Relatorio de cartografia

Prévia do material em texto

Universidade de Brasília 
Faculdade de Tecnologia 
Departamento de Engenharia Civil e Ambiental 
Cartografia e Geoprocessamento Aplicado
Raquel Araújo Ortega 18/0129970
Relatório Cartografia
Brasília 2/2019
Sumário
· Introdução .................................................................................... 3
· Materiais e Métodos .................................................................... 6
1. Montagem da Base de Dados .......................................... 7
1.1. Criação Banco de Dados ........................................ 8
1.2. Projeto Folha 20 .................................................... 20
2. Processamento Modelos Numéricos do Terreno ............. 26
2.1. Processamento MNT ............................................. 27
2.2. Elaboração de Cartas ............................................. 48
3. Processamento Digital de Imagens ................................. 58
3.1. Pré Processamento ................................................ 59
3.2. Processamento Digital de Imagens ....................... 82
4. Operações Cartográficas ................................................. 97
· Resultados e discussões ............................................................... 105
· Conclusões ................................................................................... 112
· Bibliografia ................................................................................... 113
Introdução 
Neste relatório vamos discutir e apresentar assuntos propostos em aulas de Cartografia e Geoprocessamento Aplicado ao curso de Engenharia Ambiental da UnB. Para a realização do projeto, usamos imagens de satélite e o programa de processamento de imagens, Spring. 
Cada etapa do projeto foi instruída pelos professores durante as aulas, e separado em quatro etapas, sendo essas Montagem da Base de dados, Processamento de Modelos Numéricos do Terreno, Processamento Digital de Imagens e por fim Operações Cartográficas. Aulas teóricas e práticas foram disponibilizadas pelos professores via Dropbox, e dessa forma, foi possível obter grande entendimento sobre o conteúdo fornecido. 
Começamos o projeto analisando todo o Distrito Federal, e em seguida foi distribuído a cada aluno uma parte do DF de forma que pudesse focar seu estudo nela. Dessa maneira, nos foi fornecido a Folha 20, uma área do DF que engloba majoritariamente o Plano Piloto, mas que compreende também a Região Administrativa da Candangolândia, Guará, Lago sul. O Cruzeiro, Sudoeste, Noroeste, Asa Sul e Asa Norte são componentes do Plano Piloto. 
Analisando tais regiões administrativas, vemos que a região administrativa da Candandolândia possui um baixo número de habitantes, acercando 20.000 moradores. É uma região contornada por áreas ecológicas, inserida no corredor verde, e, comparada como muitos como uma cidade de interior: pequena, isolada e calma. Suas divisões são estabelecidas por quadras nomeadas por letras e números, e a região dispõe ainda de boa estrutura para esportes, escolas públicas, posto médico, corpo de bombeiros e três postos policiais.
Já a região administrativa do Cruzeiro é dividida em Cruzeiro Velho e Cruzeiro novo. Foi formada por pioneiros da capital, começando construções a partir de 1958, de forma que a região foi posteriormente expandida e agregada com maiores propriedades, estas de quatro pavimentos. O Cruzeiro é conhecido por uma boa qualidade de vida e tranquilidade, sendo também considerado bem localizado, devido ao fácil acesso ao Piloto e ao centro de Brasília. 
Em seguida, temos o Guará, construído em 1967. Foi criado primeiramente para construção de habitações por funcionários da Novacap, porém posteriormente, em 1969, foi expandida e agregada com a urbanização de seu segundo trecho, Guará 2, criando dessa forma a Administração Regional do Setor Residencial Industria e Abastecimento. Mais tarde, em 1989, agregando uma área de cerca de 37km², a Região Administrativa do Guara foi criada, se tornando atualmente um dos principais redutos de classe média do DF, com pontos de atração muito reconhecidos como shoppings, parques ecológicos e feiras. 
Já o Lago Sul foi criado em 1994 como território emancipado de Brasília, sendo acessível atualmente ao Plano Piloto por meio de três pontes. É um bairro que comporta parte da classe alta brasiliense, sendo dividida em Quadras do Lago (QL) e Quadras Internas (QI), possuindo condomínios fechados e não portando prédios residenciais. É uma área predominantemente residencial, com pequenos comércios locais, possuindo ruas largas e muita área verde. Porta também o Aeroporto de Brasília e cartões postais como parque da Ermida Dom Bosco. 
Acrescenta-se também o Noroeste, região habitada recentemente e que compõe o Plano Piloto de Brasília. É região de classe alta e de alto poder aquisitivo. É rodeado de áreas verdes e é conceituada como um bairro ecológico em Brasília. 
Assim como o Noroeste, temos o Sudoeste/Octogonal. Região Administrativa criada em 1989, com infraestrutura bem desenvolvida e munida de prédios residenciais e comércios pequenos. É localizado perto do Parque da Cidade e é considerado um dos bairros mais caros do Brasil, assim como possui um elevado IDH regional. É subdividido em quadras, e foi planejado e incluído no Plano Piloto. 
Por fim, temos as regiões da Asa Sul e Asa Norte, bairros de Brasília definidos por quadras numeradas ordenadamente. Por serem previamente bem planejadas, possuem vias muito acessíveis, prédios padronizados e condições ideais de moradia, agregando muita área verde, parques, comércios, faculdades e hospitais, se tornando assim regiões muito visionadas e de alto custo. São interligadas por vias principais, sendo a maior o Eixão, e dispõe de um ótimo arranjo estrutural, pensados pelo arquiteto e urbanista Lucio Costa. 
Assim, a área da Folha 20 cobre um diverso ambiente urbano, composto de áreas visualmente diferentes, sendo muito importante de ser estudada, a fim de conhecer melhor suas propriedades espaciais e componentes cartográficas. A seguir, é mostrado a posição da Folha 20 no DF com uma foto de seu limite importado ao Google Earth.
Figura 1. Folha 20 
Materiais 
· O projeto foi inicialmente realizado nos computadores da sala de aula 2 do LCCC/ULEG. Com a evolução do projeto, foi preciso transferir os arquivos e programas para um computador pessoal, no caso um notebook Sony para o manuseio do projeto em fora do horário de aula. Cada aula prática era realizada com a ajuda de PDF’s disponibilizados pelos professores por meio da Plataforma de hospedagem de Arquivos Dropbox, e dessa forma, realizamos o projeto usando o Programa Computacional SPRING, nas versões 5.4.2, 5.4.3, 5.5.5 e 5.5.6, devido a uma complicação ao abrir o trabalho no Notebook nas versões inicialmente usadas no computador de sala (5.4.2 e 5.5.5)
· Com o desenvolvimento do projeto, usamos outros materiais, como Bloco de Notas, programa Google Earth, Microsoft Excel e para a elaboração do relatório, Microsoft Word. 
· Usamos também o gerador de cartas SCARTA, algoritmo de classificação Bhattacharya e Maxvier e o programa LEGAL, todos disponíveis dentro do software do Spring. 
· Ademais, usamos essencialmente imagens do Satélite Landsat-8, disponibilizadas pelo professor. Arquivo no formato DWG de nome Geral_Final_R14.dwg, também disponibilizado pelo professor, para importação de dados de vias, drenagem e curvas de nível. 
Métodos
· Primeiramente, elaboramos um projeto de nome DF_todo, que englobava todas as linhas de Vias e Drenagens do Distrito Federal. Em seguida importamos essas informações para um novo projeto, de nome Folha_20, que dizia respeito apenas a região limitada pela folha 20. Para a realização de cada etapa do projeto, prosseguimos da maneira mostrada a seguir:
PARTE 1: MONTAGEM DA BASE DE DADOS
1.1 CRIAÇÃO DO BANCO DE DADOS E PROJETO DF_todo
Nessa etapa, é utilizado o programa SPRING na versão 5.4.2. Inicialmente é criada uma pasta com o nome da Aluna para a diferenciaçãodo Projeto, e assim evitar problemas com o diretório. A pasta possui o nome ‘’Raquel’’. 
Figura 1. Criação da Pasta de Banco de Dados
Acessando o SPRING, é criado um Banco de Dados, usando a pasta criada como Diretório e o gerenciador Access. 
Figura 2. Criação do Banco de Dados
Dentro do Banco de Dados criado, será criado um projeto relativo a toda a região do DF para a realização de atividades de geoprocessamento. O projeto será identificado como DF_todo e terá:
Projeção: UTM; Modelo de Terra: SIRGAS 2000; Zona UTM: 23; Coordenadas Planas fornecidas na Figura 3.
Figura 3. Criação do projeto DF_todo
Assim, se ativa o projeto, se acessa o Modelo de Dados, e se cria uma nova Categoria Temática, com nome vias. 
Figura 4. Criação da nova Categoria ‘’vias’’
Dessa forma, a categoria é criada. Logo após se executa a categoria e fecha a janela para a importação de Dados Vetoriais e Matriciais relativa as vias do DF. Deve-se ir em Arquivo – Importar – Importar Dados Vetoriais e Matriciais.
 
Figura 4. Importação de Dados Vetoriais e Matriciais
Já na janela de importação, se seleciona o arquivo em dwg indicado e fornecido pelo professor com nome de Geral_Final_R14.dwg
Figura 5. Importação do arquivo relativo a vias
Ao abrir o arquivo deve selecionar o Layer. Ao abrir a aba Layers DXF, selecionar ESTRADA_VICINAL_OU_CAMINHO, selecionar ‘’mostrar conteúdo” e executar. 
Figura 6. Seleção de Layer
Ao voltar a Importação, selecionar entidade “linha sem ajuste”, unidade “metros” e escala “1/10000”. Ir em Saída, selecionar categoria vias e definir IP de saída como “Vicinais” e logo após executar e fechar.
Figura 7. Saída da Importação
Assim, o resultado pode ser acessado consultando o Painel de Controle, Vias, selecionando o Plano de Informação criado e habilitando a opção “Linhas”.
Figura 8. Painel de Controle
Assim, resultará na imagem a seguir.
Figura 9. Vias DF_todo
Da mesma forma, se importa os Layers “Vias Não Pavimentadas Duplas”, “Vias Asfaltadas Duplas” e “Vias Asfaltadas Simples”. 
Ainda, para a distinção dos diferentes Layers, é necessário mudar as cores de suas linhas. É possível mudar a cor clicando no ícone de Plano de Informação com o PI que deseja customizar ativo, selecionar a caixa Vetor, selecionar Visual, Linhas, escolher a cor desejada e Executar. 
Figura 10. Formatação de cor
Alterando as cores, o resultado ficará assim:
Figura 11. Resultado da Formatação de Cor
Agora, será criada uma nova categoria com nome de Drenagem, e será importado os Dados Vetoriais e Matriciais da mesma maneira que foi importado os dados das Vias. Os Layers importados serão 
1) Rios e Córregos Intermitentes Simples
2) Rios e Córregos Perenes Simples
3) Rios e Córregos Perenes Duplos
4) Lago e Lagoa Perene 
É necessário novamente mudar as cores de cada linha do PI, da mesma forma que foi feito anteriormente com as Vias. 
Realizando todos esses passos, o resultado é o seguinte: 
Figura 12. Drenagem DF_todo
Após obter a imagem corretamente, será importada uma imagem do satélite Landsat8 obtidas em 25 de agosto de 2017. A imagem foi disponibilizada pelo professor via Dropbox e será importada ao Spring em uma nova Categoria de Imagem, nomeada “landsat8_25ago2017”. 
A nova categoria é criada da mesma forma que foi criada as anteriores, acessando Modelo de Dados, nomeando a categoria, selecionando dessa vez “imagem”, clicando criar e executar. 
Figura 13. Criação de nova Categoria
Assim, com a imagem importada para o computador em uso e com a Categoria ativada, é importada a imagem da mesma forma que foi importado arquivos anteriormente: Arquivos → Importar → Importar Dados Vetoriais e Matriciais → Selecionar o arquivo referente a banda 5 → ir em Saída → Selecionar a categoria criada “landsat8_25ago2017” → Nomear IP como BD_5” → Executar → Fechar. Quando for perguntado se expande a área do projeto, sempre selecionar não. 
Figura 14. Seleção de Arquivo TIF
Assim, para visualizar a imagem importada vamos no Painel de Controle, no PI criado BD_5 e marcamos M (monocromático). 
Figura 15. Painel de Controle
A imagem resultante é a seguinte:
Figura 16. BD_5
Ativando todos os Planos de Informações criados de Vias, Drenagens e Landsat8_25ago2017, temos:
Figura 17. Banda 5 com Vias e Drenagem ativadas
1.2 PROJETO FOLHA_20
Nessa etapa do projeto, foi designado uma folha especifica para cada aluno, pelo professor. Neste caso, nos foi atribuído a folha 20. Assim, criaremos um projeto especialmente para a folha 20, no qual usaremos Coordenadas GMS especificas fornecidas pelo professor, referente a nossa folha, que estão disponibilizadas no Dropbox, em um arquivo Excel. 
Figura 18. Coordenadas 
Logo, criamos o projeto Folha_20, da mesma maneira que para o projeto anterior. 
Figura 19. Menu Arquivo → Projeto
Na criação do projeto é dado o nome Folha_20, utilizar a projeção UTM e Datum SIRGAS 2000 e as coordenadas indicadas acima. 
Figura 20. Criação Folha_20
Em seguida, criaremos uma Categoria Temática – LIMITE. 
Figura 21. Criação LIMITE
Após criar e executar, criaremos um Plano de Informação chamado Limite_20 usando escala 1/25000 e imagem de 8 bits.
Figura 22. PI Limite_20
Logo, iremos criar fisicamente a linha do limite. Ir em Temático → Edição Vetorial → Habilitar Contorno → Características → Modo: Passo → Desenhar um retângulo com linha fechada → Salvar → Sair 
Figura 23. Edição Vetorial
Pode-se visualizar o Limite ativando o PI e selecionando Linhas. 
Figura 24. Visualização do Limite.
Assim, vamos exportar o limite criado indo no menu Arquivo → Exportar → Dados Vetoriais e Matriciais. Se seleciona o formato ASCII-Spring, Coordenadas GMS e entidade Linhas e Identif, e se salva. 
Figura 25. Exportação Limite.
Para a correção do Limite, se abre o arquivo exportado com o aplicativo do bloco de notas, alterando as coordenadas indicadas para as estipuladas para a Folha 20. 
Figura 26. Correção do Limite
Após essa correção, é necessário levar o arquivo corrigido de volta para o Spring. Para isso, ir em Importação → Importação de Dados Vetoriais e Matriciais. Se seleciona o arquivo recém editado e se define o IP de saída como Limite_20Corrigido. 
Figura 27. Importação do Limite Corrigido.
Pode-se visualizar o limite corrigindo ativando a linha de seu PI. É indicado mudar sua cor para a diferenciação. Isso pode ser feito com o PI ativado, da mesma forma que foi feito anteriormente para as linhas das Vias e Drenagem. 
O limite corrigido, comparado com o original, ficará assim:
Figura 28. Visualização Limite Corrigido.
PARTE 2: PROCESSAMENTO DE MODELOS NUMERICOS DO TERRENO
2.1. PROCESSAMENTO MODELO NUMÉRICO DO TERRENO 
Primeiramente, o projeto Folha_20 é aberto e criaremos uma nova categoria MNT de Modelo de Dados chamada TOPO, referente a topografia. 
Figura 29. Criação TOPO
Em seguinte importaremos os dados da base cartográfica (Geral_Final_R14.dwg), arquivo disponibilizado pelo professor via Dropbox. Iremos em Importar → Importar Dados Vetoriais e Matriciais. Assim, escolheremos o arquivo indicado e aplicaremos as informações a seguinte:
· Entidade: Amostra (MNT)
· Unidade: M
· Escala: 1/10000
· Retângulo envolvente: Projeto
· Layer: CURVA MESTRA
· Tamanho do Pixel: 5x5
Selecionaremos também o Layer “CN_MESTRA”. Após selecionar, “Mostrar Conteúdo” e “Executar”. 
Figura 30. Importação Curvas de Nível
Na saída da importação, selecionamos a categoria TOPO e definimos o IP de saída como CN_MESTRAS. 
Figura 31. Saída Importação
O resultado é o seguinte:
Figura 32. CN_mestra
A seguir, vamos fazer o mesmo procedimento para o Layer Curva_Intermediária e nomear seu PI de saída como CN_intermed. Também vamos mudar a cor das linhas do PI para que pode se diferenciar do CN_mestra. Isso será feito pela forma já conhecida, acessando PI → Visual → Cor → Executar. O resultado por ser observado na imagem a seguir. 
Figura 33. CN_intermed
As Curvas de Nivel representadas acima dizem respeito a todaa área do Distrito Federal, e precisamos da informação da área que represente os limites da Folha 20. Para isso vamos recortar usando uma ferramenta de recortar Plano de Informação. 
Vamos em ferramentas, Recortar Plano de Informação. Em Retângulo Envolvente: Projeto – Coordenadas Planas. Em “Recorte”: categoria TOPO e opção Interno. Executamos. 
Figura 34. Recortar PI
Após o recorte, temos as Curvas de Nível assim:
Figura 35. Curvas de Nível
Para facilitar o a visualização, será criado um mosaico unindo os dois PIs. O nome do PI será CN_TODAS. 
Figura 36. PI Para Mosaico 
Vamos em MNT e Mosaico, criaremos o Mosaico para CN_mestras, marcamos “Linhas Cotadas” e “Mosaico”, e executamos. 
Figura 37. Criação do Mosaico. 
Faremos o mesmo procedimento para CN_intermed. Agora, faremos a Geração de TIN, onde vamos em MNT, geração de TIN. 
PI de Saída: CN_TODAS
Tipo: Delaunay
Linha de Quebra: Não
Os dados de Simplificação de Linhas são mantidos. 
Figura 38. Geração de TIN
Para a visualização, marca-se TIN no IP CN_TODAS, no Painel de Controle. 
Figura 39. Grade Triangular
Agora iremos gerar uma Grade Retangular. Ativamos o PI CN_TODAS, vamos em MNT e Geração de grade Retangular. 
Figura 40. Criação de Grade Retangular.
Definimos Dados de Entrada TIN, Interpolador Linear, PI de Saída CN_TODAS_TIN_L, Pixel 5x5 e Imagem 32 bits. Executamos e obtemos a imagem a seguir: 
Figura 41. Resultado Grade Retangular 
A partir da Grade Retangular, geramos Isolinhas com intervalo de 25 metros, Passo Fixo e Valores Mínimos e Máximos de 1005 e 1170. MNT→ Geração de Isolinhas. 
Figura 42. Geração de Isolinhas
Figura 43. Resultado Isolinhas
Assim, prosseguiremos criando uma nota categoria MNT e adicionando classes temáticas a cada 50 metros, começando pela menor altitude, até a máxima. No caso da Folha 20, vamos de 1000 a 12000. 
Figura 44. Hipsometria.
 
Figura 45. Classes Temáticas da Hipsometria.
Agora será feito o Fatiamento, vamos em MNT, Fatiamento, aplicamos as informações do modo mostrado abaixo e executamos. 
Figura 46. Fatiamento.
Figura 47. Resultado Fatiamento 
Há um Manual Hipsométrico do Instituto Brasileiro de Geografia e Estatística (IBGE), no qual podemos nos basear na definição de cores associadas a cada Classe Temática. Obedecendo o padrão que parte do verde passando pelo amarelo, laranja e chegando no vermelho, obtemos as cores mostradas acima. 
Nesse momento, iremos gerar perfis de declividade e orientação. Portanto, criamos uma nova categoria MNT com nome Decli _M, vamos em MNT → Declividade e definimos Entrada: Grade, Saída: Declividade, Unidade: Porcentagem e PI de saída: decli%, 32 bits na nova categoria criada → Executar.
Figura 48. Declividade...
Figura 49. Grade Retangular 
Esse procedimento também pode ser executado pelo TIN, desde que se tenha um PI ativo que contenha o TIN. Ativamos um PI com TIN, e realizamos o que foi feito para Grade. 
Figura 50. Declividade TIN
O resultado é o seguinte:
Figura 51. Decli%tin 
Com isso feito, será feito o procedimento de Fatiamento. Para iniciar, será criado uma nova Categoria Temática de nome “Decli_T” e criaremos Classes Temáticas como mostrado abaixo:
Figura 52. Classes Temáticas Decli_T
Em seguida, realizamos o fatiamento. Vamos em Imagem → Fatiamento. Definimos a Categoria de Saída como Decli_T, PI de saída como decli%t, definimos as fatias, inserir como na figura abaixo, executar e executar novamente no menu de Fatiamento. 
Figura 53. Fatiamento.
 
Assim:
Figura 54. Declividade
Agora criaremos uma nova Categoria MNT nomeada Exposição. Será feito o mesmo procedimento que o anterior. Vamos em MNT → Declividade. Marcaremos agora “exposição” na Saída. Também selecionamos a categoria recém-criada como Categoria de Saída e PI de Saída como “exposição”. 
Figura 55. Exposição.
Figura 56. Resultado Inicial Exposição
Após, criaremos uma nova Categoria Temática de nome Exposição_T e criaremos novas classes temáticas. As Classes Temáticas serão N, NE, E, SE, S, SW, W, NW. 
Figura 57. Classes Temáticas. 
Vamos agora alterar as cores de cada Classe Temática, e usaremos como referência a seguinte imagem disponibilizada na aula pelo professor:
Figura 58. Disco de Cores de Referencia
As cores podem ser mudadas selecionando cada Classe Temática em Modelo de Dados, selecionando Visual e a cor desejada. 
Novamente realizaremos o fatiamento, porem dessa vez com novos parâmetros, com passo fixo de 45 graus, iniciando em 22,5 e terminando em 337,5. Adicionamos também dois Passo Variáveis que vão de 0 a 22,5 e 3337,5 a 360. A categoria de saída deve ser a Exposição_T e o escolhemos o PI de Saída como “exposiçãot”
Figura 59. Fatiamento.
O resultado é o seguinte:
Figura 60. Exposição
A partir disso, criaremos uma imagem sombreada. Para isso, criamos uma nova Categoria Imagem SOMBRAS. Vamos então em MNT → Geração de Imagem MNT → Sombreada. Marcamos então os parâmetros mostrados na imagem abaixo: 
Figura 61. Geração de Imagem MNT
Os PI de Saída dizem respeito aos parâmetros aplicados. Faremos a mesma operação para diferentes parâmetros de Azimute, Elevação e Exagero de Relevo, respectivamente. Os resultados são mostrados abaixo:
Figura 62. PIs de SOMBRAS.
Com os PIs prontos, faremos uma composição RGB como 135R, 180 G e 225B, e o resultado é:
Figura 53. Sombreado
2.2 ELABORAÇÃO DE CARTAS
Cartas Cartográficas são modos de registrar, em escala, de um plano na superfície terrestre, fornecendo informações planimétricas e altimetrias. São documentos que trazem informações sobre a região analisada, representado por projeções cartográficas. 
Existem fatores sobre as cartas que são importantes na hora de sua elaboração, como escala e tamanho do papel.
Para a escala, existem duas opções. Elas podem ser representadas graficamente como a imagem abaixo, ou podem ser representadas numericamente, como fração, ambas representadas na imagem abaixo.
Figura 54. Escala
Já para a determinação de dimensão dos papeis há a tabela a seguir, norma da Associação Brasileira de Normas Técnicas (ABNT) que tabela os tamanhos de cada papel. 
Figura 55. Norma ABNT 
Para o nosso projeto, usaremos cartas para representar nossos resultados. As cartas serão criadas dentro do Spring. 
Primeiramente, vamos criar uma carta base que tornará mais simples o processo de construção de todas as outras cartas. 
Para criar uma carta no Spring devemos ir em Arquivo → Ativar Carta. Isso habilitará o menu Scarta. Assim, vamos em Scarta → Carta → Criar Carta... 
Figura 56. Menu Carta.
Em seguida, uma carta em branco irá aparecer, e mudaremos suas características para as solicitadas pelo professor. Os parâmetros são mostrados abaixo:
Figura 57. Características da Carta
Além disso, foi pedido em sala o ajuste da linha do quadrado centrado na carta para uma melhor cobertura da área mostrada. 
Dessa forma, inserimos na carta seus componentes principais: título, convenções cartográficas, informações técnicas, legenda, símbolo que represente o Norte e escala. 
Para inserir textos, símbolos, legendas e escalas vamos nos símbolos verdes no menu de Elementos da Carta, localizado na parte direita da tela. 
Figura 58. Edição de Elementos da Carta. 
Assim, vamos inserindo texto a texto e posicionando-os da forma indicada pelo professor na carta. Após adicionar todos os elementos, a carta base ficou assim:
Figura 59. Carta Base
Com a Carta Base confeccionada, podemos criar as demais cartas necessárias usando essa como um molde, e apenas trocando as informações essenciais para cada carta, como título, legenda e imagem. 
Figura 60. Carta Declividade
Figura 61. Carta Relevo Sombreado.
 PARTE 3: PROCESSAMENTO DIGITAL DE IMAGEM
3.1. PRÉ PROCESSAMENTO DIGITAL DE IMAGENS 
Primeiramente, para o processamento digital de imagens, devemos importar para o Spring as imagens que serão processadas. As imagens são previamente disponibilizadas pelo professor, pelo Dropbox. Portanto, devemos baixar as imagens para o computador em uso, e apenas em seguida importa-laspara o Spring. 
Criamos uma nova categoria de Imagem, nomeada Landsat8set2019, para a identificar as imagens. A importação é feita da mesma forma que para as imagens importadas anteriormente. Vamos em Arquivos → Importação → Importação de Dados Vetoriais e Matriciais. Selecionamos o arquivo desejado. Na saída, selecionamos a categoria previamente criada e identificamos o PI de Saída como Bd_(n° da banda). No exemplo a seguir usaremos a banda 4. 
Figura 60. Importação Bd_4
Dessa forma, importamos as Bandas Multiespectrais (Bandas 1, 2, 3, 4, 5, 6, 7, 10 e 11) e uma banda Pancromática (Banda 8). 
Após importar, devemos realizar um procedimento chamado Realce. O procedimento melhora a visualização da imagem, aumentando a diferença dos tons de cinza. Dessa forma fica mais fácil identificar e diferenciar elementos na imagem. Para o Realce, selecionamos a banda desejada, vamos em Imagem → Contraste. No quadro, clicamos com o lado direito do mouse no lado inferior direito e com o lado esquerdo no topo esquerdo. É possível ver o resultado clicando em “aplicar”, e caso não seja suficiente, é possível alterar mais os tons manuseando o mouse nos gráficos, até alcançar um resultado bom. Então, damos um nome para a nova imagem realçada, que nesse caso será Bd_4RLC, salvamos e fechamos. Ao sair, é perguntado se deseja manter o contraste aplicado, e devemos selecionar não. 
Figura 61. Contraste
Assim como fizemos para a Banda 4, fazemos para todas as outras. A seguir temos as bandas de 1 a 4 originais e realçadas. 
Agora, vamos realizar o estudo de Temperatura de Brilho. 
Com a Banda 11 devidamente importada e realçada, vamos em alterar sua Palheta de Cores para o padrão que mostra as cores verde, vermelho e azul. 
Figura 23. Remapeamento de Cores. 
Figura 23. Resultado.
Vamos então em Imagem → Operações Aritméticas. Marcamos a operação, valores de Ganho e Offset como na figura abaixo e nomeamos o PI de Saída como L11. 
Figura 23. Operações Aritméticas. 
Dessa forma, um novo PI de nome L11-(OP1) será criado. 
Figura 98. PI L11-(OP1)
Dentro do Spring, usaremos o programa LEGAL para o cálculo da temperatura. Criaremos um novo programa indo em Analise → LEGAL → Novo Programa LEGAL. Salvaremos o programa como Temp_C. 
Figura 20. Programa LEGAL. 
Assim, usamos um programa disponibilizado pelo professor e modificamos os dados necessários para a Folha 20. Executamos. 
Figura 94. Temp_C
Com isso, será gerado dois novos PIs, na categoria CAT_MNT, T_C e T_K. Nos PIs contém dados de Grade e Imagem da temperatura de brilho na superfície. 
Figura oi. T_C (GIm)
Nesse momento, criaremos um nova Categoria Temática chamada TEMP_SOLO. Avaliaremos na figura de Remapeamento de Cores, os valores de temperatura mínimo e máximo do Projeto. Dessa forma, poderemos criar Classes Temáticas na nova categoria de acordo com esses valores. Do valor mínimo ao máximo, criaremos classes temáticas em passo 2, como demonstrado na imagem abaixo. 
Figura kk. TEMP_SOLO e Classes Temáticas. 
Agora alteramos as cores das classes em Visual → Áreas. As cores vão partir do azul em menores temperaturas passando por verde e amarelo ao aumentar as temperaturas, chegando ao vermelho. O PI resultante da TEMP_SOLO é o seguinte:
Figura oi. Temperatura do Solo.
Podemos também analisar as Medidas de Classes. Vamos em Temático → Medidas de Classe → Executar.
Figura 2. Medidas de Classes.
 
Vamos então executar operações relevantes para o projeto, que relacionam taxas de vegetação e umidade. 
Começaremos pelo Índice de Vegetação por Diferença Normalizada (IVDN ou NDVI. Vamos em Imagem → Operações Aritméticas. Aplicaremos os parâmetros mostrados na imagem abaixo. 
Figura x. Operação IVDN
Obtemos o seguinte resultado:
Figura x. IVDN (OP5)
Logo, faremos o mesmo procedimento de Operações Aritméticas porem para o Índice de Umidade por Diferença Normalizada (NDMI ou NDWI). Mudaremos as bandas porem os parâmetros permanecem os mesmos, como mostrado na figura abaixo. 
Figura x. Operação NDWI
Obtemos:
Figura x. NDWI
Em seguida, realizaremos o Realce nas duas imagens, e sinalizando em seu PI de Saída o “RLC”. Resultando:
Figura x. IVDN_RLC
Figura x. NDWI_RLC
Faremos agora o processo de fusão das bandas Multiespectrais com a Pancromática. Essa transformação ajudará as cores a se aproximarem das reais, tratando os tons em função da intensidade, matriz e saturação (IHS). 
Para a fusão, vamos em Imagem → Transformação IHS-RGB. 
Aparecerá a imagem abaixo. Selecionamos RBG-IHS em Transformações, e em Planos de Entrada vamos escolher as Bandas 4, 3 e 2 realçadas para R G B respectivamente. Ao selecionar cada letra, aparecerá uma janela como a abaixo e devemos escolher a banda indicada. Já no PI de Saída escolhemos um nome que dê para identificar a operação, no caso RGB_IHS432, escolhemos R no Tamanho do Pixel de Saída e 16 bits sem sinal. Executamos e surgem 3 novos PIs referentes a transformação. 
Figura 2. Transformação RGB → IHS
O próximo passo agora é realizar uma nova transformação de IHS para RGB. Iremos atribuir a banda pancromática no lugar da imagem de Intensidade (I). Vamos novamente em Imagem → Transformação IHS-RGB e dessa vez vamos selecionar IHS-RGB. No plano de entrada I adicionamos a banda pancromática (Bd_8RLC), em H (matriz) adicionamos a imagem recentemente criada RGB_IHS432H e em S (saturação) adicionamos a RGB_IHS432S. No tamanho de pixel de saída marcamos I, pois a banda pertencente ao I tem uma resolução de 15 metros, e a imagem final terá a mesma resolução. Escolhemos um PI de saída para podermos identificar os resultados e definimos 16 bits sem sinal. Executamos. 
Figura x. Transformação IHS → RGB
O resultado IHS_RGB_15M_B, IHS_RGB_15M_G e IHS_RGB_15M_R, respectivamente:
Figura x. IHS_RGB_15M.
Com a fusão das bandas, temos:
Figura x. Fusão
Dessa forma, prosseguiremos para os Componentes Principais. Esse processo é uma técnica de realce que reduz ou remove redundância espectral, gerando um novo conjunto de imagens cuja bandas individuais possuem informações não disponíveis em outras bandas. Esse processo é indispensável para as próximas etapas do processamento digital. 
Assim sendo, para realizar o procedimento vamos em Imagem → Componentes Principais. Devemos então selecionar os PIs necessários, que inicialmente serão as bandas realçadas de 2 a 6, mais o dois Índices de Vegetação e Umidade. Então escolhemos “Imagem” e adquirimos os parâmetros, definimos o PI de saída como CP-2a6_indices, 16 bits sem sinal e marcamos realçar imagens. Executamos. 
Figura x. Componentes Principais
É criado um componente principal para cada banda selecionada, então no nosso caso foram gerados 7 novos PIs:
Figura x. CP-2a6_indices
Fizemos então uma Composição Colorida RGB com os Componentes Principais 1, 2 e 3, respectivamente. 
Figura 9. Composição Componentes Principais. 
Repetiremos a operação de Componentes Principais para as bandas 4 a 7, 11 e Índices de Vegetação e Umidade. Os parâmetros são os mesmos, apenas escolheremos as diferentes bandas e nomearemos um novo PI de Saída, dessa vez como CP-4a7e11_indices. 
Figura x. CP-4a7e11_indices
Partimos então para a Segmentação, onde se divide a imagem em regiões correspondentes, em conjuntos de pixels contíguos que apresentam certa uniformidade. É essencial para o nosso próximo passo, de classificação. Portanto, vamos primeiro em Imagem → Segmentação. 
Figura x. Imagem → Segmentação
Em seguida, escolhemos o Método (Crescimento de Regiões), e selecionaremos as bandas usadas nos Componentes Principais, 2 a 6 e Índices de Vegetação e Umidade, assim como os resultados dos componentes principais 1, 2 e 3. Vamos também aplicar Similaridade 30 e Área de Pixel 300. Salvamos o PI de Saída como seg_2a6_indices_CP1a3_30_300, referentes aos parâmetros aplicados. 
Figura x. Segmentação
A imagem segmentada ficará assim:
Figura x. seg_2a6_indices_CP1a3_30_300
Faremos o mesmo procedimento, usando as mesmas bandas porem parâmetros diferentes de Similaridade e Área do Pixel, sendo esses20 e 50, respectivamente. O resultado, bem mais segmentado, para comparação, é o seguinte:
Figura x. seg_2a6_indices_CP1a3_20_50.
Enfim, faremos novamente o procedimento, dessa vez para bandas diferentes, sendo essas as bandas de 4 a 7, 11 e Índices de Vegetação e Umidade. Usando parâmetros de 20 e 50 para similaridade e Área de Pixel, temos a imagem a seguir:
Figura x. seg_4a7e11_indices_CP1a3_20_50.
Para uma melhor visualização, mudamos as cores das linhas para azul selecionando o PI, indo no ícone de Plano de Informação, marcando a caixa Matriz, clicando em Visual e selecionando a cor azul. Assim, sobrepomos a imagem rotulada sobre uma Composição Colorida RGB com as bandas 4, 3 e 2, respectivamente, para facilitar a identificação do uso e cobertura do solo. 
Figura X. Segmentação e Composição Colorida
3.2 PROCESSAMENTO DIGITAL DE IMAGENS
Classificação
Vamos agora realizar a Classificação. A Classificação é um dos processos mais relevantes do Processamento Digital de Imagens, e tem finalidade de categorizar as regiões, principalmente para a confecção de Mapas de Uso de alguma área. É reunido todos os pixels com informações semelhantes e relacionados em uma só categoria. O Spring usa algoritmos de classificação, Bhattacharya (o que usaremos em breve), Maxver e Isoseg. 
Na nossa Classificação, usaremos a imagem segmentada seg_4a7e11_indices_CP1a3_20_50. Para começar vamos ativar uma composição colorida RGB_432 e a imagem segmentada. 
Vamos em Imagem → Classificação. Vamos criar um arquivo de contexto. Clicamos em “Criar” e logo aparece uma tela de Criação de Contexto, mostrada abaixo. Nomeamos como Contexto1_AULA, tipo de análise: Região, selecionamos as bandas de 4 a 7, 11, Índice de Vegetação e a imagem segmentada. Executamos. 
Figura x. Classificação
Vamos então em Extração de Atributos das Regiões e em Treinamento.
O Treinamento é uma etapa de ensaio para adaptar o Spring para reconhecer áreas especificas de interesse. Assim, o programa irá reconhecer cada região e aplica-la a uma especificação. Há dois tipos de treinamento, supervisionado e não supervisionado. Aplicamos o supervisionado, pois faremos uso do Google Earth para identificar as áreas de seleção, tendo em vista que a perspectiva das regiões é limitada com a imagem segmentada. 
Figura x. Google Earth
Prosseguindo com o treinamento, a janela seguinte irá surgir:
Figura X. Treinamento
Devemos então nomear uma categoria de área em Nome, escolher a cor desejada e clicar em “Criar”. Assim, uma nova classe é criada e devemos atribuir regiões a tal classe, o suficiente para que o Spring possa classificar com sucesso. Selecionamos então a área no PI ativo e selecionamos “Adquirir”, e assim colecionamos amostras para o conjunto criado. No exemplo abaixo, as áreas selecionadas estão em branco no canto superior esquerdo. 
Figura X. Aquisição de Amostras. 
Continuamos assim, até obter amostras o suficiente para um Tema. Terminando, definimos outro Tema e continuamos o treinamento até suprir todas as regiões necessárias para o limite. A seguir temos uma amostra do primeiro treinamento realizado.
Figura X. Treinamento 1
Para salvar o treinamento, vamos em Salvar. Exportamos também para a o uso do treinamento em um novo Contexto, vamos em “Exportar Temas”, digitamos CAT_treino em “categoria”, nomeamos o PI como treino1_aula e exportamos. Dessa forma, uma nova Categoria temática e um novo PI são criados e podemos revisitar e aprimorar o Treinamento posteriormente. 
Figura X. Exportação Treinamento.
Com o treinamento concluído, iremos finalmente classificar a imagem. Vamos usar primeiramente o classificador Bhattacharya, com limiar de aceitação de 75%, definiremos o Nome para podermos identificar a classificação e executamos. 
Figura X. Classificação de Imagens
O resultado obtido primeiramente não é muito satisfatório, como mostrado a seguir:
Figura X. Contexto1_AULA_treino1_bhatta75
 
A região da Folha 20, a qual fomos designados, possui uma diversificação muito abrangente de elementos e regiões distintas, por isso foi necessário um treinamento rigoroso das regiões para que o programa pudesse interpretar bem cada argumento. Assim, melhoramos o treinamento adicionando novas classes, e após diversos treinamentos com maior desenvolvimento de aquisições, obtemos o PI treino_8, e concluímos o treinamento, como mostrado a seguir. 
 Figura X. Treinamento 8
Figura X. Matriz Treinamento 8
Logo, refaremos o processo de Classificação, usando o novo treinamento, selecionando novamente o Bhattacharya, mas aumentando o Limiar de Aceitação para 99.9%, obtendo uma amostra de melhor qualidade. Escolhemos o novo treino e nomeamos como Contexto1_AULA_treino8_bhatta99 e executamos, obtendo a figura abaixo, muito mais satisfatório e preciso que o primeiro. 
Figura X. Contexto1_AULA_treino8_bhatta99
Usaremos também um diferente tipo de classificação, o Maxver. Para usa-lo precisamos criar um novo contexto, da mesma forma que foi criado o primeiro, mas dessa vez selecionando a opção Pixel no Tipo de Análise. 
Figura X. Criação de novo Contexto
No novo contexto, vamos importar o treino_8 realizado no Contexto1_AULA, para não repetirmos todo o processo de treinamento. Assim, vamos em Treinamento → Importar → selecionamos o treino8_aula → Executar. 
Figura X. Importar Treinamento Contexto2_AULA
Então, com o treinamento devidamente importado, vamos à classificação. Dessa vez escolhemos Maxver, Limiar de Aceitação 100%, nomeamos como PI-C2_MAXVER_100 e executamos. 
Figura X. Classificação Maxver
Resultando:
Figura X. PI-C2_MAXVER_100
Continuando, vamos fazer o Mapeamento da Classificação para classes de Uso e Cobertura. Criamos uma nova Categoria Temática de nome CAT_USOCOBERTURA. Adicionamos Categorias Temáticas de acordo com classes de temas da nossa classificação. As classes são mostradas na imagem abaixo: Área Urbana, Agua, Florestais, Campestre e Savanica. 
Figura X. Categoria CAT_USOCOBERTURA
Assim, prosseguimos indo em Imagem → Classificação → Contexto1_AULA → Extração de Atributos das Regiões → Mapeamento. Selecionamos o treino8_aula, Categoria recém-criada CAT_USOCOBERTURA, e associaremos cada tema a uma Classe Temática. 
Figura X. Mapeamento para Classes
Por fim, executamos:
Figura X. Mapeamento
Assim, podemos adquirir informações a respeito das Áreas classificadas. Ativamos a Classificação Bhattacharya na Categoria CAT_USOCOBERTURA, vamos em Temático → Medida de Classes. Obtemos então os dados sobre as classes que exportamos da Classificação. 
Figura X. Medida de Classes.
PARTE 4: OPERAÇÕES CARTOGRÁFICAS
Vamos agora delimitar áreas de Proteção Permanente. Temos três PIs referentes a aguas perenes. São eles Rios e Córregos Perenes Simples, Rios e Córregos Perenes Duplos e Lagos e Lagoas Perenes. Por meio da ferramenta de mosaico vamos unir todos o PIs sobre perenes em um só. Criamos um novo PI indo no Ícone de Plano de Informação, com a categoria do PI selecionada, nomeamos o PI como Perenes e selecionamos “criar”. No caso criaremos na categoria previamente existente, Drenagem2. 
Figura X. Criação de PI
Após, para a criação do Mosaico, selecionamos o novo PI Perene, vamos em Temático → Mosaico. Selecionamos o primeiro PI que desejamos adicionar ao mosaico, marcamos as caixas mostradas na figura abaixo e executamos. 
Figura X. Criação de Mosaico 
Em seguida, repetimos o procedimento selecionando o outro PI que queremos adicionar ao Perenes. Ao fim, teremos o PI reunindo todas as informações de aguas perenes. Realizamos também a mesma operação para rios intermitentes. Como só possuímos um PI de intermitentes, Rios e Córregos Intermitentes Simples, adicionaremos apenas um PI ao mosaico. 
Continuando, criamos duas Classes Temáticas na Categoria Drenagem2: Perenes e Intermitentes. 
Figura X. Classes Temáticas.
Devemos associar os PIs recém-formados as Classes Temáticas. Para isso, selecionamos primeiramente “Perene” vamos em Temático → Edição Vetorial → Classes (quinto icone na coluna do canto direito). Associamoso PI a classe PERENE, marcamos Linha e Aplicar em Todos. 
Figura X. Edição Classe Temática
A seguir, saímos da Edição Vetorial pelo ícone de Saída. Realizamos a mesma operação para Intermitentes, mudando a classe a ser associada. Assim, os PIs criados são agora associados a classes. 
Dessa forma, prosseguimos criando duas novas Categorias. A primeira é uma Categoria MNT e leva nome de Dist_Drenagem. A segunda é Categoria Temática Dist_Drenagem-T, nela criaremos Classes Temáticas como mostrado abaixo:
Figura Z. Classes Temáticas. 
Enfim, faremos o procedimento de Mapa de Distância. Com “Perenes” ativo, vamos em Temático → Mapa de Distancias.
Figura X. Mapa de Distancias.
 Selecionamos Classes e em seguida clicamos nas linhas do PI ativo, e aplicamos as informações abaixo. Ao selecionar “Definições...” devemos aplicar 4 fatias variáveis, sendo elas 0-30, 30-100, 100-200 e 200-500. Executamos e em “Associação...” associaremos cada fatia a sua Classe Temática correspondente. 
Figura X. Definição e Associação
Por fim, definimos 5 como No. De Pontos de Curva e executamos. O resultado pode ser observado a seguir:
Figura X. Mapa de Distancia Perene
Repetimos o mesmo processo com Intermitentes, e obtemos:
Figura x. Mapa de Distancia Intermitente
Agora, realizaremos a Tabulação Cruzada. É um passo importante na Análise de Dados, onde duas variáveis são analisadas simultaneamente. Faremos a Tabulação Cruzada de Uso e Cobertura X Temperatura, então ativaremos a Matriz dos dois PIs referentes a esses, vamos em Temático → Tabulação cruzada. 
Figura X. Tabulação Cruzada.
O resultado é mostrado a seguir:
Figura X. Uso e Cobertura X Temperatura
Resultados e Discussões 
Por fim, vamos analisar os dados obtidos e aplica-los a uma análise geral da região estudada. Analisaremos dados de Medidas de Classes, Curva Hipsométrica e Tabulação Cruzada. 
Hipsometria: Como mostrado na figura abaixo, as altitudes da Folha 20 variam de 1000 a 1200 metros, sendo que maior parte de área se localiza entre 1050 e 1150 metros acima do nível do mar. Realizamos também para comparação um gráfico no Excel. 
Declividade: Analisando os dados de declividade obtidos no projeto para a Folha 20, podemos ver grande parte da área é classificada como Suave ondulado e Moderado Ondulado, ocupando mais de 73% da área total, tendo também áreas de Planos e uma pequena parte Ondulado, não possuindo classificações de Forte ondulado ou Montanhoso.
Drenagens Permanentes: Segundo a figura abaixo referente a Medida de Classes das Drenagens Permanentes, podemos concluir que apenas cerca de 10% da área total se encontra em área de Preservação Ambiental. 
Exposição: Em relação a orientação de vertentes, vemos que há uma boa distribuição entre as direções, se destacando apenas a direção Sudeste, com a maior parcela de área classificada. 
Temperatura: Abaixo se encontra a Medida de Classes referente a temperatura. Há uma grande predominância das classes de temperatura de 26 a 32 graus. É importante relacionar essas informações com o Uso do solo. Maior parte da Folha 20 é referente a áreas urbanas, o que pode explicar as altas temperaturas apresentadas abaixo. Transformamos as informações também em gráfico para uma melhor percepção.
Uso e Cobertura: Abaixo é mostrado a Medida de Classes de Uso e Cobertura do Solo. A classe que mais se sobressai é Urbana, ocupando mais de 65% do solo. Em segundo lugar temos área Campestre, depois Savanica, Florestais e Agua. Por ser uma Folha que se centra ao logo da maior parte urbana do Distrito Federal, as medidas estão de acordo com o esperado. 
Por fim, para uma melhor analise da temperatura relacionada a ocupação do solo, foi realizada uma Tabulação Cruzada relacionando os PIs de Temperatura e Uso e Cobertura do Solo. Obtemos os dados abaixo, de forma que podemos analisar as relações entre os resultados obtidos.
Na imagem, podemos ver que as menores temperaturas, de 20-22 graus, estão relacionadas com o Lago, temperaturas de até 26 graus estão majoritariamente relacionadas a Mata Ciliar e Campo Sujo. Assim, temperaturas mais altas de 26-30 graus tem maior relação com áreas urbanas, de campo limpo, e estradas, sendo as temperaturas de estradas estendidas até cerca de 34 graus e as de campo limpo estendidas até surpreendentes 36 graus Celsius. 
Conclusão
Podemos enfim concluir que os resultados obtidos foram muito satisfatórios e condizentes com o esperado. Por meio do projeto foi possível adquirir conhecimento sobre o uso e operação do programa Spring e aplicar conhecimentos obtidos nas aulas teóricas do curso de Cartografia e Geoprocessamento Aplicado, de forma que também, ao final do projeto, extraímos informações imprescindíveis sobre a área analisada, determinando dados como altitude, temperatura, declividade, uso do solo, entre outros. 
Com o uso de todas as informações obtidas ao decorrer do projeto, concluímos que a área é uma área predominantemente urbana, com temperaturas medias elevadas, baixa declividade e altitudes de pouca variação, sem direções de vertentes discrepantes e com uma área pequena referente a preservação ambiental. Também foi observado que as áreas urbanas presentes na folha possuem uma distinção visual relevante e que podem ser diferenciadas facilmente pela sua organização, presença de área verde e distanciamento de ruas e construções. 
É importante lembrar também que as imagens e resultados obtidos são referentes a uma data especifica, dia 19 de setembro de 2019. Portanto, alguns dados podem ter variações sazonais, e para uma análise completa é necessário avaliar imagens referentes a outras épocas do ano, obtendo dados mais confiáveis e estudando-os para analisar a eficácia de seus resultados, para que dessa forma, sejam aplicáveis a Projetos de Engenharia Ambiental ou outros. 
Por fim, pode-se perceber que o trabalho é de grande importância para o entendimento de Cartografia e Geoprocessamento, e que foi possível conhecer o Distrito Federal com perspectivas diferentes, como também obter experiência técnica sobre os materiais utilizados. Concluindo assim que o projeto agregou para a formação como estudante de engenharia. 
Referências Bibliográficas 
1. Administração Regional do Plano Piloto. 
 www.planopiloto.df.gov.br
2. Administração Regional da Candandolândia. www.candangolandia.df.gov.br
3. Sudoeste/ Octogonal. www.pt.wikipedia.org/wiki/sudoeste/octagonal
4. Administração Regional do Guará. www.guara.df.gov.br
5. Administração Regional do Cruzeiro. www.cruzeiro.df.gov.df
7. Site Spring. Suporte e dúvidas. 
www.dpi.inpe.br
6. Aulas disponibilizadas em PFD.
106