens estavam livres de nuvens. Para este estudo, neste perodo, foi adquirida uma imagem de empresa particular. Desconsiderando, ento, essas 23 passagens, possvel discutir as 98 passagens restantes quanto a falha na recepo e ausncia de nuvens. Em relao s falhas de gravao, foram detectadas onze passagens em que no houve gravao, sendo cinco do satlite Landsat 5 e seis do Landsat 7. Alm disso, em quatro imagens gravadas, o satlite Landsat 5 apresentou falhas em alguns detectores, o que afetou parte da imagem. Entre as 83 passagens que foram gravadas pelo INPE e esto livres de problemas, 21 foram adquiridas, enquanto que 41 apresentam um percentual de cobertura de nuvem que impediria a classificao dos pontos. Portanto, 21 imagens esto disponveis e livres de nuvens mas no foram adquiridas para este trabalho. Nos intervalos discutidos anteriormente, verificou-se que o intervalo crtico de 112 dias poderia ser reduzindo, pois, h trs passagens com imagens gravadas e livres de nuvens neste intervalo. No entanto, como j discutido, para estas datas, considerando os ciclos das culturas, no seria necessrio reduzir este intervalo. Para o segundo intervalo crtico, de 88 dias, no haveria soluo, pois as quatro imagens gravadas esto cobertas por nuvens. Em relao ao nmero e intervalo de imagens adquiridas, pode-se dizer que foram adequadas para o estudo. No obstante, deve ser considerado que, ao menos em certo perodo, contou-se com os Landsats 5 e 7 operando conjuntamente. Isso leva a considerar fortemente a necessidade de ter sistemas de satlites que operem em intervalos de tempo menores.

105

5.3

Pr-processamento Digital das Imagens de Satlite

5.3.1 Registro
Os erros obtidos no registro de cada imagem so apresentados na Tabela 5.2. TABELA 5.2 - Erro de registro das imagens.
Imagem 1 2 3 4 5 6 7 8 9 10 11 Data da imagem 08/01/2000 05/04/2000 16/06/2000 19/08/2000 20/09/2000 22/10/2000 09/12/2000 18/01/2001 19/02/2001 23/03/2001 11/06/2001 Erro em metros 7,23 7,35 6,73 6,58 6,90 6,15 6,35 6,40 6,28 6,25 6,68 Imagem 12 13 14 15 16 17 18 19 20 21 22 Data da imagem 14/08/2001 04/12/2001 05/01/2002 06/02/2002 10/03/2002 11/04/2002 29/05/2002 30/06/2002 17/08/2002 20/10/2002 08/01/2003 Erro em metros 5,58 6,75 4,78 4,10 6,10 6,00 7,10 7,40 7,53 7,92 4,74

Em mdia, os erros ficaram em torno de 6,5 metros; os maiores erros so os referentes s imagens de 17/08/2002 e 20/10/2002, que possuem trinta metros de resoluo.

5.3.2 Correo Atmosfrica

A Tabela 5.3 apresenta os valores dos parmetros j e NDespalhamento utilizados para obter a reflectncia corrigida e o parmetro Mult, utilizado para gerar uma imagem a partir da reflectncia. A separao das imagens em grupos, considerando o sensor, a poca e a resoluo mostrou-se adequada, pois os modelos de espalhamento relativo indicados e, conseqentemente, os valores subtrados, diferiram entre os grupos. Verificou-se que nas imagens da poca seca, de agosto, o modelo indicado o de atmosfera muito limpa, enquanto que nas imagens da poca chuvosa o modelo foi atmosfera limpa, que pode ser atribudo ao maior acmulo de molculas de vapor dgua. Deve ser

106

mencionado que, nas imagens onde o modelo de espalhamento relativo foi atmosfera limpa, o valor subtrado (NDespalhamento) na banda 5 foi superior aos valores subtrados na banda 4 e mesmo aos na banda 3, na imagem do dia 22/10/2000. TABELA 5.3 Parmetros das equaes de correo por SPE para as imagensreferncia.
Grupo Sensor Resoluo Imagem referncia Atmosfera Bandas 3 4 5 3 4 5 3 4 5 3 4 5 3 4 5 3 4 5 3 4 5 J1 0,002265 0,003702 0,002291 0,003015 0,004928 0,003049 0,001412 0,003271 0,001970 0,001903 0,002910 0,002655 0,001881 0,002876 0,002625 0,001423 0,003296 0,001985 0,001417 0,003283 0,001978 NDespalha mento 28,17 16,93 30,76 11,85 5,64 4,73 31,64 14,84 26,52 16,36 11,22 9,00 17,07 11,50 9,09 36,41 16,77 30,28 31,66 14,85 26,54 Mult2 441,50 270,13 436,59 331,66 202,93 327,98 708,22 305,74 507,59 525,46 343,68 376,60 531,59 347,69 380,99 702,80 303,40 503,70 705,52 304,57 505,65

TM

25

22/10/2000

Limpa

TM

25

19/08/2000

Muito limpa

ETM+

25

05/01/2002

Limpa

ETM+

25

14/08/2001

Muito limpa

ETM+

30

17/08/2002

Muito limpa

ETM+

30

20/10/2002

Limpa

ETM+

30

08/01/2003

Limpa

Em relao ao sensor, no houve diferena no modelo de espalhamento, mas os valores a serem subtrados variaram. Entre as imagens com resoluo de trinta metros (17/08/2002 e 20/10/2002), alm de no haver diferena no modelo de espalhamento, os valores a serem subtrados ficaram muito prximos, o que pode ser concludo que estas duas imagens poderiam ter sido consideradas nos grupos 4 e 3, respectivamente, e sido

1 2

J = (d2 .b) / (E . cos(zen)); a equao 2.15 do item 2.6.2. Mult o multiplicador utilizado para transformar os valores de reflectncia em nmeros digitais.

107

apenas uniformizadas, sem a correo atmosfrica. Nos parmetros J e Mult, h diferena entre os grupos de diferentes sensores e pocas, no havendo grande diferena entre as imagens com resoluo de trinta metros e as com vinte e cinco metros. Isso confirma a idia de que as imagens de trinta metros, em se tratando da correo atmosfrica, poderiam ser inseridas nos grupos das imagens com vinte e cinco metros. No entanto, a vantagem de inserir estas imagens nos seus respectivos grupos no precisar corrigi-las, fazendo somente a uniformizao. Como a uniformizao utiliza alvos de tamanho fixo, o nmero de pixels dentro desses alvos nas imagens de trinta metros seria inferior ao das imagens com vinte e cinco metros, o que poderia influenciar nos resultados. A seguir so apresentados os histogramas das bandas 3, 4 e 5 da imagem do dia 05/01/2002 sem a correo por SPE e com a correo (Figura 5.2).
(a)
200000
200000

(b)
200000

(c)
mdia = 98,79 desvio padro = 24,52 mdia = 89,01 desvio padro = 20,16
150000

150000

mdia = 53,23 desvio padro = 14,36

150000

100000

100000

100000

50000

50000

50000

0 0 51 102 153 204 255

0 0 51 102 153 204 255

0 0 51 102 153 204 255

(d)
200000 200000

(e)
200000

(f)
mdia = 89,79 desvio padro = 24,52 mdia = 79,01 desvio padro = 20,16

150000

mdia = 32,23 desvio padro = 14,36

150000

150000

100000

100000

100000

50000

50000

50000

0 0 51 102 153 204 255

0 0 51 102 153 204 255

0 0 51 102 153 204 255

FIGURA 5.2 - Histogramas de freqncia da imagem do dia 05/01/2002 antes da correo atmosfrica, bandas 3(a), 4(b) e 5(c), e depois da correo por SPE, bandas 3(d), 4(e) e 5(f). possvel constatar que no houve alterao no desvio padro dos NDs da imagem; somente as mdias dos NDs foram alteradas, devido ao deslocamento da curva para a esquerda, ocasionado pela correo atmosfrica, obtida pela subtrao de um valor de ND correspondente ao espalhamento. A conseqncia um escurecimento da imagem.

108

Este mtodo no ocasiona compresso e nem distenso do histograma, portanto, no altera a distribuio original dos nmeros digitais da imagem. A Figura 5.3 apresenta um pequeno trecho da imagem de mesma data com e sem a correo por SPE, nas trs bandas consideradas neste trabalho (3, 4, e 5).

(a)

(b)

(c)

(d)

(e)

(f)

(g) (h) FIGURA 5.3 Trecho da imagem do dia 05/01/2002 antes da correo atmosfrica, bandas 3(a), 4(c) e 5(e), e depois da correo por SPE, bandas 3(b), 4(d) e 5(f); e em composio colorida RGB 453 sem correo (g) e corrigida (h).

109

A vantagem da correo por SPE para a interpretao a melhoria visual causada pela reduo do aspecto de nvoa na imagem.

5.3.3 Uniformizao das Imagens

A Tabela 5.4 apresenta as equaes de regresso utilizadas na uniformizao das imagens, onde x o nmero digital dos alvos pseudo-invariantes da imagem antes da uniformizao e y o nmero digital dos mesmos alvos aps a uniformizao, considerando dez alvos; e os respectivos coeficientes de determinao (R2). TABELA 5.4 - Equaes de regresso utilizadas para a uniformizao.
Data Banda 3 R2 0,95 0,96 0,97 0,99 1,00 0,93 1,00 0,98 0,99 1,00 0,98 1,00 0,99 0,95 0,98 Banda 4 y = 0,8657x - 14,588 y = 0,7149x - 4,5215 y = 1,0829x - 5,137 y = 0,7025x - 3,5426 y = 0,7315x - 7,4895 y = 0,8891x - 25,407 y = 1,0333x - 12,549 y = 1,1252x - 12,607 y = 1,0225x - 8,8599 y = 1,0389x - 19,791 y = 1,0906x - 14,193 y = 1,1599x - 16,511 y = 1,1807x - 10,289 y = 1,3536x - 48,414 y = 1,7581x - 12,036 R2 0,92 0,98 0,97 0,98 0,98 0,86 0,99 0,99 0,94 0,99 0,99 0,98 0,99 0,95 0,99 Banda 5 y = 0,9732x - 14,044 y = 0,8141x - 3,9511 y = 1,2067x - 2,4607 y = 0,8384x - 3,5151 y = 0,7373x - 5,2117 y = 0,9314x - 29,182 y = 0,9974x - 7,8101 y = 0,9696x - 8,115 y = 1,0226x - 6,9302 y = 0,8637x - 13,205 y = 0,9531x - 8,0186 y = 0,9777x - 11,364 y = 0,8153x - 5,5772 y = 1,3994x - 38,945 y = 1,1205x - 8,5698 R2 0,96 0,96 0,99 0,99 0,99 0,94 0,99 0,99 0,99 0,98 1,00 1,00 0,97 0,98 0,99 08/1/2000 y = 1,0483x 29,084 05/4/2000 y = 0,8039x - 9,934

16/6/2000 y = 1,0936x - 9,9893 20/9/2000 y = 0,7645x - 10,308 09/12/2000 y = 0,7553x - 15,2

18/1/2001 y = 1,0376x - 48,994 19/2/2001 y = 1,1349x - 30,882 23/3/2001 y = 1,1579x - 29,157 11/6/2001 y = 1,1407x - 14,982 04//12/01 y = 0,9727x - 37,29

06/2/2002 y = 0,9745x - 26,936 10/3/2002 y = 1,099x - 32,321

11/4/2002 y = 0,8095x - 11,623 29/5/2002 y = 1,2422x - 42,814 30/6/2002 y = 1,0883x - 13,793

Esta tcnica foi considerada boa j que todos os coeficientes de determinao calculados ficaram acima de 0,92, exceto um, de 0,86. Alm disso, algumas bandas apresentaram o valor mximo (1). Este resultado indica que os pixels referentes aos alvos pseudoinvariantes nas imagens so altamente correlacionadas entre si.

110

A avaliao da uniformizao foi realizada pela anlise dos resduos entre as imagens referncia e as imagens uniformizadas. Os valores de SQR (soma dos quadrados dos resduos) so apresentados na Tabela 5.5. TABELA 5.5 - Valores de SQR para as imagens uniformizadas em relao imagem referncia.
Data 08/01/2000 05/04/2000 16/06/2000 20/09/2000 09/12/2000 18/01/2001 19/02/2001 23/03/2001 11/06/2001 04/12/2001 06/02/2002 10/03/2002 11/04/2002 29/05/2002 30/06/2002 Banda 3 716,32 689,72 274,78 56,44 59,57 3020,97 126,54 813,25 176,30 189,87 822,85 142,00 269,61 962,05 305,26 Banda 4 1409,57 470,65 277,50 138,23 278,59 3165,68 117,18 309,87 1222,92 232,40 252,54 392,89 138,86 877,69 165,45 Banda 5 2301,22 1555,29 285,95 627,47 342,13 4029,39 351,56 959,98 498,50 1115,63 174,74 289,54 1223,76 819,31 268,11 Mdia 1475,70 905,22 279,41 274,05 226,76 3405,34 198,43 694,37 632,57 512,64 416,71 274,81 544,08 886,35 246,27

A anlise dos valores de SQR permite observar que os valores mais elevados, em mdia, so os da imagem do dia 18/01/2001, que tambm apresentou a menor correlao.

5.4

Banco de Dados

O banco possibilitou, alm das estimativas de rea agrcola, a extrao de informaes sobre o manejo das culturas, como, por exemplo, se o plantio direto ou mecanizado, se h rotao de culturas, a poca provvel de plantio e de colheita e o perodo da cultura no campo.

111

5.5

Classificao dos Pontos e Trabalho de Campo

A anlise visual das imagens uniformizadas permitiu a distino das classes de uso agrcola e no-agrcola, garantindo a classificao de grande parte dos pontos. A Figura 5.4 mostra fragmentos das imagens ETM+ Landsat 7 de 05/01/2002 com correo atmosfrica e de 29/05/2002 uniformizada, ambas com contraste linear, para exemplificar os usos encontrados na rea de estudo. Cultura Banda 3 Banda 4 Banda 5 RGB (453)

Cana-deacar1
(12,96) (101,96) (44,68)

Soja1
(8,24) (124,08)

(84,48)

Milho1
(11,76) (100,60) (56,44)

Pastagem1
(40,96) (73,04) (76,84)

Mata1
(4,92) (89,56) (53,16)

FIGURA 5.4 - Quadro da resposta espectral das principais culturas nas bandas 3, 4 e 5 e em composio colorida, em escala 1:25.000. Os valores em parnteses correspondem aos valores digitais mdios. 1 Imagem do dia 05/01/2002. 2Imagem do dia 29/05/2002. (continua)

112

Cultura

Banda 3

Banda 4

Banda 5

RGB (453)

Solo exposto1
(36,40) (46,92) (40,00)

Palha1
(63,44) (53,20) (88,84)

Sorgo2
(30,40) (66,04) (58,40)

Milheto2
(26,88) (62,04) (44,16)

Milho safrinha2
(17,80) (63,84) (39,48)

Milho safrinha Irrigado2

(22,68) (140,60) (53,96)

FIGURA 5.4 (Concluso).

A distino entre os alvos foi possvel graas a uma diferenciao de resposta espectral entre eles, o que garante uma resposta peculiar para cada alvo. A Figura 5.5 apresenta o fator de reflectncia mdio de talhes tpicos encontrados na rea de estudo, nas imagens do dia 05/01/2002 e 29/05/2002. Na Figura 5.5a verifica-se o comportamento

113

espectral dos alvos da safra de vero, enquanto que na Figura 5.5b, os alvos da segunda safra. Como os grficos correspondem aos fatores de reflectncia dos alvos, possvel compar-los entre si, mesmo que obtidos em imagens diferentes.
05/01/2002
40,6% 0,4 0,35 33,3% 32,9% 29,3% 23,9%

Banda 3 Banda 4 Banda 5

Fator de reflectncia

0,3 0,25 0,2 0,15 0,1 0,05 0 1,8% 8,8% 16,6% 11,1% 5,8% 1,2% 1,7%

15,1% 10,5%

15,3% 7,9% 5,1% 0,7%

cana

soja

milho

pastagem

mata

solo exposto

(a)
29/05/2002
40,9% 0,4 0,35
Fator de reflectncia

Banda 3 Banda 4 Banda 5

0,3 0,25 0,2 0,15 0,1 0,05 0 9,0% 5,8% 5,1% 17,4% 17,5% 19,2% 15,5% 11,7% 3,4% 10,5% 4,3% 18,1% 18,6% 14,3%

palha

sorgo

milheto

milho safrinha

milho safrinha (irrigado)

(b) FIGURA 5.5 Fator de reflectncia mdio dos alvos agrcolas presentes na rea de estudo nas imagens ETM+ do dia 05/01/2002 (a) do dia 29/05/2002 (b). Em geral, a vegetao, em completo desenvolvimento foliar, correspondente aos diversos alvos comporta-se de maneira similar, com alta absoro na banda 3 e alta

114

reflectncia nas bandas 4 e 5. A distino da soja, que uma leguminosa, em relao aos outros alvos se d pela sua elevada reflectncia nas bandas 4 e 5, superior reflectncia da cana-de-acar, do milho e da mata, o que resulta numa tonalidade amarelada em composies coloridas RGB 345. H uma grande semelhana entre os alvos cana-de-acar e milho, que so gramneas, mas possvel uma pequena distino, dada pelo valor mais elevado de reflectncia na banda 5, para o milho. O solo exposto apresenta valores baixos de reflectncia nas trs bandas, enquanto que a palha apresenta valores altos nas trs bandas. A pastagem apresenta resposta espectral significativa nas trs bandas, sendo a mais intensa a reflectncia desse alvo na banda 4 e a menos intensa a reflectncia na banda 3. Na Figura 5.5b as culturas de sorgo, milheto e milho safrinha, que so gramneas, apresentam o mesmo padro de reflectncia, com uma sutil diferena na resposta entre as culturas para as trs bandas, o que resulta em diferentes tonalidades marromavermelhadas. Quando irrigada, a cultura pode alterar sua resposta espectral, como pode ser percebido para o milho safrinha irrigado, que apresentou um aumento na reflectncia da banda 4. Alm da tonalidade, outras caractersticas que distinguem os alvos foram identificadas. A Tabela 5.6 apresenta as diferentes classes de uso e suas caractersticas na rea de estudo. Para as culturas de baixa ocorrncia na rea de estudo (algodo, feijo, sorgo e milheto) no foi possvel determinar as caractersticas intrnsecas para cada uma, apesar de essas culturas no se confundirem com as culturas caracterizadas na Tabela 5.6. Neste caso, o tipo de uso deve ser determinado em trabalho de campo. importante ressaltar que normalmente o intrprete no parte de todas as opes para escolher uma. Na realidade, ao verificar, no banco de dados, as classificaes passadas, poucas alternativas restam para ser escolhidas. Por exemplo, se h dvida entre um alvo ser cana-de-acar ou milho, mas numa data imediatamente anterior o alvo era cana, ento nesta data o alvo cana. Ou, ainda, se esse mesmo alvo, na data imediatamente

115

anterior era solo exposto, e, por meio de consulta a anos anteriores, onde se pode constatar a tradio de cultivo, verifica-se que aquele talho sempre foi cultivado com milho, h grandes chances de que atualmente seja milho. TABELA 5.6 Cor e caractersticas dos principais alvos agrcolas encontrados na rea de estudo.
Classe Cor na composio RGB 453 Vermelho Caractersticas Talhes grandes, com carreadores, geralmente rodeados pela mesma cultura; por ser de ciclo longo, fica muitos meses no campo. Raramente em pivs-centrais; fica pouco tempo no campo e somente entre outubro e maro. comum ser plantada em reas de cana-de-acar. A cor pode ser confundida com a cana; mas no apresenta carreadores e fica poucos meses no campo, cerca de quatro meses e na poca chuvosa. cultivado entre abril e agosto e possui as mesmas caractersticas do milho de vero. plantado em pivs centrais, possui colorao intensa e pode ser cultivado o ano todo. Como os solos da regio so muito escuros, a colorao na imagem tambm escura.

Cana-de-acar

Soja

Amarelo Vermelhoalaranjado Vermelhoalaranjado Alaranjado Azul escuro

Milho de vero Milho safrinha Milho irrigado Solo exposto Palhada Pastagem Construes Mata Mata de galeria

Azul ou ciano muito claro ou Pode ocorrer aps a cultura do milho, da soja e da cana branco Normalmente, ocorre prximo drenagem e em terrenos mais Acinzentado acidentados, tendo, portanto, formas irregulares. Azul vivo Simtrico em cor intensa. Vermelho a marrom Vermelho a marrom reas fragmentadas, com textura rugosa. Estreitas faixas em torno dos rios, com textura rugosa.

Como o painel amostral foi gerado aleatoriamente, parte dos trezentos pontos amostrais correspondem a alvos no-agrcolas, como mata, mata de galeria e reas construdas (rea urbana, estrada, ferrovia, lagoa de vinhaa, usina e aeroporto). Daquele total, 258 foram considerados alvos agrcolas, incluindo as reas de pastagem (Tabela 5.7) Apenas 7 dos 300 pontos do painel amostral corresponderam a alvos no-agrcolas antrpicos, sendo dois sobre rea urbana e um para cada uma dessas outras classes: aeroporto, usina, rede ferroviria, estrada e lagoa de vinhaa.

116

TABELA 5.7 - Total de pontos do painel amostral em imagens de satlite e percentual (entre parnteses) com uso agrcola e no-agrcola.
Municpios Alvos Agrcola e pastagem Mata Galeria Construes TOTAL GUAR 69 (87,34%) 3 (3,80%) 7 (8,86%) 0 (0,00%) 79 (100,00%) IPU 99 (86,09%) 3 (2,61%) 12 (10,43%) 1 (0,87%) 115 (100,00%) SO JOAQUIM DA BARRA 90 (84,91%) 0 (0,00%) 10 (9,43%) 6 (5,66%) 106 (100,00%) TOTAL

258 (86,00%) 6 (2,00%) 29 (9,67%) 7 (2,33%) 300 (100,00%)

A auditoria na classificao dos pontos permitiu encontrar interpretaes inconsistentes e corrigi-las. No entanto, alguns pontos permaneceram com interpretaes incoerentes, pois no foi possvel identificar a cultura que ocorreu no intervalo. Para a safra de 2000, no intervalo entre as imagens de janeiro e a de abril, passaram-se 88 dias, o que um intervalo muito grande para uma cultura como a soja, que tem um ciclo de 90 a 120 dias e que s depois do desenvolvimento das folhas pode ser identificada na imagem. Com isso, dois pontos (193, 182) tiveram a interpretao de suas culturas omitidas na primeira safra. Para esta mesma safra, o intervalo de 72 dias entre a imagem de abril e a de junho no permitiu a determinao da cultura presente no ponto 261, que tambm apresentou a incoerncia citada. Na safra de 2001, dois pontos (214 e 224) apresentaram interpretaes incoerentes entre os meses de agosto e dezembro, que compreendeu um intervalo de 112 dias sem imagens.

5.6

poca de Plantio

A poca de plantio foi determinada pela ocorrncia ou no das culturas durante os meses e anos considerados no trabalho. importante dizer que no foram analisados todos os meses dos anos estudados, chegando a ter at trs meses consecutivos de ausncia de imagens, o que pode distorcer ou mascarar os resultados. Alm disso, a poca de plantio pode variar em dias ou at meses, de ano para ano, em funo das condies climticas e outros fatores. Apesar disso, esta anlise pode contribuir bastante para a escolha das datas das imagens a compor o banco de dados.

117

Os dados coletados em diversos trabalhos de campo referentes ao tipo de uso do solo em 300 pontos amostrais localizados nos municpios de Ipu, Guar e So Joaquim da Barra permitiram identificar a poca de ocorrncia das principais culturas ao longo do ano na rea de estudo. A Figura 5.6 apresenta a freqncia de pontos amostrais que foram classificados, por tipo de cultura, a partir de interpretao visual de imagens dos satlites Landsat 5 e 7 e trabalhos de campo, para cada ms. Os pontos que foram classificados como outros usos, como rea urbana, ferrovia e estrada, no foram includos nessa tabela, o que resultou em 258 pontos ocupados por alguma cultura. importante ressaltar que estes dados no cobrem todos os meses do ano, mas apenas os meses em que foram adquiridas imagens. Esses dados no indicam a data de plantio das espcies, pois a resposta espectral da cultura s pde ser verificada dias aps o plantio, aps o desenvolvimento de folhas e uma certa extenso de cobertura do solo. Observa-se na Figura 5.6 que a cana-de-acar ocorre em todos os meses do ano, enquanto que a soja ocorre nos meses de chuva, entre outubro e abril. Tambm nos meses de chuva ocorrem o feijo, o algodo e o milho de vero. J o milho safrinha plantado na entressafra, a partir de janeiro. Para o milheto, devido sua baixa ocorrncia, no possvel determinar com certeza os meses em que cultivado, mas se sabe que, assim como o sorgo, cultivado no perodo da entressafra.
2000 2001 2002 03 Cultura jan abr jun ago set out dez jan fev mar jun ago dez jan fev mar abr mai jun jul ago out jan CA MI ML MS SR FE SJ AL Legenda: Freqncia Intensidade

0% No ocorre

1 - 25 % Ocorre muito pouco

26 - 50% Ocorre pouco

51 - 75% Ocorre

76-100% Ocorre muito

FIGURA 5.6 Intensidade da presena das culturas na rea de estudo no ano.

118

O fato da cana-de-acar, ao contrrio das outras culturas, estar presente em todos os meses do ano ocorre porque a cana-de-acar pode se desenvolver num ciclo anual, com plantio entre setembro e novembro, ou num ciclo de 18 meses, com plantio em janeiro e fevereiro. O milho foi encontrado nos meses de janeiro a abril de 2000, de setembro de 2000 a junho de 2001 e de dezembro de 2001 a fevereiro de 2002. O milho safrinha foi encontrado de abril a outubro de 2000, de maro a agosto de 2001 e de maro a agosto de 2002. H uma sobreposio das datas de presena do milho e do milho safrinha. A classificao do ponto numa dessas classes se d em funo da data de plantio. As pocas de presena no campo das demais culturas foram determinadas da mesma maneira, cujos dados esto sintetizados na Tabela 5.8. TABELA 5.8 - pocas provveis para encontrar as culturas da regio. Cultura poca de presena Cana-de-acar todo o ano Milho de setembro a junho Milheto de abril a setembro Milho safrinha de maro a outubro Sorgo de abril a setembro Feijo de janeiro a agosto Soja de dezembro a abril Algodo de janeiro a junho

Considerando que as culturas de soja, milho, feijo e algodo so plantadas no perodo de vero e que as culturas de milho safrinha, milheto e sorgo so plantadas na entressafra, considerou-se como perodo de safra de vero aquele compreendido entre outubro e abril, e o perodo de entressafra aquele compreendido entre maio e setembro. No entanto, observou-se que em alguns pontos amostrais ocorreram trs safras em um mesmo ano agrcola. Portanto, pode ser constatada a primeira safra (primeira entressafra) entre agosto e outubro, a segunda safra entre dezembro a fevereiro ou maro e a terceira safra (segunda entressafra) entre maro ou abril e junho. O ms de maro um ms de transio, pois em alguns pontos a colheita da safra de vero ainda no havia sido realizada enquanto que em outros pontos j havia ocorrido o plantio da entressafra.

119

5.7

Estimativa de rea Plantada

O somatrio dos pontos de cada cultura foi feito em planilha de dados do software Excel. Para facilitar esta etapa, elaborou-se um comando de automao para determinar as safras de cada ponto para cada ano agrcola, eliminando-se as classes solo exposto e palha. Um exemplo da linha de comando que foi inserida : =SE(OU(D2="AE";D2="UR";D2="MA";D2="GA";D2="RF";D2="PS";D2="US"; D2="LA";D2="ES");D2;SE(E(D2<>E2;D2<>"PA";D2<>"SE");D2;SE(E(E2<>F2; E2<>"PA";E2<>"SE");E2;SE(E(F2<>G2;F2<>"PA";F2<>"SE");F2;"")))). Esta linha de comando retorna o contedo da clula (D2) da planilha se esse corresponde a uma das classes AE, UR, MA, GA, RF, PS, US, LA ou ES. Seno, feita uma comparao entre o contedo da clula na data atual (D2) com o contedo na prxima data (E2). No caso de serem diferentes entre si, retornar o contedo de D2 se, na data atual, ele for diferente das classes PA e SE. Caso contrrio, o comando analisa a data seguinte (E2), e retorna a classe se esta for diferente da clula que corresponde a uma terceira data (F2), e diferente das classes PA e SE. Se a condio ainda no for aceita, testa-se a clula da terceira data (F2) e retorna o valor se for diferente da quarta data (G2) e das classes PA e SE. Se nenhuma das condies for atendida, a clula permanece vazia. Dessa maneira, identifica a cultura colhida em uma das safras anuais ou a classe, quando o ponto for ocupado por uma classe no-agrcola. Se o ponto foi classificado como aeroporto, rea urbana, mata, mata de galeria, rede ferroviria, pastagem, usina, lagoa de vinhaa ou estrada, o campo primeira safra ser preenchido com a sigla correspondente. Se o ponto no foi classificado por nenhum desses usos, a alterao no uso entre uma data e outra, determina uma colheita, e o campo primeira safra preenchido com o uso na primeira data, desde que a classe da primeira data seja diferente de solo exposto e palha, o que indicaria o plantio de uma nova cultura. O resultado composto pelas trs colunas apresentadas na Figura 5.7: 1a. Safra, 2a. Safra e 3a Safra.

120

FIGURA 5.7 - Tela da planilha Excel, exemplificando o processo de determinao da safra para cada ponto. Novas linhas de comando foram criadas para determinar reas sem uso, quando para um determinado ponto, no houve indicao de produo em nenhuma das trs safras anuais; e reas de cana nova, que so reas em que ocorreu a reforma do canavial, que passaram denominao de cana-planta, mas que no foi colhida no ano em questo. Em seguida, os pontos foram somados por tipo de uso e por municpio para cada safra anual. As culturas temporrias podem ser plantadas em cultivo simples, que o plantio de uma nica cultura temporria em uma determinada rea no ano, ou em cultivo associado, quando duas ou mais culturas temporrias so plantadas numa mesma rea no mesmo ano, em pocas diferentes. A rea plantada, informada para cada cultura, dever ser igual rea total da associao. A Tabela 5.9 apresenta a legenda para as culturas simples e associadas encontradas na rea de estudo e utilizadas nas Tabelas 5.10 a 5.15.

121

TABELA 5.9 - Legenda das culturas simples e associadas encontradas na rea de estudo. CULTURA SIGNIFICADO
Cultivo simples AL CA FE MI SJ SR CACA FEMS MIFE MIMI MIMS MISR Cultivo associado MISRMI MLAL SJCA SJCN SJMI SJML SJMS SJMSMI SJPS SJSR SEM USO CN PS MA GA Algodo Cana-de-acar Feijo Milho de vero Soja Sorgo Cana-de-acar colhida duas vezes numa mesma rea Feijo e milho safrinha Milho de vero e feijo Milho de vero plantado no incio e no fim do ano Milho de vero e milho safrinha Milho de vero e sorgo Milho plantado no incio e no fim do ano, e sorgo plantado no inverno Milheto e algodo Soja e cana-de-acar Soja e cana-de-acar no colhida no ano Soja e milho de vero Soja e milheto Soja e milho safrinha Soja, milho safrinha e milho de vero Soja e pastagem Soja e sorgo rea no cultivada durante o ano, exceto pastagem Cana-de-acar no colhida no ano Pastagem Mata Mata de galeria

122

As Tabelas 5.10 a 5.12 apresentam o nmero de pontos com cultivo simples e associado para as safras de 2000, 2001 e 2002. TABELA 5.10 - Nmero de pontos amostrais em imagens e percentual, entre parnteses, com cada classe de uso, e de cana-de-acar nocolhida, na safra de 2000.
Classe3 AL CA CN FE MI SJ SR CACA FEMS MIFE MIMI MIMS MISR MISRMI MLAL SJCA SJCN SJMI SJML SJMS SJMSMI SJPS SJSR SOMA SEM USO PS MA GA Construes TOTAL Cultivo simples Guar 0 29(36,7) 2(2,5) 0 2(2,5) 5(6,3) 3(3,8) 0 0 0 0 1(1,3) 0 0 1(1,3) 0 6(7,6) 0 0 8(10,1) 0 0 0 57(72,1) 1(1,3) 11(13,9) 3(3,8) 7(8,9) 0 79(100) Ipu 0 31(27,0) 1(0,9) 0 3(2,6) 27(23,5) 0 0 0 0 1(0,9) 1(0,9) 1(0,9) 1(0,9) 0 0 13(11,3) 0 0 5(4,43) 0 0 1(0,9) 85(74,0) 2(1,7) 12(10,4) 3(2,6) 12(10,4) 1(0,9) 115(100) So Joaquim da Barra 0 56(52,9) 7(6,6) 0 0 3(2,8) 0 0 0 0 0 0 0 0 0 0 4(3,8) 0 0 3(2,8) 0 0 0 73(68,9) 0 17(16,0) 0 10(9,4) 6(5,7) 106(100) Total 0 116(38,7) 10(3,3) 0 5(1,7) 35(11,7) 3(1,0) 0 0 0 1(0,3) 2(0,7) 1(0,3) 1(0,3) 1(0,3) 0 23(7,7) 0 0 16(5,3) 0 0 1(0,3) 215(71,7) 3(1,0) 40(13,3) 6(2,0) 29(9,7) 7(2,3) 300(100)

A legenda para as classes de uso apresentada na Tabela 5.9.

Cultivo associado

123

TABELA 5.11 - Nmero de pontos amostrais em imagens e percentual, entre parnteses, com cada classe de uso, e de cana-de-acar nocolhida, na safra de 2001.
Classe4 AL CA CN FE MI SJ SR CACA FEMS MIFE MIMI MIMS MISR MISRMI MLAL SJCA SJCN SJMI SJML SJMS SJMSMI SJPS SJSR SOMA SEM USO PS MA GA Construes TOTAL Cultivo simples Guar 1(1,3) 23(29,1) 7(8,9) 0 4(5,1) 5(6,3) 0 0 0 0 0 0 1(1,3) 0 0 0 10(12,7) 0 0 5(6,3) 0 0 4(5,1) 60(75,9) 0 9(11,4) 3(3,8) 7(8,9) 0 79(100) Ipu 0 41(35,7) 2(1,7) 0 8(7,0) 9(7,9) 0 0 2(1,7) 1(0,9) 0 0 1(0,9) 0 0 0 15(13,0) 1(0,9) 2(1,7) 3(2,6) 0 0 2(1,7) 87(75,7) 0 12(10,4) 3(2,6) 12(10,4) 1(0,9) 115(100) So Joaquim da Barra 0 52(49,1) 8(7,6) 1(0,9) 1(0,9) 4(3,8) 0 0 0 0 0 0 0 0 0 0 8(7,6) 0 0 0 0 0 1(0,9) 75(70,8) 0 15(14,2) 0 10(9,4) 6(5,7) 106(100) Total 1(0,3) 116(38,7) 17(5,7) 1(0,3) 13(4,3) 18(6,0) 0 0 2(0,7) 1(0,3) 0 0 2(0,7) 0 0 0 33(11,0) 1(0,3) 2(0,7) 8(2,7) 0 0 7(2,3) 222(74,0) 0 36(12,0) 6(2,0) 29(9,7) 7(2,3) 300(100)

A legenda para as classes de uso apresentada na Tabela 5.9.

Cultivo associado

124

TABELA 5.12 - Nmero de pontos amostrais em imagens e percentual, entre parnteses, com cada casse de uso, e de cana-de-acar nocolhida, na safra de 2002.
Classe5 AL CA CN FE MI SJ SR CACA FEMS MIFE MIMI MIMS MISR MISRMI MLAL SJCA SJCN SJMI SJML SJMS SJMSMI SJPS SJSR SOMA SEM USO PS MA GA Construes TOTAL Cultivo simples Guar 0 34(43,0) 2(2,5) 1(1,3) 0 6(7,6) 0 1(1,3) 0 0 0 0 0 0 0 3(3,8) 1(1,3) 0 0 11(13,9) 0 1(1,3) 3(3,8) 63(79,7) 0 6(7,6) 3(3,8) 7(8,9) 0 79(100) Ipu 0 55(47,8) 0 0 1(0,9) 13(11,3) 0 1(0,9) 0 0 0 0 0 0 0 0 4(3,5) 0 1(0,9) 4(3,5) 1(0,9) 0 7(6,1) 87(75,7) 0 12(10,4) 3(2,6) 12(10,4) 1(0,9) 115(100) So Joaquim da Barra 0 58(54,7) 7(6,6) 0 0 2(1,9) 0 0 0 0 0 1(0,9) 0 0 0 0 4(3,8) 0 0 0 0 0 1(0,9) 73(68,9) 1(0,9) 16(15,1) 0 10(9,4) 6(5,7) 106(100) Total 0 147(49,0) 9(3,0) 1(0,3) 1(0,3) 21(7,0) 0 2(0,7) 0 0 0 1(0,3) 0 0 0 3(1,0) 9(3,0) 0 1(0,3) 15(5,0) 1(0,3) 1(0,3) 11(3,7) 223(74,4) 1(0,3) 34(11,3) 6(2,0) 29(9,7) 7(2,3) 300(100)

A legenda para as classes de uso apresentada na Tabela 5.9.

Cultivo associado

125

As estimativas de rea agrcola para as mesmas safras foram obtidas a partir do nmero de pontos em cada cultura simples ou associada (Tabelas 5.13, 5.14 e 5.15). TABELA 5.13 - Estimativa de rea agrcola (em hectares) para a safra de 2000 em Guar, Ipu e So Joaquim da Barra.
Classe6 AL CA CN FE MI SJ SR CACA FEMS MIFE MIMI MIMS MISR MISRMI MLAL SJCA SJCN SJMI SJML SJMS SJMSMI SJPS SJSR SOMA SEM USO PS MA GA Construes TOTAL Cultivo simples Guar 0 13.325,32 918,99 0 918,99 2.297,47 1.378,48 0 0 0 0 459,49 0 0 459,49 0 2.756,96 0 0 3.675,95 0 0 0 26.191,14 459,49 5.054,43 1.378,48 3.216,46 0 36.300,00 Ipu 0 12.561,74 405,22 0 1.215,65 10.940,87 0 0 0 0 405,22 405,22 405,22 405,22 0 0 5.267,83 0 0 2.026,09 0 0 405,22 34.443,48 810,43 4.862,61 1.215,65 4.862,61 405,22 46.600,00 So Joaquim da Barra 0 21.766,04 2.720,75 0 0 1.166,04 0 0 0 0 0 0 0 0 0 0 1.554,72 0 0 1.166,04 0 0 0 28.373,58 0 6.607,55 0 3.886,79 2.332,08 41.200,00 Total 0 47.985,33 4.136,67 0 2.068,33 14.478,33 1.241,00 0 0 0 413,67 827,33 413,67 413,67 413,67 0 9.514,33 0 0 6.618,67 0 0 413,67 88.938,33 1.241,00 16.546,67 2.482,00 11.996,33 2.895,67 124.100,00

A legenda para as classes de uso apresentada na Tabela 5.9.

Cultivo associado

126

TABELA 5.14 - Estimativa de rea agrcola (em hectares) para a safra de 2001 em Guar, Ipu e So Joaquim da Barra.
Classe7 AL CA CN FE MI SJ SR CACA FEMS MIFE MIMI MIMS MISR MISRMI MLAL SJCA SJCN SJMI SJML SJMS SJMSMI SJPS SJSR SOMA SEM USO PS MA GA Construes TOTAL Cultivo simples Guar 459,49 10.568,35 3.216,46 0 1.837,97 2.297,47 0 0 0 0 0 0 459,49 0 0 0 4.594,94 0 0 2.297,47 0 0 1.837,97 27.569,62 0 4.135,44 1.378,48 3.216,46 0 36.300,00 Ipu 0 16.613,91 810,43 0 3.241,74 3.646,96 0 0 810,43 405,22 0 0 405,22 0 0 0 6.078,26 405,22 810,43 1.215,65 0 0 810,43 35.253,91 0 4.862,61 1.215,65 4.862,61 405,22 46.600,00 So Joaquim da Barra 0 20.211,32 3.109,43 388,68 388,68 1.554,72 0 0 0 0 0 0 0 0 0 0 3.109,43 0 0 0 0 0 388,68 29.150,94 0 5.830,19 0 3.886,79 2.332,08 41.200,00 Total 413,67 47.985,33 7.032,33 413,67 5.377,67 7.446,00 0 0 827,33 413,67 0 0 827,33 0 0 0 13.651,00 413,67 827,33 3.309,33 0 0 2.895,67 91.834,00 0 14.892,00 2.482,00 11.996,33 2.895,67 124.100,00

A legenda para as classes de uso apresentada na Tabela 5.9.

Cultivo associado

127

TABELA 5.15 - Estimativa de rea agrcola (em hectares) para a safra de 2002 em Guar, Ipu e So Joaquim da Barra.
Classe8 AL CA CN FE MI SJ SR CACA FEMS MIFE MIMI MIMS MISR MISRMI MLAL SJCA SJCN SJMI SJML SJMS SJMSMI SJPS SJSR SOMA SEM USO PS MA GA Construes TOTAL Cultivo simples Guar 0 15.622,78 1.378,48 459,49 0 2.756,96 0 459,49 0 0 0 0 0 0 0 1.378,48 0 0 0 5.054,43 0 459,49 1.378,48 28.948,10 0 2.756,96 1.378,48 3.216,46 0 36.300,00 Ipu 0 22.286,96 1.620,87 0 405,22 5.267,83 0 405,22 0 0 0 0 0 0 0 0 0 0 405,22 1.620,87 405,22 0 2.836,52 35.253,91 0 4.862,61 1.215,65 4.862,61 405,22 46.600,00 So Joaquim da Barra 0 22.543,40 4.275,47 0 0 777,36 0 0 0 0 0 388,68 0 0 0 0 0 0 0 0 0 0 388,68 28.373,58 388,68 6.218,87 0 3.886,79 2.332,08 41.200,00 Total 0 60.809,00 7.446,00 413,67 413,67 8.687,00 0 827,33 0 0 0 413,67 0 0 0 1.241,00 0 0 413,67 6.205,00 413,67 413,67 4.550,33 92.247,66 413,67 14.064,67 2.482,00 11.996,33 2.895,67 124.100,00

Essas tabelas indicam as culturas presentes nos 300 pontos, englobando as de cultivo simples e as de cultivo associados. Portanto, o somatrio igual ao total de pontos na rea de estudo. Os cultivos associados mais comuns para rea de estudo incluem a soja como uma das culturas, sendo eles: soja/cana-de-acar e soja/milho safrinha, que na safra de 2000 ocuparam uma rea de 13.651 ha e 6.619 ha, respectivamente; e soja/sorgo, que

A legenda para as classes de uso apresentada na Tabela 5.9.

Cultivo associado

128

ocuparam 4.550 ha na safra de 2002. As associaes da soja com o milho safrinha e com o sorgo so comuns porque o ciclo da soja curto, favorecendo mais de um cultivo ao ano e, conseqentemente, um melhor aproveitamento da rea. Em geral, este tipo de associao se mantm de ano para ano nas mesmas reas, mas difere da associao da soja com a cana-de-acar, a qual s realizada quando o agricultor reforma o talho de cana-de-acar plantando soja, que, pela sua relao simbitica com bactrias, contribui para a fixao de nitrognio no solo. A Figura 5.8 apresenta os grficos da rea com cultivo associado.
16.000 14.000 12.000 10.000 rea (ha) 8.000 6.000 4.000 2.000 0
0 , % 0

safra 2000 safra 2001 safra 2002

11,0%

6.000 5.000

safra 2000 safra 2001 safra 2002

7,6% 5,1% 12,7%

13,9% 10,1%

7,7%

4.000
rea (ha)
5,3% 5,0% 4,0% 3,7% 2,7% 2,3%

3.000 2.000 1.000 0

6,3%

5,1%

3,8%

0 , % 0

cultivos associados (a)

cultivos associados (b)

6.000 5.000 4.000

13,0%

safra 2000 safra 2001 safra 2002

11,3%

6.000 5.000 4.000

6,1%

safra 2000 safra 2001 safra 2002

7,5%

rea (ha)

rea (ha)

3.000 2.000 1.000 0

3,5% 4,3% 3,5% 2,6%

3.000 2.000 1.000

3,8% 3,8% 2,8%

0 , % 0

0 0 % ,

cultivos associados (c)

cultivos associados (d)

FIGURA 5.8 rea de cultivo associado nos trs municpios (a), em Guar (b), Ipu (c) e So Joaquim da Barra (d). Entre os municpios, o que possui menor rea com associao de cultivos So Joaquim da Barra, com reas expressivas apenas para soja/cana, com 3.109 ha associados em 2001, e para soja/milho safrinha, com 1.666 ha associados em 2000. A baixa ocorrncia de cultivos associados neste municpio deve-se ao fato de que pequena a rea plantada

129

com soja, sendo a cana-de-acar a cultura predominante, que associada soja apenas a cada quatro ou cinco anos, quando o talho reformado. Com o intuito de comparar as estimativas calculadas com as estimativas oficiais, ser feita uma breve discusso em relao s estimativas publicadas pelo IBGE e pelo IEA/CATI, que esto contidas nas Tabelas 5.16 e 5.17, respectivamente. TABELA 5.16 - rea plantada e colhida (em hectares) para as principais culturas encontradas na rea de estudo, em 2000 e 2001, estimada pelo IBGE.
2000 Cultura Guar Municpio Cana-de-acar Soja Milho Sorgo granfero Feijo Algodo herbceo 9.000 10.900 7.680 400 0 400 14.500 19.500 18.500 1.517 170 210 Ipu So Joaquim da Barra 23.800 5.400 3.360 1.200 0 0 Total 47.300 35.800 29.540 3.117 170 610 Guar Ipu 2001 So Joaquim Total da Barra 23.500 5.000 3.000 500 0 0 58.500 31.750 18.800 1.900 196 963

11.000 24.000 10.550 16.200 7.300 8.500 400 1.000 0 196 750 213

FONTE: Instituto Brasileiro de Geografia e Estatstica (IBGE, 2003a). Para as safras de 2000 e 2001 estimadas pelo IBGE, no houve perda alguma de produo para as culturas apresentadas na Tabela 5.16, sendo a rea colhida igual rea plantada. Ao comparar os dados do IBGE com os dados do IEA/CATI notam-se algumas semelhanas, o que pode sugerir que alguns desses nmeros tenham sido obtidos de fontes similares. No entanto, para a maioria das classes de culturas estudadas, exceto para a soja e o algodo, o IEA/CATI (Montragio, 2003) apresenta um detalhamento, de acordo com a poca de plantio ou destino da cultura. A cana-de-acar dividida em cana para indstria e para forragem, o feijo dividido em feijo das guas e de inverno irrigado, o milho em milho em gro, milho em gro (safrinha), milho em gro irrigado e milho para silagem; e o sorgo, em forrageiro, da seca e das guas. Alm disso, fornece a rea nova de cana-de-acar. considerada rea nova aquela que est plantada mas, no ser colhida no ano agrcola em questo.

130

TABELA 5.17 - rea colhida e rea nova de cana (em hectares) para as principais culturas encontradas na rea de estudo, em 2000, 2001 e 2002, estimada pelo IEA/CATI.
AREA EM PRODUO (ha) PRODUTO Algodo em Caroo Cana para Forragem Cana para Indstria Feijo das guas Feijo de Inverno Irrigado Milho em gro Milho em Gro (Safrinha) Milho em Gro Irrigado Milho para Silagem Soja Sorgo Forrageiro Sorgo Granfero da Seca Sorgo Granfero das guas rea nova de cana Guar 400 0 0 0 2000 Ipu 213 90 0 130 SJB 0 0 0 0 360 0 25 0 0 Total 613 90 0 130 Guar 900 100 0 0 2001 Ipu 213 90 0 196 SJB 0 50 0 0 700 0 40 0 300 0 Total 1.113 240 0 196 7.500 0 150 0 0 Guar 257 0 0 0 800 200 0 0 0 2002 Ipu 0 0 0 110 2.000 2.500 0 0 0 2.000 0 SJB 0 0 10 100 400 790 10 0 25 300 0 Total 257 0 10 210 3.200 5.290 210 0 25 3.300 0 7.600

9.000 14.500 23.800 47.300 11.000 24.000 23.500 58.500 16.501 25.000 24.000 65.501

1.000 3.500 0 100 0 0 0 50 0 17

4.860 1.300 5.500 0 175 0 3.100 17 0 100 0 0 0 10 0 0

6.680 15.000 3.000 24.680 6.000 2.500 2.300 10.800 2.000

10.900 19.500 5.400 35.800 10.550 16.500 5.000 32.050 4.442 16.500 3.800 24.742 400 1.500 1.200 1.000 4.000 2.800 400 1.000 1.700 1.000 8.900 2.300

7.800 2.300 5.000 1.600

1.300 4.000

FONTE: Instituto de Economia Agrcola (IEA, 2003). Em relao aos nmeros registrados pelos dois institutos, pela comparao das safras de 2000 e 2001, a rea de milho estimada pelo IBGE o somatrio das reas estimadas pelo IEA/CATI para as classes milho em gro, milho em gro (safrinha) e milho em gro irrigado; no inclui, portanto, a classe milho para silagem. Mas mesmo no considerando esta ltima classe para Ipu em 2001, a estimativa do IEA/CATI 500 hectares inferior do IBGE - 8.000 contra 8.500 hectares. Outras diferenas foram para a rea de soja estimada em Ipu para o ano 2001, quando o IBGE calculou 16.200 ha e o IEA/CATI estimou 16.500, e para a rea de sorgo em So Joaquim da Barra para o mesmo ano, em que o IBGE estimou como sendo de 500 ha e o IEA/CATI como sendo de 300 ha. As reas estimadas de algodo e feijo diferiram entre os dois Institutos em todos os municpios e anos em que ocorreram. Como as estimativas de rea agrcola por municpio para a safra de 2002 ainda no foram publicadas pelo IBGE, e como estas so muito semelhantes s divulgadas pelo IEA/CATI, as estimativas calculadas neste trabalho sero comparadas apenas s estimativas do IEA/CATI.

131

Alm do nmero de pontos amostrais atribudos a cada cultura e da rea agrcola estimada, em cada safra, so apresentados nas Tabelas de 5.18 a 5.32 os limites inferior e superior, o desvio padro, o coeficiente de variao e as estimativas de rea do IEA/CATI, sendo cada tabela referente a um municpio ou rea total. Os limites inferior e superior foram calculados a partir do ajuste a uma distribuio binomial, com intervalo de confiana de 90%. Em alguns casos, o limite inferior calculado foi negativo, o que no tem significado. Nesses casos, utilizou-se a expresso menor que zero (< 0) para representar esses valores. As estimativas de safra do IEA/CATI foram agrupadas por cultura para permitir a comparao com os dados do trabalho. TABELA 5.18 - Nmero de pontos amostrais e percentual, entre parnteses, com cada cultura colhida e com cana-de-acar no colhida, na safra de 2000.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem SOMA Guar 29 19 12 3 1 (36,7%) (24,1%) (15,2%) (3,8%) (1,3%) 0 1 (1,3%) 1 (1,3%) 8 (10,1%) 11 (13,9%) 85 (107,6%) Ipu 31 46 15 3 (27,0%) (40,0%) (13,0%) (2,6%) 0 0 0 2 (1,7%) So Joaquim da Barra 56 (52,8%) 10 (9,4%) 3 (2,8%) 0 0 0 0 0 11 (10,4%) 17 (16,0%) 97 (91,5%) Total 116 75 30 6 1 (38,7%) (25,0%) (10,0%) (2,0%) (0,3%) 0 1 (0,3%) 3 (1,0%)

14 (12,2%) 12 (10,4%) 123 (107,0%)

33 (11,0%) 40 (13,3%) 305 (101,7%)

132

TABELA 5.19 - Estimativa de rea agrcola de Guar para a safra de 2000, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 13.325 8.730 5.514 1.378 459 0 459 459 3.676 5.054 Desvio padro 1.969 1.745 1.514 781 457 457 457 1.232 1.414 LI9 10.087 5.859 3.023 94 <0 <0 <0 1.649 2.729 LS10 16.564 11.602 8.005 2.663 1.211 1.211 1.211 5.703 7.380 CV(%)11 14,8% 20,0% 27,5% 56,6% 99,4% 99,4% 99,4% 33,5% 28,0% IEA/CATI (ha)12 9.000 10.900 7.780 400 0 0 400 1.000 -

TABELA 5.20 - Estimativa de rea agrcola de Ipu para a safra de 2000, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 12.562 18.640 6.078 1.216 0 0 0 810 5.673 4.863 Desvio padro 1.928 2.129 1.528 693 568 1.421 1.328 LI 9.390 15.138 3.564 76 <0 3.336 2.677 LS 15.734 22.142 8.592 2.355 1.745 8.010 7.048 CV(%) 15,4% 11,4% 25,1% 57,0% 70,1% 25,0% 27,3% IEA/CATI (ha) 14.590 19.500 18.550 1.517 0 130 213 4.000 -

LI o limite inferior para o intervalo de confiana da Distribuio Binomial, considerando =0,05; quando esse limite calculado negativo, adota-se a notao menor que zero (< 0). 10 LS o limite superior para o intervalo de confiana da Distribuio Binomial, considerando =0,05. 11 CV(%) o coeficiente de variao em valores percentuais. 12 Estimativas de safra do IEA em conjunto com a CATI.
9

133

TABELA 5.21 - Estimativa de rea agrcola de So Joaquim da Barra para a safra de 2000, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 21.766 3.887 1.166 0 0 0 0 0 4.275 6.608 Desvio padro 1.998 1.170 664 1.220 1.468 LI 18.480 1.963 74 2.268 4.192 LS 25.052 5.811 2.258 6.283 9.023 CV(%) 9,2% 30,1% 56,9% 28,5% 22,2% IEA/CATI (ha) 23.800 5.400 3.385 1.200 0 0 0 2.800 -

TABELA 5.22 - Estimativa de rea agrcola total, para os trs municpios, para a safra de 2000, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 47.985 31.025 12.410 2.482 414 0 414 1.241 13.651 16.547 Desvio padro 3.489 3.103 2.211 1.003 413 413 713 2.242 2.436 LI 42.246 25.921 8.773 832 <0 <0 68 9.963 12.540 LS 53.725 36.129 16.047 4.132 1.093 1.093 2.414 17.339 20.553 CV(%) 7,3% 10,0% 17,8% 40,4% 99,8% 99,8% 57,4% 16,4% 14,7% IEA/CATI (ha) 47.390 35.800 29.715 3.117 0 130 613 7.800 -

TABELA 5.23 - Nmero de pontos amostrais e percentual, entre parnteses, com cada cultura colhida e com cana-de-acar no colhida, na safra de 2001.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem SOMA Guar 23 24 10 5 (29,1%) (30,4%) (12,7%) (6,3%) 0 0 1 (1,3%) 0 Ipu 41 32 16 3 2 3 (35,7%) (27,8%) (13,9%) (2,6%) (1,7%) (2,6%) 0 0 So Joaquim da Barra 52 (49,1%) 13 (12,3%) 1 (0,9%) 1 (0,9%) 0 1 (0,9%) 0 0 16 (15,1%) 15 (14,2%) 99 (93,4%) Total 116 69 27 9 2 4 1 (38,7%) (23,0%) (9,0%) (3,0%) (0,7%) (1,3%) (0,3%) 0

17 (21,5%) 9 (11,4%) 89 (112,7%)

17 (14,8%) 12 (10,4%) 126 (109,6%)

50 (16,7%) 36 (12,0%) 314 (104,7%)

134

TABELA 5.24 - Estimativa de rea agrcola de Guar para a safra de 2001, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 10.568 11.028 4.595 2.297 0 0 459 0 7.811 4.135 Desvio padro 1.855 1.878 1.406 994 457 1.678 1.298 LI 7.516 7.938 2.282 662 <0 5.050 2.001 LS 13.620 14.118 6.908 3.933 1.211 10.572 6.270 CV(%) 17,6% 17,0% 30,6% 43,3% 99,4% 21,5% 31,4% IEA/CATI (ha) 11.100 10.550 7.400 400 0 0 900 2.300 -

TABELA 5.25 - Estimativa de rea agrcola de Ipu para a safra de 2001, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 16.614 12.967 6.483 1.216 810 1.216 0 0 6.889 4.863 Desvio padro 2.081 1.947 1.564 693 568 693 1.542 1.328 LI 13.190 9.763 3.910 76 <0 76 4.352 2.677 LS 20.038 16.170 9.057 2.355 1.745 2.355 9.426 7.048 CV(%) 12,5% 15,0% 24,1% 57,0% 70,1% 57,0% 22,4% 27,3% IEA/CATI (ha) 24.090 16.500 8.010 1.000 0 196 213 5.000 -

TABELA 5.26 - Estimativa de rea agrcola de So Joaquim da Barra para a safra de 2001, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 20.211 5.053 389 389 0 389 0 0 6.219 5.830 Desvio padro 2.000 1.313 387 387 387 1.433 1.395 LI 16.921 2.894 <0 <0 <0 3.862 3.536 LS 23.502 7.212 1.025 1.025 1.025 8.575 8.125 CV(%) 9,9% 26,0% 99,5% 99,5% 99,5% 23,0% 23,9% IEA/CATI (ha) 23.550 5.000 3.040 300 0 0 0 1.600 -

135

TABELA 5.27 - Estimativa de rea agrcola total, para os trs municpios, para a safra de 2001, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 47.985 28.543 11.169 3.723 827 1.655 414 0 20.683 14.892 Desvio padro 3.489 3.015 2.102 1.222 583 822 413 2.670 2.328 LI 42.246 23.583 7.712 1.712 <0 303 <0 16.291 11.062 LS 53.725 33.503 14.626 5.734 1.786 3.007 1.093 25.076 18.722 CV(%) 7,3% 10,6% 18,8% 32,8% 70,5% 49,7% 99,8% 12,9% 15,6% IEA/CATI (ha) 58.740 32.050 18.450 1.700 0 196 1.113 8.900 -

TABELA 5.28 - Nmero de pontos amostrais e percentual, entre parnteses, com cada cultura colhida e com cana-de-acar no colhida, na safra de 2002.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem SOMA Guar 39 24 11 3 (49,4%) (30,4%) (13,9%) (3,8%) 0 1 (1,3%) 0 0 3 (3,8%) 7 (8,9%) 88 (111,4%) Ipu 57 26 7 7 1 (49,6%) (22,6%) (6,1%) (6,1%) (0,9%) 0 0 0 So Joaquim da Barra 58 (54,7%) 3 (2,8%) 2 (1,9%) 1 (0,9%) 0 0 0 1 (0,9%) 11 (10,4%) 16 (15,1%) 92 (86,8%) Total 154 53 20 11 1 1 (51,3%) (17,7%) (6,7%) (3,7%) (0,3%) (0,3%) 0 1 (0,3%)

4 (3,5%) 12 (10,4%) 114 (99,1%)

18 (6,0%) 35 (11,7%) 294 (98,0%)

TABELA 5.29 - Estimativa de rea agrcola de Guar para a safra de 2002, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 17.920 11.028 5.054 1.378 0 459 0 0 1.378 3.216 Desvio padro 2.042 1.878 1.414 781 457 781 1.161 LI 14.561 7.938 2.729 94 <0 94 1.307 LS 21.279 14.118 7.380 2.663 1.211 2.663 5.126 CV(%) 11,4% 17,0% 28,0% 56,6% 99,4% 56,6% 36,1% IEA/CATI (ha) 16.501 4.442 3.000 1.000 0 0 257 2.300 -

136

TABELA 5.30 - Estimativa de rea agrcola de Ipu para a safra de 2002, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 23.097 10.536 2.837 2.837 405 0 0 0 1.621 4.863 Desvio padro 2.173 1.818 1.054 1.039 403 796 1.328 LI 19.523 7.546 1.103 1.127 <0 311 2.677 LS 26.671 13.526 4.570 4.546 1.069 2.931 7.048 CV(%) 9,4% 17,3% 37,2% 36,6% 99,6% 49,1% 27,3% IEA/CATI (ha) 25.000 16.500 4.500 2.000 0 110 0 1.300 -

TABELA 5.31 - Estimativa de rea agrcola de So Joaquim da Barra para a safra de 2002, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 22.543 1.166 777 389 0 0 0 389 4.275 6.219 Desvio padro 1.992 664 547 387 387 1.220 1.433 LI 19.267 74 <0 <0 <0 2.268 3.862 LS 25.820 2.258 1.677 1.025 1.025 6.283 8.575 CV(%) 8,8% 56,9% 70,4% 99,5% 99,5% 28,5% 23,0% IEA/CATI (ha) 24.000 3.800 1.200 325 0 110 0 4.000 -

TABELA 5.32 - Estimativa de rea agrcola total, para os trs municpios, para a safra de 2002, por cultura.
Cultura Cana-de-acar Soja Milho Sorgo Milheto Feijo Algodo Sem uso Cana-de-acar no colhida Pastagem rea (ha) 63.705 21.924 8.273 4.550 414 414 0 414 7.446 14.478 Desvio padro 3.581 2.733 1.804 1.347 413 413 413 1.702 2.300 LI 57.814 17.429 5.306 2.335 <0 <0 <0 4.647 10.695 LS 69.596 26.419 11.241 6.765 1.093 1.093 1.093 10.245 18.262 CV(%) 5,6% 12,5% 21,8% 29,6% 99,8% 99,8% 99,8% 22,9% 15,9% IEA/CATI (ha) 65.501 24.742 8.700 3.325 0 220 257 7.600 -

137

De maneira geral, os coeficientes de variao obtidos foram maiores quando tratados em escala municipal, que quando tratados para os trs municpios em conjunto. Alm disso, como era de esperar, quanto maior a rea ocupada por uma cultura, menor o CV. Para a cana-de-acar, em 2000 e 2001 foram encontrados CVs de at 17% por municpio e de 7%, para os dois anos, para os trs municpios. Para 2002, com um aumento significativo na rea ocupada por essa cultura, os CVs por municpio caram, atingindo no mximo 11% (Guar), e o CV para os trs municpios chegou a 5%. A soja, que ocupa uma rea menor, teve um CV de 10%, para os anos 2000 e 2001, e de 12,5% para 2002, para os trs municpios, devido reduo na rea ocupada. O aumento no CV para o milho se deve ao mesmo fato. Para 2000 e 2001, encontrou-se um CV de 17,8% e 18,8%, respectivamente, e em 2002 o CV elevou para 21,8%. Para as culturas menos expressivas, como o sorgo, o milheto, o feijo e o algodo, os CVs, mesmo quando analisados na rea total, so elevados, acima de 30%, atingindo at 99,8%. Os valores de CV para as grandes culturas ficaram prximos do ideal (menores que 15%). J para as culturas que ocupam menor rea nos municpios, esses valores foram insatisfatrios. Gomez e Gallego (2000) obtiveram valores de CV que variaram entre 13% e 46%, para cinco culturas agrcolas, que ocupam reas entre 1.000 ha e 30.000 ha. Esses valores de CV foram considerados elevados pelos autores, que atriburam o fato ao pequeno nmero de amostras. No entanto, quando as estimativas so somadas, por exemplo, dois tipos de milho, o CV diminui. As estimativas de rea agrcola por municpio tornam-se mais precisas quando so somadas e consideradas por regio, pois o CV reduzido com o aumento do nmero de amostras. Analisando a rea ocupada pelas culturas nos trs anos, pode-se observar que o uso agropecurio que ocupa maior rea nos trs municpios a cana-de-acar, seguido pela

138

soja e pela pastagem. A Figura 5.9 apresenta a participao de cada cultura nos trs municpios, em 2000, 2001 e 2002. Nota-se um aumento na rea ocupada pela cana-deacar, que em 2000 ocupava 49% da rea rural, em 2001 passou a ocupar 54% e em 2002, atingiu 59% da rea rural. O inverso ocorreu com a soja nesses trs anos, reduzindo a rea ocupada de 25% em 2000, para 18% em 2002. Considerando a rea total ocupada por milho, houve um decrscimo de 3% na rea plantada, passando de 10% em 2000 para 7% em 2003. Em relao rea de pastagem, houve pouca alterao, variando entre 11 e 13% a rea ocupada. O sorgo, o milheto, o feijo e o algodo aparecem na rea de estudo como culturas menos significativas, e no caso do feijo e do algodo, no foram encontrados nos trs anos.

2000
13% 1% 2% 6% 1% 3% soja cana no colhida 11% soja pastagem 38% cana-deacar 11%

2001
12% 4% 38% cana-deacar 6% 1% soja cana no colhida 16% 18% 1% 1% pastagem 3% 3% 5%

2002
pastagem

cana-deacar 53%

25%

22%

cana no colhida 6%

(a)
cana-de-acar mi 3a. safra feijo cana no colhida milho safrinha algodo

(b)
soja sorgo milheto

(c)
mi 1a. safra

sem uso

pastagem

FIGURA 5.9 Participao estimada das culturas nos trs municpios para as safras de 2000 (a), 2001 (b) e 2002 (c).

139

A Figura 5.10 apresenta a participao de cada cultura, por municpio.

Guar - 2000
13% 1% 1% 1% 4% 34% pastagem cana-deacar
2% 6% cana no colhida 2% 2% 5% cana-deacar 3% 10% cana-deacar

Ipu - 2000
10% 25%

SJB - 2000
18% 58% pastagem

11% 4%

milho safrinha

soja cana no colhida 11%

soja

cana no colhida 9%
37%

soja 11%

22%

(a)
10% 1% 6% 6% 6%
soja cana no colhida cana-deacar

(b)
Ipu - 2001
26%
10% 2% 2% 2% 4% 1% 8%
soja cana no colhida

(c)
SJB - 2001
15%

Guar - 2001

33%
cana-deacar

1% 1% 1%

53%

pastagem

soja

13%
cana no colhida

cana-deacar

19% 26%
25% 13%
16%

(d)
Guar - 2002
1% 8% 3% 45%
11%

(e)
Ipu - 2002
1% pastagem 6% 4% 1% 1%
soja

(f)
SJB - 2002
49%
1% 1% 1% 1% 3% 17%
pastagem

13%

milho safrinha

cana-deacar

cana-deacar

cana-deacar cana no colhida

soja

12%

23%

27%

64%

3%

4%

(g)
cana-de-acar mi 3a. safra feijo cana no colhida milho safrinha algodo

(h)
soja sorgo milheto

(i)
mi 1a. safra

sem uso

pastagem

FIGURA 5.10 Participao estimada das culturas nas safras de 2000, 2001 e 2002 em Guar (a), (d) e (g); em Ipu (b), (e) e (h) e em So Joaquim da Barra (c), (f) e (i).

140

O municpio de So Joaquim da Barra surge, entre os trs municpios, como o principal produtor de cana-de-acar, chegando a ocupar, no ano 2002, 76% (26.818 ha) da rea rural do municpio.O municpio de Ipu, que em 2000 chegou a possuir 37% da rea rural (18.640 ha) de soja, substituiu parte dessa rea pela cultura da cana-de-acar, que passou a ocupar, em 2002, 10.536 ha. As diferenas entre as estimativas do IEA/CATI e as estimativas calculadas segundo a metodologia aqui delineada esto apresentadas nas de Tabelas 5.33 a 5.35, para cada safra. No entanto, como a rea ocupada pelas grandes culturas, como a cana-de-acar e a soja, muito superior rea ocupada por culturas de baixa ocorrncia na rea de estudo, como o feijo e o algodo, elaborou-se o estudo do erro em relao rea ocupada, denominado, nas tabelas, de erro relativo. TABELA 5.33 - Diferena entre as estimativas calculadas pelo mtodo proposto e as estimativas do IEA/CATI (em hectares) para a safra de 2000. So Joaquim da Barra Total Municpios Guar Ipu
IEA/CATI Diferena IEA/CATI Diferena IEA/CATI Diferena IEA/CATI Diferena (%) (%) (%) (%) (ha) (ha) (ha) (ha) Cana-de+4.325 -2.028 -2.034 +595 9.000 14.590 23.800 47.390 (48%) (-14%) (-9%) (1%) acar -2.170 -860 -1.513 -4.775 Soja 10.900 19.500 5.400 35.800 Culturas
(-20%) (-29%) (-4%) (-28%) (-66%) (-13%) (-58%)

Milho Sorgo Feijo Algodo Cana no colhida

7.780 400 400 1.000

-2.266 +978
(245%)

18.550 1.517 130 213 4.000

-12.472
(-67%)

3.385 1.200 2.800

-2.219 -1.200
(-100%)

29.715 3.117 130 613 7.800

-17.305 -635
(-20%)

-301
(-20%)

+59
(15%)

-213
(-100%)

+1.475
(100%)

-199
(-33%)

+2.676
(268%)

+1.673
(42%)

+5.851
(75%)

141

TABELA 5.34 - Diferena entre as estimativas calculadas pelo mtodo proposto e as estimativas do IEA/CATI (em hectares) para a safra de 2001.
Municpios Guar Ipu So Joaquim da Barra Total IEA/CATI Diferena IEA/CATI Diferena IEA/CATI Diferena IEA/CATI Diferena Culturas (%) (%) (%) (%) (ha) (ha) (ha) (ha) Cana-de-532 -7.476 -3.339 -10.755 11.100 24.090 23.550 58.740 (-5%) (-31%) (-14%) (-18%) acar +53 -3.507 +478 -3.533 5.000 32.050 Soja 10.550 16.500
(5%) (-21%) (-19%) (1%) (-11%) (-39%)

Milho Sorgo Feijo Algodo Cana no colhida

7.400 400 900 2.300

-2.805
(-38%)

8.010 1.000 196 213 5.000

-1.527 +216
(22%)

3.040 300 0 1.600

-2.651
(-87%)

18.450 1.700 196 1.113 8.900

-7.281 +2.023
(119%)

+1.897
(474%)

+89
(30%)

-441
(-49%)

+1.020
(-)

+389
(-)

+1.459
(744%)

-213
(-100%)

+4.619
(289%)

-699
(-63%)

+5.511
(240%)

+1.889
(38%)

+11.783
(132%)

TABELA 5.35 - Diferena entre as estimativas calculadas pelo mtodo proposto e as estimativas do IEA/CATI (em hectares) para a safra de 2002.
Municpios Guar Ipu So Joaquim da Barra Total IEA/CATI Diferena IEA/CATI Diferena IEA/CATI Diferena IEA/CATI Diferena Culturas (%) (%) (%) (%) (ha) (ha) (ha) (ha) Cana-de+1.419 -1.903 -1.457 -1.796 16.501 25.000 24.000 65.501 (9%) (-8%) (-6%) (-3%) acar -5.964 -2.634 -2.818 +6.586 16.500 3.800 24.742 Soja 4.442
(148%) (68%) (-36%) (-37%) (-69%) (-11%)

Milho Sorgo Feijo Algodo Cana no colhida

3.000 1.000 0 257 2.300

+2.054 +378
(38%)

4.500 2.000 110 0 1.300

-1.663 +837
(42%)

1.200 325 110 0 4.000

-423
(-35%)

8.700 3.325 220 257 7.600

-427
(-5%)

+64
(20%)

+1.225
(37%)

+459
(-)

-110
(-)

-110
(-)

+194
(88%)

-257
(-100%)

+321
(25%)

+275
(100%)

-257
(-100%)

-922
(-40%)

-154
(-2%)

Como as estimativas fornecidas pelo IEA/CATI ou pelo IBGE so de origem subjetiva, no existe uma avaliao ou indicao da magnitude do erro desses valores. Especificamente na rea de estudo, acredita-se que as estimativas do IBGE e do IEA/CATI para a cana-de-acar so calculadas com base em informaes fornecidas por pessoal ligado s usinas locais. Os talhes de cana-de-acar da regio so, em sua maioria, cultivadas para as usinas; portanto, a informao de rea cultivada com esta cultura pode ser considerada precisa. No entanto, para as demais culturas, cuja produo

142

no to bem caracterizada e mais pulverizada por mltiplos produtores, a informao pode ser menos precisa. Considerando que as estimativas oficiais para a cana-de-acar so mais confiveis, e como as estimativas calculadas neste trabalho ficaram muito prximas a estas, pode-se concluir que a metodologia fornece uma boa estimativa. Alm do mais, as estimativas por pontos amostrais sobre imagens de satlite possuem a vantagem de apresentarem uma indicao de erro e de coeficiente de variao. Observaram-se sensveis diferenas para as demais culturas. Porm, deve ser considerado que as estimativas oficiais no possuem a mesma preciso de cultura para cultura, como explicitado para o caso da cana-de-acar, no h como saber o grau de confiabilidade destas. No entanto, para as estimativas deste trabalho, a confiabilidade a mesma para qualquer cultura, pois a metodologia a mesma. Alm das reas agropecurias, foram encontradas as estimativas de mata e de mata de galeria para os trs municpios. Na classe mata, considerou-se qualquer tipo de vegetao arbrea, natural ou reflorestada, sem explorao agrcola. Para a rea estimada de mata e de mata galeria, nos trs municpios, no houve alterao entre os anos 2000, 2001 e 2002. A Tabela 5.36 apresenta essas estimativas. TABELA 5.36 Estimativas de rea de mata e de mata de galeria para 2000, 2001 e 2002.
Municpio Guar Ipu So Joaquim da Barra Trs municpios Cultura Mata Mata de galeria Mata Mata de galeria Mata Mata de galeria Mata Mata de galeria rea (ha) 1.378 3.216 1.216 4.863 0 3.887 2.482 11.996 % 3,8% 8,9% 2,6% 10,4% 0,0% 9,4% 2,0% 9,7% Desvio padro 781 1.161 693 1.328 1.170 1.003 2.117 LI 94 1.307 76 2.677 1.963 832 8.513 LS 2.663 5.126 2.355 7.048 5.811 4.132 15.479 CV(%) 56,6% 36,1% 57,0% 27,3% 30,1% 40,4% 17,6%

O municpio de Ipu possui a maior rea de mata de galeria, 10,4% de seu territrio, o que equivale a 4.863 ha. Para a rea de mata, a maior estimativa foi para o municpio de Guar com 1.378 ha. Para So Joaquim da Barra a estimativa de mata foi zero. Destaca-

143

se que no houve nenhum tipo de anlise quanto qualidade e ao grau de alterao das matas. Essas estimativas foram comparadas com dados do censo agropecurio, realizado pelo IBGE em 1996, e com os dados do LUPA, realizado pelo IEA/CATI em 1995/1996. Alm disso, tambm foram comparadas as reas de pastagem obtidas neste trabalho, embora os levantamentos anuais, o LSPA e as estimativas do EIA/CATI, no abordem essa classe de uso. Os dados de pastagem natural e de pastagem plantada fornecidos pelo censo agropecurio foram somados e considerados apenas como pastagem. As reas do censo agropecurio e do LUPA de floresta natural foram somadas s de reflorestamento, sendo considerados como mata. Para essas duas fontes de dados no h nenhuma classe com referncia mata de galeria. Portanto, foi suposto que as reas de mata englobam tambm as reas de mata de galeria. A Tabela 5.37 apresenta as rea de mata e a rea mdia de pastagem, para os trs anos, estimadas neste trabalho e as reas para as mesmas classes do LUPA e do censo agropecurio. TABELA 5.37 rea de mata e rea de pastagem em Guar, Ipu e So Joaquim da Barra.
Classe Municpio Guar pastagem Ipu So Joaquim da Barra Guar mata Ipu So Joaquim da Barra rea (ha) 4.135,44 4.862,61 6.218,87 4.594,94 6.078,26 3.886,79 rea (ha) LUPA 5.398,20 3.742,10 5.274,30 850 1.648,00 2.145,70 rea (ha) CENSO 5.474,43 3.472,13 5.881,75 556,05 991,388 1.401,55

Apesar de a rea de pastagem estimada no presente trabalho se aproximar dos dados do censo agropecurio e do LUPA, a rea de mata, para os trs municpios, foi superestimada. Uma possvel explicao que os dados usados para comparao abordam a mata de galeria.

144

5.8

Consultas no Banco de Dados

Neste tpico pretende-se exemplificar algumas consultas que podem ser realizadas no banco de dados que foi gerado. Uma possibilidade inserir grficos do tipo torta, utilizando a funo agrupamento. A seguir apresentada a ilustrao de um agrupamento por municpio, com os dados de rea estimada de cana-de-acar, soja e milho, para a safra de 2000 (Figura 5.11).

FIGURA 5.11 Visualizao de um agrupamento por municpio, para as estimativas de rea de cana-de-acar, soja e milho, na safra de 2000. A consulta aos atributos de um ponto pode ser realizada pela tabela ou por um click duplo no ponto visualizado na tela. Alm dos atributos alfanumricos, foram inseridos arquivos vinculados aos objetos. Esses arquivos contm fotografias e sons obtidos em campo. Para facilitar o trabalho de campo, as descries de campo foram gravadas oralmente na prpria mquina fotogrfica digital. A Figura 5.12 exemplifica a consulta a um ponto e ilustra a exibio da fotografia e da gravao que esto associados ao ponto.

145

FIGURA 5.12 - Exemplo de consulta aos atributos de um objeto. Considerando os dois tipos de objetos existentes no banco, pontos e polgonos, onde os pontos se referem ao painel amostral e os polgonos se referem aos municpios, foram realizados dois tipos de consultas: consultas pontuais e por municpio. As consultas pontuais foram realizadas na tabela de pontos com o uso do solo em cada data. As consultas por rea foram realizadas na tabela das estimativas, com os municpios. Foram realizadas duas consultas por pontos, apenas para ilustrar. A primeira questo quais os pontos que apresentaram a associao cana-de-acar/soja, na safra de 2002. A resposta apresentada espacialmente e por uma tabela, com a visualizao apenas dos pontos e atributos que atendem pergunta. A Figura 5.13 apresenta os doze pontos que atendem expresso lgica.

146

FIGURA 5.13 Consulta aos pontos que apresentam a associao cana-de-acar/soja em 2002. A segunda consulta pontual refere-se mudana de uso da terra. A expresso lgica foi criada com o intuito de encontrar os pontos amostrais que eram utilizados como pastagem e passaram a ser cultivados, ou que eram cultivados e foram transformados em pasto. Para a safra de 2001, apenas um ponto atende a essa consulta, como pode ser visualizado na Figura 5.14.

FIGURA 5.14 Ilustrao da consulta aos pontos cujo uso foi alterado de pasto para cultivo, ou vice-versa, em 2001.

147

Para exemplificar as consultas por municpio, foram criadas mais duas expresses. A primeira responde pergunta de quais os municpios que, para a safra de 2001, apresentaram uma estimativa de rea de cana-de-acar entre 20.000 e 30.000 hectares. Na safra considerada, apenas o municpio de So Joaquim da Barra, atendeu a essa pergunta (Figura 5.15).

FIGURA 5.15 Ilustrao do municpio que apresentou a rea de cana-de-acar entre 20.000 e 30.000 hectares em 2001. E por fim, foi realizada a consulta aos municpios que apresentaram rea estimada de soja superior rea estimada de cana-de-acar. Como ilustra a Figura 5.16, apenas o municpio de Guar apresentou essa caracterstica.

148

FIGURA 5.16 Consulta ao municpio que, na safra de 2001, apresentou rea estimada de soja superior rea estimada de cana-de-acar. De maneira geral, as consultas so fceis de serem executadas, pois so realizadas diretamente no SIG. Alm disso, muitas outras consultas podem ser criadas, visando atender s necessidades dos usurios.

5.9

Metadados

Atualmente, o SPRING no permite a insero dos metadados de um banco de dados. O SPRING permite a visualizao de algumas informaes do banco de dados, como o sistema de projeo, o retngulo envolvente e a resoluo de cada plano de informao. No entanto, essas informaes so apresentadas isoladamente, pois, no existe uma tabela nica, que contemple todas as informaes do banco de dados de maneira organizada. Alm disso, outras informaes deveriam ser includas como a qualidade dos dados, a fonte dos dados e a identificao dos autores. As imagens inseridas no banco de dados, por exemplo, deveriam ser acompanhadas dos erros de registro e do mtodo de amostragem para gerar a imagem. Diante da necessidade de ter os metadados no mesmo ambiente SIG do banco de dados, as informaes sobre os dados foram inseridas no SPRING em tabelas espaciais, cujas

149

representaes espaciais no possuam significado. Esta estratgia foi tomada porque este SIG no possui uma funo de visualizao de tabelas no espaciais. A insero dos metadados no banco de dados permitiu a consulta direta das informaes gerais sobre o banco de dados e tambm das informaes especficas sobre os PI. As tabelas de metadados, adaptadas do padro INFORMS MTDD-1999 (Informs, 2002), so apresentadas a seguir nas Figuras 5.17 e 5.18, no modo de consulta do SPRING. As tabelas de metadados esto anexadas no Apndice C.

FIGURA 5.17 Visualizao dos metadados com as informaes de identificao do banco de dados.

FIGURA 5.18 Visualizao dos metadados que descrevem as imagens do banco de dados.

O SPRING permite que as tabelas sejam salvas como texto, o que possibilita a gerao de um relatrio completo, com todas as informaes do banco de dados.

150

5.10 Levantamento dos Custos

A inteno neste tpico no fazer um estudo exaustivo de custos, mas apenas dar uma indicao da viabilidade do mtodo em termos de custo. O custo resultante deste estudo est relacionado com o material e com a mo-de-obra. Em relao s imagens, Luiz et al. (2002) mostram que o custo para trabalhar com imagens de satlite em levantamentos agrcolas baixo em relao utilizao de fotografias areas. Para as imagens Landsat 7, o custo de R$ 1.050,00 para cada cena de 180 km por 180 km (32.400km2), ou seja, R$ 0,04 por km2 no terreno. Considerando que foram utilizadas 22 cenas, o custo em imagens ficou em torno de R$ 23.100,00 para estimar trs anos de safra agrcola, ou seja, R$ 7.700,00 por safra. Ao extrapolar para o Estado de So Paulo, que pode ser recoberto por 15 imagens, o custo seria em torno de R$ 15.750,00, para cada data. Se fosse utilizada uma cena a cada dois meses seriam necessrias 6 cenas por ano, a um custo total de R$ 94.500,00 por ano. A implantao da metodologia para obteno de estimativas de rea plantada em escala municipal, regional e nacional requer custos mnimos de compra de equipamento, material e contratao de pessoal especializado. Alm disso, o custo de imagens para esta finalidade especfica deve ser reduzido, uma vez que as mesmas imagens podem ser usadas para muitas outras finalidades diferentes. A metodologia aqui apresentada pode ser utilizada para a obteno de estatsticas agrcolas, principalmente dados de rea cultivada das principais culturas de uma determinada rea, em escalas municipais. Porm, no parece haver impedimentos tcnicos para que esta metodologia possa ser adaptada para grandes regies (Estado ou pas). Os principais aspectos que devem ser levados em conta para a determinao da viabilidade da metodologia so os custos operacionais, de equipe tcnica, estrutura fsica e computacional. Em se tratando de levantamentos agrcolas importante lembrar que as culturas agrcolas se desenvolvem rapidamente no terreno e que a rea a ser estudada num levantamento muito grande, j que todo o municpio, ou toda a regio devem ser

151

verificados. Levando estas caractersticas intrnsecas da agricultura em considerao, esta metodologia baseada em amostragem para o levantamento dos dados altamente intensiva em uso de imagens de satlite. Alm disso, necessrio que os dados sejam obtidos de maneira rpida, j que as culturas, como j foi dito, se desenvolvem rapidamente no terreno. Portanto, para sua implantao, fundamental que haja uma reformulao dos processos operacionais de gravao e gerao de dados de sensoriamento remoto com vistas a agilizar o processo de fornecimento desses dados aos rgos executores. No caso de montagem de um sistema para levantamento da extenso da rea de cada cultura nos municpios a funo da equipe de escritrio envolve a extrao inicial da informao a partir da interpretao visual e tambm o processamento final das informaes para a gerao das estimativas. A equipe de campo tem basicamente a finalidade de identificar o uso nos pontos de dvida que a equipe de escritrio no soube identificar.

152

CAPTULO 6 CONCLUSES E RECOMENDAES

A metodologia aplicada para gerar estimativas de rea agrcola numa rea teste e a manipulao dos dados em um sistema de informao geogrfica permitiu, a partir dos resultados obtidos, concluir a eficincia do mtodo e fazer algumas sugestes. De maneira geral, as 22 imagens selecionadas no trabalho foram suficientes para identificar as culturas presentes na rea de estudo, nos trs anos considerados. Isso desmistifica a idia de que no possvel trabalhar com imagens de satlite obtidas na poca chuvosa do ano. No entanto, vale lembrar que ao menos em certo perodo, contou-se com os Landsats 5 e 7 operando conjuntamente. Isso leva a considerar fortemente a necessidade de ter sistemas de satlites que operem em intervalos de tempo menores. As etapas de pr-processamento das imagens (correo atmosfrica por subtrao do pixel escuro de imagens-referncia e uniformizao das demais imagens) foram viveis em termos de tempo de execuo, j que a rapidez nos processos que envolvem estas metodologias fundamental para manter a agilidade na extrao das informaes. A diviso do conjunto de imagens em grupos de acordo com o sensor, a poca do ano e a resoluo espacial foi exagerado. O ideal seria considerar apenas dois grupos, independente do sensor e da resoluo espacial, em funo apenas da poca do ano, seca ou chuvosa. Alm disso, visualmente, os alvos agrcolas das imagens corrigidas e uniformizadas ficaram melhores para a interpretao visual, mas ficaram longe de apresentarem os mesmos valores digitais em diferentes datas, o que dificulta a criao de chaves de interpretao genricas. A associao entre a interpretao visual das imagens e o trabalho de campo para esclarecer as dvidas foi essencial para diagnosticar o tipo de uso em cada ponto do painel amostral. Alguns alvos confundem-se em relao resposta espectral, principalmente o milho e a cana-de-acar. As culturas de baixa ocorrncia, como o

153

milheto, o sorgo e o feijo, tambm so difceis de identificar. Para esses alvos, o trabalho de campo fundamental. Mas vale lembrar que h outras caractersticas que auxiliam a classificao dos pontos, como a durao do ciclo e o tipo de uso em datas passadas, o que reduz o nmero de pontos duvidosos. O somatrio do nmero de pontos com cada cultura colhida no ano, realizado em planilha do Excel, e a utilizao de expresses lgicas automatizaram o processo. A etapa de auditoria possibilitou a verificao de erros na interpretao dos pontos, o que possibilitou a correo. O somatrio realizado em culturas associadas e simples permitiu a deteco de sistemas de rotao de culturas. O mtodo de amostragem aleatria simples permitiu o clculo estimado de rea agrcola para cada cultura em cada municpio com os respectivos desvios padro, intervalos de confiana e coeficientes de variao. Em relao aos coeficientes de variao obtidos, esses foram razoveis para as grandes culturas, como a cana-de-acar e a soja, melhorando bastante quando considerado para os trs municpios em conjunto. Para as culturas de menor ocorrncia, foram encontrados CVs inaceitveis. Assim como no LSPA, a metodologia proposta visa fornecer estimativas parciais das culturas durante todo o ano agrcola, imediatamente aps a coleta da imagem. Essas estimativas parciais devem ser somadas ao longo do ano para, no final do ano, apresentar o somatrio de rea colhida no ano. Portanto, as etapas de pr-processamento das imagens, interpretao dos pontos e clculo das estimativas devem ser realizadas num intervalo de tempo reduzido. Alm disso, apesar de a metodologia estar baseada na maneira mais simples de interpretao do uso agrcola, permite que mtodos mais avanados sejam utilizados para interpretar as culturas. Por exemplo, pode-se distinguir facilmente a cana-de-acar da soja, mas entre a cana-de-acar e o milho h confuso. Neste caso, outros produtos poderiam ser gerados para interpretar pontos duvidosos. A anlise de outras bandas, a gerao de novas imagens por operaes entre bandas, a utilizao de algoritmos de redes neurais, poderia auxiliar na soluo do problema.

154

A manipulao dos dados em um banco de dados geogrfico, dentro do SIG SPRING, possibilitou a incluso, manipulao e atualizao dos dados de maneira eficiente, permitindo a rpida localizao dos pontos sobre a imagem e a imediata interpretao e atualizao. Alm disso, possibilita que sejam realizadas consultas para atender s necessidades dos usurios do meio agrcola, auxiliando no gerenciamento de dados agronmicos. O sistema de informao geogrfica SPRING suporta grandes volumes de informao e fornecido gratuitamente, o que viabiliza a sua utilizao em escalas municipal, regional, estadual e nacional. A nica limitao detectada em relao ao SIG utilizado quanto insero de metadados que, no presente trabalho, foram inseridos de maneira ad hoc. Portanto, foi detectada a necessidade de criar uma ferramenta no SPRING para inserir os metadados adequadamente. Como nos dias atuais os rgos oficiais do governo realizam estimativas de rea agrcola por mtodos subjetivos, a metodologia aqui proposta, por se tratar de um mtodo objetivo, deveria ser analisada como uma possibilidade a ser implementada em seus programas nacionais de levantamento agrcola. Quanto aos custos de implementao da metodologia, parecem ser bastante viveis em mbito estadual e nacional, considerando o equipamento e a mo-de-obra necessrios. Para aplic-la em todo o Estado de So Paulo, por exemplo, seriam necessrios cerca de 64.500 pontos, considerando uma mdia de 100 pontos por municpio. Isso garantiria uma resoluo percentual de 1% para o municpio e de 0,00155% para o Estado. Alm disso, poderia ser aproveitada a estrutura j existente, como, por exemplo, as agncias do IBGE espalhados pelo pas e as casas de agricultura do Estado de So Paulo. Haveria necessidade de equipar uma central, que seria responsvel por tratar as imagens, interpretar parte dos pontos e enviar o material para as agncias, onde os prprios funcionrios visitariam os pontos de dvida. Recomenda-se o estudo de algumas adaptaes que podem ser aplicadas ao mtodo de amostragem e de identificao do uso do solo, visando melhorar os resultados. So elas:

155

Testar outras tcnicas de amostragem (estratificada, sistemtica, eliminando os alvos no-agrcolas, fixando o nmero de pontos em cada municpio, etc.);

Definir o CV previamente para um valor desejado, manipulando o tamanho amostral em funo da ocorrncia das culturas;

Identificar o uso do solo em cada ponto por outras bandas ou por outros produtos como os obtidos por outros satlites (Cbers, Aster) ou utilizar algoritmos de classificao, etc.

Pesquisar as imagens mais indicadas para identificar o uso agrcola em funo da resoluo espacial, da resoluo temporal das imagens e da resoluo espectral.

Tambm sugerido repetir a tcnica em uma regio menos favorecida e com relevo mais acentuado, ocupada por uma variedade de pequenas culturas, para verificar se so obtidos os mesmos resultados.

156

REFERNCIAS BIBLIOGRFICAS
Arvanitis, L. G.; Ramachandran B.; Brackett, D.P.; Rasol, H.A.E.; Du, X. Multiresource inventories incorporating GIS, GPS and database management systems: a conceptual model. Computers and Eletronics in Agriculture, v. 28, p. 89-100, 2000. Boissezon, H.; Sharman, M. Rapid estimation of crop production using remote sensing: European experience. In: Simpsio Brasileiro de Sensoriamento Remoto, 7., Curitiba, 1993. Anais. So Jos dos Campos: INPE, 1993. v. 4, p. 442-449. Borges, K. A. V. Modelagem de dados geogrficos: uma extenso do modelo OMT para aplicaes geogrficas. Belo Horizonte. 128p. Dissertao (Mestrado em Administrao Pblica) - Fundao Joo Pinheiro, 1997. Brugnaro, C. Planejamento agrcola em cana-de-acar. In: Cmara, G. M. S; Oliveira, E. A. M. ed. Produo de cana-de-acar. Piracicaba: FEALQ, 1993. p. 18-30. Burrough, P. A.; McDonnell, R. A. Principles of geographical information systems. Oxford: Oxford University Press, 1998. 333 p. Cmara, G.; Medeiros, J. S. Princpios bsicos em geoprocessamento. In: Assad, E. D.; Sano, E. E. ed. Sistema de Informaes geogrficas: aplicaes na agricultura. 2.ed. Braslia: Embrapa, 1998a. Cap. 1, p. 3-11. Cmara, G.; Medeiros, J. S. Modelagem de dados em geoprocessamento. In: Assad, E. D.; Sano, E. E. ed. Sistema de Informaes geogrficas: aplicaes na agricultura. 2.ed. Braslia: Embrapa, 1998b. Cap. 4, p. 47-66. Cmara, G. M. S. Ecofisiologia da cultura da cana-de-acar. In: Cmara, G. M. S; Oliveira, E. A. M. ed. Produo de cana-de-acar. Piracicaba: FEALQ, 1993. p. 3164. Caselles, V.; Lpez Garca, M. J. An alternative simple approach to estimate atmospheric correction in multitemporal studies. International Journal of Remote Sensing, v. 10, p. 1127-1134, 1989. Chavez Jr., P. S. An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, v. 24, p. 459-479, 1988. Chavez Jr., P. S. Radiometric calibration of Landsat Thematic Mapper multispectral images. Photogrammetric Engineering and Remote Sensing, v. 55, p. 1285-1294, 1989. Cochran, W. G. Tcnicas de amostragem. 1. ed. Brasileira. Rio de Janeiro: Editora Fundo de Cultura, 1965. 555 p.

157

Collares, J. E. R.; Lauria, C. A.; Carrilho, M. M. Pesquisa de previso e acompanhamento de safras baseada em painis de amostras de reas. In: Simpsio Brasileiro de Sensoriamento Remoto, 7., Curitiba, 1993. Anais. So Jos dos Campos: INPE, 1993. v. 1, p. 450-453. Coopercitrus. Sorgo uma alternativa segura para a safrinha. Revista Coopercitrus. n. 186, 2002. Disponvel em: <http://www.revistacoopercitrus.com.br/edicao186/Sorgo%C3%A9_m_86.asp>. Acesso em: 2 fev. 2003. Coordenadoria de Assistncia Tcnica Integral CATI. SERVIOS/LUPA. Disponvel em: <http://www.cati.sp.gov.br>. Acesso em 3 jul. 2001. Cotter, J. J.; Tomczak, C. M. An image analysis system to develop area sampling frames for agricultural surveys. Photogrammetric Engineering and Remote Sensing, v. 60, n. 3, p. 299-306, Mar. 1994. Davis Junior, C. A. Mltiplas representaes em sistemas de informao geogrficos. Belo Horizonte. 106 p.Tese (Doutorado em Cincia da Computao) Universidade Federal de Minas Gerais, 2000. Du, Y.; Cihlar, J.; Beaubien, J.; Latifovic, R. Radiometric normalization, composition, and quality control for satellite high resolution image mosaics over large areas. IEEE Transactions on Geoscience and Remote Sensing, v. 39, p. 623-634, 2001. Elmasri, R.; Navathe, S. Fundamentals of database systems. 3 ed. Massachusetts: Addison-Wesley, 2000. Empresa Brasileira de Pesquisa Agropecuria (Embrapa). Zoneamento agropecurio. Disponvel em: <http://www.embrapa.gov.br>. Acesso em: 12 ago. 2001.

______ Tecnologias de produo de soja regio central do Brasil 2003. Disponvel em: <http://www.cnpso.embrapa.br/sistemasdeproducao/>. Acesso em: 14 fev. 2003a.
______ Milho e sorgo. Disponvel em: <http://www.cnpms.embrapa.br/index.html>. Acesso em: 14 fev. 2003b. European Space Agency (ESA). Full resolution system corrected data. Disponvel em: <www.earth.esa.int/0xc1cce41c_0x0000069c>. Acesso em: 12 set. 2002. Epiphanio, J. C. N.; Barros Neto, O. O.; Luiz, A. J. B.; Formaggio, A. R. Sistema de amostragem em imagens como base para estimativa de reas de culturas agrcolas no municpio de Ipu. [CD-ROM]. In: Simpsio Brasileiro de Sensoriamento Remoto, 10., Foz do Iguau, 2001. Anais. So Jos dos Campos: INPE, 2001. 8 p.

158

Federal Geographic Data Committee (FGDC). Content standard for digital geospatial metadata workBook. Reston, VA, Federal Geographic Data Committee. Disponvel em: <http://www.fgdc.gov/publications/documents/metadata/workbook_0501_bmk.pdf>. Acesso em: 11 jan. 2003. Fonseca, L. M. G. Processamento digital de imagens: Apostila de aula (INPE). So Jos dos Campos, 2000. 105 p. Food and Agriculture Organization of the United Nations (FAO). Multiple frame agricultural surveys: current surveys based on area and list sampling methods. Rome: FAO, 1996. v. 1. 119 p. (FAO Statistical Development Series, 7). ______ Multiple frame agricultural surveys: agricultural survey programmes based on area frame or dual frame (area and list) sample designs. Rome: FAO, 1998. v.2. 242 p. (FAO Statistical Development Series, 10). Francisco, V. F. S.; Pino, F. A. Estratificao de unidades de produo agrcola para levantamentos por amostragem no Estado de So Paulo. Agricultura em So Paulo, v.47, n.1, p.79-110, 2000. Furby, S. L.; Campbell, N. A. Calibrating images from different dates to like-value digital counts. Remote Sensing of Environment, v. 77, p. 186-196, 2001. Gallego, F. J. Sampling frames of square segments. Luxembourg: Office for Official Publications of the European Communities, 1995. 72 p. Gibson, P. J.; Power, C. H. Introductory remote sensing: digital image processing and aplications. New York: Routledge Taylor & Francis Group, 2000. 288 p. Gomez, S. N.; Gallego, J. Crop area estimation pilot project: Zimbabwe. In: International Symposium on Remote Sensing of Environment, 28., South Africa, 2000. Proceedings. South Africa: ICRSE and CSIR, 2000. 4 p. Gonzlez-Alonso, F.; Soria, S. L.; Cuevas, J. M. Comparing two methodologies for crop area estimation in Spain using Landsat TM images and ground-gathered data. Remote Sensing of Environment, v. 35, n. 1, p. 29-35, 1991. Hall, F. G.; Strebel, D. E.; Nickeson, J. E.; Goetz, S. J. Radiometric rectification: toward a common radiometric response among multidate, multisensor images. Remote Sensing of Environment, v. 35, n. 1, p. 11-27, 1991. Hill, J.; Sturm, B. Radiometric correction of multitemporal Thematic Mapper data for use in agricultural land-cover classification and vegetation monitoring. International Journal of Remote Sensing, v. 12, p. 1471-1491, 1991.

159

Instituto Agronmico de Campinas (IAC). Plantio direto na Alta Mogiana. O Agronmico. v. 51, n. (2/3), 1999. Disponvel em:
<http://www.iac.sp.gov.br/New/OAgronomico/512-3/informacoestecnicas/agr51231.htm>.

Acesso em: 23 fev. 2003. INFORMS Sistema de informaes geogrficas do estado da Bahia. METADADOS. Disponvel em: <http://www.seplantec.ba.gov.br/conder/informs/>. Acesso em: 10 dez. 2002. Instituto Brasileiro de Geografia e Estatstica (IBGE). Ipu: Folha SF-22-X-B-III-4. [Rio de Janeiro], 1972a. Carta do Brasil Escala 1:50.000. ______ Ituverava: Folha SF-23-V-A-I-3. [Rio de Janeiro], 1972b. Carta do Brasil Escala 1:50.000. ______ Jeriquara: Folha SF-23-V-A-I-4. [Rio de Janeiro], 1972c. Carta do Brasil Escala 1:50.000. ______ Morro Agudo: Folha SF-22-X-B-VI-2. [Rio de Janeiro], 1972d. Carta do Brasil Escala 1:50.000. ______ So Joaquim da Barra: Folha SF-23-V-A-IV-1. [Rio de Janeiro], 1972e. Carta do Brasil Escala 1:50.000. ______ So Jos da Bela Vista: Folha SF-23-V-A-IV-2. [Rio de Janeiro], 1972f. Carta do Brasil Escala 1:50.000. ______ Manual tcnico de uso da terra. Rio de Janeiro: IBGE, 1999. v. 7. 50 p. (Manuais tcnicos em geocincias, 7). ______ CIDADES. Disponvel em: <http://www.ibge.gov.br>. Acesso em: 17 fev. 2002a. ______ ECONOMIA. Disponvel em: <http://www.ibge.gov.br>. Acesso em: 11 fev. 2002b. ______ Levantamento sistemtico da produo agrcola: Manual de instrues. Rio de Janeiro: IBGE, 2002c. 26p. ______ SIDRA. Disponvel em: <http://www.sidra.ibge.gov.br/bda/tabela/protabl.asp?z=t&o=11>. Acesso em: 8 jan. 2003a. ______ CalendrioSP. Disponvel em: <rosana@ibge.gov.br>. Acesso em: 7 jan. 2003b.

160

Instituto de Economia Agrcola (IEA). PRODUO-ANURIO. Disponvel em: <http://www.iea.sp.gov.br>. Acesso em: 13 fev. 2002. ______ Dados de rea plantada. Disponvel em: <anamontragio@iea.sp.gov.br>. Acesso em: 22 jan. 2003. Instituto de Planejamento e Economia Agrcola de Santa Catarina (Instituto Cepa). Observatrio nacional. Disponvel em: <http://www.icepa.com.br/observatorio/noticias0902/no0309b.htm>. Acesso em: 11 fev. 2003. Instituto Nacional de Pesquisas Espaciais (INPE). SPRING: Sistema de Processamento de Informaes Georreferenciadas. Disponvel em: <http://www.dpi.inpe.br/spring/portugues/download.html>. Acesso em: 3 maio 2002a.

______ SPRING: tutorial de geoprocessamento. [on line]. Disponvel em: <http://www.dpi.inpe.br/spring/teoria/index.html>. Acesso em: 21 out. 2002b.
Ippoliti-Ramilo, G. A. Imagens TM/Landsat-5 da poca de pr-plantio para a previso da rea de culturas de vero. So Jos dos Campos. 182 p. (INPE-7116TDI/668). Dissertao (Mestrado em Sensoriamento Remoto) Instituto Nacional de Pesquisas Espaciais, 1999. Jensen, J. R. Remote sensing of the environment: an earth resource perspective. New Jersey: Prentice Hall, 2000, ISBN 0-13-489733-1. 544 p. Koffler, N. F. Elementos ambientais de planejamento territorial: Apontamentos de aula. Bauru: Universidade Estadual Paulista, 1996. 101 p. King, R. B. Land cover mapping principles: a return to interpretation fundamentals. International Journal of Remote Sensing, v. 23, n.18, p. 3525-3545, 2002. Lima, P.; Cmara, G.; Paiva, J. A.; Monteiro,A. M. V. Intercmbio de dados geogrficos: modelos, formatos e conversores. In. Simpsio Brasileiro de Geoinformtica, 3., Rio de Janeiro, 2001. Anais eletrnicos. Rio de Janeiro: Geoinfo, 2001. Disponvel em: <http://www.dpi.inpe.br/gilberto/papers/geobr_geoinfo2002.pdf>. Acesso em: 4 jan. 2003. Luiz, A. J. B.; Epiphanio, J. C. N. Amostragem por pontos em imagens de sensoriamento remoto para estimativa de rea plantada por municpio. [CD-ROM]. In: Simpsio Brasileiro de Sensoriamento Remoto, 10., Foz do Iguau, 2001. Anais. So Jos dos Campos: INPE, 2001. 8 p. Luiz, A. J. B.;Oliveira, J. C.; Epiphanio, J. C. N.; Formaggio, A. R. Auxlio das imagens de satlite aos levantamentos por amostragem em agricultura. Agricultura em So Paulo, v.49, n.1, p.41-54, 2002.

161

Ministrio da Agricultura, Pecuria e Abastecimento. Rede nacional de agrometeorologia. Disponvel em: <http://www.masrv54.agricultura.gov.br/rna/>. Acesso em: 9 maio 2003. Morelli, J. C. L. Geoprocessamento e integrao de dados na pesquisa de previso de safras. Disponvel em: <www.labgis.uerj.br/fgeorj/segeo1996/134/>. Acesso em: 13 maio 2001. National Aeronautics and Space Administration - NASA. Chapter 6 - Data Properties. Disponvel em: <http://www.gsfc.nasa.gov/IAS/handbook/handbook_htmls/chapter6/chapter6.html>. Acesso em: 11 nov. 2002a. ______ Chapter 11 - Data Products. Disponvel em:
<http://www.gsfc.nasa.gov/IAS/handbook/handbook_htmls/chapter11/chapter11.html>. Acesso

em: 11 nov. 2002b. Oliveira, J. B.; Camargo, M. N.; Rossi, M.; Calderano Filho, B. Mapa pedolgico do Estado de So Paulo. Rio de Janeiro: Embrapa Solos, 1999. Escala 1:500.000. A legenda expandida encontra-se em separado na publicao de mesmo nome (ISBN 8585864-05-2). Olsson, H. Regression functions for multitemporal relative calibration of Thematic Mapper data over boreal forest. Remote Sensing of Environment, v. 46, p. 89-102, 1993. Ortiz, M. J.; Formaggio, A. R.; Epiphanio, J. C. N. Classification of croplands through integration of remote sensing, GIS and historical database. International Journal of Remote Sensing, v. 18, n.1, p. 95-105, 1997. Pax-Lenney, M.; Woodcock, C. E. Monitoring agricultural lands in Egypt with multitemporal Landsat TM imagery: How many images are needed? Remote Sensing of Environment, v. 59, n. 3, p. 522-529, 1997. Pax-Lenney, M.; Woodcock, C.E.; Macomber, S.A.; Gopal, S.; Song, C. Forest mapping with a generalized classifier and Landsat TM data. Remote Sensing of Environment, v. 77, p. 241-250, 2001. Pino, F. A. rea cultivada e ICMS. Informaes Econmicas, v.29, n.3, p.7-14, 1999a. ______ Estatsticas agrcolas para o sculo XXI. Agricultura em So Paulo, v.46, n.2, p.71-105, 1999b. ______ Tendncias em informaes agropecurias. [CD-ROM]. In: Simpsio Brasileiro de Sensoriamento Remoto, 10., Foz do Iguau, 2001. Anais. So Jos dos Campos: INPE, 2001. 5 p.

162

Revista Rural. O vice rei do planeta. Revista Rural. 59, 2002. Disponvel em: <http://www.revistarural.com.br/Revistas/2002/Artigos/rev59_vicerei.htm>. Acesso em: 5 fev. 2003. Rigaux, P.; Scholl, M.; Voisard, A. Spatial databases: with application to GIS. San Diego: Academic Press, 2002. 410 p. Rolim, J. C. Instalao da cultura e sistemas de produo. In: Cmara, G. M. S; Oliveira, E. A. M. ed. Produo de cana-de-acar. Piracicaba: FEALQ, 1993. p. 120146. Ruralnet. Sorgo granfero. Disponvel em: <http://www.ruralnet.com.br/cereais/sorgogranifero.asp>. Acesso em: 15 fev. 2003. Terres, J. M.; Delince, J.; Van de Steene, M.; Hawkins, A. The use of remote sensing and GIS capabilities to support the reform of common agricultural policy of the european community. Remote Sensing Reviews, v. 12, p. 53-60. 1995. Tokola, T.; Lfman, S.; Erkkil, A. Relative calibration of multitemporal Landsat data for forest cover change detection. Remote Sensing of Environment, v. 68, p. 1-11, 1999. Tsiligirides, T. A. Remote sensing as a tool for agricultural statistics: a case study of area frame sampling methodology in Hellas. Computers and Electronics in Agriculture, v. 20, n. 1, p.45-77, Jan. 1998. Yuan, D.; Elvidge, C. D. Comparison of relative radiometric normalization techniques. ISPRS Journal of Photogrammetry and Remote Sensing, v. 51, p. 117-126, 1996.

163

164

APNDICE A PROGRAMA EM LEGAL IMAGENS REFERNCIA PARA CORREO ATMOSFRICA DAS

{ // Programa para correo atmosfrica das imagens referncia, utilizando o mtodo da subtrao do pixel // escuro (Chaves, 1989), transformao para valores de reflectncia e gerao de imagem exibio de // reflectncia // Declarao das variveis Imagem Im13, Im14, Im15 ("Imagem_221000"); Imagem Imare13, Imare14, Imare15 ("Imagens_corrigidas"); Numerico Imnt13, Imnt14, Imnt15 ("Reflectancia"); // Instanciaes Im13=Recupere (Nome="220_74_TM5_221000_b3"); Im14=Recupere (Nome="220_74_TM5_221000_b4"); Im15=Recupere (Nome="220_74_TM5_221000_b5"); // imagem "exibio" da reflectncia Imare13=Novo (Nome="221000_b3", ResX=25, ResY=25, Nbits=8); Imare14=Novo (Nome="221000_b4", ResX=25, ResY=25, Nbits=8); Imare15=Novo (Nome="221000_b5", ResX=25, ResY=25, Nbits=8); // Reflectncia em PI Numerico Imnt13=Novo (Nome="221000_b3", ResX=25, ResY=25, Escala=50000, Min=0, Max=300); Imnt14=Novo (Nome="221000_b4", ResX=25, ResY=25, Escala=50000, Min=0, Max=300); Imnt15=Novo (Nome="221000_b5", ResX=25, ResY=25, Escala=50000, Min=0, Max=300); // Valor do espalhamento para o pixel escuro encontrado no histograma da banda 1 e reduzido 1% de reflectancia (Chavez, 1988) Qdark13 = 28.172293; Qdark14 = 16.934326; Qdark15 = 30.757595;

165

J13 = 0.002265; J14 = 0.0037019; J15 = 0.0022905; MULT13 = 441.4971; MULT14 =270.13202; MULT15 =436.59232; // Operaes // gerao da reflectncia (grade numrica) com valores de I e J para as bandas 3, 4 e 5 e da imagem // exibio da reflectncia // Reflec = J * (ND-Ndhaze) e ND = Reflec/J + Ndhaze Imnt13= J13 * (Digital (Im13) - Qdark13) ; Imare13 = Imagem (Imnt13)* MULT13 ; Imnt14= J14 * (Digital (Im14) - Qdark14) ; Imare14 = Imagem (Imnt14)* MULT14 ; Imnt15= J15 * (Digital (Im15) - Qdark15) ; Imare15 = Imagem (Imnt15)* MULT15 ; }

166

APNDICE B MODELO DE FICHA DE CAMPO

6 Trabalho de campo na EDR de Orlndia (Municpio de Ipu) Data:_/05/2002

Prancha A

Ponto 22 27 72 79 99 109 131 167 48 6 48 9 48 7 48 7 20,4 20 20 52,6 30,3 20 21 15,2 52,5 20 19 11,6 13,1 20 21 29,6 48 9 41,2 20 20 27,3 SJ CA CA CA SE 48 8 39,8 20 21 44,0 CA CA SE CA CA CA CA 48 9 57,2 20 21 36,1 CA CA PA SE SJ SJ SJ CA CA 48 8 23,4 20 19 33,5 CA CA CA

Longitude

Latitude

Jan01 Ago01 Jan02 Fev02 CA CA CA SJ SJ SJ CA CA CA CA CA CA SE PA PA

Mar 2002 CA CA CA

Abr 2002

% de cobertura 0-25-50-75-100 0-25-50-75-100 0-25-50-75-100 0-25-50-75-100 SE SE 0-25-50-75-100 0-25-50-75-100 0-25-50-75-100 CA 0-25-50-75-100

Observao

167

168

APNDICE C METADADOS
Metadados do banco de dados para estimativa da rea agrcola de Ipu, So Joaquim da Barra e Guar:
1. Identificao Salete Grtler em andamento INPE - So Jos dos Campos Banco de dados para estimativa da rea agrcola de Ipu, So Joaquim da Barra e Guar Visualizar imagens e permitir a extrao e o armazenamento de dados espaciais e multitemporais de uso do solo, para a serem utilizados para estimativas de rea agrcola. As estimativas calculadas a partir de interpretao visual de imagens orbitais, inseridas em banco de dados geogrficos permite alm do armazenamento, a atualizao da informao. Alm disso, possibilita consultas espaciais. 2001 Fevereiro de 2003 Terminado

AUTOR: DATA_DE_PUBLICAO: LOCAL: TTULO: OBJETIVO:

RESUMO: DATA_INICIAL: DATA_FINAL: PROGRESSO:

FREQNCIA_DE_ATUALIZAO: Bimestral COBERTURA_GEOGRFICA: RETNGULO_ENVOLVENTE: RESTRIES_DE_ACESSO: TAMANHO: CONTATO: rea municipal de Ipu, So Joaquim da Barra e Guar. 162.000 (limite oeste), 228.000 (limite leste), 7.710.000 (limite norte) e 7.755.000 (limite sul). Sem restries de acesso. 410 MB Salete Grtler; Telefone: (12) 3945-6452; e-mail: salete@ltid.inpe.br

2.

Referncia dos metadados 7/2/2003 Salete Grtler

DATA_GERAO: RESPONSVEL:

3.

Organizao Banco de dados geogrfico em SIG SPRING, verso 3.6.03, gerenciador de banco de dados ACCESS 2000. Este banco contm um conjunto de planos de informao e objetos de distintas categorias, inseridos dentro de um projeto. Dados disponibilizados nos modelos raster , vetorial e alfanumrico. Imagens dos satlites Landsat e Aster; mapas vetorias de vias de acesso, hidrografia e limites municipais; pontos que compem o painel amostral; tabelas geocorrelacionadas.

ORGANIZAO: FORMATOS: CONTEDO:

169

4.

Referncia espacial UTM transversa de Mercator 23 45 SAD 69

SISTEMA: PROJEO: FUSO: MERIDIANO_CENTRAL: DATUM:

5.

Entidades e atributos EDR 3municipios Esto descritos em tabelas de metadados, por tipo de dado.

NOME_DO_BD: NOME_DO_PROJETO: PLANOS_DE_INFORMAO:

5.1. Vetores Nome_PI 3_municpios_lim Guar, Ipu, So_Joaquim_da_Barra Categoria Limite Resoluo 25 Escala 50000 Tipo_dado polgono Qualidade Limite total dos municpios de Guar", "Ipu" e "So Joaquim da Barra"." Limite municipal extrado do Atlas IBGE (SPRING), para melhor-los foi feita a edio dos limites sobre a imagem. A vetorizao da hidrografia foi realizada por anlise visual sobre a imagem de 11/abril/2002; e utilizando as cartas topogrficas. A vetorizao das vias de acesso foi realizada por anlise visual sobre a imagem de 11/abril/2002; e utilizando as cartas topogrficas.

Limite

25

50000

polgonos

Hidrografia

Hidrografia

25

50000

linhas

Vias_de_acesso

Vias

25

50000

linhas

5.2. Cadastral Nome_PI alvos_claros Categoria Alvos_fixos Escala 50000 Tipo_dado quadrados de 100 pixels quadrados de 100 pixels Quantidade Qualidade Obj_associados 12 alvosclaros Observao Gerados a partir do centro de alvos claros e escuros. Gerados a partir do centro de alvos claros e escuros. Limites municipais e um polgono externo que representa toda a rea de estudo Pontos sorteados para compor o painel amostral.

alvos_escuros

Alvos_fixos

50000

alvosescuros

Municpios

Municpios

50000 polgonos

Safra_2000; Safra_2001; Safra_2002

pontos_amostrais pontos_amostrais 50000 pontos

300

objetos

170

5.3. Imagem Nome_PI Categoria Qualidade Resoluo Amostragem Processamento Observao Bandas com contraste linear; 3(J=0,003015,Ndesp=11,85, Mult=331,66);4(J=0,0049278, Ndesp=5,64,Mult=202,93); 5 (J=0,003049,Ndesp=4,73, Mult=327,98).Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas com contraste linear; 3(J=0,001903,Ndesp=16,36, Mult=525,46);4(J=0,0029097, Ndesp=11,22,Mult=343,68); 5(J=0,0026553,Ndesp=9, Mult=376,60). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas com contraste linear; 3(J=0,0014229,Ndesp=36,41, Mult=702,8);4 (J=0,003296, Ndesp=16,77,Mult=303,4); 5(J=0,001985, Ndesp=30,28, Mult=503,7).Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas com contraste linear; 3(J=0,00188, Ndesp=17,07, Mult=531,59);4 (J=0,002876, Ndesp=11,5,Mult=347,69); 5 (J=0,0026247,Ndesp=9,09, Mult=380,99).Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas com contraste linear; 3(J=0,002265,Ndesp=28,17, Mult=441,5);4(J=0,0037019, Ndesp=16,93,Mult=270,13); 5(J=0,0022905,Ndesp=30,76, Mult=436,59).Nome da imagem corresponde a banda e ao filtro indicado;o nome da categoria correponde a ano/ms/dia e sensor. Bandas com contraste linear; 3(J=0,001412,Ndesp=31,64, Mult=708,22);4 (J=0,0032708, Ndesp=14,84,Mult=305,74); 5(J=0,00197,Ndesp=26,52, Mult=507,59). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas com contraste linear; 3 (J=0,001417,Ndesp=31,66, Mult=705,5);4(J=0,00328, Ndesp=14,85,Mult=304,57); 5 (J=0,0019777,Ndesp=26,54, Mult=505,65). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor.

erro de b3_B ,b4_R, b5_G Imagem_000819__TM5 registro = 6,58m

25

convoluo cbica

correo atmosfrica

erro de B3_B, b4_R, b5_G Imagem_010814_ETM7 registro = 5,58m

25

convoluo cbica

correo atmosfrica

erro de B3_B, b4_R, b5_G Imagem_021020_ETM7 registro = 7,92m

30

vizinho mais prximo

correo atmosfrica

erro de B3_B, b4_R, b5_G Imagem_020817_ETM7 registro = 7,53m

30

convoluo cbica

correo atmosfrica

erro de B3_B, b4_R, b5_G Imagem_001022_TM5 registro = 6,15m

25

convoluo cbica

correo atmosfrica

erro de B3_B, b4_G, b5_G Imagem_020105_ETM7 registro = 4,78m

25

convoluo cbica

correo atmosfrica

erro de B3_B, b4_R, b5_G Imagem_030108_ETM7 registro = 4,74m

30

vizinho mais prximo

correo atmosfrica

(continua)

171

Continuao
Nome_PI Categoria Qualidade Resoluo Amostragem Processamento Observao Bandas uniformizadas com contraste linear; 3(y =1,0483x 29,084, R2=0,95); 4(y = 0,8657x 14,588, R2=0,92); 5(y = 0,9732x 14,044, R2=0,96). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y =0,8039x 9,934, R2=0,96); 4(y = 0,7149x 4,5215, R2=0,98); 5(y = 0,8141x 3,9511, R2=0,96). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y = 1,0936x 9,9893, R2=0,97); 4(y = 1,0829x 5,137, R2=0,97); 5(y = 1,2067x 2,4607, R2=0,99). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y= 0,7645x 10,308, R2=0,99); 4(y = 0,7025x 3,5426, R2=0,98); 5(y = 0,8384x 3,5151, R2=0,99). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y= 0,7553x 15,2, R2=1,00); 4(y = 0,7315x 7,4895, R2=0,98); 5(y = 0,7373x 5,2117, R2=0,99). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y= 1,0376x 48,994, R2=0,93); 4(y = 0,8891x 25,407, R2=0,86); 5(y = 0,9314x 29,182, R2=0,94). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y= 1,1349x 30,882, R2=1,00); 4(y = 1,0333x 12,549, R2=0,99); 5(y = 0,9974x 7,8101, R2=0,99). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y= 1,1407x 14,982, R2=0,99); 4(y = 1,0225x 8,8599, R2=0,94); 5(y = 1,0226x 6,9302, R2=0,99). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor.

erro de B3_B, b4_R, b5_G Imagem_000108_TM5 registro = 7,23m

25

convoluo uniformizao cbica

erro de b3_B, b4_R, b5_G Imagem_000405_ETM5 registro = 7,35m

25

convoluo uniformizao cbica

erro de B3_B, b4_R, b5_G Imagem_000616_TM5 registro = 6,73m

25

convoluo uniformizao cbica

erro de B3_B, b4_R, b5_G Imagem_000920_TM5 registro = 6,9m

25

convoluo uniformizao cbica

erro de B3_B, b4_R, b5_G Imagem_001209_TM5 registro = 6,35m

25

convoluo uniformizao cbica

erro de B3_B, b4_R, b5_G Imagem_010118_ETM7 registro = 6,4m

25

convoluo uniformizao cbica

B3_B, b4_R, b5_G

Imagem_010219 _ETM7

erro de registro = 6,28m

25

convoluo uniformizao cbica

erro de B3_B, b4_R, b5_G Imagem_010611_ETM7 registro = 6,68m

25

convoluo uniformizao cbica

(continua)

172

Continuao
Nome_PI Categoria Qualidade Resoluo Amostragem Processamento Observao Bandas uniformizadas com contraste linear; 3(y = 0,9727x 37,29, R2=1,00); 4(y = 1,0389x 19,791, R2=0,99); 5(y = 0,8637x 13,205, R2=0,98). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y= 0,9745x 26,936, R2=0,98); 4(y = 1,0906x 14,193, R2=0,99); 5(y = 0,9531x 8,0186, R2=1,00). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y= 1,099x 32,321, R2=1,00); 4(y = 1,1599x 16,511, R2=0,98); 5(y = 0,9777x 11,364, R2=1,00). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y= 0,8095x 11,623, R2=0,99); 4(y = 1,1807x 10,289, R2=0,99); 5(y = 0,8153x 5,5772, R2=0,97). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y= 1,2422x 42,814, R2=0,95); 4(y = 1,3536x 48,414, R2=0,95); 5(y = 1,3994x 38,945, R2=0,98). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y= 1,0883x 13,793, R2=0,98); 4(y = 1,7581x 12,036, R2=0,99); 5(y = 1,1205x 8,5698, R2=0,99). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor. Bandas uniformizadas com contraste linear; 3(y = 1,1579x 29,157, R2=0,98); 4(y = 1,1252x 12,607, R2=0,99); 5(y = 0,9696x 8,115, R2=0,99). Nome da imagem corresponde a banda e ao filtro indicado; o nome da categoria correponde a ano/ms/dia e sensor.

erro de B3_B, b4_R, b5_G Imagem_011204_ETM7 registro = 6,75m

25

convoluo uniformizao cbica

erro de b3_B, b4_R, b5_G Imagem_020206_ETM7 registro = 4,1m

25

convoluo uniformizao cbica

erro de b3_B, b4_R, b5_G Imagem_020310_ETM7 registro = 6,1m

25

convoluo uniformizao cbica

erro de b3_B, b4_R, b5_G Imagem_020411_ETM7 registro = 6m

25

convoluo uniformizao cbica

erro de b3_B, b4_R, b5_G Imagem_020529_ETM7 registro = 7,1m

25

convoluo uniformizao cbica

erro de b3_B, b4_R, b5_G Imagem_020630_ETM7 registro = 7,4m

25

convoluo uniformizao cbica

erro de b3_B, b4_R, b5_G Imagem_010323_ETM7 registro = 6,25m

25

convoluo uniformizao cbica

173

5.4. Matriz Nome_PI Categoria Contedo Resoluo Escala Tipo_dado Qualidade Observao

uso_do_solo Uso_solo

Uso do solo simplificado

25

50000

Classificao Isoseg (limiar de 95%) da imagem de 11/04/2002 (345 com Classificao no contraste), utilizando amostras de treinamento e segmentao realizada matricial supervisinada, com treinamento. nas mesmas bandas (Crescimento por regies, limiar de similaridade 30 e limiar de rea 20, arcos suavizados).

5.5. Objetos Nome_PI Tipo_dado Atributos Num_ registros Tabela Qualidade Cad_associado Observao

Alvos

ID, NOME, ROTULO, AREA,PERIMETRO, OBJ_ID, OBJ_ROTULO, POLIGONO, IMAGEM, NPIXEL, MINIMO, MAXIMO, AMPLITUDE, alfanumrico MEDIA, VARIANCIA, DESVIOPADRAO, ASSIMETRIA, CURTOSE, COEFVARIACAO, MEDIANA, MODA, LINHA ID, NOME, ROTULO, AREA, PERIM, PONTO, MUNIC, PRANCHA, alfanumrico JAN_00, ABR_00, JUN_00, AGO_00, SET_00, OUT_00, DEZ_00, VISITADO_EM, IRRIGAO ID, NOME, ROTULO, AREA, PERIM, PONTO, MUNIC, PRANCHA, alfanumrico JAN_01, FEV_01, MAR_01, JUN_01, AGO_01, DEZ_01, VISITADO_EM, IRRIGAO ID, NOME, ROTULO, AREA, PERIM, PONTO, MUNIC, PRANCHA, JAN_02, FEV_02, MAR_02, alfanumrico ABR_02, MAI_02, JUN_02, JUL_02, AGO_02, OUT_02, JAN_03, VISITADO_EM, IRRIGAO

20

CG000147

alvos_fixos

Estatsticas geradas pela operao do SPRING Estatsticas por polgono", sobre as imagens corrigidas e as que sero corrigidas."

safra_2000

300

CG000423

Os atributos com o nome de ms_ano correspondem ao uso nas imagens pontos_amostrais das respectivas datas, determinado por interpretao visual. Os atributos com o nome de ms_ano correspondem ao uso nas imagens pontos_amostrais das respectivas datas, determinado por interpretao visual. Os atributos com o nome de ms_ano correspondem ao uso nas imagens pontos_amostrais das respectivas datas, determinado por interpretao visual.

safra_2001

300

CG000424

safra_2002

300

CG000489

(continua)

174

Continuao
Nome_PI Tipo_dado Atributos Num_ registros Tabela Qualidade Cad_associado Observao

objetos

ID, NOME, ROTULO, AREA, PERIM, PONTO, MUNIC, PRANCHA, NOV_95, SET_97, ABR_99, NOV_99, JAN_00, ABR_00, JUN_00, AGO_00, SET_00, OUT_00, DEZ_00, JAN_01, alfanumrico FEV_01, MAR_01, JUN_01, AGO_01, DEZ_01, JAN_02, FEV_02, MAR_02, ABR_02, MAI_02, JUN_02, JUL_02, AGO_02, OUT_02, JAN_03, VISITADO_EM, IRRIGAO ID, NOME, ROTULO, AREA, PERIMETRO, CANA, SOJA, MILHO, SORGO, MILHETO, FEIJAO, ALGODAO, SEM_USO, CN ID, NOME, ROTULO, AREA, PERIMETRO, CANA, SOJA, MILHO, SORGO, MILHETO,FEIJAO, ALGODAO, SEM_USO, CN ID, NOME, ROTULO, AREA, PERIMETRO, CANA, SOJA, MILHO, SORGO, MILHETO, FEIJAO, ALGODAO, SEM_USO, CN

300

CG000027

Os atributos com o nome de ms_ano correspondem ao uso nas imagens pontos_amostrais das respectivas datas, determinado por interpretao visual.

Safra_2000

numrico

CG000462

Municpios

Estimativas geradas a partir da tabela objetos", pelo mtodo de expanso direta."

Safra_2001

numrico

CG000463

Municpios

Estimativas geradas a partir da tabela objetos", pelo mtodo de expanso direta."

Safra_2002

numrico

CG000464

Municpios

Estimativas geradas a partir da tabela objetos", pelo mtodo de expanso direta."

5.6. Legenda Sigla PI/Objeto AE AL CA RF ES FE GA LA MA MI ML MS PA PS Significado pontos_amostrais/objeto aeroporto algodo cana rede ferroviria estrada feijo galeria lagoa de vinhaa mata milho de vero milheto milho safrinha palha pasto

(continua)

175

Continuao
Sigla SE SJ SR UR US soja sorgo urbana usina Significado solo exposto

5.7. Metadados Nome_PI Banco de dados Cadastral Grade_numrica Imagens Matrizes Objetos Legenda Vetores Categoria Metadados Metadados Metadados Metadados Metadados Metadados Metadados Metadados Obj_associados Descrio_geral cadastr numer imagens matriz obj Legenda vetor Tabela CG000466 CG000468 CG000473 CG000470 CG000474 CG000469 CG000481 CG000472 Observao Descreve o Banco de Dados de uma maneira geral. Descreve os PI do tipo cadastral do Banco. Descreve os PI do tipo MNT do Banco. Descreve os PI do tipo imagem do Banco. Descreve os PI do tipo matriz do Banco, exceto imagens. Descreve os objetos do Banco. Descreve a legenda usada no PI/Obj pontos_amostrais/objeto. Descreve os PI do tipo vetor do Banco.

176

APNDICE D BANCO DE DADOS

O CD-ROM contm o banco de dados gerado durante o desenvolvimento dessa dissertao. Nesse CD_ROM tambm est gravado o programa de instalao do sistema de informaes geogrficas SPRING 3.6.03, que deve ser utilizado para acessar o banco de dados. Aps a instalao do SPRING, copie a pasta Banco_de_Dados diretamente no drive c:, d:, e: ou f:. O banco de dados, entre outros planos de informaes, contm o painel amostral, que possui diversos atributos, entre eles fotografias associadas aos objetos. Para exibir as fotografias e as gravaes, na tela de atributos, clique com o boto direito do mouse sobre a fotografia ou o som que deseja abrir. Note que a localizao de arquivo est quadruplicada, mas em drives diferentes (c:, d:, e: e f:). Abra a que contm o mesmo drive em que foi gravado o banco de dados. Se o banco no estiver sendo executado em nenhum desses drives, as fotografias e as gravaes no podero ser abertas diretamente no SIG. Alm disso, necessrio ter instalado no computador algum aplicativo que abra arquivos dos formatos JPG e WAV.

177

178

179