UNIVERSIDADE FEDERAL DA PARAÍBA

Centro de Ciências Agrárias

Departamento de Solos e Engenharia Rural
e Pós-Graduaçăo em Manejo de Solo
e Água
 MAPEAMENTO DO USO ATUAL DA TERRA E COBERTURA VEGETAL EM
ÁREA DO AGRESTE PARAIBANO UTILIZANDO TÉCNICAS DE
SENSORIAMENTO REMOTO E GEOPROCESSAMENTO

George do Nascimento Ribeiro

AREIA - PARAÍBA
ABRIL - 2006
GEORGE DO NASCIMENTO RIBEIRO

2
MAPEAMENTO DO USO ATUAL DA TERRA E COBERTURA VEGETAL EM
ÁREA DO AGRESTE PARAIBANO UTILIZANDO TÉCNICAS DE
SENSORIAMENTO REMOTO E GEOPROCESSAMENTO

Dissertação apresentada ao Programa

de Pós-Graduação em Manejo de Solo e
Água da Universidade Federal da Paraíba,
como parte dos requisitos para obtenção do
título de “Mestre em Manejo de Solo e
Água”. Área de Concentração: Manejo e
Conservação de Solos e Água.

Orientador: Harendra Singh Teotia Ph.D

AREIA, PARAÍBA
ABRIL – 2006
GEORGE DO NASCIMENTO RIBEIRO

MAPEAMENTO DO USO ATUAL DA TERRA E COBERTURA VEGETAL EM

ÁREA DO AGRESTE PARAIBANO UTILIZANDO TÉCNICAS DE
SENSORIAMENTO REMOTO E GEOPROCESSAMENTO

3
 Dissertação apresentada ao Programa de Pós-Graduação em Manejo de Solo e
Água da Universidade Federal da Paraíba, como parte dos requisitos para obtenção do
título de “Mestre em Manejo de Solo e Água”. Área de Concentração: Manejo e
Conservação de Solos e Água.

Aprovada em: 07 de abril de 2006

BANCA EXAMINADORA

Prof. Harendra Singh Teotia Ph.D.

CCA/UFPB
Presidente da Banca

Prof. José Ferreira da Costa Filho Dr.

CCA/UFPB
Examinador

Prof. José Dantas Neto Dr.

DEAG/CCT/UFCG
Examinador

4
 A DEUS, fonte de toda minha inspiração.
A minha amada esposa, Iêda de Araújo P.
Nascimento; a minha querida mãe, Crizeleide Andrade do
Nascimento e ao meu filho Cauã de Araújo Nascimento,
luzes de minha vida.
Ao Professor Harendra Singh Teotia, pelos
ensinamentos, amizade e lição de vida.
Dedico
AGRADECIMENTOS

A DEUS, por estar sempre presente em todos os momentos de minha vida e,

principalmente, nesta fase tão almejada;
Ao Professor Harendra Singh Teotia, pela orientação, ensinamentos, dedicação,
amizade e apoio educacional e moral durante a realização do curso;

5
 A todo corpo docente do PPGMSA, na pessoa do Professor José Ferreira da Costa
Filho, pelos ensinamentos tão apreciados e valiosos à minha formação, tanto profissional
quanto pessoal.
Ao Conselho Nacional de Pesquisa e Desenvolvimento – CNPq – pela concessão da
bolsa durante o período do curso.
Aos meus irmãos, Luciano e Stélio Ábdon; a minha querida sobrinha, Letícia; ao
meu pai, José Estélio e a minha cunhada, Karine, pela alegria e força durante toda minha
jornada.
Aos meus avôs, José Abdias e Abdon Abdias (in memorian); as minhas avós, “Vó
Rosinha” (in memorian), Nininha e Eunice, pela dedicação e amor.
Aos meus familiares, primos, tios, cunhado, sogra e a todos de minha estima, que
de alguma maneira me auxiliaram quer seja com palavras de carinho ou com apoio moral
para a conclusão desse trabalho.
Aos amigos e contemporâneos de curso: Cícero, Tiago, Adriana, Sâmara Rachel,
Lindhiane, Joseli, Junio, Maely, Francisco (Chico ninha), Francisco das Chagas, Iane, pelo
apoio, compreensão e estímulo durante esta empreitada.
Enfim, a todos os funcionários e colegas do Departamento de Solos e Engenharia
Rural que direta ou indiretamente contribuíram para a execução deste trabalho.

SUMÁRIO

LISTA DE FIGURAS
LISTA DE QUADROS
LISTA DE TABELAS
RESUMO

6
 ABSTRACT
1. INTRODUÇÃO 1
...................................................................................................
2. REVISÃO BIBLIOGRÁFICA 3
............................................................................
2.1. O Sensoriamento Remoto e a Radiação Eletromagnética (REM) 3
................
2.2. O satélite Landsat-TM 7
..................................................................................
2.3. Análise digital de imagens 1
............................................................................ 2
2.4. Utilização do Sensoriamento Remoto no levantamento dos recursos 1
naturais 5
2.5. O Geoprocessamento e os Sistemas de Informações Geográficas (SIG’s) ... 1
8
2.6. Levantamento e Mapeamento ....................................................................... 2
2
3. MATERIAL E MÉTODOS ................................................................................. 2
6
3.1. Área de estudo ............................................................................................... 2
6
3.2. Geologia e Geomorfologia ............................................................................ 2
6
3.3. Relevo ........................................................................................................... 2
7
3.4. Clima ............................................................................................................. 2
7
3.5. Vegetação natural .......................................................................................... 2
8
3.6. Agricultura e dados sócio-econômicos ......................................................... 3
0
3.7. Material, equipamentos, softwares e ambiente computacional ..................... 3
0
3.8. Disponibilidade de informações geográficas e recursos da terra .................. 3
1

7
 3.9. Fluxograma de automatização ...................................................................... 3
2
3.10. Trabalho de campo ...................................................................................... 3
3
3.11. Metodologia aplicada: Erdas Imagine versão 8.3.1 .................................... 3
4
3.11.1. Formação da composição colorida ................................................... 3
4
3.11.2. Delimitação da Área de Interesse (AOI) a ser fotointerpretada ....... 3
5
3.11.3. Classificação Não Supervisionada (Unsupervised Classification) ... 3
6
3.11.4. Avaliação da Classificação Não Supervisionada .............................. 3
7
3.11.5. Definição das cores para as classes exibidas na opacity ................... 3
8
3.11.6. Elaboração dos Mapas Temáticos ..................................................... 3
9
3.11.6.1. Definição da área do mapa 3
................................................... 9
3.11.6.2. Definição da área do mapa na folha de trabalho 3
.................. 9
3.11.6.3. Adição de título 4
.................................................................... 0
3.11.6.4. Adição de molduras e referências laterais 4
............................ 1
3.11.6.5. Adição de legenda 4
................................................................ 1
3.11.6.6. Adição de barra de escala 4
..................................................... 2
3.11.6.7. Adição de norte magnético 4
.................................................. 2
3.11.6.8. Preparação para impressão dos mapas 4
confeccionados ....... 3
3.11.7. Classificação Supervisionada 4

8
............................................................ 3
3.11.7.1. Definição das assinaturas 4
..................................................... 4
3.11.7.2. Usando as ferramentas da AOI para colecionar as 4
assinaturas 5
3.11.7.3. Escolha de pixels semelhantes (Neighborhood Options) ..... 4
5
3.11.7.4. Coleta da Assinatura ‘água’ através do Create Feature 4
Space Image 6
3.11.7.5. Posicionamento do cursor através do Image/Feature Space 4
Cursor Linking 6
3.11.7.6. Definição de assinaturas (Feature Space Signature) ............ 4
7
3.11.7.7. Ferramentas para avaliação das assinaturas ......................... 4
7
3.11.7.7.1. Matriz de erro (Contigency Matrix) ..................... 4
8
3.11.7.7.2. Assinaturas de objetos .......................................... 4
8
3.11.7.7.3. Histogramas ......................................................... 4
9
3.11.7.7.4. Separação das Assinaturas (Signature 4
Separability) 9
3.11.7.7.5. Estatísticas ............................................................ 5
0
3.11.8. Avaliação da classificação ................................................................ 5
0
4. RESULTADOS E DISCUSSÃO ......................................................................... 5
1
4.1. Classes identificadas ..................................................................................... 5
3
4.2. Chave de fotointerpretação ........................................................................... 5
3
4.3. Mapa digital gerado pelo método de classificação supervisionada .............. 5
5

9
 4.4. Caracterização dos estratos/classes definidas ............................................... 5
7
4.5. Distribuição espacial dos estratos/classes definidas ..................................... 6
9
4.6. Precisão da classificação ............................................................................... 7
1
4.7. Estatísticas KAPPA ....................................................................................... 7
3
5. CONCLUSÕES ................................................................................................... 7
5
6. RECOMENDAÇÕES .......................................................................................... 7
7
7. REFERÊNCIAS BILIOGRÁFICAS ................................................................... 7
9
APÊNDICE (Lista de nomes vulgares e científicos) ............................................... 8
9
ANEXO I ................................................................................................................. 9
1
ANEXO II ................................................................................................................ 9
3
ANEXO III ............................................................................................................... 9
4

10
 LISTA DE FIGURAS

FIGURA 2.1. Regiões do espectro eletromagnético 4

................................................
FIGURA 2.2. O espectro eletromagnético e os principais alvos da superfície: 5
solo, água e vegetação
FIGURA 2.3. Esquema ilustrativo do satélite Landsat-TM/5 ................................. 8
FIGURA 2.4. Comportamento radiométrico das bandas vermelho (TM3) e 1
infravermelho próximo (TM4) versus porcentagem de cobertura 1
vegetal
FIGURA 2.5. Esquema da Classificação Não Supervisionada (Cluster Clasifier) .. 1
3
FIGURA 2.6. Esquema da Classificação Supevisionada (Maximum Likelihood 1
Classifier), mostrando os contornos de igual probabilidade para os
3
três tipos de cobertura do terreno
FIGURA 2.7. Arquitetura dos Sistemas de Informações Geográficas .................... 2
0
FIGURA 2.8. Representação dos Planos de Informação em um Sistema de 2
Informação Geográfica
0
FIGURA 3.1. Mesorregiões Geográficas do Estado da Paraíba .............................. 2

11
 6
FIGURA 3.2. Mapa Geomorfológico do Estado da Paraíba .................................... 2
7
FIGURA 3.3. Precipitação média histórica, período de fevereiro a maio no 2
Estado da Paraíba
8
FIGURA 4.1. Composição colorida da região agreste em estudo como AOI ......... 5
2
FIGURA 4.2. Mapa temático da distribuição espacial do uso e da cobertura da 5
terra no Agreste paraibano
6
FIGURA 4.3. Características referentes à classe 1, Água/Áreas úmidas na região 5
em estudo
7
FIGURA 4.4. Vista panorâmica de um riacho poluído localizado na cidade de 5
Pocinhos – PB
8
FIGURA 4.5. Aspectos gerais dos componentes da classe 2, faz-se notar a 5
cobertura do solo
9
FIGURA 4.6. Aspectos gerais da Caatinga Hiperxerófila arbustiva-arbórea 6
descontínua na região em estudo
1
FIGURA 4.7. Aspecto típico da palma forrageira, cultura tradicional regional ...... 6
2
FIGURA 4.8. Aspecto típico do sisal como cultura tradicional regional ................ 6
2
FIGURA 4.9. Demonstrativo da classe Pastagem com alguns remanescentes 6
nativos
4
FIGURA 4.10. Principais culturas de subsistência na região, milho e feijão .......... 6
5
FIGURA 4.11. Pomar demonstrando a principal frutífera regional, o cajú ............. 6
6
FIGURA 4.12. Vista panorâmica da área urbana da cidade de Pocinhos-PB ......... 6
7
FIGURA 4.13. Aspectos gerais da classe identificada, demonstrando os 6
afloramentos rochosos tão peculiares à região
7
FIGURA 4.14. Caracterização dos solos desnudos da região em estudo ................ 6
9
FIGURA 4.15. Distribuição percentual das classes identificadas... ........................ 6
9

12
FIGURA 4.16. Distribuição total, em Km2, das classes identificadas ..................... 7
0

LISTA DE QUADROS

QUADRO 2.1. Faixas espectrais do espectro eletromagnético e suas 6

características
QUADRO 2.2. Resumo das principais aplicações dos 7 canais do satélite 9
Landsat-TM/5
QUADRO 3.1. Origem das fontes de dados utilizados no estudo ........................... 3
1

13
 LISTA DE TABELAS

TABELA 3.1. Descrição dos trabalhos de campo procedidos durante as 3

viagens .. 4
TABELA 4.1. Unidades identificadas com suas cores determinadas 5
...................... 3
TABELA 4.2. Aspectos fotointerpretativos da AOI 5
............................................... 5
TABELA 4.3. Matriz de erro com a Acurácia Total, por classe, para a 7
classificação supervisionada
1
TABELA 4.4. Erros de comissão e omissão para a classificação supervisionada ... 7
2
TABELA 4.5. Concordância em função da estatística KAPPA .............................. 7
3
TABELA 4.6. Estatística KAPPA, por classe e geral, para o mapa gerado pela 7
classificação supervisionada
3

14
 RESUMO

As técnicas de Sensoriamento Remoto aliado ao uso de Sistemas de Informações

Geográficas é de grande importância no estudo e na preservação dos recursos naturais da
terra, uma vez que nos leva a lugares de difícil acesso bem como facilita no
acompanhamento dos processos dinâmicos da natureza. Esse trabalho foi desenvolvido em
partes das regiões do Agreste paraibano, referentes aos municípios de Puxinanã e
Pocinhos, e que teve como ponto central as coordenadas geográficas 7º09’S e 35º03’W,
órbita ponto 265/16. Foi obtido o mapeamento do uso e da cobertura da terra na escala de
1:100.000, por intermédio de tecnologias de Sensoriamento Remoto e Geoprocessamento.
A imagem utilizada foi do satélite Landsat-TM/5, cena obtida em 08 de maio de 2002,
composta por três bandas espectrais (3, 4 e 5), analisada mediante o emprego do software
Erdas Imagine 8.3.1, utilizando-se o método de classificação supervisionado (Maximum
Likelihood). Foram identificadas neste trabalho oito classes: Água/Áreas úmidas (9,9Km2),
Caatinga 1 (49,5Km2), Caatinga 2 (26,4Km2), Agricultura tradicional (69,3Km2), Pastagem
(52,8Km2), Agricultura de subsistência (59,4Km2), Afloramentos rochosos/ Área urbana
(23,1Km2) e Solos desnudos (39,6Km2), perfazendo uma área de aproximadamente
330Km2, com precisão estatística Kappa de 100%, 94,80%, 93,21%, 74,39%, 79,26%,
77,67%, 100% e 75,01%, respectivamente, com média geral de 81,02%, o que demonstrou
concordância excelente para a classificação. Nas classes identificadas que demonstraram
uso agropecuário, o levantamento proposto demonstrou que necessitam de manejos
adequados e pontuais dos seus recursos naturais. As principais limitações referentes às
classes definidas passíveis de utilização agrícola, que são Agricultura Tradicional,
Pastagem e Agricultura de subsistência, foram, em primeiro plano a escassez de água, logo
após a presença de pedregosidade superficial e a susceptibilidade a erosão. As classes

15
Caatinga 1 e Caatinga 2, são recomendadas essencialmente para uso de preservação de
fauna e flora, ou se possível, o uso de manejo sustentável dos recursos naturais.

ABSTRACT

The techniques of Remote Sensing and Geographical Information Systems (GIS)

are of great importance for the study, conservation and management of natural resources,
which facilitate to understand the dynamic processes of the nature. The present study was
made in the region of Agreste Paraibano which includes the municipalities of Puxinanã and
Pocinhos. The area lies between the Coordinates of 7º09'S and 35º03'W, with 265/16 as the
orbit point. The Land use and Land cover mapping was done at the scale of 1:100.000,
using the Remote Sensing and Image-Processing technologies. The satellite Data of
Landsat-TM/5, of May 08 of 2002 were used for this study, and the false color composite
of band 3, 4 and 5, was made using of the Software Erdas Imagine 8.3.1, for the Maximum
Likelihood classification (Supervised Classification). Under this interpretation the total
eight classed were identified: Water/Humid Area (9.9Km2), Caatinga Forest 1 (49.5Km2),
Caatinga Forest 2 (26.4Km2), Traditional Agriculture Land (69.3Km2), Pasture Land
(52.8Km2), Subsistencial Agriculture Land (59.4Km2), Rocky Out Crops/Urban Area
(23.1Km2) and Barren Land (39.6Km2), with covers approximately the area of 330Km2.
The Accuracy Assesstment was found 100% for Water/Humid Area, 94.80% for Caatinga
Forest 1, 93.21% for Caatinga Forest 2, 74.39% for Traditional Agriculture Land, 79.26%
for Pasture , 77.67% for Subsistencial Agriculture , 100% for Rocky Out Crop/Urban Area
and 75.01% for the Barren Land respectively. The average accuracy assesstment was found
of 81,02%, with demonstrated the best accuracy for our classification. It was also found
that the Pasture land class need some adequate management practices for the proper use of
natural resources. The principal limitations for the classes of the Traditional Agriculture
land , Pasture land and Subsistence Agriculture land were found, are: lack of water, surface
rockiness and susceptibility of the erosion. The classes of Savanna 1 (Caatinga Forest 1)

16
and Savanna 2 (Caatinga Forest 2), are recommended essentially for the use of
preservation fauna and flora, or if possible may be for the sustainable use of the natural
resources.

17
 1. INTRODUÇÃO

O homem é o responsável direto pela preservação uso e manejo sustentável do meio

ambiente. A utilização dos recursos naturais, sem um planejamento prévio, leva de forma
mais rápida à uma degradação ambiental. Mesmo que esta não seja perceptível em um
curto espaço de tempo, as gerações futuras poderão não usufruir de muitos dos recursos
ainda hoje existentes.
As condições adversas do meio ambiente, aliadas ao desenvolvimento de atividades
econômicas ainda bastante rudimentares, concomitante com a falta de planejamento
compatível com os recursos disponíveis e a extrema vulnerabilidade do sistema produtivo,
se constituem em aspectos desfavoráveis à produção agrícola e ao manejo dos recursos
naturais nessas regiões, fato este peculiar também a região agreste paraibana. Ademais, a
ação antrópica vem provocando continuamente a degradaçăo dos recursos naturais
ocasionando danos até irreversíveis ao meio ambiente.
O desenvolvimento agrícola, principalmente a nível regional, depende
primordialmente do manejo adequado e sustentável dos seus recursos naturais, sendo
assim, torna-se essencial que mais estudos sejam direcionados com esse objetivo. Na
região semi-árida, tal conhecimento é ainda mais importante, devido a fragilidade dos
solos, dos diferentes níveis de aridez e de condições micro-climáticas, dentre outros
fatores.
Para o acompanhamento dos processos naturais, que são de caráter dinâmico, é
necessário dispor de uma fonte de dados com agilidade temporal que satisfaça ao lapso de
tempo de mudanças impostas pela ocupação antrópica. Daí decorre que, o atendimento a
esses objetivos pode ser, até certo nível, satisfeito através de dados obtidos a partir de
técnicas de sensoriamento remoto, especialmente àqueles coletados mediante sistema a
bordo de satélites.
Atualmente, os levantamentos dos recursos naturais têm se constituído em trabalhos
de grande importância na orientação direta da utilização de um determinado recurso, como
também para subsidiar os estudos direcionados para o mapeamento e gerenciamento
ambiental. Não obstante, através desses trabalhos, pode-se também resgatar e registrar
informações relativas ao desenvolvimento regional de forma rápida e precisa através da
pesquisa de produtos cartográficos específicos, gerados por ocasião dos levantamentos.
Com o desenvolvimento e o aperfeiçoamento da utilização de imagens
multiespectrais, mediante o emprego da análise digital, tem sido possível obter uma

18
quantidade significativa de informações relacionadas com os mais variados campos do
meio ambiente.
Devido ao uso constante dos solos, da não adoção de técnicas de reposição dos
nutrientes e da retirada da vegetação natural da região dos municípios de Puxinanã e
Pocinhos, observa-se uma diminuição da fertilidade natural dos solos, ocasionando redução
nos índices de produtividade agrícola, onde consequentemente a economia regional é
afetada e ao mesmo tempo debilitada. Através de estudos competentes e detalhados dos
recursos naturais da região semi-árida do Estado da Paraíba, em especial da região agreste,
melhores práticas de manejo e melhor planejamento poderão ser utilizados, contemplando,
assim, tais áreas que se demonstram bastante problemáticas.
Neste contexto, o estudo a ser desenvolvido abrange partes das regiões do Agreste
paraibano, referentes aos municípios de Puxinanã e Pocinhos, e tem como principal
objetivo o mapeamento do uso e da cobertura da terra através de Sensoriamento Remoto e
Geoprocessamento, para dar suporte ao planejamento e utilização racional dos recursos
naturais disponíveis regionais.

19
 2. REVISÃO BIBLIOGRÁFICA

2.1. O Sensoriamento Remoto e a Radiação Eletromagnética (REM)

O sensoriamento remoto pode ser definido como a ciência e a arte de se obter

informações sobre um objeto, área ou fenômeno, por meio da análise de dados adquiridos
por um sistema que não está em contato com esse objeto, área ou fenômeno sob
investigação (Lillesand e Kiefer, 1994). Novo (1993), acrescenta ainda que o
sensoriamento remoto está associado, mais especificamente, com a medição por
equipamentos aéreos ou orbitais das interações entre os materiais da superfície da terra e a
energia eletromagnética.
Moreira (2004), conceitua o sensoriamento remoto como sendo a utilização
conjunta de sensores e equipamentos para processamento de dados, equipamentos de
transmissão de dados, aeronaves, espaçonaves, etc., com o objetivo de estudar o ambiente
terrestre através do registro e da análise das interações entre radiação eletromagnética e as
substâncias componentes do planeta terra em suas mais diversas manifestações. É uma
técnica que envolve a detecção, identificação, classificação, delineação e análise dos
aspectos e fenômenos da superfície terrestre, usando imagens adquiridas de aviões e
satélites, ao longo de várias técnicas de interpretação ópticas e/ou computadorizadas
(Barbosa, 1996).
Novas técnicas no tratamento de dados de satélite, são necessárias quando se
trabalha com alta heterogeneidade como é o caso da caatinga (Maldonado e Carvalho,
2003). O advento do sensoriamento remoto surgiu como uma alternativa viável técnica e
econômica, para levantamentos e classificação de cobertura vegetal e uso da terra, pois
alia, de acordo com Veloso Junior (2003), a rapidez e precisão a um custo relativamente
baixo, muitas vezes não necessitando de pessoal qualificado tal como Pedólogos.
A técnica de sensoriamento remoto evoluiu bastante, desde o uso estritamente
militar até ao domínio público, em pelo menos dois pontos principais: 1) Tecnológico –
desde os sistemas fotográficos aos sensores optoeletromecânicos e eletrônico; 2) Funcional
– desde os aparatos aerotransportadores aos sensores baseados em plataformas orbitais.
Tomando por base o processo de aquisição de informações relevantes sobre todos
os fenômenos da superfície terrestre, os sensores podem ser divididos em duas categorias:
passivos e ativos. Os sensores passivos são aqueles que registram a energia
eletromagnética refletida e emitida pela superfície terrestre e os sensores ativos são aqueles

20
que geram a própria fonte de energia para iluminar artificialmente os objetos alvo
(Serafim, 2000).
A radiação eletromagnética (REM) refletida ou emitida por um objeto, pode ser
captada por sensores. As fontes de radiação eletromagnética podem ser divididas em
naturais e artificiais. O sol é a fonte natural mais importante, pois sua energia, ao interagir
com diversas substâncias da superfície da terra, origina uma série de fenômenos tais como
reflexão, absorção, luminescência e aquecimento, que são passíveis de serem investigados
pelo sensoriamento remoto (Lamparelli et al., 2001).
O comportamento espectral de um alvo pode ser definido como sendo a medida da
reflectância desse alvo ao longo do espectro eletromagnético (Rosa, 1990). O
comportamento espectral de diferentes alvos presentes na superfície terrestre é produto da
complexa interação entre a energia solar e matéria, condicionado também por outros
aspectos do contexto ambiental, pois os alvos absorvem, refletem e emitem Radiação
Eletromagnética (REM) de forma diferenciada, ao longo do espectro eletromagnético, em
função de suas propriedades específicas (Barbosa, 1996). Como exemplo, para se obter
dados espectrais da vegetação é necessário que se conheça os fatores determinantes da
reflectância das folhas tais como, pigmentos, estrutura interna, conteúdo de água.
Os sensores remotos utilizam várias regiões do espectro eletromagnético. Esta faixa
estende-se desde os comprimentos de onda mais curtos (raios cósmicos) e de alta
freqüência até as ondas de rádio de comprimentos de onda muito longos e de baixa
freqüência (Fernandes, 1997). O mesmo autor afirma que no sensoriamento remoto, a faixa
mais utilizada é aquela compreendida entre 0,3 e 15,0µm, mais conhecido como espectro
óptico. A Figura 2.1 abaixo, representa o espectro eletromagnético segundo Lilesand e
Kiefer (1994).

Figura 2.1. Regiões do espectro eletromagnético.

21
 Porcentagem de reflexão

Comprimento de onda (µm)

Figura 2.2. O espectro eletromagnético e os principais alvos na superfície (Fonte: Lillesand

e Kiefer, 1994).

Em relação ao comportamento espectral da água, Lillesand e Kiefer (1994)

reportam que a água na região do visível reflete energia em comprimentos de onda que
variam entre os intervalos de 0,4 a 0,6 µm, devido as interações da REM com a superfície
da água. Para tal, é necessário que se conheça as características físicas da água como
turvação, materiais em suspensão e o fundo dos corpos d'água (Figura 2.2).
A reflectância espectral, no que concerne a vegetação, de acordo com Lillesand e
Kiefer (1994), é melhor caracterizada nos intervalos de 0,7 e 1,2 µm, isto é, no vermelho e
infra-vermelho próximo. Neste intervalo, a vegetação reflete cerca de 40 a 50% da energia
incidente (Figura 2.2). Já para o solo, a curva de reflectância espectral está situada no
intervalo de 1,4 a 2,6 µm, apresentado vales de observação nos pontos correspondentes a
1,4, 1,9, 2,2 e 2,7 µm, devido a presença de água (Figura 2.2).
A reflectância dos solos é uma propriedade cumulativa que deriva do
comportamento espectral intrínseco devido a heterogeneidade das combinações de matéria
mineral, orgânica e fluida que compõem os solos minerais (Stoner e Baumgardner, 1981).
Moreira (2004), reporta que no sensoriamento remoto, a reflectância espectral dos
solos pode ser usada como um critério importante na identificação de solos que contêm
diferentes teores de óxidos de ferro. O comportamento espectral dos solos, principalmente
os tropicais, é influenciado pela presença de matéria orgânica bem como pela quantidade
de ferro (Demattê et al., 2003), onde a reflectância está inversamente proporcional a
quantidade de matéria orgânica.
Devido ao fluxo dinâmico do clima em regiões semi-áridas, os teores de matéria
orgânica nos solos e sua capacidade de alterar a reflectância não são considerados. Para

22
solos da caatinga, é preponderante considerar a textura. Os materiais do solo sofrem erosão
sendo transportados e depositados em outros locais, isto de acordo com Maldonado (1999),
está ligado às mudanças na cobertura vegetal.
No Quadro 2.1, observa-se as regiões do espectro eletromagnético com seus
respectivos canais e comprimentos de onda correspondentes, cada uma em função de suas
características específicas.

Quadro 2.1. Espectro eletromagnético e suas características (Adaptado de Sabins, 1987)

FAIXAS ESPECTRAIS COMPRIMENTO CARACTERÍSTICAS ESPECÍFICAS

DE ONDA
Raios Gama < 0.03 nm A radiação proveniente do solo é
completamente absorvida pela parte
superior da atmosfera, e não está disponível
para o sensoriamento remoto
Raios X 0.003 a 3 nm Esta radiação proveniente do Sol é
completamente absorvida pela atmosfera.
Não é utilizada pelo sensoriamento remoto
Ultravioleta (UV) 3 nm a 4.0 µm Apenas a radiação ultravioleta
(comprimento de onda < 0,3 µm) é
completamente absorvida pelo ozônio na
parte superior da atmosfera
Ultravioleta (UV) 0.3 a 4.0 µm A radiação é transmitida através da
atmosfera. Detectável em filmes e
fotodetectores, mas o espalhamento
atmosférico é forte
Visível 0.4 a 0.7 µm Esta radiação é detectada em filmes
fotodetectores. Abrange a reflectância
máxima de superfície da Terra em torno de
0,5 µm
0.7 a 300 µm Os comprimentos de onda desta radiação
Infravermelho (IR) interagem com as diversas substâncias da
superfície terrestre
Infravermelho Refletido 0.7 a 3 µm Esta é uma das principais zonas de
reflectância da radiação solar , porém não
contém informações sobre as propriedades
termais dos materiais. A radiação de 0,7 a
0,9 µm é detectável em filme e é chamada
de radiação infravermelho fotográfico
Infravermelho Termal 3 a 5 µm Estas são as principais janelas atmosféricas
8 a 14 µm na região termal. A imagem relativa a estes
comprimentos de onda é obtida mediante o
uso de scanners ópticos-mecânicos
Microondas 0.3 a 300 cm A imagem pode ser adquirida no modo
ativo ou passivo
0.3 a 300 cm Forma ativa do sensoriamento remoto de
microondas

23
 O sensoriamento remoto utiliza várias técnicas desenvolvidas no sentido da tomada
e análise de dados de recursos naturais por meio de satélites, tais como o Landsat-MSS e
TM, Spot, RADAR, AVHRR, MOMS, entre outros (Serafim, 2000).
Ao empregarem imagens SOPT/HRV para estudos temáticos do uso da
terra/cobertura vegetal e classificação do solo/terra na parte semi-árida do Piauí – BR
(municípios de Jaicós e Picos), Teotia et al. (2001), tiveram como resultante, a partir de um
banco de dados, a base de um mapa de aptidão para fins de planejamento e
desenvolvimento rural.
Marsh et al. (1990), utilizaram a tecnologia do sensoriamento remoto combinada
com o Sistema de Informações Geográficas (SIG) para mapeamento de uso da terra e
cobertura vegetal para a Região Walo de Senegal, África.
Para a seleção de uma banda espectral adequada, é necessário que se conheça a
natureza dos fenômenos estudados e de como se expressam sua características no espectro
eletromagnético. Quando se estuda a vegetação, a banda preferida é a do infravermelho
próximo. No entanto, em regiões semi-áridas o intervalo espectral mais apropriado para o
estudo da cobertura vegetacional é o vermelho (Maldonado, 1999).
De acordo com Dalmolin et al. (2005), solos de textura arenosa apresentam maior
reflectância devido a sua constituição mineralógica (quartzo), e ao fato de apresentarem
baixos teores de matéria orgânica, óxidos de ferro e menores teores de água.

2.2. O satélite Landsat – TM

Tendo em vista as excelentes perspectivas da obtenção de dados sobre os recursos

terrestres, proporcionados por satélites meteorológicos por volta da década de 60, o
governo norte americano, através da NASA, iniciou estudos sobre a viabilidade de
construção e lançamento de uma série de satélites para pesquisas de recursos terrestres, que
inicialmente receberam o nome de ERTS (Earth Resources Technology Satelites), e mais
tarde foram chamados de Landsat.
Assim, o programa Landsat foi desenvolvido pela NASA com o objetivo de
permitir a aquisição de dados espaciais, espectrais e temporais da superfície terrestre.
Teotia et al. (1999), reporta que o sistema ERTS (Earth Resources Technology Satellites),
foi desenvolvido com a finalidade de proporcionar praticidade no inventário e manejo dos
recursos naturais da terra.
Os satélites Landsat operam numa órbita geocêntrica, a uma altitude de 750 km e
cruzam a linha do Equador no sentido Norte – Sul, precisamente às 09:45 horas, fuso

24
horário de Brasília, e apresentam recobrimento repetitivo a cada 16 dias. Percorre o espaço
de 7,7 km/seg e o tempo de obtenção de uma cena é de 24 segundos. Os satélites Landsat 4
e 5 podem ser considerados como um estágio de transição entre os sistemas precursores
antigos e atuais sensores de recursos terrestres (Barbosa, 1996).
Uma imagem inteira do satélite Landsat-TM/5 representa no solo uma área de
abrangência de 185 x 185 km. A resolução geométrica das imagens nas bandas 1, 2, 3, 4, 5
e 7 é de 30 m. Cada "pixel" da imagem representa, portanto, uma área no terreno de 0,09
ha. Para a banda 6, a resolução é de 120 m, isto é, cada "pixel" representa 1,4 ha.
O satélite Landsat transporta dois sensores multiespectrais (Figura 2.3). O primeiro
é o Multi-Spectral Scanner (MSS), que obtém imagem em quatro bandas espectrais (região
visível e infravermelho). O segundo é o Thematic Mapper (TM), que coleta imagens em
sete bandas espectrais (região do visível, infravermelho próximo, duas no infravermelho
médio e uma no infravermelho termal). Sua resolução espacial na parte refletida do
espectro eletromagnético (visível e infravermelho refletido, correspondendo as bandas 1, 2,
3, 4, 5 e 7) é de 30 metros, enquanto na faixa emitida (infravermelho termal) a resolução é
de 120 metros (Barbosa, 1996).
Uma outra diferença entre o TM e o MSS diz respeito ao número de detectores
usados para as diversas bandas de imageamento. A radiação eletromagnética, após a
reflexão no espelho de varredura, é focalizada pelo sistema óptico sobre uma matriz de 100
detectores de forma que cada uma receba o fluxo de radiação proveniente de uma área de
30 x 30 metros na superfície terrestre. Enquanto que o MSS utiliza seis detectores para
registrar os dados em cada uma de suas bandas de imageamento (total de 24 detectores), o
TM usa 16 detectores para cada banda do visível e o infravermelho próximo e médio e 4
detectores para região do infravermelho termal (total de 100 detectores).

Figura 2.3. Esquema ilustrativo do satélite Landsat-TM/5.

25
 O TM imageia através de um campo total de visão de 15,4° (+ 7,7° do nadir),
completa aproximadamente 7 ciclos de imageamento direto e reverso combinados por
segundo. Essa taxa relativamente baixa limita a aceleração do espelho imageador,
otimizando a integridade geométrica do processo de coleta de dados e a relação sinal/ruído
do sistema (Lillesand e Kiefer, 1994).
Fernandes et al. (1999), consideraram uma tecnologia adequada o uso do satélite
Landsat-TM/5, em estudos de avaliação de aptidão agrícola das terras, pois as imagens
adquiridas mediante a aquisição da cena do satélite fornecem boa fonte de dados para
extração de informações.
Pode-se observar no Quadro 2.2 as principais aplicações dos sete canais do
Landsat/TM-5 e que as bandas 6 e 7 estão fora da seqüência de comprimento de onda, por
que a banda 7 foi adicionada ao TM posteriormente ao processo original.

Quadro 2.2. Resumo das principais aplicações dos 7 canais do satélite Landsat – TM/5

Canais Comprimento Localização Espectral Principais Aplicações

de Onda (µm)
1 0,45 - 0,52
2 0,52 - 0,60
3 0,63 - 0,69
4 0,76 - 0,90
5 1,55 - 1,75
6 10,4 - 12,5
7 2,08 - 2,35
Fonte: Modificada de Lillesand e Kiefer (1994)
Nominal
AZUL Para penetração de corpos d'água; útil
para mapeamento de águas costeiras;
utilizada para discriminação de solo/
vegetação, mapeamento de tipos
florestais e identificação de
características de culturas.
VERDE Para a medição dos picos de
reflectância verde da vegetação, para a
discriminação de vegetação e a
avaliação do vigor; útil para a
identificação de características de
culturas.
VERMELHO Para imageamento na região de
absorção da clorofila, auxiliando na
diferenciação de espécies.
INFRAVERMELHO Determina tipos de vegetação, vigor e
PRÓXIMO volume de biomassa; para delineamento
de corpos d'água e para a determinação
de umidade do solo.
INFRAVERMELHO Teor de umidade na vegetação e
MÉDIO umidade do solo.
INFRAVERMELHO Análise e estresse de vegetação, na
TERMAL discriminação de umidade do solo e em
aplicações de mapeamento termal.
INFRAVERMELHO Discrimina minerais e tipos de rochas.
MÉDIO Também identifica o teor de umidade.

26
 A Banda 1 (0,45 a 0,52 µm), apresenta grande penetração em corpos de água, com
elevada transparência, permitindo estudos batimétricos. Sofre absorção pela clorofila e
pigmentos fotossintéticos auxiliares (carotenóides). Apresenta sensibilidade a plumas de
fumaça oriundas de queimadas ou atividade industrial. Pode apresentar atenuação pela
atmosfera.
No comprimento de onda que vai de 0.52 a 0.60 µm, o que corresponde a banda 2,
ocorre uma grande sensibilidade à presença de sedimentos em suspensão, possibilitando
sua análise em termos de quantidade e qualidade. Apresenta boa penetração em corpos de
água.
A vegetação verde, densa e uniforme, apresenta grande absorção na banda 3 (0.63 a
0.69 µm), ficando escura, permitindo bom contraste entre as áreas ocupadas com vegetação
(ex.: solo exposto, estradas e áreas urbanas). Apresenta bom contraste entre diferentes tipos
de cobertura vegetal (ex.: campo, cerrado e floresta). Permite análise da variação litológica
em regiões com pouca cobertura vegetal. Permite o mapeamento da drenagem através da
visualização da mata de galeria e entalhe dos cursos dos rios em regiões com pouca
cobertura vegetal. É a banda mais utilizada para delimitar a mancha urbana, incluindo
identificação de novos loteamentos. Permite a identificação de áreas agrícolas.
Os corpos de água absorvem muita energia nesta faixa de onda (0.76 a 0.90 µm),
banda 4, e ficam escuros, permitindo o mapeamento da rede de drenagem e delineamento
de corpos de água. A vegetação verde, densa e uniforme, reflete muita energia nesta banda,
aparecendo bem clara nas imagens. Apresenta sensibilidade à rugosidade da copa das
florestas (dossel florestal). Apresenta sensibilidade à morfologia do terreno, permitindo a
obtenção de informações sobre geomorfologia, solos e geologia. Serve para análise e
mapeamento de feições geológicas e estruturais. Serve para separar e mapear áreas
ocupadas com pinus e eucalipto. Serve para mapear áreas ocupadas com vegetação que
foram queimadas. Permite a visualização de áreas ocupadas com macrófitas aquáticas (ex.:
aguapé). Permite a identificação de áreas agrícolas.
A banda 5 (1.55 a 1.75µm), apresenta sensibilidade ao teor de umidade das plantas,
servindo para observar estresse na vegetação, causado por desequilíbrio hídrico. Esta
banda sofre perturbações em caso de ocorrer excesso de chuva antes da obtenção da cena
pelo satélite.
A faixa que compreende a banda 6 (10.4 a 12.5µm), demonstra sensibilidade aos
fenômenos relativos aos contrastes térmicos, servindo para detectar propriedades termais
de rochas, solos, vegetação e água.
Apresentando sensibilidade à morfologia do terreno, a banda 7 (2.08 a 2.35 µm),
27
permite obter informações sobre geomorfologia, solos e geologia. Esta banda serve para
identificar minerais com íons hidroxilas. Potencialmente favorável à discriminação de
produtos de alteração hidrotermal.
O canal 3 é o mais importante para os estudos de vegetação e foi projetado para
separar zonas com vegetação e terras limpas (Teotia et al., 1999). Ainda, segundo estes
autores, a banda 4 foi projetada para auxiliar na estimativa da continuação da biomassa e é
muito importante na discriminação de corpos de água, já a banda 5, fornece informações
importantes a respeito de umidade de vegetação e tipo de cultura, muito importante nos
trabalhos sobre vegetação. A escolha do canal mais apropriado também é variável da época
do ano e do que se estuda (Figura 2.4).
LEGENDA
A C A: Banda TM4 (época seca)
B: Banda TM3 (época seca)
Radiância C: Banda TM4 (época úmida)
B D: Banda TM3 (época úmida)

D 1: solo desnudo
2: vegetação aberta
3: vegetação
4: vegetação densa

Cobertura vegetal

1 2 3 4

Figura 2.4. Comportamento radiométrico das bandas vermelho (TM3) e infravermelho

próximo (TM4) versus porcentagem de cobertura vegetal. (adaptado de Maldonado,
1999).

De acordo com Teotia et al. (2003), trabalhando com uma imagem SPOT/HRV,
que recobre um setor do semi-árido paraibano, devido as características espectrais e de
resolução espacial, o canal 3 revela-se com uma adequada discriminação entre os recursos
naturais, mostrando diferenças nítidas entre as classes de solos e os tipos vegetacionais, e
ainda, os corpos de água. Pinto (1991), observou que o vigor da cobertura vegetal é fator
importante, quando se considera a resposta espectral bastante característica.
Trabalhando na região da Amazônia Legal, Collares (2004) revisou e atualizou
todas as folhas integrantes regionais, através da interpretação visual de imagens digitais do
Landsat/TM, possibilitando a estruturação do banco de dados georreferenciados de
recursos naturais onde estão as informações levantadas pelo RADAM BRASIL, assim
como as outras obtidas durante a atualização.
Para mapeamento de uso da terra (cobertura arbórea/arbustiva, floresta implantada,
28
agricultura, pastagem etc.) Azambuja Madruga (2004), utilizou a classificação digital
supervisionada (maxi-verossimilhança) sobre imagens digitais TM do Landsat 5, com
aplicativo computacional Idrisi.
Pissarra et al. (2002), avaliaram a aplicabilidade da análise visual das imagens de
satélite Landsat-TM/5, no estudo ambiental de microbacias hidrográficas do Córrego Rico,
Jaboticabal - SP, por técnicas de sensoriamento remoto, concluindo que a imagem de
satélite Landsat-TM/5 destaca-se de grande importância para análise visual em áreas
extensas, para estratificar regiões de estudo homogêneas.

2.3. Análise digital de imagens

Apesar do ser humano ter a capacidade de distinguir uma gama muito grande de
padrões, dificilmente é capaz de processar o enorme volume de informações presentes em
uma imagem de satélite. Por essa limitação, faz-se necessário a utilização do
processamento digital de imagens, que tem por objetivo facilitar a extração de informações
a partir de imagens, constituindo-se em um estágio preparatório, embora quase sempre
obrigatório, da atividade de interpretação das imagens de sensoriamento remoto (Crosta,
1993).
Essencialmente existem dois métodos de classificação de imagens multiespectrais,
que são: o método de classificação não supervisionado - unsupervised classification - e o
método de classificação supervisionado – supervised classification - que podem ser
utilizados separadamente de acordo com a necessidade do trabalho (Moreira, 2004).
A classificação não supervisionada (Figura 2.5), usa um algoritmo de “clustering”,
que analisa os pixels “desconhecidos” da base de dados e divide-os em um número de
classes espectralmente distintas, baseado em seu próprio agrupamento natural, sendo
possível identificar o tipo de cobertura representada por cada classe espectral, usando
vários tipos de informações, como imagens coloridas e fotográficas, mapas e dados de
reconhecimento de campo (Avery e Berlin, 1985).

29
Figura 2.5. Esquema da classificação não supervisionada (cluster classifier) (adaptado de
Avery e Berlin, 1985).

Na classificação supervisionada (Figura 2.6), inicialmente o analista identifica

várias “áreas de treinamento” na imagem, que são representativas das classes desejadas. A
criação das classes resulta do agrupamento de “pixels mais parecidos”, mediante a
comparação dos pixels da cena com os pixels da classe de interpretação gerada pelo
computador (Hepner, 1990).

Figura 2.6. Esquema da classificação supervisionada (maximum likelihood classifier),

mostrando os contornos de igual probabilidade para os três tipos de cobertura do
terreno (Adaptado de Avery e Berlin, 1985).

Crosta (1993) afirma que, na classificação supervisionada, é necessário que o

usuário tenha conhecimento prévio da área a ser classificada. Esse tipo de observação é
chamado de verdade terrestre. Essas áreas podem ser usadas como padrão de comparação,
com a qual todos os “pixels” desconhecidos da imagem serão comparados para decidir a
qual classe pertencem. A área da imagem que o usuário identifica como representativa de
uma das classes é chamada área de treinamento.
Rossato et al. (2002), concluiram que a classificação supervisionada aplicada
através do programa utilizado e os processos digitais igualmente utilizados foram de

30
grande valia técnica para conduzir os trabalhos de mapeamento e levantamento de campo,
mostrando-se eficiente no levantamento do uso da terra para o município de Pinhal
Grande-RS.
A classificação digital supervisionada mostrou-se eficiente no levantamento de
recursos florestais, segundo Bolfe et al. (2002), quando submetidos aos índices de
precisão: Exatidão Global, Kappa e Tau, onde obteve-se 85,23%, 84,90% e 77,74% de
concordância, respectivamente.
Existem vários softwares utilizados para a análise e estudo de imagens de satélites.
O software Erdas Imagine versão 8.3.1., é um programa utilizado para diversas atividades
no sensoriamento remoto. Uma delas é a elaboração de mapas temáticos, confeccionados
por meio de imagens de satélites. O sistema Erdas se constitui num sistema misto ou
integrado e que deve-se ao fato deste manter ou recuperar rapidamente, e a um custo baixo,
grande quantidade de informações (Alves, 1999).
O Software Erdas Imagine é usado para processamento de imagens de
sensoriamento remoto. Atualmente o sistema tem capacidade de análise de dados de 1024
X 1024 pixéis de imagens, em 16 milhões de cores. O Erdas Drive apresenta alto volume
de armazenagem para transferir e guardar os dados das imagens de satélite de disco para
computadores (Soares Neto e Silva, 1996).
Para Moreira (2004), existem alguns fatores que contribuem para o êxito da análise
das imagens de satélites que são, basicamente: a época de obtenção das imagens de satélite,
tipo de produto, bandas espectrais, escala das imagens e experi6encia do fotointérprete.
O uso da terra dá indicações sobre a tradição e sobre os conhecimentos empíricos
arraigados na cultura dos lavradores e suas ações perante o meio ambiente em que vivem
(calendário agrícola, práticas agrícolas adotadas, variedades plantadas). A cobertura
vegetal dá uma idéia de como se apresenta na atualidade, além de permitir perspectivas
futuras, o uso e a conservação do meio estudado.
Trabalhando em parte do município de Patos – PB, região semi-árida da Paraíba,
com imagens de Landsat - TM/5, utilizando o programa Erdas Imagine, Ferreira (2001),
verificou que a principal forma de vegetação local era a arbórea arbustiva fechada, além de
outras composições da caatinga.
O software Erdas Imagine versão 8.3.1. foi utilizado por Veloso Junior (2003), que
concluiu que este é um programa que facilita o levantamento dos recursos naturais de uma
região, poupando tempo, dinheiro e pessoal especializado. Afirmativa, essa, corroborada
por Ribeiro (2003), que trabalhando na região do Agreste paraibano, constatou que o uso
do software Erdas Imagine facilitou no levantamento dos recursos naturais da referida

31
região, principalmente solos e usos da terra, a qual o trabalho se propunha.
Silva (1999), trabalhando na região de Sousa - PB, verificou que o uso do software
Erdas Imagine mostrou-se como uma tecnologia de extrema valia na manipulação de dados
georreferenciados. Rodrigues et al. (2001), efetuando a classificação supervisionada da
imagem de satélite Landsat-TM/5, e utilizando-se das bandas 3, 4 e 5, obteve o mapa de
uso atual da terra, que estabelece a presença ou ausência de conflito aparente na ocupação
das terras estudadas.
Para a elaboração do mapa de uso da terra, Rubert et al. (2002), utilizaram imagem
orbital do satélite Landsat 7-ETM+, composição das bandas 3, 4 e 5, por apresentarem uma
boa discriminação para estudo de solo, vegetação e lâmina d’água.

2.4. Utilização do Sensoriamento Remoto no levantamento dos recursos naturais

Os recursos naturais constituem-se nos meios físicos e biológicos, compostos pelo

solo, clima, água e vegetação, onde o grupo desses elementos assumem expressão de
relevante importância (Ribeiro et al., 1997). O homem necessita dos recursos naturais para
a sua sobrevivência, no entanto, é necessário que ele utilize meios que possam diminuir os
impactos gerados pelo seu uso intenso. Assim sendo, é necessário que se lance mão de
práticas de manejo e/ou conservação adequados para cada região.
Para se ter a definição de práticas adequadas de manejo e de conservação do solo e
da água, exige-se o cruzamento de informações diversas não só de solos e vegetação, bem
como de recursos hídricos, infra estrutura, ocupação humana, análise sócio-econômica
regionais entre outras. (Assad e Sand, 1993). Essa junção de informações pode ser
considerada como dados para o georreferenciamento, relevantes para o estudo do uso da
terra.
As técnicas de sensoriamento remoto se constituem em uma ferramenta poderosa
para o estudo e pesquisa dos inúmeros problemas científicos relacionados com os recursos
naturais, pois através de sua principal característica, a repetitividade, supre o problema do
mapeamento em intervalos curtos de tempo, resolvendo a questão de atualização de mapas
de solo, vegetação, recursos hídricos, uso da terra e geologia.
Os primeiros trabalhos com sensoriamento remoto direcionados para o mapeamento
do uso da terra remontam ao início da década de 70, quando a NASA, no ano de 1973,
realizou a partir de imagens de Landsat o levantamento dos recursos naturais para o
planejamento do uso da terra nos Estados Unidos, Canadá e África. Posteriormente, Allan

32
(1977), também utilizou imagens de Landsat em mapeamento do uso da terra no continente
africano.
São diversas as áreas das ciências naturais em que o sensoriamento remoto tem sido
empregado com sucesso, como anteriormente citado, tais como os estudos de
monitoramento ambiental (Pontes et al., 1993), meteorologia e climatologia (Rosa et al.,
1993; Abdon, 1982), avaliação da aptidão agrícola (Fernandes et al., 1999), etc.
Um estudo sistemático das características espectrometrais dos sensores orbitais tem
sido bastante utilizado nos estudos de cobertura da terra, através de técnicas de
processamento de imagens com combinações de bandas espectrais específicas onde vem se
obtendo resultados significativos na discriminação e caracterização dos alvos da superfície
terrestre (Maldonado, 1999).
O termo uso da terra denota a forma pela qual o espaço está sendo ocupado, quer
por aspectos naturais quer por atividades antrópicas, se tornando num dos principais
estudos, subsidiando informações para criação de um banco de dados que possibilitam uma
melhor utilização do espaço regional.
Na tentativa de minimizar os impactos ambientais provocados pelo homem,
Montebelo et al. (2005), trabalharam em áreas de preservação permanente (APPs)
objetivando analisar o uso e cobertura do solo existentes, culminando em dados de riscos
de erosão presente nestas áreas, através de técnicas de geoprocessamento, podendo assim
fornecer informações para elaboração de planos diretores, contribuindo para um
Planejamento Ambiental da área, como também contribuindo para a composição de um
banco de dados georreferenciados.
A recomendação para o uso da terra foi um estudo realizado por Silva Brito (2003),
na bacia hidrográfica do ribeirão Bom Jardim, localizada entre as porções Sul do município
de Uberlândia e Norte do município de Uberaba; o estudo considerou a questão do
desenvolvimento agrícola na região, elaborando um mapa final de uso da terra
recomendado, considerado como um importante instrumento para nortear o
desenvolvimento agrícola de forma sustentável na área estudada.
Soares e Filho (2003), executaram o levantamento do meio físico para avaliar o
potencial agrícola das terras utilizando sensoriamento remoto e obtiveram a identificação
de fatores importantes como a restrição à utilização agrícola das terras, sendo essas
indicações sobre a viabilidade dessa atividade feita para cada forma de relevo apresentado
no esboço geomorfológico elaborado.
Alves (1986), trabalhando com imagens de satélite Landsat–TM/5, concluiu que
estas podem ser perfeitamente utilizadas na classificação do uso da terra para grandes

33
áreas, mesmo quando disponíveis em escalas pequena e/ou média. Trabalhos realizados
pelo INPE (1986), mostraram a eficácia das imagens de satélite na avaliação de mudanças
no uso da terra nas áreas da Amazônia brasileira e no auto grau de colonização dessa
região em comparação com outras áreas.
Imagens e dados do satélite SPOT HRV foram trabalhadas para o estudo do uso da
terra, cobertura vegetal e classificação de solo nas partes semi-áridas do Nordeste do Brasil
(Teotia et al., 1991). Os referidos autores utilizaram também fotografias de SPOT para
avaliação de capacidade da terra de uma região do Estado do Piauí, e concluíram que a
fotografia de SPOT foi uma das melhores ferramentas para o planejamento dessas regiões.
Silva et al. (1998), reportam que o sistema de análise georreferenciada é útil na
visualização de variações espaciais e temporais de uso da terra além de aperfeiçoar o
armazenamento e transferência de dados para as decisões concernentes à conservação do
solo e água pela preservação das florestas em solos inaptos às culturas.
No Brasil, Teotia et al. (1983), pesquisaram os solos e uso da terra sobre parte
Noroeste da região semi-árida do Estado da Paraíba a partir de interpretação visual de
imagens Landsat, cobrindo uma área de quase 14.500 km2 e classificaram os solos de
acordo com as normas do serviço nacional de levantamento e conservação de solos.
Segundo Ferreira (2001), o estudo da vegetação natural na região semi-árida é de
fundamental importância, devido as características peculiares que a mesma apresenta,
mesmo que não conhecidas suficientemente e adequadamente.
Como objetivo de subsidiar a implementação de uma política florestal para o
Estado da Paraíba, Lins e Medeiros (1994), realizaram um levantamento de abrangência
estadual da cobertura vegetal nativa, onde ficou identificada a ocorrência de três diferentes
tipos de estrato dentro da formação florestal denominada de caatinga.
Silva et al.(2002), estudando a Microrregião da Depressão do Alto Piranhas – PB,
concluíram que o mapeamento do uso das terras, permitiu a obtenção de conhecimentos
relativos à forma e distribuição do espaço agrícola, dando um indicativo da situação atual
da área, com ênfase na importância da preservação e uso adequado das terras, além de
oferecer subsídios a trabalhos de planejamento.
Assad (1998), definiu um método para determinação da aptidão agrícola de terras
para três níveis de manejo, a partir de informações obtidas por levantamentos de solos, e
utilizando o SIG-IDRISI desenvolvido pelo Instituto Nacional de Pesquisas Espaciais
(INPE). Utilizando os recursos do IDRISI, Rodrigues et al. (2001), obteveram o mapa de
classes de capacidade de usos das terras e do mapa de uso atual, com posterior
identificação de áreas de conflito entre esses mapas. O mapeamento de uso adequado das

34
terras para fins agrícolas é uma das alternativas de uso dos SIG’s, como visto no trabalho
de Silva et al. (2003).

2.5. O Geoprocessamento e os Sistemas de Informações Geográficas (SIG’s)

O geoprocessamento pode ser definido como um conjunto de técnicas e

metodologias de armazenamento, processamento, automação e utilização de imagens para
tomada de decisões (Pontes, 2002). É costume dizer que geoprocessamento é uma
tecnologia interdisciplinar que permite a convergência de diferentes disciplinas científicas
para o estudo de fenômenos ambientais e urbanos.
O geoprocessamento na verdade é uma das vertentes evolutivas do sensoriamento
remoto que veio suprir, pode-se assim dizer, a carência de organização e sobreposição de
dados referentes a uma região especificamente estudada. Essa técnica é, hoje, de ampla
utilização, pois permite associar vários itens a uma mesma projeção, mostrando
verdadeiras inter-relações entre atividades de análise em um mesmo espaço físico
(compreenda-se tal tipo de análise como vegetação, ocupação humana, organização
urbana, rural, hidrografia, etc.).
Nesse contexto, o termo Geoprocessamento denota a disciplina do conhecimento
que utiliza técnicas matemáticas e computacionais para o tratamento da informação
geográfica e que vem influenciando de maneira crescente as áreas de Cartografia, Análise
de Recursos Naturais, Transportes, Comunicações, Energia e Planejamento Urbano e
Regional. As ferramentas computacionais para Geoprocessamento, chamadas de Sistemas
de Informação Geográfica, permitem realizar análises complexas, ao integrar dados de
diversas fontes e ao criar bancos de dados georeferenciados (Gonçalves, 2004; Pontes,
2002). Para Fernandes (1997), a característica principal do geoprocessamento é a sua
faculdade de armazenar, recuperar e analisar mapas num ambiente computacional.
É importante salientar que tanto o Geoprocessamento como o SIG são consideradas
tecnologias. Do ponto de vista da tecnologia, desenvolver um SIG significa oferecer o
conjunto mais amplo possível de estruturas de dados e algoritmos capazes de representar a
grande diversidade de concepções do espaço.
De acordo com Gonçalves (2004), os Sistemas de Informação Geográfica,
compreendem ferramentas computacionais para Geoprocessamento. Então, o SIG seria um
poderoso elenco de ferramentas para colecionar, armazenar, recuperar, transformar e exibir
dados espaciais referenciados ao mundo real.

35
 O termo Sistemas de Informação Geográfica (SIG), também conhecido como
Geoprocessing Information System (GIS), é aplicado para sistemas que realizam o
tratamento computacional de dados geográficos e recuperam informações não apenas com
base em suas características alfanuméricas, mas também através de sua localização
espacial. Um SIG pode ser utilizado como ferramenta para produção de mapas, como
suporte para análise espacial de fenômenos, como um banco de dados geográficos, com
funções de armazenamento e recuperação de informação espacial.

Um SIG integra, em um única base de dados, as informações espaciais

provenientes do relatório de levantamento de solos, imagens de satélite ou de radar, mapas
geológicos, geomorfológicos, planialtimétricos, climáticos e mapas de vegetação. Cada
sistema, em função de seus objetivos e necessidades, implementa estes componentes de
forma distinta, mas todos os subsistemas citados devem estar presentes num SIG.
Um banco de dados geográficos é composto por conjuntos de planos de
informação, um conjunto de geo-objetos e um conjunto de objetos não-espaciais em que
não se faz restrição sobre escala dos dados e nem sobre a continuidade espacial dos planos
de informação que compõem o banco (Gonçalves, 2004).
Alves (1999), reporta que o SIG pode ser definido como um conjunto organizado
de equipamentos de computação, programas aplicativos e dados georreferenciados,
projetados para capturar, armazenar, manipular, analisar e apresentar visualmente todas as
formas de informações geográficas, para um objetivo ou aplicação específica, ou seja, é um
sistema usado para agregar valor a dados espaciais ou geográficos. A característica
principal dos SIG’s é a capacidade que têm de gerar representações cartográficas relativas
as regiões de interesse, integrando as informações (Gonçalves, 2004).
Para Pontes (2002), SIG é uma base de dados digitais de propósito especial no qual
um sistema de coordenadas espaciais comum é o meio primário de referência (Figura 2.7).
Os SIG’s caracterizam-se por serem instalados em computadores, possibilitando a
codificação dos dados geográficos que são capazes de: entrada dos dados a partir de
mapas, fotografias aéreas, imagens de satélites levantamentos de campo e outras fontes;
armazenamento, recuperação e busca de dados; transformação de dados, análise e
modelagem, incluindo estatística espacial; comunicação dos dados, através de mapas,
relatórios e planos.

36
Figura 2.7. Arquitetura de Sistemas de Informações Geográficas (INPE, 2004).

Na Figura 2.8, podemos observar um exemplo de utilização dos planos de

informações geográficas integradas. Esse plano de informações é geral e pode ser utilizado
para qualquer tipo de estudo, quer seja de natureza ambiental (estudo dos solos, uso da
terra, tipos vegetacionais) ou de natureza social.

Figura 2.8. Representação dos planos de informação em um Sistema de Informação

Geográfica (FONTE: Fernandes, 1997).

Nunes et al. (2002), reportam que os recursos na área de sensoriamento remoto

oferecem a possibilidade de monitoramento contínuo de fenômenos espaciais. Os Sistemas
de Informações Geográficos (SIGs) permitem o armazenamento e manipulação de todo e
qualquer tipo de informação georreferenciada, assim, a agilidade de obtenção dos dados
além de outras vantagens são inúmeras relacionando-se com a utilização de métodos
tradicionais.
Como exemplo, a estruturação de base digital georreferenciada, contendo
levantamentos básicos e temáticos, foi de grande contribuição para a elaboração dos Planos

37
de Manejo das Unidades de Conservação. Azambuja Madruga (2004), determinou a
cobertura florestal nativa e plantada no estado do Rio Grande do Sul em escala 1:250.000,
determinando sua espacialização, classificando-as por categoria de tamanho, de função e
de propriedade, calculando o total de estoque disponível, tratamentos silviculturais
necessários para cinco anos, intensidade de cortes e ocorrência de danos por incêndios e
pragas.
As técnicas de geoprocessamento foram essenciais para a geração de um mapa de
uso da terra recomendado no estudo proposto por Silva Brito (2003), na bacia hidrográfica
do ribeirão Bom Jardim na região do triângulo mineiro, para a geração dos mapas utilizou-
se das técnicas de sobreposição de mapas temáticos, armazenados no sistema de
geoprocessamento SPRING 3.5.
Utilizando o geoprocessamento na análise de áreas de conflito do uso da terra na
microbacia hidrográfica do Arroio Ituzinho, Salbego et al. (2002), elaboraram os mapas
temáticos, permitindo determinar as áreas que apresentam conflitos em relação ao uso da
terra, concluindo que as técnicas de geoprocessamento utilizadas se mostraram eficientes,
apresentando rapidez e confiabilidade.
Em estudo da precisão de resultados obtidos no levantamento de áreas florestais dos
povoamentos naturais e implantados da área de abrangência da carta sistemática de
Cachoeira do Sul - RS, obtida através de técnicas de geoprocessamento, Bolfe et al. (2002),
utilizaram sistemas de informações geográficas e sistemas de posicionamento global.
Rubert et al. (2002), estudaram o uso de geoprocessamento na determinação de
áreas de conflitos de uso da terra no município de Nova Esperança - RS, concluindo que as
técnicas de geoprocessamento proporcionaram as condições básicas para a identificação
das áreas de conflitos e diagnóstico da paisagem do município, sendo de fundamental
importância para a elaboração de propostas corretivas das condições do meio físico,
alteradas pelo uso inadequado.
Rossato et al. (2002), pesquisaram o uso da terra no Município de Pinhal Grande -
RS, tendo como objetivo o mapeamento do uso da terra, através do geoprocessamento e
sensoriamento remoto identificando e quantificando as diferentes classes de uso.
No estudo da evolução do uso da terra em Botucatu – SP, Campos et al. (2004),
demonstraram que o Sistema de Informações Geográficas que foi utilizado para as
análises, mostraram-se eficientes para auxiliar na identificação e mapeamento das áreas
com uso da terra, facilitando o processamento dos dados.
Em estudo realizado no município de Cedro – PE, verificando mudanças na
cobertura vegetal regional, Sousa (2003), demonstrou que a utilização de SIG e

38
sensoriamento remoto foram ferramentas indispensáveis para o acompanhamento das
mudanças na cobertura vegetal na região de estudo.

2.6. Levantamento e Mapeamento

O Brasil com seu enorme potencial agrícola e a área a ser explorada (8,5 milhões de
2
Km ), não pode deixar de conhecer melhor os seus solos (Demattê et al., 2003), bem como
suas potencialidades e riscos de uso da cobertura vegetal, sem que haja o conhecimento
prévio de onde se deseja explorar.

Um levantamento é um prognóstico da distribuição geográfica dos elementos em

estudo (solos, vegetação) como corpos naturais, determinados por um conjunto de relações
e propriedades observáveis na natureza (EMBRAPA, 1995).

De maneira geral, um levantamento identifica e separa unidades de mapeamento.

É constituído, na sua forma final, por um mapa e um texto explicativo, que define,
descreve e interpreta, para diversos fins, as classes de solos componentes de unidades de
mapeamento.

Mapa, segundo Resende (1997), é em geral o modo mais eficiente e simples de

representação da distribuição geográfica de um fenômeno. Os mapas interpretativos
agrupam ou separam as unidades de mapeamento de acordo com suas características mais
ligadas as finalidades para as quais são executados.
Num levantamento, os objetos alvo são identificados, separados em mapas e
posteriormente interpretados para uso. O mapa e o relatório formam um conjunto no final.
O mapa representa graficamente os componentes e sua distribuição. O relatório é a
explicação detalhada, um manual referência da área mapeada.

As informações contidas num levantamento são essenciais para a avaliação do

potencial e das limitações de uma área, constituindo numa verdadeira base de dados
georreferenciados para estudos de viabilidade técnica e econômica de projetos e
planejamento de uso, manejo e conservação de solos (EMBRAPA, 1995).

Os levantamentos são executados para atender a diversos objetivos. Por isso,

variam quanto a escala cartográfica, definição e composição das unidades de mapeamento,
organização de legendas e precisão das informações apresentadas (EMBRAPA, 1995). Os
levantamentos podem ser feitos em vários níveis de intensidade, dependendo das
finalidades a que se destinarão e das condições da área.

39
 Os levantamentos diferenciam-se, principalmente, quanto aos objetivos a que se
destinam e quanto à extensão das áreas abrangidas por eles. São conhecidos cinco tipos
principais, de acordo com a EMBRAPA (1995): exploratório, reconhecimento,
semidetalhado, detalhado, ultradetalhado.

• Levantamento exploratório

São executados, em geral, onde há a necessidade de informações de natureza

qualitativa do recurso, com a finalidade de identificar áreas de maior ou menor potencial,
prioritárias para o desenvolvimento regional. São apropriados às áreas de grande extensão
territorial, no entanto, justifica-se a execução destes em áreas menores, em função da
premência de obtenção de dados ambientais, em antecipação a levantamento em escalas
maiores. São aceitáveis escalas de publicação que variam entre 1:750.000 e 1:2.500.000. A
área mínima mapeável é de 22,5 a 250km2.

• Levantamento reconhecimento

São executados para fins de avaliação qualitativa e semiquantitativa dos recursos

naturais, visando a estimativa de potencial de uso agrícola e não agrícola. Está dividido em
baixa intensidade, média intensidade, e alta intensidade.

• Baixa intensidade

Neste nível de reconhecimento limita-se à propósitos gerais de planejamento de

grandes áreas. A faixa preferencial de escalas para publicação varia entre 1:250.000 e
1:750.000. A área mínima mapeável é variável entre 2,5 e 22,5km2.

• Média intensidade

Tem por objetivo obter informações de natureza qualitativa e semiquantitativa dos

recursos ambientais, visando a elaboração de projetos de uso e planejamento. A escala de
publicação varia entre 1:100.000 e 1:250.000. A área mínima mapeável varia entre 40 ha e
2,5km2.

• Alta intensidade

Tem por objetivo obter informações de natureza qualitativa e semiquantitativa dos

recursos naturais, em áreas prioritárias para desenvolvimento de projetos agrícolas. A
escala de publicação é de 1:50.000 a 1:100.000. A área mínima mapeável é entre 10 e
40ha.

40
 • Levantamento semidetalhado

O levantamento semidetalhado é utilizado para provimento de bases para seleção

de áreas com maior potencial de uso intensivo da terra e para identificação de problemas
localizados, nos planejamentos gerais de uso e conservação de solos. As classes são
identificadas em campo por observações a pequenos intervalos no interior das áreas de
padrões diferentes. Visa, com precisão razoável, a avaliação qualitativa e
aproximadamente quantitativa das possibilidades edáficas e naturais de áreas prioritárias
para o desenvolvimento agrícola, implantação de sistemas de colonização e estações
experimentais. As escalas utilizadas para publicações de boa qualidade é até 1:100.000,
embora a escala preferencial seja 1:25.000, com área mapeável de 2,5 a 40 ha.

• Levantamento detalhado

Este tipo de levantamento é utilizado para provimento de bases adequadas para

mostrar diferenças significativas dos objetos alvo em projetos conservacionistas, áreas
experimentais, uso da terra e práticas de manejo em áreas de uso agrícola, pastoril ou
florestal intensivo, em projetos de irrigação e de engenharia civil. Neste tipo de
levantamento as unidades de mapeamento são bastante homogêneas, definidas com
propriedades de amplitude de variação estreitas, quase sempre séries ou fases de séries.
Para publicações, podem ser utilizados mapas em escalas até 1:10.000 a 1:25.000 com
área mínima mapeável de 0,4 a 2,5 ha.

• Ultradetalhado

É utilizado para planejamento e localização de áreas de exploração muito

pequenas, como, por exemplo, parcelas experimentais, áreas residenciais. Em geral são
conduzidos onde são necessárias decisões em termos de pequenas áreas para planejamento
de sistemas sofisticados de agricultura, áreas urbanas e industriais e em projetos especiais
de irrigação. São separadas unidades de mapeamento com variação estreita, muito
homogêneas. É utilizada a escala para publicação maior que 1:10.000 e área mapeável
mínima menor que 0,4 ha.

Num país de dimensão continental como o Brasil, com uma grande carência de
informações adequadas para a tomada de decisões sobre os problemas urbanos, rurais e
ambientais, o Geoprocessamento apresenta um enorme potencial, principalmente se
baseado em tecnologias de custo relativamente baixo, em que o conhecimento seja
adquirido localmente.

41
 Ribeiro (1999), realizou o mapeamento do uso da terra do Alto Rio Pardo,
Botucatu (SP), através da capacidade de uso da terra, utilizando o Sistema de Informações
Geográficas IDRISI. Para tal estudo foi necessário realizar previamente um levantamento
de solos da região assim conferindo certas características à cada classe de solo.
De acordo com IBGE (1999), as legendas de uso da terra compreendem um
conjunto de informações relativas às classes de uso, aos tipos, às espécies utilizadas e às
tecnologias aplicadas, de acordo com vistorias gerais na área a ser levantada, podendo esta
sofrer várias modificações e atualizações de acordo com as informações que forem
levantadas.

42
 3. MATERIAL E MÉTODOS

3.1. Área de estudo

A região de estudo está localizada na Mesorregião do Agreste paraibano, que

compreende as Microrregiões de Campina Grande e do Curimataú Ocidental, onde estão
situados, respectivamente, os municípios de Puxinanã e Pocinhos (Figura 3.1). O ambiente
de estudo apresenta altitudes que variam de 709 a 539 metros e tem como coordenadas
geográficas central 7º09’S e 35º03’W (IBGE, 2000).
A Mesorregião do Agreste, se localiza entre a Zona da Mata e o Sertão. É
considerada uma área de transição, apresentando características naturais semelhantes às
das mesorregiões citadas.

Figura 3.1. Mesorregiões Geográficas do Estado da Paraíba (Fonte: Rodriguez, 1997).

3.2. Geologia e Geomorfologia

A área de estudo é parte da zona fisiográfica da Paraíba “Borborema Central”, onde

a unidade geológica provém da era pré-cambriana e caracteriza-se pela presença de
gnaisses e migmatitos. Estas rochas consideradas metamórficas, têm influência do material
pseudo-autóctone e ocorrem sempre associadas com micaxistos e granitos, incluindo
diques de quartzo, podendo encontrar-se na região algumas partes com geologia de rochas

43
plutônicas ácidas, que são representadas essencialmente pelos granitos (BRASIL, 1972). A
região está sob a unidade Geomorfológica da Superfície da Borborema e sob as Depressões
do Curimataú e do Rio Paraíba (Figura 3.2).

Figura 3.2. Mapa Geomorfológico do Estado da Paraíba (Fonte: Rodriguez, 1997).

3.3. Relevo

O relevo da área de estudo apresenta-se em seu aspecto geral a seguinte unidade

morfológica: Planalto da Borborema com precedente em Frentes do Planalto ou Superfície
do Planalto ou dos Cariris com domínio de relevo suave ondulado a ondulado (BRASIL,
1972).

3.4. Clima

Pela classificação de Köppen, ocorrem na área de estudo os seguintes tipos

climáticos: As' (quente úmido com chuva de outono inverno, com temperaturas máxima de
38oC e mínima de 16oC, microrregião de Campina Grande) e o Bsh (semi-árido quente,
com temperatura nunca inferior a 24oC, região do Curimataú Ocidental), este último
abrangendo a maior parte da região em estudo (BRASIL, 1972; Rodriguez, 1997).
A estação chuvosa pode atingir em alguns pontos sete meses do ano, de fevereiro à
agosto, apresentando-se bastante irregular. A precipitação pluviométrica média anual varia

44
de 700 a 900 mm, nas áreas mais úmidas, e média de 400 mm nas áreas mais secas. As
chuvas concentram-se nos meses de abril a julho, ocorrendo neste período 80% do total
anual (IBGE, 2000).
A Zona de Convergência Intertropical é o principal sistema meteorológico gerador
de chuvas sobre o semi-árido paraibano, apresentando melhor distribuição temporal e
espacial a partir do mês de fevereiro. Entre fevereiro e maio, o valor médio histórico é de
360,0 mm no Cariri e Curimataú. Sobre o Agreste, o período chuvoso concentra-se entre os
meses de abril e julho (SEMARH, 2005). Na Figura 3.3, observa-se a média histórica da
precipitação, em todo território do estado da Paraíba durante os meses de fevereiro, março,
abril e maio.

Figura 3.3. Precipitação média histórica, período de fevereiro a maio no estado da Paraíba
(Adaptado de SEMARH, 2005).

3.5. Vegetação natural

O clima, o relevo e a hidrografia determinam o tipo vegetacional de um local. A

caatinga apresenta-se com duas diferenciações, predominando a vegetação verde nos
períodos de chuva e acizentada ou seca durante a maior parte do ano. São tipos
vegetacionais freqüentes na região: o juazeiro, a palma, o xique-xique, o umbuzeiro, a
faveleira, o mulungú (Ribeiro, 2003).
As plantas regionais possuem um mecanismo denominado de xerofilismo que as
plantas utilizam como capacidade de fugirem aos efeitos das deficiências hídricas ou, que
são tolerantes à escassez de água. Algumas adaptações podem ser observadas como a
redução do tamanho das folhas e a presença de espinhos funcionando como proteção
contra a evaporação, a existência de caules suberosos e raízes profundas dotadas de

45
condições para armazenar substâncias nutritivas (Carneiro, 1998). A extrema facilidade de
rebrote e germinação logo aos primeiros sinais de água, são características intrínsecas das
plantas xerófilas.
De acordo com Carneiro (1998), as plantas xerófilas são classificadas em efêmeras,
suculentas ou carnosas e lenhosas:
• Efêmeras: possuem ciclo vegetativo curto, germinam, crescem, floram e
frutificam ao longo do período chuvoso, desaparecendo durante a seca, são de
porte herbáceo ou arbustivo;
• Suculentas ou Carnosas: possuem caules e folhas carnosas, revestidas de
cutícula espessa e cerosa, tecido espinhoso ou mucilaginoso dotado de
viscosidade, raízes fibrosas e superficiais para absorver o orvalho e as primeiras
chuvas, e órgãos aéreos para sugar a umidade existente no ar durante a noite;
• Lenhosas: árvores e arbustos dotados de estrutura celulósica, de folhas caducas
no verão, de caules e galhos algumas vezes recobertos de camadas suberosas
isolantes do calor solar, folhas capazes de controlar a transpiração, raízes
profundas capazes de buscarem água profundamente e de acumularem reservas
nutritivas.

Na região estudada, encontra-se uma razoável diversidade fisionômica vegetal,

ocorrendo, no entanto, a predominância espacial da caatinga hiperxerófila. As espécies
vegetais hipoxerófilas distribuem-se mais na porção sul da região em estudo, geralmente
onde há melhor distribuição de chuvas, bem como em alguns locais de altos relevos.
De acordo com Collares (2004), o bioma caatinga abrange cerca de 9,9% do
território nacional, se apresentando como quarto maior em extensão territorial brasileiro. O
termo caatinga significa mata clara e aberta e é de origem indígena. Se apresenta no
nordeste brasileiro e em parte do sudeste (Estado de Minas Gerais). É caracterizado por
apresentar clima semi-árido com dois períodos secos anuais: um com longo défict hídrico
seguido de chuvas intermitentes e outro com curto período de seca seguido de chuvas
torrenciais que podem faltar durante anos.
A Savana Estépica, outra denominação para a Caatinga, é a tipologia vegetacional
mais importante, que retrata em sua fisionomia decidual espinhosa e pontilhada de
cactáceas e bromeliáceas. As variações fisionômicas são muito presentes não só em um
lugar e outro, mas também em um mesmo local. Alguns agrupamentos florestais (deciduais
e semideciduais) e de Savana são encontrados em poucas situações especiais como serras e
outros tipos de bolsões climáticos mais amenos (Collares, 2004).

46
3.6. Agricultura e dados socieconômicos

Os dados concernentes a socioeconomia da região puderam ser extraídos dos

censos feitos pelo IBGE e através de pesquisas feitas por meio de questionários com os
agricultores locais (ANEXO I), nas agências da EMATER (Empresa de Assistência
Técnica e Extensão Rural) e nas prefeituras dos municípios.
No entanto, vale ressaltar que a economia regional está assentada na atividade
agropastoril. Na pecuária, os principais rebanhos são de caprinos, aves, bovinos e ovinos,
respectivamente em ordem de importância. Já na agricultura, os principais produtos
trabalhados são o milho, feijão e mandioca, ou seja, a agricultura de subsistência típica do
semi-árido brasileiro.
É importante salientar a presença da cultura tradicional regional o “sisal”, que
outrora fora fonte de renda para muitos moradores da região. Hoje, não apresenta um
quadro comercial bom, com relação à preços de mercado, porém os moradores conseguem
uma renda extra com a produção da fibra sisaleira.

3.7. Material, equipamentos, softwares e ambiente computacional

Foi utilizada uma imagem do satélite Landsat-TM/5, cena obtida na data de 08 de

maio de 2002, composta por três bandas espectrais: 3 (0,45 a 0,52 µm), 4 (0,76 a 0,90 µm)
e 5 (1,55 a 1,75 µm), orbita ponto 265/16. Essas bandas foram usadas em conjunto para
produção de composições coloridas com distribuição das “layers” (bandas), na forma R G
B (red, green, blue).
A imagem foi analisada mediante o emprego do software Erdas Imagine, versão
8.3.1. Para o referido trabalho foram utilizadas as bandas espectrais 3, 4 e 5, pois estas, por
suas peculiaridades anteriormente citadas, são as melhores para os propósitos deste
trabalho. Quando a análise fotointerpretativa, essas bandas foram dispostas na seqüência 4
– 5 – 3.
A imagem de satélite Landsat-TM/5, ou cena do satélite, recobre uma área cerca de
750 km2. Em virtude da área de cobertura de uma cena completa ser grande, seria inviável
o estudo de toda esta região, por isso foi feita a escolha de uma área na imagem através do
programa Erdas. Essa escolha de área é denominado de Escolha da AOI (Área de
Interesse), que abrange partes dos municípios estudados. Foi utilizado um GPS para o
georreferenciamento local em pontos de fácil localização na imagem.
Os materiais científicos cartográficos utilizados foram: as Folhas SB.24-Z-D-III

47
SOLEDADE (Superintendência de Desenvolvimento do Nordeste, 1972 e 1970) na escala
1:100.000; Mapa de Solos das regiões do Agreste e Cariri paraibano (Teotia, 1985) na
escala 1:100.000; Mapa de Solos do Estado da Paraíba (Secretaria Extraordinária do Meio
Ambiente e dos Recursos Hídricos e Minerais – SEMARH, 2004) na escala de 1:400.000;
Mapa de Solos do Estado da Paraíba (Brasil, 1972) na escala de 1:500.000; Mapa
geomorfológico do Estado da Paraíba (IBGE, 2000) na escala de 1:1.000.000; Mapa das
Mesorregiões do estado da Paraíba (IBGE, 2000) na escala de 1:500.000; Mapa da
microrregiões homogêneas do Estado da Paraíba (IBGE, 2000) na escala de 1:500.000;
Mapas de Solo e Vegetação da região Agreste (Ribeiro, 2003) na escala 1:25.000.
As redes viárias, drenagem e outros pontos de controle foram conseguidos através
das cartas topográficas, onde foram anotadas as coordenadas, com o auxílio de um GPS,
objetivando o ajuste correto da base na imagem.

3.8. Disponibilidade de informações geográficas e recursos da terra

Os dados sobre vários componentes requeridos para pesquisa foram coletados de

diferentes fontes. No Quadro 3.1, observa-se a origem das fontes.

Quadro 3.1. Origem das fontes de dados utilizados no estudo

Informações Fontes e/ou dados a serem consutados

1. Uso da terra
2. Solos
3. Inclinação e elevação
4. Seca e inundação
5. Clima
6. Geologia, hidrologia e
geomorfologia
7. Vegetação e floresta
8. Classes de declividade
9. Irrigação e drenagem
10. Limites dos municípios
11. Imagens do Landsat
12. Fotografias aéreas
13. Dados econômicos
Medidas no campo, fotografias aéreas, dados de satélite
(Landsat-TM/5), fotografias da área de estudo
Fotografias aéreas, mapas de solos de várias escalas,
relatório técnico de levantamento de solos e
levantamento no campo
SUDENE, Recife – PE
IBGE, João Pessoa – PB
CCA/UFPB, Areia – PB; EMBRAPA Campina Grande
- PB; CCT/UFPB Campina Grande – PB
CCT/UFPB Campina Grande – PB
IBAMA; CCEN/UFPB, João Pessoa – PB
EMBRAPA Campina Grande – PB
DNOCS; CCT/UFPB, Campina Grande – PB
SUDENE, Recife-PE e prefeituras do estado da Paraíba
INPE, São José dos Campos – SP
Secretaria de Planejamento – PB
IBGE e Banco do Brasil, Campina Grande – PB

48
3.9. Fluxograma de automatização

A análise preliminar das imagens Landsat-TM/5, foi baseada na técnica de

identificação dos objetos a partir de análise de certos elementos da imagem, também
conhecido como Elementos de Análise de Imagens. A análise foi dividida nas seguintes
etapas:

1 - Objetivo de estudo pela interpretação automática, tais como uso da terra, irrigação
potencial, geologia, solo, meio-ambiente

2 - Seleção da área de estudo, por exemplo, (1000 pixel x 1000 pixel) da região em estudo

3 - Seleção do tipo de imagem na forma de cd do Landsat-TM/5

4 - Aquisição de cd do INPE-BR ou Intersat

5 - Transferir os 1.000.000 pixels do cd para o computador

6 - Seleção de software específico para interpretação, no caso Erdas - Imagine

7 - Classificação não supervisionada (Unsupervised Classification) para o uso específico

tais como, uso da terra e cobertura vegetal

8 - Classificação supervisionada (Supervised Classification) para o uso específico tais

como, uso da terra e cobertura vegetal

9 - Trabalhar no campo para coletar as informações e para comparar as unidades de

interpretação automática com os dados verdadeiros do campo

49
10 - Utilização dos critérios de interpretação da United States Geological Systems, na qual
a interpretação sempre deve ser 85% ou mais correta

11 - Utilização das estatísticas relevantes (média, desvio padrão, divergência), para a

classificação supervisionada (Maximum Likelihood Classification)

12 - Utilização de vários tipos de programas para transformações de imagens tais como,

linear, não linear e outros

13 - Avaliação de exatidão (Accuracy Assessment) dos mapas preparados pela

interpretação automática

14 - Correção dos mapas digitais geometricamente

15 - Classificação final e preparação dos mapas dos usos e cobertura vegetal da terra

16 - Anotação para fazer legenda e títulos de mapas digitais

17 - Confecção do relatório final com recomendações de implementação para os projetos

futuros

3.10. Trabalho de campo

Com o objetivo de caracterizar as mudanças no campo, foram selecionados setenta

pontos observacionais dentro da AOI, dos quais quarenta e dois foram caracterizados com
descrições fisionômicas simples e com auxílio de Fichas de Campo (ANEXO II e III), para
o modelo fotointerpretativo, nos quais apresentavam dados do posicionamento geográfico,
do uso da terra, relevo, vegetação, drenagem, erosão e algumas observações que poderiam
ocorrer durante a coleta de dados.

50
 Para o posicionamento global, utilizou-se um GPS GARMIN, o qual foram
anotados dados de latitude e longitude. Para as demais classificações, foram utilizados
dados apresentados na Legenda Complementar (ANEXO II e III).
Foram procedidas cinco viagens à campo conforme descrição na Tabela 3.1:

Tabela 3.1. Descrição dos trabalhos de campo procedidos durante as viagens

VIAGENS/DATA DESCRIÇÃO DOS TRABALHOS

I – 01/04/2005 Reconhecimento da área leste da AOI, fotos, GPS
II – 21/06/2005 Interpretação das regiões leste e nordeste da AOI
III – 12/08/2005 Reconhecimento da porção oeste da AOI, fotos, GPS
IV – 01/12/2005 Interpretação da porção noroeste da AOI
V – 16/12/2005 Levantamento fisionômico, fotos

Para a realização dos trabalhos de campo considerou-se os parâmetros descritos

pelo IBGE (1999). Foram procedidos levantamentos em períodos seco e chuvoso. O
Questionário de Campo (ANEXO I), foi aplicado nas agências da EMATER e nas
prefeituras das cidades de Puxinanã e Pocinhos. Esse questionário foi aplicado também, a
alguns produtores locais de maneira bastante informal.
Para uma visão geral da área trabalhada, foi procedida documentação fotográfica.
Para observações dos padrões estudados em campo, foram utilizados caminhos planejados,
para que fosse possível detectar o máximo possível de variações das paisagem bem como
observar as nuances dentro de cada classe detectada.

3.11. Metodologia aplicada: Erdas Imagine versão 8.3.1

3.11.1. Formação da Composição Colorida

Para uma melhor interpretação das imagens aplicou-se técnicas de realce para
melhorar a qualidade visual das imagens chamada de etapa de pré-processamento para
reconhecimento de padrões. A composição colorida falsa cor utilizada, foi associada aos
canais 4 (G), 5 (R) e 3 (B), sendo selecionadas pela baixa correlação entre si.
Para a realização desta etapa é necessário que se transfiram os arquivos das
imagens de todas as bandas contidas no CD para o computador. Segui-se então com a
escolha das bandas conforme estabelecido nos objetivos. Para este trabalho foram
escolhidas as bandas 3, 4 e 5, pois essas possibilitam uma melhor interpretação para os

51
objetivos do trabalho, numa escala de 1:50.000. Segue-se então como foi realizada a
composição colorida destas três bandas:

• Abrir o programa ERDAS;

• No menu principal do Programa clicar no ícone Interprete;
• Na caixa de diálogo aberta Image Interprete, deve ser clicar no botão Utilities;
• Em Utilities clicar em Layer Stack;
• Aparecerá a caixa de diálogo Layer Selection and Stacking;
• Abaixo, no campo Input File selecione a 1a banda que será utilizada na composição
colorida;
• No campo Output File digite o nome do arquivo de saída que será utilizado para a
composição colorida;
• Na caixa de Diálogo clicar no ícone Add;
• Proceder da mesma forma para as outras duas bandas restantes;
• Clicar em OK e esperar ser processada a composição colorida.

3.11.2. Delimitação da Área de Interesse (AOI) a ser interpretada

É necessário a execução desta etapa de trabalho, uma vez que a mesma possibilita
trabalhar com apenas uma parte da imagem, necessitando para tanto delimitar-se a Área de
Interesse (AOI). Por essa razão, alguns comandos e procedimentos precisam ser
executados e realizados, respectivamente, a saber:

• Abrir o programa ERDAS;

• Abrir a imagem que será processada;
• No menu AOI, clicar em Tools;
• Escolher o polígono ou forma que delimita a área de estudo (no nosso caso, quadrado);
• Começar a desenhar o quadrado pelo vértice superior esquerdo e com o botão esquerdo
do mouse pressionar no sentido da diagonal até o vértice inferior direito;
• No menu Utility, clicar em Inquire Box;
• Clicar em Fit to AOI e em Apply (atenção: não clique em Close);
• Minimizar a viewer e no menu principal clicar em Data Prep;
• Clicar em Subset Image;
• Na caixa INPUT FILE selecionar a imagem que está sendo processada e na caixa
OUTPUT FILE digitar o nome do arquivo de saída (ex.: semiarido.img);

52
• Clicar em From Inquire Box;
• Selecionar Ignore zero in output stats;
• Clicar OK. Esperar o final do Processamento (Job Done) e clicar em OK novamente.

3.11.3. Classificação Não Supervisionada (Unsupervised Classification)

O procedimento inicial consistiu na execução de módulos de processamento que
envolveram o uso do algoritmo ISODATA. Este algoritmo utiliza a fórmula da distância
espectral mínima, processo este que envolve o exame e agregação de pixels em classes
baseados no agrupamento natural de valores dos números digitais, automaticamente,
gerando assinaturas. Data Preparation foi o comando acionado para execução deste
algoritmo.
Numa segunda fase, selecionaram-se os modelos ou atributos da paisagem
previamente conhecidos através de fontes e informações disponibilizadas, como: as Cartas
Base da SUDENE ( SOLEDADE, Folha SB.24-Z-D-III).
Numa terceira fase, definiu-se o número máximo de interações em que o algoritmo
ISODATA agruparia os dados. Este número foi igual a 24 e Processing Options foi o
comando utilizado para executar tal procedimento.
A última fase do processo, consistiu em definir o percentual máximo de pixels que
permaneceria inalterado entre as interações, sendo este valor igual a 0,950, significando
que, assim que 5% ou menos dos pixels mudassem de classe entre as interações, o
processamento seria interrompido. O comando ativado para executar tal procedimento foi o
Convergence Threshold.
Este tipo de clasificação serviu para elaborar o mapa base para as viagens em
campo, uma vez que foi digitalizado antes das visitas, apenas com subsídio dos
conhecimentos literários obtidos da região.
A fase de preparação é que dá início ao processo de uso do algoritmo ISODATA.
Portanto procedeu-se assim:

• No menu principal do ERDAS IMAGE, ativa-se o menu secundário DATA PREP,

clicando no mesmo e em seguida, seleciona-se a opção UNSUPERVISED
CLASSIFICATION (esta opção possibilita o uso do algoritimo isodata);
• Na janela Unsupervised Classification, no campo INPUT FILE, seleciona-se o arquivo
que contém a Área de Interesse (AOI), a qual sua área foi classificada;

53
• No campo OUTPUT FILE, digita-se o nome do arquivo selecionado no campo INPUT
FILE e adiciona-se a palavra isodata entre o nome do mesmo e a extensão (por
exemplo: semiarido_isodata.img);
• Em Cluster Options indique, no campo Number Class, a quantidade de classes que se
deseja a classificação;
• Em Processing Options indica-se, para o campo Maximum Interations e para o
Convergence Theshold, respectivamente, o número máximo de interações que o
Isodata reclassificará a imagem e a porcentagem máxima de pixels em que a
classificação não pode ser mudada entre as interaçõeas. No primeiro caso, seleciona-se
o número 24 e no segundo 0.950;
• Marca-se o Classify Zeros;
• Clica-se em OK, para iniciar o processo de classificação e em seguida, OK novamente.

3.11.4. Avaliação da Classificação Não Supervisionada:

Esta fase do processo de classificação tem por finalidade dispor de um artifício, tal
como uma classificação overlay, para avaliar e testar a precisão da classificação. Sendo
assim, executa-se os seguintes procedimentos:
• No menu principal do Erdas Imagine, ativar o menu secundário VIEWER e selecionar
a seqüência de opções File, Open e Raster Layer;
• No campo Filename: (*. img), selecionar o arquivo classificado;
• Clicar em Raster Options;
• Definir os canais para as cores sugeridas;
• Clicar em OK, para exibir a AOI selecionada;
• Novamente, selecionar a seqüência de opções File, Open e Raster Layer;
• Abaixo do campo Filename: (*. Img), abrir o diretório no qual foi salvo o arquivo
isodata;
• Clicar em Raster Options e selecionar a opção Fit To Frame;
• Clicar em OK;
• Na barra do menu principal, ativar o menu secundário Raster e selecionar a opção
Attributes: o Raster Attribute Editor, abre-se;
• Ativar o menu Edit e selecionar a opção Colum Properties;
• Selecionar a palavra OPACITY e, em seguida, clicar em UP, para mover a palavra
selecionada para cima, até que esta esteja abaixo da palavra HISTOGRAM;

54
• De modo similar, mover a palavra CLASS_NAME até que a mesma esteja abaixo da
palavra COLOR;
• Clicar em OK;
• Em Raster Attribute Editor Dialog, primeiramente, selecionar todas as classes exibidas;
• Clicar, pressionando o botão direito do mouse, no campo OPACITY, selecionar a
opção Fórmula e marcar o n.º 0 (Zero);
• Clicar em APPLY;
• Clicar em CLOSE.

3.11.5. Definição das cores para as classes exibidas na Opacity

Esta etapa consiste em empregar cores pré-definidas para as classificações
determinadas. Foram realizados os passos adiante:

• No menu do Raster Attribute Editor, no campo COLOR, clicar na classe em que se

deseja iniciar a definição da cor (preferencialmente, deve-se iniciar com a classe de no
1);
• Ao executar o procedimento acima, uma lista de cores será exibida. Inicialmente,
seleciona-se a cor amarela para a primeira classe, a fim de proporcionar uma melhor
visibilidade;
• Uma vez selecionada a cor, ativar o menu Utility e, logo em seguida, seleciona-se a
opção Flicker, para analisar quais pixels foram assinalados para esta classe. Neste
instante, é exibida uma janela, no qual deve-se clicar na opção OK e, em seguida
pressionar a tecla Enter;
• Agora que foi analisado os pixels para a classe de no 1, novamente, clica-se no campo
CLASS NAME, para definir essa classe. Feito isto, pressiona-se Enter;
• Uma vez definida a classe, pode-se atribuir em seguida a cor correspondente, bastando
para tanto, clicar sobre a mesma, no campo COLOR e, em seguida, selecionar a cor
ideal que será exibida na lista de cores. Ativar o menu Utility, depois selecionar a
opção Flicker e, por fim, proceda conforme o sub-item 4;
• Use o mesmo procedimento para as demais classes;
• Finalize esta etapa de trabalho, fechando o visor que exibe a composição colorida da
AOI (Área de Interrese).

55
3.11.6. Elaboração dos Mapas Temáticos
Na confecção do mapa temático do uso e da cobertura da terra, foi utilizado o
programa MAP COMPOSER, situado no menu principal do ERDAS IMAGINE, versão
8.3.1. A perfeita manipulação de seus comandos e opções permitiram que fossem
adicionados os seguintes elementos de grupo: título, bordas retangulares e linhas com
intervalos regulares, legenda, barra de escala e norte magnético.
Antes de se proceder a adição dos componentes acima mencionados, foi necessário
definir a área do mapa na folha de trabalho, preparar os dados das camadas e definir
numericamente a área de localização do mapa na folha de trabalho.

3.11.6.1. Definição da área do mapa

A área do mapa foi definida mediante a adoção de atributos numéricos às suas
dimensões, que foram 30,25 X 30,25 cm. Esta área junto com a parte abrangida pelo título
e pela legenda 28 cm X 21,5 cm.
Para proceder a correta definição da área do mapa, foram executadas as etapas
seguintes:

• Ativar o menu secundário COMPOSER e selecionar a opção NEW MAP

COMPOSITION;
• Abaixo do campo NEW NAM: (*. map), atribuir um nome para a composição
estabelecida;
• Respectivamente, nos campos MAP WIDTH e MAP HEIGHT, atribuir os valores 7.50
e 10.00;
• Nos campos DISPLAY SCALE e INCHES, respectivamente, atribuir o valor 1 e
digitar a palavra UNITS;
• Clicar em OK;
• Ativar o menu QUICK, pressionando o botão direito do mouse, e selecionar a opção
FIT TO MAP.

3.11.6.2. Definição da área do mapa na folha de trabalho

Nesta fase, foram definidas as coordenadas em que o mapa, contendo dados da
camada Vector e Raster, iriam ocupar na folha de trabalho (1.0 e 9.0), bem como a escala
(1:100.000). Respectivamente, MAP FRAME DATA SOURCE e Viewer, foram o
comando e a opção utilizadas
Operacionalmente, foi necessário executar as etapas seguintes:

56
• Ativar o menu secundário ANNOTATION, selecionar a opção Tools e clicar no ícone
MAP FRAME;
• Deslocar o cursor ativado até a folha de trabalho e marcar uma área (quadrado ou
retângulo) qualquer, pressionando o botão direito do mouse até sua finalização;
• Clicar em Viewer;
• Clicar em algum lugar da imagem (preferencialmente, no centro);
• Clicar na opção Change Map and Frame Area (Maintain Scale) e, respectivamente, nos
campos WIDTH e HEIGTH, atribuir o valor 5.50 (para ambos).

Após estas etapas foi necessário ajustar a posição do mapa, da seguinte maneira:

• Abaixo de Uper Left Frame Coordinates, respectivamente, clicar nos campos "X" e
"Y" a atribuir o valor 1.00 e 9.00;
• Clicar na opção Change Scale and map Area (Maintain Frame Area) e atribuir o valor
50.000 ao campo Scale;
• Clicar em OK;
• Ativar o menu secundário File e clicar em Close.

3.11.6.3. Adição de título

Através do comando ANNOTATION, foi possível adicionar o título da composição
do tema. Ao deslocar o cursor até a posição desejada e, tão logo clicar no local conveniente
(o cursor torna-se um i-beam), procedeu-se a adição adequada do texto na janela ativada
(Legend Instruction).
Para realizar o procedimento acima mencionado, foi necessário executar as etapas
descritas a seguir:

• Ativar o menu secundário Annotation, selecionar a opção Tools e clicar no ícone Text;
• Mover o cursor em direção ao topo da folha de trabalho;
• Clicar no local conveniente (o cursor torna-se um i-beam) onde deseja adicionar o
título;
• Em Enter Text String, digitar o título desejado;
• Clicar em OK;

57
• Abaixo do campo POSITION, indicar o valor 3.75 e 9.50, respectivamente, para os
campos "X" e "Y";
• Abaixo da palavra Alignment, definir o default;
• Bottom para o campo Vertical e Center para o campo Horizontal;
• Clicar em OK e em Close.

3.11.6.4. Adição de molduras e referências laterais

Foi possível mediante a ativação do comando Set Grid/Tick Info. Para a moldura,
optou-se por um valor igual a 0.060"; para as referências laterais, intervalos a cada 5.000
m.
Nesta fase, foi necessário executar as etapas seguintes:

• Ativar o menu QUICK, pressionando o lado direito do mouse e selecionar a opção Fit
Map To Window;
• Ativar o menu secundário Annotation, selecionar a opção Tools e clicar no ícone
Grid/Tick;
• Clicar no ícone Map Frame;
• Em NEATLINE, atribuir o valor 0 para o campo MARGIM;
• Na opção HORIZONTAL AXIS, selecionar o campo OUTSID LENGHT e atribuir a
variável comprimento o valor 0.06;
• Selecionar o campo SPACING e atribuir o valor 5.000;
• Clicar em COPY TO;
• Clicar em Vertical Axis;
• Clicar em Apply e em Close.

3.11.6.5. Adição de legenda

Mediante a adição deste elemento de grupo, as cores que foram usadas no "overlay"
(ou na composição do tema), puderam ser especificadas. Esta especificação foi automática
e só pode ser realizada através da ativação do comando ANNOTATION e execução das
etapas seguintes:

• Ativar o menu secundário ANNOTATION e clicar no ícone correspondente;

• Mover o cursor, pressionando o mouse, até a posição desejada;
• Pressionando o botão direito do mouse, clicar dentro da composição criada;

58
• Abaixo de Legend Layout, selecionar todas as classes que são apresentadas no campo
Class_names;
• Ativar a opção Title, clicar em Title Alignment e selecionar a alternativa Left-justified;
• Clicar em Apply e em Close.

3.11.6.6. Adição de barra de escala

A adição deste elemento de grupo, também esteve condicionada ao uso do comando
ANNOTATION que, ao ser ativado, acionou o Scale Bar Instruction dialog. Esta janela,
tão logo fora acionada, exibiu o Scale Bar Properties Dialog, onde definiu-se as
propriedades da barra de escala, conforme pode-se observar através das etapas seguintes:

• Ativar o menu secundário Annotation, selecionar a opção Tools e clicar no ícone

relativo a barra de escalas;
• Mover o cursor ativado na direção e clicar na posição conveniente;
• Ativar o Scale Bar Instructions Dialog e, abaixo do campo UNITS, selecionar as
alternativas KILOMETERS;
• No campo Maximun Lenght, selecionar o número 2;
• Clicar em Apply e em OK.

3.11.6.7. Adição do Norte Magnético

Primeiramente, foi necessário ativar o comando ANNOTATION e, em seguida,
selecionar a opção Styles. Respectivamente, North Arrows 4 e 25, foram o estilo e valor do
tamanho de exibição, selecionados para este elemento de grupo, cujos procedimentos de
execução são descritos a seguir:

• Ativar o menu secundário Annotation e selecionar a opção Styles;

• Clicar em Symbol Style e selecionar a opção Other;
• Abaixo do campo Standard, selecionar a alternativa North Arrows 4;
• Clicar no campo Size e selecionar o valor 25;
• Clicar em Apply e em Close;
• Ativar o menu secundário Annotation e selecionar o símbolo +;
• Clicar abaixo da imagem.

59
 Uma vez procedida a adição de todos os elementos de grupo, foi necessário salvar a
composição do tema gerado. Para tanto, foram selecionadas as seguintes opções: File, Save
e Map, sendo necessariamente obrigatório a adição da extensão Map (*.map).

3.11.6.8. Preparação para impressão dos mapas confeccionados

Os mapas confeccionados foram exportados para a extensão JPEG. Porém, para se
fazer esta operação é necessário transformá-lo antes em uma extensão IMG. Procedeu-se
da seguinte forma.

• Clica-se no ícone COMPOSER no menu principal;

• Na caixa MAP COMPOSER, clica-se em Print Map Composer;
• Escolhe-se, no dialogo composer, o mapa que foi composto e clica-se em OK;
• Na caixa Print Map Composer, ao lado do nome Print Destination, escolhe-se IMG
File, e clica-se em OK;
• Depois de processado, clica-se em OK novamente.

Passa-se, agora, da extensão IMG para JPEG.

• No menu principal do ERDAS IMAGINE, clica-se no item IMPORT;

• No dialogo Import/Export, escolhe-se a opção Export;
• No campo Tipe, escolhe-se a opção JFIF (JPEG);
• Abaixo de Input File, escolhe-se o mapa na extensão IMG produzida para seu mapa;
• Clica-se em OK;
• Na caixa export JIFF Data, clica-se em Use Standart Deviation Stretch, para desativa-
lo;
• Clica-se em OK;
• Espera-se terminar de processar e clica-se novamente em OK.

3.11.7. Classificação Supervisionada

A classificação supervisionada é mais controlada do que a classificação não

supervisionada. Neste processo, relaciona-se os pixels que representaram padrões que se
conheciam, ou poderiam ser identificados com ajuda de outros recursos. O conhecimento

60
dos dados, as classes desejadas e o algoritmo são usados antes que seja iniciada a relação
das unidades amostrais.
Pela identificação dos padrões na imagem, ajusta-se o sistema do computador para
identificar pixels com características parecidas ou similares. Pela adição prioritária a essas
classes, supervisiona-se a classificação dos pixels como eles são assinados para um valor
de classe.
Foi necessário desenvolver as seguintes operações neste processo:

• Definição de Assinaturas
• Avaliação das Assinaturas
• Desenvolvimento da Classificação Supervisionada

3.11.7.1. Definição das assinaturas

Nesta operação, defineu-se as assinaturas (paramétricas - estatísticas e não
paramétricas - atributos da imagem), usando as seguintes fases de trabalho:

1. Coleta de assinaturas da imagem a ser classificada usando a Área de Interesse (AOI);

2. Coleta de assinaturas da Feature Space Image usando as ferramentas da AOI e as

ferramentas do Feature Space.

Antes de proceder a execução das fases supra-mencionadas, tornou-se necessário

realizar a leitura do arquivo classificado, executando as etapas seguintes para abrir o
arquivo:

• Selecionar a sequência de opções File, Open e Raster layer;

• Abaixo de Filename: (*. img), selecionar o arquivo (semiarido.img);
• Clicar em Raster Options e estabelecer a composição apropriada na opção Layer To
Colors: 4, 5 e 3 (vermelho, verde e azul, respectivamente);
• Clicar em Fit To Frame;
• Clicar em OK;
• Clicar no ícone Classifier;
• Selecionar a opção Signature Editor;
• Clicar em Close;
• Selecionar a seqüência de opções View e Columns;

61
• Selecionar todas as ROWS, clicando o botão do mouse nas caixas do campo columns, e
clicar, pressionando a tecla shift e o botão do mouse, simultaneamente, nas caixas 3, 4
e 5 (Red, Green e Blue);
• Clicar em Apply;
• Clicar em close.

3.11.7.2. Usando as ferramentas da AOI para colecionar as assinaturas

As ferramentas da AOI são utilizadas, em razão destas permitirem a seleção das
áreas na imagem para ser usada como uma assinatura. Tais assinaturas são paramétricas.
As etapas executadas foram as seguintes:

• Ativar o menu secundário AOI e selecionar a opção Tools;

• Clicar no ícone polígono;
• Arrastar um polígono ao redor do elemento objeto;
• Clicar no ícone correspondente ou selecionar a seqüência de opções Edit e Add;
• Digitar um nome para a assinatura coletada e selecionar a cor conveniente, pressionado
o botão do mouse na coluna Color.

3.11.7.3. Escolha de Pixels semelhantes (Neighborhood Options)

A execução desta opção permite determinar quais pixels serão considerados
contínuos em relação ao pixel matriz, ou algum pixel aceito selecionado. Para tanto, foram
executadas as etapas seguintes:

• Ativar/abrir o menu secundário AOI e selecione a opção Seed Properties;

• Clicar no ícone, o qual estabelece que apenas quatro pixels serão pesquisados (a
esquerda e a direita, acima e abaixo dos pixel matriz);
• Abaixo de Geographic Constraints, atribuir o valor 10.00 no campo numérico Spectral
Euclidean Distance;
• Clicar em Options e selecionar a opção Include Polygons;
• Clicar em Close;
• Clicar no ícone Region Grow;
• Clicar dentro da área de um elemento objeto;
• Respectivamente, atribuir novo número aos campos Área e Spectral Euclidean
Distance;

62
• Clicar em Redo;
• Clicar no ícone Add Signature;
• Justificar a assinatura coletada e a cor e pressionar a tecla Enter;
• Ativar/abrir o menu secundário Utility e selecione a opção Inquire Cursor;
• Arrastar a interação do inquire cursor para visualizar um elemento objeto qualquer;
• Clicar em Grow at Inquire;
• Clicar no ícone Add Signature e pressionar o botão do mouse na coluna Color,
respectivamente, para justificar a assinatura e definir a cor conveniente;
• Clicar em Close;
• Ativar o menu Viewer e selecionar a opção Arrange layers;
• Pressionar o botão direito do mouse sobre a AOI layer e selecionar a opção Delete
layer;
• Clicar em Apply;
• Clicar em Não;
• Clicar em Close.

3.11.7.4. Coleta da assinatura ‘água’ através do Create Feature Space Image

As ferramentas de criação do espaço do Erdas Imagine, permitiram definir
interativamente áreas de interesse (Polígonos ou retângulos), na Feature Space Imagine (s).
Especificamente, esta técnica é usada para extrair uma "signature" (ponto de amostragem)
para a água. A seqüência das etapas executadas, foram as seguintes:

• Selecionar a seguinte sequência de opções: Feature, Create e Feature Space Layers;

• Abaixo de Imput Raster layer: (*.img), digitar o nome do arquivo classificado;
• Clicar em Output to Viewer;
• Selecionar os canais convenientemente na coluna FS Image;
• Clicar em OK;
• Clicar em OK.

3.11.7.5. Posicionamento do cursor através do Image/Feature Space Cursor Linking

Este utilitário permitiu correlacionar diretamente o cursor na imagem viewer para o
Feature Space Viewer. Assim, foi possível observar onde os pixels estão localizados no
Feature Space Image. As etapas executadas foram as seguintes:

63
• Selecionar a sequência de opções Feature, View e Linked Cursors;
• Marcar Select e clicar no Viewer 2;
• Clicar em Link;
• Arrastar o inquire cursor no Viewer (Viewer #1), até a posição referente à água.

3.11.7.6. Definição das assinaturas (Feature Space Signature)

Alguma AOI Feature Space pode ser definida como "signature" não paramétrica em
sua classificação. Para tal, foram executadas as etapas seguintes:

• Selecionar o polígono;
• Clicar no ícone Add Signature;
• Respectivamente, selecionar as opções Feature e Statistics;
• Clicar em OK, quando a função estiver 100% completa, no Job status;
• Clicar dentro da coluna Signature Name;
• Pressionar o botão na coluna Color;
• Clicar em Unlink;
• Clicar em Close;
• Ativar o menu View e selecionar a opção Arrange Layers na Viewer 2;.
• Pressionar o botão direito do mouse sobre a AOI Layer e selecionar Delete Layer;
• Clicar em Apply;
• Clicar em No;
• Clicar em Close e selecionar as opções File e Save As;
• Clicar em OK.

3.11.7.7. Ferramentas para avaliação das assinaturas

Tão logo as assinaturas foram coletadas, estas passaram por um processo de
avaliação, o que só foi possível mediante a utilização das seguintes ferramentas de
avaliação:

• Contingency Matrix
• Assinaturas de Objetos
• Histogramas
• Separação de Assinaturas (Signature Separability)
• Estatísticas

64
3.11.7.7.1. Matriz de erro (Contingency Matrix)

Mediante a aplicação deste utilitário, foi possível avaliar as assinaturas criadas na

AOI da imagem, baseado apenas na classificação dos pixels na área leste da AOI. O
produto final da avaliação proveniente da operação processar deste utilitário, resultou na
geração de uma matriz de percentagem (Matriz de Erro), através da qual foi possível
verificar como muitos pixels, em cada área teste da AOI, foram assinados para cada classe,
individualmente.
As áreas teste da AOI foram classificadas usando o seguinte algoritmo de
classificação Maximum Likelihood (Máxima Verossimilhança). Para rodá-lo, então, foi
necessário executar as etapas seguintes:

• Selecionar todas as assinaturas;

• Respectivamente, selecionar as opções Evaluate e Contingency;
• Clicar em Non-parametric Rule e selecionar a opção Feature Space;
• Clicar em OK;
• Quando o processo estiver 100% completo, clicar cm OK, no dialog Job Status;
• Selecionar as opções File e Close, respectivamente, após ver o dado referência.

3.11.7.7.2. Assinaturas de objetos

A avaliação através de "signatures" estatísticas, tem a finalidade de que as mesmas
possam ser comparadas. Além disso, torna possível visualizar as adições das elipses,
baseadas no desvio principal e desvio padrão de uma "signature", em um Feature Space
Image (Criação do Espaço da Imagem).
As etapas utilizadas para execução desta ferramenta de avaliação, foram as
seguintes:

• Ativar o menu Feature e selecionar a opção Objects;

• Selecionar as assinaturas, simultaneamente, clicando na Classe# desejada e na tecla
shift da Classe# anterior ou posterior;
• Marcar 2 no campo numérico, no Viewer;
• Clicar em Label;
• Atribuir o número 4 no campo numérico Std. Dev.;
• Clicar em OK;
• Clicar em Close.

65
3.11.7.7.3. Histogramas
A utilização desta ferramenta tornou possível a análise dos histogramas para
avaliações das próprias camadas criadas e respectivas comparações. A manipulação de
histograma reduziu automaticamente o contraste em áreas muito claras ou muito escuras,
numa imagem, expandindo também os níveis de cinza ao longo de todo intervalo, gerando
imagens com informações mais perceptíveis ao olho humano, facilitando dessa forma
extração de mais detalhes dos dados das imagens. Para tanto, foi necessário executar as
etapas seguintes:

• Selecionar as assinaturas mediante deslocamento do prompt “>” no sentido de cima

para baixo;
• Respectivamente, selecionar as opções View e Histograms;
• Proceder as alterações no campo Band No, de acordo com a seleção desejada;
• Clicar em Plot.

3.11.7.7.4. Separação das assinaturas (Signature Separability)

Esta ferramenta permitiu computar as distâncias estatísticas entre as varias

"signatures" (pontos de amostragem). Esta distância foi usada para distinguir se as
"signatures" são de um ou de outro elemento. Este utilitário pode também ser usado para
determinar a melhor localização das camadas para usar na classificação.
As distâncias são baseadas na fórmula da Distância Spectral Euclidiana, entre suas
médias, e desenvolvidas com assinaturas múltiplas. As etapas executadas para a aplicação
desta ferramenta de avaliação, foram as seguintes:

• Selecionar todas as assinaturas paramétricas;

• Ativar o menu Evaluate e selecionar a opção Separability;
• Atribuir o número 3 ao campo numérico Layers Per Combination;
• Clique em Transformed Divergence abaixo de Distance Measure;
• Abaixo de Report Type, clicar em Summary Report;
• Clicar em OK;
• Ativar o menu File e selecionar a opção Close;
• Clicar em Close.

66
3.11.7.7.5. Estatísticas
Esta ferramenta permitiu analisar as estatísticas para as camadas, afim de que fosse
possível fazer avaliações e comparações próprias das "signatures" (pontos de amostragem).
Foi necessário executar as seguintes etapas:

• Mover o prompt ">"para a assinatura especifica, ou desejada;

• Ativar a menu View e selecionar a opção Statistics;
• Clicar em Close.

3.11.8. Avaliação da Classificação

O utilitário “Accuracy Assessment” (Precisão da Classificação), foi utilizado para

avaliar a classificação supervisionada, onde permitia comparar no mapa temático gerado
com a classificação supervisionada certos pixels com pixels de referência cujas classes
foram identificadas através de checagem de campo.
No processo de avaliação foram gerados 250 pontos aleatórios na imagem
classificada. Estes pontos constituíram-se como referência e, por essa razão, foram
comparados com as classes definidas.
Para que a matriz de erro pudesse ser gerada, cada ponto teve seu valor diretamente
referenciado ao pixel imediatamente abaixo dele (localizado no centro da matriz gerada
para cada ponto), após serem analisados e avaliados. Por ocasião dos dados apresentados
na matriz em questão, foi possível determinar o Total de Precisão e a Estatística Kappa.
Para a elaboração do Mapa temático da Cobertura e Uso Atual da Terra pelo
método da classificação supervisionada foram seguidos os mesmos procedimentos
utilizados para a classificação não supervisionada, o que concerne a adição dos elementos
de grupo: título, bordas retangulares e linhas de intervalos regulares, legenda, barra de
escala e norte magnético.

67
 4. RESULTADOS E DISCUSSÃO

A partir dos dados analisados, apresentam-se a seguir as considerações mais

importantes obtidas com base na análise visual e por interpretação de campo de uma
imagem de satélite, usada nesse estudo. Serviram também de subsídio para as discussões as
informações adquiridas com os agricultores regionais através de questionários previamente
elaborados tendo como base o questionário contido no ANEXO I, bem como informações
sócio-econômico-ambientais recolhidas em postos da EMATER-PB, nas cidades de
Pocinhos e Puxinanã.
Na Figura 4.1, observa-se a delimitação da área de interesse, chamada de AOI, na
qual foram aplicados os procedimentos descritos na metodologia do trabalho. Ressalva-se a
importância das cores de acordo com a distribuição das bandas espectrais (4, 5 e 3).
Através da análise digital da imagem multiespectral obteve-se:
• Classes identificadas;
• Chave de fotointerpretação;
• Mapa digital pelo método de classificação supervisionado;
• Caracterização dos estratos/classes definidas;
• Distribuição espacial dos estratos/classes definidas;
• Precisão da classificação;
• Estatísticas Kappa.

68
Figura 4.1. Composição colorida da região agreste em estudo delimitada como AOI

69
4.1. Classes identificadas

A partir dos dados obtidos nas observações de campo e com os agricultores, além
de informações sobre a sócio-economia local, associada a interpretação da imagem, foram
identificadas 08 (oito) classes de uso da terra e cobertura vegetal, assim distribuídas:

Tabela 4.1. Unidades identificadas com suas cores determinadas

UNIDADES COR
1. Água/Áreas úmidas AZUL
2. Caatinga 1 VERDE MUSGO
3. Caatinga 2 VERDE CLARO
4. Agricultura tradicional MARROM
5. Pastagem CINZA
6. Agricultura de subsistência LARANJA
7. Afloramentos rochosos/Área urbana AMARELO
8. Solos desnudos BRANCO

No tópico Caracterização dos estratos/classes definidas, será comentado e discutido

cada classe de acordo com suas peculiaridades.

4.2. Chave de fotointerpretação

Para critério de fotointerpretação, foram utilizados algumas metodologias citadas

por Moreira (2004), tais como tonalidade, cor e textura. Outras metodologias serviram
como suporte na classificação como padrão de drenagem, sombra, tamanho e forma.
Para possibilitar uma melhor diferenciação da cobertura vegetal, as bandas
espectrais foram sequenciadas da seguinte forma 4 (G), 5 (B) e 3 (R). De acordo com
Maldonado (1999), estudando a cobertura vegetal em área do semi-árido pernambucano, as
bandas espectrais 4 e 3 se comportam de maneira similar em época seca, porém de forma
inversa em época úmida. A imagem, aqui trabalhada, foi obtida em época seca na região.
No presente trabalho, a banda 3 foi selecionada para detecção de mudanças, por
discriminar bem o solo exposto e ter uma menor dependência da folhagem a qual
demonstra um caráter muito variável na caatinga (Maldonado, 1999).

70
 Na banda 3, as cores apresentadas indicam as freqüências dos pixels para o nível
pancromático. As menores freqüências são indicadas pelos tons avermelhados, em
seqüência os tons azuis/ciano e magentas. Para Moreira (2004), a cor é usada como
parâmetro para discernir tipos diferentes de vegetação ou estádio de desenvolvimento de
determinada espécie, principalmente em áreas agrícolas.
A vegetação lenhosa, ou mais densa, apresentou-se na cor vermelha, ou numa
variação desta, de acordo com o grau de cobertura da terra. A maior ou menor quantidade
de biomassa verde que a vegetação apresentou na época da tomada da imagem, bem como
a localização, são características que influenciam nesta variação de cor (Isaia et al., 1992).
A cor que predominou na classificação de locais com reservatórios de água ou
ambientes com alto grau de umidade, foi a preta. Essa coloração facilitou a classificação de
corpos d’água pois é bem específica e de rápida localização.
A agricultura tradicional apresentou-se na coloração verde, ou uma pequena
variação desta, decorrente do tipo de cultura que se destinava, se áreas sisaleiras ou de
plantio de palma forrageira. Demonstrou-se com uniformidade e de localização
relativamente fácil.
As colorações e variações para classificar a pastagem e a agricultura de subsistência
provocou confusão, necessitando utilizar outros critérios de fotointerpretação para uma
maior precisão.
Para a caracterização dos afloramentos rochosos e área urbana, a coloração
característica apresentada foi o azul/ciano, ou uma variação desta. Ainda, entraram nesta
classificação os trechos rodoviários. Estes apresentaram altas reflectâncias.
Os solos desnudos foram os que apresentaram níveis mais altos de reflectância,
onde a coloração predominante foi o azul claro, ou uma variação desta.
Com relação às tonalidades, considerou-se a variação entre clara, média e escura,
independente da cor que representava a vegetação. Tal qual Ferreira (2001), este foi um
dos melhores critérios para diferenciação dos estratos de vegetação lenhosa, pois indicou
um menor ou maior grau de cobertura dos solos. Para Moreira (2004), a tonalidade é um
parâmetro qualitativo, ou seja, indica a presença de alvos com reflectâncias diferentes.
Maldonado (1999), reporta que a resposta espectral da vegetação nativa do semi-
árido varia de acordo com o efeito do sombreamento dos troncos e galhos, com a
influência da quantidade de folhas e com a diminuição da reflectância dos elementos
subjacentes dos estratos inferiores decorrentes do efeito de sombreamento provocado pela
porção lenhosa. As tonalidades referentes a cada classe, estão apresentadas no Quadro 4.
No processo de classificação da imagem, como critério complementar, utilizou-se a

71
textura, caracterizado como os padrões lisa ou rugosa, homogênea ou heterogênea, ou
numa combinação destas. Serviu para diferenciar as classes de vegetação nativa de acordo
com a espacialização apresentada por cada um, no caso, densa ou fechada e aberta.
Também foi utilizada para diferenciação dos tipos de agricultura tradicional, bem como
destes com a agricultura de subsistência e suas próprias nuances. Moreira (2004), reporta
que a textura é o padrão de arranjo espacial dos elementos texturais, que são as menores
feições contínuas e homogêneas distinguíveis.
Um dos parâmetros de grande importância na interpretação de imagens é o efeito
do sombreamento, pois a reflectância dos alvos podem ser diferenciados dependendo do
grau de sombreamento que são expostos. Para Moreira (2004), o que pode ocasionar
sombreamento são as irregularidades dos dosséis e as características do relevo. A chave de
fotointerpretação resultante da classificação supervisionada está exposta no Tabela 4.2.

Tabela 4.2. Aspectos fotointerpretativos da AOI

Critérios de fotointerpretação: bandas 3, 4 e

CLASSES 5
Cor Tonalidad Textura
e
1. Água/Áreas úmidas Preta Escura Lisa e homogênea
2. Caatinga 1 Vermelha Escura Lisa e homogênea
3. Caatinga 2 Vermelha Média Rugosa
4. Agricultura tradicional Verde Escura Rugosa e homogênea
5. Pastagem Verde Média Rugosa e heterogênea
6. Agricultura de subsistência Verde Clara Lisa e heterogênea
7. Afloramentos rochosos/Área urbana Azul/ciano Média Rugosa e homogênea
8. Solos desnudos Azul Clara Rugosa e heterogênea

4.3. Mapa digital gerado pelo método de classificação supervisionado

A caracterização das classes anteriormente citadas foi obtida pelo método de

classificação supervisionado, cuja legenda fora definida levando em consideração a
estratificação realizada por Ferreira (2001) e Maldonado (1999). Mediante a análise digital
da imagem multiespectral do satélite Landsat, através do Software Erdas Imagine e do
programa Map Composer, obteve-se o mapa digital, para região em estudo, na escala de
1:100.000 (semi-detalhado) e que recobriu uma área de aproximadamente 330 Km2 (Figura
4.2).

72
Figura 4.2. Mapa temático da distribuição espacial do uso e da cobertura da terra em áreas
do Agreste paraibano.

73
4.4. Caracterização dos estratos/classes definidas

A discriminação e o mapeamento das classes identificadas apresentaram algumas

limitações decorrentes das pequenas áreas das propriedades agrícolas, porém, a análise
conjunta dos elementos fotointerpretativos auxiliaram para contornar as dificuldades
encontradas. A caracterização das classes identificadas vem a seguir:

• Classe 1: Água/Áreas úmida

Para Moreira (2004) a reflectância da água é devida aos elétrons da própria massa
de água e às partículas nela dispersas. Nesse trabalho, considerou-se mais a questão das
partículas dispersas, uma vez que a região sofre bastante com erosões provocadas por
carreamento de partículas sólidas para os corpos d’água, quer seja por ação dos ventos ou
das chuvas.
Neste caso, de fácil identificação, esta classe caracterizou-se na digitalização do
mapa pela coloração preta de tonalidade escura e textura homogênea. Corresponde a todos
os reservatórios de água naturais ou artificiais, como exemplo deste o Açude Catolé, que
no mapa está apresentado na porção norte central da imagem. Este é o reservatório de água
mais representativo do ambiente estudado.
As áreas úmidas, geralmente se apresentaram próximas aos reservatórios de água e
dos cursos naturais dos rios ou acompanhando a rede de drenagem local. A grande maioria
corresponde à áreas de baixios dos vales.
Este fato é muito peculiar na região e corrobora com estudos feitos por Ferreira
(2001) e Gonçalves (2004), que trabalharam em regiões semi-áridas da Paraíba. Nesta
classe, pode-se observar que a maioria dos reservatórios encontrados são de pequeno à
médio porte (Figura 4.3).

Figura 4.3. Características referentes a classe 1, Água/Áreas úmidas na região em estudo.

74
 Um ponto negativo à se ressaltar nessa áreas, é a ocorrência de lixos expostos no
riacho que circunda a cidade de Pocinhos (Figura 4.4). A retirada da vegetação natural
nessa área já foi quase que completa, e se constata sua substituição, até de forma
espontânea, pela espécie algaroba (Prosopis juliflora). Ainda, é possível observar que em
segundo plano na figura existem currais de criação de gado bovino bem como suíno, onde
todo o material que é depositado pelos animais escorre de forma direta para o curso de
água.
Foi observado no mesmo local, nos entulhos de lixo jogados pela população, pneus
de borracha. Sabe-se que a borracha não tem tempo determinado para sua decomposição,
quando jogada no meio ambiente. Para tal fato, alguns moradores alegaram que não há
coleta periódica na região, por isso se vêm obrigados a despejarem todo o lixo de suas
residências nesse local.

Figura 4.4. Vista panorâmica de um riacho poluído localizado na cidade de Pocinhos–PB.

• Classe 2: Caatinga 1
Para se estudar a interação que a vegetação possui com a reflectância é necessário
que se entenda os indivíduos que compõem a comunidade vegetal. Para Moreira (2004), no
sensoriamento remoto, é necessário entender os órgãos de nutrição das plantas (raiz, caule
e principalmente folhas), porém para o ambiente semi-árido, também é preciso entender o
que se apresenta abaixo do dossel, ou seja, o que acontece com as plantas herbáceas. Não
só isso, pois os galhos e troncos também influenciam diretamente na reflectância das
plantas nesse ambiente.
Seguindo os critérios propostos por Maldonado (1999), esta classe foi apresentada
como vegetação de Caatinga Hiperxerófila arbustiva-arbórea contínua (Figura 4.5). Esse

75
estrato é caracterizado por indivíduos que apresentam porte variável em torno de 3 a 4,5
metros. Apresentam-se em solos rasos, com alto grau de pedregosidade, presença de
afloramentos de rocha, matacões e calhaus.

Figura 4.5. Aspectos gerais dos componentes da classe 2.

Boa parte dessa área é utilizada para pecuária extensiva caprina e bovina. Os solos
que ali ocorrem, não são recomendados para exploração agrícola devido a forte
susceptibilidade à erosão e forte impedimento agrícola causado pelas características físicas
do solo.
O suporte natural de nutrientes, que ainda assegura a vida vegetal, se apresenta na
ciclagem natural de nutrientes, que mesmo sendo em pequena escala, devido a constante
retirada da vegetação para fins energéticos, ainda supre as necessidades básicas de
sobrevivência das plantas.
No que concerne aos aspectos geomorfológicos e hidrológicos das áreas de
ocorrência da vegetação desta classe, em geral, demonstraram que a mesma situa-se em
áreas onde o relevo é suave ondulado, apresentando o padrão de drenagem dendrítico.
Fisionomicamente, o estrato arbustivo-arbóreo contínuo apresentou uma maior
variabilidade de espécies florestais aqui identificadas: catingueira (Caesalpinia
pyramnidalis), jurema preta (Mimosa hostilis), faxeiro (Cereus squamosus), aveloz
(Euphorbia gymnoclada Boiss.), braúna (Schinopis brasiliensis), mulungú (Eritrina
velutinosa), mofumbo (Cobretum leprosum), pinhão bravo (Jatropha pohliana), umburana
(Commiphora leptofloeos), cardeiro (Cereus chrysostele Vaupl.), xique-xique
(Pilosocereus gounelli), marmeleiro (Croton hemiargyreus), mandacarú (Cereus
jamacaru), macambira (Bromelia lacimiosa).
É bastante interessante ressaltar a utilização principal do aveloz na região, este se
presta a construção de cercas vivas, por ser um arbusto lactescente e que forma densas

76
moitas, impedindo o egresso de animais indesejáveis aos locais delimitados por esse
vegetal.
Seguindo padrões definidos por Ferreira (2001), o grau de sombreamento para esta
classe foi definido como forte, em que a razão se apresentou em três árvores por metro
quadrado, o que leva a considerar que nestas áreas há uma proteção mais efetiva do solo
contra a ação direta de gotas de chuva e do vento.
Uma opção vislumbrada para as áreas de Caatinga, é a criação de APP’s (Áreas de
Preservação Permanentes), de acordo com as leis federais vigentes, uma vez que o nível de
degradação e depauperamento dos solos é bastante visível, quer seja por processos erosivos
ou por ações antrópicas. Para que os proprietários de terras não ficassem desprovidos de
algumas fontes de renda, decorrentes do uso dos recursos naturais dessas áreas, o governo
poderia lançar de subsídios agrícolas ou, em certos casos, incentivos fiscais.

• Classe 3: Caatinga 2
Esta classe foi apresentada como sendo vegetação de Caatinga Hiperxerófila
arbustiva-arbórea descontínua ou aberta (Figura 4.6), de acordo com critérios propostos
por Maldonado (1999). Caracterizou-se pela presença de indivíduos com porte médio entre
2 e 3 metros com cobertura razoável do solo. Análogo à classe 1, apresenta-se em solos
rasos, com alto grau de pedregosidade, presença de afloramentos de rocha, matacões e
calhaus.
O grau de sombreamento para esta classe foi definido como moderado, seguindo os
padrões definidos por Ferreira (2001), em que a razão se apresenta em duas árvores por
metro quadrado.
Os aspectos geomorfológicos e hidrológicos das áreas de ocorrência desta
vegetação, evidenciaram que as mesmas situam-se em áreas onde o relevo e a drenagem se
apresentam, respectivamente, sob os padrões suave ondulado à ondulado e dendrítico.
Tal qual a classe 1, boa parte dessa área é utilizada para pecuária extensiva, caprina
e bovina. Todavia, há alguns anos atrás, essa área apresentava-se com um padrão de
cobertura do solo maior do que atualmente. A retirada de material vegetal para uso
energético, não só pela população local, bem como por empresas que utilizam da madeira
como fonte principal de energia (padarias, olarias etc), foi um dos principais fatores que
culminaram na diminuição de grande parte dos remanescentes vegetacionais.

77
Figura 4.6. Aspectos gerais da Caatinga Hiperxerófila arbustiva-arbórea descontínua na
região em estudo.

O estrato da classe em questão apresentou uma variabilidade razoável dentre das

condições esperadas. Aqui, as espécies florestais identificadas foram as seguintes:
catingueira (Caesalpinia pyramnidalis), jurema preta (Mimosa hostilis), faxeiro (Cereus
squamosus), aveloz (Euphorbia gymnoclada Boiss.), mofumbo (Cobretum leprosum),
pinhão bravo (Jatropha pohliana), cardeiro (Cereus chrysostele Vaupl.), xique-xique
(Pilosocereus gounelli), marmeleiro (Croton hemiargyreus), faveleira (Cnidoscolus
phylacantus), mandacarú (Cereus jamacaru), macambira (Bromelia lacimiosa). Vale
ressaltar que nestas áreas foi comprovada grande presença de uma espécie vegetal exótica,
que até por alguns autores já é considerada como natural, a algaroba (Prosopis juliflora).
A exploração agrícola dessa área não é recomendada, pois o forte impedimento
agrícola é apresentado pelas características físicas do solo, isto é solos rasos que
apresentam alto grau de pedregosidade, o que impede, de certa forma, a ação de
mecanização na agricultura.

• Classe 4: Agricultura tradicional

Este tipo de agricultura, segundo o IBGE (1999), é praticado por pequenos e
médios produtores que utilizam práticas agrícolas tradicionais em que o conhecimento das
técnicas é empírico, ou seja, repassados através de gerações e onde não é utilizado uma
orientação técnica especializada para o manejo da área e da cultura. Apresenta-se ainda
com relações sociais de produção predominantemente familiares.
Com isso, esta classificação foi distinguida de acordo com o alto grau de uso da
terra por dois tipos de cultura, a palma forrageira (Opuntia Ficus-indica Mill.) e a do sisal
(Agave sisalana Perr.), que já estão arraigadas na cultura tradicional da população do semi-
árido nordestino (Figura 4.7 e 4.8).

78
Figura 4.7. Aspecto típico da palma forrageira, cultura tradicional .

Figura 4.8. Aspecto típico do sisal como cultura tradicional regional.

A palma forrageira é da família das Cactáceas, de porte bem desenvolvido. Preciosa

forrageira para o gado, pela abundância de água e vitaminas encontradas em sua
composição em época de seca. Também, seus frutos podem ser utilizados na alimentação
humana, sendo bastante apreciados nas regiões andina e asiática. Serve de fonte de renda
extra na época da seca para os agricultores locais.
O sisal, ou como é conhecido na região “o agave”, é da família das Amarilidáceas,
planta subcaulescente, de folhas carnosas. Apresenta grandes possibilidades econômicas
para os agricultores regionais. Devem ser preferencialmente cultivados aproveitando a rede
de drenagem ou aproveitando os vales dos rios, ou nas serras agrícolas.
As áreas que são cultivadas com essas culturas apresentam baixa declividade e a
fertilidade natural parece ser promissora. Com relação às questões geomorfológicas e
hidrológicas, essas áreas apresentam-se com os padrões de relevo suave ondulado à

79
ondulado e padrão de drenagem dendrítico.
A produção, em sua grande maioria, é destinada para o consumo dos animais na
época seca, a qual os pastos estão sem vegetação. Ainda, visto que essas culturas trazem
uma renda extra para os agricultores, estes lançam mão, em pequena escala e em poucas
áreas, da adubação natural, principalmente com esterco bovino.
O fator limitante para esta classe está na presença de pedregosidade em algumas
áreas de plantio das espécies, além da erosão pelo mau uso agrícola das terras sem as
devidas precauções. Em alguns locais o relevo é bastante acidentado sendo considerado um
forte fator limitante. Porém o principal dos fatores está ligado à escassez de água,
intrínseco à região.

• Classe 5: Pastagem
A maior parte dessa área é aproveitada com pecuária extensiva bovina e caprina,
utilizando nessa área pastagens de gramíneas e leguminosas espontâneas. Em alguns
trechos, verifica-se experiências no sentido de formação de pastagens artificiais,
principalmente com o capim buffel (Cenchrus ciliaris) e o capim elefante (Pennisetum
purpureum Schum.).
O capim elefante, Família das Gramíneas ou Poacea, são vegetais rústicos, de
resistência relativa a escassez hídrica e ao frio, facilidade de multiplicação, onde é
utilizado tanto para fenação como ensilagem para uso na época das secas. Garantem
também uma renda extra para alguns agricultores, quando o ano é bom de chuvas.
Nestas áreas de pastagem, apresentam-se alguns remanescentes florestais nativos,
como o juazeiro (Zizifus juazeirus) e o mulungú (Eritrina velutinosa). Também algumas
espécies herbáceas consideradas pioneiras nos estágios de sucessão da vegetação natural,
foram observadas tal como a faveleira (Cnidoscolus phylacantus Pax.) (Figura 4.9).
No que concerne aos aspectos geomorfológicos e hidrológicos dessa classificação,
o padrão de relevo se apresentou como plano à suave ondulado, já a drenagem não se
observou um padrão característico.
Através de conversas com alguns agricultores da área, esses comentaram que em
meados da década de 90, o governo subsidiou o plantio de capim na região. Alguns
tentaram essa inovação, porém com resultados não muito satisfatórios pois os pastos
sucumbiram a falta de água que é peculiar da região.
Estes mesmos ainda reclamam da espécie algaroba (Prosopis juliflora), que
também foi trazida como fonte de alimento para os animais, porém acabou se tornando
uma praga para os produtores. Essa espécie possui um sistema radicular bastante longo,

80
buscando água até profundidades muito grandes, dessa forma chega até o lençol freático,
assim acabando com o pouco de água que se apresenta no subsolo regional. Anteriormente
a chegada dessa espécie, contam eles, havia água nos cacimbões que existem nos cursos
dos rios secos, hoje já não mais existe.
Um dos fatores limitantes para esta classe identificada, está na presença de
pedregosidade em alguns locais, o que impede a motomecanização agrícola. Porém, o fator
limitante principal desta classe é a escassez de água.

Figura 4.9. Demonstrativo da classe pastagem com alguns remanescentes nativos

regionais.

• Classe 6: Agricultura de subsistência

Toda e qualquer atividade agrícola praticada apenas com a finalidade de
subsistência do produtor, em que se existir sobras a ser comercializada, o valor deste bem é
utilizado para a complementação da alimentação com produtos que o indivíduo não tem
capacidade de produzir, é caracterizado como agricultura de subsistência (IBGE, 1999).
De acordo com estes parâmetros, observou-se nessa área, a ocorrência de uma
variedade de produtos agrícolas típicos da cultura nordestina de subsistência (Figura 4.10),
tais como o plantio de feijão carioquinha (Phaseolus vulgaris), feijão macassá (Vigna
unguiculata), milho (Zea mays), macaxeira (Manihot utilissima), batata doce (Solanum
tuberosa), algodão (Gossipium hirsutum) e ainda a maniva ou mandioca (Manihot sculenta
Crantz.).

81
Figura 4.10. Principais culturas de subsistência na região, milho e feijão.

Na cultura do algodoeiro, da Família das Malváceas, sua maior importância está nas
fibras, porém com os caroços podem ser fabricados tortas que alimentam o gado bovino na
época das secas. São dispersados em solos e climas diferentes.
Nessas áreas também foram distinguidos alguns plantios em pequenas áreas e de
forma isoladas de espécies frutíferas tais como o cajú (Anarcadium occidentale Linn.),
côco (Coco nucifera Linn.), manga (Mangifera indica Linn.), umbú (Spondias tuberosa) e
jaboticaba (Myrciaria cauliflora Berg.).
Da Família das Palmáceas, o côco se presta à produção de frutos verdes para
extração da água de côco, como bebida refrescante e dos frutos maduros se faz o doce
caseiro, além da retirada do leite de côco, bastante utilizado na culinária regional.
Um dos principais frutos de importância econômica da região é o cajú (Figura
4.11), família das Anacardiáceas, onde é utilizado tanto o pedúnculo floral, que é o
pseudofruto, como a própria castanha, fonte de renda para os agricultores em época de
frutificação. O pseudofruto é bastante utilizado na alimentação dos moradores locais, pois
é grande fornecedor de vitamina C. Na região, utiliza-se também a farinha da castanha. O
gado utiliza bastante de sua copa como abrigo do sol causticante do nordeste.
Tanto a jaboticaba como a manga, respectivamente, Famílias das Mirtáceas e das
Anacardiáceas, sendo a primeira de porte médio e a segunda de porte mais elevado, servem
de fonte de renda extra para os agricultores em época de frutificação, além de serem
consumidas pelas próprias famílias locais. Têm maior ocorrência na região leste da área de
trabalho, ou seja, onde há uma melhor distribuição das chuvas e maior umidade relativa do
ar, decorrente da presença de altos relevos.

82
Figura 4.11. Pomar demonstrando a principal frutífera regional, o cajú.

Árvore considerada símbolo do sertão semi-árido nordestino, o umbuzeiro, Família

das Anacardiáceas, tem a sua frutificação no início das chuvas (mês de abril). É uma das
fontes de vitamina C que dispõe a população, além de renderem um dinheiro extra para os
agricultores que vendem tanto o fruto in natura como também doces e compotas
artezanais.
O que concerne a hidrologia e geomorfologia, os padrões apresentados nessa classe
foram, para a drenagem o dendrítico e para o relevo o plano à suave ondulado.
São quatro os fatores limitantes para esta classe definida: a presença de
pedregosidade em algumas áreas, o que impede a utilização de mecanização. Onde o
relevo é mais acidentado ocorre erosão, conseqüência da retirada do material vegetal do
solo e da falta de técnicas adequadas de plantio e manejo do solo. Ainda, há o uso de
técnicas rudimentares de exploração agrícola que intensificam a degradação dos solos
regionais, como as queimadas e o superpastoreio. Porém, a principal limitação para esta
classe está na escassez de água na região, o que impede o melhor desenvolvimento das
culturas.

• Classe 7: Afloramentos rochosos/Área urbana

Em virtude da homogeneidade espectral apresentada por esses dois alvos da
superfície de estudo, ambos tiveram que serem agrupados numa única classe, cujas
características são apresentadas a seguir:
• Área urbana: caracterizou-se por áreas em que grande parte do solo é ocupada
por atividades do setor da construção civil, sendo estes destinados à fins
residencial, comercial, de serviços e industrial (Figura 4.12).

83
 • Afloramentos rochosos: caracterizam-se pela exposição de elevações de rochas
isoladas, chamados de inselbergs, de dimensão e altura variável, cobertas com
manchas de vegetação de porte arbustivo-herbáceo, por vezes arbóreo (Figura
4.13). Esta classe está distribuída próxima a sede da cidade de Pocinhos e em
alguns pontos da região de estudo. A rede viária também foi incluída nessa
classe.
O relevo onde ocorrem essa elevações rochosas é em sua grande maioria plano a
suave ondulado, em alguns trechos apresenta-se ondulado.
Nas áreas urbanas, foram observados algumas espécies vegetais que são utilizadas
como ornamentação de praças e ruas, como o sombreiro, a algaroba, dentre outras. Junto
com os afloramentos rochosos, foi observado a presença de cactáceas e bromeliáceas
típicas da região.

Figura 4.12. Vista panorâmica da área urbana da cidade de Pocinhos-PB

Figura 4.13. Aspectos gerais da classe identificada, demonstrando os afloramentos

rochosos tão peculiares à região.

84
• Classe 8: Solos desnudos
Os solos desnudos não apresentaram dificuldades para serem caracterizados, sendo
que estes estão ligados diretamente à antropização como roçados e vizinhança de açudes.
Estas são áreas onde o estrato florestal encontra-se modificado, como conseqüência
da utilização desordenada da vegetação nativa regional para utilização em atividades
antrópicas tais como pecuária extensiva bovina e caprina. Na região é necessário a
disposição de grandes áreas como pastagem, para que se possa promover um pastoreio
adequado, evitando empobrecimento da vegetação e do depauperamento dos solos. Porém
como as propriedades são de pequeno porte sempre ocorre o superpastoreio.
A agricultura intinerante também é um dos fortes fatores que propiciam na
degradação das terras locais, pois para o aproveitamento do solo, os lavradores utilizam-se
de técnicas sem embasamento científico que intensificam a degradação e que são
comprovadamente letais para os solos. Dentre elas estão os desmatamentos e as queimadas
desordenadas.
Não obstante, a retirada de material florestal com fins energéticos também é um
grande gerador de desequilíbrios ambientais. Sabe-se que na região não só é extraído os
estéreis para o uso energético da população local, mas também de empresas da região que
fazem o uso desse material.
Nessas áreas são perceptíveis o declínio da fertilidade natural do solo, bem como a
má qualidade das águas dos reservatórios naturais e artificiais e dos riachos, devido a
sedimentação por partículas sólidas provocados pela erosão e enxurradas. Esse fato deve-se
a retirada da maioria do material vegetal da caatinga regional.
Como se pode observar no mapa digital, a maioria dessas áreas se encontram nas
porções leste e noroeste da imagem, fato esse devido ao grande uso dessa área pelos
produtores, uma vez que estes solos outrora apresentavam-se com condições mais
propicias ao uso agrícola e por apresentarem baixa pedregosidade, com relevo suave
ondulado a plano (Figura 4.14).
Estas áreas são caracterizadas por terem sido utilizadas com fins agrícolas ou
pastoris, e em conseqüência destas práticas a vegetação natural fora totalmente removida
apresentando assim uma alta reflectância espectral. Estes solos estão, quase que em sua
totalidade praticamente expostos a ação do sol e chuva. A erosão nessa classe é bastante
forte e nítida. Em época das chuvas aparecem algumas plantas que são utilizadas pelos
animais durante o pastoreio, porém como são em pequena número rapidamente sucumbem
a retirada excessiva provocada pelos animais.

85
Figura 4.14. Caracterização dos solos desnudos da região em estudo.

4.5. Distribuição espacial dos estratos/classes definidas

De acordo com o mapa digital elaborado, e suas classes definidas, foram calculadas
as áreas de distribuição espacial das fácies, cuja percentual por classe e da área total que
compreende 629Km2, estão ilustrados nas Figuras 4.15 e 4.16.

Distribuição espacial das classes definidas

12% 3% 15%
8%
18%

21%
16% 7%
Caatinga 1
Caatinga 2
Agricultura tradicional
Afloramentos rochosos/Área urbana
Pastagem
Agricultura de subexistência
Solos desnudos
Ägua

Figura 4.15. Distribuição percentual das classes identificadas.

86
 Distribuição da área total em
quilômetros quadrados
39,6 9,9 49,5
26,4
59,4

69,3
52,8 23,1
Caatinga 1
caatinga 2
Agricultura Tradicional
Afloramentos rochosos/Área urbana
Pastagem
Agricultura de subsistência
Solos desnudos
Água

Figura 4.16. Distribuição total, em Km2, das classes identificadas.

De acordo com a distribuição de área por classes identificadas da região em estudo,

observa-se que as fácies de vegetação, que correspondem à vegetação de caatinga
hiperxerófila arbóreo-arbustiva densa e a vegetação de caatinga hiperxerófila arbóreo-
arbustiva aberta, aparecem respectivamente com 49,5 e 26,4 Km2, perfazendo uma área
total de vegetação de caatinga de 75,9 Km2. A classe que ocupa a maior porção
identificada individualmente é a de agricultura tradicional, com uma área de 69,3 Km2, fato
este devido ao uso intenso com tais culturas pelos agricultores, pois em época seca são
suprimento alimentício mais que essencial para o gado bovino e caprino, bem como
propiciam uma fonte de renda extra com sua venda.
Como pode ser esperado, a classe definida como água/áreas úmidas apresentaram-
se como menor área ocupante do mapa digitalizado, com 9,9 Km2. Pela impossibilidade de
se separar, afloramentos rochosos de área urbana, devido a reflectância ser muito
homogênea, optou-se por colocar ambas na mesma classificação, onde estas ocuparam uma
área de 23,1 Km2.
Pelas características muito similares, no que se refere aos níveis de reflectância, as
classes pastagem e agricultura de subsistência foram muito difíceis de se separar na
digitalização do mapa. Só após o uso de informações de campo, com o detalhamento dos
pontos georreferenciados, utilizando-os como base para o Programa Accuracy Assestment
do Erdas, é que foi possível esta distinção. Estes apresentaram áreas respectivamente de
52,8 e 59,4 Km2.
É de caráter preocupante quando se observa a área que foi classificada como solos
desnudos, uma vez que esta apresentou 39,6 Km2, correspondendo a 12% da área total, o
87
que se imprime uma maior atenção a proteção ambiental da região. Sabe-se hoje que um
dos maiores temores da humanidade é a desertificação de ambientes. Nessas áreas, se não
forem tomadas as providências cabíveis, em um curto período de tempo os processos de
desertificação na região vão se agravar bastante, o que levará a região a se tornar
verdadeiramente em um deserto.

4.6. Precisão da classificação

A Tabela 4.1 apresenta a matriz de erro para a classificação supervisionada da

imagem multiespectral relativa ao ano de 2002. Em função dos valores apresentados na
mesma, foi possível calcular os percentuais de precisão para cada classe e total.
Quando se observa a Produção de Acurácia que diz respeito aos pixels de
referência, por classe e de forma excepcional, a maior precisão percentual obtida na
classificação foi da fácie 1 (100,00%), uma vez que os corpos d’água foram classificados
juntos com as áreas úmidas, e estes, de acordo com a literatura são de difícil identificação
pelo processamento digital de imagens. A menor precisão foi obtida para a classe
representada pela agricultura tradicional (54,17%). As demais situam-se entre esse
intervalo, como pode-se observar na Tabela 4.3.

Tabela 4.3. Matriz de erro com a Acurácia total, por classe, para a classificação
supervisionada

Classes* Referência Classificação Números Produção Acurácia

total total corretosacurácia (%) do usuário
(%)
1 2 2 2 100,00 100,00
2 21 21 20 95,24 95,24
3 20 16 15 75,00 93,75
4 6 4 3 50,00 75,00
5 24 16 13 54,17 81,25
6 66 73 61 92,42 83,56
7 17 9 9 52,94 100,00
8 94 109 92 97,87 84,40
Média Geral da Classificação (Overall Classification Accuracy) 86,60%

No que se refere a Acurácia do Usuário, ou seja, a precisão de acerto do

manipulador do programa, a menor porcentagem de acerto foi também para a classe 4, já

88
que para essa classe, foram colocadas em uma mesma fácie (classe), dois tipos de cultura
tradicionais, a palma e o sisal. Possivelmente, isso se deve ao fato de que cada uma das
espécies apresentem uma reflectância diferenciada, de acordo com suas próprias
características morfológicas e estruturais, sendo necessário estudos mais detalhados sobre a
reflectância de cada componente vegetal em épocas seca e chuvosa. Para tal pode ser usado
o NDVI (Índice de Vegetação por Diferença Normalizada).
De acordo com a média geral de classificação (Overall Classification Accuracy),
que foi de 86,00%, este revela que a precisão da classificação foi considerada alta, ou seja,
os resultados revelam a existência de classes temáticas espectralmente homogêneas, de
acordo com dados obtidos por Teotia (1999). Isso implica dizer que os intervalos de
Números Digitais (DN’s) de uma classe não se apresentam em DN’s de outras classes,
demonstrando uma boa precisão na classificação.
Para as classes que demonstraram um percentual de precisão menor que 85,00%, os
resultados levam a considerar que as mesmas não possuem boa separabilidade, assim
podendo haver heterogeneidade espectral entre elas.
Apesar da variação encontrada para a precisão a nível de classes, o resultado médio
demonstrou-se bastante satisfatório pois coincidiu em parte com percentuais obtidos por
Ferreira (2001) e Silva Junior (2000).
Na Tabela 4.4 são apresentados os erros de comissão e omissão durante o processo
de classificação da imagem multipespectral utilizada no estudo.

Tabela 4.4. Erros de comissão e omissão para a classificação supervisionada

Classes Comissão (%) Omissão (%)

1 0 0
2 4,76 4,76
3 25,00 6,25
4 50,00 25,00
5 45,83 18,75
6 7,58 16,44
7 47,06 0
8 2,13 15,59

Verifica-se que todas as classes apresentaram erros durante a categorização

automática, exceto as classes Água/Áreas úmidas e Afloramentos rochosos/Área urbana.
Este tipo de erro tanto pode se apresentar por comissão, que é aquele referente ao programa
ou por omissão de pixels, que se refere ao usuário.
A variação dos percentuais de erro das classes estabelecidas demonstraram valores

89
menos expressivos para as classes: Caatinga 1 (4,76%) e Caatinga 2 (6,25%).
Diferentemente para os casos em que os percentuais de erros foram significativos para
Agricultura tradicional (25,00) e Pastagem (18,75). No caso da primeira, possivelmente é
devido a não separação das culturas em classes distintas em virtude da similaridade
espectral entre elas. Já para a segunda, pode ser pelo fato de haver confusão com DN’s de
áreas de agricultura de subsistência.
Os resultados obtidos para os percentuais de omissão revelam a ocorrência de
pixels que não conseguiram ser categorizados em nenhuma das classes definidas, por não
apresentarem similaridade com as mesmas.

4.7. Estatísticas KAPPA

Para obter-se a confirmação da qualidade do mapeamento realizado, seguiu-se

critérios de níveis de Kappa propostos por Landis e Koch (1977), onde a qualidade do
mapeamento situa-se entre as faixas de péssimo a excelente (Tabela 4.5).

Tabela 4.5. Concordância em função da estatística KAPPA

Valores de Kappa Concordância

<0,00 Péssima
0,00 a 0,20 Má
0,20 a 0,40 Razoável
0,40 a 0,60 Boa
0,60 a 0,80 Muito boa
0,80 a 1,00 Excelente

Na Tabela 4.6, são apresentadas as estatísticas KAPPA total e por classe, para a
classificação supervisionada da imagem digitalizada.
De acordo com dados da Tabela 4.6, as classes que apresentaram menores índices
Kappa foram: Agricultura tradicional (74,39%), Solos desnudos (75,01), Agricultura de
subsistência (77,67%) e Pastagem (79,26%), em ordem crescente. Mesmo com essa
variação da estatística Kappa, estas classificações se enquadraram no nível de
concordância muito boa, demonstrando que mesmo com alguns erros de comissão e
omissão apresentados para algumas classes, o mapeamento da imagem pela técnica
supervisionada se apresentou satisfatório.

90
Tabela 4.6. Estatísticas KAPPA, por classe e geral, para o mapa confeccionado pela
classificação supervisionada

Classes Valores de Kappa Concordância

(%)
Água/Áreas úmidas 100,00 Excelente
Caatinga 1 94,80 Excelente
Caatinga 2 93,21 Excelente
Agricultura tradicional 74,39 Muito boa
Pastagem 79,26 Muito boa
Agricultura de subsistência 77,67 Muito boa
Afloramentos rochosos/Área urbana 100,00 Excelente
Solos desnudos 75,01 Muito boa
Média geral 81,02 Excelente

As classes definidas como Água/Áreas urbanas, Afloramentos rochhosos/Área

urbana, Caatinga 1 e Caatinga 2, demostraram porcentagens de estatística Kappa no nível
de concordância excelente, onde respectivamente apresentaram, 100,00%, 100,00%,
94,80% e 93,21%.
Por fim, a estatística Kappa apresentou uma média geral para as classes
identificadas em 81,02%, demonstrando uma boa precisão para o método de classificação
trabalhada, a supervisionada. Com isso, pode-se dizer que a utilização da imagem de
satélite Landsat-TM/5 juntamente com os dados obtidos em literatura e no campo,
permitiram discriminar de forma eficiente o uso atual e cobertura da terra na região
Agreste.

91
 5. CONCLUSÕES

As classes encontradas através da análise da imagem foram: 1. Água/Áreas úmidas

(9,9 Km2); 2. Caatinga 1 (49,5 Km2); 3. Caatinga2 (26,4 Km2); 4. Agricultura tradicional
(69,3 Km2); 5. Pastagem (52,8 Km2); 6. Agricultura de subsistência (59,4 Km2); 7.
Afloramentos rochosos/Área urbana (23,1 Km2) e 8. Solos desnudos (39,6 Km2).
A estatística Kappa média geral para a classificação foi de concordância Excelente
uma vez que atingiu 81,02%. As maiores porcentagens da estatística foram para as classes:
Água/Áreas úmidas (100%), Afloramentos rochosos/Área urbana (100%), Caatinga 1
(91,80%) e Caatinga 2 (93,21%). Já os menores índices de estatística foram para as classes:
Agricultura tradicional (74,39%), Solos desnudos (75,01%), Agricultura de subsistência
(77,67%) e Pastagem (79,26%), porém todas essas últimas com concordância Muito boa.
Para o estudo e mapeamento do uso atual e cobertura da terra em região de
transicional, como é o caso do Agreste paraibano, a tecnologia de sensoriamento remoto e
de Sistemas de Informações Geográficas utilizadas nesse trabalho mostraram-se
adequadas. O levantamento de campo, com descrições fisionômicas simples, resultou
numa caracterização confiável dos pontos amostrados, bem como otimizou o tempo e os
recursos disponíveis.
O método de classificação supervisionado (MAXIMUM LIKELIHOOD), utilizado
para o mapeamento do uso atual e cobertura da terra na região Agreste paraibana,
demonstrou-se adequado com uma acurácia média final de 86,60%.
A melhor caracterização das unidades fisiográficas identificadas foi obtida a partir
da composição de falsa cor conjugando as bandas espectrais na seqüência 4, 5 e 3, o que
permitiu uma classificação mais acurada dos alvos de interesse do trabalho.
A detecção e caracterização morfológica e analítica do uso atual e da cobertura
vegetal da terra, mediante o conhecimento da distribuição espacial das classes definidas,
pelos métodos propostos pelo IBGE, aqui utilizados, forneceu dados para elaboração futura
de projetos eficazes e pontuais para um planejamento ambiental regional e municipal. O
mapeamento do uso atual e cobertura da terra, proporcionou a aquisição de dados da
organização espacial das fácies agrícolas regionais, dando subsídios à outros estudos que
venham apontar ações eficazes para um planejamento correto dos recursos naturais
disponíveis.
Nas classes identificadas de uso agropecuário, o levantamento proposto comprovou
a situação atual, demonstrando que necessitam de manejos adequados e pontuais dos seus
recursos naturais.

92
 As principais limitações referentes às classes definidas passíveis de utilização
agrícola, que são agricultura tradicional, pastagem e agricultura de subsistência, foram: em
primeiro plano a escassez de água, a presença de pedregosidade superficial e a
susceptibilidade a processos erosivos em alguns locais decorrentes do relevo.
As classes Caatinga 1 e Caatinga 2, de acordo com as características obtidas, são
recomendadas essencialmente para uso de preservação de fauna e flora, ou se possível, o
uso de manejo sustentável dos recursos naturais de forma que possibilite uma renda extra
para os agricultores locais.
A classe solos desnudos foi a que apresentou os dados mais preocupantes com
relação a sua conservação, uma vez que ocupou cerca de 12% da área, aproximadamente
75,48 Km2, e está em início de processo de desertificação, decorrentes das ações antrópicas
que hoje são tomadas e por falta de auxílio por parte do poder público local.

93
 6. RECOMENDAÇÕES

Para as classes definidas como Caatinga 1 e Caatinga 2, recomenda-se a

preservação permanente do seu estrato, evitando assim a retirada de material vegetal como
fonte energética, bem como seu uso na exploração agropastoril.
Para uso da madeira como fonte energética pelas populações locais, ou até pelas
industrias que utilizam os estéreis, poderia criar-se um plano gestor nas áreas que se
encontram mais degradadas, como é o caso das áreas de pastagem, agricultura de
subsistência e principalmente dos solos desnudos. Nessas áreas poderiam ser plantadas
espécies nativas para um reflorestamento, onde seria divido em talhões, e para cada
período, de acordo com as características de cada espécie, seria possível retirar de forma
sustentável a madeira, de forma que sempre existiria uma cobertura vegetal na área.
Atualmente, para a classe identificada como Agricultura de subsistência, uma vez
que boa parte dos lavradores locais sobrevivem dessa atividade, recomenda-se utilizar
técnicas de manejo como: plantio em curva de nível, faixas de culturas, adensamento das
culturas, rotacionamento cultural, menor revolvimento da cobertura vegetal.
Para as terras identificadas passíveis de utilização agrícola, recomenda-se a
utilização de culturas menos sensíveis à deficiência hídrica, uma vez que o principal fator
limitante está ligado a escassez de água na região.
A detecção e caracterização morfológica e analítica do uso atual e da cobertura
vegetal da uma região, mediante o conhecimento da distribuição espacial dos estratos, foi
de grande valia, pois forneceu dados para elaboração de metodologias e ações eficazes e
pontuais para um planejamento a ser desenvolvido.
De acordo com os resultados alcançados, recomenda-se um estudo mais detalhado
dos recursos naturais da região, que possibilite a utilização de técnicas de manejo e
conservacionistas adequadas, uma vez que a utilização agrícola dos solos demanda
cuidadosos trabalhos de seleção de áreas possíveis de utilização.
É necessário realizar um estudo mais detalhado dos alvos espectrais da região,
através de índices de vegetação tal qual o NDVI (Normalized Difference Index
Vegetation), para subsidiar uma melhor análise da cobertura vegetal regional.
De acordo com os dados obtidos, recomenda-se utilizar essa metodologia para o
estudo de uso atual em regiões de mesmas características fisiográficas, ou até em regiões
com características diferenciadas.
Este trabalho, com o mapa e o relatório final, será submetido às Prefeituras dos
municípios que tiveram parte de suas áreas territoriais abrangidas pelo estudo (Pocinhos e

94
Puxinanã), onde serão explicados os benefícios deste trabalho para o planejamento
ambiental e social detalhado de cada cidade.
Ainda, com a base de dados levantados, este tipo de estudo pode servir para
informar, educar e conscientizar as populações, que são as principais vítimas do mau uso
dos recursos naturais, assim com aos políticos, pois fornece elementos de informação como
apoio às tomadas de decisão, sobre a conservação do meio-ambiente e a qualidade de vida
da população.
Para a classe caracterizada como solos desnudos é necessário que o poder público e
a população de um modo geral tenham conhecimento sobre o que está ocorrendo com os
recursos naturais da região. Dessa forma poderia produzir-se incentivos aos agricultores
locais, conscientizando-os e educando-os para que seja possível utilizar técnicas que
possibilitem não só evitar o depauperamento do solo mas que também traga lucratividade
para eles.

95
 7. REFERÊNCIAS BIBLIOGRÁFICAS

ABDON, M.N. Uma metodologia de tratamento automático de imagens SMS-2 para

diferenciar temperaturas superficiais na costa Sudeste e Sul do Brasil. In: SIMPÓSIO
BRASILEIRO DE SENSORIAMENTO REMOTO, 2., 1982, Brasília. Anais... Brasília:
CNPq/INPE, p. 35-58, 1982.

ALLAN, J. A. Land use changes in the area of Aegean Turkey. In: GEDEREN, J.L.von;
COLLINS, W.G. (edit.). Monitoring change by Remote Sensing. Birminghan-England:
The Remote Sensing Societ, 1977. p. 1-14.

ALMEIDA, V.J. Sensoriamento Remoto com fins de aplicação ao planejamento de uso da

terra no Sudoeste de Goiás. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO
REMOTO, 2. Brasília, 1982. Anais...Brasília: CNPq/INPE, 1982.

ALVES, J.M.B. Características intra-sazonais para precipitação no Estado do Ceará em

anos de contrastes climatológicos. In: CONGRESSO BRASILEIRO DE
AGROMETEOROLOGIA, 11., 1999, Florianópolis. Anais... Florianópolis: SBA, 1999.

ALVES, J. P. Classificação de Capacidade de Uso da Terra no Semi-Árido Paraibano

através de imagem - TM (LANDASAT-5). 1986, 160f. Dissertação (Mestrado Em
Manejo e Conservação do Solo e Água) – Centro de Ciências Agrárias, Universidade
Federal da Paraíba, Areia - PB, 1986.

ASSAD, E.D. Sistemas de informações geográficas: aplicações na agricultura. 2. ed.

Brasília: Embrapa SPI/Embrapa CPAC, 1998.

ASSAD, E. D., SAND, E. C. Sistema de Informações Geográficas – Aplicação na

Agricultura. Planaltina: EMBRAPA – CPAC, 274p, 1993.

AVERY, T.Y.; BERLIN, G.L. Interpretation of Aerial Photographs. 4. ed. Mineapolis –

Minnesota: Burgess Publishing Company, 1985, 554 p.

96
AZAMBUJA MADRUGA, P.R. de. Uso de geoprocessamento no inventário florestal do
Rio Grande do Sul: uma abordagem críticade. In: Aplicações de Geotecnologias na
Engenharia Florestal. Curitiba, PR: Copiadora Gabardo Ltda., 2004.

BARBOSA, M.P. Princípios físicos de sensoriamento remoto. Programa de suporte técnico

à gestão de recursos hídricos – ABEAS. Curso de Especialização em Sensoriamento
Remoto e SIG. Módulo 2. Brasília, DF, 1996, 47 p.

BOLFE, E.L.; PEREIRA, R.S.; MADRUGA, P.R.; FONSECA, E.L. Precisão da

classificação digital de povoamentos florestais em imagens de satélite. In: XXXI
CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA. Salvador – BA: 29 de
julho a 02 de agosto de 2002. (CD ROM)

BRASIL. Ministério da Agricultura. Levantamento Exploratório e de Reconhecimento

dos Solos do Estado da Paraíba. Rio de Janeiro. Convênio
MA/CONTA/USAID/BRASIL, 1972 (Boletins DPFS-EPE-MA, 15-Pedologia, 8).

CÂMARA, G.; DAVIS.C.; MONTEIRO, A.M.; D'ALGE, J.C. Introdução à Ciência da

Geoinformação. São José dos Campos, INPE, 2001 (2a. edição, revista e ampliada).

CAMPOS, S.; SILVA, M.; PIROLI, E.L.; CARDOSO, L.G.; BARROS, Z.X. Evolução do
uso da terra entre 1996 e 1999 no município de Botucatu – SP. In: ENGENHARIA
AGRÍCOLA, Jaboticabal – SP: v. 24, n. 1, p. 211-218, jan. a abr., 2004.

CARNEIRO, J.O. Recursos de solo e água no semi-árido nordestino. João Pessoa – PB:
Ed. União, 115p., 1998.

COLLARES, J.E.C. Mapa de biomas do Brasil: uma síntese de mais de trinta anos de
mapeamento vegetação. In: Aplicações de Geotecnologias na Engenharia Florestal.
Curitiba, PR: Copiadora Gabardo Ltda., 2004.

CROSTA, Á.P. Processamento digital de imagens de Sensoriamento Remoto.

Campinas - SP: IG/UNICAMP, 1993, 170 p.

97
DALMOLIN, R.S.D.; GONÇALVAS, C.N.; KLAMT, E.; DICK, D.P. Relação entre os
constituintes do solo e seu comportamento espectral. In: CIÊNCIA RURAL, Santa Maria-
RS: v.35, n.2, p. 481-489, mar-abr, 2005.

DEMATTÊ, J.A.M.; EPIPHANIO, J.C.N.; FORMAGGIO, A.R. Influência da matéria

orgânica e de formas de ferro na reflectância de solos tropicais. In: BRAGANTIA,
Campinas-SP, v.62, n.3, p. 451-464, 2003.

EMBRAPA. Centro Nacional de Pesquisa de Solos. Sistema Brasileiro de Classificação

de Solos. Brasília: Embrapa produção de Informação, Rio de Janeiro: Embrapa Solos,
1999, 412p.

EMBRAPA. Centro Nacional de Pesquisas de Solos (RJ). Procedimentos Normativos de

Levantamentos Pedológicos. Humberto Gonçalves dos Santos ... (et al.) – Brasília:
EMBRAPA – SPI, 101 p., 1995.

FERNANDES, E.N.; FERNÁNDEZ FILHO, E.I.; SILVA, E. Integração de sistemas de

informações geográficas e sistemas especialistas para avaliação da aptidão agrícola das
terras em bacias hidrográficas. Revista Árvore, Viçosa - MG, v.23, n.1, p.75-82, 1999.

FERNANDES, M.F. Avaliação da aptidão agrícola das terras de parte do setor Leste
da Bacia do Rio Seridó usando Sensoriamento Remoto e Geoprocessamento. 1997,
196f. Dissertação (Mestrado em Irrigação e Drenagem) – Centro de Ciências Tecnológicas,
Universidade Federal da Paraíba, Campina Grande - PB, 1997.

FERREIRA, L.A. Levantamento e classificação da vegetação nativa do município de

Patos (PB), através de Sensoriamento Remoto e Geoprocessamento. 2001, 70f.
Dissertação (Mestrado em Manejo do Solo e Água) – Centro de Ciências Agrárias,
Universidade federal da Paraíba, Areia – PB, 2001.

GONÇALVES, J.L.de G. Classificação da capacidade de uso da terra nos municípios de

Alagoa Grande e Alagoinha (PB) através de sensoriamento remoto. 2004, 144f.
Dissertação (Mestrado em Manejo do Solo e Água) – Centro de Ciências Agrárias,
Universidade federal da Paraíba, Areia – PB, 2004.

98
GOWARD, S.N.; MARKHAM, B.; DYE, D.G.; DULAWEY, W.; YANG, J. Normalized
difference vegetation index measurements from the Advanced Very High Resolution
Radiometer. Remote Sensing Environment, 35: 257-277, 1991.

HEPNER, G.F. et al. Artificial neural network classification using a minimal training set:
comparison to conventional supervised classification. Photogrammetric Engineering &
Remote Sensing, vol. 56, n º 4, April, p: 469-473, 1990.

HUETE, A.; JUSTICE, C.; LIU, H. Development of vegetation and soil indices for
MODIS-EOS. Remote Sensor Environment, New York, v.49, p. 224-234, 1994.

IBGE. Coleção de Monografias Municipais, 2000. nº 92.16 p.

IBGE. Manual técnico de uso daterra. Rio de Janeiro: IBGE (Departamento de recursos
Naturais e Estudos Ambientais, Primeira Divisão de Geoci6encias do Nordeste), 58p.,
1999.

INPE, Instituto Nacional de Pesquisas Espaciais. Curso completo de geoprocessamento.

Disponível em: www.inpe.gov.br, Acesso em: outubro de 2004.

INPE. Folheto explicativo do Instituto de Pesquisas Espaciais sobre Sensoriamento

remoto. Março de 1986.

ISAIA, T.O. et al. Avaliação do estoque lenheiro do estado do Rio Grande do Norte –
1a etapa: estratificação e mapeamento da vegetaçào nativa lenhosa através de
composições coloridas do TM Landsat. BRA 87/007. Documento de campo, n.4, Rio
Grande do Norte: dez., 1992.

LAMPARELLI, R.C.A.; ROCHA, J.V.; BORGHI, E. Geoprocessamento e Agricultura

de Precisão. Guaíba – RS: Agropecuária, 118 p., 2001.

LANDIS, J.; KOCH, G.G. The measurements of observed agreement for categorical
data. Biometric: 33 (3), 159-174, mar., 1977.

99
LILLESAND, T.M.; KIEFER, R.W. Remote sensing and image interpretation. 3. ed.
New York: Jonh Wiley & Sons Inc., 1994, 748p.

LINS, J.R.P.; MEDEIROS, A.N. Mapeamento da cobertura florestal nativa lenhosa do

Estado da Paraíba. João Pessoa: Projeto PNUD/FAO/BRA/87/007, 45 p. il (Documento
de Campo, 22), 1994.

MALDONADO, F.D.; CARVALHO, V.C. de. Indicador de degradação a escala sub-

regional para detecção de mudanças na cobertura das terras com sensoriamento remoto. In:
Anais ... XI Simpósio Brasileiro de Sensoriamento Remoto, Belo Horizonte – BR: INPE,
abr., p. 1353-1356, 2003.

MALDONADO, F.D. Análise por componentes principais (ACP) para caracterizaçào

da dinâmica de uso da terra em área de semi-árido brasileiro: Quixabá-PE. São José
dos Campos-SP, 1999, 116f.. Dissertação (Mestrado em Sensoriamento Remoto) –
Instituto Nacional de Pesquisas Espaciais (INPE), 1999.

MARSH, S. E.; WALSH, J. L.; CHARLES, F. HUTCHINSON. Development of na

agriculture land use GIS for senegal drived from multisprectal video Nd photografic
data. In: Photogrammetric Engeneering Nd Remote Sensing (ASPRS). Falls Church,
Virginia. Pp. 315 – 357, 1990.

MONTEBELO, L.A.; CASAGRANDE, C.A.; BALLESTER, M.V.R.; VICTORIA, R.L.;

CUTOLO, A.P.A. Relação entre uso e cobertura do solo e riscos de erosão nas áreas de
preservação permanente na bacia do ribeirão dos Marins, Piracicaba-SP. In: ANAIS... XII
SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, Goiânia – GO: INPE, 16-
21 abr., p. 3829-3836, 2005.

MOREIRA, M.A. Fundamentos do sensoriamento remoto e metodologias de

aplicação. 2.ed., Viçosa – MG:UFV, 2004, 307p.

NOVO, E.M. L. de M. Sensoriamento Remoto: Princípios e Aplicaçőes. 2.ed. São Paulo:

Blücher Ltda, 1993.

100
NUNES, G.M.; DECIAN, V.S.; FIGUEREDO, O.A.T.; OLIVEIRA, F.; MADRUGA,
P.R.A.; PEREIRA, R.S. Utilização de geotecnologias no monitoramento ambiental para
controle e gestão municipal. In: XXXI CONGRESSO BRASILEIRO DE ENGENHARIA
AGRÍCOLA. Salvador – BA: 29 de julho a 02 de agosto de 2002. (CD ROM)

PINTO, S. A. F. Sensoriamento Remoto e integração de dados aplicados no estudo da

erosão dos solos: contribuição metodológica. São Paulo: USP. 1991 (Tese de
Doutorado).

PINTO, S.A.F.; VALÉRIO FILHO, M.; GARCIA, G.I. Utilização de imagens LANDSAT-
TM na análise comparativa entre dados de uso da terra e de aptidão agrícola. Revista
Brasileira de Ciências do Solo, Campinas - SP, v.13, p.101-110, 1989.

PISSARRA, T.C.T.; POLITANO, W.; FERRAUDO, A.S.Análise visual do uso e

ocupação do solo em fotografias aéreas verticais e imagens TM-Landsat-5 da bacia
hidrográfica do Córrego Rico, município de Jaboticabal, SP. In: XXXI CONGRESSO
BRASILEIRO DE ENGENHARIA AGRÍCOLA, Salvador – BA: 29 de julho a 02 de
agosto de 2002. (CD ROM)

PONTES, M.A.G. GIS e Geoprocessamento. Sorocaba – SP: Faculdade de Engenharia de

Sorocaba/Departamento de Topografia, 20p., 2002.

PONTES, et al. Monitoramento ambiental pela Petrobrás na Bacia de Sergipe/Alagoas. In:

SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 7. Curitiba, 1993. Anais...
Curitiba: INPE, p.231-239, 1993.

RESENDE, M.; CURI, N.; REZENDE, S.B.; CORRÊA, G.F. Pedologia: base para
distinção de ambientes. 2a ed., Viçosa: NEPUT, 367 p., 1997.

RIBEIRO, G. do N. Estudo dos solos e uso atual da terra em parte do agreste

paraibano (região de Puxinanã), através de sensoriamento remoto e
geoprocessamento, 2003, 60f. Trabalho de Conclusão de Curso (Curso de Engenharia
Agronômica) – Centro de Ciências Agrárias, Universidade federal da Paraíba, Areia – PB,
2003.

101
RIBEIRO, F.L.; CAMPOS, S. Capacidade de uso da terra no alto rio Pardo, Botucatu
(SP), através do Sistema de Informação geográfica. In: Energia na Agricultura, São
Paulo, 14: p. 48-60, 1999.

RIBEIRO, M. de F.S.; LUGÃO, S.M.B.; MIRANDA, M.; MERTEM, G.H. Métodos e

técnicas de diagnóstico de sistemas de produção. Londrina: IAPAR, 152 p. Cap. 4, p 57
– 59, 1997.

RODRIGUES, J.B.T.; ZIMBACK, C.R.L.; PIROLI, E.L. Utilização de Sistema de

Informação Geográfica na avaliação do uso da terra em Botucatu (SP). Revista Brasileira
de Ciência do Solo, Campinas – SP, v.25, p.675-681, 2001.

RODRIGUEZ, J.L. Atlas Escolar Paraibano. João Pessoa: GRAFSET, 96p., 1997.

ROSA, R.O.; CASTRO JUNIOR, E.; LIMA, M.M.A.; NUNES, U.M.; COELHO, N.A.L.
Utilização de imagens SPOT pancromática na detecção de cicratizes de movimentos de
massa rápidos em encostas florestadas – Maciço da Tijuca, RJ. In: SIMPÓSIO
BRASILEIRO DE SENSORIAMENTO REMOTO, 7. 1993. Curitiba. Anais... Curitiba:
INPE/SELPER/SBC, 476p., p. 245-248, 1993.

ROSA, R. Introdução ao sensoriamento remoto. Uberlândia. Ed. Universidade Federal

de Uberlândia,. 136p, 1990.

ROSSATO, A.; CASSOL, R.; SIEBEN, A.; BRUTTI, E.A.; RAFFAELLI, J.A. Uso da
terra no município de pinhal grande – RS, através do uso de geoprocessamento. In: XXXI
CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA, Salvador – BA: 29 de
julho a 02 de agosto de 2002. (CD ROM)

RUBERT, C.; SALBEGO, A.G.; CORINO, C.B.; CASTANHO, R.B.; MADRUGA,

P.R.A. In: In: ANAIS ... XXXI CONGRESSO BRASILEIRO DE ENGENHARIA
AGRÍCOLA, Salvador-BA: 29 de jul. a 02 de jul., 2002.

SABINS, F. F. Remote Sensing: principles and interpretation. New York: W.H. Freeman
and Company. 1987. 426p.

102
SALBEGO, A.G.; SILVA, A.P.B.; RUBERT, C.; GIOTTO, E. Geoprocessamento na
análise de áreas de conflito do uso da terra na microbacia hidrográfica do Arroio Ituzinho.
In: ANAIS ... XXXI CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA,
Salvador-BA: 29 de jul. a 02 de jul., 2002. (CD ROM)

SERAFIM, E.C.da.S. Estudo do uso da terra e da cobertura vegetal na região de

Sumé, através de sensoriamento remoto, 2000, 39f. Trabalho de Conclusão de Curso
(Curso de Engenharia Agronômica) - Centro de Ciências Agrárias, Universidade federal da
Paraíba, Areia – PB, 2000.

SEMARH, Secretaria do Meio Ambiente e dos recursos hídricos da Paraíba. Dados

climatológicos históricos do estado da Paraíba, para os meses de fevereiro a maio.
João Pessoa – PB: Disponível em: www.pb.gov.br/semarh. Acesso em: novembro de 2005.

SILVA BRITO, J.L. Elaboração de um mapa de uso da terra recomendado na bacia do

ribeirão Bom Jardim, triângulo mineiro – MG, utilizando SIG. In: ANAIS ... XI
SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, Belo Horizonte: INPE,
05-10 abr., p. 1749-1754, 2003.

SILVA, E.P. da; FERNANDES, M.F.; ANDRADE, L.A. de; SILVA, E.J. da. uso das
terras de parte da Microrregião Homogênea Depressão do Alto Piranhas, estado da
Paraíba: um banco de dados. In: ANAIS ... XXXI CONGRESSO BRASILEIRO DE
ENGENHARIA AGRÍCOLA, Salvador-BA: 29 de jul. a 02 de jul., 2002. (CD ROM)

SILVA JUNIOR, E.B. Avaliação multitemporal da atividade antrópica na região de

Santa Luzia – PB com o uso de geoprocessamento, 2000, 66f. Dissertação (Mestrado em
Manejo de Solo e Água) - Centro de Ciências Agrárias, Universidade federal da Paraíba,
Areia – PB, 2000.

SILVA, E.P. da. Levantamento integrado dos recursos naturais renováveis de parte da
microrregião homogênea de Sousa - PB, utilizando-se técnicas de sensoriamento
remoto e sistema de informação geográfica, 1999, 64f. Trabalho de Conclusão de Curso
(Curso de Engenharia Agronômica) - Centro de Ciências Agrárias, Universidade federal da
Paraíba, Areia – PB, 1999.

103
SILVA FILHO, A. A.; TONIOLO, E. R.; GABINIO, M.; OLIVEIRA, S. F.S.
Mapeamento da cobertura florestal nativa lenhosa do Estado de Pernambuco. Recife:
Projeto PNUD/FAO/BRA/87/007, 32p. il (Documento de Campo n° 17), 1998.

SOARES, P.R.; FILHO, A.P. Levantamento do meio físico e potencial agrícola da

terra, utilizando fotografias aéreas. Campinas – SP. Disponível em:
soares@agr.unicamp.br , Acesso em: outubro de 2003.

SOARES NETO, J.P.; SILVA, M.A. Probabilidade mensal de chuva para a região de
Barreiras. In: Revista Brasileira de Agrometeorologia. Santa Maria - RS, v.4, n.2, p. 91-
94, 1996.

SOUSA, C.L. de. Análise multitemporal da cobertura vegetal para detecção de mudanças
no município de Cedro-PE. In: Anais ... XI SIMPÓSIO BRASILEIRO DE
SENSORIAMENTO REMOTO, Belo Horizonte: INPE, 05 - 10 abril, p.2907-2912, 2003.

STONER, E.R; BAUMGARDNER, M.F. Characteristic variations in reflectance of

surface soil. Soil Sci. Soc. Am. J., Madison, 45: 1161-1165, 1981.

TEOTIA, H.S.; DA SILVA, I.F.; DOS SANTOS J.R.; VELOSO JUNIOR, J.R.;
GONÇALVES, J.L de G. Classificação da cobertura vegetal e capacidade de uso da terra
na região de Cariri Velho (Paraíba), através de sensoriamento remoto e geoprocessamento.
In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 11., 2003, Belo
Horizonte-MG. Anais... São José dos Campos – SP: INPE, p. 1969-1976, 2003.

TEOTIA, H.S.; COSTA FILHO, J.F.; SANTOS, J.R.; FERREIRA, L.A. Integração do
sensoriamento remoto e SIG/SIT na preparação de modelo de desenvolvimento da terra
para planejamento rural. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO
REMOTO, 10., 2001, Foz de Iguaçu – PR. Anais... São José dos Campos – SP: INPE,
2001.

TEOTIA, H. S.; COSTA FILHO, J. F.; SANTOS, J. R.; SILVA JUNIOR, E. B.; SOUSA,
C. L.; SERAFIM, E. C. S. Análise multitemporal da Cobertura vegetal do Semi-Árido
da Paraíba (Região de Depressão do Alto Piranhas) para Planejamento Regional

104
Através de Sensoriamento Remoto e Geoprocessamento. Areia-PB: UFPB/CCA,
Relatório Técnico. 1999, 110 p..

TEOTIA, HS ULBRICHT, K. A.; CIVCO, D.L.; KENNARD, W.C. Utilização of data for
land use/cover mapping and soil/land classification in the Piaui state of northeastern Brasil.
In: PROCEEDING OF THE XXIV ERIM. Int. Conf. Rio de Janeiro, 1991.

TEOTIA, H.S.; ULBRICHT, K.A. Evolution of Landsat thematic mapper data for
generalized soil, Landsat adn landcover classification in the Semi-arid part of the state of
Paraiba, Brazil. In: INTERNATIONAL CONFERENCE OF REMOTE SENSING.
London, Procedings ... p. 131-140, 1985.

TEOTIA, H.S.; ULBRICHIT, K.A.; CIVCO, D.L. Application of SPOT to GIS/LIS in

Land Capability Evaluation for Regional Planning of Jaicó Semi-arid Region of Piaui,
Brazil. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 7., 1983,
Curitiba – PR. Anais... Curitiba – PR: INPE, p.144-154, 1983.

VELOSO JUNIOR, J.F. Mapeamento e análise das alterações do uso da terra e da

cobertura vegetal na região da Serra de Teixeira, através de técnicas de
Sensoriamento Remoto, 2003. 69f. Dissertação (Mestrado em Manejo de Solo e Água) -
Centro de Ciências Agrárias, Universidade federal da Paraíba, Areia – PB, 2003.

105
 APÊNDICE

LISTA DE NOMES VULGARES E CIENTÍFICOS DAS ESPÉCIES OBSERVADAS

NA CAATINGA DA REGIÃO EM ESTUDO

NOME VULGAR NOME CIENTÍFICO

algodão Gossypium hirsutum
aveloz Euphorbia gymnoclada Boiss.
braúna Schinopis brasiliensis
batata doce Solanum tuberosa
capim buffel Cenchrus ciliaris
capim elefante Pennisetum puprpureum Schum.
catingueira Caesalpinia pyramnidalis
cardeiro Cereus chrysostele Vaupl.
côco Cocos nucifera Linn.
cajú Anacardium occidentale Linn.
faxeiro Cereus squamosus
faveleira Cnidocolus phylacantus Pax.
feijão carioquinha Phaseolus vulgaris
feijão macassá Vigna unguiculata
jaboticaba Myrciaria cauliflora Berg.
jurema preta Mimosa hostilis
juazeiro Zizifus juazeirus
macambira Bromelia lacimiosa
macaxeira Manihot utilissima
mandacarú Cereus jamacaru
manga Mangifera indica Linn.
maniva, mandioca Manihot esculenta Crantz.
marmeleiro Croton hemiargyreus
milho Zea mays
mofumbo Cobretum leprosum
mulungú Eritrina velutinosa
palma forrageira Opuntia Ficus-indica Mill.
pinhão bravo Jatropha pohliana

106
sisal Agave sisalana Perr.
umbú Spondias tuberosa
umburana Commiphora leptofloeos
xique-xique Pilosocereus gounelli

107
 ANEXO I: QUESTIONÁRIO DE CAMPO (IBGE, 1999)
MICRORREGIÃO:
MUNICÍPIO:

1. DADOS ECONÔMICOS E SOCIAIS

o) Ordenar, segundo o seu valor na economia municipal, os setores básicos
Agricultura Industria Comércio Seviços
b) Indicar, por ordem de importância quanto ao valor, as três atividades econômicas que
predominam no município
Lavouras Horticultura Gado de corte
Gado leiteiro Industria Mineração
Avicultura Apicultura Pesca
Outros:
c) Indicar os principais produtos agrícolas, extrativistas ou de origem animal produzidos no
município
d) Indicar os principais setores responsáveis pelo emprego de mão-de-obra, se possível
com o respectivo percentual.
e) Indicar os principais produtos agrícolas, extrativistas ou de origem animal, produzidos
no município e comercializados para fora, indicando, se possível, os principais municípios,
estados ou países de destino
f) Indicar os principais produtos comercializados para fora do município e, se possível, o
respectivo destino
g) Existem no município instalações para beneficiamento do gado bovino e/ou bubalino e
seus produtos (frigoríficos, postos de coleta de leite, usinas, curtumes, etc.)
h) Indicar se existem formas de agricultura com manejo modernizado e, caso afirmativo,
culturas e tipos (relação abaixo)
( ) SIM ( ) NÃO
Plantio e preparo de área mecanizados
Utilização de calagem e corretivo
Colheita mecanizada
o) Indicar se existe agricultura irrigada no município (mencionar cultura e tipo de
irrigação)
j) Indicar se existem grandes projetos de instalação em andamento ou paralisados no
município, mencionando objetivos e causa de paralisação
l) Existem recursos minerais (ocorrências, jazidas, minas, água mineral ou garimpos) no
município? Caso afirmativo, mencionar que tipo de mineral, ou elemento químico, tipo de
ocorrência e local.

108
m) existem depósitos ou silos para armazenagem de produtos agrícolas no município?
Caso afirmativo, informar capacidade.
n) Existiram ou existem conflitos pela posse de uso da terra no município nos últimos
cincno anos? Se possível, informar: local e área envolvida (município, distrito, nome da
propriedade e área em ha ou Km2)
o) Existem reservas indígenas no município? Mencionar local, nome da comunidade e da
reserva, se possível, o número de membros da comunidade

2. INFORMAÇÕES AMBIENTAIS
a) Verificam-se secas, enchentes ou chuvas violentas nos últimos dez anos no município?
b) Comentar caso existam informações sobre conseqüências desses fenômenos como
perda de safras
c) Em caso de enchentes, informar o nome dos principais rios transbordados
d) Relacionar a existência no município de atividades prejudiciais ao meio ambiente
e) Indicar se existem no município alguma atividade ou projeto voltado para recuperação
ambiental
f) Indicar se existem atividades garimpeiras no município, qual o equipamento usado
(draga, desmonte hidráulico, etc.) e minério explorado
g) Informar, se possível, quais os principais defensivos agrícolas usados e se conhece
casos de intoxicação por esses produtos
h) Informar se existe algum manancial contaminado por defensivos agrícolas devido a
problemas de drenagem da água de irrigação
i) Indicar se existem áreas de interesse especial (parques, APA’s, etc.) no município.
Caso afirmativo, informar se existe população residente nestas áreas e as atividades
desenvolvidas.

109
 ANEXO II: Legenda Complementar

Uso da Terra
Padrão: Tipo:
P= Pequeno V= Vegetação
M= Média Aa= Atividade Agrícola
G= Grande P= Pecuária

Relevo
Padrão Densidade:
P= Plano MB= Muito Baixa
SO= Suave Ondulado B= Baixa
O=Ondulado M= Média
A=Alta A= Alta

Vegetação
Estrato: Densidade:
Hb= Herbáceo MB= Muito Baixa
Abv= Arbustivo B= Baixa
Abr= Arbóreo M= Média
A= Alta

Drenagem
Padrão: Densidade:
D = Dendrítica B = Baixa
C = Circular MB = Muito Baixa
A = Arial M = Média
H = Heterogênea A = Alta

Erosão
Grau:
F = Fraca M = Moderada S = Severa MS = Muito Severa

110
111
 ANEXO III: FICHA DE CAMPO (Modelo Foto-interpretativo)

UH Posição Uso da Terra Relevo Vegetação Drenagem Erosão Obs.

NO Geográfica
I M
DO
AG
DÊ Lat. e Long. Padrão Tipo Pad. Densidade Estrato Densidade Espécies Pad. Dens. Grau
EN
SA
S

Unid. 1

Unid. 2

Unid. 3

Unid. 4

Unid. 5

Unid. 6

112