mapeamento digital do entorno da baía de ... - Georeferencial

UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO
CENTRO DE TECNOLOGIA E CIÊNCIAS
FACULDADE DE ENGENHARIA
RAIMUNDO SALES DE MELO NETO
MAPEAMENTO DIGITAL DO ENTORNO DA BAÍA DE GUANABARA
EM SUPORTE À ANÁLISE AMBIENTAL
RIO DE JANEIRO
2008

RAIMUNDO SALES DE MELO NETO
MAPEAMENTO DIGITAL DO ENTORNO DA BAÍA DE GUANABARA
EM SUPORTE À ANÁLISE AMBIENTAL
Monografia apresentada como
requisito parcial à conclusão do curso de
graduação em Engenharia Cartográfica
da Universidade do Estado do Rio de
Janeiro.
Orientador: Prof. Dr. Gilberto Pessanha Ribeiro.
Rio de Janeiro
2008
2

RAIMUNDO SALES DE MELO NETO
MAPEAMENTO DIGITAL DO ENTORNO DA BAÍA DE GUANABARA
EM SUPORTE À ANÁLISE AMBIENTAL
Monografia apresentada como requisito
parcial à conclusão do curso de
graduação em Engenharia Cartográfica
da Universidade do Estado do Rio de
Janeiro.
Aprovada em ____________________________________________________
Orientador:
______________________________________
Prof. Dr. Gilberto Pessanha Ribeiro
Departamento de Engenharia Cartográfica
Banca Examinadora:
______________________________________
Prof. PhD Jorge Luís Nunes e Silva Brito
Departamento de Engenharia Cartográfica
______________________________________
Prof. Msc. Mauro Pereira de Mello
Departamento de Engenharia Cartográfica
______________________________________
Prof. Msc. Luiz Henrique Guimarães Castiglione
Departamento de Engenharia Cartográfica
Rio de Janeiro, 2008.
3

RESUMO
O crescimento da demanda por mapas e cartas que enfocam temas os mais
diversos que se pode depreender do espaço geográfico, tem sido determinante no
desenvolvimento de tecnologias utilizadas em sua produção. Como exemplo destas
tecnologias, pode-se citar: o sistema de posicionamento global GPS (Global
Positioning System), os sistemas de informação geográfica (SIG) e os sistemas de
sensoriamento remoto (SR).
A gestão ambiental é uma das diversas áreas que são responsáveis por esta
demanda. Por abranger atividades multidisciplinares, a espacialização dos dados e
informações envolvidas – mapeamento – contribui para melhorar a eficiência da
comunicação dos resultados obtidos e na interpretação destes.
Neste trabalho, pretendo apresentar a elaboração de mapas em meio digital
do entorno da baía de Guanabara utilizando dados digitais de fontes diversas com o
uso de SIG e, em seguida, fazer uma análise dos resultados obtidos e dos
processos constituintes da metodologia adotada.
Palavras-chave: Cartografia digital, Sensoriamento Remoto e Sistemas de
Informação Geográfica.
4

SUMÁRIO
1. INTRODUÇÃO, .................................................................................................6
2. FUNDAMENTAÇÃO TEÓRICA, ......................................................................8
2.1. Cartografia, ..............................................................................................8
2.1.1. Sistemas Geodésicos de Referência , .....................................8
2.1.2. Projeção Cartográfica, ............................................................10
2.2. Sensoriamento Remoto, .......................................................................10
2.2.1. Conceito, ..................................................................................10
2.2.2. A estrutura de um Sistema de Sensoriamento Remoto, .....11
2.2.3. A Radiação Eletromagnética, .................................................11
2.2.4. Grandezas Radiométricas, .....................................................14
2.2.5. Tipos de Sensores e Resolução, ...........................................14
2.2.6. Satélite Sino-Brasileiro de Recursos Terrestres, .................15
2.3. Sistemas de Informação Geográfica, .................................................17
2.3.1. Conceito, ..................................................................................17
2.3.2. Evolução dos SIG, ...................................................................17
2.3.3. SPRING , ...................................................................................17
3. ELABORAÇÃO DOS MAPAS DIGITAIS, ......................................................19
3.1. Levantamento dos Dados, ....................................................................19
3.1.1. Mapas digitais da CIDE, ..........................................................20
3.1.2. Mapas digitais GEROE, ...........................................................20
3.1.3. Registros sensoriais do satélite CBERS2, ............................21
3.1.4. Dados tabulares do Censo Demográfico de 2000 do IBGE..22
3.2. Pré-Processamento dos Dados, ..........................................................23
3.2.1. Tratamento dos Dados Vetoriais, ..........................................24
3.2.2. Tratamento das imagens, .......................................................24
3.2.2.1. Registro, ........................................................................25
3.3. Processamento Digital de Imagens, .....................................................26
3.3.1. Realce, ......................................................................................27
3.3.2. Classificação Multiespectral, .................................................29
3.3.3. Segmentação, ..........................................................................29
3.3.4. Classificação, ...........................................................................31
4. APRESENTAÇÃO E ANÁLISE DOS RESULTADOS, ..................................32
5. CONCLUSÕES, ..............................................................................................37
REFERÊNCIAS BIBLIOGRÁFICAS, .............................................................38
5

1. INTRODUÇÃO
A disponibilidade de registros sensoriais provenientes do Satélite Sino-
Brasileiro (CBERS) e de outros dados geográficos (mapas topográficos do Programa
de Despoluição da baía de Guanabara - PDBG) ensejou o uso do sistema SPRING e
suas ferramentas na produção de mapas temáticos em meio digital.
A área de estudo escolhida foi o entorno da baía de Guanabara que, apesar
de abrigar ecossistemas como a Mata Atlântica e grandes manguezais, sofre com as
conseqüências da ocupação desordenada como a poluição de suas águas e praias
e assoreamento de rios. O espelho d’água cobre uma área de cerca de 380 km 2
com um perímetro de 131 km. Sua maior largura é de 28 km entre a foz do rio São
João de Meriti e a do rio Guapi-Macacu. Sua maior extensão é de 38 km entre a
barra e a foz do rio Magé. A sua bacia hidrográfica tem área aproximada de 4.000
km 2 , e características topográficas contrastantes com cadeias de montanhas com
altitudes de até 2.000 m e grandes baixadas [dados resumidos de COELHO(2007)].
Este trabalho se insere dentro do contexto ambiental e tem como objetivo
geral produzir mapas do uso da terra da área mencionada para fins de análise
ambiental. Para isso foram utilizados registros sensoriais e dados vetoriais de fontes
diversas integrados em um banco de dados geográficos. Por fim, foi feita uma
análise dos resultados com relação à suas qualidades posicionais e de conteúdo
informativo (informações obtidas na classificação das imagens).
Como objetivos específicos, cito: validação do SPRING na produção
cartográfica com o uso de algumas de suas ferramentas de processamento de
dados matriciais (módulo IMPIMA de importação de e recorte de imagens), vetoriais
e alfanuméricos e também da ferramenta de edição cartográfica, o SCARTA;
validação de metodologia para extração de informações de registros sensoriais
sobre o uso da terra através do processamento digital de imagens; dar respaldo à
tecnologia nacional com o uso o SPRING e das imagens do CBERS.
Para atingir os objetivos propostos, foi seguida uma série de etapas, que
estão ilustradas na figura 1 na próxima página, que revelam a abordagem
metodológica utilizada. Em seguida é feita uma descrição sumária de cada uma
delas.
6

Figura 1 – Abordagem Metodológica.
• Aquisição dos dados: nesta etapa foi feito o levantamento da disponibilidade
dos dados disponíveis da área, a aquisição dos registros sensoriais do satélite
CBERS e de publicações e textos em geral sobre a área.
• Pré-tratamento dos dados: etapa em que foi feita a seleção e o tratamento
dos dados a serem utilizados no processamento a fim de prepará-los para
compor o banco de dados geográficos.
• Integração em SIG: aqui, foi feita a modelagem conceitual do banco de dados
geográficos, com o auxílio do próprio SPRING, e, em seguida, a importação
dos dados.
• Produção de mapas: etapa que consistiu basicamente no processamento das
imagens que envolveu: registro, realce, segmentação, classificação e, por fim,
a geração de mapas temáticos.
• Apresentação e Análise dos resultados: os mapas elaborados na etapa
anterior foram analisados bem como alguns detalhes do processamento
digital de imagem abordando a qualidade dos documentos cartográficos
gerados.
Os capítulos seguintes tratarão da apresentação da fundamentação teórica
(capítulo 2) e do desenvolvimento, apresentação dos resultados e conclusões nos
capítulos 3, 4 e 5, respectivamente. O conteúdo teórico abordou os temas: SIG
(sistemas de informação geográfica), SR (sensoriamento remoto) e Cartografia.
7

2. FUNDAMENTAÇÃO TEÓRICA
2.1. Cartografia
Antes da disseminação da informática na Cartografia ela podia ser definida
como a ciência que se utiliza de diversos meios técnicos para a construção de
mapas e cartas, desde os levantamentos básicos à impressão final.
A revolução do computador na Cartografia alterou de forma definitiva esta
cadeia onde o produto final era o mapa impresso. Apesar de não se poder dizer que
pôs fim ao uso do mapa em meio analógico, a informática alterou o modo como se
faz e se utiliza os mapas. Além disso, o desenvolvimento econômico e das ciências
em geral aumentou a demanda por mapas – a Cartografia é essencial na infraestrutura
e utilizada como apoio ou mesmo fim em pesquisas de diferentes áreas –
se tornando essencial como forma de manipular um volume de dados espaciais
cada vez maior em um espaço de tempo adequado. Além de seguir o rigor
matemático exigido na representação e nos modelos utilizados nos diversos
processos de construção de um mapa, o Cartógrafo deve se ater aos aspectos de
natureza cognitiva que envolvem a apreensão da realidade, a modelagem lógica e,
por fim, sua transmissão na forma de informação gráfica.
Seja qual for o produto final, impresso ou digital, dois conceitos são de suma
importância do produto cartográfico, quais sejam, o sistema geodésico de referência
e o sistema de projeção cartográfica, este último excluído em trabalhos topográficos
onde não se leva em consideração os efeitos da curvatura da Terra. Estes conceitos
são descritos a seguir.
2.1.1. Sistemas Geodésicos de Referência (SGR).
São constituídos de uma figura geométrica para representação da forma da
Terra, com orientação no espaço e com um número de estações ou marcos
geodésicos devidamente materializados no terreno.
Os SGR podem ser classificados em absolutos nos quais o centro de massa
da Terra e seu eixo de rotação coincidem, respectivamente, com o centro
geométrico e com o eixo de simetria da figura geométrica adotada (normalmente um
elipsóide de revolução) e relativos, com orientação arbitrária, nos quais um marco
geodésico é adotado como origem e um azimute de referência para um segundo
8

ponto são utiizados. Neste contexto, surge um termo que é muitas vezes utilizado,
DATUM, para definir tal ponto. Um SGR também pode ser classificado pelos
métodos geodésicos utilizados em sua realização ou materialização. Assim, têm-se
os seguintes tipos:
• CLÁSSICOS: onde são utilizados os seguintes métodos de levantamentos
geodésicos:
o Triangulação: obtenção de figuras geométricas a partir de triângulos
formados através da medição dos ângulos subtendidos por cada
vértice.
o Trilateração: método semelhante à triangulação e que, como aquele,
baseia-se em propriedades geométricas a partir de triângulos
justapostos, sendo que o levantamento é efetuado através da medição
dos lados.
o Poligonação: método utilizado para transporte de coordenadas através
de medição de distâncias e ângulos medidos entre pontos adjacentes
formando linhas poligonais ou polígonos.
• GEOCÊNTRICOS: SGR em que são utilizadas observações eletrônicas de
distância como VLBI (very long baseline interferometry), e sua densificação é
obtida pela geodésia celeste.
O Sistema Geodésico adotado no presente trabalho foi o SAD-69, que é um
sistema geodésico relativo onde sua materialização se deu através de métodos
clássicos de levantamento geodésico. Este sistema foi escolhido pois a maioria dos
dados obtidos estavam referidos a este sistema.
• Sistema Geodésico SAD-69:
o Elipsóide: Definida pela União Geodésica e Geofísica Internacional
(UGGI) em 1967.
o Semi-eixo maior: 6.378.160 m.
o Achatamento: 1/298,25
o Origem planimétrica: vértice Chuá (MG)
o altura Geoidal: 0 m.
o Coordenadas: Latitude: 19° 45’ 41,6527” ao sul do Equador. Longitude:
48° 06’ 04,0639” a oeste de Greenwich. Azimute geodésico para Vértice Uberaba:
271° 30’ 04,05”
9

2.1.2. Projeção Cartográfica.
A confecção de um mapa exige, antes de tudo, o estabelecimento de um
método, segundo o qual, cada ponto da Terra, corresponda a um ponto do mapa e
vice-versa. Diversos métodos podem ser empregados, constituindo os “Sistemas De
Projeção”. Seja qual for o método adotado, as feições representadas sofrerão
deformações. Isto se deve à curvatura da superfície da Terra e da não curvatura da
superfície de representação. Todo mapa subentende um sistema de projeção, com
exceção das representações do plano topográfico como já foi mencionado em 2.1.
Este sistema deve ser escolhido de modo que a carta venha a possuir propriedades
que satisfaçam às finalidades impostas pela sua utilização. Como é impossível
construir uma carta sem deformações, a solução será, portanto, adotar uma projeção
que possua propriedades que atendam às especificações do projeto. Em outras
palavras, deve-se considerar o fim a que se destina determinado projeto de
mapeamento para, então, se estabelecer quais as deformações podem ser
admitidas, quais terão que ser anuladas e quais as propriedades geométricas a
serem preservadas na representação cartográfica.
Para a produção de mapas visando-se as aplicações ambientais, adotou-se a
Projeção Cilíndrica Transversa Conforme, também conhecida como projeção UTM
(Universal Transversa de Mercator). Esta projeção conserva a forma (sem
deformações nos ângulos entre linhas geodésicas) e, conseqüentemente, a área de
pequenas figuras.
2.2 Sensoriamento Remoto (SR)
Apresenta-se, a seguir, um resumo da literatura técnica sobre o assunto. Esse
resumo teve como base o trabalho de NOVO(1992).
2.2.1 Conceito
Pode-se definir Sensoriamento Remoto como sendo a tecnologia que permite
a aquisição de informações sobre objetos sem contato físico entre o sensor e os
alvos de interesse. A transferência dos dados do objeto para o sensor é feita
através de energia eletromagnética que se propaga a uma velocidade de 3 x 10 8
m.s -1 tornando-se, assim, um meio de transferência de alta velocidade. A figura 2, a
seguir, ilustra esta definição.
10

Figura 2 – A trajetória da radiação da energia eletromagnética. (Fonte: DPI/INPE)
Uma definição mais precisa de Sensoriamento Remoto é: “... é a utilização
conjunta de modernos sensores, equipamentos para processamento e transmissão
de dados, aeronaves, espaçonaves, etc., com o objetivo de estudar o ambiente
terrestre através do registro e da análise das interações entre a radiação
eletromagnética e as substâncias componentes do planeta Terra em suas mais
diversas manifestações.”
2.2.2. A estrutura de um Sistema de Sensoriamento Remoto (S.R.).
O S.R., visto como um sistema de aquisição de dados, pode ser dividido em
dois subsistemas: (1) subsistema de coleta de dados e (2) subsistema de análise de
dados. O subsistema de coleta de dados é o responsável pela detecção,
transformação , armazenamento e transmissão de dados. O subsistema de análise
e processamento é o responsável pela transformação de dados em informações.
2.2.3. A Radiação Eletromagnética
Segundo NOVO(1992), em Sensoriamento Remoto, só se pode ir mais longe
do que o simples reconhecimento dos objetos mais óbvios, se a análise dos dados
estiver baseada no conhecimento das interações entre energia e matéria. Assim , é
11

indispensável o conhecimento da radiação eletromagnética e de suas interações
com a matéria.
Todo corpo com temperatura acima do zero absoluto emite energia, ou seja,
pode ser considerado como uma fonte de radiação.
Existem duas teorias que explicam a propagação de energia a partir de uma
fonte. A teoria ondulatória e a teoria corpuscular. Alguns fenômenos como a
reflexão, refração, interferência etc. podem ser explicados pela teoria ondulatória e
outros como absorção e emissão da energia radiante são mais bem explicados pela
teoria corpuscular.
A teoria ondulatória diz que a energia eletromagnética se comporta como uma
onda, ou seja, se caracteriza por possuir velocidade de propagação (c), freqüência
(f) e comprimento de onda (λ) de tal modo que:
c
λ =
(1)
f
onde
λ = comprimento de onda
c = velocidade de propagação (300.000 Km/s no vácuo)
f = freqüência
A teoria corpuscular garante que a quantidade energia que um corpo absorve
ou irradia é discreta, ou seja, dada em pequenos pacotes chamados de fótons. A
magnitude de energia irradiante ou absorvida é inversamente proporcional ao
comprimento de onda (λ):
h.
c
Q =
λ
(2)
onde Q =energia
H = constante de Planck
O Sol é a principal fonte de energia eletromagnética disponível para o
Sensoriamento Remoto da superfície terrestre. A energia irradiada pela fotosfera
(superfície aparente do Sol) é chamada de fluxo radiante. Estudos comprovam que a
emissão do Sol se assemelhe à de um corpo negro a uma temperatura de 5.900 K.
A própria Terra também pode ser considerada como fonte de radiação. Neste
caso, seu fluxo radiante é menor e pode ser considerado como semelhante a um
corpo negro de 300 K. Uma explicação mais detalhada sobre corpo negro foge ao
escopo deste trabalho, mas pode-se considerar como sendo um modelo matemático
12

para compreender o processo da radiação, que relaciona a quantidade de energia
emitida por um corpo e sua temperatura, bem como a faixa do espectro de máxima
emissão. A figura 3 representa o espectro de emissão do Sol e da Terra de acordo
com esta teoria.
Figura 3 – Espectros de emissão da Terra (contínua) e do Sol (tracejada). (Fonte: NOVO,1992)
Pode-se observar que o pico de emissão do Sol está entre 0,4 e 0,7 µ m que
corresponde à porção visível do espectro eletromagnético. Ou seja, nossos olhos se
adaptaram à maior oferta de energia disponível no meio. Já a máxima emissão de
energia eletromagnética da Terra encontra-se em torno de 9 µ m que corresponde
ao infravermelho distante. É por essa razão que a maioria dos sensores orbitais
operam nas faixas do espectro do visível ao infravermelho distante. A figura a seguir
ilustra a faixa do espectro eletromagnético que cobre da porção visível ao
infravermelho distante.
Figura 4 – O Espectro Óptico. (Fonte: NOVO,1992)
13

2.2.4. Grandezas Radiométricas
A radiação eletromagnética que incide sobre um objeto da superfície terrestre,
sofre interações com ele. Assim, um corpo pode reagir de três formas: transmitir,
refletir ou absorver esta energia. Em sensoriamento remoto geralmente se mede o
fluxo radiante que deixa uma superfície extensa em direção ao sensor.
Conseqüentemente, o que é medido é a radiância do alvo. A seguir uma lista das
grandezas medidas básicas em radiometria (estudo da energia radiante) que são
importantes na utilização de produtos de sensores remotos.
• Intensidade radiante: fluxo radiante deixando uma fonte por unidade de
ângulo sólido numa direção especificada.
• Radiância: Intensidade Radiante por unidade de área normal à fonte, numa
dada direção.
• Reflectância: razão entre o fluxo refletido e o fluxo incidente numa superfície.
• Transmitância: razão entre o fluxo transmitido e o fluxo incidente numa
superfície.
• Absortância: razão entre o fluxo absorvido e o fluxo incidente numa superfície.
Informações mais detalhadas a respeito das grandezas radiométricas podem
ser obtidas em (NOVO, 1992)
2.2.5. Tipos de Sensores e Resolução
Um sensor pode ser definido como qualquer equipamento que responda a
estímulos, como calor, luz ou pressão, e que gera um sinal passível de ser medido
ou interpretado. No caso do Sensoriamento Remoto o estímulo é a radiação
eletromagnética. Os sistemas sensores podem ser classificados de vários modos;
• Quanto à forma de energia.
o PASSIVOS: detectam a radiação solar refletida ou a radiação emitida
por objetos na superfície. Sistemas fotográficos são um exemplo deste
tipo.
o ATIVOS: são aqueles que produzem sua própria radiação. Um
exemplo deste tipo de sensor são os radares.
• Quanto à região do espectro eletromagnético em que operam.
14

o ÓPTICOS: se caracterizam pela utilização de componentes ópticos em
sua construção, tais como lentes e espelhos.
o MICROONDAS: diferem-se dos ópticos por operarem numa região do
espectro caracterizada por ondas de comprimento entre 1 mm e 1
metro.
• Quanto à transformação sofrida pela energia.
o NÃO IMAGEADORES: não fornecem uma imagem da superfície
observada.
o IMAGEADORES: fornecem como resultado uma imagem da superfície
observada.
Resolução pode ser definida como o grau ao qual um instrumento ou
dispositivo é capaz de distinguir respostas adjacentes. A resolução de um sistema
sensor pode ser de três tipos: espacial, espectral ou temporal. A resolução espacial
mede a menor separação angular ou linear entre dois objetos. A resolução espectral
é uma medida da largura das faixas espectrais e da sensibilidade do sistema sensor
em distinguir entre dois níveis de intensidade da radiação eletromagnética. A
resolução temporal se refere à freqüência com que determinada área é “observada”
pelo sensor.
A escolha do sistema sensor para a execução de uma missão de
Sensoriamento Remoto deve levar em conta o tipo de informação que se deseja
obter. Os sensores passivos levam vantagem pelo fato de operarem numa ampla
faixa do espectro eletromagnético enquanto sensores de microondas conseguem
“atravessar” nuvens.
2.2.6. Satélite Sino-Brasileiro de Recursos Terrestres (CBERS)
O programa CBERS é o resultado de um acordo de cooperação técnicocientífica
entre o Brasil e a China e foi responsável pelo lançamento de três satélites
de observação terrestre: o CBERS-1, CBERS-2 e o CBERS-2b. O CBERS-2b é
praticamente idêntico aos CBERS-1 e 2 mas com a substituição do imageador
IRMSS (InfraRed MultiSpectral Scanner) por uma Câmera Pancromática de Alta
Resolução. As imagens do sistema CBERS estão disponíveis para download na
página do INPE (Instituto Nacional de Pesquisas Espaciais) na internet fornecendo
imagens de nível 2 (calibradas radiometricamente e com correção geométrica de
15

sistema de aquisição). A tabela 1 abaixo apresenta, resumidamente, as
características dos satélites do sistema CBERS.
Missão
Satélite Sino-Brasileiro de Recursos Terrestres
Instituição Responsável
INPE e CAST (Academia Chinesa de Tecnologia Espacial)
País/Região
Brasil e China
Satélite CBERS 1 Satélite CBERS 1
Lançamento 14/10/1999 Lançamento 14/10/1999
Situação Atual Inativo Situação Atual Inativo
Órbita
Circular, quase-polar e
Circular, quase-polar e
Órbita
heliossíncrona
heliossíncrona
Altitude 778 km Altitude 778 km
Inclinação 98º Inclinação 98º
Tempo de Duração da
Tempo de Duração da
100,26 min
Órbita
Órbita
100,26 min
Horário de Passagem 10:30 A.M. Horário de Passagem 10:30 A.M.
Período de Revisita 26 dias Período de Revisita 26 dias
Instrumentos Sensores
Câmara CCD, IRMSS e
Câmara CCD, IRMSS e
Instrumentos Sensores
WFI
WFI
Tabela 1 – Características dos satélites CBERS. (Fonte: http://www.cbers.inpe.br. Acesso em
10/10/2007)
As faixas do espectro eletromagnético dos sensores do sistema CBERS são
descritas na tabela 2 a seguir:
SENSOR
Bandas espectrais
Resolução
Espectral
SENSOR
Bandas espectrais
Resolução
Espectral
Pan
0,51 - 0,73µm
Pan
0,50 - 1,10µm
Câmara
CCD
Azul
Verde
Vermelho
0,45 - 0,52µm
0,52 - 0,59µm
0,63 - 0,69µm
IRMSS
Infravermelho
médio
Infravermelho
médio
Infravermelho
termal
1,55 - 1,75µm
2,08 - 2,35µm
10,40 - 12,50µm
Infravermelho
próximo
0,77 - 0,89µm HRC Pan
Visível + IV
próximo
Vermelho
0,63 - 0,69µm
WFI
Infravermelho
próximo
0,77 - 0,89µm
Tabela 2 – Faixas espectrais das bandas dos sensores do sistema CBERS. (Fonte:
http://www.cbers.inpe.br. Acesso em 10/10/2007)
16

2.3 Sistemas de Informação Geográfica
2.3.1. Conceito
Sistemas de Informação Geográfica (SIG) são, em última análise, sistemas
que realizam o tratamento computacional de dados geográficos.
As principais características de um SIG são:
• Inserir e integrar, numa única base de dados, informações espaciais provenientes
de dados cartográficos, dados censitários e cadastro urbano e rural, imagens obtidas
por sensores remotos, redes e modelos numéricos de terreno;
• Oferecer mecanismos para combinar as várias informações, através de algoritmos
de manipulação e análise, bem como para consultar, recuperar, visualizar e plotar o
conteúdo da base de dados georreferenciados.
2.3.2. Evolução dos SIG
• Década de 60: os primeiros Sistemas de Informação Geográfica surgiram
nesta década desenvolvidos pelo governo do Canadá. Estes sistemas, exigiam mão
de obra especializada e a tecnoogia disponível encarecia e restringia seu uso.
• Década de 70: ao longo desta década foram desenvolvidos recursos de
hardware que tornaram viável o desenvolvimento de sistemas comerciais. Surgiram
a expressão Geographic Information System os primeiros sistemas comerciais de
CAD (Computer Aided Design, ou projeto assistido por computador).
• Década de 80 até os dias atuais: a evolução da tecnologia da informação
propiciou um crescimento acelerado dos SIG. O barateamento dos recursos de
“hardware” e o surgimento dos computadores pessoais difundiram seu uso.
Além disso, os avanços em “software” também incorporaram muitas funções de
análise espacial alargando o leque de aplicações que se estendem ao uso da
internet (web 2.0).
2.3.3. SPRING (Sistema de Processamento de Informações Geográficas)
O sistema SPRING surgiu a partir das pesquisas realizadas no INPE e é
fornecido sem nenhum custo pela internet. Foi projetado para ser executado nos
ambientes UNIX e Windows. Este sistema foi concebido principalmente para
integração das tecnologias de sensoriamento remoto e sistemas de informação
17

geográfica, que resultou numa alta capacidade de integração de dados de diversos
formatos e imagens de satélite.
Para o uso do SPRING, é fundamental o conhecimento do seu modelo lógico,
já que todos os passos dentro de um determinado projeto estão atrelados a um
banco de dados.
Como visto na definição, os SIG são ferramentas computacionais que
trabalham com dados geográficos. Em geoprocessamento, a variedade de dados é
maior do que em muitas outras aplicações de sistemas de informação. No âmbito
exclusivo da produção cartográfica, tais dados são os que, em última análise,
encontram-se em mapas, tais como a toponímia, simbologia e as representações em
formato vetorial e/ou matricial.
Armazenar a geometria dos objetos geográficos e de seus atributos
representa uma dualidade para alguns SIGs - como é o caso do SPRING. Neste
caso, para cada objeto geográfico, o SIG armazena seus atributos alfanuméricos em
um Sistema Gerenciador de Banco de Dados e suas representações gráficas em
arquivos criados pelo próprio sistema e de uso exclusivo dele.
A modelagem dos dados (lógica) do SPRING foge ao escopo deste trabalho,
mas um conjunto de tutoriais e outros materiais didáticos podem ser encontrados em
www.dpi.inpe.br/spring, onde também é possível obter todo o suporte técnico para
solução de eventuais dificuldades.
18

3. ELABORAÇÃO DOS MAPAS DIGITAIS
As seguir serão descritas as etapas para a elaboração dos mapas digitais do
entorno da baía de Guanabara. A figura abaixo ilustra resumidamente estas etapas.
Figura 5 – Etapas para a elaboração de mapas digitais do entorno da baía de Guanabara.
3.1. Levantamento dos Dados
Os documentos, mapas e imagens obtidos nesta fase se dividem em dois
grupos, os que serão utilizados para compor o banco de dados geográficos no
SPRING e os que vão fornecer informações relevantes a respeito da área a ser
mapeada. Desta forma, dividindo os dados levantados por tipo, pode-se listar:
• Registros sensoriais: Sistema LandSat, IKONOS, QUICKBIRD e CBERS2,
Fotografias não métricas.
• Arquivos Vetoriais: mapas digitais do PDBG, mapas digitais do IBGE (malha
municipal digital) e carta náutica 1501 DHN.
19

• Outros: mapas analógicos, tabelas e registros sobre a área tais como, livros e
trabalhos acadêmicos que continham ou objetivavam o mapeamento da
região.
Para a composição do banco de dados geográficos, os seguintes dados foram
selecionados: mapas digitais da CIDE (Fundação Centro de Informações e Dados do
Rio de Janeiro), mapas digitais GEROE (Grupo Executivo para Recuperação e
Obras de Emergência), Registros sensoriais do satélite CBERS2 e dados tabulares
do Censo Demográfico de 2000 do IBGE (Instituto Brasileiro de Geografia e
Estatística).
3.1.1 Mapas digitais da CIDE
Mapa digital geral na escala 1:10.000 elaborado com recursos do PDBG. A
representação da hidrografia será escolhida para a seleção de pontos de controle no
registro das imagens sensoriais. Algumas folhas desta carta apresentaram
problemas que impossibilitaram seu uso, deixando parte do entorno da baía de
Guanabara sem cobertura para extração dos pontos de controle na etapa de registro
de imagens. Tal problema foi contornado como será visto à frente.
Dados da carta:
Carta classe “A”. Planimetria com erro máximo de 10 m com 90% dos pontos
apresentando erro inferior a 5 m.
• Projeção: UTM – Fuso 23.
• Sistema Geodésico: SAD69.
• Data do vôo: jan/1996.
• Restituição: jan/1997.
• Edição: nov/1997.
3.1.2 Mapas digitais GEROE
Mapa digital planialtimétrico, de cobertura do solo, condicionantes físicoambientais
e dinâmica da ocupação urbana na escala 1:50.000. Fornece cobertura
total para a área de estudo. Da sua base foram retiradas as representações das
principais vias e da hidrologia para extração de pontos de controle na etapa de
registro de imagens.
20

Dados da carta:
• Projeção: UTM – Fuso 23.
• Sistema Geodésico: Córrego Alegre.
3.1.3 Registros sensoriais do satélite CBERS2.
A aquisição das imagens obtidas pelo sistema CBERS é feita de forma
gratuita na página de internet do INPE. Lá, o usuário pode selecionar as cenas
desejadas de acordo com alguns critérios tais como, localização, cobertura de
nuvens, entre outros. A região da Baía de Guanabara é coberta por quatro cenas
distintas (figura 6), o que implica na realização de um mosaico para a cobertura da
área. Porém, as imagens CBERS2 podem apresentar um erro de posicionamento de
até 15km (dados de efemérides imprecisos são as maiores fontes deste tipo de
erro). Assim, em duas ocasiões foi possível se obter um mosaico que cobrisse todo
o entorno da baía com apenas duas cenas.
Figura 6 – Órbitas / Cenas dos satélites CBERS. (Fonte: ww.inpe.br/cbers)
Após análises das disponibilidades das imagens exibidas no catálogo da
mencionada página de internet, e de integridade dos dados (algumas imagens
apresentaram erros) foram definidos três mosaicos para dar prosseguimento aos
experimentos no SPRING. As datas das imagens e os mosaicos compostos por
duas cenas estão contidos na tabela a seguir.
21

ÓRBITAS / CENAS
150/125 150/126 151/125 151/126
Mosaico
2004 - - - - - - 10/07/2004 10/07/2004
2005 06/01/2006 19/11/2005 16/11/2005 16/11/2005
2007 - - - - - - 23/09/2007 23/09/2007
Tabela 3 - Data de aquisição dos registros do CBERS e mosaicos elaborados.
3.1.4 Dados tabulares do Censo Demográfico de 2000 do IBGE.
Estes dados tabulares são relativos aos municípios do entorno na baía de
Guanabara e são formados por três tabelas:
• Porcentagem da população que tem acesso à ÁGUA TRATADA por meio de:
o Rede Geral
o Poço ou nascente
o Outra forma
• Porcentagem da população que tem o ESGOTO:
o Coletado pela Rede Geral
o Tratado por fossa séptica
o Tratado por outra forma
o Sem nenhum tipo de tratamento
• Porcentagem da população que tem os RESÍDUOS SÓLIDOS:
o Coletados
o Queimados ou enterrados
o Despejados em locais ermos
OBS.: Dados em relação à população urbana.
22

3.2 Pré-processamento dos dados e Integração em SIG:
O pré-processamento dos dados visa à sua subseqüente integração ao banco
de dados geográficos. A integração dos dados é considerada como um dos
componentes de um SIG (figura abaixo).
Figura 7 – A estrutura geral de um SIG. (Fonte: ww.dpi.inpe.br)
Ao mencionar aqui neste trabalho dados do tipo vetorial, matricial etc. na
verdade se quer dizer que são representações eletrônicas de aspectos da realidade.
Um exemplo de uma representação da realidade é o mapa temático, que pode ter
seus dados tanto em formato vetorial – determinada classe é armazenada como um
agrupamento de pixels – ou em formato vetorial – onde cada classe é delimitada por
um polígono e uma relação topológica. Outro tipo de representação é o mapa
cadastral. Neste último tipo, os dados que compõem a informação estão
representados tanto como polígonos (vetor) quanto em dados tabulares. O SIG,
neste caso, é o agente que faz a associação do polígono a determinados atributos
da tabela. O SIG, portanto, deve ser capaz de integrar tais representações e a sua
capacidade para converter formatos deve ser suficiente para atender à oferta
diversificada de formatos dos tipos vetor e matriz.
Neste trabalho, o que se pretende é elaborar um mapa temático a partir da
classificação de imagens. Além disso, será elaborado também um mapa cadastral.
Para o primeiro, será necessário a importação das imagens e dos arquivos vetoriais.
Após isso, o processamento digital de imagens extrairá informações do registro
sensorial e, em seguida, uma conversão matriz-vetor nos dará o mapa final. Para o
segundo – mapa cadastral – será necessário a importação de polígonos e dos dados
23

tabulares, e operações de consulta nos fornecerão os gráficos a serem exibidos no
documento final. Dito isto, fica evidenciada a capacidade que um SIG deve ter de
integrar dados de fontes diversas.
No SPRING, é necessário que o usuário tenha um conhecimento básico dos
tipos de representações antes de se iniciar o processamento. Em um primeiro
momento, o usuário deve definir: área do projeto, sistema geodésico e projeção
cartográfica. Em seguida, utilizando-se da interface do sistema com o usuário, criar o
modelo conceitual de seu banco de dados antes de proceder à importação dos
dados.
Neste trabalho foram definidas categorias para receber dados vetoriais
(modelo temático), dados tabulares para associar aos polígonos (modelo cadastral)
e dados matricias (modelo imagem). Além destes tipos de modelos, existem ainda
no SPRING: modelo de rede e modelo numérico do terreno.
3.2.1. Tratamento dos Dados Vetoriais
Para o tratamento dos dados vetoriais (GEROE e CIDE), foi utilizado o
programa AutoCAD. Neste programa, as camadas de interesse foram selecionadas
e exportadas para um formato compatível com o SPRING ( .DXF versão R12). Estes
arquivos serão inseridos no SPRING para a coleta de pontos de controle no registro
das imagens. Para isso, foi escolhida a camada hidrografia, uma vez que são feições
fáceis de identificar numa imagem da faixa do infravermelho.
3.2.2. Tratamento das imagens.
O pré-tratamento das imagens consiste basicamente em duas etapas: recorte
da área de interesse e registro. O primeiro passo foi feito com o programa IMPIMA,
parte do conjunto de aplicativos do SPRING.
As imagens obtidas no site do INPE foram visualizadas no programa IMPIMA
onde é possível fazer o recorte da área por banda espectral separadamente. Após
isso é feito o registro das imagens, operação que será descrita a seguir.
24

3.2.2.1. Registro
O registro é o procedimento que objetiva minimizar os erros oriundos do
posicionamento do satélite em relação ao sistema geodésico utilizado quando da
aquisição da imagem.
Este procedimento consiste numa transformação geométrica que relaciona
coordenadas de imagem (linha, coluna) com coordenadas de um determinado
sistema de coordenadas planas, definido por uma projeção cartográfica. A
transformação é geralmente feita por polinômios de primeiro grau, o que obriga a
escolha de pelo menos três pontos para se determinar os parâmetros incógnitos.
A seguir o modelo matemático da transformação.
• Coordenadas do sistema de coordenadas: (X,Y)
• Coordenadas da imagem: (l,c)
• Parâmetros incógnitos (a determinar): a, b, c, d, e, f.
• Polinômio de primeiro grau:
X = a.l + b.c + c
Y = d.l + e.c + f (3)
Na prática, foram adquiridos vários pontos de controle no registro de cada
banda. A figura abaixo mostra um exemplo de ponto de controle e seu homólogo na
imagem.
Figura 8 – Seleção de pontos para registro de imagens
A escolha dos pontos de controle foi feita sobre a base vetorial da Fundação
CIDE do Programa de Despoluição da Baía de Guanabara (PDBG) na escala
1/10.000. Os pontos foram escolhidos em confluências fluviais, costões rochosos e
feições de grandes obras de engenharia como o cais do porto. Outro ponto
importante na escolha dos pontos de controle é a sua distribuição na imagem
devendo-se procurando distribuí-los por toda a área de interesse.
25

Estes cuidados reduzem os erros. A estimativa do erro resultante do registro é
dada em unidades de pixels como mostrado na figura abaixo, que também mostra a
distribuição de pontos de controle utilizados no registro de uma cena do CBERS.
Figura 9 – Erro do registro de imagens.
Figura 10 – Distribuição de pontos de controle ao
redor da baía de Guanabara.
Após a execução do registro, a imagem está pronta para ser inserida no
banco de dados do SPRING.
3.3 Processamento Digital de Imagens
Como um dos objetivos do trabalho é apresentar uma metodologia para
classificação do uso da terra, os passos a serem seguidos são: realce,
segmentação, técnicas de classificação, conversão para mapas temáticos.
A partir daqui um conhecimento mínimo do comportamento espectral dos
alvos é necessário. Para isso, foi elaborado um gráfico que contém as assinaturas
espectrais de diversos alvos e a indicação das bandas CBERS dos sensores CCD e
26

IRM. Ele é resultado da compilação de dados de outros gráficos que foram obtidos
em pesquisas na internet e em livros de sensoriamento remoto. A exatidão não foi o
que se quis obter mas sim algumas informações a respeito do comportamento dos
alvos nas diversas bandas do espectro eletromagnético. Aqui também cabe ressaltar
que as bandas utilizadas nos processamentos foram as do sensor CCD, por
apresentarem maior resolução espacial.
Gráfico 1 – Assinaturas espectrais e faixas dos sensores CCD e IRM do CBERS. (Fontes diversas)
3.3.1Realce
Consiste em alterar a distribuição dos Níveis de Cinza com a finalidade de
melhorar a qualidade visual da imagem. Também pode ser utilizado para destacar
níveis de cinza que melhor representem a reflectância de determinado alvo.
O contraste de uma imagem pode ser avaliado analisando-se seu histograma.
Como exemplo de realce, seguem os histogramas de uma imagem da Banda 4 CCD
CBERS (região do espectro onde a vegetação apresenta maior reflectância) e sua
respectiva aparência figuras 11,12 e 13:
Figura 11 – Histograma normal e aparência da imagem CCD CBERS Banda 4.
27

Na página anterior, tem-se uma pequena área da imagem original, sem
nenhuma operação de realce. O histograma apresenta duas regiões na escala de
cinza distintas, separadas por uma região de baixa freqüência.
Figura 12 – Aplicação de realce e aparência da imagem CCD CBERS Banda 4.
Neste primeiro realce – figura acima – a faixa selecionada é ressaltada na
reamostragem dos pixels. Pode-se inferir que aqueles pixels compreendem a porção
da terra firme.
Figura 13 – Aplicação de realce e aparência da imagem CCD CBERS Banda 4.
Na figura acima, o que se observa é que a faixa selecionada e realçada no
distingue melhor as regiões de floresta e terrenos arenosos (praias). O realce é uma
ferramenta bastante útil no estudo de imagens multiespectrais. A redistribuição dos
níveis de cinza acarreta em perda de informação. Portanto, a imagem original deve
sempre ser conservada sem alterações para que possa ser tratada novamente.
28

3.3.2 Classificação Multiespectral
O objetivo deste trabalho é obter classes de uso da terra na região do entorno
da Baía de Guanabara. Como a única fonte de informação é a imagem de satélite,
esta classificação ficará restrita à interpretação visual aliada às técnicas de
processamento e ao conhecimento que o autor tem sobre trechos da região. Com
isso, foram definidas seis classes: ocupação em dois níveis (densa e média),
vegetação em três níveis (densa, média e mangue) e corpos hídricos.
3.3.3 Segmentação
Neste processo, divide-se a imagem em regiões (conjunto de "pixels"
contíguos) que correspondam às áreas de interesse. Para isso, são utilizados
modelos estatísticos que trabalham com os níveis de cinza dos pixels das bandas
selecionadas.
O algoritmo de segmentação adotado, crescimento de regiões, identifica
regiões homogêneas segundo os parâmetros estatísticos de similaridade e área.
Estes parâmetros podem ser compreendidos da seguinte maneira: a similaridade é
um conceito que se aproxima do desvio padrão. Neste caso, a distribuição aleatória
é o conjunto de níveis de cinza de cada região. A área, está relacionada à
quantidade de pixels em cada região. Como cada imagem tem uma distribuição
diferente de níveis de cinza, foram utilizados valores distintos para os parâmetros em
cada mosaico, a fim de se obter os melhores resultados. Os resultados foram
avaliados observando as regiões segmentadas e analisando a distinção de feições
como margens da baía, florestas e áreas urbanas. O resultado foi o seguinte:
Mosaico Similaridade Área Banda de exclusão
2004 25 50 x 50 - - -
2005 20 75 x 75 Banda 4 com realce
2007 30 50 x 50 - - -
Tabela 4 – Segmentação de imagens.
29

No mosaico 2005 o espelho d’água apresentou variações nos níveis de cinza
(provavelmente devido às condições do tempo e da inclinação do Sol) causando
confusão na segmentação (não definição das margens da baía). A solução
encontrada foi a utilização de uma banda de exclusão durante a segmentação. Um
realce da banda 04 (Infra Vermelho) foi utilizado para este fim. A figura abaixo ilustra
uma segmentação sem banda de exclusão (onde há a criação de regiões nos pixels
que representam o espelho d’água) e com banda de exclusão, à direita, sem
aquelas regiões. Um resultado inesperado mas positivo foi a definição da costa na
ilhota no canto superior direito da figura, sugerindo que esta técnica talvez possa ser
utilizada para detecção de ilhas.
Figura 14 – Imagem segmentada sem banda de exclusão (esquerda) e com banda de exclusão
(direita).
A banda de exclusão entra no processamento da segmentação atribuindo um
peso para cada pixel. O peso será o nível de cinza do pixel correspondente na
imagem de exclusão. A figura a seguir – figura 14 – representa um trecho da
imagem CCD CBERS Banda 4 realçada e utilizada como banda de exclusão. Os
pixels próximos do preto têm um nível de cinza baixo (preto = 0 e branco = 255) e,
portanto, reduzem a média da distribuição das regiões em que predomina.
30

Figura 15 – Banda de exclusão minimizando refexos na superfície d’água.
(Banda 4 sensor CCD/CBERS com realce)
3.3.4 Classificação
A segmentação cria um conjunto de polígonos que cobrem toda a região e
que representam padrões e objetos homogêneos. Estes polígonos são então
utilizados pelo algoritmo do classificador e associados às classes temáticas
prédefinidas. Os classificadores podem associar os polígonos de duas maneiras,
automaticamente e com treinamento do usuário. Quando a classificação é
automática, o classificador recolhe os dados estatísticos de cada região obtida na
segmentação e determina um número de classes associando cada polígono a uma
delas. Quando o usuário executa um treinamento, ele intervém no processo
automático criando um número de classes – por exemplo, floresta, corpos d’água e
edificações – e associa regiões às classes criadas. O treinamento só termina quando
cada classe tem pelo menos uma região associada a ele. Então ele executa o
classificador para que todas as regiões sejam classificadas. O classificador utilizado
e que permite tal interferência do usuário foi o de Bhattacharya. Ele utiliza as
amostras de polígonos obtidos por segmentação e associados às classes pelo
usuário para estimar uma distribuição de probabilidade e então classificar os
polígonos restantes.
A classificação é o último grande passo para a elaboração do mapa. Seus
resultados já fornecem um cartograma, restando apenas a edição cartográfica para a
elaboração do documento final. Antes, porém, é feito o mapeamento para classe
temática. É uma etapa final que consiste na conversão do resultado da classificação
(matricial), em um mapa temático com um modelo de representação temático. A
seguir serão apresentados os resultados do processamento e as análises.
31

4. APRESENTAÇÃO E ANÁLISE DOS RESULTADOS.
Este capítulo se ocupará das apresentações dos resultados obtidos nas
etapas anteriores.
“Mapa cadastral do saneamento da população urbana dos municípios do
entorno da baía de Guanabara”
Figura 16 – Mapa do saneamento ambiental da população urbana dos municípios do
entorno da baía de Guanabara. (Fonte dos dados: IBGE, Censo Demográfico 2000)
O objetivo deste mapa é mostrar a vantagem da espacialização dos dados na
sua interpretação. Neste exemplo o mapa representa o conteúdo de três tabelas
com sete linhas cada. Duas destas tabelas têm quatro colunas e uma tem cinco.
“ Mapas de uso da terra”
Seguem os mapas de uso da terra elaborados nas etapas anteriores.
32

Figura 17 – Mapa do uso do solo. (Mosaico 2005)
Figura 18 – Mapa de uso do solo. (Mosaico 2005)
33

Figura 19 – Mapa do uso do solo. (Mosaico 2007)
De acordo com o manual do uso da terra do IBGE,
”(...) Os dados de imagens orbitais são importantes fontes básicas
para o mapeamento do tema uso da terra, embora por si mesmos
sejam insuficientes para dar conta da realidade, requerendo a
agregação de dados exógenos de naturezas diversas durante a
interpretação dos padrões homogêneos de uso da terra.”
Ainda deste manual técnico,
” a resolução espacial, (...) implica a individualização de objetos
espacialmente próximos (...), o tamanho da menor área interpretável
dependerá da resolução espacial do sensor imageador(...).”
Estas palavras podem servir de pano de fundo para explicar o que se observa
nestes três mapas. Apesar de representar de forma aceitável as classes de uso da
terra, este produto, tal como foi elaborado – apenas com técnicas de processamento
digital de imagens –, não tem validade além da ilustrativa e superficialmente
informativa. Um exemplo disto é a área urbana do município de Itaboraí, que, por se
encontrar numa metrópole, é pouco provável que esteja diminuindo com o tempo.
34

Além disso, as variações das outras classes não sugerem nenhum vetor de
crescimento. Como se pode ver, a classificação do uso da terra não prescinde de
dados exógenos.
“Composições coloridas.”
As composições coloridas são produtos que apresentam a representação da
superfície da Terra com cores falsas, na maioria das vezes.
Figura 20 – Composição colorida Vermelho: Banda 4. Verde: Banda 3 . Azul: Banda 2 . (Mosaico 2005)
“O mapa de índice de vegetação”
Existem operações aritméticas entre bandas que nos fornece resultados que
independem de dados exógenos. Isto porque se trata de uma razão entre bandas.
Estes produtos também são influenciados pela qualidade da imagem original, em
particular pelas condições atmoséricas. Um destes resultados é o índice de
vegetação, também conhecido como NDVI. A figura a seguir é uma classificação em
três níveis de um índice de vegetação do mosaico 2005.
35

Figura 21 – Mapa do índice de vegetação (Mosaico 2005)

4. CONCLUSÕES.
A primeira conclusão deste trabalho se refere ao relato do sistema SPRING
associado ao seu desempenho. Na integração dos dados de diversos formatos, o
SPRING foi eficiente e, na modelagem dos dados, primeira etapa no processamento,
contribui para a compreensão do processo de mapeamento apoiado nos recursos de
um Sistema de Informação Geográfica. Para o processamento das imagens ele se
mostrou uma ferramenta com boas funcionalidades, com exploração de parte delas
nesse projeto. O único ponto fraco identificado não se referiu ao processamento dos
dados, mas sim na sua ferramenta de edição gráfica para geração dos produtos
finais, o SCARTA. Com poucos recursos de edição, projetados em um ambiente um
pouco confuso, o autor encontrou algumas dificuldades em elaborar editar alguns
mapas.
O segundo ponto a ser mencionado nas conclusões é quanto à qualidade dos
mapas gerados. Como a classificação foi supervisionada e as classes foram
definidas segundo a base de conhecimento do autor, a qualidade do resultado está
relacionada à informação que este detém da região. Por isso pode-se apontar, para
fins de melhoria na exatidão da representação temática, que seja realizado um
levantamento de campo com o objetivo de melhor representar a realidade. Outro
fator que interfere na exatidão dos mapas é a variação da intensidade da radiância
de cada cena, devido a fatores como: nuvens, umidade do ar, inclinação do Sol,
entre outros. Aqui também caberiam dados coletados em campo de reflectâncias de
alvos de interesse, umidade do ar, etc...
Quanto à precisão posicional dos mapas, ela está relacionada à precisão da
informação a ser veiculada. De um modo geral, ela pode ser avaliada segundo o erro
do registro das imagens que compõem o mosaico. Segundo informações do manual
das imagens CBERS, o registro das imagens por uma transformação por polinômio
do primeiro grau – como foi utilizado aqui – permite o refinamento do erro interno
que fica em cerca de 28m para as imagens CCD.
A realização destes mapas em um ambiente SIG possibilita a integração de
dados de diversos formatos, como por exemplo: pontos GPS, pontos cotados,
geração de modelos digitais de elevação, entre outros dados espaciais ou tabulares.
A espacialização de dados físico-ambientais é exigida em projetos de
recuperação ambiental. Assim, espera-se que este documento sirva como suporte

38
para aqueles que pretendem elaborar documentos como os mapas aqui produzidos
podendo se apoiar nas experiências e resultados produzidos. Como sugestão para
trabalhos futuros, propõe-se a elaboração de metodologias para a detecção da
mudança no uso do solo ou no índice de vegetação.

39
REFERÊNCIAS BIBLIOGRÁFICAS
BATISTELLA, M. et al. Satélites de Monitoramento. Campinas: Embrapa
Monitoramento por Satélite, 2004.
Obtido no sítio: http://www.sat.cnpm.embrapa.br>.
Acesso em: 10 jan. 2007.
BAKKER, Múcio Piragibe Ribeiro de. Cartografia: Noções Básicas. DHN, 1965.
COELHO, Victor Monteiro Barbosa.
agressão ambiental. Rio de Janeiro. Casa da Palavra, 2007.
Baía de guanabara: uma história de
HENRIQUES,Claudio Cezar. SIMÔES, Darcília Marindir P. A redação de Trabalhos
Acadêmicos. EDUERJ, 2004.
IBGE, Manuais técnicos em Geociências nº 8. Noções Básicas de Cartografia.
IBGE, 1999.
IBGE, Manuais técnicos em Geociências nº 7. Manual Técnico de Uso da Terra.
2ª ed. IBGE, 2006.
NOVO, Evlyn M. L. de Moraes. Sensoriamento Remoto: Princípios e Aplicações.
2ª Edição – São Paulo: Edgard Blücher, 1992.
SAUSEN, Tania Maria et al. Introdução ao Sensoriamento Remoto. SELPER /
Capítulo Brasil / INPE
Obtido no sítio: http://www.ltid.inpe.br/selper/image/caderno2/lista.htm
Acesso em: 16/01/2007
UERJ, Roteiro para apresentação das teses e dissertações da Universidade do
Estado do Rio de Janeiro / Simone Faury Dib (Coordenadora). – Rio de Janeiro:
UERJ, Rede Sirius, 2007. 133 p.