AS TÉCNICAS DE SENSORIAMENTO REMOTO NA ANÁLISE TEMPORAL PARA A GESTÃO TERRITORIAL DO MUNICÍPIO DE JOSÉ DE FREITAS-PI

...

Em função, das diversas atividades e da alta densidade demográfica presentes na cidade, esse espaço apresenta complexidade na interpretação do uso do solo. E pensar em desenvolvimento das áreas urbanas exige compreender as diferentes funções e interações entre os componentes que produzem o espaço urbano. Nesse sentido, a identificação das funções de cada área da cidade da José de Freitas é primordial para apresentar planos e propostas de desenvolvimento urbano que visem uma melhor qualidade de vida para os citadinos. Essa ideia é ratificada por Tenedório (1989) que afirma que as informações do uso do solo de determinado espaço são imprescindíveis para o planejamento territorial, pois as mesmas são basilares para o processo de conhecimento da organização do espaço. Analisar o uso do solo de uma cidade exige uma definição conceitual desse termo, haja vista que há divergência na concepção de alguns pesquisadores. Nesse sentido o objetivo do presente estudo é utilizar o método de classificação supervisionada de imagens para determinar a caracterização urbana, cidade de José de Freitas– PI, na qual buscou se verificar a quantidade da área urbana, área vegetada, solo exposto, águas, principalmente após a construção da Barragem do Bezerro.

2. FUNDAMENTAÇÃO TEÓRICA

Florenzano (2002, p.98) define que o Sensoriamento Remoto é a tecnologia que permite adquirir imagens e outros tipos de dados da superfície terrestre, através da captação e do registro da energia refletida, ou emitida pela superfície. O termo sensoriamento refere-se à obtenção dos dados; e remoto, significa distante, pois essa nomenclatura está relacionada à funcionalidade da obtenção dos dados que é feita à distância, ou seja, sem o contato físico entre o sensor e a superfície terrestre. A utilização das imagens obtidas por meio do Sensoriamento Remoto é feita através da técnica do Processamento Digital de Imagens (PDI), este por sua vez, tem a finalidade de facilitar a análise e interpretação das imagens para um melhor entendimento do usuário. Figueiredo (2005) enfatiza a classificação como um processo de reconhecimento de classes ou grupos cujos membros exibem características comuns. Essa classificação é dividida em supervisionada e não supervisionada. A supervisionada é utilizada quando se tem algum conhecimento prévio sobre as classes na imagem, de modo a permitir ao analista definir sobre a mesma, áreas amostrais das classes. Estas áreas amostrais são utilizadas pelos algoritmos de classificação para identificar na imagem os pontos representativos das classes.Na classificação supervisionada, o modo do critério de enquadramento dos pixels é o de Máxima Verossimilhança (MAXVER), este método considera a ponderação das distâncias entre médias dos níveis digitais das classes, utilizando parâmetros estatísticos, considerando um limiar de aceitação usado, exigido por este método, de 100%, no qual expressa a porcentagem de pixels da distribuição de probabilidade da área de treinamento de uma classe, que serão classificados como pertencente a esta classe (INPE, 2011). Depois da classificação, é indicado realizar uma pós-classificação, cujo objetivo é eliminar pontos isolados, ou seja, diferentes de sua vizinhança, no qual posteriormente, é gerada uma imagem classificada com aparência menos ruidosa. O realce de contraste de imagens é outra técnica que engloba o PDI, no qual essa técnica modifica os valores digitais de uma imagem, de modo a destacar certas informações espectrais e melhorar a qualidade visual das imagens.

3. MATERIAIS E MÉTODOS

O estudo foi realizado na cidade de José de Freitas-PI. Foram usadas as imagens referentes aos anos de 1990 e 2010, as imagens obtidas no ano 1990 foram do mês de maio e a imagem obtida de 2010 foi do mês de dezembro. Essas imagens foram obtidas a partir do satélite LANDSAT-5, sensor TM, referente à órbita 219 do ponto 63 . A figura1 apresenta o mapa de localização do município com a composição colorida da imagem nas bandas 5, 4 e 3 , associadas aos seus respectivos canais R(Banda 5), G(Banda 4) e B(Banda 3).

[pic 1]

Figura 1 – Mapa de localização do município e composição colorida

da imagem nos canais R, G e B.

Para a realização da análise temporal por meio das imagens de satélites, foi utilizado o software SPRING 5.1.6 que proporcionou a realização do realce para o melhoramento visual das imagens e em seguida foi executado os processos de classificação e pós-classificação da imagem. A classificação realizada no software SPRING 5.1.6 foi a supervisionada do tipo multiespectral pixel a pixel, tendo como amostras as classes de urbanização e solo exposto, água e vegetação e sombra das nuvens. O método utilizado para enquadramento dos pixels foi o da Máxima Verossimilhança, com o limiar de aceitação de 100%, conforme exige este método. O georreferenciamento foi feito através do SPRING 5.2.6 das imagens a partir do arquivo vetorial shapefile representando o perímetro municipal o qual foi adquirido junto ao site do Instituto Brasileiro de Geografia e Estatística (IBGE) e, posteriormente as imagens foram salvas em ficaram em formato JPEG.

4. ANÁLISES E INTERPRETAÇÃO

O resultado da classificação foi representado pelas classes espectrais, que serviu de base para geração de dois mapas temáticos como mostra a figura 2, apresentando visualmente a espacialização de crescimento do município, levando em consideração a análise temporal das imagens dos anos de 1990 e 2010. As Imagens proporcionaram os resultados na área territorial estudada referente às classes de urbanização e solo exposto, água e vegetação e sombra das nuvens.

[pic 2]

Figura 2 – Imagem com composição RGB, datada no mês Maio,1990,de José de Freitas.

[pic 3]

Figura 3 – Imagem com composição RGB, datada no mês Maio,2010, de José de Freitas.

Como pode ser visualizado nas figuras 2 e 3 é representativo a expansão da urbanização no perímetro estudado, e foi possível a quantificação das classe de solo exposto, água e vegetação e sombra das nuvens. A tabela 1 mostra que as estimativas para as classe estudadas nos anos de 1990 e 2010. Logo, no ano de 1990 a quantificação das áreas estimadas foram de 100.304,46ha para área urbana, 16.196,99ha para solo exposto, 969,05ha para