UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL GEOMÁTICA APLICADA A RECURSOS H

1. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA AMBIENTAL GEOMÁTICA APLICADA A RECURSOS HÍDRICOS DEFINIÇÃO DE CLASSES DE USO DO SOLO PARA A SUB-BACIA DO CÓRREGO DO GORDO, DOMINGOS MARTINS-ES, UTILIZANDO TÉCNICAS DE SENSORIAMENTO REMOTO. MARCOS EUGÊNIO PIRES DE AZEVEDO LOPES TERESA S. AQUIJE CHACALTANA

2. ESTRUTURA DE APRESENTAÇÃO • Introdução • Objetivo • Materiais e Métodos • Resultados e Discussão • Conclusões

3. Introdução • Sensoriamento Remoto – imagens de satélite para estudos ambientais; • Classificação supervisionada e não-supervisionada; • Sub-bacia do Córrego do Gordo, Domingos Martins-ES.

4. Objetivo Realizar a classificação supervisionada e não-supervisionada da sub-bacia do Córrego do Gordo, Domingos Martins-ES, comparando as metodologias utilizadas.

5. Materiais e Métodos Área de estudo Sensoriamento Remoto Classificação supervisionada Classificação não-supervisionada

6. 40°0'0"W 20°0'0"S Espírito Santo Dominos Martins Bacia Córrego do Gordo 55 110 220 0 km Lat. 20º 21’ 05’’ e 20º 22’ 55’’ S Long. 40º 37’ 30’’ e 40º 40’ 45’’ W; Amplitude altimétrica em torno de 600 m; Clima tropical de altitude, temperatura máxima 28°C e mínima de 8°C, média anual próxima dos 18°C; Drena parte do município de Domingos Martins, dentro de sua área urbana; Cobertura vegetal caracterizada por poucas reservas de Mata Atlântica, principalmente nas áreas de maior altitude. Figura 1 - Localização do municipio de Domingos Martins-ES e da sub-bacia do Córrego do Gordo.

7. Imagem colorida: • Banda 1 azul • Banda 2 verde e • Banda 3 vermelho b) Imagem em falsa cor: Banda 2 verde Banda 3 vermelho e Banda 4 infravermelho Figura 2 - Imagens do satélite LANDSAT 7, abrangendo o município de Domingos Martins-ES, com resolução espacial de 30 metros, coletadas em 08 de dezembro de 2002. a) Imagem colorida e b) Imagem em falsa cor.

8. Softwares utilizados • ERDAS IMAGINE 8.5 - realização das classificações supervisionada e não supervisionada. • ARCGIS 8.3 - geração dos mapas de saída.

9. Assinaturas espectrais baseadas em uma imagem de composição colorida, estabelecendo sete amostras para cada classe pretendida: vegetação, pastagem, solo exposto, área urbana e sombra; • A classificação foi desenvolvida por três diferentes métodos: distância mínima (Minimum Distance), máxima verossimilhança (Maximum Likelihood) e distância de Mahalanobis (Mahalanobis Distance).

10. ERDAS IMAGINE 8.5 Signature Editor Região Colorida normal Mahalanobis Distance Bandas azul, verde vermelha Assinaturas Espectrais Supervised Classification Maximum Likelihood 7 amostras para cada classe Minimum Distance ARCGIS 8.3 Limite_raster Reclassificacao classes Vegetacao,etc. Raster Calculation Classificação Supervisionada Sub-bacia Córrego do Gordo

11. Os pixels nas áreas de treinamento foram submetidos ao algoritmo de agrupamento Isodata, que determinou a agregação natural dos dados, com base em imagens de composição da área de estudo (colorida e falsa cor); • Foram utilizadas vinte e quatro iterações, definidas como o número de repetições do processo, onde a cada iteração os pixels são recalculados e reclassificados, assumindo os novos valores médios; • Foram estabelecidas trinta e cinco classes para o algoritmo efetuar o agrupamento e estas posteriormente foram reagrupadas no aplicativo ARCGIS 8.3 em cinco classes distintas: sombra, vegetação, pastagem, solo exposto e área urbana.

12. ERDAS IMAGINE 8.5 Unsupervised Classification Região Colorida Falsa Cor Bandas verde, vermelha e infravermelha Classificação não supervisionada Flicker N de Classes 15 Iterações 24 ARCGIS 8.3 Classificação não supervisionada Raster Calculation Limite_raster Classificação não supervisionada Sub-bacia Córrego do Gordo Reclassificacao classes Vegetacao,etc. Resultados e Discussão

13. Resultados e Discussão Figura 3 – Pontos georreferenciados (GPS) utilizados para verificar a veracidade dos mapas gerados.

14. Figura 4 – Mapa de uso do solo obtido pela classificação não-supervisionada.

15. Figura 5 - Mapa de uso do solo obtido pela classificação supervisionada pelo método da mínima distância.

16. Figura 6 - Mapa de uso do solo obtido pela classificação supervisionada pelo método da distância Mahalanobis.

17. Figura 7 - Mapa de uso do solo obtido pela classificação supervisionada pelo método da Máxima verossimilhança.

18. Figura 8 – Comparação entre o mapa de uso do solo obtido pela classificação supervisionada pelo método da mínima distância e a imagem de satélite.

19. Conclusões Os resultados apresentados pela classificação supervisionada segundo o método da distância mínima, apesar de algumas limitações intrínsecas à metodologia, descreveram de forma satisfatória, a área em estudo; A visita a campo foi determinante para a avaliação dos métodos e confirmação da veracidade dos resultados obtidos nas classificações; O presente trabalho corrobora a importância do Sensoriamento Remoto para subsidiar análises e estudos ambientais permitindo tomadas de decisão coerentes e apropriadas no contexto da gestão sustentável dos recursos naturais; A metodologia desenvolvida no presente trabalho permite a replicação em diferentes áreas de interesse, provendo consistente banco de dados digitais georeferenciados.

20. FIM