Kimlik nedir?

Nosso trabalho mostrou que há uma complexidade envolvida nos processos de classiicação da vegetação. Não que não tinhamos conhecimento disso, mas essa complexidade acontece nas diferentes escalas, até naquelas a vegetação é mostrada de maneira global, sem levar em conta as associações e subassociações que ocorrem no interior dos agrupamentos. Nesse grau de investi- gação, o sensoriamento remoto se mostra uma técnica limitada, mesmo com toda evolução dos produtos gerados por sistemas sensores, caso das imagens, e das ferramentas de análise, os softwa- res. Uma vez que esse processo evolutivo é crescente, acreditamos plenamente na possibilidade da investigação por sensoriamento remoto ser cada vez mais plausível. Mas cremos que ainda é cedo para comemorar este fato. Ainda temos muito o que saber dos agrupamentos vegetais e das relações que eles estabelecem com o meio. Não que isso não seja algo conhecido, mas há uma dinâmica muito grande envolvida nessas relações. E essa dinâmica varia de um local para o outro, mesmo nos locais que compartilham das mesmas condições climáticas. Muitas das respostas só emergem quando integramos informações. Por essa razão, acreditamos que o trabalho de classii- cação da vegetação será sempre, acima de tudo, um trabalho interdisciplinar. Sem o conhecimento de diversas áreas, torna-se muito difícil produzir conhecimento a respeito desse tema. É claro que dispomos de uma vasta literatura, capaz de nos apoiar em empreitadas como essa. Mas o ideal sempre será compartilharmos as impressões que temos a respeito de um determinado junto de um especialista de outra área, seja ele geógrafo ou não. E essa parceria tanto será melhor, se houver a possibilidade de analisarmos as questões envolvidas no trabalho in loco, em nossa área de estudo.

A primeira observação que gostaríamos de fazer aqui, diz respeito aos insumos utilizados em nossa pesquisa, no caso, as imagens geradas pelo sensor SAR/SIPAM nas polarizações HH, HV e VV da banda L.

Sem sombra de dúvidas elas mostraram um alto potencial para interpretação da vegetação, mesmo com todos problemas de processamento apresentados e, mesmo não tendo a clareza e a capacidade de fornecer informações da superfície que uma fotograia área ou uma imagem mul- tiespectral de uma sensor de alta resolução possuem. As diferenças de textura são suicientemente claras para que possamos identiicar agrupamentos vegetais distintos, como já foi observado ante- riormente. A maior virtude no uso dessas imagens está na possibilidade, que elas fornecem, de de- talharmos diferenças que não puderam ser esmiuçadas antes por meio do imageamento do Projeto RADAM. É certo que hoje dispomos de sensores orbitais que fornecem produtos com altíssimo

grau de detalhamento da superfície, em razão da resolução espacial e espectral com que eles traba- lham. No entanto, na Banda L, não dispomos de nenhum sensor capaz de gerar produtos similares aos do SAR/SIPAM. Uma preocupação de nosso trabalho foi que tais imagens, em razão de seus problemas de processamento, não pudessem ser utilizadas mas tanto nas observações visuais como durante a aplicação de procedimentos automatizados, essas complicações foram facilmente supe- ráveis. Pelo menos, no nosso caso, e com o grau de diiculdade que nós encontramos nas imagens. Acreditamos estes insumos ainda possam ser melhorados, não só pelo fato de que é possível gerar imagens com maior resolução espacial mas também, com informação de fase, que é mais um pa- râmetro que pode ser utilizado na diferenciação de alvos.

Outra questão diz respeito às imagens é a possibilidade delas fornecerem informações que nos permitam criar chaves de interpretação. Quando trabalhamos com RADAR, essa questão é um pouco diferente pois a similaridade das respostas de alvos distintos, torna necessária a busca por conceitos que atendam essas características. Ainda que possamos utilizar conceitos já conhe- cidos para a interpretação de outros sensores, é preciso incluir uma nomeclatura relacionada ao comportamento dos alvos, no que diz respeito ao espalhamento da energia eletromagética. Dentro desse ponto de vista, passam a ser importantes o brilho causado por um espalhamento de volume ou de canto, e a ausência de informações nos tons escuros causados pelo comportamento especular da superfície. Esta também é uma questão perfeitamente tateável em nosso trabalho. As imagens mostram isso e permitem a exploração da informação a partir destas características.

Por im destacamos a questão da escala. Em nenhum momento do nosso trabalho foi dire- cionado algum tipo de preocupação em relação ao potencial de análise numa determinada escala. Entretanto, tomando como base o grau de detalhamento de algumas feições na superfície, icou evidente que podemos alcançar escalas de representação próximas as de detalhe, ou seja, maiores que 1:50.000. Temos de ter em mente que as imagens de RADAR diicilmente vão fornecer as informações que uma fotograia aérea ou um sensor ótico de alta deinição fornecem, uma vez que os sensores de microondas trabalham basicamente com a forma das feições. Mas estamos convictos que dependendo das características isiográicas daquilo que queremos imagear, isso é perfeitamente possível.

No que diz respeito aos procedimentos estatísticos de extração da informação das imagens, utilizados em nosso trabalho, icamos um tanto quanto decepcionados. O Módulo FX nos pareceu uma ferramenta completa, pois ele não só é capaz de segmentar e classiicar as imagens, como

também fornece um relatório com os parâmetros utilizados nesse processo e com a informação de área dos polígonos. Além disso, os dados podem ser exportados no formato raster ou vetorial. Temos também de destacar que a possibilidade de estabelecermos um índice de pertinência Fuzzy, a partir de uma técnica interativa, revelou-se uma experiência muito interessante.

Mas de uma maneira geral essa ferramenta se mostrou inadequada para nossas pretensões. Houve muita ambigüidade nos resultados e mesmo com um extenso rol de atributos disponíveis para serem usados no processo de classiicação, tivemos imensas diiculdades de delimitar algu- mas classes deinidas em nosso sistema.

O que nos pareceu uma virtude é que esse processo interativo da regra Fuzzy, permite que possamos aplicar o classiicador em estudo especíicos, como por exemplo de desmatamento, de hidrograia, de transporte, mesmo porque ele é orientado a objetos. Em nosso caso as técnicas disponíveis icaram aquém do esperado mesmo com a incrível capacidade de segmentação do sof- tware. Julgamos que o uso de classiicadores como o da Máxima Verossimilhança, poderia trazer, apenas com a ajuda de máscaras, resultados similares ou até melhores.

Figura 51 - Extração da hidrograia através do método Rule-Base Classiication.

Mas levando em conta nossa experiência na aplicação deste tipo de procedimento, acredita- mos que a melhor forma de interpretação das imagens de RADAR ainda é a manual, aquela na qual fazemos as interpretações com base em nossas observações. É uma técnica tradicional, que requer um trabalho demorado, mas que ainda se mostra muito mais preciso e adequado a estes insumos.

Finalmente, chegamos às considerações sobre nosso sistema de classiicação. Primeiramen- te, devemos ressaltar aqui que nosso trabalho é muito mais uma contribuição ao estudo do ma- peamento vegetação do que uma classiicação propriamente dita. Uma classiicação não pode ser legitimada sem a execução de uma extensa observação de campo. Ainda que não queiramos ma- pear em detalhes um dado local, é preciso obtermos informações sobre o funcionamento de tudo aquilo que queremos representar. Uma questão que icou clara para nós é que a interpretação das pequenas formas de relevo pode ser muito importante na delimitação de um determinado agrupa- mento vegetal.

A questão edáica foi sobremaneira determinante no encaminhamento de nossas conclusões, mesmo porque ela nos pareceu a principal variável a ser analisada quando queremos entender a distribuição de um determinado agrupamento vegetal em nossa área de estudo. Mas em nenhum momento nos enganamos a respeito dos resultados que poderíamos alcançar e, nesse sentido, o que apresentamos são muito mais sugestões do que uma proposta nova de classiicação.

Em primeiro lugar abordamos a questão da escala de análise. Nas próprias observações de Pedrotti (2004) Jornaux (1986) e Ozenda (1986), ica claro a referência que se faz aos níveis de análise, nas diferentes escalas de abordagem e representação do meio. Quando sugerimos a substituição do termo “cerrado” para incorporarmos a denominação “formações edáicas de porte arbóreos” tivemos a intenção de dar à representação uma possibilidade de descrição do meio mais próxima da realidade. Ainda que consideremos essencialmente as características isionômicas essa divisão retrata aquilo que é discernível na imagem e, de certa forma, acontece na naturza.

Quando o IBGE utiliza a denominação “Savana Parque com Vegetação Galeria” ele está descrevendo uma área mais abrangente. No nosso caso a soma das formações edáicas de porte arbóreo presente nos tesos, mais as formações herbáceas e arbóreas da planície vão redundar na formação cerrado, de abrangência muito maior. O problema que encontramos é que o simples uso do termo cerrado pode trazer uma idéia do domínio paisagístico. No entanto, no Marajó, essa característica se refere a uma condição ambiental especíica. Os cerrados tanto “surgem” quando “somem” repentinamente. O quer reforça a tese que é defendida por Coutinho (2002).

Em nosso caso houve um exercício direcionado à identiicação de pequenas variações na isionomia das plantas. Muitas vezes, apesar de distintas, elas pertencem ao mesmo agrupamento, mas por outro lado, elas podem revelar alterações ecológicas do ambiente.

Ainda que seja difícil estabelecermos uma conclusão a respeito das inluência do solo na distribuição da vegetação, o termo “edáico” tem, no nosso ponto de vista, uma importância signi- icativa pois ele próprio talvez explique um conjunto de interações que muitas vezes não podemos perceber nas imagens.

Não queremos, com essas conclusões, estabelecer aqui uma crítica aos sistemas de classii- cação vigentes, o que estamos ressaltando é que essa é uma questão, acima de tudo, escalar. Mas que também incorpora uma visão ecológica extremamente importante, como é o caso dos solos e da própria topograia, pois as regiões que sofrem interferência da maré, ou mesmo, aquelas que são banhadas por rios de água doce, também possuem sua particularidade ambiental.

Em nossa opinião, é impossível dissociar uma questão da outra, um fator geográico de ou- tro. E o mais importante disso tudo, em nossa pesquisa, é que muitos destes detalhes, dessas carac- terísticas geográicas, podem ser observados nas imagens de sensoriamento remoto. Um exemplo disso é o quanto os rios são determinantes na distribuição das formações arbóreas em nossa área de estudo.

O sistema de classiicação sempre guardará uma relação intrínseca com a área para qual ele foi criado. O importante é que ele esgote em si, o maior número de variáveis possíveis que sejam capazes de fornecer respostas a respeito de um determinado agrupamento vegetal. E nesse sentido qualquer ajuda que se possamos ter no sentido de aumentar o volume de informações, seja por sen- soriamento remoto ou por observação de campo, será de suma importância dento desse processo.

Respondendo as questões iniciais, sim as imagens do sensor SAR/SIPAM não só podem como devem ser utilizadas em mapeamentos da vegetação. Elas nunca darão conta, sozinhas, do volume de informações que necessitamos para realizar um estudo completo sobre um meio lorestal, mas elas têm sua utilidade e podem ser combinadas com outros insumos para dar cabo desse processo.

Essa combinação pode trazer resultados melhores nos sistemas de classiicação estatística. Em nosso trabalho foram apresentados procedimentos que representam uma pequena parcela dos esforços que têm sido empreendidos para modelar informações de ecossistemas naturais. Quando eles não nos fornecem resultados satisfatórios, não há porque descartarmos as técnicas analógicas como a interpretação visual. Isso é importante porque sempre nos deparamos com a necessidade de mapearmos grandes áreas, contudo, esquecemos de que a diversidade do meio aumenta propor- cionalmente em relação ao tamanho da área.

Acreditamos que os procedimentos de classiicação possam ser expandidos para outras áreas desde que sejam devidamente modelados para as particularidades locais das mesmas, pois essa maneira de ver o meio e identiicar feições naturais nas imagens, serve para qualquer outra área de estudo. Basta um conhecimento daquilo que queremos imagear e de como esses fenômenos aparecem numa imagem de RADAR.

O que ica de aprendizado que é essa pesquisa é apenas uma etapa de um trabalho que não se esgota aqui, o que é uma particularidade da maioria das pesquisas. O que mais nos deixa feliz é que quando trabalhamos com o saber geográico, lidamos com um processo estimulante que nos permite conhecer melhor a vida no planeta e nos faz continuar querendo saber sempre mais um pouco desse conhecimento que nunca se esgota.

Por esta razão continuamos defendendo que novas técnicas sejam incorporadas a estudos que, com o passar do tempo, carecem de revisão. Não apenas a respeito de como foram realizados, mas também, do ponto de vista da análise dos resultados, atentando para a qualidade da informa- ção que foi retratada em um determinado período.

10. Bibliograia

AB’SABER, A. N. Amazônia: do discurso à práxis. 2ª edição. São Paulo: Edusp, 2004, p. 11-29. AB’SABER, A. N. Brasil: paisagens de exceção. O litoral e o Pantanal mato-grossense.

Patrimônios básicos. São Paulo: Ateliê Editorial, 2006, p. 79-119.

AB´SABER, A. Domínios de natureza do Brasil: potencialidades paisagíticas. São Paulo, Ateliê Editorial, 2003, 159 p.

ACOT, Pascal. História da Ecologia. Rio de Janeiro: Editora Campus, 1990, p. 13-75. AFFONSO, A. G. Caracterização de isionomias vegetais na Amazônia Oriental através de videograia aerotransportada e imagens LANDSAT-7 ETM+. 2004.

121 p. Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais.

ANGELIS, C. F. Análise do comportamento temporal do retroespalhamento na banda l da cobertura da terra na Floresta do Tapajós, Pará, utilizando imagens JERS-1. 2003. 152 p. Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais. ARONOFF, S. Classiication accuracy: a user aproach. Photogrammetric Engineering and Remote Sensing, Bethesda, v. 48, n. 8, 1982, p. 1299-1307,

ASI. COSMO SKYMED: Sistema duale di osservazione della Terra. Disponível em: <http://www.asi.it/SiteIT/ContentSite.aspx?Area=Osservare+la+Terra>. Acesso em 23 de Dezembro de 2007.

AUBRÉVILLE, A. Étude écologique des principales formations végétales du Brésil: et

contribution a la connaissance dês forêts de l´amazonie brésiliense. Nogent sur Marne : Centre Tech Forestier Tropical, 1961, p. 1-27.

BARBOSA, C. ; HESS, L. ; MELACK, J. ; NOVO, E. Mapping amazon basin wetlands through region growing segmentation and segmented-based classiication JERS-1 data. In: Anais do IX Simposio Latinoamericano de Percepción Remota, Puerto Iguazú, Argentina, Novembro de 2000, SELPER, p. 1-9.

BECKER, B. K. Geopolítica da Amazônia: a nova fronteira de recursos. Rio de Janeiro: Zahar Editores, 1982, 233 p.

BERTRAND, G. ; BERTRAND, C. Uma geograia transversal e de travessias: o meio ambiente através dos território e das temporalidades. Maringá: Ediroa Massoni, 2007, p. 1-117.

BRANCO, Samuel M. O desaio amazônico. São Paulo: Editora Moderna, 1992, 103 p. BRASIL. Casa Civil. Plano de desenvolvimento territorial sustentável do Arquipélago do Marajó. Brasília: Presidência da República, 2007, 296 p.

BRASIL, Decreto n. 89.817, de 20 de junho de 1984. Dispõe sobre as instruções reguladoras das normas técnicas da cartograia nacional. Diário Oicial da República Federativa do Brasil, Brasília, DF, 1984.

BRASIL. Departamento Nacional de Produção Mineral. Projeto Radam. Folha SA.22/Belém; Geologia, Geomorfologia, Solo, Vegetação e Uso Potencial da Terra. Rio de Janeiro, 1974, 432 p. BUFALO, A. C. ; VALERIANO, D. M. Avaliação de dados de radar (JERS-1) no desmatamento da Amazônia brasileira. In: Anais do XII Simpósio Brasileiro de Sensoriamento Remoto,

Goiânia, Brasil, Abril de 2005, INPE, p. 4383-4390.

CARVALHO, N. V. ; RAMOS, A. V. C. Medições do espectro direcional de ondas geradas pelo vento por meio de imagens do Radar de Abertura Sintética ERS-1 SAR. In: SOUZA, R. B. (Org.) Oceanograia por satélites. São Paulo: Oicina de Textos, 2005, p. 77-89.

COMER, P. J. ; SCHULZ, K. A. Standardized ecological classiication for mesoscale mapping in the Southwestern United States. Rangeland Ecology & Management, v. 60, n. 3, 2007, p. 324-335.

CONTI, J. B. ; FURLAN, S. A. Geoecologia: o clima, os solos e a biota. In: ROSS, J. L. S. (Org.) Geograia do Brasil. 4ª ed. São Paulo: EDUSP, 2001

CORREIA, A. H. Projeto, desenvolvimento e avaliação de classiicadores estatísticos pontuais e contextuais para imagens sar polarimétricas. 1999. 271 p. Dissertação (Mestrado em

Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais.

COUTINHO, L. M. O bioma do cerrado. In: KLEIN, A. L. Eugen Warming e o cerrado brasileiro: um século depois. São Paulo: Editora Unesp/ Imprensa Oicial SP, 2002, p. 77-91. CPRM. Projeto RADAM-D – Preservação e disseminação das imagens originais geradas pelos projetos RADAM e RADAMBRASIL. Disponível em: <http://www.cprm.gov.br/publique/cgi/ cgilua.exe/sys/start.htm>. Acesso em 15 de Outubro de 2007.

DAMIÃO, D. P. Análise comparativa de imagens multissensores (TM/LANDSAT e SAR/ ERS-1) e multitemporais, na Região de Guaíra, SP. 1994. 107 p. Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais.

DI CENZO, A. Synthetic Aperture Radar and digital processing: na introduction. Pasadena: Jet Propulsion Laboratory/California Institute od Technology, 1981, 68 p. (JPL publication 80-90) DUTRA, L. V. ; MURA, J. C. ; FREITAS, C. C. ; SANTOS, J. R. ELMIRO, M. T.

Processamento de Imagens de Radar de Abertura Sintética – Princípios e Aplicações. In: Anais do IV Workshop em Tratamento de Imagens, Belo Horizonte, Brasil, Junho de 2003, NPDI/ DCC/ICEx/UFMG, p. 4-13.

ENVI. Feature Extraction Module User’s Guide (Module Version 4.6). Boulder: ITT Visual Information Solutions, 2008, 78 p.

ESCOBAR, I. P. ; OLIVEIRA, S. A. M. ; LIMA, S. P. S. ; PRADO, R. L. ; FERREIRA, A. T. A. Reprocessamento digital das imagens SLAR geradas pelos projetos RADAM e

RADAMBRASIL - Projeto RADAM-D. In: Anais do XII Simpósio Brasileiro de Sensoriamento Remoto, Goiânia, Brasil, Abril de 2005, INPE, p. 4395-4397

FARR, T. G. ; ROSEN, P.A. ; CARO, E. ; CRIPPEN, R. ; DUREN, R. ; HENSLEY, S. ; KOBRICK, M. ; PALLER, M. ; RODRIGUEZ, E. ; ROTH, L. ; SEAL, D. ; SHAFFER, S. ; SHIMADA, J. ; UMLAND, J. ; WERNER, M. ; OSKIN, M. ; BURBANK, D. ; ALSDORF, D. The Shuttle Radar Topography Mission, Rev. Geophys, 45. Pasadena: Jet Propulsion Laboratory. Disponível em: <http://www2.jpl.nasa.gov/srtm/srtmBibliography.htm>. Acesso em: 15 de Dezembro de 2007.

FERNANDES, D. ; FERNANDES, M. T. C. Imagens de Radar de Abertura Sintética como instrumento de auxílio na avaliação do impacto ambiental. In: Anais do IX Simpósio Brasileiro de Sensoriamento Remoto, Santos, Brasil, Setembro de 1998, INPE, p. 733-744.

FRANÇA, C. F. ; SOUZA FILHO, P. W. M. Compartimentação morfológica da margem leste da Ilha de Marajó: zona costeira dos municípios de Soure e Salvaterra – Estado do Pará. Revista Brasileira de Geomorfologia, Ano 7, n. 1, 2006, p. 33-42.

FRANÇA, C. F. ; SOUZA FILHO, P. W. M. Mudanças atuais da linha de costa, no município de Soure (PA), analisadas através de sensoriamento remoto. In: Anais do Simpósio Amzônia, Cidades e Geopolíticas das Águas, Belém, Brasil, Junho de 2003, Projeto MEGAM, p. 191-194. FRANCO-LOPEZ, H. ; EK, A. R. ; BAUERB, M. E. Estimation and mapping of forest stand density, volume, and cover type using the k-nearest neighbors method. Remote Sensing of Environment, v. 77, issue 3, setembro de 2001, p. 251– 274.

FREITAS, C. C. ; SANT’ANNA, S. J S. ; RENNÓ, C. D. ; CORREIA, A. H. Utilização de imagens de Radar de Abertura Sintética na classiicação do uso e ocupação do solo. São José dos Campos: INPE. Disponível em: <http://www.dpi.inpe.br/livros.php>. Acesso em: 23 de Janeiro de 2007.

FRERY, A. C. ; FREITAS, C. C. ; CORREIA, A. H. Multifrequency Full Polarimetric SAR Classiication with Multiple Sources of Statistical Evidence. In: Geoscience and Remote Sensing Symposium, Denver, Estados Unidas da América, Julho/Agosto de 2006, IEEE, p. 4195-419.

GABOARDI, C. Utilização de imagem de coerência SAR para classiicação do uso da terra: Floresta Nacional do Tapajós. 2003. 137 p. Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais.

GAMA, F. F. ; SANTOS, J. R . ; MURA, J. C. ; Rennó, C. D. Estimativa de Parâmetros Biofísicos de Povoamentos de Eucalyptus Através de Dados SAR. Ambiência - Revista do Centro de Ciências Agrárias e Ambientais, Vol. 6, Edição Especial 1, 2006, p. 29-42.

GAMBA, C. T. C. Avaliação da exatidão de procedimentos automáticos na classiicação do uso e do revestimento da terra da região de Cananéia. 2004. 109 p. Dissertação (Mestrado em Geograia Física) – Faculdade de Filosoia, Letras e Ciências Humanas da Universidade de São Paulo. GALLO, Giovanni. Marajó: a ditadura da água. 2ª ed. Edições “O Nosso Museu”, 1981, 314 p.

GAUSSEN, H. Geographie des plants. Paris: Armand Colin, 1954. p. 15-57.

GOMES, A. R ; FREITAS, C. C. ; SANT’ANNA, S. J. S. ; DUTRA, L. V. Avaliação da

aplicação de classiicadores pontuais e por regiões para imagem JERS-1 em ambiente SPRING. In: Anais do XII Simpósio Brasileiro de Sensoriamento Remoto, Goiânia, Brasil, Abril de 2005, INPE, p. 4421-4427.

GONÇALVES, F. G. ; SANTOS, J. R. ; LOPES, A. L. B. Análise de dados SAR para estimativa