Análise de dados ASTER e TOPODATA usando índices físicos

Abstract

Os DEMs (Modelos Digitais de Elevação) se mostram uma grande fonte de conhecimento do relevo da superfície terrestre, o que permite a derivação de informações sobre declividade. Os produtos gerados a partir desses modelos podem contribuir para pesquisas ambientais, planejamento e gestão do território, mas as diferenças nos resultados interferem nos produtos finais. Essas diferenças podem ser notadas dependendo do DEM utilizado. Enquanto modelos, ou aproximações da realidade, os DEMs estão sujeitos a erros e incertezas, que propagam através dos produtos derivados dos mesmos, prejudicando a qualidade das informações. O presente trabalho tem por objetivo desenvolver uma metodologia em ambiente GIS para comparar a qualidade e a precisão dos DEMs gerados a partir de diferentes fontes. Para tal, foram utilizados DEMs disponíveis gratuitamente, os quais sejam: ASTER e TOPODATA. A comparação foi realizada considerando como área os municípios de Recife e Jaboatão dos Guararapes, localizados no estado de Pernambuco. A escolha da área justifica-se pelo fato desta apresentar variação considerável de relevo, latitude, longitude, áreas costeiras e disponibilidade de imagens dos dois modelos comparados. O DEM ASTER (Radiômetro de emissão e reflexão térmica espacial avançado) foi gerado a partir de imagens estereoscópicas ópticas. O DEM TOPODATA foi derivado da interferometria radar. Todos os DEMs apresentaram divergências de elevação em comparação com informações sobre o solo. A precisão dos modelos digitais de elevação foi avaliada também em relação ao relevo, considerando a declividade do terreno. Os avanços tecnológicos de sensores remotos permitem analisar, a partir de imagens de satélites, a distribuição espacial de áreas cultivadas e as possíveis modificações da cobertura vegetal em diversas épocas, possibilitando o monitoramento das áreas vegetadas. Vários especialistas trabalharam na melhoria desta técnica, para gerar resultados mais próximos da realidade. O índice mais utilizado é o NDVI (Normalized Difference Vegetation Index), que inclui o alcance -1 a 1, variando com a densidade da vegetação. A integração de imagens orbitais e linguagem Python para a realização destes estudos, nos permite diminuir os custos, maior rapidez e ainda possibilita uma ampla avaliação espacial, modelagem e análise com detalhamento e maior precisão da área estudada em questão. Para manipulação dos dados espaciais foi utilizado o sistema QGIS 2.18. O mesmo suporta a linguagem de script Python. O software fornece um console onde é possível digitar comandos na linguagem Python e obter resultados. Este console é uma eficiente maneira de fazer processamento de dados rapidamente. Foi implementado uma rotina script, através do terminal Python. Desta maneira, utilizando as bandas 3, 4 e 5 do satélite LANDSAT 5, foram geradas duas novas camadas Raster no formato “.tif”, referente ao NDVI e NDBI. Os resultados dos dois processos foram exportados para planilhas do Excel onde foi possível elaborar análises estatísticas e comparações entre todos os resultados.