SIG e geodados para estudos ecológicos e conservação ambiental
Transcrição
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