Download PDF
ads:
Universidade Federal de Minas Gerais
Instituto de Geoci
ˆ
encias
Programa de P
´
os-graduac¸
˜
ao
Mestrado em Geografia
Avaliac¸
˜
ao de Dados RADARSAT-1 e
CBERS-2 para Estimativa da Estrutura
do Cerrado: uma abordagem utilizando
dados alom
´
etricos e hist
´
oricos
Mar
´
ılia Ferreira Gomes
Minas Gerais - Brasil
2006
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
Mar
´
ılia Ferreira Gomes
Avaliac¸
˜
ao de Dados RADARSAT-1 e
CBERS-2 para Estimativa da Estrutura
do Cerrado: uma abordagem utilizando
dados alom
´
etricos e hist
´
oricos
Dissertac¸
˜
ao apresentada ao Programa de P
´
os-
graduac¸
˜
ao do Departamento de Geografia da
Universidade Federal de Minas Gerais, como
requisito parcial
`
a obtenc¸
˜
ao do t
´
ıtulo de
Mestre em Geografia.
´
Area de Concentrac¸
˜
ao: An
´
alise Ambiental
Orientador: Dr. Philippe Maillard
Belo Horizonte
Departamento de Geografia da UFMG
2006
ads:
Dissertac¸
˜
ao defendida e aprovada, em 06 de julho de 2006, pela Banca Eximinadora
constitu
´
ıda pelos doutores e professores:
Dra. Silvana Amaral
Profa. Dra. Magda Luzimar de Abreu
Prof. Dr. Philippe Maillard
Sum
´
ario
Resumo viii
Abstract x
Agradecimentos xii
Siglas e S
´
ımbolos xiii
1 INTRODUC¸
˜
AO 1
2 DESCRIC¸
˜
AO DA
´
AREA DE ESTUDO 5
2.1 Localizac¸
˜
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Caracter
´
ısticas Ambientais . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Uso e Ocupac¸
˜
ao da
´
Area Anterior
`
a Criac¸
˜
ao do Parque . . . . . . . . . . . 13
3 FUNDAMENTAC¸
˜
AO TE
´
ORICA 17
3.1 O Bioma do cerrado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1.1 Fisionomias do cerrado . . . . . . . . . . . . . . . . . . . . . . . . 19
3.1.2 Regenerac¸
˜
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2 O uso de par
ˆ
ametros biof
´
ısicos para caracterizac¸
˜
ao da vegetac¸
˜
ao . . . . . . 25
3.3 O Sistema RADAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.4 Interac¸
˜
ao entre as Microondas e a Vegetac¸
˜
ao . . . . . . . . . . . . . . . . . 29
3.4.1 Mecanismos de retroespalhamento . . . . . . . . . . . . . . . . . . 31
3.4.2 Fatores de Influ
ˆ
encia . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.5 O uso de sensores remotos no estudo da vegetac¸
˜
ao . . . . . . . . . . . . . . 33
3.6 Trabalhos Anteriores Desenvolvidos no PEVP . . . . . . . . . . . . . . . . 35
4 METODOLOGIA 37
4.1 Material cartogr
´
afico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 Dados de Sensoriamento Remoto . . . . . . . . . . . . . . . . . . . . . . . 38
4.3 Levantamentos de Campo e de Informac¸
˜
oes Hist
´
oricas . . . . . . . . . . . 40
iii
4.3.1 Transectos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.3.2 Dados Hist
´
oricos . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.4 Pr
´
e-processamento dos Dados . . . . . . . . . . . . . . . . . . . . . . . . 46
4.4.1 Calibrac¸
˜
ao Radiom
´
etrica dos Dados SAR . . . . . . . . . . . . . . 46
4.4.2 Correc¸
˜
ao Atmosf
´
erica e Calibrac¸
˜
ao Radiom
´
etrica dos Dados
´
Oticos 48
4.4.3 Correc¸
˜
ao Geom
´
etrica . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.4.4 Remoc¸
˜
ao do Ru
´
ıdo Speckle . . . . . . . . . . . . . . . . . . . . . 50
4.4.5
´
Indice de Vegetac¸
˜
ao da Diferenc¸a Normalizada - NDVI . . . . . . . 50
4.5 An
´
alise Estat
´
ıstica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.5.1 Preparac¸
˜
ao dos Dados . . . . . . . . . . . . . . . . . . . . . . . . 51
4.5.2 Modelagem Estat
´
ıstica . . . . . . . . . . . . . . . . . . . . . . . . 52
5 RESULTADOS E DISCUSS
˜
AO 55
5.1 Idades de Regenerac¸
˜
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.2 Avaliac¸
˜
ao dos Dados de Campo . . . . . . . . . . . . . . . . . . . . . . . 58
5.3 An
´
alise de correlac¸
˜
ao entre os dados . . . . . . . . . . . . . . . . . . . . . 63
5.3.1 Correlac¸
˜
ao entre os dados RADARSAT e os dados biogeof
´
ısicos . . 63
5.3.2 Correlac¸
˜
ao entre os dados de NDVI e os dados biogeof
´
ısicos . . . . 71
5.3.3 Discuss
˜
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.4 Modelagem dos Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.4.1 Dados de Sensoriamento Remoto para modelar dados Biogeof
´
ısicos 77
5.4.2 Dados Biogeof
´
ısicos para modelar os dados de Sensoriamento Remoto 81
5.5 Avaliac¸
˜
ao da Metodologia Utilizada . . . . . . . . . . . . . . . . . . . . . 83
6 CONSIDERAC¸
˜
OES FINAIS 87
A C
´
alculo do sigma nulo para Radarsat-1 97
A.1 Princ
´
ıpios sobre a formac¸
˜
ao de um dado RADARSAT e sobre a composic¸
˜
ao
do arquivo leader . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
A.2 Leitura e compreens
˜
ao do arquivo leader . . . . . . . . . . . . . . . . . . . 97
A.3 Pr
´
atica para a convers
˜
ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
A.4 Considerac¸
˜
oes Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
B Dados 102
C Dados coletados em campo 105
Lista de Figuras
2.1 Localizac¸
˜
ao do Parque Estadual Veredas do Peruac¸u . . . . . . . . . . . . . 6
2.2 Unidades de Conservac¸
˜
ao do vale do Peruac¸u . . . . . . . . . . . . . . . . 7
2.3 Solo arenoso exposto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Crosta l
´
atero-manganes
´
ıfera . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5 Climograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.6 Precipitac¸
˜
ao versus Evaporac¸
˜
ao . . . . . . . . . . . . . . . . . . . . . . . . 11
2.7 Excendentes e Defici
ˆ
encias h
´
ıdricos . . . . . . . . . . . . . . . . . . . . . 11
2.8 Distribuic¸
˜
ao das fitofisionomias no PEVP . . . . . . . . . . . . . . . . . . 12
2.9 Projetos de eucalipto que existiam no PEVP . . . . . . . . . . . . . . . . . 14
3.1 Distribuic¸
˜
ao espacial do bioma do cerrado. . . . . . . . . . . . . . . . . . . 18
3.2 Exemplo de uma borda de cerrad
˜
ao . . . . . . . . . . . . . . . . . . . . . . 20
3.3 Cerrado sentido restrito . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.4 Veredas ao longo do rio Peruac¸u . . . . . . . . . . . . . . . . . . . . . . . 22
3.5 Campo limpo circundando uma lagoa no cerrado . . . . . . . . . . . . . . 23
3.6 Espectro eletromagn
´
etico . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.7 Geometria de uma imagem SAR . . . . . . . . . . . . . . . . . . . . . . . 28
3.8 Principais tipos de refletores da superf
´
ıcie . . . . . . . . . . . . . . . . . . 29
3.9 Magnitude de retroespalhamento para um cilindro . . . . . . . . . . . . . . 30
3.10 Mecanismos de retroespalhamento dentro do dossel . . . . . . . . . . . . . 31
4.1 Recortes das imagens RADARSAT-1. . . . . . . . . . . . . . . . . . . . . 39
4.2 Recortes das imagens CBERS-2 . . . . . . . . . . . . . . . . . . . . . . . 40
4.3 Pontos de amostragem. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4 Metodologia de amostragem das comunidades vegetais . . . . . . . . . . . 42
4.5 Tratamento das fotos hemisf
´
ericas. . . . . . . . . . . . . . . . . . . . . . . 44
4.6 Metodologia para aproveitamento da
´
area das fotografias. . . . . . . . . . . 45
4.7 Justificativa do tamanho da janela . . . . . . . . . . . . . . . . . . . . . . 52
5.1 Imagem MSS de Landsat do ano de 1976 . . . . . . . . . . . . . . . . . . 56
5.2 Mapa de Idades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
v
5.3 Gr
´
afico de dispers
˜
ao de DAP. . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.4 Gr
´
aficos de dispers
˜
ao dos dados de Altura e DT . . . . . . . . . . . . . . . 61
5.5 Gr
´
aficos de dispers
˜
ao dos dados PAD e IAF. . . . . . . . . . . . . . . . . . 61
5.6 Gr
´
aficos de dispers
˜
ao de DF e UG. . . . . . . . . . . . . . . . . . . . . . . 62
5.7 Gr
´
afico de dispers
˜
ao DAP versus RADARSAT. . . . . . . . . . . . . . . . 65
5.8 Gr
´
afico de dispers
˜
ao IAF versus RADARSAT. . . . . . . . . . . . . . . . . 67
5.9 Relac¸
˜
ao entre os dados de Diversidade flor
´
ıstica e os dados SAR. . . . . . . 68
5.10 Relac¸
˜
ao entre os dados de Densidade do transecto e os dados SAR. . . . . . 69
5.11 Relac¸
˜
ao entre os dados de Umidade dos solos e os dados SAR. . . . . . . . 70
5.12 Relac¸
˜
ao entre os dados de PAD e os dados de NDVI do CBERS-2. . . . . . 72
5.13 Relac¸
˜
ao entre os dados de IAF e os dados de NDVI do CBERS-2. . . . . . 73
5.14 Relac¸
˜
ao entre os dados de DF e os dados de NDVI do CBERS-2. . . . . . . 74
5.15 Relac¸
˜
ao entre os dados de DT e os dados de NDVI do CBERS-2. . . . . . . 75
5.16 Mapa de umidade contida nos solos do PEVP. . . . . . . . . . . . . . . . . 86
Lista de Tabelas
3.1 Bandas radar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.1 Dados de sensoriamento remoto utilizados para as duas estac¸
˜
oes. . . . . . . 38
4.2 Coeficientes de Calibrac¸
˜
ao para os dados CBERS . . . . . . . . . . . . . . 49
4.3 Valores de Irradi
ˆ
ancia no topo da atmosfera para cada banda do CBERS-2 . 49
5.1 Informac¸
˜
oes coletadas em campo organizadas por transecto. . . . . . . . . 59
5.2 Correlac¸
˜
ao de Pearson entre os dados biogeof
´
ısicos e os dados de sensoria-
mento remoto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.3 Correlac¸
˜
ao entre os par
ˆ
ametros biogeof
´
ısicos e os dados RADARSAT . . . 65
5.4 Correlac¸
˜
ao de Pearson entre os par
ˆ
ametros biogeof
´
ısicos e os dados de NDVI
do CBERS-2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.5 S
´
ıntese dos resultados de correlac¸
˜
ao entre atributos biogeof
´
ısicos e os dados
SAR. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
5.6 Coeficiente de determinac¸
˜
ao (R
2
) entre os dados biogeof
´
ısicos e os dados de
sensoriamento remoto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.7 S
´
ıntese dos resultados da modelagem entre os dados biogeof
´
ısicos e os dados
de sensoriamento remoto. . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.8 S
´
ıntese dos resultados da modelagem entre os dados biogeof
´
ısicos e os dados
de sensoriamento remoto. . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
vii
Resumo
O cerrado
´
e uma formac¸
˜
ao sav
ˆ
anica lenhosa detentor de uma grande biodiversidade, mas que
est
´
a sendo rapidamente convertido em monocultura. Uma metodologia para sua caracteriza-
c¸
˜
ao a partir de dados de sensoriamento remoto n
˜
ao foi ainda definida e continua sendo um
assunto de pesquisa ativa. Dados
´
oticos j
´
a demonstraram seu potencial e suas limitac¸
˜
oes,
mas poucos trabalhos foram dedicados
`
a avaliac¸
˜
ao dos dados de radar orbitais e nenhum
com os dados do sat
´
elite canadense RADARSAT-1. Sendo uma formac¸
˜
ao aberta, o cerrado
pode ser modelado como um mosaico de cobertura vegetal e de solo e a resposta de sensores
radar deveria resultar de uma combinac¸
˜
ao de retroespalhamento direto e volum
´
etrico. Certos
estudos sugerem que dados de radar s
˜
ao mais eficientes quando utilizados em conjunto com
dados
´
oticos, uma abordagem tamb
´
em contemplada na presente pesquisa.
Nesta dissertac¸
˜
ao, dados hist
´
oricos de degradac¸
˜
oes (desmatamento, inc
ˆ
endios florestais,
etc.), medidas alom
´
etricas e dados de umidadegravim
´
etrica dos solos de 35
´
areas de amostra-
gem foram usados a fim de caracterizar a idade e as propriedades estruturais do cerrado
em estado cl
´
ımax e de regenerac¸
˜
ao em uma
´
area de protec¸
˜
ao ambiental do norte do Minas
Gerais, uma vez usada como plantac¸
˜
ao de eucalipto: o Parque Estadual Veredas do Peruac¸u
(PEVP). O objetivo da pesquisa consiste em avaliar dados RADARSAT-1 a partir de modelos
de resposta de retroespalhamento em dois
ˆ
angulos de incid
ˆ
encia (26
◦
e 45
◦
) e duas estac¸
˜
oes
fenol
´
ogicas (abril e setembro) assim como o potencial de acrescentar a esses dados, um
´
ındice de vegetac¸
˜
ao (NDVI) extraido do dados
´
oticos do sat
´
elite sino-brasileiro CBERS-
2. T
´
ecnicas de correlac¸
˜
ao estat
´
ısticas e modelos de regress
˜
ao m
´
ultipla foram usados para
modelar a poss
´
ıvel contribuic¸
˜
ao desse conjunto de dados de sensoriamento remoto para a
caracterizac¸
˜
ao estrutural do cerrado.
Os resultados mostraram que a umidade do solo tem um efeito dominante sobre o retro
espalhamento das quatro imagens RADARSAT, especialmente nos dados de abril com 26
◦
.
A densidade das
´
arvores foi a vari
´
avel estrutural que teve a maior contribuic¸
˜
ao no retroes-
palhamento da estac¸
˜
ao chuvosa (abril). O hist
´
orico de inc
ˆ
endios tamb
´
em demonstrou ter
uma certa influ
ˆ
encia sobre as caracter
´
ısticas das amostras. A maior parte dos modelos
tiveram uma sensibilidade fraca a moderada
`
as diferenc¸as estruturais da vegetac¸
˜
ao. Os
dados de NDVI do CBERS-2 reiteraram resultados encontrados em pesquisas anteriores,
mostrando sensibilidade
`
a composic¸
˜
ao das comunidades vegetais e aos par
ˆ
ametros de de-
viii
finem a proporc¸
˜
ao solo-vegetac¸
˜
ao. A uni
˜
ao dos dados de NDVI com os dados radar n
˜
ao
demonstrou uma contribuic¸
˜
ao significativa na caracterizac¸
˜
ao estrutural do cerrado.
Essa pesquisa permitiu um melhor entendimento dos mecanismos de retroespalhamento
radar na sua relac¸
˜
ao com a estrutura do cerrado, especialmente nas suas limitac¸
˜
oes em termos
de freq
¨
u
ˆ
encia e de polarizac¸
˜
ao. A dissertac¸
˜
ao contribuiu na adoc¸
˜
ao de uma nova trajet
´
oria de
pesquisa utilizando dados radar de outras configurac¸
˜
oes assim como o aprimoramento das
t
´
ecnicas de coletas de dados em campo para os estudos de sensoriamento remoto sobre o
cerrado.
ix
Abstract
Cerrado is a woody savanna formation that represents about one fourth of the Brazilian
territory and bears great biodiversity but which is being rapidly converted to monoculture.
Its characterization using remote sensing still evades the scientific community and is con-
sidered an active research field. While optical data has already shown its usefulness and
limitation, very little study has been dedicated to the evaluation of satellite radar data in the
cerrado context and none with RADARSAT-1 data. Being an open formation, cerrado can
be modelled as a soil/canopy mosaic and so radar response should result from both volume
and direct backscattering. Studies have shown that radar data is most efficient when used in
conjunction with optical data, an approach also being contemplated in the present research.
In the present dissertation, logging records, allometric measurements and gravimetric
soil moisture from 35 sampling plots were used to characterized the age and the structural
properties of climax and regenerating cerrado in a protected area in Northern Minas Gerais
that was once used as eucalypt plantations: the Veredas do Peruac¸u State Park (PEVP). The
objective of the study aims at evaluating RADARSAT-1 data by modelling its response at two
incidence angles (26
◦
and 45
◦
) and two phenological seasons (April and September) as well
as the benefits of adding vegetation index (NDVI) data extracted from the Chinese-Brazilian
optical sensor CBERS-2. Statistical correlation techniques and multiple regression models
were used to evaluate the contribution of these remote sensing data sets for characterizing
the structural properties of cerrado.
Results show that the soil humidity has a dominant effect on the backscatter in all four
images but is especially strong on the 26
◦
April data. Tree density was the structural variable
having the strongest effect, again for the 26
◦
April data. Fire history was also found to be
direct influence on the characteristics of the plots. Most models were not very sensitive to
the structural differences in the vegetation. NDVI data from CBERS-2 reinforced findings
from previous research, showing to be sensitive to community composition and to parame-
ters that define the soil-vegetation proportions. The union of NDVI with radar data did not
demonstrate to have a significant contribution for the structural characterization of cerrado.
This research yielded a better understanding of the radar backscattering mechanisms in
their relation with the structure of cerrado, especially in its limitation in terms of frequency
and polarization. This dissertation contributed in adopting a new research direction using
x
other radar configurations. It also helped improving field sampling techniques for remote
sensing studies of the cerrado.
xi
Agradecimentos
`
A minha m
˜
ae, a pessoa mais especial que j
´
a conheci, que n
˜
ao mais p
ˆ
ode conviver entre n
´
os,
mas que com toda certeza vive em lugar muito melhor.
`
A minha irm
˜
a, Mara, por existir. Ao meu pai,
`
as minhas tias queridas (Tita, Dorinha,
Nadir, Conceic¸
˜
ao, Aderminda e Maria) e aos meus primos pela amizade, pelo grande apoio
nos momentos necess
´
arios e por todo o incentivo.
Ao Prof. Philippe Maillard, mestre e amigo, agradec¸o pelo conhecimento repassado,
pela orientac¸
˜
ao, pelos trabalhos e pesquisas desenvolvidos, pela amizade incondicional e
pelo apoio em todos os momentos dif
´
ıceis de minha vida. Essas linhas n
˜
ao s
˜
ao capazes de
expressar a minha mais sincera gratid
˜
ao.
A todos os amigos que de alguma forma contribu
´
ıram para este trabalho ou que estiveram
sempre presentes em minha vida: N
´
adia, Thiago, Luiz Ot
´
avio, Tha
´
ıs, N
´
ıvea, Cl
´
audia, Cor-
radi, Cl
´
audio, Marc
´
ılio, Filipe, Keila, Tom e Isabela. Aos novos amigos do INCRA e
`
a chefia
por compreenderem a import
ˆ
ancia do trabalho, em especial
`
a Hulda, ao Murilo e ao Itamar
pela ajuda na finalizac¸
˜
ao.
Agradec¸o em especial ao Daniel, por sua amizade, pela companhia e pelo grande aux
´
ılio
nos trabalhos de campo.
Aos professores e funcion
´
arios do Instituto de Geoci
ˆ
encias da UFMG (IGC) pela minha
formac¸
˜
ao e pela oportunidade de me capacitar em n
´
ıvel de Mestrado.
Ao Prof. Marinaldo da UFV pelos dados repassados na tentativa da correc¸
˜
ao atmosf
´
erica.
`
A Comiss
˜
ao de Aperfeic¸oamento de Pessoal de N
´
ıvel Superior (CAPES) pelo aux
´
ılio
financeiro concedido por dois anos.
`
A Ag
ˆ
encia Espacial Canadense (CSA) por prover os dados RADARSAT-1 atrav
´
es do
projeto “Data for Research Use” (DRU).
Aos funcion
´
arios do Instituto Estadual de Florestas de Minas Gerais (IEF-MG) pela gen-
tileza e prontid
˜
ao em ceder os dados.
Aos funcion
´
arios e ex-funcion
´
arios do Parque Estadual Veredas do Peruac¸u manifesto os
meus mais sinceros agradecimentos, pois sem a ajuda sempre pronta e presente nas exaus-
tivas coletas de dados e sem o seu conhecimento acerca da hist
´
oria do parque este trabalho
n
˜
ao poderia ter sido realizado da mesma forma.
xii
Siglas e S
´
ımbolos
SIGLAS
• 5s: Simulation of the Satellite Signal in the Solar Spectrum
• ASC: Agence Spatialle Canadienne
• ANOVA: An
´
alise de Vari
ˆ
ancia
• AVHRR: Advanced Very High Resolution Radiometer
• CAP: Circunfer
ˆ
encia a Altura do Peito
• CBERS: China-Brazil Earth Resources Satellite
• CCD: Couple Charged Device
• DAP: Di
ˆ
ametro
`
a Altura do Peito
• DR: Densidade Relativa
• DT: Densidade de
´
arvores no Transecto
• EMBRAPA: Empresa Brasileira de Pesquisa Agropecu
´
aria
• ETM+: Enhanced Thematic Mapper Plus
• GLA: Gap Light Analyser
• GPS: Global Positioning System
• HH: Horizontal-Horizontal
• IAF:
´
Indice de
´
Area Foliar
• IBAMA: Instituto Brasileiro do Meio Ambiente e dos Recursos Renov
´
aveis
• IEF-MG: Instituto Estadual de Florestas de Minas Gerais
• INPE: Instituto Nacional de Pesquisas Espaciais
xiii
• IS:
´
Indice de Shannon
• JANASA: Janu
´
aria Agropecu
´
aria S.A.
• LUT: Look up Table
• MDE: Modelo Digital de Elevac¸
˜
ao
• MDM: Minimum Distance to Mean
• ML: Maximum Likelihood
• MODIS: Moderate Resolution Imaging Spectroradiometer
• MSS: Multi-Spectral Scanner
• ND: N
´
umero Digital
• NDVI: Normalized Difference Vegetation Index
• NDVI
A
: Imagem de NDVI do m
ˆ
es de agosto
• NDVI
M
: Imagem de NDVI do m
ˆ
es de maio
• PAD: Porcentagem de Abertura do Dossel
• PARNA: Parque Nacional
• PEVP: Parque Estadual Veredas do Peruac¸u
• RADAR: Radio Detection and Ranging
• RAR: Radar de Abertura Real
• RIXacriab
´
a: Reserva Ind
´
ıgena Xacriab
´
a
• Ruralminas: Fundac¸
˜
ao Rural de Minas Gerais
• S2
A
: Imagem RADARSAT S2 do m
ˆ
es de abril
• S2
S
: Imagem RADARSAT S2 do m
ˆ
es de setembro
• S6
A
: Imagem RADARSAT S6 do m
ˆ
es de abril
• S6
S
: Imagem RADARSAT S2 do m
ˆ
es de setembro
• SAM: Spectral Angle Mapper
• SAR: Synthetic Aperture Radar
xiv
• SGE: Servic¸o Geogr
´
afico do Ex
´
ercito
• SIR-C: Spaceborne Imaging Radar - C
• SPOT: Systeme Pour l’Observation de la Terre
• SSC: Spectral and Spatial Classifier
• SUDENE: Superintend
ˆ
encia de Desenvolvimento do Nordeste
• TM: Thematic Mapper
• UFMG: Universidade Federal de Minas Gerais
• UFV: Universidade Federal de Vic¸osa
• UG: Umidade Gravim
´
etrica
• VV: Vertical-Vertical
S
´
IMBOLOS
• ß
◦
: Brilho do radar
• σ
o
: Coeficiente de retroespalhamento do radar
• σ: Desvio padr
˜
ao
• λ: Comprimento de onda
• µ: M
´
edia
• ρ: Reflect
ˆ
ancia aparente no topo da atmosfera
xv
Cap
´
ıtulo 1
INTRODUC¸
˜
AO
O
CERRADO, ou savana brasileira,
´
e uma forma de vegetac¸
˜
ao complexa, composta por
um mosaico de fisionomias que pode variar desde campos gram
´
ıneos at
´
e florestas
densas (Mistry, 1998; Rizzini, 1997; Veloso et al., 1991). Ele reveste significativa porc¸
˜
ao
do territ
´
orio brasileiro, sendo em extens
˜
ao o segundo maior bioma do pa
´
ıs.
Devido
`
as variac¸
˜
oes flor
´
ısticas entre cerrados de diferentes regi
˜
oes, estima-se que mais
de 800 esp
´
ecies de
´
arvores e grandes arbustos componham este bioma. Esta soma ultrapassa
10.000 esp
´
ecies de plantas vasculares quando inclu
´
ıdas a mata galeria e a floresta mes
´
ofila
(Ratter et al., 1997).
A grandiosidade e diversidade deste bioma j
´
a expressam seu importante papel no ecos-
sistema brasileiro. Entretanto, nas
´
ultimas d
´
ecadas, os solos do cerrado, antes considera-
dos inf
´
erteis, tornaram-se alvo de convers
˜
ao para atividades agropecu
´
arias, com destaque
para as culturas da soja e do eucalipto e para a criac¸
˜
ao de bovinos. Adicionados
`
as in-
terfer
ˆ
encias antr
´
opicas, eventos naturais tendem a reduzir ou destruir porc¸
˜
oes do cerrado,
sendo as queimadas o principal fator deste tipo de perturbac¸
˜
ao (Pivello e Coutinho, 1996;
Ratter et al., 1997; Mistry, 1998).
A compreens
˜
ao dos efeitos de alterac¸
˜
oes nas superf
´
ıcies vegetadas
´
e foco de muitos es-
tudos, pois as florestas (incluindo o cerrado nas suas formas arbustivas e florestadas) s
˜
ao
os maiores estoques de carbono, regulam o clima e o fluxo da
´
agua e s
˜
ao reservat
´
orios da
diversidade ecol
´
ogica e biol
´
ogica. Toda interfer
ˆ
encia causada nos ecossistemas gera dese-
quil
´
ıbrios no sistema local e/ou global, afetando o ciclo hidrodin
ˆ
amico, os fluxos de tem-
peratura, o ciclo do carbono e a preservac¸
˜
ao dos solos (Jaton e Thomson, 1994; Ribeiro e
Walter, 1998; Sano et al., 2005).
Ainda, a localizac¸
˜
ao e distribuic¸
˜
ao da biomassa sobre a superficie terrestre
´
e uma das
maiores incertezas, na nossa habilidade, para entender o ciclo do carbono global e como isto
pode mudar no futuro (Kasischke et al., 1997).
Desde o in
´
ıcio do programa Landsat, em 1972, ferramentas de sensoriamento remoto
t
ˆ
em contribu
´
ıdo substancialmente para invent
´
arios e monitoramentos de florestas, bem como
1
para um entendimento dos processos no ecossistema.
Diversas pesquisas t
ˆ
em utilizado dados de sensoriamento remoto para estimar atribu-
tos do cerrado. Nesse contexto podem ser citados os trabalhos de Kuntschik e Bitencourt
(2003) que utilizaram dados do sensor JERS-1 para estimar a fitomassa de
´
areas de cerrado
e cerrad
˜
ao; de Baptista (2003) que correlacionou o
´
ındice de vegetac¸
˜
ao da diferenc¸a norma-
lizada (NDVI) com o seq
¨
uestro de carbono no ambiente de cerrado, obtendo altos valores de
correlac¸
˜
ao; de Anderson et al. (2003) que avaliaram o avanc¸o da soja sobre os cerrados do
estado do Mato Grosso a partir do uso de imagens frac¸
˜
ao solo, sombra e vegetac¸
˜
ao, e con-
clu
´
ıram que a soja
´
e um importante fator de press
˜
ao no cerrado; de Nogueira et al. (2003) que
desenvolveram uma metodologia para monitorar mudanc¸as no cerrado goiano; e de Caval-
canti et al. (1997) que uniram dados RADARSAT e Landsat TM para discriminar vegetac¸
˜
ao
natural de cerrado de florestas plantadas, encontrando bons resultados para discriminac¸
˜
ao da
vegetac¸
˜
ao natural e de florestas galerias.
Todavia, s
˜
ao escassas as pesquisas que tratam da diferenciac¸
˜
ao de fisionomias da vegeta-
c¸
˜
ao de cerrado e menos ainda as que enfocam a discriminac¸
˜
ao detalhada de
´
areas que se en-
contram em regenerac¸
˜
ao. Como principais pesquisas nesse sentido podem ser citados os tra-
balhos de Sano et al. (2005), que conduziram uma an
´
alise comparativa entre dados SAR em
banda L e
´
ındices de vegetac¸
˜
ao para discriminar fisionomias do cerrado no Parque Nacional
de Bras
´
ılia; de Ferreira et al. (2003) que investigaram a utilidade de
´
ındices de vegetac¸
˜
ao na
diferenciac¸
˜
ao de fisionomias do cerrado e no monitoramento de suas din
ˆ
amicas sazonais a
partir de dados MODIS, AVHRR, e ETM; e de Ferreira et al. (2004), numa pesquisa poste-
rior, que mediram as propriedades
´
oticas e biof
´
ısicas das principais fisionomias do cerrado
atrav
´
es de
´
ındices de vegetac¸
˜
ao de dados MODIS.
Mas ainda assim, evidencia-se a car
ˆ
encia de ferramentas h
´
abeis e eficientes que permi-
tam detectar e acompanhar, em escalas de maior detalhe, essa intensa convers
˜
ao do uso da
terra nas
´
areas de cerrado. Para Johansen e Phinn (2006) existe uma dificuldade em atualizar
mapeamentos de ambientes de savana nas escalas local e regional. Ademais, at
´
e o presente,
s
˜
ao necess
´
arias exaustivas coletas de dados, que incluem invent
´
arios florestais e levanta-
mento das condic¸
˜
oes ambientais para complementar os dados de sensoriamento remoto no
estudo desses mosaicos de vegetac¸
˜
ao. Como bem lembra Esp
´
ırito-Santo (2003), pesquisas
que busquem metodologias alternativas para validac¸
˜
ao dos dados de sensoriamento remoto
em estudos de vegetac¸
˜
ao devem ser perseguidas.
Ainda n
˜
ao muito explorados e instrinsecamente diferente de dados
´
oticos, dados obtidos
por sensores radar apresentam um potencial para estudos no ambiente do cerrado, inserindo
uma nova perspectiva para a an
´
alise dos dados,
`
a medida que trazem informac¸
˜
oes sobre
a geometria, rugosidade, constante diel
´
etrica, estrutura de galhos, troncos, fisionomias e
condic¸
˜
oes ambientais. Os dados SAR n
˜
ao apresentam impedimentos relativos
`
as condic¸
˜
oes
atmosf
´
ericas e podem variar o
ˆ
angulo de incid
ˆ
encia, permitindo ressaltar diferentes carac-
2
ter
´
ısticas de acordo com o comprimento de onda e a polarizac¸
˜
ao utilizados.
Embora muitos estudos tenham demonstrado o grande potencial em usar imagens radar
para estimar propriedades biof
´
ısicas da floresta, muitas limitac¸
˜
oes ficam para difundir a
aplicac¸
˜
ao do SAR no estudo de florestas (Townsend, 2002). Por essa
´
otica, a uni
˜
ao de
sensores
´
oticos e radar, em especial os de abertura sint
´
etica (SAR), revela-se numa melhor
alternativa para estimativas emp
´
ıricas de atributos da floresta que o uso desses dados isolada-
mente (Townsend et al., 2000). Ademais, a integrac¸
˜
ao desses dados com dados geogr
´
aficos
e de caracter
´
ısticas da superf
´
ıcie, tal como caracter
´
ısticas do solo e atividades antr
´
opicas, va-
lorizam a informac¸
˜
ao e melhoram a performance de modelos emp
´
ıricos (Townsend, 2002).
Considerando a abordagem inicial sobre o tema, os problemas colocados e que a relac¸
˜
ao
entre dados
´
oticos e avegetac¸
˜
ao
´
e relativamente bem entendida, foram levantadasas seguintes
hip
´
oteses:
• Dados SAR trazem novas informac¸
˜
oes para diferenciac¸
˜
ao da vegetac¸
˜
ao de cerrado
`
a
medida que s
˜
ao influenciados pelo espalhamento volum
´
etrico, respondem a estruturas
tridimensionais da vegetac¸
˜
ao, variam de acordo com a constante diel
´
etrica do objeto e
permitem variar o
ˆ
angulo de incid
ˆ
encia.
• A integrac¸
˜
ao de dados
´
oticos, SAR, biogeof
´
ısicos e hist
´
oricos permite distinguir fi-
sionomias do bioma do cerrado, em estado cl
´
ımax e em regenerac¸
˜
ao, por meio de
modelagem estat
´
ıstica.
O principal objetivo deste trabalho
´
e, atrav
´
es do uso de t
´
ecnicas e produtos de sensoria-
mento remoto e de informac¸
˜
oes coletadas em campo, desenvolver e avaliar uma metodologia
que permita: 1) distinguir as fitofisionomias do bioma cerrado em estado cl
´
ımax e em estado
de regenerac¸
˜
ao; e 2) diferenciar as fases de regenerac¸
˜
ao.
Foram formulados cinco objetivos espec
´
ıficos a fim de fornecer subs
´
ıdios para alcanc¸ar
o objetivo principal:
1. reconstruir a hist
´
oria da
´
area de estudo a fim de subsidiar uma abordagem que utilize
a idade das comunidades florestais e os fatores de degradac¸
˜
ao que ali atuaram;
2. buscarum maior entendimento acerca do repovoamento de
´
areas de cerrado degradadas;
3. identificar as propriedades preponderantes da vegetac¸
˜
ao e/ou do solo nas respostas
obtidas pelos sensores, utilizando dados RADARSAT-1 e NDVI do CBERS-2;
4. caracterizar a resposta em dados SAR e de NDVI em s
´
ıtios em regenerac¸
˜
ao, tomando
como base o estado de regenerac¸
˜
ao em que se encontra a vegetac¸
˜
ao (caracter
´
ısticas
biof
´
ısicas) e considerando o hist
´
orico de degradac¸
˜
ao (queimadas, corte, pastagem,
agricultura);
3
5. propor modelos estat
´
ısticos para diferenciar as fitofisionomias do bioma cerrado em
estado cl
´
ımax e em regenerac¸
˜
ao, e que permitam diferenciar s
´
ıtios que estejam em
fases distintas de regenerac¸
˜
ao.
A pesquisa deve ser desenvolvida em uma
´
area na qual: 1) as mudanc¸as de uso da terra
sejam conhecidas, 2) haja um mapeamento em escala regional das fitofisionomias existentes,
3) o grau de regenerac¸
˜
ao de
´
areas possa ser estimado e 4) queimadas de origem antr
´
opica,
cortes e culturas n
˜
ao mais ocorram. O Parque Estadual Veredas do Peruac¸u (PEVP), loca-
lizado no norte do estado de Minas Gerais, foi escolhido como
´
area teste desta pesquisa por
atender aos pr
´
e-requisitos estabelecidos. Trata-se de uma
´
area de cerrado marcada por quatro
subformac¸
˜
oes (campo cerrado, cerrado sensu stricto, cerrad
˜
ao e veredas), al
´
em de
´
areas em
regenerac¸
˜
ao oriundas de significativas alterac¸
˜
oes antr
´
opicas.
O trabalho foi dividido em seis cap
´
ıtulos. O presente cap
´
ıtulo que introduz o assunto
e traz os objetivos da pesquisa. O Cap
´
ıtulo 2 apresenta as caracter
´
ısticas ambientais e
hist
´
oricas da
´
area de estudo. O Cap
´
ıtulo 3 traz uma fundamentac¸
˜
ao te
´
orica sobre os prin-
cipais temas que circundam esta pesquisa. O Cap
´
ıtulo 4 exp
˜
oe as etapas metodol
´
ogicas
envolvidas no desenvolvimento do trabalho. O Cap
´
ıtulo 5 que apresenta e discute os resulta-
dos encontrados. E, por fim, o Cap
´
ıtulo 6 sintetiza os resultados do trabalho e traz algumas
considerac¸
˜
oes.
4
Cap
´
ıtulo 2
DESCRIC¸
˜
AO DA
´
AREA DE ESTUDO
2.1 Localizac¸
˜
ao
O
PARQUE Estadual Veredas do Peruac¸u se localiza na bacia hidrogr
´
afica do rio S
˜
ao
Francisco, sub-bacia do rio Peruac¸u, norte do estado de Minas Gerais, estando par-
cialmente inserido nos munic
´
ıpios de C
ˆ
onego Marinho, Janu
´
aria e Bonito de Minas (Figura
2.1). Um pequeno trecho da nascente do Riacho da Cruz, pertencente a outra sub-bacia do
rio S
˜
ao Francisco, tamb
´
em est
´
a inclu
´
ıda na
´
area do PEVP em sua porc¸
˜
ao sul.
Esse parque foi criado com o principal objetivo de proteger as nascentes do rio Peruac¸u,
garantindo assim a qualidade das
´
aguas que percorrem o sistema c
´
arstico localizado
`
a ju-
sante, ambiente esse que possui a caracter
´
ıstica de ser extremamente sens
´
ıvel.
O vale do rio Peruac¸u
´
e um ambiente
´
ımpar, que concentra grande diversidade natural e
riqueza cultural, e onde a necessidade de protec¸
˜
ao ambiental culminou na criac¸
˜
ao de quatro
unidades de conservac¸
˜
ao na
´
area: a
´
Area de Protec¸
˜
ao Ambiental Cavernas do Peruac¸u, o
Parque Nacional Cavernas do Peruac¸u, a Reserva Ind
´
ıgena Xacriab
´
a, al
´
em do pr
´
oprio Par-
que Estadual Veredas do Peruac¸u. Devido
`
a diferenc¸a cronol
´
ogica de criac¸
˜
ao das unidades
de conservac¸
˜
ao, existe uma sobreposic¸
˜
ao das unidades, sendo a APA, com car
´
ater de uso
sustent
´
avel, criada antes do PEVP, com car
´
ater de protec¸
˜
ao integral (Figura 2.2).
A principal via de acesso
´
e a BR-135 at
´
e a cidade de Janu
´
aria, a partir de onde se segue
por estrada municipal at
´
e a cidade de C
ˆ
onego Marinho. O caminho, a partir deste ponto,
´
e
feito integralmente por estradas em leito natural at
´
e o trevo que conduz
`
a sede do PEVP.
5
800
800
800
800
800
800
800
789
803
786
772
785
763
729
704
718
707
701
742
784
774
807
808
824
805
782
781
812
806
806
804
809
791
783
773
733
731
734
792
791
766
779
779
768
735
742
764
721
721
722
738
728
728
729
729
728
732
733
756
769
728
724
728
735
738
775
824
805
811
766
812
819
818
801
819
809
829
829
823
829
828
822
802
793
822
795
763
775
799
771
728
826
832
823
822
825
828
832
832
LAGOA AZ UL
Lagoa do Meio
Lagoa do Ce rrado
Lagoa Jatobá
Lagoa do Ce rcado
Rio
Peruaçu
Rio
Peruaçu
R
i
o
P
e
r
u
a
ç
u
Faz. Côco s
IEF
Riacho
da
Forqui lha
R
i
a
c
h
o
d
a
F
o
r
q
u
i
l
h
a
Vereda
da
Passagin ha
Vereda
dos
Lopes
Vereda
Comprida
Riach o
Alm écega
529000
529000
533000
533000
537000
537000
541000
541000
545000
545000
549000
549000
553000
553000
8329000
8329000
8333000
8333000
8337000
8337000
8341000
8341000
8345000
8345000
8349000
8349000
8353000
8353000
Localização da
Área de Estudo
Legenda
Distrito
Construções
Pontos cotados
Curva de nível
Caminhos e trilhos
Estradas
Limite APA
Curso d’água intermitente
Curso d’água perene
PEVP
Áreas alagadas
Lagoas
0 2 4 6 81
Km
Base cartográfica: cartas topográficas de Catolé, Januária,
Japoré e Serra dos Tropeiros do SGE, digitalizadas e atualizadas
no âmbito do Plano de Manejo do Parque Nacional Cavernas do
Peruaçu, 2003.
50°0’0"W
50°0’0"W
20°0’0"S 20°0’0"S
Eqüidistância das curvas de nível: 40 metros
Datum vertical: Imbituba- Santa Catarina
Datum horizontal: SAD - 69
Origem da quilometragem UTM "equador e meridiano
45° w. Gr." acrescidos das constantes 10.000.000 m e
500.000 m respectivamente.
Convergência meridiana no centro da folha: -3° 57’
Sede
Figura 2.1: Localizac¸
˜
ao do Parque Estadual Veredas do Peruac¸u.
6
Figura 2.2: Unidades de Conservac¸
˜
ao estadual e federais do vale do Peruac¸u. APA =
´
Area de Preservac¸
˜
ao
Ambiental Cavernas do Peruac¸u, PEVP = Parque Estadual Veredas do Peruac¸u, PARNA = Parque Nacional
Cavernas do Peruac¸u e R. I. Xacriab
´
a = Reserva Ind
´
ıgena Xacriab
´
a.
2.2 Caracter
´
ısticas Ambientais
As nascentes do rio Peruac¸u fazem parte de um grande complexo regional pertencente
`
a
´
area do Chapad
˜
ao das Gerais, caracterizado por possuir um substrato constitu
´
ıdo de cober-
turas aren
´
ıticas tabulares de idade mesocenoz
´
oica, recobertos predominantemente por areias
quartzosas (Figura 2.3), colonizados por vegetac¸
˜
ao de cerrado com diversas fisionomias (de
campo cerrado at
´
e cerrad
˜
ao) e cursos d’
´
agua com fluxo de baixa velocidade que permitem a
formac¸
˜
ao de veredas.
A Formac¸
˜
ao Urucuia, de idade mesocenoz
´
oica,
´
e a principal unidade geol
´
ogica exumada
das cabeceiras do rio Peruac¸u.
´
E caracterizada por dep
´
ositos continentais fluvioe
´
olicos. As
rochas observadas s
˜
ao quase invariavelmente arenitos finos a m
´
edios, r
´
oseos, impuros, com
alguns n
´
ıveis conglomer
´
aticos, com tend
ˆ
encia geral dos arenitos tornarem argilosos na base
(Minist
´
erio das Minas e Energia, 1982).
7
Figura 2.3:
´
Area em processo de regenerac¸
˜
ao no PEVP, onde
´
e poss
´
ıvel observar o grande percentual de solo
exposto, predominantemente Areias quartzosas ou Neossolos quartzar
ˆ
enicos. Foto: Mar
´
ılia F. Gomes, 2004.
O alto Peruac¸u
´
e uma regi
˜
ao que sofreu intenso processo de pedog
ˆ
enese, sendo rara-
mente observada rocha s
˜
a em superf
´
ıcie. Por vezes, alguns testemunhos s
˜
ao encontrados,
em sua maioria, em profundidade de cerca de 2,5m, associados
`
a presenc¸a de crostas l
´
atero-
manganes
´
ıferas (Figura 2.4), originadas de flutuac¸
˜
oes do lenc¸ol fre
´
atico. Isto indica que a
regi
˜
ao possu
´
ıa um clima mais
´
umido que o atual.
Como n
˜
ao existem estac¸
˜
oes climatol
´
ogicas pr
´
oximas em um raio de 50km do parque, os
dados de clima foram extra
´
ıdos das normais climatol
´
ogicas de 1931 a 1960 da estac¸
˜
ao de
Janu
´
aria (83.386). As normais climatol
´
ogicas de 1961 a 1990 n
˜
ao foram utilizadas porque
n
˜
ao existem esses dados dispon
´
ıveis para esta estac¸
˜
ao. Apesar de distante 70km da
´
area de
estudo, podemos considerar que os dados de Janu
´
aria s
˜
ao
´
uteis para representar, de maneira
aproximada, o clima do Parque Estadual.
O vale do Peruac¸u est
´
a inserido em regi
˜
ao semi-
´
arida, englobada pelo Pol
´
ıgono das Se-
cas. O clima apresenta duas estac¸
˜
oes bem definidas: uma chuvosa, que ocorre de outubro a
abril, com precipitac¸
˜
ao m
´
edia mensal de 121mm; e uma seca, que ocorre de maio a setem-
bro, com precipitac¸
˜
ao m
´
edia mensal inferior a 6mm (Minist
´
erio da Agricultura, Escrit
´
orio
de Meteorologia, 1969; Instituto Nacional de Meteorologia, 2004), sendo que o per
´
ıodo de
estiagem pode chegar a sete meses (Pil
´
o, 1997) (Figura 2.5).
8
(a) (b)
Figura 2.4: Manto de intemperismo e crosta l
´
atero-manganes
´
ıfera encontrada no PEVP. Vemos em (a) a
espessura do manto de intemperismo e em (b) crosta a cerca de 2 metros de profundidade, exposta em func¸
˜
ao
de um voc¸orocamento . Fotos: Mar
´
ılia F. Gomes, 2004.
As temperaturas m
´
edias mensais giram em torno de 25
◦
C nos meses mais quentes e em
torno de 22
◦
C nos meses mais frios. As m
´
edias m
´
aximas mensais chegam a 33
◦
C, o que
ocorre na estac¸
˜
ao chuvosa, e as m
´
ınimas em torno de 18
◦
C, que coincidem com os meses
mais secos (Minist
´
erio da Agricultura, Escrit
´
orio de Meteorologia, 1969) (Figura 2.5). A
partir da an
´
alise do climograma pode ser identificada a exist
ˆ
encia de dois meses de transic¸
˜
ao,
abril e outubro, correspondendo a estac¸
˜
oes intermedi
´
arias.
Trata-se de uma regi
˜
ao que apresenta temperaturas elevadas com relativa baixa precipita-
c¸
˜
ao e, conseq
¨
uentemente, altas taxas de evaporac¸
˜
ao, o que pode ser observado na Figura 2.6,
que demonstra que a defici
ˆ
encia h
´
ıdrica supera o excedente (EPAMIG et al., 1982).
A partir de dados de defici
ˆ
encias e excedentes h
´
ıdricos extra
´
ıdos do Atlas Climatol
´
ogico
do Estado de Minas Gerais (EPAMIG et al., 1982), representados na Figura 2.7,
´
e poss
´
ıvel
observar que nos meses de novembro a fevereiro n
˜
ao h
´
a defici
ˆ
encia h
´
ıdrica.
Essas caracter
´
ısticas clim
´
aticas, aliadas ao substrato rochoso, contribuem para reforc¸ar a
cobertura vegetal existente no alto vale do Peruac¸u, pois somente uma vegetac¸
˜
ao que resiste
a altas temperaturas e xeromorfa seria capaz de se instalar na regi
˜
ao.
Os solos profundos indicam que foram formados em um outro contexto clim
´
atico, e se
tratam de solos extremamente arenosos visto o substrato rochoso constitu
´
ıdo por arenitos, as
Areais Quartzosas, al
´
em de, menos expressivamente, Latossolos Vermelho-amarelos. Ainda
9
Figura 2.5: Climograma para a estac¸
˜
ao de Janu
´
aria. Fonte: Minist
´
erio da Agricultura, 1969.
ocorrem ao redor e nos leitos dos rios solos saturados do tipo Glei-H
´
umico, associados
`
a
baixa velocidade do fluxo d’
´
agua e proximidade do lenc¸ol fre
´
atico da superf
´
ıcie. Isso acar-
reta em retenc¸
˜
ao de mat
´
eria org
ˆ
anica no ambiente, conferindo a esses solos um aspecto
acinzentado a preto.
Como n
˜
ao existem bruscas variac¸
˜
oes de solo, as diferentes fisionomias do cerrado est
˜
ao
relacionadas, sobretudo,
`
as diferenc¸as na disponibilidade h
´
ıdrica do solo (Gomes e Maillard,
2003a). Ou seja, quanto maior a proximidade do curso d’
´
agua, maior o porte da vegetac¸
˜
ao,
variando no sentido oposto
`
a drenagem, de cerrad
˜
ao a cerrado sensu stricto. O campo cerrado
foge
`
a regra, sendo encontrado ao redor das lagoas e veredas, justamente por haver saturac¸
˜
ao
h
´
ıdrica e baixa oxigenac¸
˜
ao, que impedem desenvolvimento de outras esp
´
ecies.
A figura 2.8 apresenta a distribuic¸
˜
ao espacial das fitofisionomias do cerrado na
´
area
de estudo e seu est
´
agio de sucess
˜
ao. Esse mapa serviu para a diferenciac¸
˜
ao a priori das
subformac¸
˜
oes vegetais e foi confeccionado no
ˆ
ambito do Plano de Manejo do Parque Na-
cional Cavernas do Peruac¸u, a partir de imagens Landsat ETM dos anos de 2001 e 2003.
10
Figura 2.6: Precipitac¸
˜
ao m
´
edia mensal versus a Evaporac¸
˜
ao m
´
edia mensal para o munic
´
ıpio de Janu
´
aria.
Apenas entre os meses de novembro a abril n
˜
ao h
´
a evaporac¸
˜
ao superior que a precipitac¸
˜
ao. (Fonte: dados
obtidos de EPAMIG, 1982)
Figura 2.7: Apesar de haver um per
´
ıodo de seis meses de excedentes h
´
ıdricos, apenas entre os meses de
novembro a fevereiro (3 meses) h
´
a excedente h
´
ıdrico na regi
˜
ao. (Fonte: dados obtidos de EPAMIG, 1982)
11
Figura 2.8: Distribuic¸
˜
ao das fitofisionomias no PEVP.
12
2.3 Uso e Ocupac¸
˜
ao da
´
Area Anterior
`
a Criac¸
˜
ao do Parque
Esta sec¸
˜
ao apresenta informac¸
˜
oes e dados obtidos a partir de pesquisas nos
´
org
˜
aos governa-
mentais do estado de Minas Gerais e j
´
a comp
˜
oe parte dos resultados deste estudo.
O governo de Minas Gerais at
´
e meados da d
´
ecada de 1980 buscava estimular o desen-
volvimento de regi
˜
oes do estado consideradas estagnadas, e para isso utilizou de pol
´
ıticas
que incentivavam quaisquer atividades que gerassem renda e empregos nessas regi
˜
oes. Den-
tre essas atividades estavam inclu
´
ıdas a produc¸
˜
ao de carv
˜
ao vegetal a partir da vegetac¸
˜
ao
natural, substituic¸
˜
ao de vegetac¸
˜
ao natural por pastagens, culturas ou introduc¸
˜
ao de esp
´
ecies
ex
´
oticas
`
a flora para a gerac¸
˜
ao de energia.
Esses incentivos eram fornecidos de duas formas: 1) pelo arrendamento ou facilitac¸
˜
ao da
compra de grandes
´
areas devolutas atrav
´
es da Fundac¸
˜
ao Rural de Minas Gerais - Ruralmi-
nas; e, 2) atrav
´
es do financiamento de projetos por bancos estatais e
´
org
˜
aos criados para
promover o desenvolvimento de regi
˜
oes menos privilegiadas economicamente, tais como a
Superintend
ˆ
encia de Desenvolvimento do Nordeste (SUDENE) e o Banco do Nordeste do
Brasil.
´
E neste contexto que, no final da d
´
ecada de 1970, diversas empresas receberam apoio do
governo do estado e se instalaram no alto vale do rio Peruac¸u. At
´
e ent
˜
ao a
´
area era ocupada
por pequenas comunidades localizadas
`
as margens do rio e seus afluentes e por algumas
fam
´
ılias possivelmente descendentes da tribo dos
´
ındios Xacriab
´
a.
Na
´
area hoje pertence ao Parque Estadual Veredas do Peruac¸u, o primeiro grande pro-
priet
´
ario de terras foi a empresa Perfil Ltda. no ano de 1977, sendo seu principal ramo de
atividade o plantio de eucaliptos das esp
´
ecies “ Eucalyptus grandis”.
Em 1979 a Perfil iniciou os trabalhos para o cultivo. A
´
area foi dividida em projetos
numerados de 19 a 30 com 1.000ha cada um, e estes eram divididos em talh
˜
oes de 20 quadras
(Figura 2.9), totalizando 10.500ha de eucalipto. Os processos para retirada da vegetac¸
˜
ao na-
tural inclu
´
ıam a derrubada com trator de corrente e com trator de esteira, a queima dos galhos,
folhas e troncos derrubados e o gradeamento. A madeira e o carv
˜
ao n
˜
ao eram aproveitados.
Houve interfer
ˆ
encia significativa na biodiversidade local, atrav
´
es da compactac¸
˜
ao dos
solos, da contaminac¸
˜
ao dos recursos h
´
ıdricos e da eliminac¸
˜
ao das esp
´
ecies vegetais, atrav
´
es
do corte e da queima.
Mas pela distrofia dos solos e a n
˜
ao aplicac¸
˜
ao de adubos na cultura, a plantac¸
˜
ao se de-
senvolveu pouco e com muitas falhas, o que culminou na aquisic¸
˜
ao das terras da Perfil pela
empresa Peruac¸u Florestal S.A. no ano de 1983.
A Peruac¸u Florestal S.A. era na realidade uma empresa vinculada
`
a Sider
´
urgica Ita-Min
Ltda. de Sete Lagoas que, por exig
ˆ
encia legal, deveria plantar novas
´
arvores para manter seu
abastecimento de carv
˜
ao vegetal.
A Peruac¸u Florestal assumiu todos os projetos deixados pela Perfil, haja vista a neces-
13
32
30
28
22
23
24
25
26
27
28
29
31
20
21
37
38
19
36
35
34
33
532000
532000
538000
538000
544000
544000
8336000
8336000
8342000
8342000
8348000
8348000
Legenda
ProjetosdaPerfil
ProjetosdaPeruaçuFlorestal
Escala1:100.000
ImagemCBERS-2de22/08/2004
órbita-ponto154/117nacomposição
coloridaR4G3B2
.
ProjetosdePlantiodoEucalipto
Figura 2.9: Projetos de eucalipto que existiam no PEVP.
14
sidade de se esperar sete anos para realizar o primeiro corte do eucalipto, e novos projetos
foram implantados (31 ao 38) (Figura 2.9). Esses novos projetos foram licenciados pelo
IBAMA, mas na realidade as medidas ambientais apresentadas n
˜
ao foram cumpridas, tais
quais a criac¸
˜
ao de corredores de fauna entre os talh
˜
oes nas
´
areas a serem desmatadas e a
explorac¸
˜
ao alternada, ocorrendo na verdade a limpeza completa da terra.
O restante da propriedade era aproveitada para cultura de bovinos e eq
¨
uinos, para o cul-
tivo de mudas, para a moradia das fam
´
ılias empregadas pela empresa, algumas
´
areas de
vegetac¸
˜
ao natural para retirada de madeiras nobres para fabricac¸
˜
ao de cercas, m
´
oveis, casas
e outras foram preservadas.
O corte do eucalipto se deu entre os anos de 1990 e 1992. No ano de 1991 praticamente
todos os talh
˜
oes haviam sido cortados e, nos projetos mais antigos, em alguns talh
˜
oes, foi
feito o aproveitamento da madeira, visto o desenvolvimento falhado da cultura. Ap
´
os o corte
a cultura ficou em total abandono (Trigueiro, 1991).
Existiam ainda mais quatro grandes propriet
´
arios de terras - a Janu
´
aria Agropecu
´
aria
S.A., o sr. Milton Baioneta, o sr. M
´
ario Jos
´
e Lisboa e o sr. Edualdo Cardoso Rego -, al
´
em
de 33 t
´
ıtulos de posse distribu
´
ıdos pela Ruralminas no ano de 1988.
Todas as grandes propriedades utilizavam a
´
area para a agropecu
´
aria. E os posseiros,
ao inv
´
es de morarem, cultivarem e legalizarem as posses de terra, arrendaram a
´
area para
carvoejamento e, depois de retirada a madeira, eles abandonavam a terra.
O vale do rio Peruac¸u se tornou o centro das atenc¸
˜
oes de muitos ambientalistas devido
`
as
suas belezas naturais e import
ˆ
ancia pr
´
e-hist
´
orica. Como reflexo, as atenc¸
˜
oes chegaram at
´
e as
nascentes do rio, com o objetivo principal de manter e proteger todo o ecossistema existente
`
a jusante, que dependia da boa qualidade das
´
aguas, por se tratar de um sistema c
´
arstico.
Em 24 de marc¸o de 1993 atrav
´
es do of
´
ıcio n
o
0726/93-GETEC todos os projetos (19 a
38) da Peruac¸u Florestal Ltda. foram cancelados (Instituto Brasileiro do Meio Ambiente e
dos Recursos Naturais Renov
´
aveis, 1994).
O Parque Estadual Veredas do Peruac¸u teve sua criac¸
˜
ao consumada atrav
´
es do Decreto n
o
36.070 de 27 de setembro de 1994, com uma
´
area total de 31.552.59.38ha, com
´
areas advin-
das da Ruralminas, da Peruac¸u Florestal, deEdualdo Cardoso Rego, da Janu
´
aria Agropecu
´
aria
S.A. (JANASA), de Milton Baioneta, e M
´
ario Jos
´
e Lisboa. Outras terras do Estado poderiam
ser posteriormente anexadas ao parque.
O Parque Estadual Veredas do Peruac¸u
´
e administrado pelo Instituto Estadual de Flo-
restas (IEF-MG), mas conta tamb
´
em com apoio da Prefeitura Municipal de C
ˆ
onego Marinho.
Passados mais de dez anos de sua criac¸
˜
ao, o parque ainda sofre com muitos problemas,
que v
˜
ao desde
`
a n
˜
ao elaborac¸
˜
ao do Plano de Manejo, motivo pelo qual ainda se encontra
fechado para visitac¸
˜
ao,
`
a falta de equipamentos e infra-estrutura f
´
ısica e humana. O Go-
verno do Estado juntamente com a Prefeitura de C
ˆ
onego Marinho t
ˆ
em buscado prover o
parque de funcion
´
arios e equipamentos, mas ainda
´
e insuficiente para impedir invas
˜
oes por
15
cac¸adores e tamb
´
em as queimadas.
16
Cap
´
ıtulo 3
FUNDAMENTAC¸
˜
AO TE
´
ORICA
´
E
AQUI apresentada uma breve fundamentac¸
˜
ao te
´
orica sobre o cerrado e suas principais
caracter
´
ısticas, as principais perturbac¸
˜
oes que atingem este bioma, as caracter
´
ısticas de
sua regenerac¸
˜
ao, as t
´
ecnicas utilizadas para a representac¸
˜
ao quantitativa das caracter
´
ısticas
de comunidades vegetais, o sistema radar, a interac¸
˜
ao entre as microondas e a vegetac¸
˜
ao, os
principais trabalhos que utilizam dados de sensoriamento remoto para o estudo da vegetac¸
˜
ao
e trabalhos anteriores desenvolvidos na
´
area escolhida para este estudo.
Apesar desta pesquisa envolver dados
´
oticos atrav
´
es do uso do NDVI (
´
Indice de Vegetac¸
˜
ao
da Diferenc¸a Normalizada), n
˜
ao se prop
ˆ
os dar-lhe
ˆ
enfase. Ao longo do trabalho s
˜
ao apresen-
tados fundamentos e considerac¸
˜
oes acerca do NDVI.
3.1 O Bioma do cerrado
As savanas s
˜
ao formac¸
˜
oes vegetais que ocorrem em todos os continentes ligados a faixas
tropicais, distribu
´
ıdas pelos continentes da Oceania, Africano e Americano. Recebem dife-
rentes denominac¸
˜
oes e no Brasil s
˜
ao chamadas de cerrado.
A origem e raz
˜
ao da distribuic¸
˜
ao das savanas na Am
´
erica Tropical
´
e alvo de estudo por
muitos pesquisadores, mas de maneira geral as diversas teorias existentes podem ser sinteti-
zadas em tr
ˆ
es grupos (Ribeiro e Walter, 1998):
1. teorias clim
´
aticas - a vegetac¸
˜
ao seria o resultado do clima, principalmente em func¸
˜
ao
da limitac¸
˜
ao sazonal de
´
agua no per
´
ıodo seco (estacionalidade);
2. teorias bi
´
oticas - a vegetac¸
˜
ao seria o resultado da ac¸
˜
ao antr
´
opica, principalmente pelo
uso freq
¨
uente do fogo, ou ainda, resultante da atividade de outros agentes da biota
como as formigas;
3. teorias pedol
´
ogicas - a vegetac¸
˜
ao seria dependente de aspectos ed
´
aficos e geol
´
ogicos,
17
como defici
ˆ
encias minerais (oligotrofismo), saturac¸
˜
ao por elementos como alum
´
ınio,
diferenc¸as de drenagem e profundidade dos solos.
A determinac¸
˜
ao da g
ˆ
enese dos cerrados ainda
´
e um assunto pol
ˆ
emico e que traz larga
diverg
ˆ
encia, mas h
´
a uma tend
ˆ
encia em considerar a vegetac¸
˜
ao como resultado indireto do
clima, haja visto que as chuvas ir
˜
ao atuar no intemperismo das rochas e na evoluc¸
˜
ao pedol
´
ogi-
ca e, conseq
¨
uentemente, em caracter
´
ısticas dos solos como a disponibilidade de nutrientes,
a estrutura para armazenamento de
´
agua e a profundidade.
Mas como foi colocado por Rizzini (1997), estas e outras teorias ou hip
´
oteses devem
existir, pois as savanas n
˜
ao s
˜
ao
´
unicas, ocorrem em diferentes localidades (sendo
`
as vezes
disjuntas), sob diferentes contextos geol
´
ogicos, condic¸
˜
oes clim
´
aticas e paleoclim
´
aticas e com
diferentes graus de interfer
ˆ
encia humana, n
˜
ao sendo poss
´
ıvel, portanto, aceitar uma
´
unica
soluc¸
˜
ao para todos os casos.
No Brasil, os cerrados cobrem cerca de vinte por cento do territ
´
orio brasileiro e se lo-
calizam principalmente no Planalto Brasileiro, caracterizado por um reino de plat
ˆ
os e altas
chapadas, variando em altitude de aproximadamente 300m a 1.000m acima do n
´
ıvel do mar
(Ab’Saber, 1971) (Figura 3.1).
Figura 3.1: Distribuic¸
˜
ao espacial do bioma do cerrado no territ
´
orio brasileiro (Fonte: Ratter et al., 1997).
18
O cerrado
´
e um tipo de vegetac¸
˜
ao xeromorfa (adaptada
`
a baixa disponibilidade h
´
ıdrica),
oligotr
´
ofica (que sobrevive com pequena quantidade de nutrientes) e com fisionomias que
variam do arb
´
oreo denso ao gram
´
ıneo-lenhoso (Minist
´
erio das Minas e Energia, 1982).
Localiza-se em
´
areas com estac¸
˜
ao seca, que varia de quatro a cinco meses, com pluviosi-
dade m
´
edia de 1.400 a 1.500mm e em solos distr
´
oficos, lixiviados, aluminizados e profundos,
n
˜
ao existindo falta d’
´
agua para a vegetac¸
˜
ao (Rizzini, 1997).
Apesar de amplamente distribu
´
ıdo no territ
´
orio brasileiro e de possuir fisionomias e
estruturas semelhantes, o cerrado pode ser flor
´
ısticamente distinto, de acordo com a sua
distribuic¸
˜
ao no territ
´
orio (Pivello e Coutinho, 1996). Mas em um mesmo conjunto, n
˜
ao
existe grande variac¸
˜
ao flor
´
ıstica nas diferentes estruturas.
A variabilidade estrutural acentuada
´
e caracter
´
ıstica marcante desta formac¸
˜
ao vegetal. O
cerrad
˜
ao
´
e a subformac¸
˜
ao cl
´
ımax e o campo limpo a menos desenvolvida. Essa variac¸
˜
ao
estrutural
´
e ocasionada pelas amplas variac¸
˜
oes de condic¸
˜
oes do solo e de disponibilidade
h
´
ıdrica local (Pivello e Coutinho, 1996; Rizzini, 1997).
Em condic¸
˜
oes naturais o solo, com diferentes profundidade, fertilidade, capacidade de
drenagem, a ocorr
ˆ
encia de rocha exposta ou o fogo s
˜
ao os fatores determinantes para as
variac¸
˜
oes de fisionomias (Ratter et al., 1997; Pivello e Coutinho, 1996). Entretanto, quando
entram em cena interfer
ˆ
encias humanas, como queimadas, retirada de madeira e abertura de
pastagens, estas s
˜
ao determinantes para a manutenc¸
˜
ao, expans
˜
ao ou retrac¸
˜
ao das fisionomias
do cerrado.
3.1.1 Fisionomias do cerrado
A vegetac¸
˜
ao consiste na mistura de formas de crescimento (como
´
arvores, arbustos e gra-
mas), de altura (estratos, camadas ou cont
´
ınua) e espac¸amento variados (cobertura de folhas
ou separac¸
˜
ao de copa). Essas tr
ˆ
es feic¸
˜
oes (forma de crescimento, altura e espac¸amento) con-
ferem a maior parte da apar
ˆ
encia da vegetac¸
˜
ao e s
˜
ao usadas para classificar sua estrutura
(MacDonald et al., 1990).
Medidas de altura do estrato, forma de crescimento e separac¸
˜
ao da copa permitem o
agrupamento estrutural da vegetac¸
˜
ao em classes de formac¸
˜
ao ou de fisionomia (MacDonald
et al., 1990).
Muitas s
˜
ao as divis
˜
oes e mapas fitogeogr
´
aficos propostos para o pa
´
ıs, classificando com
mais ou menos detalhes os biomas brasileiros. O sistema de classificac¸
˜
ao adotado para este
trabalho foi o proposto por Ribeiro e Walter (1998), adaptado de IBGE (1993) e de Macedo
(1996), e tamb
´
em adotado pela Empresa Brasileira de Pesquisa Agropecu
´
aria (EMBRAPA)
especificamente para o cerrado. Este sistema baseia-se na caracterizac¸
˜
ao dos atributos fi-
sion
ˆ
omicos ou estruturais da vegetac¸
˜
ao.
A terminologia dos tipos fision
ˆ
omicos utilizada
´
e tamb
´
em a de Ribeiro e Walter (1998),
19
que emprega termos regionais amplamente difundidos.
S
˜
ao onze as principais fisionomias do cerrado, que podem ser enquadradas em formac¸
˜
oes
florestais (mata ciliar, mata de galeria, mata seca e cerrad
˜
ao), formac¸
˜
oes sav
ˆ
anicas (cerrado
sensu stricto ou sentido restrito, parque cerrado, palmeiral e vereda) e formac¸
˜
oes campestres
(campo sujo, vereda, campo limpo e campo rupestre).
A apresentac¸
˜
ao das fisionomias
´
e restrita
`
as encontradas no Parque Estadual Veredas do
Peruac¸u: cerrad
˜
ao, cerrado sentido restrito, campo limpo e veredas, sendo que estas n
˜
ao
foram abordadas neste estudo.
• Cerrad
˜
ao
O cerrad
˜
ao
´
e uma formac¸
˜
ao florestal do ponto de vista de sua fisionomia, mas floristica-
mente
´
e similar a um cerrado, composto por esp
´
ecies que ocorrem no cerrado sentido restrito
e nas matas galeria e ciliar (Ribeiro e Walter, 1998). A altura m
´
edia do estrato arb
´
oreo chega
a atingir 15m de altura e normalmente o dossel
´
e cont
´
ınuo, havendo contato entre as copas
das
´
arvores, o que lhes garante um aspecto fechado (Figura 3.2). A cobertura arb
´
orea no
cerrad
˜
ao varia entre 50 e 90% (Ribeiro e Walter, 1998), havendo deciduidade em determi-
nados per
´
ıodos para algumas esp
´
ecies. Os solos s
˜
ao geralmente arenosos e profundos, bem
drenados e de baixa fertilidade.
Figura 3.2: Exemplo de uma borda de cerrad
˜
ao no vale do Peruac¸u. Foto: Philippe Maillard, 2004.
Os cerrad
˜
oes s
˜
ao muito distintos das florestas secas pelos aspectos fision
ˆ
omicos e es-
truturais, mas normalmente estes coexistem lado a lado e compartilham v
´
arios elementos
flor
´
ısticos (Rizzini, 1997). Alguns autores admitem que o cerrad
˜
ao seja uma fase transit
´
oria
20
Figura 3.3: Cerrado sentido restrito. Foto: Mar
´
ılia F. Gomes, 2004.
para as florestas secas (Rizzini, 1997) e acreditam que, em alguns casos, protegidas do fogo,
corte, pastagem, se transformariam nessas florestas (Pivello e Coutinho, 1996).
• Cerrado sentido restrito
O cerrado sentido restrito
´
e caracterizado por apresentar sin
´
usias lenhosas tortuosas com
ramificac¸
˜
oes irregulares.
´
E diferenciado dos cerrad
˜
oes por apresentar fisionomia arbustiva
e gram
´
ınea, sendo mais suscept
´
ıvel ao fogo anual (Figura 3.3). Os arbustos e subarbustos
disp
˜
oem-se de maneira aleat
´
oria em diferentes densidades, com algumas esp
´
ecies apresen-
tando
´
org
˜
aos subterr
ˆ
aneos perenes (Ribeiro e Walter, 1998). Pode existir tanto por ser um
subgrupo de formac¸
˜
ao natural como devido
`
a ac¸
˜
ao antr
´
opica (Veloso et al., 1991), por e-
xemplo, a partir de uma degenerac¸
˜
ao do cerrad
˜
ao.
As plantas arb
´
oreas n
˜
ao sofrem com estresse h
´
ıdrico na estac¸
˜
ao seca, visto as ra
´
ızes pro-
fundas, no entanto h
´
a falta d’
´
agua para os estratos subarbustivo, herb
´
aceo e gram
´
ıneo nessa
estac¸
˜
ao. Com a chegada da estac¸
˜
ao chuvosa estes estratos tornam-se exuberantes devido ao
seu r
´
apido crescimento (Rizzini, 1997).
O cerrado apresenta densidade arb
´
orea vari
´
avel de acordo com as condic¸
˜
oes ed
´
aficas,
condic¸
˜
oes h
´
ıdricas, profundidade do solo, queimadas e ac¸
˜
oes antr
´
opicas, fatores que ser
˜
ao
refletidos na estrutura, na distribuic¸
˜
ao espacial dos indiv
´
ıduos lenhosos e na composic¸
˜
ao
flor
´
ıstica do cerrado sentido restrito (Ribeiro e Walter, 1998). Tr
ˆ
es subdivis
˜
oes desta fi-
sionomia do cerrado s
˜
ao originadas desses complexos condicionantes: cerrado denso, cer-
rado t
´
ıpico e cerrado ralo.
21
Figura 3.4: Veredas ao longo do rio Peruac¸u. Foto: Mar
´
ılia F. Gomes, 2004.
O cerrado denso
´
e um subtipo de vegetac¸
˜
ao predominantemente arb
´
oreo, com cobertura
de 50% a 70% e cinco a oito metros de altura. J
´
a o cerrado t
´
ıpico
´
e predominantemente
arb
´
oreo-arbustivo, com cobertura arb
´
orea de 20% a 50% e altura m
´
edia de tr
ˆ
es a seis metros
(Ribeiro e Walter, 1998).
Os solos da vegetac¸
˜
ao de cerrado sentido restrito s
˜
ao principalmente Latossolos e Areias
quartzosas, com alta concentrac¸
˜
ao de ferro e alum
´
ınio.
• Veredas
As veredasapresentam-se como uma formac¸
˜
ao perenif
´
olia que segueos rios, onde a mesa
de
´
agua
´
e superficial e os solos s
˜
ao hidrom
´
orficos. Observa-se mata galeria, margeada por um
cintur
˜
ao de gram
´
ıneas (campo limpo, geralmente
´
umido), sujeitas a inundac¸
˜
oes peri
´
odicas
(Pivello e Coutinho, 1996; Ratter et al., 1997), com a presenc¸a constante das col
ˆ
onias ou
agrupamentos de buritis Mauritia sp. (Figura 3.4).
Possuem
´
arvorescom altura aproximada entre quatro e seis metros e um maior n
´
umero de
arbustos (Rizzini, 1997), sendo que os buritis possuem altura m
´
edia entre 12 e 15 metros. As
veredas ocorrem geralmente nas suavesdepress
˜
oes dos terrenos ondulados, condicionadas ao
afloramento do lenc¸ol fre
´
atico, e s
˜
ao sempre contornadas pelo cerrado, que a partir das suas
bordas, expande-se por todas as direc¸
˜
oes (Rizzini, 1997; Ribeiro e Walter, 1998). As veredas
funcionam como local de ref
´
ugio, fonte de alimento e local de protec¸
˜
ao para a fauna terrestre
e aqu
´
atica, al
´
em de ser local de pouso para a avifauna (Ribeiro e Walter, 1998).
• Campo limpo
22
Esta formac¸
˜
ao campestre do cerrado se apresenta como uma fitofisionomia predominan-
temente herb
´
acea, com raros arbustos e aus
ˆ
encia completa de
´
arvores (Rizzini, 1997).
O campo limpo pode ter localizac¸
˜
ao variada no perfil da vertente, mas no PEVP
´
e en-
contrado circundando as veredas, em
´
areas cont
´
ıguas aos rios (Figura 3.5). Os solos s
˜
ao
normalmente do tipo Hidrom
´
orficos, marcados por peri
´
odicas inundac¸
˜
oes, o que denomina
por vezes o campo limpo de “v
´
arzea”ou “brejo”.
Figura 3.5: Campo limpo circundando uma lagoa no cerrado. Foto: Mar
´
ılia F. Gomes, 2004.
3.1.2 Regenerac¸
˜
ao
Nas
´
ultimas d
´
ecadas o cerrado tem sofrido press
˜
ao pela agricultura moderna para gr
˜
aos,
corte para pastagens e para carv
˜
ao vegetal. Em 1994 estimou-se que 34% j
´
a era de uso
humano, sendo configurado como o ecossistema que mais tem sofrido press
˜
ao humana no
Brasil (Ratter et al., 1997). S
˜
ao tr
ˆ
es os principais instrumentos de degradac¸
˜
ao dos cerrados:
o corte, a pastagem e o fogo, sendo o
´
ultimo o mais expressivo.
O Fogo
A relac¸
˜
ao dos cerrados com o fogo
´
e antiga, pois queimadas naturais t
ˆ
em sido fator determi-
nante no cerrado desde a metade do Holoceno, e populac¸
˜
oes ind
´
ıgenas t
ˆ
em utilizado o fogo
h
´
a mais de 32.000 anos no Brasil Central (Mistry, 1998).
Hoje o fogo
´
e utilizado no cerrado para abertura e rebrota em
´
areas de pastagens, ex-
pans
˜
ao de
´
areas de agricultura (principalmente a soja) e para a produc¸
˜
ao de carv
˜
ao vegetal.
23
Existe um fator cultural na utilizac¸
˜
ao do fogo nos cerrados, sendo praticado para limpeza
de
´
areas, evitar esp
´
ecies indesejadas e eliminar pragas. H
´
a inclusive uma crenc¸a no aumento
da fertilidade ao se lanc¸ar fogo em uma
´
area. Este fato
´
e realmente verdadeiro quando
as queimadas s
˜
ao primeiramente praticadas, pois grande quantidade de mat
´
eria org
ˆ
anica e
f
´
osforo s
˜
ao lanc¸ados no solo, mas a freq
¨
u
ˆ
encia desta atividade traz preju
´
ızos
`
a fauna, ao
banco e
`
a dorm
ˆ
encia de sementes.
• Caracter
´
ısticas
Normalmente as queimadas ocorrem no fim do per
´
ıodo seco, pois a umidade presente
nas plantas
´
e menor. As gramas, folhas, galhos e ramos pr
´
oximos ao solo servem de com-
bust
´
ıvel para a r
´
apida propagac¸
˜
ao do fogo. As condic¸
˜
oes atmosf
´
ericas favorecem a difus
˜
ao
das chamas, com a baixa umidade do ar e por se tratar de um per
´
ıodo de ventos cont
´
ınuos
nos cerrados.
O fogo se comporta de diferentes maneiras no cerrado, estando intrinsecamente ligado
`
a fisionomia. De maneira geral, o fogo se mant
´
em ao n
´
ıvel da superf
´
ıcie e move-se rapi-
damente, consumindo as camadas herb
´
aceas e raramente iniciando a queima de
´
arvores de
maior porte (Mistry, 1998; Rizzini, 1997).
No entanto, focos de inc
ˆ
endio que ocorrem em
´
areas de veredas podem durar dias ou
semanas, sendo muitas vezes em v
˜
ao o seu combate. Uma vez aparentemente controlado,
o fogo renova suas energias e se realimenta atrav
´
es da turfa existente sob as
´
arvores, esta
funciona como combust
´
ıvel, retomando todo o processo de queima, com chamas que podem
chegar a 20m de altura.
Os criadores de gado consideram as queimadas no fim do per
´
ıodo seco uma boa alterna-
tiva, pois as chamas se propagam rapidamente e em um pequeno per
´
ıodo de tempo as chuvas
retornam, permitindo a rebrota da vegetac¸
˜
ao (brotos novos que alimentar
˜
ao o gado). J
´
a os
agricultores realizam a queima para a “limpeza”de
´
areas de cultivo e com intuito de aumentar
a fertilidade dos solos.
• Conseq
¨
u
ˆ
encias
A din
ˆ
amica do fogo cumpre um papel importante na manutenc¸
˜
ao e na expans
˜
ao do cer-
rado. Existem evid
ˆ
encias fitoecol
´
ogicas que a
´
area ecol
´
ogica dos cerrados seria menor do
que a atual, tendo as populac¸
˜
oes ind
´
ıgenas, sobretudo pelo uso do fogo, contribu
´
ıdo de forma
decisiva na sua expans
˜
ao (Empresa Brasileira de Pesquisa Agropecu
´
aria, 1998).
As queimadas t
ˆ
em forte influ
ˆ
encia no aumento da variabilidade estrutural do cerrado,
transformando formac¸
˜
oes mais densas em formac¸
˜
oes mais abertas. O fogo favorece os ar-
bustos e gram
´
ıneas, estimulando a rebrotac¸
˜
ao, e faz com que as
´
arvores percam seu espac¸o
em detrimento dos arbustos.
24
Acreditava-se que o fogo era um importante fator para a manutenc¸
˜
ao do cerrado, sendo
importante para a germinac¸
˜
ao de sementes devido ao espesso envolt
´
orio existente na maioria
das sementes. No entanto este fato n
˜
ao
´
e real, pois o fogo pode auxiliar na germinac¸
˜
ao
de algumas sementes, mas sua aplicac¸
˜
ao ano ap
´
os ano acaba por eliminar as pl
ˆ
antulas que
surgiram (Rizzini, 1997). Ademais, em todos os estudos realizados sobre a influ
ˆ
encia do
fogo para aumento na germinac¸
˜
ao de sementes, de maneira geral apontavam para a n
˜
ao
melhoria desse aspecto com a passagem do fogo (Mistry, 1998).
A regenerac¸
˜
ao do cerrado
´
e caracterizada por reproduc¸
˜
ao vegetativa, e n
˜
ao por germinac¸
˜
ao
de sementes (Rizzini, 1997), sendo este tipo de reproduc¸
˜
ao observada em locais preserva-
dos. A germinac¸
˜
ao de sementes necessita da atenuac¸
˜
ao da radiac¸
˜
ao solar, o que n
˜
ao ocorre
em
´
areas degradadas. O que mant
´
em os cerrados ap
´
os intensas e freq
¨
uentes queimas ou corte
s
˜
ao as ra
´
ızes gem
´
ıferas, ligadas ao seu profundo sistema axial que
´
e capaz de aliment
´
a-las
continuamente no interior do solo (Rizzini, 1997).
3.2 O uso de par
ˆ
ametros biof
´
ısicos para caracterizac¸
˜
ao da
vegetac¸
˜
ao
O conhecimento acurado sobre par
ˆ
ametros biof
´
ısicos dos ecossistemas
´
e essencial para de-
senvolver um entendimento dos ecossistemas e suas interac¸
˜
oes, prover a entrada de mode-
los de processos globais e do ecossistema, testar esses modelos e monitorar mudanc¸as nas
din
ˆ
amicas do ecossistema e processos ao longo do tempo (Leckie e Ranson, 1998).
Medidas alom
´
etricas (relac¸
˜
oes entre tamanho e forma dos indiv
´
ıduos florestais) apresen-
tam um relevante efeito na estrutura e funcionamento da floresta (Kuntschik, 2004) tornando-
se uma abordagem interessante para caracterizar comundiades florestais. Baseadas nessas
medidas est
˜
ao as principais vari
´
aveis que devem ser levantadas para o invent
´
ario da floresta:
cobertura da floresta, o fechamento da copa, a densidade de
´
arvores, a altura das
´
arvores,
os
´
ındices estruturais, o di
ˆ
ametro
`
a altura do peito (DAP), a
´
area basal, a composic¸
˜
ao da
vegetac¸
˜
ao e a idade da floresta (Franklin, 2001; Jaton e Thomson, 1994). As principais
vari
´
aveis utilizadas s
˜
ao abaixo descritas.
• A Porcentagem de Abertura do Dossel (PAD)
´
e definida como a
´
area subtra
´
ıda da
´
area de cobertura de folhas e troncos projetada verticalmente para as copas. Este
par
ˆ
ametro descreve indiretamente a quantidade e distribuic¸
˜
ao da cobertura vegetal,
sendo um importante indicador para diferenciac¸
˜
ao de fitofisionomias do cerrado.
´
E
tamb
´
em um indicador da quantidade de alcance da luz no solo, que
´
e um dos fatores
que controla a temperatura do ambiente e umidade do solo.
• O
´
Indice de
´
Area Foliar (IAF)
´
e uma importante caracter
´
ıstica da vegetac¸
˜
ao e
´
e di-
25
retamente relacionado a raz
˜
oes de troca de g
´
as atmosf
´
erica, divis
˜
ao da biomassa e
produtividade (Jensen e Binford, 2004). Expressa a relac¸
˜
ao de m
2
de folha por m
2
de
ch
˜
ao.
• A Densidade da floresta (DT)
´
e definida como o tamanho da populac¸
˜
ao em relac¸
˜
ao
`
a unidade de espac¸o definida.
´
E
´
util para diferenciar fitofisionomias e est
´
agios de
regenerac¸
˜
ao.
• O Di
ˆ
ametro
`
a altura do peito (DAP) expressa o di
ˆ
ametro de uma
´
arvore medido
a 1,5m do n
´
ıvel do ch
˜
ao (Smith e Smith, 1998).
´
E relacionado com o est
´
agio de
maturidade da comunidade, mas
´
e vari
´
avel para cada esp
´
ecie.
• A Composic¸
˜
ao da vegetac¸
˜
ao
´
e definida pelos g
ˆ
eneros e esp
´
ecies que prov
ˆ
em os dados
flor
´
ısticos, componentes diagn
´
osticos valiosos e importantes em qualquer descric¸
˜
ao e
an
´
alise da vegetac¸
˜
ao. O conhecimento da distribuic¸
˜
ao das esp
´
ecies da vegetac¸
˜
ao pode
tamb
´
em ser importante quando medidas do IAF, do PAD e do tamanho do dossel s
˜
ao
realizadas, porque esses par
ˆ
ametros variam de acordo com a variac¸
˜
ao de esp
´
ecies (Jo-
hansen e Phinn, 2006). No caso do cerrado a relac¸
˜
ao entre essas medidas alom
´
etricas
da vegetac¸
˜
ao e a composic¸
˜
ao da vegetac¸
˜
ao
´
e menos direta devido
`
a grande diversi-
dade flor
´
ıstica se comparada com florestas temperadas. Da composic¸
˜
ao da vegetac¸
˜
ao
podemos extrair a sua diversidade, ou seja, a abund
ˆ
ancia de esp
´
ecies, que pode ser
expressa pelo
´
Indice de Shannon.
Cabe lembrar que a idade das comunidades e as caracter
´
ıstica da superf
´
ıcie encontradas
sob o dossel, tal como a composic¸
˜
ao dos solos, a umidade, o relevo, s
˜
ao tamb
´
em fundamen-
tais para caracterizar as populac¸
˜
oes florestais.
3.3 O Sistema RADAR
Os sistemas de radar operam na faixa das microondas, que s
˜
ao ondas que possuem com-
primento de onda de 1mm a 1m (Figura 3.6). O termo radar significa “RAdio Detection
and Ranging” ou detecc¸
˜
ao e localizac¸
˜
ao por ondas de r
´
adio. Para gerar dados de imagem
de radar o efeito ‘Doppler”
´
e um princ
´
ıpio geralmente utilizado e consiste na mudanc¸a na
freq
¨
u
ˆ
encia da onda como uma func¸
˜
ao de velocidades relativas de um transmissor e de um
refletor. O processo para formac¸
˜
ao das imagens baseia-se na transmiss
˜
ao de curtos pulsos de
energia microondas na direc¸
˜
ao de interesse e na gravac¸
˜
ao da energia e da origem dos ecos ou
reflex
˜
oes recebidas dos objetos dentro do campo de visada do sistema (Lillesand e Kiefer,
2000).
26
Como
´
e poss
´
ıvel observar na Figura 3.6 as microondas sofrem pequena atenuac¸
˜
ao at-
mosf
´
erica, justificando sua capacidade de aquisic¸
˜
ao de imagens mesmo em condic¸
˜
oes de
nebulosidade.
Figura 3.6: Espectro eletromagn
´
etico e janelas atmosf
´
ericas. Fonte: Lillesand e Kiefer, (2000).
Os radares podem ser imageadores de abertura real (RAR) ou radares de abertura sint
´
etica
(SAR), os
´
ultimos simulando a abertura de uma antena longa, atrav
´
es do deslocamento de
uma antena curta ao longo da direc¸
˜
ao de v
ˆ
oo da plataforma. As posic¸
˜
oes sucessivas da
antena s
˜
ao tratadas eletronicamente como se fossem elementos de uma
´
unica antena longa
(Vannucci, 1999). Aqui a
ˆ
enfase ser
´
a dada aos sistemas SAR.
• Formac¸
˜
ao de uma Imagem SAR
Em sistemas SAR a plataforma se desloca lateralmente
`
a
´
area imageada, a uma veloci-
dade em relac¸
˜
ao
`
a superf
´
ıcie, a uma altura e com um
ˆ
angulo em relac¸
˜
ao ao nadir (Figura
3.7). O sensor envia pulsos por um per
´
ıodo de tempo (na ordem de microssegundos) e
`
a me-
dida em que a plataforma se desloca (a uma certa velocidade), o sensor coleta o eco, metros
adiante.
Em um sistema radar o “range” ou alcance e o azimute definem a resoluc¸
˜
ao da imagem.
A dimens
˜
ao longitudinal
´
e denominada azimute. A dimens
˜
ao transversal
´
e denominada al-
cance. Os pontos diretamente abaixo do radar, ou mais pr
´
oximos ao nadir, est
˜
ao localizados
no alcance pr
´
oximo (“near range”) e os pontos mais afastados do nadir est
˜
ao localizados
no alcance distante (“far range”). A resoluc¸
˜
ao de alcance de um SAR
´
e determinada por
limitac¸
˜
oes de construc¸
˜
ao do radar e do processador, ambos atuando no dom
´
ınio do alcance
inclinado.
• Rugosidade da Superf
´
ıcie
27
SAR
Direçãode
Vôo
H
FaixaImageada
Alcance
Azimute
Áreailuminada
Ângulo
Figura 3.7: Geometria de uma imagem SAR.
A rugosidade da superf
´
ıcie influencia diretamente na quantidade de energia que ser
´
a
retroespalhada para o radar. De maneira geral podemos dizer que existem dois tipos princi-
pais de refletores, o refletor especular, que reflete toda energia emitida pelo radar com um
ˆ
angulo oposto ao
ˆ
angulo de incid
ˆ
encia, e o refletor Lambertiano, que reflete a energia igual-
mente em todas as direc¸
˜
oes. Mas a maioria das superf
´
ıcies terrestres se encontram entre
esses dois tipos de refletores (Figura 3.8).
Essa propriedade geral ir
´
a determinar as diversas situac¸
˜
oes que podem ser encontradas
em imagens SAR devido ao imageamento da cena de uma perspectiva obl
´
ıqua. As princi-
pais s
˜
ao o deslocamento do relevo, a ocorr
ˆ
encia de sombras, o encurtamento de rampa, e a
invers
˜
ao de relevo.
•
ˆ
Angulo de Incid
ˆ
encia
Refere-se ao
ˆ
angulo entre a direc¸
˜
ao de iluminac¸
˜
ao do radar e a normal
`
a superf
´
ıcie do
solo. O complemento do
ˆ
angulo de visada
´
e chamado
ˆ
angulo de depress
˜
ao. O
ˆ
angulo de
incid
ˆ
encia varia entre o alcance pr
´
oximo e o alcance distante, dependendo da altura da tra-
jet
´
oria do radar. Essa mudanc¸a de
ˆ
angulo afeta a geometria de visada.
• Polarizac¸
˜
ao
A orientac¸
˜
ao, a fase relativa e a repetibilidade dos campos el
´
etricos e magn
´
eticos das
ondas eletromagn
´
eticas definem a polarizac¸
˜
ao. Um radar pode transmitir e receber a radiac¸
˜
ao
eletromagn
´
etica polarizada horizontal ou verticalmente.
28
Figura 3.8: Principais tipos de refletores da superf
´
ıcie. Fonte: Adaptado de Lillesand e Kiefer (2000).
Quando a radiac¸
˜
ao
´
e transmitida e recebida na mesma direc¸
˜
ao ela
´
e definida como paralela.
Se a energia
´
e transmitida e recebida horizontalmente diz-se HH, se
´
e transmitida e recebida
verticalmente diz-se VV.
Quando a radiac¸
˜
ao e transmitida em uma direc¸
˜
ao e recebida em outra
´
e dita cruzada. Se
´
e
transmitida verticalmente e recebida horizontalmente diz-se VH e se
´
e transmitida horizon-
talmente e recebida verticalmente diz-se HV.
Diferentes polarizac¸
˜
oes s
˜
ao utilizadas porque a polarizac¸
˜
ao pode ser modificada de acordo
com as propriedades do objeto.
3.4 Interac¸
˜
ao entre as Microondas e a Vegetac¸
˜
ao
A energia emitida pelos sensores de radar
´
e sens
´
ıvel principalmente
`
as diferenc¸as de rugosi-
dade e orientac¸
˜
ao da superf
´
ıcie e
`
as mudanc¸as na constante diel
´
etrica da superf
´
ıcie. A mag-
nitude da diferenc¸a da constante diel
´
etrica governa a quantidade de reflex
˜
ao, e a rugosidade
e a orientac¸
˜
ao da superf
´
ıcie governam a direc¸
˜
ao da reflex
˜
ao, logo, a quantidade de energia
que retorna ao sensor. Isto significa que mesmo que uma superf
´
ıcie tenha uma constante
diel
´
etrica alta, como por exemplo a
´
agua, mas sua superf
´
ıcie for suave, sem rugosidade,
pouca energia ser
´
a retroespalhada em direc¸
˜
ao ao radar.
Nesse contexto, o dossel da vegetac¸
˜
ao apresenta um comportamento particular, deno-
minado espalhamento volum
´
etrico, considerado o mecanismo de interac¸
˜
ao dominante para
as
´
arvores.
´
E originado da reflex
˜
ao da superf
´
ıcie de dentro de um m
´
edio devido a mudanc¸as
graduais na constante diel
´
etrica, pequenas heterogeneidades e objetos ou elementos dentro
de um m
´
edio que ir
˜
ao resultar em reflex
˜
ao, algumas das quais retornam ao radar (Leckie e
Ranson, 1998).
Os principais elementos dentro do dossel s
˜
ao folhas, ramos, galhos e troncos. Exis-
29
tem muitos desses elementos e cada um deles agindo como espalhadores e resultando em
m
´
ultiplos espalhamentos entre elementos, mas tamb
´
em agindo como atenuadores (Leckie
e Ranson, 1998). Mas sob condic¸
˜
oes de inundac¸
˜
ao a contribuic¸
˜
ao da interac¸
˜
ao troncos-
superf
´
ıcie aumenta fortemente, produzindo uma melhoria significativa do coeficiente de
retroespalhamento total (Parmuchi et al., 2002).
A quantidade de energia que retorna ao radar
´
e vari
´
avel de acordo com o comprimento
de onda do sensor e com o
ˆ
angulo de incid
ˆ
encia. Um mesmo objeto pode refletir ou absorver
mais a energia devido a diferentes interac¸
˜
oes com os elementos que comp
˜
oem o objeto e com
a rugosidade da superf
´
ıcie. Mas as propriedades de espalhamento s
˜
ao tamb
´
em fortemente
dominadas pelo tamanho, forma e orientac¸
˜
ao da superf
´
ıcie e do elemento dentro de um
m
´
edio.
A polarizac¸
˜
ao da energia tamb
´
em pode modificar de acordo com o tamanho, forma e
orientac¸
˜
ao dos elementos no dossel (Figura 3.9). E ainda as diferenc¸as entre retroespa-
lhamento HH, VV e cruzado, devido
`
a arquitetura do dossel, podem mudar com o
ˆ
angulo de
incid
ˆ
encia, pois diferentes
ˆ
angulos resultam na exposic¸
˜
ao de diferentes estruturas e orienta-
c¸
˜
oes dos ramos (Leckie e Ranson, 1998). Na Figura 3.9
´
e poss
´
ıvel observar que, de acordo
com a posic¸
˜
ao do galho, diferentes intensidades de retorno s
˜
ao obtidas em cada polarizac¸
˜
ao,
podendo ser alta, moderada ou at
´
e nula.
Figura 3.9: Magnitude de retroespalhamento para um cilindro com raio inferior ao comprimento de onda,
simulando a resposta de um galho. Diferentes orientac¸
˜
oes foram dadas ao cilindro para observar as respostas
nas polarizac¸
˜
oes VV, HH e cruzada. De a. a e. a polarizac¸
˜
ao horizontal
´
e direcionada para fora da p
´
agina, em
f) o feixe do radar
´
e direcionado para dentro da p
´
agina. Fonte: Leckie e Ranson (1998).
30
3.4.1 Mecanismos de retroespalhamento
S
˜
ao enumerados cinco diferentes mecanismos de retroespalhamento em
´
areas florestadas
que podem compor o retroespalhamento total, a saber: 1) espalhamento da copa que inclui
o espalhamento m
´
ultiplo dentro da copa (espalhamento volum
´
etrico), 2) retroespalhamento
direto do tronco (usualmente pequeno), 3) retroespalhamento direto do solo, 4) retroespa-
lhamento copa-solo e, 5) interac¸
˜
ao tronco-solo ou double-bounce. A Figura 3.10 exempli-
fica todos esses mecanismos, mas
´
e v
´
alido lembrar que muitas vezes existe uma camada de
vegetac¸
˜
ao inferior que tamb
´
em influencia no retroespalhamento total.
Figura 3.10: Mecanismos de retroespalhamento dentro do dossel: 1)espalhamento da copa, 2)retroespal-
hamento direto dos troncos, 3)retroespalhamento direto do solo, 4)retroespalhamento copa-solo e, 5)interac¸
˜
ao
tronco-solo. Fonte: Leckie e Ranson (1998).
A vegetac¸
˜
ao n
˜
ao est
´
a isolada neste contexto, ent
˜
ao em casos onde existe interac¸
˜
ao com
o solo, fatores como a rugosidade da superf
´
ıcie, umidade do solo e declividade t
ˆ
em uma
importante influ
ˆ
encia.
A magnitude de cada um desses mecanismos de retroespalhamento depende do compri-
mento de onda do radar, da polarizac¸
˜
ao, do
ˆ
angulo de incid
ˆ
encia, das variac¸
˜
oes no terreno e
dos par
ˆ
ametros do dossel (Leckie e Ranson, 1998).
Uma simplificac¸
˜
ao conveniente para a relac¸
˜
ao entre o comprimento de onda (Tabela 3.1)
os elementos da vegetac¸
˜
ao
´
e que a banda K interage principalmente com as folhas; a banda
X interage com folhas, ramos e pequenos galhos; a banda C interage com folhas e galhos
pequenos e m
´
edios; a banda S interage um pouco com folhas, com galhos e com o tronco;
a banda L interage com os galhos, o tronco e um pouco com o solo; e a banda P interage
com os galhos grossos, o tronco e o solo (Lillesand e Kiefer, 2000). Isto se deriva da relac¸
˜
ao
aproximativa de que o sinal do radar consegue penetrar em uma cobertura vegetal cuja folhas
s
˜
ao de tamanho de at
´
e duas vezes o comprimento de onda.
31
Tabela 3.1: Bandas radar.
Banda Comprimento de Onda Frequ
ˆ
encia
(cm) (MHz)
K
a
0.75-1.1 40.000-26.500
K 1.1-1.67 26.500-18.000
K
u
1.67-2.4 18.000-12.500
X 2.4-3.75 12.500-8.000
C 3.75-7.5 8.000-4.000
S 7.5-15 4.000-2.000
L 15-30 2.000-1.000
P 30-100 1.000-300
3.4.2 Fatores de Influ
ˆ
encia
O retroespalhamento do radar e os dados da imagem resultante s
˜
ao influenciados por uma
s
´
erie de vari
´
aveis, que v
˜
ao desde os par
ˆ
ametros do sistema de radar, o est
´
agio fenol
´
ogico da
vegetac¸
˜
ao e as condic¸
˜
oes ambientais. Diferentes interac¸
˜
oes podem ser obtidas com mudanc¸as
na polarizac¸
˜
ao, no
ˆ
angulo de incid
ˆ
encia, nas condic¸
˜
oes ambientais.
ˆ
Angulo de incid
ˆ
encia
Existe uma forte depend
ˆ
encia angular para o fen
ˆ
omeno de retroespalhamento da superf
´
ıcie,
com alto retroespalhamento a
ˆ
angulos de incid
ˆ
encia menores e diminuic¸
˜
ao do retroespa-
lhamento com
ˆ
angulos de incid
ˆ
encia menores. E esta depend
ˆ
encia diminui com o aumento
da rugosidade da superf
´
ıcie.
A depend
ˆ
encia angular
´
e maior em comprimentos de onda maiores e em altas constantes
diel
´
etricas. J
´
a para o espalhamento volum
´
etrico h
´
a uma reduc¸
˜
ao na depend
ˆ
encia
`
a medida
que se aumenta o
ˆ
angulo de incid
ˆ
encia. Logo, existe uma tend
ˆ
encia, embora pequena, de
baixo retroespalhamento em
ˆ
angulos de incid
ˆ
encia maiores (Leckie e Ranson, 1998). Isso
leva
`
a uma certa dificuldade em cruzar imagens de
ˆ
angulos de incid
ˆ
encia diferentes para
reconhecimento da vegetac¸
˜
ao.
Resoluc¸
˜
ao espacial
Sistemas de radar aerotransportados possuem melhor resoluc¸
˜
ao espacial que sistemas or-
bitais. Os sistemas SAR tentaram “burlar” esse problema com um maior n
´
umero de visadas,
`
a medida que a quantidade de visadas define a resoluc¸
˜
ao. Mais visadas resultam em maior
resoluc¸
˜
ao mas tamb
´
em em maior ru
´
ıdo speckle. A resoluc¸
˜
ao afeta a textura da imagem
`
a
medida que define a quantidade de tipos de superf
´
ıcies heterog
ˆ
eneas que podem ser detec-
tadas.
32
Efeitos Ef
ˆ
emeros
- Umidade da superf
´
ıcie: pode ser resultante de chuva, cerrac¸
˜
ao ou orvalho, que aumentam a
constante diel
´
erica. Comprimentos de onda menores s
˜
ao mais afetados por esses efeitos, que
se d
˜
ao principalmente atrav
´
es da atenuac¸
˜
ao de galhos e folhas da vegetac¸
˜
ao. Mas de maneira
geral esses efeitos apresentam pouca interfer
ˆ
encia no retroespalhamento total. Uma reduc¸
˜
ao
no contraste da imagem
´
e observada quando adquirida sob condic¸
˜
oes
´
umidas ou de chuva.
- Conte
´
udo de umidade na vegetac¸
˜
ao:
´
e altamente influenciado pelas complexas interac¸
˜
oes
entre respostas fisiol
´
ogicas, conte
´
udo de
´
agua no solo, e condic¸
˜
oes meteorol
´
ogicas. As
condic¸
˜
oes de umidade nas
´
arvoress
˜
ao influenciadas pelos fatores fenol
´
ogicos e pela tend
ˆ
encia
de umidade do solo. E esse conte
´
udo de umidade
´
e estritamente relacionado com a constante
diel
´
etrica da vegetac¸
˜
ao.
- Superf
´
ıcies inundadas: o ch
˜
ao da floresta inundado tem um grande efeito no aumento
retroespalhamento, especialmente para comprimentos de onda maiores, isto porque a intera-
c¸
˜
ao tronco-solo, ou retroespalhamento “double-bounce”,
´
e aumentada drasticamente.
3.5 O uso de sensores remotos no estudo da vegetac¸
˜
ao
Dados de sensoriamento remoto
´
otico ou por radar contribuem para o invent
´
ario e monitora-
mento de florestas, bem como para o entendimento dos processos do ecossistema. Grande
parte dos estudos com dados
´
oticos se concentrou em imagens Landsat MSS, TM e ETM,
visto a sua disponibilidade, freq
¨
u
ˆ
encia e resoluc¸
˜
ao espacial, que permitem a abrang
ˆ
encia de
grandes
´
areas.
Podem ser citados os trabalhos de Hall et al. (1991), que a partir de dados do sensor
MSS de 1973 e TM/Landsat de 1984 determinaram padr
˜
oes de sucess
˜
ao secund
´
aria em uma
floresta temperada no noroeste de Minnesota; de Araujo et al. (2001) que utilizaram dados
TM para inventariar uma floresta em clima tropical; e de Lago et al. (2001) que atrav
´
es de
an
´
alises texturais de dados TM avaliaram a estrutura da paisagem no Parque Grande Sert
˜
ao
Veredas.
Mas a principal manipulac¸
˜
ao realizada com dados
´
oticos para o estudo da vegetac¸
˜
ao
´
e o
´
Indice de Vegetac¸
˜
ao da Diferenc¸a Normalizada (NDVI). Numerosos pesquisadores t
ˆ
em rela-
cionado o NDVI a v
´
arios fen
ˆ
omenos da vegetac¸
˜
ao tais como medida do
´
ındice de
´
area foliar,
estimativa da biomassa, determinac¸
˜
ao da porcentagem de cobertura do solo, e estimativa
da atividade fotossinteticamente ativa (Ustin et al., 1999; Lillesand e Kiefer, 2000). Essa
relac¸
˜
ao tem possibilitado o uso do NDVI em v
´
arios modelos para estudo da fotoss
´
ıntese, do
fluxo do carbono, do balanc¸o da
´
agua e de processos relacionados (Ustin et al., 1999).
J
´
a os dados de radar t
ˆ
em aplicac¸
˜
oes florestais enderec¸adas no contexto do manejo de flo-
restas, entendimento do ecossistema, modelagem e monitoramento (Leckie e Ranson, 1998;
33
Townsend, 2002). Ademais, imagens SAR s
˜
ao uma ferramenta importante para os estudos
ecol
´
ogicos e podem ser utilizadas para determinar caracter
´
ısticas espec
´
ıficas da superf
´
ıcie
(Kasischke et al., 1997).
No estudo da biomassa de florestas tropicais Luckman et al. (1997) constataram que
regi
˜
oes com menor biomassa s
˜
ao mais sens
´
ıveis para imagens SAR e, que essas florestas em
regenerac¸
˜
ao caem abaixo do limiar no qual alguns dados SAR dispon
´
ıveis exibem saturac¸
˜
ao,
sendo isso uma func¸
˜
ao da polarizac¸
˜
ao, da freq
¨
u
ˆ
encia e do comprimento de onda.
Visando estimar a estrutura da floresta, Townsend (2002) utilizou imagens RADARSAT
sustentadas por 202 pontos de coleta de dados in situ, em transectos de 60 x 60 m. Ele
concluiu que as condic¸
˜
oes do meio mostraram ser um importante fator que influencia a ha-
bilidade para estimar propriedades f
´
ısicas da floresta usando dados SAR. No entanto, n
˜
ao
obtive correlac¸
˜
ao entre IAF e fechamento da copa porque estas vari
´
aveis s
˜
ao altamente de-
pendentes do est
´
agio fenol
´
ogico, requerem m
´
ultiplas bandas e polorizac¸
˜
oes e, tais vari
´
aveis
s
˜
ao melhor estimadas usando imagens
´
oticas.
Parmuchi et al. (2002) utilizaram dados multitemporais do RADARSAT-1 e um clas-
sificador de decis
˜
ao para mapear
´
areas
´
umidas no delta do rio Paran
´
a, e conclu
´
ıram que os
dados RADARSAT s
˜
ao
´
uteis na detecc¸
˜
ao de
´
agua abaixo do dossel.
A partir do uso de dados SAR, Le Toan et al. (1992), ap
´
os testarem dados em banda L e
P em v
´
arias polarizac¸
˜
oes, correlacionaram a biomassa da floresta com dados em banda P.
No entanto devemos considerar que dados SAR possuem benef
´
ıcios e limitac¸
˜
oes. Os
benef
´
ıcios est
˜
ao, sobretudo, por n
˜
ao possu
´
ırem impedimentos atmosf
´
ericos e por ser poss
´
ıvel
variar o
ˆ
angulo de vis
˜
ao. Mas Townsend et al. (2000) lembra que a maioria dos estudos n
˜
ao
utiliza dados SAR amplamente dispon
´
ıveis nem s
˜
ao geograficamente extensos;
`
as vezes as
propriedades da superf
´
ıcie exercem uma influ
ˆ
encia mais forte no retroespalhamento que as
caracter
´
ısticas da floresta; e que existem dificuldades de coletas intensivas e extensivas de
medidas da floresta para validar medidas SAR.
Sano et al. (2005) aponta como uma fraqueza principal de dados do SAR para a cobertura
e uso de terra o relativamente forte efeito de rugosidade do solo e da umidade nas folhas,
ramos e troncos na energia retroespalhada.
A integrac¸
˜
ao de dados de radar com dados
´
oticos minimiza as limitac¸
˜
oes de ambos os
tipos de dados, e o estudo em uma perspectiva multitemporal induz
`
a obtenc¸
˜
ao de melhores
resultados.
Egbert et al. (1994) e Conese e Maselli (1991), constataram que estudos que utilizam
dados multi-temporais para mapeamento de classes de vegetac¸
˜
ao do semi-
´
arido, na maioria
dos casos, tiveram melhoria na precis
˜
ao da classificac¸
˜
ao que usando dados de apenas uma
data.
Rignot et al. (1997) utilizaram, para a regi
˜
ao de Porto Velho, imagens de radar do SIR-C
e do JERS-1 em conjunto com imagens Landsat TM e SPOT. Em suas conclus
˜
oes as imagens
34
´
oticas apresentaram desempenho superior para determinac¸
˜
ao de
´
areas desmatadas.
Utilizando dados de invent
´
arios florestais,
´
oticos e de radar Esp
´
ırito-Santo (2003) carac-
terizou e mapeou a
´
area da Floresta Nacional do Tapaj
´
os (PA). No entanto, n
˜
ao encontrou
correlac¸
˜
oes com IAF,
´
area basal e biomassa a
´
erea com as imagens multitemporais Landsat.
E conclui que a uni
˜
ao de diferentes fontes de sensoriamento remoto permite a extrac¸
˜
ao e
classificac¸
˜
ao da cobertura vegetal de regi
˜
oes amaz
ˆ
onicas.
3.6 Trabalhos Anteriores Desenvolvidos no PEVP
A criac¸
˜
ao das Unidades de Conservac¸
˜
ao do vale do rio Peruac¸u esteve desvinculada da
produc¸
˜
ao de material cartogr
´
afico. Pesquisadores que trabalhavam no vale sentiam a ne-
cessidade de obter um diagn
´
ostico sobre o est
´
agio de preservac¸
˜
ao dos diversos tipos vegetais
e tomar conhecimento sobre o uso e ocupac¸
˜
ao do solo na
´
area.
As pesquisas foram iniciadas no ano de 2001, mas omente no ano de 2003 foram pub-
licados os primeiros trabalhos nesse sentido, que utilizavam metodologias distintas a fim de
aprimorar a classificac¸
˜
ao automatizada para as fitofisionomias do vale do Peruac¸u.
Gomes e Maillard (2003b) utilizando imagens Landsat 7 EMT+ e t
´
ecnicas de processa-
mento digital de imagem, mapearam o sistema fitogeogr
´
afico das Unidades de Conservac¸
˜
ao
do vale do Peruac¸u para fins ecol
´
ogicos e arqueol
´
ogicos, al
´
em de acrescentarem classes
b
´
asicas de uso do solo no mapeamento.
Feic¸
˜
oes de textura foram criadas a partir da imagem Landsat, empregando metodologia
baseada no c
´
alculo de matrizes de co-ocorr
ˆ
encia, com dois diferentes intervalos de dist
ˆ
ancia,
definidos a partir de semi-variogramas, e tr
ˆ
es medidas (o contraste, o momento inverso da
diferenc¸a e a correlac¸
˜
ao). Duas feic¸
˜
oes de textura foram geradas para cada intervalo e cada
medida totalizando seis feic¸
˜
oes. Realizaram diferentes classificac¸
˜
oes a fim de encontrar a que
fornecesse os melhores resultados: multiespectral; textural; multiespectral e pancrom
´
atica;
multiespectral, pancrom
´
atica e textural. O melhor resultado geral de classificac¸
˜
ao foi encon-
trado para as bandas multiespectrais e pancrom
´
atica, com sucesso de 78%. Entretanto, ao
analisarem as classes de cobertura separadamente, estas respondiam de maneira diferenciada
a cada tipo de classificac¸
˜
ao.
A conclus
˜
ao foi que a banda pancrom
´
atica de 15m, no que se refere ao uso de feic¸
˜
oes
de textura, n
˜
ao trouxe avanc¸o significativo para os resultados, conduzindo
`
a melhoria para
algumas classes e ao recuo para outras. Atribu
´
ıram a diminuic¸
˜
ao no sucesso da classificac¸
˜
ao
`
a alta vari
ˆ
ancia intraclasse.
Pode-se considerar que os resultados apresentados pelos autores naquele momento foram
satisfat
´
orios, haja visto a inexist
ˆ
encia de mapeamentos daquele tipo, expondo uma caracteriza-
c¸
˜
ao e mapeamento atualizados da vegetac¸
˜
ao das Unidades de Conservac¸
˜
ao do valedo Peruac¸u.
Visando aprimorar os resultados obtidos por Gomes e Maillard (2003b), Maillard e
35
Gomes (2003), em um trabalho vinculado ao material produzido para o Plano de Manejo do
Parque Nacional Cavernas do Peruac¸u, utilizaram 18 feic¸
˜
oes de textura extra
´
ıdas de imagens
Landsat 7 ETM+ e quatro diferentes classificadores (MDM -minimum distance to mean-,
ML -maximum likelihood-, SAM -spectral angle mapper- e SSC -spectral-spatial classifier-).
As medidas de textura utilizadas foram o contraste, o segundo momento angular, a entropia,
o momento inverso de diferenc¸a e a correlac¸
˜
ao.
Os autores encontram resultados muito superiores com os classificadores ML e SSC,
com sucesso superior a 90% na classificac¸
˜
ao. A banda de 15m tendeu a piorar os resultados
da classificac¸
˜
ao, mas sua utilizac¸
˜
ao para criar feic¸
˜
oes de textura contribuiu para melhorar os
resultados. O NDVI foi tamb
´
em decisivo para melhorar os resultados com todos os classifi-
cadores.
Entretanto ainda restaram confus
˜
oes entre algumas classes de vegetac¸
˜
ao, sobretudo no
que se referia
`
as classes de cerrado, em especial as classes de regenerac¸
˜
ao, que eram classi-
ficadas como cerrad
˜
ao, superestimando a
´
area dessa classe.
Na busca de um maior entendimento acerca da vegetac¸
˜
ao no vale do Peruac¸u e seu com-
portamento espectral em diferentes est
´
agios fenol
´
ogicos, Gomes e Maillard (2003a) anali-
saram tr
ˆ
es subformac¸
˜
oes do cerrado, as veredas, o cerrado sensu stricto e o cerrad
˜
ao, al
´
em da
floresta estacional decidual e semidecidual. O estudo tinha um car
´
ater geoambiental, onde
foram considerados fatores ambientais tais como declividade, litologia, solos e umidade, a
fim de atribuir a cada vari
´
avel seu papel na resposta captada pelo sensor ETM+ de Landsat.
O estudo n
˜
ao considerou
´
areas em regenerac¸
˜
ao, al
´
em de n
˜
ao ter realizado a classificac¸
˜
ao
propriamente dita, mas concluiu que para diferenciac¸
˜
ao das formac¸
˜
oes vegetais do vale do
Peruac¸u, a estac¸
˜
ao seca mostrou desempenho superior
`
a estac¸
˜
ao chuvosa, sendo o infraver-
melho m
´
edio melhor para diferenciar as classes de cerrado. Para estas classes o NDVI apre-
sentou melhores resultados que os valores de reflect
ˆ
ancia, mas para
´
areas em regenerac¸
˜
ao os
autores recomendaram cautela, haja visto a sensibilidade do NDVI
`
as variac¸
˜
oes da vegetac¸
˜
ao.
Os trabalhos acima apresentados serviram de embasamento inicial e motivac¸
˜
ao para
o presente estudo, j
´
a que alguns dados iniciais haviam sido adquiridos e fragilidades nos
m
´
etodos utilizados haviam sido identificadas. Em especial, a resposta da vegetac¸
˜
ao de cer-
rado a partir de dados
´
oticos havia sido bem trabalhada, em especial a resposta das diversas
fitofisionomias do cerrado com a utilizac¸
˜
ao do NDVI.
36
Cap
´
ıtulo 4
METODOLOGIA
Duas
PRINCIPAIS etapas comp
˜
oem a metodologia. A primeira
´
e relacionada
`
a
aquisic¸
˜
ao, preparac¸
˜
ao e integrac¸
˜
ao espacial dos dados, enquanto a segunda
se refere
`
a modelagem e aos testes de infer
ˆ
encia estat
´
ıstica.
Os dados utilizados neste estudo podem ser divididos da seguinte forma: 1) cartogr
´
aficos,
2) de sensoriamento remoto, 3) de levantamentos de atributos biogeof
´
ısicos do cerrado e 4)
de informac¸
˜
oes hist
´
oricas.
4.1 Material cartogr
´
afico
As informac¸
˜
oes contidas nas folhas Serra dos Tropeiros e Catol
´
e (SD.23-Z-A-IV e SD.23-Z-
C-I, respectivamente), levantadas pelo Servic¸o Geogr
´
afico do Ex
´
ercito (SGE) na d
´
ecada de
1960, em escala 1:100.000, foram digitalizadas e armazenadas em formato vetorial. Alguns
elementos sofreram atualizac¸
˜
oes, tais como estradas e construc¸
˜
oes. Esses novos elemen-
tos foram obtidos por aparelho GPS (Global Positionning System) e incorporados
`
a base
cartogr
´
afica.
Uma imagem do sensor ETM+ de Landsat, do ano de 2001,
´
orbita-ponto 219-70, cor-
rigida geometricamente por pontos de GPS e pelas cartas topogr
´
aficas supracitadas, serviu
para a interpretac¸
˜
ao visual dos antigos projetos de plantac¸
˜
ao de eucaliptos da Peruac¸u Flores-
tal.
Utilizou-se, aliadas aos dados de campo, as classificac¸
˜
oes realizadas para o Plano de
Manejo do Parque Estadual Cavernas do Peruac¸u, em escala 1:100.000 (Gomes e Maillard,
2003b; Maillard e Gomes, 2003) para a diferenciac¸
˜
ao a priori das fisionomias do cerrado.
37
4.2 Dados de Sensoriamento Remoto
Atrav
´
es de um conv
ˆ
enio firmado com a Ag
ˆ
encia Espacial Canadense (Agence Spatiale Cana-
dienne - ASC), foram adquiridas quatro imagens RADARSAT-1, no modo de feixe padr
˜
ao
(“standard beam”), do ano de 2004. Optou-se por imagens em diferentes
ˆ
angulos de in-
cid
ˆ
encia, inferiores a 40
o
, por correlacionarem melhor com estrutura da floresta (T
¨
oyr
¨
a et al.,
2001; Townsend, 2002).
O RADARSAT-1
´
e um SAR orbital que atua na freq
¨
u
ˆ
encia de 5.3 GHz com comprimento
de onda de 5.7 cm, ou seja banda C, polarizac¸
˜
ao HH (horizontal-horizontal) e diferentes
ˆ
angulos de incid
ˆ
encia e resoluc¸
˜
ao espacial. A fim de avaliar as diferenc¸as nas respostas de
retroespalhamento da vegetac¸
˜
ao do cerrado foram escolhidos os
ˆ
angulos de incid
ˆ
encia de
24
◦
a 31
◦
(S2) e 41
◦
a 46
◦
(S6), com resoluc¸
˜
ao espacial de 12,5m.
As imagens do per
´
ıodo seco revelaram possuir maior contraste entre os atributos da su-
perf
´
ıcie, isto devido
`
a menor quantidade de
´
agua dispon
´
ıvel no ambiente, fazendo com que
as superf
´
ıcies com menor umidade possu
´
ıssem menor constante diel
´
etrica e, conseq
¨
uente-
mente, menor retorno (Figura 4.1 b e d) . Por haver saturac¸
˜
ao em todos os ambientes, as
imagens do per
´
ıodo chuvoso, visualmente, oferecem poucas diferenc¸as de contraste (Figura
4.1 a e c).
Duas imagens do Sat
´
elite Sino-Brasileiro de Recursos Terrestres, CBERS-2, obtidas
junto ao Instituto Nacional de Pesquisas Espaciais (INPE), da
´
orbita-ponto 154/117, com-
p
˜
oem os dados
´
oticos (Figura 4.2). Operando com instrumento CCD (Couple Charged
Device), o CBERS-2 adquire imagens no vis
´
ıvel e no infravermelho pr
´
oximo com uma
resoluc¸
˜
ao espacial de 20m, al
´
em de uma banda pancrom
´
atica (0,51 - 0,73 µm). Somente
as bandas 3 (0,52 a 0,59 µm) e 4 (0,63 a 0,69 µm) foram avaliadas, atrav
´
es da raz
˜
ao do
NDVI (Normalized Difference Vegetation Index).
Na imagem do per
´
ıodo chuvoso h
´
a a ocorr
ˆ
encia de nuvens (Figura 4.2a), j
´
a na imagem
do per
´
ıodo seco n
˜
ao (Figura 4.2b).
A Tabela 4.1 sintetiza os dados de sensoriamento remoto utilizados e suas especificac¸
˜
oes
b
´
asicas.
Tabela 4.1: Dados de sensoriamento remoto utilizados para as duas estac¸
˜
oes.
Sat
´
elite Instrumento Data da aquisic¸
˜
ao Modo AI Resoluc¸
˜
ao Passagem
RADARSAT-1 C-band SAR 02/04/2004 S2 24-31 12,5m Ascendente
RADARSAT-1 C-band SAR 03/04/2004 S6 41-46 12,5m Descendente
RADARSAT-1 C-band SAR 17/09/2004 S2 24-31 12,5m Ascendente
RADARSAT-1 C-band SAR 18/09/2004 S6 41-46 12,5m Descendente
CBERS 2 CCD 10/05/2004 - 41.3 20m -
CBERS 2 CCD 22/08/2004 - 37.5 20m -
Optou-se por utilizar dados de sensoriamento remoto em duas datas diferentes no ano,
a fim de suprir informac¸
˜
oes relacionadas
`
a mudanc¸a dos est
´
agios fenol
´
ogicos da vegetac¸
˜
ao
do cerrado, sendo uma abordagem particularmente
´
util para superf
´
ıcies vegetais (Badhwar,
38
(a) (b)
(c) (d)
Figura 4.1: Em (a) e em (c) as imagens S2 e S6 de abril, respectivamente. Em (b) e em (d) as imagens S2 e
S6 de setembro. Nas imagens de setembro
´
e poss
´
ıvel observar piv
ˆ
os centrais n
˜
ao cultivados. Nas imagens de
abril poucos elementos s
˜
ao visualmente distinguidos. A linha amarela corresponde ao contorno do parque.
1984; Conese e Maselli, 1991).
As imagens RADARSAT de abril e setembro referem-se, em termos de estac¸
˜
oes do ano,
ao outono e
`
a primavera, respectivamente. No entanto, as quatro estac¸
˜
oes n
˜
ao s
˜
ao clara-
mente percebidas nessa regi
˜
ao, o que ocorre
´
e uma grande diferenciac¸
˜
ao entre per
´
ıodos
secos, com temperaturas um pouco amenas, e chuvosos, com registro de altas temperatu-
ras. A vegetac¸
˜
ao do cerrado responde principalmente a essa variac¸
˜
ao, apresentando dois
est
´
agios fenol
´
ogicos principais: o do per
´
ıodo seco, que representa um momento de estresse
h
´
ıdrico para a vegetac¸
˜
ao, quando algumas esp
´
ecies perdem suas folhas; e o do per
´
ıodo chu-
voso, que corresponde ao momento de abund
ˆ
ancia de nutrientes, oriundos da ciclagem, e
abund
ˆ
ancia de
´
agua, aumentando por conseguinte a quantidade de
´
agua dispon
´
ıvel interna-
mente na estrutura das plantas. Esse contraste da vegetac¸
˜
ao era interessante e levou
`
a escolha
39
(a) (b)
Figura 4.2: Recortes das imagens CBERS-2, na estac¸
˜
ao chuvosa e na estac¸
˜
ao seca. Na porc¸
˜
ao oeste de
(a) vemos uma extensa n
´
evoa de nuvens cirrus e algumas cumulus de baixa altitude, que recobrem apenas
pequenas porc¸
˜
oes da
´
area de estudo. Em (b), temos uma imagem com pequena interfer
ˆ
encia atmosf
´
erica por
vapord’
´
agua, haja vista que o per
´
ıodo seco na regi
˜
ao apresenta baixa umidade e baixos
´
ındices de pluviosidade.
A linha amarela corresponde ao contorno do parque.
das datas apresentadas na Tabela 4.1, representando esses diferentes momentos de estresse e
abund
ˆ
ancia.
As imagens CBERS a priori deveriam ser adquiridas em per
´
ıodos semelhantes, mas a
presenc¸a nebulosidade impediu a aquisic¸
˜
ao nos mesmos meses que as imagens RADARSAT.
4.3 Levantamentos de Campo e de Informac¸
˜
oes Hist
´
oricas
Duas campanhas de campo foram realizadas para levantar os atributos biogeof
´
ısicos da
vegetac¸
˜
ao no Parque Estadual Veredas do Peruac¸u. Os per
´
ıodos dos campos foram correlatos
com as datas de aquisic¸
˜
ao das imagens RADARSAT-1, sendo o primeiro campo realizado de
02 a 07 de abril de 2004 e o segundo de 17 a 21 de setembro de 2004.
Duas metodologias distintas definiram a escolha dos pontos amostrados:
• Primeiro campo - diferenc¸as de intensidade em uma imagem Landsat de setembro de
2001, a partir da interpretac¸
˜
ao visual dessa imagem, sendo levantados 23 s
´
ıtios, haja
vista que as imagens RADARSAT ainda n
˜
ao haviam sido adquiridas;
• Segundo campo - calculou-se a m
´
edia para cada talh
˜
ao de eucalipto nas imagens
RADARSAT-1 da estac¸
˜
ao
´
umida, as respostas foram divididas em tr
ˆ
es grupos de
retroespalhamento (baixo, m
´
edio e alto) e dentre esses foram retiradas 3 amostras para
cada grupo, al
´
em dos s
´
ıtios de vegetac¸
˜
ao prim
´
aria, sendo levantados um total de 12
s
´
ıtios.
O Mapa 4.3 traz a localizac¸
˜
ao dos 35 pontos de amostragem.
40
LAGOAAZUL
LagoadoMeio
LagoadoCerrado
LagoaJatobá
LagoadoCercado
Rio
Peruaçu
Rio
Peruaçu
R
i
o
P
e
r
u
a
ç
u
Faz.Côcos
IEF
Riacho
da
Forquilha
R
i
a
c
h
o
d
a
F
o
r
q
u
i
l
h
a
Vereda
da
Passaginha
Vereda
dos
Lopes
Vereda
Comprida
Riacho
Almécega
529000
529000
533000
533000
537000
537000
541000
541000
545000
545000
549000
549000
553000
553000
8329000
8329000
8333000
8333000
8337000
8337000
8341000
8341000
8345000
8345000
8349000
8349000
8353000
8353000
Áreasamostradas
emCampo
0 1,5 3 4,5 6 7,5 90,75
Km
Legenda
Construções
Estradas
Caminhosetrilhos
Pontosdecampo
PEVP
ImagemLandsatETM+doanode2001
nacomposiçãocoloridaR4G3B2
Figura 4.3: Localizac¸
˜
ao dos pontos de amostragem das duas campanhas de campo.
41
4.3.1 Transectos
Medidas Alom
´
etricas
A fim de estimar a estrutura da vegetac¸
˜
ao foram trac¸ados vinte e dois transectos de 20 metros
de comprimento por dois metros de largura, onde se considerou os principais par
ˆ
ametros para
caracterizac¸
˜
ao das populac¸
˜
oes florestais (Jaton e Thomson, 1994). A localizac¸
˜
ao inicial e
final de cada transecto era obtida por aparelho GPS.
Para cada indiv
´
ıduo arb
´
oreo ou arbustivo com altura superior a 1,5m eram levantados:
o di
ˆ
ametro da copa, por estimativa; a circunfer
ˆ
encia
`
a altura do peito, medindo-se o tronco
das
´
arvores a 1,4m de altura; a altura; a esp
´
ecie, baseada nos nomes populares; e a dist
ˆ
ancia
entre os indiv
´
ıduos, obtida a partir de amostragem zig-zag (Figura 4.4) (MacDonald et al.,
1990).
Figura 4.4: Metodologia de amostragem das comunidades vegetais.
Os estratos herb
´
aceo e gram
´
ıneo n
˜
ao foram levantados, sendo apenas descritos como
presentes ou ausentes, e a porcentagem de solo exposto era estimada. A densidade m
´
edia de
abertura das copas era tamb
´
em estimada utilizando a metodologia proposta por MacDonald
et al. (1990).
Atrav
´
es de uma equac¸
˜
ao de geometria simples extraiu-se da circunfer
ˆ
encia
`
a altura do
peito, o di
ˆ
ametro
`
a altura do peito (Equac¸
˜
ao 4.1):
DAP =
CAP
π
(4.1)
Os dados de dist
ˆ
ancia entre os indiv
´
ıduos foram convertidos para dados de densidade de
´
arvores no transecto (DT)(Equac¸
˜
ao 4.2), dividindo-se o n
´
umero de indiv
´
ıduos do transecto
por unidade de
´
area:
DT =
n
40m
2
(4.2)
42
As caracter
´
ısticas que definem a estrutura f
´
ısica j
´
a foram mencionadas. Existem tamb
´
em
as caracter
´
ısticas que definem a estrutura biol
´
ogica das comunidades florestais. Uma mistura
de esp
´
ecies, incluindo seu n
´
umero e abund
ˆ
ancia relativa, define a estrutura biol
´
ogica de uma
comunidade (Smith e Smith, 1998).
Normalmente, para comunidades maduras, existe uma distribuic¸
˜
ao mais igualit
´
aria de
esp
´
ecies, havendo um maior n
´
umero de esp
´
ecies com muitos indiv
´
ıduos e, conseq
¨
uente-
mente, uma maior diversidade flor
´
ıstica. Em comunidades em fases iniciais de regenerac¸
˜
ao
observamos uma ou duas esp
´
ecies dominantes, que superam em n
´
umero todas as outras
esp
´
ecies da comunidade, e chegam a representar 80% de toda a comunidade (Smith e Smith,
1998). A diferenc¸a entre essas duas florestas est
´
a na sua diversidade de esp
´
ecies.
Atrav
´
es da Equac¸
˜
ao 4.3
´
e poss
´
ıvel medir a domin
ˆ
ancia das esp
´
ecies:
DR =
T otalI
A
T otalI
n
(4.3)
onde DR
´
e a densidade relativa, T otalI
a
´
e o total de indiv
´
ıduos da esp
´
ecie A e T otalI
n
´
e o
total de indiv
´
ıduos de todas as esp
´
ecies.
A partir da densidade relativa podemos calcular a diversidade flor
´
ıstica. Um m
´
etodo
freq
¨
uentemente utilizado
´
e o
´
Indice de Shannon (Equac¸
˜
ao 4.4), adaptado da comunicac¸
˜
ao ou
da teoria da informac¸
˜
ao, que considera a riqueza e a igualdade das esp
´
ecies e considera o
n
´
umero bem como a abund
ˆ
ancia relativa das esp
´
ecies (Smith e Smith, 1998). Este
´
ındice foi
calculado para todos os transectos.
H = −
s
i=1
(p
i
)(l og
2
p
i
) (4.4)
onde H
´
e a diversidade flor
´
ıstica, s
´
e o n
´
umero de esp
´
ecies e p
i
´
e a proporc¸
˜
ao de indiv
´
ıduos
na amostra total pertencente a i
th
esp
´
ecies. Ou podemos substituir p
i
por DR.
Fotografias Hemisf
´
ericas
Fotografias voltadas para o c
´
eu tiradas a partir do ch
˜
ao da floresta com uma lente hemisf
´
erica
produzem imagens circulares que registram o tamanho, a forma e a localizac¸
˜
ao de aberturas
no seu interior e t
ˆ
em sido largamente utilizadas nos estudos de estrutura e transmiss
˜
ao de luz
(Frazer et al., 1999).
Utilizamos duas metodologias distintas para a aquisic¸
˜
ao das fotografias hemisf
´
ericas, j
´
a
que n
˜
ao possu
´
ıamos uma lente super-grande-angular ou olho-de-peixe. Na primeira cam-
panha de campo uma m
´
aquina fotogr
´
afica anal
´
ogica, com lente de 35mm e um teleconversor
de
1
2
, nos fornecia uma dist
ˆ
ancia focal simulada de 17,5mm. No segundo campo a mesma
m
´
aquina possu
´
ıa uma lente de 30mm somada a um teleconversor de
1
2
, o que nos forneceu
uma dist
ˆ
ancia focal simulada de 15mm.
43
Em dois trechos de cada transecto as copas eram fotografadas, em
ˆ
angulo zenital, com
as lentes olho-de-peixe adaptadas. Os trechos fotografados localizavam-se a cerca de 7 e 21
metros do ponto inicial do transecto, a fim de se obter a representac¸
˜
ao m
´
edia do dossel da
comunidade amostrada.
Das fotografias eram extra
´
ıdos o
´
Indice de
´
Area Foliar (IAF) e a porcentagem de abertura
do dossel (PAD), utilizando o software Gap Light Analyzer (GLA v.2) (Figura 4.5), que
extrai a informac¸
˜
ao a partir da relac¸
˜
ao entre os n
´
ıveis branco e preto por unidade de
´
area.
Para tanto as fotografias em papel foram escaneadas e transformadas em arquivos formato
“.tif” com resoluc¸
˜
ao de 300dpi, fazendo com que as formas captadas pela fotografia n
˜
ao
fossem perdidas no processo de digitalizac¸
˜
ao. Apenas as caracter
´
ısticas estruturais do dossel
foram consideradas.
(a) (b) (c)
Figura 4.5: Tratamento das fotos hemisf
´
ericas.Em (a) a fotografia hemisf
´
erica original. Em (b) a fotografia
original foi registrada no software GLA, o c
´
ırculo vermelho corresponde
`
a
´
area da fotografia que ser
´
a analisada.
Em (c) vemos a imagem bin
´
aria que servir
´
a para a quantificac¸
˜
ao da estrutura do dossel.
No entanto, as fotografias obtidas na primeira campanha de campo n
˜
ao foram totalmente
circulares, haja vista que a lente se encontrava no “limite” do grupo de lentes super-grande-
angular. Esse imprevisto nos obrigou a criar uma alternativa para o maior aproveitamento
da
´
area das fotos. Para cada fotografia uma faixa de n
´
ıveis de branco (255) e outra faixa de
n
´
ıveis de preto (0) eram acrescentadas (Figura 4.6), permitindoum maior aproveitamentodas
informac¸
˜
oes contidas na fotografia, sem contudo modificar as informac¸
˜
oes a serem extra
´
ıdas.
O devido cuidado foi tomado para que uma faixa n
˜
ao possu
´
ısse tamanho superior
`
a outra, o
que se acontecesse forneceria valores falsos acerca dos atributos estimados.
Umidade Atual
O radar al
´
em de permitir uma boa penetrac¸
˜
ao das ondas na cobertura vegetal, possui tamb
´
em
sensibilidade
`
a umidade. A restituic¸
˜
ao da umidade superficial dos solos a partir do sinal radar
´
e essencial para a introduc¸
˜
ao em modelos hidrol
´
ogicos ou de conte
´
udo de
´
agua na vegetac¸
˜
ao
e tamb
´
em
´
e par
ˆ
ametro essencial para estimativa da biomassa (Dechambre, 2003).
44
(a) (b)
Figura 4.6: Metodologia para aproveitamento da
´
area das fotografias. Uma faixa branca e uma faixa preta
eram acrescentadas em cada fotografia, sendo tomado o devido cuidado para que o c
´
ırculo envolvente (b)
recobrisse
´
areas de mesmo tamanho nas duas faixas. Essa t
´
ecnica permitiu aproveitar maior
´
area da fotografia
sem modificar os valores, j
´
a que uma faixa tendia a anular a outra.
Sob os transectos da segunda campanha de campo foram coletadas porc¸
˜
oes superficiais
do horizonte A para determinac¸
˜
ao do teor de umidade presente na amostra de solo. Para cada
transecto duas amostras eram retiradas, uma no segundo quinto e a outra no quarto quinto
do transecto. As amostras foram envolvidas em filme transparente de PVC, que
´
e um tipo de
embalagem imperme
´
avel e vedada, impedindo a perda de umidade durante o transporte.
As amostras, em estrutura deformada, foram colocadas em recipiente de peso conhecido
e novamente pesadas. Em estufa com temperatura entre 105
◦
C e 110
◦
C as amostras per-
maneceram por 24h, sendo ent
˜
ao transferidas para dessecadores at
´
e que esfriassem e ent
˜
ao
fossem pesadas novamente (Empresa Brasileira de Pesquisa Agropecu
´
aria, 1997).
O c
´
alculo proposto pela EMBRAPA (Empresa Brasileira de Pesquisa Agropecu
´
aria,
1997) para a extrac¸
˜
ao da Umidade Gravim
´
etrica foi utilizado (Equac¸
˜
ao 4.5):
UmidadeGravimetrica =
100(a − b)
b
(4.5)
onde a
´
e o peso da amostra de solo
´
umida (g) e b, o peso da amostra de solo seca (g).
4.3.2 Dados Hist
´
oricos
Como dados de sensoriamento remoto n
˜
ao estavam dispon
´
ıveis em seq
¨
u
ˆ
encias suficientes,
dados hist
´
oricos foram usados para estimar as idades das
´
areas em regenerac¸
˜
ao. Esses dados
envolviam informac¸
˜
oes de relat
´
orios do Instituto Estadual de Florestas de Minas Gerais (IEF-
MG) e do Instituto Brasileiro do Meio Ambiente dos Recursos Renov
´
aveis (IBAMA). Os
relat
´
orios forneciam as datas de limpeza da
´
area, plantio, corte e abandono da cultura de
eucaliptos, al
´
em de queimadas.
Entrevistas realizadas com moradores do entorno e, principalmente, com os funcion
´
arios
45
do Parque Estadual Veredas do Peruac¸u, foram decisivas para acrescentar as informac¸
˜
oes
obtidas nos relat
´
orios e para espacializar essas informac¸
˜
oes.
4.4 Pr
´
e-processamento dos Dados
A fim de parametrizar os dados de sensoriamento remoto se fez necess
´
aria a realizac¸
˜
ao de
manipulac¸
˜
oes, inclu
´
ıdas a
´
ı a calibrac¸
˜
ao radiom
´
etrica, a correc¸
˜
ao atmosf
´
erica, a correc¸
˜
ao
geom
´
etrica e a remoc¸
˜
ao de ru
´
ıdos.
4.4.1 Calibrac¸
˜
ao Radiom
´
etrica dos Dados SAR
Calibrar radiometricamente os dados de radar significa reverter a operac¸
˜
ao da escala de sa
´
ıda
que foi realizada durante o processamento dos dados. O valor de cada pixel, em n
´
umero digi-
tal (ND), representa a magnitude do dado ou objeto detectado. Ao revertermos a operac¸
˜
ao
de processamento dos dados, voltamos a obter os coeficientes retroespalhados captados em
um dado momento e em um dado local na imagem.
O coeficiente de retroespalhamento (σ
◦
) representa a refletividade m
´
edia de uma amostra
material horizontal, normalizada de acordo com a unidade de
´
area no plano horizontal da
superf
´
ıcie (Raney, 1998).
Duas s
˜
ao as principais transformac¸
˜
oes para extrair dados calibrados: realizar a convers
˜
ao
dos dados para ß
o
, ou valores de brilho do radar, ou para coeficiente de retroespalhamento
do radar (σ
o
), sendo necess
´
ario o conhecimento dos
ˆ
angulos de incid
ˆ
encia sobre a imagem
adquirida para convers
˜
ao dos ND’s para σ
o
. Neste trabalho os dados SAR foram conver-
tidos para σ
o
, utilizando a metodologia proposta por Srivastava e Shepherd (2000) e, mais
detalhadamente por RSI (2000).
A metodologia para extrair o σ
o
pode ser dividida em quatro etapas: 1) obtenc¸
˜
ao da
imagem de
ˆ
angulo de incid
ˆ
encia, 2) construc¸
˜
ao da imagem de ganho, 3) extrac¸
˜
ao da imagem
de brilho (ß
o
) e, 4) extrac¸
˜
ao do coeficiente de retroespalhamento do radar (σ
o
).
Os softwares ErMapper, MatLab e Excel foram utilizados para a execuc¸
˜
ao desse proce-
dimento. Essa metodologia foi aplicada para as quatro imagens e se encontra detalhada no
Ap
ˆ
endice A.
Imagem de
ˆ
angulo de incid
ˆ
encia
Para a obtenc¸
˜
ao da imagem de
ˆ
angulo de incid
ˆ
encia devem ser inicialmente encontrados: o
raio, a altura do sensor e o alcance inclinado (“slant range”).
Inicialmente o raio do sensor ao redor da Terra deve ser calculado e
´
e dado por (Equac¸
˜
ao
4.6):
46
r = elimen
1 + tan
latplat ×
π
180
2
elimen
2
elimai
2
+ tan
l atplat ×
π
180
2
(4.6)
onde elimen
´
e o semi-eixo menor do elips
´
oide, latplat
´
e a latitude da plataforma geod
´
esica
e el imai
´
e o semi-eixo maior do elips
´
oide.
Encontrado o valor do raio podemos obter a altura do sensor (Equac¸
˜
ao 4.7), que se refere
`
a altura do sat
´
elite no momento da aquisic¸
˜
ao da imagem:
h = α − r (4.7)
onde α
´
e a
´
orbita do semi-eixo maior e r
´
e o raio.
O alcance inclinado (slant range)
´
e fornecido para cada incremento do alcance na esca-
lada de sa
´
ıda da tabela de refer
ˆ
encia ou look up table (LUT). Para imagens com o primeiro
pixel no alcance pr
´
oximo (near range) a Equac¸
˜
ao 4.8 deve ser utilizada:
AI = a + j.ep.b + (j.ep)
2
.c + (j.ep )
3
.d + (j.ep )
4
.e + (j.ep)
5
.f (4.8)
onde AI
´
e o alcance inclinado, ep
´
e o espac¸amento do pixel, a, b, c, d, e e f s
˜
ao os valores de
alcance inclinado, na ordem encontrada no arquivo “leader”.
E para imagens com o primeiro pixel no alcance distante (far range) (Equac¸
˜
ao 4.9):
AI = a + k.ep.b + (k.ep)
2
.c + (k.ep)
3
.d + (k.ep)
4
.e + (k.ep)
5
.f (4.9)
onde: k
´
e o n
´
umero de pixels-j.
De posse das informac¸
˜
oes obtidas anteriormente usamos a equac¸
˜
ao 4.10 para construir a
imagem de
ˆ
angulo de incid
ˆ
encia:
I
j
= arccos
(h
2
− (AI
j
)
2
+ 2.r.h)
2.AI
j
.r
(4.10)
onde: h
´
e a altura do sensor, AI
´
e o alcance inclinado e r
´
e o raio.
Imagem de Ganho
Gerar a imagem de ganho foi um dos maiores obst
´
aculos encontrados para a convers
˜
ao dos
dados SAR, j
´
a que diversos softwares foram integrados para tal tarefa.
Uma metodologia foi criada para construc¸
˜
ao desta imagem, que consistia em identificar
os valores do “Look up Table” - LUT - no arquivo “leader”, salvar esses dados em um arquivo
“.xls”, para ent
˜
ao criar linhas de comando em C para interpolac¸
˜
ao desses dados, que geravam
um arquivo “.txt” de valores de LUT de mesmo n
´
umero de linhas e colunas que a imagem
47
SAR e, finalmente, interpolar os dados desse arquivo “.txt”, formando uma imagem raster de
mesmo tamanho que a imagem SAR.
As imagens com o primeiro pixel no alcance distante foram interpoladas com LUT-j.
Imagem de Brilho
Uma vez gerada a imagem de ganho do radar, foi poss
´
ıvel converter os dados para valores
de brilho ou de ß
o
(Equac¸
˜
ao 4.11):
ß
o
j
= 10 ∗ log
10
[(DN
j
+ offset)/Ganho
j
dB (4.11)
onde DN
´
e a imagem que cont
´
em os dados e Ganho
´
e a imagem de ganho.
Imagem de Coeficiente de retroespalhamento do radar
Utilizando a imagem de brilho do radar foi poss
´
ıvel aplicar a Equac¸
˜
ao 4.12 para se obter a
imagem de coeficiente de retroespalhamento do radar (σ
o
).
σ
o
= ß
o
j
+ 10 ∗ log
10
(sinI
j
) dB (4.12)
onde I
j
´
e a imagem de
ˆ
angulo de incid
ˆ
encia.
4.4.2 Correc¸
˜
aoAtmosf
´
ericaeCalibrac¸
˜
aoRadiom
´
etricadosDados
´
Oticos
Inicialmente a correc¸
˜
ao atmosf
´
erica deveria ser efetuada e para tanto o m
´
etodo de Chavez Jr.
(1988) foi avaliado. Por
´
em este m
´
etodo n
˜
ao se mostrou eficaz para minimizar a interfer
ˆ
encia
atmosf
´
erica nas imagens. Foi ent
˜
ao testado o m
´
etodo 5s (Simulation of the Satellite Signal
in the Solar Spectrum) de Tanr
´
e et al. (1990), utilizando-se as linhas de comando elaboradas
por Jurandir Zullo Jr. no SCORADIS, vers
˜
ao Lite, CBERS-CCD, gentilmente repassadas
pelo Prof. Marinaldo Gleriani, da Universidade Federal de Vic¸osa (UFV).
Essa correc¸
˜
ao tamb
´
em n
˜
ao se mostrou eficiente para eliminar as interfer
ˆ
encias atmosf
´
eri-
cas, sobretudo no que tangia
`
a banda 4. Os problemas apresentados nos detectores da banda
4 tornam as respostas da
´
agua nesta banda superiores
`
as da banda 3, ou seja, os valores de
ND da banda 4 em um lago profundo, por exemplo, s
˜
ao superiores aos valores de ND na
banda 3. Logo, a “simples” reduc¸
˜
ao dos n
´
umeros digitais nas imagens n
˜
ao seria suficiente
para sanar essa falha nos detectores. Por esses motivos a correc¸
˜
ao atmosf
´
erica dos dados
CBERS-2 n
˜
ao foi realizada.
A calibrac¸
˜
ao absoluta dos dados das bandas 3 e 4 do CBERS-2 seguiu a metodologia
proposta por Ponzoni et al. (2005) que definiu os os coeficientes de calibrac¸
˜
ao para imagens
adquiridas pela c
ˆ
amera CCD do CBERS-2 e os valores de irradi
ˆ
ancia no topo da atmosfera,
como apresentado nas Tabelas 4.2 e 4.3:
48
Tabela 4.2: Coeficientes de Calibrac¸
˜
ao para os dados CBERS. Fonte: Ponzoni et al., 2005.
Banda 1 2 3 4
Coeficiente de Calibrac¸
˜
ao 1.009 1.930 1.154 2.127
Tabela 4.3: Valores de Irradi
ˆ
ancia no topo da atmosfera para cada banda do CBERS-2. Fonte:
Ponzoni et al., 2005.
Banda 1 2 3 4
Irradi
ˆ
ancia 1934.03 1787.10 1548.97 1069.21
Utilizando esses coeficientes podemos converter os dados de ND para dados de re-
flect
ˆ
ancia aparente no topo da atmosfera (ρ)(Equac¸
˜
ao 4.13):
ρapa =
(3, 1423 ∗ (
ND
n
CC
n
) ∗ D
2
)
(esun
n
∗ cos(zen))
(4.13)
onde ND
´
e a imagem a ser calibrada, CC
´
e o Coeficiente de Calibrac¸
˜
ao, D dist
ˆ
ancia Terra-
Sol em unidades astron
ˆ
omicas (1-(0.01674 x cos(0.98563(dda-4)))), esun
n
´
e o valor de ir-
radi
ˆ
ancia solar no topo da atmosfera na banda n e cos(zen)
´
e o cosseno do
ˆ
angulo zenital
solar no momento de aquisic¸
˜
ao da imagem.
Essa convers
˜
ao, a priori deveria minimizar as “anormalidades”espectrais encontradas na
banda 4. Entretanto, mesmo ap
´
os a convers
˜
ao das imagens de ND para ρ aparente, esse
comportamento continuou a ser observado. Mesmo apresentando esses problemas, que pos-
sivelmente est
˜
ao relacionados aos detectores do sat
´
elite, os dados CBERS-2 foram mantidos
no estudo.
4.4.3 Correc¸
˜
ao Geom
´
etrica
Todas as imagens RADARSAT-1 e CBERS-2 foram corrigidas geometricamente, a fim de
correlacionar os dados de campo com as imagens e estas entre si. A banda 8, com resoluc¸
˜
ao
espacial de 15m, de uma imagem Landsat 7 EMT+ do ano de 2001, serviu para a correc¸
˜
ao
geom
´
etrica das imagens.
Os pontos de controle utilizados para corrigir a banda 8 da imagem Landsat foram ex-
tra
´
ıdos de cartas topogr
´
aficas da regi
˜
ao, em escala 1:100.000, e de pontos de GPS, obtidos
por um aparelho que capta 12 canais paralelos e interpola os dados obtidos, fornecendo um
erro m
´
edio de 5m. Esta banda teve um erro quadr
´
atico m
´
edio de registro inferior a 1 pixel,
ou seja, 15m. Esta imagem j
´
a havia sido corrigida no quadro do projeto do Plano de Manejo
do Parque Nacional Cavernas do Peruac¸u.
O m
´
etodo utilizado para correc¸
˜
ao geom
´
etrica foi o de interpolac¸
˜
ao bilinear, que avalia
os valores dos pixels adjacentes a um dado pixel na imagem sem correc¸
˜
ao, para estabelecer
um n
´
umero digital “sint
´
etico” a ser atribu
´
ıdo ao pixel correspondente na imagem corrigida
49
(Lillesand e Kiefer, 2000).
J
´
a as imagens RADARSAT e CBERS apresentaram erro quadr
´
atico m
´
edio de registro
tamb
´
em inferior a 1 pixel, que somados ao erro da imagem Landsat, resultam em, no m
´
aximo,
2 pixels de erro.
Por existir um erro de registro entre as bandas das imagens CBERS-2 obtidas junto ao
INPE, a correc¸
˜
ao geom
´
etrica teve que ser realizada banda a banda.
4.4.4 Remoc¸
˜
ao do Ru
´
ıdo Speckle
Quando a radiac¸
˜
ao
´
e refletida por uma superf
´
ıcie cuja rugosidade
´
e da mesma ordem de
grandeza que o comprimento de onda, a interfer
ˆ
encia das ondas produz o ru
´
ıdo chamado
Speckle (Jensen, 2005). Essa interfer
ˆ
encia
´
e observada visualmente atrav
´
es de uma textura
granulosa e aleat
´
oria.
Para amenizar este ru
´
ıdo podemos utilizar o m
´
etodo multi-look ou o m
´
etodo de filtragem.
O multi-look consiste em corrigir a imagem a partir das m
´
edias de cada “look” geradas
separadamente. O segundo m
´
etodo consiste em corrigir o valor do pixel a partir dos valores
do ND de seus vizinhos (Lillesand e Kiefer, 2000).
A fim de atenuar esse ru
´
ıdo inerente nas imagens RADARSAT o m
´
etodo de filtragem
foi escolhido. Diversos filtros foram testados, entre eles os filtros de m
´
edia, mediana, Lee,
Frost, Enhanced Lee e Enhanced Frost.
O filtro que se revelou mais adequado para a remoc¸
˜
ao do ru
´
ıdo Speckle foi o de mediana
com uma janela de 5x5 pixels. A adequac¸
˜
ao do filtro foi baseada em resultados visuais, sendo
escolhido o que removesse o ru
´
ıdo mas tamb
´
em mantivesse as caracter
´
ısticas dos objetos na
imagem, tais como bordas e pequenos conjuntos.
4.4.5
´
Indice de Vegetac¸
˜
ao da Diferenc¸a Normalizada - NDVI
Os
´
ındices de vegetac¸
˜
ao s
˜
ao uma raz
˜
ao entre regi
˜
oes do vermelhoe do infravermelho pr
´
oximo
traduzidos na absorc¸
˜
ao de pigmentos de clorofila dos cloroplastos no espectro vermelho,
e a sensibilidade da estrutura foliar ao infravermelho. S
˜
ao relacionados com muitas pro-
priedades das plantas devido
`
a exist
ˆ
encia de correlac¸
˜
ao entre elas, incluindo o
´
ındice de
´
area foliar, a porcentagem de cobertura verde e biomassa, a produtividade e propriedades
biof
´
ısicas, assim como capacidade fotossint
´
etica (Ustin et al., 1999; Jensen, 2005).
Esses
´
ındices s
˜
ao tamb
´
em sens
´
ıveis
`
a formas de vida (ex: arbustos,gram
´
ıneas, ou
´
arvores)
e
`
a composic¸
˜
ao da comunidade, fatores que afetam a arquitetura do dossel e a distribuic¸
˜
ao
da planta (Ustin et al., 1999).
Existem muitos
´
ındices de vegetac¸
˜
ao e muitos t
ˆ
em func¸
˜
ao equivalente ou redundante no
conte
´
udo da informac¸
˜
ao (Jensen, 2005). O NDVI (Equac¸
˜
ao 4.14)
´
e normalmente preferido
em relac¸
˜
ao aos outros
´
ındices, porque ele ajuda a compensar mudanc¸as na condic¸
˜
ao de
50
iluminac¸
˜
ao, superf
´
ıcie da vertente, al
´
em de permitir o monitoramento de mudanc¸as sazonais
e inter-anuais no crescimento e atividade da vegetac¸
˜
ao (Jensen, 2005; Lillesand e Kiefer,
2000).
NDV I =
ρ
ivp
− ρ
verm
ρ
ivp
+ ρ
verm
(4.14)
As relac¸
˜
oes feitas com o NDVI t
ˆ
em possibilitado seu uso em v
´
arios modelos para estudo
da fotoss
´
ıntese, fluxo do carbono, balanc¸o da
´
agua, e processos relacionados (Ustin et al.,
1999).
A fim de melhorar a performance do NDVI, ele foi realizado somente ap
´
os a calibrac¸
˜
ao
radiom
´
etrica dos dados CBERS-2.
4.5 An
´
alise Estat
´
ıstica
4.5.1 Preparac¸
˜
ao dos Dados
Para extrac¸
˜
ao das informac¸
˜
oes nas imagens foram inicialmente criadas janelas de 9 x 9
pixels nas imagens RADARSAT, com localizac¸
˜
ao correspondente
`
as amostras de campo,
fornecendo uma
´
area de 112,5 x 112,5m. As mesmas janelas eram transferidas para as ima-
gens de NDVI do CBERS-2 e, pela diferenc¸a de resoluc¸
˜
ao espacial entre os dados, as janelas
nestas imagens corresponderam a janelas de 5x5 pixels, mas de mesma
´
area.
A coordenada inicial do transecto serviu para definir o pixel central da janela, assim,
independente da direc¸
˜
ao do transecto, este seria totalmente englobado na janela (Figura 4.7).
O tamanho da janela tamb
´
em considerou os erros da correc¸
˜
ao geom
´
etrica e tamb
´
em forneceu
uma amostra representativa da comunidade.
Os pol
´
ıgonos vetoriais foram convertidos em regi
˜
oes e incorporados
`
as imagens para que
fosse extra
´
ıda a m
´
edia e o desvio padr
˜
ao de cada pol
´
ıgono nas 6 imagens.
Para o IAF, porcentagem de abertura do dossel, umidade atual, di
ˆ
ametro da copa, DAP
e altura calculou-se a m
´
edia aritm
´
etica simples em cada transecto. Por exemplo, para cada
transecto se tinha duas fotografias das quais foram retirados o IAF e a porcentagem de aber-
tura do dossel e entre essas duas fotografias era calculada a m
´
edia do transecto. Considerou-
se portanto que os dados de sensoriamento remoto expressam a m
´
edia dos atributos dos
s
´
ıtios, haja vista a resoluc¸
˜
ao espacial dos dados SAR, de 12,5m e dos dados
´
oticos, de 20m.
A escala nominal, utilizada para classificar objetos ou fen
ˆ
omenos em termos de igualdade
de seus atributos e numer
´
a-los (Gerardi e Silva, 1981), serviu para transformar os dados
qualitativos, referentes
`
a ocorr
ˆ
encia ou n
˜
ao de queimadas e
`
a idade das comunidades, em
dados quantitativos. Os dados de inc
ˆ
endios foram identificados com o n
´
umero um para a n
˜
ao
ocorr
ˆ
encia de queimadas e dois para ocorr
ˆ
encia de queimadas. A idade das comunidades foi
51
Figura 4.7: Justificativa do tamanho da janela. Em preto a representac¸
˜
ao dos pixels de dados CBERS,
com 20m, e em cinza de dados RADARSAT, com 12.5m de resoluc¸
˜
ao espacial. As retas exploram todas as
possibilidades de orientac¸
˜
ao do transecto, supondo que o seu in
´
ıcio estivesse no ponto central do pixel. Note
que mesmo deslocando o ponto inicial do transecto a reta ainda estaria totalmente inclu
´
ıda dentro da janela.
identificada com n
´
umeros de 1 a 7, com classes que variavam de 12 a >25 anos de idade.
O Ap
ˆ
endice B traz a tabela utilizada para as an
´
alises estat
´
ısticas e o Ap
ˆ
endice C os dados
originais.
4.5.2 Modelagem Estat
´
ıstica
O coeficiente de correlac¸
˜
ao simples, que mede a relac¸
˜
ao linear entre duas vari
´
aveis (Groeb-
ner e Shannon, 1993), foi utilizado para determinar a depend
ˆ
encia entre os atributos bio-
geof
´
ısicos do cerrado e os dados de sensoriamento remoto. Ele
´
e expresso pela seguinte
Equac¸
˜
ao (4.15):
r =
(x − ¯x)(y − ¯y)
[
(x − ¯x)
2
][
(y − ¯y)
2
]
(4.15)
onde x
´
e a vari
´
avel independente e y a vari
´
avel dependente.
A fim de observar o tipo de relac¸
˜
ao da vari
´
avel dependente com os dados (positiva,
negativa, multicolinearidade) e determinar quais vari
´
aveis eram mais
´
uteis para explicar
a variac¸
˜
ao na vari
´
avel dependente, uma matriz de correlac¸
˜
ao foi constru
´
ıda. Analisar as
vari
´
aveis independentes umas com as outras
´
e importante para verificar se existem redund
ˆ
an-
cias ou se n
˜
ao s
˜
ao necess
´
arias no modelo (Triola, 1999).
Sendo as an
´
alises balizadas pelos objetivos apresentados no cap
´
ıtulo 1, as seguintes
correlac¸
˜
oes foram realizadas:
1. an
´
alises de correlac¸
˜
ao para caracterizar a resposta em dados SAR, utilizando os dados
biogeof
´
ısicos e hist
´
oricos;
52
2. an
´
alises de correlac¸
˜
ao para caracterizar a resposta do NDVI, utilizando os dados bio-
geof
´
ısicos e hist
´
oricos.
A an
´
alise de regress
˜
ao linear, simples ou m
´
ultipla,
´
e uma metodologia estat
´
ıstica que
utiliza a relac¸
˜
ao entre duas ou mais vari
´
aveis quantitativas (ou qualitativas) de tal forma que
uma vari
´
avel pode ser predita a partir da outra ou outras. Na utilizac¸
˜
ao desse m
´
etodo, se
espera que a relac¸
˜
ao da resposta
`
as vari
´
aveis seja uma func¸
˜
ao linear de alguns par
ˆ
ametros.
Estudos anteriores (Hardin e Jackson, 2003; Paloscia, 2002; Townsend, 2002) que mo-
delaram par
ˆ
ametros da vegetac¸
˜
ao como uma func¸
˜
ao do retroespalhamento e da reflex
˜
ao a
partir de equac¸
˜
ao lineares obtiveram modelos mais bem ajustados. A linearidade dos dados
foi analisada visualmente e a regress
˜
ao linear se mostrou uma metodologia adequada para
predizer as vari
´
aveis aqui estudadas.
A regress
˜
ao m
´
ultipla tem por objetivo representar a relac¸
˜
ao entre as vari
´
aveis x
n
, deno-
minadas independentes, e y, denominada dependente, a partir de um modelo (Triola, 1999)
(Equac¸
˜
ao 4.16). Dois componentes comp
˜
oem o modelo de regress
˜
ao, um linear e outro de
erro aleat
´
orio.
y
i
= ß
0
+ ß
1
y
1i
+ ß
2
y
2i
+ ... + ß
k
y
ki
+ e
i
(4.16)
onde ß
0
´
e a constante de regress
˜
ao, ß
1
´
e o coeficiente de regress
˜
ao para a vari
´
avel x
1
, ß
k
´
e o
coeficiente de regress
˜
ao para a vari
´
avel x
k
, k
´
e o n
´
umero de vari
´
aveis independentes e e
i
´
e o
erro ou res
´
ıduo.
O principal teste de signific
ˆ
ancia na an
´
alise de regress
˜
ao
´
e o coeficiente de determinac¸
˜
ao
ou R
2
(Equac¸
˜
ao 4.17), que determina a porcentagem do total de variac¸
˜
ao na vari
´
avel depen-
dente que
´
e explicado pela vari
´
avel independente.
R
2
= 1 −
(y − ˆy)
2
(y − ¯y)
2
ou 1 −
SQR
SQT
(4.17)
onde SQR
´
e a soma dos quadrados dos res
´
ıduos e SQT
´
e a soma dos quadrados totais.
Quando n
˜
ao dispomos de um grande n
´
umero de amostras, como freq
¨
uentemente acon-
tece com dados ambientais, erros altos podem ser observados e, conseq
¨
uentemente, os resul-
tados n
˜
ao serem confi
´
aveis estatisticamente. O Teste de Hip
´
otese
´
e utilizado para averiguar
se a amostra de dados suporta ou rejeita a hip
´
otese de que o coeficiente de correlac¸
˜
ao da
populac¸
˜
ao, ρ,
´
e 0. Ent
˜
ao, para um dado n
´
ıvel de signific
ˆ
ancia (α), temos a seguinte chave de
decis
˜
ao:
H
0
: modelo n
˜
ao explica qualquer variac¸
˜
ao no total da vari
´
avel dependente.
H
A
: podemos rejeitar H
0
e aceitar a possibilidade de que o modelo de regress
˜
ao explica uma
proporc¸
˜
ao da variac¸
˜
ao total na vari
´
avel dependente maior que 0.0.
53
A partir dos objetivos apresentados no cap
´
ıtulo 1, foram realizadas as seguintes an
´
alises
de regress
˜
ao:
1. proposic¸
˜
ao de modelos para diferenciar as fitofisionomias do cerrado a partir de dados
SAR;
2. proposic¸
˜
ao de modelos para diferenciar as fitofisionomias do cerrado a partir do NDVI
extra
´
ıdo de imagens CBERS-2;
3. proposic¸
˜
ao de modelos para compreender a informac¸
˜
ao contida nas imagens de senso-
riamento remoto.
54
Cap
´
ıtulo 5
RESULTADOS E DISCUSS
˜
AO
A
FIM de serem mais facilmente interpretados, os resultados foram organizados de acordo
com o seu n
´
ıvel conceitual. Primeiro, os resultados encontrados na pesquisa hist
´
orica
s
˜
ao apresentados para
´
area de estudo e seu entorno. Segue uma avaliac¸
˜
ao quantitativa dos
dados de campo a fim de fornecer uma id
´
eia da din
ˆ
amica estrutural da vegetac¸
˜
ao de cerrado
no parque. As
´
ultimas duas sec¸
˜
oes apresentam respectivamente as an
´
alises de correlac¸
˜
ao
entre as vari
´
aveis biogeof
´
ısicas e os dados de radar e os modelos de regress
˜
ao m
´
ultipla que
foram criados na tentativa de estabelecer uma relac¸
˜
ao capaz de explicar a variac¸
˜
ao observada
nas medic¸
˜
oes e dados da
´
area, assim como nos dados de sensoriamento remoto.
5.1 Idades de Regenerac¸
˜
ao
A amplitude temporal deste estudo
´
e de 25 anos e foi limitada pelo per
´
ıodo que vai do
ano de 1979, in
´
ıcio do plantio de eucaliptos, ao de 2004, quando as
´
ultimas imagens de
sensoriamento remoto foram adquiridas para este estudo. A ocorr
ˆ
encia de queimadas, tanto
em func¸
˜
ao da criac¸
˜
ao extensiva de bovinos como de origem natural, era freq
¨
uente antes do
ano de 1979. Na imagem Landsat MSS abaixo apresentada (Figura 5.1)
´
e poss
´
ıvel observar
que, mesmo sem os projetos de eucalipto, grandes porc¸
˜
oes de cerrado j
´
a sofriam com a ac¸
˜
ao
do fogo.
A idade das comunidades foi estimada para as
´
areas amostradas em campo e para as
antigas
´
areas dos projetos de eucalipto. A Figura 5.2 representa um mapa de idades de
regenerac¸
˜
ao baseado nos relatos hist
´
oricos das empresas florestais que atuaram na
´
area, do
IEF, do IBAMA e de funcion
´
arios do parque.
Sete classes de idades foram identificadas: 12 anos, maior ou igual a 15 anos, 20 anos,
entre 12 e 21 anos, 21 anos, 25 anos e maior que 25 anos. As inconsist
ˆ
encias entre as
classes foram inevit
´
aveis e s
˜
ao frutos das informac¸
˜
oes fornecidas de forma incompleta. No
interior dos antigos projetos a idade varia entre 12 e 21 anos. Nesses, as comunidades podem
55
Figura 5.1: Imagem MSS de Landsat do ano de 1976 na composic¸
˜
ao colorida R7G5B4. A maior parte das
´
areas escuras na imagem pode ser correlacionada com
´
areas de cerrado incendiadas. A feic¸
˜
ao linear no centro
da imagem, em direc¸
˜
ao noroeste, corresponde
`
a nascente do rio Peruac¸u. Fonte: INPE - Imagem Landsat 1
MSS,
´
orbita-ponto 235/71, de 26 de junho de 1976.
ser divididas em tr
ˆ
es grupos: 1)
´
areas que sofreram corte total; 2) projetos parcialmente
aproveitados; e 3)
´
areas abandonadas. Projetos que sofreram aproveitamento parcial n
˜
ao
tiveram sua idade estimada com precis
˜
ao, j
´
a que pequenas porc¸
˜
oes podem ou n
˜
ao ter sofrido
corte, e foram etiquetadas com a classe de 12 a 21 anos. Fora dos projetos as comunidades
normalmente apresentam idade superior a 25 anos. N
˜
ao foi poss
´
ıvel determinar a data do
corte para todos os talh
˜
oes no interior dos projetos. Fora dos projetos houve um maior
controle, mas restrito
`
as
´
areas amostradas, e por esse motivo o mapa de idades n
˜
ao abrange
todo o PEVP.
A principal forma de reproduc¸
˜
ao da vegetac¸
˜
ao observada, apesar da limpeza completa
de certas
´
areas, foi a reproduc¸
˜
ao vegetativa ou rebrote, caracterizada pelo agrupamento de
muitos troncos em torno de uma mesma raiz. Essa caracter
´
ıstica do cerrado faz com que as
´
areas se recomponham de maneira relativamente r
´
apida.
Analisando as m
´
edias do IAF, do DAP, da densidade de
´
arvores e da diversidade flor
´
ıstica
e comparando essas com as encontras por Kuntschik (2004)
´
e poss
´
ıvel verificar que as co-
munidades em regenerac¸
˜
ao apresentam valores muito mais baixos, indicando um estado re-
lativamente jovem da vegetac¸
˜
ao.
56
LA GO A A ZUL
Lagoa do Me io
Lagoa do C errado
Lagoa Jatobá
Lagoa do C ercado
Rio
Peruaçu
Rio
Peruaçu
R
i
o
P
e
r
u
a
ç
u
Faz . Côco s
IEF
Riac ho
da
Forqui lh a
R
i
a
c
h
o
d
a
F
o
r
q
u
i
l
h
a
Ver eda
da
Passag inh a
Ver eda
dos
Lop es
Ver eda
Co mpri da
Riacho
Alméce ga
529000
529000
533000
533000
537000
537000
541000
541000
545000
545000
549000
549000
553000
553000
8329000
8329000
8333000
8333000
8337000
8337000
8341000
8341000
8345000
8345000
8349000
8349000
8353000
8353000
Mapa de
Idades Estimadas
0 2 4 6 81
Km
Base cartográfica: cartas topográficas de Catolé, Januária,
Japoré e Serra dos Tropeiros do SGE, digitalizadas e atualizadas
no âmbito do Plano de Manejo do Parque Nacional Cavernas do
Peruaçu, 2003.
Legenda
12 anos
20 anos
21 anos
25 anos
12-21 anos
> ou = 15 anos
>25 anos
Construções
Caminhos e trilhos
Estradas
PEVP
Datum vertical: Imbituba - Santa Catarina
Datum horizonal: SAD 69
Origem da quilometragem UTM (23 S) "Equador
e Meridiano 45° W Gr." acrescidos das constantes
10.000m e 500.000 m respectivamente.
Figura 5.2: Idade das Comunidades no interior os projetos de eucalipto e nas
´
areas de amostragem de campo. A coluna da direita traz os dados onde n
˜
ao h
´
a precis
˜
ao
et
´
aria.
57
O tempo necess
´
ario para que uma comunidade atinja o estado cl
´
ımax
´
e vari
´
avel de acordo
com a localizac¸
˜
ao, com os fatores ambientais e com o bioma. Oliveira (2002) afirma que para
comunidades de mata atl
ˆ
antica no interior do Rio de Janeiro, um per
´
ıodo superior a 50 anos
´
e necess
´
ario. Em florestas semidec
´
ıduas montanas o tempo estimado para que essas atinjam
o seu cl
´
ımax
´
e superior a 100 anos (Scolforo et al., 2000). Kuntschik (2004) concluiu que
comunidades de cerrado sentido restrito com idade superior a 20 anos ainda n
˜
ao conseguiram
atingir o estado cl
´
ımax, e a ac¸
˜
ao do fogo pode envolver um aumento significativo do tempo
para que a floresta atinja esse estado.
5.2 Avaliac¸
˜
ao dos Dados de Campo
As medic¸
˜
oes de campo (alom
´
etricas e de outros tipos) s
˜
ao escolhidas com o objetivo de
quantificar as diferenc¸as existentes entre comunidades distintas, em um dado momento, e
caracterizar a estrutura da vegetac¸
˜
ao de maneira compat
´
ıvel com as observac¸
˜
oes de senso-
riamento remoto. Existe ainda um fator impl
´
ıcito, a idade, que indiretamente pode estar
relacionada com as caracter
´
ısticas estruturais e ambientais de uma comunidade.
Nesta sec¸
˜
ao buscou-se avaliar os dados coletados em campo isoladamente a fim de
buscar par
ˆ
ametros que identificassem a priori cada subformac¸
˜
ao do cerrado. Al
´
em disso,
investigou-se a relac¸
˜
ao de cada par
ˆ
ametro com a idade das comunidades na procura de
padr
˜
oes de comportamento. A Tabela 5.1 re
´
une as m
´
edias das informac¸
˜
oes coletadas em
campo e das informac¸
˜
oes obtidas na pesquisa hist
´
orica, organizadas por transecto.
A maior parte das amostras
´
e composta por
´
areas em regenerac¸
˜
ao de cerrado senso res-
trito, localizadas nos antigos projetos de eucalipto da Peruac¸u Florestal. Essas
´
areas, apesar
de serem inclu
´
ıdas em um mesmo grupo gen
´
erico, possuem idade, hist
´
orico de atividade
antr
´
opica e estratos predominante diferentes, resultando em uma grande vari
ˆ
ancia intra-
classe. Apenas 11 das 35 amostras de campo s
˜
ao de
´
areas consideradas prim
´
arias ou se-
cund
´
arias. Esse n
´
umero pequeno de amostras
1
n
˜
ao invalida a qualidade dos dados, haja vista
que os testes de infer
ˆ
encia estat
´
ıstica levam esse fator em conta atrav
´
es dos graus de liber-
dade.
De modo geral, os dados apresentam um alto desvio padr
˜
ao, muitas vezes, superior ao
valor da pr
´
opria m
´
edia
2
. Esses resultados eram esperados considerando a irregularidade
do ambiente do cerrado, que tem uma grande diversidade de esp
´
ecies com caracter
´
ısticas
estruturais essencialmente diferentes.
1
Al
´
em de representar um pequeno universo, para alguns par
ˆ
ametros como umidade e altura, os dados se
encontram incompletos devido a dificuldades para colet
´
a-los em campo.
2
Supondo uma distribuic¸
˜
ao normal, um desvio padr
˜
ao superior
`
a m
´
edia implicaria em valores negativos
sendo uma situac¸
˜
ao imposs
´
ıvel considerando a natureza das vari
´
aveis.
58
Tabela 5.1: Informac¸
˜
oes coletadas em campo organizadas por transecto.
Tran- Estratos Predominantes Solo Subformac¸
˜
ao Queimada Idade DAP DAP Altura Altura PAD IAF IS DT UG *
secto exposto (e ano) (¯x) (σ) (¯x) (σ) (σ) (σ)
T1 Arb
´
oreo, arbustivo, gram
´
ıneo e herb
´
aceo n
˜
ao Cerrad
˜
ao Sim (?) >25 5,06 8,83 3,20 1,54 31,37 1,69 3,78 0,68 -
T2 Arb
´
oreo, arbustivo, gram
´
ıneo e herb
´
aceo n
˜
ao Regenerac¸
˜
ao de cerrad
˜
ao N
˜
ao >25 4,64 6,46 3,34 1,89 50,65 0,81 3,57 0,55 -
T3 Arbustivo e Arb
´
oreo n
˜
ao Cerrado sentido restrito N
˜
ao >25 1,25 1,32 2,50 0,60 45,17 1,04 3,45 0,73 -
T4 Gram
´
ıneo e arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12-21 2,78 2,30 2,30 0,77 62,21 0,45 3,19 0,38 -
T5 Gram
´
ıneo e arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12-21 4,25 3,15 2,69 0,63 63,47 0,41 2,63 0,60 -
T6 Arbustivo e Arb
´
oreo n
˜
ao Regenerac¸
˜
ao de cerrado N
˜
ao 12-21 2,87 2,51 2,36 0,93 48,86 0,88 2,78 0,43 -
T7 Gram
´
ıneo e arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 21 1,46 1,18 2,22 0,56 65,28 0,33 2,36 0,58 -
T8 Arbustivo e Arb
´
oreo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12 1,85 1,26 2,49 0,98 36,52 1,72 2,90 0,50 -
T9 Arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12 2,53 1,69 2,86 0,90 60,45 0,64 1,39 0,45 -
T10 Arb
´
oreo, arbustivo, gram
´
ıneo e herb
´
aceo n
˜
ao Cerrad
˜
ao N
˜
ao 25 3,27 3,26 3,40 1,61 37,56 1,21 3,48 0,73 -
T11 Arbustivo n
˜
ao Regenerac¸
˜
ao de cerrado Sim (1996) 20 3,73 4,35 2,55 1,33 67,72 0,34 3,43 0,65 -
T12 Arbustivo e Arb
´
oreo n
˜
ao Cerrad
˜
ao Sim (1992) >=15 4,43 5,73 2,87 1,13 57,30 0,58 3,99 0,68 -
T13 Arb
´
oreo, arbustivo, gram
´
ıneo e herb
´
aceo n
˜
ao Cerrad
˜
ao N
˜
ao >25 2,02 1,68 - - 46,43 0,98 3,57 0,45 -
T14 Arb
´
oreo, arbustivo, gram
´
ıneo e herb
´
aceo n
˜
ao Cerrad
˜
ao N
˜
ao >25 1,84 1,09 - - 56,05 0,69 2,57 0,33 -
T15 Arb
´
oreo, arbustivo, gram
´
ıneo e herb
´
aceo n
˜
ao Cerrad
˜
ao N
˜
ao >25 2,25 1,50 - - 51,92 0,72 3,15 0,43 -
T16 Arbustivo e Arb
´
oreo n
˜
ao Regenerac¸
˜
ao de cerrad
˜
ao N
˜
ao >25 2,50 1,81 - - 51,01 0,92 3,88 0,50 -
T17 Arbustivo e Arb
´
oreo n
˜
ao Cerrado sentido restrito N
˜
ao >25 2,07 1,99 - - 46,95 1,01 3,24 0,33 -
T18 Arbustivo n
˜
ao Regenerac¸
˜
ao de cerrado N
˜
ao 12 1,00 0,51 - - 64,94 0,46 2,56 0,40 -
T19 Arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12 1,14 0,46 - - 62,20 0,51 2,97 0,38 -
T20 Gram
´
ıneo e arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12 1,21 0,54 - - 56,91 0,63 3,29 0,43 -
T21 Arbustivo n
˜
ao Regenerac¸
˜
ao de cerrado N
˜
ao 21 1,13 0,27 - - 57,50 0,60 2,13 0,30 -
T22 Arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12 0,88 0,58 - - 68,44 0,41 3,28 0,28 -
T23 Gram
´
ıneo e arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12 1,29 0,72 - - 36,52 0,88 2,52 0,25 -
T1a Gram
´
ıneo e arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12-21 1,73 0,84 2,48 0,89 83,58 0,19 2,47 0,38 0,88
T2a Gram
´
ıneo e arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12-21 1,82 0,74 2,67 0,80 73,39 0,26 1,70 0,26 0,33
T3a Arbustivo muito denso n
˜
ao Cerrado sentido restrito N
˜
ao >25 3,42 4,55 3,30 1,43 63,60 0,52 2,65 0,70 0,45
T4a Arbustivo (m. mortos) e herb
´
aceo n
˜
ao Regenerac¸
˜
ao de cerrado N
˜
ao 21 2,84 1,80 3,71 1,71 61,99 0,50 3,96 1,06 4,80
T5a Arbustivo, gram
´
ıneo e herb
´
aceo n
˜
ao Cerrado sentido restrito N
˜
ao >25 1,81 1,26 2,48 0,64 57,37 0,57 2,59 0,90 1,63
T6a - n
˜
ao Regenerac¸
˜
ao de cerrado N
˜
ao 21 3,00 2,96 3,27 1,65 76,50 0,25 3,84 0,66 0,71
T7a Gram
´
ıneo e arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 21 1,82 0,94 2,53 0,70 74,75 0,41 2,52 0,58 0,37
T8a Gram
´
ıneo sim Regenerac¸
˜
ao de cerrado Sim (1992) 12-21 4,77 3,31 3,23 1,25 77,59 0,36 2,04 0,16 0,15
T9a Arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 21 2,43 2,06 3,12 1,15 55,32 0,67 2,81 0,70 0,80
T10a Gram
´
ıneo e arbustivo n
˜
ao Regenerac¸
˜
ao de cerrad
˜
ao N
˜
ao 12-21 1,84 1,71 2,47 0,70 81,81 0,19 2,63 0,48 0,69
T11a Lianas e troncos de eucalipto sim Regenerac¸
˜
ao de cerrad
˜
ao Sim (1989) 12 1,95 1,81 2,23 0,59 83,46 0,22 2,16 0,84 0,80
T12a Gram
´
ıneo e arbustivo sim Regenerac¸
˜
ao de cerrado N
˜
ao 12 1,70 0,74 2,31 0,61 84,03 0,20 2,97 0,36 0,64
Legenda: DAP = di
ˆ
ametro na altura do peito, PAD = porcentagem de abertura do dossel, IAF =
´
ındice de
´
area foliar, IS =
´
ındice de Shannon, DT = densidade (
´
arvores), UG = umidade gravim
´
etrica
¯x = m
´
edia, σ = desvio padr
˜
ao
59
Os dados de DAP apresentam alta vari
ˆ
ancia, com di
ˆ
ametros que v
˜
ao de 1,25 a 5,06cm,
e que isoladamente n
˜
ao sugerem nenhum tipo de separac¸
˜
ao entre as subformac¸
˜
oes (Figura
5.3). Os dados apresentados nesse gr
´
afico refletem a m
´
edia de cada comunidade amostrada, o
que pode ser considerado pertinente para dados de sensoriamento remoto, mas n
˜
ao suficiente
para isolar as subformac¸
˜
oes, dado os diversos estratos que comp
˜
oem o cerrado.
Figura 5.3: Gr
´
afico de dispers
˜
ao da m
´
edia de di
ˆ
ametro
`
a altura do peito (DAP) para cada transecto.
Os dados de altura (Figura 5.4 a) n
˜
ao sugerem nenhuma diferenciac¸
˜
ao entre as subforma-
c¸
˜
oes. Todas as subformac¸
˜
oes se encontram com m
´
edias entre 2 e 3,5 metros de altura, e que
possuem um alto desvio padr
˜
ao.
A densidade de
´
arvores no cerrado
´
e um fator muito vari
´
avel, sobretudo quando se trata
de
´
areas em regenerac¸
˜
ao. Essas
´
areas, caso n
˜
ao tenham sofrido nenhuma atividade antr
´
opica
recente ou n
˜
ao tenham sido completamente queimadas, s
˜
ao normalmente povoadas por um
grande n
´
umero de arbustos, que algumas vezes chegam a existir em maior n
´
umero que as
´
arvores em um cerrad
˜
ao. Por esse motivo, na Figura 5.4 b nenhum padr
˜
ao pode ser identifi-
cado e, em alguns casos as
´
areas de regenerac¸
˜
ao de cerrado apresentam densidade maior que
no cerrad
˜
ao.
Tend
ˆ
encias mais sutis para a diferenciac¸
˜
ao de fitofisionomias s
˜
ao observadas com a por-
centagem de abertura do dossel (PAD) e com o
´
ındice de
´
area foliar (IAF) (Figura 5.5 a e b).
No primeiro gr
´
afico, as
´
areas de regenerac¸
˜
ao de cerrado no geral possuem os maiores valores
de abertura, superiores a 50%. Como os dois dados derivam da mesma fonte, as fotografias
hemisf
´
ericas, um comportamento semelhante
´
e encontrado para as m
´
edias do IAF.
Ao analisamos a diversidade flor
´
ıstica (Figura 5.6 a) tamb
´
em observamos uma leve
tend
ˆ
encia de separac¸
˜
ao dos dados: as
´
areas de cerrad
˜
ao e sua regenerac¸
˜
ao t
ˆ
em um
´
ındice
de Shannon superior a 3. A umidade do solo foi diretamente relacionada com a densidade de
60
(a) (b)
Figura 5.4: Gr
´
afico de dispers
˜
ao das m
´
edias de altura (a) e de densidade do transecto (b).
(a) (b)
Figura 5.5: Gr
´
afico de dispers
˜
ao das m
´
edias de porcentagem de abertura do dossel (a) e de
´
ındice de
´
area
foliar (b).
61
(a) (b)
Figura 5.6: Gr
´
afico de dispers
˜
ao de diversidade flor
´
ıstica (a) e de umidade gravim
´
etrica (b).
´
arvores, mas este atributo sozinho n
˜
ao
´
e capaz de diferenciar as fitofisionomias (Figura 5.6
b).
Ao contrapor os dados biogeof
´
ısicas com os dados extra
´
ıdos do mapa de idades, n
˜
ao foi
observada relac¸
˜
ao da idade das comunidades com os dados de DAP, Altura, PAD, IAF e
umidade gravim
´
etrica, mas tr
ˆ
es vari
´
aveis se destacaram: solo exposto, diversidade flor
´
ıstica
e densidade do transecto. Em 100% das amostras com idade igual ou superior a 25 anos, n
˜
ao
foi observada a presenc¸a de solo exposto. De maneira geral, a maior parte das amostras com
´
Indice de Shannon superior a 3,5 possui idade acima dos 25 anos. E das
´
areas com densidade
de
´
arvores acima de 0,5, 75% t
ˆ
em idade superior a 20 anos.
Nessa an
´
alise deve-se ressaltar que algumas medidas s
˜
ao mais diretamente ligadas
`
a
subformac¸
˜
ao do que propriamente aos dados de idade, acrescentando-se ainda o tipo de
povoamento (esp
´
ecies) ocorrido em uma
´
area.
Os dados de campo, se for considerar as medidas de maneira individual, n
˜
ao sugerem
fortes tend
ˆ
encias para diferenciac¸
˜
ao entre subformac¸
˜
oes. As condic¸
˜
oes ambientais (ed
´
aficas
e h
´
ıdricas) e as interfer
ˆ
encias antr
´
opicas se mostram determinantes para que, por vezes,
´
areas
em regenerac¸
˜
ao tenham atributos semelhantes aos de
´
areas preservadas.
Por
´
em deve-se pontuar que s
˜
ao diversos os estratos e esp
´
ecies que comp
˜
oem o ambiente
em estudo, logo para alguns as m
´
edias de seus atributos n
˜
ao poderia ser suficiente para
diferenciar as subformac¸
˜
oes, l
´
ogica essa que
´
e v
´
alida para dados de sensoriamento remoto.
Ademais, fatores de interfer
ˆ
encia, como queimadas, corte e pisoteio por bovinos, ocor-
reram na
´
area do Parque e podem ter conduzido comunidades do cerrado a se regenerar
(povoamento, crescimento, estratos) de diferentes formas, sendo possivelmente uma raz
˜
ao
para a grande vari
ˆ
ancia intra-classe.
62
5.3 An
´
alise de correlac¸
˜
ao entre os dados
Analisar a correlac¸
˜
ao existente entre cada imagem RADARSAT e os dados biogef
´
ısicos per-
mite avaliar qual ou quais vari
´
aveis influenciam mais fortemente no sinal radar, e da mesma
forma qual ou quais vari
´
aveis s
˜
ao mais decisivas na resposta do NDVI. Esses resultados
acabam por “indicar”que dados devem ser utilizados nos modelos de regress
˜
ao linear, per-
mitindo aqueles que demonstrem n
˜
ao possuir uma forte influ
ˆ
encia na resposta dos sensores
remotos.
Primeiramente era necess
´
ario testar a linearidade dos dados e isso foi feito visualmente
a partir dos gr
´
aficos de dispers
˜
ao. Como o n
´
umero de amostras
´
e reduzido, as nuvens de
pontos por vezes apresentam uma grande dispers
˜
ao, mas sugerem uma distribuic¸
˜
ao linear,
validando a utilizac¸
˜
ao de modelos lineares para os dados deste estudo.
Uma matriz de correlac¸
˜
ao foi constru
´
ıda para testar a depend
ˆ
encia entre os dados e
averiguar a exist
ˆ
encia de colinearidade entre os dados (Tabela 5.2). Os coeficientes de
correlac¸
˜
ao entre as imagens e os par
ˆ
ametros biogeof
´
ısicos variaram de 0 (sem correlac¸
˜
ao) at
´
e
69% (correlac¸
˜
ao moderada a forte). A apresentac¸
˜
ao e discuss
˜
ao dos resultados foi dividida
por sensor e por atributo para sistematizar a apresentac¸
˜
ao das informac¸
˜
oes. Cabe lembrar
que dois est
´
agios fenol
´
ogicos da vegetac¸
˜
ao do cerrado foram avaliados, um correspondente
ao per
´
ıodo de estresse h
´
ıdrico, no m
ˆ
es de setembro, e outro de aumento da biomassa, que
corresponde ao m
ˆ
es de abril.
5.3.1 Correlac¸
˜
ao entre os dados RADARSAT e os dados biogeof
´
ısicos
Na Tabela 5.3 s
˜
ao apresentados apenas os coeficientes de correlac¸
˜
ao superiores a 25%. Os
coeficientes de correlac¸
˜
ao inferiores a 25% s
˜
ao estatisticamente nulos, baseado em um uni-
verso de 35 amostras (Triola, 1999) e por isso n
˜
ao s
˜
ao utilizados nessa tabela.
Dos nove atributos testados somente os dados de diversidade flor
´
ıstica, densidade do
transecto, umidade gravim
´
etrica e queimadas apresentaram correlac¸
˜
oes significativas com as
imagens SAR.
63
Tabela 5.2: Correlac¸
˜
ao de Pearson entre os dados biogeof
´
ısicos e os dados de sensoriamento remoto
R1 − S2
A
R1 − S6
A
R1 − S2
S
R1 − S6
S
NDV I
M
NDV I
A
DAP PAD IAF DF DT Queimadas Idade Altura UG
R1 − S2
A
1 0,140 0,274 0,329 0,472* 0,475** -0,045 -0,066 0,001 0,169 0,447** -0,371* 0,017 0,086 0,694*
R1 − S6
A
0,140 1 0,153 0,453** 0,319 0,365* 0,241 0,019 -0,131 0,139 0,177 0,286 -0,033 -0,199 -0,251
R1 − S2
S
0,274 0,153 1 0,398* 0,423* 0,500** 0,304 -0,220 0,310 0,384** 0,316 0,187 0,137 0,205 0,303
R1 − S6
S
0,329 0,453** 0,398* 1 0,522** 0,530** 0,277 -0,230 0,176 0,199 0,282 0,114 0,126 -,004 -0,224
NDV I
M
0,472* 0,319 0,423* 0,522** 1 0,780** 0,160 0,204 0,120 0,379* 0,526** 0,050 0,138 0,150 0,416
NDV I
A
0,475** 0,365* 0,500** 0,530 0,780** 1 0,084 -0,400* 0,302 0,530** 0,599** -0,047 0,341* 0,182 0,464
DAP -0,045 0,241 0,304 0,277 0,160 0,084 1 -0,138 0,179 0,300 0,274 0,563** 0,285 0,599** -0,009
PAD -0,066 0,019 -0,220 -0,230 -0,204 –0,400* -0,138 1 -0,914** -0,375* -0,081 0,103 -0,359* -0,296 -0,410
LAI 0,001 -0,131 0,310 0,176 0,120 0,302 0,179 -0,914** 1 0,357* 0,086 0,005 0,313 0,241 0,319
DF 0,169 0,139 0,384* 0,199 0,379* 0,530** 0,300 -0,357* 0,357* 1 0,379* 0,097 0,363* 0,403 0,639*
DT 0,447** 0,177 0,316 0,282 0,526** 0,599** 0,274 -0,081 0,086 0,379* 1 0,173 0,337* 0,306 0,688*
Queimadas -0,371* 0,286 0,187 0,114 0,050 -0,047 0,563** 0,103 0,005 0,097 0,173 1 -0,084 0,052 -0,203
Idade 0,017 -0,033 0,137 0,126 0,138 0,341* 0,285 -0,359* 0,313 0,363* 0,337* -0,084 1 0,450* ,239
Altura 0,086 -0,199 0,205 -0,004 0,150 0,182 0,599** -0,296 0,241 0,403 0,306 0,052 0,450* 1 0,470
UG 0,694* -0,251 0,303 -0,224 0,416 0,464 -0,009 -0,410 0,319 0,639* 0,688* -0,203 0,239 0,470 1
Legenda: DF = Diversidade Flor
´
ıstica, DT = Densidade do Transecto, PAD = Porcentagem de Abertura do Dossel e UG = Umidade Gravim
´
etrica.
*Correlac¸
˜
ao significativa ao n
´
ıvel de 0,01. **Correlac¸
˜
ao significativa ao n
´
ıvel de 0,05.
64
Tabela 5.3: Correlac¸
˜
ao entre os par
ˆ
ametros biogeof
´
ısicos e os dados RADARSAT
Imagens DAP IAF DF DT UG Queimadas Idade Altura PAD
S2
A
- - - 0,447* 0,694* -0,371* - - -
S6
A
- - - - -0,251 0,286 - - -
S2
S
0,300 0,310 0,384* 0,316 0,303 - - - -
S6
S
0,277 - - 0,282 - - - - -
* Correlac¸
˜
oes significativas at
´
e o n
´
ıvel de 0,05.
• Di
ˆ
ametro
`
a altura do peito. Nenhuma das imagens RADARSAT obteve correlac¸
˜
ao
significativa com os dados de DAP, mas as imagens do per
´
ıodo seco, independente do
ˆ
angulo
de incid
ˆ
encia, se mostraram levemente superiores
`
as imagens do per
´
ıodo chuvoso, j
´
a que
n
˜
ao h
´
a influ
ˆ
encia das formas de vida inferiores a 1,5m. A Figura 5.7 apresenta o gr
´
afico de
dispers
˜
ao entre os dados de DAP e a imagem RADARSAT S2 de setembro.
Figura 5.7: Gr
´
afico de dispers
˜
ao dos dados de DAP versus RADARSAT Setembro S2. A linha de regress
˜
ao
´
e tamb
´
em apresentada.
Nenhum padr
˜
ao claro
´
e definido na relac¸
˜
ao entre os dados RADARSAT e as m
´
edias
de DAP dos transectos, apenas uma leve tend
ˆ
encia de relac¸
˜
ao positiva (r = 0, 3). Para
comunidades com mesmo DAP observamos variac¸
˜
oes superiores a 2dB.
O DAP para
´
arvores do cerrado
´
e bastante vari
´
avel e o desvio padr
˜
ao
´
e
`
as vezes maior
ou igual
`
a pr
´
opria m
´
edia (Tabela 5.1). Isso retrata o pr
´
oprio conjunto do cerrado, constitu
´
ıdo
65
por
´
arvores e arbustos de formas e tamanhos variados, mas que possuem uma sutil diferenc¸a
entre o DAP das
´
arvores, j
´
a que o di
ˆ
ametro das maiores
´
arvores raramente excede os 30 cm.
Da mesma forma, Townsend et al. (2000), em um estudo realizado em florestas secas e
inundadas na Carolina do Norte e em Maryland, n
˜
ao encontraram correlac¸
˜
ao entre o DAP e
os dados radar do RADARSAT-1, do JERS-1 e do ERS-1. J
´
a Le Toan et al. (1992) ao rela-
cionarem a biomassa de florestas de Pinus do Noroeste da Franc¸a com dados SAR de sistema
de imageamento por radar aerotransportado NASA/JPL encontraram correlac¸
˜
oes moderadas
a fortes com as bandas L (HV e VV) e P (HV e VV), sendo mais fortes para banda P. Os
autores atribuem
`
a interac¸
˜
ao tronco-solo a principal contribuic¸
˜
ao para o retroespalhamento.
A interac¸
˜
ao entre os troncos do cerrado e as ondas radar do RADARSAT, nessa polariza-
c¸
˜
ao e comprimento de onda, resulta em um pequeno retorno do sinal (Figura 3.9), al
´
em de
haver uma maior interac¸
˜
ao com todos os elementos da vegetac¸
˜
ao e aumento do ru
´
ıdo.
•
´
Indice de
´
area foliar e Porcentagem de abertura do dossel. O IAF apresentou
correlac¸
˜
ao apenas com a imagem de menor
ˆ
angulo de incid
ˆ
encia do per
´
ıodo seco - S2 de
setembro. Ainda assim essa correlac¸
˜
ao foi fraca (r = 0, 31) e n
˜
ao significativa (Figura 5.8).
´
E coerente que, com
ˆ
angulos de incid
ˆ
encia menores, o IAF apresente maior correlac¸
˜
ao, j
´
a
que em
ˆ
angulos de incid
ˆ
encia maiores a interac¸
˜
ao muitas vezes fica restrita
`
as copas, e em
ˆ
angulos de incid
ˆ
encia menores h
´
a maior penetrac¸
˜
ao do sinal radar no dossel. Mas por outro
lado, quando isso ocorre, osinal que retorna ao radar tamb
´
em leva outros tipos de informac¸
˜
ao
da superf
´
ıcie (liteira, gram
´
ıneas, herb
´
aceas, solo).
Na tentativa de obter melhor correlac¸
˜
ao, os dois pontos an
ˆ
omalos do conjunto foram reti-
rados (IAF>1,6), por
´
em n
˜
ao houve nenhuma melhoria, e nenhum padr
˜
ao
´
e definido (Figura
5.8). Algumas comunidades com o mesmo IAF t
ˆ
em diferenc¸as de retorno do sinal de at
´
e 3dB.
Resultado semelhante foi encontrado por Townsend et al. (2000) para os dados RADARSAT.
Os autores obtiveram correlac¸
˜
oes positivas apenas com o ERS-1 (VV), em florestas em ter-
ras secas, nas quais o IAF apresentou r = 68%. Eles sugerem que para detectar o IAF e
a abertura da copa com dados RADARSAT
´
e necess
´
ario utilizar dados com m
´
ultiplas ban-
das e polarizac¸
˜
oes, pois em florestas dec
´
ıduas e semi-dec
´
ıduas essas vari
´
aveis s
˜
ao altamente
dependentes do est
´
agio fenol
´
ogico.
Para os dados de PAD a depend
ˆ
encia entre os dados foi muito fraca, negativa e n
˜
ao
significativa com as imagens do m
ˆ
es de setembro. A relac¸
˜
ao com as imagens do m
ˆ
es de abril
foi nula (Tabela 5.2). Dados do per
´
ıodo chuvoso s
˜
ao influenciados pelos estratos inferiores
da vegetac¸
˜
ao (herb
´
aceas e gram
´
ıneas), sendo estes muito reduzidos no per
´
ıodo seco. O
retroespalhamento do radar acaba somando essas informac¸
˜
oes
`
as do dossel.
Apesar da fraca correlac¸
˜
ao, n
˜
ao significativa, tanto para a PAD quanto para o IAF, uma
tend
ˆ
encia coerente foi observada: o PAD apresenta correlac¸
˜
oes negativas com os dados radar
e o IAF positivas.
66
Figura 5.8: Gr
´
afico de dispers
˜
ao dos dados de IAF versus RADARSAT Setembro S2. A linha de regress
˜
ao
´
e
apresentada.
Ao correlacionarem imagens RADARSAT de diversas datas com par
ˆ
ametros estruturais
da vegetac¸
˜
ao, Townsend (2002) normalmente n
˜
ao encontrou correlac¸
˜
oes fortes e nem signi-
ficativas para o IAF e para a PAD, sobretudo quando se tratava de florestas secas. De acordo
com Paloscia (2002), embora a contribuic¸
˜
ao da banda C possa ser
´
util para adicionar qual-
quer tipo de informac¸
˜
ao de copas, a banda L prov
´
em uma melhor capacidade para estimativas
do IAF, principalmente em polarizac¸
˜
ao HV.
• Diversidade Flor
´
ıstica. A diversidade flor
´
ıstica do cerrado se correlacionou positi-
vamente com os dados SAR, mas apenas com a imagem S2 de setembro essa correlac¸
˜
ao foi
significativa (Figura 5.9), por
´
em fraca a moderada (r = 38%).
A maturidade da vegetac¸
˜
ao
´
e o fator que mais se destaca nessa relac¸
˜
ao, influenciando
diretamente na apar
ˆ
encia da comunidade, em especial nas caracter
´
ısticas do dossel. Comu-
nidades mais jovens tendem a possuir um n
´
umero reduzido de esp
´
ecies e um dossel mais
cont
´
ınuo. O fato que a imagem S2 apresenta uma maior penetrac¸
˜
ao no dossel explica esses
resultados pois, nesta configurac¸
˜
ao os impulsos de microondas conseguem atingir o estrato
inferior. A estac¸
˜
ao seca se mostrou mais apta para estimativa de dados de DF porque nesse
per
´
ıodo a umidade do solo
´
e pequena e n
˜
ao interfere fortemente na resposta da vegetac¸
˜
ao.
67
Figura 5.9: O gr
´
afico apresenta a relac¸
˜
ao entre os dados de Diversidade flor
´
ıstica e os dados SAR. A linha
de regress
˜
ao
´
e tamb
´
em apresentada.
• Densidade do Transecto. Imagens com menores
ˆ
angulos de incid
ˆ
encia obtiveram
maior correlac¸
˜
ao com a densidade do transecto.
ˆ
Angulos de incid
ˆ
encia maiores possuem uma
maior interac¸
˜
ao com os galhos e troncos das copas o que conduz a uma maior saturac¸
˜
ao da.
resposta do sensor e conseq
¨
uente reduc¸
˜
ao da sua capacidade de diferenciac¸
˜
ao do “espac¸o”
entre as
´
arvores.
ˆ
Angulos de incid
ˆ
encia menores apresentam uma maior capacidade de
penetrac¸
˜
ao no dossel e maior interac¸
˜
ao entre o solo e os troncos das
´
arvores.
No per
´
ıodo chuvoso h
´
a ainda um aumento significativo nos valores de retroespalhamento
em virtude do aumento de
´
agua contida nos solos e na vegetac¸
˜
ao. H
´
a, em conseq
¨
u
ˆ
encia, uma
maior participac¸
˜
ao do retroespalhamento direto e volum
´
etrico no sinal que retorna para o
radar. A uni
˜
ao das duas caracter
´
ısticas da imagem RADARSAT S2 de abril, menor
ˆ
angulo de
incid
ˆ
encia e maior umidade no ambiente, fiz com que ela obtivesse uma correlac¸
˜
ao moderada
e significativa com os dados de densidade do transecto (Figura 5.10).
• Umidade Gravim
´
etrica. A umidade do solo tem influ
ˆ
encia direta sobre o retroespa-
lhamento da imagem RADARSAT S2 do m
ˆ
es de abril, com r = 0, 69. Removendo-se o
ponto an
ˆ
omalo (UG>4) o coeficiente de correlac¸
˜
ao passou a ser 0,75 (Figura 5.11), com um
modelo bem ajustado que possui a maior parte dos pontos dentro do intervalo de confianc¸a.
Apesar das imagens do per
´
ıodo seco oferecerem um maior contraste entre as
´
areas vegetadas
e n
˜
ao vegetadas, elas n
˜
ao oferecem a maior diferenciac¸
˜
ao entre solos mais secos ou mais
68
Figura 5.10: O gr
´
afico apresenta a relac¸
˜
ao entre os dados de Densidade do transecto e os dados SAR. A linha
de regress
˜
ao
´
e tamb
´
em apresentada.
´
umidos. O per
´
ıodo chuvoso oferece maior disponibilidade h
´
ıdrica para todos os solos, mas
por outro lado as diferenc¸as entre os solos se tornam mais evidentes, haja vista que no per
´
ıodo
seco todos os solos apresentam baixa umidade, pouco sens
´
ıvel
`
as imagens radar. Os solos da
´
area de estudo s
˜
ao arenosos, com estrutura fraca, e apresentam uma baixa tens
˜
ao superficial.
Essas caracter
´
ısticas permitem a r
´
apida percolac¸
˜
ao da
´
agua no solo, mas basta uma pequena
diferenciac¸
˜
ao na composic¸
˜
ao dos solos (maior quantidade de silte e argila), para que a tens
˜
ao
superficial aumente e, conseq
¨
uentemente, mais
´
agua seja retida no solo. Ademais a constante
diel
´
etrica dos solos tamb
´
em aumenta, o que provoca o aumento do retroespalhamento.
ˆ
Angulos de incid
ˆ
encia menores t
ˆ
em demonstrado serem mais
´
uteis para estimar a relac¸
˜
ao
entre umidade do solo e o sinal radar, especialmente em um contexto de vegetac¸
˜
ao aberta.
Outros trabalhos, como o de Dechambre (2003) que testou a relac¸
˜
ao entre a umidade do solo
e dados obtidos a partir de um radar aerotransportado (C-HH) a
ˆ
angulos de incid
ˆ
encia de 20
◦
e 40
◦
, tamb
´
em t
ˆ
em encontrado forte correlac¸
˜
ao entre os dados SAR e umidade dos solos.
• Queimadas. A imagem S2 do m
ˆ
es de abril apresentou correlac¸
˜
ao negativa e signi-
ficativa com os dados de inc
ˆ
endios, contudo foi fraca a moderada (r = 37% ). Dentre os
pontos amostrados, desde 1996, nenhuma queimada ocorreu. In loco a principal evid
ˆ
encia
de que a
´
area sofreu ac¸
˜
ao do fogo
´
e observada no tronco das
´
arvores. Como efeito do fogo,
h
´
a a destruic¸
˜
ao das camadas celulares sub e superficiais, e a principal caracter
´
ıstica qu
´
ımica
69
Figura 5.11: O gr
´
afico apresenta a relac¸
˜
ao entre os dados de Umidade dos solos e os dados SAR. A linha de
regress
˜
ao
´
e tamb
´
em apresentada.
´
e a perda da capacidade de retenc¸
˜
ao de
´
agua. Isso pode explicar a correlac¸
˜
ao negativa, j
´
a que
nesses casos a constante diel
´
etrica se torna muito baixa. Por possuir uma maior penetrac¸
˜
ao
no dossel e conseq
¨
uente aumento do retroespalhamento “double-bounce”, a imagem com
menor
ˆ
angulo de incid
ˆ
encia do per
´
ıodo chuvoso foi melhor para estimar este par
ˆ
ametro.
Uma maior correlac¸
˜
ao possivelmente s
´
o n
˜
ao foi obtida porque h
´
a 8 anos, contados at
´
e a
aquisic¸
˜
ao dos dados de sensoriamento remoto, n
˜
ao ocorrem inc
ˆ
endios.
Em
´
areas que sofreram inc
ˆ
endios recentes Menges et al. (2004) encontram bons resul-
tados e conclu
´
ıram que a banda C-HH foi afetada suficientemente pelo fogo para detectar
e mapear as cicatrizes de inc
ˆ
endios em savanas tropicais no norte da Austr
´
alia. Isto nos
leva a acreditar que
´
areas de cerrado que sofreram recentemente a ac¸
˜
ao do fogo podem ser
identificadas atrav
´
es de dados RADARSAT S2 de per
´
ıodos chuvosos.
• Idade. A idade
´
e um atributo que est
´
a indiretamente associado a diversos par
ˆ
ametros
que caracterizam as comunidades vegetais, tal como a altura m
´
edia das
´
arvores, a densidade
m
´
edia de
´
arvores e, em especial, a biomassa. No entanto essas relac¸
˜
oes s
˜
ao complexas
e influenci
´
aveis por outros fatores externos ou internos, como queimadas ou mudanc¸as na
disponibilidade h
´
ıdrica do ambiente.
As correlac¸
˜
oes dos dados de idade com dados SAR foram nulas, obtendo resultado seme-
lhante a outras pesquisas que utilizaram dados radar banda C-HH em outras fitofisionomias
70
(Jaton e Thomson, 1994).
• Altura. Os dados de altura das comunidades n
˜
ao se correlacionaram com os da-
dos RADARSAT em nenhuma estac¸
˜
ao e em nenhum
ˆ
angulo de incid
ˆ
encia (Tabela 5.2). A
interac¸
˜
ao das ondas radar com a vegetac¸
˜
ao do cerrado, nesse comprimento de onda e nessa
polarizac¸
˜
ao, quando n
˜
ao restrita
`
as copas quando essas s
˜
ao densas, apresentam um grande
n
´
umero de interac¸
˜
oes entre os elementos arb
´
oreo e arbustivos e entre a superf
´
ıcie, aumentado
o ru
´
ıdo e comprometendo a qualidade do sinal.
A metodologia de amostragem pode tamb
´
em ter sido falha em alguns aspectos, j
´
a que
somente as
´
arvores ou arbustos com altura superior a 1,5m foram amostrados
3
. E por pro-
blemas operacionais, o universo de amostragem desses dados foi inferior ao do restante dos
dados, com n = 24.
Mesmo sem esses problemas outros trabalhos realizados em diferentes fitofisionomias
sugeriram resultados semelhantes. Townsend et al. (2000) n
˜
ao obtiveram correlac¸
˜
ao entre os
dados de altura e dos dados RADARSAT, apenas para
´
areas inundadas a relac¸
˜
ao foi significa-
tiva (r = 60%). Esp
´
ırito-Santo (2003) em um estudo na Amaz
ˆ
onia brasileira concluiu que,
para dados RADARSAT, a diferenciac¸
˜
ao da vegetac¸
˜
ao est
´
a mais diretamente relacionada
`
as caracter
´
ısticas geomorfol
´
ogicas do que propriamente com as caracter
´
ısticas de retroespa-
lhamento.
Experi
ˆ
encias que utilizam aspectos 3D para estimar a altura do dossel obtiveram me-
lhores resultados com dados RADARSAT, podendo ser citado o trabalho de Toutin e Amaral
(2000). No entanto, os autores afirmam que florestas pouco densas e heterog
ˆ
eneas n
˜
ao s
˜
ao
boas candidatas para esse m
´
etodo porque as medidas est
´
ereo podem n
˜
ao ser representativas
da altura do dossel devido
`
as maiores interac¸
˜
oes do radar com os troncos e com o solo,
o que nos d
´
a um indicativo da raz
˜
ao de n
˜
ao haver correlac¸
˜
ao dos dados de altura com os
dados RADARSAT. Jaton e Thomson (1994) afirma que a banda L, tanto em polarizac¸
˜
ao
HH quanto em HV,
´
e mais apropriada para discriminar a altura das
´
arvores.
5.3.2 Correlac¸
˜
ao entre os dados de NDVI e os dados biogeof
´
ısicos
Da mesma forma que para os dados radar, apenas os coeficientes de correlac¸
˜
ao superiores a
25% s
˜
ao apresentados na Tabela 5.4.
De maneira geral, as correlac¸
˜
oes entre os dados biogeof
´
ısicos e os dados de NDVI foram
mais fortes que para os dados SAR. A idade das comunidades, a densidade do transecto, a
diversidade flor
´
ıstica e a porcentagem de abertura do dossel apresentaram correlac¸
˜
oes signi-
ficativas com os dados de NDVI.
3
Adotou-se esse param
ˆ
etro para possibilitar a coleta dos dados de di
ˆ
ametro
`
a altura do peito.
71
Tabela 5.4: Correlac¸
˜
ao de Pearson entre os par
ˆ
ametros biogeof
´
ısicos e os dados de NDVI do
CBERS-2.
Imagens PAD IAF IS DT UG Idade DAP Altura Queim.
NDV I
M
- - 0,379* 0,526* 0,416 - - - -
NDV I
A
-0,400* 0,302 0,530* 0,599* 0,464 0,341* - - -
* Correlac¸
˜
oes significativas at
´
e o n
´
ıvel de 0,05.
• Porcentagem de abertura do dossel e
´
Indice de
´
area foliar. Os dados de IAF e de
PAD s
˜
ao derivados do mesmo produto, as fotografias hemisf
´
ericas, mas somente os dados
de PAD, a priori, obtiveram correlac¸
˜
ao significativa com o NDVI.
A relac¸
˜
ao entre os dados de PAD e NDVI foi significativa e negativa (Figura 5.12), isto
porque o NDVI expressa a quantidade de mat
´
eria verde existente na superf
´
ıcie e, quanto
maior a abertura do dossel, menores s
˜
ao os valores de NDVI.
Figura 5.12: O gr
´
afico apresenta a relac¸
˜
ao entre os dados de PAD e os dados de NDVI do CBERS-2. A linha
de regress
˜
ao
´
e tamb
´
em apresentada.
Como a correlac¸
˜
ao n
˜
ao era significativa com os dados de IAF, dois pontos an
ˆ
omalos
com IAF>1,6 foram removidos do conjunto e a correlac¸
˜
ao passou a ser significativa, com
r = 0, 42.
Ao observar a Figura 5.13, que traz o gr
´
afico de dispers
˜
ao entre os dados de NDVI e IAF
sem os pontos an
ˆ
omalos, nota-se que os dados se concentram entre os valores 0.34 a 0.45
de NDVI, amplitude pequena diante da variac¸
˜
ao constatada em campo. Portanto, pode-se
inferir que em
´
areas que apresentam grande cobertura foliar, os dados de NDVI extra
´
ıdos de
72
dados CBERS-2 apresentam saturac¸
˜
ao.
ParaKuntschik (2004), a falta de correlac¸
˜
ao entre dados de sensoriamento remoto e o IAF
pode estar relacionada a este levar em considerac¸
˜
ao os galhos e os troncos no c
´
alculo. J
´
a em
ambientes de cerrado onde alterac¸
˜
oes n
˜
ao foram t
˜
ao presentes e n
˜
ao ocorre um mosaico de
subformac¸
˜
oes, o NDVI apresenta bons resultados para estimativas de IAF, como no estudo
realizado por Ferreira et al. (2003) com dados ETM+.
Figura 5.13: O gr
´
afico apresenta a relac¸
˜
ao entre os dados de IAF e os dados de NDVI do CBERS-2. A linha
de regress
˜
ao
´
e tamb
´
em apresentada.
• Diversidade flor
´
ıstica. A DF apresentou correlac¸
˜
ao significativa com os dados de
NDVI nos per
´
ıodos seco e chuvoso. Por
´
em, no per
´
ıodo seco a correlac¸
˜
ao foi um pouco
maior, com r = 53% (Figura 5.14).
Na Tabela 5.2
´
e poss
´
ıvel observar que os dados de DF apresentam correlac¸
˜
ao significa-
tiva com muitos dos par
ˆ
ametros avaliados (PAD, IAF, DT, idade e UG), todos diretamente
ligados
`
a maturidade da vegetac¸
˜
ao. A correlac¸
˜
ao entre os dados de DF e NDVI sugere estar
mais relacionada
`
a simples raz
˜
ao do vegetado versus n
˜
ao vegetado do que propriamente
`
a
formas de vida (apesar da sensibilidade do NDVI j
´
a ter sido constatada para algumas fitofi-
sionomias), pois quando observamos a Figura 5.14 vemos que muitas amostras com DF re-
lativamente alta apresentam valores de NDVI baixos. O per
´
ıodo seco apresenta uma relac¸
˜
ao
mais forte em virtude do n
´
umero de herb
´
aceas e gram
´
ıneas ser drasticamente reduzido na
maior parte das
´
areas amostradas, correspondentes a
´
areas em regenerac¸
˜
ao.
73
Figura 5.14: O gr
´
afico apresenta a relac¸
˜
ao entre os dados de DF e os dados de NDVI do CBERS-2. A linha
de regress
˜
ao
´
e tamb
´
em apresentada.
• Densidade do Transecto. As melhores correlac¸
˜
oes com os dados de NDVI foram
obtidas com as m
´
edias de DT. Tanto para a imagem do per
´
ıodo chuvoso, como para a imagem
do per
´
ıodo seco, o coeficiente de correlac¸
˜
ao foi superior a 50%.
Assim como para dados Landsat ETM+, dados CBERS-2 apresentaram correlac¸
˜
ao com
a densidade de
´
arvores em
´
areas de cerrado. A imagem NDVI do per
´
ıodo seco se mostrou
levemente superior com r = 60% (Figura 5.15), j
´
a que nesse per
´
ıodo a influ
ˆ
encia do estrato
inferior (herb
´
aceas e gram
´
ıneas)
´
e menor e a maior parte da reflex
˜
ao na banda 4
´
e oriunda
das
´
arvores e arbustos.
• Idade. A imagem NDVI de setembro apresentou correlac¸
˜
ao com os dados de idade.
Essa correlac¸
˜
ao foi de fraca a moderada, positiva e significativa (r = 34%) e provavelmente
est
´
a ligada
`
a densidade de
´
arvores.
5.3.3 Discuss
˜
ao
A relac¸
˜
ao entre os dados de NDVI e de PAD e de Idade das comunidades foi de fraca a
moderada, e de DF e de DT apresentaram relac¸
˜
ao moderada a forte, indicando que esses
par
ˆ
ametros biof
´
ısicos podem ser utilizados em modelos que envolvam os dados de NDVI do
CBERS-2. Foi novamente evidenciada a superioridade do per
´
ıodo seco para diferenciar a
74
Figura 5.15: O gr
´
afico apresenta a relac¸
˜
ao entre os dados de DT e os dados de NDVI do CBERS-2. A linha
de regress
˜
ao
´
e tamb
´
em apresentada.
vegetac¸
˜
ao de cerrado do PEVP, como j
´
a constatado por Maillard e Gomes (2003) e Gomes e
Maillard (2003b) em estudos com dados ETM+ no PEVP.
Apenas as imagens com
ˆ
angulo de incid
ˆ
encia entre 24
◦
e 31
◦
(S2), apresentaram al-
guma correlac¸
˜
ao com os atributos biof
´
ısicos da vegetac¸
˜
ao e com a umidade do solo. A
melhor seq
¨
uencia de correlac¸
˜
oes estatisticamente significativas foi observada com a imagem
RADARSAT S2 do per
´
ıodo chuvoso, que apresenta relac¸
˜
ao com os dados de DT, Queimadas
e UG, tendo esta obtido o melhor coeficiente de correlac¸
˜
ao, r = 69%. A imagem S2 de
setembro apresentou correlac¸
˜
ao apenas com os dados de DF (r = 38%). As outras duas
imagens RADARSAT S6 n
˜
ao foram correlacionadas com nenhum atributo biogeof
´
ısico do
cerrado.
As Imagens S6 sofrem maior atenuac¸
˜
ao do sinal. As ondas radar ficam muitas vezes
“retidas”no pr
´
oprio dossel e h
´
a um maior n
´
umero de interac¸
˜
oes entre as folhas, galhos e
ramos do dossel. Como imagens S2 t
ˆ
em maior capacidade de penetrac¸
˜
ao inter e entre-copas,
uma maior depend
ˆ
encia entre os atributos biogef
´
ısicos do cerrado
´
e observada, revelando
que em banda C-HH h
´
a um maior retorno do sinal da vegetac¸
˜
ao do cerrado com
ˆ
angulos de
incid
ˆ
encia menores e com a elevac¸
˜
ao do conte
´
udo de umidade nos solos e na vegetac¸
˜
ao.
A umidade dos solos foi a principal respons
´
avel pelo retroespalhamento da imagem
RADARSAT S2 do per
´
ıodo chuvoso, seguida pela densidade de
´
arvores. Nesse contexto,
as condic¸
˜
oes clim
´
aticas foram fundamentais, pois o conte
´
udo h
´
ıdrico sobre as folhas, con-
75
tido nas folhas e no solo resultaram em um aumento dos valores de retroespalhamento na
banda C-HH.
Mas de maneira geral, baixos valores de σ
o
foram observados para a vegetac¸
˜
ao, o que
sugere que o dossel do cerrado se apresenta como um atenuador das microondas, que gera
baixos coeficientes de retroespalhamento e apresenta grande homogeneidade e muito ru
´
ıdo.
A pequena biomassa vegetal existente, sobretudo nas
´
areas de regenerac¸
˜
ao de cerrado, tam-
b
´
em leva
`
a uma pequena rugosidade (nesta freq
¨
u
ˆ
encia) e, conseq
¨
uentemente, baixos n
´
ıveis
de σ
o
(Suga et al., 1999).
N
˜
ao se pode deixar de mencionar que falhas na metodologia de amostragem dos dados
podem ser parcialmente respons
´
aveis pela fraca relac¸
˜
ao entre os dados, sobretudo para os
dados SAR. O tamanho das amostras foi bastante reduzido (n = 35), o tamanho do transecto
(20m) foi limitado e algumas etapas metodol
´
ogicas foram adaptadas (como por exemplo a
aquisic¸
˜
ao de fotografias hemisf
´
ericas), tudo em func¸
˜
ao de dificuldades, tanto para obtenc¸
˜
ao
de material necess
´
ario
`
a aquisic¸
˜
ao dos dados, quanto
`
a disponibilidade de recursos humanos
e financeiros nas campanhas de campo.
A Tabela 5.5 traz a s
´
ıntese dos resultados obtidos a partir das correlac¸
˜
oes entre os dados
SAR e os dados biogeof
´
ısicos.
Tabela 5.5: S
´
ıntese dos resultados de correlac¸
˜
ao entre atributos biogeof
´
ısicos e os dados
SAR.
Atributo Correlac¸
˜
ao Estac¸
˜
ao AI Interpretac¸
˜
ao
fenol
´
ogica
DAP Fraca a Moderada, Seca S2 e S6 Em banda C-HH ocorre um grande n
´
umero de interac¸
˜
oes entre
positiva, n
˜
ao significativa elementos arb
´
oreos e arbustivos, havendo maior interac¸
˜
ao entre
os troncos e o solo.
IAF Fraca a Moderada, Seca S2 Dossel do cerrado funciona como atenuador do sinal radar em
positiva, n
˜
ao significativa banda C-HH.
PAD Fraca, negativa, Seca S2 e S6 Dossel do cerrado funciona como atenuador do sinal radar em
n
˜
ao significativa banda C-HH.
DF Fraca a Moderada, Seca S2
ˆ
Angulos de incid
ˆ
encia menores permitem maior penetrac¸
˜
ao no
positiva, significativa interior do dossel. No per
´
ıodo seco h
´
a diminuic¸
˜
ao da constante
diel
´
etrica. Relacionada com a maturidade da vegetac¸
˜
ao.
DT Fraca a Moderada, Chuvosa S2
ˆ
Angulos de incid
ˆ
encia menores permitem maior penetrac¸
˜
ao no
positiva, significativa interior do dossel, que aliado ao per
´
ıodo chuvoso, com maior
constante diel
´
etrica no ambiente, possibilitam aumento da
interac¸
˜
ao tronco-solo e do retroespalhamento direto.
UG Moderada a forte, Chuvosa S2 Aumento na constante diel
´
etrica dos solos no per
´
ıodo chuvoso.
positiva, significativa
ˆ
Angulos de incid
ˆ
encia menores permitem maior penetrac¸
˜
ao
no dossel, com aumento do retroespalhamento direto do solo.
Queimadas Fraca a Moderada, Chuvosa S2
ˆ
Angulos de incid
ˆ
encia menores permitem maior penetrac¸
˜
ao no
negativa, significativa interior do dossel e em
´
areas queimadas h
´
a diminuic¸
˜
ao da
constante diel
´
etrica, com menor retorno na interac¸
˜
ao tronco-solo.
Idade Nula - - Determinada por relac¸
˜
oes complexas.
Altura Nula - - Em banda C-HH ocorre um grande n
´
umero de interac¸
˜
oes entre
elementos arb
´
oreos e arbustivos, havendo maior interac¸
˜
ao entre
os troncos e o solo.
76
5.4 Modelagem dos Dados
5.4.1 DadosdeSensoriamentoRemotoparamodelardadosBiogeof
´
ısicos
Visualmente as imagens SAR oferecem pouco contraste, sobretudo as imagens do per
´
ıodo
chuvoso, que possuem um efeito bastante suavizado e uma pequena diferenciac¸
˜
ao das subfor-
mac¸
˜
oes do cerrado. Isto se torna mais evidente quando comparamos a apar
ˆ
encia relati-
vamente homog
ˆ
enea das imagens RADARSAT da Figura 4.1 com a Figura 4.2 (imagem
CBERS) na qual fortes contrastes podem ser observados.
Os valores de retroespalhamento s
˜
ao normalmente baixos, entre -9 e -7 dB. Os maiores
valores de σ
o
foram observados para as
´
areas de veredas (at
´
e -5 dB), j
´
a que s
˜
ao
´
areas inun-
dadas, com alta constante diel
´
erica e aumento do sinal atrav
´
es do retroespalhamento double-
bounce. Entre as subformac¸
˜
oes do cerrado em terras secas pouca diferenc¸a
´
e percebida em
termos de retroespalhamento,
`
a excec¸
˜
ao dos extremos (quase aus
ˆ
encia de cobertura vegetal
ou cobertura vegetal densa), que ficam em torno de -12 a -7 dB.
O potencial de cada imagem SAR e de NDVI para estimar cada atributo biogeof
´
ısico foi
avaliado na sec¸
˜
ao anterior (5.3). Nesta sec¸
˜
ao
´
e avaliada a uni
˜
ao de diferentes
ˆ
angulos de
incid
ˆ
encia, diferentes estac¸
˜
oes fenol
´
ogicas e dos dados
´
oticos para melhorar as estimativas
de cada par
ˆ
ametro analisado. A regress
˜
ao linear m
´
ultipla
´
e utilizada para tal fim.
Os valores de α do teste de probabilidade F da ANOVA foram estabelecidos at
´
e 0.01 para
testar a signific
ˆ
ancia dos modelos, sendo portanto estipulada a m
´
axima probabilidade de erro
estat
´
ıstico. A an
´
alise dos res
´
ıduos das regress
˜
oes foi feita visualmente a fim de verificar se
os erros possu
´
ıam: distribuic¸
˜
ao normal, m
´
edia zero, vari
ˆ
ancia constante e independ
ˆ
encia. A
violac¸
˜
ao desses pressupostos significa que a utilizac¸
˜
ao do modelo deve ser posta em causa.
Nas an
´
alises de regress
˜
ao, cada um dos nove par
ˆ
ametros foi analisado independente-
mente com todas as combinac¸
˜
oes poss
´
ıveis entre os dados de sensoriamento remoto. A
Tabela 5.6 apresenta os coeficientes de determinac¸
˜
ao (R
2
) resultantes das regress
˜
oes. O
melhor R
2
para cada atributo est
´
a em negrito, mesmo que n
˜
ao significativo.
A maior parte das regress
˜
oes realizadas n
˜
ao obteve resultados significativos. Os mo-
delos de regress
˜
ao baseados em dados RADARSAT e em dados NDVI do CBERS-2 n
˜
ao
foram capazes de estimar o DAP, a PAD, o IAF, a Altura e a Idade das comunidades de
cerrado e, portanto, n
˜
ao rejeitam a hip
´
otese de que n
˜
ao explicam quaisquer variac¸
˜
oes no
total das vari
´
aveis dependentes (H
0
: β
i
= 0).
A combinac¸
˜
ao entre as imagens de NDVI foi capaz de predizer a diversidade flor
´
ıstica
(R
2
= 0,284), mas dessa junc¸
˜
ao a imagem do per
´
ıodo seco foi a principal respons
´
avel pela
predic¸
˜
ao, j
´
a que sozinha apresentou coeficiente de determinac¸
˜
ao para DF igual a 0,281. A
an
´
alise dos res
´
ıduos demonstrou que os erros possuem distribuic¸
˜
ao normal, s
˜
ao indepen-
dentes, de m
´
edia nula e vari
ˆ
ancia constante. O teste F foi significativamente maior que 1
77
Tabela 5.6: Coeficiente de determinac¸
˜
ao (R
2
) entre os dados biogeof
´
ısicos e os dados de
sensoriamento remoto.
Imagens DAP IAF PAD DF DT Altura UG Queimadas Idade
S2
A
+S6
A
+S2
S
+S6
S
0,172 0,163 0,092 0,158 0,251 0,099 0,842* 0,323* 0,036
S2
A
+ S6
A
+ S6
S
0,114 0,072 0,091 0,055 0,224 0,055 0,722 0,267 0,027
S2
A
+ S2
S
+S6
S
0,154 0,110 0,074 0,153 0,246 0,051 0,715 0,253 0,027
S6
A
+ S2
S
+S6
S
0,140 0,151 0,091 0,155 0,133 0,087 0,369 0,108 0,034
S2
A
+S6
A
+ S2
S
0,155 0,134 0,051 0,158 0,249 0,096 0,556 0,322* 0,022
S2
A
+ S6
A
0,064 0,018 0,005 0,042 0,213 0,054 0,538 0,254 0
S2
S
+S6
S
0,121 0,099 0,073 0,150 0,117 0,045 0,142 0,037 0,025
S2
A
+ S2
S
0,110 0,104 0,048 0,152 0,240* 0,046 0,506 0,228 0,019
S6
A
+ S6
S
0,093 0,087 0,072 0,043 0,083 0,040 0,155 0,082 0,026
S2
A
+ S6
S
0,131 0,129 0,053 0,154 0,220 0,008 0,602 0,201 0,016
S6
A
+ S2
S
0,131 0,129 0,051 0,154 0,117 0,086 0,142 0,103 0,142
S2
A
+S6
A
+S2
S
+S6
S
+NDVI
A
- - 0,224 0,323 0,397* - - - 0,176
S2
A
+S6
A
+ S2
S
+NDVI
A
- - - - - - - - -
S2
A
+ S6
A
+NDVI
A
- - - - - - - - -
S2
A
+ S2
S
+NDVI
A
- - - - 0,392* - - - -
NDVI
M
+NDVI
A
- - 0,190 0,284* 0,367* - - - 0,158
S2
A
+ NDVI
A
- - - - 0,392* - - - -
S2
A
- - - - - - 0,481 - -
NDVI
A
- - - 0,281* 0,358* - - - -
Legenda: DF = Diversidade Flor
´
ıstica, DT = Densidade do Transecto, PAD = Porcentagem de Abertura do Dossel
e UG = Umidade Gravim
´
etrica. * Significativo at
´
e o n
´
ıvel de 0.01.
e nos dois casos os modelos rejeitam H
0
. A Equac¸
˜
ao 5.1 apresenta o modelo de regress
˜
ao
linear simples para predizer a diversidade flor
´
ıstica do cerrado, que apesar de significativo,
´
e
pouco ajustado.
DF = −0.258 + 8.544NDV I
A
(5.1)
Nenhuma das imagens radar foi capaz de predizer a DF, mostrando que apenas o NDVI,
em especial extra
´
ıdo da imagem do per
´
ıodo seco,
´
e sens
´
ıvel
`
a composic¸
˜
ao da vegetac¸
˜
ao.
Tanto as imagens SAR quanto as imagens de NDVI foram capazes de produzir mode-
los v
´
alidos (β
i
= 0) para predizer, de maneira fraca, a densidade de
´
arvores do cerrado.
No entanto, apenas as imagens radar S
2
explicaram a vari
´
avel dependente, apresentando
R
2
=0,24. A uni
˜
ao das imagens radar S2 com a imagem de NDV I
A
produziu o melhor
modelo (Equac¸
˜
ao 5.2), que rejeita H
0
. A an
´
alise visual dos res
´
ıduos da regress
˜
ao permitiu
concluir que os erros apresentam distribuic¸
˜
ao normal, s
˜
ao independentes, possuem m
´
edia
nula e vari
ˆ
ancia constante.
Na Tabela 5.6
´
e poss
´
ıvel observar que o modelo de regress
˜
ao linear simples, no qual
a imagem NDV I
A
prediz DT, apresentou R
2
muito pr
´
oximo do modelo gerado com as
imagens SAR. Ainda no modelo apresentado (Equac¸
˜
ao 5.2) a imagem de NDVI possui o
maior peso.
DT = −0.01238 + 0.530S2
A
+ 2.508NDV I
A
(5.2)
A Tabela 5.6 mostra que o coeficiente de determinac¸
˜
ao para a imagem S2
A
em relac¸
˜
ao
`
a UG, obteve um valor R
2
de 50%, mas n
˜
ao se trata de um modelo v
´
alido. De todos os
78
modelos gerados, o modelo mais bem ajustado foi o de umidade gravim
´
etrica utilizando
todas as imagens SAR.
As quatro imagens SAR explicaram juntas 89% da variac¸
˜
ao e geraram um modelo v
´
alido
que rejeita a hip
´
otese nula (Equac¸
˜
ao 5.3). Isso revela que os dados SAR nos dois
ˆ
angulos
de incid
ˆ
encia e nos dois est
´
agios fenol
´
ogicos do cerrado respondem predominantemente
`
a
umidade contida no horizonte superficial do solo. Os erros gerados nesse modelo apresentam
distribuic¸
˜
ao normal, s
˜
ao independentes, possuem m
´
edia nula e vari
ˆ
ancia constante, logo a
utilizac¸
˜
ao desse modelo n
˜
ao deve ser posta em causa.
UG = −5.426 + 1.094S2
A
− 0.790S6
A
+ 0.898S2
S
− 1.637S6
S
(5.3)
Todos os predizentes apresentam pesos relativamente forte nesse modelo, o que significa
que imagens em diferentes
ˆ
angulos de incid
ˆ
encia e diferentes estac¸
˜
oes do ano s
˜
ao necess
´
arias
para estimar dados de umidade dos solos em
´
areas an
´
alogas
`
a
´
area de estudo.
A Figura 5.16 traz o resultado da aplicac¸
˜
ao do modelo gerado para estimar a umidade
dos solos. Quanto mais pr
´
oximo do azul, menor a umidade contida nos solos e, quanto mais
pr
´
oximo do vermelho, maior a umidade gravim
´
etrica existente nos solos do PEVP. Ao ana-
lisarmos o mapa,
´
e poss
´
ıvel observar que as
´
areas pr
´
oximas aos cursos d’
´
agua e os pr
´
oprios
cursos d’
´
agua possuem UG pr
´
oxima a 5. Note que o limite do PEVP em Noroeste e Norte,
que passa pela margem direita do rio Peruac¸u, e todas as lagoas apresentam concentrac¸
˜
ao de
manchas vermelhas e alaranjadas. Ao contr
´
ario, nas
´
areas de pastagens observamos a pre-
domin
ˆ
ancia da baixa umidade dos solos, como na
´
area pertencente
`
a fazenda Janasa (Leste).
A uni
˜
ao de todas as imagens SAR produziu um modelo v
´
alido que prediz a ocorr
ˆ
encia de
queimadas. Por
´
em, a imagem S6 de setembro n
˜
ao tem influencia sobre o modelo. A Equac¸
˜
ao
5.4 apresenta o modelo com as imagens S2 de abril e setembro e S6 de abril para predizer
as queimadas. Esse modelo aceita a hip
´
otese de explicar parcialmente a vari
´
avel dependente
β
i
= 0), sendo um modelo pouco ajustado, com R
2
igual a 0,323. A an
´
alise dos res
´
ıduos
mostrou que os erros possuem uma distribuic¸
˜
ao normal, s
˜
ao independentes, possuem m
´
edia
nula e vari
ˆ
ancia constante.
Queimadas = 1.067 − 0.217S2
A
+ 0.153S6
A
+ 0.147S2
S
(5.4)
Os modelos baseados em todos os dados RADARSAT sozinhos n
˜
ao foram capazes de
predizer de maneira moderada ou forte qualquer uma das medidas alom
´
etricas da vegetac¸
˜
ao
de cerrado, tanto para comunidades maduras quanto para as comunidades em regenerac¸
˜
ao.
Por
´
em foram
´
uteis para predizer de maneira fraca a ocorr
ˆ
encia de queimadas, e de maneira
forte a umidade dos solos.
Apesar dos dados de umidade conterem um pequeno n
´
umero de amostras (n = 12),
o modelo gerado
´
e estatisticamente v
´
alido, j
´
a que a recomendac¸
˜
ao de que o n
´
umero de
79
vari
´
aveis independentes seja 3 vezes menor que o n
´
umero de amostras da vari
´
avel depen-
dente foi cumprida (Groebner e Shannon, 1993). Diante dos resultados pode-se afirmar que
esse modelo obteve uma boa performance, mesmo com um pequeno n
´
umero de amostras.
Aumentar esse n
´
umero reduziria os erros e melhoraria ainda mais a performance do modelo,
j
´
a que outros tipos de solo, com maior ou menor umidade poderiam ser amostrados .
As imagens com menor
ˆ
angulo de incid
ˆ
encia (S2) foram mais
´
uteis para explicar a DT,
´
unica vari
´
avel biof
´
ısica que conseguiu ser predita pelos dados SAR, reiterando que em banda
C-HH os impulsos n
˜
ao penetram bem no dossel a grandes
ˆ
angulos de incid
ˆ
encia. Unir es-
sas imagens com a imagem NDV I
A
tendeu a melhorar os resultados para modelagem da
densidade de
´
arvores em comunidades do cerrado.
Adicionar a imagem NDV I
M
tendeu a piorar todos os modelos, o que reforc¸a que para
quaisquer estimativas de atributos do cerrado a estac¸
˜
ao fenol
´
ogica seca se destaca. A imagem
NDV I
A
sozinha foi capaz de predizer a diversidade flor
´
ıstica e a DT, se mostrando mais
apropriada que as imagens SAR para par
ˆ
ametros estruturais e de composic¸
˜
ao da floresta.
A Tabela 5.7 apresenta a s
´
ıntese dos resultados.
Tabela 5.7: S
´
ıntese dos resultados da modelagem entre os dados biogeof
´
ısicos e os dados de
sensoriamento remoto.
Vari
´
avel Pode ser Dado de
Dependente Estimado Sensoriamento R
2
Coment
´
ario
(H
0
: β
i
) = 0 Remoto
DAP N
˜
ao - - Radarsat-1 (S2 e S6) e NDVI de CBERS-2 sozinhos n
˜
ao foram
capazes de estimar esta medida alom
´
etrica.
IAF N
˜
ao - - Radarsat-1 (S2 e S6) e NDVI de CBERS-2 sozinhos n
˜
ao foram
capazes de estimar este componente da arquitetura do dossel.
PAD N
˜
ao - - Radarsat-1 (S2 e S6) e NDVI de CBERS-2 sozinhos n
˜
ao foram
capazes de estimar este componente da arquitetura do dossel.
DF Sim NDV I
A
0,281 NDVI de CBERS-2, na estac¸
˜
ao seca, se mostrou sens
´
ıvel
`
a composic¸
˜
ao da vegetac¸
˜
ao de cerrado.
DT Sim NDV I
A
+ S2
A
0,392 NDVI de CBERS-2, na estac¸
˜
ao seca, tem sensibilidade para
estimar par
ˆ
ametros estruturais do cerrado. Radarsat S2 do
per
´
ıodo chuvoso possui significativo retorno da interac¸
˜
ao
tronco-solo.
UG Sim S2
A
+S6
A
+S2
S
+S6
S
0,842 Radar C-HH se mostrou sens
´
ıvel
`
a umidade contida no
horizonte superficial do solo em
´
areas de cerrado. Parte
significativa do sinal radar
´
e composto pelo retroespalhamento
direto do solo.
Queimadas Sim S2
A
+S6
A
+S2
S
0,323 Parte do sinal Radarsat S2 e S6
´
e oriundo da interac¸
˜
ao
tronco-solo.
Idade N
˜
ao - - Determinada por relac¸
˜
oes complexas.
Altura N
˜
ao - - Radarsat-1 (S2 e S6) e NDVI de CBERS-2 sozinhos n
˜
ao foram
capazes de estimar esta a altura da vegetac¸
˜
ao.
80
5.4.2 Dados Biogeof
´
ısicos para modelar os dados de Sensoriamento Re-
moto
O retorno do sinal radar e a reflex
˜
ao em dados
´
oticos, a priori, n
˜
ao podem ser explicados por
uma
´
unica vari
´
avel, mas sim por um conjunto de vari
´
aveis e, por isso,
`
as vezes, os dados n
˜
ao
apresentam forte correlac¸
˜
ao e nem produzem modelos capazes de estimar significativamente
todos os atributos.
Os atributos biof
´
ısicos e ambientais s
˜
ao aqui utilizados para identificar quais possuem
maior influ
ˆ
encia sobre o retorno do sinal / reflex
˜
ao em cada uma das seis imagens de sen-
soriamento remoto, atrav
´
es da an
´
alise de regress
˜
ao linear m
´
ultipla. Todos os atributos que
apresentaram depend
ˆ
encia com os dados de sensoriamento remoto foram utilizados. Impor-
tante salientar os pontos an
ˆ
omalos identificados a partir das correlac¸
˜
oes foram inicialmente
removidos, por
´
em em todos os modelos os resultados tenderam a piorar.
A umidade gravim
´
etrica, a densidade de
´
arvores e as queimadas apresentaram correlac¸
˜
ao
com a imagem RADARSAT S2
A
. Essas tr
ˆ
es vari
´
aveis juntas n
˜
ao conseguiram explicar a
imagem S2
A
, apresentando um modelo com coeficiente de determinac¸
˜
ao m
´
ultiplo de 0.696,
mas que n
˜
ao rejeita H
0
.
Removendo os dados de queimadas, foi poss
´
ıvel explicar a imagem S2
A
com um modelo
com R
2
=0,644 que rejeita a hip
´
otese nula (H
0
: β
i
= 0). A an
´
alise visual dos res
´
ıduos da
regress
˜
ao indicou que os erros apresentam distribuic¸
˜
ao normal, s
˜
ao independentes, possuem
m
´
edia nula e vari
ˆ
ancia constante. Portanto, a UG e a DT respondem por mais de 50% do
sinal radar na imagem RADARSAT S2 do m
ˆ
es de abril (Equac¸
˜
ao 5.5). O restante do sinal
pode ser atribu
´
ıdo
`
a m
´
ultiplas interac¸
˜
oes das microondas nas copas, ao retroespalhamento
direto e aos ru
´
ıdos.
RADARSAT
S2A
= −9.333 + 0.201UG + 1.649DT (5.5)
Um modelo de regress
˜
ao linear simples foi gerado utilizando apenas a UG como vari
´
avel
independente para predizer S2
A
. Esse modelo n
˜
ao rejeitou a hip
´
otese nula (H
0
: β
i
= 0),
mostrando a import
ˆ
ancia, al
´
em do retroespalhamento direto, da interac¸
˜
ao tronco-solo para
compor o sinal radar.
Mesmo possuindo um menor
ˆ
angulo de incid
ˆ
encia, todos os modelos gerados para predi-
zer S2
S
foram pouco ajustados e n
˜
ao rejeitaram H
0
. Todos os atributos que apresentavam
correlac¸
˜
ao superior a 25%, mesmo que n
˜
ao significativa, foram testados para compor os
modelos. A baixa umidade presente nos solos e contida na vegetac¸
˜
ao produz baixos n
´
ıveis
de retroespalhamento, j
´
a que a constante diel
´
etrica do meio
´
e baixa.
Todos os modelos gerados para predizer as imagens S6
A
e S6
S
foram nulos, o que rei-
tera a baixa capacidade de penetrac¸
˜
ao no dossel das ondas C-HH emitidas pelo radar e con-
seq
¨
uente sutil interac¸
˜
ao com os atributos biogef
´
ısicos do cerrado.
81
A imagem NDV I
A
obteve correlac¸
˜
oes significativas com os atributos biof
´
ısicos e am-
bientais do cerrado (DT, Idade, DF e PAD). V
´
arios modelos que explicassem a composic¸
˜
ao
dessa imagem puderam ser gerados.
O IAF, o DAP, a DF e a DT melhor explicaram a imagem NDV I
A
, apresentando um
coeficiente de determinac¸
˜
ao de 0,559 (Equac¸
˜
ao 5.6). O modelo gerado rejeita H
0
, explicando
parcialmente a resposta na imagem NDV I
A
. A composic¸
˜
ao da floresta, os elementos do
dossel, a porcentagem de solo exposto e a densidade de
´
arvores sugerem ser os principais
respons
´
aveis pelas informac¸
˜
oes contidas na energia refletida para o sensor. Essa relac¸
˜
ao n
˜
ao
p
ˆ
ode ser observada para a imagem NDV I
M
, j
´
a que neste per
´
ıodo a vegetac¸
˜
ao apresenta
maior biomassa, outras formas de vida (gram
´
ıneas e herb
´
aceas) e as folhas possuem mais
pigmentos, respons
´
aveis por modificar significativamente o tipo de informac¸
˜
ao contida no
NDVI.
CBERS
NDV I
A
= 0.420 + 0.097DT + 0.016DF − 0.002P AD − 0.047IAF (5.6)
Os outros modelos gerados para para predizer NDV I
A
apresentaram R
2
igual a 0,527
(DT, DF e PAD) e 0,465 (DT e DF), todos rejeitando a hip
´
otese nula (β
i
= 0).
Os modelos gerados para NDV I
M
, apesar de a explicaram parcialmente, foram pouco
ajustados, com coeficiente de determinac¸
˜
ao 0,315 para DT e DF (Equac¸
˜
ao 5.7), e 0,227 para
DT, pelos motivos j
´
a expostos.
CBERS
NDV I
M
= 0.329 + 0.114DT + 0.017DF (5.7)
A s
´
ıntese dos resultados obtidos na modelagem entre os dados biogeof
´
ısicos e os dados
de sensoriamento remoto
´
e apresentada na Tabela 5.8.
De maneira geral, a textura apresentada pelas imagens RADARSAT
´
e muito homog
ˆ
enea
e constitu
´
ıda por grandes “blocos”, quadro muito diferente da situac¸
˜
ao verificada in loco,
j
´
a que o PEVP
´
e composto por um mosaico de v
´
arios est
´
agios de sucess
˜
ao e por v
´
arias
subformac¸
˜
oes.
O principal componente do sinal RADARSAT no cerrado
´
e a umidade contida nos solos.
Por se tratar de uma
´
area localizada em clima semi-
´
arido somente no per
´
ıodo chuvoso (Figura
2.5) essa caracter
´
ıstica
´
e transmitida aos dados radar C-HH. A distribuic¸
˜
ao da umidade nas
diferentes
´
areas do PEVP, al
´
em de relacionada com a densidade de
´
arvores ao produzirem
liteira e sombra,
´
e altamente ligada
`
a morfologia superficial e sub-superficial, regida pelas
crostas l
´
atero-manganes
´
ıferas, que produzem um relevo para o sistema hidrol
´
ogico comple-
tamente distinto do relevo da superf
´
ıcie.
Os dados de NDVI do CBERS-2, em especial do per
´
ıodo seco, s
˜
ao mais sens
´
ıveis que
os dados RADARSAT para a estrutura e a composic¸
˜
ao da floresta. Foi obtido um modelo
82
Tabela 5.8: S
´
ıntese dos resultados da modelagem entre os dados biogeof
´
ısicos e os dados de
sensoriamento remoto.
Vari
´
avel Sinal pode R
2
Atributo
Dependente ser explicado Biogeof
´
ısico Coment
´
ario
(H
0
: β
i
= 0)
S2
A
Sim 0,644 UG e DT Umidade contida nos solos e densidade de
´
arvores respondem por mais de
50% do sinal que retorna ao radar, predominando os mecanismos de
retroespalhamento direto e a interac¸
˜
ao tronco-solo.
S6
A
N
˜
ao - - Sinal C-HH a
ˆ
angulos de incid
ˆ
encia maiores ficam mais restritos
`
as copas,
havendo pouca penetrac¸
˜
ao no dossel, havendo maior espalhamento da copa
e maior ru
´
ıdo. Sutil interac¸
˜
ao com os atributos estudados.
S2
S
N
˜
ao - - A baixa constante diel
´
etrica do solo e da vegetac¸
˜
ao, mesmo com um menor
ˆ
angulo de incid
ˆ
encia, n
˜
ao permitiram explicar o sinal com as vari
´
aveis
utilizadas.
S6
S
N
˜
ao - - Sinal C-HH a
ˆ
angulos de incid
ˆ
encia maiores ficam mais restritos
`
as copas,
havendo pouca penetrac¸
˜
ao no dossel. Soma-se a menor constante diel
´
etrica
dos solos e da vegetac¸
˜
ao. Sutil interac¸
˜
ao com os atributos estudados.
NDV I
A
Sim 0,559 IAF, DAP, NDVI de CBERS-2
´
e sens
´
ıvel
`
a composic¸
˜
ao da floresta, aos elementos do
DF e DT dossel, ao percentual de solo exposto e
`
a densidade de
´
arvores. Cont
´
em
informac¸
˜
ao sobre a estrutura da floresta, mas com menor interfer
ˆ
encia
dos estratos inferiores (gram
´
ınea e herb
´
aceas).
NDV I
M
Sim 0,3 DT e DF Possui menor sensibilidade
`
a estrutura da floresta, havendo maior
interfer
ˆ
encia dos estratos inferiores. Exibe saturac¸
˜
ao para
´
areas com grande
cobertura foliar.
de regress
˜
ao relativamente ajustado que n
˜
ao explicou totalmente essa raz
˜
ao de bandas. Isso
su.gere que ainda ser
˜
ao necess
´
arios outros dados para conseguir a diferenciac¸
˜
ao de sub-
formac¸
˜
oes do cerrado.
Ferreira et al. (2004) obtiveram um resultado satisfat
´
orio unindo dados de um espec-
troradi
ˆ
ometro, dados MODIS e ETM+ para distinguir subformac¸
˜
oes do cerrado, mas cabe
lembrar que os autores avaliaram apenas
´
areas preservadas. Esses autores ainda afirmam que
´
e necess
´
ario adquirir dados em diversos est
´
agios fenol
´
ogicos do cerrado, j
´
a que as v
´
arias
fisionomias vegetais do bioma cerrado sofrem efeitos distintos em relac¸
˜
ao
`
a sazonalidade,
sendo que esse fen
ˆ
omeno
´
e determinado pela disponibilidade h
´
ıdrica.
5.5 Avaliac¸
˜
ao da Metodologia Utilizada
Conforme apresentado em sec¸
˜
oes anteriores, pesquisas n
˜
ao haviam demonstrado boa uti-
lidade de dados radar C-HH para o estudo da vegetac¸
˜
ao,
`
a excec¸
˜
ao de florestas abertas.
Considerou-se que em muitas de suas subformac¸
˜
oes, o cerrado se caracteriza como uma
formac¸
˜
ao aberta, logo a utilizac¸
˜
ao de dados Radarsat-1 para estudo dessa fitofisionomia sur-
gia como uma alternativa vi
´
avel, acrescentando-se novos tipos de informac¸
˜
ao para o estudo
desse ambiente.
No intuito de melhorar ainda mais a performance dos modelos a serem gerados com
dados Radarsat-1, vislumbrou-se a possibilidade de utilizar dados CBERS-2, pois a melhoria
83
de estimativas com a uni
˜
ao de dados
´
oticos e radar j
´
a foi amplamente discutida. Ademais,
os dados CBERS s
˜
ao de f
´
acil acesso, m
´
edia resoluc¸
˜
ao, de cobertura peri
´
odica e distribu
´
ıdos
gratuitamente.
Diante dos procedimentos metodol
´
ogicos adotados, pontuam-se os aspectos positivos e
os entraves encontrados.
Dados de campo
A metodologia utilizada para coletar os dados em campo (transectos, coleta de amostras
de solo, fotografias hemisf
´
ericas) se mostrou apropriada, possibilitando quantificar e carac-
terizar as
´
areas amostradas.
Da mesma forma, a pesquisa hist
´
orica resultou em um mapa de idades que pode ser
considerado confi
´
avel, havendo limitac¸
˜
oes apenas para
´
areas que sofreram interfer
ˆ
encias
difusas em um longo per
´
ıodo de tempo (exemplo dos talh
˜
oes que sofreram corte seletivo
durante 9 anos).
Destacam-se os problemas operacionais e financeiros que impediram um maior universo
amostral e a igualdade do universo para todos os atributos (altura e umidade dos solos
possu
´
ıram n = 24 e n = 12 , respectivamente) e que limitaram a qualidade dos dados,
haja vista que t
´
ecnicas alternativas tiveram que ser adotadas (como no caso das fotografias
hemisf
´
ericas) para coletar os dados da maneira desejada.
Relacionada aos entraves acima descritos, n
˜
ao houve a distribuic¸
˜
ao igualit
´
aria do n
´
umero
de amostras para cada uma das subformac¸
˜
oes, pois de forma aleat
´
oria, ocorreu a predomin
ˆ
an-
cia das
´
areas em regenerac¸
˜
ao.
Dados de sensoriamento remoto
A escolha de imagens em duas estac¸
˜
oes fenol
´
ogicas do cerrado (per
´
ıodo de estresse
e per
´
ıodo de abund
ˆ
ancia) se mostrou importante para ressaltar as diferenc¸as ocorridas na
vegetac¸
˜
ao e essa variac¸
˜
ao foi claramente observada nos resultados.
Apontam-se problemas para a aquisic¸
˜
ao das imagens
´
oticas em virtude da cobertura de
nuvens sobre a
´
area nos meses de chuva. Apenas no m
ˆ
es de maio foi poss
´
ıvel obter uma ima-
gem sem nebulosidade, fazendo com que a imagem
´
otica fosse adquirida no fim da estac¸
˜
ao
chuvosa.
Ainda para os dados
´
oticos, n
˜
ao houve consist
ˆ
encia nos resultados obtidos ap
´
os a correc¸
˜
ao
atmosf
´
erica, fazendo com que essa correc¸
˜
ao n
˜
ao fosse realizada. Isso
´
e atribu
´
ıdo
`
as falhas na
calibrac¸
˜
ao dos dados CBERS-2, mesmo ap
´
os a realizac¸
˜
ao da calibrac¸
˜
ao radiom
´
etrica.
Tratamento dos dados
Os processamentos realizados atenderam ao esperado nesta pesquisa (convers
˜
ao dos dados
de sensoriamento remoto, correc¸
˜
ao geom
´
etrica, remoc¸
˜
ao do ru
´
ıdo, extrac¸
˜
ao das m
´
edias dos
conjuntos). Inclui-se a escolha da janela 9x9 pixels para extrac¸
˜
ao das informac¸
˜
oes contidas
nas imagens de sensoriamento remoto,
`
a medida que um pequeno desvio padr
˜
ao foi obser-
vado (inferior a 1dB para dados radar que possuem um forte efeito speckle e a 0,05 para
84
NDVI).
Modelagem dos dados
A metodologia utilizada para modelar os dados de sensoriamento e os dados biogeof
´
ısicos
se mostrou adequada (Correlac¸
˜
ao e Regress
˜
ao Linear Simples e M
´
ultipla).
Retomando o apresentado no cap
´
ıtulo 1, foram trac¸ados cinco objetivos secund
´
arios para
se alcanc¸ar o objetivo principal, que era desenvolver e avaliar uma metodologia capaz de
distinguir fitofisionomias em estado cl
´
ımax de fitofisionomias em regenerac¸
˜
ao e capaz de
diferenciar as fases de regenerac¸
˜
ao. Atingir os cinco objetivos secund
´
arios ou espec
´
ıficos se
traduziria em alcanc¸ar o objetivo principal.
Dos cinco objetivos espec
´
ıficos, quatro foram alcanc¸ados, a saber: 1) a hist
´
oria da
´
area
de estudo pode ser reconstru
´
ıda; 2) houve compreens
˜
ao sobre como se d
´
a o repovoamento
de
´
areas em regenerac¸
˜
ao; 3) determinou-se as informac¸
˜
oes predominantes na resposta dos
sensores; 4) identificou-se os componentes da resposta dos sensores.
No entanto, os resultados encontrados (apenas a umidade dos solos p
ˆ
ode ser fortemente
estimada pelos dados radar e os atributos estudados n
˜
ao foram capazes de explicar totalmente
a resposta dos sensores) n
˜
ao foram suficientes para se chegar ao
´
ultimo objetivo espec
´
ıfico,
que era propor modelos estat
´
ısticos para diferenciar fitofisionomias em estado cl
´
ımax e em
regenerac¸
˜
ao e diferenciar s
´
ıtios em fases distintas de regenerac¸
˜
ao, e conseq
¨
uentemente, para
se atingir o objetivo principal.
Mesmo que o objetivo desta pesquisa n
˜
ao tenha sido atingido, a metodologia se mostrou
exeq
¨
u
´
ıvel para aplicac¸
˜
oes futuras em
´
areas de cerrado com outros dados de sensoriamento
remoto, em especial dados em comprimentos de onda maiores e em diferentes polarizac¸
˜
oes.
Os resultados encontrados s
˜
ao considerados de grande relev
ˆ
ancia,
`
a medida que p
ˆ
ode-se
compreender a interac¸
˜
ao de ondas C-HH oriundas do Radarsat-1 para o ambiente do cerrado,
validar a utilizac¸
˜
ao desses dados para estimativas de umidade dos solos nesse ambiente e
identificar as limitac¸
˜
oes do NDVI extra
´
ıdo de dados CBERS-2.
85
UmidadeGravimétrica(g)
0
1
2
3
4
5
Figura 5.16: Mapa de umidade dos solos do Parque Estadual Veredas do Peruac¸u, gerado a partir da aplicac¸
˜
ao
das imagens Radarsat em um modelo de regress
˜
ao m
´
ultipla. Quanto mais pr
´
oximo do azul, menor a umidade
contida nos solos.
86
Cap
´
ıtulo 6
CONSIDERAC¸
˜
OES FINAIS
A
PRESENTE dissertac¸
˜
ao de mestrado teve como principal objetivo diferenciar as fitofi-
sionomias do cerrado e sua regenerac¸
˜
ao atrav
´
es de dados de sensoriamento remoto
radar e
´
otico. Uma metodologia original foi adotada para alcanc¸ar esse objetivo, maxi-
mizando o uso das informac¸
˜
oes existentes atrav
´
es de um resgate hist
´
orico dos acontecimen-
tos ambientais na
´
area do parque e seu entorno. Independente dos resultados, essa metodolo-
gia se provou vi
´
avel para aplicac¸
˜
oes futuras, em diferentes
´
areas de estudo e que utilizem
outros dados de sensoriamento remoto.
A abordagem hist
´
orica utilizada para estimar a idade da vegetac¸
˜
ao permitiu um controle
razo
´
avel para algumas comunidades. Em
´
areas onde houve uma complexidade de usos,
espacialmente difundidos, e uma s
´
erie de processos de degradac¸
˜
ao, hora concomitantes, hora
n
˜
ao, h
´
a um menor controle sobre os dados. Diante desse quadro, a utilizac¸
˜
ao de imagens
multitemporais ainda sobressai como uma melhor alternativa. Em casos como o deste estudo,
em que a aquisic¸
˜
ao dessas imagens n
˜
ao
´
e poss
´
ıvel, a abordagem hist
´
orica se apresenta como
uma alternativa poss
´
ıvel, desde que conhecidas as suas limitac¸
˜
oes.
Um maior entendimento sobre o padr
˜
ao regenerativo do cerrado foi obtido, onde se cons-
tatou que apesar da
´
area ser rapidamente vegetada em func¸
˜
ao da reproduc¸
˜
ao vegetativa, n
˜
ao
h
´
a uma consolidac¸
˜
ao das caracter
´
ısticas estruturais das fitofisionomias em regenerac¸
˜
ao. Fato
esse que, aliado
`
a interfer
ˆ
encias antr
´
opicas e
`
as caracter
´
ısticas ambientais, gera diferentes
est
´
agios de sucess
˜
ao, mesmo para
´
areas de mesma idade. Isso surge, a priori, como uma
dificuldade para a modelagem de
´
areas em regenerac¸
˜
ao e para entrada desses dados dando
suporte a outros modelos, como de seq
¨
uestro de carbono e estimativas de biomassa, j
´
a que
em func¸
˜
ao de tantas vari
´
aveis, um padr
˜
ao claro de crescimento n
˜
ao pode ser definido.
Os mecanismos de retroespalhamento dominantes no ambiente de cerrado puderam ser
identificados. Em
ˆ
angulos de incid
ˆ
encia maiores o mecanismo dominante
´
e o espalhamento
volum
´
etrico, j
´
a que h
´
a maior interac¸
˜
ao entre o sinal radar e os elementos do dossel. O
retroespalhamento direito e “double-bounce” e o espalhamento volum
´
etrico s
˜
ao os meca-
nismos dominantes em imagens com menor
ˆ
angulo de incid
ˆ
encia,
`
a medida que ocorre uma
87
maior penetrac¸
˜
ao no interior do dossel. As interac¸
˜
oes e o retorno do sinal s
˜
ao significativa-
mente aumentados no per
´
ıodo chuvoso, em virtude do aumento da constante diel
´
etrica dos
solos e da pr
´
opria vegetac¸
˜
ao.
Em radar banda C, polarizac¸
˜
ao HH, a imagem do per
´
ıodo chuvoso, com menor
ˆ
angulo
de incid
ˆ
encia (S2), revelou possuir maior interac¸
˜
ao com a vegetac¸
˜
ao de cerrado e com o
seu ambiente do que as outras imagens. E a umidade contida nos solos demonstrou ser o
principal componente do sinal radar e o
´
unico atributo que p
ˆ
ode ser predito com as imagens
RADARSAT. Mas o modelo encontrado
´
e v
´
alido somente para
´
areas de cerrado instaladas
sobre solos arenosos, j
´
a que cada tipo de solo apresenta composic¸
˜
ao e estrutura distintos,
e tem o seu comportamento alterado diante da maior presenc¸a de umidade no ambiente.
A densidade de
´
arvores tamb
´
em possui um papel para compor o sinal dessa imagem. No
entanto, estes dois par
ˆ
ametros sozinhos n
˜
ao permitem diferenciar a estrutura da vegetac¸
˜
ao.
Outras imagens n
˜
ao puderam ter sua resposta caracterizada, em virtude da baixa cons-
tante diel
´
etrica do ambiente ou em func¸
˜
ao do sinal ser retido no dossel em maiores
ˆ
angulos
de incid
ˆ
encia.
Outros elementos tamb
´
em t
ˆ
em sua identificac¸
˜
ao limitada nas imagens RADARSAT-1.
´
E
o caso de feic¸
˜
oes lineares que n
˜
ao s
˜
ao facilmente percebidas, devido
`
a mudanc¸a de superf
´
ıcie
ser de certa forma sutil, com estradas de terra estreitas e cercadas pela vegetac¸
˜
ao do cerrado,
que torna a superf
´
ıcie muito homog
ˆ
enea nesse comprimento de onda e nessa polarizac¸
˜
ao.
Imagens de NDVI/CBERS-2 do per
´
ıodo seco, como j
´
a observado em estudos anteri-
ores, s
˜
ao superiores
`
a imagens do per
´
ıodo chuvoso, j
´
a que nesse h
´
a a presenc¸a de herb
´
aceas,
gram
´
ıneas e maior biomassa florestal. A composic¸
˜
ao da comunidade e a relac¸
˜
ao solo/dos-
sel pode mais uma vez ser reiterada. N
˜
ao se sabe at
´
e qual ponto os resultados de NDVI
s
˜
ao influenciados negativametne pelos problemas existentes nos detectores da c
ˆ
amera CCD.
Problemas como os diferentes ganhos nos detectores e os problemas de saturac¸
˜
ao na banda
4, que nos levaram a n
˜
ao realizac¸
˜
ao da correc¸
˜
ao atmosf
´
erica, al
´
em das perdas na resoluc¸
˜
ao
espacial (imagens degradadas).
Embora fosse esperado que os dados RADARSAT-1 pudessem interagir bem com a
vegetac¸
˜
ao do cerrado atrav
´
es dos diferentes mecanismos de retroespalhamento, a experi
ˆ
encia
provou, por outro lado, que a presente configurac¸
˜
ao SAR (banda C-HH) apresenta limitac¸
˜
oes
para caracterizar a estrutura da vegetac¸
˜
ao. O pequeno comprimento de onda e o forte
efeito speckle, derivado sobretudo do espalhamento volum
´
etrico, limitam o uso de dados
RADARSAT para o mapeamento de fitofisionomias do cerrado em terras secas.
No entanto, os resultados validam a capacidade desses dados para mapeamentos da umi-
dade dos solos, de inc
ˆ
endios e de terras nuas ou recobertas por gram
´
ıneas e herb
´
aceas, desde
que n
˜
ao haja restos de troncos e galhos no ch
˜
ao.
Tamb
´
em maiores valores de coeficiente de retroespalhamento (dB) foram encontrados
para meios inundados ou saturados, como as veredas, devido
`
a
´
agua encontrada sob o dossel,
88
e para
´
areas de relevo acidentado, devido
`
a rugosidade, demonstrando um potencial desses
dados para estudos futuros.
Como as savanas constituem uma parcela significativa da produc¸
˜
ao prim
´
aria terrestre,
pesquisas que busquem o conhecimento do padr
˜
ao regenerativo e t
´
ecnicas que aprimorem o
mapeamento de suas fitofisionomias e dos diferentes est
´
agios de sucess
˜
ao devem ser persegui-
das, dando suporte
`
a pesquisas de quantificac¸
˜
ao da biomassa, de estimativas de seq
¨
uestro de
carbono e de mudanc¸as na temperatura da superf
´
ıcie. Nesse sentido, o uso de dados radar
em outras bandas, em especial L e P com diferentes polarizac¸
˜
oes, pode trazer melhorias
significativas nos resultados.
A pesquisa sobre a estrutura do cerrado no Parque Estadual Veredas do Peruac¸u permitiu
estabelecer contribuic¸
˜
oes e limitac¸
˜
oes de certas configurac¸
˜
oes de dados radar e
´
oticos con-
siderando que foi seguida uma metodologia exaustiva que minimizava as fontes de erros.
Essa pesquisa permitiu a adoc¸
˜
ao de uma nova trajet
´
oria de pesquisa utilizando dados radar
em outras freq
¨
u
ˆ
encias mais baixas e com outras configurac¸
˜
oes polarim
´
etricas.
89
Refer
ˆ
encias Bibliogr
´
aficas
Ab’Saber, A. N. (1971). Simp
´
osio sobre o Cerrado (3
a
ed.)., Chapter A organizac¸
˜
ao natural
das paisagens inter e subtropicais brasileiras, pp. 1–14. S
˜
ao Paulo, SP: Edgard Blucher/E-
DUSP.
Anderson, L. O., E. H. M. Rojas, e Y. E. Shimabukuro (2003, Maio 5-9). Avanc¸o da soja
sobre os ecossistemas do cerrado e floresta do estado do Mato Grosso. In XI Simp
´
osio
Brasileiro de Sensoriamento Remoto, Belo Horizonte, MG, Brasil, pp. 19–26.
Araujo, L. S., J. B. Santos, M. Keil, M. S. P. Lacruz, e J. C. M. Kramer (2001, Abril). Raz
˜
ao
entre bandas do SIR-C/ X SAR para estimativa de biomassa em
´
areas de contato floresta
e cerrado. In X Simp
´
osio Brasileiro de Sensoriamento Remoto, Foz do Iguac¸u, PR, Brasil,
pp. 1513–1520.
Badhwar, G. D. (1984). Classification of corn and soybeans using multitemporal Thematic
Mapper data. Remote Sensing Environment 16(2), 175–182.
Baptista, G. M. M. (2003, Maio 5-9). Validac¸
˜
ao da modelagem de seq
¨
uestro de carbono para
ambientes tropicais de cerrado, por meio de dados AVIRIS e Hyperion. In XI Simp
´
osio
Brasileiro de Sensoriamento Remoto, Belo Horizonte, MG, Brasil, pp. 1037–1044.
Cavalcanti, R. B., P. R. Meneses, F. J. Ahern, e R. B. Machado (1997, May). Landscape
analyses in the Serra da Mesa Hydroelectric Reservoir, Brazil. In Geomatics in the Era of
Radarsat Conference, pp. 27–34.
Chavez Jr., P. S. (1988). An improved dark-object subtraction technique for atmospheric
scattering correction of multispetral data. Remote Sensing of Environment 24(2), 459–
479.
Conese, C. e F. Maselli (1991). Use of multitemporal information to improve classification
performance of tm scenes in complex terrain. Journal of Photogrammetry and Remote
Sensing 46(4), 187–197.
Dechambre, M. (2003). Mesures de l’humidit
´
e des sols et du contenu en eau de la v
´
eg
´
etation
par radar a
´
eroport
´
e. Natures Sciences Soci
´
et
´
es (11), 87–91.
90
Egbert, S. L., R. Y. Lee, K. P. Price, R. Boyce, e M. D. Nellis (1994). Mapping the Kansas
grasslands: a multi-temporal approach. GAP Analysis Bulletin 1(6), 12–13.
Empresa Brasileira de Pesquisa Agropecu
´
aria (1997). Manual de M
´
etodos de An
´
alise de
Solo (2
a
ed.). Rio de Janeiro: Centro Nacional de Pesquisa de Solos. 212 p.
Empresa Brasileira de Pesquisa Agropecu
´
aria (1998). Cerrado: ambiente e flora (1a ed.).
EMBRAPA-CPAC. 556 p.
EPAMIG, INMET 5
o
Distrito de Meteorologia, e UFV (1982). Atlas Climatol
´
ogico do Es-
tado de Minas Gerais. EPAMIG, Belo Horizonte.
Esp
´
ırito-Santo, F. B. (2003). Caracterizac¸
˜
ao e mapeamento da vegetac¸
˜
ao da regi
˜
ao da
Floresta Nacional do Tapaj
´
os atrav
´
es de dados
´
oticos, radar e invent
´
arios florestais.
Dissertac¸
˜
ao de mestrado. INPE, S
˜
ao Jos
´
e dos Campos. 277 p.
Ferreira, L. G., H. M. L. Chaves, e W. S. Galv
˜
ao (2004). Optical characterization of
the Brazilian savanna physiognomies for improved land cover monitoring of the cerrado
biome: preliminary assessments from an airborne campaign over an LBA core site. Jour-
nal of Arids Environments 56(3), 425–447.
Ferreira, L. G., H. Yoshioka, A. Huete, e E. E. Sano (2003). Seasonal landscape and spec-
tral vegetation index dynamics in the Brazilian Cerrado: An analysis within the Large-
Scale Biosphere-Atmosphere Experiment in Amaz
ˆ
onia (LBA). Remote Sensing of Envi-
ronment (87), 534–550.
Franklin, S. E. (2001). Remote Sensing for Sustainable Forest Management. Boca Raton,
FLA: Lewis Publishers.
Frazer, G. W., C. D. Cunham, e K. P. Lertzman (1999). Gap Light Analyzer (GLA), version
2.0: imaging software to extract canopy structure and gap light transmission indices from
true-color fisheye photographs, users manual and program documentation. Simon Fraser
University, Burnaby, British Columbia, and the Institute if Ecosystem Studies.
Gerardi, L. H. e B. N. Silva (1981). Quantificac¸
˜
ao em Geografia (1 ed.). Difel, S
˜
ao Paulo.
161 p.
Gomes, M. F. e P. Maillard (2003a, October 14-17). Comportement spectral saisonnier
des formations v
´
eg
´
etales semi-arides dans la vall
´
ee de la rivi
`
ere Peruac¸u - Minas Gerais,
Br
´
esil. In Proceedings of the XXV Canadian Remote Sensing Symposium, Montr
´
eal, QC,
Canada, pp. 1–10.
91
Gomes, M. F. e P. Maillard (2003b, April 5-10). Mapeamento fitogeogr
´
afico das unidades
de conservac¸
˜
ao do Peruac¸u utilizando dados do sensor ETM de LANDSAT: uma abor-
dagem multiespectral e textural. In Proceedings of the XI Brazilian Symposium on Remote
Sensing, Belo Horizonte, MG, Brasil, pp. 2753 – 2761.
Groebner, D. F. e P. W. Shannon (1993). Business Statistics. A Decision Making Approach.
(4
a
ed.). Macmilan Publishing Company, New York. 1119 p.
Hall, G. H., D. B. Botkin, D. E. Strebel, K. D. Woods, e S. J. Goetz (1991). Large-scale
patterns of forest sucession as determined by remote sensing. Ecological Society of Amer-
ica 72(2), 628–640.
Hardin, P. J. e M. W. Jackson (2003). Investigating SeaWinds Terrestrial Backscatter:
Equatorial Savannas of South America. Photogrammetric Engineering and Remote Sens-
ing 69(11), 1243–1254.
Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renov
´
aveis(1994).
Relat
´
orio
sobre os projetos da Peruac¸u Florestal Ltda. IBAMA/MG.
Instituto Nacional de Meteorologia (2004). http://www.inmet.gov.br. P
´
agina da internet
visitada em 28 de outubro.
Jaton, A. e K. P. B. Thomson (1994). T
´
el
´
ed
´
etection de L’Environnement: dans L’espace
francophone (1
a
ed.)., Chapter Les applications du radar en milieu forestier, pp. 229–246.
Saint-Foy: Ed. Presses de l’Universit
´
e du Qu
´
ebec.
Jensen, J. R. (2005). Introductory Digital Image Processing (3rd ed.). Pearson Prentice Hall,
New Jersey. 526 p.
Jensen, R. R. e M. W. Binford (2004). Measurement and comparison of leaf area index esti-
mators derived from satellite remote sensing techniques. International Journal of Remote
Sensing 25(20), 4251–4265.
Johansen, K. e S. Phinn (2006). Mapping structural parameters and species composition of
ripirian using IKONOS and Landsat ETM+ data in australian tropical savannahs. Pho-
togrammetric Engeneering and Remote Sensing 72(1), 71–80.
Kasischke, E. S., J. M. Melack, e M. C. Dobson (1997). The use of imaging radars for
ecological applications - a review. Remote Sensing and Environment 2(59), 141–156.
Kuntschik, G. (2004). Estimativa de biomassa vegetal lenhosa em cerrado por meio de
sensoriamento remoto
´
optico e de radar. Tese de doutorado. Insituto de Bioci
ˆ
encias da
Universidade de S
˜
ao Paulo, Departamento de Ecologia, S
˜
ao Paulo. 154 p.
92
Kuntschik, G. e M. D. Bitencourt (2003, Maio 5-9). Quantificac¸
˜
a de fitomassa florestal
a
´
erea de cerrado e cerrad
˜
ao atrav
´
es de imagens orbitais SAR. In XI Simp
´
osio Brasileiro
de Sensoriamento Remoto, Belo Horizonte, MG, Brasil, pp. 2201–2208.
Lago, F. P. L. S., H. M. L. Chaves, e W. S. Galv
˜
ao (2001, Abril). Avaliac¸
˜
ao da estrutura da
paisagem para o Parque Nacional Grande Sert
˜
ao Veredas, atrav
´
es de an
´
alise de imagens
de sensoriamento remoto. In X Simp
´
osio Brasileiro de Sensoriamento Remoto, Foz do
Iguac¸u, PR, Brasil, pp. 1633–1640.
Le Toan, T., A. Beaudoin, J. Riom, e D. Guyon (1992). Relating forest biomass to SAR data.
IEEE Transections on Geoscience and Remote Sensing 30(2), 403–411.
Leckie, D. G. e K. J. Ranson (1998). Manual of remote sensing (3rd ed.), Volume 2, Chapter
Forestry applications using imaging radar, pp. 435–509. New York, NY: John Wiley and
Sons.
Lillesand, T. M. e R. W. Kiefer (2000).
Remote Sensing and Image Interpretation
(4th ed.).
John Wiley and Sons. 727 p.
Luckman, A., J. Baker, T. M. Kuplich, C. C. F. Yanesse, e A. Frery (1997). A study of rela-
tionship between radar backscatter and regenerating tropical forest biomass for spaceborne
SAR instruments. Remote Sensing of Environment 60, 1–13.
MacDonald, R. C., R. F. Isbell, J. G. Speight, J. Walker, e M. S. Hopkins (1990). Australian
Soil and Land Survey Field Handbook (2
a
ed.). Melbourne: Inkata Press.
Maillard, P. e M. F. Gomes (2003, May 5-9). Classification of semiarid vegetation in Brazil:
evaluating texture, classifiers and feature selection methods. In Proceedings of the ASPRS
Annual Conference, Anchorage, Alaska, USA, pp. 1–12.
Menges, C. H., R. E. Bartolo, D. Bell, e G. J. E. Hill (2004). The effect of savanna fires on
SAR backscatter in northern Australia. International Journal of Remote Sensing 25(22),
4857–4871.
Minist
´
erio da Agricultura, Escrit
´
orio de Meteorologia (1969). Normais Climatol
´
ogicas (MG,
ES, RJ, Guanabara), vol. III. Minist
´
erio da Agricultura, Rio de Janeiro. 98 p.
Minist
´
erio das Minas e Energia (1982). Projeto Radambrasil: levantamento dos recursos
naturais. Folha SD.23. Volume 29. Brasil. pp. 461-528.
Mistry, J. (1998). Fire in the cerrado (savannas) of Brazil: an ecological review. Progress in
physical geography 22(4), 425–448.
93
Nogueira, S. A. J., L. G. Ferreira, E. E. Sano, e Y. E. Shimabukuro (2003, Maio 5-9).
Avaliac¸
˜
ao de m
´
etodos change detection para o monitoramento sistem
´
atico do cerrado
goiano. In XI Simp
´
osio Brasileiro de Sensoriamento Remoto, Belo Horizonte, MG, Brasil,
pp. 2831–2834.
Oliveira, R. R. (2002). Ac¸
˜
ao antr
´
opica e resultantes sobre a estrutura e composic¸
˜
ao da Mata
Atl
ˆ
antica na Ilha Grande, RJ. Rodrigu
´
esia 53(82), 33–58.
Paloscia, S. (2002). A summary of experimental results to assess the contribution of SAR
for mapping vegetation biomass and soil moisture. Canadian Journal of Remote Sens-
ing 28(2), 246–261.
Parmuchi, M. G., H. Karszenbaum, e P. Kandus (2002). Mapping wetlands using multi-
temporal RADARSAT-1 data and a decision-based classifier. Canadian Journal of Remote
Sensing 28(2), 175–186.
Pil
´
o, L. B. (1997). Caracterizac¸
˜
ao regional do carste do Vale do Rio Peruac¸u. O Carste 9,
72–78.
Pivello, V. R. e L. M. Coutinho (1996). A qualitative successional model to assist in the
management of brazilian cerrados. Forest Ecology and Management 87, 127–138.
Ponzoni, F. J., J. Zullo Junior, e R. A. C. Lamparelli (2005, 16-21 Abril). Calibrac¸
˜
ao ab-
soluta da c
ˆ
amera CCD/CBERS-2. In XII Simp
´
osio Brasileiro de Sensoriamento Remoto,
Goi
ˆ
ania, GO, pp. 1067–1074.
Raney, R. K. (1998). Manual of Remote Sensing (3rd ed.), Volume 2, Chapter Radar funda-
mentals: technical perspective, pp. 9–130. New York, NY: John Wiley and Sons.
Ratter, J. A., J. F. Ribeiro, e S. Bridgewater (1997). The brazilian cerrado vegetation and
threats to its biodiversity. Annals of Botany 80(3), 223–230.
Ribeiro, J. F. e B. M. T. Walter (1998). Cerrado: ambiente e flora (1a ed.)., Chapter Fitofi-
sionomias do bioma Cerrado, pp. 89–166. Planaltina, DF: EMBRAPA-CPAC.
Rignot, E., W. A. Salas, e D. L. Skole (1997). Mapping deforestation and secondary growth
in Rondonia, Brazil, using Radar and Thematic Mapper data. Remote Sensing and Envi-
ronment 2(59), 167–179.
Rizzini, C. T. (1997). Tratado de Fitogeografia do Brasil (2nd ed.). Rio de Janeiro:
ˆ
Ambito
Cultural Edic¸
˜
oes Ltda. 747 p.
RSI (2000). RADARSAT Data Products Specifications (1th ed.). Radarsat Internation, Rich-
mond. CD-ROM.
94
Sano, E. E., L. G. Ferreira, e A. R. Huete (2005). Synthetic Aperture Radar (L-band) and
Optical Vegetation Indices for Discriminating the Brazilian Savanna Physiognomies: a
comparative analysis. In Press.
Scolforo, J. R. S., F. A. Pulz, J. M. Mello, e A. T. O. Filho (2000). Modelo de produc¸
˜
ao para
floresta nativa como base para manejo sustentado. Revista CERNE 2(1), 112–137.
Smith, R. L. e T. M. Smith (1998). Elements of Ecology (4th ed.). Benjamin/Cummings
Science Publishing, San Francisco. 567 p.
Srivastava, S. e N. Shepherd (2000, April). Extraction of beta nought and sigma nought from
RADARSAT CDPF products. In Altrix Systems, pp. 4–28.
Suga, Y., Y. Oguro, S. Takeuchi, e K. Tsuchiya (1999). Comparasion of various SAR data for
vegetation analysis over Hiroshima City. Advances in Space Research 23(8), 1509–1516.
Tanr
´
e, D., C. Deroo, P. Duhaut, M. Herman, J. J. Morcrette, J. Perbos, e P. Y. Deschamps
(1990). Description of a computer code to simulate the satellite signal in the solar spec-
trum: 5s code. International Journal of Remote Sensing (11), 659–668.
Toutin, T. e S. Amaral (2000). Stereo Radarsat data for canopy height in brazilian forests.
Canadian Journal of Remote Sensing 26(3), 189–199.
Townsend, P. A. (2002). Estimating forest structure in wetlands using multitemporal SAR.
Remote Sensing of Environment 79, 288–304.
Townsend, P. A., R. A. Chastain Jr., C. C. Kingdon, e S. W. Seagle (2000, May). Remote
sensing of forest structure using multitemporal, multisensor orbital SAR. In ASPRS An-
nual Conference Proceedings, Washington, DC,.
T
¨
oyr
¨
a, J., A. Pietroniro, e L. W. Martz (2001). Multisensor hydrologic assessment of a
freshwater wetland. Remote Sensing of Environment 75(2), 162–173.
Trigueiro, M. G. S. (1991). Relat
´
orio de Vistoria T
´
ecnica realizado nas fazendas C
´
orrego
Marinho e Forquinha em Santa Maria da Vereda, distrito de Janu
´
aria. Instituto Estadual
de Florestas de Minas Gerais.
Triola, M. F. (1999). Introduc¸
˜
ao
´
a Estat
´
ıstica (7 ed.). LTC - Trad. Alfredo Alves de Farias,
Belo Horizonte. 410 p.
Ustin, S. L., S. Jacquemoud, M. O. Smith, M. M. Verstraete, e Y. Govaerts (1999). Remote
Sensing for the Earth Sciences : Manual of Remote Sensing (3rd ed.)., Chapter Geobotany:
Vegetation Mapping for Earth Sciences, pp. 189–248. New York, NY: Jonh Wiley and
Sons.
95
Vannucci, T. A. M. (1999). Reduc¸
˜
ao de Speckel em Imagens de Radar. Monografia para
obtenc¸
˜
ao do t
´
ıtulo de bacharel em Engenharia Cartogr
´
afica UFPR.
Veloso, H. P., A. R. L. Rangel Filho, e J. C. A. Lima (1991). Classificac¸
˜
ao da Vegetac¸
˜
ao
Brasileira Adaptada a um Sistema Universal. Rio de Janeiro: FIBGE. 124 p.
96
Ap
ˆ
endice A
C
´
alculo do sigma nulo para Radarsat-1
A.1 Princ
´
ıpios sobre a formac¸
˜
ao de um dado RADARSAT
e sobre a composic¸
˜
ao do arquivo leader
Assim como em imagens
´
oticas, para fins de parametrizac¸
˜
ao das imagens SAR, faz-se necess
´
aria
a realizac¸
˜
ao da calibrac¸
˜
ao radiom
´
etrica, permitindo analisar juntamente imagens adquiridas
em per
´
ıodos distintos.
Para extrair dados calibrados da imagem
´
e necess
´
ario reverter a operac¸
˜
ao da escala de
sa
´
ıda, a qual foi realizada durante o processamento dos dados (operation scaling output).
O valor de cada pixel (ND) representa a magnitude do dado ou objeto detectado, ao
revertermos a operac¸
˜
ao, voltaremos a possuir os coeficientes retroespalhados em um dado
momento, em um dado local, na imagem.
Duas s
˜
ao as principais transformac¸
˜
oes para extrair dados calibrados de uma imagem de
radar: realizar a convers
˜
ao dos dados para ß
o
, ou valores de brilho do radar, atrav
´
es da
aplicac¸
˜
ao de uma informac¸
˜
ao de escalada; ou o coeficiente de retroespalhamento do radar,
ou σ
o
, sendo necess
´
ario o conhecimento dos
ˆ
angulos de incid
ˆ
encia sobre a imagem adquirida
para convers
˜
ao dos ND’s para σ
o
.
Neste trabalho trataremos apenas da calibrac¸
˜
ao radiom
´
etrica de imagens que j
´
a sofreram
algum tipo de processamento (CEOS Processed Data Records) pelo RADARSAT Canadian
Data Processing Facility (CDPF), que podem ser SGF, SGX, SGC, SCN, SCW ou SLC.
Al
´
em disso,
´
e imprescind
´
ıvel possuir o arquivo leader que acompanha as imagens.
A.2 Leitura e compreens
˜
ao do arquivo leader
Inicialmente, devemos nos atentar para algumas propriedades importantes das imagens Radarsat-
1:
97
• imagens ascendentes normalmente t
ˆ
em o alcance pr
´
oximo (ou near range) na parte
esquerda da imagem, e o alcance mais distante (ou far range) na extremidade oposta;
• nas imagens descendentes normalmente observamoso contr
´
ario, as imagens s
˜
ao adquiri-
das de forma invertida, logo o alcance pr
´
oximo encontra-se na porc¸
˜
ao direita, atingindo
o alcance mais distante na extrema porc¸
˜
ao esquerda da imagem;
O arquivo leader traz todas as informac¸
˜
oes referentes
`
a aquisic¸
˜
ao da imagem, tal como
o sum
´
ario da qualidade dos dados, par
ˆ
ametros de processamento, posic¸
˜
ao da plataforma,
atitude dos dados, entre outros.
As informac¸
˜
oes desse arquivo s
˜
ao separadas em campos. Abaixo s
˜
ao descritos os campos
necess
´
arios para a realizac¸
˜
ao da calibrac¸
˜
ao radiom
´
etrica:
Par
ˆ
ametro Campo
N
´
umero de pixels 10
Look up table 16-527
Semi-eixo maior do elips
´
oide 17
Semi-eixo menor do elips
´
oide 18
Latitude da plataforma geod
´
esica 36
Espac¸amento do pixel 122
´
Orbita do semi-eixo maior 411
Alcance inclinado 426-431
Offset 531
PS: Os valores do LUT (look up table) normalmente v
˜
ao de 0 a 511, correspondendo a
512 valores. S
˜
ao seis os valores de alcance inclinado.
A.3 Pr
´
atica para a convers
˜
ao
Visando dar uma maior praticidade ao processo de convers
˜
ao dos dados RADARSAT de
ND’s para σ
o
os passos s
˜
ao detalhadamente explicados e os softwares utilizados s
˜
ao indica-
dos.
Os softwares utilizados foram: o Matlab 6.0 para criar um arquivo de texto para a imagem
de ganho e o ErMapper 6.0 para o processamento digital das imagens.
Apenas uma recomendac¸
˜
ao
´
e dada com relac¸
˜
ao ao ErMapper: normalmente as sa
´
ıdas dos
n
´
umeros de linhas e colunas s
˜
ao diferentes das do arquivo original, tendendo este software
a acrescentar ou reduzir o n
´
umero de linhas e/ou colunas. Aumentar o tamanho da janela
costuma ser um bom artif
´
ıcio para burlar esse problema.
Encontrados todos os par
ˆ
ametros que s
˜
ao introduzidos nas equac¸
˜
oes, a convers
˜
ao dos
dados pode ser iniciada.
98
• Imagem de
ˆ
angulo de incid
ˆ
encia
Utilizando o ErMapper, devemos inserir a seguinte equac¸
˜
ao no editor de f
´
ormulas para
imagens ascendentes:
ACOS((pow(h, 2) − pow((a + (b ∗ (ep ∗ (cellx()))) + (c ∗ pow(ep ∗ (cellx()), 2)) +
(d ∗ pow(ep ∗ (cellx()), 3))), 2) + (2 ∗ r ∗ h))/(2 ∗ (a + (b ∗ (ep ∗ (cellx()))) +
(c ∗ pow(ep ∗ (cellx()), 2)) + (d ∗ pow(ep ∗ (cellx()), 3))) ∗ r))(A.1)
E para imagens descendentes:
ACOS((pow(h, 2) − pow((a + (b ∗ (ep ∗ (nrcols() − cellx()))) +
(c ∗ pow(ep ∗ (nrcols() − cellx()), 2)) + (d ∗ pow(ep ∗ (nrcol s () − cellx()), 3))), 2) +
(2 ∗ r ∗ h))/(2 ∗ (a + (b ∗ (ep ∗ (nrcols() − cellx()))) + (c ∗ pow (ep ∗ (nrcols() −
cellx()), 2)) + (d ∗ pow(ep ∗ (nrcols() − cellx()), 3))) ∗ r))(A.2)
onde h
´
e a altura do sensor, ep
´
e o espac¸amento do pixel, e a, b, c e d s
˜
ao os valores de
alcance inclinado.
Apenas os quatro primeiros valores do alcance inclinado foram utilizados. Isto
´
e jus-
tificado pela acr
´
escimo irris
´
orio fornecido pelos dois
´
ultimos valores do alcance, gerando
variac¸
˜
oes na ordem de 0,001 grau.
• Imagem de ganho
Gerar essa imagem
´
e normalmente um dos maiores obst
´
aculos encontrados na convers
˜
ao
dos dados. A metodologia utilizada
´
e composta pelos seguintes passos
1. ap
´
os identificados, os valores do LUT devem ser organizados em um arquivo .xls,
devendo totalizar 512 linhas;
2. utilizando o Matlab, os valores de LUT ser
˜
ao interpolados e um arquivo de texto (.txt)
ser
´
a criado, contendo o mesmo n
´
umero de colunas do arquivo dos dados;
3. no ErMapper, atrav
´
es do recurso Gridding Wizard, o arquivo .txt deve ser adicionado.
Nenhum datum ou sistema de projec¸
˜
ao deve ser utilizado (utilizar RAW) . O m
´
etodo
de triangulac¸
˜
ao deve ser escolhido para gerar a imagem de ganho;
4. o tamanho das c
´
elulas em x e em y deve ser igual a 1 ou a 0.998, e o tamanho da
imagem deve ser editado at
´
e que se tenha exatamente o mesmo n
´
umero de linhas e
99
colunas do arquivo original. Importante mencionar que a imagem nunca deve comec¸ar
em 0, pois se isto for feito teremos algumas linhas sem dados.
As seguintes linhas de comando foram programadas no Matlab, e servem tanto para
imagens ascendentes, como para imagens descendentes:
func t ion [im]= g anho rada r sat ( fxls , out , linhas , colunas , s entid o )
fout = fopen ( out , ’ wt ’ ) ;
g = x lsre a d ( fx l s ) ’;
xf a ct or = ( colunas /5 12 ) ;
yf a ct or = ( l in ha s /5 12 ) ;
for i =1:512
for j =1:512
switch sentid o
case ’ far ’
x = (512∗ x f ac tor ) −(( j −1)∗ xf ac t or ) ;
case ’ near ’
x = j ∗ x fac to r ;
otherwise
disp ( ’ sentid o errado ’ )
re tu r n
end
y = i ∗ y fac to r ;
f p r in t f ( fout , ’%.5 f %.5 f %.1 f \n ’ , x , y , g( j ) ) ;
end
end
fc lo s e ( ’ al l ’ ) ;
re tu r n
´
E importante atentar que deve-sechamar o arquivo .xls atrav
´
es do comando fxls e, deve-se
dar o nome e caminho pra out. Antes de iniciar a execuc¸
˜
ao do projeto Matlab devemos infor-
mar o n
´
umero de linhas, o n
´
umero de colunas e o sentido (far, para imagens descendentes,
ou near, para imagens ascendentes).
• Imagem de ß
o
e Sigma
o
As imagens de
ˆ
angulo de incid
ˆ
encia, ganho e a imagem que cont
´
em os dados (.dat)
precisam ser reunidas em um
´
unico arquivo .ers para que seja poss
´
ıvel aplicar a equac¸
˜
ao
final.
O objetivo
´
e converter os dados de ND para coeficiente de retroespalhamento do radar,
ou σ
o
, portanto
´
e poss
´
ıvel reunir em uma
´
unica equac¸
˜
ao a convers
˜
ao para ß
o
e para σ
o
.
Novamente, no editor de f
´
ormulas do ErMapper devemos inserir a seguinte equac¸
˜
ao para
obter os dados em coeficiente de retroespalhamento do radar:
(10 ∗ log10((pow(DN, 2) + offset)/Ganho)) + 10 ∗ log10(sin(AI)) (A.3)
Os valores de σ
o
normalmente giram entre -40 e 10 dB, servindo estes valores apenas a
100
t
´
ıtulo de balizamento, pois se valores muito discrepantes desses forem observados, prov
´
avel
que alguma etapa tenha sido executada de maneira errada.
A.4 Considerac¸
˜
oes Finais
Este documento foi baseado no artigo de Srivastava e Shepherd (2000) ”Extraction of Beta
Nought and Sigma Nought from RADARSAT CDPF Products”. No entanto, informac¸
˜
oes
mais detalhadas para usu
´
arios iniciantes s
˜
ao encontradas em RSI (2000) ”RADARSAT Data
Products Specifications”, documento dispon
´
ıvel no site www.rsi.com.
Os comandos de programac¸
˜
ao no Matlab e as equac¸
˜
oes propostas para o ErMapper foram
formuladas pelo Prof. Dr. Philippe Maillard, do Departamento de Cartografia do Instituto de
Geoci
ˆ
encias da Universidade Federal de Minas Gerais.
101
Ap
ˆ
endice B
Dados
Transecto Coordenada x Coordenada y RADARSAT S2a RADARSAT S2a RADARSAT S6a RADARSAT S6a
(¯x) (σ) (¯x) (σ)
1 536498 8349927 -9,708 0,665 -9,132 0,789
2 540203 8345654 -8,051 1,122 -9,231 0,532
3 540204 8344333 -8,276 0,974 -9,872 1,075
4 540111 8342264 -8,762 0,839 -8,804 0,766
5 539934 8341350 -7,104 0,632 -8,188 1,051
6 539870 8340961 -6,513 0,839 -8,23 0,594
7 538689 8334498 -7,958 1,153 -10,116 0,915
8 539459 8338836 -7,924 0,893 -8,683 0,899
9 539152 8347572 -8,406 1,084 -9,285 0,443
10 542158 8349562 -6,379 0,858 -8,185 0,826
11 534524 8349566 -8,895 0,748 -7,89 1,324
12 535591 8350031 -8,228 0,661 -7,57 0,739
13 538426 8350074 -8,593 0,591 -7,764 1,023
14 538574 8350492 -9,437 1,08 -10,612 1,316
15 538910 8349983 -8,072 0,643 -8,103 1,594
16 540402 8345820 -7,953 0,649 -9,452 0,847
17 540331 8344316 -7,758 0,567 -8,874 0,97
18 540265 8342250 -7,394 0,883 -9,941 1,228
19 540081 8341429 -8,13 0,539 -9,36 0,688
20 540010 8340954 -8,209 0,785 -8,916 0,598
21 538915 8334514 -8,49 0,644 -9,161 0,449
22 539600 8338800 -8,44 0,501 -9,088 0,893
23 539322 8347470 -9,322 1,369 -8,289 0,856
24 536444 8344144 -8,678 0,681 -9,505 0,782
25 539313 8345830 -7,585 0,863 -8,593 1,315
26 536374 8337395 -6,809 0,455 -9,417 0,939
27 536332 8337250 -7,191 0,66 -9,212 0,804
28 536569 8336447 -8,004 0,609 -9,607 0,901
29 540171 8336391 -9,291 1,098 -8,246 0,684
30 535792 8342237 -9,671 0,81 -9,496 0,785
31 535519 8342250 -8,292 0,659 -8,741 0,402
32 533398 8344933 -8,313 0,548 -8,659 0,972
33 541446 8338875 -7,922 0,754 -8,015 0,695
34 541004 8340371 -7,879 0,811 -8,337 0,785
35 538431 8344224 -8,228 0,756 -9,611 0,782
102
RADARSAT S2s RADARSAT S2s RADARSAT S6s RADARSAT S6s NDVIa NDVIa NDVIm NDVIm
(¯x) (σ) (¯x) (σ) (¯x) (σ) (¯x) (σ)
-8,514 0,468 -10,049 0,566 0,402 0,021 0,476 0,015
-9,323 0,579 -8,831 0,964 0,411 0,017 0,478 0,01
-9,26 0,742 -9,07 0,896 0,412 0,01 0,485 0,009
-8,69 0,813 -9,414 0,9 0,333 0,008 0,422 0,007
-8,702 0,798 -10,285 0,931 0,391 0,012 0,459 0,002
-9,316 0,569 -9,088 0,88 0,359 0,006 0,426 0,012
-8,483 0,794 -10,122 0,697 0,348 0,01 0,401 0,008
-9,854 1,343 -9,659 0,573 0,375 0,012 0,442 0,005
-9,044 0,71 -9,445 0,801 0,346 0,016 0,413 0,02
-8,278 0,461 -8,479 1,87 0,425 0,011 0,512 0,008
-9,248 0,96 -9,171 0,826 0,395 0,01 0,483 0,004
-8,226 1,095 -9,054 0,516 0,429 0,011 0,505 0,011
-8,743 0,501 -9,027 0,632 0,407 0,011 0,313 0,049
-10,755 1,344 -13,075 1,356 0,275 0,05 0,274 0,02
-9,206 0,92 -9,865 0,74 0,363 0,033 0,471 0,022
-7,378 0,698 -10,315 1,013 0,407 0,013 0,476 0,009
-8,145 0,565 -9,833 0,785 0,418 0,01 0,475 0,007
-8,934 0,995 -10,258 0,65 0,374 0,015 0,435 0,011
-8,763 0,849 -10,257 0,9 0,407 0,014 0,462 0,007
-10,027 0,723 -10,191 0,853 0,364 0,009 0,446 0,012
-9,12 0,503 -11,181 0,797 0,358 0,009 0,412 0,007
-9,847 0,672 -9,884 1,335 0,365 0,008 0,439 0,011
-9,454 0,743 -9,941 0,886 0,355 0,012 0,427 0,01
-9,703 0,985 -10,319 1,114 0,337 0,012 0,41 0,013
-9,106 0,735 -10,044 0,745 0,396 0,01 0,47 0,008
-8,75 0,814 -10,715 0,692 0,402 0,006 0,463 0,007
-8,016 0,581 -9,205 1,026 0,42 0,011 0,483 0,006
-8,927 1,111 -9,539 0,651 0,352 0,006 0,427 0,009
-8,557 0,595 -10,312 1,616 0,375 0,01 0,438 0,008
-8,863 0,565 -10,253 0,982 0,241 0,022 0,308 0,017
-9,759 0,97 -9,939 0,455 0,385 0,01 0,44 0,009
-9,877 0,631 -10,627 0,724 0,347 0,014 0,417 0,008
-8,84 0,38 -9,949 0,746 0,373 0,025 0,442 0,02
-9,453 0,926 -10,353 0,709 0,338 0,009 0,427 0,01
-9,072 0,806 -9,404 1,121 0,353 0,011 0,425 0,01
103
DAP Altura Abertura IAF DF DT UG Queimadas Idade
(¯x) (¯x) (¯x) (¯x) (¯x) (¯x) (¯x) (¯x)
5,063489318 3,203704 31,36666667 1,693333333 3,782122224 0,675 - 1 > 25
4,644434535 3,340909 50,65 0,806666667 3,572623664 0,55 - 0 >25
1,24580009 2,5 45,16666667 1,036666667 3,452640047 0,725 - 0 >25
2,779908687 2,3 62,21 0,45 3,189898095 0,375 - 0 12-21
4,250766862 2,685416667 63,465 0,405 2,631051959 0,6 - 0 12-21
2,874153459 2,364705882 48,855 0,875 2,777776811 0,425 - 0 12-21
1,846198899 2,49 36,52 1,72 2,901609497 0,5 - 0 12
1,460074842 2,215652174 65,28 0,33 2,359455977 0,575 - 0 21
2,528797343 2,855555556 60,45 0,64 1,392147224 0,45 - 0 12
3,270911248 3,395172 37,56 1,21 3,479561393 0,725 - 0 25
3,734022973 2,55 67,72 0,34 3,425006662 0,65 - 1 20
4,432763641 2,868889 57,30 0,58 3,986187965 0,675 - 1 >=15
2,015964315 - 46,43 0,98 3,572431251 0,45 - 0 >25
1,836404741 - 56,05 0,69 2,565448372 0,325 - 0 >25
2,246895212 - 51,92 0,72 3,146286371 0,425 - 0 >25
2,498734717 - 51,01 0,92 3,88418372 0,5 - 0 >25
2,069016008 - 46,95 1,01 3,238901257 0,325 - 0 >25
1,004666427 - 64,94 0,46 2,555036533 0,4 - 0 12
1,13530622 - 62,20 0,51 2,973557262 0,375 - 0 12
1,207706177 - 56,91 0,63 3,292770194 0,425 - 0 12
0,882587248 - 68,44 0,41 3,277613437 0,275 - 0 12
1,127348466 - 57,50 0,60 2,125814584 0,3 - 0 21
1,290924518 - 36,52 0,88 2,521928095 0,25 - 0 12
1,824162042 2,669230769 73,39 0,26 1,700439718 0,26 0,325860389 0 12-21
3,424107811 3,29571429 63,6 0,52 2,650852492 0,7 0,449538466 0 >25
2,837765062 3,705660377 61,99 0,50 3,955917682 1,06 4,796133619 0 21
1,807294325 2,48355556 57,366 0,57 2,589285538 0,9 1,630342077 0 >25
2,996938339 3,266666667 76,50 0,25 3,839108134 0,66 0,714591297 0 21
1,816563126 2,534482759 74,75 0,41 2,521640636 0,58 0,365611054 0 21
4,774652326 3,23125 77,59 0,36 2,036824529 0,16 0,154400641 1 12-21
2,432799042 3,117142857 55,32 0,67 2,807196481 0,7 0,802534679 0 21
1,836914853 2,466666667 81,81 0,19 2,634602696 0,48 0,688334014 0 12-21
1,951544403 2,230952381 83,46 0,22 2,160211687 0,84 0,803567635 1 12
1,69765416 2,313888889 84,03 0,20 2,974937501 0,36 0,640092615 0 12
1,725576104 2,484210526 83,58 0,19 2,465069462 0,38 0,879416835 0 12-21
104
Apêndice C
Dados coletados em campo
Transectos do mês de abril
Transecto 01
Espécie DAP (cm) Altura (m) Posição no transecto (m)
1 Muçambé 115 5 0
2 Sucupira Branca 4 5
3NI 3 4,5
4Borlé 1 4
5 Baspo 0,5 2
6Miroró 15 4
7 Angiquinho 2 3,5
8NI 4 1,8
9NI 2 1,8
10 Paineira 25 2,5
11 Porcada 4 2,3
12 Angiquinho 2 2,3
13 NI 3 2
14 Angilinho Preto 30 5
15 Pau Santo 42 6
16 Umbu de Boi 90 5
17 Porcada 3 1,8
18 NI 3 1,6
19 Murcegueiro 12 5,5
20 Pau Doce 11 3
21 Angiquinho 2 1,5
22 Pinha de Lobo 2 1,7
23 Barbatimão 3 1,5
24 NI 4 2,5
25 Paineira 40 6
26 Manacá 4 3
27 Pinha de Lobo 3 1,7 20
Coordenadas: 536498,8349927 / 536480,8349927
Densidade média da cobertura é de 40%.
Fotos: 32,33 e 34 (filme 1)
Obs: A serrapilheira é presente, não muito decomposta. O ambiente é relativamente
seco. Gramíneas e herbáceas são presentes e acompanham todo o transecto. Há indícios
de queimadas no tronco das árvores, mas não é possível precisar o período.
105
Transecto 02
Espécie DAP (cm)
A
ltura (m) Posição (m) Diâmetro da Copa (m)
1 Pau Vermelho 7 3 0 3
2 Murcegueiro 63 9 0,2 15
3 Dorete 3 2 0,23 1
4 Rosa Brava 2 1,7 2,8 2
5NI 4 2 3,4 2
6 Folha Larga 30 5 3,9 0,8
7 Sucupira Preta 6 4 5,5 0,7
8 Murcegueiro 24 6 6,5 4
9 Marmelada do Carrasco 8 2,3 6,8 2
10 Pau Vermelho 70 5,5 7,6 8
11 Borlé 2 1,8 10,1 0,5
12 NI 3 2 10,3 0,4
13 NI 3 3,2 10,8 0,8
14 Jacarandá 6 3 12,6 1
15 Cajuí 3 1,8 13,7 0,9
16 NI 2 1,8 14,4 0,6
17 NI 3 1,8 14,8 0,6
18 Peleiro 3 1,6 15,9 0,8
19 Muçambé 40 5 17,7 6
20 Miroró 3 3 17,9 0,5
21 NI 3 3 18,9 0,6
22 Cagaita 33 5 20 3
Coordenadas: 540203,8345654 / 540200,8345650 / 540198,8345638
Densidade média da cobertura é de 40%.
Fotos: 35, 36 e 37 (filme 1)
Obs.: Serrapilheira presente com cerca de 5cm. Herbáceas e gramíneas em todo o
transecto, inferiores a 1m. Sem indícios de queimadas.
Transecto 03
Espécie DAP (cm) Altura (m) Distância (m) Distância Total (m) Diâmetro da Copa (m)
1 Vinhático 20 3,5 0 0 2
2NI 3 2 0,6 0,6 1
3 Porcada 3 2 1,7 2,3 1,5
4 Pau Terra 15 3 1,5 3,8 3,5
5 NI 6 3,5 1,4 5,2 1,5
6 Jatobá 2 2,2 2,1 7,3 0,7
7 Angiquinho 1,5 2,4 1 8,3 0,5
8 Porcadinha 4 2,6 2,4 10,7 1,5
9 Porcadinha 2 2 1,3 12 1
10 Porcadinha 2 2,3 1,2 13,2 0,8
11 Unha D'anta 7 2 1,3 14,5 1,5
12 Marmeladinha 3 2 1,1 15,6 1,5
13 Porcadinha 2,5 3 1,3 16,9 2
14 Amarelinho 2 3,5 1,4 18,3 0,5
15 Porcadinha 4 3,5 1,7 20 1,5
16 Porcadinha 2 2 0,6 20,6 1
17 Porcadinha 3 3 0,7 21,3 1,5
18 Porcadinha 2 2,5 0,6 21,9 1,5
19 Jatobá 2 2,5 0,8 22,7 1,2
20 Porcada 1,5 2,5 1 23,7 0,5
21 Muçambé 2,5 2 1 24,7 1,5
22 Feijão Bravo 3 1 0,4 25,1 1
23 Pau Santo 1,5 2,3 1,3 26,4 0,8
24 NI 1,5 2,3 2,1 28,5 0,5
25 Porcada 3 3,3 1,2 29,7 1,25
26 Pau Santo 5 2,8 0,6 30,3 1,5
27 Miroró 1,5 2,6 1,9 32,2 0,6
28 NI 1 2,2 0,6 32,8 0,7
29 Pau Terrinha 7 2 1 33,8 1,5
106
Coordenadas: 540204,8344333
Densidade média da cobertura é de 40%.
Fotos: 2, 3 e 4 (filme 2)
Obs.: Menor quantidade de gramíneas e herbáceas. Sem indícios de queimadas. Ocorre
serrapilheira e o ambiente apresenta baixa umidade.
Transecto 04
Espécie DAP (cm) Altura (m) Distância (m) Distância Total (m) Diâmetro da Copa (m)
1 Angiquinho 10 3,3 0 0 1
2 Cagaita 7 1,6 1,6 1,6 0,4
3 Sucupira Preta 24 3,5 1,4 3 3
4NI 7 2 0,93 3,93 1
5 Sucupira Preta 26 3 1,63 5,56 3
6 Pau Santo 10 2,2 2,28 7,84 1
7 Miroró 4 2 2,75 10,59 0,5
8 Cagaita 7 2 0,7 11,29 0,3
9 Fruta de Perdiz 4 2 0,6 11,89 0,5
10 NI 10 2 0,78 12,67 1
11 Priquiteira 10 4 2,88 15,55 3
12 NI 2 1,5 3 18,55 0,2
13 Alho Bravo 5 2 1 19,55 0,5
14 Alho Bravo 3 1,5 1,9 21,45 1,5
15 Pau D'arco 2 1,9 1,77 23,22 0,5
Coordenadas: 540111,8342264 / 540086,8342267
Densidade média da cobertura é de 20%.
Altura média do dossel: entre 2 e 2,5.
Fotos: 5 e 6 (filme 2)
Obs.: Serrapilheira é pouco presente, a área é muito descampada. Existem muitas
gramíneas e poucas herbáceas. O ambiente é seco.
Transecto 05
Espécie DAP (cm) Altura (m) Distância (m) Distância Total (m) Diâmetro da Copa (m)
1 Angiquinho 20 3 0 0 1,5
2 Sucupira Preta 18 2 1,3 1,3 1,5
3 Flor de cigana 2 1,7 2 3,3 0,4
4 Barbatimão 20 3,2 3,1 6,4 1,5
5 NI 20 3,2 1,15 7,55 1
6 Barbatimão 42 3,2 1,5 9,05 1,5
7 Cagaita 25 3 3 12,05 0,7
8 Barbatimão 20 3,5 2,8 14,85 1
9 Cagaita 20 3 2,25 17,1 0,6
10 Barbatimão 23 3,5 0,4 17,5 2
11 Pequizeiro Bravo 6 3 1,8 19,3 0,6
12 Cagaita 10 2,7 1,3 20,6 0,7
13 Cagaita 22 3,5 0,8 21,4 2
14 Cagaita 7 1,9 0,9 22,3 0,4
15 Barbatimão 16 3,5 1,85 24,15 2
16 Cagaita 8 2 2,2 26,35 0,6
17 Miroró 5 2,3 2,1 28,45 1
18 Alho Bravo 4 2 1,7 30,15 1
19 Miroró 5 3 0,9 31,05 1
20 Cagaita 3 1,85 2,3 33,35 0,4
21 Cagaita 8 2 1,4 34,75 0,6
22 Cagaita 12 2,5 1,5 36,25 1
23 Miroró 1,5 1,9 0,85 37,1 1
24 Flor de cigana 3 3 1,5 38,6 0,7
107
Coordenadas: 539934,8341350 / 539915,8341340
Densidade média da cobertura é de cerca de 40%.
Altura média do dossel: entre 2,5 e 3.
Fotos: 7 e 8 (filme 2)
Obs.: Serrapilheira é pouco presente, observa-se muitas porções de solo exposto (fácil
deslocamento dentro da área). O solo é bastante arenoso e o ambiente é seco. Existem
gramíneas e poucas herbáceas.
Transecto 06
Espécie DAP (cm) Altura (m) Distância (m) Distância Total (m) Diâmetro da Copa (m)
1 Jacarandá 32 5,3 0 0 3
2 Alho Bravo 6 2,3 0,7 0,7 1
3 NI 5 1,7 2,6 3,3 1,5
4 Alho Bravo 4 1,6 0,9 4,2 0,4
5 Cagaita 4 1,5 2,4 6,6 0,4
6 Porcada 6 2,5 1,7 8,3 1
7 Cagaita 10 2,6 1,2 9,5 0,7
8 Barbatimão 7 2,5 1,6 11,1 1,3
9 NI 1,5 1,65 2,9 14 0,6
10 NI 20 3,5 1,5 15,5 2
11 Porcada 4 2 2,5 18 0,7
12 Alho Bravo 9 2,1 4,75 22,75 0,4
13 Porcada 10 2 5 27,75 5
14 Cagaita 4 1,6 4,4 32,15 0,4
15 Flor de cigana 4 2,5 1,4 33,55 1
16 Jatobá 20 3 2,85 36,4 2
17 Porcada 7 1,85 0,7 37,1 1,5
Coordenadas: 539870,8340961 / 539847,8340951
Densidade média da cobertura é de cerca de 30%.
Altura média do dossel: 2m.
Fotos: 09 e 10 (filme 2)
Obs.: A vegetação é pouco densa, ocorrendo algumas áreas muito abertas. Serrapilheira
é pouco presente. O solo é arenoso e o ambiente é seco.
108
Transecto 07
Espécie DAP (cm) Altura (m) Distância (m) Distância Total (m) Diâmetro da Copa (m)
1 Miroró 2,5 2,3 0 0 0,6
2 Porcada 4 2,3 1,3 1,3 1
3 NI 3 1,5 1,75 3,05 0,7
4 NI 4 1,6 1,3 4,35 0,6
5 NI 3 1,9 1,6 5,95 2
6 NI 2 1,86 2,52 8,47 0,2
7 Angiquinho 3 2 2 10,47 0,6
8 NI 4 1,8 2,45 12,92 0,4
9 Manacá 4 3 1,2 14,12 0,7
10 Angiquinho 8 3,3 1,2 15,32 2,5
11 NI 3 2,8 1,7 17,02 0,3
12 NI 4 2,5 2,65 19,67 1
13 NI 3 1,6 2 21,67 1
14 Pau Ferro 20 3,5 1,85 23,52 1,5
15 NI 4 2 0,8 24,32 0,6
16 NI 7 2 1 25,32 1
17 Flor de Cigana 2 2 1,4 26,72 0,4
18 NI 5 2,3 1,45 28,17 1,5
19 Murici 4 1,8 1,8 29,97 2
20 NI 3 2 2,05 32,02 1
21 Angiquinho 3 2,3 1,6 33,62 0,6
22 Gonçalo 3 1,6 1,9 35,52 0,5
23 Porcada 7 3 3,3 38,82 2
Coordenadas: 539459,8338836 / 539447,8338814
Densidade média da cobertura é de cerca de 30%.
Altura média do dossel: 3m.
Fotos: 11 e 12 (filme 2)
Obs.: A vegetação é pouco densa, mas menos que no transecto 6. Serrapilheira é pouco
presente, ocorrendo áreas de solo exposto. O solo é arenoso e o ambiente é seco.
Existem gramíneas e poucas herbáceas.
Transecto 08
Espécie DAP (cm) Altura (m) Distância (m) Distância Total (m) Diâmetro da Copa (m)
1 Porcada 3 2 0 0 1,5
2 Porcada 6 2 2,55 2,55 2
3 Dorete 3 2 3,2 5,75 0,6
4 Pinha de Lobo 5 1,6 2 7,75 2,5
5 Pau doce 4 1,5 2 9,75 0,4
6 Porcada 7 2,5 2 11,75 1,5
7 Dorete 5 2,5 1,8 13,55 0,3
8 Angiquinho 6 3 1,3 14,85 1
9 Cagaita 4 1,8 1,6 16,45 0,4
10 Porcada 20 5 1,4 17,85 2,5
11 NI 4 2,4 1,8 19,65 0,7
12 Pau Santo 5 2 2 21,65 0,6
13 Porcada 3 1,9 0,9 22,55 0,4
14 Porcada 4 2 1,1 23,65 2
15 Fruta de Perdiz 10 5 1,2 24,85 1,5
16 NI 7 3 1,4 26,25 1,5
17 NI 3 3 1 27,25 0,7
18 Porcada 3 1,8 2,6 29,85 3
19 Angiquinho 10 3 3,1 32,95 2,5
20 Saputá de Lobo 4 1,8 2,6 35,55 1,5
Coordenadas: 538689,8334498 / 538677,8334491
Densidade média da cobertura é de cerca de 30%.
Altura média do dossel: 2,5m.
109
Fotos: 13 e 14 (filme 2)
Obs.: A vegetação é pouco densa, ocorrendo áreas muito abertas com muitas porções de
solo exposto. Serrapilheira é pouco presente. O solo é bastante arenoso e o ambiente é
seco. Existem poucas gramíneas e herbáceas. Existem eucaliptos adultos na área.
Transecto 09
Espécie DAP (cm) Altura (m) Distância (m) Distância Total (m) Diâmetro da Copa (m)
1 Porcada 20 4 0 0 3
2 Porcada 8 3,5 3,8 3,8 1,5
3 Porcada 20 4 1,5 5,3 2
4 Porcada 10 4 3,85 9,15 2
5 NI 5 1,9 2,4 11,55 1
6 Porcada 6 3 4,4 15,95 2
7 Porcada 8 3 4,4 20,35 4
8 NI 4 2,3 2,8 23,15 1,5
9 NI 3 1,9 2,6 25,75 1
10 Alho Bravo 4 2 0,95 26,7 0,7
11 Porcada 5 2 0,7 27,4 1,5
12 NI 6 3,2 2,7 30,1 1,5
13 NI 4 1,8 2,85 32,95 1,3
14 Porcada 12 3 2,35 35,3 2
15 NI 12 4 2,75 38,05 3
16 NI 10 2 3,9 41,95 2
17 NI 3 4 2,5 44,45 0,7
18 Alho Bravo 3 1,8 1,3 45,75 0,5
Coordenadas: 539152,8347572
Densidade média da cobertura é de cerca de 30%.
Altura média do dossel: 2,5m.
Fotos: 15 e 16 (filme 2)
Obs.: A vegetação é pouco densa. Serrapilheira é pouco presente. Ocorrem muitas
porções de solo exposto.
110
Transecto 10
Espécie DAP (cm)
A
ltura (m) Distância (m) Distância Total (m) D. da Copa (m)
1 Umbu D'anta 37 7 0 0 5
2 Muçambé 2,5 1,86 0,6 0,6 1
3 NI 5 3,3 1,35 1,95 2,5
4 NI 9 3,5 2,5 4,45 1,5
5 Araçá 6 2,3 2,7 7,15 0,7
6 Feijão Bravo 2 1,9 0,92 8,07 1
7 Araçá 8 3,3 2,3 10,37 2,5
8 Jacarandá 34,5 5 2,7 13,07 3
9 Araçá 7 2,5 3,7 16,77 1
10 NI 12 3,5 2,85 19,62 1,2
11 Araçá 4 1,6 2 21,62 0,3
12 Marmelo do Cerrado 7 1,7 1,7 23,32 1,5
13 Amarelinho 5 3,3 1,8 25,12 1
14 Amarelinho 2 2 1,45 26,57 0,3
15 NI 20 4 0,85 27,42 1,5
16 Pau Terrinha 20 5 1,15 28,57 2
17 Cagaita 33 7 0,3 28,87 3,5
18 Pau D'arco 5 1,9 1,4 30,27 0,6
19 Amarelinho 8 5 0,9 31,17 1,5
20 Jatobazinho do Campo 6 6 0,35 31,52 1
21 Miroró 3 3 1,2 32,72 0,5
22 Unha D'anta 10 3,2 2,4 35,12 1,2
23 Amarelinho 3 2,3 2,1 37,22 0,2
24 Pau Terrinha 26 6 1,81 39,03 2,5
25 Unha D'anta 7 2 1,75 40,78 0,5
26 Amarelinho 3 3,4 1,3 42,08 0,5
27 NI 3 1,9 1,26 43,34 0,5
28 Pau Terra 6 3 0,88 44,22 1
29 Muçambé 4 2 0,14 44,36 1
Coordenadas: 542158,8349562 / 542149,8349586
Densidade média da cobertura é de cerca de 50%.
Altura média do dossel: 5m.
Fotos: 33 e 34 (filme 1 - Luiza)
Obs.: Árvores altas, algumas chegando a medir 7m, troncos grossos – superiores a 1m
de diâmetro. Floresta não é muito densa (fácil locomoção). Sr. Divino diz que a área já
foi área de cultivo há cerca de 25 anos. Serrapilheira presente com cerca de 10cm, sendo
a mais densa até então encontrada. Herbáceas e gramíneas ocupam todo o baixo estrato.
111
Transecto 11
Espécie DAP (cm)
A
ltura (m) Distância (m) Distância Total (m) D. da Copa (m)
1 Pau Terrinha 45 7 0 0 4
2NI 41,7 1 1 1
3 NI 4 1,9 2,65 3,65 1,5
4 Muçambé 5 2 2,2 5,85 1
5 Pau Terrinha 50 6 1,7 7,55 5
6 Amarelinho 10 3 0,2 7,75 1,5
7NI 81,51,45 9,2 1
8 NI 5 1,7 2,6 11,8 0,8
9 Pau Doce 4 1,5 2,38 14,18 0,7
10 NI 5 1,8 2 16,18 0,6
11 Miroró 2 1,7 1,35 17,53 0,6
12 Porcadinha 2,5 2,3 1,5 19,03 1
13 NI 3 1,6 1,18 20,21 0,6
14 Porcadinha 5 3 0,58 20,79 1
15 Murici 2,5 1,5 1,6 22,39 1,5
16 Burlé 5 3,5 2,1 24,49 0,6
17 Burlé 5 2,5 1,4 25,89 0,5
18 Pau Terra 37 4 1,32 27,21 3
19 NI 14 3 1,14 28,35 1
20 Pereira 7 2 1,8 30,15 1
21 Jacarandazinho 6 2 1,2 31,35 1
22 Muçambé 5 2,1 2,93 34,28 0,5
23 Muçambé 6 2 2,05 36,33 0,7
24 Murcegueira 10 2,5 1,4 37,73 0,7
25 Pau Terrinha 25 2 2,1 39,83 2
26 Pequizeiro 30 2,5 1,7 41,53 1,5
Coordenadas: 534524,8349566 / 534514,8349562
Densidade média da cobertura é de cerca de 45%.
Altura média do dossel: 1,8m.
Fotos: 36 e 01 (filme 1 e 2 - Luiza)
Obs.: Área cultivada (mandioca) há cerca de vinte anos (até o momento que a Perfil
chegou e começou a explorar a área) por Seu Simião (Seu Bião), um índio que foi para
reserva Xacriabá. Indícios de queimada, segundo Sr. Divino, há 8 anos ocorreu o
incêndio.
112
Transecto 12
Espécie DAP (cm)
A
ltura (m) Distância (m) Distância Total (m) D. da Copa (m)
1 Marmelo do Cerrado 7 2,3 0 0 1,5
2 Pau Terrinha 12 3,2 1,05 1,05 1,5
3 Murici 7 3,2 1,05 2,1 1,3
4 Cajuí 4 1,86 1,1 3,2 0,4
5 Favela 6 3,3 2,75 5,95 1,3
6 Barbatimão 4 1,7 1 6,95 0,5
7 Alho Bravo 3 3 0,32 7,27 0,2
8 Pacari 7 1,8 1,35 8,62 1
9 Araçá 3 1,5 1,4 10,02 0,4
10 Jacarandá 2 2 1,8 11,82 0,3
11 Panã 46 6 1,5 13,32 3
12 Baço 5 3 1,2 14,52 0,1
13 NI 2 1,9 1,55 16,07 0,5
14 Alho Bravo 3 2 1,07 17,14 0,4
15 Baço 2 2,3 1,85 18,99 0,8
16 Jacarandá 10 4 2,65 21,64 1,2
17 NI 3 3,5 2,6 24,24 0,7
18 Pequizeiro 65 5,5 1,9 26,14 4
19 Pequizeiro 65 5 2,6 28,74 4
20 Panã 20 3 2,1 30,84 1,5
21 Quina 7 2,4 2,75 33,59 0,3
22 Paineira 7 2,3 1,9 35,49 1
23 Paineira 8 2,5 0,5 35,99 1,5
24 Jacarandá 25 2,7 1,9 37,89 1,2
25 Miroró 9 2 1,15 39,04 1
26 Miroró 9 2,5 0,8 39,84 0,7
27 Barbatimão 35 3 0,5 40,34 1,5
Coordenadas: 535591,8350031
Densidade média da cobertura é de cerca de 40%.
Altura média do dossel: 1,6 a 1,8m.
Fotos: 02 e 03 (filme 2 - Luiza)
Obs.: Ocorrência de um estrato entre 5 e 7m. Indícios de queimadas anteriores (segundo
Sr. Divino há cerca de 15 anos). Predomina o estrato arbustivo. Pouquíssima
serrapilheira e poucas gramíneas e herbáceas.
113
Transecto 01 13
Espécie DAP (cm) Distância Total (m)
1 Muçambé e Favela 25 e 10 0
2 Veludo 5 3,9
3 Veludo 5 5,8
4 Amarelinho 3 6,6
5 Veludo 5 8
6 Favela 8 9,3
7 NI 5 10,7
8 Quina Branca 5 11,2
9 Solta Cavalo 3 13,2
10 Angilinho 3 14
11 Porcada 3 16,5
12 Lepra 8 17
13 Pau D'arco ? 18
14 Miroró 3 20
15 NI 5 21
16 Angilinho 7 23,3
17 Pau Doce 10 25,3
Coordenadas: 538426,8350074 / 538404,8350053
Data: 10/04/2004
Local: Lagoa Azul
Densidade média da cobertura é de cerca de 40%.
Altura média do dossel: 4 a 7m.
Fotos: 01 a 04 (filme 1)
Obs.:
Transecto 02 14
Espécie DAP (cm) Posição (m)
1 Amarelinho 2 0
2 Veludo 5 0,3
3 Veludo 5 1,5
4 Angilinho 8 3,5
5 Veludo 8 4,8
6 Amarelinho 3 6,4
7 Muçambé 10 7,1
8 Amarelinho ? 12,6
9 Muricinho 4 14,1
10 Caju ? 14,9
11 Angilinho 10 17,4
12 Veludo 8 18,2
13 Favela 10 20
Coordenadas: 538574,8350492 / 538576, 8350505
Data: 10/04/2004
Local: Lagoa Azul
114
Densidade média da cobertura ?
Altura média do dossel: ?
Fotos: 05 a 07 (filme 1)
Transecto 03 15
Espécie DAP (cm) Distância Total (m) Diâmetro da Copa (m)
1 Pau D'arco 5 0,8 1,5
2 Cagaita da Índia 5 2,4 1,2
3 Cagaita da Índia 7 4,4 0,8
4 Cagaita da Índia 7 5,2 1
5 Jabuticaba 3 6,5 1,5
6 Cagaita da Índia 7 7,9 1,3
7 Pau Santo 12 9,3 3
8 Pau Terra 20 10,8 4
9 NI 2 14,3 0,6
10 Pau Pombo 13 15,3 2,5
11 NI 3 15,7 1
12 Pereira 5 17,1 1
13 Pau Terra 11 17,9 3
14 Angilinho 5 19,9 1,5
15 Pereira 4 20,9 1,5
16 Carne de Vaca do Cerrado 2 23,2 1,2
17 Angilinho 9 24,2 3
Coordenadas: 538910,8349983 / 538916,8349996
Data: 10/04/2004
Local: Lagoa Azul
Densidade média da cobertura é de ?
Altura média do dossel: ?
Fotos: 8 a 10? (filme 1)
115
Transecto 04 16
Espécie DAP (cm) Distância Total (m) Diâmetro da Copa (m)
1Pau Pombo 10 0 3
2Pau Pombo 10 1 3
3 Aroeirinha 8 4,1 1,5
4 Jabuticaba Brava 3 5,8 1
5 Pau Terra 8 6,7 2
6 Pau Lepra 10 9,9 2,5
7 Paineira 27 14,1 6
8 Veludo 5 14,9 1,5
9 Pudim 4 17,6 1,5
10 Veludo Cascudo 4 20,5 1,5
11 Umbu de Anta 5 21,5 2,5
12 Pau Terra 7 22,7 2
13 Pau Terra 8 25,9 2
14 Veludo folha amarela 3 27,3 0,5
15 Angilinho 6 29,8 1,5
16 Pau Terrinha 4 31,6 1
17 Pau Terrinha 5 33,2 1,5
18 Sucupira Preta 17 35,6 4
19 Amarelinho 3 37,7 1,5
20 Pereira orelha de onça 10 39,9 3
Coordenadas: 540402,8345820 / 540414,8345814
Data: 11/04/2004
Local: Nascente da Vereda Comprida
Densidade média da cobertura é de cerca de 45% a 60%.
Altura média do dossel: entre 5 e 8m.
Fotos: 11 a 13 (filme 1)
Transecto 05 17
Espécie DAP (cm) Distância Total (m) Diâmetro da Copa (m)
1 Pau Terra 20 0 2,5
2 Pau Lepra 8 1,2 0,5
3 Angilinho 3 2,5 1,5
4 Veludo 3 6 2
5 Amarelinho 1,5 10,5 0,5
6 Pau Ferro 2 14,3 1
7NI 2 16 0,5
8 Pau Ferro 5 18,3 1
9 Miroró 5 21,7 0,5
10 Pau Terra 20 24,7 2
11 Sabuqueira 5 27,5 1
12 Sabuqueira 5 30 1,5
13 Jatobá 5 30,8 1
Coordenadas: 540331,8344316 / 540349,8344310
Data: 11/04/2004
Local: Quadras
116
Densidade média da cobertura é de cerca de 45%.
Altura média do dossel: 4m.
Fotos: 16, 17 e 19 (filme 1) –
Transecto 06 18
Espécie DAP (cm) Distância Total (m) Diâmetro da Copa (m)
1 Jacarandá 7 0 2
2 Angiquinho 2 3,7 0,5
3 Angilinho 5 8,1 1,5
4 Pau Lepra 5 13,3 1,5
5 Jabuticabeira Brava 4 16,6 2
6 Porcada 1 18,4 1
7 Pau Branco 2 19,8 1,5
8 Jabuticabeira Brava 2 21,1 0,5
9 Jabuticabeira Brava 3 21,5 0,8
10 Quilombo 3 22,7 0,6
11 Porcada 1,5 24,3 2
12 Quilombo 4 25,8 2
13 Jabuticabeira Brava 3 26,9 1,5
14 Angilinho 4 28,6 2,5
15 Porcada 2 30,6 1
16 Jabuticabeira Brava 2 32 0,7
Coordenadas: 540265,8342250
Data: 11/04/2004
Local: Quadras
Densidade média da cobertura é de cerca de 20% e 70%.
Altura média do dossel: 3m.
Fotos: 21 e 22 (filme 1)
Transecto 07 19
Espécie DAP (cm) Distância Total (m) Diâmetro da Copa (m)
1 Cagaita da Índia 4 0 0,6
2 Jabuticabeira 2 1,5 2,3
3 Jabuticabeira 4 2,7 2
4 Angiquinho 3 5,3 1,8
5 Cabeuma 2 7,8 1,3
6 Angiquinho 3 9,5 1
7 Porcada 5 11 2
8 Sucupira Preta 5 12,5 1,8
9 Cagaita da Índia 4 13,7 1
10 Cagaita da Índia 6 17,3 1,2
11 Cagaita da Índia 5 19 1,3
12 Pau Lepra 2 20,4 0,7
13 Miroró 2 21,3 1,3
14 Sucupira Preta 5 23,1 2,5
15 Jatobá 1,5 23,7 0,5
Coordenadas: 540081,8341429
117
Data: 11/04/2004
Local: Quadras
Densidade média da cobertura é de cerca de 50%.
Altura média do dossel: 2,3m.
Fotos: 24 (filme 1)
Obs.: Presença de grandes manchas de solo exposto (areia).
Transecto 08 20
Espécie DAP (cm) Distância Total (m) Diâmetro da Copa (m)
1 Grão de Galo 4 0 1,2
2 Angiquinho 3 1,4 2,5
3 Manacá 1,5 2,5 1,3
4 Pereira 4 4,1 1,5
5 Angiquinho 2 5,5 0,5
6 Miroró 2 6,7 1,5
7 Porcada 3 8,7 1,8
8 Porcada 2 10,1 1,2
9 Grão de Galo 5 12,4 1,8
10 Sucupira Preta 7 15,4 2,7
11 Marmelo 4 17,4 1,2
12 Jacarandá 7 19,9 2,3
13 Grão de Galo 4 22,4 1,7
14 Pau Lepra 4 24 1,3
15 Angiquinho 6 25 2,5
16 Cipó de Mico 2 25,8 1,8
17 Cipó de Mico 4 27,5 2
Coordenadas: 540010,8340954
Data: 11/04/2004
Local: Quadra
Densidade média da cobertura é 50%.
Altura média do dossel: ?
Fotos: ? (filme Luiza)
Obs.: Ocorrem áreas de solo exposto (areia) mas um pouco coberta de gramíneas.
118
Transecto 09 21
Espécie DAP (cm) Distância Total (m) Diâmetro da Copa (m)
1 Jacarandá 4 0 1,3
2 Porcada 3 2 1,2
3 Angilinho 4 4 1,5
4 Porcada 4 7,2 2
5 Porcada 5 8,7 2
6 Porcada 4 13,2 1,6
7 Angilinho 3 14,8 1,4
8 Cabeuma 4 15,5 1,8
9 Jatobá 2 16,6 0,5
10 Porcada 2,5 17,9 1,6
11 Marmelo 4 21,4 1,6
12 Porcada 3 28 2,5
Coordenadas: 539600,8338800
Data: 11/04/2004
Local: Quadra
Densidade média da cobertura é de cerca de 35%.
Altura média do dossel: 3,5m.
Fotos: 16 e 17 (filme Luiza)
Obs.:
Transecto 10 22
Espécie DAP (cm) Distância Total (m) Diâmetro da Copa (m)
1 Manacá 2 0 1,1
2 Melão do Cerrado 1,5 2 1,6
3 Porcada 1,5 4,4 0,4
4 Saputá (bucho de ema) 1 6,7 0,4
5 Porcada 5 9 2,5
6 Pau Santo 7 10,8 1,4
7 Angiquinho 4 12,8 1,8
8 Pau Doce 2 17,7 1,6
9 Tapicuru do Cerrado 2,5 21,1 1,2
10 Saputá 2 22,8 1
11 NI 2 24,8 0,5
Coordenadas: 538915,8334514
Data: 11/04/2004
Local: Quadra
Densidade média da cobertura é de cerca de 30%.
Altura média do dossel: 3,5m com altura máxima de 6m.
Fotos: 18 a 20 (filme Luiza)
Obs.: Presença de palitos de eucalipto.
119
Transecto 11 23
Espécie DAP (cm) Distância Total (m) D. da Copa (m)
1 Porcada 4 0 2
2 Jacarandá Branca 3 1,6 1
3 Porcada 5 4,2 3
4 Argilinho 8 6,5 2
5 Jabuticabeira Brava 2 9,8 0,8
6 Vergateza 2,5 14,3 2
7 Porcada 3 15,9 1,5
8 Pau Ferri 2 18,7 0,7
9 Puduim 8 20,4 4
10 Porcada 3 22,3 1,2
Coordenadas: 539322,8347470
Data: 12/04/2004
Local: Reflorestamento próximo ao IEF, quadra pequena.
Densidade média da cobertura é de cerca de 25%.
Altura média do dossel: 3m a 5m.
Fotos: 21 a 23 (filme Luiza)
Obs.:
120
Transectos do mês de setembro
Transecto 1
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 Porcada 8 0 3 1,5
2 NI 3 1,1 4 0,4
3 NI 5 0,8 1,7 0,3
4 Pau Ferro 10 1,75 2,5 0,5
5 NI 4 1,6 1,6 1
6 Alho Bravo 3 3,43 2,3 0,4
7 Alho Bravo 5 2,09 3,5 1
8 Pau Doce 12 1,25 3,2 1,5
9 Porcada 6 3,43 2,3 1
10 Alho Bravo 3 0,81 2,1 0,1
11 Alho Bravo 3 0,24 2 0,1
12 NI 4 2,8 2 0,2
13 Alho Bravo 6 3,87 2,2 0,5
14 Porcada 6 1,8 2,2 1
15 Jaboticaba Brava 9 1,95 2 2
16 Jaboticaba Brava 4 1,2 2 1,5
17 NI 6 2,3 5 0,5
18 Alho Bravo 3 1,2 1,8 0,2
19 Baço 3 1,62 1,8 1
Cobertura média de 20%.
Muitas gramíneas e arbustos, porém poucas árvores.
Algumas porções de solo exposto são observadas, mas a área é predominantemente recoberta
por gramíneas.
Pouca serrapilheira.
Solo muito arenosos, com horizontes A e B observados.
Transecto 2
Espécie DAP
(cm)
Distância Total (m) Altur
a
D. da Copa (m)
1 NI 7 0 4 0,5
2 Porcada 5 3,34 2,4 2
3 NI 3 3 2 0,5
4 NI 4 3,9 1,8 1
5 NI 8 5,2 2 1,5
6 Calunga 9 1,66 2,2 2
7 São João 4 2,2 1,8 0,4
8 NI 10 1,2 2,5 2
9 Fruta de Papagaio 6 0,86 3,5 0,5
10 NI 7 1,02 3,5 0,5
11 Fruta de Papagaio 5 1,2 3,5 1,5
12 NI 4 1,84 3,5 2
13 NI 2,5 1,07 2 0,2
Área muito aberta, com alta percentagem de solo exposto, mas com serrapilheira presente
porém não abundante.
Cobertura média de 30%.
Estrato arbustivo predominante, gramíneas recobrem cerca de 50% da superfície, sendo o
restante solo exposto.
121
Transecto 3
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 Pau
Terrinha
59 0 7 3
2 Pau
Terrinha
56 0,8 6 5
3 Pau Doce 26 1,3 5,5 3
4 Pau Doce 30 1,5 6 4
5 NI 7 0,6 3 0,3
6 NI 3 0,56 2,2 0,3
7 Angiquinho 3 0,52 3 0,2
8 Porcada 5 1,9 2,2 1
9 Pau
Terrinha
40 0,78 6 3
10 NI 6 1 3 0,5
11 NI 4 0,62 3,5 0,5
12 NI 7,5 0,46 3,5 0,5
13 Porcada 8 1,48 3,5 1,5
14 Manacá 3 1,53 2 0,4
15 Manacá 2,5 1,02 1,75 0,2
16 Pau Terra 20 1,42 3 3
17 Porcada 6 2,18 2,2 0,5
18 Porcada 7 1,72 2,5 1,5
19 Angiquinho 5 1,29 2 0,5
20 Angiquinho 3 1,07 1,9 0,5
21 NI 6,5 1,38 4 3
22 Manacá 5 2,1 3,5 0,5
23 Angiquinho 3 0,88 2 0,2
24 NI 7 1,22 5 2,5
25 Quina 9 1,5 2 1
26 Angiquinho 6 0,88 4 0,7
27 NI 7 1,15 3,3 0,5
28 Manacá 4 0,38 2 0,4
29 Angiquinho 5 0,66 4 0,5
30 NI 3 0,6 1,8 0,4
31 Porcada 4 0,9 2 1
32 Manacá 2,5 1,2 2,2 0,3
33 Manacá 3 1 3,5 0,4
34 Angiquinho 4 0,69 2,3 0,4
35 NI 6,5 1 4 0,6
Vegetação densa, porém arbustiva, com troncos finos e muitos galhos.
Serrapilheira Presente.
Baixa porcentagem de solo exposto.
Transecto 4
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 Miroró 6 0 4 0,3
2 Calunga 10 0,7 3,5 0,5
3 Murici 20 1,03 4 2
4 Muçambé 10 0,73 4 2
5 Porcada 8 0,69 4 1
6 NI 5 1,6 1,4 1
7 Pereira 6 1,17 2,5 1
122
8 Unha D'anta 9 0,75 2,5 1
9 NI 6 1,27 1,7 1
10 Jacarandá 27 1,59 4 2,5
11 Porcada 5 0,91 2,3 1,5
12 Unha D'anta 15 1,36 3,5 1,5
13 Porcada 10 1,48 3,5 1,5
14 NI 4 1,24 1,7 0,7
15 Unha D'anta 15 0,66 3,5 0,8
16 Caju 4 0,54 1,7 0,6
17 NI 4 1,24 2,5 1
18 Jatobá 3 1 1,7 0,8
19 Amarelinho 16 0,81 7 3
20 Amarelinho 6 0,69 3,5 2
21 Unha D'anta 12 0,9 3,5 2
22 Porcada 7 0,39 3 1,5
23 Miroró 4 0,95 3 0,4
24 Porcada 5 0,49 2 0,7
25 Manacá 6 1 5 2
26 Jatobá 4 0,12 2 1
27 Amarelinho 9 0,48 5 1,5
28 Jatobá 10 0,2 3 1,5
29 Fruta de Papagaio 4 0,3 3 0,5
30 Caboclo 5 0,7 3 1
31 Fruta de Papagaio 3 0,5 2,5 1
32 NI 5 0,4 3 0,5
33 Capão de Viado 4,5 0,7 2,5 0,5
34 Amarelinho 8 0,2 5 2
35 Fruta de Papagaio 2,5 0,28 2,5 1
36 Porcada 12,5 0,8 4,5 2
37 Pau Terrinha 15,5 1,36 5 3
38 Três Folhas 6 0,59 3,5 1,5
39 Murcegueiro 18 0,88 7 4
40 Angiquinho 3 0,8 3,5 0,5
41 Amarelinho 9 0,95 6 2
42 NI 5 0,68 3 0,5
43 Murcegueiro 20 0,65 8 1
44 Murcegueiro 14 0,57 8 1
45 Veludo 10 0,65 6 1
46 NI 5 0,9 3 0,5
47 Porcada 5 0,46 2,5 1,5
48 Amarelinho 10 0,4 8 3
49 NI 9 1,23 1,9 1
50 Amarelinho 4 0,99 2,5 0,4
51 Porcada 7,5 0,13 2,5 0,4
52 Sucupira Preta 20 1,55 6 2,5
53 Pau Terrinha 21 1,93 5 1
Estrato arbustivo e herbáceo presentes, contudo mais arbustos. Presença de estrato arbóreo.
Muitos arbustos mortos – sucessão? Redução da energia no sistema com consequente
priorização dos estratos maiores?
Pouco solo exposto.
123
Transecto 5
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 Muçambé 20 0 3,5 1
2 Muçambé 7 0,88 2,3 0,5
3 NI 5 0,4 2,5 0,1
4 Porcada 3,5 0,55 2,5 0,4
5 NI 4,5 1 2,5 0,4
6 Baço 4 1,66 3 0,05
7 Veludo 2,5 1,75 1,9 0,3
8 Veludo 8 0,6 3 2
9 Porcada 3 1,58 1,6 0,5
10 NI 7 2,1 2 3
11 NI 3 1,3 3,5 0,2
12 Angiquinho 3 1,65 2 0,4
13 NI 6 0,77 3 2
14 NI 2,5 0,65 1,95 0,2
15 Calunga 5 0,55 2 0,3
16 Porcada 3 0,85 1,76 0,5
17 NI 7 0,67 3 0,6
18 Baço 2,5 0,72 1,85 0,4
19 NI 2,5 0,68 2 0,4
20 Veludo 2,5 0,74 1,6 0,2
21 NI 4,5 0,79 1,7 0,3
22 NI 7,5 0,9 3,5 1
23 Porcada 3 0,54 2,3 0,3
24 NI 12 0,63 3,5 1,2
25 Porcada 8 0,95 3 1
26 Porcada 2 1,27 1,9 1
27 Muçambé 3,5 1,49 2 2
28 Murici 7,5 1,22 2,5 2,5
29 Miroró 4 1,12 2,5 0,2
30 Baço 1,5 1,05 1,8 0,4
31 Pau Terra 10 0,74 1,8 0,3
32 Ni 4,5 0,83 1,8 1
33 NI 5 1,94 3 0,4
34 NI 20 0,54 3 0,5
35 Porcadinha 4 1,18 3 1
36 Porcadinha 3 0,6 1,5 0,7
37 NI 5 0,26 3 0,05
38 NI 5 0,66 3 0,2
39 NI 6 0,26 3 0,05
40 Amerelinho 9 0,6 3,3 0,05
41 Baço 3,5 1,09 1,9 0,2
42 Porcadinha 4 0,44 3,5 0,7
43 Porcada 6 1,93 2 0,5
44 Veludo 11 1,27 3,5 1,5
45 Angiquinho 4,5 0,65 2,3 1
Transecto denso, com muitos arbustos, gramíneas e herbáceas.
Ausência de solo exposto, sendo a superfície recoberta por serrapilheira.
Dossel emergente de cerca de 5m de altura.
Cobertura média de 50%.
124
Transecto 6
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 Folha Larga 45 0 10 4
2 Sucupira Preta 25 1,16 5 3
3 NI 8 1,28 5 0,5
4 Porcada 6 1,21 3,5 2,5
5 Perdiz 15 0,25 3 3
6 NI 6 1,22 3 1
7 Caboclo 4 0,41 1,7 0,2
8 Pau D'arco 5 0,47 2,5 0,5
9 Pau D'arco 5 0,83 3,5 0,7
10 Amarelinho 6 0,28 5 2
11 Angiquinho 5 0,43 3 0,6
12 Barbatimão 8 0,86 2 2,5
13 Angiquinho 4 1,9 2,2 1
14 Baço 2,5 1,72 1,8 0,4
15 Barbatimão 7 0,12 1,8 1,5
16 Caboclo 3 0,65 2,5 0,1
17 Miroró 4 1,03 3 0,1
18 NI 2,5 1,28 2,2 0,4
19 Barbatimão 7 0,82 3 2
20 NI 25 0,86 2,5 2
21 Olho de Boi 14 1,59 2,5 3
22 Baço 5 0,88 3 1
23 Miroró 4,5 2,01 2,2 0,3
24 Fruta de Perdiz 10 1,02 4 0,5
25 Pau D'arco 5 0,93 5 0,5
26 Olho de Boi 24 0,99 1,9 1,2
27 Caboclo 9 1,7 5 1,5
28 NI 3 2,5 2 1
29 Pau Santo 24 2,46 4,5 1,2
30 Calunga 2,2 1,15 4,5 2,5
31 Pereira 5 2,45 1,5 0,1
32 NI 5 0,9 3,5 1,5
33 Porcada 7 0,65 2 2,5
Transecto 7
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 NI 10 0 4 1,5
2 NI 5 0,62 3 1
3 Pequizeiro Bravo 9 1,52 3 0,6
4 NI 3 1,8 2,5 1
5 NI 4,5 1,14 3,5 1,5
6 NI 3 0,16 1,9 0,5
7 NI 4 1,4 2,6 1
8 NI 7 1,34 1,9 1
9 NI 4 1 2,5 0,2
10 NI 5 0,28 2,6 0,3
11 NI 6 1,38 3 0,2
12 NI 12 1,56 4 1
13 NI 8 1,52 3,5 0,8
14 Porcada 4 0,68 2 1
15 Baço 3 1,75 2 0,7
125
16 Fruta de Papagaio 8 0,56 2,4 0,7
17 Manacá 2,5 0,5 1,7 1
18 NI 5 1,65 2,3 1
19 Porcada 8 1,7 3 1,5
20 NI 5 0,85 1,8 0,7
21 Porcada 4 0,71 1,6 0,8
22 Tiborna 4 0,52 1,8 0,3
23 Jabuticaba Brava 14 0,6 3,5 1
24 NI 3 0,52 1,9 1,5
25 NI 7,5 1,2 3 0,8
26 Angiquinho 2 1,02 2 1
27 NI 2 3,45 1,7 2
28 NI 6 0,38 2,3 0,3
29 Fruta de Papagaio 7 1,6 2,5 0,8
Serrapilheira presente, mas não abundante.
Presença de solo exposto.
Arbustos predominantes e gramíneas presentes. Herbáceas ausentes.
Transecto 8
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 Pau Ferro 21 0 4 3
2 Pau Ferro 27 6 4,5 5
3 Pau Ferro 30 3,45 4,5 3
4 Calunga 14 1,52 4 2,5
5 Caboclo 2 7,57 1,6 0,3
6 Amargoso 6 2,5 1,75 1,5
7 Porcada 15 0,79 3,5 4
8 NI 5 4,12 2 0,8
Área sofreu queimada no ano de 1992.
Área muito aberta, com solo exposto, algumas gramíneas e quase inexistência de herbáceas.
Cobertura média de 10%.
Transecto 9
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 Pau Doce 19 0 4 1,5
2 Aracazinho 4,5 0,78 3,5 1
3 NI 4 1,36 4 0,5
4 Porcada 7 1,9 4 1
5 Fruta de Papagaio 4,5 0,74 4 1
6 Porcada 5 1,88 1,4 0,8
7 Porcada 2,5 1,39 2,5 1
8 Manacá 5 1,6 2,5 0,8
9 NI 5 1,57 1,7 0,4
10 Porcada 6 3,01 4 0,5
11 Porcada 6 0,68 2,3 0,8
12 Porcada 9 0,85 3,5 1
13 Jacarandá 31 1,3 3,5 4
14 Tiborna 22 0,81 1,7 1
15 NI 4 0,44 3,5 0,2
16 Porcada 4 1,32 1,7 0,5
17 NI 4 1,37 2,5 0,2
18 NI 3,5 0,54 1,7 0,2
19 Porcada 6 0,95 7 2
20 Porcada 6 1,86 3,5 0,5
21 Manacá 3 0,58 3,5 0,8
126
22 NI 15 0,45 3 3,5
23 Alho Bravo 7 0,5 3 0,5
24 Baço 2,5 0,47 2 0,8
25 NI 4 0,64 5 0,5
26 NI 5 1,2 2 2
27 NI 4 1,77 5 0,4
28 Manacá 4 1,45 3 0,8
29 NI 5 1,59 3 0,4
30 Manacá 3,5 1,03 2,5 0,5
31 Pau Santo 20 1,8 3,5 1
32 Cagaita da Índia 8,5 1,21 1,9 0,2
33 NI 5 0,75 2,5 0,7
34 Pau Doce 15 0,6 3,5 1
35 Porcada 8 0,77 3,2 1,5
Área é aberta, mas menos que no transecto 8.
Presença de solo exposto. Em alguns pontos é possível observar a presença de serrapilheira.
Estrato predominante é o arbustivo.
Cobertura média de 30%.
Transecto 10
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 Miroró 27 0 3,5 1,5
2 Angiquinho 2 1,1 2 0,4
3 Porcada 7 0,5 3,5 2
4 NI 6 2,89 2,5 0,4
5 Sambaibinha 3 1,28 1,7 2
6 Porcada 8,5 1,3 2,3 1,5
7 Miroró 7 1,85 3,5 0,6
8 Calunga 3 0,9 1,6 0,8
9 NI 7 1,06 3,5 0,4
10 NI 2 2,65 2 0,3
11 NI 4 0,75 1,8 0,4
12 NI 4,5 1 2,2 0,3
13 Alho Bravo 4 7,1 2,3 0,2
14 NI 3 0,25 2,4 0,1
15 Tiborna 4 2,79 1,7 0,1
16 NI 4 0,64 3,5 1
17 NI 2 1,08 1,9 0,1
18 Veludo 15 1,58 3 2,5
19 Manacá 3 1,07 2 1,5
20 NI 2,5 0,66 1,7 0,2
21 NI 5 1,09 2,3 0,2
22 Porcada 8 1,23 3,7 0,8
23 Manacá 3,5 0,65 2,2 0,6
24 NI 3,5 0,8 2,4 0,7
Área aberta, abundante presença de gramíneas. Arbustos também são observados.
As árvores encontram-se bastante esparsadas.
127
Transecto 11
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 NI 14 0 2 2
2 NI 2,5 0,98 3 0,1
3 Fruta de Papagaio 5 1,38 2,8 0,3
4 Fruta de Papagaio 4 0,54 2,8 0,3
5 Porcada 4 0,59 1,6 0,8
6 NI 4,5 0,79 2,5 0,3
7 Fruta de Papagaio 5 0,95 2 0,4
8 NI 25 0,58 3,5 1,5
9 Manacá 3 0,5 1,9 0,1
10 NI 3 0,45 1,9 0,1
11 Porcada 6 0,7 2,5 2
12 Porcada 5 1,29 1,8 1
13 Caboclo 3 1,36 1,7 0,4
14 Porcada 2,5 1,02 2,2 0,8
15 NI 3 0,86 1,8 0,2
16 NI 3 1,6 1,9 0,3
17 NI 4 1,58 2,2 0,7
18 NI 3 0,75 1,9 0,8
19 Fruta de Papagaio 3 1,4 1,8 0,1
20 Porcada 7 1,57 3 1,5
21 Fruta de Papagaio 5 0,78 2,4 0,4
22 NI 25 1,36 3 1
23 NI 5 0,5 1,6 0,8
24 NI 25 1,72 3 2
25 NI 4 1,55 2 1
26 NI 3 0,95 1,6 1
27 NI 3 0,72 1,5 0,8
28 NI 5 0,33 1,9 0,5
29 Porcada 8 0,78 2 1,5
30 NI 6,5 1,15 1,8 1
31 Borlé 6,5 0,84 3 1,5
32 Angiquinho 3,5 1,66 1 0,1
33 NI 8 0,8 3 0,5
34 NI 5 0,36 1,95 0,2
35 NI 4 1,22 1,6 1,5
36 Manacá 5 1,76 2,3 1
37 Angiquinho 4 1,4 2,5 0,4
38 Miroró 4 0,84 3 0,6
39 NI 5 0,52 1,9 0,8
40 Fruta de Papagaio 2,5 0,32 1,65 0,2
41 Fruta de Papagaio 4 0,71 3 0,3
42 Fruta de Papagaio 7 0,42 3,2 0,6
Abundante presença de cipós.
Solo exposto pode ser observado.
Ainda é possível encontrar alguns troncos de eucaliptos caídos no chão.
Serrapilheira presente.
128
Transecto
12
Espécie DAP (cm) Distância Total (m) Altura D. da Copa (m)
1 Miroró 6,5 0 3,5 0,6
2 Cagaita da Índia 4 1,49 1,5 0,2
3 Alho Bravo 5 0,62 2 0,2
4 Cagaita da Índia 5 0,5 1,7 0,2
5 Caboclo 5 0,35 3,2 0,3
6 Cagaita da Índia 10 1,35 1,85 0,3
7 Angiquinho 3 1,83 1,9 0,7
8 NI 2,5 5,05 1,7 0,4
9 Miroró 7 1,62 3 0,8
10 Caboclo 2,5 3,87 2 0,3
11 Miroró 7 2,8 3 1
12 Araçazinho 3 3,3 1,8 0,5
13 Fruta de Papagaio 4 0,98 2,2 0,2
14 Porcada 7 1,03 2,5 2
15 Porcada 6 2,02 2,5 1,5
16 Miroró 8 0,5 3 0,8
17 Fruta de Papagaio 2 0,78 1,8 0,2
18 Fruta de Papagaio 8,5 1,6 2,5 1,5
Área com alta porcentagem de solo exposto.
Os arbustos são predominantes, havendo também forte presença de gramíneas.
Cobertura média de 20%.
A espécie Angiquinho se destaca no contexto devido à sua abundância.
Ponto Concreção Æ Concreção ferro-magnesiana aflorante.
Ponto Erosão Æ voçoroca com 3 metros de profundidade com concreções ferro-magnesianas
que barram o aprofundamento da forma erosiva. Possível observar a continuidade da camada de
concreção. O Solo é muito arenoso, mas estruturado, com horizontes A e C.
129
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo