ARTIGO CIENTÍFICO
Trabalho Premiado no II
Encontro Regional de Estudos Agroambientais, realizado em Rio Largo, Alagoas,
Brasil
Dinâmicas de uso e cobertura do solo do
território da comunidade pesqueira do povoado São Pedro, Jaramataia, Alagoas
Land use and coverage dynamics
of São Pedro village fishermen community territory, Jaramataia, Alagoas, Brazil
Dinámica del uso de la tierra
y cobertura del territorio
de la comunidad pesquera de la aldea de São Pedro, Jaramataia, Alagoas,
Brasil
José Lucas Nunes de Farias
¹; Matteus Freitas de Oliveira²; Jackson
Belo Pereira³
¹Graduando em Administração
pela Universidade Federal de Alagoas, Maceió; +5582981359626, lucasnfarias2435@gmail.com; ²Docente,
Mestre em Geografia, Instituto Federal de Alagoas, Campus Batalha, matteus.oliveira@ifal.edu.br; ³Discente
do Ensino Médio Integrado ao Técnico do curso de Agroindústria do Instituto
Federal de Alagoas, Campus Batalha; jackson.belo2001@gmail.com.
Recebido: 15/12/2019; Aprovado: 20/12/2019
Resumo: Este trabalho objetivou efetuar um levantamento e classificação sobre
os usos e cobertura do solo no território da comunidade pesqueira do povoado
São Pedro em Jaramataia, Alagoas, utilizando como suporte
o geoprocessamento. Para isso utilizou-se a imagem LANDSAT 8, cena 215/067, que
foi processada através de algoritmos não supervisionados e supervisionados
usando o software Envi
5.3. Para a classificação não supervisionada a interpolação gerou 7 classes que
apresentou vários conflitos de dados. Para a supervisionada foi identificada e caracterizada
oito classes: savanas estépicas arborizadas, savanas estépicas secundárias, estepe
estacional arborizada, lavoura temporária ou pastagem, lavoura permanente, solo
exposto, área urbana e corpos d’água com destaque para a pesca artesanal. Com
isso, observou-se que a área possui elevado grau de antropização e a mancha
relevante de vegetação nativa se concentra nas cotas altimétricas mais
acentuadas do relevo de difícil acesso. Esse estudo abre possibilidade para a
gestão do território a partir da apropriação de informações das áreas de uso e
cobertura e geração de políticas públicas que promovam o desenvolvimento local
com base em ações sustentáveis.
Palavras-chave: Geoprocessamento, dinâmicas territoriais,
sensoriamento remoto, landsat 8, comunidades tradicionais.
Abstract: This work aimed
to carry out a survey and classification about the uses and land cover in the
territory of the fishing community of the São Pedro village in Jaramataia, Alagoas, using geoprocessing as a support. For
this, the LANDSAT 8 image, scene 215/067, was used, which was processed using
unsupervised and supervised algorithms using the Envi
5.3 software. For the unsupervised classification, the interpolation generated
7 classes that presented several data conflicts. For the supervised, eight classes
were identified and characterized: steppe wooded savannas, secondary steppe
savannas, seasonal wooded steppe, temporary crop or pasture, permanent crop,
exposed soil, urban area and water bodies with emphasis on artisanal fishing.
With that, it was observed that the area has a high degree of anthropization and the relevant
patch of native vegetation is concentrated in the most accentuated elevation
levels of the difficult to access relief. This study opens the possibility for
the management of the territory based on the appropriation of information from
the areas of use and coverage and the generation of public policies that
promote local development based on sustainable actions.
Key words:
Geoprocessing, territorial dynamics,
remote sensing, landsat 8, traditional communities
Resumen: Este trabajo
tuvo como objetivo llevar a
cabo una encuesta y clasificación
sobre los usos y la cobertura
del suelo en el territorio
de la comunidad pesquera de la aldea de São Pedro en Jaramataia, Alagoas, utilizando el
geoprocesamiento como apoyo.
Para esto, se utilizó la imagen LANDSAT 8, escena 215/067, que se procesó
utilizando algoritmos supervisados y sin supervisión utilizando el
software Envi 5.3. Para la clasificación no supervisada, la interpolación generó 7 clases que presentaron varios conflictos de datos. Para los supervisados, se identificaron y caracterizaron ocho clases: sabanas
boscosas esteparias, sabanas esteparias secundarias, estepas boscosas estacionales, cultivos temporales
o pasturas, cultivos permanentes, suelo
expuesto, área urbana y cuerpos
de agua con énfasis en la
pesca artesanal. Con eso,
se observó que el área tiene un alto grado de antropización y el parche
relevante de vegetación nativa se concentra en los niveles de elevación más acentuados del relieve de difícil acceso. Este estudio abre la posibilidad de gestionar el territorio en
función de la apropiación de información de las áreas de uso y cobertura y la
generación de políticas públicas que promuevan el desarrollo
local basado en acciones sostenibles.
Palabras Clave: Geoprocesamiento, dinámica territorial, teledetección, landsat 8,
comunidades tradicionales.
INTRODUÇÃO
O solo é um dos recursos naturais mais acessíveis da
superfície terrestre, além de suma importância na vida dos seres que nele
habitam e oferece condições para a produção alimentícia, construção de edificações,
extração de minerais, isto é, possibilitam o desenvolvimento de inúmeras atividades
indispensáveis para dinâmica da sociedade (FONTES; QUEIROZ, 2015).
As alterações tecnológicas e espaciais, que têm
caracterizado esse momento histórico na sociedade, discutidas por Santos
(2010), enquanto evolução do meio técnico científico e informacional, ao mesmo
tempo em que desenvolveu e acentuou fenômenos em escalas global-local, como por
exemplo o aumento demográfico, uso descontrolado dos recursos naturais e a
intensificação do desenvolvimento das atividades econômicas, têm gerado
impactos nos usos que são atribuídos ao solo, alterando a dinâmica natural do meio
ambiente, gerando interferência nesses sistemas como poluição do ar, solo e
água, além da geração emblemática de demografias de risco socioambientais,
dentre outros dilemas (DIAS, 2017).
A partir desse cenário se torna importante buscar a identificação
das atividades relacionadas ao solo, os usos a ele atribuídos, visando
compreender as intenções dessas atividades e o tipo de cobertura existente, seja
artificiais ou naturais. A Geografia enquanto ciência que analisa as transformações
da natureza pela ação antrópica se utiliza de categorias analíticas para compreender
a totalidade do seu objeto de estudo que é o espaço geográfico. Como a apropriação
analítica da totalidade é uma dimensão epistemológica complexa, Santos (2010) nos
propõe analisar o espaço geográfico por meio das suas categorias de análise que
são: paisagem, lugar, território e região. Nessa concepção, Queiroz (2014) afirma
que a categoria de “território usado” é concomitantemente social e material,
formado por uma relação dialética, assim como é o espaço geográfico, um sistema
de objetos e de ações. Desse modo, Santos (2010) enfatiza que o território
usado é composto pelo território forma - espaço material - e pelo uso,
apropriação, organização, produção e ordenamento que a ele são atribuídos pelos
indivíduos que o constitui. A categoria território usado se constitui numa possibilidade
potente para análise das áreas de uso e cobertura do solo em busca da superação
da dicotomia entre geografia física e humana que divide concepções internas.
Conforme Santos e Santos (2019), as análises de uso e
ocupação do solo são importantes no que diz respeito ao planejamento espacial,
considerando as diretrizes do desenvolvimento sustentável. Para tanto, é de
suma importância a realização desses mapeamentos que possibilitam a obtenção de
resultados acurados e rápidos quando realizados com base no Geoprocessamento,
que se mostra apto para efetuar processamentos operacionais e técnicos
aplicáveis, no que se refere ao entendimento de uso e ocupação do solo para o
ordenamento territorial (FREITAS; GUEDES, 2018).
Entre o catálogo de ferramentas disponibilizado pelas
técnicas de geoprocessamento, o Sensoriamento Remoto é uma alternativa que
viabiliza a aquisição de informações geográficas por meio de imagens de alta
resolução espacial, já que estas armazenam uma infinidade de dados algoritmos
que traduzem as dinâmicas eletromagnéticas dos objetos espaciais, fomentando
estudos sobre as dinâmicas de ocupação e uso do solo (SANTOS et al., 2018).
Alguns estudos, como o de Freitas e Guedes (2018) e Weiss
e Pippi (2019) , realizaram o mapeamento do uso e cobertura
do solo a partir de procedimentos de vetorização associado a interpretação
visual de imagens procedido de trabalho de campo para a validação dos dados,
complementando o Sensoriamento Remoto – SR com os Sistemas de Informações
Geográficas- SIGs. Ao contrário, essa pesquisa, por
sua vez, experimentou os classificadores não supervisionados e supervisionados
e sua interpolação algorítmica a partir dos números digitais das respostas
espectrais dos alvos, gerando dados em formato rasters
que posteriormente foram vetorizados em ambiente SIG oferecendo dados diagnósticos
sobre a área analisada.
Vale enfatizar que em Alagoas ocorreu um importante
mapeamento denominado Zoneamento Agroecológico – ZAAL realizado pela EMBRAPA
(2008) que gerou uma base de dados vetoriais e rasters
entre os anos de 2007 a 2009 dando suporte a geração de intervenções espaciais
operacionalizadas pelo Estado, a fim de articular outros agentes espaciais e
suas ações no território alagoano. Esse banco de dados reúne informações sobre
o uso e cobertura do solo do estado com imagens das plataformas China-Brazil Earth-Resources Satellite - CBERS e a série Earth Resources
Technology Satellite ERTS-LANDSAT 5. Os resultados
dessa pesquisa que foi aprovada pelo Programa Institucional de Bolsas de
Iniciação Científica e em Desenvolvimento Tecnológico e Inovação Instituto Federal
de Alagoas IFAL/CNPQ/FAPEAL no edital nº 03 PRPI/IFAL, de 11 de maio 2017,
intitulada como “Mapeamento do uso e cobertura do solo da Colônia de Pescadores
do povoado de São Pedro, Jaramataia - AL, com uso de Geoprocessamento”, diferente
do estudo do ZAAL (EMBRAPA, 2008), efetuado em escala regional, almejou renovar
em escala de semi detalhe os distintos usos e
coberturas do solo na região do entorno do território pesqueiro do Povoado São Pedro
do Açude de Jaramataia, se utilizando de imagens LANDSAT 8 e a metodologia
classificatória do uso e cobertura da terra do IBGE (2013), considerando a
dinâmica e o cotidiano dos pescadores, bem como os outros agentes do território
e sua relação com o solo.
Segundo Oliveira et al. (2017) uma comunidade de
pescadores a quase cinquenta anos vive às margens de um relevante reservatório construído
pelo Departamento Nacional de Obras Contra a Seca – DNOCS no
final década de 1960 do século XX entre a sede de Jaramataia e o povoado
São Pedro. As relações geográficas que se desdobram no território pesqueiro relacionadas
ao uso e cobertura do solo com as práticas de uso da água derivadas da atividade
pesqueira demandam complexidade que exigem análise para o gerenciamento do solo
visando a qualidade da água do reservatório.
Essa pesquisa, além de atualizar o mapeamento que se
encontrava defasado em 10 anos, pôde se aproximar da realidade das práticas
sociais voltadas a pesca e ao campesinato desenvolvidos pelos colonos e diversos
agentes no município de Jaramataia, por meio das atividades de campo, ações
extensionistas que estão fortemente atreladas aos saberes e fazeres ancestrais
da comunidade pesqueira que moldam essa área do espaço, temática analisada por Oliveira
et al. (2017) contribuindo para a análise dos dados. Dessa forma, este artigo buscou
analisar o uso e ocupação do solo do entorno do açude de Jaramataia, Alagoas, onde
situa-se a Colônia Z-29 e seu território pesqueiro, como subsídio a discussão
das formas de manejo do solo que os caracterizam enquanto comunidades tradicionais
além de revelar os impasses da atuação de outros agentes no consumo dos recursos
naturais rebatendo diretamente na articulação e desarticulação do desenvolvimento
socioeconômico da área.
MATERIAL E
MÉTODOS
Essa pesquisa trilhou o método de estudo de caso com perfil exploratório
utilizando dados primários gerados computacionalmente com a exploração das imagens
de satélite e do trabalho de campo, associado aos dados secundários que enriqueceram
as análises como os vetores de órgãos oficiais e resultados de pesquisa realizados
na área de estudo.
Compreende-se por território pesqueiro toda área onde os colonos extraem
recursos para sua sobrevivência e utilizam a terra de maneira campesina. Desta forma,
a poligonal do recorte da área de estudo corresponde ao entorno do açude de Jaramataia,
abarcando seis municípios da Bacia Leiteira alagoana, são eles: Major Isidoro
no extremo Norte, maioria da área municipal de Jaramataia ao centro, Batalha na
porção Sudoeste, um pequeno trecho de Craíbas no extremo Nordeste, Girau do
Ponciano no Centro-Leste e Traipu à Sudeste, conforme a figura 1, onde se localiza
a comunidade de pescadores da Colônia Z-29.
Figura 1: Mapa de Localização do território pesqueiro da Colônia Z-29, Povoado de
São Pedro, Jaramataia, Alagoas, Brasil. 
Fonte: IBGE, limites municipais (2018).
O polígono possui uma área correspondente a 242,973 Km². A dimensão
desse recorte é justificado pela relevante mobilidade espacial exercida pelos
pescadores no território, conforme enfatizam Oliveira et al. (2017),
principalmente nas práticas extrativistas como a caça, trabalho temporário nas lavouras,
atividades pecuaristas e busca de plantas fitoterápicas nas manchas de Savanas
Estépicas Arborizadas e Savanas Estépicas Secundárias mais densas,
sobressaindo-se dos limites institucionais do município de Jaramataia,
atingindo o sul do recorte que corresponde ao município de Traipu.
Semelhante às paisagens arrasadas da Unidade Depressão Sergipana, o
recorte analisado detém aspectos morfológicos pediplanados,
ocasionalmente cessados por espaçadas ocorrências de maciços e cristas
residuais, matacões e, mais ao norte, na direção de Pernambuco, planaltos e chapadas
sedimentares (CAVALCANTI, 2010).
Segundo Cavalcanti (2010) a vegetação predominante corresponde ao
domínio da caatinga, intercalando-se entre as subcategorias da floresta estacional
e uma pequena parcela de arbórea aberta. Sendo composta por vegetação arbustiva
e rala, expressando-se principalmente por meio de cactácea e bromeliáceas, com
espécies como mandacaru (Cereus jamacaru),
catingueira (Caesalpinia pyramidalis), palma (Opuntia
fícus-indica) e xique-xique (pilocereus
gounellei).
Quanto ao solo, é composto por três unidades de acordo com o IMA/EMBRAPA
(2013): Planossolo, que é formado de material mineral
e possuindo um horizonte A ou E sucedido por um B e uma considerável concentração
de argila, o Neossolo Regolítico,
que contém contato lítico numa profundidade superior a 50 cm e não possui
horizonte tipo B e por fim, o Neossolo Quartzarênico que não apresenta contato lítico na
profundidade de 50 cm, e contém uma sequência de horizontes A-C, com uma
textura de areia ou areia franca em seus horizontes.
Inserida na bacia hidrográfica do Rio São Francisco, o território pesqueiro
é banhado pela sub bacia do Rio Traipu, que alimenta seus principais afluentes:
os Riachos das Pedras e o Urubu. A drenagem do rio Traipu é predominante paralela,
ou seja, apresenta um controle estrutural que facilitou o surgimento de correntes
fluviais paralelas que nutrem os cursos principais (CPRM, 2005). Além disso, a
área detém do maior açude construído pelo DNOCS no interior de Alagoas, no município
de Jaramataia, com uma capacidade de 19.000 m³ em 340 hectares.
Em virtude do açude, a comunidade tradicional de pescadores do Povoado
São Pedro, a colônia Z-29, sobrevive a partir das relações terra e água, conforme
observaram Oliveira et al. (2017). O Povoado de São Pedro tem uma população
aproximada de 800 moradores assistidos pelo governo federal, como os programas
Bolsa Família e o seguro Defeso, este último corresponde a um seguro desemprego
ofertado durante o período em que o açude é “fechado” para reprodução das espécies
aquáticas (peixes e crustáceos). Oliveira et al. (2017) também apresentaram
indicadores sociais dos pescadores que correspondem a baixa renda e
escolaridade, o que traduz um frágil dinamismo socioeconômico em sua cadeia
produtiva, que se encontra desarticulada.
Para o andamento deste estudo, os materiais utilizados foram: dados
vetoriais dos limites municipais do IBGE (2017); computadores e softwares
(Envi 5.3, ArcMap
10.5, Qgis 2.18 e Google Earth); GPS Garmin
Etrex 30, câmera fotográfica e smarthphones;
dados de pontos de controle coletados em campo e duas imagem de satélite da
plataforma LANDSAT 8, com uma resolução espacial de 30 metros (exceto a banda 8
que possui uma resolução espacial de 15 metros), sendo a segunda utilizada no PDI.
O recorte da imagem utilizada foi extraído da cena 215/067 com imageamento dos
dias 04/02/2017 com o período de estiagem e 05/12/2017 com período de maior
umidade em que tanto a vegetação de Caatinga e os corpos d’água oferecem boas respostas
espectrais aos sensores, contribuindo para as análises espaciais. As duas imagens
foram utilizadas a título de comparação e para a delimitação dos elementos da fotointerpretação,
no entanto a utilizada para as etapas do Processamento Digital de Imagens (PDI)
foi a do período de maior umidade, registrada no dia 05/12/2017.
Para esse trabalho, foi adotada também uma metodologia apoiada em duas
etapas para levantamento e sistematização de dados de campo, e uma final para a
validação dos produtos cartográficos. Na Primeira etapa realizou-se uma revisão
bibliográfica sobre território usado, uso e cobertura do solo, geoprocessamento
com ênfase em sensoriamento remoto - SR, sobretudo nos classificadores
supervisionados e não supervisionados e os sistemas de informações geográficas –
SIG’s. Aliado a isso, ocorreu o levantamento de dados
secundários efetuado em órgãos como IBGE (2017), EMBRAPA (2008), IMA-AL,
EMBRAPA (2013). No decorrer desse estudo foram realizadas duas etapas de pontos
de controle para dar suporte às validações na atividade de campo, o que
facilitou na etapa do processamento digital da imagem em virtude do reconhecimento
das feições dos geoambientes na área do recorte de estudo.
Vale destacar que, segundo Freitas e Guedes (2018), o trabalho de campo permite
tanto analisar in loco como se dá determinado processo, como possibilita
a comprovação e validação dos dados e informações que foram construídas ou
coletadas, tornando-se uma etapa imprescindível.
Na segunda etapa foi realizado o Processamento Digital de Imagem (PDI),
utilizando técnicas de sensoriamento remoto e os sistemas de informações geográficas,
com suporte dos programas computacionais Envi
5.3 e ArcGIS 10.5. No pré-processamento foi
escolhida uma imagem no banco de dados disponibilizado pela United States Geological Survey (USGS) com pouca cobertura de nuvens e no
período de saturação das águas do açude, correspondendo a estação úmida. A plataforma
LANDSAT 8 foi a utilizada em virtude de seu recorrente uso entre pesquisadores
e do livre acesso e aquisição às suas imagens (QUEIROZ et al., 2017). A cena
selecionada diz respeito ao imageamento do dia 05/12/2017, que tem como órbita 215
e o ponto da cena é 067 com projeção UTM, tendo como ponto de referência o Datum WGS 1984.
A partir disso, com o uso do Envi 5.3, foi realizado
o recorte da cena, de acordo com o shape de delimitação municipal do IBGE
(2017) e a delineação de uma camada máscara retangular, desenhando a área total
dessa pesquisa. Apoiado na centralidade da presença do açude DNOCS na área do
recorte, foi considerado também que as áreas do entorno apresentam presenças de
manchas significativas no contexto espacial de vegetação e determinadas formas
de relevo, desde o Norte ao Sul do açude. Para associação de dados dessas unidades
foi usada a carta topográfica folha de Arapiraca (SC.24-X-D-V) e Pão de Açúcar
(Sc.24-X-D-IV).
Posteriormente ao recorte foi realizada a seleção de bandas, levando em
conta os canais 1, 2, 3, 4, 5, 6 e 7 do LANDSAT 8 por possuírem a mesma
resolução espacial de 30 metros. Nessa fase foi efetuada uma triagem das bandas
e o recorte da banda para a geração da composição colorida. As composições
testadas foram elaboradas utilizando as bandas 5 (0,845 – 0,885 µm (R)), 4 (0,630
– 0,680 µm (G)) e 3 (0,525 – 0,600 µm (B)) que apresentaram as melhores geoinformações e resultados quando combinadas, denotando os
alvos na imagem analisada. Sendo aplicado sobre esta um filtro de realce linear
de 2%, melhorando o aspecto da imagem para corrigir alguns ruídos.
Após esse procedimento, partiu-se para a fotointerpretação dos objetos
espaciais, com base em Florenzano (2011), onde foram observadas características
das formas espaciais como padrão, textura, tamanho, localização, forma e
cor/tonalidade. De acordo com Florenzano (2011), interpretar imagens é uma
técnica que consiste em, além de identificar objetos e padrões, imprimir um sentido,
um significado às materialidades espaciais. Para isto, um aspecto importantíssimo
sobre a fotointerpretação está diretamente relacionado à qualidade da resolução
da imagem estudada, dado que, quanto melhor a qualidade da imagem mais fluído
se dará o processo de interpretação e obtenção de informações. Vale salientar que
o Google Earth auxiliou na identificação de alguns alvos que a imagem de
30 metros não possibilitava identificar. Para geração das classes do mapeamento
de uso e cobertura foi considerado a metodologia do IBGE (2013), fazendo as
devidas adequações para a realidade analisada.
No processamento testou-se a interpolação por meio de algoritmos não
supervisionados: Kmeans e Isodata.
O classificador Kmeans usa um procedimento pixel
a pixel agregando informações de pixels vizinhos semelhantes para
a delimitação da classe (GONÇALVES et al., 2008). No caso do Isodata, o que ocorre é um agrupamento de pixels
com informações espectrais similares de acordo com as medidas de similaridade,
surgindo daí a definição das classes espectrais, conforme Richards e Jia (1999,
apud XAVIER et al., 2018). Além desses, também foram testados algoritmos
supervisionados: Distância de Mahalanobis, Máxima
Verossimilhança e Mínima Distância. Moreira et al. (2016) afirmam que para
supervisionar uma classificação é preciso definir regiões de interesse de treinamento
que recebem a denominação de ROI’s, nas quais o operador
apresenta para o programa as classes, levando em consideração homogeneidade,
que se objetiva separar entre os usos e coberturas do solo. O trabalho de Santos
et al. (2018) aplicou o algoritmo de Máxima Verossimilhança para delimitar o uso
do solo no córrego do Veado em Presidente Prudente, São Paulo, apresentado boa acuraria
dos dados. No presente trabalho, em parâmetros de precisão e separabilidade, o
produto que revelou os melhores resultados foi o correspondente à classificação
da Distância de Mahalanobis, que interpolou os
dados derivando 8 classes correspondendo as orientações do manual de uso e cobertura
da terra do IBGE (2013). Esse algoritmo é baseado na equação 1 abaixo:
(1)
Em que: Dm (x, y) é a distância dois vetores de cores
(x e y) e A-1 se trata da matriz de covariância inversa calculada partindo de
uma distribuição multivariada de entrada (VALE et al., 2018).
Por conta da intensidade do parcelamento das unidades rurais e da
limitação da imagem com resolução espacial de 30 metros, necessário fez-se
aplicar no produto um procedimento de pós-classificações onde foi utilizado um
filtro Majority Minority
Analysis para amenização dos pixels com resposta
espectral confusa. Em seguida, os produtos em classes de formato raster foram vetorizados no ambiente SIG, permitindo
melhor homogeneização dos fenômenos. Após isso, foi construído o um mapa de uso
e cobertura do solo usando os softwares ArcGIS
10.5 e QGIS 2.18.
RESULTADOS E
DISCUSSÃO
Analisando tais aspectos no padrão da resposta espectral da imagem da
área de estudo, e fazendo uso do arcabouço metodológico de classificação do
IBGE, os objetos espaciais foram inseridos em oito classes e reconhecidos na
imagem através da fotointerpretação. Na classe das Savanas Estépicas
Arborizadas observou-se tons de vermelho, alternando entre tonalidades mais
claras a mais escuras, uma textura rugosa e forma irregular, estando localizada
em parcelas mais altas do terreno.
A classe das Savanas Estépicas Secundárias apresentou tons de bege e
verde acinzentado, além de algumas manchas em vermelho, textura pouco rugosa e
forma irregular, sua ocorrência se deu em parcelas espalhadas ao longo da área
do recorte. A vegetação Estepe Estacional expressou tonalidade de verde escuro
com pouca alternância do verde, textura pouco rugosa e forma irregular, ocorreu
em grande parte do recorte. A classe da Lavoura Permanente respondeu em tons de
verde e verde/azul piscina com uma textura rugosa e forma irregular tendo
acontecido em poucos trechos da área.
A classe das Lavouras Temporárias ou Pastagem apresentou seus objetos em
tons de salmão, textura lisa e forma regular, e se deu de maneira distribuída
em trechos do recorte. Os objetos da classe Solo Exposto apresentaram cor
branca, textura lisa e forma irregular, tendo acontecido em poucas localidades
na área. A unidade das Áreas Urbanas respondeu em uma tonalidade variando entre
o verde e o ciano com uma textura lisa e forma regular, expressando pouquíssimas
ocorrências dentro do recorte. Por último, a classe dos corpos d’água expressou
uma tonalidade em preto com uma textura lisa e forma irregular/curvilínea,
apresentou uma ocorrência expressiva na área.
A partir da composição de bandas partiu-se para a classificação não
supervisionada de imagens realizada por meio dos algoritmos Kmeans
e Isodata. O algoritmo Kmeans
faz um cálculo a partir da mínima distância entre os dados dos pixels,
já o Isodata opera embasado no cálculo “mínimo
de pixels”, agregando a cada classe um número de pixels
específico (CAMPOS et al., 2016). Esses algoritmos, uma vez sendo não
supervisionados, impossibilitam que o operador determine o tipo de classes,
podendo gerar partições distintas quando são efetuadas diversas simulações num
mesmo conjunto de dados (GONÇALVES et al., 2008). Em virtude disso, o critério das
classes é meramente resultado de interpolações numéricas derivadas da dinâmica de
eletromagnética dos alvos, ou seja, o usuário não interage na determinação da separação
por tipologia dos alvos e por isso deve proceder com a interpretação dos resultados.
Mesmo esses dois classificadores tendo seus algoritmos alimentados por
diretrizes diferentes, os resultados gerados foram equivalentes, conforme caracterizam
as figuras 2a e 2b abaixo. Em ambas classificações foram solicitadas 7 classes,
escolhidas na etapa de fotointerpretação da imagem, porém os algoritmos repartem
os dados em cores sem interação com o usuário determinado a espacialidade das classes.
Figura 2: Comparativo entre as Classificações não supervisionadas Kmeans (A) e Isodata
(B) do entorno do território pesqueiro do açude de Jaramataia.
Conforme a tabela 1 demonstra, todas as classes
apresentam confusão entre si, ou confusão de unidades, o que comprova que esses
algoritmos não foram satisfatórios na interação dos dados presentes na imagem,
requerendo-se deste modo o uso de algoritmos supervisionados, que permitem, com
o uso de coleta de amostras chamadas “ROIs”, que o
operador delimita por critério de homogeneidade as classes que serão geradas.
A partir do conhecimento de campo e fotointerpretação da imagem foram determinadas
as áreas de ROIs para a classificação supervisionada
da imagem, com maior precisão e controle sobre as classes. A classificação
Máxima Verossimilhança revelou fragilidade na separação das classes referentes
a área urbana, curso d’água e vegetação, juntando por exemplo os cursos d’água
às áreas urbanas, visto que os leitos dos rios possuem mesmo material litológico
que é usado no calçamento da área urbana. A classificação Mínima Distância apresentou
conflito entre a área urbana com as pastagens, além de não separar com exatidão
as redes de drenagens e estradas pavimentadas.
|
Tabela
1: Classes geradas pelas classificações por algoritmos
não supervisionados Isodata e Kmeans do entorno do território pesqueiro do açude
de Jaramataia. |
||||
|
CLASSE |
COR |
% |
ANÁLISE |
QUALIDADE DA CLASSIFICAÇÃO |
|
1 |
Vermelho |
14,7 |
Classificou os corpos d’água, cursos de rios,
vegetação densa e de grande porte |
Apresenta confusão entre várias classes
unidades |
|
2 |
Verde |
12,8 |
Classificou vegetação de porte intermediário |
Classe mais homogênea |
|
3 |
Azul |
16,4 |
Vegetação de médio porte espaçado |
Apresenta confusão com a classe Savanas Estépicas
Secundárias |
|
4 |
Amarelo |
14,7 |
Classificou vegetação de pequeno porte
espaçado |
Apresenta confusão com a classe Estepe
Estacional Arborizada |
|
5 |
Ciano |
12,1 |
Classificou área de contato com vegetação de
pequeno porte |
Apresenta confusão com a classe Savanas
Estépicas Secundárias |
|
6 |
Magenta |
10,4 |
Classificou área de contato com vegetação de
médio porte |
Apresenta confusão com a classe Estepe Estacional
Arborizada |
|
7 |
Vinho |
18,7 |
Classificou solo exposto com vegetação rala,
áreas de pasto, área construída e vegetação ciliar |
Apresenta confusão
de unidades |
Nesse contexto, dentre os classificadores testados, o que obteve os
melhores resultados foi o que utiliza o algoritmo Distância de Mahalanobis, que é ponderado pelo número do desvio
padrão, sendo susceptível à dispersão da distribuição dos valores usados para o
treinamento (MOREIRA et al., 2016).
Ilustrada na figura 3 abaixo, a classificação Distância de Mahalanobis conseguiu obter um significativo grau de
separabilidade, apresentando uma pequena conflito entre
a classe área urbana com o curso do rio Traipu, isso é explicado porque os
sedimentos e afloramentos possuem a mesma composição química dos materiais
usados para a construção do calçamento da cidade apresentando mesma reflectância.
Ademais, constatou-se que a classificação apresentou ruídos, necessitando assim
de uma etapa de pós-classificação para removê-los.
Em razão dos ruídos, necessitou-se de uma etapa de pós-processamento,
que ocorreu com a aplicação de um filtro Majority
Minority Analysis. Este
é um processo com janelas de 3x3, que efetua uma filtragem que recalcula a moda,
segundo os seus vizinhos, removendo os pixels mais isolados (PASSO et al.,
2013) gerando homogeneizações mais coerentes, ver tabela 2 e figura 4.
Conforme a figura 3 foram geradas oito classes com a classificação Distância
de Mahalanobis. A primeira delas “Área Urbana”
corresponde aos conjuntos populacionais espacialmente espalhados no recorte da
área de pesquisa, sendo localizadas tanto na zona rural, como a Comunidade de
São Pedro e o Campo Alegre (Bacural), quanto na urbana,
como a cidade de Jaramataia. Conforme a tabela 2 e a figura
4 essa classe corresponde a 4,366 km², isto é 2% de todo poligonal, o que demonstra
que o grau de urbanização é incipiente na área, com pequenas manchas urbanas.
Figura 3:
Classificação supervisionada Distância de Mahalanobis
do entorno do território pesqueiro do açude de Jaramataia.
|
Tabela
2: Representatividade dos usos do solo entorno do
território pesqueiro do açude de Jaramataia,
Alagoas |
|||
|
CLASSES |
AREA (M²) |
AREA (KM²) |
% |
|
Área Urbana |
4.366 |
4,366 |
2% |
|
Corpos D'Água com Destaque à Pesca Artesanal |
2.650 |
2,65 |
1% |
|
Estepe Estacional Arborizada |
89.892 |
89,892 |
37% |
|
Lavoura Permanente |
53.820 |
53,82 |
22% |
|
Lavoura Temporária ou Pastagem |
13.778 |
13,778 |
6% |
|
Savanas Estépicas Arborizadas |
15.645 |
15,645 |
6% |
|
Savanas Estépicas Secundárias |
57.989 |
57,989 |
24% |
|
Solo Exposto |
4.564 |
4,564 |
2% |
|
TOTAL |
242.704 |
242,704 |
100% |
A classe “Corpos d’água”, em ambiente terrestre, tem como
destaque maior corpo hídrico que se destinam à atividade pesqueira continental
artesanal do estado de Alagoas, podendo ser percebido na porção central da área
de estudo. O açude DNOCS possui 340 hectares e uma capacidade de 19.000 m³ e é
nele que se concentram atividades ligadas à pesca artesanal. Além disso, foram mapeados
cursos de rios intermitentes que constituem a sub bacia do Traipu correspondendo
a cerca de 2,65 km², ou seja 1% da poligonal estudada.
A classe “Estepe Estacional Arborizada”
não está descrita na metodologia do IBGE (2013), correspondendo a uma adaptação
para as demandas da realidade dessa pesquisa e ocupa 89,892 km, perfazendo 37% do
recorte, conforme a tabela 2. Essa vegetação apresenta um porte menor, mais
arbustivo e um espaçamento considerável, além de ocorrência de gramíneas,
cactáceas e bromeliáceas, como as tradicionais zonas de transição, sobretudo entre
o Agreste e o Sertão do Nordeste do Brasil. A classificação dessa unidade ora
aparece conflitar com a Savana Estépica Secundária em função do porte e
espaçamento de suas espécies e com as Lavouras Permanentes pela similaridade de
concentração de biomassa. (ver figura 4).
A classe “Savanas Estépicas Arborizadas”
agrega a ocorrência da vegetação de um porte maior, mais densa e com biomassa
concentrada em função da altimetria acentuada dispersa pela Serra de Santa Cruz.
De acordo com a tabela 2 sua área total corresponde a 15,645 km², isto é 6% do
polígono de estudo. Situada de maneira
concentrada na porção centro Sul do recorte, bordejada por dois cursos d’água
que concentra umidade como os rios Ipanema e Traipu, a vegetação de Savana
Estépica Arborizada se mantém menos impactada em virtude das acentuadas irregularidades
geomorfológicas do terreno, dado que a mesma se situa nas cotas altimétricas mais
elevadas do recorte, variando entre 226 à 645 metros de altitude.
