Categoria: Trabalho científico
Uso de técnicas de sensoriamento remoto
para identificação e monitoramento de áreas infestadas pelo amarelinho
(Tecoma stans (L.) Kunth, (Bignoniaceae) na região Norte do Paraná
Alexander Christian Vibrans 1
Odirlei Fistarol1
Marcelo Diniz Vitorino1
1. Introdução
O presente projeto está inserido na linha de pesquisa “Controle biológico de plantas”
(Laboratório de Proteção Florestal, Departamento de Engenharia Florestal da Universidade
Regional de Blumenau/UFPR/UEL) e no “Projeto Controle Biológico do Amarelinho – Tecoma
stans, Estudos de agentes associados ao amarelinho – PROBIO/MMA” (VITORINO, 2001),
subprojeto “Monitoramento da espécie através de técnicas de sensoriamento remoto”.
2. O problema
A espécie Tecoma stans (L.) Kunth, (Bignoniaceae) originária do México e da região Sul
dos Estados Unidos é popularmente conhecida como amarelinho, ipê de jardim e caroba amarela.
Ela foi introduzida no Brasil como planta ornamental por volta de 1871 (MELLO 1952). A espécie
é considerada invasora na Nicarágua, Argentina e, recentemente, no Brasil, principalmente no
estado do Paraná, onde Krans (1997) relatou a infestação de 50 mil hectares de pastagens, dos
quais, dez mil hectares seriam totalmente improdutivos. Ziller et al. (2004) citam estimativas do
Instituto Agronômico do Paraná (IAPAR) que apontam para 80.000 hectares infestados. A planta
está presente em mais de 100 municípios do Paraná, de acordo com Reno (2004). Na região de
Londrina, considerada centro da infestação, foram constatadas áreas com mais de 13.000 plantas
por hectare (BREDOW et al., 2004).
A espécie mostra ampla distribuição em todo o território do Brasil, como planta
ornamental. Seu comportamento invasor é caracterizado pela intensa produção de sementes
pequenas e longevas que são eficientemente dispersadas pelo vento. Seu rápido crescimento e
sua precocidade contribuem a definir o seu caráter agressivo. Por se tratar de espécie exótica, ela
tem poucos inimigos naturais. Assim, Tecoma stans apresenta reais possibilidades de se tornar
uma invasora também em ecossistemas naturais. Bredow et al. (2004) relatam que a espécie já
compete com espécies arbóreas nativas em áreas reflorestadas no norte do Paraná.
Atualmente estão sendo pesquisados aspectos relacionados ao controle biológico dessa
planta invasora, entre eles a seleção e o estudo de potenciais agentes de controle ao amarelinho,
1
Universidade Regional de Blumenau (Departamento de Engenharia Florestal)
Rua São Paulo, 3250, 89030-000 Blumenau-SC; [email protected]
como insetos e patógenos associados à espécie (PEDROSA-MACEDO; BREDOW, 2004). Estes são
estudados através de expedições periódicas aos locais infestados, são coletados e utilizados em
estudos de biologia, etologia, determinação de nível de especificidade e potencial de dano em
campo e em laboratório. Pretende-se através da aplicação desta metodologia obter informações
suficientes para o conhecimento dos principais inimigos naturais de Tecoma stans no Brasil e a
sua possível utilização como agentes de controle. O estudo de Andreazza (2004) avaliou o
potencial de um agente específico, o fungo Prospodium appendiculatum, para o controle de
Tecoma stans. As medidas técnicas serão compiladas num plano de manejo a ser implementado
para a diminuição da população da planta em áreas com alto índice de infestação.
A extensão territorial das áreas infestadas pelo amarelinho, até o presente momento, não
tem sido objeto de pesquisa. A infestação da planta iniciou de forma mais expressiva nos anos 80
e desde então está crescendo, principalmente no norte paranaense, na região de Londrina,
Maringá e Jacarezinho. Informações sobre a dinâmica do alastramento da praga são importantes
para o desenvolvimento de estratégias de controle. Os danos econômicos da infestação do
amarelinho são consideráveis, somente no estado do Paraná 15.000 hectares de pastagens
tiveram que ser abandonados nos últimos 2 anos, porque atualmente não existem tratamentos
economicamente viáveis para áreas intensamente ocupadas pela invasora. A aplicação de
técnicas de sensoriamento remoto se faz necessária devido ao grande potencial danoso da
espécie e a grande extensão das áreas infestadas até hoje, que abrangem regiões nos estados do
Paraná, de Santa Catarina e de todo o estado do Rio Grande do Sul. áreas dessa grandeza são
propícias para o monitoramento via sensoriamento remoto.
3. Objetivo e perguntas de pesquisa
O objetivo geral da pesquisa é a detecção de áreas infestadas pelo amarelinho por meio de
recursos de sensoriamento remoto. Especificamente estuda-se o uso de imagens Landsat-5 TM,
com resolução espacial de 30 metros, para a identificação destas áreas.
As principais perguntas de pesquisa são as seguintes:
•
•
•
•
áreas infestadas pelo amarelinho são discerníveis em imagens de satélite com resolução
espacial e espectral média (Landsat-5/7)
qual é a época do ano mais adequada para a detecção das plantas em imagens de
satélite?
técnicas de processamento digital permitem a detecção das áreas infestadas?
quais são as classes temáticas com que as áreas de amarelinho são mais freqüentemente
confundidas?
4. Materiais e métodos
A área de estudo é a região dos municípios de Londrina, Assaí e Congonhinhas, localizados
no norte paranaense, região que constitui centro da infestação com o amarelinho. Por também
apresentar presença maciça da praga, o vizinho município de Cornélio Procópio foi incluído no
estudo.
As imagens analisadas são cenas do órbita-ponto 222 76 do Landsat 5 e 7, de diversas
datas dos últimos 3 anos constantes na Tabela 1, adquiridas do Instituto Nacional de Pesquisas
Espaciais (INPE), com o qual a FURB mantém convênio de cooperação. Embora a passagem do
satélite se realize a cada 15 dias, nem todas as imagens captadas são de qualidade, nem são
processadas nos centros de processamento, repassadas às instituições e empresas e, portanto,
2
disponíveis no mercado. Além disso, algumas contam com cobertura de nuvens sobre a área de
estudo que impede a sua análise.
Primeiramente todas as imagens listadas na Tabela 1 foram georeferenciadas a partir de
uma cena ortoreferenciada fornecida pelo INPE, com a aplicação de 8 a 12 pontos de controle. O
georeferenciamento com base na cartografia do IBGE, não se mostrou viável, uma vez que as
cartas disponíveis em meio digital, na escala 1:250.000, são incompatíveis com o nível de
detalhamento requerido para este estudo. Foi atingido um erro quadrático médio (RMS) no
georeferenciamento das imagens, com uso da cena ortoreferenciada, de 15 a 18 metros, inferior
a um pixel de 30 metros da imagem; este resultado é considerado plenamente satisfatório
(CHUVIECO, 1996).
Tabela 1: Lista de imagens Landsat, órbita-ponto 222 76, analisadas no presente estudo e erro
de georeferenciamento (RMS) alcançado.
Data
Sensor
RMS (pixel)
07/07/2001
Landsat-5 TM
0,574
12/08/2001
Landsat-7 ETM+
0,653
26/06/2002
Landsat-7 ETM+
0,512
02/09/2002
Landsat-7 ETM+
0,544
03/11/2002
Landsat-7 ETM+
0,455
13/10/2003
Landsat-5 TM
0,510
02/12/2003
Landsat-5 TM
0,550
17/01/2004
Landsat-5 TM
0,687
21/03/2004
**
Landsat-5 TM
0,598
12/08/2004
Landsta-5 TM
0,601
** imagem utilizada para identificação das áreas infestadas pelo amarelinho.
As imagens georeferenciadas foram submetidas a processos de aplicação de contrastes e
de diversas combinações de bandas no espaço RGB, realçando as feições e alvos terrestres e
possibilitando a sua interpretação visual. Para a localização em campo foram sobrepostos
rodovias e limites municipais extraídos dos mapas do IBGE e impressas cartas imagens com
grade de coordenadas para cada município (Figura 1). Estas cartas foram utilizadas nos
trabalhos de campo.
3
Figura 1: Localização da área de estudo (carta-imagem Landsat-5
TM de 21/03/2004, composição colorida das bandas 5/4/3 no espaço
RGB).
A campanha de campo foi realizada entre 10 e 17 de agosto por uma equipe de duas
pessoas. Foram identificados e georeferenciados com GPS de navegação 45 alvos, com área
mínima de aproximadamente 2 hectares, nos quatro municípios. Entre estes constam 9 áreas
completamente infestadas pelo amarelinho (Figura 2), 3 áreas com amarelinho, pasto e
4
capoeira, além de 7 áreas de pastagens, 9 áreas com culturas anuais (milho, trigo, cana e
girassol), 3 com cultura de café, uma de solo exposto, 4 com capoeiras e florestas e 5 áreas
urbanas.
Figura 2: Pastagem invadida por Tecoma stans mo
Norte paranaense (Fotografia J.H. Pedrosa-Macedo).
Foi dado ênfase em áreas infestadas de grande extensão e localizadas em vizinhança com
áreas facilmente identificáveis na imagem, como florestas, cursos d´água e culturas anuais. Para
cada área foi elaborado um croquis de localização para facilitar seu correto reconhecimento nas
imagens. Desta forma foram adquiridas as áreas de referência e de treinamento para o
processamento digital das imagens nos quatro municípios, como mostra a Figura 3.
Figura 3: Área infestada por Tecoma stans no município de Congonhinhas imagem
Landsat-5 TM 21/03/2004, bandas 5/4/3 em RGB.
5
Escolhendo-se entre as opções da imagem mais recente e da imagem mais perto da época
da floração do amarelinho, optou-se pela imagem mais recente para aplicação dos demais
processamentos, uma vez que as imagens das outras épocas não mostraram diferenças
significativas nas áreas dos quatro municípios em relação às áreas de amarelinho. A imagem
escolhida de 21 de março de 2004 representa o estado mais atualizado da cobertura vegetal,
que, considerando o rápido avanço do amarelinho, pode sofrer grandes alterações num período
de dois anos. Para o período priorizado do projeto (agosto a setembro de 2004) imagens
processadas sem cobertura de nuvem não estavam disponíveis no mercado.
Utilizando rotinas do programa ENVI, foram extraídos os histogramas (contendo as
distribuições dos valores de cinza dos respectivos pixels) das áreas identificadas em campo,
agrupados nas seguintes categorias: amarelinho, terra nua, pastagem, cultura anual, floresta,
área urbana, corpo d´água. Este procedimento foi realizado para as bandas originais e para as
bandas sintéticas (transformações como NDVI, NDVIMIR, Tasseled Cap e Componentes Principais).
Para a análise da cobertura vegetal aproveita-se o comportamento espectral peculiar da
vegetação: sua alta absorção de energia na faixa da radiação visível (principalmente na do
vermelho; red - R) e por conseqüência, baixo nível de reflectância nesta faixa do espectro
eletromagnético e sua alta reflectância na faixa da radiação do infravermelho próximo (near
infra-red – NIR) e infravermelho médio (médium infra-red – MIR). Os valores de reflectância
nestas bandas contrastam fortemente e permitem distinguir com clareza a vegetação das demais
coberturas da terra. O quociente simples dos valores de reflectância ρ NIR/ρ R aumenta com o
crescente vigor da vegetação.
Diversos índices de vegetação foram desenvolvidos para a caracterização e a diferenciação da
cobertura vegetal em imagens multiespectrais (KARNIELI et al. 2001); serão utilizados neste
trabalho o NDVI e o NDVIMIR:
•
•
Índice de Vegetação de Diferença Normalizada:
NDVIMIR :
NDVI MIR
ρ − ρ MIR
= NIR
ρ NIR + ρ MIR
NDVI =
ρ NIR − ρ R
ρ NIR + ρ R
.
onde
ρ R , ρ NIR , ρ MIR = Valores de reflectância nas bandas do vermelho,
infravermelho próximo e infravermelho médio
A separabilidade espectral entre as classes é fundamental para poder classificar uma
imagem por processos de estatística paramétrica, supondo uma distribuição dos pixels de uma
classe. A separabilidade foi calculada através dos índices Jeffries-Matusita e Divergência
Transformada (RICHARDS, 1993), utilizando para ambos o valor de 1,8 como limiar.
Em seguida, foram realizadas, com base nas áreas de treinamento identificadas em campo
e descritas acima, processos de classificação supervisionada (utilizando os algoritmos da Máxima
Verossimilhança e de Mahalanobis) e não supervisionada (Isodata e K medias).
6
5. Resultados
5.1 Separabilidade espectral
A Figura 4 mostra a resposta espectral na forma de valores de cinza ou digital numbers (DN)
nas 7 bandas espectrais do sensor Landsat TM das nove áreas infestadas pelo amarelinho.
Percebe-se que o resultado é bastante homogêneo com exceção das áreas 25 e 28 que mostram
valores maiores do que as demais áreas de teste nas respostas nas bandas 4 e 5.
160,00
Valores de cinza
140,00
área 12
área 21
área 25
área 28
área 40
área 41
área 43
área 45
área 5
120,00
100,00
80,00
60,00
40,00
20,00
0,00
1
2
3
4
5
Bandas
6
7
Figura 4: Resposta espectral de áreas infestadas por amarelinho nas 7
bandas TM.
Por esta razão, as duas áreas foram excluídas dos procedimentos seguintes, uma vez que
dificultam a classificação das imagens, que é baseada em cálculos de similaridade, a partir de
média e desvio padrão das áreas de treinamento. A Figura 5 mostra o comportamento espectral
dos demais temas nas sete bandas do sensor TM da mesma imagem (área urbana, terra nua,
floresta, cultura anual, pasto e água). Embora a curva espectral do amarelinho seja distinta das
outras classes, ela está muito próxima da das culturas anuais e das pastagens e mostra, assim,
uma resposta espectral similar com a das áreas destas duas classes. A maior dificuldade
provavelmente residirá na distinção destes três temas.
7
Figura 5: Resposta espectral das classes temáticas
analisadas nas sete bandas Landsta TM.
A análise da separabilidade dos temas através dos índices Jeffries-Matusita e Divergência
Transformada (RICHARDS, 1993), utilizando para ambos o valor de 1,8 como limiar, mostra a
mesma tendência (Tabela 2). Existe separabilidade entre amarelinho e área urbana, terra nua,
floresta e água, porem há dificuldade de discernir amarelinho de culturas anuais e pastagens.
Tabela 2: Valores do Índice Jeffries-Matusita e da Divergência Transformada para as áreas de
treinamento com amarelinho em comparação com os demais temas.
Tema
Índice Jeffries-Matusita
Divergência Transformada
Área urbana
1,9983
2,0000
Terra nua
1,9670
1,9994
Floresta
1,9182
1,9791
Cultura anual
1,4107
1,7875
Pasto
1,3140
1,4863
Água
2,0000
2,0000
Os demais temas também mostraram separabilidade entre eles, o que facilitará a correta
classificação da imagem.
5.2 Índices de vegetação
A partir das bandas originais da imagem Landsat foram geradas bandas sintéticas contendo os
Indicies de vegetação NDVI e NDVIMIR. Destas bandas foram extraídos e comparados média e
desvio padrão dos valores de cada classe temática. Na Tabela 3 constam os respectivos valores
médios de NDVI e NDVIMIR:
8
Tabela 3: Valores de NDVI e NDVI
21/03/2004.
Classe temática
Amarelinho
Terra nua
Cultura anual
Urbano
Floresta
Pasto
MIR
por classe temática na imagem Landsat-5 TM de
NDVI
0,6804
0,3635
0,6638
0,1729
0,7306
0,6309
NDVI MIR
0,1807
-0,0680
0,1932
-0,1790
0,3107
0,1932
As Figuras 6 e 7 trazem os valores com os seus respectivos desvios-padrão. Fica clara a
sobreposição dos valores das áreas com amarelinho principalmente com as culturas anuais e
pastagens.
NDVI por classe temática
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
Amarelinho
Terra nua
Cultura anual
Urbano
Floresta
Pasto
1
Classe temática
Figura 6: Média e desvio-padrão de NDVI por classe temática.
MIR-NDVI por classe temática
0,4
0,3
Amarelinho
0,2
Terra nua
0,1
Cultura anual
0,0
-0,1
1
Urbano
-0,2
Floresta
-0,3
Pasto
-0,4
Classe temática
Figura 7: Média e desvio-padrão de NDVI MIR por classe temática.
9
5.3 Transformação Tasseled Cap e Componentes Principais
Os resultados da aplicação da transformação Tasseled Cap não mostram uma nítida
diferenciação entre os temas amarelinho, cultura, floresta e pasto, como consta na Tabela 4.
Tabela 4: Valores de brightness, greenness e third da transformação Tasseled Cap para os
temas analisados, extraídos das seis bandas da imagem Landsat de 21/03/2004.
Terra
Temas
AmareUrbano
Água
Cultura Floresta Pasto
nua
Bandas
linho
Brightness
96,75 157,02 163,83 132,13 169,63 164,80 172,79
Greenness
-38,94
54,20
62,21
49,02
54,75
19,11
1,48
Third
-32,96
-66,34
-65,93
-53,37
-72,14
-78,16
-80,17
A análise dos componentes principais, por sua vez, mostrou resultados apresentados na Tabela
5. Embora as regiões de interesse do amarelinho apresentem padrão, de certa forma, diferente
dos demais temas, não existe separabilidade clara entre os temas no que se refere às três
componentes principais, como mostra a Tabela 6: existe separabilidade de amarelinho em
relação à floresta e terra nua, mas não em relação a culturas e pastagens, considerando como
limiar 1,8 tanto para os valores do Índice Jeffries-Matusita como para os da Divergência
Transformada.
Tabela 5: Valores das três componentes principais dos temas analisados extraídos das seis
bandas da imagem Landsat de 21/03/2004.
Terra
Temas
AmareUrbano
Água
Cultura Floresta Pasto
Componentes
nua
linho
1
-119,00
-5,69
4,59
-23,41
1,63
-31,08
-41,44
2
34,49
6,32
4,93
31,31
-6,93
-25,61
-47,04
3
-19,22
1,31
-1,57
1,96
0,60
0,46
-41,86
Tabela 6: Valores do Índice Jeffries-Matusita e da Divergência Transformada para as áreas de
treinamento com amarelinho em comparação com os demais temas.
Tema
Área urbana
Terra nua
Floresta
Cultura anual
Pasto
Índice Jeffries-Matusita
1,9609
1,9279
1,8523
0,7542
0,8258
Divergência Transformada
1,9995
1,9653
1,9267
0,9965
0,8631
5.4 Classificação supervisionada
Com base nas áreas de treinamento cadastrados em campo foram realizados os procedimentos
de classificação. A classificação supervisionada da imagem, com classificador MaxVer, mostrou,
de longe, os resultados mais coerentes. Para avaliar a qualidade do procedimento foi construída
uma matriz de confusão a partir das próprias áreas de treinamento, isto quer dizer: comparou-se
a classificação com a verdade terrestre registrada na ocasião da instalação das áreas de
treinamento. Perguntou-se, desta maneira, se o classificador MaxVer conseguia classificar, de
forma correta, pelo menos as próprias áreas de treinamento, com as informações disponíveis a
10
ele. Embora a acurácia geral da classificação (90,97%), isto é a soma de todos os pixels
corretamente classificadas em relação ao numero total de pixels analisados, e o coeficiente kappa
sejam altos (0,8695), os resultados de cada classe temática têm que ser analisados
separadamente e apresentam grandes diferenças.
De acordo coma a Tabela 7, as áreas de treinamento totalizam 4388 pixels, dos quais 126 de
áreas com amarelinho. A diagonal principal da matriz mostra o número de pixels corretamente
classificados de cada classe temática. Na Tabela 8 constam os valores relativos que permitem
avaliar o grau de acerto (acurácia) da classificação. Fica evidente que 22 dos 126 pixels de áreas
com amarelinho não foram corretamente agrupados. Por outro lado, algumas áreas de pastagem
(23 pixels), culturas anuais (63 pixels), florestas (13 pixels) e áreas urbanas (2 pixels) foram
erroneamente reconhecidas como amarelinho pelo classificador e atribuídas a esta classe.
Quatorze pixels, ou 0,32% do total, não foram atribuídos a nenhum grupo por não mostrarem
similaridade espectral com nenhum tema.
Tabela 7: Matriz de confusão da classificação MaxVer (em números de pixels).
Realidade terrestre
Classe
Amare- Área
Terra FloCultura Pasto Água
temática
linho
Urbana nua
resta
anual
área não
classificada
0
12
0
0
0
0
2
Amarelinho
104
2
0
13
63
23
0
Área Urbano
0
2156
125
0
4
0
0
Terra nua
0
12
91
0
5
1
0
Floresta
1
0
0
440
1
0
0
Cultura
11
25
46
0
356
32
0
Pasto
10
0
0
0
8
256
0
Agua
0
0
0
0
0
0
589
Total
126
2207
262
453
437
312
591
Total
14
205
2285
109
442
470
274
589
4388
Desta forma, o acerto no que se refere à classificação das áreas de amarelinho é de 82,54%, o
que pode ser considerado um resultado satisfatório, apenas 17,46% das áreas de amarelinho não
foram reconhecidas como tais e representam a omissão para esta classe (Tabela 9). A comissão,
por sua vez, para a classe amarelinho é muito alta: 49,27% de todos os pixels atribuídos a esta
classe na verdade pertencem a outros temas (63 pixels são culturas anuais e 23 pixels são
pastagens). Assim a acurácia do produtor é de 82%, mas do ponto de vista do usuário é de
apenas 50% (Tabela 9).
Tabela 8: Matriz de confusão da classificação MaxVer (em percentagem).
Realidade terrestre
Classe
Amare- Área
Terra FloCultura Pasto Água Total
temática
linho
Urbana nua
resta
anual
área não
classificada
0
0,54
0
0
0
0
0,34
0,32
Amarelinho
82,54
0,09
0
2,87
14,42
7,37
0
4,67
Área Urbano
0
97,69
47,71
0
0,92
0
0
52,07
Terra nua
0
0,54
34,73
0
1,14
0,32
0
2,48
Floresta
0,79
0
0,00
97,13
0,23
0
0
10,07
Cultura
8,73
1,13
17,56
0
81,46
10,26
0
10,71
Pasto
7,94
0
0
0
1,83
82,05
0
6,24
Agua
0
0
0
0
0
0
99,66 13,42
Total
100
100
100
100
100
100
100
100
11
Tabela 9: Comissão, omissão e acurácia da classificação MaxVer (em percentagem).
Classe
Comissão
Omissão
Acurácia
Acurácia
(usuário)
temática
(produtor)
Amarelinho
49.27
17.46
82.54
50.73
Área Urbano
5.65
2.31
97.69
94.35
Terra nua
16.51
65.27
34.73
83.49
Floresta
0.45
2.87
97.13
99.55
Cultura
24.26
18.54
81.46
75.74
Pasto
6.57
17.95
82.05
93.43
Agua
0.00
0.34
99.66
100.00
Total
100
100
6. Considerações finais
Os resultados até agora obtidos permitem concluir o que segue, no que se refere à
perguntas de pesquisa propostas:
1)
2)
3)
4)
5)
6)
7)
áreas infestadas com amarelinho (Tecoma stans) mostram
uma curva de
reflectância distinta, porém muito próximo da de outros temas e assim um
comportamento espectral similar ao de pastagens e culturas anuais; isto ocorre
provavelmente por não apresentarem povoamentos “puros” da planta invasora,
mas também restos de pastagens e um conjunto de outras plantas nativas;
a maior confusão existe entre amarelinho e culturas anuais, que foram trabalhadas
como um único tema, embora estas sejam representadas por culturas muito
diferentes como milho, soja, girassol, trigo e cana-de-açucar. A separação por
cultura agrícola terá que ser feita para tornar reconhecíveis as áreas de
amarelinho;
a aplicação dos índices de vegetação NDVI e NDVIMIR , bem como das
transformações Componentes Principais e Tasseled Cap, não contribuiu
substancialmente à melhoria da distinção entre as classes amarelinho, culturas
anuais e pastagens;
a acurácia
de produtor, resultado de classificação supervisionado com o
classificador MaxVer, é satisfatória; o alto percentual de comissão e a conseqüente
baixa acurácia de usuário, no entanto, causadas pela confusão com culturas
agrícola e pastagens, impossibilitam, até o presente momento, o uso da
classificação para detecção das áreas infestadas pelo amarelinho nos quatro
municípios estudados.
o estudo mostrou o potencial das imagens Landsat para o objetivo proposto; não
foram detectadas diferenças significativas nas imagens de diferentes épocas do
ano; imagens da época da floração do amarelinho não estavam disponíveis;
recomenda-se o aprofundamento de pesquisas sobre o tema, porque este estudo
preliminar deixar parecer que o reconhecimento correto das áreas de amarelinho
via recursos de sensoriamento remoto é possível;
recomenda-se especificamente: retomar e detalhar os trabalhos de campo, levando
notebook com a imagem carregada e localizar áreas de treinamento direto com uso
de GPS acoplado; poligonizar diretamente em campo as áreas nos respectivos
arquivos de imagens; estratificar as áreas de amarelinho conforme grau de
infestação; aumentar o numero de áreas de treinamento; levantar um número
12
8)
expressivo de áreas de outras culturas anuais; aplicar e refinar a análise do
comportamento espectral via histograma área por área e posteriormente por tema;
analisar novamente separabilidade e matriz de confusão; retornar a campo após a
execução de classificação supervisionada para aferição dos resultados; incluir
imagens CBERS-2 nos procedimentos.
após realização destes procedimentos poderão ainda ser usados imagens com
resolução espectral e espacial maior.
7. Referências bibliográficas
ANDREAZZA, C.J. Perspectivas de utilização de Prospodium appendiculatum (Wint.) Arth.
(Uridenales: Pucciniaceae) no controle biológico de Tecoma stans (L.) Juss. ex Kunth
(Bignoniaceae). 2004. 109f. Dissertação (Mestrado em Engenharia Ambiental) - Universidade
Regional de Blumenau, Blumenau, 2004.
BREDOW, E., A.; PEDROSA-MACEDO, J.H.; VITORINO, M.D. Amarelinho Tecoma stans (L.)
Jussieu ex. Kunth (Bignoniaceae) – uma ornamental multiuso ou plástica invasora. In: PEDROSAMACEDO, J.H. ; BREDOW, E., A. Princípios e Rudimentos do Controle Biológico de Plantas:
Coletânea. Curitiba: [s.n.], 2004, p. 51-106.
FURB, UFPR, UEL. Plano de Manejo do amarelinho (Tecoma stans). Universidade Estadual de
Londrina/IAPAR. 2004, 220p.
KARNIELI, A., KAUFMAN, Y. J. , REMER, L. , et al. AFRI - aerosol free vegetation index. Remote
Sensing of Environment., New York, v. 77, p. 10-21, 2001.
KRANZ, W.M.; PASSINI, T. Amarelinho : Biologia e Controle. Informe da Pesquisa, IAPAR,
Londrina – PR, ano XVII, n.º 121, 19 p., 1997.
LILLESAND, T.M., KIEFER, R.W. Remote Sensing and Image Interpretation. 4. ed. New York:
John Wiley, 2000. 724p.
MELLO, J. de. Bignoniaceae Paulistas. Arquivos do Museu Paranaense, Curitiba, v. 9: 22-29,
1952.
NOVO, E.M.L.de M. Sensoriamento Remoto. Princípios e aplicações. 2. ed. São Paulo:
Edgard Blücher, 1992. 308p.
PEDROSA-MACEDO, J.H. ; BREDOW, E., A. Princípios e Rudimentos do Controle Biológico de
Plantas: Coletânea. Curitiba: [s.n.], 2004, 197p.
RICHARDS, J.A. Remote sensing digital image analysis: an introduction. 2. ed. Berlin:
Springer-Verlag, 1993. 340p.
RENÓ, L.R. Propagação vegetativa e fenologia de Tecoma stans (L.) Kunth – (Bignoniaceae). In:
PEDROSA-MACEDO, J.H. ; BREDOW, E., A. Princípios e Rudimentos do Controle Biológico de
Plantas: Coletânea. Curitiba: [s.n.], 2004, p. 107-112.
VITORINO, M.D.; PEDROSA-MACEDO, J.H. Plantas Indesejáveis – O Brasil precisa despertar
para o controle biológico. VII Simpósio de Controle Biológico, Poços de Caldas – MG, p. 360,
2001.
13