Sensoriamento Remoto

Prévia do material em texto

ESCOLA DE ENGENHARIA DE ENGENHARIA DE PIRACICABA 
 
Curso: Engenharia Mecatrônica 
Disciplina: Introdução a Engenharia 
Professor Mestre: Anderson Rodrigo Rossi 
 
Tema 
Sensoriamento Remoto 
 
 Alunos 
 
 Leonardo Antônio de Oliveira RA: 201300522 
 Kleiton Bizuti RA: 201601096 
 Marcos Bispo Lima RA:201601786 
 
 
 
 
 
 
 
 
PIRACICABA – 2016 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 2 
 
 
 
 
 
 
 
 
 
 
 
“Nenhuma mente que se abre para uma nova ideia 
voltará a ter o tamanho original” 
 
 (ALBERT EINSTEIN) 
 
 
 
 
 
 
 
 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 3 
 
 
 
 
 SUMÁRIO 
 
 
1 INTRODUÇÃO............................................................................................................. 4 
 
2 APLICAÇÃO .................................................................................................................. 6 
 
3 SISTEMA SENSOR ...................................................................................................... 11 
 
4 UM CASO PRÁTICO ................................................................................................... 14 
 
5 CONCLUSÃO ................................................................................................................. 23 
 
6 REFERÊCIAS BIBLIOGRAFICAS ....................................................................... 25 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 4 
 
1. Introdução 
Sensoriamento remoto 
O sensoriamento remoto (SR) teve início com a invenção da câmara fotográfica que foi 
o primeiro instrumento utilizado e que, até os dias atuais, são ainda utilizadas para 
tomada de fotos aéreas. A câmara russa de filme pancromático KVR-1000, por exemplo, 
obtém fotografias a partir de satélites com uma resolução espacial de 2 a 3 m. As 
aplicações militares quase sempre estiveram à frente no uso de novas tecnologias, e no 
SR não foi diferente. Relata-se que uma das primeiras aplicações do SR foi para uso 
militar. Para isto foi desenvolvida, no século passado, uma leve câmara fotográfica com 
disparador automático e ajustável. Essas câmaras, carregadas com pequenos rolos de 
filmes, eram fixadas ao peito de pombos-correio que eram levados para locais 
estrategicamente escolhidos de modo que, ao se dirigirem para o local de suas origens, 
sobrevoavam posições inimigas. Durante o percurso, as câmaras, previamente 
ajustadas, tomavam fotos da área ocupada pelo inimigo. Vários pombos eram abatidos 
a tiros pelo inimigo, mas boa parte deles conseguia chegar ao destino. As fotos obtidas 
consistiam em valioso material informativo, para o reconhecimento da posição e 
infraestrutura de forças militares inimigas. Assim teve início uma das primeiras 
aplicações do SR. 
Resumo dos principais eventos relacionados ao processo evolutivo do SR: 
� 1672 - Desenvolvimento da teoria da luz; Newton: decomposição da luz 
branca; 
� 1822 - Utilização de uma câmara primitiva; Niepa: geração da primeira imagem 
fotográfica fazendo uso de uma câmara primitiva e papel quimicamente 
sensibilizado à luz. 
� 1939 - Desenvolvimento de equipamentos ópticos; esquisas de novas 
substâncias fotossensíveis; 
� 1859 - Utilização de câmaras fotográficas a bordo de balões; 
� 1903 - Utilização de fotografias aéreas para fins cartográficos; 
� 1909 - Tomadas de fotografias aéreas por aviões; 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 5 
 
� 1930 - Coberturas sistemáticas do território para fins de levantamento de 
recursos naturais; 
� 1940 - Desenvolvimento de equipamentos para radiometria sensíveis à 
radiação infravermelha; Utilização de filmes infravermelho na II Guerra, para 
detecção de camuflagem; 
� 1944 - Primeiros experimentos para utilizar câmaras multiespectrais; 
� 1954 - Desenvolvimento de radiômetros de micro-ondas; Testes iniciais 
visando a construção de radares de visada lateral; 
� 1961 - Desenvolvimento de processamentos ópticos e digitais; Primeiros 
radares de visada lateral; 
� 1962 - Desenvolvimento de veículos espaciais tripulados e não tripulados; 
Lançamentos de satélites meteorológicos; Primeira fotografia orbital MA-4-
Mercury; 
� • 1972 - Fotografias orbitais tiradas pelo programa Gemini - Surgem outros 
programas espaciais envolvendo satélite de recursos naturais: SEASAT, 
SPOT, ERS, LANDSAT; • 1983 - Lançamento do Landsat 4, SIR-A, SIR-B, 
MOMS; • 1991 - Lançamento de ERS-1. 
 
 
 
 
 
 
 
 
 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 6 
 
2. Aplicação 
A aplicação do sensoriamento remoto em áreas urbanas 
O resultado dos procedimentos de classificação é um mapa temático, onde cada classe 
é definida pelo usuário no contexto de sua aplicação; neste estudo visando a indicar 
situações que potencializem a transmissão de leishmaniose visceral. A indicação parte 
do conhecimento prévio, de especialistas, que identifica as classes conforme a 
probabilidade de contato entre população humana, vetores e reservatórios. 
Em área urbana, o uso de imagens de sensoriamento remoto de média resolução e de 
classificadores é um desafio. As dificuldades são proporcionais ao nível de detalhe que 
se deseja observar, ou seja, as classes temáticas desejadas para o estudo, e às 
limitações impostas pelas resoluções espaciais e espectrais dos sensores. Existe um 
grande empenho no desenvolvimento de algoritmos que possam ser mais adequados à 
complexidade existente. Encontra-se na literatura o uso de metodologias híbridas, em 
que dois ou mais classificadores são utilizados; classificadores por regra de decisão, em 
que padrões diferentes podem ser separáveis com base em uma ou mais características; 
os que incorporam características adicionais como textura; os que utilizam 
algoritmos fuzzy. No entanto, para os objetivos deste artigo nos concentraremos em 
métodos de classificação semiautomática de imagens de sensoriamento remoto, 
consolidados e há muito utilizados em estudos nas áreas ligadas às Ciências Ambientais 
e às Ciências da Terra em geral. 
Classificadores de imagens de sensoriamento remoto podem ser vistos a partir de dois 
enfoques. O primeiro observa cada pixel isoladamente,realizando uma classificação por 
pixel, ou, alternativamente, utilizando o conceito de região, conjuntos de pixels definidos 
por uma propriedade de similaridade. O segundo enfoque refere-se ao fato de os 
classificadores serem supervisionados, exigindo uma fase de treinamento anterior à 
classificação, ou não-supervisionados, baseado unicamente nos dados (os pixels que 
formam a imagem). Os classificadores supervisionados passam por um processo de 
treinamento em que o usuário faz uso de informações que permitem a identificação de 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 7 
 
suas classes de interesse. Os não-supervisionados utilizam algoritmos de 
agrupamentos. Embora automáticos, com pouca participação do investigador, nesta 
fase, os métodos não-supervisionados precisam passar pelo processo conhecido 
como rotulação. É na rotulação que o especialista então decide que a cada pixel ou 
região classificada, uma determinada classe temática, do domínio do problema, será 
atribuída. 
Na área da saúde, a dimensão em estudo – casos de doença – é estimada por meio de 
contagens de casos por área, frequentemente o setor censitário, considerada uma 
unidade de análise de tamanho adequado, abrangendo população em torno de 800 
pessoas. Na imagem de sensoriamento remoto não vemos setores censitários, o que 
vemos é a cidade como um contínuo com os elementos que a constitui: casas, ruas, 
praças, parques etc. Uma etapa importante é sobrepor, em um mesmo ambiente 
computacional, os dados relativos aos setores e a imagem. Isso é feito em um SIG. Para 
fazê-lo, alguns procedimentos são necessários, uma vez que em médias resoluções 
alguns detalhes podem não estar visíveis, o que dificulta a sobreposição. Para fazer um 
bom ajuste dos setores na imagem, os procedimentos de restauração e fusão, que serão 
comentados adiante, são utilizados, fazendo com que a imagem de 30m possa ser 
observada com 10m e com 5m, com alguma degradação, mas realçando características 
importantes como traçado de ruas, permitindo um melhor ajuste dos setores sobre a 
imagem. Após esse ajuste, utilizando os setores sobrepostos à imagem, observa-se uma 
heterogeneidade na composição dos setores. Alguns são grandes e pouco urbanizados, 
outros pequenos e muito densos; outros setores apresentam uma ocupação claramente 
desorganizada, outros possuem uma ocupação planejada, e outros ainda apresentam 
composição dessas formas de ocupação, acrescidas de pouca cobertura vegetal e 
poucos parques; e por fim, vemos setores com uma ocupação organizada e arborização. 
Esses padrões de ocupação podem estar associados à ocorrência de endemias. Para 
testar essas hipóteses e quais dessas variáveis de fato participam do processo de 
estabelecimento e manutenção da endemia, é necessário aferir essas variáveis. Este 
artigo mostra como essas variáveis podem ser obtidas, extraindo da imagem, por meio 
do processo de classificação, a variedade de classes temáticas representativas de 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 8 
 
padrões de uso e cobertura do solo urbano, e distribuindo essas classes em cada um 
dos setores censitários. 
As classificações semiautomáticas com base nas imagens de sensoriamento remoto 
estão sujeitas a erros. Estes são devido à interpretação feita pelo especialista; às 
características de resposta espectral semelhante para diferentes elementos da paisagem 
urbana; à resolução espacial do sensor; à falta de dados coletados em campo para uma 
verificação mais apurada dos resultados gerados pelos classificadores, entre outros. É 
desejável que esses erros de classificação sejam quantificados. Para isso é necessário 
comparar cada classificação com uma de referência, muitas vezes baseada em inspeção 
local, o que nem sempre é possível. Neste trabalho, não fazemos uma avaliação do 
resultado da classificação com referência a dados de inspeção local. É feita uma 
comparação entre os mapas temáticos gerados pelos classificadores, a partir de uma 
medida de correlação intraclasse, e da avaliação dos cenários gerados com o uso de um 
conjunto de fotos aéreas da região (analógicas). 
Etapas envolvidas no processamento das imagens 
O registro de imagem refere-se ao ajuste dos sistemas de coordenadas de duas imagens 
de uma mesma área, utilizando-se de um dos sistemas como referência. Para integrar 
imagens de diferentes períodos ou diferentes sensores essa operação é necessária. 
Define-se correção geométrica como a transformação de uma imagem de 
sensoriamento remoto à escala e projeção de um mapa de referências, para que as 
imagens possam ser integradas aos SIG essas operações são necessárias. 
Os registros podem ser manuais ou automáticos e para o registro manual é necessário 
identificar pontos de controle no terreno usando sistemas de posicionamento global 
(global positioning system – GPS). O registro automático utiliza algoritmos para detecção 
de pontos de controle baseados na correlação entre as duas imagens com mínima 
interferência do usuário. 
As técnicas de restauração visam a modelar o processo de degradação radiométrica a 
fim de obter imagens com menos ruído e maior nível de detalhes. Para essa operação 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 9 
 
são utilizados filtros lineares cujos pesos são obtidos a partir das características do 
sensor e banda espectral. 
A operação de fusão tem por objetivo principal integrar informação de diferentes 
sensores, a fim de se obter uma imagem com melhor resolução espacial e espectral. A 
fusão é muito utilizada quando o sensor é rico em características espectrais e possui 
uma banda pancromática com resolução melhor, como os sensores do Landsat ETM-7, 
o SPOT e o Ikonos. Dentre algumas técnicas de fusão, a mais comum é a que utiliza 
uma transformação no espaço de cores conhecida por IHS. 
A segmentação é uma operação que divide a imagem em regiões compostas por 
conjuntos de pixels que apresentam propriedades semelhantes como: valor de sua 
resposta espectral próximo, textura etc. 
A classificação supervisionada é aquela que necessita de um treinamento no qual o 
usuário determina, por meio de amostras, características do objeto que se quer mapear. 
Esses objetos ou classes devem ser definidos a priori e sua identificação é limitada pelas 
características espaciais, espectrais do sensor utilizado. Pode-se usar como área de 
treinamento uma região delimitada pelo usuário ou algumas regiões da imagem 
segmentada, já que estas anteriormente determinaram regiões homogêneas, segundo o 
critério de semelhança utilizado. Dessas amostras de treinamento calculam-se 
parâmetros para cada classe. 
O classificador supervisionado por máxima verossimilhança, Maxver, é o mais utilizado 
em sensoriamento remoto. É uma classificação pontual, baseada no valor radiométrico 
do pixel e nos parâmetros da distribuição Gaussiana de cada uma das classes de 
treinamento. O mapa obtido por esse classificador, em geral, tem uma aparência ruidosa, 
visto que o contexto espacial não é considerado. 
A classificação Bhattacharya, por outro lado, utiliza amostras de alguns segmentos para 
treinar o classificador, calculando a média e matriz de covariância de cada classe. Em 
seguida, cada segmento é alocado a uma dessas classes segundo a menor distância de 
Bhattacharya. 
 
 
EEP - Introdução a EngenhariaEngenharia Mecatrônica – 2016 10 
 
Na classificação não-supervisionada as classes não são definidas a priori e, portanto, 
uma operação de rotulação pós-classificação se faz necessária. O classificador não-
supervisionado denominado Isoseg, baseia-se no agrupamento de regiões similares 
caracterizadas pela média e pela matriz de covariância. O número de classes é 
dependente do limiar de aceitação determinado pelo usuário. Esse limiar define uma 
distância máxima de Mahalanobis. Regiões cujas médias estiverem dentro do 
hiperelipsóide, definido pelo limiar de aceitação, pertencem a uma certa classe. 
O K-médias é um classificador não – supervisionado que utiliza uma abordagem de 
agrupamento, o espaço de atributos da imagem é partido em K grupos. A partir dessa 
situação inicial, cada pixel da imagem é alocado ao centro mais próximo segundo a 
distância euclidiana. 
Uma matriz de erro é uma forma de representar a precisão de um mapa temático. As 
colunas da matriz representam o dado de referência e as linhas o resultado da 
classificação. Os valores na diagonal dessa matriz, geralmente contendo número de 
pixels, representam a concordância entre o classificador e a referência. A precisão 
individual de cada categoria pode ser analisada via erros de inclusão, ou seja, incluir uma 
área numa categoria que ela não pertence, e através de erros exclusão, qual seja, excluir 
uma área de uma categoria a qual ela pertença. Além desses erros é possível calcular 
também medidas como acurácia total, acurácia do produtor e acurácia do usuário. 
Uma medida de concordância comumente utilizada é a estatística kappa, essa medida, 
utilizada para dados categóricos, é definida como a proporção de concordância 
observada não decorrente do acaso, em relação à máxima concordância não devida ao 
acaso. Valores possíveis para kappa variam de -1 a +1. Espera-se uma correlação 
positiva entre o dado de referência e o da classificação e um valor maior que a 
concordância ao acaso, representada pelo valor 0. 
Para dados contínuos, uma medida de concordância é o ICC (coeficiente de correlação 
intraclasse). O ICC estima a proporção da variabilidade total devida à variação entre os 
classificadores e também varia de -1 a +1. Landis & Koch propõem a seguinte 
classificação para interpretação dos resultados de análises baseadas nas estatísticas 
kappa e/ou ICC: quase perfeita (> 80%), substancial (entre 60% e 80%), moderada (entre 
40% e 60%), fraca (entre 20% e 40%), quase nenhuma (< 20%). 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 11 
 
3. Sistema Sensor 
 
Os sensores remotos são dispositivos capazes de detectar a energia eletromagnética 
(em determinadas faixas do espectro eletromagnético) proveniente de um objeto, 
transformá-las em um sinal elétrico e registrá-las, de tal forma que este possa ser 
armazenado ou transmitido em tempo real para posteriormente ser convertido em 
informações que descrevem as feições dos objetos que compõem a superfície terrestre. 
As variações de energia eletromagnética da área observada podem ser coletadas por 
sistemas sensores imageadores ou não-imageadores. 
Os sistemas imageadores fornecem como produto uma imagem da área observada, 
como por exemplo temos os “scanners” e as câmaras fotográficas, enquanto que os 
sistemas não-imageadores, também denominados radiômetros ou espectroradiômetros, 
apresentam o resultado em forma de dígitos ou gráficos. 
Os sistemas sensores também podem ser classificados como ativos e passivos. Os 
sensores passivos não possuem fonte própria de energia eletromagnética, como por 
exemplo os sensores do satélite Landsat 5, os radiômetros e espectroradiômetros. Os 
sensores ativos possuem uma fonte própria de energia eletromagnética. Eles emitem 
energia eletromagnética para os objetos terrestres a serem imageados e detectam parte 
desta energia que é refletida por estes na direção destes sensores. Como exemplo 
podemos citar o radar e qualquer câmara fotográfica com flash. Os sistemas fotográficos 
foram os primeiros equipamentos a serem desenvolvidos e utilizados para o 
sensoriamento remoto de objetos terrestres, as principais partes de um sensor são: 
Coletor: é um componente óptico capaz de concentrar o fluxo de energia proveniente 
da amostra no detector; 
Filtro: é o componente responsável pela seleção da faixa espectral da energia a ser 
medida; 
Detector: é um componente de pequenas dimensões feito de um material cujas 
propriedades elétricas variam ao absorver o fluxo de energia, produzindo um sinal 
elétrico. 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 12 
 
Processador: é um componente responsável pela amplificação do fraco sinal gerado 
pelo detector e pela digitalização do sinal elétrico produzido pelo detector; e 
Unidade de saída: é um componente capaz de registrar os sinais elétricos captados pelo 
detector para posterior extração de informações. 
A qualidade de um sensor geralmente é especificada pela sua capacidade de obter 
medidas detalhadas da energia eletromagnética. As características dos sensores estão 
relacionadas com a resolução espacial, espectral e radiométrica. 
A resolução espacial representa a capacidade do sensor distinguir objetos. Ela indica o 
tamanho do menor elemento da superfície individualizado pelo sensor. A resolução 
espacial depende principalmente do detector, da altura do posicionamento do sensor em 
relação ao objeto. Para um dado nível de posicionamento do sensor, quanto menor for 
a resolução geométrica deste maior será o grau de distinção entre objetos próximos. Por 
exemplo, o sistema sensor do Thematic Mapper (TM) do Landsat 5 possui uma 
resolução espacial de 30 metros. 
A resolução espectral refere-se à largura espectral em que opera o sensor. Portanto, ela 
define o intervalo espectral no qual são realizadas as medidas, e consequentemente a 
composição espectral do fluxo de energia que atinge o detector. Quanto maior for o 
número de medidas num determinado intervalo de comprimento de onda melhor será a 
resolução espectral da coleta. Por exemplo, o Landsat 5 possui os sensores TM e 
Multispectral Scanning System (MSS). O sensor TM apresenta algumas bandas 
espectrais mais estreitas do que o sensor MSS, portanto nestas bandas o TM apresenta 
melhor resolução espectral do que o MSS. 
A resolução radiométrica define a eficiência do sistema em detectar pequenos sinais, ou 
seja, refere-se à maior ou menor capacidade do sistema sensor em detectar e registrar 
diferenças na energia refletida e/ou emitida pelos elementos que compõe a cena 
(rochas, solos, vegetações, águas, etc). Por exemplo, o sistema sensor TM do Landsat 
5 distingue até 256 tons distintos de sinais representando-os em 256 níveis de cinza. 
Uma outra qualidade importante é a resolução temporal do sensor, que está relacionada 
com a repetitividade com que o sistema sensor pode adquirir informações referentes ao 
objeto. Por exemplo, os sensores do Landsat 5 possuem uma repetitividade de 16 dias. 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 13 
 
Para melhor interpretar os sinais coletados faz-se necessário o conhecimento das 
condições experimentais como: fonte de radiação, efeitos atmosféricos, características 
do sensor, geometria de aquisição de dados, tipo de processamento e estado do objeto. 
Os sistemas sensorespodem ser mantidos no nível orbital (satélites) ou suborbital 
(acoplados em aeronaves ou mantidos ao nível do solo), como pode ser visualizado na 
Figura 6. 
Ao nível do solo é realizada a aquisição de dados em campo ou em laboratório onde as 
medidas são obtidas utilizando-se radiômetros ou espectroradiômetros. 
 
Fig. 6 – Níveis de Coleta de Dados Fonte : Moreira (2001) 
Ao nível de aeronaves os dados de sensoriamento remoto podem ser adquiridos por 
sistemas sensores de varredura óptico-eletrônico, sistemas fotográficos ou radar, e a 
resolução espacial destes dados dependerá da altura do vôo no momento do 
aerolevantamento. 
A obtenção de dados no nível orbital é realizada através de sistemas sensores a bordo 
de satélites artificiais. O sensoriamento remoto neste nível permite a repetitividade das 
informações, bem como um melhor monitoramento dos recursos naturais para grandes 
áreas da superfície terrestre. 
Solo 
Aeronave 
Balões 
Satélites 
 Níveis de Coleta de dados 
Barco 
Bóias 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 14 
 
4. Um caso prático 
Como caso prático da utilização do sensoriamento vamos utilizar um estudo 
desenvolvido pelo Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais 
Renováveis – IBAMA, realizado no ano de 2007. 
Do projeto e dos resultados. 
 
O Projeto de Monitoramento de Desmatamento da Amazônia, desenvolvido pelo 
CSRIBAMA, visou, prioritariamente, subsidiar, orientar e apoiar o planejamento das 
ações de fiscalização, com vistas a reduzir o desmatamento ilegal, a queimada, a 
exploração madeireira e outros ilícitos ambientais. 
Para tanto, o IBAMA utiliza, principalmente, a análise de imagens CBERS, MODIS, 
LANDSAT e dos dados PRODES e DETER. 
A elaboração de materiais com informações sobre desmatamento, pelo CSR-
IBAMA, baseada, em sua maioria, nos produtos dos sistemas PRODES e DETER 
(INPE), teve como principais metas: 
Fornecer, aos Grupos de Trabalho de Proteção Ambiental do IBAMA, subsídios 
para o planejamento de ações de controle do desflorestamento, com a identificação 
de áreas prioritárias para combate ao desmatamento; 
Produzir material de apoio às operações de fiscalização do IBAMA e Analisar a 
provável ocorrência de delitos ambientais, como, por exemplo, desmatamento e 
queimada de floresta nativa, sob a forma de manifestação em Processos 
Administrativos referentes a Autos de Infração. 
 
Entre as atividades desenvolvidas destacam-se as a seguir explicitadas. 
Identificação de áreas prioritárias para combate ao desmatamento; 
Definição de áreas prioritárias de vigilância e intervenção, para ações de 
fiscalização, no ano de 2006, mediante a análise de dados quantitativos de 
desmatamento e de remanescentes florestais, obtidos a partir das publicações 
anuais PRODES. 
 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 15 
 
Para a definição destas áreas prioritárias foi estabelecido um ranking de 
municípios, a partir da utilização dos seguintes critérios: 
 
1. Área desmatada acumulada nos anos de 2003 a 2005 
2. Área de floresta remanescente em 2005 
3. Área média dos polígonos de desmatamento 
4. Evolução do desmatamento 2003/2004 e 2004/2005 
 
 
Esses critérios foram aplicados para os municípios responsáveis por 75% do 
desmatamento, no período 2003-2005, correspondendo a um total de 95 
municípios. 
Para cada critério foi elaborado um ranking de municípios e, posteriormente, um 
final, sendo que, o ranking relativo aos três primeiros critérios correspondeu a um 
ordenamento decrescente dos valores. 
O ranking baseado no último critério ordenou os municípios mais críticos da 
seguinte maneira: em primeiro, os que apresentaram dois aumentos consecutivos 
no valor de desmatamento anual; em segundo, os que apresentaram redução no 
período 2003/2004 e aumento no período 2004/2005; em terceiro, os que 
apresentaram aumento no primeiro período e redução no período seguinte e, por 
último, os que apresentaram duas reduções consecutivas. 
Calculando a média dos quatro critérios definidos anteriormente, foi elaborado um 
ranking final, do qual foram extraídos os quarenta municípios prioritários para 
ações de combate aos ilícitos ambientais. 
 
 
 
 
 
 
 
 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 16 
 
 Tabela 1 – Ranking dos municípios prioritários para operações do IBAMA no ano de 
2006 
 
 MUNICÍPIO ESTADO MUNICÍPIO ESTADO 
1 Cumaru do Norte PA 21 Gaúcha do Norte MT 
2 Juara MT MT 22 Santana do Araguaia PA 
3 São Félix do Xingu PA 23 Brasnorte MT 
4 Novo Progresso PA 24 Itaituba PA 
5 Paranatinga MT 25 Novo Mundo MT 
6 Nova Ubiratã MT 26 Porto Velho RO 
7 Tapurah MT 27 Santa Carmen MT 
8 Brasil Novo PA 28 Cotriguaçu MT 
9 Querencia MT 29 Nova Mutum MT 
10 Feliz Natal MT 30 Aripuanã MT 
11 Porto de Moz PA 31 São Féliz do Araguai MT 
12 Nova Maringá MT 32 Apuí AM 
13 Vila Rica MT 33 Juína MT 
14 Peixoto de Azevedo MT 34 Nova Bandeirantes MT 
15 Paragominas PA 35 Uruará PA 
16 Altamira PA 36 Porto dos Gaúchos MT 
17 Lábrea AM 37 Santa Maria das Barreiras PA 
18 Colniza MT 38 Apiacás MT 
19 União do Sul MT 39 Alta Floresta MT 
20 Marcelândia MT 40 Nova Monte Verde MT 
 
 
 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 17 
 
 
Figura 1 – Municípios prioritários para operações de fiscalização do IBAMA no ano de 
2006 
 
 
Comparativo DETER 2006 e Municípios Prioritários 
 
A verificação dos municípios que mais desmataram, segundo o DETER de 2006 
(verificado até o mês de outubro), mostrou grande coincidência com os municípios 
definidos previamente como prioritários, a partir dos dados do PRODES. Entre os 
quarenta municípios que mais desmataram em 2006, figuraram vinte e nove dos 
quarenta municípios definidos como prioritários. 
 
 
 
 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 18 
 
Tabela 1 – Relação dos municípios com maiores ocorrências absolutas de 
desmatamento no 2006, segundo DETER 
 
 
 Município UF 
Área 
Desmatada 
2006 (km2) % do 
total 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Município UF 
Área 
Desmatada 
2006 (km2) % do 
total 
1 São Félix do Xingu PA 744,0 7% 21 Pimenta Bueno RO 136,4 1% 
2 Porto Velho RO 514,1 5% 22 União do Sul MT 134,8 1% 
3 Cumaru do Norte PA 429,4 4% 23 Porto dos Gaúchos MT 126,1 1% 
4 Marcelândia MT 381,1 3% 24 Paragominas PA 116,7 1% 
5 Lábrea AM 335,9 3% 25 Vila Rica MT 114,2 1% 
6 Brasnorte MT 274,4 3% 26 Querência MT 112,3 1% 
7 Altamira PA 273,5 3% 27 Jacareacanga PA 111,7 1% 
8 Novo Progresso PA 247,2 2% 28 Boca do Acre AM 108,5 1% 
9 Juína MT 242,7 2% 29 Peixoto de Azevedo MT 106,5 1% 
10 Nova Ubiratã MT 233,8 2% 30 Colniza MT 104,4 1% 
11 Feliz Natal MT 220,6 2% 31 Cujubim RO 104,4 1% 
12 Nova Maringá MT 211,5 2% 32 São José do Rio Claro MT 103,1 1% 
13 Aripuanã MT 209,4 2% 33 Gaúcha do Norte MT 100,6 1% 
14 Paranatinga MT 202,92% 34 Canutama AM 99,0 1% 
15 Tapurah MT 195,2 2% 35 Santa Maria das Barreiras PA 99,0 1% 
16 Santana do Araguaia PA 190,1 2% 36 Nova Mamoré RO 97,2 1% 
17 Juara MT 167,6 2% 37 Alta Floresta MT 92,9 1% 
18 Ulianópolis PA 159,2 1% 38 Apiacás MT 89,4 1% 
19 Nova Bandeirantes MT 149,1 1% 39 São Félix do Araguaia MT 89,0 1% 
20 Machadinho d'Oeste RO 141,0 1% 40 Itaúba MT 86,4 1% 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 19 
 
 
Figura 2 – Municípios da Amazônia que mais desmataram x Municípios prioritários para 
operações de fiscalização do IBAMA no ano de 2006. 
 
Produção de material com alertas de desmatamento do DETER, para apoio às 
operações de fiscalização do IBAMA. 
Os alertas de desmatamento fornecidos pelo sistema DETER são processados e 
manipulados com finalidade de produção de mapas e planilhas para orientação e 
apoio às operações de fiscalização. 
Neste contexto, são desenvolvidos processos automatizados de produção e 
distribuídas informações de desmatamento, com vistas a reduzir o tempo de 
geração dos produtos de apoio à identificação do desmatamento e ação da 
fiscalização. 
Um dos reflexos da automatização dos processos é a conversão dos dados do 
DETER, para os fins propostos. Para possibilitar esta conversão, faz-se 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 20 
 
imprescindível o georreferenciamento de imagens CBERS-2, para estruturação de 
bases de dados georreferenciadas e suporte à análise sobre dinâmica de 
desmatamento e queimadas. De todo este processo surgem alguns produtos, 
merecendo destaque: 
A geração de Mapas-guia com as áreas desmatadas, os quais servirão como referenciais 
para abordagem de fiscalização e planejamento de ações a curto e médio prazo; 
Geração dos Indicativos Individualizados de Desmatamento. 
Em síntese, pode-se descrever, em três etapas, a geração dos dados que apoiarão a 
identificação do desmatamento e a ação da fiscalização, a saber: 
 
pré-processamento, envolvendo toda a dinâmica de preparação do dado vetorial 
DETER, como verificação de consistência do polígono e identificação de 
características geométricas; - operações de elaboração, correspondentes ao 
cruzamento do arquivo de desmatamento gerado, com temas relevantes como 
estradas, municípios, bases operativas, propriedades rurais, unidades de 
conservação, terras indígenas, hidrografia, escritórios regionais do IBAMA; e 
divulgação dos dados, etapa correspondente à publicação, sob a forma digital 
(disponibilizada na web) e analógica. 
 
A Figura 3 ilustra as supracitadas etapas: 
 
Figura 3 – Diagrama de operações de geração de indicativos e mapas-guia de 
desmatamento. 
 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 21 
 
Identificação de alteração de cobertura vegetal por análise de imagens orbitais 
De forma complementar aos dados DETER são gerados, também, indicativos de 
desmatamento, através da utilização de imagens orbitais. 
A identificação aqui tratada é, normalmente, realizada em áreas de interesse 
específico, tais como Unidades de Conservação, Terras Indígenas e regiões de 
abrangência de Operações de Fiscalização, com produção de mapas indicativos 
de desflorestamento e de apoio logístico. 
Para tanto, são utilizadas imagens, em sua maioria provenientes dos satélites 
CBERS e LANDSAT. Estas imagens, por método de comparação visual em época 
anterior e posterior à data de interesse da análise, dão origem a feições vetoriais, 
definindo porções de alteração da cobertura vegetal da região analisada. 
Destaque-se que a análise comparativa de imagens é também utilizada para maior 
detalhamento da informação espacial, bem como conferência da integridade dos 
polígonos gerada pelo DETER. 
Manifestação Técnica em Processos Administrativos 
Imagens de satélite são também utilizadas para respaldar manifestações técnicas 
em Processos Administrativos oriundos de Autos de Infração referentes a 
desmatamentos e queimadas ocorridos na Amazônia Legal. 
Assim, com frequência são utilizadas imagens dos satélites CBERS, LANDSAT e 
MODIS, com a finalidade de definir data e extensão aproximada do dano ambiental, 
configurando, na maioria das vezes, prova segura e científica do fato. 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 22 
 
 
Figura 4 – Exemplo de utilização, em processo administrativo, de imagens CBERS, para 
aferição da data do desmatamento em propriedade particular. 
 
Conclusão do estudo de caso 
 
A utilização dos dados do DETER, que é um sistema de identificação das áreas 
desmatadas, contribui para aumentar a agilidade na produção de materiais de 
apoio à fiscalização, visando maior eficiência na intervenção e contenção dos 
desmatamentos ilegais, por parte do Poder Público. 
A produção de Mapas Indicativos, com a individualização dos polígonos de 
desmatamento, possibilita uma maior precisão, temporal e espacial, das ações de 
campo, bem como uma estimativa de área do desflorestamento a ser autuado. 
A elaboração de mapas-guia de desmatamento, bem como a definição de 
municípios prioritários da Amazônia Legal, para ações de fiscalização e vigilância, 
auxiliam, significativamente, o planejamento das operações de fiscalização e 
definição de áreas prioritárias de vigilância e intervenção, considerando a dinâmica 
de evolução do desmatamento. 
A criação e a constante atualização de bancos de imagens georreferenciadas 
fornecem suporte para a identificação e a caracterização de alterações na 
cobertura vegetal, bem como para a melhoria na qualidade dos indicativos 
utilizados para a vistoria em campo, contribuindo nas ações de fiscalização. 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 23 
 
5 . Conclusão Final 
Após o estudo referente ao assunto do sensoriamento remoto, verificamos que ele 
desempenha um papel fundamental em diversas áreas, tendo um papel muito importante 
e de destaque em algumas delas, sua aplicação é bem distintas principalmente no 
mapeamento, cadastramento e monitoramento de recursos naturais, modelos climáticos 
entre outros. 
Utilizando-se de recursos como os de satélites que a cada dia estão mais sofisticados, 
em virtude claro principalmente da evolução dos equipamentos sensoriais de altíssima 
precisão e a evolução do processamento digital de imagens, processos que estão cada 
vez mais acessíveis e geram ganhos gigantescos no desenvolvimento desta tecnologia. 
Em paralelo a isso a evolução dos sistemas computacionais também contribuíram de 
forma significativa nessa evolução como um todo. 
Hoje em dia com a evolução das técnicas de processamento digitais, como por exemplo 
as técnicas de pré-processamento, técnicas de realce e técnicas de classificação, 
contribuíram para viabilizar os processos de análise e interpretação de dados obtidos em 
grandes quantidades, extraindo das imagens geradas pelos satélites, muito mais 
informações do que era possível em um passado não muito longínquo. 
Acreditamos que a próxima barreira será quebrada quando esse desenvolvimento 
chegar a níveis que tornem possíveis a exploraçõesdo fundo dos oceanos por exemplo, 
obviamente não dispomos atualmente de uma tecnologia que consiga tem níveis de 
profundidades tão distantes, já vemos sua utilização, mas para atingir profundidades 
muito grande ainda existe um enorme desafio em desenvolver tal tecnologia. 
Sabemos que apenas arranhamos a superfície deste assunto tão extenso, inúmeros 
foram os trabalhos, artigos e documentos relacionados a este tema que encontramos no 
desenvolvimento deste trabalho, o sensoriamento remoto esta muito além das aplicações 
abordadas em nosso trabalho, vimos aplicações que vão do controle de pragas em 
lavouras, controle populacional, de doenças tropicais e assim por diante, o tema é 
extenso e em certos pontos até muito complexo, mas de fato é muito importante para o 
desenvolvimento humano como um todo. 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 24 
 
A partir dele podemos dizer que podemos prever o futuro em muitas ocasiões e em até 
certo ponto fazer as correções necessárias para evitar catástrofes futuras, controlar um 
surto de contágio de gripe por exemplo foi uma das aplicações práticas que vimos 
também, entre outros controles de doenças que vimos nas pesquisas, e a previsão de 
desmatamento é por assim dizer fichinha perto do que este sistema pode gerar de 
informação para a humanidade. 
Mas para que esses sistemas sejam eficientes depende principalmente do 
desenvolvimento tecnológico continuo voltado ao setor e por aí passam vários setores 
envolvidos para o contínuo aprimoramento da tecnologia. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
EEP - Introdução a Engenharia Engenharia Mecatrônica – 2016 25 
 
6. REFERÊCIAS BIBLIOGRÁFICAS 
 
Martins e Souza Filho, P. W.; Paradella, W. R.; Souza Junior, C.; Valeriano, D.M.; Miranda, F.P. 
Sensoriamento remoto e recursos naturais da Amazônia. Cienc. Cult., July/Sept. 2006, vol.58, no.3, p.37-
41. 
Câmara, G.; Valeriano, D.M.; Soares, J.V. Metodologia para o Cálculo da Taxa Anual de Desmatamento 
na Amazônia Legal. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2006. 24 p. 
 
Valeriano, D.M.; Shimabukuro, Y.E.; Duarte, V.; Anderson, L.O.; Espírito-Santo, F.; Arai, E.; Maurano, 
L.E.; Souza, R.C.; Freitas, R.M.; Aulicino, L. Detecção do desflorestamento da Amazônia Legal em 
tempo real - Projeto DETER. In: Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 12., 2005, 
Goiânia. Anais... São José dos Campos: INPE, 2005. p. 3403-3409. 
Ministério do Meio Ambiente. Aplicações do sensoriamento remoto e sistemas de informação geográfica 
no monitoramento e controle do desmatamento na Amazônia Brasileira. Resultados do workshop 
realizado em Brasília, de 2 a 3 de abril de 2002. 
Longhi, A.L.B.; Meneses, P.R.; Pucci, M.A.L. Modelo de gestão dos recursos florestais na Amazônia 
através da utilização de Sensoriamento Remoto e Sistemas de Informação Geográfica – SIG. . In: 
Simpósio Brasileiro de Sensoriamento Remoto (SBSR), 12., 2005, Goiânia. Anais... São José dos 
Campos: INPE, 2005. p. 3107-3109. 
Ferreira, N.C. Experiência e planos do IBAMA. In: Aplicações do sensoriamento remoto e sistemas de 
informação geográfica no monitoramento e controle do desmatamento na Amazônia Brasileira. 
Resultados do workshop realizado em Brasília, de 2 a 3 de abril de 2002. 
Fagundes Filho, E. Métodos utilizados pelo IBAMA no monitoramento do desmatamento da Amazônia. 
In: Aplicações do sensoriamento remoto e sistemas de informação geográfica no monitoramento e 
controle do desmatamento na Amazônia Brasileira. Resultados do workshop realizado em Brasília, de 2 
a 3 de abril de 2002. 
Elias Júnior, E. As imagens CBERS no IBAMA. In: Seminário de aplicações do CBERS-2, segundo ano 
de sucesso. São José dos Campos: INPE. 19 a 20 de outubro de 2005. 
Moreira, M. A. Fundamentos do sensoriamento remoto e metodologias de aplicação. São José dos 
Campos, 2001. Instituto Nacional de Pesquisas Espaciais (INPE). 208p. 
Novo, E. M. L. M. Sensoriamento Remoto: princípios e aplicações. São Paulo. ed. : Edgard Blücher, 
1989, 308p. 
Steffen, A. C., Moraes, E. C. Introdução à radiometria. In: Simpósio Brasileiro de Sensoriamento Remoto, 
VII. Curitiba, 10-14. Maio, 1993. Tutorial São José dos Campos. INPE, 1993. 7p. 
Steffen, A. C., Moraes, E. C., Gama, F. F. Radiometria óptica espectral. In: Simpósio Brasileiro de 
Sensoriamento Remoto, VIII. Salvador, 14-19. Abr., 1996. Tutorial São José dos Campos. INPE, 1996. 
43p.