Modelagem da dinâmica espacial como uma ... - mtc-m12:80 - Inpe

4.1.3 Dados de Sensoriamento Remoto
Imagens do satélite Landsat foram usadas neste trabalho para atualizar os mapas oficiais
de arruamento, posto que loteamentos residenciais ilegais não constam desses mapas.
Suas datas de aquisição correspondem às fronteiras dos períodos de simulação (ver
Seção 4.1) adotada para cada uma das cidades. Uma imagem Landsat – 3 MSS de 1979,
e duas imagens TM - 5 de 1988 e 2000 (INPE, 1979, 1988, 2000) foram usadas para
atualizar os mapas da cidade de Bauru. No caso de Piracicaba, duas imagens TM – 5 de
1985 e 1999 (INPE, 1985, 1999) foram empregadas. Os mapas de uso do solo datados
da década de 60 não puderam ser atualizados por meio de dados de RS, uma vez que
imagens de satélite tornaram-se disponíveis a partir do começo dos anos 70.
Dentre a comunidade científica envolvida com aplicações de dados de sensoriamento
remoto em estudos urbanos, não existe consenso acerca da composição de bandas TM
mais apropriada para a detecção de áreas urbanas e diferenciação de suas estruturas.
Seevers et al. (1985) reporta que a combinação de bandas 5, 4, 3 é ideal para a
interpretação visual de áreas urbanas, e as bandas 5, 4, 1, para classificação automática.
Johnston e Watters (1996) trabalharam com uma classificação isodata 18 nas bandas 2, 3,
4, 5 e 7 para fins de interpretação manual e agrupamento de classes divididas em tipos
de cobertura "pavimentadas" e "não-pavimentadas”. Liu (2003) citando um estudo do
Centro de Dados USGS EROS, afirma que para o mapeamento de feições urbanas, as
combinações 5, 4, 3; 4, 3, 2 e 7, 4, 3 são preferíveis para interpretação visual.
A natureza heterogênea de áreas urbanas implica uma grande complexidade espectral,
explicada pela diversidade de comportamento dos materiais nelas encontrados e pela
inclusão freqüente de usos não-urbanos, tais como áreas verdes, solo exposto, etc. Essa
diversidade contextual cria portanto problemas para a classificação (Haack et al. 1987).
Algumas soluções alternativas têm sido propostas para enfrentar este problema. Gong e
Howarth (1990) propuseram um método de classificação destinado a extrair segmentos
contendo uma densidade elevada de alta freqüência espacial, que segundo eles, melhor
18 Richards (1995) citando Ball e Hall (1965) define o algoritmo isodata como aquele que se destina a estimar as
respectivas classes de vetores de pixels em agrupamentos candidatos, movendo-os de um agrupamento para outro de
tal forma que a soma dos erros quadráticos médios da seção precedente seja reduzida.
115