-I-
ROQUE ALBERTO SÁNCHEZ DALOTTO
ESTRUTURAÇÃO DE DADOS COMO SUPORTE À GESTÃO DE
MANGUEZAIS UTILIZANDO TÉCNICAS DE GEOPROCESSAMENTO
Tese apresentada ao Curso do Pós-graduação em
Engenharia Civil da Universidade Federal de
Santa Catarina (UFSC), Brasil, como parte dos
requisitos para obtenção do título de Doutor em
Engenharia Civil.
Versão em Português
Florianópolis (SC), Brasil
2003
-II-
FOLHA DE APROVAÇÃO
Tese defendida e aprovada em 20/03/2003.
____________________________________
Prof. Dr. Carlos LOCH
___________________________________
Prof. Dr. Jucilei CORDINI
Orientador – Moderador.
Universidade Federal de Santa Catarina (UFSC), Brasil.
Coordenador.
Programa de Pós-graduação em Engenharia Civil.
Universidade Federal de Santa Catarina (UFSC),
Brasil.
Comissão examinadora:
__________________________________
Prof. Dr. Ing.-habil. Dr. Hans-Peter BÄHR
__________________________________
Prof. Dr. Ing. Jürgen PHILIPS
Institut für Photogrammetrie und Fernerkundung -IPFUniversität Karlsruhe, Alemanha.
Professor PPGEC.
Universidade Federal de Santa Catarina (UFSC), Brasil.
__________________________________
Prof. Dr. José Maria LANDIM DOMINGUEZ
__________________________________
Prof. Dr. Jucilei CORDINI
Instituto de Geociências.
Universidade Federal da Bahia (UFBA), Brasil.
Professor PPGEC.
Universidade Federal de Santa Catarina (UFSC), Brasil.
__________________________________
Prof. Dr. Jorge PIMENTEL CINTRA
__________________________________
Prof. Dra. Ruth E. NOGUEIRA LOCH
Escola Politécnica.
Universidade de São Paulo (USP), Brasil.
Professora Departamento de Geociências.
Universidade Federal de Santa Catarina (UFSC), Brasil.
-III-
ESTRUTURAÇÃO DE DADOS COMO SUPORTE À GESTÃO DE
MANGUEZAIS UTILIZANDO TÉCNICAS DE GEOPROCESSAMENTO
ROQUE ALBERTO SÁNCHEZ DALOTTO
Tese apresentada ao Curso do Pós-graduação em Engenharia Civil da Universidade
Federal de Santa Catarina, como parte dos requisitos para a obtenção do título de
Doutor em Engenharia Civil.
Área de Concentração: Cadastro Técnico Multifinalitário e Gestão Territorial
Orientador: Prof. Dr. Carlos Loch
Versão em Português
Florianópolis (SC), Brasil
2003
-IV-
Dedico este trabalho para minha esposa Claudia e meus filhos
Cecilia Elena, Alejandra Mercedes e Roque Francisco
que souberam acompanhar e apoiar esta experiência no Brasil.
A meus avós Roque, Cecilia, Francisco e Clotilde Elena (in
memoriam)
que, na Argentina, orientaram-me desde a infância com exemplos de
trabalho, ordem e perseverança.
A meus pais Roque (in memoriam) e Susana
sempre preocupados em oferecer as melhores possibilidades para minha
formação.
A meus tios Francisco e Susana (in memoriam)
pelo apoio familiar e orientação permanente.
-V-
AGRADECIMENTOS
Nota: Todos os agradecimentos são apresentados em ordem alfabética.
Pelo apoio institucional:
•
Universidade Federal de Santa Catarina (UFSC), Florianópolis, Brasil.
•
Universität Karlsruhe, Karlsruhe, Alemanha.
•
Universidad Nacional del Litoral (UNL), Santa Fé, Argentina.
Pelo apoio acadêmico:
•
Facultad de Ingeniería y Ciencias Hídricas (FICH), Universidad Nacional del Litoral (UNL),
Santa Fé, Argentina.
•
Institut für Photogrammetrie und Fernerkundung (IPF), Universität Karlsruhe, Karlsruhe,
Alemanha.
•
Professor Dr. Carlos Loch, orientador das atividades de pesquisa no Doutorado.
•
Professor Dr. Ing.-habil Dr. Hans-Peter Bähr, Diretor do Institut für Photogrammetrie und
Fernerkundung, Karlsruhe, Alemanha.
•
Professor Dr. Jucilei Cordini, Coordenador do Programa de Pós-Graduação em Engenharia Civil
(PPGEC), Universidade Federal de Santa Catarina (UFSC), Florianópolis, Brasil.
•
Professor IRH. Cristóbal V. Lozeco, Diretor das atividades de pesquisa pela Facultad de
Ingeniería y Ciencias Hídricas (UNL), Santa Fé, Argentina.
•
Secretaria do Programa de Pós-Graduação em Engenharia Civil (PPGEC), Universidade Federal
de Santa Catarina (UFSC), Florianópolis, Brasil.
Pelo apoio financeiro:
•
Fundação Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES), Brasília,
Brasil.
•
Laboratório de Camarões Marinhos – Centro de Ciências Agrárias da Universidade Federal de
Santa Catarina (UFSC), Florianópolis, Brasil.
•
Ministerio de Educación de la República Argentina - Secretaría de Educación Superior, Buenos
Aires, Argentina.
•
Programa Brasil – Alemanha (PROBRAL), Conselho Nacional de Desenvolvimento Científico e
Tecnológico (CNPq), Brasil - Deutscher Akademischer Austauschdienst (DAAD), Deutschland.
•
Proyecto "Fondo para el Mejoramiento de la Calidad Universitaria FOMEC 825/97", FICH –
UNL / BIRF, Santa Fe, Argentina.
•
Universidad Nacional del Litoral, Santa Fe, Argentina.
Pelo apoio técnico:
•
Aeroconsult Aerolevantamentos, Florianópolis, Brasil.
•
Departamento de Engenharia de Agrimensura, Universidade do Estremo Sul Catarinense
(UNESC), Criciúma, Brasil.
•
Gold&Gold, Florianópolis, Brasil.
•
Instituto de Planejamento Urbano de Florianópolis (IPUF), Brasil.
-VI-
•
Intersat Imagens de Satélite, São José dos Campos, Brasil.
•
Laboratório de Camarões Marinhos – Centro de Ciências Agrárias da Universidade Federal de
Santa Catarina (UFSC), Florianópolis, Brasil.
•
Laboratório de Fotogrametria, Sensoriamento Remoto e Geoprocessamento (LFSG),
Universidade Federal de Santa Catarina (UFSC), Florianópolis, Brasil.
•
Núcleo de Consultoria Ambiental (NCA), Florianópolis, Brasil.
•
VisãoGEO, Florianópolis, Brasil.
•
Z imaging (Carls Zeiss + Intergraph joint venture), Oberkochen, Germany.
Pelo apoio pessoal:
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Aldo Raúl Paira, PTC. Santa Fé, Argentina.
Augusto De Marchi, Téc. Florianópolis, Brasil.
Betty Kauffmann, Prof. Geog. Santa Fé, Argentina.
Carla Bonetti, Prof. Dra. Florianópolis, Brasil.
Carlos Alberto Sherton Cruz, Arq. Florianópolis, Brasil.
Carlos Orssatto, Prof. Dr. Florianópolis, Brasil.
Cláudio Zimmermann, Prof. M.Eng. Florianópolis, Brasil.
Cristóbal Vicente Lozeco, Prof. Ing. Rec. Hid. Santa Fé, Argentina.
Delcindo Padilha Droppa, Eng. Agr. Florianópolis, Brasil.
Elpídio Beltrame, Prof. M. Eng. Agr. Florianópolis, Brasil.
Fabiano Dos Santos, Téc. Florianópolis, Brasil.
Francisco Alberto Dalotto, Dr. Bioq. General Ramírez, Argentina.
Francisco Leiva, Prof. Ing. Civ. Paraná, Argentina.
Fulgêncio Duarte, Sociólogo. Florianópolis, Brasil.
Gabriel Oscar Cremona Parma, Prof. PTC. Florianópolis, Brasil.
Gabriela Salgado, M. Eng. Geog. Florianópolis, Brasil.
Graciela Pusineri, Prof. M.Sc., Santa Fé, Argentina.
Irizete Odete Meneses, Florianópolis, Brasil.
Jarbas Bonetti Filho, Prof. Dr. Florianópolis, Brasil.
José Comin, Eng. Agr. Florianópolis, Brasil.
Jürgen Philips, Prof. Dr. Florianópolis, Brasil.
Mabel Haydée Strada, Geog. Buenos Aires, Argentina.
Mario Schreider, Prof. M.Sc. Ing. Rec. Hid. Santa Fé, Argentina.
Marta Pujol de Aguirre, Prof. Ing. Rec. Hidr. Santa Fé, Argentina.
Miguel A. Verdinelli, Prof. Dr. Florianópolis, Brasil.
Paulo César Fortkamp, Téc. Florianópolis, Brasil.
Pedro Selvino Neumann, Prof. M.Sc. Eng. Agr. Santa Maria, Brasil.
Rafael Comin, Geog. Florianópolis, Brasil.
Roberto Aníbal Lerena, Dr. Paraná, Argentina.
Rógis Juarez Bernardy, Prof. M. Eng. Geog. Chapecó, Brasil.
Romeo Esteban Miretti, Prof. Ing. Civ. Santa Fé, Argentina.
Ronildo Goldmeier, Arq. Florianópolis, Brasil.
Ruth Emilia Nogueira Loch, Prof. Dr. Florianópolis, Brasil.
Sérgio Luis Lopes, Lic. em Geog. Florianópolis, Brasil.
Walter Quadros Seiffert, Prof. M. Eng. Agr. Florianópolis, Brasil.
-VII-
SUMÁRIO
Folha de aprovação................................................................................................
Agradecimentos.....................................................................................................
Lista de figuras.......................................................................................................
Lista de mapas.......................................................................................................
Lista de tabelas......................................................................................................
Lista de gráficos.....................................................................................................
Lista de abreviaturas..............................................................................................
Lista de instituições................................................................................................
Lista de unidades de medida.................................................................................
Licença dos programas utilizados..........................................................................
Resumo..................................................................................................................
Resumen................................................................................................................
Abstract..................................................................................................................
II
V
XI
XIV
XV
XVI
XVII
XVIII
XIX
XX
XXI
XXII
XXIII
CAPÍTULO 1 APRESENTAÇÃO DO TEMA ESTUDADO ....1
RESUMO DO CAPÍTULO 1.....................................................................................................................1
1.1. CONSIDERAÇÕES PRELIMINARES .................................. 1
1.1.1. CONTEXTO DE APLICAÇÃO ............................................................................. 2
1.1.2. MOTIVAÇÃO PESSOAL PARA REALIZAÇÃO DO ESTUDO ...................................... 4
1.1.3. ALCANCES DO TRABALHO REALIZADO ............................................................. 6
1.1.4. ADVERTÊNCIA SOBRE RESTRIÇÕES CONCEITUAIS............................................ 8
1.2. APRESENTAÇÃO DO TEMA ESTUDADO ........................ 10
1.2.1. RELEVÂNCIA, CARÁTER INÉDITO E CONTRIBUIÇÃO AO TEMA ESTUDADO .......... 10
1.2.2. HIPÓTESES CONSIDERADAS......................................................................... 11
1.3. OBJETIVOS .................................................................. 14
1.3.1. OBJETIVO PRINCIPAL................................................................................... 14
1.3.2. OBJETIVOS ESPECÍFICOS............................................................................. 14
CAPÍTULO 2 REVISÃO BIBLIOGRÁFICA ...................... 16
RESUMO DO CAPÍTULO 2...................................................................................................................16
2.1. ESTADO DA ARTE ........................................................ 16
2.1.1. GESTÃO TERRITORIAL E ADMINISTRAÇÃO DA INFORMAÇÃO ............................ 16
2.1.2. GESTÃO COSTEIRA: ANÁLISE DAS TENDÊNCIAS ATUAIS .................................. 19
2.1.3. ESTRUTURAÇÃO DO CONHECIMENTO DE ÁREAS LITORÂNEAS ......................... 22
2.1.4. A INFORMAÇÃO EM UM PLANO DE GESTÃO COSTEIRA .................................... 23
2.1.5. A INFORMAÇÃO E O MARCO FUNCIONAL CONSIDERADO.................................. 24
2.2. TÉCNICAS ATUALMENTE DISPONÍVEIS ......................... 26
2.2.1. SISTEMAS ESPACIALIZADOS DE APOIO À DECISÃO - SEAD............................ 26
2.2.2. SENSORIAMENTO REMOTO , SIG E MODELAGEM NUMÉRICA............................ 28
2.2.3. SISTEMAS EXPERTOS.................................................................................. 31
2.2.4. FUSÃO DE DADOS ....................................................................................... 34
2.2.5. ESTATÍSTICA MULTIVARIADA ........................................................................ 35
2.2.6. MODELOS DIGITAIS DO TERRENO ................................................................. 36
2.2.7. SISTEMA DE POSICIONAMENTO GLOBAL ........................................................ 36
2.3. OS MANGUEZAIS .......................................................... 38
2.3.1. ÁREAS DE FORMAÇÕES PIONEIRAS............................................................... 38
2.3.2. FORMAÇÃO PIONEIRA FLUVIOMARÍTIMA DOS MANGUEZAIS.............................. 38
2.3.3. ESPÉCIES DE MANGUE DA ÁREA DE ESTUDO ................................................. 39
2.3.3.1. Avicennia schaueriana Stapf & Leechman ex Moldenke ................................ 41
2.3.3.2. Laguncularia racemosa L. ............................................................................. 43
-VIII-
2.3.3.3. Rhizophora mangle L. ................................................................................... 44
2.3.4. DISTRIBUIÇÃO GEOGRÁFICA GLOBAL ............................................................ 45
2.3.5. DISTRIBUIÇÃO GEOGRÁFICA NO BRASIL ........................................................ 46
2.3.6. DISTRIBUIÇÃO GEOGRÁFICA EM SANTA CATARINA ......................................... 48
2.3.7. OS MANGUEZAIS E A ANTROPIZAÇÃO DO MEIO ............................................... 51
CAPITULO 3 ÁREA DE ESTUDO.................................... 52
RESUM0 DO CAPÍTULO 3 ...................................................................................................................52
3.1. LOCALIZAÇÃO GEOGRÁFICA DA ÁREA ........................ 52
3.1.1. SITUAÇÃO RELATIVA.................................................................................... 52
3.2. C ONDIÇÃO
DE ANTROPIZAÇ Ã O D A Á R E A ................................
56
3.2.1. PRINCIPAIS PROBLEMAS AMBIENTAIS............................................................ 58
3.3. C ARACTERIZAÇÃO
AMBIENTAL DA ÁREA ................................
61
3.3.1. ESPÉCIES DE MANGUE ................................................................................ 61
3.3.2. ALTIMETRIA ................................................................................................ 63
3.3.3. CADASTRO E FUNÇÃO DAS PROPRIEDADES ................................................... 65
3.3.4. ÁREAS EDIFICADAS ..................................................................................... 69
3.3.5. REDE VIÁRIA............................................................................................... 71
3.3.6. SISTEMA HÍDRICO ....................................................................................... 74
3.3.7. ESGOTOS ................................................................................................... 77
CAPITULO 4 MATERIAL E MÉTODO ............................. 82
RESUM0 DO CAPÍTULO 4 ...................................................................................................................82
4.1. MATERIAL .................................................................... 82
4.1.1. EQUIPAMENTO ............................................................................................ 83
4.1.2. PROGRAMAS .............................................................................................. 88
4.1.2.1. Linguagens de programação ......................................................................... 88
4.1.2.2. Programas específicos elaborados ................................................................ 89
4.1.2.3. Programas para cálculos ............................................................................... 90
4.1.2.4. Programas para processamento, gestão e manejo de dados ......................... 90
4.2. MÉTODO ....................................................................... 91
4.2.1. ETAPA I – DEFINIÇÃO DO PROBLEMA E FORMULAÇÃO DE HIPÓTESES .............. 92
4.2.1.1. Análise das idéias motivadoras da pesquisa .................................................. 93
4.2.1.2. Canalização das idéias para um projeto concreto .......................................... 94
4.2.1.3. Análise dos meios técnicos e econômicos disponíveis................................... 94
4.2.1.4. Estudo do estado atual do problema no mundo ............................................. 96
4.2.1.5. Análise da relevância do problema ................................................................ 96
4.2.1.6. Determinação do contexto espaço-temporal .................................................. 97
4.2.1.7. Definição da área de estudo .......................................................................... 98
4.2.1.8. Reconhecimento de problemas ambientais da área....................................... 98
4.2.1.9. Formulação de hipóteses .............................................................................. 99
4.2.1.10. Determinação de hipóteses e objetivos........................................................ 99
4.2.2. ETAPA II – PREPARAÇÃO DOS DADOS DE ENTRADA ..................................... 100
4.2.2.1. Adequação do SIG como técnica para preparação de dados ....................... 101
4.2.2.2. Estruturação do projeto SIG ........................................................................ 102
4.2.2.3. Programa computacional adotado ............................................................... 103
4.2.2.4. Base cartográfica ........................................................................................ 103
4.2.2.5. Sensoriamento remoto ................................................................................ 104
4.2.2.5.1. Imagens de satélite.......................................................................................105
4.2.2.5.2. Fotografias aéreas ........................................................................................105
4.2.2.5.3. Imagens do sistema para registro digital de imagens......................................109
4.2.2.6. Missões de campo ...................................................................................... 112
4.2.2.7. Incorporação de metadados ........................................................................ 113
4.2.2.8. Modelos matriciais temáticos....................................................................... 114
4.2.2.9. Processamento de imagens ........................................................................ 115
4.2.2.10. Modelos matriciais contínuos..................................................................... 117
-IX-
4.2.2.11. Fusão de dados......................................................................................... 118
4.2.3. ETAPA III – ZONEAMENTO DA ÁREA DE ESTUDO .......................................... 119
4.2.3.1. Adequação da ACP como técnica de redução dimensional de dados .......... 120
4.2.3.2. Aplicação da técnica da ACP....................................................................... 120
4.2.3.3. Variáveis de entrada à ACP apoiada em modelos matriciais........................ 121
4.2.3.4. Programa computacional utilizado ............................................................... 121
4.2.3.5. Determinação de setores homogêneos........................................................ 122
4.2.4. ETAPA IV – ESTRUTURAÇÃO E APLICAÇÃO DO SISTEMA EXPERTO ............... 123
4.2.4.1. Componentes e estrutura genérica do SE.................................................... 123
4.2.4.2. Fases executadas para a aplicação do SE .................................................. 124
4.2.4.3. Programa computacional e estrutura adotada para o SE ............................. 126
4.2.4.4. Variáveis de entrada.................................................................................... 127
4.2.4.5. Probabilidade das variáveis......................................................................... 132
4.2.4.6. Modelo declarativo ...................................................................................... 134
4.2.4.7. Formulação de hipóteses no SE .................................................................. 135
4.2.4.8. Estruturação da base de conhecimentos ..................................................... 135
4.2.4.9. Treinamento e feedback do SE.................................................................... 136
4.2.4.10. Execução de rotinas do SE........................................................................ 137
4.2.4.11. Determinação da validade e consistência dos resultados do SE. ............... 137
4.2.4.12. Manejo dos resultados de hipóteses do SE ............................................... 138
4.2.4.13. Resultados das hipóteses utilizados como novas variáveis........................ 138
4.2.4.14. Adequação dos resultados a avaliações ambientais .................................. 139
4.2.5. ETAPA V – INTEGRAÇÃO DO SEAD............................................................ 139
4.2.5.1. Componentes considerados ........................................................................ 139
4.2.5.2. Extração de dados implícitos versus geração de novos dados..................... 140
4.2.5.3. Diferencia entre SEAD e SIG....................................................................... 141
4.2.5.4. Programas computacionais desenvolvidos .................................................. 141
4.2.5.5. Compatibilização de escalas e de densidades de informação ...................... 142
4.2.5.6. Funcionamento do SEAD ............................................................................ 143
4.2.5.7. Adequação do método ................................................................................ 147
CAPITULO 5 RESULTADOS E DISCUSÃO................... 148
RESUMO DO CAPÍTULO 5.................................................................................................................148
5.1. RESULTADOS .............................................................. 148
5.1.1. VALIDADE DOS RESULTADOS OBTIDOS NA PESQUISA ................................... 148
5.1.2. TRANSFERÊNCIA E APLICAÇÃO EM OUTRAS ÁREAS ...................................... 149
5.1.3 RESULTADOS DA VERIFICAÇÃO DE HIPÓTESES ............................................. 149
5.1.3.1. Primeira hipótese ........................................................................................ 150
5.1.3.1.1. Considerações sobre os resultados da primeira hipótese ...............................159
5.1.3.2. Segunda hipótese ....................................................................................... 159
5.1.4.
5.1.3.2.1. Caso 1..........................................................................................................165
5.1.3.2.2. Caso 2..........................................................................................................166
5.1.3.2.3. Caso 3..........................................................................................................168
5.1.3.2.4. Caso 4..........................................................................................................170
5.1.3.2.5. Caso 5..........................................................................................................172
5.1.3.2.6. Caso 6..........................................................................................................174
5.1.3.2.7. Considerações sobre os resultados da segunda hipótese...............................176
RESULTADOS INTERMEDIÁRIOS .................................................................. 177
5.1.4.1. Zoneamento ambiental por ACP.................................................................. 177
5.1.4.2. Imagens digitais .......................................................................................... 180
5.1.4.3. Imagens para observação estereoscópica ................................................... 181
5.1.4.4. Seqüências lineares de imagens ................................................................. 185
5.1.4.5. Imagens falsa cor ........................................................................................ 186
5.1.4.6. Classificações do SE................................................................................... 187
CAPÍTULO 6 CONCLUSÕES ........................................ 193
RESUMO DO CAPÍTULO 6.................................................................................................................193
6.1. CONCLUSÕES GERAIS ................................................ 193
-X-
6.2. CONCLUSÕES ESPECÍFICAS ....................................... 194
6.2.1. GERAÇÃO DE INFORMAÇÃO TÉCNICA .......................................................... 194
6.2.2. SISTEMAS NÃO CONVENCIONAIS DE RECONHECIMENTO ............................... 195
6.2.3. ADEQUAÇÃO DE TÉCNICAS DE FUSÃO DE DADOS ......................................... 196
6.2.4. ALTERNATIVAS PARA RECUPERAÇÃO DE ÁREAS DEGRADADAS ..................... 197
6.2.5. AVALIAÇÃO DE PROBLEMAS AMBIENTAIS CONCRETOS.................................. 197
6.2.6. CONTRIBUIÇÕES DO MÉTODO .................................................................... 198
BIBLIOGRAFIA ............................................................. 199
ANEXOS ....................................................................... 210
–—
-XI-
LISTA DE FIGURAS
Figura 1.1.: O manguezal do Itacorubi ...................................................................................... 3
Figura 1.2.: Departamento de Aqüicultura – CCA, UFSC. ....................................................... 12
Figura 1.3.: Vista da área em fase de recuperação no CCA, UFSC......................................... 13
Figura 2.1.:Formação pioneira fluviomarítima ......................................................................... 39
Figura 2.2.: Transição fluviomarítima de um manguezal.......................................................... 39
Figura 2.3.: Aspecto típico de um manguezal.......................................................................... 39
Figura 2.4.: Folhas de Mangue Preto, Mangue Branco e Mangue Vermelho ........................... 40
Figura 2.5.: Folhas de A. schaueriana..................................................................................... 42
Figura 2.6.: Ramo de A. schaueriana...................................................................................... 42
Figura 2.7.: Sistema radicular de A. schaueriana com geotropismo negativo .......................... 42
Figura 2.8.: Folhas de L. racemosa......................................................................................... 43
Figura 2.9.: Ramo de L. racemosa.......................................................................................... 43
Figura 2.10.: Flores de L. racemosa ....................................................................................... 43
Figura 2.11.: Folhas de R. mangle.......................................................................................... 44
Figura 2.12.: Indivíduos de R. mangle..................................................................................... 44
Figura 2.13.: Sistema radicular submerso com geotropismo positivo - R. mangle.................... 44
Figura 2.14.: Sistema radicular aéreo com geotropismo positivo - R. mangle.......................... 45
Figura 2.15.: Flores de R. mangle........................................................................................... 45
Figura 2.16.: Frutos de R. mangle........................................................................................... 45
Figura 2.17.: Distribuição global dos manguezais ................................................................... 47
Figura 2.18.: Distribuição dos manguezais no Brasil ............................................................... 47
Figura 2.19.: Zoneamento de um manguezal na região Sul do Brasil, segundo IBGE (1990)... 48
Figura 2.20.:Manguezal na Lagoa do Imaruí, SC, Brasil.......................................................... 49
Figura 2.21.: Principais manguezais na ilha de Santa Catarina ............................................... 50
Figura 3.1.: Situação relativa da área de estudo na América do Sul e Região Sul do Brasil..... 53
Figura 3.2.: Situação relativa da área de estudo na ilha de Santa Catarina ............................. 53
Figura 3.3.: Vista oblíqua do Manguezal do Itacorubi, Florianópolis (SC), Brasil...................... 56
Figura 3.4.: Situação relativa do manguezal do Itacorubi e urbanização de Florianópolis ........ 57
Figura 3.5.: Pressão antrópica sobre o manguezal do Itacorubi. Fotografia aérea................... 57
Figura 3.6.:Pressão antrópica sobre o manguezal - vista oblíqua............................................ 58
Figura 3.7.:Pressão antrópica sobre o manguezal - vista oblíqua............................................ 58
Figura 3.8.: Espécies exóticas na área periférica do manguezal ............................................. 58
Figura 3.9.: Espécies arbóreas exóticas ao longo de vias de comunicação............................. 58
Figura 3.10.:Efeitos da anoxia na fauna do Manguezal do Itacorubi ........................................ 59
Figura 3.11.:Obras de canalização no Manguezal do Itacorubi ............................................... 59
Figura 3.12.:Construção de novos esgotos do bairro Trindade................................................ 59
Figura 3.13.: Centro de Transferência de Resíduos Sólidos de Florianópolis .......................... 60
Figura 3.14.:Área recuperada do antigo depósito de lixo da cidade......................................... 60
Figura 3.15.:Águas superficiais efluentes da área do antigo depósito de lixo........................... 60
Figura 3.16.:Dejetos de combustíveis no Manguezal do Itacorubi ........................................... 60
Figura 3.17.:Representação altimétrica da bacia com a área de estudo. ................................. 63
Figura 4.1.: Relação entre o material utilizado ........................................................................ 83
Figura 4.2.: Sensor digital....................................................................................................... 84
Figura 4.3: Navegador GPS.................................................................................................... 84
Figura 4.4.: Filtros infravermelho ............................................................................................ 85
Figura 4.5.: Sensibilidade espectral de filtros R72 e RM90, e CCD CIF................................... 86
Figura 4.6.: Janela espectral 720nm – 950nm do sistema digital de reconhecimento .............. 87
Figura 4.7.: Janela espectral 900nm – 950nm do sistema digital de reconhecimento .............. 87
Figura 4.8.: Testes colorimétricos para análise de água.......................................................... 88
Figura 4.9.: Fluxo geral de atividades no método .................................................................... 91
Figura 4.10.: Fluxo de atividades na etapa I do método .......................................................... 93
Figura 4.11.: Componentes do SEAD estruturado................................................................... 94
Figura 4.12.: Fluxo de atividades na etapa II do método ....................................................... 101
Figura 4.13.: Pontos de controle para orientação de fotografias aéreas de maio 2002 .......... 108
Figura 4.14.: Sistema de reconhecimento em operação........................................................ 109
Figura 4.15.: Imagens do reconhecimento aéreo efetuado em Setembro de 2001................. 110
-XII-
Figura 4.16.: Imagens do reconhecimento aéreo efetuado em Julho de 2002 ....................... 111
Figura 4.17.: Fluxo de atividades na etapa III do método ...................................................... 119
Figura 4.18.: Componentes e estrutura do SE ...................................................................... 123
Figura 4.19.: Estrutura genérica de uma base de conhecimentos ......................................... 127
Figura 4.20.: Estrutura da rede de decisões para determinação de solo exposto .................. 131
Figura 4.21.: Método para avaliação da degradação da cobertura vegetal nativa.................. 143
Figura 4.22: SE, SIG, Banco de dados e Modelo para cálculo de custos............................... 146
Figura 5.1.: Vistas da área degradada dentro do manguezal do Itacorubi ............................. 151
Figura 5.2.: Monitoramento da área degradada no manguezal do Itacorubi........................... 152
Figura 5.3.: Setor de 1ha. com cobertura média de 2700 exemplares ................................... 156
Figura 5.4.: Imagens de fotografia aérea, sistema digital e fusão de dados. .......................... 160
Figura 5.5.: Localização de áreas para obtenção de imagens por fusão de dados .............. 160
Figura 5.6.: Localização dos perfis espectrais realizados sobre as imagens.......................... 163
Figura 5.7.a. Caso 1. Histogramas RGB e cinza imagem visível ........................................... 165
Figura 5.7.b. Caso 1. Histogramas RGB e cinza imagem infravermelho 900nm .................... 165
Figura 5.7.c. Caso 1. Histogramas RGB e cinza imagem com fusão de dados...................... 165
Figura 5.8.a. Caso 1. Imagem visível .................................................................................... 165
Figura 5.8b. Caso 1. Imagem infravermelho 900nm .............................................................. 165
Figura 5.8c. Caso 1. Imagem com fusão de dados ............................................................... 165
Figura 5.9a. Caso 1. Perfis radiométricos RGB e cinza - imagem visível ............................... 165
Figura 5.9b. Caso 1. Perfis radiométricos RGB e cinza - imagem infravermelho 900nm........ 165
Figura 5.9c. Caso 1. Perfis radiométricos RGB e cinza - imagem com fusão de dados ......... 165
Figura 5.10a. Caso 2. Histogramas RGB e cinza imagem visível .......................................... 167
Figura 5.10b. Caso 2. Histogramas RGB e cinza imagem infravermelho 900nm ................... 167
Figura 5.10c. Caso 2. Histogramas RGB e cinza imagem com fusão de dados..................... 167
Figura 5.11a. Caso 2. Imagem visível ................................................................................... 167
Figura 5.11b. Caso 2. Imagem infravermelho 900nm ............................................................ 167
Figura 5.11c. Caso 2. Imagem com fusão de dados.............................................................. 167
Figura 5.12a. Caso 2. Perfis radiométricos RGB e cinza - imagem visível............................. 167
Figura 5.12b. Caso 2. Perfis radiométricos RGB e cinza - imagem infravermelho 900nm ...... 167
Figura 5.12c. Caso 2. Perfis radiométricos RGB e cinza - imagem com fusão de dados........ 167
Figura 5.13a. Caso 3. Histogramas RGB e cinza imagem visível .......................................... 169
Figura 5.13b. Caso 3. Histogramas RGB e cinza imagem infravermelho 900nm ................... 169
Figura 5.13c. Caso 3. Histogramas RGB e cinza imagem com fusão de dados..................... 169
Figura 5.14a. Caso 3. Imagem visível ................................................................................... 169
Figura 5.14b. Caso 3. Imagem infravermelho 900nm ............................................................ 169
Figura 5.14c. Caso 3. Imagem com fusão de dados.............................................................. 169
Figura 5.15a. Caso 3. Perfis radiométricos RGB e cinza - imagem visível............................. 169
Figura 5.15b. Caso 3. Perfis radiométricos RGB e cinza - imagem infravermelho 900nm ...... 169
Figura 5.15c. Caso 3. Perfis radiométricos RGB e cinza - imagem com fusão de dados........ 169
Figura 5.16a. Caso 4. Histogramas RGB e cinza imagem visível .......................................... 171
Figura 5.16b. Caso 4. Histogramas RGB e cinza imagem infravermelho 900nm ................... 171
Figura 5.16c. Caso 4. Histogramas RGB e cinza imagem com fusão de dados..................... 171
Figura 5.17a. Caso 4. Imagem visível ................................................................................... 171
Figura 5.17b. Caso 4. Imagem infravermelho 900nm ............................................................ 171
Figura 5.17c. Caso 4. Imagem com fusão de dados.............................................................. 171
Figura 5.18a. Caso 4. Perfis radiométricos RGB e cinza - imagem visível............................. 171
Figura 5.18b. Caso 4. Perfis radiométricos RGB e cinza - imagem infravermelho 900nm ...... 171
Figura 5.18c. Caso 4. Perfis radiométricos RGB e cinza - imagem com fusão de dados........ 171
Figura 5.19a. Caso 5. Histogramas RGB e cinza imagem visível .......................................... 173
Figura 5.19b. Caso 5. Histogramas RGB e cinza imagem infravermelho 900nm ................... 173
Figura 5.19c. Caso 5. Histogramas RGB e cinza imagem com fusão de dados..................... 173
Figura 5.20a. Caso 5. Imagem visível ................................................................................... 173
Figura 5.20b. Caso 5. Imagem infravermelho 900nm ............................................................ 173
Figura 5.20c. Caso 5. Imagem com fusão de dados.............................................................. 173
Figura 5.21a. Caso 5. Perfis radiométricos RGB e cinza - imagem visível............................. 173
Figura 5.21b. Caso 5. Perfis radiométricos RGB e cinza - imagem infravermelho 900nm ...... 173
Figura 5.21c. Caso 5. Perfis radiométricos RGB e cinza - imagem com fusão de dados........ 173
Figura 5.22a. Caso 6. Histogramas RGB e cinza imagem visível .......................................... 175
Figura 5.22b. Caso 6. Histogramas RGB e cinza imagem infravermelho 900nm ................... 175
-XIII-
Figura 5.22c. Caso 6. Histogramas RGB e cinza imagem com fusão de dados..................... 175
Figura 5.23a. Caso 6. Imagem visível ................................................................................... 175
Figura 5.23b. Caso 6. Imagem infravermelho 900nm ............................................................ 175
Figura 5.23c. Caso 6. Imagem com fusão de dados.............................................................. 175
Figura 5.24a. Caso 6. Perfis radiométricos RGB e cinza - imagem visível............................. 175
Figura 5.24b. Caso 6. Perfis radiométricos RGB e cinza - imagem infravermelho 900nm ...... 175
Figura 5.24c. Caso 6. Perfis radiométricos RGB e cinza - imagem com fusão de dados........ 175
Figura 5.25.: Vista desde o terreno dos quatro setores determinados pela ACP.................... 178
Figura 5.26.: Imagem do Sistema de Reconhecimento Aéreo- Modo infravermelho 900nm... 180
Figura 5.27.: Imagem do Sistema de Reconhecimento Aéreo - Modo infravermelho 720nm.. 181
Figura 5.28.: Imagem do Sistema de Reconhecimento Aéreo- Modo visível cor.................... 181
Figura 5.29.: Pares estereoscópicos de imagens infravermelho 900nm ................................ 182
Figura 5.30.: Pares estereoscópicos de imagens infravermelho 720nm ................................ 183
Figura 5.31.: Pares estereoscópicos de imagens infravermelho 900nm em área de estudo... 184
Figura 5.32.: Pares estereoscópicos de imagens espectro visível ......................................... 185
Figura 5.33.: Seqüência linear de imagens infravermelhas 900nm ........................................ 186
Figura 5.34.: Seqüência linear de imagens visíveis............................................................... 186
Figura 5.35.: Imagens falsa cor das áreas analisadas........................................................... 187
–—
-XIV-
LISTA DE MAPAS
Mapa 3.1.: Planimetria geral da área de estudo ...................................................................... 54
Mapa 3.2.: Fotocarta da área de estudo ................................................................................. 55
Mapa 3.3.: Espécies de mangues cadastradas em 2001 no setor estudado ............................ 62
Mapa 3.4.: Altimetria em 2001 do setor estudado ................................................................... 64
Mapa 3.5.: Cadastro e função das propriedades em 2001 do setor estudado.......................... 67
Mapa 3.6.: Área edificada em 2001 no setor estudado............................................................ 70
Mapa 3.7.: Rede viária em 2001 do setor estudado ................................................................ 72
Mapa 3.8.: Sistema hídrico em 2001 no setor estudado .......................................................... 75
Mapa 3.9.: Esgotos cadastrados em 2001 no setor estudado ................................................. 78
–—
-XV-
LISTA DE TABELAS
Tabela 3.1.: Características químicas da água em pontos primários de amostragem .............. 79
Tabela 3.2.: Características químicas da água em outros pontos da área de estudo ............... 80
Tabela 3.3.: Características dos esgotos registrados na área de estudo ................................. 81
Tabela 4.1.: Características dos filtros utilizados..................................................................... 85
Tabela 4.2.: Detalhe das aplicações desenvolvidas ................................................................ 89
Tabela 4.3.: Estrutura do SIG ............................................................................................... 102
Tabela 4.4.: Atividades de campo por data e atividade ......................................................... 113
Tabela 4.5.: Características dos modelos matriciais temáticos.............................................. 114
Tabela 4.6.: Características dos modelos matriciais contínuos.............................................. 118
Tabela 4.7.: Variáveis de entrada ao SE e tamanho de célula............................................... 128
Tabela 4.8.: Variáveis e valores de confiança calculados...................................................... 133
Tabela 4.9.: Variáveis destinadas à determinação de solos expostos ................................... 134
Tabela 4.10.: Estrutura da tabela de atributos para vincular SIG........................................... 146
Tabela 5.1.: Coordenadas centrais e dimensões das áreas utilizadas para fusão de dados .. 160
Tabela 5.2.: Estatísticos das imagens de cada setor analisado ............................................. 162
Tabela 5.3.: Superfície de setores homogêneos determinados pela ACP.............................. 178
–—
-XVI-
LISTA DE GRÁFICOS E QUADROS
Gráfico 3.1.: Perfil topográfico NW – SE da área de estudo (longitudinal) ............................... 65
Gráfico 3.2.: Perfil topográfico SW – NE da área de estudo (transversal) ................................ 65
Gráfico 3.3.: Função das propriedades no setor de área de preservação permanente............. 66
Gráfico 3.4.: Função das propriedades no setor de serviços públicos e privados..................... 68
Gráfico 3.5.: Função das propriedades no setor de residências .............................................. 69
Gráfico 3.6.: Seções do rio Itacorubi intercessão com Av. Madre Benvenuta e da Saudade.... 74
Gráfico 3.7.: Seções do rio do Sertão intercessão Av. Madre Benvenuta e da Saudade.......... 76
Gráfico 4.1.: Aerolevantamentos da área de estudo disponíveis durante a pesquisa ............. 106
Gráfico 4.2.: Imagens de satélite da área de estudo disponíveis durante a pesquisa............. 116
Gráfico 4.3.: Variáveis temáticas utilizadas no Sistema Experto............................................ 129
Gráfico 4.4.: Variáveis contínuas utilizadas no Sistema Experto............................................ 130
Gráfico 5.1.: Monitoramento de uma área degradada no manguezal do Itacorubi – Período
1994/2002 ............................................................................................................................ 154
Gráfico 5.2.: Resultados da classificação por Sistema Experto ............................................. 155
Gráfico 5.3.: Recuperação da área degradada – Número de mangues por setor contíguo de
solo exposto......................................................................................................................... 157
Gráfico 5.4.: Recuperação da área degradada – Custo do projeto por subárea..................... 158
Gráfico 5.5.: Fusão de dados – Caso 1................................................................................. 164
Gráfico 5.6.: Fusão de dados – Caso 2................................................................................. 166
Gráfico 5.7.: Fusão de dados – Caso 3................................................................................. 168
Gráfico 5.8.: Fusão de dados – Caso 4................................................................................. 170
Gráfico 5.9.: Fusão de dados – Caso 5................................................................................. 172
Gráfico 5.10.: Fusão de dados – Caso 6............................................................................... 174
Gráfico 5.11.: Componentes principais e zoneamento ambiental da área de estudo ............. 179
Gráfico 5.12.: Classificação por Sistema Experto das áreas com mangues considerando faixas
hipsométricas ....................................................................................................................... 189
Gráfico 5.13.: Classificação por Sistema Experto das áreas com solos expostos considerando
faixas hipsométricas ............................................................................................................. 190
Gráfico 5.14.: Classificação por Sistema Experto da seqüência de inundação do manguezal
considerando faixas hipsométricas ....................................................................................... 191
Quadro 5.1.: Evolução da área degradada estudada no manguezal do Itacorubi .................. 153
Quadro 5.2.: Curva faixa hipsométrica – área coberta por mangues ..................................... 188
–—
-XVII-
LISTA DE ABREVIATURAS
ACP
Análise por componentes principais
B
Canal azul das imagens compostas (do Inglês blue)
CCD
Dispositivo de carga acoplada (do Inglês Coupled Charged Device)
CP
Componente principal
DF
Fusão de dados (do Inglês Data Fusion)
DN
Número digital (do Inglês digital number)
E
Leste
G
Canal verde das imagens compostas (do Inglês green)
GPS
Sistema de Posicionamento Global (do Inglês Global Positioning System)
HSV
Matiz, saturação e valor (do Inglês Hue, Saturation, Value)
MD
Margem direita
MI
Margem esquerda
N
Norte
n.v.
Nome vulgar
R
Canal vermelho das imagens compostas (do Inglês red)
S
Sul
SE
Sistema Experto (em Inglês Expert System)
SEAD
Sistema Espacializado de Apoio à Decisão (em Inglês Spatial Decission Support System)
SIG
Sistema de Informação Geográfica (em Inglês Geographic Information System)
UT
Unidades de turbidez
UTM
Projeção Mercator Transversa Universal (do Inglês Universal Transverse Mercator)
W
Oeste (do Inglês West)
–—
-XVIII-
LISTA DE INSTITUIÇÕES
CCA
Centro de Ciências Agrárias
CONAMA Comissão Nacional do Meio Ambiente
FIG
Federação Internacional dos Geômetras (do Francês Fédération Internationele des
Geométres)
IBGE
Instituto Brasileiro de Geografia e Estatística
IPUF
Instituto de Planejamento Urbano de Florianópolis
LCM
Laboratório de Camarões Marinhos
LFSG
Laboratório de Fotogrametria, Sensoriamento Remoto e Geoprocessamento
UDESC
Universidade do Estado de Santa Catarina
UFSC
Universidade Federal de Santa Catarina
UNL
Universidade Nacional do Litoral (em Espanhol Universidad Nacional del Litoral)
–—
-XIX-
LISTA DE UNIDADES DE MEDIDA
km
Quilômetro
103m
ha
Hectare
104m2
m
Metro
---
mm
Milímetro
10-3m
µm
Micrômetro
10-6m
nm
Nanômetro
10-9m
mg
Miligrama
10-3g
l
Litro
---
s
Segundo
---
–—
-XX-
LICENÇAS DOS PROGRAMAS UTILIZADOS
ArcView® GIS 8.2 for Windows™ Single Use Keyed
KEY554997377
®
AutoCAD Release 14
220-00087919 Roque A. Sánchez Dalotto
®
ERDAS Imagine Version 8.4
®
FoxPro for Windows™ Version 2.6a
®
System ID: fb3ad29600fb
Microsoft Office 97 Standard
®
Microsoft Visual Basic 4.0
®
VisãoGEO Ltda.
22693-072-0408081 Roque A. Sánchez Dalotto
®
®
VisãoGEO Ltda.
8135-1811406 Roque A. Sánchez Dalotto
36985-077-0100033-87817 Roque A. Sánchez Dalotto
Microsoft Windows™ 95
18796-OEM-0013111-81005 Roque A. Sánchez Dalotto
Microsoft® Windows™ ME
52782-OEM-0009147-00113 Roque A. Sánchez Dalotto
®
®
Microsoft Word 2000
29200-OEM-0080751-00029 Roque A. Sánchez Dalotto
–—
-XXI-
RESUMO
SÁNCHEZ DALOTTO, Roque Alberto. Estruturação de dados como suporte à gestão
de manguezais utilizando técnicas de geoprocessamento. Florianópolis, 2003. 242p.,
Versão Português e Versão Espanhol. Universidade Federal de Santa Catarina, Brasil.
A linha de pesquisa nesta investigação esteve dirigida à estruturação da base formal de
conhecimentos para um plano de gestão costeira, considerando-se alternativas
metodológicas baseadas no geoprocessamento. Para sugerir alternativas de soluções na
gestão de áreas costeiras por meio da aplicação de um Sistema Espacializado de Apoio às
Decisões (SEAD) administrado por um Sistema de Informações Geográficas (SIG),
geraram-se dados a partir da convergência funcional de três técnicas: a estruturação de uma
rede de decisões num Sistema Experto (SE), destinada a efetuar classificações assistidas
baseadas em dados obtidos por sensoriamento remoto e técnicas de medição direta, a
programação de rotinas específicas para o controle, o desenho, implementação e aplicação
de um sistema de reconhecimento digital infravermelho. Analisou-se o estado da arte
vinculado à situação atual do tema estudado, considerando a gestão costeira como caso
particular da gestão territorial, a sua relação com a gestão local, tendências atuais de gestão,
visão da problemática das áreas litorâneas protegidas, expectativas que atingir-se-ão por
meio de um plano de gestão costeira, e o marco institucional e administrativo no qual
desenvolveu-se a investigação. Realizou-se uma análise retrospectiva do tema, estudando-se
as técnicas de geoprocessamento atualmente disponíveis para serem aplicadas nos planos de
gestão costeira. O setor estudado foi uma área de gênesis fluviomarítima associada ao
manguezal de Itacorubi (27º34’S; 48º32’W), localizado na costa Oeste da ilha de Santa
Catarina, estado de Santa Catarina, Brasil. A pesquisa possibilitou a caracterização das
condições naturais e antrópicas de uma área de estudo que abrangeu 228ha. Foram
integrados dados de componentes ambientais da área a um SIG, fato que possibilitou a
análise objetiva das características métricas e temáticas que caracterizam-na, viabilizando
paralelamente a estruturação do núcleo operativo que administrou o SEAD. O método
utilizado apresentou-se dividido em cinco etapas. Na primeira sintetizou-se como foi
atingido o conhecimento técnico formal da área, a definição da problemática e a formulação
das hipóteses de trabalho. Na segunda, detalharam-se os processos para a preparação dos
dados de entrada ao SIG e sua adaptação como centro operativo do SEAD. Na terceira,
caracterizou-se a área de estudo em setores ambientalmente homogêneos aplicando uma
técnica de análise por componentes principais. Na quarta, detalhou-se a estruturação e
aplicação da rede de decisões por meio do SE. Na quinta, realizou-se a integração do
SEAD. Apresentaram-se os resultados principais e intermediários obtidos durante o
desenvolvimento da investigação. Analisou-se a validade dos mesmos, as possibilidades e
as limitações para a transferência a outras áreas de manguezais por meio da avaliação
qualitativa e quantitativa das hipóteses consideradas. Tanto os resultados obtidos quanto as
conclusões extraídas demonstraram a adequação da proposta metodológica baseada no
geoprocessamento para estruturar a base de conhecimentos técnicos que são factíveis de
serem integrados em um plano de gestão costeira.
Palavras-chave: base de conhecimentos técnicos, gestão costeira, geoprocessamento, manguezal.
–—
-XXII-
RESUMEN
SÁNCHEZ DALOTTO, Roque Alberto. Estructuración de datos como soporte a la
gestión de manglares utilizando técnicas de geoprocesamiento. Florianópolis, 2003.
242p., Versión Portugués y Versión Español. Universidade Federal de Santa Catarina,
Brasil.
La línea de trabajo en esta investigación se concentró en la estructuración de la base formal
de conocimientos para un plan de gestión costera, considerando alternativas metodológicas
apoyadas en geoprocesamiento. Para sugerir alternativas de soluciones a la gestión de áreas
costeras por medio del uso de un Sistema Espacializado de Apoyo a las Decisiones (SEAD)
administrado por un Sistema de Informaciones Geográficas (SIG), se generaron datos a
partir de la convergencia funcional de tres técnicas: la estructuración de una red de
decisiones en un Sistema Experto (SE), destinada a efectuar clasificaciones asistidas
basadas en datos obtenidos por teledetección y técnicas de medición directa; la
programación de rutinas de control específicas; y el diseño, implementación y aplicación de
un sistema de reconocimiento digital infrarrojo. Se analizó el estado del arte vinculado a la
situación actual del tema abordado, considerando la gestión costera como caso particular de
gestión territorial, su relación con la gestión local, tendencias actuales de gestión, visión de
la problemática de las áreas litorales protegidas, expectativas que se desprenden de un plan
de gestión costera y marco institucional y administrativo en el cual estuvo inserta la
investigación. Se realizó un análisis retrospectivo del tema, estudiándose las técnicas de
geoprocesamiento actualmente disponibles para ser aplicadas en los planes de gestión
costera. El sector estudiado fue un área de génesis fluviomarítima asociada al manglar de
Itacorubi (27º34’S; 48º32’W) localizado en la costa Oeste de la isla de Santa Catarina,
estado de Santa Catarina, Brasil. La pesquisa permitió caracterizar las condiciones naturales
y antrópicas de un área de estudio que abarcó 228ha. Fueron integrados datos de
componentes ambientales del área a un SIG, lo cual permitió analizar objetivamente las
características métricas y temáticas que la caracterizan, además de posibilitar la
estructuración del núcleo operativo que administró el SEAD. El método utilizado se
presentó dividido en cinco etapas. En la primera se sintetizó cómo se llegó al conocimiento
del área, planteo de la problemática y formulación de hipótesis de trabajo. En la segunda, se
detallaron los procesos para preparación de los datos de entrada al SIG y su adaptación
como centro operativo del SEAD. En la tercera, se caracterizó el área de estudio en sectores
ambientalmente homogéneos aplicando una técnica de análisis por componentes
principales. En la cuarta, se detalló la estructuración y aplicación de la red de decisiones por
medio del SE. En la quinta, se realizó la integración del SEAD. Se presentaron los
resultados principales e intermedios obtenidos durante el desarrollo de la investigación. Se
analizó la validez de los mismos, las posibilidades y las limitaciones para la transferencia a
otras áreas de mangle por medio de la evaluación cualitativa e cuantitativa de las hipótesis
postuladas. Tanto los resultados obtenidos como las conclusiones extraídas demostraron la
adecuación de la propuesta metodológica basada en geoprocesamiento para estructurar la
base de conocimientos técnicos que son factibles de ser integrados a un plan de gestión
costera.
Palabras clave: base de conocimientos técnicos, gestión costera, geoprocesamiento, manglar.
–—
-XXIII-
ABSTRACT
SÁNCHEZ DALOTTO, Roque Alberto. Geoprocessing-based data structuration for
environmental management of mangroves. Florianópolis, 2003. 242p., Portuguese and
Spanish version. Santa Catarina Federal University, Brazil.
Preparation of the technical knowledge base formal frame in a coastal management plan
was the main research line of this work. A Geographic Information System (GIS) based
Spatial Decision Support System (SDSS) was structured. The elaboration of alternative
environmental solutions for coastal areas management plans was the central goal of this
system. Environmental-related data for SDSS feeding was created using three techniques:
an Expert System (ES) based decision network for remote-sensed and field data
classification, programming of specific software control routines and implementation of an
infrared digital reconnaissance system. Coastal management plans as land management case
and technical state-of-the-art was analyzed. Also, actual trends in local management,
environmental protected seashores, expected results and institutional research frames in
coastal policies were revised. Available geoprocessing techniques such as SDSS, remote
sensing, GIS, numeric models, ES, data fusion, multivariate statistics, digital elevation
models and GPS positioning techniques were studied. The study area was a riverine
transition formation, related to Itacorubi mangrove (27º34’S; 48º32’W), which is located in
the West coast of Santa Catarina island, Santa Catarina state, Brazil. Covering 228ha,
natural and man-made landscape conditions in the study area were analyzed. Using a GIS,
environmental components data were integrated. This fact allowed objective metric and
thematic quantifications, becoming GIS environment the operational SDSS core. Method
was divided into five main steps. During the development of the first one, it was possible to
reach the formal landscape knowledge for the area and the isolation of the main landscape
problems. Two hypotheses were elaborated. GIS data preparation was performed during the
second step. Environmental characterization using principal components multivariate
techniques was realized in the third step. During the fourth step, the ES decision network
was developed. It was applied in different case studies using remote-sensed and field-truth
data. Finally, in the fifth step, solutions to specific environmental problems applying SDSS
were elaborated. Main and secondary results are discussed. Spatial and time validations,
such as methodological restrictions and technology transfer to other mangrove areas were
analyzed. Both results and conclusions demonstrated that proposed methodological
alternatives using a geoprocessing-based structure are suitable for implementation of the
technical knowledge base in coastal management plans.
Key words: technical knowledge base, coastal management, geoprocessing, mangle.
–—
-1-
CAPÍTULO 1
APRESENTAÇÃO DO TEMA ESTUDADO
RESUMO DO CAPÍTULO 1
A linha principal de trabalho nesta investigação está definida pela
estruturação da base formal de conhecimentos em um plano de
gestão costeira. A estruturação de uma rede de decisões executada
por um Sistema experto (SE), apoiada em dados obtidos por
sensoriamento remoto e técnicas de medição direta administradas
por um Sistema de Informações Geográficas (SIG) aponta a
resolver determinados problemas ambientais e sugerir
alternativas de soluções à gestão de áreas costeiras por meio do
uso de um Sistema Espacializado de Apoio às Decisões (SEAD)
1.1. CONSIDERAÇÕES PRELIMINARES
A compreensão de determinadas situações ambientais vinculadas à solução de
problemas de carência de informação, bem como a consolidação da base formal de
conhecimentos destinados aos planos de gestão em áreas costeiras pode ser alcançada a
partir da aplicação um Sistema Espacializado de Apoio às Decisões (SEAD). Tal
afirmação constitui a linha principal que caracterizou o desenvolvimento desta
investigação, realizada entre 2000 e 2002.
Em particular, este trabalho trata da estruturação e da aplicação de uma rede de
decisões executada por um Sistema Experto (SE), apoiada em dados obtidos por
sensoriamento remoto e técnicas de medição direta, organizados e administrados por
meio de um Sistema de Informações Geográficas (SIG). Também o desenvolvimento de
um sistema digital de reconhecimento aéreo permitiu ensaiar e incorporar uma técnica
para obtenção de dados destinados à avaliação ambiental.
Com a concretização da investigação, conseguiu-se conformar uma alternativa
metodológica fundamentada em um SEAD para elaborar a base técnico-científica de um
plano de gestão da área costeira estudada.
-2-
1.1.1. Contexto de aplicação
Durante o desenvolvimento do trabalho utilizaram-se técnicas que, quando aplicadas
pelos planejadores, permitem resolver determinados problemas ambientais, sugerir
respostas e apoiar na tomada de decisões dentro de um marco de gestão territorial. No
contexto político-administrativo da gestão, e de modo geral como indica
CAVALCANTI WALCACER (1993), interpretou-se que a falta de recursos humanos,
financeiros e tecnológicos do poder público aparece como o motivo principal para
enfrentar os problemas ambientais, embora a verdadeira razão muitas vezes seja a falta
de vontade política para enfrentar as causas e os responsáveis por tal situação.
Por delegação da Constituição Federal Brasileira de 1988 outorgou-se certo grau de
autonomia aos municípios brasileiros no que diz respeito à sua própria gestão territorial
por meio dos planos diretores, orientando os objetivos a ordenar o pleno
desenvolvimento das funções sociais da cidade para garantir o bem-estar de seus
habitantes. Esta investigação esteve inserida nesse nível de estruturação da gestão.
Além destes critérios citados, pode considerar-se no âmbito analisado um conjunto
de situações reais vinculadas ao meio, definidas como impactos. Sendo tanto positivos
como negativos, os impactos se definem na Resolução CONAMA 001/86 como uma
alteração das propriedades físicas, químicas e biológicas do meio ambiente, causadas
por qualquer forma de matéria ou energia resultante das atividades humanas que, direta
ou indiretamente, vinculam-se à saúde, à segurança e ao bem-estar da população, às
atividades sociais e econômicas, à biota, às condições estéticas e sanitárias do meio
ambiente e à qualidade dos recursos ambientais.
Não obstante, verificou-se que a utilização de conhecimentos informais 1 sobre áreas
de estudo vinculadas às atividades de monitoramento ambiental de áreas costeiras é um
fato repetido, considerando-se em conseqüência que uma alternativa metodológica neste
sentido contribuiria à objetividade necessária em tais tarefas.
Para desenvolver técnicas que otimizem o estudo, aproveitamento, prevenção ou
correção destes impactos, a pesquisa se apoiou no conceito de avaliação ambiental.
Entendido como meio que permite obter dados e informações que registram aspectos
qualitativos e quantitativos sobre de um fenômeno originado por causas naturais ou
induzidas, a avaliação ambiental insere-se neste trabalho como diretriz principal
articulada à perspectiva de integração com novas técnicas de observação que gerem
dados para apoiar à tomada de decisões na gestão territorial.
Dentro de essa integração, nas tarefas vinculadas à manutenção dos sistemas centrais
de informação que são aplicados em tarefas de avaliação, monitoramento ambiental ou
-3-
gestão territorial, incluem-se aspectos relacionados aos atributos geométricos e
descritivos dos elementos da paisagem. Na visão de GODWIN (1999), estes formarão
parte das base de dados operativas nos SIG derivados. Não obstante, a situação atual em
vários países indica que a informação destinada ao funcionamento destes sistemas
centrais de informação circula de modo isolado, sem integrar-se às novas tecnologias e
com processamentos de valor reduzido com relação à magnitude do empreendimento;
por isto, entendeu-se que o desenvolvimento deste trabalho contribuirá a incrementar o
valor agregado da informação utilizada nos planos de gestão.
Com relação ao contexto geográfico, o ensaio de integração de técnicas para
obtenção de um método destinado a elaborar a base técnico-científica de um plano de
gestão costeira se apoiou no estudo de 228ha do manguezal do Itacorubi (Figura 1.1),
dentro da qual estabeleceu-se um área de preservação permanente integrante da
formação litorânea fluviomarítima localizada na ilha de Santa Catarina, Brasil. A área
protegida está compreendida dentro de 8000km de costas atlânticas brasileiras,
apresentando como características principais um perfil florístico dominado por uma
espécie arbórea, com solos lamacentos e arenosos. Embora a área periférica esteja
definida como urbana a partir do zoneamento efetuado por diferentes órgãos de
planejamento, aqui articulam-se ocupações do solo típicas de áreas urbanas e rurais,
integrando-se em espaços de transição característicos.
12km
15km
Figura 1.1.: O manguezal do Itacorubi
localizado no centro da área circular.
Modelo digital do terreno com imagem de satélite LandSat 457+8 (1999)
1
Entendeu-se por conhecimentos informais aqueles que, sob uma estrutura carente de avaliações qualitativas e quantitativas, são retransmitidos
entre os usuários tanto em forma verbal como em forma de relatórios escritos, geralmente emitidos por autoridade não competente.
-4-
Os manguezais são um elemento preponderante nas costas tropicais e subtropicais.
Como tais, estão sujeitos a uma variedade de práticas destrutivas causadas pela
atividade do homem. Como indicam as quantificações realizadas por UMALI ET AL.
(1987) e HATCHER ET AL. (1989) citadas por ROBERTSON (1992), o incremento
de perda de superfícies de manguezais no mundo aumenta. ROBERTSON & ALONGI
(1992) indicam que, agregado a estas práticas destrutivas, as decisões dos planejadores
sobre os ecossistemas dos manguezais são feitas freqüentemente sem o conhecimento
fundamental e adequado dos processos que controlam as funções naturais deste tipo de
ambiente. Neste sentido, existem escassos estudos sobre a resposta das comunidades de
mangues às perturbações externas, por isso precisa-se de investigações que ajudem a
entender os padrões e os processos neste tipo de sistemas, beneficiando o
desenvolvimento sustentável da comunidade local.
Estes autores salientam que muitos estudos sobre manguezais no mundo estão
guiados pelo empirismo, e poucos investigadores interpretam seus resultados dentro de
um marco de planejamento e gestão. Paralelamente a esta situação, concordando com
ROBERTSON (1992), entende-se que um desafio para os investigadores sobre
manguezais é a adequada comunicação de seus resultados e a inserção social destes,
considerando a formação de recursos humanos preparados para educar à comunidade e
aos funcionários que terão a responsabilidade da decisão política.
1.1.2. Motivação pessoal para realização do estudo
Uma investigação destinada a desenvolver tese de doutorado deve caracterizar-se por
sua objetividade na apresentação do problema, análise crítica comprometida com a
verdade e consistência das conclusões. A motivação, por tratar-se do motor inicial que
possibilita encarar e manter a investigação, contém critérios e elementos de caráter
pessoal ou subjetivo, os quais permitiram manter latente um contínuo nível de empenho
frente às diversas etapas de desenvolvimento da tese.
Desta maneira, são definidas duas linhas motivadoras que levaram a trabalhar na
gestão e avaliação ambiental vinculadas à Cartografia e Sensoriamento Remoto. A
primeira linha atende motivações acadêmicas relacionadas com a continuidade dos
estudos e atividades desenvolvidas desde inícios da década de 1980 pelo autor nas áreas
de Cartografia, Sensoriamento Remoto e, ultimamente, em Cadastro Técnico
Multifinalitário e Gestão Territorial.
A segunda linha motivadora se focaliza na preocupação pessoal em contribuir com
os processos de síntese de informação vinculados ao incremento da capacidade analítica
de interpretação visual do homem. Aqui, os físicos e matemáticos que sustentam a
-5-
ciência moderna, ajudaram a justificar este desafio: no Primeiro Discurso de “La
Dioptrique” de DESCARTES2, onde se conceitua e descreve a natureza da luz,
encontrou-se um dos principais estímulos para desenvolver a pesquisa. Indica Descartes
em seu texto original do ano 1637: “Toda conduta de nossa vida depende de nossos
sentidos, entre os quais, a visão é o mais geral e nobre. Não há dúvida que as invenções
que servem para aumentar sua potência, são das mais úteis que possam existir”3.
Também LEONARDO DA VINCI4, na compilação de seus escritos conhecida como
“Trattato della pittura”, do ano 1550, ressalta a importante função dos mecanismos
analíticos da visão sobre os outros sentidos, apresentando de certo modo, uma original
introdução ao sensoriamento remoto: “O olho, a distâncias e meios adequados, enganase em sua função menos que os outros sentidos... O ouvido muito se engana nos lugares
e distâncias dos objetos; ...o olfato não determina o ponto do qual se origina um aroma;
o gosto e o tato, que só tocam o objeto, apenas têm notícias do mesmo”5.
Galileo6, Boyle7 em “Experiments and Considerations Touching Colours”, Hooke8 na
“Micrographia”, Newton9 em “Philosophical Transactions” e “Opticks”, Huygens10,
Leibniz11 e outros pensadores, filósofos e cientistas, com seus legados à ciência óptica,
também analisaram o funcionamento e problemas dos dispositivos sensores da luz,
destacando a importância das contribuições técnicas na linha de interpretação visual.
Não obstante estas palavras prévias, esclarece-se que a diretriz para desenvolver este
trabalho não está centrada em uma posição rígida, onde a superioridade teórica é
apresentada como a única fonte de conhecimento, nem na superioridade prática da
ciência, onde todos os problemas podem ter solução a partir do conhecimento científico.
Especificamente, buscou-se alcançar uma solução real, eficiente e aplicável aos
problemas ambientais considerados na gestão territorial que envolvem a extração e
síntese de informação a partir do uso de imagens e aplicação de técnicas de
geoprocessamento.
Descartes, René (1596-1650). Filósofo, matemático e físico francês, criador do Cartesianismo, método de raciocínio apoiado na dúvida
metódica, o materialismo e o conhecimento.
3 “Toute la conduite de notre vie depend de nos sens, entre lesquels celuy de la veüe estant le plus vniuersel & le plus noble, il n’y a point de
doute que les inuentions qui seruent a augmenter sa puissance, ne soyent des plus vtiles qui puissent estre”. DESCARTES, RENÉ. La Dioptriqve
in: Œuvres de Descartes 6. Publiées par Charles Adam & Paul Tannery. Paris : LIBRAIRIE PHILOSOPHIQUE J. VRIN, 1996. 737p.
4 Leonardo dá Vinci (1452-1519). Pintor, escultor, físico, engenheiro, escritor, músico, naturalista e arquiteto italiano do Renascimento,
caracterizado pela ousadia e antecipação de seus estudos e resultados.
5 “L’occhio nelle debite distanze e debite mezzi meno s’inganna nel suo ufficio che nessun altro senso...Ma l’orecchio forte s’inganna ne’siti e
distanze de’suoi obietti;...l’odorato meno si certifica del sito donde si causa un odore; ma il gusto ed il tatto, che toccano l’obietto, han soli notizie
di esso tatto”. DA VINCI, LEONARDO. Trattato della pittura. A cura di Mimma Dotti Castell1. 1a. edizione. Colognola ai Colli (VR), Italia :
DEMETRA S.R.L., 1997. 377p.
6 Galileo Galilei (1564-1642). Matemático, físico e astrônomo italiano, promotor do método experimental nas ciências.
7 Boyle, Robert (1627-1691). Físico e químico irlandês, orientou suas experiências a determinar o comportamento dos gases.
8 Hooke, Robert (1635-1703). Astrônomo e físico inglês, estudou, entre outros temas, a natureza da luz.
9 Newton, Isaac (1642-1727). Matemático, físico, astrônomo e filósofo virilhas, analisou, entre inumeráveis tema, a decomposição da luz.
10 Huygens, Christian (1629-1695). Físico, geômetra e astrônomo holandês, estudou a refração da luz.
11 Leibniz, Gottfried Wilhelm (1646-1716). Filósofo e matemático alemão, criou os métodos de cálculo que permitiram, junto com trabalhos de
outros contemporâneos, modelar matematicamente os fenômenos que regem a mecânica da luz.
2
-6-
Nestes parágrafos evidenciou-se a linha de trabalho que foi desenvolvida. Embora
utilizando a tecnologia atual disponível, partiu-se da premissa que a problemática do
uso e otimização dos sensores remotos para benefício do homem, conjuntamente com a
evolução das técnicas utilizadas para aquisição e classificação de dados, já é
contemporânea com o pensamento moderno dos três últimos séculos. Esta situação fez
que não fosse preciso forçar a introdução na pesquisa de conceitos pouco usuais ou
utilizar a freqüente justificativa de mudanças de paradigmas12.
Como síntese, o resumo dos motivos pessoais que apoiaram a pesquisa poderia
justificar-se por palavras de Boccaccio 13, quando em uma de suas obras caracteriza a um
doutor expressando que “estudou cuidadosamente, não para vender a ciência ao varejo,
como muitos fazem, mas sim para saber as coisas e a razão delas...”
Finalmente, quanto ao idioma do trabalho, o mesmo foi originalmente redigido em
língua espanhola. Isto obedece a duas razões: a primeira, que esse idioma é a língua mãe
do autor, fato que favorece a clareza conceitual e de estilo quando trata-se de
transmissão de idéias; a segunda obedece a razões de penetração idiomática do espanhol
no âmbito acadêmico e científico internacional. Sem chegar ao número de publicações
que se realizam em inglês -a língua franca atual-, o espanhol ostenta uma posição
privilegiada entre as línguas modernas ocidentais no que diz respeito a este tipo de
publicações. Por motivos acadêmicos, apresentou-se a versão traduzida ao português.
1.1.3. Alcances do trabalho realizado
Para estabelecer pautas de validade, aplicação e transferência das técnicas e métodos
utilizados, bem como para determinar a vigência dos resultados e conclusões obtidas,
foi necessário estabelecer os alcances do trabalho realizado, considerando limites
geográficos, temporais e funcionais.
Geograficamente, conta-se com um âmbito formal de aplicação ou área de estudo de
aproximadamente 228ha nas quais está inserida a área de preservação permanente
citada, a qual seria indicada como primeira restrição. Áreas similares nas quais se
Para definir paradigma se concorda em que os mesmos representam um conjunto de conceitos fundamentais que, em um certo tempo ou
época, definem o caráter, direção ou orientação da investigação científica (Freire-Maia, 1990). Na ciência, há várias etapas que podem
determinar durante a vida ou evolução de um paradigma, desde sua introdução até a substituição por outro. Inicialmente, este conjunto de
conceitos fundamentais participará das atividades científicas de maneira direta, contribuindo com soluções aos problemas expostos. Os avanços
próprios em cada disciplina evidenciarão exceções não previstas anteriormente, com o que se consegue uma ampliação dos limites de aplicação
do conjunto de conceitos, embora em detrimento da rigidez do paradigma. Pode ocorrer então, lenta ou drasticamente, uma alteração nos
conceitos, redefiniendo o caráter, direção ou orientação mencionados para a investigação científica, no que se conhece como mudança de
paradigmas. Neste ponto cabe a alternativa que não surja um novo paradigma, mas sim as exceções ou anomalias sejam resolvidas dentro do
conjunto próprio de conceitos fundamentais existentes, ou que as exceções achadas sejam desconsideradas até uma próxima solução, quando
se contar com recursos mais adequados para encarar o problema. A mudança de paradigmas deverá consolidar-se para impor o novo conjunto
de conceitos, com o qual se dará início novamente o ciclo de vida do paradigma. (Adaptado da Freire-Maia, N. A ciência por dentro. Petrópolis
(RJ) : Editora Vozes Ltda., 1990. 262p.)
12
-7-
poderiam aplicar as técnicas e métodos utilizados nesta investigação, assim como para
relacionar os resultados e conclusões se restringem às áreas de transição fluviomarítima
localizadas na parte Sul da Costa Sudeste Brasileira, compreendida pela área litorânea
Sul do estado do Paraná e as costas do estado de Santa Catarina até o Cabo da Santa
Marta. Esta condição geográfica, considerada com maior gradiente restritivo para o
Norte e com menor para o Sudoeste, fundamenta-se em critérios de homogeneidade
morfológica estabelecidos por REIS ET AL. (1999), considerações sobre o clima
expostas por NIMER (1990), sobre a hidrografia (OLIVEIRA JUSTUS, 1999) e sobre a
vegetação (LEITE & KLEIN, 1990).
As restrições temporais aplicáveis a este trabalho, associadas à validade dos dados e
dos resultados são difíceis de definir, dada a dinâmica diferenciada que encontrou-se
nos componentes ambientais considerados. Comparando a evolução dos fenômenos e
elementos estudados por PANITZ (1986) e por BERNARDY (2000), poderia indicar-se
que, persistindo as tendências atuais no que diz respeito ao gerenciamento da área
estudada, a validade dos dados, resultados e considerações deste trabalho poderia
estender-se por aproximadamente quatro a cinco anos, enquanto que aspectos tais como
ocupação do solo, cadastro e zoneamentos administrativos da área com maior
intervenção antrópica deveria restringir-se a dois ou três anos. Logo depois dos períodos
indicados, deveriam correlacionar-se os estados descritos dos componentes ambientais
estudados nesta pesquisa com novos dados da área.
As restrições funcionais da investigação se vinculam com a função da base técnicocientífica em um âmbito definido de gestão costeira. Com relação aos critérios
sustentados por diversos autores no que diz respeito ao estabelecimento de linhas de
trabalho para a implantação de um plano de gestão destinado ao manejo de áreas
costeiras, coincide-se com que a mesma precisa de um sustento técnico-científico
expressivo. Considerando que este trabalho poderia contribuir com elementos
significativos nesse sentido, atendeu-se não obstante a recomendação de MARSON
(1996), que indica que o conhecimento científico relativo aos processos ambientais,
embora não seja exaustivo, pode ser suficiente para servir como base para orientar as
ações de um plano de gestão, mas que este isolada e independentemente do marco
institucional, político, administrativo, social, cultural e outros, não será capaz de
executar ações práticas, sem capacidade para definir quais medidas serão ótimas para
certo tempo ou espaço.
Do mesmo modo, o marco institucional não é capaz de usar esse conhecimento sem a
participação de especialistas para atuar sobre situações ambientais determinadas. Em
conseqüência, os resultados e as considerações surgidas deste trabalho estão destinadas
13
Boccaccio, Giovanni (1313-1375). Primeiro grande prosista italiano do Pré-Renascimento.
-8-
a demonstrar que a compreensão de determinadas situações ambientais vinculadas à
solução de problemas de carência de informação e à consolidação da base formal de
conhecimentos técnico-científicos na gestão de áreas costeiras, pode ser alcançada a
partir da aplicação um Sistema Espacializado de Apoio às Decisões. Ressalta-se que a
elaboração de alternativas metodológicas viáveis e concretas não implicam a
determinação de linhas especificas de ação na fase institucional de implantação do plano
de gestão.
1.1.4. Advertência sobre restrições conceituais
Embora em várias referências bibliográficas consultadas referem-se à inserção dos SE
dentro do campo da Inteligência Artificial (IA), senhala-se que este conceito foi pouco
utilizado neste trabalho, atendendo restrições semânticas e práticas, as quais destacamse aqui com a finalidade de posicionar criticamente ao autor com relação a estes pontos.
No campo semântico, e analisando cada termo por separado, entendeu-se
“inteligência” como a capacidade de um indivíduo para ajustar seu pensamento às novas
exigências (STERN in RABUSKE, 1995), compreendendo e conhecendo um fato
determinado. Compreender está vinculado a entender, conceber, discernir ou decifrar
algo, enquanto que conhecer se liga ao fato de formar um certo julgamento sobre
alguma coisa. O termo “artificial” faz referência a todo aquilo feito pela mão do
homem, em contraposição direta ao termo natural. IA seria então a capacidade criada
pelo homem que permite a adaptação a novas situações por meio da compreensão e do
conhecimento.
Atendendo o conjunto de palavras, IA é definida pelos especialistas da área de forma
diversa, muitas vezes de modo superficial e volátil; em geral, achou-se convergência no
sentido que IA seria a aquisição e aplicação de conhecimentos implementados para
resolver problemas por meio de técnicas desenvolvidas pelo homem. Não concorda-se
com a utilização indiscriminada do termo “conhecimento” (integrante da maior parte
das definições da IA) por achar-se este associado dentro das línguas latinas a uma idéia
vinculada a discernimento, compreensão ou raciocínio, próprias de outro tipo de
atividades. Portanto, adotou-se a posição crítica neste trabalho de entender e utilizar o
termo “conhecimento” das definições dos especialistas em Informática por “regras
apoiadas em especialistas”: desta forma, chegou-se à adequação da definição de IA,
entendendo-se que os SE utilizados estariam dentro da área da Informática que atende a
aplicação de regras apoiadas em especialistas, implementadas para resolver problemas
por meio de técnicas desenvolvidas pelo homem.
-9-
Considerando as restrições práticas no uso do conceito de IA, analisou-se o tema de
um ponto de vista apoiado na visão funcional do processo volitivo de conceituação. Este
processo implica a integração dentro do processo do pensamento, que consiste na fusão
de realidades perceptivas isoladas por um mecanismo de abstração e unidas sob os
alcances de uma definição específica, tal como indica RAND (1991). Concordando com
este autor, pode indicar-se que, através da reorganização contínua destes conceitos em
outros mais complexos, o homem é capaz de compreender, reter, identificar e integrar
uma quantidade ilimitada de conhecimento.
As realidades perceptivas são registradas involuntariamente pelos órgãos sensoriais
do homem. Também é involuntariamente que o cérebro organiza estas realidades. Mas a
integração de percepções em conceitos é um ato volitivo que distingue ao homem de
qualquer outra espécie animal. Por meio destes atos regulados pela consciência é que
pode-se criar contextos para compreender relações, diferenças e similitudes, para inferir,
deduzir, concluir e, em definitiva, para ampliar os conhecimentos sempre de modo
crescente.
Estas faculdades próprias do homem não garantem a infalibilidade dos seus
conhecimentos, sendo necessários atos que permitam discernir o verdadeiro do falso,
retroalimentando seu próprio sistema de raciocínio para finalmente validar e sustentar
suas conclusões. Esta é outra característica que, além do conhecimento volitivo,
distingue à espécie. Por isso, sustenta-se que IA é um conceito técnico ou visão
esquemática e simplificada de qualidades superiores inerentes ao homem, conceito que,
na atualidade, dista muito dos mais evoluídos sistemas computacionais para poder
equipará-lo à inteligência em seu sentido e significado exaustivo.
Finalmente, logo depois de apresentar estas restrições ao uso por extenso da idéia da
IA neste trabalho, e atendendo suas relações com o SE -instrumento central nesta
investigação-, destaca-se que a aplicação desta técnica limitou-se à elaboração por
computador de uma seqüência linear de rotinas dentro de uma rede de decisão para
resolver problemas determinados, sem propiciar-se relação com conceitos polêmicos da
IA, próprios da Informática.
–—
-10-
1.2. APRESENTAÇÃO DO TEMA ESTUDADO
1.2.1. Relevância, caráter inédito e contribuição ao tema
estudado
O tema de estudo centralizou-se na estruturação metodológica para consolidar a base
técnico-científica destinada à resolução de determinados problemas ambientais em áreas
de manguezais, aplicando um SEAD e integrando SE e SIG como técnicas para gerar e
gerenciar dados apoiados em sensoriamento remoto e medição direta.
A relevância global da análise deste tema está, a critério do autor, em que a
disponibilidade crescente de recursos informáticos e fontes de dados podem ser
aplicados satisfatoriamente ao controle e gestão do meio ambiente, utilizando cada vez
mais recursos que possibilitam a obtenção de respostas objetivas e precisas aos
problemas considerados. Esta linha de ação articula-se de forma concreta com a
realidade mundial no que diz respeito às tendências de avaliação e monitoramento dos
recursos naturais e gestão territorial. Relaciona-se com o universo do tema
compartilhando as preocupações crescentes dos investigadores com intenções em
desenvolver técnicas validadas por meios atuais, apoiadas no processamento de volumes
expressivos de dados e informações em tempos concordantes com as necessidades de
tomada de decisões e com benefícios econômicos positivos.
A relevância particular do tema, associada ao ineditismo da pesquisa está centrado no
fato que o estudo atende a estruturação de uma base formal de conhecimentos
considerando a característica atípica de localização geográfica extrema do hábitat
analisado (DIEGUES, 1999), vinculado a um meio antrópico que pressiona
significativamente uma área de preservação permanente singular. Especificamente,
trata-se das faixas de exceção formada por manguezais extratropicais, as quais são
criadas por desvios locais das correntes marinhas cálidas dos oceanos. Dentro dessas
faixas de exceção estão os manguezais da costa leste da América do Sul e da Austrália e
da costa norte da Nova Zelândia. No caso da área de estudo, e por tratar-se de um
manguezal extratropical, entende-se que qualquer ação destinada a compreender a
realidade ambiental desta unidade para otimizar a gestão territorial dos elementos
considerados, estará contribuindo de forma explícita à manutenção do limite sul dos
manguezais no mundo.
A estruturação da base técnico-científica para a avaliação de certos aspectos
ambientais da área estudada, onde interagem um hábitat atípico e um meio
significativamente antropizado, analisada por meio da aplicação de um SEAD como
instrumento de apoio à gestão, não conta na atualidade com resposta obtida por este tipo
-11-
de técnicas. Este fato justifica a pesquisa, considerando que a solução dos problemas
expostos, em maior ou menor medida, poderá ser transferida a situações similares em
espaços geográficos vizinhos.
Considerando a evolução relativamente recente dos programas que incluem rotinas e
técnicas de SE, junto à maturidade dos SIG, é reduzida a aplicação conjunta destas
ferramentas para conformar um SEAD orientado à avaliação ambiental de casos
específicos em áreas fluviomarítimas. Paralelamente a esse caráter inexplorado da
aplicação, o aspecto inédito do estudo também se apóia na aplicação de um sistema de
reconhecimento para obtenção de seqüências de imagens digitais em diferentes setores
do espectro eletromagnético. As imagens obtidas foram consideradas como dados de
entrada ao SIG e como parte integrante de uma técnica de fusão de dados com
fotografias aéreas processadas digitalmente em alta resolução planimétrica.
Com relação à relevância local dos problemas considerados, os mesmos estão
relacionados com o aumento da área destinada a moradias e serviços, em detrimento da
área de preservação, e aos conflitos entre a ocupação prevista e a ocupação real do solo.
Estudaram-se também problemas derivados ou subjacentes, tais como morte de
exemplares de mangue por possível ação antrópica e recuperação de áreas de
preservação a partir da desativação de áreas de serviços, ensaiando-se alternativas
técnicas como solução, visando minimizar as conseqüências originadas pelos conflitos
detectados.
Finalmente, sua contribuição como tema de estudo se fundamenta no
desenvolvimento de uma nova seqüência ou convergência de métodos e técnicas
cientificamente apoiadas, destinada a resolver problemas ambientais e sugerir soluções
orientadas à tomada de decisões em gestão territorial.
1.2.2. Hipóteses consideradas
Na estruturação do espaço geográfico, SANTOS (1996) incorpora quatro elementos de
análise, incluindo: a forma ou representação dos aspectos visíveis da paisagem, a função
desempenhada pela forma, a estrutura ou organização das formas e os processos
vinculados às transformações temporais. Na área estudada, pode-se aplicar esta
estruturação, de modo que os fenômenos considerados não são fatos isolados, estando
reunidos junto aos critérios de uma realidade contínua e dinâmica modificada por
agentes naturais e antrópicos.
-12-
Embora as hipóteses apresentam-se na primeira parte deste trabalho, funcionalmente
foram alcançadas depois de conhecer a área e sua problemática ambiental, assim como
depois de ter analisado o estado da arte por meio da revisão bibliográfica.
Para formalizar a conformação de uma alternativa metodológica destinada a
consolidar o sustento técnico-científico de um plano de gestão costeira, consideraram-se
duas hipóteses de trabalho, apoiadas nos elementos citados para a estruturação do
espaço geográfico. As mesmas foram submetidas ao processo de demonstração para
outorgar validade dentro da área estudada. As hipóteses surgiram como resultado da
avaliação de várias situações alternativas observadas na área de estudo, sendo que
optou-se por algumas delas em função de sua relevância local e concordância com a
linha temática deste trabalho.
A primeira hipótese, de tipo conceitual, sustenta que se é aplicado um SEAD
estruturado a partir de um SIG apoiado em Cadastro Multifinalitário, sensoriamento
remoto e medições de campo, em SE baseado em redes de decisão e em programas
específicos para modelagem de situações pontuais, então se incrementará a geração de
conhecimentos formais da base técnico-científica, possibilitando o apoio objetivo na
tomada de decisões vinculadas à gestão de áreas litorâneas e formações fluviomarítimas.
Esta hipótese se ensaiou a partir das atividades desenvolvidas pelo Departamento de
Aqüicultura, Centro de Ciências Agrárias (CCA) da Universidade Federal de Santa
Catarina (UFSC). Este departamento ocupa 6,3ha dentro do manguezal, e na atualidade
o setor está na fase de recuperação do ambiente original (Figuras 1.2 e 1.3),
considerando-se uma situacao adequada para aplicar as técnicas citadas.
Figura 1.2.: Departamento de Aqüicultura – CCA, UFSC.
À esquerda, vista de 1998. À direita, vista de 2002.
A área em fase de recuperação se encontra no ângulo inferior direito
-13-
Figura 1.3.: Vista da área em fase de recuperação no CCA, UFSC
Fotografia obtida em 2002
Como segunda hipótese, de tipo operativa, susteve-se que se são aplicadas técnicas
para obtenção de imagens apoiadas em sistemas digitais multiespectrais de
reconhecimento e em geoprocessamento visando a avaliação ambiental de áreas
litorâneas, então se obterá apoio técnico para geração de dados temáticos compatíveis
com esses processos, suprindo as atuais carências de qualidade métrica de produtos
digitais por meio de técnicas de fusão de dados envolvendo fotografias aéreas
convencionais.
Neste sentido, entendeu-se que a aplicação de processos de fusão de dados sobre
imagens destinadas à avaliação e monitoramento ambiental de áreas fluviomarítimas são
técnicas adequadas para otimizar a análise visual ou automática dos elementos deste
tipo de ambiente, considerando o incremento do poder discriminante das imagens
obtidas a partir da fusão de fotografias aéreas pancromáticas coloridas com imagens
digitais, que para esta investigação, foram geradas por meio de um sistema digital de
reconhecimento específico que obteve imagens no comprimento médio de onda de
900nm.
A segunda hipótese se apóia no fato que existem vários aerolevantamentos
disponíveis das áreas litorâneas de Santa Catarina que incluem formações
fluviomarítimas protegidas, os quais foram obtidos durante os últimos anos em modo
pancromático preto e branco ou colorido, em escalas que variam entre 1:8.000 e
1:40.000. Estes aerolevantamentos apresentam-se potencialmente aptos para ser
utilizados em processos de fusão de dados visando a avaliação e monitoramento
ambiental e como fonte de dados para a elaboração de bases topográficas junto a
imagens de sensores multiespectrais ou sistemas digitais de reconhecimento, tal como o
desenvolvido durante esta pesquisa,.
–—
-14-
1.3. OBJETIVOS
Existiram vários propósitos para o desenvolvimento da pesquisa, os quais canalizaramse no objetivo principal nos específicos. O primeiro se caracteriza por sua condição
genérica de apresentação das atividades a ser desenvolvidas, enquanto que os segundos
se destacam por sua focalização e restrição a certo espaço geográfico e temporal.
1.3.1. Objetivo principal
Por meio do objetivo principal definiram-se as linhas gerais desta investigação. No
mesmo está implícita a tendência que denota a otimização da gestão territorial por meio
da aproximação às novas técnicas dependentes do geoprocessamento. O objetivo
principal foi:
-
Desenvolver um método como alternativa para a consolidação da base técnicocientífica de um plano de gestão costeira no manguezal do Itacorubi, vinculando
no Sistema Espacializado de Apoio à Decisão diferentes módulos operativos e
variáveis ambientais que fossem representativas da dinâmica do setor.
1.3.2. Objetivos específicos
Considerando os objetivos específicos, estabeleceu-se um agrupamento dos mesmos,
com o sentido de atender as hipóteses do trabalho. Os três primeiros objetivos
articularam-se com a primeira hipótese, enquanto que os dois últimos vincularam-se
com a segunda. Como objetivos específicos definiu-se:
-
Demonstrar que a gestão de determinadas situações ambientais do manguezal do
Itacorubi, vinculadas à solução de problemas de carência de informação na
gestão de áreas costeiras, pode ser alcançada a partir da aplicação um Sistema
Espacializado de Apoio às Decisões, baseado em Sistema de Informações
Geográficas, rede de decisões dependente de Sistema Experto, sensoriamento
remoto e outras ferramentas de apoio à decisão.
-
Propor alternativas técnicas por meio do Sistema Espacializado de Apoio às
Decisões orientadas à recuperação na área de estudo de áreas antes ocupadas por
mangues, avaliando as funções e ocupação do solo para estabilizar e reverter a
tendência de ocupação da área de preservação permanente.
-15-
-
Verificar por meio do Sistema Espacializado de Apoio às Decisões se a
degradação atual da cobertura vegetal nativa de alguns setores do manguezal
estudado está vinculado a fatores antrópicos ou naturais, podendo no caso dos
antrópicos, ser identificados, localizados e mensurados.
-
Otimizar os processos de captura de dados destinados à gestão territorial para
elaborar modelos matriciais contínuos e temáticos atualizados do manguezal do
Itacorubi por meio do desenvolvimento e aplicação de um sistema de registro
digital de imagens com capacidade de obter vistas em diferentes setores do
espectro eletromagnético.
-
Comprovar que a fusão de dados entre os modelos matriciais contínuos gerados
pelo sistema de captura de imagens desenvolvido e outros produtos do
sensoriamento remoto, podem otimizar as qualidades temáticas das variáveis
incorporadas como elementos de decisão dentro do Sistema Espacializado de
Apoio às Decisões desenvolvido para o manguezal do Itacorubi.
–—
-16-
CAPÍTULO 2
REVISÃO BIBLIOGRÁFICA
RESUMO DO CAPÍTULO 2
Analisou-se o estado da arte vinculado à situação atual do tema
abordado, considerando a gestão territorial e sua relação com a
gestão local, tendências atuais da gestão costeira, visão atual e
problemática das áreas litorâneas protegidas, expectativas que
desprendem-se de um plano de gestão costeira e o marco
institucional e administrativo no qual esta inserida a investigação.
Posteriormente discutem-se as técnicas disponíveis na atualidade
para ser aplicadas nos planos de gestão costeira e finalmente,
caracterizam-se os manguezais desde o ponto de vista físico e
botânico, considerando-se também sua relação com as atividades
do homem.
.
2.1. ESTADO DA ARTE
Embora o problema central estudado está focalizado na consolidação da base técnicocientífica de um plano de gestão, não pode desconsiderar-se a relação que a mesma tem
com as fases de administração dos dados, com as tendências atuais dos estudos, com a
estruturação dos conhecimentos específicos e com o próprio marco funcional e
institucional
Em caso contrário, teria-se o risco de aplicar uma seqüência determinada de
atividades para preparar e avaliar um método teórico, separado da realidade na qual
inserem-se na atualidade os planos de gestão costeira. Por isso, foi necessário apresentar
uma análise do estado da arte com relação aos tópicos citados.
2.1.1. Gestão Territorial e administração da informação
De forma ampla, entendeu-se o termo “gestão” como sinônimo de “administração no
tempo e no espaço”. Dentro do âmbito do planejamento, abordado desde o ponto de
vista geográfico por ALBERS (1996), a gestão territorial pode ser entendida como o
efeito de administrar os diferentes processos que se evidenciam em uma extensão de
-17-
terra sob jurisdição federal, provincial, estatal, municipal ou outra esfera. A partir da
implantação de uma nova tendência em planejamento territorial faz aproximadamente
duas décadas, as atividades relacionadas à gestão passaram a caracterizar-se pela
conveniência de sua continuidade e permanência no tempo, orientada, segundo
FERRARI (1982), a uma previsão ordenada capaz de antecipar as conseqüências dos
processos considerados.
Nas últimas décadas o conceito de territorialidade abandonou o sentido estrito que
significavam essas jurisdições de tipo político-administrativo, passando a considerar-se
outro tipo de unidade concordante com as novas necessidades funcionais e econômicas
dos planos de gestão. Independendo desta visão teórica da gestão territorial, na prática
observam-se problemas funcionais que dificultam a implementação e aplicação
sustentável das atividades de planejamento. Tais probleas funcionais se manifestam na
etapa do reconhecimento e inserção das características que refletem as condições
ambientais, sociais e econômicas da área a planejar. Do mesmo modo, o uso de técnicas
e infra-estrutura adequadas para desenvolver a gestão, é um ponto crítico que
freqüentemente se aborda de forma equivocada pelos organismos planejadores. Este
fato, presente em países da América do Sul, caracteriza-se pelo menos por duas
situações típicas.
A primeira situação está relacionada com a idéia que investimentos expressivos em
equipamento computacional, independentes da formação de recursos humanos, poderá
solucionar “per se” os processos de administração de dados espacializados dentro de um
sistema de gestão.
A segunda situação refere-se à sub-utilização ou utilização equivocada de programas
computacionais para administrar dados espacializados de um plano de gestão. Por
exemplo, o uso de sistemas de informação geográfica destinados exclusivamente para
imprimir cartografia, ou o uso de programas de desenho assistido como substituto de
sistemas de informação geográfica.
Na maior parte dos casos citados, estas carências funcionais dentro de um plano de
gestão podem ser superadas a partir da formação contínua de recursos humanos, os
quais deveriam participar da implementação, manejo e uso dos sistemas espacializados.
Devido ao fato que os problemas funcionais citados estão atrelados à participação de
um grupo de recursos humanos que os origina dentro do plano de gestão, não se devem
esquecer os riscos associados a isto. Entre outras, devem-se considerar as demoras ou
interrupções causadas por processos de corrupção. Estes processos, quando estão
presentes nos planos de gestão, podem afetar a aplicação e utilidade de qualquer base
técnico-científica, independentemente de sua consistência interna e qualidade da
informação.
-18-
Outro ponto que deve ser considerado no planejamento territorial é a relação entre o
meio ambiente e a participação comunitária. Neste sentido, os blocos regionais, os
comitês de bacia e as associações de municípios, entre outros agrupamentos, apresentam
objetivos comuns de administração de recursos ou políticas conjuntas de
desenvolvimento, elevando o conceito de gestão territorial à categoria de preocupação
comum.
Geralmente, quanto major é a área de gestão, os objetivos se traduzem em linhas
gerais de ação dentro do plano, com riscos de desvirtuar as finalidades de gestão
territorial. O Mercosul, o Tratado da Bacia do Prata e o Acordo Regional de Cooperação
Científica e Tecnológica som exemplos de administração em escala global, com
objetivos que, em teoria, procuram estabelecer linhas de ação orientadas à gestão destes
espaços nacionais.
Por exemplo, os objetivos do Mercosul (BRASIL, 1991) são ampliar as dimensões
dos mercados nacionais através da integração, para promover o desenvolvimento
científico e tecnológico dos Estados Parte e modernizar suas economias para ampliar a
oferta e qualidade dos bens e serviços, melhorando as condições de vida de seus
habitantes e promovendo o desenvolvimento econômico com justiça social. No caso do
Tratado da Bacia do Prata (BRASIL, 1969), os objetivos são permitir o
desenvolvimento harmônico e equilibrado, assim como o melhor aproveitamento dos
grandes recursos naturais da região, assegurando sua preservação para as gerações
futuras através da utilização adequada dos citados recursos.
Os objetivos do Acordo Regional de Cooperação Científica e Tecnológica (convênio
marco) entre países membros da associação Latino-americana de integração (BRASIL,
1993) são promover a cooperação regional orientada tanto para a criação e
desenvolvimento do conhecimento quanto para a aquisição e difusão da tecnologia e sua
aplicação, procurando, ao mesmo tempo, a especialização, interdependência e
complementação das ações levadas a cabo pelos países membros no âmbito da
integração. Nestes três casos percebe-se a generalidade das metas, as quais precisam
articular-se com inumeráveis alternativas intermediárias para chegar à gestão do espaço
local.
Nestas políticas regionais de gestão territorial, a maior parte dos países participantes
estabeleceu que a proteção do meio ambiente e a procura de uma melhor qualidade de
vida devem marcar os respectivos processos de desenvolvimento (NLCIAFT, 1998).
Interpreta-se que este tipo de planos de gestão regional está operativamente afastado do
manejo, participação e decisão da comunidade, principalmente pelo tecnicismo que
deve ser considerado a fim de minimizar prováveis atritos entre interesses ou conflitos
de diversa natureza. Por isso, e considerando uma linha atual dentro da gestão territorial
-19-
que promove o aumento da participação comunitária, relacionou-se a presente pesquisa
ao âmbito da gestão local entendida como processo particular dentro da gestão
territorial. Do mesmo modo, incluída na gestão local, focalizou-se a temática do ponto
de vista da obtenção de dados para a gestão costeira a partir do estudo de uma área
litorânea atlântica.
2.1.2. Gestão costeira: análise das tendências atuais
O plano de manejo de recursos costeiros pode ser definido como um processo especial
de gestão territorial (UNEP, 1996), com uma área de aplicação predefinida no setor de
transição mar-terra marcada por certa complexidade e dinamismo dos fenômenos que
caracterizam a mesma. Embora não sempre se verifique, estes planos de manejo
deveriam caracterizar-se por cinco pontos básicos: abranger critérios de limites fixos e
móveis, considerar uma certa política de conservação do ecossistema, considerar
objetivos socioeconômicos, incorporar um estilo de manejo conjunto e contar com uma
sólida base científica.
Neste último ponto encontra-se unanimidade de critérios por parte dos diferentes
autores considerados: um plano de gestão para o manejo de áreas costeiras precisa de
um sustento técnico-científico expressivo. Coincidindo com esse ponto, uma das linhas
diretrizes deste trabalho aponta a inserir o método aplicado na fase de elaboração e de
obtenção desses conhecimentos, atendendo as restrições citadas no Capítulo 1. Para
MARSON (1996), o conhecimento científico relativo aos processos ambientais, embora
não seja exaustivo, pode ser suficiente e servir como base para orientar as ações de um
plano de gestão. Não obstante, a experiência adquirida por este autor demonstra que o
conhecimento científico, atuando de forma isolada, não é capaz de iniciar ações
práticas, definindo quais serão ótimas em certo tempo e espaço. Em outras palavras, o
marco institucional deveria administrar esse conhecimento para melhorar situações
ambientais determinadas.
Segundo OLSEN ET AL. (1997), existe um número crescente de iniciativas de
gestão dos recursos costeiros no mundo. Os resultados destas iniciativas estão
geralmente não documentados, comprometendo a eficiência desses planos. Não existem,
segundo a opinião destes autores, hipóteses relacionadas com a comprovação
sistemática do desenho e prática dos planos de gestão de recursos costeiros no mundo.
A distribuição de áreas de transição nas costas de todos os continentes, indica
VALLEJO (1982), das zonas polares até as tropicais, leva a consideração que estas
áreas em equilíbrio natural delicado, devem ser consideradas em cada plano de gestão
de recursos costeiros, sob o risco que a degradação ambiental ocasionada por
-20-
contaminação ou por outras atividades antrópicas possam exceder suas capacidades para
sustentar vários tipos e níveis de uso.
A elaboração de um plano de gestão de áreas costeiras requer da participação de
diferentes setores para assegurar que a maior parte dos múltiplos aspectos que englobam
esta temática sejam considerados, analisa SUASSE (1999). A comunidade, as
autoridades governamentais, as ONG, cientistas e investigadores são integrantes que
deveriam ser considerados para cada plano de gestão que precise ser formulado,
discutido, aplicado, avaliado e mantido no tempo.
No estabelecimento de planos de manejo de áreas protegidas, LOWRY ET AL.
(1999) estabelecem pontos de relevância que devem ser considerados para alcançar os
objetivos propostos. Estes tópicos são a participação comunitária no processo de gestão,
a adequação dos limites da área protegida, a qualidade da análise técnica, a adequação
das atividades de manejo dos recursos, a transparência das decisões, a aceitação por
parte da comunidade do plano e a sustentabilidade das atividades de manejo dos
recursos. A efetividade dos planos de gestão territorial orientada a recursos costeiros
segundo BALGOS (1998), está normalmente restringida pela falta de recursos humanos
diretamente formados para esta área: biólogos, economistas, planejadores e graduados
em outras disciplinas são incorporados posteriormente segundo requerimentos dos
planos de gestão, enquanto são limitadas as escolas que preparam técnicos específicos
para atuar desde a fase inicial das atividades.
As tendências atuais apresentam vários interrogantes relacionados com aspectos tais
como a eficácia, escala e sustentabilidade dos planos de gestão costeira. A determinação
da eficácia das iniciativas de gestão costeira freqüentemente é associada à avaliação do
desenvolvimento do programa. BURBRIDGE (1997) indica que para efetuar uma
determinação objetiva, é necessário identificar metas sem ambigüidade, entendendo as
condições ambientais, sociais e econômicas da área, e estabelecendo uma linha de base
capaz de apoiar o progresso da avaliação para os objetivos colimados.
Deve-se também estabelecer o alcance do termo "eficácia", isolando o mesmo das
interpretações subjetivas. Qual é o significado de "eficácia da gestão costeira"?
Significa crescimento econômico? São benefícios sociais para uma comunidade? Ou é
uso sustentável dos recursos costeiros renováveis? Sem dúvidas, a eficácia de um plano
de gestão abrange em maior ou menor grau a participação sem conflitos destes fatores,
minimizando os inconvenientes acarretados pela sua aplicação e otimizando as ações
relevantes do mesmo. Também neste caso são válidas as considerações sobre a
interferência de carências funcionais e problemas de corrupção indicados na análise de
planejamento territorial.
-21-
O termo "eficácia", aplicado à gestão costeira, contempla também uma questão de
escala. Neste sentido, deve-se medir a eficácia em escala global, como é sugerido pela
Agenda 21? Ou deve-se estabelecer uma escala transnacional, nacional,
provincial/estatal, distrital e local ou comunitária? Estima-se que uma hierarquia de tipo
indutivo seria a mais adequada, já que nesse tipo de estruturação dos âmbitos de
medição salienta-se a relação com o entorno fisicamente próximo, atenuando as interrelações à medida que se expande a área considerada. Do mesmo modo, deve-se
prescindir de modelos de gestão que derivam índices apoiados em dados inadequados,
freqüentemente fornecidos aos planejadores locais pelas entidades de crédito
internacionais.
Analisando os aspectos referidos ao manejo, entendeu-se que a gestão territorial deve
contemplar a sustentabilidade do sistema (ou sistemas) considerados. Esta análise
deveria ser estendida para incluir três tópicos básicos no plano de gestão, expostos por
COSTANZA & PATTEN (1994), a partir da idéia que sistema sustentável é aquele que
sobrevive ou persiste no espaço e no tempo, assegurando a continuidade e o
aproveitamento futuro. Neste sentido, que sistema, subsistema ou características devem
ser consideradas no plano de gestão como persistentes? Considera o plano de gestão por
quanto tempo persistirão? Quando estima o plano de gestão que o sistema persistiu? Em
uma linha similar, CICIN-SAIN (1993) considera que o desenvolvimento sustentável
considerado dentro de um plano de gestão deveria abranger três tópicos principais:
desenvolvimento econômico para melhorar a qualidade de vida; desenvolvimento
ambiental eqüitativo e igualdade nos benefícios, considerando aspectos intra-sociais,
inter-generacionais e inter-comunitários.
Como casos concretos de aplicação de planos de gestão costeira, foram realizadas em
vários países diversas alternativas de manejo em manguezais inseridos em áreas
urbanas. Por exemplo, na Colômbia implementou-se um projeto para reabilitação do
Pântano Grande de Santa Marta, um manguezal na costa do Caribe colombiano, no qual
as atividades antrópicas ocasionaram mortalidade expressiva de mangues, degradação
da qualidade da água, diminuição da biodiversidade, recursos pesqueiros e, em
definitiva, da qualidade de vida das populações vinculadas à área. Este plano de gestão
analisado por BOTERO & SALZWEDEL (1999), contou com duas fases: na primeira
priorizou-se a elaboração de um plano de manejo ambiental, e na segunda
implementaram-se projetos específicos e atividades contempladas no plano, agrupadas
em quatro tipos: manejo dos recursos hídricos, manejo de recursos de flora e fauna,
desenvolvimento social e fortalecimento institucional. Outras iniciativas de planos de
gestão territorial em áreas de manguezais são citadas por MAKOLOWEKA &
SHURCLIFF (1997), ressaltando que as ações implantadas consideram especialmente a
participação comunitária e o treinamento de recursos humanos.
-22-
No caso do plano para manejo de recursos costeiros analisado por BAILEY (1997),
recomenda-se estabelecer políticas sobre os seguintes pontos: conservação de recursos,
amparo de hábitats, criação de área protegidas considerando flora e fauna de áreas de
maré média, recursos culturais, qualidade da água e do ar e minerais.
Outro exemplo de plano de gestão em áreas costeiras é o citado por
WINDEVOXHEL ET AL. (1999). Estes autores analisaram a experiência obtida por
meio do programa de conservação de zonas costeiras na América Central, onde
concentra-se 8% dos manguezais do mundo. Os autores indicam que a falta de
informação, as restrições técnicas e financeiras e o sectarismo político limitaram a
aplicação dos planos de gestão territorial nessas áreas costeiras.
Para o Plano de Manejo Integrado da Zona Costeira da Lagoa de Campeche, em
México, YÁÑEZ-ARANCIBIA ET AL. (1999) indicam que a base teórica deste
documento se apóia em 20 anos de investigação científica e, desde 1990, em uma série
de projetos que servem de estudos de caso. Este plano de gestão considera quatro ações
principais: promoção de relações inter-institucionais; fortalecimento da participação
comunitária para o desenvolvimento de políticas; difusão da informação e obtenção de
soluções técnicas.
2.1.3. Estruturação do conhecimento de áreas litorâneas
As tendências atuais, tal como a expressada por GAO & COLLINS (1995), indicam que
“desenhar com a natureza” é um dos princípios utilizados na gestão territorial de
recursos costeiros. Por meio deste princípio, sugere-se que a estabilidade dos sistemas
naturais pode ser utilizada como critério para reconstituir o equilíbrio dos aspectos
físicos. Esta aplicação requer de dois pontos: para qualquer característica associada ao
equilíbrio, as atividades humanas não deveriam destruir os mecanismos que mantêm
esse estado; para as características que mudam constantemente dentro do sistema, a
magnitude das mudanças causadas por atividades antrópicas conjuntamente com as
mudanças naturais, deveriam ser da mesma ordem que as magnitudes de evolução do
sistema a longo prazo.
Com relação aos problemas com os quais se relaciona uma área litorânea protegida,
VIS & SPENCER in HEGARTY (1997) ressaltam que os problemas de origem
antrópica tendem a ser eventos localizados, enquanto que os de natureza física são
analisados sob uma perspectiva de maior abrangência espacial. Para otimizar o manejo
de uma área protegida, é necessário estabelecer uma zona de restrição ou "buffer" para
preservar os hábitats periféricos, como é o caso dos manguezais. CLARK (1997) indica
que em algumas áreas de preservação, esta zona de restrição é freqüentemente uma
-23-
classe mais de zoneamento periférico que separa esta área das privadas ou não
protegidas. O manejo efetivo de recursos naturais deve estar baseado em um
conhecimento fundamentado do ecossistema e suas respostas às tensões naturais e
antrópicas. Para HAVENS & AUMEN (2000), o conhecimento do ecossistema não se
alcança de modo direto a partir dos dados observados ou modelos que não se apóiam em
dados experimentais. As relações causa-efeito podem ser documentadas com maior
eficácia quando as observações ou modelos estão complementados por investigações
experimentais conduzidas a partir de hipóteses formuladas pelos expertos no tema.
A recuperação do ambiente costeiro afetado em suas condições naturais por
contaminação ou outras atividades é uma atividade freqüentemente considerada nos
planos de gestão costeira, a qual pode ser desenvolvida por meio de diversas técnicas,
muitas delas simples e com o reaproveitamento de materiais próprios da área a ser
reconstituída. Entre vários exemplos, pode ser citada a experiência realizada por
AUGIER ET AL. (1996) para recompor áreas da Costa Azul Mediterrânea que
anteriormente estavam cobertas por Posidonia oceanica.
2.1.4. A informação em um plano de gestão costeira
Não encontrou-se unanimidade na definição dos elementos conceituais de um plano
destinado à cabo a gestão territorial orientada ao manejo dos recursos costeiros.
Percebe-se convergência em alguns pontos tais como a necessidade de contar com
dados consistentes, a função marcada da comunidade e a participação daqueles que
terão a responsabilidade da decisão política.
A gestão na área de recursos costeiros deve atender três áreas chave (HAWARD,
1996): amparo do ambiente, ciência e tecnologia, e planejamento. O manejo de zonas
costeiras está vinculado a uma série de fatores que condicionam os resultados. LIN
SIEN (1998) cita os seguintes: existência de desastres naturais, como tsunamis,
tormentas ou terremotos; condições econômicas favoráveis; planejamento econômico e
social apoiado em legislação adequada. Também entendeu-se que o desenvolvimento de
áreas de transição mar-terra está vinculado ao manejo estratégico das organizações
governamentais a partir do planejamento detalhado e o cumprimento dos seus objetivos
e funções, como é indicado por SMITH (1995). Junto a isto, se deveria considerar a
articulação destas organizações com o setor privado e as ONG. Para o DUCROTOY &
PULLEN (1999), a disponibilidade e a confiabilidade de informação são fatores críticos
que podem influir na opinião pública na hora de avaliar e aceitar um plano de gestão de
áreas litorâneas. Existe por isso um empenho na realização de estudos ecológicos
interdisciplinares, orientados a disponibilizar informação com bases consistentes.
-24-
Vinculado aos dados necessários para um plano de gestão, ARTHURTON (1998) indica
que o estabelecimento de periodicidade de ocorrência de fenômenos ambientais
vinculados à mitigação de riscos, o cálculo de recorrências e a determinação de limites
geográficos destes fenômenos são as principais contribuições que a ciência pode realizar
ao planejamento territorial dedicado à resolução de problemas tais como enchentes,
inundações ou outro tipo de evento extremo.
REIS ET AL. (1999) realizaram investigações visando estabelecer quais são os
principais problemas de gestão costeira no Brasil. A partir do processamento de 95
questionários completados em 17 estados litorâneos do Brasil, estes autores
determinaram que, em ordem de importância, os problemas das regiões costeiras do país
são poluição, erosão costeira, ocupação inadequada, práticas agrícolas inadequadas,
indecisão no manejo, desmatamento, exploração inadequada de recursos vivos, conflitos
vários e falta de educação ambiental. Em particular, para a costa Sudeste à qual pertence
a área de estudo, definida entre o Cabo Frio (estado de Rio de Janeiro) e o Cabo de
Santa Marta (estado de Santa Catarina), citam-se como principais problemas as
inundações em áreas de transição fluviomarítima, erosão pluvial por falta de
planejamento urbano, conflito entre as atividades pesqueiras e turismo, erosões
localizadas produzidas por tormentas em áreas irregularmente ocupadas e contaminação
de lagoas costeiras devido às atividades de extração e processamento de carvão mineral.
Para GLADSTONE ET AL. (1999), em casos específicos tais como a destruição
localizada de manguezais e outros hábitats próprios da área costeira, espera-se que a
mesma possa ser minimizada a partir da implantação de ações estratégicas contidas em
planos de manejo, focalizando nas vantagens da gestão territorial a partir da integração
de planejamento, avaliação e revisão ambiental, treinamento e desenvolvimento
institucional, participação comunitária e interesse por parte dos políticos tomadores de
decisão.
2.1.5. A informação e o marco funcional considerado
O critério sustentado por ALVIAL & RECULÉ (1999) define pontos relevantes do
marco institucional e administrativo na gestão de zonas costeiras, indicando entre
outros, a necessidade de contar com informação técnica e científica adequada para a
tomada de decisões e o estabelecimento de mecanismos simples e concretos para a
educação e participação comunitária. CASTILLO (2000) indica que é de particular
relevância dentro do marco institucional da gestão a função que a comunicação pode ter
na hora de disponibilizar a utilização de informação ecológica por diferentes setores da
sociedade vinculados à tomada de decisões em meio ambiente.
-25-
Com relação à responsabilidade administrativa e institucional no momento de efetuar
um plano de gestão territorial, JORGE (1997) ressalta que a gestão de recursos costeiros
deveria ser um processo dirigido por instituições governamentais, vinculando forças do
setor privado com recursos públicos e ações voluntárias das ONG e comunidades locais
para estabelecer e implementar mutuamente acordos sobre políticas de ação na área
ambiental. Considerando o âmbito de aplicação, segundo a análise de HOLLAND
(1998), há vários motivos para efetivar cooperações entre governos na área ambiental.
Estas cooperações podem contribuir com resultados que abrangem desde os benefícios
óbvios de compartilhar dados e conhecimento às necessidades de canalizar os
problemas de natureza global. No caso dos planos de gestão para as costas da América
Latina, YÁÑEZ-ARANCIBIA (2000) indica que existe uma variedade expressiva de
experiências e capacitações em gestão territorial, onde comunidades com diferentes
graus de desenvolvimento social vinculadas a variados ecossistemas estão distribuídas
em diferentes regiões biogeográficas. Do mesmo modo, convive-se com áreas prístinas
e áreas altamente degradadas dentro das mesmas unidades administrativas.
Para a área estudada, DIEGUES (1998) indica que as áreas costeiras inundáveis do
Brasil estão degradando-se fundamentalmente devido à construção de portos, à
instalação de indústrias petroquímicas, agricultura intensiva, expansão urbana e
sobreexploração dos recursos pesqueiros. Para controlar os efeitos da degradação
ambiental, o governo implementou uma série de regulamentações de tipo legal,
considerando o estabelecimento de áreas protegidas e a aplicação de estudos para
análise de impactos ambientais, embora estas duas modalidades de amparo ambiental
tiveram êxito relativo na conservação dos ecossistemas afetados. Estas limitações são
citadas por DIEGUES (1999), que indica que existem aproximadamente 60.000ha de
região costeira no estado de Santa Catarina, nas quais a exploração carbonífera é a
principal fonte de contaminação, degradando especialmente ambientes de praias e
lagoas costeiras.
Uma alternativa que possibilita a otimização dos planos de gestão é a introdução de
mudanças na forma de tomar as decisões. Várias administrações relacionadas à gestão
territorial consideram o princípio do subsídio (HUGGETT, 1998), pelo qual tende-se a
tomar as decisões da maneira mais próxima possível à comunidade, considerando os
meios que dispõem as autoridades nacionais, regionais e locais. Mesmo considerando
estes critérios na hora da elaboração de um plano de gestão, COLE-KING (1995) indica
que a falta de adequação do regime de manejo de áreas costeiras e a falha dos sistemas
de manejo ambiental em reconhecer a costa como uma área e não como uma linha de
limite, não se deve só a obstáculos legais, administrativos, institucionais e técnicos, mas
também à carência de análise por parte da classe política e pela comunidade.
–—
-26-
2.2. TÉCNICAS ATUALMENTE DISPONÍVEIS
Analisaram-se as técnicas atuais disponíveis que estariam disponíveis para ensaiar
alternativas metodológicas destinadas à consolidação da base técnico-científica em um
plano de gestão costeira. No conjunto de técnicas formado pelo geoprocessamento,
sistemas expertos, fusão de dados, estatística multivariada e outras, apontou-se a cobrir
as carências achadas na conformação de um SEAD considerando a integração funcional
das mesmas, e, em particular, quando se utilizam sensores digitais para reconhecimento
do estado do meio como fonte de dados temáticos para avaliações posteriores.
Apresentam-se as técnicas de maior relevância utilizadas no desenvolvimento do
trabalho. Outras técnicas e produtos já incorporados nas tarefas próprias deste tipo de
investigação, tais como modelos matriciais, processamento de imagens, modelos
digitais do terreno e outras, foram analisadas em outros trabalhos técnicos e acadêmicos,
aos quais pode-se recorrer para aprofundar em sua descrição. A apresentação das
técnicas atuais disponíveis visa apresentar o estado do avanço na aplicação das mesmas,
o qual observou-se durante o desenvolvimento da investigação em âmbitos específicos
de gestão costeira e avaliação ambiental.
2.2.1. Sistemas Espacializados de Apoio à Decisão - SEAD
Aproximadamente metade da população mundial vive em zonas costeiras. Portanto, a
implementação de planos de gestão territorial para o entendimento e manejo dos
processos e recursos destas áreas é de relevância social e econômica. No processo de
apoio à tomada de decisões, a intervenção crescente de um SEAD evidencia uma
tendência atual.
Em qualquer situação em que se busca solucionar um problema, a tomada de
decisões passa pelas etapas de definição do problema, identificação das alternativas,
análise e avaliação das alternativas, concluindo com a eleição daquela considerada
ótima. NISHA DE SILVA (2000) indica que, freqüentemente, estes problemas se
vinculam a dados descritivos com uma dimensão espacial ou geográfica.
Considerando essa condição, a implementação de um SEAD é definida segundo
FABBRI (1998) como a estratégia de maior eficiência para captura de dados,
integração, análise, modelagem e avaliação de impactos derivados de certos cenários
físicos. Um SEAD pode ser definido como um conjunto integrado, interativo e flexível
de técnicas que suporta todas as fases de tomada de decisão, apoiado em interfases tais
como módulos de administração de dados, sistemas de informação, sistemas expertos e
análise multicritério.
-27-
No campo do manejo de recursos e da gestão ambiental, a função de um sistema
espacializado de análise apresenta-se como uma técnica adequada para a distribuição
espaço-temporal de dados e informação correspondentes a uma área de estudo
(HAMILTON & COCKS, 1995). Aplicando este tipo de técnica, podem-se estabelecer
certas linhas de ação que contemplem tanto o incremento do conhecimento científico
dessa área como o estabelecimento de categorias operativas diferencialmente entre
partes para formar um suporte operativo.
O êxito na implementação destes aspectos científicos e administrativos depende da
consideração de dois atributos primários do sistema de análise espacial, além de certos
atributos secundários. Entre esses atributos primários se conta a amplitude e qualidade
dos dados e a abrangência das técnicas de análise espacial que podem ser aplicadas aos
dados. Entre os atributos secundários que influenciam a análise espacial está a
acessibilidade aos potenciais usuários, a facilidade de uso, o critério e a experiência dos
usuários, e a qualidade da saída cartográfica.
KEENAN (1997) apresenta uma análise crítica do tema, enfocando o uso dos SIG
como geradores dos sistemas de apoio às decisões para posterior implementação de um
SEAD. Para este autor, os SEAD se orientam ao apoio de soluções específicas antes que
à substituição dos processos de tomada de decisão realizado pelos especialistas. Embora
o número de aplicações SIG citadas como integrantes de um SEAD se incrementa,
existe em realidade uma falta de acordo sobre a definição desta relação com o SEAD,
analisada a partir de sua interação com esses sistemas.
A convergência de critérios de diversos autores aponta a identificar ao SIG dentro
dos SEAD como um componente dos subsistemas de apoio ao manejo de dados
espacialmente estruturados. Isto significa que no SIG encontra-se a informação
importante para uma decisão mas não a decisão mesma, a qual poderá ser obtida a partir
da utilização de modelos desenhados especificamente para essa situação.
Indica-se que a incorporação de processos adicionais e integração com modelos não
espaciais é necessária para adequar a concepção de um SIG para um SEAD, oferecendo
apoio completo a quem operará na tomada de decisões. Neste caso, considerando ao
SIG como gerador do SEAD, deverá existir inter-relação entre os dados, de forma que a
disponibilidade dos mesmos seja efetuada em um formato adequado ou por meio de
técnicas de interação tais como intercâmbio dinâmico de dados (DDE), vínculo de
objetos (OLE) ou conectividade de base de dados aberta (ODBC), possibilitando a
interação entre todas as aplicações computacionais vinculadas.
-28-
2.2.2. Sensoriamento remoto, SIG e modelagem numérica
Para aumentar a eficiência dos planos de gestão territorial orientados ao manejo de áreas
costeiras, utilizam-se tecnologias de geoprocessamento que dão suporte à aquisição de
dados, análise e difusão dos resultados, indica CLARK (1997). O sensoriamento remoto
associado à cartografia e administração de dados por meio do SIG demonstraram ser
técnicas de apoio considerável ao planejamento territorial e manejo de recursos, fato
pelo qual analisou-se o estado da arte destas três técnicas conjuntamente.
BARALE & FOLVING (1996) indicam que a obtenção de dados por técnicas de
campo convencionais destinados à gestão de áreas costeiras é uma fonte de importância
fundamental. Não obstante, a visão espacial e temporal dos processos da área de estudo
requerem o uso de sensores remotos. O sensoriamento remoto fornece uma visão
sinótica sobre grandes áreas, podendo aplicar-se à avaliação indireta de qualidade de
água. POPULUS ET AL. (1995) efetuaram avaliações de tipo ambiental relacionando
mapas de uso do solo e imagens de satélite para determinar finalmente pontos com
maior aptidão no estabelecimento de atividades de aqüicultura em áreas costeiras.
Particularmente, os sensores ópticos operando na região espectral do visível e do
infravermelho demonstraram sua adequação na obtenção de dados relacionados a
processos físicos, geoquímicos e biológicos da área costeira. O sensoriamento remoto
óptico destas áreas se destina a estudos de hidrologia, ecologia, sedimentologia,
correntes marinhas, transferência de energia, ciclo do carbono e climatologia, entre
outros, com permanentes atualizações tecnológicas facilitadas pelo desenvolvimento de
novos sensores.
A aparição destes novos sensores na área de avaliação dos recursos naturais verificase atualmente. HOOK ET AL. (2001), depois de efetuar investigações orientadas à
avaliação de sensores remotos aerotransportados que operam no espectro visível,
infravermelho próximo e infravermelho termal, indicam a adequação desta técnica para
prover resultados adequados às diferentes disciplinas que integram as Geociências.
Atendendo as conclusões destes autores, no caso da investigação efetuada, utilizouse um dispositivo digital como sensor remoto para obter seqüências de imagens aéreas
da área estudada em diferentes setores do espectro eletromagnético, incluindo o
infravermelho. O desenvolvimento de novos elementos sensores com capacidade para
registrar digitalmente a radiação emitida ou refletida por objetos permitiu mudar o filme
convencional das câmeras fotográficas por estes novos dispositivos. Embora a resolução
espacial dos filmes fotográficos dista de ser alcançada, os avanços nesta linha predizem
a chegada de dispositivos que estarão competindo e finalmente substituirão as câmeras
de filme.
-29-
O dispositivo de carga acoplada (charged coupled device ou CCD) é um dos
principais avanços que permitiu, paralelamente ao armazenamento em massa de dados,
o desenvolvimento de câmeras cujo sistema óptico manteve-se dentro da tecnologia
conhecida, enquanto que o filme foi substituído por estes CCD, dando origem às
câmeras digitais. As câmeras digitais se utilizam no âmbito científico e de investigações
aplicadas (VETOR INTERNATIONAL, 2000), com usos orientados a aplicações de
inspeção industriais, reconhecimento de cores, medidas ópticas, visão em sistemas que
requerem janelas espectrais especiais, navegação de veículos autônomos, controle de
trânsito, aplicações laser, aplicações espaciais e vigilância, entre outras.
Também a utilização de cartografia e fotografias aéreas para avaliação e
planejamento de áreas costeiras foi discutida por diversos autores. Entre eles, BAILY &
NOWELL (1997) indicam que o uso de cartografia na avaliação de recursos costeiros
podem apresentar o risco de variação do conteúdo temático devido à variação das
fontes. Do mesmo modo, observa-se que a área de transição entre o mar e a terra ou área
de variação das marés, freqüentemente recebe menor ênfase na representação
cartográfica que o resto do mapa ou carta. Este fato verifica-se, por exemplo, na
mudança de representação da variável de qualificação altimetria: utilizam-se isoípsas
em terra firme e em corpos de água, enquanto que é utilizada a representação por pontos
cotados em áreas de transição terra-água.
Por outra parte a fotografia aérea apresenta dados não contaminados de um momento
histórico da área, onde não se realizou ordenamento ou categorização do conteúdo da
imagem, garantindo-se em certa maneira, a objetividade dos mesmos. Contrariamente a
isto, o corte histórico que representa a fotografia aérea tem como desvantagem que a
situação média do fenômeno estudado não aparecerá em sua condição representativa ou
típica. Outro tipo de monitoramento de fenômenos em áreas costeiras como a
degradação da vegetação natural foi considerada por autores tais como HASTINGS,
HESP & KENDRICK (1995). Estes autores avaliaram por meio de fotografias aéreas
tomadas entre 1941 e 1992 a perda de cobertura herbácea costeira causada por
redemoinhos de embarcações em Rottnest Island, Austrália.
Vinculados ao sensoriamento remoto, encontram-se os SIG. Os avanços tecnológicos
e a diminuição dos custos operativos fazem que estas sejam técnicas práticas para
aplicação em manejo de recursos costeiros, indica KLEMAS (2001). Os SIG efetuaram
contribuições significativas ao monitoramento e manejo ambiental. KRISHNAN (1995)
demonstrou a eficiência e a efetividade do SIG para determinar áreas costeiras em
situações críticas que precisam ser protegidas ante situações de risco ambiental. A este
marco geral de aplicação, soma-se o fato relacionado com o aumento de disponibilidade
de dados espaciais adequados, como o indica KEENAN (1997).
-30-
Estas situações estão possibilitando aos investigadores e planejadores ter uma visão
mais ampla dos patrões ecológicos e processos de uma área. Os indicadores ambientais
da paisagem que podem ser detectados pelos sensores remotos estão disponíveis para
prover estimações quantitativas das condições e tendências dos hábitats costeiros. Os
avanços nos programas SIG ajudam a incorporar camadas temáticas que melhoram a
precisão das determinações efetuadas por meio de classificações automáticas ou outras
técnicas auxiliares.
Quando as técnicas para gerar, organizar, armazenar e analisar informação espacial
são combinadas com modelos matemáticos, os planejadores que se dedicam à gestão
territorial de recursos costeiros passam a dispor de um meio para avaliar os impactos de
práticas alternativas de manejo.
Como casos concretos de aplicação cita-se a modelagem de áreas protegidas apoiada
em dados processados pelos SIG, contemplando a dinâmica de espécies (RESIT
AKCAKAYA, 2000). Por meio da aplicação de modelos de regressão, este autor
chegou a formular opções de manejo de áreas protegidas e a avaliar impactos humanos
sobre as espécies consideradas, demonstrando que a utilização do SIG como técnica de
espacialização dos dados, conjuntamente com aplicações específicas, permite sua
utilização na gestão deste tipo de áreas.
A automatização de métodos para identificar funções dentro de áreas costeiras
inundáveis foi aplicada em diversas investigações por CEDFELT ET AL. (2000).
Segundo ADAMUS in CEDFELT ET AL. (2000), as funções das áreas costeiras
inundáveis podem ser definidas a partir dos processos físicos, químicos e biológicos que
ocorrem dentro dos mesmos. Estes autores desenvolveram um método para avaliar três
funções primárias das áreas costeiras inundáveis: inundações, melhora da qualidade da
água superficial e hábitat da fauna local. Os resultados se canalizaram a um SIG, o qual,
apoiado em dados de sensoriamento remoto e modelos digitais do terreno produziram
três modelos separados de cada função analisada. Também nessa linha, os possíveis
impactos sobre os ecossistemas litorâneos foram avaliados por LIU (1997), aplicando
um modelo numérico para estimar os efeitos da variação do nível do mar.
A simulação por modelos dos cenários que se derivarão a partir da aplicação de
modelos de gestão territorial de recursos costeiros foi encarada por MARTIN ET AL.
(2000) no delta do rio Mississipi, simulando 30 anos de mudanças no hábitat para
quatro planos avaliados, e uma simulação para o mesmo lapso sem considerar aplicação
de planos.
TWILLEY ET AL. (1998) aplicaram modelos de simulação de uso da terra em áreas
de transição fluviomarítima do manguezal localizado no estuário do rio Guayas, no
Equador. Por meio desta modelagem determinou-se a contribuição dos mangues para
-31-
manter a qualidade ambiental do estuário, considerando restrições ecológicas para tomar
decisões de manejo e de exploração. As variáveis consideradas foram energia solar,
sistema hídrico, qualidade da água e mecânica das marés como funções que controlam o
ecossistema; as tendências de mercado e as políticas culturais se utilizaram como
restrições sócio-econômicas do modelo. Os autores utilizaram modelos ecológicos para
simular a recuperação espaço-temporal de atributos físicos de manguezais no Pântano
Grande de Santa Marta, Colômbia. Por meio deste modelo, estudou-se a distribuição
geográfica pretérita, número de indivíduos por unidade de superfície e os teores salinos
na área estudada, considerando os gêneros Avicennia, Laguncularia e Rhizophora.
2.2.3. Sistemas Expertos
Dadas as características operativas dos SE, recorreu-se a esta técnica alternativa para
efetuar a classificação de características da área analisada a partir da utilização de
diferentes produtos obtidos por técnicas de sensoriamento remoto, emulando a função
do especialista fotointérprete. Alguns trabalhos nesta linha desenvolvidos no âmbito
acadêmico e cientifico do Brasil se encontram em MOREIRA & COSTA (1996),
PERELMUTER ET AL. (1995) e CARNEIRO DE ANDRADE ET AL. (1994).
Durante a primeira fase da pesquisa ensaiaram-se técnicas de detecção automática de
elementos por meio de correlação bivariada, desenvolvendo e aplicando modelos
exploratórios apoiados no conceito de janela móvel sobre arquivos de imagens digitais.
Embora tinha-se obtido resultados positivos na detecção automática de elementos
apoiados nestas técnicas estatísticas, optou-se por um SE devido à multiplicidade de
critérios que podem ser considerados em paralelo para otimizar a interpretação assistida.
Existem várias definições de SE. Particularmente, concorda-se com a definição onde
se indica que os sistemas expertos são programas computacionais que apóiam seu
funcionamento na simulação do raciocínio humano. O raciocínio humano tem um dobro
interesse: por uma parte, a análise do raciocínio que seguiria um especialista humano na
matéria a fim de poder codificar o mesmo mediante o emprego de uma determinada
linguagem informática; por outra, a síntese artificial, de tipo mecânico, dos raciocínios
de maneira que estes sejam semelhantes aos empregados pelo especialista humano na
resolução da questão exposta. Estes dois campos de interesse conduziram aos
investigadores a tentar estabelecer um método que permita verificar o intercâmbio com
os peritos humanos e isolar os diversos tipos de raciocínio existentes (indutivo,
dedutivo, formal, etc.), bem como construir os elementos computacionais necessários
para sua modelagem.
-32-
RABUSKE (1995) indica que os sistemas expertos são intermediários entre o
especialista humano, que transmite seus conhecimentos ao sistema, e o usuário do
sistema citado, empregado para resolver os problemas que são expostos com a
competência de um especialista na matéria. Os sistemas expertos são simultaneamente
um sistema de execução e um sistema de transmissão do conhecimento. Do mesmo
modo, os sistemas expertos se definem mediante sua arquitetura; obtêm, portanto, uma
realidade evidente. Enquanto que nas operações de programação clássicas se diferencia
unicamente entre o próprio programa e os dados, no caso dos sistemas expertos se
diferenciam três integrantes principais: a base de conhecimentos, a base de fatos e o
motor de inferências.
A base de conhecimentos armazena a totalidade das informações específicas relativas
ao campo do saber desejado; está escrita em uma linguagem específica de representação
dos conhecimentos que contém e no qual o especialista pode definir seu próprio
vocabulário técnico. À inversa do que acontece nos programas clássicos, as informações
entram na base de conhecimentos tal como som incorporadas, já que a ordem não influi
nos resultados obtidos. Acontece assim porque cada elemento de conhecimento é
compreensível por si mesmo analisado de forma isolada e, portanto, não é necessário
referir-se ao contexto no qual está inserido.
A informação se representa, geralmente, mediante regras de decisão ou redes
semânticas. As regras de decisão constituem o método mais utilizado para construir
bases de conhecimentos nos sistemas expertos. Chamadas também implicações lógicas,
sua estrutura é a seguinte: para umas certas causas, se verificarão certos efeitos; ou, para
determinadas condições, certas conseqüências. Junto a cada regra, armazena-se também
sua percentagem em forma de probabilidade. Este indica o grau de certeza das
conseqüências que se obtêm como resultado da aplicação da regra de decisão.
Quanto às redes semânticas, trata-se de um método de construção de bases de
conhecimentos no qual os mesmos se mostram mediante um grafo no qual os vértices
representam os conceitos ou objetos e as arestas indicam as relações entre eles. Além
disso, o sistema dispõe da chamada base de fatos, que alberga os dados próprios
correspondentes aos problemas que se deseja tratar com a ajuda do sistema. Do mesmo
modo, mesmo sendo a memória de trabalho, a base de fatos pode desempenhar o papel
de memória auxiliar. A memória de trabalho armazena os resultados intermediários,
permitindo conservar a seqüência dos raciocínios levados a cabo.
Pode, por isso, empregar-se para explicar a origem das informações deduzidas pelo
sistema no transcurso de uma sessão de trabalho ou para descrever o comportamento do
próprio sistema experto. No início do período de trabalho, a base de fatos dispõe
unicamente dos dados que foram introduzidos pelo usuário do sistema, mas, na medida
-33-
que vai atuando o motor de inferências, conterá as séries de induções e deduções que o
sistema formará ao aplicar as regras para obter as conclusões procuradas.
O último elemento, o motor de inferências, é um programa que, mediante o emprego
dos conhecimentos, pode resolver o problema que está especificado. O processo é
realizado por meio dos dados que contém a base de fatos do sistema experto.
Geralmente, o tipo de regras que formam a base de conhecimentos é tal que, se A é
válido, pode deduzir-se B como conclusão. Neste caso, a tarefa que realiza o motor de
inferências é a de selecionar, validar e ativar algumas regras que permitem obter
finalmente a solução correspondente ao problema exposto.
O sistema experto estabelecido se compõe de dois tipos diferenciados de elementos:
os próprios do campo dos especialistas relacionados com o problema concreto (a base
de conhecimentos e a base de fatos) e os que se podem aplicar de forma geral a uma
grande variedade de problemas em diversos campos (como o caso do motor de
inferências). Entretanto, o motor de inferências não é um mecanismo único de dedução,
já que há dois tipos disponíveis: os que empregam o raciocínio aproximativo (para o
qual o resultado pode ser errôneo) e aqueles que empregam um tipo de raciocínio capaz
de obter um resultado (se chegarem a ele), com toda segurança, verdadeiro.
Embora não existe uma metodologia geralmente aceita quanto à concepção dos
sistemas expertos, admite-se por regra geral um esquema que consta de três fases. Na
primeira fase, a discussão com os peritos humanos na qual se tenta, por um lado,
delimitar o problema a resolver e, pelo outro, definir os modos de raciocínio que se
empregarão para sua solução. A segunda fase compreende a supressão do formalismo
de expressão do conhecimento e a determinação do motor de inferências adequado a
esse formalismo. Por último, a terceira etapa corresponde à criação da base de
conhecimentos (em colaboração com os peritos ou especialistas humanos), assim como
a comprovação e o ajustamento do funcionamento do sistema experto mediante a
utilização de exemplos.
Apesar de não dispor-se de um modelo geral usualmente aceito, existe unanimidade
quanto à aprovação de três níveis distintos de conhecimentos, que correspondem a três
fases diferentes de estudo e sobre os que se apóia, em geral, a concepção de um sistema
experto. Esses níveis são o estrutural, o conceitual e o cognitivo. O primeiro é o que
define o mecanismo que gera a certeza. Este mecanismo varia segundo o campo no qual
se aplica o sistema experto, já que as evidências associadas a cada campo não são
idênticas. A determinação do nível de estruturação permite definir um formalismo de
representação do conhecimento assim como um mecanismo adequado de dedução.
O nível conceitual é o que determina o conjunto dos conceitos que emprega o
especialista humano na matéria; cada um deles corresponde a um nó do raciocínio do
-34-
perito. É associado com um descritor que se experimenta com o formalismo
correspondente ao nível de estruturação. Finalmente, o nível cognitivo corresponde ao
conjunto dos conhecimentos que o especialista humano põe em prática para a resolução
do problema exposto. Este conjunto de conhecimentos poderá traduzir-se a uma
linguagem definida mediante o formalismo de representação do conhecimento adotado.
Quanto ao desenvolvimento atual da investigação no campo dos sistemas expertos,
os estudos encontram-se abocados ao desenvolvimento de sistemas e programas que
tratem diretamente o uso da linguagem natural, embora persistem ainda escolhos
importantes: o problema do emprego de um modo eficaz de uma grande quantidade de
informação sem a necessidade de utilizar a combinatória; como conseguir um sistema
dotado de conhecimentos (metaconhecimentos) que lhe permitam utilizar os
conhecimentos do sistema e que, a sua vez, permitam deduzir automaticamente novos
conhecimentos, já que não cabe pensar na reunião de todos os conhecimentos
necessários em casos de campos tão extremamente vastos como o diagnóstico na
medicina, a análise do meio ambiente, a economia e outros.
2.2.4. Fusão de dados
A necessidade de fusão de dados em processamento de imagens aumenta em relação
direta com a evolução das técnicas de aquisição, as quais são utilizadas para acessar a
um conhecimento otimizado nas ciências experimentais, indicam BLOCH & MAÎTRE
(1997). No caso desta investigação, a técnica de fusão de dados se utilizou para
aumentar a qualidade métrica e temática das imagens obtidas por meio do sensor digital
utilizado.
Fusão de dados é um conceito recente. Este pode ser definido (DATA FUSION
SERVER, 2000) como uma aproximação à extração da informação coletada em vários
âmbitos. Para WALD (1998), a fusão de dados é um marco formal no qual são
utilizados meios e ferramentas para a aliança dos dados originados em diferentes fontes.
A fusão procura obter informação de maior qualidade, dependendo este conceito da
aplicação na qual será aplicada a mesma. Também pode entender-se que a fusão de
dados é o processo de combinar dados e conhecimento de diferentes fontes com o
objetivo de maximizar o conteúdo da informação útil. Esta técnica melhora a
capacidade discriminante, oferecendo a possibilidade de minimizar os dados retidos
(UNIVERSITY OF MANCHESTER, 2000).
Segundo o mesmo autor, usualmente o processo de fusão de dados abrange três
etapas: o pré-processamento, a correlação dos dados e o pós-processamento. No préprocessamento, aplicam-se técnicas estatísticas tais como Análise por Componentes
-35-
Principais. Na correlação, consideram-se os diferentes tipos de sensores, determinando
sua interdependência por ferramentas estatísticas ou redes neurais. No pósprocessamento, normalmente aplicam-se técnicas de lógica difusa. As investigações
orientadas à fusão de dados aplicada ao monitoramento ambiental estão sendo levadas a
cabo por diferentes instituições aplicando dados produzidos por diferentes sensores
remotos como dados de entrada.
Outros conceitos associados a fusão de dados são combinação e integração de dados.
Freqüentemente, os mesmos são utilizados de forma errônea como sinônimos de fusão
de dados. A combinação de dados é utilizada por alguns autores como fusão de um
conjunto de dados, embora não sempre seja alcançado o objetivo de maximizar o
conteúdo da informação. A integração de dados aponta a aglutinar os mesmos, não
sendo necessária a combinação ou fusão destes.
2.2.5. Estatística multivariada
O investigador normalmente se encontra confrontado com problemas que abrangem
diversas variáveis referidas a uma multiplicidade de indivíduos ou elementos, indica
ALUJA BANET & MORINEAU (1999), e mantém como objetivo a possibilidade de
aprender dos dados e das observações. No caso desta investigação, utilizou-se um
número expressivo de variáveis das quais se desconhecia o grau de interdependência
para utilizar as mesmas de forma representativa na caracterização de uma área; para
solucionar este ponto, recorreu-se à estatística multivariada.
Considerando que a investigação é um processo interativo de aprendizagem a partir
dos dados (JOHNSON & WICHERN, 1992), a explicação de um fenômeno físico deve
ser especificada e posteriormente comprovada para reunir e analisar os dados. Uma
análise experimental dos dados sugerirá na maior parte dos casos, uma explicação
modificada do fenômeno, adicionando ou subtraindo variáveis no estudo. A
complexidade da maior parte dos fenômenos requer a realização por parte do
observador de comprovações ou medições em diferentes tipos de variáveis. Os métodos
estatísticos orientados à obtenção de dados e resultados nestas situações estão incluídos
na análise ou estatística multivariada.
A necessidade de entender as relações entre as diferentes variáveis (processo que na
mente humana se efetua a partir de processos de alta complexidade) faz que a análise
multivariada seja uma disciplina complexa. Se precisa em conseqüência de técnicas
matemáticas mais refinadas para ser aplicadas à resolução dos problemas de interrelação de variáveis. Os objetivos científicos nos que a estatística multivariada fornece
maiores serviços, podem resumir-se segundo o mesmo autor, em: redução dos dados ou
-36-
simplificação estrutural dos mesmos; ordenamento e grupamento; conhecimento da
dependência entre variáveis; prognóstico e construção de hipóteses e testes.
2.2.6. Modelos digitais do terreno
Neste trabalho, os modelos digitais do terreno da área estudada tiveram expressiva
aplicação durante a geração de variáveis de entrada ao sistema experto utilizado.
A representação digital da totalidade ou parte da superfície da terra é chamada de
modelo digital do terreno, de aplicação direta também em tarefas de retificação de
faixas de recobrimentos aéreos (BÄHR, 1991). Este contém ternas de dados
planialtimétricos x,y,z para computar novos pontos de vista ou visuais a partir dos dados
originais (MÉLYKÚTI, 1999). O modelo digital do terreno não pode descrever a
geometria variável na superfície de maneira contínua. Portanto, são necessárias
aproximações à realidade mediante procedimentos matemáticos.
Segundo este autor, os dados que descrevem os modelos digitais do terreno podem
ser de dois tipos: considerando dados de elevação massivos, os quais definem a altitude
do relevo em qualquer ponto do terreno, e os que consideram valores de elevação, os
quais determinam as características topográficas, tais como declividade ou insolação.
Nesta pesquisa, os dois tipos de modelos foram plicados.
A estrutura geométrica dos modelos digitais de elevação se apóia em dois elementos:
o ponto e a linha. Os modelos de pontos são representados por uma rede sistemática de
elevações, normalmente paralela ao sistema de coordenadas utilizado. Os modelos de
linhas podem estar representados por isolinhas, perfis ou ambos os elementos. Os
modelos de área, apoiados em linhas, podem ser representados por um conjunto de áreas
triangulares (TIN ou triangular irregular network) ou por células de um modelo
matricial ou raster. A geração automática e verificação de modelos digitais do terreno
(CARL ZEISS, 1998) são técnicas que estão sendo aplicadas na atualidade a partir de
técnicas fotogramétricas apoiadas em programas computacionais de alto rendimento.
2.2.7. Sistema de posicionamento global
Na área de interesse desta pesquisa, as aplicações do GPS no Cadastro Multifinalitário e
na gestão territorial estiveram orientadas principalmente à obtenção rápida e a baixo
custo de dados confiáveis para o estabelecimento do cadastro apoiado em coordenadas.
-37-
Esta técnica é conhecida pela sigla GPS, derivada do seu nome original em inglês
Global Positioning System. A mesma permite a determinação da posição geográfica de
um ponto mediante o uso de receptores específicos, apoiada em, no mínimo, no cálculo
de quatro distâncias entre os satélites de uma constelação e o receptor, com posterior
resolução das equações de distância correspondentes. Como tal, o sistema tem uma série
de vantagens e desvantagens.
Algumas vantagens são: não requer intervisibilidade (visibilidade entre pontos
medidos) para efetuar medições; não tem restrições horárias; não apresenta restrições
atmosféricas em condições não extremas; para alguns tipos de determinações, possui
alta precisão e celeridade na determinação, entre outras.
As desvantagens atuais, embora estejam sendo superadas, são: o sistema está
condicionado à disponibilidade funcional por parte dos administradores e ao estado
operativo dos satélites; a distância entre receptores base e móvel para aplicar métodos
que dão maior precisão está restringida a aproximadamente 20 ou 30 km; as alturas
elipsóidicas, referidas ao elipsóide WGS84 e não ortométricas referidas ao nível médio
do mar, são pouco aproveitadas pela falta do modelo de ondulação geoidal adequado;
requer condições locais de acesso para a antena, determinação de máscaras de
visibilidade para os satélites que podem ser funcionalmente restritivas, separação de
redes de alta tensão e de obstáculos; as tempestades elétricas podem alterar ou
impossibilitar a medição. A evolução técnica de nos próximos anos minimizará as
desvantagens atuais, aumentando as vantagens do sistema.
O sistema GPS atualmente é administrado pelos Estados Unidos. Outros sistemas são
o GLONAS administrado pela Rússia e o GALILEO, o qual entrará plenamente em
serviço nos próximos anos e será administrado pela União Européia (HUSTI & DE
JONG, 2000).
–—
-38-
2.3. OS MANGUEZAIS
2.3.1. Áreas de formações pioneiras
O setor estudado corresponde a uma área caracterizada pelo predomínio de formações
pioneiras. A denominação de formações pioneiras utilizada por IBGE (1990) aplica-se
para definir o tipo de cobertura vegetal formado por espécies colonizadoras em
ambientes de formação recente ou de áreas subtraídas naturalmente de outros
ecossistemas, modeladas pela ação atual dos agentes morfodinâmicos e pedológicos.
Nesse ambiente, as espécies vegetais chamadas de pioneiras têm uma função decisiva
na preparação do meio, possibilitando o posterior surgimento de espécies mais exigentes
ou com menor adaptação às condições ambientais.
Nas formações pioneiras se encontram formações vegetais em etapas de sucessão, as
quais crescem, segundo LEITE ET AL. in IBGE (1990) em ecossistemas dependentes
de fatores ecológicos instáveis. Atendendo estas considerações, os manguezais são
considerados como áreas de formações pioneiras.
2.3.2. Formação pioneira fluviomarítima dos manguezais
Os manguezais estão formados por conjuntos de plantas lenhosas arbóreas, arbustivas e
subarbustivas denominadas mangues, os quais estão caracterizados pelo predomínio de
diferentes espécies localizadas em função da distância à costa do mar
(HTTP://LIFE.BIO.SUNYSB.EDU/MARINEBIO/MANGAL.HTML, 2001).
Estas formações se estendem entre os trópicos, nas áreas com influência das marés
(Figura 2.1), que mantêm intercâmbio com bacias de água doce, caracterizando o
ambiente como uma formação pioneira fluviomarítima (Figura 2.2), exclusiva do
Quaternário e com poucas aparições no Terciário Superior (WOODROFFE, 1992).
Os manguezais são habituais nas zonas lamacentas e nas bordas das costas tropicais e
subtropicais (Figura 2.3). São ecossistemas produtivos e têm importância como berçário
natural, para a desova e para a alimentação de peixes e crustáceos marinhos.
Considerando uma classificação funcional dos manguezais, podem-se distinguir seis
categorias (LUGO & SNEDAKER in WOODROFFE, 1992): manguezais em ilhas
alagáveis sem acumulação de material; manguezais de cordão litorâneo afetados por
marés e com acumulação de material; manguezais ribeirinhos em contato com água
doce rica em nutrientes; manguezais em bacia geralmente monoespecíficos ou com uma
-39-
espécie nitidamente dominante no interior da área; manguezais arbustivos ou anões
produto de falta de nutrientes, e manguezais de ressaca formando ilhas sobre depressões
do terreno niveladas com restos do mesmo manguezal. A área de estudo corresponde a
um manguezal em bacia, onde verificam-se as características citadas para este tipo de
formação.
Figura 2.1.:Formação pioneira fluviomarítima
No centro da foto, um manguezal
Fonte: indeterminada, 199?
Figura 2.2.: Transição fluviomarítima de um
manguezal
Fonte: http://life.bio.sunysb.edu/mangal, 2001
Figura 2.3.: Aspecto típico de um manguezal
Fonte: http://life.bio.sunysb.edu/marinebio/mangal, 2001
2.3.3. Espécies de mangue da área de estudo
Existem 69 espécies identificadas de mangues, das quais a maior parte encontra-se na
região Indo-Pacífica. Na América encontram-se várias espécies, das quais três estão
presentes na área de estudo (Figura 2.4). Trata-se de Avicennia schaueriana Stapf &
Leechman ex Moldenke (n.v. Mangue Preto), Laguncularia racemosa L. (n.v. Mangue
Branco) e Rhizophora mangle L. (n.v. Mangue Vermelho).
-40-
Figura 2.4.: Folhas de Mangue Preto, Mangue Branco e Mangue Vermelho
Espécies típicas dos manguezais do Sul do Brasil
Fonte: desenho do autor, 2001
A maior parte das espécies de mangue caracterizam-se por adaptações biológicas
para adequar-se ao ambiente fluviomarítimo no qual crescem. Estas adaptações estão
relacionadas a três características: a forma de reprodução dos indivíduos, a tolerância
aos sais e a adaptação das raízes.
Com relação à forma de reprodução, em várias espécies efetua-se mediante um
propágulo vivíparo, o qual germina sem separar-se da planta mãe. Desprendendo-se os
propágulos das diferentes espécies de mangue, poderão flutuar ou enterrar-se nos
sedimentos das área de transição fluviomarítima, facilitando sua reprodução.
A tolerância aos sais converte os mangues em espécies halófitas. Estas espécies
podem tolerar teores salinos superiores às plantas terrestres pela presença de glândulas
especializadas localizadas geralmente nas folhas, as quais permitem a secreção dos
excessos salinos. Mesmo assim, valores extremos de concentração de sais não são bem
tolerados. No que diz respeito à forma de crescimento de suas raízes, várias espécies de
mangues contam com sistemas especializados denominados pneumatóforos, os quais se
caracterizam por seu geotropismo negativo. Os mesmos estão adaptados para surgir do
ambiente sedimentário anóxico típico dos manguezais e realizar intercâmbios gaseosos
por cima do nível de inundação, função vital para a subsistência de cada indivíduo
vegetal.
Em algumas espécies acompanham a estes pneumatóforos outras raízes de
geotropismo positivo, as quais surgem perpendiculares ao tronco e, arqueando-se
progressivamente, introduzem-se no terreno para dar apoio à planta. As outras partes
constitutivas dos mangues são similares com as Angiospermas terrestres. Os sedimentos
finos se acumulam nos manguezais, o qual produz águas de alta turbidez, especialmente
durante a maré alta. Os sedimentos retidos nesta área fluviomarítima são ricas em
matéria orgânica (WOODROFFE, 1992), a qual é incrementada pelo guano depositado
-41-
por animais que procuram refúgio dos predadores neste tipo de vegetação. Isto
conforma um meio com alto conteúdo de nutrientes para as diferentes espécies de
mangue, favorecendo o crescimento e a continuidade das mesmas. Não obstante, os
mangues são espécies sensíveis ao conteúdo de nutrientes, o qual se evidencia no porte
dos indivíduos que constituem estes grupamentos. Os manguezais anões, presentes em
vários pontos da costa americana, são exemplo de restrições de nutrientes. Algumas das
tolerâncias físicas mais destacadas dos mangues são, segundo SMITHSONIAN
MARINE STATION (2001), as seguintes:
Temperatura: a amplitude geográfica das espécies de mangue geralmente é
coincidente com a isoterma anual de 20ºC, em ambos os hemisférios. Não se
estabelecem bem para o Norte e Sul da latitude de 28º, já que o predomínio de baixa
temperaturas impróprias para as espécies restringe a sobrevivência de indivíduos.
Salinidade: as diferentes espécies de mangue, por sua condição de halófitas, têm a
possibilidade de suportar condições de saturação. As diferentes espécies de mangue têm
mecanismos diversos para filtrar os sais. No caso de R. mangle, o intercâmbio se realiza
na parte inundada da raiz. Para A. schaueriana e L. racemosa, embora o intercâmbio se
efetua mediante a raiz, a maior parte do filtrado se realiza por meio das glândulas
localizadas na superfície das folhas.
Outras tolerâncias físicas dos mangues são: as espécies podem desenvolver-se nos
meios redutores de até –200mV. Outra adequação à anoxia do meio são as adaptações
das raízes. Para R. mangle, um dos sistemas radiculares cresce com geotropismo
positivo do tronco da planta. A presença de células especializadas nestas raízes
permitem aproveitar o oxigênio do ar, e distribuir o mesmo na planta toda, incluindo
aquela que se encontra inundada. Embora não se conta com muita informação
especifica, as variações de pH registradas nos meios onde se desenvolvem manguezais
varia entre 5.3 a 7.8. As medições colorimétricas efetuadas na área de estudo deram
como resultado valores de 6,0 < pH < 7,2.
2.3.3.1. Avicennia schaueriana Stapf & Leechman ex Moldenke
O mangue A. schaueriana pertence à família Verbenaceæ (Figura 2.5). O nome vulgar
da espécie é Mangue Preto ou Mangue Seriba. No Brasil é conhecido como Siriúba, e
seus agrupamentos, como Siriubais (Figura 2.6). Sua nomenclatura foi proposta por
Stapf & Leechman e modificada por Moldenke.
O Mangue Preto cresce na América tropical, inclusive nas áreas subtropicais, onde
outras espécies de mangue têm condições adversas. Esta capacidade está dada pela
característica pela qual o Mangue Preto pode suportar temperaturas de congelamento
-42-
por até 12 horas. Neste sentido, estudos de variação genética (DUKE in DUKE, 1992)
realizados sobre o gênero Avicennia indicam a presença de possíveis heranças de
antecessores gondwánicos, o qual explicaria a adaptação do gênero a condições
adversas.
Encontra-se na zona de marés médias, no interior do manguezal, a continuação das
outras espécies de mangue. Durante a maré alta, estes indivíduos podem ficar
parcialmente inundados. Uma característica que distingue o Mangue Preto das outras
espécies de mangues é o fato que estes apresentam raízes especializadas com
geotropismo negativo (Figura 2.7), denominadas pneumatóforos.
Os indivíduos de Mangue Preto se reproduzem por meio de frutos vivíparos ou
propágulos. Estes não apresentam um alto grau de especialização como outras espécies
de mangue. Os propágulos do Mangue Preto não estão adaptados para flutuar por
grandes distâncias, embora seja uma forma efetiva para garantir a disseminação da
espécie. Na área de estudo, os indivíduos de A. schaueriana alcançam portes entre 5,6m
a 8,4m (CINTRON & SCHAEFFER-NOVELLI in PANITZ, 1986).
Figura 2.5.: Folhas de A. schaueriana
Caras anterior e posterior (0.5X). Folhas em verticilo oposto (~0.25X)
Fonte: trabalhos de campo, 2001
Figura 2.6.: Ramo de A. schaueriana
Fonte: New Mexico Highlands University – Marine
Biology Department, 20/09/2001
Figura 2.7.: Sistema radicular de A. schaueriana
com geotropismo negativo
Fonte: levantamento do autor, 2002
-43-
2.3.3.2. Laguncularia racemosa L.
O mangue L. racemosa (Figura 2.8) é conhecido por seu nome vulgar de Mangue
Branco ou Mangue Arbustivo. No Sul do Brasil também é conhecido como Sapateiro.
Deve um dos seus nomes vulgares à tonalidade verde claro das folhas (Figuras 2.9 e
2.10), característica que o distingue das outras espécies. A nomenclatura desta espécie,
pertencente à família Combretaceæ, foi proposta por Linneo.
Na área de estudo, L. racemosa é a espécie de menor porte, de aspecto arbustivo,
com exemplares adultos que oscilam nos 3m de altura. Apresenta pneumatóforos de
menor desenvolvimento quando comparado com A. schaueriana. Com relação à sua
localização dentro do manguezal, os indivíduos de L. racemosa ocupam o setor menos
alcançado pelas marés, a continuação das outras espécies de mangue. Considerando a
altimetria do manguezal, é a espécie que predomina na periferia.
Figura 2.8.: Folhas de L. racemosa
Caras anterior e posterior (0.5X). Folhas em verticilo oposto (~0.25X)
Fonte: coleta própria, 2001
Figura 2.9.: Ramo de L. racemosa
Fonte: levantamento do autor, 2002
Figura 2.10.: Flores de L. racemosa
Fonte: levantamento do autor, 2002
-44-
2.3.3.3. Rhizophora mangle L.
A espécie R. mangle (Figura 2.11) cresce principalmente na América tropical, na área
de contato entre o mar e a terra. R. mangle pertence à família Rhizophoraceæ, e sua
nomenclatura foi proposta por Linneo. Quatro gêneros desta família estão presentes nos
manguezais, constituindo os representantes típicos deste ecossistema. O nome vulgar
desta espécie é Mangue Vermelho ou Mangue Verdadeiro. No Sul do Brasil é conhecida
como Cachimbeiro, pela forma dos frutos amadurecidos lembrando a forma de um
cachimbo. Estes mangues podem suportar submersão total em momentos de marés altas
(Figuras 2.12, 2.13 e 2.14).
Os R. mangle se reproduzem por frutos vivíparos (Figura 2.15 e 2.16), os quais não
têm um período de germinação determinado, mas continuam crescendo ainda
permanecendo aderidos à planta mãe. Quando, entre outros fatores, o peso do fruto é tal
que não pode manter-se aderido à planta, o mesmo cai e, pela natureza do meio
circundante, poderá enterrar-se no solo lamacento ou flutuará, saindo em direção ao mar
aberto. Ali, as correntes marinhas transportarão os propágulos para outros pontos,
assegurando a disseminação da espécie. Estes frutos têm a capacidade de permanecer
flutuando por períodos prolongados, inclusive mais de um ano segundo NEW MEXICO
HIGHLANDS UNIVERSITY (2001) e SMITHSONIAN MARINE STATION (2001).
Por isso, a espécie se pôde estabelecer ao longo das costas intertropicais do mundo. Na
área de estudo os exemplares alcançam alturas entre 3m a 4m.
Figura 2.11.: Folhas de R. mangle
Caras anterior e posterior (0.5X). Folhas em verticilo oposto (~0.25X)
Fonte: coleta própria, 2001
Figura 2.12.: Indivíduos de R. mangle
Fonte: New Mexico Highlands University
Marine Biology Department, 2001
Figura 2.13.: Sistema radicular submerso com geotropismo
positivo - R. mangle
Fonte: New Mexico Highlands University
Marine Biology Department, 2001
-45-
Figura 2.14.: Sistema radicular aéreo com geotropismo
positivo - R. mangle
Fonte: New Mexico Highlands University
Marine Biology Department, 2001
Figura 2.15.: Flores de R. mangle
Fonte: New Mexico Highlands University
Marine Biology Department, 2001
Figura 2.16.: Frutos de R. mangle
Fonte: New Mexico Highlands University – Marine Biology Department, 2001
Levantamento do autor, 2002
2.3.4. Distribuição geográfica global
Os manguezais se distribuem globalmente segundo três fatores determinantes: a largura
da costa, sua posição relativa dentro dos estuários e a localização dentro do perfil de
marés.
A ocupação litorânea é restrita às áreas intertropicais, com máximas aparições de
indivíduos até aproximadamente 28º de latitude Norte e Sul são as características
dominantes dos manguezais no mundo todo quando a amplitude da costa é considerada
(Figura 2.17). Dentro dessa área, autores tais como DUKE (1992), consideram dois
hemisférios: o Pacífico Oeste – Índico, caracterizado pela alta biodiversidade, e o
Atlântico – Pacífico do Este, com menor número de espécies, dentro do qual encontrase a área de estudo. Neste hemisfério o mesmo autor considera três regiões: costa
ocidental da América, costa oriental da América (na qual está o setor estudado) e costa
ocidental da África.
Em casos particulares, as águas temperadas das correntes marinhas dos oceanos, tais
como a Corrente Cálida do Brasil e da Flórida, criam faixas de exceção de manguezais
extratropicais. Dentro dessas faixas extratropicais estão os manguezais da costa leste da
América do Sul e da Austrália e da costa norte da Nova Zelândia. Como foi citado, sua
origem se estima em desvios locais das correntes cálidas dos oceanos, embora outros
-46-
autores (DUKE, 1992) consideram as mesmas como representantes de distribuições
maiores no passado.
Quando se atende a posição dos manguezais dentro dos estuários, consideram-se
manguezais de jusante (incluindo ilhas com mangues) dentro do terço inferior da área;
manguezais de águas médias, coincidente com o terço médio do estuário, e manguezais
de montante ou localizadas no terço superior do estuário. No caso estudado, trata-se de
um manguezal de jusante, quer dizer próximo à saída para o mar.
Finalmente, quando se considera a localização relativa dos manguezais no perfil das
marés, atendendo o critério de freqüências de inundação por marés colocado por
WATSON in DUKE (1992), pode-se classificar aos manguezais em área de maré baixa
(alagados mais de 45 vezes ao mês), áreas de maré média (alagados de 20 a 45 vezes ao
mês) e áreas de maré alta (alagados menos de 20 vezes por mês). No caso do setor
estudado, trata-se de uma área que pode considerar-se entre maré baixa e média.
A distribuição global dos manguezais foi estudada a partir do Atlas Mundial dos
manguezais (HTTP://SPADE.NCL.AC.UK/TCMWEB/TCM/MGLINKS.HTM, 2001),
compilado pelo Centro Mundial de Conservação e Monitoramento, em conjunto com a
Sociedade Internacional dos Ecossistemas de Mangues e a Organização Internacional de
Madeiras Tropicais. Na atualidade, as maiores extensões de manguezais, entendidos
como hábitat, encontram-se na Indonésia, no Brasil, na Índia e Bangladesh (ONU –
FAO – EROS DATA CENTER, 2000), embora a maior biodiversidade florística
encontra-se na Oceania.
2.3.5. Distribuição geográfica no Brasil
A vegetação denominada mangue é uma das formações vegetais mais tipicamente
tropicais, que alcança a região Sul do Brasil, estendendo-se até o estado de Santa
Catarina, onde ainda se faz sentir com relativa intensidade a influência tropicalizante da
corrente marítima cálida do Brasil (Figura 2.18).
O manguezal se desenvolve no litoral Brasileiro ocupando as desembocaduras dos
rios, as bordas das baías e as grandes ilhas embancadas, todas elas áreas compostas de
solos lamacentos de elevado teor salino e de baixa oxigenação. A diferença de outros
manguezais do mundo e do Brasil, o Siriúba (A. schaueriana) é a espécie dominante nos
manguezais do Sul do país, ocupando as baixadas lamacentas (Figura 2.19)
constantemente alagadas pelas marés (KLEIN in IBGE, 1990) formando os já citados
manguezais em bacia.
-47-
Outra espécie importante na caracterização dos manguezais Brasileiros é o Mangue
Vermelho (R. mangle) o qual, provido de altas raízes adventícias, ocupa pequenas
depressões em lugares afastados do mar, depois dos mangues pretos.
A terceira espécie característica representativa dos manguezais do Sul Brasileiro é o
Mangue Branco (L. racemosa), usualmente distribuído em grupamentos densos, baixos,
de folhagem verde clara, em lugares pouco atingidos pelas marés.
A antropização dos manguezais se verifica de forma lenta mas progressiva,
principalmente pela urbanização indiscriminada da faixa litorânea, com predomínio de
loteamentos e criação de balneários.
Segundo LEITE E SOHN in IBGE (1990), a área de Formação Pioneira
Fluviomarítima do Sul do Brasil está estimada em aproximadamente 600km2. Uma das
fontes que contribuiu com dados consistentes para a definição dos manguezais do Brasil
foi o projeto RADAMBRAZIL, desenvolvido entre 1973 e 1988.
Figura 2.17.: Distribuição global dos manguezais
A linha dos continentes foi retirada para otimizar a interpretação do fenômeno representado.
Fonte: World Conservation Monitoring Centre, 2001 - Adaptação: Roque A. Sánchez Dalotto, 2001
Figura 2.18.: Distribuição dos manguezais no Brasil
Note-se a existência das faixas extra-tropicais de manguezais no Sudeste e no Sul Brasileiro.
Fonte: World Conservation Monitoring Centre, 2001 - Adaptação: Roque A. Sánchez Dalotto, 2001
-48-
Figura 2.19.: Zoneamento de um manguezal na região Sul do Brasil, segundo IBGE (1990)
1- Laguncularia racemosa em áreas apartadas e pouco alcançadas pelas marés.
2- A. schaueriana em áreas permanentemente alagadas pelas marés.
3- Rhizophora mangue em áreas freqüentemente alagadas pelas marés.
2.3.6. Distribuição geográfica em Santa Catarina
As condições pedológicas, hídricas e climáticas do litoral de Santa Catarina permitem
que se desenvolvam manguezais até a latitude de 28º30’S aproximadamente, perto da
cidade de Laguna. Ali, ocupando áreas restritas na costa Sul da laguna do Imaruí
(aproximadamente 23ha), encontram-se os últimos mangues da costa atlântica
americana (Figura 2.20), em 28º29'S, 48º52'W.
Dominando o gênero Avicennia, os manguezais desta área se apresentam
empobrecidos com relação à diversidade de espécies do ecossistema, com marcada
diminuição do porte dos indivíduos e hábitat descaracterizado. Desde ali para o norte, os
manguezais crescem em número e em biodiversidade, por causa da otimização das
condições para sua implantação, especialmente morfológicas e climáticas.
-49-
Figura 2.20.:Manguezal na Lagoa do Imaruí, SC, Brasil
Imagem de satélite. Fonte: LandSat TM457 + ETM8, Setembro 1999
Processamento: Roque A. Sánchez Dalotto, 2001
Na ilha de Santa Catarina encontram-se cinco áreas principais caracterizadas como
transição fluviomarítima, associadas a manguezais (Figura 2.21). Em outras áreas
menores da ilha estão presentes estes hábitats com diversas formas de degradação. Estas
áreas, vinculadas a depressões litorâneas e com regime pluviométrico anual entre
1250mm e 1500mm, estão localizadas na costa Oeste da ilha, onde as condições
ambientais são mais favoráveis para o desenvolvimento deste tipo de formação. Em
maior ou menor grau, estas cinco áreas apresentam signos de alteração ocasionados por
atividades antrópicas.
De Norte para Sul encontram-se os manguezais de Ratones, Saco Grande, Itacorubi,
Tavares e Tapera. Destes, o manguezal de Tavares é o maior (1182ha de manguezal
remanescente), seguido pelo de Ratones (304ha remanescentes), Itacorubi (180ha
remanescentes), Saco Grande (82ha remanescentes) e Tapera (63ha remanescentes). Os
valores foram aproximados a partir da interpretação sobre imagem de satélite falsa cor
datadas em Setembro de 1999.
-50-
48º 40’W
48º 35’W
48º 30’W
48º 25’W
48º 20’W
27º25’S
Ilha de
Santa
Catarina
27º30’S
Baia
Norte
1
27º35’S
2
Baia
Sul
3
27º40’S
4
Oceano
Atlântico
27º45’S
27º50’S
5
48º 40’W
48º 35’W
48º 30’W
48º 25’W
48º 20’W
Figura 2.21.: Principais manguezais na ilha de Santa Catarina
1- Manguezal de Ratones 2-Manguezal de Saco Grande 3- Manguezal de Itacorubi
4- Manguezal de Tavares 5- Manguezal da Tapera
Dos manguezais citados para a ilha de Santa Catarina, indica-se que as condições
antrópicas dos manguezais de Saco Grande e Tavares apresentam áreas de urbanização
crescente, embora seja menor com relação à observada no manguezal do Itacorubi. Ao
encontrar-se localizado dentro da mancha urbana da cidade de Florianópolis (SC), o
manguezal do Itacorubi suporta a maior pressão por expansão urbana.
O manguezal de Ratones se encontra em uma área predominantemente rural. Como
intervenção antrópica principal, observam-se retificações nos canais da rede de
drenagem para efetuar trabalhos de drenagem da bacia.
No manguezal de Ratones e Saco Grande está instalada a Estação Ecológica dos
Carijós; no manguezal do Itacorubi se estabeleceu o Parque Manguezal do Itacorubi, e
no manguezal do Tavares se encontra a Reserva Extrativista Marinha do Pirajubaé.
-51-
2.3.7. Os manguezais e a antropização do meio
Com freqüência se estabelece uma relação de usufruto entre o homem e os manguezais;
as populações locais utilizam a madeira dos manguezais como material de construção e
lenha, e para fabricar carvão vegetal e armadilhas para os peixes, obtendo deles uma
variedade de produtos florestais não madeireiros. Durante os últimos decênios, destruiuse uma parte importante dos manguezais do mundo para a prática da agricultura e da
aqüicultura ou para formar lagos onde obter sal (ONU-FAO-EROS DATA CENTER,
2000), instalando-se nestes ecossistemas uma variedade de práticas humanas
destrutivas, em analogia com o acontecido nas florestas tropicais de terra firme
(ROBERTSON & ALONGI, 1992).
Da totalidade de costas atlânticas do Brasil, 80% do seu total apresenta condições
climáticas que permitem desenvolver manguezais. Considerando que a ocupação do
Brasil se efetuou há mais de cinco séculos desde essas costas para o interior do
território, a relação direta ou indireta dos manguezais com as atividades desenvolvidas
pelo homem foi obrigada. Também a outrora abundância de pesca nas águas calmas dos
manguezais, como deste modo a caça em medida adequada, foram outros fatores que
colaboraram a estabelecer uma relação de usufruto relativamente equilibrada entre as
populações litorâneas e os manguezais, a qual atualmente se encontra em diminuição.
A expansão urbana que se evidenciou na maior parte das cidades litorâneas do Brasil
a partir da segunda metade do século XX provocou a aceleração da ocupação de
terrenos litorâneos, incluindo os manguezais. Embora as condições pedológicas deste
tipo de formações restringem as construções civis ao emprego de certas técnicas que
garantem a estabilidade estrutural, tais como estaqueamento, estas não foram um fator
totalmente restritivo para a ocupação dos manguezais. As tendências atuais indicam que
o incremento da educação e da consciência ambiental, conjuntamente com a sanção e
aplicação efetiva de legislação pertinente, são os caminhos de maior eficácia para obter
a sobrevivência e conservação destes ecossistemas.
As comunidades pesqueiras na região Sul tiveram especial interesse no
aproveitamento de propriedades do Mangue Vermelho para tingir, rico em tanino, o
qual se destinou ao acabamento de redes de pesca. Outras espécies de mangue
proporcionavam lenha, enquanto que a vegetação herbácea dos manguezais foi o
alimento de gado, normalmente destinado ao sustento familiar ou ao comércio local.
Estas variações espaço-temporais foram caracterizadas e medidas por BERNARDY
(2000), detectando-se no manguezqal do Itacorubi decréscimo das atividades
agropecuárias e incremento da urbanização.
–—
-52-
CAPITULO 3
ÁREA DE ESTUDO
RESUM0 DO CAPÍTULO 3
O setor de estudo corresponde a uma área de gênese
fluviomarítima associada ao manguezal do Itacorubi (27º34’S;
48º32’W) localizado na costa Oeste da ilha de Santa Catarina,
estado de Santa Catarina, Brasil. Os estudos permitiram
caracterizar as condições naturais e antrópicas de uma área de
estudo de 228ha. A análise de diferentes componentes ambientais
permitiu analisar as principais características métricas e
temáticas representativas da área estudada.
3.1. LOCALIZAÇÃO GEOGRÁFICA DA ÁREA
O objetivo de caracterizar a área estudada por meio da análise das condições naturais e
antrópicas foi aprofundar no conhecimento dos atributos físicos e funcionais dominantes
próprios do setor, possibilitando uma aproximação à realidade local.
Além disso, entende-se que estas características apontam a cobrir os critérios já
citados no que diz respeito à qualidade da base técnico-científica de um plano de gestão
territorial, apoiada nos trabalhos de HAVENS & AUMEN (2000), DUCROTOY &
PULLEN (1999), ARTHURTON (1998) e MARSON (1996).
3.1.1. Situação relativa
Estudou-se uma área de gênese fluviomarítima localizada na costa Oeste da ilha de
Santa Catarina, estado de Santa Catarina, Brasil (Figura 3.1). O setor ocupa
3.060.000m2 (306ha) e corresponde a uma parte do manguezal do Itacorubi, localizada
na bacia media e inferior do rio Itacorubi, dentro dos limites da cidade e distrito de
Florianópolis. Pelo fato de registrar-se a maior intervenção antrópica, focalizaram-se as
observações e estudos sobre uma área de estudo de 2.280.000m2 (228ha),
-53-
correspondentes a 75% do total citado (Mapa 3.1 e 3.2), localizada na parte Sul do setor
considerado. A Baía Norte, vinculada diretamente ao Oceano Atlântico, serve de nível
de base ao sistema hídrico citado. As coordenadas centrais do manguezal do Itacorubi
são longitude 48º32’W e latitude 27º34’S (Figura 3.2). Esta localização indica mais de
4º de diferença latitudinal ao sul do Trópico de Capricórnio, fato que tipifica a área
dentro dos manguezais extratropicais do mundo, sendo um dos mais austrais da
América.
Figura 3.1.: Situação relativa da área de estudo na América do Sul e Região Sul do Brasil
48º 40’W
48º 35’W
48º 30’W
48º 25’W
48º 20’W
27º25’S
Ilha de
Santa
Catarina
27º30’S
Baia
Norte
27º35’S
Baia
Sul
27º40’S
Oceano
Atlântico
27º45’S
27º50’S
48º 40’W
48º 35’W
48º 30’W
48º 25’W
48º 20’W
Figura 3.2.: Situação relativa da área de estudo na ilha de Santa Catarina
-54-
Mapa 3.1.: Planimetria geral da área de estudo
-55-
Mapa 3.2.: Fotocarta da área de estudo
-56-
3.2. Condição de antropização da área
O manguezal do Itacorubi (Figura 3.3) encontra-se circundado pelos bairros de
Agronômica, Trindade, Santa Mônica, Córrego Grande, Itacorubi e Saco Grande. Estã
localizado próximo ao aglomerado urbano de Florianópolis (Figura 3.4). Trata-se de
uma área de preservação permanente, outorgada para utilização gratuita à Universidade
Federal de Santa Catarina por decreto 64.340 de 10 de abril de 1969. Mantém-se na
atualidade aproximadamente 40% da área original ocupada por esta formação. O 60%
restante foi destinado progressivamente a urbanizações, áreas de serviços e vias de
comunicação.
Figura 3.3.: Vista oblíqua do Manguezal do Itacorubi, Florianópolis (SC), Brasil
Fonte: Levantamento do autor, 1999
Especificamente, o manguezal do Itacorubi é um setor da cidade que suporta pressão
demográfica de expansão por ocupação de terras para construções (Figuras 3.5, 3.6 e
3.7), além de ser utilizado como receptor de efluentes que provem dos bairros
circundantes.
-57-
Figura 3.4.: Situação relativa do manguezal do Itacorubi e urbanização de Florianópolis
Fonte: LandSat TM457 + ETM8, Setembro 1999 - Processamento: Roque A. Sánchez Dalotto, 2001
Figura 3.5.: Pressão antrópica sobre o manguezal do Itacorubi. Fotografia aérea
Fonte: IPUF, Florianópolis (SC), 2001
-58-
Ainda existindo essa tendência à expansão, uma parte do interior do manguezal
aparece com intervenção antrópica mínima. Contrapondo-se a isto, na maior parte do
perímetro do manguezal aparecem espécies vegetais exóticas das famílias Meliaceæ,
Palmeiras, Musaceæ e Anacardiaceæ, entre outras (Figura 3.8). Esta presença de
exóticas está evidenciada principalmente ao longo das vias de comunicação que
atravessam o manguezal, onde são colocadas com fins ornamentais (Figura 3.9).
Figura 3.6.:Pressão antrópica sobre o manguezal vista oblíqua.
Fonte: levantamento do autor, 2001
Figura 3.7.:Pressão antrópica sobre o manguezal vista oblíqua.
Fonte: levantamento do autor, 2001
Figura 3.8.: Espécies exóticas na área periférica
do manguezal
Fonte: levantamento do autor, 2001
Figura 3.9.: Espécies arbóreas exóticas ao longo
de vias de comunicação
Fonte: levantamento do autor, 2001
3.2.1. Principais problemas ambientais
Nestas situações ambientais citadas, onde interagem múltiplos fatores com relações
complexas, se produz a contínua descaracterização deste tipo de ambiente
fluviomarítimo, no qual registram-se problemas de sobrevivência da fauna e da flora.
Embora exista multiplicidade de causas, estes problemas de sobrevivência se
relacionam repetidamente com a contaminação ocasionada por efluentes dos bairros
circundantes.
Neste sentido, destaca-se que a anoxia que naturalmente se produz pelas
características do ambiente fluviomarítimo dos manguezais em geral é a causa da morte
-59-
de peixes e outras formas de vida que se observam no lugar, repetidamente atribuída a
fatores antrópicos (Figura 3.10). Esta situação se agrava quando convergem outros
fatores, tanto naturais como antrópicos.
Figura 3.10.:Efeitos da anoxia na fauna do Manguezal do Itacorubi
Fonte: levantamento do autor, 2001
Dentro dos fatores naturais cita-se a descida considerãvel do nível do mar ocasionado
por marés excepcionalmente baixas. Isto limita o ingresso de água fresca desde mar por
tempo maior ao que normalmente se registra esta situação, pelo qual a anoxia aumenta,
e o conteúdo de oxigênio dissolvido no meio diminui até alcançar níveis incompatíveis
com a subsistência de várias espécies.
Considerando os fatores antrópicos, a descarga de líquidos cloacais e sólidos,
apresenta-se como a principal fonte que contribui a incrementar a anoxia no manguezal.
A realização de obras de canalização (Figura 3.11) conjuntamente com a construção
de novos esgotos (Figura 3.12) está incrementando a contribuição deste tipo de
efluentes, o qual continua descaracterizando o manguezal de maneira progressiva.
Figura 3.11.:Obras de canalização no Manguezal do
Itacorubi
Fonte: levantamento do autor, 2001
Figura 3.12.:Construção de novos esgotos do
bairro Trindade
Fonte: levantamento do autor, 2001
-60-
Dentro dos limites deste manguezal funcionava também o depósito de lixo da cidade.
O mesmo foi desativado, e a partir da instalação do Centro de Transferência de
Resíduos Sólidos de Florianópolis, iniciaram-se tarefas de recuperação dos terrenos
antes dedicados à deposição de lixo (Figura 3.13 e 3.14). Não obstante, a infiltração e a
percolação da água passando por estes terrenos ainda produz líquidos viscosos
provenientes da decomposição e compactação do lixo (localmente chamado de
“chorume”), os quais se incorporam às águas superficiais do sistema hídrico do
manguezal (Figura 3.15). Do mesmo modo que os cloacais, estes líquidos reduzem o
oxigênio dissolvido na água, fato que adiciona mais um agente no processo degradante
da qualidade das águas.
Do mesmo modo, registra-se o depósito de lixo domiciliário e restos de obras no
manguezal do Itacorubi (Figura 3.16). Este problema, além de envolver variáveis tais
como a qualidade visual da paisagem, é fonte de poluentes que se solubilizam ou
mesclam e são transportadas águas abaixo chegando até o nível de base. Em casos de
maré baixa, os mesmos não alcançam a incorporar-se ao mar, aumentando sua
concentração dentro dos cursos do sistema hídrico do manguezal do Itacorubi.
Figura 3.13.: Centro de Transferência de Resíduos
Sólidos de Florianópolis
Fonte: levantamento do autor, 2002
Figura 3.14.:Área recuperada do antigo depósito
de lixo da cidade
Fonte: levantamento do autor, 2002
Figura 3.15.:Águas superficiais efluentes da área
do antigo depósito de lixo
Fonte: levantamento do autor, 2002
Figura 3.16.:Dejetos de combustíveis no
Manguezal do Itacorubi
Fonte: levantamento do autor, 2001
–—
-61-
3.3. Caracterização ambiental da área
A incorporação a um SIG de sete componentes ambientais relacionados com os
objetivos do estudo permitiu analisar as principais características métricas e temáticas
da área estudada, visando realizar a avaliação objetiva da situação atual. Para isto,
considerou-se a distribuição espacial de espécies de mangue, altimetria, cadastro e
função das propriedades, áreas edificadas, rede viária, sistema hídrico e esgoto. A
aplicação de técnicas próprias para levantamento de dados e o processamento para
obtenção de resultados possibilitou atingir esta caracterização, fato pelo qual estruturouse este ponto com parte dos resultados intermediários obtidos durante o
desenvolvimento da pesquisa.
Posteriormente, a incorporação destes componentes a um SIG, que funcionalmente
se manejaram e integraram como dados, permitiu estruturar o núcleo operativo para o
gerenciamento do SEAD. Todos os valores e cálculos percentuais que se apresentam
estão referidos a Março de 2002.
3.3.1. Espécies de mangue
Os estudos realizados durante a pesquisa indicam que na área de estudo com cobertura
de mangues (Mapa 3.3) prepondera A. schaueriana (Mangue Preto ou Siriúba) sobre L.
racemosa (Mangue Branco ou Sapateiro) e R. mangle (Mangue Vermelho ou
Cachimbeiro). A primeira espécie ocupa 98% da área coberta com mangues, enquanto
que a segunda abrange pouco mais que 1% e a terceira menos que 1%, estabelecendo
uma relação de área ocupada de 812:11:1. Considerando a superfície coberta por cada
espécie comparada com o total da área de estudo, os mangues ocupam 94,5ha,
representando 41% dos 228ha totais. Avicennia ocupa 93.1ha, que corresponde a 40%
da área estudada; Laguncularia ocupa 1.3ha (<1% da área) e Rhizophora, 0,1ha
(<<1%). Esta caracterização é convergente com os critérios detalhados na bibliografia
consultada, embora não foram achados dados numéricos similares aos apresentados
sobre distribuição espacial das espécies.
No que diz respeito à localização das espécies na área estudada, e em concordância
com o zoneamento citado para o Sul do Brasil, Avicennia se encontra na zona de
alcance permanente das marés, no interior do manguezal. Rhizophora se encontra na
periferia, localizado principalmente no setor Norte da área estudada, em áreas
inundáveis alcançadas pelas marés da Baía Norte. Finalmente, Laguncularia tem uma
distribuição periférica em todo o setor, localizada em terrenos mais altos e secos que
Avicennia e Rhizophora.
-62-
Mapa 3.3.: Espécies de mangues cadastradas em 2001 no setor estudado do manguezal do Itacorubi
-63-
Por trabalhos de campo comprovaram-se os dados de alturas citadas para exemplares
de mangues. O porte da Avicennia é predominante, com indivíduos adultos de mais de
8m, seguido por Rhizophora, com indivíduos entre 3m e 4m, e finalmente
Laguncularia, com indivíduos adultos de 2m a 3m de altura. A caracterização
precedente indica que na área de estudo o gênero Avicennia se apresenta de forma
totalmente dominante sobre as outras duas espécies.
3.3.2. Altimetria
Por tratar-se de um setor de gênese fluviomarítima, a área estudada está caracterizada
pelo predomínio de relevo natural plano, entre as altitudes de 0m e 1,5m a 2m sobre o
nível do mar (Mapa 3.4), contrastando com o resto da bacia, onde o relevo muda para
outras formas (Figura 3.17). Dois perfis topográficos típicos que caracterizam à área
apresentam-se nos Gráficos 3.1 e 3.2. A declividade na área central do setor estudado,
com alterações antrópicas mínimas, oscila entre nulas (0%) e 0,50m por cada 100m
(0,5%).
Figura 3.17.:Representação altimétrica da bacia com a área de estudo.
Na área central (coordenada A1) observa-se o manguezal do Itacorubi.
Fonte: Imagem Ikonos (2002) – Processamento Roque A. Sánchez Dalotto
As altitudes entre 0m e 1m caracterizam a planície de transição fluvial e marítima. A
altitude de 1m freqüentemente define as margens dos cursos permanentes da rede
hídrica, enquanto que a partir de 1,5m se definem os aterros das vias de comunicação da
área. Dentro da área estudada, altitudes superiores a 1,5m apresentam intervenção
antrópica.
-64-
Mapa 3.4.: Altimetria em 2001 do setor estudado do manguezal do Itacorubi
-65-
As altitudes máximas estão localizadas no setor do antigo depósito municipal de lixo,
onde o aterro sanitário, conjuntamente com a terraplanagem formou elevações entre
13m e 14m. Considerando camadas hipsométricas, 100ha (44% da área de estudo)
encontram-se entre as altitudes de 0m e 1m, 71ha (31%) entre 1m e 2m, e 57ha (25%)
superiores a 2m.
Gráfico 3.1.: Perfil topográfico NW – SE da área de estudo (longitudinal)
Gráfico 3.2.: Perfil topográfico SW – NE da área de estudo (transversal)
3.3.3. Cadastro e função das propriedades
14
Atendendo o conceito de propriedade vinculado com o conceito de parcela sustentado
por LARSSON (1996), determinou-se que na área de estudo se encontram 383
unidades. Para caracterizar a área estudada do ponto de vista funcional das
propriedades, consideraram-se seis categorias: Residencial, Serviços Públicos e
Privados, Recreação, Baldios, Comércios e Área de Preservação Permanente. Os
critérios utilizados para efetuar este zoneamento funcional apoiaram-se nos utilizados
no Plano Diretor do Município de Florianópolis (FLORIANÓPOLIS, 1998). Do mesmo
extraíram-se as características correspondentes às unidades AVL ou Área Verde de
Lazer, APP ou Área de Preservação Permanente, ACI ou Área Comunitária
14
PARCELA: unidade de terreno com interesses homogêneos de posse.
-66-
Institucional, AMC ou Área Mista Central, ARE ou Área Residencial Exclusiva, ARP
15
ou Área Residencial Predominante e ATR ou Área Turística Residencial .
A observação da planta cadastral permitiu caracterizar as 383 propriedades
integrantes da área de estudo em três grupos ou unidades dominantes: o Parque
Manguezal do Itacorubi, a área institucional do bairro Itacorubi, e a área residencial do
bairro Santa Mônica. A totalidade de propriedades consideradas ocupam 216,1ha,
correspondentes a 95% da área estudada (Mapa 3.5). A área restante de 11,9ha (5% da
área) corresponde à rede viária.
A primeira unidade abrange totalmente à área de preservação permanente do Parque
Manguezal do Itacorubi (Gráfico3.3), sob a administração da Universidade Federal de
Santa Catarina. Neste setor, 1 propriedade abrange 131,1ha. É a área predominante em
termos de superfície (58% sobre o total), ocupando o centro, Norte e Oeste da área de
estudo. Neste setor, a ocupação do terreno com construções pode ser considerada <<1%.
Gráfico 3.3.: Função das propriedades no setor de área de preservação permanente
Distribuição percentual por área das propriedades
15 AVL AREA VERDE DE LAZER (Art. 101-104) A definição de AVL obedece a critérios de localização como a existência de cobertura vegetal, o
uso público consagrado ou a proximidade de equipamentos comunitários e dos elementos hídricos. São AVL: Playground, Jardim, Praça, Parque
de bairro, Parque urbano, Parque metropolitano que apresentem superfície contínua de, no mínimo, 2000m 2. Nas AVL será permitida apenas a
construção de equipamentos de lazer ao ar livre, bem como a edificação de sanitários, vestiários, quiosques e das dependências necessárias aos
serviços de conservação.
APP AREA DE PRESERVAÇÃO PERMANENTE (Art. 137-141) As APP são non aedificandi, ressalvados os usos públicos necessários, sendo
nelas vedada a supressão da floresta e das demais formas de vegetação nativa, a exploração e a destruição de pedras, bem como o depósito de
resíduos sólidos e qualquer forma de parcelamento do solo. Nos mangues é proibido o corte da vegetação, a exploração dos recursos minerais,
os aterros, a abertura de valas de drenagem e o lançamento no solo e nas águas de efluentes líquidos poluentes desconformes com os padrões
de emissão estabelecidos pelo art. 19 do Decreto Estadual 14250/81 ou legislação posterior que regulamente a matéria. As APP podem ainda
ser em parte consideradas AVL.
ACI AREA COMUNITARIA / INSTITUCIONAL (Art. 105-108) As ACI, especialmente aquelas dos equipamentos de educação, cultura, saúde,
segurança, lazer e recreação serão classificadas e localizadas em Planos Setoriais elaborados pelo Órgão Municipal de Planejamento e setores
afins, aprovados por le1.
AMC AREA MISTA CENTRAL (Art. 99) Nas Áreas Mistas as edificações cujos dois primeiros pavimentos sejam destinados exclusivamente aos
usos comerciais e de serviços, ou a pavimentos-garagem, poderão ocupar totalmente a testada do terreno, obedecidas as disposições do artigo
46 e demais limites de ocupação desta le1. O lote mínimo será de 360m 2, 12m de testada e pavimentos regulamentados segundo a área.
ARE AREA RESIDENCIAL EXCLUSIVA (Art. 83) São áreas residências isoladas, residências geminadas, condomínios residenciais Unifamiliares
destinados à moradia. As ARE têm lote mínimo de 360m 2, 12m de testada e pavimentos regulamentados segundo a área.
AREA RESIDENCIAL PREDOMINANTE (Art. 83). São ARP as residências isoladas, residências geminadas, condomínios residenciais
unifamiliares destinadas à moradia e outras atividades, tais como as comerciais.
ATR AREA TURISTICO – RESIDENCIAL São aquelas destinadas para moradia vinculadas à infra-estrutura para turismo.
-67-
Mapa 3.5.: Cadastro e função das propriedades em 2001 do setor estudado do manguezal do Itacorubi
-68-
O segundo grupo de propriedades está formado por instituições públicas e privadas
de ensino, investigação e administração sob jurisdição de entidades civis, do Município
de Florianópolis, do Estado de Santa Catarina e da União. O setor está formado por 95
propriedades, ocupa uma superfície de 70,8ha (31% do total) e está localizado na parte
Leste da área de estudo. Dentro do mesmo, 8 propriedades de instituições ocupam
58,0ha ou 82% da superfície do setor (Gráfico3.4).
Gráfico 3.4.: Função das propriedades no setor de serviços públicos e privados
Distribuição percentual por área das propriedades
Correspondem ao Centro do Treinamento da Empresa de Pesquisa Agropecuária EPAGRI-; ao Centro de Transferência de Resíduos Sólidos da Prefeitura de
Florianópolis; à Universidade do Estado de Santa Catarina -UDESC-; ao Departamento
de Aqüicultura e Centro de Ciências Agrárias da Universidade Federal de Santa
Catarina; à Secretária de Estado do Desenvolvimento Rural e da Agricultura -CIDASCe ao Conselho Comunitário do Itacorubi.
Neste setor também se encontram proprietários particulares que totalizam 53
propriedades em 5,0ha (7% da área). Destas propriedades particulares, algumas estão
destinadas às atividades agropecuárias. Com exceção dos loteamentos ocupados por
condomínios residenciais, não se observa um padrão regular de subdivisão da terra.
No setor se encontram 6 propriedades destinadas exclusivamente a lazer que ocupam
4,1ha (6%); os terrenos baldios totalizam 3 propriedades, ocupando 2,4ha (3%), e as
dedicadas a atividades comerciais, em número de 25, ocupam 1,3ha (2% da área do
setor). Não há propriedades sob o regime de áreas de preservação permanente.
O terceiro grupo dominante está formado por 287 propriedades integrantes do setor
Norte do bairro Santa Mônica, o qual ocupa 14,3ha (6% do total). Está localizado no
setor Sul da área de estudo. Apresentam um padrão regular de subdivisão da terra, com
-69-
predomínio de unidades com dimensões de 12m de testada por 30m de fundo. No setor
considerado, 219 propriedades estão destinadas a uso residencial, ocupando 8,4ha ou
59% da área do setor (Gráfico3.5). Neste grupo, 48 terrenos baldios ocupam 2,8ha
(20%), fato que poderia indicar que os responsáveis do investimento imobiliário
permanecem à espera de valorização dos terrenos. As propriedades dedicadas às
atividades comerciais são 16 e somam 2,5ha (18% da área do setor); existe 1
propriedade destinada exclusivamente a lazer e ocupa 0,4ha (3%); as áreas de serviços
reunidas em 3 propriedades, somam 0,1ha (1%). Analogamente ao grupo de
instituições, não há propriedades destinadas a áreas de preservação permanente.
Gráfico 3.5.: Função das propriedades no setor de residências
Distribuição percentual por área das propriedades
3.3.4. Áreas edificadas
O total da área edificada no setor de estudo (Mapa 3.6) ocupa 122017m2. No Parque
Manguezal do Itacorubi a área construída é de 105m2, o qual representa <1% do total
considerado. Comparativamente com a área total do Parque Manguezal do Itacorubi, a
área edificada neste setor é <1% do total. A infra-estrutura observada corresponde a
serviços, áreas de recreação e assentamentos de moradias. De acordo aos dados
disponíveis (IPUF, 1998), não se registram variações significativas na área construída
desde 1998 até hoje.
No grupo de propriedades de instituições públicas de ensino, investigação e
administração a área construída ocupa 61947m2. Esta superfície representa 51% da área
total construída e 9% sobre a área total de instituições. Preponderam edifícios de vários
pisos com salas de aula, laboratórios e escritórios, além de construções dedicadas a
moradias particulares. Aqui, as construções ocupam em média 46% da área dos lotes,
apresentando um desvio padrão de 27% relativo a essa média. Sem considerar os
terrenos baldios, 64% das propriedades se encontram compreendidas entre esse valor
médio e 1 desvio; 37% entre 1 e 2 desvios e 0% entre 2 e 3 desvios.
-70-
Mapa 3.6.: Área edificada em 2001 no setor estudado do manguezal do Itacorubi
-71-
Segundo dados disponíveis (IPUF, 1998), a variação de áreas construídas desde 1998
a março de 2002 é de 6904m2, correspondendo a um incremento de 13%.
No setor considerado do bairro Santa Mônica, a área edificada ocupa 59965m2,
representando 49% sobre o total construído e 42% da área do loteamento. As
construções predominantes são de uma e de duas plantas (84%), destinadas a
residências particulares. Outras construções da área correspondem a oficinas e
instalações especiais destinadas a uma área comercial na parte Oeste do setor, as quais
ocupam 10.000 m2 (16%). As construções no bairro Santa Mônica ocupam em média
56% da área dos lotes, com desvio padrão de 15%. Sem considerar os terrenos baldios,
72% das propriedades se encontram compreendidas entre esse valor médio e 1 desvio;
23% entre 1 e 2 desvios e 5% entre 2 e 3 desvios. Comparando com os dados
disponíveis (IPUF, 1998), registrou-se uma variação de 8241m2 nas áreas construídas
desde 1998, o qual corresponde a um incremento de 16% com relação a essa data.
3.3.5. Rede viária
Analogamente ao Cadastro e função das propriedades, os critérios utilizados para
efetuar o zoneamento da rede viária apoiou-se no Plano Diretor do Município de
Florianópolis. Consideraram-se vias principais, via coletoras, via de interligação e ruas
16
secundárias, concordantes com a definição das unidades SC, PI, CI e LI do Plano
Diretor do Município de Florianópolis. A área de estudo está limitada por quatro vias de
comunicação, três principais e uma coletora, caracterizadas pela canalização do fluxo de
veículos para pontos estratégicos da cidade de Florianópolis (Mapa 3.7). Trata-se da
avenida da Saudade, a avenida Beira Mar, a Rodovia Ademar Gonzaga ou estrada SC
404 e a avenida Madre Benvenuta.
A avenida da Saudade comunica o centro da cidade com o Norte da ilha de Santa
Catarina e vice-versa. Esta avenida tem a particularidade de atravessar
perpendicularmente o manguezal do Itacorubi com relação ao escoamento geral da
bacia. A mesma está localizada no setor próximo à Baía Norte. A infra-estrutura da
avenida da Saudade está implantada sobre um aterro de aproximadamente 1m de altura
referido ao nível médio do manguezal.
16
SC RODOVIA ESTADUAL (Art. 119) Aquelas vias arteriais constituídas pelas rodovias que têm a função de interligar
o Centro Urbano com os Balneários e outros Municípios, estruturando seus respectivos sistemas viários. PI
PRINCIPAL INSULAR (Art. 119) Aquelas vias principais que têm a função de conciliar o tráfego de passagem com o
tráfego local e propiciar facilidades ao transporte coletivo. CI COLETORA INSULAR (Art. 119) Aquelas que têm a
função de coletar o tráfego das Vias Locais e encaminha-lo às Vias Coletoras, apoiando a função comercial das Vias
Coletoras e facilitando o acesso ao interior dos bairros. LI VIA DE LIGAÇÃO (Art. 119) Vias locais as demais vias de
circulação de veículos, tendo a função de possibilitar o acesso direto aos lotes e edificações. CICLOVIAS (Art. 119)
Aquelas destinadas à circulação exclusiva de bicicletas.
-72-
Mapa 3.7.: Rede viária em 2001 do setor estudado do manguezal do Itacorubi
-73-
A base do aterro tem uma largura média de 70m. A parte superior ocupa 60m, sobre
a qual se encontram seis faixas para trânsito veicular (três em cada sentido), dois
acostamentos, duas faixas para pedestres, duas ciclovias, um canteiro central, dois
meios-fios, luminárias e áreas de ornamentação. Em particular, nessa área se encontram
espécies arbóreas e arbustivas exóticas ao manguezal. O comprimento da avenida da
Saudade na área de estudo é de 900m.
A avenida Beira Mar comunica o centro da cidade com o complexo da Universidade
Federal de Santa Catarina e bairros circundantes. A mesma atravessa diferentes bairros
na área de estudo, tais como Agronômica, Trindade e Santa Mônica. Na área de estudo
esta via tem uma largura média de 40m, e está composta por seis faixas para trânsito
veicular (três em cada sentido), uma área para acostamento, duas áreas para pedestres,
uma ciclovia, um canteiro central, dois meios-fios, luminárias e área de ornamentação,
com características similares às indicadas para a avenida da Saudade. A extensão da
avenida Beira Mar na área de estudo é de 1750m. Tanto a avenida da Saudade como a
avenida Beira Mar canalizam o trânsito rápido da área. Sobre estas duas vias de
comunicação, existem três passagens elevadas para pedestres.
A Rodovia Ademar Gonzaga (SC 404) tem na área de estudo uma largura média de
20m. Apresenta duas faixas para trânsito veicular (uma em cada sentido), duas calçadas
para pedestres e dois meios-fios17. Analogamente à avenida Madre Benvenuta, a ambos
os lados da via encontram-se edifícios públicos, áreas de serviço e residências
particulares. O comprimento da Rodovia Ademar Gonzaga (SC 404) na área de estudo é
de 1880m.
A avenida Madre Benvenuta é perpendicular ao escoamento do manguezal, e dá
acesso ao bairro Santa Mônica, vinculando a avenida Beira Mar com a Rodovia Ademar
Gonzaga (SC 404). Esta via tem na área de estudo uma largura média de 20m, e se
compõe de quatro faixas de trânsito veicular (duas em cada sentido), duas calçadas para
pedestres e dois meios-fios. A ambos os lados desta via se encontram construções
correspondentes a edifícios públicos, áreas de serviço e residências particulares. A
extensão da avenida Madre Benvenuta na área de estudo é de 1575m.
Articulando-se com as vias principais e com a coletora citadas, encontram-se ruas e
passagens de largura variável, as quais constituem a rede de vias de interligação e ruas
secundárias cuja função é possibilitar o acesso às propriedades. Este tipo de vias
totalizam 8980m na área de estudo, e estão concentradas na área de instituições públicas
e do loteamento Santa Mônica.
17
A partir de Junho de 2002 registraram-se modificações nesta via de comunicação, especialmente na área próxima à
Universidade do Estado de Santa Catarina (UDESC).
-74-
3.3.6. Sistema hídrico
Na área de estudo, a rede hídrica está formada por dois tributários principais,
denominados rio Itacorubi e rio do Sertão (Mapa 3.8). O rio Itacorubi abrange 3270m
dentro da área estudada, e o rio do Sertão, 2200m. Tratando-se de uma área plana
próxima ao nível de base, característica de manguezal em bacia, existem vários cursos
secundários de traçado indefinido e divagante, com sentido de escoamento atrelado aos
níveis hídricos do manguezal.
Os cursos principais são sinuosos. Concordantemente com as observações de
WOLANSKI, MAZDA & RIDD (1992) em vários manguezais, também a área
estudada do manguezal do Itacorubi apresenta uma rede de canais de escoamento
superficial originada pelo fluxo que escapa dos canais nas curvas dos meandros. Esta
situação prepondera na sub-bacia do rio Itacorubi. Vários coletores secundários, entre os
quais destaca-se um coletor central, aparecem integrados à sub-bacia do rio do Sertão.
Dentro da área, 124,2ha (54,5% do total) apresentam o sistema hídrico em condições
naturais ou com intervenção antrópica limitada a aprofundamentos locais dos canais
menores; do mesmo modo, 103,8ha (45,5% do total) estão integradas aos sistemas de
esgotos ou vinculadas a retificações maiores e obras de arte.
Para caracterizar os cursos principais, estudaram-se 4 seções indicadas no Mapa 3.8.
As seções do rio Itacorubi na intercessão com as avenidas Madre Benvenuta e da
Saudade (Gráfico 3.6) estão limitadas por pontes com uma seção útil de 137m2 e
121m2.
0.00
5.00
10.00
15.00
20.00
25.00
30.00
35.00
40.00
45.00
0.00
Pte. Av. Madre Benvenuta
-1.00
-2.00
-3.00
-4.00
Rio Itacorubi
-5.00
-6.00
MI
0.00
MD
5.00
10.00
15.00
20.00
25.00
30.00
35.00
40.00
45.00
50.00
55.00
0.00
Pte. Av. da Saudade
-1.00
-2.00
-3.00
Rio Itacorubi
-4.00
-5.00
-6.00
-7.00
MI
MD
Gráfico 3.6.: Seções do rio Itacorubi intercessão com Av. Madre Benvenuta e da Saudade
-75-
Mapa 3.8.: Sistema hídrico em 2001 no setor estudado do manguezal do Itacorubi
-76-
Os níveis hídricos em regime de vazão mínima oscilam em torno de 40cm na ponte
de Madre Benvenuta e em 2,2m em avenida da Saudade. De acordo às marcas de
ressaca, nas pontes citadas podem-se registrar níveis de 1,5m e 3,5m depois de
precipitações intensas coincidentes com marés altas, as quais aumentam o nível de base
e dificultam o escoamento. Em condições de vazão mínima, registraram-se velocidades
de 20cm/s e uma vazão de aproximadamente 1m3/s.
A seção útil do rio nas pontes sobre o rio Sertão na intercessão com avenida Madre
Benvenuta é de 29m2 e em avenida da Saudade de 92m2 (Gráfico 3.7). Os níveis
hídricos em regime de vazão mínima oscilam em 10cm na ponte de Madre Benvenuta e
1,9m na avenida da Saudade. Os níveis máximos em eventos extraordinários podem
alcançar 1,2m em avenida Madre Benvenuta e 2,8m na avenida da Saudade, de acordo
com as marcas de ressaca. Para condições de vazão mínima, registraram-se velocidades
de 15cm/s, e uma vazão aproximada de 0.5m3/s.
0.00
0.00
5.00
10.00
15.00
20.00
25.00
Pte. Av. Madre Benvenuta
-1.00
-2.00
Rio do Sertão
-3.00
-4.00
MI
0.00
0.00
MD
5.00
10.00
15.00
20.00
25.00
30.00
35.00
40.00
45.00
Pte. Av. da Saudade
-1.00
-2.00
-3.00
Rio do Sertão
-4.00
-5.00
-6.00
MI
MD
Gráfico 3.7.: Seções do rio do Sertão intercessão Av. Madre Benvenuta e da Saudade
Sem considerar os canais naturais e artificiais, o escoamento superficial da área de
estudo é de tipo laminar. Esta condição é resultado do relevo predominante e da
rugosidade próprios de uma área de transição fluviomarítima, onde a sedimentação por
gravidade e por processos de floculação contribuem a manter as características
pedológicas do manguezal.
O sentido de escoamento está melhor definido nos canais de drenagem no extremo
Sul da área de estudo, onde predomina o sentido terra-mar. O sentido é variável no
extremo Norte, devido à influência das marés e dos ventos costeiros. Não obstante,
devido à cobertura vegetal existente, não se registra modelado hídrico expresivo.
Quando se registram precipitações que provocam o alagamento da área, o escoamento
-77-
do manguezal estará atrelado às condições mareométricas da Baía Norte. Nestas
situações, o manguezal poderá permanecer vários dias alagado até recuperar as
condições anteriores. Devido à litologia predominante, composta de partículas finas e
coesivas, a infiltração não contribui significativamente à evacuação da água excedente.
3.3.7. Esgotos
A área estudada está caracterizada pela presença de saídas de esgotos pluviais,
sanitários e industriais, tanto públicos como privados (Mapa 3.9). Todos os esgotos
apresentam escoamento para o manguezal. O registro no lugar deu como resultado o
cadastramento de 85 esgotos com seção circular, quadrada e retangular que totalizaram
47,4m2 de área útil. Os esgotos apresentam diversas dimensões e estão construídos com
concreto ou PVC. Entre eles, observaram-se obras concluídas em meados de 2001 com
cota de esgoto inferior ao nível de base.
As características físicas das águas de esgotos na área de estudo apresentam alta
variabilidade espacial e temporal. Encontra-se desde águas claras (<1UT) a águas com
turbidez maior (>5UT), ocasionada por material sólido em suspensão, azeites e
combustíveis, e sabões. As características vinculadas a percepções orgânicas foram
igualmente variáveis, passando de águas inodoras a águas com cheiro de azeites ou
material em estado de putrefação. Esta última condição obedece tanto às condições
anóxicas próprias do ambiente como aos aportes antrópicos.
O recurso hídrico presente no manguezal caracterizou-se quimicamente a partir de
análises colorimétricas e volumétricas em 4 pontos primários de amostragem
localizados nos rios do Sertão e Itacorubi, sobre as pontes das avenidas da Saudade e
Madre Benvenuta. Os resultados apresentam-se na Tabela 3.1.
Outras análises, realizadas em saídas de esgotos e pontos domiciliários permitiram
completar a caracterização química das águas que são vertidas ao setor estudado do
manguezal. Os resultados são apresentados na Tabela3.2. Embora estas análises não
foram repetidas no tempo, nem as técnicas utilizadas permitiram alcançar altos graus de
precisão, o conhecimento destes valores permitiu formar uma idéia objetiva dos teores
referidos às condições químicas das águas do setor estudado.
-78-
Mapa 3.9.: Esgotos cadastrados em 2001 no setor estudado do manguezal do Itacorubi
-79-
As análises incluíram oxigênio dissolvido, pH, amônia, ferro, fosfatos, cloro e sais
dissolvidas totais. Da interpretação dos mesmos percebe-se que, no caso dos rios do
Sertão e Itacorubi, no momento da análise encontraram-se águas ligeiramente ácidas ou
neutras, com baixo conteúdo de oxigênio dissolvido total.
As concentrações de oxigênio dissolvido nos canais principais do manguezal
oscilaram entre 1mg/l a 2mg/l. Estes valores são sensivelmente inferiores aos
registrados na área e publicadas por PANITZ em 1986.
A influência dos refluxos de água salgada sobre as características químicas foi
detectada em todas as análises, evidenciando-se de forma global esta situação nos sais
dissolvidos totais (300 a 1000mg/l a montante e 5000 a 8000mg/l a juzante). No setor
Norte da área estudada apresentou-se a maior variabilidade nos teores salinos da água,
não contando-se com os valores extremos.
Tabela 3.1.: Características químicas da água em pontos primários de amostragem
Fonte: Trabalhos de campo Roque A. Sánchez Dalotto, 2002
AMOSTRA Nº
2
3
4
5
Ponte Rio do Sertão Av. M.
Benvenuta
Ponte Rio do Sertão Av. da
Saudade
Ponte Rio Itacorubi
Av. da Saudade
Ponte Rio Itacorubi
Av. M. Benvenuta
N (m)
6945641
6947114
6947214
6946043
E (m)
22745338
22744873
22745176
22746358
TIPO
córrego
córrego
córrego
córrego
Segunda-feira
Segunda-feira
Segunda-feira
Segunda-feira
18/02/02
18/02/02
18/02/02
18/02/02
LUGAR
DIA
DATA
HORA
CONDIÇÕES
TEMPERATURA (ºC)
TURBIDEZ (UT)
pH
15:05
15:51
16:36
17:28
Quente c/nuvens
Quente c/nuvens
Quente c/nuvens
Quente c/nuvens
26.0
25.5
26.0
25.5
<1
<1
<1
<1
7.0
6.5
7.0
6.5
1.00
1.00
2.00
1.00
NH3- (mg/l)
7.00
5.00
3.00
3.00
TOXICIDADE NH3- (%)
0.73
0.19
0.73
0.19
0.05
0.01
0.02
<0.01
2.00
0.75
0.25
0.50
0.50
0.25
<0.10
<0.10
O2 (mg/l)
NH3Fe++
TÓXICO (mg/l)
(mg/l)
PO4≡ (mg/l)
Cl2 (mg/l)
SAIS TOTAIS (mg/l)
<0.10
0.10
<0.10
<0.10
1000.00
5000.00
8000.00
500.00
-80-
Tabela 3.2.: Características químicas da água em outros pontos da área de estudo
Fonte: Trabalhos de campo Roque A. Sánchez Dalotto, 2002
AMOSTRA Nº
6
7
8
9
10
11
12
13
Beira Mar
Passarela
Saída
Depósito
sanitário
Ademar
Gonzaga
UDESC Santa Mônica
6946777
6946916
6947267
6947073
6946238
6945930
22744651
22744571
22744547
22745372
22745944
22746718
22745399
esgoto
esgoto
esgoto canal esgoto canal esgoto canal esgoto
esgoto
Beira Mar
Saída Itambé
Beira Mar
Trapiche
destruído
Beira Mar
Saída
Granville
Beira Mar
Estação
Rodoviária
Beira Mar
Passarela
N (m)
6946037
6946289
6946504
6946549
E (m)
22745005
22744910
22744663
esgoto canal esgoto
esgoto
LUGAR
TIPO
14
15
DIA
Terça-feira
Terça-feira
Terça-feira
Terça-feira
Terça-feira
Terça-feira
Terça-feira
Terça-feira
Terça-feira Quarta-feira
DATA
19/02/2002
19/02/2002
19/02/2002
19/02/2002
19/02/2002
19/02/2002
19/02/2002
19/02/2002
19/02/2002
20/02/2002
HORA
15:42
Quente
c/nuvens
16:15
Quente
c/nuvens
16:36
Quente
c/nuvens
16:52
Quente
c/nuvens
17:24
Quente
c/nuvens
17:41
18:16
19:09
15:50
Nublado
Nublado
18:45
Nublado
fresco
Fresco
Ensolarado
29.0
CONDIÇÕES
TEMPERATURA (ºC)
28.0
27.0
27.0
26.5
27.0
26.0
26.0
24.5
25.0
TURBIDEZ (UT)
>2
<1
<1
<1
<1
<1
<1
<1
<1
<1
pH
6.0
6.3
6.5
6.5
6.7
6.5
7.2
6.5
6.5
6.5
O2 (mg/l)
0.8
0.8
0.8
0.8
0.8
1.0
0.5
4.0
1.0
2.0
NH3- (mg/l)
2.0
7.0
7.0
7.0
7.0
7.0
7.0
7.0
7.0
7.0
<0.19
<0.19
0.19
0.19
0.35
0.19
1.20
0.19
0.19
0.19
<0.00
<0.01
0.01
0.01
0.02
0.01
0.08
0.01
0.01
0.01
Fe++ (mg/l)
5.0
0.5
0.4
5.0
0.3
0.4
5.0
0.5
4.0
3.0
≡
PO4 (mg/l)
0.2
0.2
2.5
3.0
0.8
0.3
0.3
1.5
4.0
1.5
Cl2 (mg/l)
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
SAIS TOTAIS (mg/l)
n.d.
3000.0
1000.0
n.d.
3000.0
1000.0
n.d.
300.0
3300.0
n.d.
TOXICIDADE
NH3-
(%)
NH3- TÓXICO (mg/l)
No caso dos esgotos, encontraram-se efluentes com concentrações máximas de
0.08mg/l de amônia e 5mg/l de ferro. O pH ácido a neutro predominante nas águas do
setor estudado diminui a toxicidade de alguns componentes, em especial a amônia.
Estas águas de esgotos chegam ao manguezal com baixos conteúdos de oxigênio
dissolvido (0,5 – 1,0mg/l), particularmente os originados nos bairros Trindade e Santa
Mônica. Casos atípicos e pontuais estão representados por aqueles esgotos onde a saída
da água apresenta um salto, o que contribui à oxigenação pontual da mesma. Em tais
casos, o oxigênio dissolvido total alcançou valores de 2mg/l a 4mg/l.
Com relação ao aspecto operativo dos esgotos, e de acordo a verificações de
funcionamento realizadas na área, estabeleceu-se que 37 esgotos (43% do total
registrado) evacuam exclusivamente efluentes, 20 esgotos (23%) evacuam tanto de
efluentes como águas pluviais e 28 esgotos (33%) transportam só águas pluviais. Existe
um número não registrado de esgotos de PVC, seção circular e diâmetros menores, que
operam principalmente como descargas domiciliárias, tanto pluviais como de efluentes.
Segundo a procedência dos esgotos, estes são originados nos bairros da Trindade,
Santa Mônica e Itacorubi, bem como nos sistemas pluviais das avenidas da Saudade e
Beira Mar. Registraram-se 7 esgotos de efluentes que somam 2,0m2 de seção útil (4%
do total) e 9 esgotos de efluentes e pluviais que totalizam 30,0m2 de seção útil (63% do
-81-
total) originados no bairro da Trindade. Do bairro Santa Mônica identificaram-se 11
esgotos de efluentes que somam 2,90m2 de seção útil (6% do total).
Do bairro Itacorubi provêm 19 esgotos de efluentes que somam 3,0m2 de seção útil
(6% do total), 11 esgotos de efluentes e pluviais que totalizam 0,30m2 de seção útil
(<1% do total) e 12 esgotos pluviais que totalizam 6,5m2 de seção útil (13% do total).
Os sistemas de esgotos pluviais das avenidas da Saudade e Beira Mar contribuem com
13 e 3 esgotos, totalizando 2,0m2 e 0,7m2 de seção útil (4% e 1% do total). As
características métricas e construtivas dos 85 esgotos registrados estão apresentadas na
Tabela 3.3.
Os resultados apresentados estão referidos a Março de 2002. Ressalta-se que a partir
de Junho do mesmo ano foi realizada a construção de esgotos de seção quadrada
(1.50m) em terrenos próximos à UDESC, totalizando-se mais de 300m lineares de
obras.
Tabela 3.3.: Características dos esgotos registrados na área de estudo
Fonte: Trabalhos de campo Roque A. Sánchez Dalotto, 2001
SEÇÃO
MATERIAL
DIMENSÕES (m)
QUANTIDADE
Circular
Concreto
0,40
23
Circular
Concreto
0,30
13
Circular
Concreto
0,10
11
Circular
Concreto
0,60
7
Circular
Concreto
0,80
7
Circular
Concreto
0,50
4
Circular
PVC
0,10
4
Quadrada
Concreto
2,00
4
Quadrada
Concreto
0,10
3
Circular
Concreto
1,00
2
Retangular
Concreto
3,00 x 1,50
2
Retangular
Concreto
2,00 x 1,00
2
Circular
Concreto
1,80
1
Circular
PVC
0,06
1
Retangular
Concreto
1,50 x 1,00
1
–—
-82-
CAPITULO 4
MATERIAL E MÉTODO
RESUM0 DO CAPÍTULO 4
Apresentam-se as cinco etapas nas quais foi dividido o método
utilizado. Na primeira foi sintetizada a forma pela qual se chegou
a definir o problema e a formular as hipóteses de trabalho. Na
segunda se detalham os processos para preparação dos dados de
entrada ao SIG estruturado. Na terceira etapa se descreve como
foi efetuado o zoneamento da área de estudo por meio da técnica
da ACP. Na quarta etapa se especifica a estruturação e aplicação
do SE. Na quinta etapa ensaiaram-se soluções aos problemas
ambientais específicos por meio de um SEAD.
4.1. MATERIAL
O propósito de documentar o material utilizado foi mostrar os elementos que formaram
parte do trabalho, os quais serviram como meio para alcançar os objetivos. Neste
sentido, o desenvolvimento da investigação apoiou-se no emprego de equipamento
específico e programas para processamento.
Independentemente das características técnicas dos equipamentos e dos programas
utilizados, as quais serão superadas no tempo, interessou apresentar e analisar qual foi a
relação funcional entre estes componentes durante o desenvolvimento da pesquisa. Na
Figura 4.1 é apresentada essa relação.
No material utilizado, estruturaram-se dois núcleos ou grupos operativos que
estabeleceram relações funcionais entre eles. O primeiro grupo esteve integrado por
notebooks, navegador GPS, sensor digital, filtros, linguagens de programação e
programas para obtenção e processamento de dados e controle de periféricos; o segundo
integrou-se com um computador, impressoras e plotters jato de tinta, programa para
cálculos e programas para gestão e manejo de dados.
-83-
Figura 4.1.: Relação entre o material utilizado
O primeiro grupo cobriu necessidades de tarefas que se efetuaram em campo,
enquanto que o segundo resolveu trabalhos de pós-processamento em escritório. O
material utilizou-se alternadamente em função do avanço da pesquisa. A comunicação
entre notebooks e computador estabeleceu-se por meio de uma conexão de rede local de
10/100 Mbits/s, a qual ofereceu taxa de transferência adequada para transmissão dos
dados obtidos em campo.
4.1.1. Equipamento
Constituído pela infra-estrutura física que utilizou-se diretamente na obtenção e
armazenamento dos dados coletados. Entre o equipamento utilizado se encontram os
equipamentos computacionais e os equipamentos adicionais.
O equipamento computacional esteve constituído por computadores de escritório e
notebooks, impressoras e plotters, e sistema digital de reconhecimento. Apresentam-se
algumas das características técnicas do equipamento utilizado.
- Computador tipo PC com processador de 550Mhz, 64Mb de memória RAM,
capacidade de armazenamento de 12Gb, gravadora e leitora de CD-Rom e disquetes de
3 ½ polegadas, monitor de 17 polegadas;
- Impressoras de jato de tinta resolução de 720 pontos por polegada e plotters de jato
de tinta resolução de 600 pontos por polegadas.
- Notebooks com processadores de 550Mhz e 450Mhz, 128Mb de memória RAM,
capacidade de armazenamento de 4Gb e 6Gb, leitora de CD-ROM e disquetes de 3 ½
polegadas, tela de 12 polegadas.
-84-
- Sensor digital marca Logitech, com conexão Universal Serie Bus (USB) ao
computador (Figura 4.2.); capacidade de captura de quadros independentes ou geração
de seqüência de vídeo digital. Este sistema digital de reconhecimento está equipado com
um dispositivo de carga acoplada (CCD) tipo CIF, de 6mm (¼ de polegada), formado
por 352 elementos sensíveis no sentido horizontal e 288 no sentido vertical. O CCD está
caracterizado por baixo consumo (60mW), possui óptica incorporada de 16mm de
distância focal, angular de 52º e conversor analógico/digital incorporado.
Figura 4.2.: Sensor digital
Fonte: http://www.sharp-world.com (05/07/01) e Roque A. Sánchez Dalotto, 2003
O equipamento adicional esteve constituído por navegador GPS, filtros, testes
colorimétricos para análises de água e outros acessórios. Não se detalham outros
elementos utilizados, pelo fato de serem próprios da maior parte dos trabalhos de
investigação, e por sua incidência menor, não são relevantes para alcançar os objetivos
da pesquisa. Apresentam-se algumas características técnicas do equipamento adicional
utilizado.
- Navegador GPS (Figura 4.3) para orientação no terreno durante as fases iniciais do
trabalho, 12 canais de rastreamento, sistemas de coordenadas e datum configurável,
200 pontos de memória e precisão melhor que 25m para 95% dos pontos medidos.
Figura 4.3: Navegador GPS
Fonte: Topcon Optical Corporation, 2000.
-85-
- Filtros e acessórios para obter imagens digitais em diferentes comprimentos de
onda do espectro eletromagnético, utilizados conjuntamente com o sistema digital de
reconhecimento. As características dos filtros (Figura 4.4) e acessórios se encontram na
Tabela 4.1.
Figura 4.4.: Filtros infravermelho
Fonte: Hoya Optical Corporation, 2002
Tabela 4.1.: Características dos filtros utilizados
Fontes: Manuais de especificações técnicas dos fabricantes
Hoya Optical Corporation / Tamron / Canon / Marumi / Toshiba / B+W
Adaptação: Roque A. Sánchez Dalotto, 2001
FILTRO / ACESSÓRIO
ADAPTADOR 49→52
FABRICANTE
Hoya
PAÍS DE ORIGEM
Japão
DIÁMETRO
49mm
ADAPTADOR 52→49
Hoya
Japão
52mm
AMARELO Y1
INFRAVERMELHO R72
Tamron
Hoya
Japão
Japão
52mm
49mm
INFRAVERMELHO RM90
Hoya
Japão
49mm
LARANJA O1
PARASOL DE BORRACHA
PARASOL METÁLICO
POLARIZADOR
SKYLITE SL-1A
ULTRAVIOLETA
Canon
Hoya
Hoya
Marumi
Toshiba
B+W
Japão
Japão
Japão
Japão
Japão
Alemanha
52mm
49mm
49mm
52mm
49mm
49mm
CARACTERÍSTICAS
Adaptador de diâmetro de filtros 49mm para
52mm
Adaptador de diâmetro de filtros 52mm para
49mm
Cor amarelo (Yellow 1)
Bloqueia comprimentos de onda até 720nm.
Eqüivalente Schott RG-715
Bloqueia comprimentos de onda até 900nm.
Eqüivalente Kopp 2563
Cor laranja fator 3X (Orange 1)
Proteção contra entrada de raios tangenciais
Proteção contra entrada de raios tangenciais
Polarizador circular
Tipo SL-1A cor salmão
Elimina comprimentos de onda do
ultravioleta
Destes filtros, os infravermelhos R72 e RM90 foram os mais utilizados por suas
características espectrais vinculadas aos objetivos deste trabalho. Na Figura 4.5.
apresentam-se as sensibilidades espectrais dos filtros R72 e RM90, e a sensibilidade
espectral genérica do CCD. O comprimento de onda que define a cada filtro se
considera partindo de 50% da transmissividade em cada caso.
-86-
Figura 4.5.: Sensibilidade espectral de filtros R72 e RM90, e CCD CIF
Fontes: http://www.sharp-world.com (05/07/01); Carlson Center for Imaging Science; BES Optics Inc.
Adaptação: Roque A. Sánchez Dalotto, 2001
A partir da intercessão das curvas de sensibilidade espectral do CCD e dos filtros,
ficaram determinadas duas janelas espectrais que caracterizaram a resposta do sistema
de captura de imagens funcionando em dois modos: a primeira janela no modo IR1
(Figura 4.6), utilizando o filtro R72 e o CCD CIF abrangeu os comprimentos de onda de
720nm a 950nm; a segunda janela no modo IR2 (Figura 4.7), correspondente ao filtro
RM90 e CCD CIF, abrangendo aproximadamente de 900nm a 950nm. Pelo fato que a
intercessão entre as curvas de transmitância do CCD e o filtro verifica-se em
aproximadamente 50%, obtiveram-se imagens mais escuras no modo IR2, problema
resolvido a partir da modificação do brilho das mesmas por meio de programas quando
foi necessário otimizar sua visualização.
Ressalta-se também que nas imagens obtidas utilizaram-se duas janelas espectrais,
observou-se uma separação considerável entre as assinaturas espectrais de vegetação,
água e solo, fato que otimizou as tarefas de identificação e discriminação temática dos
elementos das imagens.
-87-
Figura 4.6.: Janela espectral 720nm – 950nm do sistema digital de reconhecimento
Fontes: http://www.sharp-world.com (05/07/01); Carlson Center for Imaging Science; BES Optics Inc.
Adaptação: Roque A. Sánchez Dalotto, 2001
Figura 4.7.: Janela espectral 900nm – 950nm do sistema digital de reconhecimento
Fontes: http://www.sharp-world.com (05/07/01); Carlson Center for Imaging Science; BES Optics Inc.
Adaptação: Roque A. Sánchez Dalotto, 2001
-88-
Efetuaram-se determinações da qualidade físico-química das águas superficiais da
área de estudo por meio de testes colorimétricos (Figura 4.8). Composto por reagentes
químicos, recipientes para toma e análise de amostras e tabelas colorimétricas, este
equipamento foi utilizado para formar uma idéia sobre as características físico-químicas
da água superficial da área de estudo. As análises efetuaram-se por titulação,
determinando-se temperatura, turbidez, pH, oxigênio dissolvido, amônia, fosfato, cloro,
dureza total e sais dissolvidos totais.
Figura 4.8.: Testes colorimétricos para análise de água
4.1.2. Programas
No que diz respeito aos programas utilizados durante o trabalho de investigação,
utilizaram-se diferentes aplicações que cobriram as necessidades específicas de
processamento. Os programas, segundo sua função na pesquisa, classificaram-se em
linguagens de programação, programa para obtenção e processamento de dados e
controle de periféricos, programas para cálculos e programas para gestão e manejo de
dados.
4.1.2.1. Linguagens de programação
Utilizou-se a linguagem de programação Visual Basic ® para elaborar as rotinas que
vincularam dados geográficos com cálculos para o planejamento, como assim também
para pré-processar imagens ou realizar cálculos estatísticos relacionados às mesmas.
Esta linguagem se caracteriza por dispor de um administrador de componentes visuais.
Com este programa foi possível armazenar, organizar e compartilhar componentes
reutilizáveis, criar assistentes, componentes específicos, objetos de conexão a base de
dados e outros utilizados em projetos de Visual Basic ®.
-89-
A designação "Visual" da linguagem de programação faz referência ao método que
se utiliza para criar a interfase gráfica entre o usuário e o ambiente operacional. A
diferença de outras linguagens de programação, nas quais é necessário escrever
numerosas linhas de código para descrever a aparência e a localização dos elementos da
interfase (janelas, botões, menus, etc.), em Visual Basic ® se adicionam objetos
preestabelecidos em lugares definidos dentro da tela. A linguagem Visual Basic®
evoluiu a partir do original BASIC, criado faz várias décadas, contendo na atualidade
um número significativo de instruções, funções e palavras chave, muitas das quais estão
diretamente relacionadas com a interfase gráfica do ambiente operacional utilizado. A
aplicação terminada foi um arquivo executável que utiliza uma máquina virtual de
Visual Basic® para seu funcionamento.
4.1.2.2. Programas específicos elaborados
Visando estruturar o conjunto de programas necessários para desenvolver a pesquisa
considerando o material utilizado, elaboraram-se 14 módulos para captura de imagens,
processamento de dados e controle de periféricos. As mesmas estão detalhadas na
Tabela 4.2, totalizando-se mais de 13.000 linhas de programa.
Os aplicativos desenvolvidos estiveram apoiados em programação orientada a
objetos. A mesma representa uma perspectiva diferente com relação à programação
convencional por procedimentos. Nesta última, considerava-se o fluxo do programa
desde a primeira até a última linha de código, enquanto que na programação orientada a
objetos cada um deles é considerado como componente de uma aplicação que têm
funcionalidade privada independendo da funcionalidade geral que se oferece ao usuário.
Tabela 4.2.: Detalhe das aplicações desenvolvidas
APLICATIVO
camera.exe
correlation.exe
desktop.exe
digitize.exe
distribution.exe
histo.exe
lanheader.exe
profile.exe
pyramid.exe
FUNÇÃO PRINCIPAL
Inicializa o dispositivo digital e controla a
captura de imagens ou vídeos
Efetua correlação bivariada para
reconhecimento automático de feições
Administra as aplicações e facilita menu de
ajuda
Digitaliza on-screen e gera arquivos de
coordenadas
Aplica teste chi2 para determinar
normalidade de nuvens de pontos
Calcula o histograma de imagens em
vermelho, verde, azul e cinza
Organiza os parâmetros dos arquivos
associados às imagens LandSat
Calcula perfis dos números digitais de uma
imagem
Calcula e gera sete níveis de pirâmides a
partir de uma imagem
TAMANHO (Kb)
148480
LINHAS DE PROGRAMA
1529
241664
3163
197120
961
40960
357
299520
3443
71680
357
36864
277
82944
364
48640
578
-90-
Tabela 4.2. (continuação): Detalhe das aplicações desenvolvidas
APLICATIVO
segment.exe
tiffheader.exe
tifffileinfo.exe
timeanalysis.exe
viewbmpfiles.exe
FUNÇÃO PRINCIPAL
Efetua a segmentação dos histogramas
vermelho, verde, azul e cinza
Extrai os parâmetros de cabeçalho TIFF
Extrai a um arquivo ASCII os dados de
arquivos de imagens TIFF
Calcula as diferenças de estatísticos para
uma seqüência de imagens
Visualiza arquivos tipo BMP, JPG e JPE
TAMANHO (Kb)
79360
LINHAS DE PROGRAMA
724
59904
174592
513
194
77824
525
29184
170
4.1.2.3. Programas para cálculos
Utilizou-se a planilha de cálculos Excel para efetuar processamentos específicos de
dados obtidos com os aplicativos desenvolvidos. Este programa, utilizado em vários
âmbitos de investigação e desenvolvimento, oferece uma ampla variedade de funções e
cálculo sobre blocos de dados de tamanho considerável, o que a apresenta como um
meio adequado para processar os dados obtidos.
4.1.2.4. Programas para processamento, gestão e manejo de
dados
Como foi citado, utilizou-se o Sistema de Informação Geográfica ArcView® SIG versão
3.2 para PC. Este programa computacional permite estabelecer relações espaciais entre
os dados e a informação gerada, possibilitando a aplicação de critérios lógicos para
relacionamentos de certa complexidade. Dada a natureza dos dados e a informação
utilizada, o vínculo dinâmico entre os mesmos atendendo essas relações lógicas, seria
alcançado com dificuldade se tivesse sido empregado outro tipo de programa. Na fase
final do trabalho utilizou-se o SIG ArcView® versão 8.2 for Windows™, compatível
com os produtos antes elaborados por meio da versão 3.2.
Os processamentos de imagens e aplicações de Sistema Experto realizaram-se por
meio do sistema ERDAS® Imagine Version 8.4. Este sistema apresentou
compatibilidade com os formatos de arquivos utilizados pelo SIG ArcView®.
A base cartográfica em formato vetorial e as imagens obtidas por meio de diferentes
técnicas de sensoriamento remoto, tais como imagens de satélite e imagens de
fotografias aéreas, foram materiais que se utilizaram como fontes de dados pelos
programas para processamento, gestão e manejo durante as atividades da pesquisa. Suas
características gerais e função na pesquisa estão detalhadas na etapa II do método.
–—
-91-
4.2. MÉTODO
Para demonstrar que o desenvolvimento e a consolidação da base de conhecimentos
técnicos destinada a um plano de gestão de recursos costeiros pode ser alcançada por
meio de um SEAD apoiado em geoprocessamento, utilizou-se um método organizado
em cinco etapas, as quais abrangeram a totalidade de processos utilizados durante a
investigação. No desenvolvimento do método preponderou a seqüência dedutiva de
análise, de implementação de atividades e de desenvolvimentos, partindo-se de critérios
ou diretrizes gerais para chegar à aplicação específica no âmbito estudado.
Para apresentar integralmente a forma que se estruturou o método e o fluxo geral de
atividades desenvolvidas, mostra-se na Figura 4.9. um esquema simplificado das tarefas
centrais de cada etapa, assim como os principais dados de entrada, processos e
resultados que integraram as mesmas.
Figura 4.9.: Fluxo geral de atividades no método
Na primeira etapa realizou-se a análise e a caracterização do problema, obtendo-se
como resultado a formulação das hipóteses de trabalho e dos objetivos a ser alcançados,
bem como a definição da área de estudo. Na segunda etapa prepararam-se e integraramse os dados de entrada para ser incorporados no SIG que serve de núcleo gerador do
-92-
SEAD, obtendo-se como resultado principal modelos matriciais que serviram de dados
de entrada ao SE. Na terceira etapa realizou-se o zoneamento da área de estudo por
meio de técnicas de estatística multivariada, gerando-se modelos matriciais com o
zoneamento da área. Na quarta etapa estruturou-se e retroalimentou-se o SE apoiado em
uma rede de decisões destinada à obtenção de imagens classificadas da área por meio de
processos de emulação das atividades de fotointerpretação do especialista. Finalmente,
na quinta etapa se procedeu a implementar o SEAD, estruturado a partir dos resultados
obtidos nas etapas anteriores, complementado com o uso de módulos específicos que
possibilitaram a incorporação de dados tabulares no SEAD.
As inovações ou contribuições específicas do método se concentraram nas Etapas II
e IV, ressaltando o uso do sistema digital de reconhecimento para aquisição de
seqüências de imagens em infravermelho 900nm. As mesmas foram utilizadas em fusão
de dados conjuntamente com imagens de fotografias aéreas para geração de modelos
matriciais contínuos destinados à incorporação de novas variáveis no SEAD. A
continuação se descrevem cada uma das etapas do método em detalhe.
4.2.1. Etapa I – Definição do problema e formulação de
hipóteses
Esta etapa esteve constituída por nove atividades, executadas de modo seqüencial. Por
meio das mesmas se conseguiu especificar as hipóteses de trabalho e fixar os objetivos a
serem alcançados (Figura 4.10). A seqüência é concordante com a aconselhada por
ARNAL (1992) para o desenvolvimento das etapas prévias ao núcleo operativo de
pesquisas.
As atividades consistiram na determinação de idéias motivadoras e identificação de
problemas de gestão a partir das consultas a especialistas no tema, incorporando
posteriormente as mesmas a um projeto executivo concreto.
Estudaram-se os meios técnicos e econômicos disponíveis; por meio da análise
bibliográfica verificou-se o estado atual do problema no mundo bem como sua
relevância técnica, econômica, política e social na gestão do meio local. Determinou-se
o contexto espaço-temporal no qual se desenvolveria a investigação, passando a definir
a área de estudo, reconhecendo os problemas ambientais e estruturando as possíveis
hipóteses de trabalho por meio de visitas ao lugar que permitiram complementar os
conhecimentos gerais da área. Finalmente obteve-se como resultado a formalização de
hipóteses de trabalho e os objetivos da investigação. Nos pontos seguintes se detalha
cada atividade desenvolvida na Etapa 1.
-93-
Figura 4.10.: Fluxo de atividades na etapa I do método
4.2.1.1. Análise das idéias motivadoras da pesquisa
Entendeu-se como idéias motivadoras as mencionadas no Capítulo I, ponto 1.1.2. Sua
análise efetuou-se de maneira dedutiva de forma que, considerando a temática general,
desmembraram-se linhas de trabalho para estabelecer áreas de atuação concretas.
Esta análise foi complementada com os resultados obtidos a partir de consultas
verbais realizadas a especialistas vinculados à gestão territorial, cadastro
multifinalitário, sensoriamento remoto e manejo de áreas costeiras em instituições do
Brasil, Argentina, Alemanha e Chile. Ainda não sendo convergentes em um ponto
único, as opiniões destes especialistas possibilitou achar um meio termo aplicado à área
de atuação escolhida. De informantes qualificados, tais como moradores vinculados às
áreas costeiras, obteve-se informação geral, tal como origens dos problemas de maior
incidência na área, articulação com instituições específicas e outros.
Com o contexto de idéias motivadoras e as áreas de atuação estabelecidas fixadas na
Gestão Territorial com ênfase em manejo de áreas costeiras, SEAD apoiados em SIG e
SE, foi possível prosseguir com o desenvolvimento do método, canalizando estas
temáticas na concretização de um projeto.
-94-
4.2.1.2. Canalização das idéias para um projeto concreto
Efetuou-se o desenvolvimento e a aplicação de um projeto orientado à Gestão Costeira,
utilizando SIG como núcleo para a administração, processamento e geração de dados
destinados ao SEAD, vinculado a um SE cujas variáveis apoiaram-se em técnicas de
geoprocessamento e cadastro multifinalitário, em técnicas para obtenção de dados por
sensoriamento remoto e em programas específicos para cálculos orientados ao
planejamento econômico e operativo (Figura 4.11).
O projeto foi estruturado considerando os componentes de um SEAD definidos por
MÁRKUS (1999), concordantes com FABBRI (1998) e KEENAN (1997). Esta
estruturação respondeu a critérios práticos estabelecidos na bibliografia específica. Para
efetivar a implantação funcional de um SEAD foi necessário identificar na atividade
seguinte os meios técnicos e as fontes orçamentárias que estariam disponíveis durante o
desenvolvimento da investigação.
Figura 4.11.: Componentes do SEAD estruturado
4.2.1.3. Análise dos meios técnicos e econômicos disponíveis
Para analisar os meios técnicos e econômicos disponíveis, definiu-se a maior escala de
análise dos resultados, fato que permitiu estabelecer a precisão e a densidade dos dados
dos quais seriam extraídos os atributos de localização, e atributos de qualificação ou
temáticos. A escala planimétrica de análise se fixou em 1:10000, atendendo as sugestões
indicadas por DA SILVA & SOUZA (1988) para estudos, análise ambiental e gestão em
áreas como a estudada. Esta escala implica o aceite de um erro absoluto EA na
determinação da posição planimétrica de um ponto correspondente a:
EA = 0.0002m * M
-95-
Onde EA é o erro absoluto e M é o módulo da escala. Neste caso específico, o valor
do EA correspondeu a 0.0002m * 10000 = 2m.
Os erros pontuais máximos aceitos para esta cartografia foram fixados em:
EA Max= 3 * E
Correspondente no caso analisado a EA Max= 3 * 2m = 6m.
Estabelecidos os valores de erros aceitáveis, foi possível determinar e analisar a
precisão das bases cartográficas digitais bem como o acesso a técnicas de
posicionamento GPS que geraram dados planimétricos com precisão compatível.
Efetuaram-se pesquisas para conhecer a localização de áreas relevadas, qualidade,
suporte e escala do material aerofotográfico disponível, analisando a viabilidade de
aplicar processos para obtenção das resoluções necessárias durante a conversão
analógica para digital. Verificou-se a integridade funcional dos programas SIG, SE e de
linguagens de programação que se utilizaram nas etapas posteriores do método,
salientando-se a capacidade de manejo de diferentes formatos de arquivos por parte dos
programas considerados.
Com relação à disponibilidade de recursos econômicos, entendeu-se este ponto de
importância relevante dentro da seqüência do método, já que a falta dos mesmos em
certas etapas críticas deste trabalho demorou a execução de tarefas específicas, tais
como compra de equipamento, elementos de informática e fotografias aéreas, bem como
pagamento de serviços, entre os quais se contam horas de vôo em avião e helicóptero.
Nas fases iniciais definidas nos pontos 4.2.1.1. e 4.2.1.2., Contou-se com o apoio de
uma bolsa do Projeto Brasil Alemanha (PROBRAL), do Conselho Nacional de
Desenvolvimento Cientifico e Tecnológico (CNPq), Brasil e do Deutscher
Akademischer Austauschdienst (DAAD), Alemanha. Pela mesma foram desenvolvidas
entre Junho e Agosto de 2000, atividades de investigação de antecedentes e vínculo com
especialistas no Institut für Photogrammetrie und Fernerkundung da Universität
Karlsruhe, Karlsruhe, Alemanha. Na etapa final do trabalho contou-se com apoio
econômico da Fundação Coordenação do Aperfeiçoamento do Pessoal do Nível
Superior (CAPES), Brasil e da Universidade Nacional do Litoral, Argentina, fato que
permitiu subsidiar parte dos trabalhos de conclusão da investigação.
O vínculo do autor com diferentes organismos e instituições interessadas no
desenvolvimento desta investigação, entre as quais estiveram o Laboratório de
Camarões Marinhos do Centro de Ciências Agrárias da Universidade Federal de Santa
Catarina, a ELETROSUL de Florianópolis, e as empresas NCA de Florianópolis e
INTERSAT de São Paulo, permitiu suprir carências orçamentárias a partir da cessão
-96-
gratuita de produtos cartográficos ou realização de horas de vôo para efetuar os
reconhecimentos aéreos.
4.2.1.4. Estudo do estado atual do problema no mundo
Investigou-se o estado atual do problema relacionado com a compreensão de situações
ambientais em áreas de transição fluviomarítima, vinculadas à solução de problemas de
carência de informação na gestão de áreas costeiras e à aplicação um Sistema
Espacializado de Apoio às Decisões.
Entendeu-se que a utilização de Internet seria uma alternativa adequada para obter
um panorama completo da situação atual do problema no mundo, já que a
disponibilidade de informação específica apresenta restrições mínimas de acesso.
Esta fase da pesquisa esteve orientada à busca de antecedentes na Internet utilizandose palavras chave para obtenção da informação desejada. Atenderam-se principalmente
resultados de instituições acadêmicas, investigadores independentes e organizações
governamentais em países estreitamente ligados à gestão de áreas costeiras nas quais
intervêm formações fluviomarítimas. Entre eles se pode citar Brasil, Austrália, Nova
Zelândia, Índia, Bangladesh, Filipinas, Costa Rica, México e Panamá.
4.2.1.5. Análise da relevância do problema
Conhecido o estado atual do problema no mundo, avaliou-se sua relevância
considerando aspectos técnicos, econômicos, políticos e sociais nas áreas factíveis de
ser estudadas. Conservando a verticalidade da análise própria deste tipo de investigação,
entendeu-se que um problema vinculado à gestão de um espaço não pode considerar-se
como uma situação linear que está limitada à solução de um problema técnico;
considerou-se que o mesmo está condicionado por outros fatores, tais como a realidade
econômica, a estrutura política e o contexto social nos quais está inserida a área
estudada.
A análise de relevância técnica apoiou-se no fato apresentado por MÁRKUS (1999),
que sustenta que os SE são programas capazes de orientar objetivamente o usuário na
solução de problemas ambientais, integrando um Sistema Espacializado de Apoio às
Decisões. A relevância econômica considerou-se atendendo o fato que este tipo de
desenvolvimento e aplicação em gestão de áreas costeiras permitiria estudar situações
ambientais que requereriam de investimentos corretivos a futuro. A relevância política
-97-
entendeu-se da perspectiva que a implementação de um SEAD otimizaria as tarefas de
gestão municipal no âmbito aplicado. Finalmente, a relevância social centrou-se no fato
que um SEAD aplicado à gestão costeira possibilitaria minimizar os transtornos à
população a partir da apresentação de novas soluções a problemas ambientais pontuais,
tais como a localização de canais a céu aberto, construção de esgotos, loteamentos para
urbanização ou cálculo dos coeficientes de rugosidade que alteram a dinâmica hídrica
ocasionando inundações.
4.2.1.6. Determinação do contexto espaço-temporal
Dentro das áreas fluviomarítimas com possibilidades de ser analisadas para implementar
um SEAD a partir da análise efetuada no ponto 4.2.1.3., foi necessário demarcar
espacial e temporalmente qual seria o âmbito de estudo. Em função dos dados e meios
econômicos disponíveis, estimou-se que um setor urbano relacionado com uma área de
transição fluviomarítima definida como APP, atenderia os objetivos gerais da pesquisa.
Nesse sentido, a informação disponível para o Parque Manguezal do Itacorubi e áreas
vizinhas cumpriram com os requerimentos técnicos e econômicos para ser considerados
como contexto espacial viável, já que em diferentes órgãos estatais e privados dispunhase de cobertura cartográfica, topográfica e temática, bem como dados de sensoriamento
remoto. Esta área abrangeu 306ha incluindo o setor correspondente ao Parque e áreas
com diferente ocupação do solo. Dentro dos fatores decisivos, também se considerou o
acesso rápido à área, o qual foi um critério positivo que orientou na eleição deste Parque
e áreas vizinhas.
No sentido da análise temporal, o contexto se restringiu aos últimos sete ou oito
anos, em função da consideração de eventos de relevância durante esse período. Desde
1995 verificou-se na área uma série de situações ambientalmente determinantes para a
integridade do hábitat considerado, tais como a ocorrência de inundações
extraordinárias, a construção de aterros e vias de comunicação, a urbanização marcada e
a alteração do zoneamento do Plano Diretor de Florianópolis.
Paralelamente, e para estabelecer a evolução geral da área nos últimos sessenta e
cinco anos, realizou-se a leitura de bibliografia e estudos específicos, bem como a
análise visual de fotografias aéreas de diferentes datas.
-98-
4.2.1.7. Definição da área de estudo
Com o contexto espaço-temporal definido previamente, efetuaram-se levantamentos na
área com a finalidade de determinar globalmente as características predominantes da
paisagem, as principais relações entre os componentes ambientais e o dinamismo da
área. Posteriormente, foi possível definir um setor característico dentro da área
estudada, concordante com os tópicos analisados no ponto 4.2.1.2. Percebendo-se a
priori a existência de quatro setores funcionais representativos do contexto espacial
considerado na parte Sul da área geral mencionada no ponto 4.2.1.6., integraram-se os
mesmos à área específica de estudo, abrangendo 228ha das 306ha antes citadas.
Posteriormente, por meio da aplicação de técnicas estatísticas, corroborou-se a
existência destes quatro setores.
A partir da definição da área de estudo, enfatizaram-se as tarefas que levaram ao
conhecimento detalhado do meio, aplicando diferentes técnicas para conhecer as
características funcionais e morfológicas do mesmo, além dos problemas ambientais
vinculados à sua gestão. A caracterização natural e antrópica detalhada da área de
estudo está referida no Capítulo III deste trabalho.
4.2.1.8. Reconhecimento de problemas ambientais da área
Atendendo que a linha de investigação esteve centrada na aplicação de um SEAD para a
gestão costeira, deu-se prioridade à observação e reconhecimento de problemas
ambientais ligados ao manejo e gerenciamento do setor.
O reconhecimento visual direto, bem como a consulta a informantes qualificados tais
como moradores com várias décadas de residência na área, permitiu determinar
problemas concretos vinculados à gestão local e à falta de informação específica nos
órgãos de manejo local.
Entre os problemas ambientais vinculados à gestão, detectados por meio da
observação in situ e por consultas, determinou-se que as inundações pluviais, em
concordância com o citado por REIS ET AL. (1999) para esta parte da costa sudeste
Brasileira é o principal inconveniente que ameaza a área. Também notou-se a
discrepância entre a ocupação do solo e o zoneamento da área no Plano Diretor de
Florianópolis, acompanhada de degradação natural, antrópica ou conjunta da APP.
Finalmente, estabeleceram-se as linhas de pesquisa concretas visando alcançar um grau
expressivo de entendimento dos fenômenos ambientais, possibilitando-se finalmente a
formulação de hipóteses e determinação de objetivos.
-99-
4.2.1.9. Formulação de hipóteses
A formulação das hipóteses respondeu à análise de estruturação do espaço geográfico
apoiada nos critérios de SANTOS (1996), que determina a função da forma ou
representação dos aspectos visíveis da paisagem, a função ou rol desempenhado pela
forma, a estrutura ou organização das formas e os processos vinculados às
transformações temporais. Dentro desta linha, entendeu-se que na área estudada se
verifica a estrutura citada, de forma que as situações consideradas não são fatos
isolados, estando amalgamados em critérios de continuidade e de dinamismo vinculados
a elementos afetados por agentes naturais e antrópicos.
Estruturalmente seguiu-se a linha estabelecida por ARNAL (1992) no que diz
respeito ao marco teórico prévio necessário para a formulação de hipóteses. Apoiadas
nos conhecimentos que dispunham-se até esta fase do método, sustentaram-se duas
hipóteses para serem contrastadas empiricamente, as quais surgiram como resultado da
avaliação de várias situações alternativas observadas na área de estudo. Optou-se por
algumas delas em função de sua gravitação local e concordância com a linha temática
deste trabalho.
De todos os modos, a análise contextual das hipóteses limitou-se a duas linhas
concretas, considerando a realidade local observada e medida. Prescindiu-se de outras
condições da área circundante (por exemplo, trabalhar com a totalidade da bacia), pois
sua influência na área de estudo reflete-se diretamente nos processos observados. Estas
considerações operaram como fatores restritivos das hipóteses.
4.2.1.10. Determinação de hipóteses e objetivos
Com um conjunto convergente de conhecimentos físicos e funcionais da área de estudo,
procedeu-se à formulação de duas hipóteses de trabalho vinculadas ao estabelecimento
de um SEAD para apoio às decisões na gestão de áreas costeiras, e à utilização do
geoprocessamento com ênfase na fusão de dados.
Como foi citado, avaliaram-se várias alternativas de hipóteses paralelamente ao
aumento do conhecimento da problemática da área, considerando-se a viabilidade de
sua operacionalização. As hipóteses resultantes se apresentaram como resposta
conjetural aos problemas tratados. A primeira hipótese surgiu de conceitos teóricos, ou
seja, por via dedutiva comprovando uma idéia, enquanto que a segunda hipótese
estruturou-se a partir da prática ou via indutiva, gerando conhecimentos vinculados à
função dos elementos ambientais considerados.
-100-
As hipóteses, também entendidas como a alternativa de solução relacional ao
problema que as originou, serviram de vínculo entre a teoria e as observações. Portanto,
classifica-se este trabalho dentro do grupo de investigações explicativas ou causais. As
hipóteses expostas estão fundamentadas em teorias científicas, concordantes com as leis
físicas e convergentes com outras linhas de investigação. Além disso, foram elaboradas
de forma que podessem ser contrastadas empiricamente, sendo suscetíveis de
investigação científica.
Os objetivos foram derivados do mesmo modo, orientando-se a solucionar problemas
de carência e utilização de informação na gestão de áreas costeiras, com possibilidade
de inserção do método como alternativa para a geração da base técnico-científica em um
plano de gestão costeira, otimizando os processos de captura de dados destinados à
gestão territorial. A fusão de dados da área estudada originados a partir de diferentes
fontes, e a proposta de alternativas técnicas para a recuperação na área de estudo de
áreas antes ocupadas por mangues, verificando a degradação da cobertura vegetal nativa
foram diretrizes também consideradas na estruturação dos objetivos.
4.2.2. Etapa II – Preparação dos dados de entrada
Durante a segunda etapa do método desenvolveram-se as atividades tendentes a adequar
métrica e tematicamente os dados de entrada para serem utilizados no SE. Tratou-se
principalmente da estruturação de um projeto SIG que permitiu administrar os dados de
forma tal que a geração de variáveis destinadas a dar suporte ao SE alcançou-se
adequadamente por meio deste tipo de programa. Na Figura 4.12 está resumida a
seqüência correspondente a esta etapa.
-101-
Figura 4.12.: Fluxo de atividades na etapa II do método
4.2.2.1. Adequação do SIG como técnica para preparação de
dados
Na seqüência do método, utilizou-se um programa SIG como meio para preparar,
organizar, unificar e armazenar os dados que utilizaram-se como entrada nos processos
de aplicação do SE. Estes usos são concordantes com os indicados pela FIG in BÄHR
(1999) para um sistema de geoinformação.
Entendeu-se SIG segundo o critério sustentado por BÄHR (1999), quem o define
como meio para aquisição, processamento e visualização de dados que oferece
alternativa para a tomada de decisões, convertendo o mesmo em suporte de atividades
complexas tais como gestão territorial e controle ambiental.
Para a utilização do programa SIG consideraram-se as precauções marcadas pelo
mesmo autor, no sentido que um SIG deve precaver-se de uma aplicação inadequada,
onde a decisão final deve ser efetuada pelo homem e não pela máquina; sua utilização
nesta pesquisa não superaria as expectativas iniciais, vinculando a natureza dos dados
de entrada com os de saída; os resultados do SIG seriam apresentados aos interessados
de forma plana e aberta, sem criar o denominado “síndrome da caixa negra”; e
finalmente, os problemas expostos para serem resolvidos por meio de um SIG não
seriam subestimados.
-102-
4.2.2.2. Estruturação do projeto SIG
Para alcançar os objetivos propostos neste trabalho, estruturou-se um projeto SIG
formado por vistas compostas de temas segundo o indicado na tabela 4.3. Como citouse, alguns destes temas foram adequados em formato para utilizar-se posteriormente
como variáveis de entrada ao SE, conjuntamente com outras preparadas por programas
específicos.
Tabela 4.3.: Estrutura do SIG
VISTA
PLANIMETRÍA GERAL
TEMA
Área de estudo
Construções
Áreas verdes
Pontes
Áreas de recreação
Rede viária
Rede hídrica
Pontos Perfis
Pontos demarcados
Curvas principais
Curva secundárias
Modelo digital do terreno
TIPO
Polígono
Polígono
Polígono
Linha
Polígono
Linha
Polígono
Ponto
Ponto
Linha
Linha
Matricial
ATRIBUTOS
Superfície
Bairro, tipo, superfície
Superfície
Localização
Nome
Nome
Nome
N, E, D. parcial, D. Acumulada, Altura
Altura
Altura
Altura
Altura interpolada
IMAGENS DE
SATÉLITE
Imagem HRV ME SPOT 2001
Imagem LandSat 1999 FCC321+8
Imagem LandSat 1999 FCC341+8
Imagem LandSat 1999 FCC437+8
Imagem LandSat 1999 FCC457+8
Imagem LandSat 1999 FCC532+8
Imagem LandSat 1999 FCC472+8
Imagem LandSat 1999 FCC ACP
Imagem LandSat 1999 NVI
Matricial
Matricial
Matricial
Matricial
Matricial
Matricial
Matricial
Matricial
Matricial
Número digital R, G, B
Número digital R, G, B
Número digital R, G, B
Número digital R, G, B
Número digital R, G, B
Número digital R, G, B
Número digital R, G, B
Número digital R, G, B
Densidade vegetação
FOTOGRAFIAS
AÉREAS
Levantamento aéreo 1998
Levantamento aéreo 2000
Levantamento aéreo 2002
Matricial
Matricial
Matricial
Número digital
Número digital R, G, B
Número digital R, G, B
IMAGENS SISTEMA
DIGITAL IR AERO
TRANSPORTADO
Imagens 900nm Setembro 2001
Imagens 900nm Junho 2002
Matricial
Matricial
Número digital
Número digital
ESGOTOS
Esgotos
Ponto
MANGUEZAIS
Mangues
Exóticas
Polígono
Polígono
N, E, Seção, Material, Função, Diâmetro, Largo, Alto,
Estado operativo, Origem, Área útil
Gênero, Espécie, Nome vulgar, Área ocupada
Área ocupada
REDE DE DRENAGEM
Rede de drenagem
Linha
Número de Horton
CADASTRO
Cadastro
Plano Diretor 1998
Polígono
Polígono
Superfície, Área coberta, Bairro, Uso da propriedade,
Proprietário, Domínio, Percentagem de ocupação
ANÁLISE DE ÁGUA
Pontos de análise
Ponto
N, E, Localização, Tipo, Data da análise, Hora, Condições
atmosféricas, Temperatura da água, Oxigênio dissolvido,
Turbidez, pH, Amônia, Amônia tóxica, Ferro, Fosfato,
Cloro, Carbonato de Cálcio, Sais dissolvidos totais.
Isoconcentrações de oxigênio
Linha
Oxigênio dissolvido interpolado
FOTOGRAFIAS DE
CAMPO
ENCHENTE 1995
Fotografias de campo
Matricial
Vinculo com áreas fotografadas durante missões de campo
Enchente 1995
Polígono
Superfície
ZONEAMENTO
Setores homogêneos
Polígono
Superfície
ALTIMETRIA
-103-
4.2.2.3. Programa computacional adotado
Dos programas SIG disponíveis, escolheu-se o programa ArcView® Versão 3.2 pelo
fato de ter-se utilizado e conhecer seu funcionamento com antecedência ao início da
investigação, e por haver-se comprovado um rendimento adequado que garantiu
alcançar os objetivos propostos neste trabalho. Além disso, o programa apresenta
adequado desempenho na hora de interagir com a importação de formatos tanto
vetoriais como matriciais originados por outros aplicativos.
ArcView® é um programa para manejo de informação em computadores pessoais. O
programa possibilita visualizar, explorar, consultar e analisar dados espacialmente,
servindo de gerador na estruturação de sistemas de apoio às decisões; foi desenhado por
Environmental Systems Research Institute (ESRI), instituto que também desenvolve
ARC/INFO® e outros programas vinculados aos sistemas de informação geográfica há
mais de 20 anos. ArcView® pode ser utilizado para incorporar dados tabulares, como
arquivos em formato dBase, tanto locais como em servidores de base de dados. Uma
vez incorporados de forma adequada, é possível consultar e organizar estes dados
geograficamente, o qual permitirá evidenciar relações entre os mesmos que não
aparecem de forma direta; o programa trabalha com os dados em mapas interativos
chamados vistas. Cada vista está composta por temas integrados por pontos, linhas,
polígonos, imagens, modelos ou outros objetos específicos. Os temas estão vinculados a
tabelas de atributos; esta relação pode ser mostrada através de diferentes opções, em
sentido atributos-elemento gráfico ou vice-versa.
O programa contém uma opção destinada à criação de gráficos apoiados nos dados
tabulares dos atributos. Também se conta com uma alternativa para criar saídas
impressas e exportação de arquivos. Por meio da linguagem de programação próprio do
ArcView® denominado Avenue©, é possível criar ou executar determinadas seqüências
de macrocomandos ou rotinas que cobrem necessidades específicas do usuário. Os
componentes citados estão administrados por um arquivo projeto, o qual facilita o
manejo da sessão de trabalho por meio de janelas, botões e ícones. Na fase final da
pesquisa, utilizou-se o programa ArcView® GIS 8.2 for Windows™, compatível com os
dados estruturados em ArcView® Versão 3.2.
4.2.2.4. Base cartográfica
A base cartográfica de maior precisão planimétrica disponibilizada para este trabalho foi
cedida em formato digital pelo Instituto de Planejamento Urbano de Florianópolis
(IPUF). Esta base foi elaborada para o IPUF a partir da restituição fotogramétrica em
-104-
escala 1:5.000 de um levantamento aéreo de 1998 realizado em escala 1:20.000. A base
se disponibilizou em um arquivo .dwg orientado, elaborado pelo programa AutoCAD®,
compatível com versões 12 e posteriores. As camadas de informação utilizadas foram
cadastro de propriedades, áreas verdes, rede viária, rede hídrica e áreas construídas.
Embora contou-se com esta base vetorial, as camadas da mesma não estavam
estruturadas para sua utilização no SIG, fato pelo qual foi necessário realizar por meio
dos programas AutoCAD® e ArcView®, um controle de qualidade e atividades de
edição adicionais para adequar as mesmas a essa finalidade. Entre as atividades
realizadas, resumem-se as seguintes: agruparam-se tematicamente elementos
homogêneos que na base fornecida estavam mesclados; redefiniram-se como polígonos
elementos que tinham sido definidos como linhas; efetuou-se o fechamento de
polígonos; deu-se continuidade a linhas interrompidas; efetuou-se controle topológico
dos elementos gráficos; realizaram-se intercessões de polígonos para eliminar
superposições produzidas durante o processo de digitalização; controlaram-se e
corrigiram-se elevações de linhas.
Uma vez adequada a base cartográfica, as camadas se incorporaram ao ambiente
SIG, gerando as correspondentes tabelas de atributos. Criaram-se campos adicionais
quando foi necessário. Com isto, os atributos métricos tais como coordenadas de
centróides, comprimentos de ruas, componentes da rede de drenagem, áreas de
propriedades e setores construídos, e os atributos temáticos, tais como uso da
propriedade, classificação segundo Plano Diretor de Florianópolis e características
físicas dos esgotos, foram incorporados ao SIG.
O controle de qualidade métrica, que foi satisfatório atendendo os requisitos
mencionados no ponto, 4.2.1.3., realizou-se por meio da localização, determinação e
comparação das coordenadas de pontos na área, obtidos por técnicas cinemáticas de
levantamentos GPS vinculado à Rede de Alta Precisão do Estado de Santa Catarina.
4.2.2.5. Sensoriamento remoto
Utilizaram-se diferentes produtos derivados de técnicas de sensoriamento remoto como
apóio temático durante as diferentes etapas da investigação. Para isto, integraram-se e
processaram-se imagens de satélite, fotografias aéreas e imagens do sistema digital
infravermelho aerotransportado. Estes produtos utilizaram-se como fonte temática de
análise, já que contou-se com várias resoluções espectrais, planimétricas e temporais
que possibilitaram a aplicação de diferentes rotinas disponíveis nos programas
utilizados para obter imagens de consulta, tais como índices de vegetação, falsa cor
-105-
otimizadas por fusão de dados e componentes principais. Todas as imagens de base se
processaram atendendo uma resolução radiométrica de 8bits.
Em particular, estes produtos do sensoriamento remoto foram utilizados durante o
desenvolvimento da pesquisa para consulta visual, assistência nas classificações e
esclarecimento de situações tais como condições gerais da bacia hídrica do Itacorubi,
relação espacial entre os setores urbanizados e o manguezal, estado geral da vegetação,
determinação dos limites terra-água e outros.
4.2.2.5.1. Imagens de satélite
O Laboratório de Camarões Marinhos do CCA – UFSC cedeu em mídia CD-ROM
arquivos tipo “.tif” correspondentes a sete bandas LandSat georreferenciadas (1, 2, 3, 4,
5, 7 e 8) integrantes de uma imagem LandSat com resoluções planimétricas de 30m e
15m, obtida em Setembro de 1999 e três bandas georreferenciadas de uma imagem
HRV multiespectral SPOT com resolução de 20m, obtida em Abril de 2001. Em todos
os casos, utilizou-se o sistema ERDAS® para tratamento e classificação das mesmas, tal
como detalha-se nas atividades de processamento de imagens.
As imagens de saída, em formato ERDAS® Imagine, reuniram-se em uma vista do
SIG possibilitando uma forma de consulta e visualização rápida para esclarecimento de
dúvidas e para realização de medições de elementos da área estudada.
4.2.2.5.2. Fotografias aéreas
Trabalhou-se com fotografias aéreas da área de estudo correspondentes a três
levantamentos aéreos, efetuados em Setembro de 1998, Novembro de 2000 e Maio de
2002. Considerando o valor histórico das fotografias aéreas (STRANDBERG, 1975),
incorporaram-se e orientaram-se no espaço geográfico imagens de fotografias aéreas
correspondentes a levantamentos aéreos de 1938, 1957, 1969, 1978, 1979 e 1994
(Gráfico 4.1). Com estas fotografias aéreas não foram efetuados monitoramentos da
área tais como os indicados por BERNARDY (2000), por estar fora dos objetivos desta
investigação.
O primeiro levantamento aéreo (Setembro de 1998) foi efetuado para a Companhia
Elétrica do Estado de Santa Catarina (CELESC), modo pancromático preto e branco,
escala 1:20.000. O material para a pesquisa foi cedido pela Secretaria de
Desenvolvimento e Integração ao Mercosul (SEDEIM), Florianópolis, Brasil.
-106-
Gráfico 4.1.: Aerolevantamentos da área de estudo disponíveis durante a pesquisa
-107-
Trabalhou-se com um par fotográfico em suporte papel correspondente a uma faixa
que abrange toda a área de estudo. As fotografias aéreas foram incorporadas ao SIG
depois do seu processamento por varredor digital (scanner) e orientação espacial por
meio da extensão Image Warp do programa ArcView®. A resolução planimétrica
adotada para o processamento por varredor foi de 50µm (508dpi), com a finalidade de
utilizar píxeis correspondentes a aproximadamente 1m no terreno, dimensão que não
apresenta restrições métricas nem temáticas ao tipo de análise que foi desenvolvido.
Utilizou-se um ajustamento polinômico de grau 3 apoiado em 32 pontos de controle,
com reamostragem da imagem por interpolação bilinear; a resolução de saída foi de
1,55m. O formato utilizado para armazenar as imagens foi “.tif”, sem compressão, com
parâmetros de transformação não afim armazenados em um arquivo associado à
imagem. Durante o processo de orientação espacial, os pontos de controle utilizados
foram extraídos da representação vetorial que serviu de apóio métrico ao trabalho.
O segundo levantamento aéreo (Novembro de 2000) foi efetuado para o Instituto de
Planejamento Urbano de Florianópolis (IPUF), modo pancromático colorido, escala
1:8.000. O material obteve-se a partir do apóio fornecido pela empresa Aeroconsult de
Florianópolis, Brasil. Trabalhou-se com quatro pares fotográficos em suporte papel que
cobrem com duas faixas, parte da área de estudo. Utilizaram-se os diapositivos de um
par fotográfico, também disponibilizados pela empresa Aeroconsult de Florianópolis,
Brasil. Analogamente aos procedimentos utilizados para as fotografias do vôo de 1998,
as fotografias aéreas de 2000 em suporte papel foram incorporadas ao SIG depois do
seu processamento por varredor digital (scanner) e orientação espacial por meio da
mesma extensão do programa ArcView®. Adotou-se resolução planimétrica de 100µm
(254dpi), definindo píxeis que correspondem a aproximadamente 0,80m no terreno,
resolução compatível com a utilizada para o processamento do levantamento aéreo de
1998. O ajustamento polinômico utilizado foi de grau 3 apoiado em 46 pontos de
controle, com reamostragem da imagem por interpolação bilinear; a resolução
planimétrica de saída foi de 0,82m. Utilizou-se o formato “.tif” sem compressão para
armazenar as imagens, com parâmetros de transformação não afim armazenados em um
arquivo associado às imagens. Analogamente ao processo de orientação utilizado para o
levantamento de 1998, também utilizou-se a base vetorial como fonte de obtenção de
pontos de coordenadas conhecidas para orientar as fotografias aéreas deste
aerolevantamento.
Paralelamente a estas atividades, os diapositivos disponíveis foram processados por
meio de um varredor Carl Zeiss Photogrammetric Scanning System utilizando o
programa Phodis SC/SCAI do Laboratório de Fotogrametria, Sensoriamento Remoto e
Geoprocessamento (LFSG), UFSC. Este equipamento, de alta prestação técnica, permite
processar material diapositivo com resoluções variáveis de 7µm, 14µm, 21µm, 28µm,
-108-
56µm, 112µm e 224µm. Para este trabalho, processaram-se os diapositivos com
resolução de 28µm (907dpi), o qual corresponde a aproximadamente 0,22m no terreno.
Estas características permitiram aplicar filtros e algoritmos para o cálculo de texturas
que produzem degradações expressivas nas imagens, sem superar os requerimentos de
resolução planimétrica necessária para o processamento previsto. Depois da conversão
digital aplicaram-se funções corretivas do histograma para otimizar a visualização das
fotografias aéreas. Os processos de orientação foram similares aos citados para o
material aerofotográfico anterior.
O terceiro levantamento aéreo (Maio de 2002) foi efetuado para a empresa Brasil
Telecom, modo pancromático colorido, escala 1:15.000. A empresa Intersat , de São
Paulo, Brasil, disponibilizou este material para a pesquisa . Contou-se com dois pares
fotográficos em suporte papel que cobriram com duas faixas, a totalidade da área de
estudo. As fotografias aéreas de 2002 em suporte papel foram incorporadas ao SIG por
meio de um varredor digital (scanner) e orientação espacial por meio da extensão citada
do programa ArcView®. Adotou-se resolução planimétrica de 50µm (508dpi), definindo
píxeis que correspondem a aproximadamente 0,75m no terreno. Utilizou-se um
ajustamento polinômico de grau 7 apoiado em 96 pontos de controle (Figura 4.13), com
reamostragem da imagem por convolução cúbica; a resolução de saída depois do
processamento foi de 0,98m. Utilizou-se o formato “.tif” sem compressão para
armazenar as imagens, com parâmetros de transformação não afim armazenados em
arquivo associado. Utilizou-se a base vetorial como fonte de obtenção de pontos de
coordenadas conhecidas para orientar as fotografias aéreas.
Figura 4.13.: Pontos de controle para orientação das fotografias aéreas de maio 2002
-109-
4.2.2.5.3. Imagens do sistema para registro digital de imagens
A utilização de dados multiespectrais para avaliação de características ambientais
permite aumentar os critérios que possibilitam otimizar a certeza de interpretação no
reconhecimento de certos elementos do terreno. Embora se aconselhava realizar a
análise de impactos ambientais por meio de produtos obtidos por técnicas analógicas,
tais como as fotografias aéreas, a evolução dos sistemas digitais está possibilitando a
inserção de imagens em estudos ambientais. Não obstante, quando se trata de imagens
destinadas a estudos de certos impactos ambientais tais como avaliações em áreas
costeiras, a resolução planimétrica brindada pelos atuais sensores remotos montados em
plataformas orbitais de maior divulgação e preço competitivo, não é sempre adequada,
especialmente quando se consideram relações entre a superfície mínima a ser
comercializada e o custo final do produto processado. Considerando este problema, uma
saída tecnicamente viável é a utilização de varredores aerotransportados (não sempre
disponíveis tanto técnica como economicamente) ou a aplicação de técnicas de fusão de
dados entre imagens de alta resolução espectral e outros produtos disponíveis com
maior resolução planimétrica, tais como as imagens de radar ou as fotografias aéreas.
No caso deste trabalho, ensaiou-se a obtenção de imagens aéreas em 900nm por meio
de um sistema digital de reconhecimento aerotransportado. Para isto, integrou-se um
sistema de registro formado por um dispositivo digital de carga acoplada (CCD) já
citado, de baixo custo e adaptado à obtenção de imagens na faixa de 400nm-700nm,
650nm, 720nm e 900nm. O dispositivo esteve vinculado a um computador portátil tipo
notebook (Figura 4.14). O funcionamento do mesmo foi controlado por programas para
monitoramento e obtenção de imagens a tempo real. Estes programas foram
desenvolvidos pelo autor para essa finalidade.
Figura 4.14.: Sistema de reconhecimento em operação
Programa para monitoramento e obtenção de imagens
a tempo real em operação
-110-
O dispositivo CCD, com óptica incorporada e conversor analógico/digital incluído,
funcionou com conexão Universal Serial Bus (USB) ao computador; tem capacidade de
captura de quadros independentes ou geração de seqüências de vídeo digital. O
programa utilizado controla a resolução da imagem, a iniciação do periférico, habilita
controles de brilho, contraste, balanço de branco, saturação e ganho. Programou-se o
controle de intervalos para obtenção de imagens entre 5s e 60s, além de monitoramento
a tempo real com possibilidades de ser registrado em seqüências de vídeo.
Realizaram-se levantamentos aéreos de teste durante 2001 e 2002, totalizando-se
aproximadamente 8 horas de registros digitais, em seqüências de imagens e quadros
independentes. Para avaliar as qualidades do sistema, experimentou-se com as
modalidades vertical e oblíqua do sensor, trabalhando nos comprimentos de onda
indicados, a alturas variáveis entre 150m (492 pés) e 1373m (4500 pés). Os testes
efetuados, para ensaiar o desempenho funcional do sistema, incluíram
aerolevantamentos em áreas urbanas e rurais dos estados de Santa Catarina, Paraná e
São Paulo, utilizando avião e helicóptero.
Para obtenção de imagens sobre a área de estudo, o sistema foi montado inicialmente
em um avião monomotor Cessna Skyhawk, efetuando um sobrevôo em 4 de Setembro
de 2001 (Figura 4.15) a 457m de altura (1500 pés).
Com a finalidade de compatibilizar a capacidade de armazenamento disponível
durante a execução do levantamento aéreo e a geração expressiva de dados atendendo
os objetivos do trabalho, configurou-se a geração de imagens em 640 por 480 píxeis e
320 por 240 píxeis.
Figura 4.15.: Imagens do reconhecimento aéreo efetuado em Setembro de 2001
Fonte: Sánchez Dalotto – Bernardy, 2001
A velocidade do avião oscilou entre 148km/h (80 nós) e 167km/h (90 nós).
Obtiveram-se 21 imagens na janela espectral infravermelha 900nm que cobriram no
terreno 170m no sentido de avanço do vôo por 225m no sentido transversal, com
resolução planimétrica média de 0,70m. Estas imagens, convenientemente orientadas no
espaço geográfico por meio das técnicas citadas no ponto 4.2.2.5.2. utilizaram-se
conjuntamente com as fotografias do levantamento aéreo de Novembro de 2000 para
-111-
ensaiar um procedimento de fusão de dados, destinado a otimizar a identificação
automática e quantificação de áreas com diminuição da cobertura de mangues
conhecidas como “gaps”, ocasionada por diferentes fatores.
Outro levantamento realizado sobre a área de estudo efetuou-se em 24 de Junho de
2002 (Figura 4.16.), a 150m de altura (492 pés), utilizando como traslado aéreo um
helicóptero Esquilo AS-350.
Figura 4.16.: Imagens do reconhecimento aéreo efetuado em Julho de 2002
Dadas as características operativas do helicóptero, obtiveram-se imagens aéreas
verticais a velocidade horizontal zero, situação que otimizou a nitidez das mesmas pelo
fato de minimizar o deslocamento durante o processo de obtenção. Obteve-se 1
seqüência de imagens infravermelhas 900nm, com 149 quadros capturados a cada 1
segundo. Estas cobriram no terreno 41m no sentido longitudinal do sistema por 54m em
sentido transversal, com resolução planimétrica média de 0,17m.
Para realizar a fusão de dados ensaiaram-se os métodos de ALBERTZ (1991) e
KRAUS (1990) e multiplicativo, ambos utilizando módulos do sistema ERDAS®. O
primeiro está baseado na separação dos canais matiz, saturação e valor (HSV) da
imagem. O segundo aplica o método multiplicativo apoiado em um algoritmo que
incrementa o componente de intensidade, com reamostragem de píxeis por convolução
cúbica. Como imagens de alta resolução utilizaram-se as fotografias aéreas de 2000 e
2002, e como imagens espectrais, as obtidas em 900nm pelo sistema digital.
As características técnicas do sistema de registro citado foram comunicadas e
discutidas por meio da publicação de trabalhos técnicos em congressos internacionais
em Buenos Aires (Argentina), Hyderabad (Índia) e Santiago (Chile). No caso do 29th
International Symposium on Remote Sensing of Environment em Buenos Aires,
discutiu-se o tema mediante o trabalho “Aerial and close range remote sensed data for
mangrove environmental monitoring”. Na reunião da Comissão Técnica VII da
International Society for Photogrammetry and Remote Sensing e ISRS Symposium on
“Resource and Environmental Monitoring” em Hyderabad, comunicou-se o
desenvolvimento do sistema mediante o trabalho “Data fusion by HSV transformation:
-112-
an application in canopy gaps determination, Itacorubi Mangrove – Brazil”. O âmbito
de aplicação do sistema digital de reconhecimento se comunicou ao VII Congresso
Internacional Ciências da Terra em Santiago, por meio do trabalho “Environmental
components evaluated by use of Expert Systems”. Embora o desenvolvimento da
técnica para estruturação do sistema de registro e para obtenção de imagens não foi uma
meta central da investigação, sua aplicação na linha de trabalho permitiu avaliar suas
potencialidades e estimar custos operativos, com a finalidade de ser aplicada como fonte
de entrada de dados em outros trabalhos relacionados ao monitoramento ambiental para
gestão costeira.
4.2.2.6. Missões de campo
Durante a realização da investigação, realizaram-se 25 missões de campo, destinadas a
reconhecer, medir e comprovar diferentes situações inferidas, detectadas ou estimadas
por vias indiretas de obtenção de dados. Como meta de trabalho, entendeu-se que para
este tipo de investigação apoiada no geoprocessamento, e ainda contando com
expressiva quantidade de dados fornecidos por técnicas de sensoriamento remoto, não
existe outra alternativa mais que efetuar trabalhos de campo para esclarecer dúvidas e
alcançar o adequado conhecimento da mecânica dos processos que se estudaram na
área. Também o dinamismo de certos fatores, tais como a construção em terrenos
baldios ou a abertura de novos esgotos obrigou à realização de trabalhos de campo para
manter atualizados os dados durante o desenvolvimento da investigação.
Os trabalhos de campo realizaram-se quando foi necessário avançar no conhecimento
ou esclarecimento de dúvidas sobre temas específicos. Sem estabelecer-se periodicidade
nas observações. Estes trabalhos incluíram atividades para reconhecimento da área,
determinações qualitativas visuais, compreensão de dinâmicas específicas, consulta a
moradores e registros de mudanças qualitativas de magnitude apreciável nas diferentes
variáveis analisadas.
Os levantamentos executados foram de tipo topográfico, batimétrico, analíticos e de
registro. Os batimétricos se desenvolveram para determinar seções de escoamento pelo
método de levantamento das verticais desde pontes. A determinação da vazão dos rios
do Sertão e Itacorubi realizou-se pelo método dos flutuadores, considerando velocidade
e seção.
Os trabalhos topográficos incluíram um rastreamento de pontos GPS utilizado para o
controle da base cartográfica, como foi indicado no ponto 4.2.2.4. Os trabalhos de
natureza analítica serviram para determinação de características físico-químicas das
águas de esgotos e superficiais de rios aplicando métodos diretos e colorimétricos.
-113-
Consideraram-se 14 pontos de análise onde se determinaram valores de temperatura,
oxigênio dissolvido, turbidez, amônia, ferro, fosfato, cloro, dureza total, salinidade e
pH. Estas variáveis foram consideradas suficientes para representar as qualidades físicas
e químicas das águas analisadas. Os levantamentos para registros se efetuaram para
localizar a distribuição espacial das três espécies de mangues presentes na área e as
características físicas e operativas dos esgotos que convergem na área de estudo. Na
tabela 4.4 se detalham as missões de campo discriminadas por data e tipo de atividade.
Tabela 4.4.: Missões de campo
TRABALHO Nº
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
DATA
30-jul-2001
31-jul-2001
2-ago-2001
3-ago-2001
6-ago-2001
7-ago-2001
10-ago-2001
15-ago-2001
16-ago-2001
28-set-2001
1-out-2001
6-out-2001
4-fev-2002
5-fev-2002
8-fev-2002
16-fev-2002
18-fev-2002
19-fev-2002
20-fev-2002
11-abr-2002
14-abr-2002
18-mai-2002
06-ago-2002
15-ago-2002
22-nov-2002
ATIVIDADE
Reconhecimento da área de estudo
Reconhecimento da área de estudo
Localização de espécies de mangue
Localização de espécies de mangue
Localização de espécies de mangue
Localização de espécies de mangue
Levantamento batimétrico e aferição pontes Av. M. Benvenuta / Registro de esgotos
Levantamento batimétrico e aferição pontes Av. da Saudade
Levantamento para determinação da dinâmica hídrica
Levantamento para determinação da dinâmica hídrica
Verificação de funcionamento de esgotos durante precipitações
verificação de funcionamento de esgotos durante precipitações
Atualização do cadastro de propriedades e determinação do uso da propriedade
Atualização do cadastro de propriedades e determinação do uso da propriedade
Atualização de áreas construídas
Atualização de áreas construídas
Análises físico química de águas superficiais
Análises físico química de águas superficiais
Análises físico química de águas superficiais
Registro de novos esgotos
Reconhecimento de obras estação elevadora de líquidos cloacais
Levantamento fotográfico
Observação de áreas degradadas
Levantamento fotográfico
Atualização temática geral
4.2.2.7. Incorporação de metadados
Os metadados, entendidos como os “dados dos dados”, permitiram manter a integridade
do projeto SIG durante a estruturacao do mesmo, assegurando a posterior identificação
dos temas tanto por parte do autor como por outros usuários.
Neste sentido, e dado o número expressivo de arquivos digitais de diferentes tipos
com que se trabalhou, verificou-se que a incorporação de metadados foi uma alternativa
que possibilitou manter a identificação das fontes de dados considerando as diretrizes
gerais para estruturação otimizada de um SIG. Para isto, quando se dispôs dos dados
adequados, completaram-se as propriedades de cada tema definido no SIG com
metadados referidos à instituição, órgão público ou particular que originou o produto,
escala e formato original, data de elaboração, mídia e precisão informada. Os metadados
-114-
se armazenaram em campos texto específicos de cada tema do SIG, os quais são
visualizados por meio das propriedades do tema.
4.2.2.8. Modelos matriciais temáticos
O SIG, além de integrar um conjunto de informações destinadas a aprofundar o
conhecimento da área de estudo, permitiu criar representações simplificadas ou modelos
matriciais temáticos para atender um requisito operativo do SE. As imagens que
constituem este tipo de modelos se denominam temáticas pelo fato de representar dados
nominais e ordinais, utilizando categorias para representar os mesmos. Foi necessário
realizar a unificação de estruturas de armazenamento dos temas do SIG com o objetivo
de adequar os mesmos ao posterior processamento por outros programas, tais como
Knowledge Engineering e Knowledge Classifier de ERDAS®.
O tamanho dos arquivos para processamento não foi um fator restritivo durante o
desenvolvimento deste trabalho, fato pelo qual optou-se pela estrutura matricial em
formato “.tif” para armazenamento, devido à possibilidade de utilizar os números
digitais das matrizes como variável de qualificação dos temas representados sem aplicar
algoritmos de compressão. Quando se realizou a conversão de camadas em formato
vetor para matricial visando a estruturação de modelos matriciais temáticos utilizando a
extensão Spatial Analyst do programa ArcView®, foi necessário definir tamanhos de
células para as imagens de saída de forma que não degradassem as características
métricas originais daquele tipo de representação. Deve destacar-se que a conservação da
precisão métrica própria das bases vetoriais está vinculada à precisão das classificações
do SE antes que a restrições de tipo representativo das saídas cartográficas.
Derivaram-se 19 modelos matriciais que originaram as correspondentes variáveis
temáticas no SE. Estas variáveis temáticas formaram posteriormente, com as contínuas,
o conjunto de variáveis de entrada ao SE. Os modelos matriciais temáticos formaram
cinco grupos: topografia, cadastro, cobertura vegetal, físico-química da água e esgotos.
Na tabela 4.5 se detalham as características dos modelos matriciais temáticos obtidos.
Tabela 4.5.: Características dos modelos matriciais temáticos
GRUPO
TOPOGRAFIA
MODELO
Digital do terreno
Rede de drenagem
Camadas hipsométricas
Rede viária
Reconstrução inundação ano 1995
TAMANHO DE CELULA
2,0m
2,0m
2,0m
2,0m
2,0m
CADASTRO
Cadastro de propriedades
Construções
Plano Diretor de Florianópolis 1998
0,5m
0,5m
2,0m
-115-
Tabela 4.5. (continuação): Características dos modelos matriciais temáticos
GRUPO
COBERTURA
VEGETAL
FÍSICO-QUÍMICA
DA ÁGUA
ESGOTOS
MODELO
Espécies de mangues
TAMANHO DE CELULA
2,0m
Carbonatos de cálcio
Ferro
Amônia tóxica
Oxigênio dissolvido
pH
Fosfatos
Sais dissolvidos totais
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
Esgotos domiciliários
Esgotos pluviais
Esgotos mistos
2,0m
2,0m
2,0m
4.2.2.9. Processamento de imagens
Por meio do tratamento e da classificação das imagens disponíveis obtiveram-se
produtos que permitiram incrementar o conhecimento da área; do mesmo modo, a partir
da utilização de algumas destas imagens, elaboraram-se os modelos matriciais contínuos
para o SE. Por meio do sistema ERDAS®, processaram-se imagens de satélite, imagens
de fotografias aéreas e imagens obtidas por meio do sistema digital de reconhecimento
infravermelho aerotransportado em 900nm.
Com relação às imagens de satélite (Gráfico 4.2.), obtiveram-se imagens falsa cor
com as combinações de bandas LandSat R=3 G=2 B=1, R=3 G=4 B=1, R=4 G=3 B=7,
R=4 G=5 B=7, R=5 G=3 B=2 e R=4 G=7 B=2.
Em todos os casos, aumentou-se a resolução planimétrica por meio da banda 8,
usando técnicas de fusão de dados apoiadas na aplicação da transformação de Brovey.
Realizou-se o cálculo de componentes principais convencional indicado na literatura,
aplicando as bandas LandSat 1, 2, 3, 4, 5 e 7 da citada imagem, extraindo os
componentes 1, 2 e 3 para formar uma nova imagem por composição falsa cor R=CP2,
G=CP1, B=CP3. Escolheu-se esta combinação para ressaltar em vermelho a vegetação
concentrada no segundo eixo maximizada dos canais infravermelhos, enquanto que em
verde se representou o primeiro eixo concentrando a informação dos canais visíveis, e
em azul se representou o terceiro eixo contendo informação relacionada à água.
Com as bandas LandSat 3 e 4 se calculou o índice de vegetação normalizado NVI, o
qual, seguindo a LILLESAND & KIEFFER (1987), responde a seguinte expressão:
NVI = [Dn(TM4)-Dn(TM3)] / [Dn(TM4)+Dn(TM3)]
Onde Dn indica o número digital entre 0 e 255 correspondente aos píxeis homólogos
para as bandas LandSat TM3 (0.63-0.69 µm) e TM4 (0.76-0.90 µm).
-116-
Gráfico 4.2.: Imagens de satélite da área de estudo disponíveis durante a pesquisa
-117-
O processamento de fotografias aéreas apoiou-se no tratamento dos levantamentos
aéreos de 2000 e 2002. Destinadas a servir como modelos matriciais contínuos no SE,
separaram-se os canais R, G e B das imagens do levantamento aéreo de 2000 com
resolução de 28µm. Dado que no canal G observava-se maior contraste entre os
elementos do terreno, utilizou-se o mesmo para obter uma imagem de textura apoiada
em um algoritmo de variância e janela móvel de 7 por 7 píxeis. O emprego de janelas
menores deu como resultado imagens com ruído excessivo, fato pelo qual optou-se pela
utilização do tamanho citado. Neste trabalho, a utilização de texturas como variável de
classificação está apoiada em PFEIFFER (1991), quem destaca que a textura é uma
característica de classificação relevante, a qual pode aproveitar-se para identificar
objetos do terreno aproveitando certos aspectos morfológicos microestruturais presentes
na imagem.
Obteve-se uma imagem produto entre os canais R e G para aumentar contrastes entre
elementos do terreno os quais apresentaram em ambos os canais respostas espectrais
baixas (solos expostos úmidos), respostas médias (vegetação) e respostas altas (solos
secos e áreas construídas). Finalmente, para o levantamento aéreo de 2002 trabalhou-se
sobre os histogramas de cada canal das imagens das fotografias aéreas, obtendo uma
imagem otimizada da área de estudo em modo RGB.
4.2.2.10. Modelos matriciais contínuos
O processamento de imagens citado no ponto anterior deu lugar à geração de 12
modelos matriciais contínuos. Analogamente aos modelos matriciais temáticos, os
modelos contínuos foram gerados para operar dentro do SE Knowledge Engineering e
Knowledge Classifier do ERDAS®. As imagens que constituem este tipo de modelos se
denominam contínuas pelo fato que normalmente representam uma condição do estado
da variável, a qual pode tomar valores reais entre intervalos de dados.
Adotou-se a estrutura matricial em formato “.tif” para armazenamento, conservandoas resoluções planimétricas próprias de cada produto. Os modelos matriciais derivados
originaram variáveis contínuas no SE, as quais, junto às temáticas já citadas, formaram
o conjunto de variáveis de entrada ao SE. Os modelos matriciais contínuos frmaram três
grupos: imagens de satélite, fotografias aéreas e imagens de sistema digital de
reconhecimento IR900nm. Na tabela 4.6 se detalham as características dos modelos
matriciais contínuos obtidos.
-118-
Tabela 4.6.: Características dos modelos matriciais contínuos
GRUPO
MODELO
RESOLUÇÃO
PLANIMÉTRICA
20m
20m
20m
20m
IMAGENS DE SATÉLITE
SPOT multiespectral
SPOT R
SPOT G
SPOT B
FOTOGRAFIAS AÉREAS
Levantamento aéreo Nov 2000
Levantamento aéreo Nov 2000 R
Levantamento aéreo Nov 2000 G
Levantamento aéreo Nov 2000 B
Levantamento aéreo Nov 2000 RxG
Textura por variância
Levantamento aéreo Mai 2002
0.22m
0.22m
0.22m
0.22m
0.22m
0.22m
0.98m
IMAGENS DE SISTEMA
DIGITAL DE
RECONHECIMENTO
IR900nm
Levantamento aéreo Set 2001
Levantamento aéreo Jun 2002
0.70m
0.17m
4.2.2.11. Fusão de dados
Determinados os setores da área de estudo que tinham cobertura com imagens de
fotografias aéreas e das imagens infravermelhas 900nm, realizou-se a fusão de dados
edntre as mesmas aplicando o método apoiado em separação de canais proposto por
KRAUS & ALBERTZ, anteriormente citado. Aplicou-se a técnica em seis setores da
área de estudo, posteriormente detalhados nos resultados da pesquisa.
Realizou-se a orientação espacial das imagens com a finalidade de facilitar a
separação de setores que tivessem os dois tipos de cobertura por imagens. Aplicou-se
um polinômio de grau 3 e reamostragem por convolução cúbica.
As imagens das fotografias aéreas correspondentes ao aerolevantamento de
Novembro de 2000, com resolução planimétrica original de 0.22m, degradaram-se a
uma resolução planimétrica de 0.30m por causa dos processos de orientação. As
mesmas foram obtidas como imagens em cor real por meio de processamentos
eletrônicos, sendo divididas em canais de matiz, saturação e brilho 18.
As imagens obtidas em Setembro de 2001 em 900nm com resolução planimétrica
original de 0.70m pelo sistema digital de reconhecimento, ficaram degradadas a uma
resolução de 1.00m, sendo posteriormente redimensionadas para igualar as dimensões
das janelas correspondentes aos canais das fotografias aéreas. Estas imagens
redimensionadas utilizaram-se como substituto do canal brilho para a recomposição
HSV das mesmas por meio do sistema ERDAS®. Finalmente, teve-se como resultado
novas imagens, com aumento do poder discriminante para reconhecimento dos
elementos da superfície analisada. Nas novas imagens, matiz e saturação obtiveram-se a
-119-
partir das fotografias aéreas, enquanto que a quantidade de luz ou brilho foi fornecido
pelas imagens infravermelho 900nm.
4.2.3. Etapa III – Zoneamento da área de estudo
Na terceira etapa do método se desenvolveram atividades destinadas a estabelecer
setores funcionais homogêneos nos quais as classificações emanadas do SE pudessem
ser aplicadas atendendo critérios de semelhança estatística. Para isto se realizou a
setorização da área de estudo aplicando técnicas de estatística multivariada.
Em particular, a utilização do programa para análise de componentes principais
(ACP) do sistema ERDAS®, teve resultados satisfatórios, podendo-se estabelecer que de
acordo aos dados de entrada apoiados nos modelos matriciais temáticos e contínuos,
mais a convergência de critérios de campo, existiriam quatro setores com características
funcionais e morfológicas que os distinguem: área de preservação permanente (APP),
meio altamente antropizado, área de transição entre a APP e o meio altamente
antropizado, e rede hídrica. Na Figura 4.17 se resume a seqüência metodológica
correspondente a esta etapa.
Figura 4.17.: Fluxo de atividades na etapa III do método
O matiz indica a cor básica utilizada para compor outra resultante. Saturação é uma medida da pureza da cor. Brilho é a quantidade de luz ou
sombra presente na cor.
18
-120-
4.2.3.1. Adequação da ACP como técnica de redução
dimensional de dados
A análise de componentes principais (ACP) é citada na bibliografia como uma técnica
de estatística descritiva que permite reduzir a dimensionalidade ou número de planos
nos quais se desenvolve um conjunto de variáveis contínuas dadas. Por meio de
combinações lineares entre as variáveis aleatórias originais aplicadas na ACP é possível
evidenciar a associação existente entre as mesmas quando intervêm em um processo
determinado.
A técnica também possibilita estabelecer a similitude estatística entre os indivíduos
integrantes dessas variáveis. Estas características da ACP, ressaltadas por ALUJA
BANET & MORINEAU (1999) e por JOHNSON & WICHERN (1992), indicam à
técnica como meio adequado para efetuar classificações de áreas homogêneas em
processos de avaliação ambiental.
A ACP se aplica de forma isolada ou, mais usualmente, como processo intermediário
para apoiar posteriores cálculos de regressão, classificação ou discriminação de dados,
operando de modo que expressiva parte da informação original concentrada em alguns
componentes principais seja manejável numericamente de forma eficaz e precisa. Foi
neste sentido que utilizou-se a ACP durante esta fase da investigação, onde as matrizes
das variáveis de entrada à ACP estão formadas por matrizes de píxeis, integrando
arquivos de imagens que passam a formar parte do cálculo das matrizes de variação e
covariância no modo não padronizado.
4.2.3.2. Aplicação da técnica da ACP
A aplicação da ACP em processamento de imagens destinadas a avaliações ambientais é
utilizada freqüentemente com o sentido de redução dimensional que definiu-se
previamente. O fundamento de classificações por meio de separação dos elementos da
matriz imagem em espaços característicos aplicado nesta etapa atende o indicado por
QUIEL in BÄHR (1991).
A técnica da ACP produz um novo conjunto de imagens ou componentes, derivadas
a partir das variáveis de entrada. As imagens de saída são estatisticamente ortogonais ou
não correlacionadas, otimizadas para sua interpretação, e expressam progressivamente
menor variação com relação às imagens originais. A técnica é utilizada normalmente
para compressão de dados, já que usualmente, os dois ou três primeiros componentes
expressam de 95% a 99% da variação das imagens originais, podendo-se prescindir de
aqueles componentes que apresentem valores menores a certos valores de variância.
-121-
4.2.3.3. Variáveis de entrada à ACP apoiada em modelos
matriciais
As variáveis de entrada que se utilizaram para setorizar a área de estudo foram modelos
matriciais temáticos e contínuos obtidos na etapa de preparação de dados de entrada.
Por este motivo, a setorização da área de estudo realizou-se posteriormente à definição
destes modelos matriciais.
Como variáveis de entrada à ACP utilizaram-se os modelos matriciais temáticos
correspondentes a modelo digital do terreno, rede de drenagem, camadas hipsométricas,
rede viária, reconstrução inundação ano 1995, cadastro de propriedades, construções,
Plano Diretor de Florianópolis 1998, localização de espécies de mangues, concentrações
de carbonatos de cálcio, ferro, amônia tóxica, oxigênio dissolvido, pH, fosfatos, sais
dissolvidos totais, classificação de esgotos domiciliários, esgotos pluviais e esgotos
mistos. Manteve-se o agrupamento das mesmas, detalhado na tabela 4.5 citada.
Para a setorização da área de estudo também utilizou-se como variável da ACP a
imagem correspondente ao primeiro componente principal das bandas 1, 2, 3, 4, 5 e 7 da
imagem LandSat de Setembro de 1999, previamente obtida durante as etapas de
tratamento e classificação.
4.2.3.4. Programa computacional utilizado
Para a aplicação da técnica da ACP se utilizou o sistema ERDAS®. Por meio de este
software se prepararam imagens de camadas múltiplas (“stack images”) por grupo de
modelos matriciais de forma que cada uma das variáveis citadas constituísse uma
variável de entrada na ACP. Geraram-se seis imagens de camadas múltiplas: topografia
(5 variáveis), cadastro (3 variáveis), cobertura vegetal (1 variável), físico-química da
água (7 variáveis), esgotos (3 variáveis) e imagens de satélite (6 variáveis). Depois de
executado o programa para cada uma das imagens, utilizou-se o primeiro componente
de cada processo da ACP efetuado, armazenando os resultados como imagem de 8 bits.
O subprograma para a ACP do sistema ERDAS® aplica para o cálculo de
componentes principais uma transformação linear apoiada nas matrizes de covariância
dos elementos. O número de componentes a ser extraídos deve ser informado, além do
nome do arquivo de saída. Quando se obtém mais de um componente principal, os
mesmos são armazenados em ordem seqüencial em uma imagem de camadas múltiplas,
similares às citadas anteriormente.
-122-
4.2.3.5. Determinação de setores homogêneos
Posteriormente à adequação funcional das variáveis de entrada, aplicou-se a ACP.
Extraiu-se o primeiro componente principal de cada grupo de modelos matriciais
temáticos citados na tabela 4.5, obtendo-se um conjunto de seis imagens
correspondentes a uma redução dimensional da informação contida nos temas
topografia, cadastro, físico-química da água, esgoto e canais da imagem LandSat
multiespectral. No caso da cobertura vegetal, por ser a única camada com informação
em seu grupo, considerou-se como monovariado, com 100% da informação temática.
Conseqüentemente, resumiu-se em seis imagens a informação de cada grupo a partir
das variáveis antecedentes. Com estas seis imagens aplicou-se novamente o processo da
ACP com a finalidade de separar o primeiro componente principal da segunda
seqüência de execução, fato que, seguindo a JENSEN (1986) e FAUST (1989), pelas
propriedades de síntese estatística da ACP e pela tipologia das variáveis, deveria
representar uma vista ainda mais interpretável e convergente das características
funcionais e morfológicas da área de estudo.
Como resultado, gerou-se uma imagem falsa cor utilizando o CP1, CP2 e CP3. O
fato de ter-se obtido a caracterização morfológica e a interpretação funcional da área a
partir desta aplicação da ACP responde à natureza das variáveis consideradas e às
correlações estatísticas existentes entre as mesmas. Este fato é conceitualmente similar
com o observado durante a aplicação da técnica da ACP em imagens LandSat, onde
devido ao tipo de sensor, janelas espectrais e outras características adicionais, observase freqüentemente que a dimensionalidade dos dados apresenta ordem 2 e que no
componente principal 1, por sua correlação, agrupam-se os dados provenientes das
bandas que registram no visível, enquanto que as infravermelhas se resumem no
componente principal 2.
A imagem da ACP incorporou-se a um ambiente SIG utilizando o programa
ArcView®. No mesmo, apoiando-se em observações e critérios de campo, digitalizaramse os limites de maior evidência e convergência de cada setor, verificando-a
coincidência temática com as idéias que se tinha a priori sobre a existência de quatro
áreas funcionalmente homogêneas dentro da área de estudo.
-123-
4.2.4. Etapa IV – Estruturação e aplicação do Sistema Experto
4.2.4.1. Componentes e estrutura do SE
Os SE são programas destinados a resolver problemas determinados apoiados em uma
estrutura de funcionamento similar à utilizada por um especialista humano, onde são
enfatizadas as relações entre os critérios considerados, maximizando a informação útil e
minimizando a irrelevante por meio de probabilidades. A arquitetura do sistema experto
utilizado está apoiada na base de conhecimentos, a máquina de inferências, a área de
trabalho, o sistema de justificação, o mecanismo de aprendizagem, o sistema de
aquisição de conhecimentos e o sistema de consulta. A Figura 4.18 mostra os
componentes citados, integrantes do SE.
Figura 4.18.: Componentes e estrutura do SE
Atendendo a arquitetura de um SE, a base de conhecimentos, a máquina de
inferências, a área de trabalho, o sistema de justificação, o mecanismo de aprendizado, o
sistema de aquisição de conhecimentos e o sistema de consulta encontram-se presentes
nos programas Knowledge Engineering e Knowledge Classifier do Sistema ERDAS®
utilizado.
A base de conhecimentos foi estruturada sob a forma de redes de decisão (formada
por hipóteses e regras), integradas por um conjunto de fatos fornecidos pelo especialista,
que adequadamente interpretados, originaram um grupamento de dados e informação
para originar novos grupos de elementos classificados. A máquina de inferências é a
parte do sistema que interpretou as regras e aplicou as operações entre os componentes
da base de conhecimentos, definidas previamente pelo especialista para completar a
classificação.
-124-
A área de trabalho disponibilizou por meio de editores e meios gráficos, as
alternativas de criação, configuração, execução, armazenamento e feedback dos
elementos que constituiram a base de conhecimentos. O sistema de justificação é uma
característica do SE que permitiu repetir as deduções ou classificações efetuadas antes
de obter uma saída definitiva, respondendo a questionamentos intermediários que
apoiaram no entendimento do problema exposto.
O mecanismo de aprendizado utilizado foi um recurso que possibilitou o aumento e a
alteração da base de conhecimentos de forma dinâmica durante os processos de teste, de
modo que os valores de confiança das variáveis, hierarquia dos componentes da rede e
outros elementos foram redefinidos procurando o ótimo desempenho da classificação. O
sistema de aquisição de conhecimentos foi o subcomponente do SE que permitiu
ingressar expressões lógicas e matemáticas, escalares e valores de confiança destinados
à realização das operações lógicas entre os componentes da rede de decisão.
O sistema de consulta estabeleceu um vínculo entre as classificações elaboradas pelo
especialista e o usuário final. Freqüentemente, o mesmo desconhece as regras de
decisão utilizadas no processo do SE. O sistema de consulta esteve representado por
outro programa que carrega a base de conhecimentos, interpreta a mesma, e devolve
como resultado a classificação (na forma de imagem) proposta pelo especialista.
4.2.4.2. Fases executadas para a aplicação do SE
Em geral, não foi aplicado um esquema seqüencial de atividades para o
desenvolvimento do SE. Pode-se estruturar com finalidade didática, algumas fases
típicas executadas, tais como identificação das características do problema, definição da
base conceitual do SE, formalização das relações entre os elementos da rede,
implementação computacional, feedback e avaliação, e finalmente revisão. A relação
entre estas atividades foi dinâmica no sentido de relação funcional, otimizando-se cada
um dos processos à medida que se avançava na estruturação do SE.
Para a identificação das características dos problemas a serem analisados por meio
do SE, atenderam-se as diretrizes de HAYES-ROTH detalhadas por RABUSKE (1995).
A partir das mesmas definiram-se os problemas relacionados com a avaliação
qualitativa e quantitativa de componentes ambientais, caracterizados pela sua
importância dentro da área de estudo; os subproblemas vincularam-se com as tarefas de
planejamento e gestão do meio analisado; os dados utilizados restringiram-se àqueles
obtidos por técnicas de sensoriamento remoto e de medição direta armazenados como
imagens.
-125-
Durante a definição da base conceitual do SE aplicaram critérios por meio dos quais
foram estudadas as prováveis relações entre as hipóteses, regras e variáveis a serem
implementadas, diferenciaram-se dados medidos dos inferidos e analisaram-se
subhipóteses. As restrições temáticas das classificações a ser obtidas atrelaram-se aos
objetivos do trabalho, e circunscreveram-se à concordância entre os píxeis classificados
em cada classe e os valores de referência no terreno, tais como fotografias aéreas ou
levantamentos de reconhecimento. Avaliou-se a suficiência dos dados disponíveis para
conseguir resultados aceitáveis nas classificações.
Nesta fase do trabalho aplicou-se de maneira expressiva critérios e relações
subjetivas para a estruturação da base conceitual do SE. É, portanto, um dos pontos
centrais do trabalho, onde a experiência e o treinamento próprios do especialista deu
características particulares à base conceitual, atingindo-se a analogia entre a estrutura de
interpretação humana e a aplicação dessa forma de análise por parte de um sistema
computacional.
Para a formalização das relações entre elementos da rede, as tarefas estiveram
concentradas na passagem das bases conceituales para estruturas legíveis por meio de
programas computacionais. Características dependentes das estruturas, tais como tipo e
valores das variáveis a serem consideradas e resoluções espaciais, foram definidas
durante a fase de formalização do SE.
A implementação computacional permitiu comprovar o funcionamento e
desempenho computacional da rede de decisões criada, independentemente de seus
resultados antes do feedback. Nesta etapa foi verificada a consistência interna e
funcionalidade entre hipóteses, regras e variáveis.
Outra das etapas centrais no processo de estruturação do SE foi a avaliação e
feedback do mesmo. Ao definir-se elementos do terreno por meio de intervalos de
valores das variáveis em diferentes situações, tais como posição altimétrica, números
digitais em imagens obtidas em diferentes setores do espectro eletromagnético, atributos
funcionais ou físicos, aqueles valores foram inicialmente fixados de modo aproximado
em alguns casos. Para isso se criaram perfis espectrais dos quais se derivaram valores
extremos que orientaram na definição dos elementos. Analisando cada imagem
classificada logo depois de cada execução, foi possível efetuar, por meio do feedback do
SE, as correções pertinentes aos valores das variáveis e às relações entre regras e
formulação de hipóteses até alcançar resultados satisfatórios a critério do especialista.
Os resultados considerados válidos foram submetidos a um processo de avaliação de
exatidão. Para isto se geraram nuvens aleatórias de pontos dentro de cada classe obtida,
comparando-as variáveis de qualificação das imagens classificadas e fotografias aéreas,
estabelecendo-se percentagens de erro para cada caso. Mesmo que a avaliação do
-126-
funcionamento do sistema é uma atividade na qual dedica-se interesse reduzido durante
o desenvolvimento do método, no caso dos SE deve receber adequada atenção, pois o
êxito ou fracasso das redes de decisão criadas depende de uma avaliação objetiva e
rigorosa.
A revisão do SE estruturou-se como processo contínuo durante a elaboração do
trabalho. Por meio desta atividade foram incorporados outros aspectos indicados por
colegas especialistas, observações em campo ou tópicos recolhidos na bibliografia, os
quais possibilitaram a otimização das classificações e desempenho do SE.
4.2.4.3. Programa computacional e estrutura adotada para o SE
Utilizou-se o programa para classificação por SE do sistema ERDAS®. O mesmo
incorpora um subprograma apoiado em regras destinado à classificação de imagens,
ajuste de pós-classificações e modelagem no SIG. O SE estruturou-se sobre uma
hierarquia de regras ou rede de decisões que descreveram as condições sob as quais um
conjunto de informação básica pode abstrair-se em um novo conjunto de classes
integradas com informação de alto nível, geralmente na forma de um arquivo imagem.
Os elementos operativos do SE são as variáveis, as regras e as hipóteses (Figura
4.19). Estas podem-se criar e vincular em um ambiente de edição que inclui objetos com
características “arrastar e soltar” (“drag and drop”). A informação básica está
constituída por variáveis definidas pelo usuário e pode formar-se a partir de arquivos de
imagens, arquivos vetoriais, modelos específicos, programas externos ou escalares.
Considerou-se regra como uma condição ou lista de condições relacionadas com os
valores que a variável pode tomar. Estas regras determinaram um componente de
informação denominado hipótese.
Várias regras e hipóteses podem-se relacionar por meio de uma hierarquia funcional
conformando hipóteses terminais. Para cada condição pode-se associar a um valor de
confiança estatística, fato que levará a produzir uma imagem com os valores de
confiança conjunta calculados para cada classe derivada das hipóteses terminais
aplicadas.
O SE esteve composto por duas partes, chamadas de Engenheiro de Conhecimento
(Knowledge Engineering) e Classificador Experto (Expert Classifier). A primeira
disponibiliza por meio de um editor interno do sistema ERDAS®, a interface para um
experto humano com conhecimentos específicos sobre os dados e a aplicação para
identificar as variáveis, regras e classes de interesse, com o objetivo de criar a rede de
decisões e armazenar a mesma em uma base de conhecimentos. A segunda parte
-127-
permite aplicar a base de conhecimentos para criar a classificação definida pelo experto,
gerando resultados em forma de arquivos de imagens temáticas.
Figura 4.19.: Estrutura genérica de uma base de conhecimentos
O feedback do modelo efetuou-se por meio de consultas interativas com a imagem de
saída classificada. Por meio de um cursor específico, podem-se verificar os caminhos
dentro da rede de decisões que cumprem com a condição de cada pixel selecionado.
Quando existe discordância entre a classificação e o estado real da unidade analisada, o
especialista poderá adequar interativamente os valores das variáveis e/ou relação entre
variáveis e hipóteses até alcançar resultados aceitáveis.
4.2.4.4. Variáveis de entrada
O SE estruturou-se com dois tipos de variáveis de entrada: temáticas e contínuas
(Gráficos 4.3 e 4.4). Como foi citado, as imagens temáticas representaram dados
nominais e ordinais, utilizando categorias para representar os mesmos, enquanto que as
contínuas normalmente representam uma condição da variável, a qual pode tomar
valores reais entre intervalos considerados. Embora o programa pode utilizar escalar,
matrizes, programas ou modelos como variáveis, optou-se pela utilização de variáveis
matriciais (imagens), considerando a compatibilidade que existe entre este tipo de
arquivos e outros programas utilizados, tais como o SIG.
As variáveis de entrada tiveram diferente densidade de informação por estarem
originadas por fontes diversas, tal como acontece no processo de classificação realizado
pelo especialista humano. Entendeu-se por densidade de informação à relação numérica
entre quantidade de entidades básicas (pontos, linhas, polígonos ou píxeis) por unidade
-128-
de superfície, embora esta definição esteja simplificada pelo fato de desconsiderar
critérios tais como número mínimo de entidades necessárias para definir o tema
analisado. Existem indicadores objetivos para medir estas relações e qualidade dos
dados, tais como os sugeridos por DETREKÖI (1999), embora os mesmos não foram
aplicados neste trabalho por estarem fora dos objetivos estabelecidos. As variáveis
utilizadas são apresentadas na tabela 4.7.
Tabela 4.7.: Variáveis de entrada ao SE e tamanho de célula
MATRIZ (IMAGEM)
Digital do terreno
Rede de drenagem
Camadas hipsométricas
Rede viária
Reconstrução inundação ano 1995
Cadastro de propriedades
Construções
Plano Diretor de Florianópolis 1998
Espécies de mangues
Carbonatos de cálcio
Ferro
Amônia tóxica
Oxigênio dissolvido
pH
Fosfatos
Sais dissolvidos totais
Esgotos domiciliários
Esgotos pluviais
Esgotos mistos
SPOT multiespectral
SPOT R
SPOT G
SPOT B
Levantamento aéreo Nov 2000
Levantamento aéreo Nov 2000 R
Levantamento aéreo Nov 2000 G
Levantamento aéreo Nov 2000 B
Levantamento aéreo Nov 2000 RxG
Textura por variância
Levantamento aéreo Mai 2002
Levantamento aéreo Set 2001
TAMANHO
DA CELULA
2,0m
2,0m
2,0m
2,0m
2,0m
0,5m
0,5m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
20.0m
20.0m
20.0m
20.0m
0.2m
0.2m
0.2m
0.2m
0.2m
0.2m
1.0m
1.0m
Por regra general, as variáveis matriciais de baixa resolução planimétrica associadas
a baixa densidade de informação, foram vinculadas a manchas tematicamente
homogêneas, enquanto que as de alta resolução planimétrica e alta densidade de
informação, portanto factíveis de serem melhor identificadas, associaram-se a análises
pontuais.
-129-
Gráfico 4.3.: Variáveis temáticas utilizadas no Sistema Experto
-130-
Gráfico 4.4.: Variáveis contínuas utilizadas no Sistema Experto
-131-
Como aplicação concreta, desenhou-se uma rede de decisões (Figura 4.20) por meio
do Sistema Experto para identificar e quantificar solos expostos secos e úmidos, onde
espécies de mangue A. schaueriana apresentam maior número de indivíduos secos,
provavelmente devido à conjunção da intervenção antrópica e das condições naturais.
Os dados de entrada ao Sistema Experto adequaram-se às tarefas de avaliação
ambiental, simulando por meio do Sistema Experto o processo de fotointerpretação
utilizado pelo especialista humano durante as tarefas de reconhecimento de elementos
da superfície analisada. Depois de realizada a classificação e quantificação das duas
classes de interesse (solos secos e solos úmidos), os produtos de saída se incorporaram a
um Sistema de Informação Geográfica para otimizar a gestão da informação. A exatidão
dos resultados obtidos por esta classificação apoiada em Sistema Experto foi avaliada
por meio de testes estatísticos fundamentados em redes de 81 pontos amostrais
estratificados por classe e distribuídos aleatoriamente. Utilizou-se o módulo Accuracy
Assessment do sistema ERDAS®.
Figura 4.20.: Estrutura da rede de decisões para determinação de solos expostos
utilizando o módulo “Knowledge Engineering”do Sistema ERDAS®
De esquerda para direita: hipóteses, regras e variáveis.
-132-
4.2.4.5. Probabilidade das variáveis
Para o funcionamento da rede de decisões, foi preciso atribuir um grau de confiança
estatística a cada uma das imagens utilizadas como variáveis de entrada ao SE. Esta
confiança se entendeu como a probabilidade que cada nó da rede seja estatisticamente
significativo no processo de classificação assistida. Utilizaram-se dois critérios para
estabelecer estas probabilidades das variáveis: a resolução planimétrica e a fonte dos
dados.
A partir das experiências preliminares, estabeleceu-se que quanto maior fosse a
resolução planimétrica da variável de entrada, major seria o grau de desagregação dos
dados e, em conseqüência, teria maior confiança estatística em termos de classificação.
Não obstante, esta maior resolução planimétrica não foi critério suficiente para garantir
maior confiança dos dados, por isso se utilizou o critério da qualidade da fonte para
estabelecer uma probabilidade conjunta entre cada variável.
Nesta fase da pesquisa, não foi possível contar com cifras tabuladas ou com valores
objetivos para estabelecer a confiança estabelecidos por trabalhos antecedentes na
matéria. Utilizou-se o recurso de atribuir empiricamente a maior probabilidade às
variáveis com maior resolução planimétrica, e a menor probabilidade às variáveis com
menor resolução planimétrica, atendendo o critério de maior densidade de informação
por unidade de superfície. Estes conceitos estão vinculados ao limite da probabilidade
estatística, pelo qual a probabilidade tende a 1 quando a amostra tende ao universo. Do
mesmo modo, atribuiu-se maior confiança às variáveis originadas por fontes
tecnicamente testadas e conhecidas, tais como sistemas digitais de obtenção de imagens
com informação medida pixel a pixel, enquanto que a menor probabilidade se atribuiu
às variáveis interpoladas ou medidas com técnicas qualitativas.
Empiricamente, atribuiu-se à probabilidade por resolução planimétrica um peso de
0.66, e a cada probabilidade por qualidade da fonte de dados, um peso de 0.80 dentro do
cálculo conjunto. Esta diferenciação entre resolução planimétrica e qualidade da fonte
de dados se apoiou na analogia que se esperaria em um processo realizado por um
especialista.
Finalmente, calculou-se a probabilidade conjunta por resolução planimétrica e por
qualidade da fonte de dados, atribuindo no SE a cada uma das variáveis de entrada
utilizadas. Para isto se utilizou a expressão indicada por ERDAS® (1999), onde a
probabilidade conjunta está expressa por:
PAB = 1 - {[0.66 * (1-PA)] * [0.80 * (1-PB)]}
-133-
Onde PAB é a probabilidade conjunta das variáveis consideradas, PA a probabilidade
por resolução planimétrica e PB, a probabilidade por fonte de dados. Na tabela 4.8 se
mostram as variáveis junto aos valores de confiança calculados.
Tabela 4.8.: Variáveis e valores de confiança calculados
MODELO
Digital do terreno
Rede de drenagem
Camadas hipsométricas
Rede viária
Reconstrução inundação ano 1995
Cadastro de propriedades
Construções
Plano Diretor de Florianópolis 1998
Espécies de mangues
Carbonatos de cálcio
Ferro
Amônio tóxico
Oxigênio dissolvido
pH
Fosfatos
Sais dissolvidos totais
Esgotos domiciliários
Esgotos pluviais
Esgotos mistos
SPOT multiespectral
SPOT R
SPOT G
SPOT B
Levantamento aéreo Nov 2000
Levantamento aéreo Nov 2000 R
Levantamento aéreo Nov 2000 G
Levantamento aéreo Nov 2000 B
Levantamento aéreo Nov 2000 RxG
Textura por variância
Levantamento aéreo Mai 2002
Levantamento aéreo Set 2001
TAMANHO
DA CELULA
2,0m
2,0m
2,0m
2,0m
2,0m
0,5m
0,5m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
2,0m
20.0m
20.0m
20.0m
20.0m
0.2m
0.2m
0.2m
0.2m
0.2m
0.2m
1.0m
1.0m
Pƒ( Resolução)
0.89
0.89
0.89
0.89
0.89
0.97
0.97
0.89
0.89
0.89
0.89
0.89
0.89
0.89
0.89
0.89
0.89
0.89
0.89
0.01
0.01
0.01
0.01
0.98
0.98
0.98
0.98
0.98
0.98
0.94
0.94
FONTE
Restituição
Restituição+Campo
Calculada
Restituição+Campo
Campo
Restituição+Campo
Restituição+Campo
Digitalizada
Restituição+Campo
Campo+Cálculo
Campo+Cálculo
Campo+Cálculo
Campo+Cálculo
Campo+Cálculo
Campo+Cálculo
Campo+Cálculo
Campo+Cálculo
Campo+Cálculo
Campo+Cálculo
Satélite
Satélite
Satélite
Satélite
Aerofotografias
Aerofotografias
Aerofotografias
Aerofotografias
Aerofotografias
Aerofotografias
Aerofotografias
Aerofotografias
Pƒ( Fonte)
P conjunta
0.90
0.95
0.90
0.95
0.50
0.95
0.95
0.50
0.95
0.10
0.10
0.10
0.10
0.10
0.10
0.10
0.10
0.10
0.10
0.70
0.70
0.70
0.70
0.95
0.95
0.95
0.95
0.95
0.95
0.95
0.95
0.88
0.90
0.88
0.90
0.75
0.91
0.91
0.75
0.90
0.62
0.62
0.62
0.62
0.62
0.62
0.62
0.62
0.62
0.62
0.56
0.56
0.56
0.56
0.92
0.92
0.92
0.92
0.92
0.92
0.91
0.91
Finalmente, separaram-se as imagens correspondentes às variáveis destinadas à
determinação de solos expostos (Tabela 4.9). Concordando com testes prévios, estimouse que o modelo digital do terreno, a rede de drenagem, a rede viária, áreas construídas,
função das propriedades segundo o cadastro, produto dos canais vermelho por verde das
fotografias aéreas de 2000, textura, canal azul das fotografias aéreas de 2000 e banda
vermelha da imagem SPOT eram as variáveis de maior representatividade que poderiam
participar do processo para classificação do solo exposto. As demais variáveis foram
utilizadas em processos experimentais prévios do SE, destinados à classificação de áreas
cobertas por mangues e por solos expostos segundo altimetria e para determinar a
-134-
seqüência de inundação por marés da área estudada. Com relação a estes modelos,
geraram-se diversos resultados secundários, posteriormente detalhados.
Tabela 4.9.: Variáveis destinadas à determinação de solos expostos
MODELO
Digital do terreno
Rede de drenagem
Rede viária
Cadastro de propriedades
Construções
SPOT R
Levantamento aéreo Nov 2000 B
Levantamento aéreo Nov 2000 RxG
Textura por variância
TAMANHO
DA CELULA
2,0m
2,0m
2,0m
0,5m
0,5m
20.0m
0.2m
0.2m
0.2m
Pƒ
ƒ ( Resolução)
FONTE
Pƒ
ƒ ( Fonte)
P conjunta
0.89
0.89
0.89
0.97
0.97
0.01
0.98
0.98
0.98
Restituição
Restituição+Campo
Restituição+Campo
Restituição+Campo
Restituição+Campo
Satélite
Aerofotografias
aerofotografias
aerofotografias
0.90
0.95
0.95
0.95
0.95
0.70
0.95
0.95
0.95
0.88
0.90
0.90
0.91
0.91
0.56
0.92
0.92
0.92
4.2.4.6. Modelo declarativo
Com as imagens das variáveis de entrada ao SE preparadas e seus valores de confiança
definidos, estruturaram-se as regras que participariam da classificação de solos expostos
secos e úmidos aplicando a rede de decisões do SE. A classificação em solos secos e
solos úmidos obteve-se sobre a base de uma relação direta com a resposta espectral
dominante nas imagens utilizadas, sendo convergente com a situação média da área
analisada.
Como foi indicado anteriormente, estas regras representam as condições sob as quais
um conjunto de informação básica se condensará em um novo conjunto de classes
integradas com informação de alto nível temático. Para cada regra se definiram
propriedades, as quais estabeleceram as relações funcionais entre as variáveis. Atendeuse a seqüência proposta por HEISSER, VICKUS & SCHOPPMEYER (1995) para
estruturação de modelos declarativos em sistemas expertos apoiados em regras.
Para a determinação de solos expostos úmidos, elaboraram-se duas regras, orientadas
a estabelecer o componente de localização e o componente de qualificação dos mesmos.
Procedeu-se de maneira análoga no caso dos solos expostos secos.
O componente de localização do solo seco se definiu a partir das propriedades
definidas como áreas se localizadas entre 0m e 2m de altura, que não pertencessem à
rede de drenagem nem à rede viária, que não tivesse área construída e que pertencesse à
área de preservação permanente.
Por meio do feedback do SE, o componente de qualificação do solo seco foi definido
pelos píxeis que tinham número digital menor ou igual a 85 ou maior que 7 na imagem
produto dos canais vermelho por verde das fotografias aéreas de 2000; que o número
-135-
digital da imagem de textura fora menor que 140; e que o número digital no canal azul
das fotografias aéreas de 2000 fosse maior ou igual a 130.
O componente de localização do solo úmido foi definido aplicando a mesma
seqüência.
O componente de qualificação do solo úmido se definiu, depois do feedback, da
seguinte forma: píxeis que tivessem número digital menor ou igual a 150 ou maior que
55 na imagem produto dos canais vermelho por verde das fotografias aéreas de 2000;
que o número digital da imagem de textura fora menor que 105; que o número digital no
canal azul das fotografias aéreas de 2000 fora maior ou igual a 60; e que o número
digital no canal vermelho da imagem SPOT de 2001 tivesse valores entre 72 e 120.
Os critérios aplicados se sustentam na física óptica (refletâncias dos elementos do
terreno associados a números digitais observados nas imagens), na álgebra matricial
(validade da operação entre elementos análogos), em critérios urbanísticos e geográficos
(exclusão de certo tipo de áreas) e em critérios legais (pertença a certo tipo de área
protegida).
4.2.4.7. Formulação de hipóteses no SE
A formulação de hipóteses no SE é a capacidade operativa do programa para reconhecer
e trabalhar com hipóteses apoiadas em regras. Definidas as quatro regras para
determinação assistida dos componentes de localização e qualificação de solos secos e
úmidos, definiram-se duas hipóteses que conformaram a base de conhecimentos.
A hipótese de solos secos foi considerada como verdadeira quando o componente de
localização e o componente de qualificação satisfizeram as condições colocadas. Da
mesma forma foi computada a hipótese para solos úmidos. Nos dois casos se utilizou o
operador lógico “E”, o que indica que para cada hipótese, as duas condições deveram
ser alcançadas para identificar solos secos ou solos úmidos.
4.2.4.8. Estruturação da base de conhecimentos
As bases de conhecimentos integradas por variáveis e suas inter-relações, regras e
hipóteses, foram armazenadas em arquivos específicos pelo programa Knowledge
Engineering, os quais puderam ser interpretados pela rotina de classificação Knowledge
Classifier do sistema ERDAS®.
-136-
Deve-se considerar a estas bases como o resumo conceitual do trabalho no que diz
respeito à síntese de conhecimentos específicos, já que neste produto se encontram
concentradas diferentes testes, critérios, feedbacks, simplificações e relações obtidas a
partir da experiência prévia de um especialista.
Entende-se, de forma indireta, que nestas bases existe um conhecimento implícito do
problema analisado, demarcado para certas condições operativas e âmbitos restritos de
ação. Ressalta-se que neste tipo de estruturação de base de conhecimentos, o incremento
no número de variáveis, a determinação objetiva de probabilidades e o maior
conhecimento das inter-relações entre os elementos analisados aumentará a eficácia da
classificação, bem como a validade dos resultados obtidos.
4.2.4.9. Treinamento e feedback do SE
Os valores das variáveis utilizados para definir as propriedades das regras foram
determinadas inicialmente a partir dos valores codificados para os números digitais nos
modelos matriciais temáticos, enquanto que os valores correspondentes aos modelos
matriciais contínuos fixaram-se depois da exploração do mesmo na tela com um
programa do sistema ERDAS®. A identificação visual da área de interesse permitiu
ingressar os intervalos de valores iniciais de DN entre os quais se esperava encontrar o
elemento de interesse, neste caso, solos secos ou solos úmidos.
As relações finais entre as variáveis se obtiveram depois de executar iterativamente o
processo de classificação do SE na fase chamada de feedback. Depois de obter as
primeiras imagens de saída correspondentes aos critérios inicialmente estabelecidos, o
especialista verificou a coerência e convergência dos resultados, ajustando os valores
dos modelos matriciais temáticos e contínuos que fosse necessário para obter resultados
tendentes à situação real da área analisada.
Este processo se realizou iterativamente, de forma que depois da finalização de cada
classificação assistida era possível explorar a imagem de saída com um cursor que,
marcando uma posição sobre a imagem classificada, indicava graficamente que regras e
hipóteses tinham sido cumpridas.
Depois desta depuração chegou-se a uma classificação satisfatória, embora marcada
pela subjetividade das relações implícitas na base de conhecimentos; posteriormente
aplicou-se o módulo Accuracy Assessment do sistema ERDAS® para medição objetiva
da exatidão alcançada no processo de classificação.
-137-
4.2.4.10. Execução de rotinas do SE
A execução das classificações apoiadas nas bases de conhecimentos criadas foi
realizada por meio do módulo Knowledge Classifier do ERDAS®. As classificações
finais derivadas das hipóteses foram armazenadas em arquivos imagem. O módulo
também gerou imagens considerando critérios de lógica difusa (fuzzy logic), por meio
das quais é possível representar áreas de isoprobabilidade que indiquem o maior ou
menor grau de certeza que se terá em achar o elemento classificado no terreno. Esta
alternativa, embora foi ensaiada, não se utilizou para gerar produtos finais dentro do SE.
Posteriormente, as imagens finais que responderam aos critérios de classificação
assistida introduzidos na base de conhecimentos, foram processadas por meio de uma
extensão do SIG de maneira que os agrupamentos homogêneos de píxeis foram
convertidos em polígonos, possibilitando a criação e o vínculo para uma tabela de
atributos, bem como o cálculo de valores derivados.
4.2.4.11. Determinação da validade e consistência dos
resultados do SE.
A exatidão dos resultados obtidos por as classificações apoiadas em SE foi avaliada por
meio de provas estatísticas fundamentadas em redes de 81 pontos amostrais
estratificados por classe e distribuídos aleatoriamente. Aplicou-se o módulo Accuracy
assessment do sistema ERDAS® que se apóia no cálculo da matriz de erros entre os
valores calculados e os valores de referência.
Contrastando com trabalhos de campo e fotointerpretação estereoscópica de
fotografias aéreas obtidas em Novembro de 2000, chegou-se a estabelecer que a
exatidão da classificação assistida de solos expostos secos e úmidos dentro do
manguezal oscilou entre 85% a 90%, valores que se consideraram satisfatórios para
continuar com as etapas de avaliação ambiental.
Entendeu-se esta fase das tarefas como um controle de qualidade da exatidão da base
de conhecimentos. A superação dos valores de exatidão citados esteve condicionado a
otimizar a estruturação da base de conhecimentos, no que diz respeito à sua
reformulação atendendo as relações entre variáveis, e do cálculo dos valores de
probabilidades, número e pertinência das regras utilizadas.
-138-
4.2.4.12. Manejo dos resultados de hipóteses do SE
Cada hipótese incluída na base de conhecimentos foi codificada de forma que, quando
registrada como verdadeira, essa condição ficaria evidenciada nas imagens de saída por
meio de um número digital definido, representado por uma cor. Os píxeis que não
cumpriram com as condições foram representados em preto ou como fundo transparente
nos diferentes programas de processamento e manejo de dados. Em conseqüência, para
bases de conhecimentos com uma hipótese teve-se uma cor onde foi alcançada a
hipótese, sobre fundo preto ou transparente onde não foi alcançada. Para bases de
conhecimento com duas hipóteses tiveram-se duas cores sobre fundo preto ou
transparente, e assim sucessivamente.
Cada valor codificado em cores integrou uma classe da imagem de saída, fato que
facilitou posteriores tarefas de classificação. As imagens obtidas foram armazenadas em
diferentes formatos, entre eles “.img” do ERDAS®, “.jpg” e “.tif”. Optou-se por este
último sem compressão, dada a compatibilidade com outros programas, especialmente
quando se considerou a utilização do SIG.
4.2.4.13. Resultados das hipóteses utilizados como novas
variáveis
Os agrupamentos de píxeis homogêneos contendo os resultados das hipóteses, foram
convertidos para polígonos, estabelecendo o vínculo com uma tabela de atributos e
possibilitando o cálculo de valores derivados. Pelo fato de ter-se trabalhado desde o
início das tarefas com modelos matriciais temáticos e contínuos orientados no espaço
geográfico, todos os produtos derivados mantiveram este vínculo de localização
espacial.
Estas qualidades, além de permitir a conversão de dados disponíveis em informação
utilizável, possibilitaram a incorporação dos resultados das hipóteses como variáveis de
entrada em novos processos que se apoiaram nesta informação derivada.
Especificamente, os resultados se utilizaram como base do processo de cálculo para
determinar o número de exemplares a ser replantados nas áreas degradadas para
alcançar o anterior perfil florístico, bem como para calcular custos e tempos operativos
que precisariam as atividades consideradas.
-139-
4.2.4.14. Adequação dos resultados a avaliações ambientais
As avaliações ambientais vinculadas à gestão territorial, independentemente das
dimensões do espaço estudado, envolvem a análise de diferentes disciplinas.
ERRÁZURIZ CORNER ET AL. (1988) recomendam considerar o aspecto espacial das
variáveis qualitativas e quantitativas vinculadas aos fenômenos estudados, única
qualidade distintiva que identifica singularmente as mesmas de outro tipo.
Considerando estas diretrizes, verificou-se operativamente que o SIG se apresentou
metodologicamente como uma alternativa metodológica válida para atender os
requerimentos de espacialização das variáveis.
Neste sentido, analisaram-se tematicamente os resultados obtidos por meio do SE
apoiados em imagens, indicando que articularam-se com a seqüência de interpretação de
fenômenos ambientais em cartografia indicada por HAKE & GRÜNREICH (1994) e
JOLY (1988).
Finalmente, logo desta análise ficaram definidos e armazenados todos os modelos
matriciais temáticos que integraram o SEAD na próxima fase da pesquisa.
4.2.5. Etapa V – Integração do SEAD
4.2.5.1. Componentes considerados
Nesta fase do método foi alcançado o produto final que possibilitou a gestão de soluções
fundamentadas em avaliações ambientais realizadas por meio do SEAD, integrando SIG
e seus dados, SE, programas específicos e dados obtidos por sensoriamento remoto.
Mantendo o critério de KEENAN (1997) no sentido que os SEAD se orientam ao
apoio de soluções específicas antes que à substituição dos processos de tomada de
decisão realizado pelos especialistas, a integração do SEAD esteve focalizaa na
incorporação operativa do SIG como um componente dos subsistemas de apoio ao
manejo de dados espacialmente estruturados. Seguindo a opinião do mesmo autor
considerou-se que no SIG encontra-se a informação importante para uma decisão mas
não a decisão mesma, a qual poderá ser obtida a partir da utilização de modelos
desenhados especificamente para essa situação.
As imagens de saída que responderam aos critérios de classificação assistida
introduzidos na base de conhecimentos do SE, incorporaram-se ao SIG como imagens,
além de ter sido processadas por meio de uma extensão do SIG para converter grupos de
-140-
píxeis tematicamente homogêneas em polígonos, realizando o vínculo a uma tabela de
atributos e cálculo de atributos adicionais, como já foi citado.
Realizaram-se processos adicionais para integração com modelos não espacializados,
considerando a inter-relação entre os dados para assegurar disponibilidade dos mesmos
em um formato adequado e utilizando técnicas de intercâmbio dinâmico de dados
(DDE), vínculo de objetos (OLE) e conectividade de base de dados aberta (ODBC), fato
que possibilitou a comunicação entre as aplicações computacionais utilizadas.
Finalmente, a integração no SIG dos dados gerados pelo sistema digital de
reconhecimento desenvolvido junto à aplicação de técnicas de fusão de dados sob a
forma de modelos matriciais contínuos, completou a estruturação do núcleo operativo
do SEAD, atendendo com isto o estabelecimento da base de conhecimentos dentro de
um plano de gestão costeira.
4.2.5.2. Extração de dados implícitos versus geração de novos
dados
A integração do SEAD como uma unidade operativa serviu para maximizar os
processos de extração de dados implícitos dos originalmente obtidos. Dados
implicitamente disponíveis se converteram em dados concreos aplicáveis aos
posteriores processos de gestão de soluções fundamentadas em avaliações ambientais,
aumentando a eficácia dos mesmos. Alcançou-se o critério estabelecido por FABBRI
(1998), no sentido que a implementação de um SEAD é a estratégia de maior eficiência
para captura de dados, integração, análise, modelagem e avaliação de impactos
derivados de certos cenários físicos.
Esta extração dos dados implícitos se apresentou como alternativa válida
considerando tempos de execução e custos operativos quando comparados com a
execução de trabalhos adicionais ou aplicação de técnicas de medição direta para
obtenção de novos dados em campo que suplantariam os obtidos por técnicas indiretas
de medição. Neste sentido, a conversão para polígonos dos píxeis classificados como
solo seco ou solo úmido por parte das hipóteses do SE permitiu calcular atributos tais
como a superfície das áreas detectadas, sem necessidade de utilizar técnicas diretas de
medição tais como topografia ou levantamento GPS, atingindo valores de exatidão
aceitáveis.
Os critérios de classificação assistida pelo SE apoiaram-se em propriedades das
regras fundamentadas em critérios físicos, matemáticos e legais, o qual diminui a
-141-
subjetividade da determinação quando comparada com interpretações visuais do
especialista.
Existe uma restrição à aplicação destas considerações, a qual deverá ser atendida a
partir do momento em que as precisões e exatidões requeridas no processo de derivação
de dados para atender as exigências da avaliação ambiental sejam tais que justifiquem o
uso de técnicas de medições diretas.
4.2.5.3. Diferencia entre SEAD e SIG
Nesta etapa do método se chegou a uma estruturação do SEAD compatível com as
definições de MÁRKUS (1999), que define o SEAD um marco funcional para integrar
capacidades de modelagem analítica, sistemas de manejo de base de dados, capacidades
de representação gráfica e de representação tabular dos dados, além da incorporação do
conhecimento próprio do tomador de decisões.
Atendendo as indicações do mesmo autor, verificou-se também que o SIG apoiou-se
principalmente no sistema de manejo de base de dados, as capacidades de representação
gráfica e de representação tabular dos dados.
A estruturação do SEAD neste trabalho evidenciou que, em concordância com
MÁRKUS (1999), certas capacidades de modelagem analítica não estiveram presentes
no SIG utilizado nem que seu desenho foi suficientemente flexível para atender as
variações tanto no contexto como no processo de tomada de decisões orientadas ao
planejamento ou gestão de uma área costeira.
4.2.5.4. Programas computacionais desenvolvidos
Para alcançar a capacidade de modelagem analítica necessária dentro do SEAD,
programou-se um módulo destinado a interagir com o SIG por meio de uma tabela de
dados, em formato dBase IV (.dbf), tipo dynaset. A linguagem de programação utilizada
foi Microsoft ® VisualBasic 4.0. O programa utilizou o motor de base de dados
Microsoft ® Jet atendendo as recomendações de POTTER, MAXWELL & SCOTT
(1993) para ter acesso aos dados contidos nas tabelas dos temas gerados pelo SIG. No
mesmo foram incorporadas duas instruções SQL (“Structured Query Language”),
expressão que define comandos e inclui cláusulas da linguagem de consultas
estruturadas para base de dados. A fonte do mesmo pode consultar-se no apêndice deste
trabalho.
-142-
Foram elaboradas 14 aplicações para assistir os processos de obtenção de imagens,
processamento de dados, estatística e controle de periféricos. Estas aplicações estão
apoiadas em programação orientada a objetos, representando uma perspectiva diferente
com relação à programação padrão por procedimentos. Nesta última, considerava-se o
fluxo do programa desde a primeira até a última linha de código, enquanto que na
programação orientada a objetos aplicada no método foram criados os mesmos
considerando cada um deles como componentes de uma aplicação que tem
funcionalidade privada além da funcionalidade geral que se ofereceu ao usuário final.
4.2.5.5. Compatibilização de escalas e de densidades de
informação
A estruturação operativa do SEAD levou a considerar situações derivadas da utilização
de dados elaborados em diferentes escala temáticas e com diferente densidade de
informação. Esta consideração aparece inicialmente como uma dificuldade incompatível
com a rigidez métrica que deve caracterizar os sistemas de informação, embora para a
elaboração da base de conhecimentos destinada a um plano de gestão costeira aceitou-se
a heterogeneidade de escalas e densidades de informação, possibilitando desta forma o
conhecimento holístico da área e das problemáticas estudadas.
Como escala temática considerou-se a escala em que foi originalmente interpretado
cada tema em questão, fator decisivo no que diz respeito aos critérios de generalização
cartográfica aplicados. A densidade de informação se entendeu como a relação entre
número de entidades básicas de um tema por unidade de superfície.
Os elementos obtidos em diferentes escala temáticas que se integraram como
variáveis à mesma rede de decisão (por exemplo, os dados das áreas construídas obtidos
por restituição fotogramétrica em escala 1:5000 e as manchas de umidade estimadas
sobre uma banda da imagem SPOT, com 20m de resolução planimétrica), foram
tratados operativamente junto aos dados de diferente densidade de informação (por
exemplo, altimetria com 500 pontos por km2 de densidade média e pontos para análise
de águas superficiais com 11 pontos por km2).
As restrições funcionais impostas por estas duas propriedades (escala temática e
densidade de informação), mesmo tendo sido consideradas, não tiveram incidência
operativa na conformação da base de conhecimentos que se desenvolveu. A abstração e
simplificação de entidades utilizadas de acordo a sua importância relativa, sua utilização
conjunta e contribuição temática à finalidade do mapa (processo de generalização
cartográfica) será uma precaução que se deverá considerar na hora da tomada das
-143-
decisões e, considerando a BUNDY, JONES & FURSE (1995), dentro do contexto de
espacialização, antes que na fase de estruturação do SEAD.
4.2.5.6. Funcionamento do SEAD
Para dar resposta a um problema ambiental definido concordante com as hipóteses de
trabalho, verificando a função do SEAD na fase de apoio às decisões, utilizou-se o
mesmo de forma integrada com a base de conhecimentos estruturada para a gestão da
área costeira estudada.
Levando em consideração os problemas de degradação da cobertura vegetal nativa
em alguns setores da APP correspondente ao manguezal estudado, a ação conjunta de
fatores antrópicos e naturais estaria alterando significativamente a flora, tendo como
resultado áreas de solo exposto ou “gaps” atendendo a designação de DUKE (1992) e
considerações de PORTO FILHO (2002).
Visando o fornecimento de dados que apóiem na tomada de decisões destinadas à
recuperação destes setores, ensaiou-se e demonstrou-se funcionalmente que o SEAD
integrado ao SIG, SE, programas específicos e dados de sensoriamento remoto,
forneceu respostas referidas à problemática da área afetada, especialmente relacionadas
com a localização, custo de reposição com exemplares nativos do manguezal e tempos
de execução de tarefas. Neste sentido, ensaiou-se uma seqüência de técnicas apoiadas
no fluxo de atividades apresentado na Figura 4.21.
Figura 4.21.: Método para avaliação da degradação da cobertura vegetal nativa
-144-
Considerando a localização planialtimétrica destes “gaps” ou clareiras dentro do
manguezal, sua evolução temporal no que diz respeito à área ocupada, sua relação com
elementos antrópicos tais como canais, não existiria convergência de critérios para
classificar essas áreas como “apicuns” segundo a definição de Cintron (2003). Ressaltase que, se as áreas fossem apicuns, não deveria aplicar-se técnicas para recuperação das
mesmas, pois esse tipo de terrenos hipersalinos formam parte do ecossistema dos
manguezais.
Dentro do marco do SEAD, elaborou-se um programa que, operando como modelo
para o planejamento econômico e operativo, interagiu com o SIG e o SE utilizando os
modelos matriciais temáticos originados pelo SE durante as classificações assistidas
junto aos valores de superfície de cada área com solos expostos calculada pelo SIG.
Por meio da aplicação do SE com hipóteses orientadas a determinar solos expostos
secos e úmidos (condição média) dentro da APP apoiadas em interpretação visual de
imagens e trabalhos de campo, desenvolveu-se e aplicou uma base de conhecimentos da
forma detalhada anteriormente para classificação assistida correspondente à componente
de qualificação da hipótese.
Obteve-se um arquivo imagem em formato matricial, o qual posteriormente foi
convertido em vetorial para possibilitar seu processamento no SIG como tema com
atributos associados.
A incorporação dos polígonos com as classes de solos secos e úmidos ao ambiente
do SIG permitiu determinar o componente de localização dos mesmos, representado
pelos centróides das figuras, calculando-se além disso a superfície de cada um deles.
Os três dados calculados (coordenadas N, E e superfície), conjuntamente com um
dado descritivo da localização do polígono foram incorporados em campos da tabela de
atributos dos tema solos secos e solos úmidos. Programou-se um módulo destinado a
interagir com essa tabela de atributos gerada pelo SIG, para determinar custos e tempos
de reposição de espécies próprias do manguezal dentro de um plano de trabalho que
poderia ser gerenciado pela Prefeitura de Florianópolis ou pela UFSC.
Executou-se o programa e foram obtidos resultados para quatro áreas com problemas
similres de solos expostos detalhados anteriormente.
As variáveis lidas da tabela de atributos pelo programa foram a superfície e a
descrição da localização do polígono, antes calculados pelo SIG. Como dados de
entrada utilizou-se a densidade de indivíduos estimada em campo (árvores ou arbustos
por hectare), tempo em dias de disponibilidade das plantas para reposição, custo
estimado das plantas por 1000 unidades, quantidade de operários disponíveis,
-145-
rendimento dos operários em planta por dia, custo operativo mensal de cada operário e
data de início das atividades.
Estes dados puderam ser alterados durante a execução do programa para recalcular e
avaliar diferentes alternativas de trabalho e planejamento econômico das atividades.
Como fonte dos dados, consideraram-se informantes qualificados, principalmente
funcionários da Municipalidade, que forneceram estes valores por meio de consultas
verbais.
Em função da densidade de indivíduos e área de solo exposto, calculou-se o número
total de indivíduos vegetais necessários a serem replantados; calculou-se o custo das
plantas, o custo da mão de obra, o custo parcial de reposição em cada área com solo
exposto, o custo total para todos os polígonos pertencentes ao mesmo setor, o tempo de
trabalho dos operários, o prazo de execução das tarefas de reposição por área, a data
estimada de finalização e a data limite, com tolerância de 10% no tempo. Todos os
resultados obtidos se armazenaram como dados nos campos específicos da tabela de
atributos.
Incorporaram-se duas instruções SQL (“Structured Query Language”), expressão que
define comandos e inclui cláusulas da linguagem de consultas estruturadas para base de
dados, em concordância com as indicações de MICROSOFT (1993). As instruções SQL
são usadas normalmente em consultas e em funções de grupamento, embora também se
podem utilizar para criar ou modificar a estrutura de uma base de dados. Estas
instruções SQL permitiram selecionar dados da tabela de atributos a partir de valores
especificados de área ou por descrição da localização do polígono.
O componente de qualificação de solos expostos secos e úmidos representado por
polígonos de um tema, as tabelas de atributos contendo o componente de localização,
superfície e descrição da localização desse tema, e o vínculo com o programa para
cálculo de custos e tempo de execução de tarefas de reposição de indivíduos vegetais
conjuntamente com os dados de entrada, reuniram-se e representaram por meio do
ambiente SIG.
Conseqüentemente, e em concordância com as diretrizes de KEENAN (1997), o SIG
passou a ser o gerador do SEAD, administrando e relacionando espacialmente
atividades vinculadas ao geoprocessamento e à modelagem econômica (Figura 4.22).
-146-
Figura 4.22: SE, SIG, Base de dados e Modelo para cálculo de custos
Integrados em um núcleo gerador do Sistema Espacializado de Apoio à Decisão
A determinação de custos e tempos de execução em função da superfície de setores
de solo exposto seco e úmido na APP foi alcançada a partir da integração destes
componentes. Os campos com os dados obtidos utilizaram-se para a elaboração de
cartografia temática, gerando-se representações espaciais de número de indivíduos a
serem replantados e custos de execução de cada subprojeto destinado à reposição de
espécies nativas do manguezal. A estrutura da tabela de atributos utilizada para vincular
o SIG e o modelo de custo e operativo apresenta-se na Tabela 4.10.
Tabela 4.10.: Estrutura da tabela de atributos para vincular SIG
e modelo de custos/operacional
Ordem
1
2
3
4
5
6
7
8
9
10
11
Campo
GRIDCODE
TIPO
N
E
SUPERFICIE
DESCR
DATA_INI
DATA_FIN
DATA_FIN_TOL
DENSIDADE
TOT_PLANTAS
Tipo
Numeric
Character
Numeric
Numeric
Numeric
Character
Date
Date
Date
Numeric
Numeric
Tamanho
10
12
16
16
16
20
8
8
8
5
6
Decimais
2
-147-
Tabela 4.10. (continuação): Estrutura da tabela de atributos para vincular SIG
e modelo de custos/operacional
Ordem
12
13
14
15
16
17
18
19
20
21
22
Campo
TOT_CUST_PL
TOT_CUST_OP
TOT_PROJETO
TOT_TEM_OP
TOT_TEM_PRO
DISPON
CUSTO_PL
OPERARIOS
REND_OP
CUSTO_OP
TOTALORUM
Tipo
Numeric
Numeric
Numeric
Numeric
Numeric
Numeric
Numeric
Numeric
Numeric
Numeric
Numeric
Tamanho
6
6
6
6
6
4
8
3
4
8
10
Decimais
2
2
2
4.2.5.7. Adequação do método
Com a integração dos componentes citados orientados à utilização de técnicas de
geoprocessamento, o estabelecimento dos vínculos descritos e a disponibilização
concreta de resultados oferecendo uma alternativa de recuperação da área degradada,
demonstrou-se a viabilidade de aplicação de um sistema para a gestão de uma área de
transição fluviomarítima fundamentado em um Sistema Espacializado de Apoio à
Decisão integrado por SIG, SE, programas específicos e dados do sensoriamento
remoto.
A concretização do método neste ponto significa também que mediante a aplicação
destes procedimentos é possível aumentar objetivamente o domínio formal da base de
conhecimentos técnicos em um plano de gestão costeira, aceitando que os mesmos serão
produzidos em diferentes escalas e com diferentes densidades de informação.
Existem outras vias válidas para chegar a este ponto, empregando técnicas de
processamento e fontes de dados diferentes. Mesmo assim, a seqüência aqui apresentada
responde a uma alternativa metodológica de estruturação da base de conhecimentos
técnicos em um plano de gestão costeira apoiada no geoprocessamento, da qual se
encontraram reduzidos exemplos no âmbito de intercâmbio acadêmico e tecnológico no
qual esteve inserida a investigação. Esta alternativa metodológica esteve caracterizada
em todas as etapas de execução pela aplicação de avaliações suscetíveis de serem
comprovadas por métodos matemáticos ou estatísticos, fato que garante a determinação
objetiva do grau de qualidade alcançada para os resultados, independentemente da
difusão ou dispersão dos mesmos no espaço conceitual ou marco formal de trabalho.
–—
-148-
CAPITULO 5
RESULTADOS E DISCUSÃO
RESUMO DO CAPÍTULO 5
Apresentam-se os resultados principais e intermediários obtidos
durante o desenvolvimento da investigação. Destaca-se a validade
dos mesmos, as possibilidades e as limitações para a transferência
a outras áreas. Continuando, detalham-se os resultados da
avaliação das duas hipóteses consideradas. Finalmente, mostramse os resultados intermediários correspondentes a produtos
derivados obtidos para alcançar os objetivos propostos.
5.1. RESULTADOS
5.1.1. Validade dos resultados obtidos na pesquisa
Atendendo as restrições que se apresentaram durante o desenvolvimento da
investigação, deve-se atender a validade dos resultados obtidos segundo critérios
geográficos, temporais e funcionais marcados no Capítulo 1.
Os resultados que aqui são apresentados, derivados das hipóteses de trabalho,
correspondem à área de aplicação direta limitada pelos 228ha da área de preservação
permanente. As relações entre os resultados e as características ambientais de outros
mangues bem como a extrapolação de conclusões, pontos já justificados, restringiram-se
às áreas de transição fluviomarítima.
A validade dos dados e resultados no tempo, como se citou, apóia-se nas observações
de campo e nos estudos realizados por PANITZ (1986) e por BERNARDY (2000).
Conseqüentemente, os resultados e as considerações poderiam considerar-se válidas por
aproximadamente quatro a cinco anos, enquanto que aspectos tais como ocupação do
solo, cadastro e zoneamento administrativo da área com maior intervenção antrópica
deveria restringir-se a dois ou três anos, em concordância com as justificativas
analisadas.
-149-
As restrições funcionais dos resultados estão limitadas a integrar os mesmos à base
de conhecimentos técnicos-científicos em um plano de gestão costeira, servindo como
apoio para orientar as ações de um plano de maior abrangência.
5.1.2. Transferência e aplicação em outras áreas
A transferência do método utilizado para outras áreas, atendendo as restrições
geográficas, temporais e funcionais citadas, se deveria focalizar em três pontos,
considerando: (a) aplicações de um SEAD como técnica de apoio à decisão em planos
de gestão costeira, (b) maior desenvolvimento das técnicas de fusão de dados entre
fotografias aéreas e imagens de sistemas digitais de reconhecimento similares ao
utilizado, e (c) incremento das capacidades técnicas dos periféricos e programas
componentes do sistema digital de reconhecimento que sejam utilizados.
Em geral, atendendo os critérios de homogeneidade morfológica já citados,
deveriam-se esperar respostas análogas do sistema digital de reconhecimento em outras
áreas de transição fluviomarítima localizadas na parte Sul da Costa Sudeste Brasileira,
compreendida pela área litorânea Sul do estado de Paraná e as costas do estado de Santa
Catarina até o Cabo de Santa Marta.
Com a finalidade de obter dados consistentes e concretos sobre a eficácia do método
transferido a outras áreas, se deveria incorporar esta técnica a investigações que se
vinculem com a função da base técnico-científica em um plano definido de gestão
costeira.
5.1.3 Resultados da verificação de hipóteses
A consideração e verificação de duas hipóteses estruturadas sobre situações concretas
permitiu estabelecer critérios sobre a aplicabilidade e a transferência do método e das
técnicas desenvolvidas, bem como especificar as contribuições concretas que ofereceu a
pesquisa.
Atendendo a primeira hipótese, verificou-se que a aplicação de um SEAD
estruturado a partir de um SIG baseado em dados gerados pelo Cadastro
Multifinalitário, sensoriamento remoto e medições de campo, em um SE baseado em
redes de decisão e em programas específicos para modelagem de situações pontuais,
permitiu gerar conhecimentos formais para integrar a base técnico-científica dos planos
de gestão costeira, apoiando objetivamente na tomada de decisões relacionadas com a
recuperação de áreas litorâneas vinculadas a formações fluviomarítimas.
-150-
Na segunda hipótese considerou-se que a aplicação de técnicas para obtenção de
imagens baseadas em sistemas digitais de reconhecimento destinados ao monitoramento
ambiental de áreas litorâneas pode prover apoio técnico para obter dados temáticos
compatíveis com estes processos. A atual falta de qualidade métrica pode ser
minimizada por meio da aplicação de técnicas de fusão de dados entre fotografias aéreas
convencionais e imagens do sistema digital desenvolvido.
As imagens com fusão de dados obtidas adequaram-se tecnicamente quando foram
destinadas à otimização da análise visual ou automática dos elementos das áreas de
manguezais, devido ao incremento do poder discriminante obtido a partir da fusão de
fotografias aéreas pancromáticas coloridas e imagens digitais correspondentes ao
comprimento de onda de 900nm.
5.1.3.1. Primeira hipótese
Além de contribuir com dados concretos para recuperação de espécies da flora nativa no
manguezal, deve-se indicar que a verificação da primeira hipótese permitiu gerar
resultados que poderiam ser destinados à aplicação do Princípio Poluidor-Pagador
(PPP), o qual precisa de dados objetivos que possibilitem acionar preventiva e
corretivamente em casos de degradação ambiental.
A aparição de problemas de degradação da cobertura vegetal nativa na APP
correspondente ao manguezal estudado se deveria à conjunção de fatores antrópicos e
naturais que, como foi indicado, estaria alterando significativamente a flora criando
áreas de solo exposto ou “gaps” (Figura 5.1).
Para determinar objetivamente esta situação considerando o manejo integrado do
problema por meio do SEAD, operacionalizando e verificando a primeira hipótese, foi
necessário obter resultados a partir do monitoramento de um setor degradado dentro da
APP (N=6946600; E=22744728). Utilizaram-se fotografias aéreas tomadas em 1938,
1957, 1969, 1978, 1979, 1994, 1998, 2000 e 2002, o qual permitiu evidenciar e
quantificar a evolução desta situação.
Como resultados deste monitoramento (Figura 5.2), estabeleceu-se por
fotointerpretação estereoscópica direta a olho nu que, em 1938, já se observavam canais
de esgotos escoando pela vertente Oeste da bacia, atravessando a área em sentido SWNE. Observou-se maior refletância de solos no centro da fotografia, o qual poderia
indicar cobertura vegetal com menor densidade em processos associados a fenômenos
de hipersalinização, próprios das áreas periféricas dos manguezais. Não tiveram-se
elementos suficientes para considerar estes setores como apicuns em 1938. Em 1957,
-151-
logo depois de dezenove anos, notou-se a permanência destes canais na área. A
cobertura vegetal de Avicennia é maior na metade E da fotografia, enquanto que ao W
manteve-se menor. Em 1969, doze anos mais tarde, construiu-se um novo canal paralelo
aos dois anteriores. A condição de maior cobertura vegetal arbórea se mantém ao E da
fotografia e menor ao W. A observação do aumento da cobertura de mangues desde
1938 a 1969 poderia-se considerar como critério convergente para aplicar hipóteses de
dinâmica de apicuns, mas como foi citado, faltam dados medidos que poderiam orientar
as conclusões neste sentido.
Figura 5.1.: Vistas da área degradada dentro do manguezal do Itacorubi
Comparem-se as duas primeiras linhas com as três vistas inferiores,
onde apresenta-se o estado normal dos exemplares de mangue
Nos dez anos que transcorrem do registro anterior até 1979, identificou-se um novo
elemento da paisagem correspondente ao aterro da avenida Beira Mar. Observou-se no
aterro as obras de canalização que mantiveram operativos os antigos esgotos. A
cobertura arbórea de Avicennia apareceu mais homogênea, embora com clareiras na
parte S da fotografia. Em 1994, depois de quinze anos, observou-se junto aos anteriores,
um novo canal de esgoto perpendicular a Av. Beira Mar.
-152-
Figura 5.2.: Monitoramento da área degradada no manguezal do Itacorubi
por meio de fotografias aéreas
-153-
A cobertura de Avicennia é homogênea, embora observou-se diminuição nas
proximidades dos canais. Quatro anos depois, em 1998, evidenciaram-se alterações na
cobertura vegetal de Avicennia na área próxima aos canais de esgoto, localizadas no
centro W da fotografia. Nos dois anos posteriores a 1998, acentuou-se o processo de
diminuição da cobertura de Avicennia, aparecendo em 2000, setores definidos de solo
exposto associados aos primitivos canais de esgotos. Evidenciou-se um processo de
estabilização de perda da cobertura da Avicennia nos dois anos posteriores. Sem ter-se
construído novas canalizações, em 2002 foram habilitados novos esgotos nos canais
existentes.
Depois de detectado e medido o incremento da área degradada (Quadro 5.1 e Gráfico
5.1) e contando com um adequado volume de dados específicos proporcionados pelo
SEAD, aplicaram-se critérios visando a recuperação desta área afetada e outras
similares. Estabeleceu-se uma linha de aplicação vinculada à criação de um conjunto de
dados para ser aplicados por normas legais corretivas, tais como o princípio poluidor pagador.
12000
Área (m2)
10000
ano 1994 1774m2
ano 1998 9425m2
ano 2000 10128m2
8000
6000
ano 2002 10274m2
4000
2000
0
1970
1980
1990
2000
2010
Año
Quadro 5.1.: Evolução da área degradada estudada no manguezal do Itacorubi
Além desta área monitorada, analisaram-se três áreas adicionais que apresentam
condições similares com relação à degradação de sua cobertura arbórea. Estas áreas
estão localizadas nas coordenadas centrais N=6946223, E=22744854; N=6946642,
E=22745070; N=6946531, E=22745046.
Derivaram-se resultados a partir da aplicação das técnicas detalhadas no ponto
4.1.5.6. (Gráfico 5.2), considerando que a área degradada estava originariamente
coberta exclusivamente por A. schaueriana sobre solos caracterizados como úmidos.
Não obstante esta restrição citada, os resultados concordam com os valores de cobertura
medidos por meio de técnicas de interpretação visual em SÁNCHEZ DALOTTO
(2002a, 2002b, 2002c).
-154-
Gráfico 5.1.: Monitoramento de uma área degradada no manguezal do Itacorubi – Período
1994/2002
-155-
Gráfico 5.2.: Resultados da classificação por Sistema Experto
-156-
Foram lidos os valores da tabela de atributos pelo programa corresponderam a solos
secos e solos úmidos. Estas foram a superfície e a descrição da localização de 4177
polígonos convertidos dos modelos matriciais temáticos elaborados pela classificação
assistida do SE. Destes, selecionaram-se 970 polígonos que oscilaram entre 1m2 e 41m2
dentro das quatro áreas modeladas, as quais somaram 16000m2 de setores degradados
com solos expostos, havendo-se aplicado nesta ocasião a modelagem sobre os setores
correspondentes à classe de solos úmidos identificados.
A densidade de indivíduos estimada em campo foi fixada 2700 exemplares por
hectare (Figura 5.3.); o tempo de disponibilidade das plantas para reposição se estimou
em 30 dias; o custo das plantas por 1000 unidades se estimou em R$1000; a quantidade
de operários disponíveis se fixou em 3, com um rendimento diário de plantado estimado
em 200 plantas por dia; o custo operativo mensal de cada operário se fixou em R$500 e
a data de início das atividades estimada foi 1 de Julho de 2002.
Figura 5.3.: Setor de 1ha. no manguezal com cobertura média
de 2700 exemplares de A. schaueriana
Escala aproximada 1:2000
Calculou-se o número total de indivíduos vegetais necessários a serem replantados
por polígono de setor degradado para alcançar a densidade de árvores considerada
representativa dentro do manguezal, com tolerância de +10%, encontrando-se que
variaram entre 1 a 13 exemplares; calculou-se o custo das plantas por área degradada, o
custo total da mão de obra, o custo parcial de reposição em cada área com solo exposto,
o custo total para todos os polígonos pertencentes ao mesmo setor, o tempo de trabalho
dos operários, o prazo de execução das tarefas de reposição por área, a data estimada de
finalização e a data limite, com tolerância de 10% no tempo. Os custos finais de cada
sub-projeto teve valores entre R$4.000 e R$30.000.
Os resultados foram armazenados na tabela de atributos dos polígonos, fato pelo qual
foi possível utilizar os mesmos para elaborar cartografia temática (Gráficos 5.3 e 5.4).
-157-
Gráfico 5.3.: Recuperação da área degradada – Número de mangues por setor contíguo de solo
exposto
-158-
Gráfico 5.4.: Recuperação da área degradada – Custo do projeto por subárea
-159-
A utilização da tabela de atributos como fonte de dados para elaborar cartografia
temática permitiu visualizar espacialmente os resultados das atividades consideradas,
convertendo-se em um produto de apoio à decisão para os planejadores deste tipo de
tarefas, possibilitando a determinação de prioridades, cronogramas de atividades,
cronogramas de investimentos e previsão de resultados, entre outras atividades.
5.1.3.1.1. Considerações sobre os resultados da primeira hipótese
Com os resultados apresentados demonstrou-se que foi possível gerar os conhecimentos
formais que integram a base técnico-científica de um plano de gestão costeira a partir da
aplicação de um SEAD estruturado pelo SIG, SE e programas específicos para
modelagem de situações pontuais, fato que deu apoio objetivo à tomada de decisões
vinculadas à recuperação de áreas litorâneas associadas com formações fluviomarítimas.
Mesmo sem contar com um planejamento concreto para o problema analisado do ponto
de vista da degradação ambiental, desconsiderou-se o componente causal do problema,
minimizando-se a capacidade para executar ações corretivas ou preventivas segundo a
seqüência de atividades detalhada, em concordância com as necessidades expostas por
CASTILLO (2000) e HUGGETT (1998).
5.1.3.2. Segunda hipótese
A partir do desenvolvimento da segunda hipótese demonstrou-se que em processos de
monitoramento ambiental de áreas litorâneas, a aplicação de técnicas de obtenção de
imagens apoiadas em sistemas digitais para reconhecimento fornecem apoio técnico
para obter dados temáticos compatíveis com esses processos, suprindo as atuais
carências de qualidade métrica desses sistemas por meio de técnicas de fusão de dados,
gerados por fotografias aéreas convencionais.
Obtiveram-se resultados por meio dos quais evidenciou-se que a aplicação de
técnicas de fusão de dados sobre imagens destinadas à avaliação e monitoramento
ambiental de áreas fluviomarítimas são adequadas para otimizar a análise visual ou
automática dos elementos deste tipo de formações, considerando o incremento do poder
discriminante das imagens obtidas a partir da fusão de fotografias aéreas pancromáticas
coloridas e imagens digitais obtidas no comprimento de onda de 900nm.
Os resultados nesta fase do trabalho apoiaram-se em imagens de fotografias aéreas
(Figura 5.4 esquerda) e imagens do sistema de reconhecimento em 900nm (Figura 5.4
centro), as quais constituíram a base dos processos para obtenção de imagens por meio
da fusão de dados (Figura 5.4 direita). O processo foi aplicado dentro do manguezal
-160-
para seis áreas de 6.5ha de superfície média. As coordenadas centrais destas seis áreas,
dimensões dos lados e superfícies indicam-se na Tabela 5.1. A localização de cada setor
dentro da área estudada é apresentado na Figura 5.5.
Figura 5.4.: Imagens de fotografia aérea, sistema digital e fusão de dados.
Tabela 5.1.: Coordenadas centrais e dimensões das áreas utilizadas para fusão de dados
ÁREA
1
2
3
4
5
6
N (m)
22745792
22744999
22745351
22745622
22745442
22745253
E (m)
6946182
6946837
6946459
6946630
6947021
6947159
DIMENSÕES (m)
307 x 223
254 x 263
290 x 217
279 x 220
306 x 225
295 x 213
SUPERFÍCIE (m²)
68461
66802
62930
61380
68850
62835
Figura 5.5.: Localização de áreas para obtenção de imagens por fusão de dados
-161-
Para a obtenção dos resultados finais que permitiram a comprovação da segunda
hipótese a partir da sua operacionalização, calcularam-se os histogramas das imagens de
fotografias aéreas, imagens em infravermelho 900nm e imagens resultantes dos
processos de fusão de dados correspondentes aos canais vermelho, verde, azul e média
dos mesmos. A representação dos histogramas evidenciou graficamente tendências à
normalização em imagens das fotografias aéreas obtidas em espectro visível (Figuras
5.7.a., 5.10.a., 5.13.a., 5.16.a., 5.19.a. e 5.22.a.) e predomínio de bimodalidade ou
trimodalidade em imagens infravermelho 900nm (Figuras 5.7.b., 5.10.b., 5.13.b.,
5.16.b., 5.19.b. e 5.22.b.), em concordância com o indicado por LILLESAND &
KIEFFER (1994). Note-se que, embora se apresentaram com fins comparativos os
perfis e histogramas de imagens de fotografias aéreas obtidas no espectro visível e
imagens infravermelhas 900nm, estas últimas apresentaram o mesmo histograma por
ter-se obtido originalmente em modo cinza e posteriormente convertidas para o modo
cor real com 16M cores.
Os histogramas resultantes para as imagens obtidas por fusão de dados (Figuras
5.7.c., 5.10.c., 5.13.c., 5.16.c., 5.19.c. e 5.22.c.) mostram a redistribuição das
freqüências de acordo com a forma do histograma das imagens infravermelho 900nm,
enquanto que o desenvolvimento horizontal do mesmo, vinculado ao número digital, é
controlado principalmente pela imagem obtida no espectro visível.
Estas características evidenciaram-se nos estatísticos da Tabela 5.2., calculados para
cada tipo de imagem e para cada canal. Observou-se que a média e a mediana dos DN
das imagens obtidas em IR 900nm foram superiores às das imagens obtidas no espectro
visível, devido ao predomínio das respostas espectrais altas originadas pela cobertura
vegetal. As médias e medianas das imagens obtidas por fusão de dados localizaram-se
entre as anteriores.
Observou-se maior dispersão dos valores do DN nas imagens obtidas por IR 900nm
devido ao predomínio das respostas espectrais dos dois elementos do terreno
preponderantes (vegetação e água). Nas imagens de fotografias aéreas espectro visível o
desvio foi menor, qualidade que foi repassada às imagens obtidas por fusão de dados.
Teve-se como resultado imagens nas quais predominam os contrastes espectrais dos
elementos do terreno correspondentes às imagens infravermelhas, otimizando o poder
discriminante das mesmas, no entanto que a incorporação da variável cor originada nas
imagens de fotografias aéreas às imagens de fusão de dados, completou o processo para
obter um produto tematicamente enriquecido com relação às imagens originais,
destinado ao monitoramento ou avaliação ambiental de áreas fluviomarítimas que
precisam ser gerenciadas visando a estruturação de um plano de gestão costeira.
-162-
Tabela 5.2.: Estatísticos das imagens de cada setor analisado
CASO
CANAL
1
RGB
TIPO DE IMAGEM 8 BITS
Visível
MÉDIA DN DESVÍO DN MEDIANA DN
71
29
75
1
RGB
Infravermelho 900nm
122
49
134
1
RGB
Fusão de dados
108
45
117
1
R
Visível
70
30
73
1
R
Infravermelho 900nm
122
49
134
1
R
Fusão de dados
103
43
111
1
G
Visível
76
29
80
1
G
Infravermelho 900nm
122
49
134
1
G
Fusão de dados
118
49
128
1
B
Visível
1
B
Infravermelho 900nm
1
B
Fusão de dados
2
RGB
Visível
2
RGB
Infravermelho 900nm
2
RGB
Fusão de dados
52
25
55
122
49
134
75
36
78
136
49
141
133
9
141
124
46
131
2
R
Visível
135
49
140
2
R
Infravermelho 900nm
133
9
141
2
R
Fusão de dados
116
44
123
2
G
Visível
141
49
146
2
G
Infravermelho 900nm
133
9
141
2
G
Fusão de dados
133
48
141
2
B
Visível
116
46
119
2
B
Infravermelho 900nm
133
9
141
2
B
Fusão de dados
101
41
106
3
RGB
Visível
114
37
120
3
RGB
Infravermelho 900nm
138
49
149
3
RGB
Fusão de dados
110
49
120
3
R
Visível
114
37
121
3
R
Infravermelho 900nm
138
49
149
3
R
Fusão de dados
100
46
109
3
G
Visível
116
37
123
3
G
Infravermelho 900nm
138
49
149
3
G
Fusão de dados
121
53
132
3
B
Visível
103
35
109
3
B
Infravermelho 900nm
138
49
149
3
B
Fusão de dados
82
42
89
4
RGB
Visível
119
32
127
4
RGB
Infravermelho 900nm
134
58
148
4
RGB
Fusão de dados
123
54
136
4
R
Visível
118
33
125
4
R
Infravermelho 900nm
134
58
148
4
R
Fusão de dados
111
50
121
4
G
Visível
123
33
131
4
G
Infravermelho 900nm
134
58
148
4
G
Fusão de dados
134
58
148
4
B
Visível
105
31
112
4
B
Infravermelho 900nm
134
58
148
4
B
Fusão de dados
101
47
110
5
RGB
Visível
126
48
128
5
RGB
Infravermelho 900nm
151
45
161
5
RGB
Fusão de dados
142
42
151
5
R
Visível
127
51
128
-163-
Tabela 5.2. (continuação): Estatísticos das imagens de cada setor analisado
CASO
CANAL
5
R
Infravermelho 900nm
TIPO DE IMAGEM 8 BITS
MÉDIA DN DESVÍO DN MEDIANA DN
151
45
161
5
R
Fusão de dados
138
42
146
5
G
Visível
130
48
132
5
G
Infravermelho 900nm
151
45
161
5
G
Fusão de dados
150
45
159
5
B
Visível
109
44
107
5
B
Infravermelho 900nm
151
45
161
5
B
Fusão de dados
115
35
121
6
RGB
Visível
99
47
96
6
RGB
Infravermelho 900nm
131
51
142
6
RGB
Fusão de dados
122
47
133
6
R
Visível
100
50
96
6
R
Infravermelho 900nm
131
51
142
6
R
Fusão de dados
120
45
128
6
G
Visível
102
47
100
6
G
Infravermelho 900nm
131
51
142
6
G
Fusão de dados
129
51
140
6
B
Visível
87
45
83
6
B
Infravermelho 900nm
131
51
142
6
B
Fusão de dados
94
39
99
Para evidenciar estes resultados, elaborou-se um perfil espectral por área e por tipo
de imagem, obtendo-se em total 18 perfis desagregados por canal e imagem RGB. A
localização dos seis perfis dentro da área estudada se apresenta na Figura 5.6. Os
resultados mostraram por meio da análise das diferenças entre os DN dos perfis, o
predomínio das características espectrais de contraste próprios das imagens
infravermelhas nas imagens com fusão de dados, podendo separar-se áreas úmidas da
vegetação, enquanto que, como foi indicado na análise de freqüências do histograma, a
contribuição de cores foi efetuada pelas imagens de fotografias aéreas. Além dos
resultados correspondentes aos perfis espectrais e histogramas, nos Gráficos 5.5 a 5.10
se apresentam as imagens utilizadas e obtidas para os seis casos citados.
Figura 5.6.: Localização dos perfis espectrais realizados sobre as imagens
-164-
Gráfico 5.5.: Fusão de dados – Caso 1
-165-
5.1.3.2.1. Caso 1
Figura 5.7.a. Caso 1.
Histogramas RGB e cinza
imagem visível
Figura 5.7.b. Caso 1.
Histogramas RGB e cinza
imagem infravermelho 900nm
Figura 5.7.c. Caso 1.
Histogramas RGB e cinza
imagem com fusão de dados
Figura 5.8.a. Caso 1. Imagem
visível
Figura 5.8b. Caso 1. Imagem
infravermelho 900nm
Figura 5.8c. Caso 1. Imagem
com fusão de dados
Figura 5.9a. Caso 1. Perfis
radiométricos RGB e cinza –
imagem visível
Figura 5.9b. Caso 1. Perfis
radiométricos RGB e cinza imagem infravermelho 900nm
Figura 5.9c. Caso 1. Perfis
radiométricos RGB e cinza imagem com fusão de dados
-166-
Gráfico 5.6.: Fusão de dados – Caso 2
-167-
5.1.3.2.2. Caso 2
Figura 5.10a. Caso 2.
Histogramas RGB e cinza
imagem visível
Figura 5.10b. Caso 2.
Histogramas RGB e cinza
imagem infravermelho 900nm
Figura 5.10c. Caso 2.
Histogramas RGB e cinza
imagem com fusão de dados
Figura 5.11a. Caso 2. Imagem
visível
Figura 5.11b. Caso 2. Imagem
infravermelho 900nm
Figura 5.11c. Caso 2. Imagem
com fusão de dados
Figura 5.12a. Caso 2. Perfis
radiométricos RGB e cinza imagem visível
Figura 5.12b. Caso 2. Perfis
radiométricos RGB e cinza imagem infravermelho 900nm
Figura 5.12c. Caso 2. Perfis
radiométricos RGB e cinza imagem com fusão de dados
-168-
Gráfico 5.7.: Fusão de dados – Caso 3
-169-
5.1.3.2.3. Caso 3
Figura 5.13a. Caso 3.
Histogramas RGB e cinza
imagem visível
Figura 5.13b. Caso 3.
Histogramas RGB e cinza
imagem infravermelho 900nm
Figura 5.13c. Caso 3.
Histogramas RGB e cinza
imagem com fusão de dados
Figura 5.14a. Caso 3. Imagem
visível
Figura 5.14b. Caso 3. Imagem
infravermelho 900nm
Figura 5.14c. Caso 3. Imagem
com fusão de dados
Figura 5.15a. Caso 3. Perfis
radiométricos RGB e cinza imagem visível
Figura 5.15b. Caso 3. Perfis
radiométricos RGB e cinza imagem infravermelho 900nm
Figura 5.15c. Caso 3. Perfis
radiométricos RGB e cinza imagem com fusão de dados
-170-
Gráfico 5.8.: Fusão de dados – Caso 4
-171-
5.1.3.2.4. Caso 4
Figura 5.16a. Caso 4.
Histogramas RGB e cinza
imagem visível
Figura 5.16b. Caso 4.
Histogramas RGB e cinza
imagem infravermelho 900nm
Figura 5.16c. Caso 4.
Histogramas RGB e cinza
imagem com fusão de dados
Figura 5.17a. Caso 4. Imagem
visível
Figura 5.17b. Caso 4. Imagem
infravermelho 900nm
Figura 5.17c. Caso 4. Imagem
com fusão de dados
Figura 5.18a. Caso 4. Perfis
radiométricos RGB e cinza imagem visível
Figura 5.18b. Caso 4. Perfis
radiométricos RGB e cinza imagem infravermelho 900nm
Figura 5.18c. Caso 4. Perfis
radiométricos RGB e cinza imagem com fusão de dados
-172-
Gráfico 5.9.: Fusão de dados – Caso 5
-173-
5.1.3.2.5. Caso 5
Figura 5.19a. Caso 5.
Histogramas RGB e cinza
imagem visível
Figura 5.19b. Caso 5.
Histogramas RGB e cinza
imagem infravermelho 900nm
Figura 5.19c. Caso 5.
Histogramas RGB e cinza
imagem com fusão de dados
Figura 5.20a. Caso 5. Imagem
visível
Figura 5.20b. Caso 5. Imagem
infravermelho 900nm
Figura 5.20c. Caso 5. Imagem
com fusão de dados
Figura 5.21a. Caso 5. Perfis
radiométricos RGB e cinza imagem visível
Figura 5.21b. Caso 5. Perfis
radiométricos RGB e cinza imagem infravermelho 900nm
Figura 5.21c. Caso 5. Perfis
radiométricos RGB e cinza imagem com fusão de dados
-174-
Gráfico 5.10.: Fusão de dados – Caso 6
-175-
5.1.3.2.6. Caso 6
Figura 5.22a. Caso 6.
Histogramas RGB e cinza
imagem visível
Figura 5.22b. Caso 6.
Histogramas RGB e cinza
imagem infravermelho 900nm
Figura 5.22c. Caso 6.
Histogramas RGB e cinza
imagem com fusão de dados
Figura 5.23a. Caso 6. Imagem
visível
Figura 5.23b. Caso 6. Imagem
infravermelho 900nm
Figura 5.23c. Caso 6. Imagem
com fusão de dados
Figura 5.24a. Caso 6. Perfis
radiométricos RGB e cinza imagem visível
Figura 5.24b. Caso 6. Perfis
radiométricos RGB e cinza imagem infravermelho 900nm
Figura 5.24c. Caso 6. Perfis
radiométricos RGB e cinza imagem com fusão de dados
-176-
5.1.3.2.7. Considerações sobre os resultados da segunda hipótese
Paralelamente ao desenvolvimento da investigação, discutiu-se por meio de diferentes
trabalhos publicados em eventos específicos a utilização desta técnica aplicada à
avaliação ambiental. Junto com as características técnicas discutidas anteriormente, a
aplicação destas hipóteses foi avaliada nos trabalhos citados.
Embora o sistema de reconhecimento desenvolvido experimentou com uma técnica
econômica para obtenção de imagens, adequada à real situação predominante na
América do Sul com relação a custos operativos, magnitude das áreas a serem avaliadas,
disponibilidade tecnológica e concordância com tempos de execução das atividades, não
pretendeu-se atingir características métricas compatíveis com sistemas fotogramétricos
digitais de alta prestação, chegou-se a dispor de uma técnica confiável para análise
espectral dos elementos do terreno. Neste sentido, as qualidades que caracterizaram o
sistema utilizado permitiram a comparação das imagens obtidas com imagens de
satélites de alta resolução planimétrica, tais como Ikonos ou QuickBird, disponíveis na
atualidade. Esta situação coloca ao sistema de reconhecimento digital desenvolvido com
vantagens e desvantagens frente aos produtos dos satélites citados.
Como vantagens observou-se que os dados são obtidos a tempo real e não se
manteve nenhum tipo de dependência tecnológica para realizar processos de correção
geométrica ou espectral. Não é necessário definir uma área mínima para que o
recobrimento seja disponibilizado (100km² para Ikonos e 64km² para QuickBird) nem
um largo mínimo para o mesmo (5km para o Ikonos e 2.5km para o QuickBird).
Ressalta-se também que com a utilização deste sistema de reconhecimento, por operar
baixa altura, minimizaram-se os problemas de sombras e áreas sem informação
ocasionadas por nuvens. Quando o sistema está montado em helicóptero, é possível
efetuar descidas verticais com o sistema, fato que permitiu obter imagens com resolução
centimetrica.
Como desvantagens pode-se citar que o recobrimento de uma área maior utilizando o
sistema (superior a 2km² considerando as provas realizadas), apresentaria dificuldades
operativas, tanto para o registro regular da área como para o processamento dos dados;
estas dificuldades operativas são menores quando se trata de áreas nas quais predomina
o comprimento sobre a largura da área relevada, tais como linhas de alta tensão ou
faixas de mata ciliar. Outra desvantagem observada, embora tecnicamente com solução
viável, é o fato que as imagens atualmente são obtidas pelo sistema desenvolvido em
uma janela espectral única por vez, não sendo possível operar paralelamente em modo
multiespectral, tal como seria feito por outro tipo de sensores.
-177-
Com relação aos custos, embora não tinham sido discutidos neste trabalho,
considerou-se que, se fosse possível adquirir imagens de satélites de alta resolução
planimétrica para áreas restritas destinadas à avaliação ambiental localizada, os custos
operativos por unidade de superfície de uma imagem representariam uma relação média
de 4:1 a favor do sistema de reconhecimento desenvolvido quando montado em avião,
em áreas de até 2km². Por estas considerações, percebe-se a potencial aplicação do
sistema de reconhecimento digital desenvolvido junto às técnicas para avaliação
localizada de problemas ambientais concretos.
5.1.4. Resultados intermediários
Destacam-se como resultados intermediários aqueles que foram derivados a partir da
aplicação do Sistema Digital de Reconhecimento e do SE na sua fase experimental.
Estes resultados, embora foram obtidos como subprodutos para alcançar os objetivos da
investigação, são citados por sua contribuição direta com a linha de trabalho na área de
monitoramento e avaliação ambiental.
Entre os resultados intermediários, o uso da técnica estatística multivariada da ACP
aplicada aos modelos matriciais temáticos e contínuos, permitiu classificar áreas
homogêneas para efetuar o zoneamento ambiental.
Com a aplicação do sistema de reconhecimento digital e o processamento eletrônico
de fotografias aéreas pancromáticas coloridas, obtiveram-se imagens digitais, imagens
para observação estereoscópica, seqüências lineares de imagens e imagens falsa cor.
Por meio do SE derivaram-se outras classificações, tais como áreas cobertas por
mangues, por solos expostos segundo altimetria e a seqüência de inundação por marés
da área estudada.
5.1.4.1. Zoneamento ambiental por ACP
Os resultados foram obtidos a partir do desenvolvimento do ponto 4.2.3. Zoneamento da
área de estudo. Como foi indicado no método, resumiu-se estatisticamente em seis
imagens a informação de cada grupo temático de dados de entrada, agrupados em vinte
e quatro variáveis antecedentes. Executou-se novamente o processo da ACP com a
finalidade de resumir novamente a informação em componentes principais a partir de
uma segunda seqüência apoiada nas seis imagens.
-178-
No Gráfico 5.11 (esquerda) apresentam-se os componentes principais 1 a 4 desta
segunda seqüência. O primeiro componente principal concentrou 33% da informação
das seis imagens obtidas na primeira execução da ACP. O segundo concentrou 25%, o
terceiro, 18% e o quarto, 14%, totalizando-se 90% da informação. Utilizando o
primeiro, segundo e terceiro componente principal (76% da informação) criou-se uma
imagem falsa cor (R=CP1, G=CP2, B=CP3), na qual foi substituido o canal de
luminosidade pela imagem da fotografia aérea de 2002. Esta base serviu para
determinar os polígonos correspondentes a setores homogêneos (Gráfico 5.11 direita)
As superfícies de cada setor determinado encontram-se na Tabela 5.3. Verificou-se
objetivamente a convergência com as idéias que se sustentavam a priori com relação aos
limites de quatro áreas características dentro da área de estudo: a primeira associada à
APP, a segunda associada a um setor altamente antropizado, a terceira associada a uma
área de transição e a quarta, vinculada ao sistema hídrico. Na Figura 4.25 se apresentam
vistas representativas das quatro áreas.
Figura 5.25.: Vista desde o terreno dos quatro setores determinados pela ACP
De esquerda a direita: APP, setor altamente antropizado, setor de transição e rede hídrica.
Tabela 5.3.: Superfície de setores homogêneos determinados pela ACP
ÁREA
1
2
3
4
SETOR
APP
Altamente antropizado
Transição
Rede hídrica
SUPERFÍCIE (m²)
917592
736435
546740
79233
TOTAL:
2280000
-179-
Gráfico 5.11.: Componentes principais e zoneamento ambiental da área de estudo
-180-
5.1.4.2. Imagens digitais
Durante as fases de desenvolvimento do sistema digital de reconhecimento, ensaiaramse três modos de levantamentos aéreos: modo infravermelho 900nm, modo
infravermelho 720nm e modo visível. Utilizaram-se dois tipos de vetores para montar o
sistema (avião monomotor e helicóptero). Devido ao tipo de sensor que se dispunha, e
por ser um sistema de reconhecimento maciço de informação, trabalhou-se com dois
tipos de imagens, associados a baixa resolução (320 por 240 píxeis) e resolução média
(640 por 480 píxeis).
Totalizou-se aproximadamente 1Gb de seqüências digitais obtidas por este sistema
com intervalos de tempo entre imagens, variáveis entre 1s e 60s, incluindo testes
verticais e oblíquos nos três modos utilizando-se dois tipos de vetores citados.
Obtiveram-se imagens independentes correspondentes a testes em terra destinados a
verificar o funcionamento dos componentes.
No caso dos reconhecimentos aéreos prévios em infravermelho 900nm, os resultados
obtidos pelo sistema (Figura 5.26) apresentaram imagens com marcados contrastes entre
água (baixa refletância) e vegetação (alta refletância). Por haver-se aplicado o sistema
sobre uma área de transição fluviomarítima, onde o ambiente apresenta alto conteúdo de
umidade, observou-se que o sistema de reconhecimento operando neste modo, permitiu
separar visualmente água, vegetação e solo. As resoluções planimétricas obtidas, em
função das alturas de vôo, oscilaram entre 0.95m e 0.17m. Depois de testado, este modo
foi utilizado para aplicar as técnicas de fusão de dados com fotografias aéreas
pancromáticas coloridas.
Figura 5.26.: Imagem do Sistema de Reconhecimento Aéreo- Modo infravermelho 900nm
Sistema montado em avião.
As imagens obtidas pelo sistema no modo infravermelho 720nm (Figura 5.27)
apresentaram contrastes marcados entre água e vegetação, embora as respostas
espectrais do solo não apresentaram o mesmo grau de separação quando comparadas
-181-
com as imagens obtidas em 900nm, aparecendo com tonalidades de cinzas similares à
vegetação.
Figura 5.27.: Imagem do Sistema de Reconhecimento Aéreo - Modo infravermelho 720nm
Sistema montado em avião.
Finalmente, as imagens obtidas nesta fase prévia da pesquisa no modo visível
colorido (~400nm a ~700nm), permitiu registrar e avaliar elementos do terreno
aplicando critérios convencionais de fotointerpretação, aumentando a consistência
temática da imagem a partir da incorporação da variável cor (Figura 5.28). Pelo fato que
o sistema foi ensaiado em áreas com predomínio de solos vermelhos, as respostas
espectrais dos elementos da paisagem permitiram diferenciar áreas de solo exposto,
áreas de cultivos, áreas edificadas e outras de interesse na análise ambiental.
Figura 5.28.: Imagem do Sistema de Reconhecimento Aéreo- Modo visível cor
Sistema montado em avião.
5.1.4.3. Imagens para observação estereoscópica
Durante o desenvolvimento da técnica de reconhecimento verificou-se que a
disponibilidade de pares de imagens permitiu alcançar a visão estereoscópica do terreno
em infravermelho e em visível. Esta capacidade das imagens do sistema de
reconhecimento foi uma alternativa adequada para ser aplicada em estudos ambientais,
orientando seus usos potenciais à avaliação qualitativa e à determinação de corpos de
água ou áreas com umidade superficial.
-182-
Considerando a velocidade variável dos vetores utilizados para seqüências de
imagens obtidas a cada 1s, as bases aerofotográficas oscilaram entre 10m e 70m
aproximadamente. Em função das características métricas do sistema, os valores de
bases aerofotográficas citados asseguraram recobrimentos longitudinais mínimos de
60%. Com a finalidade de apresentar as aplicações potenciais do sistema, apresentam-se
alguns exemplos de seqüências estereoscópicas obtidas em diferentes fases da
investigação.
Na Figura 5.29 superior, mostram-se resultados obtidos durante levantamentos
aéreos experimentais a aproximadamente 600m de altura; apreciam-se elementos
característicos do terreno com suas identidades espectrais definidas, tal como
depressões ocupadas por corpos de água que aparecem em cinzas escuros (A); espécies
arbóreas em diferentes tonalidades de cinzas claros (B) e um setor mais elevado (C),
com predomínio de vegetação herbácea em cinzas médios. Na Figura 5.29 inferior,
também se apreciam elementos característicos de áreas construídas, tal como áreas
pavimentadas em cinzas escuros (D) e tetos com alta refletância (E).
A
A
B
A
B
C
D
E
D
Figura 5.29.: Pares estereoscópicos de imagens infravermelho 900nm
Obtidas pelo Sistema de Reconhecimento Aéreo – sistema montado em helicóptero (Hv600m)
Imagens obtidas em Junho de 2002 – Governador Celso Ramos (SC), Brasil
Na Figura 5.30, mostram-se resultados obtidos operando na modalidade 720nm. Os
pares de imagens mostram, no caso superior, parcela com árvores de frutas (A), as quais
-183-
aparecem escuras e de baixa rugosidade, circundadas por reflorestamentos (B), de
textura rugosa e formado por espécies arbóreas de maior porte. No caso inferior,
aparecem parcelas destinadas a aqüicultura, diferenciando-se os terrenos alagados (C)
dos secos (D); observam-se caminhos internos elevados para serviço (E).
B
A
B
D
E
C
E
D
D
Figura 5.30.: Pares estereoscópicos de imagens infravermelho 720nm
Obtidas pelo Sistema de Reconhecimento Aéreo – sistema montado em helicóptero (Hv600m)
Imagens obtidas em Junho de 2002 – Araquari (SC), Brasil.
A modalidade de observação estereoscópica se aplicou no reconhecimento do terreno
para a avaliação qualitativa de áreas com solo exposto e de áreas afetadas pela saída de
esgotos e construção de canais, permitindo aumentar o conhecimento da área. No
primeiro caso (Figura 5.31 superior), a presença de setores com solo exposto foi
evidenciada devido ao marcado contraste entre a vegetação, com predomínio de
exemplares adultos de Avicennia (A), que aparece com tonalidades claras, e a água
presente no terreno alagado, dominantemente escura (B).
Para o caso de áreas afetadas pela saída de esgotos e construção de canais, na Figura
5.31 inferior apresenta-se um caso típico de intervenção antrópica dentro do manguezal:
a abertura de canais para evacuação de águas pluviais. Trata-se de um canal (C), de
aproximadamente 150m de comprimento por 20m de largura, que foi aberto no
manguezal para dar saída para os excedentes pluviais do bairro Santa Mônica. O canal
atravessa inicialmente uma área periférica coberta por Laguncularia, de menor altura e
resposta espectral mais elevada (D), passando posteriormente por uma área onde
predominam exemplares jovens (E) e adultos (F) de Avicennia.
-184-
O vetor utilizado para montar o sistema foi helicóptero, com o qual foi sobrevooada a
área a aproximadamente 150m de altura, a velocidades variáveis entre 0km/h e 60km/H.
Esta característica técnica do vôo por helicóptero permitiu aumentar a nitidez das
imagens, por minimizar o deslocamento durante a operação de obtenção da imagem. As
vibrações do mesmo não foram significativas de modo que a resolução ou
funcionamento do sistema estivesse funcionalmente comprometido, embora a deriva da
linha de vôo foi uma situação que precisou ser controlada permanentemente, não
sempre com resultados satisfatórios.
A
A
B
E
D
F
E
F
C
Figura 5.31.: Pares estereoscópicos de imagens infravermelho 900nm em área de estudo
Obtidas pelo Sistema de Reconhecimento Aéreo – sistema montado em helicóptero (Hv150m)
Imagens obtidas em Junho de 2002 – Manguezal do Itacorubi (SC), Brasil.
A modalidade de reconhecimento vertical no espectro visível também foi aplicada.
Na Figura 5.32., Mostram-se resultados de seqüências estereoscópicas obtidas neste
modo com o sistema de reconhecimento funcionando a aproximadamente 350m de
altura; no primeiro caso destacam-se as parcelas de cultivos onde se implementaram
técnicas de conservação (A), e um caminho secundário limitado por árvores (B). No
segundo caso, aparece a faixa de uso restringido (C) de uma linha de alta tensão, cuja
torre se observa em (D). O predomínio de solos vermelhos, em vários casos sem
cobertura vegetal, apresentam problemas de erosão pluvial, como se evidencia em (E).
No terceiro caso se observa uma plantação de palmitos (F); por último, no quarto
caso, aparecem árvores de frutas (G) junto a uma plantação de eucaliptos em
regeneração (H), entre os quais se encontram exemplares altos (I) e caminhos internos
para saída da produção (J).
-185-
A
B
D
E
C
E
F
H
J
I
G
Figura 5.32.: Pares estereoscópicos de imagens espectro visível
Obtidas pelo Sistema de Reconhecimento Aéreo – sistema montado em helicóptero (Hv350m)
Imagens obtidas em Junho de 2002 – Londrina (PR) e Assis (SP), Brasil.
5.1.4.4. Seqüências lineares de imagens
Outro resultado derivado da aplicação do sistema de reconhecimento foram as
seqüências lineares de imagens. As mesmas foram obtidas por pós-processamento das
imagens individuais mediante um programa para manejo de arquivos gráficos. Nas
Figuras 5.33. e 5.34. apresentam-se duas seqüências lineares obtidas desde helicóptero,
utilizando as modalidades infravermelho 900nm no primeiro caso e visível no segundo.
-186-
Durante o levantamento, que foi realizado entre 350m e 500m de altura, teve-se
influência de ventos laterais, o qual está evidenciado pela deriva manifesta na seqüência
de imagens. As larguras das faixas foram aproximadamente 180m no primeiro caso e
aproximadamente 250m no segundo.
As imagens obtidas apresentaram homogeneidade nas respostas espectrais dos
elementos do terreno, não tendo-se aplicado correções de histogramas às mesmas antes
de sua união. A utilidade deste tipo de imagens obtidas por meio do sistema montado
em helicóptero está orientada à avaliação de faixas vinculadas a áreas de preservação
permanente ou com restrições de uso, tal como mata ciliar em cursos e corpos de água,
observação de áreas de influência direta ou corredores de linhas de alta tensão.
Figura 5.33.: Seqüência linear de imagens infravermelhas 900nm
Obtidas pelo Sistema de Reconhecimento Aéreo – sistema montado em helicóptero (Hv350m)
Imagens obtidas em Junho de 2002 – Londrina (PR) e Assis (SP), Brasil.
Sentido de varredura de esquerda para direita.
Figura 5.34.: Seqüência linear de imagens visíveis
Obtidas pelo Sistema de Reconhecimento Aéreo – sistema montado em helicóptero (Hv500m)
Imagens obtidas em Junho de 2002 – Assis (SP), Brasil. Sentido de varredura de esquerda a direita.
5.1.4.5. Imagens falsa cor
Obtiveram-se imagens em falsa cor, compostas por imagens infravermelho 900nm no
canal vermelho, canal vermelho das imagens de fotografias aéreas no canal verde e
canal verde das imagens de fotografias aéreas no canal azul. Estes subprodutos se
-187-
produziram com a finalidade de ensaiar a capacidade do sistema de reconhecimento
para originar este tipo de imagens, bem como para incrementar a observação e
conhecimento ambiental da área por meio de outras alternativas que utilizaram dados
multiespectrais.
Os resultados obtidos são apresentados na Figura 5.35. A técnica foi aplicada nos
seis setores onde se aplicou fusão de dados. Nestes resultados, é de particular interesse o
aspecto que apresenta a vegetação (em tonalidades vermelhas), evidenciada desta forma
a partir da atribuição da imagem infravermelha ao canal vermelho das imagens
resultantes.
Área 1
Área 2
Área 3
Área 4
Área 5
Área 6
Figura 5.35.: Imagens falsa cor das áreas analisadas
R= Imagem infravermelho 900nm; G= Canal vermelho fotografia aérea; B= Canal verde fotografia
aérea
5.1.4.6. Classificações do SE
O estudo do funcionamento do SE, particularmente durante os processos de feedback
para estruturação das redes de decisão, permitiram obter resultados intermediários como
a classificação de áreas cobertas por mangues com solos expostos segundo altimetria e a
seqüência de inundação por marés da área estudada.
Por meio destes resultados foi possível entender a mecânica de funcionamento para
otimizar as classificações assistidas pelo SE. Os resultados obtidos foram considerados
como intermédios dentro de um esquema de trabalho que esteve orientado a obter
produtos definidos. Não obstante, deve-se salientar que as imagens temáticas obtidas
-188-
são uma contribuição direta para dar consistência à base formal de conhecimentos da
área, as quais poderão ser utilizadas em outras pesquisas associadas ao manguezal do
Itacorubi.
Obtiveram-se três seqüências de resultados derivados dos processos de feedback do
SE: classificação de áreas efetivamente cobertas por mangues considerando camadas
hipsométricas (Gráfico 5.12), classificação de áreas com solos expostos também
considerando capa hipsométricas (Gráfico 5.13) e seqüência de inundação do
manguezal durante variação de marés (Gráfico 5.14) sem influência de maré
meteorológica.
Para o caso de distribuição planialtimétrica de mangues, os resultados obtidos pelo
SE permitiram calcular a curva faixa hipsométrica – área coberta por mangues (Quadro
5.2), resultado que pode considerar-se relevante nas atividades de monitoramento
ambiental da área estudada, já que vários processos de degradação detectados por
sensoriamento remoto têm vínculo direto com a localização altimétrica do elemento
analisado, particularmente quando se trata de acumulação de sedimentos ou entrada e
saída da água salgada proveniente do mar.
2.20
2.00
Faixa hipsométrica (m)
1.80
0.0m – 0.2m
0.2m – 0.4m
0.4m – 0.6m
0.6m – 0.8m
0.8m – 1.0m
1.0m – 2.0m
1.60
1.40
1.20
1.00
0.80
0.60
0.40
0.20
0.00
125000
150000
175000
200000
225000
250000
275000
Área coberta por mangues (m²)
Quadro 5.2.: Curva faixa hipsométrica – área coberta por mangues
130519m2
184886m2
221025m2
234742m2
2
242823m
258004m2
-189-
Gráfico 5.12.: Classificação por Sistema Experto das áreas com mangues considerando faixas
hipsométricas
-190-
Gráfico 5.13.: Classificação por Sistema Experto das áreas com solos expostos considerando faixas
hipsométricas
-191-
Gráfico 5.14.: Classificação por Sistema Experto da seqüência de inundação do manguezal
considerando faixas hipsométricas
-192-
A classificação de áreas com solos expostos por faixas hipsométricas teve resultados
e aplicações análogas. Na rede de decisões que se utilizou para a estruturação da base de
conhecimentos foram consideradas as classes solos secos e solos úmidos em
concordância com os critérios anteriormente indicados, de modo que a classificação
nestas duas classes se obteve sobre a base de uma relação direta com a resposta
espectral dominante nas imagens utilizadas, convergente com a situação média da área
analisada.
Finalmente, foi obtida a seqüência de inundação do manguezal durante variação de
marés. Analogamente aos casos anteriores, demonstrou-se que a estruturação e feedback
de uma base de conhecimentos destinada à elaboração de uma rede de decisões, pode
contribuir com dados para o conhecimento formal da área estudada, neste caso
particular, para analisar processos vinculados à dinâmica hídrica do setor.
–—
-193-
CAPÍTULO 6
CONCLUSÕES
RESUMO DO CAPÍTULO 6
Apresentam-se as conclusões gerais, entre as quais ressaltam-se
as relacionadas com o método desenvolvido, o qual apresentou-se
como uma alternativa para a consolidação da base técnicocientífica de um plano de gestão costeira da área estudada. Entre
as conclusões específicas, tratou-se o problema da falta de
informação técnica, a aptidão de sistemas não convencionais de
reconhecimento em tarefas e avaliação e monitoramento
ambiental, a adequação de técnicas de fusão de dados, as
alternativas de recuperação de áreas degradadas, a avaliação de
problemas ambientais concretos e as contribuições do método.
6.1. CONCLUSÕES GERAIS
As conclusões gerais da investigação desenvolvida estão vinculadas à primeira hipótese.
Na mesma foi colocado que a aplicação de um SEAD estruturado a partir de um SIG
apoiado em Cadastro Multifinalitário, sensoriamento remoto e medições de campo, em
SE apoiado em redes de decisão e em programas específicos para modelagem de
situações pontuais, permitiria aumentar os conhecimentos formais que integram a base
técnico-científica de um plano de gestão costeira, apoiando objetivamente à tomada de
decisões vinculadas à recuperação de áreas litorâneas vinculadas a formações
fluviomarítimas.
Desenvolveu-se o método apresentado como uma alternativa para a consolidação da
base técnico-científica de um plano de gestão costeira da área estudada, utilizando-se
SIG como técnica central destinada a vincular no SEAD as variáveis ambientais
representativas da dinâmica do setor.
Em concordância com as indicações citadas de LOWRY ET AL. (1999),
BURBRIDGE (1997) e MAKOLOWENKA & SHURCLIFF (1997) no que diz respeito
à qualidade da análise temática, à transparência das decisões, ao conhecimento da
mecânica dos fenômenos analisados e à importância dos recursos humanos
participantes, constatou-se por meio da seqüência de atividades aplicada que estes
critérios estiveram presentes de forma progressiva na medida que se evoluía na
-194-
estruturação da pesquisa. Durante o desenvolvimento da investigação realizaram-se
atividades vinculadas a estes conceitos, e conseqüentemente a medida que aumentava a
visão holística da área apoiada em determinações e quantificações objetivas,
incrementava-se também a consistência dos resultados e decisões tomadas para dar
continuidade à investigação.
Percebeu-se que, no período de desenvolvimento da pesquisa, a inserção do
geoprocessamento como técnica de apoio à decisão ganhou espaço efetivo dentro dos
âmbitos específicos de manejo de áreas costeiras. Mesmo considerando o citado
aumento no que diz respeito ao uso do geoprocessamento, destaca-se que a
disponibilidade de recursos humanos para manejar e administrar tecnicamente sistemas
de apoio à decisão não acompanha aquele incremento. Este fato evidenciou-se
particularmente na hora de efetuar solicitações de dados e informações em mídia digital
visando sua incorporação ao SIG.
Teve-se o reconhecimento de usuários diretos no que diz respeito à necessidade de
contar com sistemas apoiados na espacialização geográfica dos elementos considerados,
tendência que manifesta uma linha de consolidação marcada nos últimos anos.
6.2. CONCLUSÕES ESPECÍFICAS
As conclusões particulares estiveram vinculadas à segunda hipótese exposta. Na mesma
indicou-se que, em processos de monitoramento ambiental de áreas litorâneas, a
aplicação de técnicas de obtenção de imagens apoiadas em sistemas digitais
multiespectrais de reconhecimento podem prover apoio técnico para obter dados
temáticos compatíveis com esses processos, suprindo a falta de qualidade métrica por
meio de técnicas de fusão de dados obtidos a partir de fotografias aéreas convencionais.
6.2.1. Geração de informação técnica
Foi demonstrado que a gestão de determinadas situações ambientais do manguezal do
Itacorubi, vinculadas à solução de problemas de geração e disponibilização de
informação espacializada visando a gestão de áreas costeiras pode ser alcançada a partir
da aplicação de um SEAD, apoiado no SIG, rede de decisões dependente de SE,
sensoriamento remoto e outras técnicas de apoio à decisão.
Verificou-se que a utilização de conhecimentos informais sobre a área de estudo
vinculada a atividades de monitoramento ambiental foi um fato repetido; em
-195-
conseqüência entende-se que o aporte metodológico desta pesquisa contribuiu para
atingir a objetividade necessária em esse tipo de tarefas.
Como foi citado, durante o desenvolvimento da investigação, apresentaram-se
conhecimentos informais da área por parte de informantes que se deveriam considerar
como qualificados, tais como integrantes de instituições de investigação, profissionais,
funcionários de órgãos públicos e moradores. Embora estes conhecimentos informais
têm uma certa coerência temática e foram incorporados ao universo de informação da
área, consideraram-se originados por uma estrutura pseudo-técnica carente de
avaliações qualitativas e quantitativas retransmitidos entre os usuários tanto em forma
verbal como em forma de relatórios escritos, geralmente emitidos por autoridade não
competente.
Tal foi o caso de afirmações recolhidas durante o desenvolvimento do trabalho, tais
como “a maior contaminação do manguezal do Itacorubi é produzida pelo Bairro Santa
Mônica”, “a morte expressiva de peixes registrada nos cursos principais do manguezal
do Itacorubi é produzida pela contaminação da água” ou “a desativação do depósito de
lixo municipal e sua conversão a central de transferência solucionou o problema de
contaminação das águas superficiais e subterrâneas que fluem ao manguezal do
Itacorubi”.
Em todos os casos, o desenvolvimento e a aplicação de um SEAD neste trabalho
supriu tanto a falta de informação cientifica e tecnicamente apoiada, como também
contribuiu com elementos formais destinados a rejeitar ou hierarquizar tecnicamente os
conhecimentos informais da área, por meio da avaliação qualitativa e quantitativa
apoiada no SIG. Dessa forma, conclui-se que, acompanhada de vontade políticoadministrativa definida nesse sentido, a falta de informação técnica destinada a um
plano de gestão costeira pode ser coberta a partir da aplicação de um SEAD.
Considerando a flexibilidade operativa do SEAD, os resultados obtidos serviram
efetivamente como dados de entrada nos outros processos que foram iniciados
utilizando os núcleos operativos do SEAD, resgatando o valor agregado dos dados e
possibilitando a otimização das relações beneficio/custo no plano de pesquisa.
6.2.2. Sistemas não convencionais de reconhecimento
Otimizaram-se os processos de obtenção de dados destinados à gestão territorial para
elaborar modelos matriciais contínuos e temáticos atualizados da área de estudo por
meio do desenvolvimento e aplicação de um sistema de registro digital de imagens com
capacidade de obter vistas em diferentes setores do espectro eletromagnético.
-196-
Independentemente da qualidade métrica e temática obtida para as imagens, a qual
pode ser superada, demonstrou-se a existência de técnicas que permitiram elaborar
respostas e implementar procedimentos viáveis que solucionaram os problemas de
aquisição, manejo, armazenamento e distribuição deste tipo de produtos destinados à
avaliação e monitoramento ambiental.
Destaca-se a independência tecnológica e funcional do sistema desenvolvido, custo
reduzido e possibilidades concretas de expansão e otimização técnica. O sistema
apresentou-se como complemento temático e alternativa economicamente viável quando
comparadas com as atividades de avaliação ambiental, e não como substituto técnico de
sistemas que, na atualidade, apresentam expressivo grau de desenvolvimento,
especialmente na obtenção de imagens no espectro visível.
6.2.3. Adequação de técnicas de fusão de dados
Por meio da aplicação dos produtos obtidos aplicando técnicas de geoprocessamento,
comprovou-se que a fusão de dados da área estudada provenientes dos modelos
matriciais contínuos gerados pelo sistema de captura de imagens desenvolvido e outros
produtos do sensoriamento remoto, otimizaram as qualidades temáticas das variáveis
incorporadas como elementos de decisão dentro do SEAD.
A aplicação de processos de fusão de dados utilizando imagens para a avaliação e
monitoramento ambiental de áreas fluviomarítimas são técnicas adequadas que
otimizaram a análise visual e assistida de elementos neste tipo de terreno, considerando
o incremento do poder discriminante das imagens finais a partir da fusão de fotografias
aéreas pancromáticas coloridas e imagens digitais, que para esta investigação, foram
obtidas por meio de um sistema de reconhecimento específico no comprimento de onda
de 900nm.
Mesmo que a extração de informação relevante das imagens obtidas por fusão de
dados estará relacionada com o treinamento e conhecimentos prévios do intérprete, a
inclusão de imagens do sistema de reconhecimento desenvolvido com respostas
espectrais de elementos do terreno invisíveis ao olho humano, junto com as
características convencionais de resolução e cromatismo das fotografias aéreas, foi uma
contribuição concreta aos processos de síntese de informação vinculado ao incremento
da capacidade analítica de interpretação visual e assistida que se aplica atualmente na
análise do meio ambiente.
-197-
6.2.4. Alternativas para recuperação de áreas degradadas
Por meio do SEAD foram elaboradas propostas técnicas orientadas à recuperação na
área de estudo de áreas antes ocupadas por mangues, mensurando as funções e ocupação
do solo com alternativas para estabilizar e reverter a tendência de ocupação da área de
preservação permanente.
Observando-se dia a dia a persistência e aparição de problemas ambientais na área
estudada do manguezal do Itacorubi, enfatiza-se o ponto inicialmente citado com
relação a que este trabalho poderia contribuir com elementos metodológicos
significativos por meio de alternativas de recuperação das áreas degradadas servindo
como base para orientar as ações de um plano de gestão, além de adicionar
conhecimento científico não exaustivo relativo aos processos ambientais que se
desenvolvem na área.
Recomenda-se que as tarefas futuras estejam caracterizadas por três linhas de
trabalho: otimização das características técnicas do sistema de reconhecimento no que
diz respeito à sua resolução espacial, continuidade espaço-temporal do monitoramento e
inserção do método no âmbito de decisão política-administrativa vinculada ao manejo
do Parque Manguezal do Itacorubi.
6.2.5. Avaliação de problemas ambientais concretos
Verificou-se por meio do SEAD que na degradação atual da cobertura vegetal nativa de
alguns setores do manguezal estudado participam conjuntamente fatores antrópicos e
naturais, tendo sido alguns deles identificados, localizados e mensurados.
Ensaiaram-se soluções de problemas concretos entendidos do ponto de vista das
conseqüências percebidas, embora, pelo alcance do trabalho, desconsiderou-se o
componente causal do problema. Verificou-se o critério que indica que a simples
aplicação de qualquer solução técnica separada dos âmbitos com os quais se relaciona,
não terá capacidade para executar ações corretivas ou preventivas de forma efetiva.
Durante o desenvolvimento do trabalho, e com relação à avaliação de problemas
ambientais definidos, manteve-se a posição citada, pela qual toda conclusão obtida
estaria marcada por sua aplicabilidade concreta e eficiente quando se consideraram tais
problemas vinculados à gestão territorial. Tentou-se minimizar a subjetividade na
interpretação dos resultados, especialmente na hora de avaliar situações ambientais do
tipo causa-efeito, fato que freqüentemente abunda em trabalhos associados à avaliação
de problemas ambientais concretos.
-198-
6.2.6. Contribuições do método
Demonstrou-se a viabilidade de aplicação de um sistema para a gestão de uma área de
transição fluviomarítima fundamentado em um Sistema Espacializado de Apoio à
Decisão integrado pelo SIG, SE, programas específicos e dados de sensoriamento
remoto a partir da integração de técnicas de geoprocessamento e outros componentes
funcionais.
A aplicação do método possibilitou a geração efetiva de resultados oferecendo
alternativas aplicáveis para avaliação, monitoramento e recuperação da área degradada
no manguezal do Itacorubi.
A estruturação do método estabeleceu que mediante a aplicação da seqüência de
procedimentos estudada foi possível aumentar objetivamente o domínio formal da base
de conhecimentos técnicos em um plano de gestão costeira, considerando que os
mesmos foram produzidos em diferentes escalas e com diferentes densidades de
informação.
Embora seja possível aumentar esse domínio formal da base de conhecimentos
aplicando técnicas de processamento e fontes de dados diferentes aos apresentados,
ressalta-se que a seqüência aqui estudada e aplicada respondeu a uma alternativa
metodológica de estruturação apoiada no geoprocessamento, da qual encontraram-se
reduzidos exemplos no âmbito de intercâmbio acadêmico e tecnológico no qual
desenvolveu-se a investigação. A critério do autor, neste ponto encontra-se a principal e
consistente contribuição desta investigação ao universo dos especialistas em áreas
costeiras em modo particular, e aos investigadores relacionados às Geociências, de
modo geral.
Ressalta-se que o método se caracterizou pela aplicação de avaliações e
comprovações suscetíveis de ser contrastadas por métodos matemáticos ou estatísticos,
o qual apoia a determinação objetiva dos resultados.
Finalmente, entende-se que as futuras linhas de pesquisa relacionadas aos planos de
gestão costeira em áreas de transição fluviomarítima deveriam centrar seus esforços
operativos salientando a necessidade e os benefícios de contar com técnicas que gerem
informação de qualidade compatível com a realidade analisada, desconsiderando tanto
as contribuições informais e subjetivas de informação errônea como os critérios
generalizados
sem
fundamento
técnico-científico
comprovado,
situações
freqüentemente encontradas nas mais diversas esferas de planejamento, gestão e
formação de recursos humanos da América do Sul.
–—
-199-
BIBLIOGRAFIA
1)
ALBERS, C. Planificación comunal en el Alto Valle de Río Negro y Neuquén, Argentina.
Spanische Version von Kommunalplanung in Alto Valle de Río Negro y Neuquén,
Argentinien. Berlin, Deutschland : INSTITUT FÜR GEOGRAPHIE DER
TECHNISCHEN UNIVERSITÄT BERLIN, 1996. 243p.
2)
ALBERTZ, J. Grundlagen der Interpretation von Luft- und Satellitenbildern. Darmstadt,
Deutschland : WISSENSCHAFTLICHE BUCHGESELLSCHAFT, 1991.
3)
ALUJA BANET, T.; MORINEAU, A. Aprender de los datos: el análisis de componentes
principales. Barcelona, España : EDICIONES UNIVERSITARIAS DE
BARCELONA, 1999.
4)
ALVIAL, A.; RECULÉ, D. Fundacion Chile and the integrated management of the
coastal zone. Ocean & Coastal Management 42 (1999) 143-154. London, UK :
ELSEVIER SCIENCE LTD., 1999.
5)
ARNAL, J. Investigación educativa: fundamentos y metodologías. Barcelona, España :
LABOR, 1992.
6)
ARTHURTON, R. Marine-related physical natural hazards affecting coastal megacities
of the Asia-Pacific region - awareness and mitigation. Ocean & Coastal Management
40 (1998) 65-85. London, UK : ELSEVIER SCIENCE LTD., 1998.
7)
AUGIER, H.; EUGENE, C.; HARMAND-DESFORGES, J.; SOUGY, A. Posidonia
oceanica re-implantation technology of the marine gardeners is now operational on a
large scale. Ocean & Coastal Management 30 (1996) Vol. 30 Nos. 2,3, pp. 297-307.
London, UK : ELSEVIER SCIENCE LTD., 1996.
8)
BÄHR, H.-P. Information sources and data in: BÄHR, H.-P.; VÖGTLE, T. (Ed.) GIS for
environmental monitoring. Chapter 2.4. Stuttgart, Germany : SCHWEIZERBART,
1999. 357p.
9)
BÄHR, H-P. GIS Introduction in: BÄHR, H.-P.; VÖGTLE, T. (Ed.) GIS for
environmental monitoring. Chapter 2. Stuttgart, Germany : SCHWEIZERBART,
1999. 357p.
10)
BÄHR, H.-P. Procesamiento digital de imágenes: aplicaciones en fotogrametria y
teledetección. Traducción del alemán por Anita E. Schwender. Eschborn, Alemania :
DEUTSCHE GESELLSCHAFT FÜR TECHNISCHE ZUSAMMENARBEIT (GTZ),
1991. 428p.
11)
BAILEY, R. The Oregon ocean resources management program: a state-level ocean
management initiative. Ocean & Coastal Management, Vol 34, No. 3, pp. 205-224.
London, UK : ELSEVIER SCIENCE LTD., 1997.
12)
BAILY, B.; NOWELL, D. Techniques for monitoring coastal change: a review and case
study. Ocean & Coastal Management, Vol 32, No. 2, pp. 85-95. London, UK :
ELSEVIER SCIENCE LTD., 1997.
-200-
13)
BALGOS, M. Integrated coastal management training in the Philippines. Ocean &
Coastal Management, Vol 38 (1998) 225-228. London, UK : ELSEVIER SCIENCE
LTD., 1998.
14)
BARALE, 5.; FOLVING, S. Remote sensing of coastal interactions in the Mediterranean
region. Ocean & Coastal Management, Vol 30, Nos. 2-3, pp. 217-233. London, UK :
ELSEVIER SCIENCE LTD., 1996.
15)
BERNARDY, R. Florianópolis, 2000. Uso de sensoriamento remoto para análise
ambiental do Parque Manguezal do Itacorubi, Florianópolis – SC. Dissertação
(Mestrado em Engenharia Civil) – Curso de Pós-Graduação em Engenharia Civil,
Universidade Federal de Santa Catarina. 149p.
16)
BLOCH, 1.; MAÎTRE, H. Data fusion in 2D and 3D image processing: an overview.
Paris,
France
:
ECÓLE
NATIONALE
SUPÉRIEURE
DES
TÉLÉCOMMUNICATIONS – DÉPARTEMENT IMAGES, 1997.
17)
BOTERO, L.; SALZWEDEL, H. Rehabilitation of the Cienaga Grande de Santa Marta, a
mangrove estuarine system in the Caribbean coast of Colombia. Ocean & Coastal
Management, 42 (1999) 243-256. London, UK : ELSEVIER SCIENCE LTD., 1999.
18)
BRASIL. Acordo Regional de Cooperação Científica e Tecnológica in
http://www.mma.go5.br / port / asin / inter14.html Data: 06/07/2000. Brasil, 1993.
19)
BRASIL. Tratado da Bacia do Prata in : http://www.mma.go5.br/port/asin/inter29.html
Data: 06/07/2000. Brasil, 1969.
20)
BRASIL. Tratado para a constituição de um Mercado Comum entre a República
Federativa do Brasil, a República da Argentina, a República do Paraguai e a República
Oriental do Uruguai in : http://www.mma.go5.br/port/asin/inter25.html Data:
06/07/2000. Brasil, 1991.
21)
BRASIL. Ministério da Economia, Fazenda e Planejamento. Instituto Brasileiro de
Geografia e Estatística (IBGE). Folha SH.22-X-B-IV-1 "Florianópolis". Rio de
Janeiro, 1976. 1 mapa : cor; 75 x 58 cm. Escala 1:50.000. Projeção UTM fuso 22.
22)
BUNDY, G.; JONES, C.; FURSE, E. Holistic generalization of large-scale cartographic
data (8) in: MÜLLER, J.; LAGRANGE, J. & WEIBEL, R. (Ed.). GIS and
generalization. London, UK : TAYLOR & FRANCIS LTD., 1995. 257p.
23)
BURBRIDGE, P. A generic framework for measuring success in integrated coastal
management. Ocean & Coastal Management, Vol 37, No. 2, pp. 175-189. London, UK
: ELSEVIER SCIENCE LTD., 1997.
24)
CARL ZEISS. Photogrammetry division. Automatic generation and verification of digital
elevation models. Paper 516666-1814-e. Oberkochen, Germany, 1998.
25)
CARNEIRO DE ANDRADE, M.; CRUZ PEIXOTO, F.; DE ALBUQUERQUE
ARAÚJO, A. Segmentação de imagens através de rede neuronal por satisfação de
restrições em ambiente paralelo. Anais do VII SIBGRAPI (1994), p. 47-52.
26)
CASTILLO, A. Ecological Information System: analyzing the communication and
utilization of scientific information in Mexico. Environmental Management Vol. 25,
No. 4, pp. 383-392. SPRINGER-VERLAG NEW YORK INC., 2000.
27)
CAUVIN, C. Cartographic reasoning and cartographic principles. In: BÄHR, H.-P.;
:
-201-
VÖGTLE, T. (Ed.) SIG for environmental monitoring. Chapter III Data processing
and information extraction. Stuttgart, Germany : SCHWEIZERBART, 1999. 357p.
28)
CAVALCANTI WALCACER, F. Meio-ambiente urbano no Brasil. In: BENJAMÍN,
ANTONIO H. Dano ambiental, prevenção, reparação e repressão. São Paulo :
EDITORA REVISTA DOS TRIBUNAIS, 1993. 470p.
29)
CEDFELT P.; WATZIN M.; RICHARDSON, B. Environmental Management Vol. 26,
No. 1, pp. 13-24. SPRINGER-VERLAG NEW YORK INC., 2000.
30)
CICIN-SAIN, B. Sustainable development and integrated coastal management. Ocean &
Coastal Management 21 (1993) 11-43. London, UK : ELSEVIER SCIENCE LTD.,
1993.
31)
CINTRÓN MORELO G. Estrutura e distribuicao de manguezais in Mangrove 2003.
Palestra. Salvador (BA), 2003.
32)
CLARK, J. Coastal zone management for the new century. Ocean & Coastal
Management, Vol 37, No. 2, pp. 191-216. London, UK : ELSEVIER SCIENCE LTD.,
1997.
33)
COLE-KING, A. Marine protected areas in Britain: a conceitual problem? Ocean &
Coastal Management, Vol 27, No. 1-2, pp. 109-127. London, UK : ELSEVIER
SCIENCE LTD., 1995.
34)
CONAMA. Comissão Nacional do Meio Ambiente. Resolução 001 de Jan. 1986.
Brasília.
35)
COSTANZA, R.; PATTEN, B. Defining and predicting sustainability. Ecological
Economics 15 (1995) 193-196. ELSEVIER SCIENCE B.5.
36)
DA SILVA, J.; SOUZA, M. Análise ambiental. Rio de Janeiro, Brasil : UFRJ, 1987.
196p.
37)
DA VINCI, LEONARDO. Trattato della pittura. A cura di Mimma Dotti Castelli. 1a.
edizione. Colognola ai Colli (VR), Italia : DEMETRA S.R.L., 1997. 377p.
38)
DATA FUSION SERVER. Fundamentals
definitions.htm. France. Data 15/06/2000.
39)
DESCARTES, RENÉ. La Dioptriqve in: Œuvres de Descartes 6. Publiées par Charles
Adam & Paul Tannery. Paris : LIBRAIRIE PHILOSOPHIQUE J. VRIN, 1996. 737p.
40)
DETREKÖI, A. Data quality in GIS environment. in: BÄHR, H.-P.; VÖGTLE, T. (Ed.)
GIS for environmental monitoring. Chapter 2.6. Stuttgart, Germany :
SCHWEIZERBART, 1999. 357p.
41)
DIEGUES, A. Environmental impact assessment: the point of view of artisanal fishermen
communities in Brazil. Ocean & Coastal Management, Vol 39 (1998) 119-133.
London, UK : ELSEVIER SCIENCE LTD., 1998.
42)
DIEGUES, A. Human populations and coastal wetlands: conservation and management
in Brazil. Ocean & Coastal Management 42 (1999) 187-210. London, UK :
ELSEVIER SCIENCE LTD., 1999.
43)
DUCROTOY, J.-P.; PULLEN, S. Integrated coastal zone management: commitments and
in:
http://
www.datafusion.cma.fr
/
-202-
developments from an international, European and United Kingdom perspective.
Ocean & Coastal Management 42 (1999) 1-18. London, UK : ELSEVIER SCIENCE
LTD., 1999.
44)
DUKE, N. “Mangrove floristics and biogeography”. In: ROBERTSON, A.; ALONGI, D.
“Tropical mangrove ecosystems”. Coastal and estuarine series 41. Australian Institute
of Marine Science, Queensland, Australia : AUSTRALIAN INSTITUTE OF
MARINE SCIENCE, 1992. 329p.
45)
EBNER, H.; FRITSCH, D.; HEIPKE, C. (Ed.) Digital photogrammetric systems.
Karlsruhe, Deutschland : WICHMANN, 1991. 343p.
46)
ERRÁZURIZ CORNER, A.; GONZÁLEZ LEIVA, J.; HENRÍQUEZ REYES, M.;
RIOSECO HORMAZÁBAL, R. Cartografía temática. Santiago de Chile :
EDICIONES UNIVERSIDAD CATÓLICA DE CHILE, 1998. 128p.
47)
FABBRI, K. A methodology for supporting decision making in integrated coastal zone
management. Ocean & Coastal Management 39 (1998) 51-62. London, UK :
ELSEVIER SCIENCE LTD.
48)
FAUST, N. Image Enhancement. Volume 20, Supplement 5 of Encyclopedia of
Computer Science and Technology, edited by Allen Kent and James G. Williams.
New York: MARCEL DEKKER, INC., 1989.
49)
FERRARI, C. Curso de planejamento municipal integrado. São Paulo : Pioneira, 1982.
50)
FLORIANÓPOLIS. PREFEITURA MUNICIPAL. IPUF - INSTITUTO DE
PLANEJAMENTO URBANO DE FLORIANÓPOLIS. Arquivos vetoriais da área de
estudo. Florianópolis : IPUF, 1998. 1 arquivo digital.
51)
FREIRE-MAIA, N. A ciência por dentro. Petrópolis (RJ) : EDITORA VOZES LTDA.,
1990. 262p.
52)
GAO, S.; COLLINS, M. On the physical aspects of the "design with nature" principle in
coastal management. Ocean & Coastal Management Vol. 26, No. 2, pp. 163-175.
London, UK : ELSEVIER SCIENCE LTD., 1995.
53)
GLADSTONE, W.; TAWFIQ, N.; NASR, D.; ANDERSEN, 1.; CHEUNG, C.;
DRAMMEH, H.; KRUPP, F.; LINTNER, S. Sustainable use of renewable resources
and conservation in the Red Sea and Gulf of Aden: issues, needs and strategic actions.
Ocean & Coastal Management 42 (1999) 671-697. London, UK : ELSEVIER
SCIENCE LTD., 1999.
54)
GODWIN, L. ISO 15046-13: Standards for digital Geographical Information Establishing Quality Principles. In: GIM International. GITC b5. Lemmer, The
Netherlands, 1999.
55)
HAKE, G.; GRÜNREICH, D. Kartographie. 7., völlig neu bearbeitete un erweiterte
Auflage. Berlin, Deutschland : WALTER DE GRUYTER, 1994. 599p.
56)
HAMILTON, N.; COCKS, K. A small-scale spatial analyst system for maritime
Australia. Ocean & Coastal Management 27 (1995) 163-195. London, UK :
ELSEVIER SCIENCE LTD., 1995.
57)
HASTINGS, K.; HESP, P.; KENDRICK, G. Seagrass loss associated with boat moorings
at Rottnest Island, Western Australia. Ocean & Coastal Management, Vol. 26, No. 3,
-203-
pp. 225-246. London, UK : ELSEVIER SCIENCE LTD., 1995.
58)
HAVENS, K.; AUMEN, N. Hypothesis-driven experimental research is necessary for
natural resource management. Environmental Management Vol. 25, No. 1, pp. 1-7.
SPRINGER-VERLAG NEW YORK INC., 2000.
59)
HAWARD, M. Institutional framework for Australian ocean and coastal management.
Ocean & Coastal Management, Vol. 33, Nos. 1-3, pp. 19-39. London, UK :
ELSEVIER SCIENCE LTD., 1996.
60)
HEGARTY, A. Start with what the people know: a community based approach to
integrated coastal zone management. Ocean & Coastal Management, Vol. 36, No. 1-3,
pp. 167-203. London, UK : ELSEVIER SCIENCE LTD. , 1997.
61)
HEISSER, M.; VICKUS, G.; SCHOPPMEYER, J. Rule-orientated definition of the small
area ‘selection’ and ‘combination’ steps of the generalization procedure (11) in:
MÜLLER, J.; LAGRANGE, J. & WEIBEL, R. (Ed.). GIS and generalization. London,
UK : TYLOR & FRANCIS LTD., 1995. 257p.
62)
HENSSEN, J.; WILLIAMSON, 1. Land registration, cadastre and its interaction - a world
perspective in: GRANT, D.; WILLIAMSON, 1. Administering our land. Cessnock,
Australia : CADASTRAL AND LAND MANAGEMENT COMMISION OF THE
INSTITUTION OF SURVEYORS, AUSTRALIA, INC., 1997.
63)
HOLLAND, G. The role of intergovernmental organizations in coastal zone management.
Ocean & Coastal Management 39 (1998) 25-31. London, UK : ELSEVIER SCIENCE
LTD. , 1998.
64)
HOOK, S.; MYERS, J.; THOME, K.; FITZGERALD, M.; KAHLE, A. The
MODIS/ASTER airborne simulator (MASTER) - a new instrument for earth science
studies. Remote Sensing of the Environment 76 (2001) 93-102. London, UK :
ELSEVIER SCIENCE LTD., 2001.
65)
HUGGETT, D. The role of federal government intervention in coastal zone planning and
management. Ocean & Coastal Management 39 (1998) 33-50. London, UK :
ELSEVIER SCIENCE LTD., 1998.
66)
HUSTI, G; DE JONG, K. GPS; GLONASS and Galileo. In: GEOINFORMATICS, Vol.
3, January/February 2000. Emmeloord, The Netherlands : GEO-IT, 2000.
67)
IBGE. Ministério da Economia, Fazenda e Planejamento. Instituto Brasileiro de
Geografia e Estatística (IBGE). Geografia do Brasil – Região Sul. Fundação Instituto
Brasileiro de Geografia e Estatística, Diretoria de Geociências - Rio de Janeiro :
IBGE, 1990. 420p.
68)
ICMSC. Tutorial introdutório sobre redes neurais artificiais, em especial sobre as redes
multi layer Perceptron treinadas com BackPropagation in: http: //
www.icmsc.sc.usp.br / ~andre / neural3.html. São Paulo. Data 10/09/1999.
69)
IPUF - INSTITUTO DE PLANEJAMENTO URBANO DE FLORIANÓPOLIS. Plano
Diretor do Distrito Sede do Município de Florianópolis. Florianópolis. IPUF, 1998.
238p.
70)
JENSEN, J. Introductory Digital Image Processing. Englewood Cliffs, New Jersey:
PRENTICE-HALL, 1986.
-204-
71)
JOHNSON, R.; WICHERN, D. Applied multivariate statistical analysis. 3rd Edition.
Englewood Clifs, USA : PRENTICE-HALL INTL. INC., 1992. 642p.
72)
JOLY, F. La cartografía. Barcelona, España : EDICIONES OIKOS-TAU S. A., 1988.
73)
JORGE, M. Developing capacity for coastal management in the absence of the
government: a case study in the Dominican Republic. Ocean & Coastal Management,
Vol. 36, No. 1-3, pp. 47-72. London, UK : ELSEVIER SCIENCE LTD., 1997.
74)
KEENAN, P. Using GIS as a DSS generator. Department of Management Information
Systems. Michael Smurfit Graduate School of Business, University College Dublin.
Working paper MIS 95-9. Dublin, Ireland, 1997.
75)
KLEMAS, V. Remote sensing of landscape-level coastal environmental indicators.
Environmental Management Vol. 27, No. 1, pp. 47-57. SPRINGER-VERLAG NEW
YORK INC., 2001.
76)
KRAUS, K. “Fernerkundung, Band
Bilder”. Dümmler, Bonn.
77)
KRISHNAN, P. Research report - A geographical information system for oil spills
sensitivity mapping in the Shetland Islands (United Kingdom). Ocean & Coastal
Management, Vol. 26, No. 3, pp. 247-255. London, UK : ELSEVIER SCIENCE
LTD., 1995.
78)
LAM, D.; SWAYNE, D. A hybrid expert system and neural network approach to
environmental modelling: SIG applications in the RAISON system in: KOVAR, K.;
NACHTNEBEL, H. P. Application of Geographic Information Systems in Hydrology
and Water Resources Management. Oxfordshire, United Kingdom :
INTERNATIONAL ASSOCIATION OF HYDROLOGICAL SCIENCES, 1996.
711p.
79)
LARSSON, G. Land registration and cadastral systems: tools for land information and
management. Essex, United Kingdom : LONGMAN LTD., 1996.
80)
LEITE, P.; KLEIN, R. Vegetação. In: FUNDAÇÃO INSTITUTO BRASILEIRO DE
GEOGRAFIA E ESTATÍSTICA, DIRETORIA DE GEOCIÊNCIAS. Geografia do
Brasil – Região Sul. Rio de Janeiro : IBGE, 1990. 420p.
81)
LILLESAND, T; KIEFER, R. Remote sensing and image interpretation. New York,
United States of America : JOHN WILEY & SONS. 3rd Edition. 1994, 750p.
82)
LIN SIEN, C. Coastal management in Singapore: institutional arrangements and
implementation. Ocean & Coastal Management, 38 (1998) 111-118. London, UK :
ELSEVIER SCIENCE LTD., 1998.
83)
LIU, S. Using coastal models to estimate effects of sea level rise. Ocean & Coastal
Management, Vol. 37, No. 1, pp. 85-94. London, UK : ELSEVIER SCIENCE LTD.,
1997.
84)
LOWRY, K.; PALLEWATTE, N.; DAINIS, A. Policy-relevant assessment of
community-level coastal management projects in Sri Lanka. Ocean & Coastal
Management 2 (1999) 717-745. London, UK : ELSEVIER SCIENCE LTD., 1999.
85)
MAKOLOWEKA, S.; SHURCLIFF, K. Coastal management in Tanga, Tanzania: a
decentralized community-based approach. Ocean & Coastal Management, Vol. 37,
- Auswertung photographischer und digitaler
-205-
No. 3, pp. 349-357. London, UK : ELSEVIER SCIENCE LTD., 1997.
86)
MANEJO DE ÁREAS NATURAIS PROTEGIDAS (1997 : Curitiba). Unidades de
conservação, conceitos básicos e princípios gerais de planejamento, manejo e
administração. Curitiba, Brasil : UNIVERSIDADE LIVRE DO MEIO AMBIENTE,
1997.
87)
http://life.bio.sunysb.edu/marinebio/mangal.html. MANGALS. Data 20/09/2001.
88)
http://spade.ncl.ac.uk/tcmweb/tcm/mglinks.htm. MANGLE WORLD ATLAS. Data
20/09/2001. World Conservation Monitoring Center, International Society for Mangle
Ecosystems and Tropical Timber International Organization.
89)
MÁRKUS, B. Decision making in SIG. In: BÄHR, H.-P.; VÖGTLE, T. SIG for
environmental monitoring. Chapter IV SIG application for environmental monitoring.
Stuttgart, Germany : SCHWEIZERBART, 1999. 357p.
90)
MARSON, A. Dealing with the problem of eutrophication in the Adriatic Basin: the
institutional framework and policies. Ocean & Coastal Management, Vol. 30, Nos. 23, pp. 259-279. London, UK : ELSEVIER SCIENCE LTD., 1996.
91)
MARTIN, J.; WHITE, M.; REYES, E.; KEMP, G.; MASHRIQUI, H.; DAY, J.
Evaluation of coastal management plans with a spatial model: Mississippi delta,
Louisiana, USA. Environmental Management Vol. 26, No. 2. pp. 117-129.
SPRINGER-VERLAG NEW YORK INC., 2000.
92)
MÉLYKÚTI, G. Digital terrain models. In: BÄHR, H.-P.; VÖGTLE, T. (Ed.) GIS for
environmental monitoring. Chapter III Data processing and information extraction.
Stuttgart, Germany : SCHWEIZERBART, 1999. 357p
93)
MICROSOFT. Microsoft FoxPro relational database management system for MS-DOS
and Windows. Language reference. Document No. FX37557-1292. United States,
1993. 1203p.
94)
MOREIRA, J.; DA FONTOURA COSTA, L. Neural-based color image segmentation
and classification using self-organizing maps. Anais do IX SIBGRAPI (1996), p. 4754.
95)
NEW
MEXICO
HIGHLANDS
UNIVERSITY.
Black
Mangrove
in
http://bos.nmhu.edu/mangrove/avigerm.html, 20/09/2001. The Mangrove Ecosystem
New Mexico Highlands University. Page last updated May 05, 2000
96)
NEW
MEXICO
HIGHLANDS
UNIVERSITY.
Mangrove
zonation
in
http://bos.nmhu.edu/mangrove/zonation.html, 20/09/2001. The Mangrove Ecosystem
New Mexico Highlands University. Page last updated May 05, 2000
97)
NEW
MEXICO
HIGHLANDS
UNIVERSITY.
Red
Mangrove
in
http://bos.nmhu.edu/mangrove/rhmangle.html, 20/09/2001. The Mangrove Ecosystem
New Mexico Highlands University. Page last updated May 05, 2000
98)
NEW MEXICO HIGHLANDS UNIVERSITY. What are mangroves? in
http://bos.nmhu.edu/mangrove/intro.html, 20/09/2001. The Mangrove Ecosystem
New Mexico Highlands University. Page last updated May 05, 2000
99)
NEW
MEXICO
HIGHLANDS
UNIVERSITY.
White
Mangrove
in
http://bos.nmhu.edu/mangrove/lagunrace.html, 20/09/2001. The Mangrove Ecosystem
-206-
New Mexico Highlands University. Page last updated May 05, 2000
100)
NIMER, E. Clima. In: FUNDAÇÃO INSTITUTO BRASILEIRO DE GEOGRAFIA E
ESTATÍSTICA, DIRETORIA DE GEOCIÊNCIAS. Geografia do Brasil. Rio de
Janeiro : IBGE, 1990. 420p.
101)
NISHA DE SILVA, F. Challenges in designing spatial decision support systems for
evacuation planning. Natural Hazards Research and Applications Information Center.
Working paper #105. University of Colorado, USA : INSTITUTE OF BEHAVIORAL
SCIENCE, 2000.
102)
NLCIAFT - NATIONAL LAW CENTER FOR INTER-AMERICAN FREE TRADE.
Agreement between the Federal Republic of Brazil and the Republic of Argentina over
cooperation
in
environmental
material.
InterAm
Database
in
:
http://www.natlaw.com/brazil/tnbren2.htm. Data 06/07/2000.
103)
OLIVEIRA JUSTUS, J. Hidrografia. In: FUNDAÇÃO INSTITUTO BRASILEIRO DE
GEOGRAFIA E ESTATÍSTICA, DIRETORIA DE GEOCIÊNCIAS. Geografia do
Brasil – Região Sul. Rio de Janeiro : IBGE, 1990. 420p.
104)
OLSEN, S.; TOBEY, J.; KERR, M. A common framework for learning from ICM
experience. Ocean & Coastal Management, Vol. 37, No. 2, pp. 155-174. London, UK :
ELSEVIER SCIENCE LTD., 1997.
105)
ONU – FAO – EROS DATA CENTER, 2000. Los bosques del mundo en 2000. 1 mapa
color 100cm X 60cm, proyección de Robinson.
106)
ORFEAS. Optical-Radar Sensor Fusion for Environmental Applications. EU Concerted
Action: Aristotele University of Thessaloniki (GR) Institut Cartographic de Catalunya
(ESP) TU Graz (AUT) Politécnico di Milano (IT) ETH Zurich (CH) in :
http://www.photo.topo.gr/orfeas. Greece. Data 15/06/2000.
107)
PANITZ, C. Produção e decomposição de serapilheira no mangue do Rio Itacorubi, Ilha
de Santa Catarina, Florianópolis, Brasil (27°35’S – 48°31’W). Tese de Doutorado.
Universidade Federal de São Carlos (SP). Departamento de Ciências Biológicas.
Programa de Pós-graduação em Ecologia e Recursos Naturais, 1986. 601p.
108)
PFEIFFER, B. La clasificación con informaciones suplementarias in: BÄHR, H.-P.
Procesamiento digital de imágenes: aplicaciones en fotogrametria y teledetección.
Traducción del alemán por Anita E. Schwender. Eschborn, Alemania : DEUTSCHE
GESELLSCHAFT FÜR TECHNISCHE ZUSAMMENARBEIT (GTZ), 1991. 428p.
109)
PERELMUTER, G.; CARRERA, E.; VELLASCO, M.; PACHECO, M. Reconhecimento
de imagens bidimensionais utilizando redes neurais artificiais. Anais do VIII
SIBGRAPI (1995), p. 197-203.
110)
POPULUS, J.; HASTUTI, W.; MARTIN, J-L.; GUELORGET, O.; SUMARTONO, B.;
WIBOWO, A. Remote sensing as a tool for diagnosis of water quality in Indonesian
seas. Ocean & Coastal Management, Vol. 27, No. 3, pp. 197-215. London, UK :
ELSEVIER SCIENCE LTD., 1995.
111)
PORTO FILHO, E. Entrevista pessoal. Florianópolis (SC), Brasil. Fevereiro, 2002.
112)
POTTER, B.; MAXWELL, T.; SCOTT, B. Visual Basic Superbible. Emeryville (CA),
United States : WAITE GROUP, 1993. 1620p.
-207-
113)
QUIEL, F. La clasificacion digital multiespectral in BÄHR, H.-P. Procesamiento digital
de imágenes: aplicaciones en fotogrametria y teledetección. Traducción del alemán
por Anita E. Schwender. Eschborn, Alemania : DEUTSCHE GESELLSCHAFT FÜR
TECHNISCHE ZUSAMMENARBEIT (GTZ), 1991. 428p.
114)
RABUSKE, R. Inteligência artificial. Florianópolis (SC), Brasil : Editora da UFSC, 1995.
240p.
115)
RAND, A. The virtue of selfishness. New York, USA : THE OBJECTIVIST
NEWSLETTER, 1962. 181p.
116)
REIS, E.; ASMUS, M.; CASTELLO, P.; CALLIARI, L. Building human capacity on
coastal and ocean management - implementing the Train-Sea-Coast Programme in
Brazil. Ocean & Coastal Management 42 (1999) 211-228. London, UK : ELSEVIER
SCIENCE LTD., 1999.
117)
RESIT AKCAKAYA, H. Conservation and Management for Multiple Species:
Integrating Field Research and Modeling into Management Decisions. Environmental
Management Vol. 26, Supplement 1, pp. S75–S83. SPRINGER-VERLAG NEW
YORK INC., 2000
118)
ROBERTSON, A. “Concluding remarks: research and mangrove conservation”. In:
ROBERTSON, A.; ALONGI, D. “Tropical mangrove ecosystems”. Coastal and
estuarine series 41. Queensland, Australia : AUSTRALIAN INSTITUTE OF
MARINE SCIENCE, 1992. 329p.
119)
ROBERTSON, A.; ALONGI, D. “Tropical mangrove ecosystems”. Coastal and estuarine
series 41. Queensland, Australia : AUSTRALIAN INSTITUTE OF MARINE
SCIENCE, 1992. 329p.
120)
SÁNCHEZ DALOTTO, R. Aerial and close range remote sensed data for mangrove
environmental monitoring. In 29th International Symposium on Remote Sensing of
Environment. Buenos Aires, Argentina. April 2002a.
121)
SÁNCHEZ DALOTTO, R. Data fusion by HSV transformation as main technique for
determination of Avicennia schaueriana canopy gaps in Itacorubi mangrove, Brazil. In
International Society for Photogrammetry and Remote Sensing – Technical
Commission VII of the International Symposium on Resource and Environmental
Monitoring. Hyderabad, India. December, 2002b.
122)
SÁNCHEZ DALOTTO, R. Use of Expert System for classification of exposed soils in
Permanent Preservation Areas. In VII Congreso Internacional Ciencias de la Tierra.
Santiago, Chile. Octubre 2002c.
123)
SANTOS, M. A natureza do espaço: técnica e tempo, razão e emoção. São Paulo :
HUCITEC, 1996. 308p.
124)
SMITH, H. The role of the state in the technical and general management of the oceans.
Ocean & Coastal Management, Vol. 27, No. 1-2, pp. 5-14. London, UK : ELSEVIER
SCIENCE LTD., 1995.
125)
SMITH, T. Effects of seed predators and light level on the distribution of Avicennia
marina (Forsk.) Vierh. in tropical, tidal forests. Estuarine, Coastal and Shelf Science,
1987.
126)
SMITH, T. Forest structure. In: ROBERTSON, A.; ALONGI, D. “Tropical mangrove
-208-
ecosystems”. Coastal and estuarine series 41. Queensland, Australia : AUSTRALIAN
INSTITUTE OF MARINE SCIENCE, 1992. 329p.
127)
SMITHSONIAN MARINE STATION
Rhizop_mangle.htm. Data 20/09/2001.
in
http://www.serc.s1.edu/sms/IRLSpec/
128)
STRANDBERG, C. Manual de fotografía aérea. Barcelona, España : OMEGA, 1975.
268p.
129)
SUDARA, S. Who and what is to be involved in successful coastal zone management: a
Thailand example. Ocean & Coastal Management 42 (1999) 39-47. London, UK :
ELSEVIER SCIENCE LTD., 1999.
130)
TWILLEY, R.; GOTTFRIED, R.; RIVERA-MONROY, 5.; ZHANG, W.; MONTAÑO
ARMIJOS, M.; BODERO, A. An approach and preliminary model of integrating
ecological and economic constraints of environmental quality in the Guayas river
estuary, Ecuador. Environmental Science & Policy 1 (1998) 271-288. London, UK :
ELSEVIER SCIENCE LTD., 1998.
131)
TWILLEY, R.; RIVERA-MONROY, 5.; CHEN, R.; BOTERO, L. Adapting an
ecological mangrove model to simulate trajectories in restoration ecology. Marine
Pollution Bulletin Vol. 37, Nos. 8-12, pp. 404-419. London, UK : ELSEVIER
SCIENCE LTD., 1998.
132)
UNITED NATIONS ENVIRONMENT PROGRAMME (UNEP). CARIBBEAN
ENVIRONMENT PROGRAMME. Guidelines for integrated planning and
management of coastal and marine areas in the Wider Caribbean Region. UNITED
NATIONS ENVIRONMENT PROGRAMME (UNEP), 1996. 151p.
133)
UNIVERSITY OF MANCHESTER. Data Fusion in: http:// www.man.uk / fusion.htm.
United Kingdom. Data 15/06/2000.
134)
VALLEJO, S. Development and management of coastal lagoons. Oceanologica Acta,
1982.
Proceedings
International
Symposium
on
coastal
lagoons,
SCOR/IABO/UNESCO. Bordeaux, France, 8-14 September, 1981. p. 397-401.
135)
VAN DIJK, M.; BOEKELNAN, R.; RIENTJES, T. Modelling of hydrological processes.
In: BÄHR, H.-P.; VÖGTLE, T. SIG for environmental monitoring. Chapter IV SIG
application for environmental monitoring. Stuttgart, Germany : SCHWEIZERBART,
1999. 357p.
136)
VECTOR INTERNATIONAL. Fuga Data Sheets in : http://www.vector-international.be
Data 09/07/2000. Heverlee, Belgium, 2000.
137)
WALD, L. A European proposal for terms of reference in data fusion. International
Archives of Photogrammetry and Remote Sensing, Vol. XXXII, Part 7. 1998.
138)
WILLIAMSON, 1. The justification of cadastral systems in developing countries in:
GRANT, D.; WILLIAMSON, 1. Administering our land. Cessnock, Australia :
CADASTRAL AND LAND MANAGEMENT COMMISION OF THE
INSTITUTION OF SURVEYORS, AUSTRALIA, INC., 1997.
139)
WINDEVOXHEL, N.; RODRÍGUEZ, J.; LAHMANN, E. Situation of integrated coastal
zone management in Central America: experiences of the IUCN wetlands and coastal
zone conservation program. Ocean & Coastal Management 42 (1999) 257-282.
London, UK : ELSEVIER SCIENCE LTD., 1999.
-209-
140)
WOLANSKI, E.; MAZDA, Y.; RIDD, P. “Mangrove hydrodynamics”. In:
ROBERTSON, A.; ALONGI, D. “Tropical mangrove ecosystems”. Coastal and
estuarine series 41. Queensland, Australia : AUSTRALIAN INSTITUTE OF
MARINE SCIENCE, 1992. 329p.
141)
WOLF-SCHUMANN, U; VAILLANT, S. TimeView: a time series management system
for SIG and hydrological systems in: KOVAR, K.; NACHTNEBEL, H. P. Application
of Geographic Information Systems in Hydrology and Water Resources Management.
Oxfordshire, United Kingdom : INTERNATIONAL ASSOCIATION OF
HYDROLOGICAL SCIENCES, 1996. 711p.
142)
WOODROFFE, C. “Mangrove sediments and geomorphology”. In: ROBERTSON, A.;
ALONGI, D. “Tropical mangrove ecosystems”. Coastal and estuarine series 41.
Queensland, Australia : AUSTRALIAN INSTITUTE OF MARINE SCIENCE, 1992.
329p.
143)
WURTZ, M. Introduire les SIG dans une école d'ingénieurs pour l'eau et l'environnement
in: KOVAR, K.; NACHTNEBEL, H. P. Application of Geographic Information
Systems in Hydrology and Water Resources Management. Oxfordshire, United
Kingdom : INTERNATIONAL ASSOCIATION OF HYDROLOGICAL SCIENCES.
1996, 711p.
144)
YÁÑEZ-ARANCIBIA, A. Coastal management in Latin America. Seas at the
Millennium: an environmental evaluation. C. Sheppard Ed. London, UK : ELSEVIER
SCIENCE LTD., 2000.
145)
YÁÑEZ-ARANCIBIA, A.; LARA-DOMÍNGUEZ, A.; ROJAS GALVIZ, J.;
VILLALOBOS ZAPATA, G.; ZÁRATE, D.; SÁNCHEZ-GIL, P. Integrated coastal
zone management plan for Terminos Lagoon, Campeche, Mexico. In KUMPF, H.;
STEIDINGER, K.; SHERMAN, K. (Eds.) The Gulf of Mexico large marine
ecosystem: assessment, sustainability and management. Massachusetts, USA :
BLACKWELL SCIENCE, 1999. 704 pp.
–—
-
210
-
ANEXOS
Fonte do programa para modelagem econômica
e planejamento
VERSION 4.00
‘O programa utiliza a tabela de atributos
BASE.DBF correspondente às feições do SIG
calculadas pelas hipóteses do Sistema Esperto
do ERDAS®.
‘O aplicativo foi desenvolvido dentro do marco
da pesquisa de doutorado no Programa de PósGraduação em Engenharia Civil (UFSC –
Brasil) – Doutorando Prof. M.Eng.-Cart. Roque
A. Sánchez Dalotto.
Begin VB.Form Form1
Caption
= "Modelo de custos"
ClientHeight = 5565
ClientLeft = 60
ClientTop
= 375
ClientWidth = 7575
BeginProperty Font
Name
= "Arial"
Size
= 8.25
Charset
= 0
Weight
= 700
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Icon
= "Modelo.frx":0000
LinkTopic
= "Form1"
LockControls = -1 'True
ScaleHeight = 5565
ScaleWidth = 7575
StartUpPosition = 3 'Windows™ Default
Begin VB.CommandButton Command5
Caption
= "Campos= 0"
BeginProperty Font
Name
= "Arial"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 135
TabIndex
= 32
Top
= 3465
Width
= 1000
End
Begin VB.CommandButton Command4
Caption
= "SQL gap"
BeginProperty Font
Name
= "Arial"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 1490
TabIndex
= 31
Top
= 3057
Width
= 1000
End
Begin VB.CommandButton Command3
Caption
= "SQL área"
BeginProperty Font
Name
= "Arial"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 135
TabIndex
= 30
Top
= 3057
Width
= 1000
End
Begin VB.CommandButton Command1
Caption
= "Calcular Tabela SIG"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 325
Left
= 135
TabIndex
= 29
Top
= 2655
Width
= 2355
End
Begin VB.Frame Frame3
Caption
= "Resultados"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
ForeColor
= &H00000000&
Height
= 1500
Left
= 135
TabIndex
= 18
Top
= 3900
Width
= 7260
Begin VB.Label Label19
DataField
= "TOTALORUM"
DataSource = "Data1"
BeginProperty Font
Name
= "Arial Narrow"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
ForeColor
= &H000000C0&
Height
= 240
Left
= 2335
TabIndex
= 33
Top
= 1121
Width
= 1005
End
Begin VB.Label Label10
ForeColor
= &H000000C0&
Height
= 915
Left
= 3500
TabIndex
= 28
Top
= 270
Width
= 2380
End
Begin VB.Label Label9
ForeColor
= &H000000C0&
Height
= 1115
Left
= 270
TabIndex
= 27
Top
= 270
Width
= 1955
End
Begin VB.Label Label11
DataField
= "TOTPLANTAS"
DataSource = "Data1"
BeginProperty Font
Name
= "Arial Narrow"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
ForeColor
= &H000000C0&
Height
= 240
Left
= 2335
TabIndex
= 26
Top
= 265
Width
= 1000
End
Begin VB.Label Label12
DataField
= "TOTPROJETO"
DataSource = "Data1"
BeginProperty Font
Name
= "Arial Narrow"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
ForeColor
= &H000000C0&
Height
= 240
Left
= 2335
TabIndex
= 25
Top
= 907
Width
= 1000
End
Begin VB.Label Label13
DataField
= "TOTCUSTPL"
DataSource = "Data1"
BeginProperty Font
Name
= "Arial Narrow"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
ForeColor
= &H000000C0&
Height
= 240
Left
= 2335
TabIndex
= 24
Top
= 479
Width
= 1000
End
Begin VB.Label Label14
DataField
= "TOTCUSTOP"
DataSource = "Data1"
BeginProperty Font
Name
= "Arial Narrow"
-211-
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
ForeColor
= &H000000C0&
Height
= 240
Left
= 2335
TabIndex
= 23
Top
= 693
Width
= 1000
End
Begin VB.Label Label15
DataField
= "DATAFIN"
DataSource = "Data1"
BeginProperty Font
Name
= "Arial Narrow"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
ForeColor
= &H000000C0&
Height
= 240
Left
= 5960
TabIndex
= 22
Top
= 693
Width
= 1100
End
Begin VB.Label Label16
DataField
= "TOTTEMPRO"
DataSource = "Data1"
BeginProperty Font
Name
= "Arial Narrow"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
ForeColor
= &H000000C0&
Height
= 240
Left
= 5960
TabIndex
= 21
Top
= 479
Width
= 1100
End
Begin VB.Label Label17
DataField
= "DATAFINTOL"
DataSource = "Data1"
BeginProperty Font
Name
= "Arial Narrow"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
ForeColor
= &H000000C0&
Height
= 240
Left
= 5960
TabIndex
= 20
Top
= 907
Width
= 1100
End
Begin VB.Label Label18
DataField
= "TOTTEMOP"
DataSource = "Data1"
BeginProperty Font
Name
= "Arial Narrow"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
ForeColor
= &H000000C0&
Height
= 240
Left
= 5960
TabIndex
= 19
Top
= 265
Width
= 1100
End
End
Begin VB.Frame Frame2
Caption
= "Tabela SIG"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 3700
Left
= 2700
TabIndex
= 9
Top
= 90
Width
= 4650
Begin VB.TextBox Text7
DataField
= "CUSTO_OP"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 3510
TabIndex
= 17
Top
= 2340
Width
= 1015
End
Begin VB.TextBox Text6
DataField
= "REND_OP"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 3510
TabIndex
= 16
Top
= 1935
Width
= 1015
End
Begin VB.TextBox Text5
DataField
= "OPERARIOS"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 3510
TabIndex
= 15
Top
= 1530
Width
= 1015
End
Begin VB.TextBox Text4
DataField
= "CUSTO_PL"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 3510
TabIndex
= 14
Top
= 1125
Width
= 1015
End
Begin VB.TextBox Text3
DataField
= "DISPON"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 3510
TabIndex
= 13
Top
= 720
Width
= 1015
End
Begin VB.TextBox Text2
DataField
= "DATA_INI"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 3510
TabIndex
= 12
Top
= 2745
Width
= 1015
End
Begin VB.TextBox Text1
DataField
= "DENSIDADE"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 3510
TabIndex
= 11
Top
= 315
Width
= 1015
End
Begin VB.Label Label8
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 2805
Left
= 255
TabIndex
= 10
Top
= 435
Width
= 3140
End
End
Begin VB.CommandButton Command2
Caption
= "Finalizar"
Default
= -1 'True
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
-212-
EndProperty
Height
= 325
Left
= 1490
TabIndex
= 8
TabStop
= 0 'False
Top
= 3465
Width
= 1000
End
Begin VB.Frame Frame1
Caption
= "Data"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 2400
Left
= 135
TabIndex
= 0
Top
= 90
Width
= 2355
Begin VB.Data Data1
Caption
= "Data1"
Connect
= "dBASE IV;"
DatabaseName =
"F:\Mangle_Itacorubi\08-CostTimeEstimate"
DefaultCursorType= 0 'DefaultCursor
DefaultType = 2 'UseODBC
Exclusive
= 0 'False
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 375
Left
= 135
Options
= 0
ReadOnly
= 0 'False
RecordsetType = 1 'Dynaset
RecordSource = "base"
Top
= 270
Width
= 1230
End
Begin VB.Label Label7
Caption
= "Descr"
DataField
= "DESCR"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 780
Left
= 135
TabIndex
= 7
Top
= 1575
Width
= 2070
Word®Wrap
= -1 'True
End
Begin VB.Label Label3
Caption
= "S"
DataField
= "SUPERFICIE"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 435
TabIndex
= 6
Top
= 1260
Width
= 1860
End
Begin VB.Label Label6
Caption
= "S="
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 135
TabIndex
= 5
Top
= 1260
Width
= 210
End
Begin VB.Label Label2
Caption
= "E"
DataField
= "E"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 435
TabIndex
= 4
Top
= 945
Width
= 1095
End
Begin VB.Label Label5
Caption
= "E="
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 135
TabIndex
= 3
Top
= 945
Width
= 210
End
Begin VB.Label Label1
Caption
= "N"
DataField
= "N"
DataSource = "Data1"
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 435
TabIndex
= 2
Top
= 720
Width
= 1005
End
Begin VB.Label Label4
Caption
= "N="
BeginProperty Font
Name
= "MS Sans Serif"
Size
= 8.25
Charset
= 0
Weight
= 400
Underline
= 0 'False
Italic
= 0 'False
Strikethrough = 0 'False
EndProperty
Height
= 330
Left
= 135
TabIndex
= 1
Top
= 720
Width
= 210
End
End
End
Attribute VB_Name = "Form1"
Attribute VB_GlobalNameSpace = False
Attribute VB_Creatable = False
Attribute VB_PredeclaredId = True
Attribute VB_Exposed = False
' DECLARACION DE VARIABLES PUBLICAS
Public Sup, Densidade_Mangles,
Diponibilidade_Plantas, Custo_1000Plantas,
Operarios_Disponiveis,
Rendimiento_Operarios, Custo_Operario,
Data_Inicio
Public Data_Finalizacao,
Data_Finalizacao_Tolerancia
Public T_Plantas, T_Custo_Plantas,
T_Custo_Operarios, T_Custo_Projeto
Public T_Tempo_Operarios, T_Tempo_Projeto
Public Total_SQL_Area, Total_SQL_Gap
Private Sub Command1_Click()
On Error GoTo Fin
Frame2.Caption = "Tabela SIG"
Data1.Recordset.Edit
' MUESTRA LOS OBJETOS OCULTOS CON
VALORES DE LOS CAMPOS
Text1.Visible = True
Text2.Visible = True
Text3.Visible = True
Text4.Visible = True
Text5.Visible = True
Text6.Visible = True
Text7.Visible = True
Label8.Visible = True
Label9.Visible = True
Label10.Visible = True
Label11.Visible = True
Label12.Visible = True
Label13.Visible = True
Label14.Visible = True
Label15.Visible = True
Label16.Visible = True
Label17.Visible = True
Label18.Visible = True
Label19.Visible = True
Frame2.Enabled = True
Frame3.Enabled = True
Command1.Enabled = True
Command2.Enabled = True
Command3.Enabled = True
Command4.Enabled = True
Command5.Enabled = True
' COLOCA MASCARAS DE TEXTO EN LOS
CAMPOS DE LAS BASES
Label8.Caption = "Densidade mangles(ind/ha):"
& Chr$(13) & Chr$(13) & "Disponibilidade das
plantas (dias):" & Chr$(13) & Chr$(13) & "Custo
das plantas (R$/1000u):" & Chr$(13) & Chr$(13)
& "Operarios disponíveis (u):" & Chr$(13) &
Chr$(13) & "Rendimento operarios
(plantas/dia):" & Chr$(13) & Chr$(13) & "Custo
operativo/operário/mês (R$/op/mês):" &
Chr$(13) & Chr$(13) & "Data início
(mm/dd/aa):"
Label9.Caption = "Total de plantas:" & Chr$(13)
& "Custo das plantas (R$):" & Chr$(13) &
"Custo operários (R$)" & Chr$(13) & "Custo
parcial (R$):" & Chr$(13) & "Custo total (R$):"
Label10.Caption = "Trabalho operários (dias):"
& Chr$(13) & "Prazo total do projeto (dias):" &
Chr$(13) & "Data estimada de finalização:" &
Chr$(13) & "Data limite:"
' ASIGNA A LAS VARIABLES PUBLICAS LOS
VALORES DE LOS CAMPOS DE LA BASE
Sup = Val(Label3.Caption)
Densidade_Mangles = Val(Text1.Text)
Diponibilidade_Plantas = Val(Text3.Text)
Custo_1000Plantas = Val(Text4.Text)
-213-
Operarios_Disponiveis = Val(Text5.Text)
Rendimiento_Operarios = Val(Text6.Text): If
Rendimiento_Operarios = 0 Then
Rendimiento_Operarios = 1 Else
Rendimiento_Operarios =
Rendimiento_Operarios
Custo_Operario = Val(Text7.Text)
Data_Inicio = Text2.Text
' CALCULA LOS NUEVOS VALORES A
PARTIR DE LA INFORMACIÓN DISPONIBLE
MousePointer = 11
T_Plantas = ((Sup / 10000) *
Densidade_Mangles) + (0.1 * ((Sup / 10000) *
Densidade_Mangles))
T_Custo_Plantas = (Custo_1000Plantas / 1000)
* (Int(T_Plantas) + 1)
If Rendimiento_Operarios = 0 Then
Rendimiento_Operarios = 1 Else
Rendimiento_Operarios =
Rendimiento_Operarios
T_Tempo_Operarios = Int((Int(T_Plantas) + 1) /
(Rendimiento_Operarios *
Operarios_Disponiveis)) + 1
T_Custo_Operarios = Operarios_Disponiveis *
T_Tempo_Operarios * (Custo_Operario / 30)
T_Custo_Projeto = T_Custo_Plantas +
T_Custo_Operarios
T_Tempo_Projeto = Diponibilidade_Plantas +
(T_Tempo_Operarios)
Data_Finalizacao = DateAdd("w",
T_Tempo_Projeto, Data_Inicio)
Tolerancia = Int(0.1 * Val(T_Tempo_Operarios))
Data_Finalizacao_Tolerancia = DateAdd("w",
Tolerancia, Data_Finalizacao)
' ASIGNA LOS NUEVOS VALORES EN LA
TABELA
Label11.Caption = Int(T_Plantas) + 1
Label13.Caption = Int(T_Custo_Plantas)
Label14.Caption = Int(T_Custo_Operarios)
Label12.Caption = Int(T_Custo_Projeto)
Label18.Caption = Int(T_Tempo_Operarios)
Label16.Caption = Int(T_Tempo_Projeto)
Label15.Caption = Format(Data_Finalizacao,
"mm/dd/yy")
Label17.Caption =
Format(Data_Finalizacao_Tolerancia,
"mm/dd/yy")
Label19.Caption = Int(T_Custo_Projeto)
Fin:
MousePointer = 0
End Sub
Private Sub Command2_Click()
On Error GoTo Fin
' FINALIZA LA EJECUCION DEL PROGRAMA
Fin:
MousePointer = 0
End
End Sub
Private Sub Command3_Click()
On Error GoTo Fin
' OCULTA OBJETOS EN LA PANTALLA
INICIAL
Text1.Visible = False
Text2.Visible = False
Text3.Visible = False
Text4.Visible = False
Text5.Visible = False
Text6.Visible = False
Text7.Visible = False
Label8.Visible = False
Label9.Visible = False
Label10.Visible = False
Label11.Visible = False
Label12.Visible = False
Label13.Visible = False
Label14.Visible = False
Label15.Visible = False
Label16.Visible = False
Label17.Visible = False
Label18.Visible = False
Label19.Visible = False
Frame2.Enabled = False
Frame3.Enabled = False
Command1.Enabled = False
Command2.Enabled = False
Command3.Enabled = False
Command4.Enabled = False
Command5.Enabled = False
' ESTABLECE EL CRITERIO SQL POR ÁREA
Mensaje = Chr$(13) & Chr$(13) & Chr$(13) &
Chr$(13) & Chr$(13) & "SELECT * FROM Base
WHERE Superficie >="
Título = "SQL por área"
ValorPred = "0"
Filtro = InputBox(Mensaje, Título, ValorPred,
Form1.Left + 1250, Form1.Top + 2700)
'APLICA EL CRITERIO SQL Y REFRESCA LA
TABELA
Frame2.Caption = "Consulta SQL"
Data1.Recordset.MoveFirst
criterio$ = "SELECT * FROM Base WHERE
Superficie >=" & Str(Filtro)
Data1.RecordSource = criterio$
Data1.Refresh
SQL
' RECALCULA LOS VALORES Y GRABA LOS
NUEVOS EN LA TABELA POR CICLO DO
WHILE LOOP
MousePointer = 11
Do While Not Data1.Recordset.EOF
Sup = Val(Label3.Caption)
T_Plantas = ((Sup / 10000) *
Densidade_Mangles) + (0.1 * ((Sup / 10000) *
Densidade_Mangles))
T_Custo_Plantas = (Custo_1000Plantas /
1000) * (Int(T_Plantas) + 1)
If Rendimiento_Operarios = 0 Then
Rendimiento_Operarios = 1 Else
Rendimiento_Operarios =
Rendimiento_Operarios
T_Tempo_Operarios = Int((Int(T_Plantas) +
1) / (Rendimiento_Operarios *
Operarios_Disponiveis)) + 1
T_Custo_Operarios = Operarios_Disponiveis
* T_Tempo_Operarios * (Custo_Operario / 30)
T_Custo_Projeto = T_Custo_Plantas +
T_Custo_Operarios
T_Tempo_Projeto = Diponibilidade_Plantas +
(T_Tempo_Operarios)
Data_Finalizacao = DateAdd("w",
T_Tempo_Projeto, Data_Inicio)
Tolerancia = Int(0.1 *
Val(T_Tempo_Operarios))
Data_Finalizacao_Tolerancia = DateAdd("w",
Tolerancia, Data_Finalizacao)
' ASIGNA LOS NUEVOS VALORES EN LA
TABELA
Text1.Text = Val(Densidade_Mangles)
Text3.Text = Val(Diponibilidade_Plantas)
Text4.Text = Val(Custo_1000Plantas)
Text5.Text = Val(Operarios_Disponiveis)
Text6.Text = Val(Rendimiento_Operarios)
Text7.Text = Val(Custo_Operario)
Text2.Text = Data_Inicio
Label11.Caption = Int(T_Plantas) + 1
Label13.Caption = Int(T_Custo_Plantas)
Label14.Caption = Int(T_Custo_Operarios)
Label12.Caption = Int(T_Custo_Projeto)
Label18.Caption = Int(T_Tempo_Operarios)
Label16.Caption = Int(T_Tempo_Projeto)
Label15.Caption = Format(Data_Finalizacao,
"mm/dd/yy")
Label17.Caption =
Format(Data_Finalizacao_Tolerancia,
"mm/dd/yy")
Data1.Recordset.MoveNext
Loop
Total_SQL_Area = 0
Data1.Recordset.MoveFirst
Do While Not Data1.Recordset.EOF
Total_SQL_Area = Int(Label12.Caption) +
Total_SQL_Area
Data1.Recordset.MoveNext
Loop
Data1.Recordset.MoveFirst
Do While Not Data1.Recordset.EOF
Label19.Caption = Int(Total_SQL_Area)
Data1.Recordset.MoveNext
Loop
Fin:
'ORDENA LA BASE POR SUPERFICIE, DE
MENOR A MAYOR
MousePointer = 0
Data1.Recordset.MoveFirst
Data1.RecordSource = "SELECT * FROM Base
ORDER BY Superficie"
Data1.Refresh
End Sub
Private Sub Command4_Click()
On Error GoTo Fin
' OCULTA OBJETOS EN LA PANTALLA
INICIAL
Text1.Visible = False
Text2.Visible = False
Text3.Visible = False
Text4.Visible = False
Text5.Visible = False
Text6.Visible = False
Text7.Visible = False
Label8.Visible = False
Label9.Visible = False
Label10.Visible = False
Label11.Visible = False
Label12.Visible = False
Label13.Visible = False
Label14.Visible = False
Label15.Visible = False
Label16.Visible = False
Label17.Visible = False
Label18.Visible = False
Label19.Visible = False
Frame2.Enabled = False
Frame3.Enabled = False
Command1.Enabled = False
Command2.Enabled = False
Command3.Enabled = False
Command4.Enabled = False
Command5.Enabled = False
' ESTABLECE EL CRITERIO SQL POR TIPO
DE GAP
Mensaje = Chr$(13) & Chr$(13) & Chr$(13) &
Chr$(13) & Chr$(13) & "SELECT * FROM Base
WHERE Descr LIKE '*<Gap>*'"
Título = "SQL por gap"
ValorPred = "<Gap>"
Filtro = InputBox(Mensaje, Título, ValorPred,
Form1.Left + 1250, Form1.Top + 2700)
Filtrotxt = "'*" + Filtro + "*'"
'APLICA EL CRITERIO SQL Y REFRESCA LA
TABELA
Frame2.Caption = "Consulta SQL"
Data1.Recordset.MoveFirst
criterio$ = "SELECT * FROM Base WHERE
Descr LIKE " & Filtrotxt
Data1.RecordSource = criterio$
Data1.Refresh
' RECALCULA LOS VALORES Y GRABA LOS
NUEVOS EN LA TABELA POR CICLO DO
WHILE LOOP
MousePointer = 11
Do While Not Data1.Recordset.EOF
Sup = Val(Label3.Caption)
T_Plantas = ((Sup / 10000) *
Densidade_Mangles) + (0.1 * ((Sup / 10000) *
Densidade_Mangles))
T_Custo_Plantas = (Custo_1000Plantas /
1000) * (Int(T_Plantas) + 1)
-214-
If Rendimiento_Operarios = 0 Then
Rendimiento_Operarios = 1 Else
Rendimiento_Operarios =
Rendimiento_Operarios
T_Tempo_Operarios = Int((Int(T_Plantas) +
1) / (Rendimiento_Operarios *
Operarios_Disponiveis)) + 1
T_Custo_Operarios = Operarios_Disponiveis
* T_Tempo_Operarios * (Custo_Operario / 30)
T_Custo_Projeto = T_Custo_Plantas +
T_Custo_Operarios
T_Tempo_Projeto = Diponibilidade_Plantas +
(T_Tempo_Operarios)
Data_Finalizacao = DateAdd("w",
T_Tempo_Projeto, Data_Inicio)
Tolerancia = Int(0.1 *
Val(T_Tempo_Operarios))
Data_Finalizacao_Tolerancia = DateAdd("w",
Tolerancia, Data_Finalizacao)
Label15.Visible = False
Label16.Visible = False
Label17.Visible = False
Label18.Visible = False
Label19.Visible = False
Frame2.Enabled = False
Frame3.Enabled = False
Command1.Enabled = False
Command2.Enabled = False
Command3.Enabled = False
Command4.Enabled = False
Command5.Enabled = False
' ASIGNA LOS NUEVOS VALORES EN LA
TABELA
Text1.Text = Val(Densidade_Mangles)
Text3.Text = Val(Diponibilidade_Plantas)
Text4.Text = Val(Custo_1000Plantas)
Text5.Text = Val(Operarios_Disponiveis)
Text6.Text = Val(Rendimiento_Operarios)
Text7.Text = Val(Custo_Operario)
Text2.Text = Data_Inicio
Label11.Caption = Int(T_Plantas) + 1
Label13.Caption = Int(T_Custo_Plantas)
Label14.Caption = Int(T_Custo_Operarios)
Label12.Caption = Int(T_Custo_Projeto)
Label18.Caption = Int(T_Tempo_Operarios)
Label16.Caption = Int(T_Tempo_Projeto)
Label15.Caption = Format(Data_Finalizacao,
"mm/dd/yy")
Label17.Caption =
Format(Data_Finalizacao_Tolerancia,
"mm/dd/yy")
Data1.Recordset.MoveNext
Loop
' ASIGNA LOS NUEVOS VALORES EN LA
TABELA
Text1.Text = 0
Text3.Text = 0
Text4.Text = 0
Text5.Text = 0
Text6.Text = 0
Text7.Text = 0
Text2.Text = Format(Date$, "mm/dd/yy")
Label11.Caption = 0
Label13.Caption = 0
Label14.Caption = 0
Label12.Caption = 0
Label18.Caption = 0
Label16.Caption = 0
Label15.Caption = Format(Date$,
"mm/dd/yy")
Label17.Caption = Format(Date$,
"mm/dd/yy")
Label19.Caption = 0
Data1.Recordset.MoveNext
Loop
Total_SQL_Gap = 0
Data1.Recordset.MoveFirst
Do While Not Data1.Recordset.EOF
Total_SQL_Gap = Int(Label12.Caption) +
Total_SQL_Gap
Data1.Recordset.MoveNext
Loop
Fin:
'ORDENA LA BASE POR SUPERFICIE, DE
MENOR A MAYOR
MousePointer = 0
Data1.Recordset.MoveFirst
Data1.RecordSource = "SELECT * FROM Base
ORDER BY Superficie"
Data1.Refresh
Data1.Recordset.MoveFirst
Do While Not Data1.Recordset.EOF
Label19.Caption = Int(Total_SQL_Gap)
Data1.Recordset.MoveNext
Loop
Fin:
'ORDENA LA BASE POR SUPERFICIE, DE
MENOR A MAYOR
MousePointer = 0
Data1.Recordset.MoveFirst
Data1.RecordSource = "SELECT * FROM Base
ORDER BY Superficie"
Data1.Refresh
End Sub
Private Sub Command5_Click()
On Error GoTo Fin
' OCULTA OBJETOS EN LA PANTALLA
INICIAL
Text1.Visible = False
Text2.Visible = False
Text3.Visible = False
Text4.Visible = False
Text5.Visible = False
Text6.Visible = False
Text7.Visible = False
Label8.Visible = False
Label9.Visible = False
Label10.Visible = False
Label11.Visible = False
Label12.Visible = False
Label13.Visible = False
Label14.Visible = False
' RECALCULA LOS VALORES Y GRABA LOS
NUEVOS EN LA TABELA POR CICLO DO
WHILE LOOP
MousePointer = 11
Data1.Recordset.MoveFirst
Do While Not Data1.Recordset.EOF
End Sub
Private Sub Data1_Reposition()
On Error GoTo Fin
Fin:
End Sub
Private Sub Data1_Validate(Action As Integer,
Save As Integer)
On Error GoTo Fin
Command1.Enabled = True
' COLOCA MASCARAS DE TEXTO EN LOS
CAMPOS DE LAS BASES
Label8.Caption = "Densidade mangles(ind/ha):"
& Chr$(13) & Chr$(13) & "Disponibilidade das
plantas (dias):" & Chr$(13) & Chr$(13) & "Custo
das plantas (R$/1000u):" & Chr$(13) & Chr$(13)
& "Operarios disponíveis (u):" & Chr$(13) &
Chr$(13) & "Rendimento operarios
(plantas/dia):" & Chr$(13) & Chr$(13) & "Custo
operativo/operário/mês (R$/op/mês):" &
Chr$(13) & Chr$(13) & "Data início
(mm/dd/aa):"
Label9.Caption = "Total de plantas:" & Chr$(13)
& "Custo das plantas (R$):" & Chr$(13) &
"Custo operários (R$)" & Chr$(13) & "Custo
parcial (R$):" & Chr$(13) & "Custo total (R$):"
Label10.Caption = "Trabalho operários (dias):"
& Chr$(13) & "Prazo de execução (dias):" &
Chr$(13) & "Data estimada de finalização:" &
Chr$(13) & "Data limite:"
' OCULTA LOS OBJETOS OCULTOS CON
VALORES DE LOS CAMPOS
Text1.Visible = True
Text2.Visible = True
Text3.Visible = True
Text4.Visible = True
Text5.Visible = True
Text6.Visible = True
Text7.Visible = True
Label8.Visible = True
Label9.Visible = True
Label10.Visible = True
Label11.Visible = True
Label12.Visible = True
Label13.Visible = True
Label14.Visible = True
Label15.Visible = True
Label16.Visible = True
Label17.Visible = True
Label18.Visible = True
Label19.Visible = True
Frame2.Enabled = True
Frame3.Enabled = True
Command1.Enabled = True
Command2.Enabled = True
Command3.Enabled = False
Command4.Enabled = False
Command5.Enabled = False
Fin:
End Sub
Private Sub Form_Load()
'ORDENA LA BASE POR SUPERFICIE, DE
MENOR A MAYOR
Data1.RecordSource = "SELECT * FROM Base
ORDER BY Superficie"
Data1.Refresh
' OCULTA OBJETOS EN LA PANTALLA
INICIAL
Text1.Visible = False
Text2.Visible = False
Text3.Visible = False
Text4.Visible = False
Text5.Visible = False
Text6.Visible = False
Text7.Visible = False
Label8.Visible = False
Label9.Visible = False
Label10.Visible = False
Label11.Visible = False
Label12.Visible = False
Label13.Visible = False
Label14.Visible = False
Label15.Visible = False
Label16.Visible = False
Label17.Visible = False
Label18.Visible = False
Label19.Visible = False
Frame2.Enabled = False
Frame3.Enabled = False
Command1.Enabled = False
Command2.Enabled = True
Command3.Enabled = False
Command4.Enabled = False
Command5.Enabled = False
' ASIGNA A LAS VARIABLES PUBLICAS LOS
VALORES DE LOS CAMPOS DE LA BASE
Sup = Val(Label3.Caption)
Densidade_Mangles = Val(Text1.Text)
Diponibilidade_Plantas = Val(Text3.Text)
Custo_1000Plantas = Val(Text4.Text)
Operarios_Disponiveis = Val(Text5.Text): If
Operarios_Disponiveis = 0 Then
Operarios_Disponiveis = 1 Else
Operarios_Disponiveis = Operarios_Disponiveis
Rendimiento_Operarios = Val(Text6.Text): If
Rendimiento_Operarios = 0 Then
Rendimiento_Operarios = 1 Else
Rendimiento_Operarios =
Rendimiento_Operarios
Custo_Operario = Val(Text7.Text)
Data_Inicio = Text2.Text
End Sub
-
215
-
Estrutura da base de conhecimentos
PRINTSCALE 100;
VERSION 159;
HYPOTHESIS {
ID 1;
TITLE "Avicennia";
SETBY 1;
COLOR 0,0.392157,0;
ENABLED 1;
}
HYPOTHESIS {
ID 2;
TITLE "Comp. localizacao
Avicennia";
NOTSELECTED;
HIDE;
SETBY 2;
USEDIN 1;
ENABLED 1;
}
HYPOTHESIS {
ID 3;
TITLE "Comp. qualificacao
Avicennia";
NOTSELECTED;
HIDE;
SETBY 3;
USEDIN 1;
ENABLED 1;
}
HYPOTHESIS {
ID 4;
TITLE "Laguncularia";
SETBY 4;
COLOR
0.722431,0.892402,0.107598;
ENABLED 1;
}
HYPOTHESIS {
ID 5;
TITLE "Comp. localizacao
Laguncularia";
NOTSELECTED;
HIDE;
SETBY 5;
USEDIN 4;
ENABLED 1;
}
HYPOTHESIS {
ID 6;
TITLE "Comp. qualificacao
Laguncularia";
NOTSELECTED;
HIDE;
SETBY 6;
USEDIN 4;
ENABLED 1;
}
HYPOTHESIS {
ID 7;
TITLE "Rhizophora";
SETBY 7;
COLOR
0.245424,0.734576,0.423719;
ENABLED 1;
}
HYPOTHESIS {
ID 8;
TITLE "Comp. localizacao
Rhizophora";
NOTSELECTED;
HIDE;
SETBY 8;
USEDIN 7;
ENABLED 1;
}
HYPOTHESIS {
ID 9;
TITLE "Comp. qualificacao
Rhizophora";
}
RULE {
NOTSELECTED;
HIDE;
SETBY 9;
USEDIN 7;
ENABLED 1;
ID 1;
TITLE "Avicennia";
HYPOTHESIS 1;
ENABLED 1;
CONDITION {
HYPOTHESIS 2 ==
TRUE CONFIDENCE 0.15;
ENABLED 1;
}
CONDITION {
HYPOTHESIS 3 ==
TRUE CONFIDENCE 0.07;
ENABLED 1;
}
}
RULE {
ID 2;
TITLE "Comp localizacao
Avicennia";
HYPOTHESIS 2;
ENABLED 1;
CONDITION {
VARIABLE 1 <
VALUE 167 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 1 >=
VALUE 70 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 2 ==
VALUE 255 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 3 ==
VALUE 255 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 4 ==
VALUE 255 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 5 ==
VALUE 50 CONFIDENCE 0.9;
ENABLED 1;
}
}
RULE {
ID 3;
TITLE "Comp. qualificacao
Avicennia";
HYPOTHESIS 3;
ENABLED 1;
CONDITION {
VARIABLE 9 <
VALUE 110 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 13 >=
VALUE 130 CONFIDENCE 0.7;
ENABLED 1;
}
CONDITION {
VARIABLE 12 <=
VARIABLE 8 CONFIDENCE 0.5;
ENABLED 1;
}
CONDITION {
VARIABLE 8 >=
VALUE 20 CONFIDENCE 0.5;
ENABLED 1;
}
CONDITION {
VARIABLE 6 ==
VALUE 56 CONFIDENCE 1;
ENABLED 1;
}
CONDITION {
VARIABLE 9 >
VALUE 0 CONFIDENCE 1;
ENABLED 1;
}
}
RULE {
ID 4;
TITLE "Laguncularia";
HYPOTHESIS 4;
ENABLED 1;
CONDITION {
HYPOTHESIS 5 ==
TRUE CONFIDENCE 1;
ENABLED 1;
}
CONDITION {
HYPOTHESIS 6 ==
TRUE CONFIDENCE 1;
ENABLED 1;
}
}
RULE {
ID 5;
TITLE "Comp localizacao
Laguncularia";
HYPOTHESIS 5;
ENABLED 1;
CONDITION {
VARIABLE 1 <
VALUE 167 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 1 >=
VALUE 70 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 2 ==
VALUE 255 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 3 ==
VALUE 255 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 4 ==
VALUE 255 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 5 ==
VALUE 50 CONFIDENCE 0.9;
ENABLED 1;
}
}
RULE {
ID 6;
TITLE "Comp. qualificacao
Laguncularia";
HYPOTHESIS 6;
ENABLED 1;
CONDITION {
VARIABLE 9 <
VALUE 105 CONFIDENCE 0.9;
-216-
ENABLED 1;
}
CONDITION {
VARIABLE 13 >=
VALUE 125 CONFIDENCE 0.7;
ENABLED 1;
}
CONDITION {
VARIABLE 12 <=
VARIABLE 8 CONFIDENCE 0.5;
ENABLED 1;
}
CONDITION {
VARIABLE 8 >=
VALUE 20 CONFIDENCE 0.5;
ENABLED 1;
}
CONDITION {
VARIABLE 6 ==
VALUE 210 CONFIDENCE 1;
ENABLED 1;
}
CONDITION {
VARIABLE 9 >
VALUE 0 CONFIDENCE 1;
ENABLED 1;
}
}
RULE {
ID 7;
TITLE "Rhizophora";
HYPOTHESIS 7;
ENABLED 1;
CONDITION {
HYPOTHESIS 8 ==
TRUE CONFIDENCE 1;
ENABLED 1;
}
CONDITION {
HYPOTHESIS 9 ==
TRUE CONFIDENCE 1;
ENABLED 1;
}
}
RULE {
ID 8;
TITLE "Comp localizacao
Rhizophora";
HYPOTHESIS 8;
ENABLED 1;
CONDITION {
VARIABLE 1 <
VALUE 167 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 1 >=
VALUE 70 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 2 ==
VALUE 255 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 3 ==
VALUE 255 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 4 ==
VALUE 255 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 5 ==
VALUE 50 CONFIDENCE 0.9;
ENABLED 1;
}
}
RULE {
ID 9;
TITLE "Comp. qualificacao
Rhizophora";
HYPOTHESIS 9;
ENABLED 1;
CONDITION {
VARIABLE 9 <
VALUE 100 CONFIDENCE 0.9;
ENABLED 1;
}
CONDITION {
VARIABLE 13 >=
VALUE 120 CONFIDENCE 0.7;
ENABLED 1;
}
CONDITION {
VARIABLE 12 <=
VARIABLE 8 CONFIDENCE 0.5;
ENABLED 1;
}
CONDITION {
VARIABLE 8 >=
VALUE 20 CONFIDENCE 0.5;
ENABLED 1;
}
CONDITION {
VARIABLE 6 ==
VALUE 128 CONFIDENCE 1;
ENABLED 1;
}
CONDITION {
VARIABLE 9 >
VALUE 0 CONFIDENCE 1;
ENABLED 1;
}
}
VARIABLE {
ID 1;
TITLE "dem";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/01-dem.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 2;
TITLE "drenagem";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/01-drainage.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 3;
TITLE "arruamento";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/01-streets.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 4;
TITLE "construcoes";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/02-buildings.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 5;
TITLE "cadastro";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/02-cadaster.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 6;
TITLE "mangues";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/03-mangle.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 7;
TITLE "landsat";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/06-landsat.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 8;
TITLE "spot_verde";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/07-spot_green.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 9;
TITLE "fotografiaerea";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/09-aerialphotograph_28um.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 10;
TITLE "textura";
OBJECTTYPE RASTER;
DATATYPE FLOAT;
IMAGE "d:/mangle_itacorubi/03variables/10-texture.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 11;
TITLE "infravermelho900nm";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/11-infrared900nm.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 12;
TITLE "spot_vermelho";
OBJECTTYPE RASTER;
DATATYPE INTEGER;
IMAGE "d:/mangle_itacorubi/03variables/07-spot_red.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
VARIABLE {
ID 13;
TITLE "textura_7x7";
OBJECTTYPE RASTER;
DATATYPE FLOAT;
IMAGE "d:/mangle_itacorubi/03variables/10-texture_7x7_variance.img"
LAYER "(:Layer_1)"
ATTRIBUTE "Cell
Value";
}
-217-
FOTOGRAFÍAS DE CAMPO
Diferentes aspectos dos mangues na área de estudo
Fonte: Trabalhos de campo, 2001/2003
-218-
Diferentes aspectos da antropização na área de estudo
Fonte: Trabalhos de campo, 2001/2003
-219-
Diferentes aspectos dos esgotos na área de estudo
Fonte: Trabalhos de campo, 2001/2003
–—