Trajetórias tecnológicas e sistemas agrários: qualificação territorial utilizando geoprocessamento em Paragominas e Santarém/PA

A Amazônia tem sido observada principalmente por meio do fenômeno do desmatamento, utilizando recursos tradicionais do sensoriamento remoto como a quantificação de área desflorestada e seu posterior incremento anual, que parece se constituir em uma metodologia eficaz. Ratificando este raciocínio, constatei num levantamento de 16.591 multas aplicadas pelo IBAMA/PA no período de 2000 até 2008, que mais de 85,0% das autuações estavam relacionadas apenas à componente flora;e na jurisdição da Gerência do IBAMA em Santarém, oeste do Pará, em 2008, quase 60% das multas se deu por conta de desflorestamento, identificados via sensoriamento remoto. Ressalta-se que as análises de imagens de satélites por si só não definem elementos da superfície terrestre, contribuindo pouco para o entendimento e posterior intervenção da realidade. Nesse contexto, foram investigados e vetorizados 479 estabelecimentos rurais nas regiões de Paragominas e Santarém, estado do Pará, que possuem históricos de uso e ocupação distintos, qualificando-os segundo suas trajetórias tecnológicas prevalentes, na perspectiva apresentada por Costa, concretizando um importante passo para correção das distorções no desenvolvimento econômico, agregando informação ao dado de sensoriamento remoto. Aplicaram-se recursos geotecnológicos de métricas de paisagem, construíram-se banco de dados celular integrado com estatísticas e algoritmos de otimização probabilística, associando dados de classificação não supervisionada isodata (validadas com kappa= 0,87, classificação considerada“excelente”) com os tipos de produção coletados em campo, gerando uma classificação final "integrada"(kappa= 0,78, classificação “muito boa”). Na região de Paragominas, foram qualificadas 3 tipos de trajetórias tecnológicas, a camponesa T8 (domínio de culturas temporárias), a camponesa T3 e patronal T4 (especializadas em pecuária de corte). Em Santarém, revelaram-se 2 trajetórias, a camponesa T2 (forte presença de culturas permanentes, temporárias e sistemas agro florestais) e a patronal T7 (mutação da T4, aumentando a participação das culturas temporárias). A metodologia aplicada logrou êxito, espacializando as propriedades rurais segundo seus tipos de trajetórias tecnológicas e gerando classes de uso mais representativas, como cultura temporária e pastagem, mas que na classificação via sensoriamento remoto isodata é englobada pela classe “agropecuária”, possibilitando uma visão mais realista das atividades de produção desenvolvidas na área investigada, concretizando a geração de informações espaciais integrando dados de diferentes fontes e o aumento do poder de leitura do pixel.

Um método para classificação de imagens de satélite usando Transformada Cosseno Discreta com detecção e remoção de nuvens e sombras

Apresenta-se nesta dissertação a proposta de um algoritmo supervisionado de classificação de imagens de sensoreamento remoto, composto de três etapas: remoção ou suavização de nuvens, segmentação e classificação.O método de remoção de nuvens usa filtragem homomórfica para tratar as obstruções causadas pela presença de nuvens suaves e o método Inpainting para remover ou suavizar a preseça de sombras e nuvens densas. Para as etapas de segmentação e classificação é proposto um método baseado na energia AC dos coeficientes da Transformada Cosseno Discreta (DCT). O modo de classificação adotado é do tipo supervisionado. Para avaliar o algioritmo foi usado um banco de 14 imagens captadas por vários sensores, das quais 12 possuem algum tipo de obstrução. Para avaliar a etapa de remoção ou suavização de nuvens e sombras são usados a razão sinal-ruído de pico (PSNR) e o coeficiente Kappa. Nessa fase, vários filtros passa-altas foram comparados para a escolha do mais eficiente. A segmentação das imagens é avaliada pelo método da coincidência entre bordas (EBC) e a classificação é avaliada pela medida da entropia relativa e do erro médio quadrático (MSE). Tão importante quanto as métricas, as imagens resultantes são apresentadas de forma a permitir a avaliação subjetiva por comparação visual. Os resultados mostram a eficiência do algoritmo proposto, principalmente quando comparado ao software Spring, distribuído pelo Instituto Nacional de Pesquisas Espaciais (INPE).