Vous êtes sur la page 1sur 89

Sensoriamento Remoto

de Florestas
Dra. Tat iana Mora Kuplich
t mk@ds r. inpe . br
Ce nt ro Re gional S ul de Pe s quis as Es paciais
CRS / I NPE

J unho 2 0 1 1
Por que e s t udar f lore s t as ?
Uma das bases dos recursos naturais do planeta, que
necessita de ações para sua proteção, manejo e
utilização sustentável

Da escala local para global

Fonte genética e de biodiversidade,


bens materiais (alimento, madeira, combustível, etc.)
serviços ambientais

Florestas são peça chave na diminuição da pobreza e fome

Boyd & Danson 2005


FLORES TAS S OB PRES S ÃO

DESMATAMENTO E DEGRADAÇÃO

Necessidade de informações (precisas) sobre


extensão, estado de conservação e dinâmica (também das
perdas)
Diferentes escalas: inventários locais e globais
(manejo ambiental – ciclos carbono, água e energia)
Mitigação mudanças climáticas

Sensoriamento remoto (SR) tem papel fundamental


SR fornece 3 tipos de informações
1. Extensão da cobertura florestal (dinâmica)
2. Tipo de formação florestal
3. Propriedades biofísicas e bioquímicas

Dados de sensor ou de
combinação de sensores
remotos

Informações diretas ou
indiretas
SR orbital se baseia em 2 tipos de dados – óticos e radar
• Desde 1972 – ERTS-1 (MSS)
• Desde 1991 – ERS-1 (SAR)

Dado ótico: quantidade de folhas, propriedades


bioquímicas

Dado SAR: biomassa e estrutura florestal


I nt e ração da REM com ve ge t ação

REM não absorvida nem


espalhada pela
atmosfera atinge a
Terra e interage com
objetos através de
Reflexão (R)
Absorção (A)
Transmissão (T)

Re f le x ão e s pe cular Re f le x ão dif us a
Re f le x ão e s pe cular, dif us a e de cant o
REM=radiação eletromagnética das microondas (us adas nos radare s )
PRINCÍPIOS DO COMPORTAMENTO
ESPECTRAL DA VEGETAÇÃO
Pigmentos, estrutura interna do mesófilo foliar e
conteúdo hídrico governam o comportamento espectral
da vegetação

Folha absorve azul (B) e vermelho (R)


– pigmentos,
Folha reflete verde (G) e infra-
vermelho (IR) – estrutura interna da
folha para IR
Bandas de absorção
da água

0.97 mm
1.19 mm
1.45 mm
1.94 mm
2.70 mm
DOSSEL x FOLHA ISOLADA
Ação das sombras, solo e morfologia do dossel.
Em linhas gerais, diminuição da reflectância no visível e
aumento no IR próximo para dosséis vegetais.
DOSSEL x FOLHA ISOLADA

I AF = 1
I AF = 2
I AF = 3
Dosséis agrícolas

Superfícies de dosséis
florestais em fotos
aéreas
Exemplo hipotético de
reflectância aditiva
de dossel de 2 folhas

Jensen 2007
Es t rut ura do Dos s e l pode ser descrita por:
- distribuição das plantas no terreno
- índice de área foliar
- densidade espacial foliar
Planófilo: reflete 20 a
- distribuição angular das folhas 30% a mais para cima
que o erectófilo

Descreve como as unidades individuais de espalhamento (folhas) estão posicionadas no


dossel => fator determinante das transferências radiativas para dentro e acima do dossel

4 t ipos de dos s é is t e óricos : (Kime s , 1 9 8 4 )


- e s f é rico (ou cônico)
- e re ct óf ilo
- planóf ilo
Erectófilo: capta a - he liot rópico
rem para dentro
Í NDI CES DE VEGETAÇÃO
Razões entre bandas espectrais que realçam a presença de vegetação ou
variáveis relacionadas (biomassa, índice de área foliar – IAF).

Exploram a relação inversa


de reflectância nas regiões
do vermelho e
infravermelho próximo:
quanto maior densidade de
vegetação, menor
reflectância no vermelho e
maior no infravermelho.
NDVI EVI
500 m 500 m

Agua
Agua 0
0

0,2 0,2

0,4 0,4

0,6 0,6

0,8 0,8

1,0 1,0
Savana (Cerrado)

EVI (250 m) NDVI (250 m)


Alguns índice s de ve ge t ação (Ponzoni e S himabukuro 2 0 0 7 )

Índice Equação Referência Variação/legenda

Razão Simples SR=ρIVP/ρV Jordan pode aumentar sem limites.


(Simple Ratio) 1969 IVP = infravermelho
próximo, V é vermelho

Índice de Vegetação NDVI=(ρIVP- Rouse et al. entre –1 e 1.


da Diferença ρV)/(ρIVP+ρV) 1973
Normalizada – NDVI

Índice de Vegetação SAVI=(ρIVP-ρV) Huete et al. L é fator de ajuste para solo.


Ajustado para Solo – /(ρIVP+ρV+L)*(1+L 1988 L varia de 0 a 1.
SAVI )

Índice de Vegetação EVI = G(IVP- Huete et al. G é fator de ganho, C1 e C2


Melhorado - EVI V)/(L+IVP + C1 V 1997 coeficientes de ajuste para
- C2 Azul) Justice et aerossóis da atmosfera
al. 1998 (G=2,5; L=1;C1=6;C2=7,5)
Desde a década de 70, imagens SAR (Synthetic Aperture Radar –
Radar de Abertura Sintética) são utilizadas para estudos
florestais (RADAMBRASIL, PRORADAM – Colômbia)

Uso de imagens SAR não disseminado como o de imagens óticas:


•por dificuldades de interpretação (registro de informação sobre a superfície de
maneira diferente do que a vemos)
•disponibilidade de diferentes tipos de produtos (imagens de amplitude, fase,
diferentes polarizações, ângulos, etc),
•programas computacionais específicos disponíveis somente nos anos 90

PRINCÍPIOS
Arquitetura ou estrutura da vegetação governa o
retroespalhamento (o que o radar mede), assim como o conteúdo
hídrico dos componentes vegetais

Retroespalhamento é função do tamanho dos componentes


vegetais e do trajeto das microondas, sempre relativo à
frequência, polarização e ângulo de incidência
A inf ormação de uma image m de radar re f e re - se ao
r e t r oe s palhame nt o , que varia e m f unção:

PARÂMETROS DO RADAR
•Compriment o de onda (b anda)
•Polariz ação do pulso
•Â ngulo de incidência

VARIÁVEIS DO ALVO
•Cont eúdo hídrico
•Rugosidade
•Geomet ria
Interação do sinal do radar com o terreno
Es palhame nt o S upe rf icial: A int e ração e ne rgia mat é ria acont e ce na s upe rf ície do obje t o
Onda
Incidente Onda
Incidente

Onda Onda
Refletida Refletida
Componentes Onda
Retroespalhadas Incidente
Superfície
Superfície Moderadamente
Lisa Rugosa

Re f le x ão Mis t a
Re f le x ão Es pe cular (Es pe cular + Dif us a)
Superfície
Rugosa

Onda Re f le x ão Dif us a
Incidente Onda
Incidente
Onda
Incidente

Re f le x ão de Cant o
( Corner Ref lect or )
Es palhame nt o Volumé t rico: A int e ração acont e ce na s upe rf ície e no int e rior
do obje t o

Onda
Incidente

I nt e ração
com a e s t rut ura

Espalhame nt o Volumé t rico


S it uação de re f le xão de cant o e m f lore s t as inundadas / áre as alagáve is

Costa e Novo (2005)


Me canismos e compone nt e s do re t roe spalhame nt o de
radar prove nie nt e de f lore st as

• S upe rf ície (supe rf icial) e int e rior (volumé t rico) do dosse l,


• dire t o do t ronco,
• dire t o do solo,
• dupla re f le xão t ronco- solo e
• re t roe spalhame nt o int e grado copa- solo.
§ O
comprime nt o
de onda ( l )
de ve s e r
comparáve l
com t amanho
das f e içõe s
que s e
de s e ja
dis criminar

§ Quant o
maior o
comprime nt o
de onda ( l )
maior s e rá a
pe ne t ração
no mat e rial
Fonte: Jensen
2007
Sombra

Encurtamento
Inversão

Direção de
Visada

Influencia do ângulo de incidencia e visada -Imagem RADARSAT


Exemplo de dados de radar para a região de Manaus (AM). Imagens coletadas pelo SAR a bordo
do Shuttle Imaging Radar (SIR-C) em 1994.
SIRC 1994 - LVVF CHVF LHVF
TM5 CHVF LHVF (SIRC 1994)
SAR para Inventário e estimativa de biomassa
florestal
•Polarização cruzada (HV ou VH) mais adequada para estimativa de
volume de madeira (biomassa também), assim como grandes
comprimentos de onda (banda L ou P)
•Limitação: saturação na relação s° /biomassa!
Banda L

Banda P

Banda C

Dobson et al., 1992


Influência da chuva nos dias que antecedem
a passagem SAR – saturação na relação
s° /biomassa

300 -6

Rainfall (mm)
250 -7

Backscatter
200 -8

(mm)
150 -9
100 -10
50 -11
0 -12
1 7 8 11243039464960
Months fromAug'92

Oneday Threedays Tendays


54Tha-1 82Tha-1 Matureforest

Dados JERS-1 SAR de 10 datas (5 anos)


FLONA do Tapajós e arredores
I mage m S I R- C
banda L – Parque
Ye llows t one , EUA
Clas s if icação de
níve is de
biomas sa, de
marron
(< 4 Ton/ ha) at é
ve rde (> 3 5
T/ ha)
S e nsor ót ico
Ope ra na re gião do ópt ico
Capt a radiância e mit ida e re f le t ida
Font e e x t e rna de iluminação
Ope ração diurna
De pe nde das condiçõe s
at mosf é ricas
Longa e x pe riê ncia
Radar
Ope ra na f aix a de microondas
Emit e e re ce be e ne rgia
S e nsor at ivo
Ope ração diurna ou not urna
I nde pe nde das condiçõe s
at mosf é ricas
Re lat iva ine x pe riê ncia
Projeto RADAMBRASIL Início 1970 até anos 80

DADOS
Imagens SAR aerotransportado, banda X (3 cm)
•Mosaicos semicontrolados imagens SAR (banda X) 1:250.000
(imagens originais em faixas de 37 km largura, com recobrimento 25%)
•Fotos aéreas pancromáticas 1:70.000
•Fotos aéreas infravermelho 1:130.000
•Cartas topográficas 1:250.000
•Inventários florísticos e volumetria em transectos de 500x20m (1 ha)
Para vegetação : definição de tipos fitofisionômicos segundo ambientes
geomorfológicos, delineando com base na drenagem, tom e textura.
Sistema do RADAM (Henrique Veloso)
• Fatores abióticos inerentes na classificação: relevo,
sazonalidade da chuva
• Grau de conservação das diferentes fitofisionomias
florestais
Classes de vegetação RADAMBRASIL – Floresta Nacional do Tapajós
Imagem RADARSAT
Kampel, S.A. (2009)
EXEMPLOS DE APLICAÇÕES
DE DADOS ÓTICOS PARA
MAPEAMENTO DE
FLORESTAS E
DESMATAMENTO
25 Fis io no mias Flo re s tais (Fo nte IBGE/PROBIO)
Bambu
maduro cidade

Mortalidade
síncrona recente
de bambu

Limite arredondado
de floresta de bambu pastagens

Bruce Nelson - IAI Bamboo Workshop June 14-17 2004


PRODES – Projeto de estimativa do
desmatamento bruto na Amazônia Legal
Objetivos
Estimar a taxa anual do desmatamento bruto
– Por estado e por imagem LANDSAT
Estimar a extensão do desmatamento bruto
– Valor acumulado, referente a uma data base
Produzir e divulgar na rede o banco de dados digital
– Imagens + interpretação

•Imagens LANDSAT TM (bandas 3, 4 e 5)


•Cobertura total - 215 imagens
•Áreas Críticas - 75 imagens (92% do desmatamento)
•Área mínima mapeada: 6,25 ha
(1mm2 em 1:250000)
http://www.obt.inpe.br/prodes/
Interpretação Visual (1988-2002)

Imagem de Satélite em papel (1:250,000) + Interpretação Visual


Auditoria, digitalização, extração das áreas, cálculos
PRODES DIGITAL (2000-presente)

• Base: imagem Landsat

• Preparação de banco de
dados
– Área útil/histórico
• Processamento digital
das imagens
• Edição
• Resultado final
• Divulgação
Proce ssame nt o digit al das image ns

-Georeferenciamento das imagens utilizando como


base imagens previamente registradas à cartas
topográficas 1:250000 (GEOCOVER hoje).
- Mosaico das imagens para checar articulação.
-Geração das imagens-fração solo e
sombra, através de aplicação do modelo linear de
mistura espectral (Shimabukuro et al. 1998)
- Segmentação das imagens-fração solo e sombra.
-Classificação e mapeamento de classes das
imagens-fração solo e sombra.
Edição matricial por interpretação visual das
imagens classificadas – imagem-fração solo com
auxilio da sombra para áreas de dúvida. Critérios
de interpretação:

(i) cor, (ii) textura, (iii) limites definidos por linhas


retas, (iv) contexto ou proximidade à áreas de solo
descoberto e/ou de cobertura florestal alterada,
(v) ser região individualizada na segmentação das
imagens-fração solo e/ou sombra
solo

sombra

5R4G3B

vegetação
fração-solo segmentada

5R4G3B

fração-solo classificada
fração-sombra segmentada

5R4G3B

fração-sombra classificada
De talhe imag e m-fraç ão s o lo
c las s ific ada (0267_25081987)

De talhe imag e m-fraç ão s o lo


c las s ific ada e mape ada
(0267_25081987)
1985
2004
TM5 TM4 TM3
Área do Projeto Dinâmica Biológica de Fragmentos Florestais – INPA e Instituto
Smithsoniano (EUA) - Norte de Manaus
Mapa de idades dos fragmentos florestais
Espírit o- S ant o, F. D. et al. 2005 Classif icação se mi-
aut omát ica de image ns mult it e mporais Land sat para a
d e t e rminação d os e st ágios suce ssionais d e uma áre a d e
d e smat ame nt o na A maz ônia
Mapas de cobe rt ura ve ge t al da FN de T apaj ós para 1 9 8 8 (a) e 1 9 9 7 (b)
Espírito- Santo, F.D. et al. 2005 Classificaçãosemi-
automáticade imagensmultitemporaisLandsat para a
determinaçãodos estágios sucessionaisde uma área de
desmatamento na Amazônia
Espírito- Santo, F.D. et al. 2005 Classificaçãosemi-
automáticade imagensmultitemporaisLandsat para a
determinaçãodos estágios sucessionaisde uma área de
desmatamento na Amazônia
Detecção de marcas de fogo e sucessão no cerrado

Marcas de fogo

Parque das Emas


23/04/1999
TM 543

França, H.(2002)
Detecção de marcas de fogo e sucessão no cerrado

Parque das Emas


30/07/2000
TM 543
Programa DEGRAD
Razão entre imagem fração-
solo e vegetação, e uso de
contraste, para mapear
florestas degradadas
www.obt.inpe.br/degrad
SOS Mata Atlântica & INPE
LAN DS AT 2 0 0 0
SOS Mata Atlântica & INPE
CBERS 2 0 0 5
SOS Mata Atlântica & INPE
I ncre me nt o
SOS Mata Atlântica & INPE
Mapa por cart a t opográf ica 1 :2 5 0 . 0 0 0

Mapa sínt e se por Est ado


Lima e t al. 2 0 0 7 A t ualiz ação cart ográf ica
do mapa de cobe rt ura do Mat o Grosso
at ravé s da int e gração de mapas prove nie nt e s Atualização cartográfica
de image ns T M e MODI S .
Lima e t al. 2 0 0 7 A t ualiz ação cart ográf ica do
mapa de cobe rt ura do Mat o Grosso at ravé s da
int e gração de mapas prove nie nt e s de image ns Atualização cartográfica
T M e MODI S .
INVENTÁRIO DA VEGETAÇÃO NATURAL E
PLANTADA DE SP
Francisco J.N. Kronka et al.,
Instituto Florestal de São Paulo, Secretaria do Meio Ambiente, 2003, 2005

•Instrumento de diagnóstico da vegetação natural e florestas


plantadas para determinação de áreas críticas, definição de políticas
públicas de recomposição e proteção
•Construir base de dados georeferenciados
•Diagnóstico para permitir a elaboração de planos de manejo para as
unidades de conservação
•Resultados por fisionomia vegetal (adaptando legenda IBGE) e gênero
(Eucalypt us ou Pinus ).
MATERIAL: imagens TM e ETM de 2002 e 2001
416 cartas topográficas 1:50.000 de 1991 digitalizadas
Fotos aéreas digitais
Dados das empresas florestais
Imagens CBERS/CCD para monitoramento/atualização da base
MAPEAMENTO E INVENTÁRIO DA FLORA
NATIVA E DOS REFLORESTAMENTOS DE MG
José Roberto Scolforo et al.
UNIVERSIDADE FEDERAL DE LAVRAS, INSTITUTO ESTADUAL DE
FLORESTAS (IEF), 2006
•Instrumento de política, planejamento e gestão florestal e ambiental.
•Mapas baseados em imagens TM e ETM (2003 e 2005), resultados
por fisionomia vegetal, bioma, bacia e sub-bacia hidrográfica, região
administrativa, núcleo operacional e município.
MG: transição entre Mata Atlântica, Cerrado e Caatinga, maior área de eucalipto do Brasil.

MATERIAL: imagens TM da primavera, verão e outono


Cartas topográficas e 1:50.000 1:100.000 (curvas de nível)
Videografia digital (helicóptero)
Fotos aéreas
Dados de campo (inventários, checagem)
MÉTODOS
•Conversão de ND para reflectância aparente
•Normalização dados TM e ETM
•Georeferenciamento (com Geocover)
•“Remoção de nuvens”
•Mosaico para 2005
•Divisão (visual) em zonas homogêneas
•Transformação Tasseled Cap (transformação linear 6 bandas, gerando
b right ne ss (solos), gre e nne ss (vegetação) e we t ne ss (umidade solo e
dossel))
• Geração NDVI e imagem diferença (NDVI 2005 – NDVI 2003)
•Método de detecção de mudanças
•Finalmente 14 atributos considerados para classificação (supervisionada,
por árvore de decisão)
Bandas TM3, TM 4 e TM7 da primavera, verão e outono, tasseled cap,
classes altitude e classificação atual da cobertura do solo
Correção da classificação com base em trabalhos de campo
NOVOS DADOS E TECNICAS
•LIDAR (laser) – estimativa LAI e altura de arvores
Solberg, S. (2009)
Polarimetria SAR
• Responde à morfologia da superfície
• Permite separação de efeitos de umidade e
morfologia dos objetos
• Discrimina entre
– Espalhadores de superfície (superfícies planas
lisas ou rugosas)
– Espalhadores volumétricos (arbustos, árvores e
outras fontes de espalhamento múltiplo
aleatório)
– Espalhadores double bounce
(diedros), (edifícios, troncos de
árvores, superfícies verticais em planos)
Resposta polarimétrica

Normalmente apresentada em

BLUE RED GREEN


Imagem Radarsat polarimétrica de Camobi,
Santa Maria
Volume àG Superfície à B Double Bounce
àR

CRS/
INPE

83
Alegrete

Area 2 20 Maio 2011

APA do Ibirapuitã
Experimento no
Pampa
INPE e Canadá

Area 1

19 Maio
2011

Livramento
Are a 1

Seeded
Pasture

River
Crossing

Native
Range
Farm
Buildings
Are a 2

River
Protected Native
Valley
Range Range

Fence Line Pond


CON S I DERAÇÕES FI N AI S
As formas de aquisição e processamento de dados
remotos orbitais estão em constante
aperfeiçoamento, assim como suas aplicações em
estudos de vegetação. Com a utilização de abordagens
baseadas na f ase do sinal de radar e no SR
hiperespectral e por laser, novas técnicas são
utilizadas, resolvendo parcialmente limitações como a
estimativa de biomassa florestal com a saturação na
relação retroespalhamento/biomassa. Além dessa, o
aumento na precisão dos mapas de cobertura
vegetal, incluindo classes de degradação florestal e
desmatamento, também está entre as aplicações do
SR das próximas décadas.