Dünyadan Demiryolu Mirası Örnekleri

5.3.1 Análise nematológica

A análise nematológica das amostras de raízes e solo foi conforme a metodologia proposta por Coolen e D‟ Herde (1972) e Jenkins (1964), respectivamente. Para a infestação nas raízes foi considerado o número de indivíduos em 10 g de raízes e

para o solo foi a quantidade de indivíduos em 250 ml de solo, sendo extrapolada com base nas amostras coletadas com volume de 100 ml de solo.

Depois do processamento das amostras, foram efetuadas as contagens da população total de nematoides pela metodologia na qual coleta-se 1 ml do recipiente com a suspensão de extração dos nematoides e adiciona-se na lâmina de Peters, a qual tem volume de 1 ml. Posteriormente, realiza-se a leitura/contagem de nematoides neste volume com auxilio do microscópio ótico com lente de aumento de 40 vezes. Após a contagem na lâmina, a população total foi calculada baseada no número de indivíduos encontrados na lâmina, multiplicando-se pelo volume restante no recipiente da amostra total.

5.3.2 Fotos das raízes e do nematoide M. exigua

Raízes da H. brasiliensis com sintomas do ataque do M. exigua (Figura 8A), popularmente chamados de galhas, apresentando engrossamento das raízes, dificultando assim a absorção de água e nutrientes. Nematoide no estagio de J2 (Figura 8B), o qual ocorre após a fase de ovo, ficando livre no solo para infectar o hospedeiro.

Nematoide com seu estilete, semelhante a agulha (Figura 9C), e da fêmea juntamente com massa de ovos de outras fêmeas (Figura 9D) que foram espremidas na lamina para serem fotografadas. O estilete tem a função de penetração do nematoide na raiz e posteriormente injetar toxinas nas células da planta hospedeira para formação da célula gigante.

Figura 9. Parte do nematoide com seu estilete (C) e da fêmea com ovos de outras fêmeas

que foram esmagadas na lâmina (D).

A foto das raízes com galhas foi tirada na coleta de maio de 2013, logo após a retirada na profundidade de 0,10 metros na área experimental, conforme recomenda-se o método de coleta. As fotos dos nematoides foram tiradas no microscópio eletrônico com aumento de 40 vezes e uma máquina fotográfica digital acoplada na lente do microscópio.

5.3.3 Análise geoestatística

Para verificar a existência e estimar o grau de dependência espacial entre as populações de nematoides na raiz e no solo, foi baseada na metodologia de Vieira et al. (1983). Após o ajuste do variograma foi realizada a krigagem, a qual usa informações a partir do variograma para encontrar os pesos ótimos a serem associados às amostras com valores conhecidos que irão estimar pontos desconhecidos. Posteriormente foi confeccionado o mapa de distribuição espacial de nematoides na área analisada.

5.3.4 Geoprocessamento

Com as populações de nematoides encontradas em cada ponto coletado em campo, foi feita a correlação destas infestações pontuais com a escala de NDVI das plantas durante o período que a seringueira possivelmente estava estressada pela incidência dos nematoides, em abril e outubro. Foram identificados os índices de NDVI de

cada pixel da imagem do satélite Landsat 8 do ano de 2013 e possível nível de infestação pelo nematoide.

O processamento digital da imagem de satélite foi realizado em Sistemas de Informação Geográfica (SIG) para melhorar a qualidade da imagem, sendo elaborada em duas etapas independentes: pré-processamento e análise de Éndice de Vegetação NDVI.

5.3.4.1 Pré-processamento

No pré-processamento foi realizada a preparação dos dados da imagem digital para a execução do NDVI, onde utilizou-se técnicas visando melhorar a qualidade dos dados, fazendo calibração radiométrica, correção atmosférica, realce da coloração, retificando geometricamente e registrando as imagens.

A imagem de forma bruta obtida do satélite Landsat 5 apresenta-se em formato de números digitais (ND) dos alvos, e para a análise foi necessário a calibração radiométrica, que é a transformação de ND para radiância espectral absoluta. Devido a presença de aerossóis atmosféricos, vapor d‟agua e ozônio realizou-se a correção atmosférica para minimização da interferência destes elementos na reflectância de superfície dos objetos alvos. Posteriormente foi realizada a conversão desta para reflectância aparente e depois para reflectância de superfície.

Posteriormente foi realizado o realce das imagens, por meio de técnicas de contraste da composição colorida RGB, onde foram empregadas nas fases preliminares do processo, para auxiliar na distinção de alvos. No realce da imagem, os dados foram processados para melhorar o contraste espectral, por meio do ajuste dos valores de níveis de cinza mais altos e mais baixos, regulando até um nível de cinza adequado para as análises.

Na correção geométrica ou registro das imagens elimina-se ao máximo o deslocamento geográfico devido ao movimento do satélite e da curvatura da Terra. As imagens utilizadas referentes a órbita ponto disponibilizadas pelo INPE foram registradas com base em 15 pontos de controle nas imagens de mesma órbita ponto, já georreferenciada, disponibilizadas no site www.landsat.org. O RMSE do registro foi menor que 0,5 pixel para as imagens dos satélites utilizados.

5.3.4.2 Análise de Éndice de Vegetação NDVI

Para a representação das imagens de sensoriamento remoto dos índices de vegetação foi utilizada a metodologia desenvolvida por Rouse et al. (1974), onde o NDVI é a razão entre a diferença da medida da reflectância nos canais do infravermelho próximo (0,70 – 1,30 μm) e vermelho (0,55 – 0,70 μm) e a soma desses canais, conforme a Equação 6:

onde:

ρ1 e ρ2, representam respectivamente, os valores da reflectância na região do vermelho e infravermelho próximo do espectro eletromagnético de objetos na superfície terrestre.

As cores utilizadas na escala de NDVI foram baseadas na melhor interpretação visual do mapa pelo leitor, pois baseado na escada de cores de NDVI citada na Figura 3 (página 30) seria de difícil interpretação, devido ocorrer a confusão entre as cores. Com as técnicas de realce de imagem por meio de índices de vegetação, aumenta-se o brilho das áreas vegetadas, melhorando a aparência da distribuição espacial de informações das imagens, tornando-as de fácil interpretação visual e computacional.

6 RESULTADOS E DISCUSSÃO