SIG e geodados para estudos ecológicos e conservação ambiental

SIG e geodados para estudos
ecológicos e conservação ambiental
Sylvain JM Desmoulière – ILMD/Fiocruz
Pesq. Visitante Bolsista Convenio FAPEAM / Fiocruz
15/02/2011
Quem Que Onde Quando Porquê...

[email protected]

Pesquisador visitante do ILMD - FIOCRUZ / MS

ILMD = Fiocruz em Manaus = saúde
SIG, Bases de dados e Sensoriamento Remoto
Gestão de dados espacializados
Pensar espacialmente
Extrair informações do sensoriamento remoto
Fisiologia vegetal, geografia

Unicamp Docto ”Ambiente e Sociedade na Área de Concentração de
Aspectos Biológicos de Sustentabilidade e Conservação”
2
Sistema de
Informação
Geográfico

Sensoriamento
Remoto
Objetivos
SIG/SR para agregar (um +) ou para gerar nova
pesquisa
-----------------------------------------------------------------


Adquirir as noções necessárias para entender os
tipos de geodados
Entender quais são os dados disponíveis
Entender quais são os tratamentos a aplicar para
extrair informações das imagens

Saber onde encontrar geodados

Saber quais softwares podem ser baixados/usados
3
Programa

Terminologia

Noções de bandas espectrais e resoluções



Onde encontrar dados sobre Amazônia &
procedimento para carregar imagens de satélite
Aplicações de tratamento de imagens: melhorar uma
imagens, os incides, classificação, detecção de
mudanças
Softwares disponiveis
4
Terminologia

Sistemas de Informação
Geográficos - SIG

Sensoriamento Remoto

Geodados
•
•
•

Camada
●Layer
●
Dados geográficos
Dados
georeferenciados
Imagens
Shapefiles, kml, kmz,
gml, map, tif, bmp...
Arcgis, Arcmap, Arcview
●Mapinfo
●Spring
●TeraView
●Googleearth
●Envi
●
5
Noção 1:
A informação geográfica - IG


Desenha toda informação sobre “objetos”
localizados na superfície da terra
A informação geográfica tem dois componentes
6
Dois componentes

A informação geográfica sobre uma área sem
floresta
•
Sua forma
•
Sua localização
”Atributos”

Outras informações:
•
Tipo de vegetação, Ano do corte, densidade de
emergentes, espécie dominante, uso da terra,...
7


Um componente gráfica
•
descrição da forma do objeto
•
localização do objeto
0
1
Um componente de atributo
•
2
Característica do objeto
•
•
Qualitativa
Quantitativa
(X,Y)
ID
superfície
tipo
ano
0
45
capoeira
2006
1
250
cultivo
2008
2
43
Cultivo
2007
8
Os mapas contem os dois componentes da
informação geográfica
“historicamante”
Atributos
A informação geográfica e difficile de representar
9
Mapa

o mapa não evoluiu
muito
quando

A fontes de
informações
geográficas se
diversificaram
extraordinariamente
-------
SIG

GPS

Img de satélites



Img de satélites
HD alta definição
Fotos aéreas
Modelo Digital de
Elevação

Censo

...
10
Noção 2: modelos
Vetores & Raster

Tem a ver com
•

São
•

Modelização da Informação Geográfica
(desenho+atributos)
Duas formas de armazenar Informação Geográfica
Tem
•
Cada um suas vantagens e desvantagens
11
Raster
= matricial
= grid
Modelo
Vetorial

http://www.vermessungsseiten.de/gis/wasistgis-e.html
Geodados raster e
vetoriais podem ser
usado junto.
Modelo Raster
Dados contínuos
Chuva anual
Modelo digital de elevação
Modelo Raster
Imagem de satélite
Escane de mapas impressas
Cálculo com Raster
Um pixel
Evaporação Absorção
Perda d'água
Um resultado de cálculo, o numero
de mês “seco” (menos de 200 mm)
calculado usando 12 imagens com
chuva de cada mês
Analise com raster
Uso da terra. Pixel com maior número de vizinhos diferentes. Índice de fragmentação.
Limitação

Quantos dados de atributo um pixel contem ?
•
Um só. Para representar varias informações sobre um
mesmo objeto precisa várias camadas raster.
Raster: resolução


Resolução espacial: tamanho do quadrinho
•
Googleearth grandes cidades: 1m
•
Googleearth interior: 30m
Quantas cores / valores
•
B e P:1 bite (0 ou 1) → tem/não tem
•
16 cores: 4 bits (2exp4)
•
256 cores: 8 bits (1 byte/ pixcel) → imagens de sat
•
65536 cores : 16 bits (2 byte/ pixcel) → altura
•
16 million de cores : 24 bits (3 byte/pixcel)
Modo vetorial

Bem mais leve

Não tem dimensão


Podem ser ampliado
sem que aparecem
quadrinho
Uma feição pode conter
vários atributos
1


0
O mundo se resume a
ponto(s) linha(s) e
polígono(s)
Na tabela, uma linha =
um elemento (uma
feição)
Tabela de atributos dos pontos
ID
L
H
N
P
0
18
4
prt
sim
1
14
5
cap
não
Vários atributos
Grande Flexibilidade
Simples
●
Podem ser sozinho ou em grupo
● Uma linha = todos as árvores de uma espécie
Multi

ponto

multi-ponto,

linha

multi-linha,

polígono

multi-polígono
+
Atributos da feição ou do grupo
Coleção
●geometry­
collection
http://www.vividsolutions.com/jts/jtshome.htm
Qualidade dos dados: critérios específicos das camadas vetoriais
Qualidade dos dados: critérios específicos das camadas vetoriais

Os dados institucionais são, por facilidade,
divulgados na forma de arquivos “shapfiles” que
compreendem somente um tipo de feição:
Pontos ou linhas ou polígonos

Cada elemento é independente
Ampliando
A soma das áreas < área
total.
●Tem observação sem
atributos de
vegetação/municípios
●
“Qualidade dos dados: a Resolução vetorial”
Vertex
Pontos intermediários
Pontos de comunidades, linhas da hidrografia, polígonos de ocupação do solo do PRODES

Quantos atributos um polígono, uma linha ou um
ponto, um grupo contem?
•
Tanto como precisa: Uma parcela pode conter
•

Ano de desmatamento, Teor argília no solo,
Nome do dono, Declividade...
Qual é a escala de um mapa vetorial ?
•
Sensu stricto não tem
Se pode se referir a quantidade de feições, ou
de pontos intermediários (para linhas ou
polígonos)
A escala do mapa/imagem que foi digitalizada
•
•

Como se faz um mapa vetorial ?
•
Digitalizando (scan, mesa, automático,...)
•
Com tratamento de dados de SR (classificação)
Polígonos de temperatura em Manaus, calculados a partir de SR de IV térmico
Modelo Digital de Elevação

DEM Digital Elevation Model
•
Levantamento in situ
•
Interpretação de fotografia aérea
•
Radar Interferometria
•
LIDAR
32
Jensen,
Jensen,2008
2008
Noções 3
Sensoriamento Remoto
Bandas espectrais
Fonte: Nasa 2001
33
Sensores
4 Faixas de
Frequência
De luz
Espelho
100%
da luz
refletida
Espelho
34
0 - 255
DN
35
Jean Baptiste Debret - 1827 (primeira imagem conhecida da cidade de Curitiba)
DN 0 - 255
“Composição colorida”
Infra vermelho
Vermelho
Verde
Azul
Vermelho
Verde
Amarelo
Manaus, 1986, Landsat5
36
Reflexão
O trabalho do analista
Reflexã
o
Frequências
de luz
Assinatura
espectral


Resposta espectral diferente para cada elemento na
superfície da terra,
Vegetação viva/seca, solo arenoso/barro, água
clara/poluída, floresta/capoeira/campo...
Fonte Labgis.uerj.br
37
Landsat 5
7 bandas
38
Fonte Labgis.uerj.br
1
Band 1 (blue; 0.45 – 0.52µm )
Band 1 (blue; 0.45 – 0.52µm)
2
Band 2 (green; 0.52 – 0.60 µm )
Band 2 (green; 0.52 – 0.60 µm )
4
Band 4 (near-infrared; 0.76 – 0.90 µm )
Band 4 (near-infrared; 0.76 – 0.90 µm )
6
5
Band 5 (m id-infrared; 1.55 – 1.75 µm )
Band 5 (mid-infrared; 1.55 – 1.75 µm)
3
Band 3 (red; 0.63 – 0.69 µm)
Band 3 (red; 0.63 – 0.69 µm)
Landsat TM
7
7 bandas
Band 7 (mid-infrared; 2.08 – 2.35 µm)
Band 7 (mid-infrared; 2.08 – 2.35 µm )
Exemplo de resposta
espectral de
diferentes parcelas
cultivadas.
Landsat Thematic Mapper
Landsat Thematic Mapper
Imagery of
Imagery of
Imperial Valley, California,
Imperial Valley, California,
December 10, 1982
December 10, 1982
fee d
feed
lot
lot
fl
Band 6 (thermal infrared; 10.4 – 12.5 µm)
Band 6 (thermal infrared; 10.4 – 12.5 µm)
Landsat
LandsatThematic
Thematic
Mapper
MapperImagery
Imageryof
of
the
theImperial
ImperialValley,
Valley,
California
CaliforniaObtained
Obtained
on
onDecember
December10,
10,
1982
1982
Sugarbeets
Sugarbeets
Cotton
Cotton
Alfalfa
Alfalfa
Fallow
Fallow
fl
Ground Reference
Ground Reference
Jensen,
Jensen,2008
2008
Landsar TM:
composição colorida
e
Mapa temático.
Coloração (RGB)
das bandas
3,2,1
4,3,2
5,3,2
7,3,2
Jensen,
Jensen,
2008
2008
Noções 4: Resolução das imagens
“Minha casa” no
googleEarth
Meteo
Resolução temporal
Ikonos
41
David DiBiase, e-education.psu.edu
wikipedia.org
Resolução espectral


Cada banda tem sua “faixa”
•
Landsat TM, banda 1 = 0,45-0,52 m Δ=0,07
•
Landsat TM, banda 4 = 0,76­0,90 m Δ=0,14
Existe uma banda especial, a pancromática
•
•
CBERS CCD Pan = 0,51 – 0,73 pega uma faixa importante das ondas visíveis Δ=0,22
Definição maior. Nasa
Sensor
Decisão
42
Fim da primeira parte
43
Segunda parte
Prática
Geodados

Que dados?

…

Contexto histórico da Amazônia
sera que precisa de dados?
•
Projeto Radam e Radambrasil
•
INPE
•
INDE
44
Segunda parte
Prática
Geodados

Que dados?

...

Contexto histórico da Amazônia
•
Projeto Radam e Radambrasil
•
INPE
•
INDE
45
Produtos...
34 volumes 1973-1987
(+ 4 volumes inéditos)
Mapas temáticos na escala 1:1 000 000
Mapa de subsídios ao planejamento regional (capacidade
de uso dos recursos naturais renováveis)
Mapa de uso potencial da terra
Mapa de vegetação (fitoecológico)
Mapa exploratório de solos (pedologia)
Mapa geológico
Mapa geomorfológico (relevo)
47
Em prática

Escala da pesquisa
•
Global
•
Local, multi-local
48
Local
Global
Rasters
●Vectores
●
51
Fontes de dados de SR para
Amazônia

Onde ?

Resolução temporal

Resolução espacial
•
A mais recente,
•
~250-1000m
•
um cada ano,
•
~25-30m
•
um cada mês,
•
~2-3m
•
um cada hora
•
~1m
52
Principais fonte de dados de SR para
Amazônia

Imagens de satélite
•
INPE DPI (landsat, CBERS)
•
NASA (landsat, modis)
•
●
grátis, ou quase
Outros (ASTER, IRS P6)
Dados vetoriais
•
IBGE
•
IBAMA
•
Amigos
53
Imagens de satélite do INPE/DGI
http://www.dgi.inpe.br/
54
Acesso INPE / DGI

Libre: consultar o que tem

Registrado: encomenda / baixa

Satélites / Sensor:
•
CBERS2
•
CBERS2B
•
LANDSAT 1 2 3 5 7
55
56
57
CBERS e Landsat
58
Definir o que e a onde.
59
60
61
62
Sat: Landsat5 Sensor:TM
Posição 232/63 Data 30 set 08
63
Observar: Verão, nuvens, periodicidade
64
65
Organizar seus dados

Opção por datas / local
•
•
Uma pasta pela área
de estudo
Uma sub-pasta por
cada ano_sensor
66

Nas imagem já
carregada vê-se
rapidamente que a
imagem encontrada é
nova pela base.
67
Outros fonte de imagem Landsat
“Zulu”
EarthExplore
r
GLCF / ESDI
Glovis
68
Altura - Digital Elevation Model



Declividade
Rios
Exposição

Nasa

Embrapa

CGIAR

Wordlclim...

GDEM
69
DEM DSM DTM
Diferenciar que “tem dois” DEM

Modelos digitais de superfície DSM que contêm
informações sobre a elevação de todas as feições da
paisagem, vegetação, edifícios,...
de

Modelos digitais de tereno DTM que contêm
informação sobe a superfície desnuda, sem
influencia da vegetação por exemplo.
70
Embrapa Altitude (Por folha)
Download
http://www.relevobr.cnpm.embrapa.br/
71
72
73
Queimadas: BD queimadas / INPE

http://www.dpi.inpe.br/proarco/bdqueimadas/

13 satélites, 1 até 100 imagens por dia

A partir de junio 1998

500.000 focos de calor identificados cada ano

Documentação:
•
http://www.dpi.inpe.br/proarco/bdqueimadas/ajuda1.
74
html
Manaus, todos os satélites, fundo mozaico Landsat 2008
Focos no leste de Rio Preto da Eva
75
76
Exportação em vários formatos
77
Queimadas no CPTEC

http://sigma.cptec.inpe.br/queimadas/

Layout diferente
78
79
Chuva, temperatura,...
80
Prodes

Desde 1988

INPE


Estimativas anuais das taxas de desflorestamento da
Amazônia Legal.
http://www.obt.inpe.br/prodes/
81
Dados tabulados
82
83
Prodes
Desmatamento
Classificação
por tipo
de
ocupação
do solo
84

INPE

Mensalmente

Desde maio de 2004,





Sensor
MODIS do
satélite
Terra/Aqua

WFI do satélite
CBERS
resolução
espacial: 250 m.

Sistema de alerta para suporte à
fiscalização e controle de
desmatamento.
Por esta razão o DETER mapeia
tanto áreas de corte raso quanto
áreas em processo de
desmatamento por degradação
florestal.
http://www.obt.inpe.br/deter/
85
Deter: para...

Somente desmatamentos > 25 ha.

Nuvens => DETER não identifica tudo

O inicio de um processo pode ser escondido pelas
nuvens e ser detetado apos ter acontecido.
86
87
88
Dados vetoriais brasileiros

IBGE

IBAMA

Serviços especiais do INPE
89
FTP geo do INPE
http://www.ibge.gov.br/home/geociencias/ ...
default_prod.shtm#TOPO
Divisões políticas
90
http://www.ibge.gov.br/home/geociencias/default_prod.shtm#TOPO
91
Ibama
http://siscom.ibama.gov.br/sitecsr/
92
93
94
95
Fim da parte Download de
Geodados

Tipos de tratamento de imagem
•
melhorar uma imagens
•
os incides
•
classificação
•
detecção de mudanças
96
Tratamento de imagens

Melhoramento do contraste visual

Composição colorida

Filtros lineares

Filtros morfológicos

Resume de imagem

Combinação de canais: os índices

Classificações
97
Melhoramento do contraste visual
Operação preliminar
98
0 - 255
DN
DN real 35 - 52
Jean Baptiste Debret - 1827 (primeira imagem conhecida da cidade de Curitiba)
99
100
101
Composição de cores

Faz-se depois de uma melhoramento do contraste

Dois tipos + um
•
Pseudo cores naturais (exemplo: googleearth)
Visível em azul e vermelho
• PIR(Infra vermelho próximo) em verde
Cores falsas (um exemplo)
•
•
•
Infravermelho colorido “IRC” (veg. aparece
vml e cidade azul)
•
•
Canais visíveis em azul e verde, IVP em vml
Tinta Saturação Intensidade (TSI)
•
Usado em geologia
102
Banda 4 Infra vermelho próximo
No landsat TM colorido em verde
103
Banda 4 Infra vermelho próximo
No landsat TM colorido
em vermelho
104
Superposição de imagens

Exige um posicionamento perfeito das imagens

Multi espectral + Pancromática = “Fusão”
•

Exemple Ikono no googleearth: 4 bandas de 4m + 1
de 1m
Pancromática data 1 + Pancromática data 2 e
detecção de mudança
105
Classificações


Usando as imagens de n bandas de um satélite,
procurasse determinar o que tem na superfície da
terra.
Classificação supervisionada
•
amostras de treinamento que sejam representativas
das classes presentes na imagem.
•

Analise comparativo de 4 métodos
http://marte.dpi.inpe.br/col/dpi.inpe.br/sbsr@
80/2006/11.15.20.25/doc/6223-6228.pdf
Classificação não-supervisionada
•
quando a área investigada é desconhecida, ou quando
106
suas características não são bem definidas
107
14... areia ?
Rio água preta 0
Floresta 3
Sem floresta 4
Sem floresta 5
Área urbana 6, 7, 14
108
3 Floresta
0 Àgua
2
1
4 Roçado
Àrea urbana (concreto
asfalto tetos)
5 Roça / sem floresta
109
Geodados especiais:
os Índices


Cálculos pixel por pixel inter-bandas
•
SR
•
NDVI
•
Water index
•
EVI
•
E muitos outros
Modis
A escalas globais
Da um valor
110
NDVI
Índice de Vegetação Normalizado

Produção primária
•
•
•
•

ρ nir − ρ red
NDVI =
Eco regiões
ρ
+
ρ
nir
red
Estado fisiológico da vegetação
Estimação dos período de crescimento e de repouso
pela seca
Um SR normalizado
Como SR usa a absorção diferencial do infra
vermelho próximo nas plantas saudáveis
Jensen,
111
Jensen,
2008
2008
Jensen,
Jensen,
2008
2008
Terceira parte
Softs para SIG e tratamento de imagem
Opensources
INPE
113
Softs para tratamento de imagem

Open source

Proprietários
•
qGIS
•
Arcview
•
gvSIG
•
Arcgis
•
GRASS
•
GlobalMapper
•
Terraview
•
Erdas Imagine
•
Irisi
Proprietários grátis
●SPRING
●
114

Qgis

http://qgis.org/
Softwares

GRASS
•
http://grass.itc.it/
•


gvSIG
•
http://www.gvsig.gva.es
Java
Difficile no inicio
Os software do INPE


SPRING (SR)
•
http://www.dpi.inpe.br/spring/index.html
•
http://www.comunidadespring.com.br
TerraView (vetores)
•

http://www.dpi.inpe.br/terraview/index.php
Regeemy (georeferenciamento e mosaico)
•
http://regima.dpi.inpe.br/
Googleearth


5 razões de usar googleearth
Muitas imagens alta definição espacial, 1m (base e
landsat, 30m)

Interface muito amigável

Georeferenciamento excelente

Ferramenta de digitalização muito fácil de usar

Formato KML (+zip=KMZ) é aberto e é visível em
muitos SIG
Googleearth para que?

Fazer mapinhas, esquemas

Verificar a posição dos pontos GPS

Usar qgis pela importação, exportar em shp
●
Que que se faz com SR?
Em ecologia
Na conservação
No estudo dos fragmentos
123
Google scholar

”Remote Sensing” + ecology: 68.600

”Remote Sensing” + biology conservation: 23.000

”Remote Sensing” + forest fragmentation: 13.200
124
Science direct

Remote Sensing + ecology: 10.048

Remote Sensing + biology conservation: 2.677

Remote Sensing + forest fragmentation: 1.541
125





Amphibian declines and environmental change: use
of remote-sensing data to identify...
Modelling butterfly distribution based on remote
sensing data
Modelling landscape-scale habitat use using GIS
and remote sensing: a case study with …
Tropical deforestation and habitat fragmentation in
the Amazon: satellite data from 1978 to
… forest degradation in tropical regions by remote
sensing: some methodological issues
126
Brasil / Amazônia




A study of habitat fragmentation in Southeastern
Brazil using remote sensing and geographic
information systems (GIS)
Forest fragmentation and edge effects from
deforestation and selective logging in the Brazilian
Amazon
Modeling distribution of Amazonian tree species
and diversity using remote sensing measurements
Classification of Amazonian primary rain forest
vegetation using Landsat ETM+ satellite imagery
127
Para...

Classificar tipos de floresta

Identificar onde tem alteração

Acompanhar modificação
E com SIG

Relacionar camadas de informação georeferenciadas
•
Solo, Precipitações, geomorfologia, tipo de floresta,
desmatamento,...
128
Geomática
The End
Geoprocessamento
SIG
Sensoriamento
Remoto
Analise espacial
GPS, scan, MDE
”CAC”
Estatísticas espacial
129