Um dos temas mais recorrentes para mapeamento na área de geotecnologias é o uso e cobertura da terra, também chamado por alguns de uso e cobertura do solo ou uso e ocupação do solo.
Nesse artigo vamos entender o que é uso e cobertura, quais são os sistemas de classificação e como mapear esse tema.
O que é uso e cobertura?
Esse termo é composto por duas palavras importantes, “cobertura” e “uso”, vamos entender cada uma delas.
A cobertura se refere a toda “cobertura biológica e física observada na superfície da terra”, por exemplo, uma vegetação, um rio ou uma rocha.
As edificações, como construções humanas, também são consideradas cobertura da terra. A cobertura da terra, portanto, é um elemento natural ou construído que é estático na paisagem.
Já o uso se refere “aos arranjos, atividades e insumos que as pessoas empreendem em um certo tipo de cobertura da terra para produzir, alterar ou manter essa cobertura”.
São exemplos de uso: a agricultura, a pecuária e até mesmo uma área protegida. O uso da terra envolve as atividades humanas sobre uma cobertura.
Sistemas de classificação de uso e cobertura
Classificar, segundo o Aurélio, é “reunir em classes e nos grupos respectivos, segundo um sistema ou método”.
São exemplos de classificações: a coleta seletiva, com separação dos resíduos em papel, plástico, metal e vidro; e os biomas, grandes ecossistemas com características semelhantes, que no Brasil são divididos em seis (Amazônia, Caatinga, Cerrado, Mata Atlântica, Pampa e Pantanal).
Os sistemas de classificação podem ser divididos em dois grupos: hierárquico x não hierárquico e a priori x a posteriori.
O sistema hierárquico é composto por diferentes níveis, com classes estruturadas em nível geral e com subdivisão sistemática em subclasses de maior detalhe.
No sistema não hierárquico não existe subdivisão, apenas um nível. Geralmente um profissional que elabora um mapa de uso e cobertura para um cliente em específico, utiliza esse sistema não hierárquico.
Além dos sistemas da FAO e do IBGE, um outro exemplo de sistema de classificação hierárquico é a plataforma do Projeto Mapbiomas. Nela, você consegue visualizar os grandes níveis de uso e cobertura da terra no Brasil e seus subníveis.
Veja na figura que a grande classe Agropecuária é composta pelas subclasses Pastagem, Agricultura, Silvicultura e Mosaico de Usos. Você pode visualizar na plataforma essas subclasses individualmente ou a classe maior.
Sistemas de classificação a Priori e a Posteriori
No sistema de classificação a priori, as classes são definidas antes de realizar qualquer coleta de dados, “são conceituações abstratas dos tipos que ocorrem na realidade”.
Por sua vez, o sistema de classificação a posteriori as classes são definidas “após o agrupamento das amostras e observações coletadas em campo”.
Veja no quadro abaixo as vantagens, desvantagens e exemplos do sistema de classificação a priori e a posteriori:
| Classificação | Vantagens | Desvantagens | Exemplos |
| A priori | As classes são padronizadas independentemente da área | É um método rígido | Taxonomia de plantas Ciência do solo |
| A posteriori | Possui flexibilidade e adaptabilidade | É adaptado a uma realidade específica, não é padronizado | Pesquisas exploratórias |
Como mapear o uso e cobertura?
Existem duas formas de mapear classes de uso e cobertura: por interpretação visual de imagens e por classificação digital de imagens.
Em ambas situações, as geotecnologias, especialmente o Sensoriamento Remoto e os Sistemas de Informação Geográfica, são fundamentais nesse processo, pois permitem a coleta e processamento do dado, além da geração da informação espacial.
Classificação por interpretação visual
A interpretação visual de imagens consiste em identificar e delimitar os diferentes objetos na imagem por meio de elementos de interpretação visual como cor, textura, forma e tamanho.
Na prática é utilizada a vetorização que, nesse contexto de mapeamento de uso e cobertura da terra, é o processo de desenhar polígonos, linhas e pontos com auxílio de softwares de SIG, a partir de uma base de referência, como uma imagem de satélite ou fotografia aérea.
Esse processo de interpretação visual é mais demorado que a classificação automatizada, mas produz resultados mais acurados, principalmente quando o fotointérprete conhece bem a área.
O projeto PRODES do INPE, que monitora o desmatamento na Amazônia Legal, utiliza esse processo de interpretação visual. Você pode consultar e baixar os dados de desmatamento para diferentes biomas brasileiros aqui.
Na imagem abaixo é mostrado um exemplo desse processo de vetorização, com a imagem de satélite de referência (esquerda) e o resultado da vetorização com polígonos distinguindo os diferentes tipos de uso e cobertura da terra (direita):
Classificação digital de imagens
A classificação digital de imagens é o “processo de extração de informações das imagens para gerar um mapa de pixels classificados de forma automatizada”, cada pixel ou conjunto de pixels é associado a um tipo de classe que representa o elemento que se quer mapear.
Os métodos de classificação de imagens dividem-se em dois grupos: classificação supervisionada x classificação não-supervisionada e classificação pixel a pixel x classificação por regiões.
Classificação supervisionada x Classificação não-supervisionada
Na classificação supervisionada, as classes são definidas a priori pelo usuário, ele deve fornecer amostras (chamadas de áreas de treinamento) das classes espectralmente representativas e o algoritmo classifica o restante da imagem com base nessas amostras.
Na classificação não-supervisionada, as classes são definidas a posteriori. O analista tem pouco controle sobre o processo, pois o algoritmo decide, com base em regras estatísticas, quais as classes serão separadas e quais os pixels ou segmentos pertencem a cada uma delas.
Classificação pixel a pixel x classificação por regiões
Na classificação pixel a pixel, é utilizada apenas a informação espectral de cada pixel para encontrar regiões homogêneas, a partir de medidas de distâncias ou de probabilidade de um pixel pertencer a uma classe específica.
Como exemplo citamos a classificação supervisionada pelo método Máxima-Verossimilhança.
Na classificação por regiões, o processo de decisão leva em consideração um agrupamento de pixels que é usado como unidade de classificação. Portanto, se tenta simular o comportamento de um fotointérprete, reconhecendo áreas homogêneas de imagens, baseados nas suas propriedades espectrais e espaciais. Um exemplo é a classificação orientada a objetos.
No SIG QGIS você encontra algumas ferramentas para realizar uma classificação digital de imagens, como o Semi-Automatic Classification plugin (SCP), o plugin Dzetsaka e o Orfeo ToolBox.
Chegamos ao final desse conteúdo. Você pode deixar suas impressões e dúvidas nos comentários abaixo que responderemos brevemente.
Referências
BIE; LEEUWEN; ZUIDEMA, 1996. A Knowledge-Based Software Program for Structured Storage and Retrieval of User-Defined Land Use Data Sets. Link: http://ces.iisc.ernet.in/energy/HC270799/LM/SUSLUP/Luse/Manual/chap2.pdf
FAO – Food and Agriculture Organization of the United Nations. 2016. “Land Cover Classification System”. Link: http://www.fao.org/docrep/003/x0596e/x0596e00.htm
FLORENZANO, T. G. “Iniciação em Sensoriamento Remoto”. 3ª ed. São Paulo: Oficina de Textos, 2011
INPE. Classificação de Imagens. http://www.dpi.inpe.br/spring/portugues/tutorial/classific.html
INPE. Nota Técnica – Correção da máscara do PRODES. Link: http://www.obt.inpe.br/OBT/assuntos/programas/amazonia/prodes/pdfs/nt_deslocamentomascara.pdf
MENESES, P. R.; ALMEIDA, T. Introdução ao processamento de imagens de Sensoriamento Remoto. Brasília: UnB, 2012.p. 191-208.
Doutoranda em Ciência do Sistema Terrestre pelo INPE. Bacharel e Mestre em Geografia pela UFRN.
Ola gostaria da ajuda de vocês estou tentando fazer uma analise temporal de um determinado territorio da fçoresta amazonica usando o NDVI, o problema é que na hora de fazer o procedimento para calcular o valor da area em ha sempre fa erro, ja não sei mais onde estou errando, não tenho nenhum professor que entenda de NDVI e minha base de geoprocessamento não foi muito boa.
Olá Maria,
Para calcular a área primeiro você tem que reclassificar o NDVI para mudar de valor decimal para inteiro (https://youtu.be/yr_TcAWP8WI), depois você calcula a área utilizando o r.report por exemplo (https://youtu.be/JaTpUivPtQ8).