Mapeamento de uso das terras utilizando processamento digital de imagem de sensoriamento remoto.

O uso dos métodos tradicionais de levantamento do uso das terras, em razão do custo elevado dos instrumentos e a dificuldade de disponibilizar as informações de maneira rápida aos tomadores de decisão, torna proibitivo seu emprego de forma sistemática e repetitiva sobre grandes extensões de território. Desta forma, existe a necessidade de se utilizar métodos que possibilitem o levantamento do uso das terras de maneira eficiente, rápida e que tenham relativamente baixo custo. Neste contexto, a forma mais eficiente e rápida para caracterizar o uso atual das terras é por meio dos recursos instrumentais oferecidos pelo sensoriamento remoto (SR), com auxílio dos Sistemas de Informações Geográficas (SIGs) e dos Sistema de Posicionamento Global (GPSs). O processo de levantamento e caracterização do uso das terras, nesse caso, pode ser grandemente facilitado pela utilização de imagens de satélites e outros recursos de sensoriamento remoto, que podem gerar dados passíveis de serem geocodificados, ou seja, integrados, relacionados e espacializados nos SIGs. Esses, em conjunto com os GPSs, são considerados, atualmente, como a maneira mais eficiente de levantamento e identificação do uso das terras. Desta forma, o trabalho teve como objetivo o mapeamento de uso das terras utilizando o processamento digital de imagem de sensoriamento remoto, utilizando-se a interpretação visual, a classificação digital supervisionada, e a classificação híbrida (classificação digital + interpretação visual), utilizando-se imagem TM do satélite LANDSAT 7.

Evolução da produtividade agrícola em floresta tropical úmida, entre 1986 e 1999: o caso de Machadinho d´Oeste-RO.

Este trabalho analisa a evolução da produtividade agrícola em relação à tipologia dos solos de cerca de 455 produtores rurais, que vêm sendo acompanhados anualmente por imagens de satélites a cada três anos, através da aplicação de questionários com informações agroambientais e socioeconômicas em campo, desde 1986, na floresta tropical úmida em Machadinho d´Oeste, Rondônia. Em 1999, dando continuidade ao trabalho de monitoramento da pequena agricultura nesta região, um novo levantamento foi realizado, sobre os sistemas de produção agrícolas praticados, aliado ao levantamento e tratamento dos solos agrícolas das propriedades pesquisadas quanto às características químicas, físicas e morfológicas dos mesmos.

Caracterização dos padrões espaciais e temporais das queimadas na Amazônia Legal.

O trabalho divulga os resultados de uma pesquisa em andamento no Centro, sobre as queimadas. Esta pesquisa originou-se após as queimadas e incêndios ocorridas em Rorais e que alertaram a opinião pública nacional e internacional sobre esse grave fenômeno. A Embrapa-NMA teve participação de destaque, auxiliando o combate ao fogo, através da instalação, em Boa Vista, de um sistema de aquisição, tratamento e distribuição de imagens dos satélites NOAA. Esse sistema permitia a detecção e a identificação dos focos de fogo em todo o Estado, orientando as equipes de controle e combate. Recuperando e valorizando os dados obtidos em oito ano de monitoramento orbital - quanto a ocorrência, localização, dinâmica espacial e temporal das queimadas em todo o território nacional, a unidade identificou, através de técnicas de geoestatística, os padrões espaciais e temporais relevantes do fenômeno em toda a região da Amazônia Legal.

Método de extração de informações para monitoramento da ocupação das terras por grandes obras de infraestruturas a partir de imagens de satélite de alta resolução.

A tecnologia de sensoriamento remoto é uma das mais importantes fontes de informação para subsídios na identificação e no monitoramento de mudanças na cobertura da Terra. Objeto dessa tecnologia, a classificação supervisionada, por meio do algoritmo da máxima verossimilhança, tem sido um dos métodos mais utilizados para a extração de informações, principalmente em imagens de média resolução espacial. Utilizando parâmetros estatísticos, esse algoritmo pressupõe a ponderação das distâncias entre as médias dos níveis digitais das classes. Este trabalho objetivou a aplicação desse algoritmo em imagem de satélite de alta resolução. Para isso, foi necessário minimizar a intensidade de informações disponibilizadas por esses sensores, alterando a resolução espacial para 4 m e a radiométrica para 8 bit e, ainda, fazer uma filtragem pós-processamento. O presente trabalho, parte integrante de um projeto de monitoramento orbital de grandes obras de engenharia em infraestrutura, avaliou um método para a extração de informações para o monitoramento dessas obras, inseridas em meio rural ou urbano. A finalidade desse procedimento é subsidiar a análise da dinâmica de desenvolvimento dessas obras em relação a situações precedentes, assim como a possíveis intervenções no seu entorno. O projeto de monitoramento dessas obras utiliza imagens de satélites de vários sensores de alta resolução espacial, captadas em diferentes datas. No entanto, a aplicação do método apresentado neste trabalho exemplifica a utilização de imagem do satélite Ikonos 2 em uma única data. Para a imagem Ikonos 2, foi obtido um índice Kappa geral de 0,84 e apenas a classe caracterizada como Pastagem apresentou concordância relativamente mais baixa (0,71) em comparação a outras classes, mas ainda assim considerada uma boa classificação. Diante disso, a padronização proposta com a finalidade de minimizar as informações em imagens de alta resolução juntamente com o algoritmo da máxima verossimilhança e a posterior filtragem mostraram-se eficientes como suporte para a avaliação da ocupação das terras tomadas pelas obras (área de influência direta) e do seu entorno.

Resultados de pesquisa da Embrapa Soja - 2000: ecofisiologia e biologia molecular.

Maximização do aproveitamento das disponibilidades climáticas pela soja; Bases agronômicas e fisiológicas das respostas da soja à disponibilidade hídrica (04.2000.331-01); Bases agronômicas e fisiológicas das respostas da soja às condições térmicas e fotoperiódicas (04.2000.331-02); Identificação, clonagem e sequenciamento de genes diferencialmente expressos em resposta às variações climáticas em soja (04.2000.331-03); Manejo dos recursos disponíveis do ambiente para produção de soja (04.2000.331-04); Estratégias para amenizar impactos decorrentes das adversidades climáticas (04.2000.331-05); Modelos de simulação do desenvolvimento da cultura da soja em resposta às variáveis do ambiente (04.2000.331-06); Genética aplicada ao melhoramento da soja; Identificação de marcadores moleculares ligados a genes de resistência a doenças (04.2000.322-01); Variabilidade genética de patógenos de soja (04.2000.322-02); Caracterização do germoplasma ativo de soja com marcadores moleculares tipo AFLP e micros-satélites (04.2000.322-03); Genética quantitativa aplicada ao melhoramento da soja: diversidade genética e resistência a doenças (04.2000.322-04); Desenvolvimento de soja transgênica com genes de interesse ao melhoramento (04.2000.322-05); Zoneamento agroclimático das principais culturas de grãos do Brasil; Caracterização da aptidão climática de regiões para o cultivo de soja no Brasil (01.2000.051-03).

Fusão espectral de imagens de satélite no espaço de cores.

Espaço de cores RGB (red, green, blue). Espaço de cores IHS (intensity, hue, saturation). Espaço de cores LHS (lightness, hue, saturation). Métodos de interpolação. Estudo de caso.

NAVPRO 3.0: tutorial de instalação e utilização.

Este documento apresenta os procedimentos para instalação e utilização do sistema NAVPRO 3.0, desenvolvido para o processamento automático e geração de produtos de imagens do sensor Advanced Very High Resolution Radiometer (AVHRR) a bordo dos satélites da National Oceanic Atmospheric Administration (NOAA). O sistema NAVPRO foi criado pela Embrapa Informática Agropecuária em parceria com a Universidade Estadual de Campinas (Unicamp), que contou com o repasse do pacote computacional NAV (NAVigation), desenvolvido pelo Colorado Center for Astrodynamics Research (CCAR), da Universidade do Colorado, Boulder, EUA. O diferencial do sistema é seu método de georreferenciamento automático e preciso, capaz de gerar imagens com deslocamentos máximos de 1 pixel, valor aceito em aplicações envolvendo dados de baixa resolução espacial.

NAVPRO: um sistema para processamento e geração de produtos de imagens AVHRR-NOAA.

Nos últimos anos, as imagens de sensores remotos orbitais têm sido uma fonte importante de informação para estudos geográficos, agrometeorológicos e ambientais em nível regional, por oferecerem a necessária repetitividade temporal da superfície terrestre. Um sensor particularmente importante é o Advanced Very High Resolution Radiometer (AVHRR), a bordo da série de satélites da National Oceanic and Atmospheric Administration (NOAA).

NAVLivre 1.0: Procedimentos de instalação e utilização.

Este documento apresenta os procedimentos para instalação e utilização do sistema NAVLivre 1.0, um software de código livre desenvolvido para o processamento automático de imagens do sensor Advanced Very High Resolution Radiometer (AVHRR) a bordo dos satélites da National Oceanic Atmospheric Administration (NOAA). O NAVLivre é uma derivação do sistema NAVPRO, criado pela Embrapa Informática Agropecuária em parceria com a Universidade Estadual de Campinas (Unicamp), que contou com o repasse do pacote computacional NAV (NAVigation), desenvolvido pelo Colorado Center for Astrodynamics Research (CCAR), da Universidade do Colorado, Boulder, EUA. O diferencial do NAVLivre é a ausência dos módulos desenvolvidos em Interactive Data Language (IDL), presentes no NAVPRO, e dependentes de softwares proprietários. O NAVLivre é um pacote totalmente livre, que realiza de forma automática as principais etapas do processamento das imagens NOAA, como a correção radiométrica, o georreferenciamento preciso e a geração da imagem final em formato GeoTIFF, compatível com os principais pacotes de processamento de imagens. O NAVLivre é executado em plataforma Linux e foi implementado em script c-shell e linguagem C. Seu uso é indicado aos usuários avançados de imagens NOAA, que demandam o processamento em lote de grandes volumes de dados. As rotinas e scripts aqui descritos são de domínio público, podendo ser alterados conforme necessidade do usuário.