MINISTÉRIO DA EDUCAÇÃO
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS
DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO
COORDENAÇÃO DO CURSO DE MESTRADO EM MODELAGEM
MATEMÁTICA E COMPUTACIONAL
DISSERTAÇÃO DE MESTRADO
ANÁLISE DIGITAL DA SUPERFÍCIE DA ÁGUA, PARA MONITORAMENTO
DE COMPOSTOS ORGÂNICOS E INORGÂNICOS, UTILIZANDO IMAGENS DO
SENSOR CCD/ CBERS.
JOÃO PAULO CAMPOLINA LAMAS
Dissertação de Mestrado em Modelagem Matemática e Computacional
Orientada pela Profª. Drª Maria das Graças de Almeida.
Belo Horizonte
CEFET-MG
Novembro 2007.
João Paulo Campolina Lamas
ANÁLISE DIGITAL DA SUPERFÍCIE DA ÁGUA, PARA MONITORAMENTO DE
COMPOSTOS ORGÂNICOS E INORGÂNICOS, UTILIZANDO IMAGENS DO
SENSOR CCD/CBERS.
Dissertação apresentada ao Curso de
Mestrado em Modelagem Matemática e
Computacional do Centro Federal de
Educação Tecnológica de Minas Gerais,
como requisito parcial do título de
Mestre em Modelagem Matemática e
Computacional.
Orientadora Profª. Drª Maria das Graças de Almeida.
DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS
Belo Horizonte – MG
Novembro / 2007.
Lamas, João Paulo Campolina
Análise digital da superfície da água, para monitoramento de compostos orgânicos e
L217a inorgânicos, utilizando imagens do sensor CCD/CBERS. – 2007.
131 f.
Orientadora: Maria das Graças de Almeida.
Dissertação (mestrado) – Centro Federal de Educação Tecnológica de Minas Gerais.
1. Sensoriamento Remoto, Processamento de Imagens, Geo-referenciamento, Sensor
CCD/CBERS, Água, Compostos Orgânicos e Inorgânicos. I. Almeida, Maria das
Graças de . II. Centro Federal de Educação Tecnológica de Minas Gerais. III. Título.
CDD 621.3678
MINISTÉRIO DA EDUCAÇÃO
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA DE MINAS GERAIS
DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO
COORDENAÇÃO DO CURSO DE MESTRADO EM MODELAGEM
MATEMÁTICA E COMPUTACIONAL
Dissertação intitulada “Análise digital da superfície da água, para monitoramento de
compostos orgânicos e inorgânicos, utilizando imagens do sensor CCD/CBERS”, de
autoria do mestrando João Paulo Campolina Lamas, aprovada pela banca examinadora
constituída pelos seguintes professores:
________________________________________________________
Profª. Drª. Maria das Graças de Almeida (Orientadora) – CEFET-MG
________________________________________________________
Prof. Dr. José Marinaldo Gleriani - UFV
________________________________________________________
Prof. Dr. Guilherme Fernandes Marques
_______________________________________________________
Profª. Drª Elenice Biazi – CEFET-MG
Belo Horizonte, 23 de novembro de 2007.
Dedico aos meus pais
Joarês e Beatriz,
Irmãos Vitor e Lara,
Avós, Paulo(in memorian) e Lucinha
e a minha querida Camila.
AGRADECIMENTOS
Primeiramente, a DEUS, por me dar toda força, paciência e determinação para a conclusão desta
dissertação.
Aos meus pais, Joarês e Beatriz, por nunca medirem esforços para que eu alcançasse meu
objetivo. Vocês são os melhores pais do mundo e por isso o meu muito obrigado.
Aos meus queridos irmãos, Vitor e Lara, por todo carinho e alegria que me proporcionam.
Meus avós Paulo (in memorian) e Lucinha, que contribuíram e torceram pela realização deste
trabalho.
Agradeço à Camila, pelo total incentivo, mesmo nos momentos mais difíceis, de grande tristeza e
nervosismo, sempre me ajudou e acreditou em mim. A você Camilinha, fica todo meu amor, minha
confiança e do fundo do meu coração, os meus sinceros agradecimentos.
Agradeço à minha orientadora, Profª Drª. Maria das Graças de Almeida, pela inestimável
colaboração com livros, artigos e principalmente pelas orientações. Sua experiência e disposição foram
fatores responsáveis pela concretização deste trabalho.
À Tia Julinha, que me acolheu com todo carinho em minha primeira morada em Belo Horizonte.
Não poderia, de forma alguma, deixar de lembrar do Tio Cláudio, Tia Zezé, que foram, além de
meus tios, os meus pais em Belo Horizonte. Seus filhos e noras: Haldley, Wesley e Cristina, Stanley e
Alini, que mais do que primos, são meus irmãos e cunhadas. A vocês, os meus profundos agradecimentos.
Ao Diretor Geral do CEFET-RP, o Professor Mário Sérgio da Costa Vieira, por permitir e
incentivar minhas idas para o desenvolvimento da dissertação.
Aos fantásticos colegas de trabalho do CEFET- Rio Pomba e, especialmente, aos colegas da
informática, Alexandre, Anne, Bruno, Leilimar, Samira, Sandro, dentre outros, pela amizade, pelo
companheirismo e sobretudo, ajuda. Agradeço mais uma vez ao colega Alexandre, por me ajudar a
coletar fotografias das lagoas.
Ao INPE por fornecer as imagens do satélite CBERS.
Ademais, não poderia deixar de citar nominalmente algumas pessoas, que ofereceram grande
contribuição em suas áreas de conhecimento: Prof. Júlio – UFV, Profª Evlyn – INPE.
ii
RESUMO
Este trabalho tem como objetivo a análise digital da superfície da água nas lagoas da Pampulha, Vargem
das Flores e Ibirité, na região metropolitana de Belo Horizonte, MG, utilizando imagens do satélite
CBERS, a fim de monitorar a presença de compostos orgânicos e inorgânicos na água. A metodologia
utilizada para este estudo foi a coleta digital de amostras das superfícies das lagoas através da leitura de
pixels das áreas selecionadas, seguido da normalização dos pixels em matrizes 5X5, com intuito de
aperfeiçoar e padronizar a plotagem dos gráficos referentes a cada amostra digital coletada, nos níveis de
0 a 1. Neste contexto, a integração de todos os dados permitiu estimar que determinadas partes das lagoas
da Pampulha e Ibirité estavam com parte da superfície da água com compostos orgânicos e inorgânicos,
enquanto que a Lagoa Vargem das Flores apresentou-se isenta de compostos em sua superfície em sua
totalidade. Como resultados obtidos, tem-se o georreferenciamento digital das imagens CBERS, a análise
digital das superfícies das lagoas, o monitoramento digital da presença de compostos orgânicos e
inorgânicos, a verdade terrestre e a carta temática com o mapeamento da vegetação, água e área urbana da
região metropolitana de Belo Horizonte, MG.
Palavras Chave: Água, Análise Digital, Imagens CBERS, Sensoriamento Remoto,
Compostos Orgânicos e Inorgânicos.
iii
ABSTRACT
In this work, the digital analysis of the water coverage, was done, for the lakes Pampulha, Vargem das
Flores and Ibirité, located in Belo Horizonte metropolitan region, MG, Brazil, in order to track the
presence of organics and inorganic compounds in the lakes. The methodology used in the study was to
collect the digital samples on the lake coverages, reading the pixels selected areas, followed by the pixels
normalization, in 5X5 matrices, in order to standard and to improve the output graphics concerned to each
digital collected sample, in the level 0 to 1. In this context with all data integrated the estimation that,
there were presence of organics and inorganic compounds, in some parts of the Pampulha and Ibirité
lakes; while in Vargem das Flores lake the water coverage showed itself clean. As result of this
dissertation, we have the digital georreferencing of the CBERS images, the digital analysis of the lakes
coverages, the digital tracking of organics and inorganic compounds, the land truth and the thematic map
of the vegetation, water coverage and urban area, of Belo Horizonte metropolitan region, MG, Brazil.
iv
LISTA DE FIGURAS
FIGURA 1.
SENSORIAMENTO REMOTO [FONTE: ADAPTADO DE BAUER, 2004]...................................5
FIGURA 2.
ESPECTRO ELETROMAGNÉTICO [FONTE: MOREIRA (2005)]..............................................6
FIGURA 3.
TIPOS DE SENSORES. [FONTE: MOREIRA, 2005]................................................................8
FIGURA 4.
ESQUEMA DO SATÉLITE CBERS COM ALGUNS DE SEUS COMPONENTES. [FONTE:
MOREIRA, 2005]...............................................................................................................................9
FIGURA 5.
VARIAÇÃO DO COEFICIENTE Α DA ÁGUA PURA, DE CONSTITUINTES OPTICAMENTE ATIVOS E
A ABSORÇÃO TOTAL RESULTANTE; VARIAÇÃO DO COEFICIENTE B PARA ÁGUA PURA E FITOPLÂNCTON.
[FONTE: RUDORFF, (2006)] ..........................................................................................................17
FIGURA 6.
REFLECTÂNCIA EM ÁGUA LIMPA E COM COMPONENTES ORGÂNICOS E INORGÂNICOS
[FONTE: CHRYSOULAKIS, 2002].................................................................................................18
FIGURA 7.
CURVA DA ÁGUA COM DIFERENTES COMPRIMENTOS DE ONDAS, ONDE NTU SIGNIFICA O
NÍVEL DE TURBIDEZ. [FONTE: ADAPTADO DE NOBREGA, (2002)]................................................21
FIGURA 8.
CURVAS ESPECTRAIS COM DIFERENTES AMOSTRAS DE TSS. [FONTE: ADAPTADO DE
BARBOSA, 2005]................................................................................................................................22
FIGURA 9.
PROCESSO DE DIGITALIZAÇÃO [FONTE: NOVO, 1992]. ....................................................24
FIGURA 10. MATRIZ 5X5 – LEITURA DE PIXELS. ....................................................................................24
FIGURA 11. (A) LOCALIZAÇÃO DA ÁREA DE ESTUDO MINAS GERAIS E (B) ÁREA DE ESTUDO GEOREFERENCIADA DA GRANDE BELO HORIZONTE..................................................................................25
FIGURA 12. AS 3 LAGOAS PAMPULHA, VARGEM DAS FLORES E IBIRITÉ: B2, B3 E B4 DO SATÉLITE
CBERS. 27
FIGURA 13. IMAGENS SEM GEORREFERENCIAMENTO E COM O GEORREFERENCIAMENTO DAS 3 LAGOAS:
COMPOSIÇÃO COLORIDA DAS BANDAS B2(AZUL), B3(VERDE) E B4(VERMELHO). ............................31
FIGURA 14. CARACTERÍSTICAS COMPOSIÇÃO COLORIDA DA IMAGEM DO CBERS: B2 (AZUL), B3
(VERDE) E B4 (VERMELHO)...............................................................................................................32
FIGURA 15. FLUXOGRAMA DAS ATIVIDADES DESENVOLVIDAS...............................................................34
FIGURA 16. IMAGEM GEORREFERENCIADA NA COMPOSIÇÃO COLORIDA E EM TRÊS BANDAS ESPSCTRAIS:
BANDA 2 – (AZUL), BANDA 3 – (VERDE) E BANDA 4 – (VERMELHO). ...............................................36
FIGURA 17. LAGOA DA PAMPULHA COM COMPOSIÇÃO COLORIDA .........................................................37
FIGURA 18. LAGOA DA PAMPULHA NAS 3 BANDAS ESPECTRAIS. ............................................................38
FIGURA 19. AMOSTRAS RECORTADOS NA IMAGEM DA LAGOA DA PAMPULHA .......................................38
FIGURA 20. CADA AMOSTRA DA LAGOA RECORTADA. ...........................................................................39
FIGURA 21. HISTOGRAMAS GERADOS A PARTIR DAS IMAGENS SELECIONADAS DA LAGOA DA PAMPULHA.
40
FIGURA 22. MATRIZES OBTIDAS COM A LEITURA DE PIXELS DA AMOSTRA 20 A.....................................41
FIGURA 23. CONJUNTO DE MATRIZES NORMALIZADAS DA FIGURA 20 A. ...............................................42
FIGURA 24. GRÁFICO GERADO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 20A. ......................43
FIGURA 25. GRÁFICO GERADO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 20A. ......................43
FIGURA 26. GRÁFICO GERADO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 20A. ......................44
FIGURA 27. GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 20A. ......................................44
FIGURA 28. GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 20A. .......................................45
FIGURA 29. MATRIZES OBTIDAS COM A LEITURA DE PIXELS DA FIGURA 20 B.........................................46
FIGURA 30. CONJUNTO DE MATRIZES NORMALIZADAS DA FIGURA 20 B.................................................46
FIGURA 31. GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 20B......................................47
FIGURA 32. GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 20B......................................47
FIGURA 33. GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 20B. ....................................48
FIGURA 34. GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 20B........................................48
FIGURA 35. GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 20B.........................................49
FIGURA 36. MATRIZES OBTIDAS COM A LEITURA DE PIXELS DA FIGURA 20 C.........................................49
FIGURA 37. CONJUNTO DE MATRIZES NORMALIZADAS DA FIGURA 20 C.................................................50
FIGURA 38. GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 20C......................................51
FIGURA 39. GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 20C......................................51
FIGURA 40. GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 20C. ....................................52
v
FIGURA 41.
FIGURA 42.
FIGURA 43.
FIGURA 44.
FIGURA 45.
FIGURA 46.
FIGURA 47.
FIGURA 48.
FIGURA 49.
FIGURA 50.
FIGURA 51.
FIGURA 52.
FIGURA 53.
FIGURA 54.
FIGURA 55.
FIGURA 56.
FIGURA 57.
FIGURA 58.
GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 20C........................................52
GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 20C.........................................53
MATRIZES OBTIDAS COM A LEITURA DE PIXELS DA FIGURA 20 D. .......................................54
CONJUNTO DE MATRIZES NORMALIZADAS DA FIGURA 20 D. ...............................................54
GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 20D. ....................................55
GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 20D. ....................................55
GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 20D. ....................................56
GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 20D. ......................................56
GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 20D. .......................................57
MATRIZES OBTIDAS COM A LEITURA DE PIXELS DA FIGURA 20 E.........................................58
CONJUNTO DE MATRIZES NORMALIZADAS DA FIGURA 20 E.................................................58
GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 20E......................................59
GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 20E......................................59
GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 20E. ....................................60
GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 20E........................................60
GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 20E.........................................61
FOTO DE PARTE DA LAGOA DA PAMPULHA..........................................................................62
FOTO DA LAGOA DA PAMPULHA COM UM DIVISOR UTILIZADO PARA CONTER AS EPÉCIES
MACRÓFITAS NA SUPERFÍCIE..............................................................................................................62
FIGURA 59. TRABALHADORES RETIRANDO MATERIAL ORGÂNICO E INORGÂNICO DA LAGOA DA
PAMPULHA. .......................................................................................................................................63
FIGURA 60. PARTE DA LAGOA DA PAMPULHA COBERTA POR VEGETAÇÃO.............................................63
FIGURA 61. CAPIVARAS AO REDOR DA LAGOA E AO FUNDO ESPÉCIES MACRÓFITAS. ..............................64
FIGURA 62. FOTO LAGOA DA PAMPULHA, MINIEIRÃO AO FUNDO. .........................................................64
FIGURA 63. LAGOA VARGEM DAS FLORES NA COMPOSIÇÃO COLORIDA.................................................66
FIGURA 64. 3 BANDAS ESPECTRAIS DA LAGOA VARGEM DAS FLORES....................................................66
FIGURA 65. RECORTE DOS ALVOS A SEREM ESTUDADOS NA LAGOA VARGEM DAS FLORES. ..................67
FIGURA 66. RECORTES DE AMOSTRAS DA LAGOA DE VARGEM DAS FLORES. .........................................67
FIGURA 67. HISTOGRAMAS GERADOS A PARTIR DA LAGOA VARGEM DAS FLORES. ...............................68
FIGURA 68. MATRIZES A SEREM NORMALIZADAS DA AMOSTRA A DA FIGURA 66...................................69
FIGURA 69. MATRIZES NORMALIZADAS DA AMOSTRA A DA FIGURA 66. ................................................69
FIGURA 70. GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 66A. ....................................70
FIGURA 71. GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 66A. ....................................70
FIGURA 72. GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 66A. ....................................71
FIGURA 73. GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 66A. ......................................71
FIGURA 74. GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 66A. .......................................72
FIGURA 75. MATRIZES A SEREM NORMALIZADAS DA AMOSTRA B DA FIGURA 66...................................72
FIGURA 76. MATRIZES NORMALIZADAS DA AMOSTRA B DA FIGURA 66. ................................................73
FIGURA 77. GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 66B......................................74
FIGURA 78. GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 66B......................................74
FIGURA 79. GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 66B. ....................................75
FIGURA 80. GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 66B........................................75
FIGURA 81. GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 66B.........................................76
FIGURA 82. MATRIZES OBTIDAS DA LEITURA DE PIXELS DA AMOSTRA C DA FIGURA 66.........................76
FIGURA 83. MATRIZES NORMALIZADAS DA AMOSTRA C DA FIGURA 66. ................................................77
FIGURA 84. GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 66 C.....................................77
FIGURA 85. GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 66 C.....................................78
FIGURA 86. GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 66 C. ...................................78
FIGURA 87. GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 66 C.......................................79
FIGURA 88. GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 66 C........................................79
FIGURA 89. MATRIZES OBTIDAS DA LEITURA DE PIXELS DA AMOSTRA D DA FIGURA 66. .......................80
FIGURA 90. MATRIZES NORMALIZADAS DA AMOSTRA D DA FIGURA 66. ................................................80
FIGURA 91. GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 66 D.....................................81
FIGURA 92. GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 66 D.....................................81
FIGURA 93. GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 66 D. ...................................82
FIGURA 94. GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 66 D.......................................82
FIGURA 95. GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 66 D........................................83
FIGURA 96. MATRIZES OBTIDAS DA LEITURA DE PIXELS DA AMOSTRA E DA FIGURA 66.........................83
FIGURA 97. MATRIZES NORMALIZADAS DA AMOSTRA E DA FIGURA 66..................................................84
FIGURA 98. GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 66 E. ....................................84
vi
FIGURA 99. GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 66 E. ....................................85
FIGURA 100.
GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 66 E................................85
FIGURA 101.
GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 66 E. .................................86
FIGURA 102.
GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 66 E. ..................................86
FIGURA 103.
VISTA DA LAGOA DE VARGEM DAS FLORES. ..................................................................87
FIGURA 104.
LAGOA DE VARGEM DAS FLORES SEM A PRESENÇA DE MATERIAIS INORGÂNICOS
DEPOSITADOS NA SUPERFÍCIE DA ÁGUA. ............................................................................................88
FIGURA 105.
VISTA DA LAGOA VARGEM DAS FLORES. AO FUNDO UMA PEDREIRA. ............................88
FIGURA 106.
EXISTÊNCIA DE PLÁSTICOS, GARRAFAS, ETC, NAS ÁGUAS DA LAGOA VARGEM DAS
FLORES. 89
FIGURA 107.
AMOSTRA DA LAGOA VARGEM DAS FLORES. .................................................................89
FIGURA 108.
LAGOA DE IBIRITÉ NA COMPOSIÇÃO COLORIDA: B2(AZUL), B3(VERDE) E
B4(VERMELHO).................................................................................................................................90
FIGURA 109.
3 BANDAS ESPECTRAIS DA LAGOA DE IBIRITÉ.................................................................90
FIGURA 110.
AMOSTRAS DA LAGOA DE IBIRITÉ. .................................................................................91
FIGURA 111.
RECORTES DE AMOSTRAS DA LAGOA DE IBIRITÉ. ...........................................................91
FIGURA 112.
HISTOGRAMAS GERADOS DA LAGOA DE IBIRITÉ.............................................................92
FIGURA 113.
MATRIZES OBTIDAS DA LEITURA DE PIXELS DA AMOSTRA A DA FIGURA 111..................93
FIGURA 114.
MATRIZES NORMALIZADAS DA AMOSTRA A DA FIGURA 111. .........................................93
FIGURA 115.
GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 111 A..............................94
FIGURA 116.
GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 111 A..............................94
FIGURA 117.
GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 111 A..............................95
FIGURA 118.
GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 111 A................................95
FIGURA 119.
GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 111 A.................................96
FIGURA 120.
MATRIZES OBTIDAS DA LEITURA DE PIXELS DA AMOSTRA B DA FIGURA 111..................96
FIGURA 121.
MATRIZES NORMALIZADAS DA AMOSTRA B DA FIGURA 111...........................................97
FIGURA 122.
GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 111 B. .............................97
FIGURA 123.
GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 111 B. .............................98
FIGURA 124.
GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 111 B..............................98
FIGURA 125.
GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 111 B. ...............................99
FIGURA 126.
GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 111 B. ................................99
FIGURA 127.
MATRIZES OBTIDAS DA LEITURA DE PIXELS DA AMOSTRA C DA FIGURA 111................100
FIGURA 128.
MATRIZES NORMALIZADAS DA AMOSTRA C DA FIGURA 111.........................................100
FIGURA 129.
GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 111 C. ...........................101
FIGURA 130.
GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 111 C. ...........................101
FIGURA 131.
GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 111 C............................102
FIGURA 132.
GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 111 C. .............................102
FIGURA 133.
GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 111 C. ..............................103
FIGURA 134.
MATRIZES OBTIDAS DA LEITURA DE PIXELS DA AMOSTRA D DA FIGURA 111................103
FIGURA 135.
MATRIZES NORMALIZADAS DA AMOSTRA D DA FIGURA 111. .......................................104
FIGURA 136.
GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 111 D............................104
FIGURA 137.
GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 111 D............................105
FIGURA 138.
GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 111 D............................105
FIGURA 139.
GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 111 D..............................106
FIGURA 140.
GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 111 D...............................106
FIGURA 141.
MATRIZES OBTIDAS DA LEITURA DE PIXELS DA AMOSTRA E DA FIGURA 111. ...............107
FIGURA 142.
MATRIZES NORMALIZADAS DA AMOSTRA E DA FIGURA 111.........................................107
FIGURA 143.
GRÁFICO DA PRIMEIRA MATRIZ NORMALIZADA DA AMOSTRA 111 E. ...........................108
FIGURA 144.
GRÁFICO DA SEGUNDA MATRIZ NORMALIZADA DA AMOSTRA 111 E. ...........................108
FIGURA 145.
GRÁFICO DA TERCEIRA MATRIZ NORMALIZADA DA AMOSTRA 111 E............................109
FIGURA 146.
GRÁFICO DA QUARTA MATRIZ NORMALIZADA DA AMOSTRA 111 E. .............................109
FIGURA 147.
GRÁFICO DA QUINTA MATRIZ NORMALIZADA DA AMOSTRA 111 E. ..............................110
vii
LISTA DE TABELAS
TABELA 1.
TABELA 2.
TABELA 3.
TABELA 4.
TABELA 5.
TABELA 6.
RELAÇÃO DE CORES NA REGIÃO DO VISÍVEL E NA RADIAÇÃO INFRAVERMELHA. ...................7
RESUMO DAS CARACTERÍSTICAS DOS SENSORES LEVADOS A BORDO DO CBERS ................10
ESTUDO APROFUNDADO DAS BANDAS ESPECTRAIS DO SENSOR CCD. .................................11
ALGUMAS MEDIDAS RADIOMÉTRICAS E FOTOMÉTRICAS PARA O SENSORIAMENTO REMOTO.
13
CONCENTRAÇÃO DE SEDIMENTOS X RESPOSTA ESPECTRAL. ...............................................23
PONTOS DE CONTROLE COM RESPECTIVAS COORDENADAS NA CIDADE DE BELO HORIZONTE
29
viii
SUMÁRIO
1
2
3
4
5
6
7
INTRODUÇÃO........................................................................................................ 1
1.1
Objetivos........................................................................................................... 2
1.2
Estrutura da Dissertação ................................................................................... 2
FUNDAMENTAÇÃO TEÓRICA ........................................................................... 4
2.1
Sensoriamento Remoto..................................................................................... 4
2.2
O Comportamento espectral ............................................................................. 5
2.3
Sistemas sensores ............................................................................................. 7
2.4
O satélite CBERS ............................................................................................. 9
2.4.1
Calibração da Câmera CCD/CBERS...................................................... 12
2.5
Medidas Radiométricas e fotométricas básicas em sensoriamento remoto.... 13
2.6
Conceitos de radiação, leis e interações com alvos ........................................ 14
2.6.1
Corpo Negro ........................................................................................... 14
2.6.2
Leis da Radiação..................................................................................... 14
2.6.3
Interações entre alvos e energia.............................................................. 15
2.6.4
O ecossistema aquático e a interação com fitoplânctons, matérias
orgânicas dissolvidas e as matérias inorgânicas. .................................................... 17
2.6.5
Sedimentos em suspensão ...................................................................... 19
2.7
Análise digital dos alvos................................................................................. 23
METODOLOGIA................................................................................................... 25
3.1
Área de Estudo ............................................................................................... 25
3.2
Aquisição de Imagens..................................................................................... 28
3.3
Criação do Banco de Dados Digital de Minas Gerais. ................................... 28
3.4
Leitura e Geo-referenciamento das Imagens .................................................. 28
3.5
Importação das Imagens para o Banco de Dados ........................................... 32
3.6
Relação entre as Imagens de Satélite e os Alvos Estudados. ......................... 33
3.7
Fluxograma das Atividades desenvolvidas .................................................... 34
RESULTADOS E DISCUSSÃO ........................................................................... 35
4.1
O Geo-referenciamento .................................................................................. 35
4.2
Lagoa da Pampulha ........................................................................................ 37
4.2.1
Verdade terrestre da Lagoa da Pampulha. .............................................. 61
4.3
Lagoa Vargem das Flores ............................................................................... 66
4.3.1
Verdade terrestre da Lagoa Vargem das Flores...................................... 87
4.4
Lagoa de Ibirité............................................................................................... 90
4.4.1
Verdade terrestre da Lagoa de Ibirité. .................................................. 110
CONSIDERAÇÕES FINAIS ............................................................................... 111
REFERÊNCIAS ................................................................................................... 112
ANEXO I.............................................................................................................. 115
1 INTRODUÇÃO
A utilização de recursos terrestres pelo homem tem ocorrido de forma
exponencial. A preocupação e a conscientização da utilização de recursos naturais,
renováveis ou não, vem aumentando assim como a pressão para políticas de
ordenamento do uso/ocupação do solo e mitigação dos impactos. Para traçar essas
políticas, o conhecer como, aonde e porque determinada atividade humana vem
ocorrendo é um grande desafio, este é caracterizado pelo dinamismo e pela escala com
que essas mudanças ocorrem. Dados de sensores com as características sinópticas,
multiespectrais e temporais têm atendido a essa necessidade e novo estudo tem sido
realizado no sentido de transformar esses dados em informações confiáveis.
A importância dos estudos limnológicos estão cada vez mais evidentes, pois a
crescente demanda por água, a escassez desse recurso e a má utilização de mesmo,
fazem com que monitoramentos limnológicos sejam realizados. Mas também fica
constatado que, com relatórios governamentais mais preocupantes a cada ano, aplicar
métodos limnológicos estão cada vez mais difíceis, devido a grande extensão de um país
como o Brasil.
Atualmente existe uma demanda de informações orbitais, para monitorar as
modificações espaciais sofridas pelo planeta, fazendo com que o sensoriamento remoto
orbital seja uma ferramenta de vital importância para estudo destas informações digitais.
Neste contexto, o objetivo do trabalho é verificar através do comportamento
espectral da água e compostos orgânicos e inorgânicos, a imagem orbital gerada e por
meio da leitura de pixels identificar alvos com superfície tomada por compostos e
superfície completamente limpa de sedimentos em suspensão. O comportamento
espectral em águas naturais, a reflectância passa a ter uma função dos componentes
opticamente ativos presentes na água. São eles: sedimentos em suspensão, pigmentos
fotossintéticos e matéria orgânica dissolvida.
2
1.1 Objetivos
Este trabalho tem como objetivos:
1. Verificar o comportamento espectral da água, determinando as faixas
espectrais de maior sensibilidade aos corpos d’água, a partir das imagens
do satélite CBERS.
2. Desenvolver uma metodologia de estudo para o comportamento espectral
da água, através da leitura de pixels das imagens, associando-os à
presença de compostos orgânicos e inorgânicos encontrados na superfície
da água.
3. Fazer o georreferenciamento da imagem gerada a partir do sensor com o
Software SPRING.
4. Gerar histogramas e gráficos matriciais dos pixels lidos através do
SPRING, para análise digital da água .
5. Avaliar os índices para verificação da presença de compostos orgânicos
ou inorgânicos na superfície da água das lagoas da Pampulha, Vargem
das Flores e Represa de Ibirité, a partir de imagens geradas por satélites
CBERS com o sensor imageador CCD.
1.2 Estrutura da Dissertação
O presente trabalho está organizado em capítulos da seguinte forma.
O Capítulo 2 apresenta a fundamentação teórica que embasa a pesquisa
proposta, apresentando o sensoriamento remoto de recursos hídricos e aspectos
relacionados à qualidade da água e faixas espectrais, para monitoramento dos
compostos orgânicos ou inorgânicos na superfície da água.
No Capítulo 3, a utilização da metodologia de pesquisa é apresentada como um
estudo digital da superfície da água, nas Lagoas da Pampulha, Vargem das Flores e
Ibirité, para monitoramento de compostos orgânicos e inorgânicos, utilizando imagens
do satélite CBERS.
O Capítulo 4, traz a análise de resultados com os histogramas, gráficos e
matrizes relacionados à leitura de pixel.
3
As conclusões do trabalho são apresentadas no Capítulo 5, bem como os futuros
trabalhos que poderão ser desenvolvidos.
4
2 FUNDAMENTAÇÃO TEÓRICA
A fundamentação teórica que abrange este trabalho é apresentada da seguinte
forma: na seção 2.1 será abordado aspectos sobre o sensoriamento remoto, a seção 2.2
conceitos sobre o comportamento espectral, a seção 2.3 conceitos de sistemas de
sensores, a seção 2.4 características dos sensores do satélite CBERS, a seção 2.5
apresenta algumas medidas radiométricas e fotométricas básicas em sensoriamento
remoto, a seção 2.6 ressalta alguns conceitos de radiação, leis e interações com alvos, a
seção 2.7 aborda a análise digital dos alvos.
2.1 Sensoriamento Remoto
O aumento significativo de dados obtidos por satélites para fins civis, nos
últimos anos, causou maior incentivo para o desenvolvimento de técnicas para
interpretação e processamento de imagens orbitais. Estas imagens orbitais propiciaram
vários estudos, tais como, condições climáticas, avaliação de crescimento de culturas e
avaliação de corpos d´água, que é o estudo em questão.
“O Sensoriamento Remoto (SR) é a técnica de se adquirir informações sobre a
superfície da Terra por meio da captação da energia refletida ou emitida pela superfície,
a qual é gravada e processada para ser analisada nas mais diversas áreas.”
SAUSEN(2007), Essa energia adquirida pelo sensor, por meio da reflectância dos
alvos, medem as propriedades dos objetos ou alvos (EPIPHÂNIO, 2002). Por exemplo,
um alvo com baixa reflexão, ou seja, mais escuro, de uma determinada imagem, pode
traduzir um lago, ou um rio ou uma região de queimada, que foi medido por um sensor
à bordo do satélite.
O sensoriamento remoto é uma tecnologia importante para geração de
informações referentes ao meio urbano, rural e aquático. A presença de nuvens é um
fator limitante do sensoriamento remoto óptico, sendo difícil aquisição da imagem do
alvo e foco em questão.
A radiação eletromagnética é uma forma de energia que se move na forma de
ondas eletromagnéticas, onde o campo elétrico e magnético se propaga, à velocidade da
5
luz, não necessitando de um meio material para se propagar. Sua principal fonte natural
de radiação é o sol.
Para que o sensoriamento remoto seja realizado de forma correta, é necessário
obedecer determinadas condições:
•
Existência de fonte de radiação;
•
Propagação de radiação pela atmosfera;
•
Incidência da radiação sobre a superfície terrestre;
•
Ocorrência de interações entre a radiação e os objetos da superfície
terrestre;
•
Produção de radiação que retorna ao sensor após propagar-se pela
atmosfera.
A figura 1 mostra um resumo de como é realizado o sensoriamento remoto.
Figura 1.
2004].
Sensoriamento remoto [FONTE: Adaptado de BAUER,
2.2 O Comportamento espectral
O comportamento espectral pode ser definido como sendo o conjunto dos
valores sucessivos de reflectância do objeto, ao longo do espectro eletromagnético. No
sensoriamento remoto, o comportamento espectral tem como objetivo caracterizar os
alvos através de reflexão, absorção e transmissão da radiação eletromagnética que varia
6
em função das suas características. Assim sendo, cada alvo tem um comportamento
espectral distinto, o qual é determinado quando sua energia refletida é medida ao longo
do espectro eletromagnético.
SAUSEN (2007), relata que esta variação de energia refletida pelos objetos pode
ser representada por meio de curvas, chamadas de curvas espectrais, que representam o
comportamento espectral de cada objeto. Por exemplo, uma área urbana apresenta uma
radiação refletida e uma curva espectral diferente de um corpo d'água ou de uma área
agrícola. Esta diferença na radiação refletida pelos alvos faz com que seja possível
identificá-los e diferenciá-los nas imagens obtidas por sensores remotos.
A figura 2 mostra o espectro eletromagnético com suas variações quanto ao
comprimento de onda.
Figura 2.
Espectro eletromagnético [FONTE: MOREIRA (2005)]
Como podemos verificar na figura, a região do espectro eletromagnético varia
desde os raios gama até as ondas de rádio. O interessante para o trabalho é o
comprimento de onda citado acima, que vai de 400nm até 700nm, ou seja, da região do
ultravioleta até a região do infravermelho. A tabela 1 relata a relação de cores e faixas
espectrais na região do visível e na radiação infravermelha.
7
Tabela 1.
Relação de cores na região do visível e na radiação infravermelha.
Cor
Comprimento de onda
Nanômetro(nm)
Micrômetro(µm)
Violeta
400 a 446
0,400 a 0,446
Azul
446 a 500
0,446 a 0,500
Verde
500 a 578
0,500 a 0,578
Amarela
578 a 592
0,578 a 0,592
Laranja
592 a 620
0,592 a 0,620
Vermelho
620 a 700
0,620 a 0,700
Infravermelho
700 a 1000
0,700 a 1,000
[FONTE: Adaptada de MOREIRA (2005)].
2.3 Sistemas sensores
Um sistema sensor é um equipamento capaz de transformar energia em dados
sobre o alvo que está sendo estudado. Esses equipamentos que medem a energia
eletromagnética são chamados de radiômetros, ou no âmbito do sensoriamento remoto,
sensor.
Os sistemas de sensores podem ser classificados:
•
Quanto à sua energia: sensores ativos e passivos – Os ativos são aqueles
que produzem a radiação, após terem interagido com o alvo e ainda
captam a parte que voltou. Já os sensores passivos captam e registram a
radiação proveniente de uma fonte. A figura 3 ilustra esses tipos de
sensores.
8
Figura 3.
•
Tipos de sensores. [FONTE: MOREIRA, 2005]
Quanto à função do tipo de transformação sofrida pela radiação
detectada: nessa classificação há dois tipos de sensores, os imageadores e
os
não-imageadores.
Os
sensores
não-imageadores,
segundo
MOREIRA(2005), são utilizados para medir a radiação de forma
pontual, ou seja, medem a radiação de uma parte da área, não obtendo
como resultado uma imagem, mas dígitos e gráficos. Já os sensores
imageadores, como o estudado no trabalho, fornecem resultados de
determinada área a ser analisada por meio de imagens, e ainda, mostram
as informações sobre a variação espectral dos alvos imageados.
•
Quanto à função da região do espectro em que operam – encontram-se
nesta região os sensores que operam na região óptica do espectro e têm
características de utilizar componentes ópticos tais como, espelhos,
prismas, lentes.
A base para a construção dos sensores remotos foi o mecanismo da visão
humana, tendo como um exemplo do cotidiano uma câmera fotográfica, que capta
energia na região do visível até a região do infravermelho, funcionando o filme como
sensor imageador, captando e registrando a energia proveniente de um objeto ou alvo
fotografado.(Novo, 1992).
9
2.4 O satélite CBERS
O CBERS é um satélite que carrega a bordo três câmaras para observação óptica
e um sistema de coleta de dados ambientais. Uma de suas características é a existência
de vários sensores com diferentes resoluções espaciais e freqüência de coleta de dados.
O CBERS é um satélite com massa de 1.450 kg, com dimensões de 1,8 x 2,0 x 2,2 m,
além de ter os painéis solares com 6,3 x 2,6 m. Está a uma altitude de 778 km, em órbita
circular (período de 100,26 minutos), quase polar (inclinação de 98,5º em relação ao
plano equatorial), heliossíncrona com cruzamento do equador no sentido norte-sul às
10:30 da manhã. Com esta órbita obtém imagens com aproximadamente a mesma
escala; recobre quase que inteiramente a Terra a intervalos regulares de 26 dias, e os
imageamentos de um mesmo ponto sempre ocorrem a uma mesma hora solar
(EPIPHANIO, 2000). A figura 4 ilustra o satélite CBERS e a tabela 2 mostra um
resumo dos sensores a bordo do CBERS.
Figura 4.
Esquema do Satélite CBERS com alguns de seus
componentes. [FONTE: MOREIRA, 2005]
10
Tabela 2.
Resumo das características dos sensores levados a bordo do CBERS
CÂMARAS
CCD
IR MSS
WFI
RESOLUÇÃO
ESPACIAL
19,5m
77,8m
256m
LARGURA DE
FAIXA IMAGEADA
113km
120km
890km
26 dias
5 dias
RESOLUÇÃO
TEMPORAL
26 dias nadir
3 dias off-nadir com
visada oblíqua de ± 32º
FAIXAS
ESPECTRAIS
B1) 0,45 - 0,52 µm
B2) 0,52 - 0,59 µm
B3) 0,63 - 0,69 µm
B4) 0,77 - 0,89 µm
B5) 0,51 - 0,73 µm
B6) 0,50-1,10 µm
B10) 0,63-0,69 µm
B7) 1,55-1,75 µm
B11) 0,77 – 0,89 µm
B8) 2,08-2,35 µm
B9) 10,40 - 12,5 µm
[FONTE: INPE (1995)].
O sensor CCD (Charge Coupled Device) a bordo do satélite CBERS, é um
conjunto de vários detectores que utiliza a microeletrônica e tem como material básico o
silício. Os detectores são acoplados a um circuito integrado operando em 5 faixas
espectrais, mostradas na tabela 2. O sensor CCD/CBERS é um sensor que cobre as
faixas espectrais do visível e se estende até o infravermelho próximo. Com esse
conjunto de bandas consegue-se atender a uma grande parcela da demanda por dados de
sensoriamento remoto. Além disso, possui uma banda pancromática que cobre todo o
visível que é a mais larga do CBERS. O fato de cobrir todo o visível permite um
aproveitamento da experiência e das técnicas de fotointerpretação feitas sobre
fotografias aéreas preto e branco (EPIPHANIO, 2000). Além disso, destacam-se em
aplicações na área de vegetação, com a identificação de áreas de florestas, alterações
florestais em parques e sinais de queimadas recentes. Uma outra aplicação de destaque é
na área de agricultura e meio ambiente, com a identificação de campos agrícolas,
monitoramento do desenvolvimento e da expansão agrícola, identificação de anomalias
antrópicas ao longo de cursos d'água, reservatórios, mapeamento e uso do solo.
O imageador por varredura mecânica IR MSS (Infrared Multispectral Scanner
System, sistema varredura multiespectral de infravermelho) é outro sensor a bordo do
CBERS. É composto de quatro bandas espectrais; uma delas abrange desde o visível até
o infravermelho próximo (0,50 a 1,1 µm), outras duas no infravermelho médio (1,55 a
1,75 µm e 2,08 a 2,35 µm). Essas três bandas espectrais possuem resolução espacial de
80 metros no terreno. No infravermelho termal (10,4 a 12,5 µm) há uma quarta banda
11
espectral, com resolução temporal de 26 dias. Esse sensor não possui capacidade de
visada fora do nadir (EPIPHANIO, 2000).
O último sensor acoplado ao CBERS é o WFI (Wide Field Imager, imageador
de grande campo de visada), que tem tecnologia parecida com o CCD, não possuindo
componentes móveis para o imageamento, que é feito eletronicamente na direção
transversal à órbita, e passivamente pelo próprio deslocamento do satélite no sentido da
órbita. O WFI/CBERS possui apenas duas bandas espectrais: uma na região do
vermelho (0,63 a 0,69 µm) e outra na do infravermelho próximo (0,77 a 0,89 µm). A
WFI/CBERS possui um imageamento, que corresponde a uma faixa de 890 km no
terreno. Isso garante ao sensor um período de revisita de apenas cinco dias. Como em
todo sistema há uma solução de compromisso entre os diversos requisitos da missão, no
caso da WFI/CBERS, para ter essa resolução temporal e cobrir uma faixa extensa de
terreno a cada passagem, houve um sacrifício da resolução espacial, que passou a ser de
260 m. A figura 4 mostra uma ilustração do satélite (EPIPHANIO, 2000).
As bandas espectrais do sensor CCD variam de 0,45 a 0,89 nm, como vimos na
tabela 2. A água no estado líquido reflete radiação eletromagnética entre 380 e 700nm.
O estudo e avaliação da qualidade da água serão utilizados com a câmera CCD
do satélite CBERS nas bandas espectrais 1, 2 e 3, que variam de 450 a 690nm, como
segue a tabela 3 (MOREIRA, 2005).
Tabela 3.
Bandas
B1
Estudo aprofundado das bandas espectrais do sensor CCD.
Faixas
Região do
Resolução
Aplicações mais
espectrais
espectro
espacial (mxm)
comuns
(nm)
Penetração
corpos
450-520
Azul
20
d´água,
oceanografia,
agricultura
B2
520-590
Verde
20
Penetração
d´água
corpos
B3
630-690
Vermelho
20
Delimitar
urbana
mancha
B4
770-890
IV Próximo
20
Morfologia do terreno
B5
510-730
VIS-IV Próximo
20
Penetração
corpos
d´água,
delimitar
mancha urbana
[FONTE: Adaptada de INPE (2005)].
12
2.4.1 Calibração da Câmera CCD/CBERS
No sensoriamento remoto para que se possa tirar uma conclusão dos níveis de
pixesl da imagem de satélite, é necessário que se refine a medição. Uma vez que esses
dados provenientes do sensor estão na forma “bruta”, onde é utilizado, na maioria das
vezes, para determinar imagens que conhecemos.
Segundo Esse refinamento é chamado de calibração absoluta, o qual associa o
número digital existente na imagem gerada pelo sensor com valores de radiância,
permitindo com que os pixels sejam transformados em valores de radiância ou mesmo
de reflectância.
O cálculo da radiância se dá mediante à equação:
Lλ =
NDn
CCn
(1)
Onde: Lλ = radiância espectral aparente;
NDn = número digital extraído da imagem na banda n (n=1,2,3,4,pan);
CCn = coeficiente de calibração absoluta para a banda n (n=1,2,3,4,pan).
Para transformar a radiância medida pelo sensor em reflectância aparente, tem-se a
equação:
ρ apa =
NDn
) *D 2 )
CCn
(esunn * cos(ϕ ))
(3,1423 * (
(2)
Onde: D = distância Terra-Sol em unidades astronômicas;
esunn = valores de Irradiância solar no topo da atmosfera na banda n;
cos(φ) = cosseno do ângulo zenital solar no momento da aquisição da imagem.
13
2.5 Medidas Radiométricas e fotométricas básicas em
sensoriamento remoto.
O sensoriamento remoto tem como função a detecção de alterações sofridas pela
radiação eletromagnética quando interagida com um alvo na superfície terrestre, uma
vez que é o fluxo radiante que deixa a superfície em direção ao sensor que é registrado.
A tabela 4 relata algumas medidas radiométricas e fotométricas em sensoriamento
remoto.
Tabela 4.
remoto.
GRANDEZA
RADIOMÉTRICA
Algumas medidas radiométricas e fotométricas para o sensoriamento
SÍMBOLO
Energia Radiante
Q
Fluxo Radiante
φ
Irradiância
EQUAÇÃO
UNIDADE
DE MEDIDA
CONCEITO
Joules (J)
Energia transportada em
forma
de
ondas
eletromagnéticas.
φ=
∂Q
∂T
Watt (W)
Taxa de variação de energia
no tempo.
E
E=
∂φ
∂A
W/m²
Fluxo incidente sobre uma
superfície por unidade de
área.
Excitância
M
M=
∂φ
∂A
W/m²
Fluxo
deixando
uma
superfície por unidade de
área.
Intensidade
I
I=
∂φ
∂Ω
W/SR
Fluxo radiante deixando uma
fonte por unidade de ângulo
sólido
numa
direção
especificada.
Radiância
L
∂I
∂A cos θ
W/SRm²
Intensidade radiante por
unidade de área normal à
fonte.
Absortância
α
φa
φi
Adimensional
Razão
entre
o
fluxo
absorvido e o fluxo incidente
na superfície.
Reflectância
ρ
φR
φi
Adimensional
Razão entre o fluxo refletido
e o fluxo incidente na
superfície.
Transmitância
τ
φt
φi
Adimensional
Razão
entre
o
fluxo
transmitido e o fluxo
incidente na superfície.
L=
α=
ρ=
τ=
[FONTE: Adaptada de NOVO, 1992].
14
2.6 Conceitos de radiação, leis e interações com alvos
2.6.1 Corpo Negro
Um corpo negro pode ser definido como um objeto que absorve toda luz que
incide sobre ele, sem refletir nenhuma radiação. Assim sendo, em uma imagem orbital,
o alvo parece negro para vista humana, ou seja, o corpo negro é dotado de alto
coeficiente de absorção de radiações na faixa do espectro visível (MOREIRA, 2005).
2.6.2 Leis da Radiação
Umas das leis da radiação que merece uma atenção especial é a lei de Planck,
que explica o espectro da radiação térmica, onde a energia é emitida sob a forma de
ondas eletromagnéticas por qualquer corpo aquecido a uma dada temperatura. Planck
ainda percebeu que era possível interpretar a curva de distribuição das radiações
emitidas por um corpo negro. Assim, a radiação emitida (Mλ) do corpo negro, a
determinada temperatura (T), em determinado comprimento de onda, por unidade de
área, por segundo e por unidade de ângulo sólido é dada por (NOVO,1992):
M ( λT ) =
2π hc 2
, Wm 2 µ m −1
hc
5
λ [exp(
) − 1]
λ kT
(3)
onde,
k = 1,38 x10−23 J / K ,
h = 6, 626 x10−34 Js ,
c = 3 x1010 cm / s ,
λ = comprimento de onda em µm.
A partir da Lei de Planck, derivaram-se duas outras leis da radiação, a Lei de
Stefan-Boltzmann e a Lei de Wien.
A Lei de Stefan-Boltzmann é a integral da Lei de Planck variando o λ = 0 a λ
= ∞ , obtendo a equação resultante:
2π 5 k 4
M (T ) = ( 2 3 ) xT 4 , Wm 2
15c h
(4)
15
Fazendo
2π 5 k 4
= ( σ ), temos M (T ) = σ T 4 , onde σ é a constante de Stefan2 3
15c h
Boltzmann ( 5, 67 x10 −8 Wm−2 K −4 ).
A Lei de Wien, também chamada lei do deslocamento, determina que a energia
emitida por um corpo negro a uma dada temperatura, não é a mesma para todos os
comprimentos de onda, ou seja, para um dado λ , a quantidade de energia emitida atinge
um máximo a uma determinada temperatura do corpo negro, que é mostrado na equação
abaixo.
λm =
c
T
(5)
onde λ m = comprimento de onda com a maior quantidade de energia emitida.
c = 2,898 x103 K
T = Temperatura.
Na equação pode-se constatar que se aumentarmos a temperatura de um corpo
negro, o comprimento de onda decresce, verificando assim a energia máxima emitida.
Outra importante lei, a de Kirchoff, que segundo MOREIRA, 2005, relaciona a
radiação emitida por um corpo real (Mcr) com a emissão de um corpo negro (Mcn). A
lei mostra que um material bom emissor em uma faixa espectral, necessariamente,
também é um bom absorvedor e um fraco refletor.
Mcn = Mcrα − 1,[Wm −2 ]
(6)
onde α é a absortância, que é uma constante de proporcionalidade (0 < α < 1) .
2.6.3 Interações entre alvos e energia
O fluxo radiante, quando incide sobre um objeto da superfície, sofrerá interações
como o material que a compõe. Assim esse fluxo poderá ser absorvido pelo objeto,
refletido ou transmitido ao interagir com um objeto (NOVO, 1992). Nestes termos temse:
∂φ a ∂φ r ∂φ t
+
+
=1
∂φ i ∂φ i ∂φ i
(7)
α + ρ +τ = 1
(8)
onde, α = absortância, ρ = reflectância e τ = transmitância.
16
Segundo NOVO (1992), as bandas de absorção da atmosfera, em que nenhuma
energia se torna disponível ao nível do mar em determinados comprimentos de ondas,
pode-se dizer que a soma da absortância e da reflectância é igual a 1, ou seja:
α + ρ =1
(9).
Dessa forma, o fluxo radiante não é transmitido pela atmosfera. Sendo assim, a
transmitância da atmosfera nas regiões espectrais correspondentes às bandas de
absorção de O2, O3, H2O e CO2, são praticamente nulas. Contrastando com essa
situação, na região do visível, encontra-se uma transmitância atmosférica relativamente
alta, uma vez que, do fluxo incidente φ i , uma pequena parte é absorvida ou refletida na
trajetória. Dessa maneira, o fluxo incidente ( φ i ) atingirá o alvo e será refletido,
absorvido ou transmitido para suas camadas mais internas. A fração que é refletida
expressa a reflectância do alvo. A parte que é absorvida revela sua absortância. A outra
parte do fluxo incidente é a transmitância.
As frações de energia refletida, absorvida e transmitida pelos objetos variam
com suas propriedades físico-químicas, estrutura e em relação à fonte de radiação.
De acordo com a figura 5, pode ser observado que o coeficiente de absorção (α)
da água limpa é muito pequeno na região compreendida entre 0,400 e 0,600 µm e tem
um aumento bastante rápido na região do infravermelho. Um caso contrário é o
coeficiente de espalhamento (b), que é máximo na região do azul e cai
exponencialmente à medida que vai se aproximando da região do infravermelho.
Assim, pode-se concluir que em águas naturais, alguns constituintes presentes na subsuperfície passam a ser determinantes sobre as propriedades ópticas da água, e ainda,
que sedimentos em suspensão, pigmentos fotossintetizantes e substâncias húmicas são
os responsáveis pela variação espectral de um corpo d’água. Por outro lado, a radiação
refletida pelas moléculas de uma água considerada cristalina é máxima na região do
azul e cai em direção ao vermelho. (RUDORFF, 2006).
17
Figura 5.
Variação do coeficiente α da água pura, de Constituintes
Opticamente Ativos e a absorção total resultante; Variação do
coeficiente b para água pura e fitoplâncton. [FONTE: RUDORFF,
(2006)]
Em sensoriamento remoto é necessário conhecer as origens dos fluxos de
radiação que atingem o sensor. Segundo RUDORFF (2006), no estudo de sistemas
aquáticos através de sensoriamento remoto, a diferenciação das componentes radiativas
é ainda mais importante, pois a energia proveniente dos sistemas aquáticos é
relativamente baixa. A radiação que atinge o sensor possui componentes originárias do
espalhamento pela atmosfera, das reflexões especulares da radiação solar direta e difusa,
e do fluxo de radiação emergente da água.
O fluxo de radiação emergente da água traz informações sobre as substâncias em
suspensão, por exemplo, compostos orgânicos e inorgânicos, sendo, portanto, o
interesse do trabalho.
2.6.4 O ecossistema aquático e a interação com fitoplânctons,
matérias orgânicas dissolvidas e as matérias inorgânicas.
Nesta seção, serão abordados alguns tópicos necessários para o desenvolvimento
do trabalho. Será definido o ecossistema aquático e apresentam-se os ecossistemas
brasileiros, segundo estudos realizados pela Agência Nacional das Águas (ANA).
Ecossistema é todo o ambiente natural, como floresta, pasto e até mesmo um
simples tronco de árvore, apresentando características próprias bem definidas,
determinadas por fatores físicos, químicos e biológicos caracterizando os seres vivos
que povoam esse ambiente.
18
O ecossistema aquático é semelhante ao ecossistema terrestre, composto por
ambientes aquáticos, marinhos e continentais que abrigam grande diversidade de seres,
incluindo algas, bactérias, macrófitas, artrópodes (crustáceos e insetos) e vertebrados,
estando sujeitos a grandes transformações, que em muitos casos são originadas por
atividades antrópicas, modificando suas condições físico-químicas e biológicas.
Os ecossistemas aquáticos são analisados de acordo com o bioma ao qual
pertencem, como segue: Floresta Amazônica, Caatinga, Cerrado e Pantanal, Mata
Atlântica e Campos Sulinos e, Zona Costeira e Marinha (ANA, 2002).
A presença de nutrientes em excesso em lagos e reservatórios causa a
eutrofização destes, gerando impactos como a mortalidade de peixes e no uso da água
para irrigação. Assim, os objetivos dos profissionais, que atuam em manejo de lagos e
reservatórios é controlar os florescimentos de espécies de algas potencialmente tóxicas,
como as cianobactérias, que produzem toxinas consideradas um risco à saúde pública
(LONDE, 2005). A figura 6 mostra a reflectância em água limpa e com componentes
orgânicos e inorgânicos.
S = compostos orgânicos e inorgânicos.
Figura 6.
Reflectância em Água limpa e com componentes
orgânicos e inorgânicos [FONTE: CHRYSOULAKIS, 2002]
Determinados componentes, como fitoplâncton, matéria orgânica dissolvida e a
matéria inorgânica particulada, tem uma relação muito próxima com o ecossistema
aquático, devido sua distribuição na movimentação das águas. O fitoplâncton ocupa um
lugar de destaque, pois é um dos principais responsáveis pela produção de matéria
orgânica na água. (MANTOVANI, 1993).
19
Segundo MENKEN(2005), a luz refletida das superfícies de um lago contém
muitos dados sobre a qualidade de água, tais como, o nível de algas, o índice de matéria
orgânica dissolvida, a turbidez e sólidos suspensos.
Estudos com sensoriamento remoto foram realizados com a finalidade de
localizar esses componentes por meio de imagens obtidas por satélite. Os
desenvolvimentos recentes permitem uma medida exata do campo claro subaquático.
Substâncias amarelas, clorofila-a e outros pigmentos fotossintéticos, bem como
partículas orgânicas e inorgânicas sofrem uma atenuação espectral com relação à água
nas faixas que variam de 400 a 800nm.(HÄDER,1998).
2.6.5 Sedimentos em suspensão
Sedimentos em suspensão pode ser definido como um parâmetro chamado Total
de Sólidos em Suspensão (TSS), sendo assim, definido como o conjunto de partículas
em suspensão filtradas por uma malha de um determinado tamanho, geralmente 45 µm
(ARRAUT, 2005). Geralmente essas partículas são em maioria inorgânicas, enquanto as
partículas orgânicas representam uma fração menor.
Segundo (ARRAUT, 2005), os estudos do comportamento espectrais destes dois
componentes da água são feitos usando espectroradiômetros, que são equipamentos com
alta resolução espectral capazes de colher informações espectrais precisas dos
pigmentos fotossintéticos e cuja utilidade se estende também para componentes com
respostas espectrais mais amplas, como o TSS.
Um dos fatores limitadores para o uso de espectro seria talvez a dificuldade no
uso destes amostrados in situ e ainda existe uma alta variabilidade na informação
registrada. Um exemplo dessa variabilidade seria a cobertura de nuvens, que por sua vez
resultam em variações às vezes imprevisíveis nas condições de iluminação.
A análise derivativa é uma abordagem utilizada para reduzir o efeito das
componentes que não trazem a informação de interesse. Algumas experiências com
amostras de água demonstraram que a primeira derivada permite remover o sinal de
reflectância da superfície da água, facilitando a detecção de sedimentos em suspensão, e
que a segunda derivada remove o efeito espectral das partículas inorgânicas em
suspensão, mantendo nos dados apenas a informação associada à presença da
clorofila.(ARRAUT, 2005.)
20
De acordo com (NOBREGA, 2002), as águas encontradas em ambientes naturais
possuem diversos constituintes, que variam de origem, forma e tamanho, alterando os
parâmetros ópticos das mesmas. Estes componentes são divididos, genericamente, em
dois grupos: dissolvidos e particulados.
Os componentes dissolvidos são aqueles que passam por um filtro de 0,4 µm
(400 nm). Este parâmetro é definido com base no menor valor de comprimento de onda
da faixa visível do espectro eletromagnético. A Matéria Orgânica Dissolvida (MOD)
está presente tanto em águas oceânicas, rios, lagoas. Esses componentes dissolvidos ou
MOD, tem como composição principal ácidos húmicos e fúlvicos solúveis presentes nos
solos das áreas de captação de água dos rios, vindos indiretamente da vegetação. Eles,
quando presentes na água, causa absorção da energia incidente na região do espectro
entre 400 e 700 nm.
Já os componentes particulados são, divididos em orgânicos e inorgânicos. Os
sedimentos inorgânicos em suspensão são originados de intemperismo de rochas e
solos, sendo principalmente constituídos de grãos de quartzo, argilas e óxidos,
provocando um considerável aumento no valor da reflectância nos comprimentos de
onda, uma vez que ele é proporcional ao aumento da turbidez. Assim, tem-se um fluxo
de radiação maior variando entre 500 e 700 nm. Pela figura 7, pode-se analisar e
identificar um aumento geral da reflectância com o aumento da turbidez e ainda a
modificação na forma do espectro da reflectância.
21
Figura 7.
Curva da água com diferentes comprimentos de ondas,
onde NTU significa o Nível de Turbidez. [FONTE: Adaptado de
NOBREGA, (2002)].
A matéria orgânica particulada pode ocorrer sob diversas formas, tais como:
vírus, colóides, bactérias, fitoplâncton, detritos orgânicos e grandes partículas. Um dos
principais componentes orgânicos que afetam o comportamento espectral das águas é o
fitoplâncton e os detritos orgânicos formados por suas células mortas mantêm as
características de absorção da REM da faixa do azul.
Em se tratando de absorção, os sedimentos em suspensão comportam-se com
baixa absorção na faixa do vermelho e aumento desta com a diminuição do
comprimento de onda, ou seja, na direção do azul.
Segundo (Barbosa, 2005), a análise a partir de curvas espectrais de absorção de
amostras com diferentes concentrações de TSS resultou em pequena absorção
apresentando a partir de 400 nm uma forma plana ou uma pequena declividade
decrescente, em direção aos maiores comprimentos de onda. A absorção destas
amostras tende a zero a partir de 550 nm. A figura 8 relata amostras que apresentaram
maiores absorções, várias feições podem ser evidenciadas:
1. A região entre 400 e 438 nm, as amostras apresentam um crescimento de
absorção em direção a um ponto de máximo em 438 nm. Este ponto,
referenciado como a(cl)438, representa o primeiro ponto de absorção
característica da clorofila a localizado na região do azul.
22
2. Na região entre 438 nm e 460 nm, as amostras apresentam um
decréscimo rápido de absorção.
3. Acima de 480 nm a taxa de decréscimo da absorção torna-se novamente
mais intensa até um ponto de absorção mínima em 550 nm, voltando a
crescer a partir daí, para apresentar um pico suave em 624 nm. Este pico,
referenciado como a(cl)624, é atribuído à absorção por ciano-ficocianina,
o qual indica a presença ou a dominância de cianobacteria no corpo
d`água.
4. A partir de 624 nm a absorção se reduz lentamente até 650 nm, e então
passa a crescer de forma visível até atingir um máximo em 676 nm. Este
é o ponto de absorção no vermelho, ou o segundo ponto de absorção por
clorofila a, sendo referenciado como a(cl)676. Finalmente a partir de 676
nm, a absorção decresce até zero em torno de 750 nm.
Figura 8.
Curvas espectrais com diferentes amostras de TSS.
[FONTE: Adaptado de Barbosa, 2005].
Abaixo segue a tabela 5 que corresponde ao efeito da concentração de
sedimentos sobre a resposta espectral da água.
23
Concentração de sedimentos X Resposta espectral.
Reflectância
Tipo de Água
10 mg/l de sólidos
99 mg/l de sólidos
Comprimento de onda.
em suspensão
em suspensão
0,51 µm
0,039
0,051
0,52 µm
0,041
0,057
0,53 µm
0,045
0,062
0,54 µm
0,049
0,068
Resposta
Espectral
Tabela 5.
[FONTE: NOVO, 1992].
2.7 Análise digital dos alvos
O método de análise digital engloba várias técnicas de manipulação de dados
contidos em imagens digitais. Qualquer dado analógico pode ser digitalizado. Partindose de uma fotografia, uma grade de dimensões constantes é ajustada sobre ela,
constituindo assim, uma matriz bidimensional, o qual define um conjunto de células
denominadas pixels.
Segundo Londe, (2005), a baixa resolução espacial tem como uma das
limitações dos sensores orbitais, visto que esta aumenta a dificuldade de definição de
parâmetros limnológicos.
Câmara, et. al (2004), relatam que existem três metodologias para identificar
problemas de análise espacial:
•
Eventos ou padrões pontuais – são fenômenos expressos através de ocorrências
identificadas como pontos localizados no espaço. Exemplos: localização de
crimes, ocorrências de doenças e localização de espécies vegetais.
•
Superfícies contínuas – estimadas a partir de um conjunto de amostras de campo
regularmente ou irregularmente distribuídas. É resultante do levantamento de
recursos naturais.
•
Áreas com contagens e taxas agregadas – trata-se de dados associado ao
levantamento populacional, tais como, censos, que originalmente se referem a
indivíduos localizados em pontos específicos do espaço.
24
Para o trabalho será utilizada a metodologia de superfícies contínuas, que tratam
os dados originados dos recursos naturais. A identificação das imagens é feita por meio
da leitura de pixels. Em uma fotografia o nível de cinza varia de 0, para a cor preta e 1
para a cor branca, sendo que a qualidade na digitalização da imagem depende do
tamanho dos pixels formados na grade.
Em sistemas de sensores remotos a digitalização pode ser feita em 256 níveis de
cinza diferentes, variando o pixels S (x,y) de 0 a 255, para cada determinada banda
espectral. Para representação de imagens multiespectrais, cada pixel é representado por
um vetor com tantas dimensões quanto forem os canais espectrais. Nesses termos
temos:
S = s(x,y,n)
(8)
onde x,y = coordenadas espaciais do pixel e n = vetor que representa os canais
espectrais.
A figura 9 mostra o processo de digitalização.
(A)
Figura 9.
(B)
(C)
Processo de digitalização [FONTE: NOVO, 1992].
A representação dos pixels na escala de cinza é realizada através de uma matriz
bidimensional 5x5, como a figura abaixo, variando o pixels de 0 até 255.
Figura 10.
37 37 37 37 38
37 38 38 38 38
37 38 38 37 38
38 37 37 38 38
37 37 38 37 38
Matriz 5x5 – Leitura de Pixels.
25
3 METODOLOGIA
3.1 Área de Estudo
O estado de Minas Gerais abrange uma área de 582 586 km2, sendo classificado
em quinto lugar em extensão no Brasil. Possui uma população de 17 891 494
habitantes, de acordo com o IBGE, censo de 2000. Faz fronteira com todos os estados
da região Sudeste, com dois do Centro-Oeste (Mato Grosso do Sul e Goiás, incluindo
um pequeno trecho do Distrito Federal) e com um estado do Nordeste (Bahia). A Figura
10 mostra a localização do estado de Minas Gerais.
(A)
(B)
Figura 11.
(A) Localização da área de estudo Minas Gerais e (B)
Área de estudo Geo-referenciada da grande Belo Horizonte.
A área do estudo em questão compreende uma pequena fatia do estado de Minas
Gerais. Serão estudadas as lagoas da Pampulha, Vargem das Flores e Ibirité, situadas na
região metropolitana de Belo Horizonte.
26
A Lagoa da Pampulha, localizada na cidade de Belo Horizonte, é uma lagoa
artificial, que foi construída na década de 40. Os recursos hídricos da bacia da lagoa da
Pampulha estão sujeitos aos diversos impactos ambientais decorrentes da urbanização
desordenada, infra-estrutura de saneamento precária, erosão e assoreamento,
desmatamento irregular e disposição inadequada de resíduos sólidos e de efluentes
industriais.
A Lagoa Vargem das Flores, situada em Betim e Contagem, também sofre com
o crescimento urbano desordenado. Foi construída no final da década de 60 com a
finalidade de formar um reservatório de água para o abastecimento da Região
Metropolitana de Belo Horizonte. Inaugurou-se uma estação de tratamento de água em
1974, com capacidade para fornecer 1.500 litros de água por segundo, o suficiente para
garantir o abastecimento de água para 15% da população da Grande BH. De acordo com
estudos da Assembléia Legislativa do Estado de Minas Gerias, corre o risco de ter suas
águas impróprias para o consumo dentro de 50 anos, se nenhuma providência for
tomada.
Situada na região do município de Ibirité, a Represa de Ibirité é outra lagoa para
o estudo em questão. Com a descarga de efluentes, o nível de poluição e assoreamento
vem aumentando em grandes proporções. A situação é tão alarmante, segundo SEVÁ
FILHO (2001), que o reservatório da Represa de Ibirité poderá diminuir em níveis tais
que, não será mais possível o atendimento pleno das demandas de água industrial. A
figura 12 mostra as três lagoas em bandas espectrais diferentes.
27
Banda 2
Banda 3
Banda 4
Figura 12.
As 3 lagoas Pampulha, Vargem das Flores e Ibirité: B2,
B3 e B4 do Satélite CBERS.
28
3.2 Aquisição de Imagens
Para este trabalho foi utilizada imagem multiespectral nas bandas 2, 3 e 4 do
sensor CCD. Estas imagens foram georreferenciadas com o software SPRING, Sistema
de PRocessamento de INformações Geo-referenciadas, na versão 4.3.1 (INPE,2007). A
escolha por estas bandas espectrais, foi crucial para o trabalho, já que as bandas 2 e 3 do
sensor, são utilizadas para adquirir informações sobre água.
3.3 Criação do Banco de Dados Digital de Minas Gerais.
Um banco de dados foi criado e nomeado de “belohorizonte”, bem como um
SIG contendo mapas temáticos digitais de hidrografia. Este banco contém os projetos
Lagoas, Pampulha1, Pampulha 2, Pampulha3, Pampulha4, Pampulha5, Flores1, Flores2,
Flores3, Flores4, Flores5, Ibirite1, Ibirite2, Ibirite3, Ibirite4 e Ibirite5, sendo que o
projeto “Lagoas” foi criado para o georreferenciamento das três lagoas em conjunto,
enquanto os outros projetos foram criados apenas para leitura dos pixels existentes em
partes das lagoas, no qual seguem no ANEXO 1.
3.4 Leitura e Geo-referenciamento das Imagens
A leitura de imagens do sensor CCD do satélite CBERS foi realizada por meio
do SPRING com a instrução “importar TIFF/GeoTIFF”. Elas vêm no formato “TIFF”,
com o tamanho aproximado do retângulo que as envolve. Referido retângulo possui as
seguintes especificações:
a)Parâmetros da Imagem de entrada:
• Colxlin: 6879x6436
• Resolução: 20 m
29
b)Parâmetros da Imagem de saída:
• Colxlin: 6879x6436
• Resolução: 20 m
Não foi necessário utilizar imagens no formato “GRIB”, pois as imagens no
formato “TIFF” já podem ser importadas diretamente para o SPRING. O georeferenciamento foi feito inicialmente para um grupo de imagens CCD do CBERS
obtidas no ano de 2003, as quais estavam sem nuvens.
As imagens foram georreferenciadas através de pontos de controles, que foram
coletados, por meio de um GPS, em pontos estratégicos da cidade de Belo Horizonte. A
tabela 6 mostra os pontos com suas respectivas coordenadas.
Tabela 6.
Horizonte
Número
do ponto
Pontos de controle com respectivas coordenadas na cidade de Belo
Longitude
Latitude
1
604737,030
7794959,221
2
612472,753
7795688,437
3
613634,712
7792821,781
4
613157,440
7793849,175
5
611092,101
7795637,076
6
610487,959
7796669,931
7
608292,281
7800298,953
8
607603,140
7802989,506
9
607492,254
7803292,057
10
606940,595
7803893,599
11
606684,674
7803748,638
12
606700,132
7803976,994
13
606787,292
7804147,419
14
606837,365
7804319,905
15
606599,375
7804497,183
16
606419,165
7804400,734
17
606366,297
7804503,996
18
606336,544
7804610,811
19
606248,789
7804681,266
20
605949,043
7804673,353
21
605790,535
7804688,691
22
605671,686
7804870,437
23
605579,141
7804789,030
24
605519,828
7804595,845
25
605298,956
7804275,372
26
605269,552
7803896,650
27
605314,262
7803725,813
28
605099,579
7803614,148
29
604931,580
7803927,224
30
604903,571
7804114,798
30
31
604947,714
7804367,854
32
604927,591
7804528,191
33
604810,755
7804644,926
34
604619,868
7804616,057
35
604436,404
7804488,623
36
604302,323
7804360,859
37
604179,804
7804362,825
38
604177,337
7804532,574
39
604278,442
7804768,746
40
604487,571
7804808,440
41
604764,460
7804835,531
42
605153,198
7804786,699
43
605220,954
7804978,704
44
605129,351
7805090,959
45
604834,483
7805283,253
46
604954,964
7805318,411
47
605224,090
7805246,076
48
605366,061
7805405,050
49
605356,972
7805601,807
50
605332,598
7805818,720
51
605326,583
7806017,379
52
605318,200
7806151,496
53
605465,994
7805969,682
54
605509,994
7805685,034
55
605722,708
7805521,709
56
606085,668
7805229,646
57
606288,403
7805018,645
58
606433,303
7804876,943
59
606649,640
7804724,994
60
606842,727
7804902,034
61
607019,717
7805000,261
62
607316,969
7804998,125
63
607491,779
7804985,653
64
607553,504
7804763,618
65
607701,601
7804782,550
66
607710,765
7805023,263
67
607902,922
7805268,408
68
607876,662
7805474,660
69
607991,402
7805554,185
70
608175,065
7805441,176
71
608210,065
7805237,930
72
608312,912
7804903,745
Verificou-se também que não havia presença de nuvens nas imagens, permitindo
que elas fossem geo-referenciadas com maior precisão nas bandas 2, 3 e 4. Para o georeferenciamento da imagem foi adotada uma projeção UTM/WGS84, e após este, ficou
claro que a imagem mudou para a posição verdadeira. A figura 13 mostra o
georreferenciamento da imagem.
31
a) Sem Geoprocessamento
b) Com Geoprocessamento
Figura 13.
Imagens
sem
georreferenciamento
e
com
o
georreferenciamento das 3 lagoas: composição colorida das bandas
B2(Azul), B3(Verde) e B4(Vermelho).
32
3.5 Importação das Imagens para o Banco de Dados
As imagens foram importadas pelo SPRING por meio da instrução “Arquivo”
“Importar TIFF/GeoTIFF”, com a finalidade de formar um banco de imagens CBERS,
no projeto de belohorizonte. A figura 13 ressalta as três imagens do CBRES nas bandas
espectrais 2, 3 e 4, com as cores azul, verde e vermelho, respectivamente.
Figura 14.
Características composição colorida da imagem do
CBERS: B2 (Azul), B3 (Verde) e B4 (Vermelho).
33
Vale a pena ressaltar que esta imagem gerada a partir das 3 bandas espectrais, é
uma imagem formada pela composição colorida onde B2, B3 e B4 correspondem as
cores azul, verde e vermelha, respectivamente, apenas para uma melhor visualização.
3.6 Relação entre as Imagens de Satélite e os Alvos
Estudados.
Um método adotado para o estudo, é a comparação entre a imagem do satélite
CBERS na banda espectral 2 com o nível de cinza de acordo com a poluição encontrada
na superfície das lagoas. Um estudo parecido foi o de BREZONIK, et. al, 2005, que
comparava a imagem do satélite Landsat, se existia ou não presença de compostos
orgânicos ou inorgânicos na superfície da água.
A metodologia para estudo dos níveis de cinza gerou os intervalos normalizados
que variam de 0 a 1 conforme citados, com base na análise das matrizes normalizadas.
a) De 0 a 0,1333 pode-se dizer que a superfície da água está limpa, livre de
matéria orgânica e inorgânica.
b) De 0,1333 a 0,1412 pode-se dizer que a superfície da água está com
muito pouca matéria orgânica e inorgânica.
c) De 0,1413 a 0,1490 pode-se dizer que a superfície da água contém um
pouco de matéria orgânica e inorgânica.
d) De 0,1491 a 0,1569 pode-se dizer que a superfície da água está com
muita matéria orgânica e inorgânica.
e) De 0,1560 a 0,1765 pode-se dizer que a superfície da água está
totalmente coberta por matéria orgânica e inorgânica.
f) De 0,1765 a 0,2000 pode-se dizer que a área é praticamente terra ou
lama.
34
3.7 Fluxograma das Atividades desenvolvidas
As atividades desenvolvidas no presente trabalho podem ser resumidas no
fluxograma mostrado a seguir:
Aquisição das Imagens do
CBERS
Criação do Banco de Dados Digital da
Região
Metropolitana de Minas Gerais
Leitura em Geo-referenciamento das
Imagens
Criação da Categoria
Imagens
Criação dos Pis nas 3 bandas
espectrais
Junção das 3 Bandas Espectrais para formar a composição colorida
Criação de Categoria temática guardar os pontos de controles
Georreferenciamento da Imagem
Mapas das Lagoas
Leitura de Pixels
Apresentação de matrizes e histogramas
Criação de gráficos e análise de resultados
Figura 15.
Fluxograma das atividades desenvolvidas.
35
4 RESULTADOS E DISCUSSÃO
A leitura de pixel foi feita através do software do INPE, SPRING, gerando em
cada leitura uma matriz 5x5. Foi coletado em cada alvo escolhido um conjunto de
matrizes totalizando 5.
O geo-referenciamento das três imagens nas bandas espectrais 2, 3 e 4 do satélite
CBERS, foi também obtido pelo software SPRING, que resultou em uma imagem
multiespectral com a composição colorida e mais três imagens na escala de cinza.
4.1 O Geo-referenciamento
O geo-referenciamento da imagem do satélite CBERS deu-se de forma
satisfatória, obtendo um erro no ponto de controle de 3,161, devido a dificuldade de
nitidez da imagem. A figura 15 mostra a imagem do satélite CBERS na região
metropolitana de Belo Horizonte. A imagem foi gerada através das 3 bandas B2, B3 e
B4 e ainda foi aplicado um contraste nas 3 bandas espectrais. A banda 2 ficou com a cor
azul, a banda 3 com a cor verde e a banda 4 ficou com a cor vermelha. A escolha deu-se
de acordo com as funções de cada banda espectral, uma vez que as banda 2 e 3, onde o
comprimento de onda varia de 520 a 690 nm e ficaram com as cores azul e verde
respectivamente. Já a banda 4 foi utilizada com a cor vermelha, uma vez que a função
era de apenas verificar a morfologia do terreno.
36
Figura 16.
Imagem georreferenciada na composição colorida e em
três bandas espsctrais: Banda 2 – (Azul), Banda 3 – (Verde) e
Banda 4 – (Vermelho).
37
4.2 Lagoa da Pampulha
A leitura de pixels na Lagoa da Pampulha, apresenta parte da superfície da água
coberta por matérias orgânicas particuladas, como por exemplo algas. A figura 17
obtida na composição colorida mostra nitidamente a presença de matéria orgânica
particulada.
Figura 17.
Lagoa da Pampulha com composição colorida
Para o estudo foi utilizado as três bandas espectrais disponíveis, como mostra a
figura 18.
38
Banda 2
Figura 18.
Banda 3
Banda 4
Lagoa da Pampulha nas 3 bandas espectrais.
Percebe-se nitidamente que a banda 4 seria melhor utilizada para o delineamento
da lagoa, já que a água da lagoa encontra-se praticamente em uma única cor. Isto ocorre
porque a região do espectro da banda 4 é na faixa do infravermelho, enquanto as demais
estão na região do visível. A banda 3 foi utilizada para compor a imagem na
composição colorida, pois sua faixa espectral varia de 630 a 690 nm, o que resulta em
pouca reflectância dos corpos d’água. A banda espectral 2 foi utilizada para leitura de
pixels. A análise foi realizada por meio de histogramas gerados a partir de pedaços da
lagoa na banda espectral 2. A figura 18 mostra todas as amostras coletadas na lagoa e a
figura 19 referencia cada amostra recortada.
Figura 19.
Amostras recortados na imagem da Lagoa da Pampulha
39
(A)
(D)
Figura 20.
(B)
(C)
(E)
Cada amostra da Lagoa recortada.
As letras A,B,C,D e E, da figura 20 representam as amostras coletadas
digitalmente e recortadas da imagem da Lagoa da Pampulha na banda espectral 2. Os
histogramas dessas áreas foram gerados a partir da leitura de pixels, obtidas através do
SPRING. A figura 21 representa todos os histogramas das frações da figura 20.
40
(A)
(B)
(C)
(D)
(E)
Figura 21.
Histogramas gerados a partir das imagens selecionadas da
Lagoa da Pampulha.
41
Além dos histogramas gerados a partir dos pedaços recortados das imagens,
também foi gerado um conjunto de matrizes de cada amostra, com a finalidade de
representar melhor a faixa de concentração dos pixels de água. A figura 22 relata as
matrizes da amostra “A” da figura 20.
40
40
40
40
40
40
40
40
40
40
40
40
40
40
40
41
41
41
41
41
39
40
40
40
40
40
40
40
40
40
40
40
40
41
40
40
40
40
40
39
40
40
41
40
40
40
40
40
40
40
40
40
40
40
39
40
40
41
40
40
39
39
40
40
40
40
41
40
40
40
40
40
40
39
40
40
40
41
40
40
40
40
40
39
39
40
40
40
39
40
41
40
40
40
40
40
40
40
40
39
40
40
40
41
41
40
41
40
40
40
40
40
39
40
41
40
40
40
40
41
42
42
40
40
40
Figura 22.
Matrizes obtidas com a leitura de pixels da amostra 20 A.
42
Para normalizar essas matrizes foi utilizado o software MatLab na versão 6.0. A
normalização das matrizes foi necessária para a padronização dos gráficos gerados a
partir dessas. Assim sendo temos na figura 23 o conjunto de matrizes normalizadas.
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1608
0,1608
0,1608
0,1608
0,1608
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1608
0,1569
0,1569
0,1569
0,1569
0,1569
0,1529
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1529
0,1529
0,1529
0,1569
0,1569
0,1569
0,1569
0,1608
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1608
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1529
0,1569
0,1569
0,1569
0,1608
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1529
0,1569
0,1569
0,1608
0,1569
0,1569
0,1569
0,1608
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1529
0,1569
0,1569
0,1569
0,1569
0,1569
0,1608
0,1569
0,1569
0,1569
0,1529
0,1529
0,1608
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1569
0,1608
0,1608
0,1569
0,1569
0,1529
0,1569
0,1608
0,1647
0,1647
0,1569
0,1569
0,1569
Figura 23.
Conjunto de matrizes normalizadas da figura 20 A.
Depois de normalizadas, foi gerado gráfico das matrizes como segue as figuras
24, 25, 26, 27 e 28.
43
Figura 24.
20A.
Gráfico gerado da primeira matriz normalizada da amostra
Figura 25.
20A.
Gráfico gerado da segunda matriz normalizada da amostra
44
Figura 26.
20A.
Gráfico gerado da terceira matriz normalizada da amostra
Figura 27.
Gráfico da quarta matriz normalizada da amostra 20A.
45
Figura 28.
Gráfico da quinta matriz normalizada da amostra 20A.
A análise dos gráficos mostra que todas as amostras normalizadas ficaram dentro
do intervalo entre (0,1529 e 0,1647). De acordo com a metodologia criada, pode-se
dizer que a amostra A da Lagoa da Pampulha contém muita matéria orgânica ou
inorgânica na superfície da água.
Na figura 20 B tem-se as seguintes matrizes.
46
38
37
38
37
37
37
37
37
37
37
37
37
37
37
37
37
37
38
37
38
37
36
37
37
37
37
37
37
37
37
37
37
37
37
38
37
36
36
37
37
37
37
37
37
37
37
37
37
37
37
37
37
37
37
37
37
37
37
38
38
37
38
37
37
37
36
38
37
37
37
36
36
36
37
38
37
37
37
37
37
38
37
37
37
37
37
37
37
36
36
37
37
38
36
36
37
37
36
36
38
38
37
37
37
38
37
37
37
36
37
37
37
37
38
39
37
36
36
36
36
37
37
38
38
39
Figura 29.
Matrizes obtidas com a leitura de pixels da figura 20 B.
0,1490
0,1451
0,1490
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1490
0,1451
0,1490
0,1451
0,1412
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1490
0,1451
0,1412
0,1412
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1490
0,1451
0,1451
0,1451
0,1412
0,1490
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1412
0,1412
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1412
0,1412
0,1490
0,1451
0,1451
0,1451
0,1490
0,1490
0,1451
0,1451
0,1451
0,1412
0,1451
0,1412
0,1412
0,1412
0,1451
0,1490
0,1451
0,1412
0,1412
0,1412
0,1412
0,1490
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1490
0,1412
0,1412
0,1490
0,1451
0,1451
0,1451
0,1490
0,1451
0,1451
0,1451
0,1490
0,1529
0,1451
0,1451
0,1490
0,1490
0,1529
Figura 30.
Conjunto de matrizes normalizadas da figura 20 B.
A seguir foram plotados os gráficos referentes às matrizes da figura 20 B.
47
Figura 31.
Gráfico da primeira matriz normalizada da amostra 20B.
Figura 32.
Gráfico da segunda matriz normalizada da amostra 20B.
48
Figura 33.
Gráfico da terceira matriz normalizada da amostra 20B.
Figura 34.
Gráfico da quarta matriz normalizada da amostra 20B.
49
Figura 35.
Gráfico da quinta matriz normalizada da amostra 20B.
A segunda análise dos gráficos mostra que todas as amostras normalizadas
ficaram dentro do intervalo entre (0,1412 e 0,1529). Pode-se dizer que a amostra B da
Lagoa da Pampulha contém pouca matéria orgânica ou inorgânica na superfície da água.
Abaixo segue a terceira análise do conjunto de matrizes.
38
37
36
37
37
37
37
37
37
37
37
37
38
37
38
37
37
37
37
37
38
37
37
37
38
36
36
37
36
36
37
37
37
37
38
37
37
38
38
38
36
36
36
36
36
36
36
36
36
37
37
37
38
38
38
37
37
36
36
37
37
38
37
37
37
38
37
36
37
37
37
38
38
38
38
37
37
37
36
37
37
37
37
38
38
37
38
38
37
36
38
37
37
37
37
37
37
37
37
37
37
37
37
36
37
37
37
37
36
38
36
37
37
37
37
37
37
37
36
38
37
37
37
36
37
Figura 36.
Matrizes obtidas com a leitura de pixels da figura 20 C.
50
0,1490
0,1451
0,1412
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1490
0,1451
0,1451
0,1451
0,1490
0,1451
0,1451
0,1451
0,1451
0,1490
0,1451
0,1451
0,1490
0,1490
0,1490
0,1412
0,1412
0,1412
0,1412
0,1451
0,1451
0,1451
0,1490
0,1490
0,1490
0,1451
0,1490
0,1451
0,1451
0,1451
0,1490
0,1412
0,1412
0,1451
0,1451
0,1451
0,1451
0,1490
0,1451
0,1490
0,1451
0,1451
0,1451
0,1412
0,1451
0,1412
0,1412
0,1451
0,1412
0,1412
0,1451
0,1490
0,1490
0,1451
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1412
0,1412
0,1451
0,1451
0,1451
0,1451
0,1412
0,1490
0,1451
0,1490
0,1490
0,1490
0,1490
0,1451
0,1451
0,1451
0,1412
0,1490
0,1451
0,1451
0,1451
0,1490
0,1490
0,1490
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1412
0,1451
0,1412
0,1451
0,1451
0,1451
0,1451
0,1451
0,1451
0,1490
0,1412
0,1451
Figura 37.
Conjunto de matrizes normalizadas da figura 20 C.
Concluído a normalização das matrizes referentes ao conjunto de pixel
selecionado da figura 20 C, obtém-se os gráficos relacionados a esse conjunto.
51
Figura 38.
Gráfico da primeira matriz normalizada da amostra 20C.
Figura 39.
Gráfico da segunda matriz normalizada da amostra 20C.
52
Figura 40.
Gráfico da terceira matriz normalizada da amostra 20C.
Figura 41.
Gráfico da quarta matriz normalizada da amostra 20C.
53
Figura 42.
Gráfico da quinta matriz normalizada da amostra 20C.
A terceira análise mostra que os pixels normalizados ficaram no intervalo entre
(0,1412 e 0,1490), assim, pode-se dizer, de acordo com a metodologia criada, que a
amostra C da Lagoa da Pampulha contém muito pouca matéria orgânica ou inorgânica
na superfície da água.
A mesma metodologia é aplicada para o pedaço D da figura 20.
54
38
37
38
37
38
37
38
38
37
38
38
38
39
37
36
38
38
37
37
37
36
37
37
37
37
38
39
39
37
37
38
37
38
38
37
37
37
36
37
37
39
39
38
37
38
36
36
36
36
37
37
38
37
37
38
38
38
38
37
37
36
37
37
36
37
38
39
37
36
37
39
38
38
38
37
37
38
37
38
38
38
39
37
36
37
38
37
37
37
38
39
39
37
37
38
37
38
38
37
38
39
38
37
38
39
36
37
37
37
37
38
38
37
37
39
37
37
36
37
37
38
38
38
37
37
Figura 43.
Matrizes obtidas com a leitura de pixels da figura 20 D.
0,1490
0,1451
0,1490
0,1451
0,1490
0,1451
0,1490
0,1490
0,1451
0,1490
0,1490
0,1490
0,1451
0,1451
0,1451
0,1412
0,1451
0,1451
0,1451
0,1451
0,1412
0,1451
0,1451
0,1412
0,1451
0,1451
0,1451
0,1412
0,1451
0,1451
0,1412
0,1412
0,1412
0,1412
0,1451
0,1451
0,1490
0,1451
0,1451
0,1490
0,1490
0,1451
0,1490
0,1490
0,1451
0,1490
0,1529
0,1451
0,1412
0,1451
0,1490
0,1490
0,1529
0,1451
0,1412
0,1451
0,1490
0,1451
0,1490
0,1490
0,1490
0,1529
0,1529
0,1451
0,1451
0,1490
0,1451
0,1451
0,1451
0,1490
0,1529
0,1529
0,1490
0,1451
0,1490
0,1451
0,1490
0,1490
0,1451
0,1490
0,1490
0,1490
0,1490
0,1451
0,1451
0,1412
0,1451
0,1451
0,1451
0,1451
0,1529
0,1490
0,1490
0,1490
0,1451
0,1451
0,1451
0,1412
0,1451
0,1451
0,1490
0,1529
0,1451
0,1412
0,1451
0,1529
0,1529
0,1451
0,1451
0,1490
0,1529
0,1490
0,1451
0,1490
0,1529
0,1490
0,1490
0,1451
0,1451
0,1529
0,1490
0,1490
0,1490
0,1451
0,1451
Figura 44.
Conjunto de matrizes normalizadas da figura 20 D.
55
Abaixo o conjunto de gráficos relacionados com as matrizes.
Figura 45.
Gráfico da primeira matriz normalizada da amostra 20D.
Figura 46.
Gráfico da segunda matriz normalizada da amostra 20D.
56
Figura 47.
Gráfico da terceira matriz normalizada da amostra 20D.
Figura 48.
Gráfico da quarta matriz normalizada da amostra 20D.
57
Figura 49.
Gráfico da quinta matriz normalizada da amostra 20D.
A análise dos gráficos mostra que todas as amostras normalizadas ficaram dentro
do intervalo entre (0,1412 e 0,1529). Pode-se dizer que na amostra D da Lagoa da
Pampulha existe pouca presença de matéria orgânica ou inorgânica na superfície da
água.
A última análise refere-se à figura 20 item E. Abaixo seguem as matrizes e
gráficos relacionados.
58
37
37
37
37
37
37
38
38
38
38
38
38
39
37
36
37
38
37
37
38
37
38
38
37
37
38
39
39
37
37
38
38
37
37
38
38
36
37
37
36
39
39
38
37
38
38
38
37
38
36
38
36
37
38
37
38
38
38
37
37
37
37
36
38
36
37
37
37
36
36
39
38
38
38
37
38
38
38
38
38
38
38
38
38
37
37
37
37
37
37
38
38
38
38
38
37
36
37
37
37
37
37
37
37
37
38
37
38
38
37
37
36
37
37
37
36
36
37
37
37
38
37
38
37
37
Figura 50.
Matrizes obtidas com a leitura de pixels da figura 20 E.
0,1490
0,1451
0,1490
0,1451
0,1490
0,1451
0,1490
0,1490
0,1451
0,1490
0,1490
0,1490
0,1451
0,1451
0,1451
0,1412
0,1451
0,1451
0,1451
0,1451
0,1412
0,1451
0,1451
0,1412
0,1451
0,1451
0,1451
0,1412
0,1451
0,1451
0,1412
0,1412
0,1412
0,1412
0,1451
0,1451
0,1490
0,1451
0,1451
0,1490
0,1490
0,1451
0,1490
0,1490
0,1451
0,1490
0,1529
0,1451
0,1412
0,1451
0,1490
0,1490
0,1529
0,1451
0,1412
0,1451
0,1490
0,1451
0,1490
0,1490
0,1490
0,1529
0,1529
0,1451
0,1451
0,1490
0,1451
0,1451
0,1451
0,1490
0,1529
0,1529
0,1490
0,1451
0,1490
0,1451
0,1490
0,1490
0,1451
0,1490
0,1490
0,1490
0,1490
0,1451
0,1451
0,1412
0,1451
0,1451
0,1451
0,1451
0,1529
0,1490
0,1490
0,1490
0,1451
0,1451
0,1451
0,1412
0,1451
0,1451
0,1490
0,1529
0,1451
0,1412
0,1451
0,1529
0,1529
0,1451
0,1451
0,1490
0,1529
0,1490
0,1451
0,1490
0,1529
0,1490
0,1490
0,1451
0,1451
0,1529
0,1490
0,1490
0,1490
0,1451
0,1451
Figura 51.
Conjunto de matrizes normalizadas da figura 20 E.
59
Seguem os gráficos relacionados às matrizes normalizadas do pedaço E da figura
20.
Figura 52.
Gráfico da primeira matriz normalizada da amostra 20E.
Figura 53.
Gráfico da segunda matriz normalizada da amostra 20E.
60
Figura 54.
Gráfico da terceira matriz normalizada da amostra 20E.
Figura 55.
Gráfico da quarta matriz normalizada da amostra 20E.
61
Figura 56.
Gráfico da quinta matriz normalizada da amostra 20E.
A análise dos gráficos mostra que todas as amostras normalizadas ficaram dentro
do intervalo entre (0,1412 e 0,1529). Pode-se dizer que na amostra E da Lagoa também
contém pouca matéria orgânica ou inorgânica na superfície da água.
A análise geral de todas as amostras da Lagoa da Pampulha mostrou que
somente a primeira continha a superfície ocupada com material orgânico e inorgânico.
Já as outras pode-se perceber que na superfície da água, que continha muito poucos
sedimentos em suspensão.
4.2.1 Verdade terrestre da Lagoa da Pampulha.
A verdade terrestre da Lagoa da Pampulha foi realizada por meio de fotografias
tiradas ao redor da lagoa, ressaltando determinados pontos como mostra o grupo de
figuras abaixo.
62
Figura 57.
Foto de parte da Lagoa da Pampulha.
Figura 58.
Foto da Lagoa da Pampulha com um divisor utilizado para
conter as epécies macrófitas na superfície.
63
Figura 59.
Trabalhadores retirando material orgânico e inorgânico da
Lagoa da Pampulha.
Figura 60.
Parte da Lagoa da Pampulha coberta por vegetação.
64
Figura 61.
Capivaras ao redor da lagoa e ao fundo espécies
macrófitas.
Figura 62.
Foto Lagoa da Pampulha, Minieirão ao fundo.
A Lagoa da pampulha, como pode-se verificar pelas fotografias apresenta-se em
fase de limpeza. Mesmo assim ainda podemos verificar espécies algais em suas
margens. Antes do processo de limpeza da Lagoa da Pampulha, existia um limitador de
espécies algais (FIGURA 58), com a finalidade de conter o avanço destas espécies para
65
toda a lagoa. Como a imagem do satélite CBERS é mais antiga do que as fotografias,
pode-se concluir que os comentários relacionados aos alvos estudados são válidos.
66
4.3 Lagoa Vargem das Flores
A Lagoa Vargem das Flores, diferente da Lagoa da Pampulha, apresenta uma
leitura de pixels mais homogênea, pois apresenta poucos focos de poluição da superfície
da água. A figura 64 apresenta a Lagoa de Vargem das Flores na composição colorida.
Figura 63.
Banda 2
Lagoa Vargem das Flores na composição colorida.
Banda 3
Banda 4
Figura 64.
3 bandas espectrais da Lagoa Vargem das Flores.
Na Lagoa Vargem das Flores, pelas imagens orbitais, pode-se dizer que a
superfície da água não está com a presença de compostos orgânicos ou inorgânicos.
Aplica-se a mesma metodologia que foi utilizada na Lagoa da Pampulha. Abaixo a
figura 66 que mostra as amostras estudadas na lagoa.
67
Figura 65.
Recorte dos alvos a serem estudados na Lagoa Vargem
das Flores.
(A)
(B)
(C)
(D)
(E)
Figura 66.
Recortes de amostras da Lagoa de Vargem das Flores.
68
(A)
(B)
(C)
(D)
(E)
Figura 67.
Histogramas gerados a partir da Lagoa Vargem das Flores.
69
Após os histogramas temos as matrizes a serem normalizadas, a partir de
amostras coletadas na imagem gerada do satélite CBERS (figura 66).
36
35
35
36
36
36
36
35
36
36
36
36
37
36
36
36
35
35
36
36
35
35
35
35
36
36
36
37
36
36
36
36
35
35
35
35
36
36
35
36
36
36
36
36
36
37
37
37
36
36
35
35
36
36
37
36
36
36
36
36
36
36
36
37
36
36
35
36
36
35
36
36
36
36
36
37
36
37
35
36
35
35
35
34
35
36
36
37
37
37
35
35
36
35
36
36
36
36
37
36
35
35
36
36
36
35
35
35
36
36
36
37
36
37
36
36
36
36
36
36
36
36
36
36
36
Figura 68.
Matrizes a serem normalizadas da amostra A da figura 66.
0,1412
0,1373
0,1373
0,1412
0,1412
0,1412
0,1412
0,1373
0,1412
0,1412
0,1412
0,1373
0,1373
0,1412
0,1412
0,1373
0,1373
0,1373
0,1373
0,1412
0,1412
0,1412
0,1373
0,1373
0,1373
0,1373
0,1412
0,1412
0,1373
0,1412
0,1451
0,1451
0,1451
0,1412
0,1412
0,1373
0,1373
0,1412
0,1412
0,1451
0,1412
0,1412
0,1412
0,1451
0,1412
0,1412
0,1373
0,1412
0,1412
0,1373
0,1412
0,1412
0,1451
0,1412
0,1412
0,1451
0,1412
0,1451
0,1373
0,1412
0,1412
0,1412
0,1451
0,1412
0,1412
0,1412
0,1412
0,1451
0,1451
0,1451
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1451
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1373
0,1373
0,1373
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
0,1373
0,1373
0,1373
0,1333
0,1373
0,1373
0,1373
0,1412
0,1373
0,1412
0,1373
0,1373
0,1412
0,1412
0,1412
0,1412
0,1451
0,1412
0,1451
0,1412
0,1412
0,1412
0,1412
0,1412
0,1412
Figura 69.
Matrizes normalizadas da amostra A da figura 66.
70
De acordo com a metodologia adotada, foram gerados os gráficos de cada matriz
normalizada.
Figura 70.
Gráfico da primeira matriz normalizada da amostra 66A.
Figura 71.
Gráfico da segunda matriz normalizada da amostra 66A.
71
Figura 72.
Gráfico da terceira matriz normalizada da amostra 66A.
Figura 73.
Gráfico da quarta matriz normalizada da amostra 66A.
72
Figura 74.
Gráfico da quinta matriz normalizada da amostra 66A.
A análise dos gráficos da primeira amostra da Lagoa Vargem das Flores, relata
que todas as amostras normalizadas ficaram dentro do intervalo entre (0,1333 e 0,1451).
Pode-se dizer que na amostra A da Lagoa Vargem das Flores contém pouquíssima
matéria orgânica ou inorgânica na superfície da água.
A próxima análise refere-se a amostra B da Lagoa Vargem das Flores.
35
36
36
37
36
36
37
36
36
36
36
37
36
36
36
36
36
36
36
36
35
36
35
36
36
36
37
37
37
37
36
37
36
36
36
35
35
36
37
36
36
36
36
36
36
36
36
36
36
36
36
36
36
36
36
35
35
35
36
36
37
37
36
37
36
36
35
35
36
37
36
35
36
35
36
36
36
36
36
36
36
35
36
36
37
36
36
36
36
36
36
36
37
36
36
36
36
35
36
36
36
36
37
37
37
36
36
35
36
36
35
36
36
36
36
36
36
36
36
36
36
35
35
36
36
Figura 75.
Matrizes a serem normalizadas da amostra B da figura 66.
73
0.1373
0.1412
0.1412
0.1451
0.1412
0.1412
0.1451
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1373
0.1412
0.1373
0.1412
0.1412
0.1412
0.1451
0.1412
0.1412
0.1412
0.1373
0.1373
0.1412
0.1451
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1451
0.1451
0.1412
0.1451
0.1412
0.1412
0.1373
0.1373
0.1412
0.1451
0.1412
0.1451
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1373
0.1412
0.1412
0.1373
0.1373
0.1373
0.1412
0.1412
0.1412
0.1412
0.1373
0.1412
0.1412
0.1412
0.1373
0.1412
0.1373
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1373
0.1412
0.1412
0.1451
0.1412
0.1412
0.1451
0.1412
0.1412
0.1412
0.1412
0.1451
0.1451
0.1451
0.1373
0.1412
0.1412
0.1412
0.1412
0.1412
0.1373
0.1373
0.1412
0.1412
Figura 76.
Matrizes normalizadas da amostra B da figura 66.
Após a obtenção das matrizes normalizadas da amostra B da Lagoa Vargem das
Flores, foi gerado os grupos de gráficos referentes a cada matriz.
74
Figura 77.
Gráfico da primeira matriz normalizada da amostra 66B.
Figura 78.
Gráfico da segunda matriz normalizada da amostra 66B.
75
Figura 79.
Gráfico da terceira matriz normalizada da amostra 66B.
Figura 80.
Gráfico da quarta matriz normalizada da amostra 66B.
76
Figura 81.
Gráfico da quinta matriz normalizada da amostra 66B.
A análise dos gráficos mostra que a amostra B da figura 66 apresenta uma
variação de pixels normalizados de (0,1373 a 0,1451). Portanto se enquadra no mesmo
perfil da amostra A.
A próxima análise refere-se a figura 66 C.
37
37
36
36
37
37
36
37
36
37
37
38
37
38
37
37
36
37
37
37
37
38
37
37
37
37
36
36
36
36
37
35
36
37
38
38
38
37
38
38
37
38
37
37
37
37
37
36
37
37
37
38
38
38
38
37
37
37
38
37
36
36
37
38
37
37
38
37
38
38
38
37
37
36
36
37
36
37
38
37
38
37
37
37
36
37
36
37
37
37
37
37
37
38
38
36
36
38
37
37
37
38
38
38
37
36
37
37
36
37
38
38
38
39
37
37
37
37
37
38
36
38
37
37
37
Figura 82.
Matrizes obtidas da leitura de pixels da amostra C da
figura 66.
77
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1412
0.1451
0.1412
0.1451
0.1451
0.1412
0.1451
0.1451
0.1451
0.1451
0.1490
0.1451
0.1451
0.1451
0.1451
0.1373
0.1412
0.1451
0.1490
0.1490
0.1490
0.1451
0.1490
0.1490
0.1451
0.1451
0.1412
0.1451
0.1451
0.1451
0.1490
0.1490
0.1490
0.1490
0.1412
0.1412
0.1451
0.1490
0.1451
0.1451
0.1490
0.1451
0.1490
0.1490
0.1451
0.1490
0.1451
0.1490
0.1451
0.1451
0.1412
0.1451
0.1490
0.1451
0.1451
0.1412
0.1412
0.1412
0.1412
0.1451
0.1412
0.1451
0.1451
0.1451
0.1451
0.1490
0.1451
0.1451
0.1451
0.1412
0.1412
0.1490
0.1451
0.1451
0.1451
0.1451
0.1451
0.1490
0.1451
0.1412
0.1451
0.1451
0.1412
0.1451
0.1490
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1490
0.1490
0.1451
0.1451
0.1451
0.1412
0.1451
0.1451
0.1451
0.1490
0.1490
0.1451
0.1490
0.1490
0.1490
0.1451
0.1490
0.1490
0.1490
0.1529
0.1451
0.1412
0.1490
0.1451
0.1451
0.1451
Figura 83.
Matrizes normalizadas da amostra C da figura 66.
Figura 84.
Gráfico da primeira matriz normalizada da amostra 66 C.
78
Figura 85.
Gráfico da segunda matriz normalizada da amostra 66 C.
Figura 86.
Gráfico da terceira matriz normalizada da amostra 66 C.
79
Figura 87.
Gráfico da quarta matriz normalizada da amostra 66 C.
Figura 88.
Gráfico da quinta matriz normalizada da amostra 66 C.
A terceira análise da Lagoa Vargem das Flores, mostra que houve uma variação
da normalização da leitura de pixels de (0,1412 e 0,1490), assim, pode-se dizer, de
80
acordo com a metodologia criada, que a amostra C da figura 66 contém muito pouca
matéria orgânica ou inorgânica na superfície da água.
Abaixo a análise da quarta amostra da figura 66.
36
36
36
36
36
35
36
37
37
36
36
36
37
37
36
35
35
36
37
37
36
36
37
37
37
37
36
35
35
35
37
35
36
37
37
35
36
37
36
38
36
37
36
36
38
36
36
35
37
37
36
36
37
36
36
36
36
36
35
36
36
36
36
36
36
36
36
37
37
36
36
36
36
37
37
36
37
36
36
36
37
37
36
36
36
36
37
36
36
36
36
37
36
36
37
37
37
37
37
37
37
37
37
36
37
36
36
36
36
35
36
37
37
36
37
37
37
37
37
37
36
36
36
36
36
Figura 89.
Matrizes obtidas da leitura de pixels da amostra D da
figura 66.
0.1412
0.1412
0.1412
0.1412
0.1412
0.1373
0.1412
0.1451
0.1451
0.1412
0.1373
0.1373
0.1412
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1373
0.1412
0.1451
0.1451
0.1373
0.1412
0.1451
0.1412
0.1490
0.1412
0.1412
0.1373
0.1451
0.1451
0.1412
0.1412
0.1451
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1451
0.1451
0.1412
0.1412
0.1412
0.1451
0.1451
0.1412
0.1412
0.1451
0.1412
0.1412
0.1412
0.1451
0.1412
0.1373
0.1373
0.1373
0.1412
0.1451
0.1412
0.1412
0.1412
0.1412
0.1451
0.1412
0.1412
0.1490
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1412
0.1373
0.1412
0.1412
0.1412
0.1412
0.1412
0.1373
0.1412
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1412
0.1412
0.1451
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1412
0.1451
0.1412
0.1451
0.1451
0.1412
0.1451
0.1412
0.1412
0.1412
0.1412
0.1412
Figura 90.
Matrizes normalizadas da amostra D da figura 66.
81
Figura 91.
Gráfico da primeira matriz normalizada da amostra 66 D.
Figura 92.
Gráfico da segunda matriz normalizada da amostra 66 D.
82
Figura 93.
Gráfico da terceira matriz normalizada da amostra 66 D.
Figura 94.
Gráfico da quarta matriz normalizada da amostra 66 D.
83
Figura 95.
Gráfico da quinta matriz normalizada da amostra 66 D.
A amostra D da figura 66 mostra que a variação da leitura normalizada de pixels
variou entre (0,1373 e 0,1490). Assim tem-se que a amostra D da Lagoa Vargem das
Flores contém muito pouca matéria orgânica ou inorgânica na superfície da água.
Segue a última análise de pixels da Lagoa Vargem das Flores.
37
37
37
37
37
37
37
37
37
37
38
38
37
37
38
38
37
37
37
36
37
37
37
37
37
37
37
36
36
37
37
38
37
37
37
37
37
37
38
38
37
38
37
37
37
36
37
37
38
37
38
37
38
38
37
37
37
37
38
38
37
36
37
37
37
37
37
37
37
37
38
37
37
37
37
37
36
36
37
36
38
38
37
37
37
38
37
38
37
37
36
37
37
36
38
39
38
39
38
37
38
38
38
38
38
37
38
38
38
37
38
37
37
38
37
37
37
37
38
36
37
36
36
37
38
Figura 96.
Matrizes obtidas da leitura de pixels da amostra E da
figura 66.
84
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1490
0.1451
0.1451
0.1451
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1490
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1490
0.1490
0.1412
0.1451
0.1451
0.1490
0.1451
0.1490
0.1451
0.1490
0.1490
0.1451
0.1451
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1490
0.1490
0.1451
0.1451
0.1490
0.1451
0.1412
0.1412
0.1451
0.1412
0.1451
0.1451
0.1412
0.1412
0.1451
0.1490
0.1451
0.1490
0.1451
0.1451
0.1451
0.1490
0.1451
0.1451
0.1451
0.1529
0.1490
0.1529
0.1490
0.1451
0.1451
0.1451
0.1451
0.1490
0.1490
0.1451
0.1490
0.1490
0.1490
0.1451
0.1490
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1490
0.1412
0.1490
0.1490
0.1451
0.1451
0.1451
0.1412
0.1451
0.1451
0.1412
0.1490
0.1490
0.1490
0.1490
0.1490
0.1490
0.1490
0.1451
0.1451
0.1490
0.1451
0.1451
0.1412
0.1412
0.1451
0.1490
Figura 97.
Matrizes normalizadas da amostra E da figura 66.
Gráficos das matrizes normalizadas da amostra E da figura 66.
Figura 98.
Gráfico da primeira matriz normalizada da amostra 66 E.
85
Figura 99.
Gráfico da segunda matriz normalizada da amostra 66 E.
Figura 100.
Gráfico da terceira matriz normalizada da amostra 66 E.
86
Figura 101.
Gráfico da quarta matriz normalizada da amostra 66 E.
Figura 102.
Gráfico da quinta matriz normalizada da amostra 66 E.
A última análise da Lagoa Vargem das Flores, relatou que a variação da leitura
normalizada de pixels ficou entre (0,1412 e 0,1529). Portanto tem-se que a amostra E da
Lagoa Vargem das Flores contém pouca matéria orgânica ou inorgânica na superfície da
87
água.
A Lagoa Vargem das Flores apresenta uma análise geral de todas as amostras
bastante homogênea, obtendo uma leve variação na última amostra. Percebe-se então
que o alvo estudado contém pouquíssimos sedimentos em suspensão.
4.3.1 Verdade terrestre da Lagoa Vargem das Flores
A verdade terrestre da Lagoa de Vargem das Flores foi realizada da mesma
maneira da Lagoa da Pampulha, ou seja, por meio de fotografias. Abaixo um grupo de
fotografias tiradas ao redor da lagoa.
Figura 103.
Vista da Lagoa de Vargem das Flores.
88
Figura 104.
Lagoa de Vargem das Flores sem a presença de materiais
inorgânicos depositados na superfície da água.
Figura 105.
Vista da Lagoa Vargem das Flores. Ao fundo uma
pedreira.
89
Figura 106.
Existência de plásticos, garrafas, etc, nas águas da Lagoa
Vargem das Flores.
Figura 107.
Amostra da Lagoa Vargem das Flores.
Verifica-se que a Lagoa Vargem das Flores não contém sedimentos em suspensão
em sua superfície, validando assim os comentários relacionados a esta lagoa.
90
4.4 Lagoa de Ibirité
A Lagoa de Ibitité é um outro alvo de estudo. Suas características são parecidas
com a Lagoa Vargem das Flores, pois apresenta uma homogeneidade na leitura de
pixels, como pode ser vista na figura 108.
Figura 108.
Lagoa de Ibirité na composição colorida: B2(Azul),
B3(Verde) e B4(Vermelho).
Banda 2
Banda 3
Banda 4
Figura 109.
3 bandas espectrais da Lagoa de Ibirité.
Aplica-se a metodologia para verificar se existe matéria orgânica ou inorgânica
na superfície da água.
91
Figura 110.
Amostras da Lagoa de Ibirité.
(A)
(B)
(C)
(D)
(E)
Figura 111.
Recortes de amostras da Lagoa de Ibirité.
92
(A)
(B)
(C)
(D)
(E)
Figura 112.
Histogramas gerados da Lagoa de Ibirité.
Como mostrado nas análises anteriores, tem-se, após os histogramas, o primeiro
93
grupo de matrizes a serem normalizadas.
39
39
38
39
39
39
38
39
39
39
39
39
39
40
39
39
40
39
38
39
40
39
38
39
39
38
39
39
39
38
38
39
39
39
39
39
39
39
39
40
39
39
40
40
40
38
38
38
39
39
38
38
39
39
40
39
39
40
39
39
39
39
39
39
39
39
39
39
39
40
39
39
40
39
39
39
39
40
39
39
39
39
39
40
39
39
39
39
38
38
38
39
39
39
38
39
40
40
40
39
39
39
40
40
40
39
40
39
39
39
39
39
40
39
39
39
40
39
39
40
39
39
40
39
39
Figura 113.
Matrizes obtidas da leitura de pixels da amostra A da
figura 111.
0.1529
0.1529
0.1490
0.1529
0.1529
0.1529
0.1490
0.1529
0.1529
0.1529
0.1529
0.1569
0.1529
0.1490
0.1529
0.1569
0.1529
0.1490
0.1529
0.1529
0.1490
0.1529
0.1529
0.1529
0.1529
0.1529
0.1529
0.1529
0.1529
0.1569
0.1490
0.1490
0.1490
0.1529
0.1529
0.1490
0.1490
0.1529
0.1529
0.1569
0.1529
0.1529
0.1529
0.1529
0.1529
0.1529
0.1529
0.1529
0.1529
0.1569
0.1529
0.1529
0.1529
0.1569
0.1529
0.1529
0.1529
0.1569
0.1529
0.1529
0.1490
0.1529
0.1529
0.1529
0.1490
0.1529
0.1529
0.1529
0.1490
0.1490
0.1529
0.1529
0.1569
0.1569
0.1569
0.1529
0.1569
0.1569
0.1569
0.1529
0.1529
0.1529
0.1569
0.1529
0.1529
0.1529
0.1569
0.1529
0.1529
0.1529
0.1529
0.1529
0.1569
0.1529
0.1529
0.1529
0.1569
0.1529
0.1529
0.1569
0.1529
0.1529
0.1529
0.1569
0.1529
0.1490
0.1529
0.1529
0.1529
0.1490
0.1529
0.1529
0.1569
0.1569
0.1569
0.1529
0.1529
0.1569
0.1529
0.1529
0.1529
0.1529
0.1569
0.1529
0.1529
Figura 114.
Matrizes normalizadas da amostra A da figura 111.
Segue abaixo os gráficos relacionados a primeira amostra da Lagoa de Ibirité.
94
Figura 115.
Gráfico da primeira matriz normalizada da amostra 111 A.
Figura 116.
Gráfico da segunda matriz normalizada da amostra 111 A.
95
Figura 117.
Gráfico da terceira matriz normalizada da amostra 111 A.
Figura 118.
Gráfico da quarta matriz normalizada da amostra 111 A.
96
Figura 119.
Gráfico da quinta matriz normalizada da amostra 111 A.
A primeira análise da Lagoa de Ibirité, resultou na variação da leitura
normalizada de pixels entre (0,1490 e 0,1569). Portanto tem-se que a amostra A da
Lagoa de Ibirité contém pouca matéria orgânica ou inorgânica na superfície da água.
37
35
36
36
36
37
36
37
37
37
37
37
36
37
36
36
37
37
36
36
36
36
37
37
37
36
36
37
37
36
37
37
36
37
37
36
37
37
36
37
36
36
37
37
37
37
37
36
35
36
37
36
36
37
37
36
37
36
36
35
37
37
37
36
36
36
36
36
37
37
37
38
38
38
36
36
36
37
37
38
37
36
36
36
37
36
37
37
37
37
36
36
37
37
38
36
36
36
36
36
36
37
37
37
37
37
36
36
37
36
36
36
36
36
36
35
36
36
36
36
37
36
36
37
36
Figura 120.
Matrizes obtidas da leitura de pixels da amostra B da
figura 111.
97
0.1451
0.1373
0.1412
0.1412
0.1412
0.1451
0.1412
0.1451
0.1451
0.1451
0.1412
0.1451
0.1451
0.1412
0.1412
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1451
0.1451
0.1412
0.1451
0.1451
0.1412
0.1451
0.1451
0.1451
0.1412
0.1373
0.1412
0.1451
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1412
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1412
0.1451
0.1412
0.1412
0.1412
0.1451
0.1451
0.1490
0.1412
0.1412
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1451
0.1412
0.1412
0.1412
0.1412
0.1412
0.1412
0.1451
0.1412
0.1412
0.1373
0.1451
0.1412
0.1412
0.1451
0.1412
0.1451
0.1490
0.1490
0.1490
0.1412
0.1373
0.1412
0.1412
0.1412
0.1412
0.1451
0.1412
0.1412
0.1412
0.1451
0.1412
0.1412
0.1451
0.1451
0.1490
0.1412
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1412
0.1412
0.1412
0.1451
0.1412
0.1412
0.1451
0.1412
Figura 121.
Matrizes normalizadas da amostra B da figura 111.
Figura 122.
Gráfico da primeira matriz normalizada da amostra 111 B.
98
Figura 123.
Gráfico da segunda matriz normalizada da amostra 111 B.
Figura 124.
Gráfico da terceira matriz normalizada da amostra 111 B.
99
Figura 125.
Gráfico da quarta matriz normalizada da amostra 111 B.
Figura 126.
Gráfico da quinta matriz normalizada da amostra 111 B.
A análise da amostra B da Lagoa de Ibirité, verificou-se que a variação das
matrizes normalizadas ficaram em torno de (0,1373 e 0,1490), contendo, portanto,
100
muito pouco de compostos orgânicos e inorgânicos.
Na figura 127 inicia a terceira amostra da Lagoa de Ibirité.
37
37
36
36
37
37
37
36
36
37
36
37
37
37
37
37
36
36
37
36
36
36
37
37
38
36
37
37
36
36
37
36
36
36
36
35
36
36
36
37
36
37
37
37
36
37
37
37
37
37
36
36
36
36
36
36
37
37
36
36
37
37
37
37
37
37
37
36
37
35
37
36
37
36
35
37
37
37
37
37
37
37
37
36
37
38
37
38
38
38
37
36
36
37
37
38
37
37
37
37
36
37
38
38
37
37
37
37
37
37
35
36
37
37
37
37
37
36
36
37
37
37
36
36
37
Figura 127.
Matrizes obtidas da leitura de pixels da amostra C da
figura 111.
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1412
0.1412
0.1451
0.1412
0.1412
0.1412
0.1451
0.1451
0.1490
0.1451
0.1412
0.1412
0.1412
0.1412
0.1373
0.1412
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1412
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1451
0.1373
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1451
0.1451
0.1412
0.1412
0.1490
0.1451
0.1490
0.1490
0.1490
0.1412
0.1451
0.1451
0.1451
0.1412
0.1490
0.1451
0.1451
0.1451
0.1451
0.1412
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1451
0.1412
0.1373
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1412
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1412
0.1451
0.1490
0.1490
0.1451
0.1373
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1451
Figura 128.
Matrizes normalizadas da amostra C da figura 111.
101
Segue os gráficos gerados a partir das matrizes normalizadas da figura 128.
Figura 129.
Gráfico da primeira matriz normalizada da amostra 111 C.
Figura 130.
Gráfico da segunda matriz normalizada da amostra 111 C.
102
Figura 131.
Gráfico da terceira matriz normalizada da amostra 111 C.
Figura 132.
Gráfico da quarta matriz normalizada da amostra 111 C.
103
Figura 133.
Gráfico da quinta matriz normalizada da amostra 111 C.
A amostra C da Lagoa de Ibirité, revela uma variação das matrizes normalizadas
em torno de (0,1373 e 0,1490). Assim, pode-se dizer que ela contém muitos poucos
compostos orgânicos e inorgânicos.
A amostra D da figura 111 vem a seguir.
37
38
37
37
37
37
37
37
38
37
37
37
36
36
36
37
37
37
37
37
37
37
37
36
37
37
36
35
36
37
37
37
37
37
37
37
37
36
36
37
37
37
36
36
36
37
38
38
37
37
36
36
36
37
37
37
36
36
36
36
38
37
38
38
38
37
37
37
37
37
36
37
37
37
36
37
36
36
36
36
35
35
36
36
36
37
37
37
37
37
37
36
36
37
36
37
37
37
37
38
35
35
35
36
36
37
37
37
37
37
37
36
36
36
36
36
36
37
36
36
37
36
37
37
37
Figura 134.
Matrizes obtidas da leitura de pixels da amostra D da
figura 111.
104
0.1451
0.1490
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1490
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1451
0.1451
0.1490
0.1490
0.1451
0.1451
0.1412
0.1412
0.1412
0.1451
0.1451
0.1490
0.1451
0.1490
0.1490
0.1490
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1412
0.1451
0.1412
0.1412
0.1412
0.1412
0.1451
0.1412
0.1373
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1490
0.1451
0.1412
0.1412
0.1412
0.1412
0.1451
0.1451
0.1451
0.1451
0.1451
0.1412
0.1451
0.1451
0.1451
0.1412
0.1412
0.1412
0.1451
0.1412
0.1412
0.1373
0.1373
0.1412
0.1412
0.1412
0.1451
0.1412
0.1412
0.1451
0.1412
0.1373
0.1373
0.1373
0.1412
0.1412
0.1451
0.1412
0.1412
0.1412
0.1412
0.1451
0.1412
0.1451
0.1451
0.1451
Figura 135.
Matrizes normalizadas da amostra D da figura 111.
Figura 136.
Gráfico da primeira matriz normalizada da amostra 111 D.
105
Figura 137.
Gráfico da segunda matriz normalizada da amostra 111 D.
Figura 138.
Gráfico da terceira matriz normalizada da amostra 111 D.
106
Figura 139.
Gráfico da quarta matriz normalizada da amostra 111 D.
Figura 140.
Gráfico da quinta matriz normalizada da amostra 111 D.
A quarta amostra analisada traz uma leitura de pixels variando entre (0,1373 e
0,1490). Assim mostra-se que o alvo analisado contém muito pouca matéria orgânica e
inorgânica presente na superfície da água.
107
O último alvo a ser analisado refere-se a amostra E da figura 111.
40
40
42
43
44
43
43
43
45
43
39
39
39
39
39
37
39
40
40
44
42
42
42
44
42
39
38
38
39
38
39
40
40
40
42
42
41
43
44
43
38
38
38
38
39
39
40
40
40
42
40
40
41
42
41
38
39
39
40
40
39
41
42
41
39
40
39
38
39
39
37
37
38
39
40
40
40
41
41
42
38
39
39
39
38
40
39
40
40
40
38
40
42
42
40
40
40
40
40
40
39
41
42
42
42
39
40
40
40
41
38
41
44
44
42
38
38
40
40
40
38
41
44
44
41
Figura 141.
Matrizes obtidas da leitura de pixels da amostra E da
figura 111.
0.1569
0.1569
0.1647
0.1686
0.1725
0.1686
0.1686
0.1686
0.1765
0.1686
0.1451
0.1529
0.1569
0.1569
0.1725
0.1647
0.1647
0.1647
0.1725
0.1647
0.1529
0.1569
0.1569
0.1569
0.1647
0.1647
0.1608
0.1686
0.1725
0.1686
0.1529
0.1569
0.1569
0.1569
0.1647
0.1569
0.1569
0.1608
0.1647
0.1608
0.1529
0.1608
0.1647
0.1608
0.1529
0.1569
0.1529
0.1490
0.1529
0.1529
0.1529
0.1529
0.1529
0.1529
0.1529
0.1569
0.1569
0.1608
0.1608
0.1647
0.1529
0.1490
0.1490
0.1529
0.1490
0.1569
0.1529
0.1569
0.1569
0.1569
0.1490
0.1490
0.1490
0.1490
0.1529
0.1569
0.1569
0.1569
0.1569
0.1569
0.1490
0.1529
0.1529
0.1569
0.1569
0.1529
0.1569
0.1569
0.1569
0.1608
0.1451
0.1451
0.1490
0.1529
0.1569
0.1490
0.1490
0.1569
0.1569
0.1569
0.1490
0.1529
0.1529
0.1529
0.1490
0.1490
0.1569
0.1647
0.1647
0.1569
0.1529
0.1608
0.1647
0.1647
0.1647
0.1490
0.1608
0.1725
0.1725
0.1647
0.1490
0.1608
0.1725
0.1725
0.1608
Figura 142.
Matrizes normalizadas da amostra E da figura 111.
108
Figura 143.
Gráfico da primeira matriz normalizada da amostra 111 E.
Figura 144.
Gráfico da segunda matriz normalizada da amostra 111 E.
109
Figura 145.
Gráfico da terceira matriz normalizada da amostra 111 E.
Figura 146.
Gráfico da quarta matriz normalizada da amostra 111 E.
110
Figura 147.
Gráfico da quinta matriz normalizada da amostra 111 E.
A análise da última amostra da Lagoa de Ibirité, relatou uma leitura de pixels
mais alta que as análises anteriores referentes a essa lagoa. A leitura de pixels
normalizados, como pode ser visto no gráfico, variou de (0,1451 e 0,1725). Portanto
pode-se dizer que a amostra E da Lagoa de Ibirité está com muitíssimos materiais
orgânicos e inorgânicos na superfície da água.
Uma análise geral da Lagoa de Ibirité mostra que as quatro primeiras amostras
A,B,C e D, tiveram uma variância muito pequena e a quinta amostra variou muito com
relação às demais.
4.4.1 Verdade terrestre da Lagoa de Ibirité.
Devido a grande dificuldade de acesso a Lagoa de Ibirité, não foi tirada
nenhuma fotografia.
111
5 CONSIDERAÇÕES FINAIS
Os dados digitais obtidos por meio das imagens do sensor CCD/CBERS
apresentaram-se corroborados com as verdades terrestres apresentadas, validando assim
a metodologia do estudo.
A Lagoa de Vargem das Flores apresentou uma análise digital mais pura, do que
as Lagoas da Pampulha e Lagoa de Ibirité. Isso de deve ao fato da Lagoa de Vargem das
Flores ser uma lagoa de abastecimento de água e ainda controla pela COPASA.
A Lagoa de Ibirité, apresentou os níveis de cinzas mais altos na amostra E.
Assim pode-se dizer que na amostra E da Lagoa de Ibirité estaria com alta presença de
matérias orgânicas e inorgânicas. Nas outras quatro amostras a variação ficou dentro
dos parâmetros estudados nas outras lagoas.
A Lagoa da Pampulha apresentou na amostras A uma maior variação dos níveis
de cinza. Esta variação se deve ao fato de conter muita matéria orgânica e inorgânica na
superfície da amostra. A leitura dos pixels da amostra A não atingiu os mesmo níveis da
Lagoa de Ibirité, mas índices elevados que preocupam o estado de vida da lagoa. As
outras quatro amostras se portaram dentro da região da normalidade.
A metodologia de trabalho apresentada foi bastante eficaz, pois mostrou com
bastante certeza as áreas com a superfície da água que estavam cobertas por material
orgânico e inorgânico.
Para trabalhos futuros na área, pode-se correlacionar os parâmetros de qualidade
da água com informações mostradas nas imagens da câmera CCD do satélite CBERS.
112
6 REFERÊNCIAS
AGÊNCIA NACIONAL DAS ÁGUAS, Ecossistemas Aquáticos. Disponível em:
http://www.ana.gov.br/pnrh/DOCUMENTOS/5Textos/6-9EcossistemasAquaticos.pdf.
ARRAUT, E. M., RUDORFF, C. M., BARBOSA, C. C. F., CARVALHO, J. C.,
FILHO, W. P., NOVO, E. M. L. M., Estudo do comportamento espectral da clorofila
e dos sólidos em suspensão nas águas do Lago Grande de Curuai(PARÁ), na época
de seca, através de técnicas de espectroscopia de campo. In: SIMPÓSIO
BRASILEIRO DE SENSORIAMENTO REMOTO, Goiânia. Anais... Goiânia: INPE,
2005. p. 2447-2456.
BAUER, M., A Remote Sensing Overview: Principles and Fundamentals, In:
Remote Sensing for GIS Users Workshop, University of Minnesota, June 24, 2004
BARBOSA, C. C. F., Sensoriamento remoto da dinâmica da circulação da água do
sistema planície de Curuai/Rio Amazonas. 281f. Tese (Doutorado em Sensoriamento
Remoto). INPE - São José dos Campos, 2005.
BREZONIK,P., MENKEN, K. D., BAUER, M., Landsat-based Remote Sensing of
Lake Water Quality Characteristics, Including Chlorophyll and Colored Dissolved
Organic Matter (CDOM) Lake and Reservoir Management. Minnesota, 2005.
CÂMARA, G. , MONTEIRO, A.M.V., Conceitos básicos em ciência da geoinformação.
Fundamentos de geoprocessamento. 2002.
CÂMARA, G., MONTEIRO, A.M.V., FUCKS, S.D., CARVALHO, M.S., Análise
espacial e geoprocessamento. Análise espacial de dados geográficos. Julho 2002, p.331.
113
EPIPHÂNIO, J., C., N., Satélites de Sensoriamento Remoto, INPE, 2000.
HÄDER, D.-P., KUMAR, H.D., SMITH, R.C., WORREST, R.C., Effects on aquatic
ecosystems. In: Journal of Photochemistry and Photobiology B: Biology 46, 1998 53–
68.
CHRYSOULAKIS, N., Spatial tools in hidrology: remote sensing for water
resources. In: WADI GIS and Water Resources Workshop, ESIB, Beirut, 2002.
LONDE, L., NOVO, E. M. L. M., CALIJURI, M. C.. Avanços no estudo do
comportamento espectral do fitoplâncton e identificação remota da lagoas. In:
SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12, 2005, Goiânia.
Anais... Goiânia: INPE, 2005. p.389-396.
MANTOVANI, J.E. Comportamento espectral da água: faixas espectrais de maior
sensibilidade ao fitoplâncton na presença de matéria orgânica dissolvida em
matéria orgânica particulada. 99f. Dissertação (Mestrado em Sensoriamento Remoto)
– INPE, São José dos Campos, 1993.
MENKEN, K., BREZONIK, P. L., BAUER, M. E.. Influence of Chorophyll and
Colored Dissolved Organic Matter (CDOM) on Lake Reflectance Spectra:
Implications for Measuring Lake Properties by Remote Sensing. Lake and
Reservoir Management. Minnesota, 2005.
MOREIRA, M. A. Fundamentos do Sensoriamento Remoto e Metodologias de
Aplicação.. 3ª ed. Viçosa: Editora UFV, 2005. 320 p.
NOBREGA, I. W., Análise espectral de sistemas aquáticos da Amazônia para
identificação de componentes opticamente ativos. 87f. Dissertação (Mestrado em
Sensoriamento Remoto) – INPE, São José dos Campos, 2002
114
NOVO, E. M. L. M., TUNDISI, J.G.. Sensoriamento Remoto de Águas Interiores:
Perspectiva.INPE, 1985.
NOVO, E. M. L. M., Sensoriamento Remoto Princípios e Aplicações, 2ª ed. São
Paulo. Edgard Blücher, 1992.
RUDORFF, C. M., Estudo da composição das águas da planície amazônica por
meio de dados de reflectância do sensor Hyperion/EO-1 de espectrorradiômetro de
campo visando a compreensão da variação temporal dos seus constituintes
opticamente ativos 138f. Dissertação (Mestrado em Sensoriamento Remoto) – INPE,
São José dos Campos, 1993.
SAUSEN, T., Sensoriamento Remoto, In: Tópicos em Meio Ambiente e Ciências
Atmosféricas, 2007.
SEVÁ FILHO, A. O., SANTI, A. M. M., ROSA, C. A., ZANUTE, S. L. S.,
Licenciando Termelétricas de Grande Porte em Áreas Poluídas: Avaliação de um
caso na Região Metropolitana de Belo Horizonte, MG, e Comparação com Casos
em São paulo e Paraná(1998-2001), IX CONGRESSO BRASILEIRO DE ENERGIA,
2001.
SPRING, INPE, http://www.dpi.inpe.br, em Novembro de 2006.
VICTÓRIA, D. C., BALLESTER, M. V. R.,PEREIRA, A . R., VILLA NOVA, N. A ..
Estimativa do balanço hídrico da bacia do Ji-Paraná (RO) através de
sensoriamento
e
geoprocessamento.
In:
SIMPÓSIO
BRASILEIRO
DE
SENSORIAMENTO REMOTO, 11, 2003, Belo Horizonte. Anais... Belo Horizonte:
INPE, 2003. p.2639-2647.
115
7 ANEXO I
a) Projeto: Lagoas
•
Projeção: UTM
•
Modelo da terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 44º 11’ 20’’ e Latitude1: s 20º 2’ 14’’
Longitude2: o 43º 51’ 43’’ e Latitude2: s 19º 42’ 13’’
b) Projeto: Pampulha1
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 43º 51’ 1’’ e Latitude1: s 19º 49’ 40’’
Longitude2: o 43º 50’ 56’’ e Latitude2: s 19º 49’ 30’’
c) Projeto: Pampulha2
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 43º 50’ 26’’ e Latitude1: s 19º 49’ 48’’
Longitude2: o 43º 50’ 14’’ e Latitude2: s 19º 49’ 39’’
d) Projeto: Pampulha3
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 43º 49’ 54’’ e Latitude1: s 19º 49’ 46’’
Longitude2: o 43º 49’ 46’’ e Latitude2: s 19º 49’ 29’’
116
e) Projeto: Pampulha4
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 43º 50’ 24’’ e Latitude1: s 19º 50’ 1’’
Longitude2: o 43º 50’ 19’’ e Latitude2: s 19º 49’ 54’’
f) Projeto: Pampulha5
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 43º 50’ 7’’ e Latitude1: s 19º 49’ 50’’
Longitude2: o 43º 50’ 0’’ e Latitude2: s 19º 49’ 45’’
g) Projeto: Flores1
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 44º 1’ 43’’ e Latitude1: s 19º 53’ 58’’
Longitude2: o 44º 1’ 28’’ e Latitude2: s 19º 53’ 51’’
h) Projeto: Flores2
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 44º 1’ 2’’ e Latitude1: s 19º 53’ 27’’
Longitude2: o 44º 0’ 45’’ e Latitude2: s 19º 53’ 18’’
i) Projeto: Flores3
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 44º 1’ 11’’ e Latitude1: s 19º 52’ 33’’
Longitude2: o 44º 1’ 5’’ e Latitude2: s 19º 52’ 23’’
117
j) Projeto: Flores4
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 44º 0’ 30’’ e Latitude1: s 19º 52’ 26’’
Longitude2: o 44º 0’ 14’’ e Latitude2: s 19º 52’ 19’’
k) Projeto: Flores5
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 44º 0’
9’’ e Latitude1: s 19º 51’ 59’’
Longitude2: o 43º 59’ 57’’ e Latitude2: s 19º 51’ 51’’
l) Projeto: Ibirite1
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 43º 58’ 31’’ e Latitude1: s 19º 59’ 28’’
Longitude2: o 43º 58’ 24’’ e Latitude2: s 19º 59’ 24’’
m) Projeto: Ibirite2
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 43º 57’ 59’’ e Latitude1: s 19º 59’ 42’’
Longitude2: o 43º 57’ 49’’ e Latitude2: s 19º 59’ 37’’
n) Projeto: Ibirite3
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
118
•
Retângulo Envolvente: Longitude1 o 43º 58’ 30’’ e Latitude1: s 19º 59’ 49’’
Longitude2: o 43º 58’ 10’’ e Latitude2: s 19º 59’ 41’’
o) Projeto: Ibirite4
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 43º 58’ 34’’ e Latitude1: s 20º 0’ 18’’
Longitude2: o 43º 58’ 21’’ e Latitude2: s 19º 59’ 52’’
p) Projeto: Ibirite5
•
Projeção: UTM
•
Modelo da Terra: WGS84
•
Origem: Latitude: n 0º 0’ 0” e Longitude: o 45º 0’ 0”
•
Retângulo Envolvente: Longitude1 o 43º 58’ 8’’ e Latitude1: s 20º 0’ 18’’
Longitude2: o 43º 58’ 1’’ e Latitude2: s 20º 0’ 15’’