universidade de caxias do sul - tecniflora.com.br · universidade de caxias do sul centro de...
TRANSCRIPT
UNIVERSIDADE DE CAXIAS DO SUL
CENTRO DE CIÊNCIAS AGRÁRIAS E BIOLÓGICAS
CURSO DE BACHARELADO EM CIÊNCIAS BIOLÓGICAS
SENSORIAMENTO REMOTO NA ANÁLISE DOS
CAMPOS DE CRIÚVA – CAXIAS DO SUL – RS
CASSIANO ALVES MARCHETT
Caxias do Sul
2010
1
CASSIANO ALVES MARCHETT
SENSORIAMENTO REMOTO NA ANÁLISE DOS
CAMPOS DE CRIÚVA – CAXIAS DO SUL – RS
Trabalho apresentado à disciplina de Estágio II
em Biologia, como um dos pré-requisitos para a
obtenção do título de bacharel em Ciências
Biológicas da Universidade de Caxias do Sul.
Orientadora: Prof. Drª. Luciana Scur
Co-orientador: Prof. MSc. Siclério Ahlert
Caxias do Sul
2010
2
“Pode-se, muitas vezes, perguntar: se o clima do Rio Grande é favorável à vegetação florestal,
porque cessam as matas bruscamente limitadas, apesar de que
nem o clima nem o solo a impedem?”
Lindman, 1906.
3
AGRADECIMENTOS
À minha orientadora, professora Luciana Scur, pelas instigantes conversas sobre Campos de
Cima da Serra, pelos encontros e desencontros na UCS para orientar meu trabalho, pela
paciência, por junto se aventurar pelos „„Campos de Criúva‟‟ interpretando as imagens de satélite
e pelos intensos esforços para concluir o trabalho, sem esquecer-se das boas risadas.
Ao meu co-orientador, professor Siclério Ahlert, que mesmo com pouco tempo disponível, foi
sempre muito prestativo e alegre em auxiliar e esclarecer dúvidas quanto ao geoprocessamento e
sensoriamento remoto, neste estudo e em tantos outros trabalhos.
Aos professores Alois Schäfer e Rosane Lanzer, pelo apoio para a realização do trabalho e pelos
conhecimentos compartilhados.
Aos colegas do SIGRA, biólogos Andrigo Ulian e Renata Pereira, que foram muito importantes
em muitos trabalhos que contribuíram para a realização deste.
À minha colega do SIGRA, bióloga Francieli Sbersi, pelo companheirismo desde o projeto
Lagoas Costeiras, e troca de opiniões neste e em tantos outros trabalhos.
Aos colegas dos laboratórios de limnologia e toxicologia, pelas animadas conversas e amizade.
À colega Aline Correa Mazzoni, pela pessoa maravilhosa e pelo apoio e exemplo de altruísmo.
Aos colegas de curso Maurício Bettio e Letícia Osório da Rosa pela valiosa amizade e pelos
bons momentos nas saídas a campo e aos amigos que estiveram torcendo pelo sucesso do meu
trabalho: Flaviane Magrini, Márcia Toigo, Marina Bueno, Wagner, César Schenkel, Luciana
Brancher Juliana Martins, Andressa Fetter e Viviane Marin, Lissandra Pasquali, Valdirene
Camatti Sartori, Jéferson Reche e Saionara Rambor.
À bióloga Liziane Bertotti Crippa, pela grande amizade e exemplo de perseverança.
À bióloga Juliana Martins, pelo companheirismo e troca de conhecimentos.
Aos meus colegas e chefes do Movimento Escoteiro, com os quais pude passar muitos momentos
junto à natureza.
À minha família, pelo apoio e compreensão, e em especial aos meus pais, que incentivaram e
sempre deram apoio incondicional à minha formação.
E a todos, que de alguma maneira, me ajudaram no decorrer deste trabalho.
4
SUMÁRIO
1. INTRODUÇÃO ............................................................................................................................ 12
2. REVISÃO DE LITERATURA .................................................................................................. 14
2.1 As formações campestres no Rio Grande do Sul ................................................................... 14
2.2 Gênese dos campos .................................................................................................................. 16
2.3 Os Campos de Cima da Serra .................................................................................................. 20
2.4 Conservação dos campos ......................................................................................................... 21
2.5 Geoprocessamento e sensoriamento remoto .......................................................................... 23
2.6 Análise multitemporal da vegetação ....................................................................................... 26
2.7 Comportamento Espectral das Imagens de Satélite ............................................................... 26
2.8 O programa Landsat................................................................................................................. 28
2.9 Processamento dos Dados Orbitais ......................................................................................... 29
3. MATERIAIS E MÉTODOS....................................................................................................... 32
3.1 Área de estudo .......................................................................................................................... 32
3.1.1 Clima .................................................................................................................................. 34
3.1.2 Geologia, geomorfologia e pedologia .............................................................................. 34
3.2 Materiais ................................................................................................................................... 36
3.2.1 Dados orbitais .................................................................................................................... 36
3.2.2 Dados cartográficos........................................................................................................... 36
3.3 Metodologia.............................................................................................................................. 37
3.3.1 Processamento digital inicial ............................................................................................ 37
3.4.2 Etapas realizadas a campo ................................................................................................ 39
3.4.3 Classificação digital .......................................................................................................... 40
3.4.4 Mapas temáticos ................................................................................................................ 40
4 RESULTADOS E DISCUSSÃO ................................................................................................. 41
4.1 Classes de Uso e Cobertura da Terra ...................................................................................... 41
4.1.1 Campo nativo .................................................................................................................... 41
4.1.2 Capoeira ............................................................................................................................. 42
4.1.3 Mata ................................................................................................................................... 43
4.1.4 Campo antrópico ............................................................................................................... 44
4.1.5 Cultivos Agrícolas............................................................................................................. 44
5
4.1.6 Silvicultura......................................................................................................................... 45
4.1.7 Classe Água ....................................................................................................................... 46
4.2 Uso e cobertura da terra no ano de 1986 ................................................................................ 47
4.3 Uso e cobertura da terra no ano de 2009 ................................................................................ 50
4.4 Análise das Mudanças ............................................................................................................. 53
4.5 Extensão dos tipos de solos no distrito de Criúva.................................................................. 58
4.6 Extensão das classes de uso e cobertura da terra por tipo de solo ........................................ 60
5. CONCLUSÕES ............................................................................................................................ 63
6. REFERÊNCIAS BIBLIOGRÁFICAS ..................................................................................... 64
6
LISTA DE TABELAS
Tabela 1: Síntese do clima e vegetação para as áreas de campo do sul do Brasil desde o Último
Máximo Glacial. ......................................................................................................................... 17
Tabela 2: principais aplicações das bandas espectrais do sensor TM Landsat 5. .......................... 29
Tabela 3: Órbita-ponto e data das imagens Lansat 5 TM utilizadas no trabalho. .......................... 36
Tabela 4: Dados cartográficos utilizados no trabalho. ..................................................................... 37
Tabela 5: Extensão das classes de uso e cobertura da terra no ano de 1986. ................................. 49
Tabela 6: Extensão das classes de uso e cobertura da terra no ano de 2009. ................................. 52
Tabela 7: Tabela de comparação espacial entre os valores de todas as classes nos anos de 1986 e
2009. ............................................................................................................................................ 56
Tabela 8: Origem das classes de cobertura em 2009 em relação a 1986........................................ 57
Tabela 9: Extensão dos tipos de solo de primeira ordem categórica no distrito de Criúva ........... 60
Tabela 10: Extensão das classes de uso e cobertura da terra por tipo de solo no ano de 2009. .... 61
7
LISTA DE FIGURAS
Figura 1: Distribuição das formações campestres no sul do Brasil. ............................................... 14
Figura 2: Diagrama de porcentagem de pólen para uma turfeira em Cambará do Sul. ................. 17
Figura 3: Mapa de distribuição da vegetação natural potencial da América do Sul e previsões de
diferentes cenários para os próximos anos................................................................................ 18
Figura 4: Mapa de vegetação de 1974 e 1999 entre CPCN Pró-Mata e uma fazenda localizada no
setor noroeste. ............................................................................................................................. 19
Figura 5: Mapa das unidades de vegetação no nordeste do Rio Grande do Sul. ........................... 20
Figura 6: A: campo pastejado. B: campo não pastejado.................................................................. 20
Figura 7: Distribuição das famílias mais representativas da composição florística dos Campos de
Cima da Serra. ............................................................................................................................ 21
Figura 8: Áreas prioritárias para a conservação da biodiversidade da Mata Atlântica e Campos no
sul do Brasil. ............................................................................................................................... 22
Figura 9: Espectro eletromagnético. ................................................................................................. 24
Figura 10: Curva média típica do comportamento espectral de uma folha verde sadia. ............... 27
Figura 11: Base fisiológica para o desenvolvimento de Índices de Vegetação. ............................ 27
Figura 12: Modo como os dados medidos remotamente podem ser transformados em informação
útil. ............................................................................................................................................... 29
Figura 13: Localização do município de Caxias do Sul com o distrito de Criúva em destaque. .. 32
Figura 14: Imagem de Satélite do distrito de Criúva. ...................................................................... 33
Figura 15: Diagrama climático para a estação climática de Caxias do Sul. ................................... 34
Figura 16: Mapa de elevação do distrito de Criúva. ........................................................................ 35
Figura 17: Ampliação de um trecho do distrito de Criúva – Caxias do Sul – RS com as principais
composições utilizadas em imagens Landsat TM. ................................................................... 38
Figura 18: Janelas de visualização do programa ENVI mostrando a mesma área. A: banda 5 -
áreas sombreadas. B: o NDVI - minimização do sombreamento. ........................................... 39
Figura 19: A: campo com predominância de capim-caninha (verão). B: campo com aspecto
paleáceo (outono). ...................................................................................................................... 42
Figura 20: A: capoeira sucedendo o Campo Nativo. B: regeneração por capoeira de área onde foi
suprimida Floresta Ombrófila Mista. ........................................................................................ 43
Figura 21: Floresta Ombrófila Mista (mata de araucária) entremeando os campos nativos. ........ 43
Figura 22: Pastagem característica onde antes havia Floresta Ombrófila Mista. .......................... 44
Figura 23: Diferentes fisionomias da classe “Cultivos Agrícolas”. A e B: culturas perenes. C e
D: culturas temporárias. ............................................................................................................. 45
8
Figura 24: Plantio de Pinus sp. entre fragmentos de mata nativa. .................................................. 46
Figura 25: Classe água, representada nas fotos pelo Arroio da Mulada. ........................................ 46
Figura 26: Mapa do uso e cobertura da terra em 1986 do distrito de Criúva, Caxias do Sul, RS. 48
Figura 27: Representatividade das classes de uso e cobertura da terra no ano de 1986. ............... 49
Figura 28: Mapa do uso e cobertura da terra no ano de 2009 do distrito de Criúva, Caxias do Sul,
RS. ............................................................................................................................................... 51
Figura 29: Representatividade das classes de uso e cobertura da terra no ano de 2009. ............... 52
Figura 30: Comparação da extensão das classes de uso e cobertura da terra entre os anos de 1986
e 2009. ......................................................................................................................................... 53
Figura 31: Variação das classes de uso o cobertura da terra relativa à área total entre os de 1986 e
2009. ............................................................................................................................................ 54
Figura 32: Incremento e redução da extensão das classes de uso e cobertura da terra em 2009 em
relação à mesma classe em 1986. .............................................................................................. 54
Figura 33: Comparação da área com cobertura natural, antrópica e água entre os anos de 1986 e
2009. ............................................................................................................................................ 55
Figura 34: Mapa de solos do Criúva – Caxias do Sul – RS. ........................................................... 59
Figura 35: Extensão dos tipos de solo de primeiro nível categórico no distrito de Criúva. .......... 60
Figura 36: Extensão das classes do uso e cobertura da terra nos quatro tipos de solos de Criúva
no ano de 2009. ........................................................................................................................... 61
Figura 37: Classes do uso e cobertura da terra nos quatro tipos de solos de Criúva. .................... 62
9
LISTA DE ABREVIATURAS
CONAMA – Conselho Nacional do Meio Ambiente
CONSEMA – Conselho Estadual do Meio Ambiente
EMBRAPA – Empresa Brasileira de Pesquisa Agropecuária
ENVI® – Environment for Visualizing Imagens
GPS – Global Positioning System (Sistema de Posicionamento Global)
IBGE – Instituto Brasileiro de Geografia e Estatística
INPE – Instituto Nacional de Pesquisas Espaciais (Brasil)
LASER – Light Amplification by Stimulated Emission of Radiation (Amplificação da Luz por Emissão Estimulada de Radiação)
Landsat – Land Remote Sensing Satellite
MMA – Ministério do Meio Ambiente
MSS – Multiespectral Scanner Subsystem
NASA – National Aeronautics and Space Administration (EUA)
ND – Número Digital
NDVI – Normalized Difference Vegetation Index (Índice de Vegetação da Diferença
Normalizada)
Pixel – picture element
PROBIO – Programa de Conservação e Utilização Sustentável da Diversidade Biológica Brasileira
RadamBrasil – Projeto RadamBrasil
Radar – Radio Detection And Ranging (Detecção e Telemetria pelo Rádio)
RS – Rio Grande do Sul
SIG – Sistema de Informações Geográficas
SPOT – Satellite Pour l'Observation de la Terre (Satélite Para a Observação da Terra)
TM – Thematic Mapper
UTM – Universal Transversa de Mercator
10
RESUMO
Sensoriamento remoto na análise dos Campos de Criúva – Caxias do Sul – RS
Os Campos de Cima da Serra apresentam uma situação rara no mundo em termos de associação
de floresta de araucária e campos naturais. Variações espaciais e temporais da distribuição
campestre são fatores importantes que contribuem para o entendimento da existência dos atuais
campos do sul do Brasil. A utilização de sensoriamento remoto pode auxiliar na obtenção de
informações de forma mais rápida, precisa e de menor custo, quando comparadas às técnicas
tradicionalmente utilizadas. O motivo deste estudo foram as ameaças sofridas pelos campos
nativos. Apesar da enorme biodiversidade associada, a proteção dos campos tem sido
negligenciada, como se estes tivessem menor valor para conservação se comparados às florestas
nativas. O objetivo do presente trabalho foi analisar o uso e cobertura da terra e as mudanças
ocorridas entre os anos de 1986 e 2009, com ênfase na distribuição das formações campestres e
sua dinâmica espacial no distrito de Criúva, Caxias do Sul, Rio Grande do Sul, através de
técnicas de sensoriamento remoto, e verificar, também, a distribuição e extensão do uso e
cobertura da terra para os tipos de solos da área estudada. Foram utilizadas imagens Landsat TM
5, órbita-ponto 221/80 dos anos de 1986 e 2009, processadas no software ENVI® 4.6.1. Para o
georreferenciamento foi utilizada a base cartográfica digital da Serra Gaúcha. Através da
classificação não supervisionada Isodata, definiram-se as regiões a serem verificadas a campo.
Foram realizadas visitas à área de estudo e a fotodocumentação dos tipos de uso e cobertura da
terra. As verdades de campo, as composições de bandas e o NDVI foram utilizados para a
seleção das amostras da classificação supervisionada do algoritmo Máxima Verossimilhança.
Através da metodologia utilizada no trabalho foi possível separar as duas formações campestres
da área estudada, bem como matas, capoeiras e outros usos. Foram gerados mapas temáticos e as
classes identificadas apresentaram, nas datas de 1986 e 2009, respectivamente: campo nativo
(29-27%), capoeira (34-30%), mata (28-30%), campo antrópico (3-5%), cultivos agrícolas (2-
3%), silvicultura (0,2-2%) e água (0,7-1%). Constatou-se a redução das classes campo nativo e
capoeira, evidenciando a ameaça que estes ecossistemas sofrem. Na análise da distribuição
espacial das classes, não observou-se mudança considerável entre as duas datas. O estudo
mostrou que no ano de 2009 as matas encontravam-se majoritariamente sobre neossolos
enquanto campo nativo e capoeira apresentavam predominância, com valores similares, nos
solos cambissolos, nitossolos e gleissolos.
Palavras-chave: campos nativos, sensoriamento remoto, distrito de Criúva.
11
ABSTRACT
Analysis of Natural Grasslands in the district of Criúva, Caxias do Sul, Rio Grande do Sul,
Brazil, using remote sensing techniques.
The „„Campos de Cima da Serra‟‟ grasslands present a rare situation, in the world, in terms of
association of Araucaria forest and natural grasslands. Spatial and temporal distribution of the
lands are important factors that contribute to understanding the existence of current grasslands in
southern Brazil. The use of remote sensing can assist in obtaining information quickly, precise
and with less cost when compared to the traditionally used techniques. The reason of this study
were the threats faced by native grasslands. In spite the enormous associated biodiversity, the
protection of the grasslands has been neglected, as if they had a smaller value for conservation if
compared to the native forests. This study has the aim to examine the land use, and the changes
between the years 1986 and 2009, with emphasis on the distribution of grassland and their spatial
dynamics in the district of Criúva, Caxias do Sul, Rio Grande do Sul, Brazil, using remote
sensing techniques. Was also evaluated, the distribution and extent of landuse for the soil types
in the study area. Were used Landsat TM 5 images, orbit-point 221/80 from the years 1986 and
2009, processed using ENVI ® 4.6.1. For the georeferencing was used the digital cartographic
base of the region. By Isodata unsupervised classification, were defined the regions to be
checked in the field work. Were done visits to the study area and the photo documentation of the
types of land use. The knowledge of the area, the satellite images and the NDVI were used for
the samples selection for the supervised classification with Maximum Likelihood algorithim.
Through the methodology of the study was possible to separate two grassland types, forests,
shrubs and other uses. Thematic maps were done and the land use classes were identified by the
dates 1986 and 2009, respectively: native grassland (29-27%), shrubs (34-30%), forest (28-30%),
grazing (3-5%), crops (2-3%), wood forests (0.2 to 2%) and water (0.7 to 1%). It found a
reduction in natural grasslands and shrubs classes, highlighting the threat to these ecosystems. In
the analysis of the spatial distribution, no substantial change was observed between the two
dates. The study showed that in 2009 the forests were mostly on “neossolo” while grassland and
shrubs were mainly, with similar values, on “cambissolo”, “nitossolo” and “gleissolo”.
Keywords: natural grassland, remote sensing, southern Brazil.
12
1. INTRODUÇÃO
Os Campos de Cima da Serra, localizados no nordeste do Estado do Rio Grande do Sul,
apresentam uma situação rara no mundo em termos de associação de mata de araucária e campo
natural. Os campos apresentam alta diversidade de espécies vegetais e constituem as bases da
pecuária praticada em pequenas e médias propriedades.
A história dos campos no sul do Brasil, incluindo sua origem, desenvolvimento,
distribuição, composição e biodiversidade, assim como o papel do fogo e do impacto humano,
tem sido estudada apenas recentemente. Variações espaciais e temporais da distribuição
campestre são fatores importantes que contribuem para o entendimento da existência dos atuais
campos do sul do Brasil.
A geração de informações a respeito do meio físico da região é fundamental não apenas
para o conhecimento da região, mas também para adoção de tecnologias sustentáveis, que
promovam uma melhoria das condições de vida dos produtores rurais, e para conservação destes
ecossistemas.
A busca por novas metodologias de obtenção de informações sobre uma região, de forma
rápida e, sobretudo, confiável, visa agilizar os processos de tomada de decisão. Neste contexto, a
utilização de imagens de sensoriamento remoto em conjunto com os Sistemas de Informação
Geográfica (SIG) e sistemas de posicionamento global, tais como o GPS, podem auxiliar na
obtenção de informações regionais de forma mais rápida, precisa e, quando houver escala
suficiente, com menor custo, quando comparadas às geradas pelas técnicas tradicionalmente
utilizadas.
A utilização de sensoriamento remoto no estudo das transformações do uso da terra é
muito apropriada, principalmente na elaboração de uma base georreferenciada que promove a
representação e a análise do espaço geográfico de forma dinâmica, além da possibilidade de
análises multitemporais de uma mesma área.
O sensoriamento remoto permite a obtenção de informações sobre determinado alvo sem
que haja contato físico com o mesmo. Sensores a bordo de satélites são sensibilizados pela
resposta dos alvos à incidência de ondas eletromagnéticas que geram imagens em determinados
intervalos do espectro eletromagnético, de acordo com o sensor utilizado. A análise por
programas de computador pode extrair informações e gerar, entre outras possibilidades,
classificações quanto ao uso da terra e possibilitando o monitoramento multitemporal.
Através da interpretação e classificação de imagens de satélite obtém-se, de forma rápida e
a baixo custo, um mapa temático atualizado do uso e cobertura da terra. A análise de imagens de
13
datas distintas para a mesma área permite a detecção espacial de mudanças na cobertura da terra,
auxiliando no entendimento da dinâmica da vegetação e na tomada de decisões das atividades
humanas.
O que motivou este estudo foi o ritmo acelerado com que os campos estão sendo
convertidos em lavouras ou silvicultura, ou, pelo abandono da atividade pastoril, sendo
transformados em campos arbustivos e capoeiras pela ação da sucessão natural. Apesar da
enorme biodiversidade associada aos campos e serem uma formação vegetal importante tanto do
ponto de vista biológico quanto cultural e econômico, sua proteção tem sido negligenciada, como
se estes tivessem menor valor para conservação se comparados às florestas nativas.
O objetivo do presente trabalho foi analisar o uso e cobertura da terra e as mudanças
ocorridas entre os anos de 1986 e 2009, com ênfase na distribuição das formações campestres e
sua dinâmica espacial no distrito de Criúva – Caxias do Sul – Rio Grande do Sul, através de
técnicas de sensoriamento remoto. Foi analisada, também, a distribuição e extensão do uso e
cobertura da área de estudo com os tipos de solos.
14
2. REVISÃO DE LITERATURA
2.1 As formações campestres no Rio Grande do Sul
As formações campestres no Brasil encontram-se melhor representadas nos estados da
Região Sul (Figura 1). O Rio Grande do Sul concentra aproximadamente 75% desta vegetação
(Overbeck et al., 2007), encontrando-se no Estado em dois diferentes biomas: Mata Atlântica e
Pampa.
Os campos do bioma Pampa dominam a região sul e oeste do Rio Grande do Sul e são
também chamados de campos da Campanha, da região da Serra do Sudeste, da Depressão
Central ou simplesmente Pampa (Porto, 2002). Os campos do bioma Mata Atlântica, encontrados
nos estados do Paraná, Santa Catarina e porção nordeste do Rio Grande do Sul, são também
chamados de campos de altitude, formando mosaicos de vegetação como a Floresta Ombrófila
Mista (mata de araucária).
Figura 1: Distribuição das formações campestres no sul do Brasil.
Fonte: Adaptado de Pillar et al. (2006, p.2).
Os limites geográficos dos campos, bem como a nomenclatura adotada, têm tido uma
interpretação variada por diversos autores, gerando uma certa confusão.
Lindman (1906), que esteve no RS entre 1892 e 1893, foi um dos primeiros autores a
sugerir uma classificação sistemática para os campos. O botânico sueco sugeriu a utilização da
palavra “campos” na geografia botânica do Estado, para designar áreas desprovidas de mata.
Este naturalista salientou a diversidade destas formações e sugeriu uma caracterização dos
RS
SC
PR
Formações campestres
15
campos através de uma análise fisionômica, separando-os em campos subarbustivos ou sujos,
campos paleáceos e gramados ou potreiros.
Rambo (1956) na sua obra “A fisionomia do Rio Grande do Sul” sugeriu a classificação da
vegetação do Rio Grande do Sul em cinco regiões fisionômicas: Litoral, Serra do Sudeste,
Campanha do Sudoeste, Depressão Central e Planalto. Os campos de altitude foram situados na
região do planalto, enquanto as formações do atual bioma pampa distribuem-se nas demais
regiões fisionômicas.
Cabrera & Willink (1980) incluíram na Província1 Pampeana os campos meridionais que
abrangem o Uruguai e a metade sul do Rio Grande do Sul. Por sua vez, os campos de altitude
foram relacionados à Província Paranaense.
Teixeira et al. (1986) buscaram uma classificação baseada na nomenclatura fitogeográfica
internacional, através dos trabalhos do projeto RadamBrasil2. As formações campestres do
estado foram classificadas em Savanas, Estepes e Savanas-estépicas. As formações campestres
foram ainda incluídas nas Áreas de Tensão Ecológica e Áreas Pioneiras.
Boldrini (1997) analisou aspectos florísticos e fisionômicos para caracterizar os campos do
Rio Grande do Sul por regiões fisiográficas. Este trabalho trouxe uma lista das principais
espécies e considerações sobre os meios físico, biológico e sócio-econômico de cada região. A
autora separou os campos sulinos em Campos do bioma Mata Atlântica, onde se incluem os
campos de altitude, e Campos do bioma Pampa, este com diversas subdivisões.
Segundo Waechter et al. (2002), nos sistemas de classificação vegetacional publicados por
pesquisadores do projeto RadamBrasil e vinculados ao Instituto Brasileiro de Geografia e
Estatística (IBGE), os campos sulinos foram denominados de savanas e estepes, visando uma
concordância com terminologias internacionais. Interessantes discussões sobre essas
terminologias foram publicadas por Marchiori (2002, 2004).
Na última edição dos mapas oficiais de vegetação e biomas do Brasil (IBGE, 2004),
desenvolvida a partir do trabalho de Leite (1990), grande parte da savana passou a ser
denominada estepe. O termo savana, que era anteriormente utilizado pelo projeto RadamBrasil
1 Os autores Cabrera e Willink, neste caso, consideram para o termo Província uma região fisionômica, e não o uso
tradicional do termo província como divisão política.
2 O Projeto RadamBrasil foi responsável, nos anos 70 e 80, pelo levantamento dos recursos naturais do território
brasileiro. A equipe e todo o acervo técnico encontram-se, atualmente, incorporados ao IBGE. Fonte: Projeto
RadamBrasil, disponível online: <http://www.projeto.radam.nom.br>. Acessado em 25 de junho de 2010.
16
para denominar grande parte dos campos do Rio Grande do Sul, passou a ser reservado às
formações abertas do Brasil Central e Amazônia.
Estudos botânicos e fitogeográficos clássicos (Lindman, 1906; Rambo; 1956) e trabalhos
mais recentes sobre vegetação campestre no sul do Brasil (Boldrini, 1997; Behling et al., 2004;
Scur, 2005; Pillar et al., 2009), preferem referir-se a estas formações campestres simplesmente
como “Campos”.
2.2 Gênese dos campos
Os fatores que conduziram à atual fisionomia e diversidade dos campos, bem como à
distribuição espacial das comunidades campestres e florestais, ainda não foram totalmente
elucidados (Overbeck et al., 2007).
“Desde muitos anos os cientistas que se ocupam do estudo da vegetação se surpreendem
pelo fato das formações campestres dominarem uma região da América do Sul sob um clima
aparentemente adequado para comportar florestas.” (Quadros & Pillar, 1990). Segundo o mesmo
autor, a análise do clima atual não pode explicar a ausência de potencial vegetação florestal, mas
permite discorrer sobre evidências de climas pretéritos.
A existência de campos como ecossistemas naturais é anterior à chegada dos primeiros
grupos humanos, há cerca de 12 mil anos, conforme evidências obtidas por Behling et al. (2004,
2005). Na figura 2 é apresentado o diagrama polínico da análise de pólen e partículas de carvão
de turfeira no município de Cambará do Sul, mostrando a soma de percentagem polínica das
formações vegetais e taxa de concentração e acumulação de partículas carbonizadas, incluindo a
escala de tempo e as zonas polínica (Behling et al., 2004).
17
Figura 2: Diagrama de porcentagem de pólen para uma turfeira em Cambará do Sul.
Fonte: Adaptado de Behling et al. (2004, p. 283).
Behling et al. (2009) sintetizam as variações climáticas na tabela 1, sendo o clima mais frio
e seco até 10.000 anos atrás, quente e seco até 3.000 anos passados, voltando a tornar-se frio
porém úmido no período até 1.000 anos atrás, para finalmente no último milênio tornar-se quente
e úmido. Em função do clima mais seco e frio, a composição de espécies provavelmente diferia
da atual, mas já constituía essencialmente ambientes com predomínio de gramíneas.
Tabela 1: Síntese do clima e vegetação para as áreas de campo do sul do Brasil desde o Último Máximo Glacial.
Fonte: Behling et al. (2009, p.19).
18
De acordo com Pillar (2006), por volta de 4 mil anos antes do presente, teve início a
expansão natural das florestas a partir de refúgios em vales profundos, formando em algumas
regiões maciços florestais e florestas ripárias, indicando mudança para um clima mais úmido,
semelhante ao atual. Entretanto a paisagem do Rio Grande do Sul manteve-se
predominantemente campestre, sendo que os campos não se originaram pelo desmatamento,
como se pode equivocadamente pensar, mas sim por eventos de épocas remotas (Pillar, 2006).
Antes da introdução do gado realizada pelos jesuítas nas Missões do Rio Grande do Sul, os
animais pastadores da fauna nativa nos campos eram de pequeno porte, especialmente veados,
emas, capivaras, antas e pequenos roedores. Essas espécies submetiam a vegetação campestre a
uma pequena pressão de pastejo, provavelmente incapaz de controlar a expansão de vegetação
lenhosa. Existem, entretanto, evidências fósseis de grandes mamíferos pastadores de Equidae,
Camelidae e Cervidae que viveram na região até cerca de 8,5 mil anos (Bombin & Klamt, 1975
apud Quadros & Pillar, 1990).
De acordo com estudos do clima de Salazar et al. (2007) junto ao Instituto Nacional de
Pesquisas Espaciais (INPE), toda a região sul do Brasil seria potencialmente recoberta por
florestas. A distribuição da vegetação potencial tende a se manter e até avançar para o Uruguai,
no presente século (figura 3).
Figura 3: Mapa de distribuição da vegetação natural potencial da América do Sul e previsões
de diferentes cenários para os próximos anos.
Fonte: Salazar et al. (2007).
Segundo estudos conduzidos por Buriol et al. (2007), no Estado do Rio Grande do Sul as
condições climáticas são favoráveis à formação de vegetação natural do tipo floresta. Entretanto,
19
aproximadamente metade da área do estado é do tipo campestre. Pelos mesmos autores, o mais
contraditório é que, em uma mesma região, com características climáticas homogêneas, existem
áreas de campos e florestas intercaladas. Indagação para este assunto já havia sido formulada em
1906 por Lindman.
Segundo Rambo (1956), isto ocorre, principalmente, em função de que apesar das
disponibilidades climáticas atuais, as condições de solo impedem a formação de floresta em
grande parte do Estado. Pelos estudos climáticos, ao menos em um futuro remoto, toda a área do
Estado pode vir a ser ocupada por esta formação.
Por sua vez, Oliveira & Pillar (2004) verificaram o avanço de formações arbustivas sobre
campos, em estudo realizado em São Francisco de Paula, sobre fotografias aéreas entre os anos
de 1974 e 1999, através do programa Pró-Mata do CPCN (Centro de Pesquisa e Conservação da
Natureza) (Figura 4).
Figura 4: Mapa de vegetação de 1974 e 1999 entre CPCN Pró-Mata e uma fazenda localizada no setor noroeste.
Legenda: Campo (GRA), Campo com arbustos (GSR), Campo com arbustos altos (GTS), Floresta (FOR),
Vegetação antrópica (ANT).
Fonte: Oliveira & Pillar (2004, p.200).
20
2.3 Os Campos de Cima da Serra
Historicamente, os campos distribuídos no Planalto das Araucárias são denominados de
Campos de Cima da Serra. O paralelismo dos Campos de Cima da Serra com o Pampa é
principalmente fisionômico, uma vez que no planalto o regime pluvial é mais intenso e uniforme,
com temperaturas mais baixas e com alta freqüência de geadas (Leite, 1990).
Sua vegetação é representada por grandes extensões de campo, entremeados com matas de
araucária e turfeiras. (Boldrini, 2009). De acordo com o mapa das unidades de vegetação do Rio
Grande do Sul (IBGE, 2004), são reconhecidas duas formações campestres para a região
nordeste do Estado (figura 5).
Figura 5: Mapa das unidades de vegetação no nordeste do Rio Grande do Sul.
Fonte: Adaptado de IBGE (2004).
Outros elementos importantes desta região são os capões e as florestas de galeria,
constituídos por representantes das florestas pluviais (ombrófilas) e estacionais circunvizinhas.
As araucárias (Araucaria angustifolia), associadas a outras espécies como o pinheiro-bravo
(Podocarpus lambertii) e a bracatinga (Mimosa scabrela) cobertas por barba-de-pau (Tillandsia
usneoides), encontram-se junto a coxilhas amareladas pela grande quantidade de capim-caninha
(Andropogon lateralis), espécie dominante e característica da área (Boldrini, 2009).
Bond-Buckup (2008) diferencia os campos desta região em campos limpos ou pastejados
(Figura 6A) e campos sujos ou não pastejados (Figura 6B).
Figura 6: A: campo pastejado. B: campo não pastejado.
Fonte: Bond-Buckup (2008, p. 26).
A B
21
Apesar da aparente uniformidade, os campos sulinos possuem grande biodiversidade e
espécies vegetais de alto valor forrageiro (Fonseca et al. 2006). A estimativa do número de
espécies de gramíneas varia de 3000 a 4000 para todo o estado do Rio Grande do Sul, com
diferentes eficiências na produção de biomassa (Quadros & Pillar, 2002; Overbeck et al. 2007).
Os Campos de Cima da Serra constituem-se de uma importante região de campos naturais,
caracterizada, especialmente, por um tapete de hemicriptófitos cespitosos baixos e de geófitos
rizomatosos intercalados de caméfitas (Leite, 1990).
De modo geral, os campos são fisionomicamente caracterizados pelas Poaceae que
constituem o grupo dominante. Nos campos de altitude do Rio Grande do Sul, a família
Asteraceae apresenta o maior número de espécies. Apesar da sua dominância, seus indivíduos
ocorrem isolados em meio às gramíneas. Nos estudos de Boldrini (2009), estas duas famílias
aparecem como as mais representativas nos Campos de Cima da Serra, seguidas das
Leguminosae, Cyperaceae e Apiaceae. (figura 7).
Figura 7: Distribuição das famílias mais representativas da composição florística dos Campos de Cima da Serra.
Fonte: Boldrini (2009, p.71).
2.4 Conservação dos campos
Os campos do Rio Grande do Sul destacam-se quanto ao seu uso econômico. As extensas
pastagens encontradas pelos colonizadores europeus possibilitaram a criação de um grande
número de bovinos, eqüinos e ovinos ao longo dos últimos séculos. Esta atividade caracterizou
um dos principais ciclos econômicos do Estado durante o século XIX, o Ciclo das Charqueadas
(Lindman, 1906).
22
A pecuária utilizou por mais de cem anos o manejo por queimadas no final de cada inverno
ou a cada dois anos, com o intuito de propiciar o rebrote da vegetação que será utilizada na
alimentação do rebanho bovino na primavera e verão (Boldrini, 2009). Técnicas de manejo,
como o pastoreio e o fogo, aparecem como essenciais para a manutenção dos campos (Quadros
& Pillar, 2002). Atualmente, a atividade de da pecuária vem sendo substituída pela agricultura e
a silvicultura, porém, permanece como um dos principais elementos da economia do Estado.
Estudos conduzidos pelo Ministério do Meio Ambiente3 (MMA, 2000) revelam um mapa
de áreas prioritárias para a conservação da biodiversidade da Mata Atlântica e Campos Sulinos
no Brasil. A quase totalidade dos campos de altitude do sul do Brasil é classificada como de alta,
muito alta ou extrema importância biológica (figura 8).
Figura 8: Áreas prioritárias para a conservação da biodiversidade da Mata Atlântica e Campos no sul do Brasil.
Fonte: Adaptado de MMA (2000).
A resolução CONAMA (Conselho Nacional do Meio Ambiente) nº 10 de 1º de outubro de
1993 define Campo de Altitude no seu Art. 4º, como sendo:
III - Campo de Altitude: Vegetação típica de ambientes montano e alto-montano,
com estrutura arbustiva e/ou herbácea, que ocorre geralmente nos cumes litólicos das
serras com altitudes elevadas, predominando em clima subtropical ou temperado.
Caracteriza-se por uma ruptura na seqüência natural das espécies presentes nas
formações fisionômicas circunvizinhas. As comunidades florísticas próprias dessa
vegetação são caracterizadas por endemismos.
3 Estudos realizados em conjunto das seguintes instituições: Conservation International do Brasil, Fundação S.O.S
Mata Atlântica, Fundação Biodiversitas, Instituto de Pesquisas Ecológicas, Secretaria do Meio Ambiente do Estado
de São Paulo, SEMAD (Secretaria de Estado de Meio Ambiente e Desenvolvimento Sustentável)/Instituto Estadual
de Florestas de Minas Gerais.
23
O Código Florestal Federal (1965) prevê proteção de parcelas do solo sob forma de Áreas
de Preservação e Reserva Legal. Medidas de proteção mais restritiva para o bioma Mata
Atlântica são encontradas na Lei da Mata Atlântica (2006).
Não somente as florestas, mas também as demais formações vegetais naturais são
protegidas pelo Código Florestal Estadual (2000), como consta no seu Art. 6º:
Art. 6º - As florestas nativas e demais formas de vegetação natural de seu interior
são consideradas bens de interesse comum, sendo proibido o corte e a destruição parcial
ou total dessas formações sem autorização prévia do órgão florestal competente.
Neste contexto encontram-se os Campos de Cima da Serra. Entretanto não possuem de
mecanismos específicos para autorização de uso, excetuando-se casos como implantação da
silvicultura, atividade que possui legislação específica exclusivamente no estado do Rio Grande
do Sul (CONSEMA, 2009). Tramitam ainda propostas para a criação de mecanismos de proteção
dos Campos de Altitude4. Estas medidas esbarram não somente em discussões acerca da
composição florística e estrutura destes campos, mas principalmente no que se refere à
localização e extensão geográfica dos campos.
Aliado a isto, para a gestão ambiental são necessários, além dos estudos de vegetação,
elementos componentes das paisagens e os usos das terras, para que estes possam orientar
estratégias de planejamento (Oliveira et al., 2007).
2.5 Geoprocessamento e sensoriamento remoto
O geoprocessamento pode ser entendido como a utilização de técnicas matemáticas e
computacionais para tratar dados obtidos de objetos ou fenômenos geograficamente identificados
ou extrair informações desses objetos ou fenômenos quando eles são observados por um sistema
sensor (Moreira, 2005).
Sensoriamento Remoto é segundo Florenzano (2002) a tecnologia que permite obter
imagens e outros tipos de dados da superfície terrestre através da captação e do registro da
energia refletida ou emitida pela superfície. O termo sensoriamento refere-se à obtenção de
dados, e remoto é utilizado porque a obtenção é feita à distância, sem contato físico entre o
sensor e a superfície terrestre.
4 Proposta de Resolução da 54ª Reunião da Câmara Técnica de Assuntos Jurídicos do CONAMA de 4 a 6 de
novembro de 2009.
24
Com o surgimento dos primeiros satélites artificiais, a disponibilidade de dados para
sensoriamento remoto orbital têm aumentado em particular para estudos e observações do meio
ambiente, possibilitando o estudo da vegetação, especialmente dados de satélites Landsat (Land
Remote Sensing Satellite) e SPOT (Satellite Pour l'Observation de la Terre) (Yi, 1998). Isto se
deve às resoluções espectrais de seus sensores.
Imagens multi-espectrais da superfície da terra adquiridas por aeronaves ou satélites estão
disponíveis em formato digital. A grande vantagem disto é que estas imagens podem ser
processadas com o uso de computadores para realçar a informação. Tanto os sensores colocados
a bordo de satélites metereológicos quanto de satélites voltados para estudos de recursos naturais
terrestres operam nas mesmas faixas do espectro eletromagnético (Ponzoni & Shimabukuro,
2007).
No sensoriamento remoto, a maioria dos sensores utilizados para quantificar a radiação
eletromagnética (REM), proveniente dos alvos na superfície da Terra, utiliza como fonte de
radiação o sol, exceto os sensores ativos (radares e laser) que possuem suas próprias fontes de
radiação.
As interações entre a radiação eletromagnética e os objetos variam ao longo do espectro
eletromagnético. O olho humano apenas pode perceber a faixa compreendida no espectro visível
(figura 9), entretanto, sensores de sensoriamento remoto podem captar a energia de ondas de
menor ou maior comprimento de onda.
Figura 9: Espectro eletromagnético.
Fonte: Radiação Eletromagnética, disponível online: Wikipédia. Acessado em 30 de maio de 2010.
A REM é uma forma de transmissão da energia que consiste na aceleração de uma carga
elétrica que provoca perturbações no campo elétrico e magnético, se propagando no vácuo
(Novo, 1989). Quando essa radiação interage com a matéria, o resultado desta interação
dependerá das propriedades elétricas e magnéticas do material. Como resultado dessa interação,
25
a energia incidente é fracionada em três componentes, ou seja: parte é absorvida, parte é
transmitida e parte é refletida de volta para o espaço.
As imagens geradas por sensores remotos captam de forma seqüencial a radiância média
de uma área do terreno, equivalente ao tamanho do pixel (picture element), que corresponde à
resolução espacial. Estas são constituídas por um conjunto de pixels arranjados de forma
matricial, onde cada um tem uma localização definida em um sistema de coordenadas (linha e
coluna), representados por “x” e “y” (Crósta, 1992).
Cada pixel assume um atributo numérico que representa o nível de cinza, variando de preto
ao branco chamado de ND (número digital). Este ND corresponde à resolução radiométrica e
está relacionado com a média da intensidade da energia eletromagnética, refletida ou emitida
pelos diferentes materiais existentes na superfície da Terra.
Os fatores gerais que contribuem para o êxito da análise de dados de satélite são: época de
obtenção de imagens de satélite, tipo de produto, bandas espectrais, escala das imagens e
experiência do foto intérprete (Moreira, 2005).
Outros fatores que influenciam o mapeamento são o método de classificação, a qualidade
das imagens utilizadas, o tamanho da área de mapeamento (número de imagens necessárias) e o
tipo de amostragem.
Segundo Moreira (2005), a época de obtenção de imagens influencia muito no sucesso em
obter resultados sobre os alvos na superfície terrestre. Um bom exemplo para este fato é mapear
áreas ocupadas por culturas anuais. Sabe-se que após o plantio ocorre a emergência e o
crescimento da planta, até que ela atinja seu completo desenvolvimento vegetativo. Até esta fase,
a resposta espectral da cultura é muito influenciada pela resposta espectral do solo, que será
maior ou menor, dependendo do estádio de desenvolvimento da cultura. O sinal registrado nas
imagens do satélite será uma mistura da resposta espectral da cultura e do solo. Inicialmente, o
„pixel misturado‟ terá maior contribuição da resposta espectral do solo, que diminui à medida
que a cultura o sobrepõe, passando a influenciar mais no comportamento espectral. Por outro
lado, após a fecundação a cultura entra na fase de declínio (senescência), voltando o solo a
exercer influência no comportamento espectral do dossel da cultura.
A escolha das bandas espectrais é outro fator importante para o sucesso de uma
interpretação de imagens, e a seleção das bandas espectrais depende dos objetivos do trabalho.
Os produtos coloridos resultam da combinação de bandas espectrais, sendo cada banda associada
a uma das cores primárias. (Moreira, 2005).
26
2.6 Análise multitemporal da vegetação
O sensoriamento remoto, quando aplicado ao estudo do ambiente natural, permite a
comparação de uma mesma área em diferentes momentos, através da análise multitemporal,
analisando a cobertura natural e as atividades humanas (Pereira et al., 2009).
O conhecimento dos componentes do meio físico torna-se necessário para subsidiar
políticas direcionadas para a sua ocupação ordenada. Para isso, tecnologias espaciais que
fornecem dados do terreno de forma sinóptica e repetitiva apresentam-se com um instrumento
básico auxiliando no levantamento dos recursos naturais (Hernandez Filho et al., 1998).
O uso de imagens de sensoriamento remoto na cartografia da vegetação constitui um
grande diferencial em relação aos métodos tradicionais. A grande vantagem é ter um registro
georreferenciado a um momento único no tempo para uma área de grande extensão (Yi, 1998).
A análise de apenas uma data de dados obtidos por sensores remotos, visando extrair
informações importantes de variáveis biofísicas da vegetação, freqüentemente é de grande valor.
Porém, quando se pretende analisar a dinâmica do ecossistema, é necessário monitorar a
vegetação através do tempo e determinar quais sucessões de mudanças estão ocorrendo (Jensen,
2009).
2.7 Comportamento Espectral das Imagens de Satélite
O estudo da vegetação por sensoriamento remoto possui diversas escalas de trabalho
possíveis, desde as que permitem o estudo de partes de uma planta, como de um conjunto de
plantas (Ponzoni, & Shimabukuro, 2007). Para o estudo da vegetação é necessário considerar
dois aspectos principais: folhas independentemente e dossel.
Os três processos que descrevem as propriedades espectrais da vegetação são: absorbância,
reflectância e transmitância (Moreira, 2005). A energia absorvida pelos pigmentos das plantas
em determinados comprimentos de ondas é, em grande parte, dissipada em forma de calor ou
fluorescência, sendo que apenas uma pequena parcela é armazenada em forma de compostos
orgânicos através da fotossíntese (Gates et al., 1965 apud Yi, 1998).
Na figura 10, é representada a curva média típica de uma folha verde sadia. Nessa figura,
verifica-se que a região do visível (0,45 - 0,70 μm) caracteriza-se por uma alta absorção da REM
por parte dos pigmentos existentes nos cloroplastos. Eles são os responsáveis pela baixa
reflectância da vegetação na faixa do visível. Esses pigmentos são a clorofila, os carotenos e as
xantofilas presentes nas folhas em percentagens variadas (Kumar, 1972 apud Yi, 1998).
27
Figura 10: Curva média típica do comportamento espectral de uma folha verde sadia.
Fonte: Kumar (1972), apud Yi (1998 p.6).
O dossel é composto pelo conjunto de diferentes tipos de elementos da vegetação como:
folhas, galhos, frutas, flores, etc. (Goel, 1988 apud Yi, 1998), e a aplicação de técnicas de
sensoriamento remoto inclui a necessidade de compreender o processo de interação entre a
radiação eletromagnética e os diversos tipos de dosséis (Ponzoni, & Shimabukuro, 2007).
Neste sentido são utilizados índices de vegetação para monitorar e quantificar as condições
espaciais das vegetações, através da reflectância eletromagnética (Liu, 2006). Muitos índices
relacionam as reflectâncias do vermelho e do infravermelho próximo associada à vegetação
verde sadia, como pode ser visto na figura 11 (Jensen, 2009).
Figura 11: Base fisiológica para o desenvolvimento de Índices de Vegetação.
Fonte: Jensen (2009, p.385).
28
Um dos índices de vegetação mais utilizados é o Índice de Vegetação da Diferença
Normalizada, conhecido por NDVI (Normalized Difference Vegetation Index) (Liu, 2006) e
calculado pela fórmula:
NDVI = (NIR – VIS)
(NIR + VIS)
Em que: NDVI: Índice de Vegetação da Diferença Normalizada
NIR: reflectância da faixa no infravermelho próximo.
VIS: reflectância da faixa do visível
2.8 O programa Landsat
Existem diversos tipos de sensores a bordo de satélites, mas segundo Rosa (2001), o
sistema Landsat, desenvolvido pela NASA, vem permitindo a aquisição de dados espaciais,
espectrais e temporais da superfície terrestre de forma global, sinóptica e repetitiva.
Segundo Siqueira et. al. (2007), a utilização de imagens do sensor TM como base de dados
para o levantamento da cobertura e ocupação das terras da região sul do estado do Rio Grande do
Sul demonstra-se eficiente e capaz de suprir a necessidade de base de dados desta região.
O programa Landsat foi desenvolvido pela NASA (National Aeronautics and Space
Administration) no início dos anos 70. Este programa fez o lançamento de pelo menos sete
satélites encontrando-se atualmente em operação apenas o Landsat 5.
O Landsat 5 apresenta uma órbita polar de forma hélio-sícrona de aproximadamente 98° de
inclinação girando em órbita da Terra a uma altitude de 705 Km; a faixa de imageamento do
sensor TM é 185 X 185 Km, apresenta resolução temporal de 16 dias (NASA, 2010).
Existem dois sensores a bordo do satélite Landsat 5, o MSS (Multiespectral Scanner
Subsystem) e o TM (Thematic Mapper). No Brasil, quase que a totalidade dos trabalhos
desenvolvidos com o Lansat 5, na área de recursos naturais, utiliza dados coletados pelo sensor
TM (Novo, 1989).
O sensor Landsat TM 5 possui resolução espacial de 30m x 30m, com exceção da banda no
infravermelho termal com resolução de 120m x 120m. O espectro eletromagnético encontra-se
agrupado em sete bandas, como consta na tabela 2.
29
Tabela 2: principais aplicações das bandas espectrais do sensor TM Landsat 5.
Fonte: Adaptado de Novo (1989).
Banda Faixa espectral (μm) Aplicações
1 0,45 – 0,52 Mapeamento de águas costeiras; Diferenciação entre solo e vegetação; Apresenta sensibilidade a plumas de fumaça oriundas de queimadas.
2 0,52 – 0,60 Reflectância de vegetação verde sadia.
3 0,63 – 0,69 Absorção da clorofila;
Delimitação de manchas urbanas.
4 0,76 – 0,90 Levantamento de biomassa; Delineamento de corpos d‟água.
5 1,55 – 1,75 Medidas de umidade de vegetação.
Diferenciação entre nuvens e neve;
6 10,4 – 12,5 Mapeamento de estresses térmico em plantas; Outros mapeamentos térmicos.
7 2,08 – 2,35 Mapeamento hidrotermal.
2.9 Processamento dos Dados Orbitais
Uma revisão de como os dados de sensoriamento remoto podem ser transformados em
informação útil é apresentado na figura 12.
Figura 12: Modo como os dados medidos remotamente podem ser transformados em informação útil.
Fonte: Jensen (2009, p.196).
Durante o processo de imageamento e geração das imagens orbitais, estas estão sujeitas a
diversas fontes de erros, os quais introduzem distorções geométricas. As imagens apresentam
várias distorções espaciais causadas pelos movimentos dos satélites, não tendo nenhuma precisão
30
cartográfica em relação ao posicionamento dos objetos (x e y) na superfície terrestre, sendo
necessárias transformações para o uso correto destas imagens.
Segundo Moura (2000), essa transformação é conhecida por georreferenciamento (correção
geométrica ou registro de imagens), e relaciona as coordenadas da imagem (linha e coluna) com
as coordenadas geográficas (latitude e longitude). Para Crósta (1992), o georreferenciamento
além de transformar uma imagem, possibilita que a mesma assuma as propriedades de escala e
de projeção próprias de um mapa. Deste modo, pode-se gerar novos arranjos numéricos que
possibilitem a extração de informações confiáveis das imagens.
O procedimento da correção geométrica envolve diretamente três etapas: (I) determinação
da relação entre o sistema de coordenadas geográficas e a imagem, (II) Estabelecimento de um
conjunto de pontos de controle para definir a posição dos pixels na imagem corrigida, sendo que
este conjunto define um “grid” com as propriedades cartográficas do mapa; (III) cálculo dos
valores de intensidade dos pixels na imagem corrigida, por interpolação das intensidades dos
pixels da imagem original.
Em estudos multitemporais se procura analisar uma mesma Órbita/Ponto, mas de
diferentes datas. Nestes casos, é preciso assegurar que todos os pixels das imagens a serem
trabalhadas sejam referentes às mesmas áreas no terreno (Crósta, 1992; D‟Alge, 1999).
Muitas vezes, as pesquisas realizadas com dados de satélites ocorrem em áreas menores do
que a área de abrangência de uma cena imageada por determinado satélite (Moreira, 2005). Para
tal, aplicam-se máscaras a fim de eliminar as áreas fora da área de estudo, com o intuito de
diminuir o tempo computacional e as interferências da área alheia.
Para Crósta (1992), o processo de classificação digital de imagens multiespectrais tem por
objetivo associar cada pixel ou região de uma imagem a uma determinada classe, descrevendo o
tipo de cobertura no terreno (vegetação, agricultura, solo, água, áreas urbanas e outras feições de
interesse), ou seja, é um processo que extrai informações da imagem para reconhecer padrões
espectrais e objetos homogêneos. Segundo Moura (2000), entende-se por técnicas de
classificação digital de imagens os procedimentos utilizados para separar e identificar alvos na
superfície terrestre utilizando sistemas eletrônicos, auxiliando o elemento humano na
interpretação das informações contidas na cena.
Durante a classificação de dados digitais, os alvos da imagem recebem a denominação
genérica de classes, ou seja, na classificação procura-se rotular cada pixel da imagem segundo a
ocupação do solo, semelhante ao que se faz na abordagem visual. Para isso utilizam-se
programas apropriados, chamados de classificadores. A categorização dos valores dos níveis de
31
cinza é feita utilizando algoritmos estatísticos (programas computacionais) de reconhecimento de
padrões espectrais e radiométricos. Dependendo do algoritmo utilizado neste procedimento, a
classificação é dita supervisionada ou não-supervisionada, envolvendo duas fases distintas: o
treinamento e a classificação propriamente dita.
A classificação não supervisionada não possui uma fase de treinamento realizada pelo foto-
intérprete, logo, esta técnica é muito utilizada quando não se possui conhecimento prévio da área
de estudo e esta seja uma área relativamente grande (Jensen, 1986). Tal abordagem de
classificação corresponde a uma técnica de segmentação de imagens, onde as mesmas são
divididas em classes não conhecidas, ou seja, o algoritmo define as classes de similaridade com
base em regras estatísticas.
Na abordagem supervisionada, faz-se necessário o conhecimento prévio da área de estudo.
Schowengerdt (1997) afirma que, neste tipo de classificação, o analista deve ter bom
conhecimento da área de estudo, que é obtido por intensos trabalhos de campo.
Nesta classificação, o usuário deverá inicialmente escolher um conjunto de áreas
denominadas de amostras de treinamento, que consiste no reconhecimento de cada classe de uso
da terra na área imageada. O grande problema nesta fase é obter amostras de pixels puros,
representativos de cada classe. A resposta espectral de um alvo contido numa área do terreno
nunca é homogênea, e um mesmo tipo de alvo pode apresentar mais de um comportamento
espectral. Estas amostras são utilizadas para treinar o algoritmo de classificação que identificará
todas as feições que apresentam características espectrais similares na imagem a ser classificada.
Dentre os algoritmos supervisionados, os mais empregados são o Mapeador de Ângulo
Espectral, o Método do Paralelepípedo e a Máxima Verossimilhança.
O método do Mapeador de Ângulo Espectral (SAM) distribui os pixels das amostras em
diversas dimensões e utiliza o ângulo entre eles para determinar a que classe cada pixel pertence.
Já o Método do Paralelepípedo considera uma área retangular no entorno de cada área de
treinamento, com os níveis máximo e mínimo para aquela classe, para determinar a que classe
pertence o conjunto de pixeis. O algoritmo da Máxima verossimilhança (MaxVer) é o método de
classificação supervisionado mais comum. Considera as distâncias entre as médias dos níveis
digitais das classes e considera a probabilidade distribuição de normal de cada pixel pertencer à
determinada classe pré-estabelecida. (Ribeiro e Centeno, 2001).
32
3. MATERIAIS E MÉTODOS
3.1 Área de estudo
O estudo foi realizado no distrito de Criúva, situado no Planalto Sul-Brasileiro e
pertencente ao Município de Caxias do Sul, Rio Grande do Sul (figura 13). Os 457 km² do
distrito de Criúva perfazem 28% dos 1588 km² do município de Caxias do Sul.
Figura 13: Localização do município de Caxias do Sul com o distrito de Criúva em destaque.
Fonte: adaptado de Hasenack & Weber, 2007.
A área de estudo está limitada pelas latitudes 28°47‟S a 29°3‟S e longitudes 50°46‟W a
51°7‟W.
O mapa da figura 14 tem como permite a visão geral do distrito de Criúva e foi elaborado a
partir de uma imagem Landsat TM 5 órbita-ponto 221/080 de 13/04/2009, na composição de
bandas RGB/543.
33
Figura 14: Imagem de Satélite do distrito de Criúva.
Fonte: Landsat TM 5 composição RGB543 de 13/04/2009.
34
3.1.1 Clima
De acordo com o sistema de classificação de Köppen, o clima da área de estudo é do tipo
Cfb, ou seja, clima temperado úmido, com média de temperatura do mês mais quente não
ultrapassando 22ºC (Buriol et al., 2007). As temperaturas e precipitações médias anuais oscilam,
respectivamente, em torno de 17ºC e 130mm mensais, não apresentando déficit hídrico (figura
15).
Figura 15: Diagrama climático para a estação climática de Caxias do Sul.
Fonte: Buriol et al. (2007, p. 98).
3.1.2 Geologia, geomorfologia e pedologia
A base geológica encontrada na área de estudo pertence à Formação Serra Geral,
apresentando rochas de composição mais básica (basalto) nas seqüências inferiores e rochas mais
ácidas nas seqüências superiores, onde se destacam os riolitos e riodacitos, freqüentemente
visíveis sob forma de afloramentos (Almeida, 2009). Tal formação corresponde a processos
vulcânicos de efusão ocorridos entre 130 e 140 milhões de anos atrás (Jurássico-Cretáceo).
Geomorfologicamente, segundo o IBGE (1986), a área está compreendida na região do
Planalto das Araucárias, unidade Planalto dos Campos Gerais, composta exclusivamente de
rochas efusivas ácidas. Esta unidade geomorfológica apresenta um denso sistema de fraturas,
falhas e diaclases o que configura o sistema de drenagem em rios encaixados, em forma
dendrítica. Na área de estudo são encontrados os vales dos Rios das Antas e Lageado Grande,
além de inúmeros arroios, sendo os mais relevantes os Arroios da Mulada e Ranchinho.
A área de estudo possui amplitude altimétrica que varia de 260 a 965 metros (Brasil, 1979)
(figura 16).
35
Figura 16: Mapa de elevação do distrito de Criúva.
Fonte: Adaptado de Hasenack & Weber (2007).
Segundo Flores et al. (2007), na área de estudo são reconhecidos quatro tipos de solo em 1º
Nível Categórico (ordens), de distribuição intimamente associada aos padrões geomorfológicos e
litológicos da região. São eles, segundo a nomenclatura proposta por EMBRAPA (Empresa
Brasileira de Pesquisa Agropecuária) (2006):
1. Cambissolo: pedogênese pouco avançada evidenciada pelo desenvolvimento da
estrutura do solo com alteração do material de origem; grupo de solos pouco desenvolvidos com
horizonte B incipiente em seqüência ao horizonte superficial de qualquer natureza, podendo o
horizonte B apresentar argila de atividade baixa e/ou saturação por base baixa.
2. Gleissolo: manifestação de atributos que evidenciam a gleização, resultante de
processos de intensa redução de compostos de ferro, por efeito de flutuação de nível do lençol
freático, em condições de regime de excesso de umidade.
Limite do distrito
de Criúva
36
3. Neossolo: grupamento de solos pouco evoluídos, sem horizonte B diagnóstico
definido, com individualização de horizonte A seguido de C; solos em via de formação seja pela
reduzida atuação dos processos pedogenéticos ou por características inerentes ao material
originário.
4. Nitossolo: grupamento de solos com horizonte B nítico, com argila de baixa atividade;
avançada evolução pedogenética pela atuação de ferralitização com intensa hidrólise, originando
composição caulinítica-oxídica ou hidróxi-Al entre camadas.
3.2 Materiais
3.2.1 Dados orbitais
Foram selecionadas imagens Landsat TM 5 correspondentes à órbita-ponto 221/080
disponibilizadas gratuitamente na página eletrônica do INPE (Instituto Nacional de Pesquisas
Espaciais. Selecionaram-se imagens dos períodos outono-inverno de 1986 e 2009 (tabela 3).
Tabela 3: Órbita-ponto e data das imagens Lansat 5 TM utilizadas no trabalho.
Órbita-ponto Data da Passagem do Satélite
221/080 11/06/1986
221/080 13/04/2009
Para a escolha das datas das imagens considerou-se a época de menor cobertura de nuvens
e a senescência da vegetação. Não foram utilizadas imagens do período pós-inverno a fim de
evitar a interferência de queimadas, eventualmente ocorrentes na área de estudo, assim como do
intenso brotamento da primavera.
3.2.2 Dados cartográficos
Foram utilizadas cartas topográficas do Exército (Brasil, 1979), em escala 1: 50.000,
referentes às folhas SH.22VD-III-2 Caxias do Sul, SH.V-B-VI-4 São Marcos, SH.22-X-C-I-1
Oliva, SH.22-X-A-IV-3 Criúva.
Estes cartas também se encontram na Base Cartográfica digital da região da Serra Gaúcha,
disponível em trabalho coordenado por Hasenack & Weber (2007). Também foram consultados
os mapas disponibilizados em meio digital pela Prefeitura Municipal de Caxias do Sul. Os dados
cartográficos utilizados são apresentados na tabela 4.
37
Tabela 4: Dados cartográficos utilizados no trabalho.
Tipo Fonte
Folha SH.22VD- III-2 Caxias do Sul Brasil – Exército
Folha SH.V-B-VI-4 São Marcos Brasil – Exército
Folha SH.22-X-C-I-1 Oliva Brasil – Exército
Folha SH.22-X-A-IV-3 Criúva Brasil – Exército
Base Cartográfica Digital da Serra Gaúcha Hasenack & Weber
Plano Diretor de Caxias do Sul – Anexo 1 Prefeitura de Caxias do Sul
Zonas de Interesse Ambiental – Anexo 3 Prefeitura de Caxias do Sul
3.3 Metodologia
3.3.1 Processamento digital inicial
As imagens foram processadas no programa computacional ENVI® (Environment for
Visualizing Imagens) versão 4.6.1 disponível no Centro de Ciências Agrárias e Biológicas da
Universidade de Caxias do Sul. Para a etapa inicial do trabalho foram observados os seguintes
processamentos:
Georreferenciamento: foi realizado de imagem a imagem com o objetivo de se obter uma
perfeita correspondência de localização das áreas de ocupação da terra nas diferentes imagens,
uma vez que o mapeamento do uso e cobertura do solo no município teve como base o critério
multitemporal. Foram tomados como base geográfica para o georreferenciamento os dados
digitais das cartas topográficas do exército digitalizados pelo Centro de Ecologia da
Universidade Federal do Rio Grande do Sul (Hasenack & Weber, 2007). Foram coletados 50
pontos de controle distribuídos por toda a área de cada imagem, apresentando erro médio
quadrático menor que 1 pixel. A transformação utilizada foi polinomial de primeiro grau. A
projeção adotada foi a UTM (Universal Transversa de Mercator), fuso 22 sul e datum horizontal
SAD-69 (South American Datum 1969).
Técnicas de realce: permitiram melhor diferenciar as feições nas imagens, com a
vantagem de não alterar o padrão de resposta do histograma original.
Composições coloridas: utilizaram-se imagens Landsat TM 5 em todas as suas bandas
espectrais. Isto permitiu que fossem compostas diversas combinações entre as bandas da imagem
Landsat (figura 17). As mais relevantes neste trabalho foram:
- RGB 321: composição em cores reais. Procura representar as cores próximo à condição
do olho humano, mas nem sempre apresentando uma boa discriminação entre as feições.
38
- RGB 543: composição falsa-cor para uso da terra. Apresenta uma boa discriminação para
diversas feições como vegetação campestre e florestal, áreas degradadas, corpos d‟água, área
urbana entre outros. É a composição mais utilizadas para análises genéricas.
- RGB 453: é uma composição falsa-cor semelhante à RGB 543, pelo contraste visível
entre as feições, destacadamente diferenciando as áreas florestais dos demais usos, permitindo
visualmente uma melhor diferenciação entre as diferentes formações florestais, como por
exemplo áreas de mata nativa e silvicultura.
- RGB 432: composição falsa-cor infravermelho. Ressalta a absorção da radiação
eletromagnética pela vegetação densa, através do infra-vermelho próximo e o verde do visível.
Figura 17: Ampliação de um trecho do distrito de Criúva – Caxias do Sul – RS com as principais composições
utilizadas em imagens Landsat TM.
Fonte: Adaptado de imagem Landsat órbita-ponto 221/080 de 11 de junho de 1986.
39
NDVI: possibilitou uma análise aprofundada da vegetação, pois este índice de vegetação
evidencia as diferenças no que se refere à absorção da radiação eletromagnética. Esta foi uma
ferramenta importante na tomada de decisões do trabalho, determinando a seleção da assinatura
espectral (coleta de amostras). Outra função importante do NDVI foi a possibilidade de analisar
a vegetação com redução da interferência de áreas sombreadas, como nos vales mais profundos.
A figura 18 mostra a diferença de visualização de uma mesma área no distrito de Criúva, em
uma imagem rodada na banda 5 (aparecimento de áreas sombreadas) e com NDVI (normalização
da interferência do sombreamento). Deve-se considerar que nas áreas sombreadas a reflectância
mínima inviabiliza a obtenção mais confiável do real uso do solo nesses locais, como se tratam
de áreas de alta declividade, mas em geral recobertas por matas.
Figura 18: Janelas de visualização do programa ENVI mostrando a mesma área. A: banda 5 - áreas sombreadas. B:
o NDVI - minimização do sombreamento.
Fonte: Adaptado de imagem Landsat órbita-ponto 221/080 de 13 de abril de 2009.
Limites da área de estudo: Os limites do distrito foram construídos sob a forma de vetor,
a partir dos limites municipais disponibilizados pelo IBGE, adaptando estes às imagens de
satélite georreferenciadas e aos mapas disponíveis na página eletrônica da prefeitura de Caxias
do Sul.
Máscara: com os limites do município estabelecidos, foi aplicada uma máscara a fim de
eliminar o entorno da área de estudo, diminuindo assim tempo computacional e as interferências
da área alheia.
Classificação não-sepervisionada: foi realizada uma classificação não-supervisionada do
tipo Isodata para que se pudessem definir os alvos a serem verificados a campo.
3.4.2 Etapas realizadas a campo
O conhecimento in loco da área de estudo é uma etapa indispensável para a realização da
classificação supervisionada. Foram efetuadas duas visitas à área de estudo para reconhecimento
A B
40
de área, coleta de amostras para a assinatura espectral e a identificação e fotodocumentação das
classes de uso e cobertura da terra. Estas incursões ocorreram em 19 de dezembro de 2009 e 22
de janeiro de 2010. Para auxiliar os trabalhos de registro geográfico a campo, foi utilizado um
receptor GPS Garmin® Etrex, e para a fotodocumetação, uma máquina fotográfica digital.
Sempre que possível, as fotos tiveram registro da posição geográfica.
3.4.3 Classificação digital
A partir das observações a campo foram estabelecidas as classes mais representativas. As
verdades de campo foram utilizadas como amostras de treinamento.
Com a assinatura espectral foram realizadas a classificações supervisionadas preliminares
pelos seguintes métodos: Mapeador de Ângulo Espectral (SAM), Método do Paralelepípedo e
Método da Máxima Verossimilhança (MaxVer). O algorítmo da Máxima Verossimilhança
apresentou o menor número de pixels não classificados e melhor correspondência com a
realidade do local, sendo este classificador empregado em todas as classificações subseqüentes.
Após concluída a classificação supervisionada, foi realizada a terceira saída a campo em 2
de maio de 2010, para verificar a acurácia da classificação computacional.
Para a correção de eventuais erros, foi utilizado o aplicativo ClassEdit do programa
computacional ENVI®. Com isto, também foi atenuado o efeito da presença de pixels isolados,
comuns em produtos de classificações com o algoritmo de máxima verossimilhança.
3.4.4 Mapas temáticos
Com os resultados das classificações foram feitos mapas temáticos do uso e cobertura da
terra e demais temas abordados em escala 1:100.000. Os mapas foram construídos no programa
computacional ArcGIS®, sobre a base cartográfica digital da região da Serra Gaúcha, disponível
em trabalho coordenado por Hasenack & Weber (2007).
41
4 RESULTADOS E DISCUSSÃO
4.1 Classes de Uso e Cobertura da Terra
Para o distrito de Criúva, a análise da imagem Landsat 5 TM a partir de padrões de
interpretação (cor, tonalidade, textura e forma), aliado às observações realizadas a campo,
permitiu identificar e agrupar as seguintes classes de uso e cobertura da terra:
Campo nativo;
Capoeira;
Matas;
Campo antrópico;
Cultivos agrícolas;
Silvicultura;
Água.
Devido à preponderância de pequenos banhados na área de estudo, aliado à resolução
espacial de 30 metros imagens Landsat TM 5, não foi possível identificar este ecossistema pela
metodologia utilizada. Os banhados de maiores extensões foram incluídos pelo classificador
digital na classe Capoeira ou eventualmente em outra classe com resposta espectral semelhante.
4.1.1 Campo nativo
Nesta classe foram incluídas as formações campestres consideradas climácicas para a área
de estudo (figura 19A). O capim-caninha (Andropogon lateralis) é a espécie dominante nesta
formação, sendo este um fator determinante para a classificação florística deste campo. O capim-
caninha possui estrutura cespitosa e apresenta senescência da parte aérea no outono-inverno, o
que confere a esta gramínea a coloração amarelo-avermelhada e aspecto paleáceo (figura 19B), o
que permite a sua identificação a partir das imagens de satélite e pelo NDVI.
42
Figura 19: A: campo com predominância de capim-caninha (verão). B: campo com aspecto paleáceo (outono).
Este tipo de formação é classificado pelo projeto RadamBrasil como estepe-parque (IBGE,
2004). Corresponde aos campos paleáceos de Lindman (1906). Estes campos foram descritos por
Scur (2005) como a associação TRICHOCLINO CATARINENSE ANDROPOGETUM
LATERALIS encontrada associada às áreas de Floresta Ombrófila Mista, no estado do Rio
Grande do Sul, e desenvolvida sobre solos Cambissolos húmicos alumínicos e, raramente, em
solos mais profundos do tipo Neossolo Litótico distrófico típico. Para o mesmo autor, a
freqüência e o alto índice de cobertura das espécies Andropogon lateralis e Trichocline
catharinensis é considerado um aspecto importante desta associação, o que permite destacá-lo
quando feita a comparação com outras formações campestres.
4.1.2 Capoeira
Consideram-se dentro desta classe as formações de capoeira típicas, em estágio inicial de
sucessão, conhecidas como campos sujos ou subarbustivos (figura 20).
São comunidades arbustivas que constituem a etapa mais regressiva dos clímax arbóreos
da área estudada, principalmente em áreas submetidas ao manejo agropastoril e ao uso do fogo.
Desenvolvem-se sobre solos Cambissolos Alumínicos típicos, podendo encontrar-se também
sobre solos do tipo Neossolo Litólico distrófico (Scur, 2005).
Esta classe a campo foi considerada como sendo estágio inicial de regeneração, definido no
inciso I do Art. 2° da resolução CONAMA nº 33, de 7 de dezembro de 1994, como sendo:
I - Estágio inicial de regeneração: a) vegetação sucessora com fisionomia
herbácea/arbustiva, apresentando altura média da formação até 3 (três) m e Diâmetro à
Altura do Peito (DAP), menor ou igual a 8 (oito) cm, podendo eventualmente apresentar
dispersos na formação, indivíduos de porte arbóreo; b) epífitas, quando existentes, são
representadas principalmente por Liquens, Briófitas e Pteridófitas com baixa
diversidade; c) trepadeiras, se presentes, são geralmente herbáceas; d) serapilheira,
quando existente, forma uma camada fina, pouco decomposta, contínua ou não; e) a
diversidade biológica é variável, com poucas espécies arbóreas, podendo apresentar
plântulas de espécies características de outros estágios; f ) ausência de subosque; g)
A B
43
composição florística consiste basicamente de: Andropogon bicornis (rabo-de-burro);
Pteridium aquilinum (samambaias); Rapanea ferruginea (capororoca); Baccharias spp.
(vassouras); entre outras espécies de arbustos e arboretas.
Figura 20: A: capoeira sucedendo o Campo Nativo. B: regeneração por capoeira de área onde foi suprimida
Floresta Ombrófila Mista.
4.1.3 Mata
Consiste nas formações florestais em diferentes estágios de sucessão (figura 21), que
formam, majoritariamente, a Floresta Ombrófila Mista, e em menor escala, a Floresta Estacional
Decidual. Nesta classe foram incluídos também pequenos plantios de eucaliptos, devido à
resolução espacial de 30 metros da imagem Landsat e à semelhança espectral deste cultivo com
as formações florestais nativas.
Na resolução CONAMA nº 33 (1994), corresponde às matas primárias e às matas
secundárias em estágios médio e avançado de regeneração, que possuem entre outras
características, porte arbustivo-arbóreo com mais de oito metros de altura.
Figura 21: Floresta Ombrófila Mista (mata de araucária) entremeando os campos nativos.
A B
44
4.1.4 Campo antrópico
São incluídas áreas de vegetação campestre, nativa ou não, que se configurem como
resultado da ação humana (figura 22). Estas pastagens não são consideradas formações
climácicas e foram denominadas por Lindman (1906) de gramados ou potreiros.
Nesta classe predominam espécies de gramíneas do gênero Paspalum e, para Scur (2005),
a ausência das espécies Andropogon lateralis e Trichocline catharinensis distingue este tipo de
campo da classe Campos Nativos. Estes campos são encontrados junto às manchas de vegetação
arbórea, o que confere uma situação protegida e adubação natural pelo gado e pelas folhas caídas
das árvores próximas, contribuindo para a formação de um campo macio e com aspecto de
“gramado”. Segundo Porto (2002), o nome gramado parece se originar do fato de que algumas
espécies de Paspalum serem vulgarmente chamadas de “grama”.
As espécies que ocorrentes na classe Campo Antrópico não apresentam a rigidez de outros
tipos de campos, pois são verdes e com densa biomassa o ano todo, raramente apresentando
senescência de sua formação.
Figura 22: Pastagem característica onde antes havia Floresta Ombrófila Mista.
4.1.5 Cultivos Agrícolas
Esta classe agrega atividades de culturas permanentes (frutíferas em geral) ou temporárias
(lavouras) (figura 23). Também são incluídas áreas de solo exposto ou solos preparados para o
plantio de culturas anuais. No distrito de Criúva é pouco observada a rotação entre culturas
anuais e o pastoreio, como se verifica em outras regiões do Estado do Rio Grande do Sul.
45
Não foram incluídas nesta categoria monoculturas de espécies florestais exóticas, as quais
foram incluídas na classe silvicultura, nem as pastagens cultivadas, que foram incluídas na classe
campo antrópico.
Figura 23: Diferentes fisionomias da classe “Cultivos Agrícolas”. A e B: culturas perenes. C e D: culturas
temporárias.
4.1.6 Silvicultura
Compreende as atividades relacionadas às monoculturas de espécies florestais para a
extração de madeira ou seus subprodutos. Nesta classe predominaram os plantios de Pinus sp.,
por ser uma das espécies silviculturais de maior extensão para a área de estudo.
Uma particularidade da silvicultura no distrito de Criúva é que somente grandes plantios
apresentam talhões ortogonais, ao passo que em muitas áreas foram realizados plantios de forma
aleatória, entremeando a vegetação nativa e criando mosaicos que dificultam o reconhecimento
desta classe (figura 24).
A B
C D
46
Figura 24: Plantio de Pinus sp. entre fragmentos de mata nativa.
4.1.7 Classe Água
Esta classe é representada pelos cursos de água de maior volume (figura 25) e ou por
barramentos ou açudes dispersos por toda a área de estudo.
Figura 25: Classe água, representada nas fotos pelo Arroio da Mulada.
47
4.2 Uso e cobertura da terra no ano de 1986
A figura 27 apresenta o mapa de uso e cobertura da terra do distrito de Criúva no ano de
1986. Os campos nativos encontram-se por toda a área e predominam na porção sul do distrito.
As maiores extensões de mata situam-se nas porções norte e noroeste do município, e de maneira
descontínua no extremo leste, relacionadas às calhas do Rio das Antas, Rio Lajeado Grande,
Arroio da Mulada, Arroio Ranchinho e seus tributários, coincidindo com as áreas de maior
declividade e menores cotas de altitude, ou distribuídas de forma aleatória por todo o distrito, sob
a forma de capões. As maiores extensões de capoeiras são encontradas na porção central do
distrito, associadas aos capões de mata e aos campos, ou então, na porção norte entremeando as
matas mais contínuas. A distribuição dos campos antrópicos está espacialmente relacionada às
formações de mata das porções norte e noroeste. As classes cultivos agrícolas e silvicultura
encontram-se de forma independente na área de estudo. A classe água coincide com os cursos de
água de maior volume.
48
Figura 26: Mapa do uso e cobertura da terra em 1986 do distrito de Criúva, Caxias do Sul, RS.
49
A análise dos dados de 1986 fornece a extensão das classes de uso e cobertura da terra, de
acordo com a figura 27 e a tabela 5:
Figura 27: Representatividade das classes de uso e cobertura da terra no ano de 1986.
Tabela 5: Extensão das classes de uso e cobertura da terra no ano de 1986.
Classe de Uso da Terra Área
1986 Hectares km² %
Campo Nativo 13.699 136,99 29,93
Capoeira 16.007 160,07 34,97
Mata 13.004 130,04 28,41
Campo Antrópico 1.646 16,46 3,60
Cultivos Agrícolas 952 9,52 2,08
Silvicultura 127 1,27 0,28
Água 335 3,35 0,73
Total 45.768 457,68 100,00
Nesta data, a maioria da área era ocupada pelas classes campos nativos e capoeira,
perfazendo juntas 64% da área. Pode-se observar que apenas 2,32% da área era ocupada pela
agricultura e silvicultura, o que reforça a vocação predominantemente pastoril de Criúva.
50
4.3 Uso e cobertura da terra no ano de 2009
A figura 28 apresenta o mapa de uso e cobertura da terra do distrito de Criúva no ano de
2009. De um modo geral, a distribuição espacial das classes manteve-se semelhante à visualizada
no mapa de 1986. Os campos permanecem distribuídos por todo o distrito. As matas substituíram
muitas áreas de capoeira, em especial junto às calhas dos rios, e avançando para maiores
altitudes. A classe capoeira, que estava concentrada na porção central do distrito, encontra-se
agora distribuída de forma mais homogênea, observando-se também um avanço para o sul e uma
diminuição na porção norte, onde foram substituídas pela mata. Os campos antrópicos mantêm
sua distribuição espacial relacionada às formações de mata das porções norte e noroeste e
aparecem também, em 2009, nas porções centro-sul da área de estudo. As classes cultivos
agrícolas permanecem distribuídas aleatoriamente na área de estudo. A silvicultura aumentou
sua distribuição espacial na área de estudo, sendo seus plantios encontrados, em maior parte, nas
porções norte e noroeste, com exceção de um talhão de maior porte ao leste e outros menores na
porção central. A classe água continua coincidente aos cursos de água de maior volume, sendo
encontrada, também, sob a forma de açudes, por toda área de estudo.
51
Figura 28: Mapa do uso e cobertura da terra no ano de 2009 do distrito de Criúva, Caxias do Sul, RS.
52
A análise dos dados dá a extensão das classes de acordo com a figura 29 e a tabela 6:
Figura 29: Representatividade das classes de uso e cobertura da terra no ano de 2009.
Tabela 6: Extensão das classes de uso e cobertura da terra no ano de 2009.
Classe de Uso da Terra Área
2009 Hectares km² %
Campo Nativo 12.609,7 126,10 27,55
Capoeira 13.999,6 140,00 30,59
Mata 13.871,4 138,71 30,31
Campo Antrópico 2.321,7 23,22 5,07
Cultivos Agrícolas 1.377,8 13,78 3,01
Silvicultura 1.000,0 10,00 2,19
Água 584,6 5,85 1,28
Total 45.764,9 457,65 100,00
A partir dos resultados obtidos na classificação de 2009 verifica-se um aumento
considerável na representatividade das classes de cultivos agrícolas e silvicultura As classes
campo nativo, capoeira e mata continuam ocupando a maior parte do distrito.
53
4.4 Análise das Mudanças
O gráfico da figura 30 permite comparar percentualmente a variação das classes de uso e
cobertura da terra entre os anos de 1986 e 2009.
Figura 30: Comparação da extensão das classes de uso e cobertura da terra entre os anos de 1986 e 2009.
Os dados são apresentados também na tabela 6, acompanhados pela variação em
quilômetros quadrados e pela variação relativa à área total, em porcentagem.
Tabela 6: Variação relativa das classes de uso e cobertura da terra entre os anos de 1986 e 2009.
Classe de Uso da
Terra
1986 2009 Variação
km² % km² % km² %
Campo Nativo 136,99 29,93 126,10 27,55 -10,90 -2,38
Capoeira 160,07 34,97 140,00 30,59 -20,07 -4,38
Mata 130,04 28,41 138,71 30,31 8,68 1,90
Campo Antrópico 16,46 3,60 23,22 5,07 6,76 1,48
Cultivos Agrícolas 9,52 2,08 13,78 3,01 4,26 0,93
Silvicultura 1,27 0,28 10,00 2,19 8,73 1,91
Água 3,35 0,73 5,85 1,28 2,50 0,55
54
A variação relativa pode também ser visualizada no gráfico da figura 31.
Figura 31: Variação das classes de uso o cobertura da terra relativa à área total entre os de 1986 e 2009.
Foi calculado também o incremento e a redução das classes, como pode ser visualizado no
gráfico da figura 32. Destaca-se o aumento de 690% da classe Silvicultura, seguido de 75% para
Água, 45% para Cultivos Agrícolas, 41% para Campo Antrópico e 7% para Mata. Já as classes
Capoeira e Campo Nativo reduziram, respectivamente, 13% e 8% de sua extensão.
Figura 32: Incremento e redução da extensão das classes de uso e cobertura da terra em 2009 em relação à mesma
classe em 1986.
55
Em relação às mudanças ocorridas entre cobertura natural e antrópica entre as datas
amostradas, observa-se a redução das classes de cobertura natural e aumento nas de uso
antrópico (figura 33). Como classes de cobertura natural foram consideradas: campo nativo,
capoeira e mata. Campo antrópico, cultivos agrícolas e silvicultura foram incluídos em uso
antrópico. Classe água foi computada separadamente.
Figura 33: Comparação da área com cobertura natural, antrópica e água entre os anos de 1986 e 2009.
56
A tabela 7 é obtida pela análise comparativa espacial da cobertura da imagem de 1986 e
2009. As colunas representam a mudança da área de classe encontrada em 1986 e a que classes
elas pertencem em 2009. Por exemplo, a classe campo nativo que em 1986 tinha uma área total
de 136,92 km², manteve, em 2009, 84,90 km² de forma intacta espacialmente. Os 52,03 km²
restantes, migraram para as demais classes, nos valores observados na tabela, especialmente para
a classe capoeira (33,43 km²). Nas linhas pode-se observar, de maneira inversa, as classes de
origem de cada classe de cobertura atual. Para classe campo, dos 126,10 km² existentes em 2009,
84,90 km² se mantiveram como campo, e os 41,20 km² restantes são oriundos das demais
classes, especialmente da classe capoeira (32,14 km²).
Tabela 7: Tabela de comparação espacial entre os valores de todas as classes nos anos de 1986 e 2009.
Estado Inicial (1986)
Área (km²) Campo
Nativo Capoeira Mata
Campo
Antrópico
Cultivos
agrícolas Silvicultura Água
Total de
2009
Est
ado
Fin
al (
200
9)
Campo Nativo 84,90 32,14 1,64 4,40 2,83 0,07 0,13 126,10
Capoeira 33,43 78,82 21,36 2,84 2,64 0,21 0,67 139,97
Mata 3,56 29,99 99,52 2,43 1,01 0,66 1,55 138,71
Campo
Antrópico 5,51 8,46 2,98 5,40 0,81 0,02 0,02 23,22
Cultivos
agrícolas 6,73 3,55 0,86 0,82 1,74 0,03 0,06 13,78
Silvicultura 1,98 4,54 2,37 0,53 0,29 0,26 0,03 10,00
Água 0,81 2,58 1,31 0,03 0,20 0,02 0,89 5,85
Total de 1986 136,92 160,07 130,04 16,46 9,52 1,27 3,35
Mudança
de Classe 52,03 81,25 30,52 11,05 7,78 1,01 2,46
Incremento -10,83 -20,10 8,68 6,76 4,26 8,73 2,50
57
A tabela 8 especifica todas as modificações ocorridas nas classes, no que se refere à sua
origem e seu uso atual, ou seja, a que classes pertencem cada classe analisada no ano de 1986.
Tabela 8: Origem das classes de cobertura em 2009 em relação a 1986.
Origem da classe campo nativo de 2009 Origem da classe campo antrópico de 2009
km² % km² %
Campo Nativo 84,90 67 Campo Nativo 5,51 24
Capoeira 32,14 25 Capoeira 8,46 36 Mata 1,64 1 Mata 2,98 13 Campo Antrópico 4,40 3 Campo Antrópico 5,40 23
Cultivos agrícolas 2,83 2 Cultivos agrícolas 0,81 4 Silvicultura 0,07 0 Silvicultura 0,02 0
Água 0,13 0 Água 0,02 0
Total 126,10 100 Total 23,22 100
Origem da classe capoeira de 2009 Origem da classe cultivos agrícolas de 2009 km² % km² %
Campo Nativo 33,43 24 Campo Nativo 6,73 49 Capoeira 78,82 56 Capoeira 3,55 26
Mata 21,36 15 Mata 0,86 6 Campo Antrópico 2,84 2 Campo Antrópico 0,82 6
Cultivos agrícolas 2,64 2 Cultivos agrícolas 1,74 13 Silvicultura 0,21 0 Silvicultura 0,03 0 Água 0,67 0 Água 0,06 0
Total 139,96 100 Total 13,78 100
Origem da classe mata de 2009 Origem da classe silvicultura de 2009 km² % km² %
Campo Nativo 3,56 3 Campo Nativo 1,98 20 Capoeira 29,99 22 Capoeira 4,54 45
Mata 99,52 72 Mata 2,37 24 Campo Antrópico 2,43 2 Campo Antrópico 0,53 5 Cultivos agrícolas 1,01 1 Cultivos agrícolas 0,29 3
Silvicultura 0,66 0 Silvicultura 0,26 3 Água 1,55 1 Água 0,03 0
Total 138,71 100 Total 10,00 100
Origem da classe água de 2009
km²
Campo Nativo 0,81 14
Capoeira 2,58 44 Mata 1,31 22
Campo Antrópico 0,03 0 Cultivos agrícolas 0,20 3
Silvicultura 0,02 0 Água 0,89 15
Total 5,85 100
58
4.5 Extensão dos tipos de solos no distrito de Criúva
A figura 34 mostra a distribuição dos tipos de solo no distrito de Criúva. A maior extensão dos
Cambissolos localizam-se nas porções centro-sul. Os Neossolos predominam nas porções norte e
noroeste do município, e de maneira descontínua no extremo leste, associados às calhas do Rio
das Antas, Rio Lajeado Grande, Arroio da Mulada, Arroio Ranchinho e seus tributários. Os
Nitossolos localizam-se em posição intermediária entre os Cambissolos e Neossolos, enquanto
os Gleissolos encontram-se exclusivamente nas áreas planas junto ao Arroio da Mulada.
59
Figura 34: Mapa de solos do Criúva – Caxias do Sul – RS.
Fonte: adaptado de Flores (2007).
60
Com os dados do levantamento de solos realizado pela Universidade Federal do Rio
Grande do Sul (Flores, 2007) foram analisados os tipos de solo de primeira ordem categórica, em
sua extensão e distribuição na área de estudo. Pode-se observar a predominância de Cambissolo,
presente em 57% da área do distrito de Criúva, seguido de Neossolo (29%), Nitossolo (13%) e
Gleissolo (1%). Estes dados podem ser conferidos no gráfico da figura 35 e a tabela 9.
Figura 35: Extensão dos tipos de solo de primeiro nível categórico no distrito de Criúva.
Tabela 9: Extensão dos tipos de solo de primeira ordem categórica no distrito de Criúva
Tipo de solo km² %
Cambissolo 260 56,77
Neossolo 134 29,26
Nitossolo 58 12,66
Gleissolo 6 1,31
4.6 Extensão das classes de uso e cobertura da terra por tipo de solo
Os gráficos da figura 36 e a tabela 10 mostram a extensão dos 7 tipos de classe de uso e
cobertura da terra do ano de 2009 em cada tipo de solo do distrito de Criúva.
61
Figura 36: Extensão das classes do uso e cobertura da terra nos quatro tipos de solos de Criúva no ano de 2009.
Tabela 10: Extensão das classes de uso e cobertura da terra por tipo de solo no ano de 2009.
Classe de Uso da Terra Cambissolo Neossolo Nitossolo Gleissolo
km² % km² % km² % km² %
Campo Nativo 93,18 36 9,11 7 21,98 38 1,77 32
Capoeira 94,06 36 23,39 17 20,30 35 2,05 37
Mata 43,37 17 85,18 64 9,24 16 0,58 11
Campo Antrópico 10,53 4 9,78 7 2,79 5 0,11 2
Cultivos Agrícolas 8,83 3 1,92 1 2,11 4 0,88 16
Silvicultura 6,61 3 2,69 2 0,69 1 0,01 0
Água 2,94 1 1,97 1 0,64 1 0,12 2
Total 256,58 100 132,05 100 57,12 100 5,40 100
62
O gráfico da figura 37, por sua vez, compara todos os valores das classes e tipos de solos.
Figura 37: Classes do uso e cobertura da terra nos quatro tipos de solos de Criúva.
As classes campo nativo e capoeira apresentam predominância com valores similares nos
solos dos tipos cambissolo, nitossolo e gleissolo, e redução no neossolo. A classe mata foi
observada predominantemente sobre neossolos e com valores similares nos demais tipos de solo.
As classes campo antrópico e silvicultura comportam-se de forma idêntica nos cambissolos,
neossolos e nitossolos, e apresentam seus menos valores em gleissolos. Nestes, destaca-se a
classe cultivo agrícola, justificada pela aptidão deste tipo de solo para a agricultura.
63
5. CONCLUSÕES
A classificação de Lindman, postulada a mais de um século, e as classificações de Scur
(2005) foram as que melhor se adaptaram à determinação das classes de uso e cobertura
da terra.
Através das técnicas de sensoriamento remoto utilizadas foi possível separar, com um
classificador digital, as duas formações campestres da área estudada: campo nativo e
campo antrópico. Também foi separada da mata o estágio intermediário de sucessão
natural, chamado de capoeira neste trabalho.
Na análise da distribuição espacial das classes no distrito como um todo, não se observou
mudança considerável entre as datas de 1986 e 2009.
Em relação às mudanças ocorridas entre as duas datas, constatou-se a redução das classes
campo nativo e capoeira, evidenciando a ameaça que estes ecossistemas, pois carecem de
mecanismos para sua proteção. Observou-se aumento das classes de uso antrópico, em
especial a silvicultura.
O estudo mostrou que no ano de 2009 as matas encontravam-se majoritariamente sobre
neossolos enquanto campo nativo e capoeira apresentavam predominância, com valores
similares, sobre solos dos tipos cambissolo, nitossolo e gleissolo.
64
6. REFERÊNCIAS BIBLIOGRÁFICAS
Almeida, J. A. Fatores Abióticos. (2009) In: Boldrini, I. I. (2009) Biodiversidade dos campos
do planalto das araucárias. Brasília: MMA. 240p.
Behling, H.; Pillar, V. P.; Orlóci, L.; Bauermann, S. G. (2004). Late Quaternary Araucaria forest,
grassland (Campos), fire and climate dynamics, studied by high-resolution pollen, charcoal
and multivariate analysis of the Cambará do Sul core in southern Brazil. Palaeogeography,
Palaeoclimatology, Palaeoecology. 203. pp. 277-297.
Behling, H.; Pillar, V. P.; Bauermann, S. G. (2005). Late Quaternary grassland (Campos), gallery
forest, fire and climate dynamics, studied by pollen, charcoal and multivariate analysis of the
São Francisco de Assis core in western Rio Grande do Sul (southern Brazil). Review of
Palaeobotany and Palynology. 133. pp. 235-248.
Behling, H.; Jeske-Pieruschka, V.; Schüler, L.; Pillar, V. P. (2009). Dinâmica dos campos no sul
do Brasil durante o Quaternário Tardio. In: Pillar, V. P; Müller, S. C.; Castilhos, Z. M. S.;
Jacques, A. V. A. (2009) Campos Sulinos - conservação e uso sustentável da
biodiversidade. Brasília: MMA. 403p.
Bombin, M.; Klamt, E. Evidências paleoclimáticas em solos do Rio Grande do Sul. (1990).
XXVIII Congresso Brasileiro de Geologia. Anais. Porto Alegre, 1975. Quadros, F. L. F.;
Pillar, V. P. Transições floresta-campo no Rio Grande do Sul. Ciência & Ambiente. Vol. 1,
n.1. Santa Maria: UFSM. pp. 109-118.
Boldrini, I. I. (1997). Campos do Rio Grande do Sul: caracterização fisionômica e problemática
ocupacional. Boletim do Instituto de Biociências UFRGS, 56: Porto Alegre: UFRGS. pp.1-
39.
Boldrini, I. I. (2009). A Flora dos Campos do Rio Grande do Sul. In: Pillar, V. P; Müller, S. C.;
Castilhos, Z. M. S.; Jacques, A. V. A. (2009) Campos Sulinos - conservação e uso
sustentável da biodiversidade. Brasília: MMA. 403p.
Bond-Buckup, G. (2008). Biodiversidade dos Campos de Cima da Serra. Porto Alegre:
Libretos. 146 p.
Buriol, A. D.; Estefanel, V.; Chagas, A. C.; Eberhardt, D. (2007). Clima e Vegetação Natural
do estado do Rio Grande do Sul segundo o diagrama climático de Walter e Lieth.
Ciência Florestal. Vol 17, nº 002. Santa Maria: Universidade Federal de Santa Maria. pp. 91-
100.
65
Brasil. Dispõe sobre a utilização e proteção da vegetação nativa do Bioma Mata Atlântica, e
dá outras providências. Lei Nº 11.428, de 22 de dezembro de 2006.
Brasil. Novo Código Florestal. Lei federal n° 4.771, de 15 de setembro de 1965.
Brasil. Ministério do Exército (1979). Folhas: SH.22V-D-III-2 Caxias do Sul, SH.V-B-VI-4 São
Marcos, SH.22-X-C-I-1 Oliva, SH.22-X-A-IV-3 Criúva. Cartas topográficas. Escala 1:
50.000. Porto Alegre: DSG.
Cabrera A. L.; Willink A. (1980). Biogeografia da America Latina. 2 ed. OEA: Washington,
117p.
Caxias do Sul. Sistema Único de Informações. Disponível (online):
<http://www.caxias.rs.gov.br/planejamento/texto.php?codigo=7>. (Acessado em 30 de maio
de 2010)
CONAMA. Resolução n° 33 de 7 de dezembro de 1994.
CONAMA. Resolução nº 10 de 1º de outubro de 1993.
CONSEMA. Resolução n° 227 de 27 de novembro de 2009.
Crósta, A. P. (1992) Processamento digital de imagens de sensoriamento remoto.. Campinas:
IG/UNICAMP. 170p.
D‟Alge, J.C.L. (1999) Precisão de registro de imagens digitais.. São José dos Campos: INPE.
EMBRAPA. (2006). Sistema Brasileiro de Classificação de Solos. 2. ed. Rio de Janeiro:
Embrapa Solos. 306p.
ENVI. Environment for Visualizing Imagens. Disponível (online): http://www.envi.com.br/
(Acessado em 5 de fevereiro de 2009).
Florenzano, T. G. (2002). Imagens de Satélite para Estudos Ambientais. São Paulo: Oficina
de Textos. 97p.
Flores, C. A. F.; Pötter, R. O.; Fasolo, P.J.; Hasenack, H.; Weber, E. (2007) Levantamento
semidetalhado de solos: Região da Serra Gaúcha – Estado do Rio Grande do Sul. Porto
Alegre: UFRGS. Mapa.
Fonseca, E. L., V. C. P. Silveira; E. Salomoni. (2006). Eficiência de conversão da radiação
fotossinteticamente ativa incidente em biomassa aérea da vegetação campestre natural no
bioma Campos Sulinos do Brasil. Ciência Rural, 36. p. 656-659.
66
Hasenack, H.; Weber, E. (org.). (2007). Base cartográfica digital da Serra Gaúcha – escala
1:50.000. (Série Geoprocessamento, 2). Porto Alegre: UFRGS – Centro de Ecologia. CD-
ROM.
Hernandez Filho. P.; Ponzoni, F. J.; Pereira, M. N. (1998). Mapeamento da fitofisionomia e do
uso da terra de parte da bacia do Alto Taquari mediante o uso de imagens TM/Landsat e
HRV/SPOT. Pesquisa Agropecuária Brasileira. Vol. 33, N. Esp., P. Brasília.1755.
IBGE 2004. Mapa da vegetação do Brasil e Mapa de Biomas do Brasil. Disponível (online):
<http://www.ibge.gov.br>. (Acessado em 30 de maio de 2010).
IBGE. (1986). Folha SH. 22 Porto Alegre e parte das folhas SH.22 Uruguaiana e SI.22
Lagoa Mirim: geologia, geomorfologia, pedologia, vegetação, uso potencial da terra . Rio
de Janeiro: IBGE. Mapa.
Jensen, J. (1986). Introductory digital image processing: a remote sensing perspective. New
York: Prentice Hall. 355p.
Jensen, J. (2009). Sensoriamento Remoto do Ambiente: uma perspective em recursos
terrestres. São José dos Campos: Parênteses. 598p.
Leite, P. F. (1990) Contribuição ao conhecimento fitoecológico do sul do Brasil. Ciência e
Ambiente. Vol. 1, n.1. Santa Maria: UFSM.
Lindman, C. A. M. (1906). A vegetação no Rio Grande do Sul. Porto Alegre: Universal. 356p.
Liu, W. T. H. (2006). Aplicações de sensoriamento remoto. Campo Grande: UNIDERP. 908p.
Marchiori, J. N. C. (2002). Considerações terminológicas sobre os Campos Sulinos. Ciência &
Ambiente 24 pp.139-150.
Marchiori, J. N. C. 2004. Fitogeografia do Rio Grande do Sul: Campos Sulinos. Porto Alegre:
EST Edições, 110p.
MMA. (2000). Avaliação e ações prioritárias para a conservação da biodiversidade da Mata
Atlântica e Campos Sulinos, por: Conservation International do Brasil, Fundação SOS Mata
Atlântica, Fundação Biodiversitas, Instituto de Pesquisas Ecológicas, Secretaria do Meio
Ambiente do Estado de São Paulo e SEMAD/Instituto Estadual de Florestas-MG. Brasília:
MMA/ SBF. 40p.
67
Moreira, M. A. (2005). Fundamentos do Sensoriamento Remoto e Metodologias de
Aplicação. 3. ed. Viçosa: Ed. UFV. 307p.
Moura, V. Imagens multitemporais TM/Landsat-5 da época de pré-plantio na estimativa de áreas
destinadas a culturas de verão. (2000) Dissertação de mestrado. São José dos Campos:
INPE. 109p.
NASA. The Landsat Program. Disponível (online): <http://landsat.gsfc.nasa.gov>. (Acessado
em: 8 de fevereiro de 2010).
Novo, E. M. L. M. (1989). Sensoriamento remoto: princípios e aplicações. São Paulo: Edgard
Blucher. 308p.
Oliveira, J. M. & Pillar, V. D. (2004). Vegetation dynamics on mosaics of Campos and
Araucaria forest between 1974 and 1999 in southern Brazil. Community Ecology 5(2). pp.
197-202.
Oliveira, M. Z.; Veronez, M. R.; Thum, A. B.; Reinhardt, A. O.; Baretta, L.; Valles, T. H. A.;
Zardo, D.; Silveira, L. K. (2007). Delimitação de Áreas de Preservação Permanente: Um
estudo de caso através de imagem de satélite de alta resolução associada a um sistema de
informação geográfica (SIG). Anais do XII Simpósio Brasileiro de Sensoriamento
Remoto. Florianópolis: INPE. pp. 4119-4128.
Overbeck, G. E., S. C. Muller, et al. (2007) Brazil's neglected biome: The South Brazilian
Campos. Perspectives in Plant Ecology, Evolution and Systematics. 9. pp. 101-116.
Pillar, V. P.; Boldrini, I. I.; Hasenack, H.; Jacques, A. V. A.; Both, R. (2006). Workshop:
Estado atual e desafios para a conservação dos campos. Relatório Final. Centro de
Ecologia, UFRGS (não publicado).
Pillar, V. P; Müller, S. C.; Castilhos, Z. M. S.; Jacques, A. V. A. (2009) Campos Sulinos -
conservação e uso sustentável da biodiversidade. Brasília: MMA. 403p.
Ponzoni, F. J.; Shimabukuro, Y. E. (2007). Sensoriamento remoto no estudo da vegetação.
São José dos Campos: Editora A. Silva Vieira. 127p.
Porto, M. L. (2002). Os campos sulinos: sustentabilidade e manejo. Ciência & Ambiente 24. pp.
9-138.
Projeto RadamBrasil. Disponível (online): <http://www.projeto.radam.nom.br>. (Acessado em
25 de junho de 2010).
68
Quadros, F. L. F.; Pillar, V. P. (1990). Transições floresta-campo no Rio Grande do Sul. Ciência
& Ambiente. Vol. 1, n.1. Santa Maria: UFSM.
Quadros, F. L. F. e V. Pillar (2002). Transições floresta-campo no Rio Grande do Sul. Ciência e
Ambiente. 24. pp. 109-11.
Rambo, B. (1956). A fisionomia do Rio Grande do Sul. 2. ed. Porto Alegre: Selbach. 471p.
Ribeiro, S. R. S.; Centeno, J. S. (2001). Classificação do Uso do Solo Utilizando Redes Neurais
e o Algoritmo MAXVER. Anais X Simpósio Brasileiro de Sensoriamento Remoto. Foz do
Iguaçu: INPE. pp. 1341-1348.
Rio Grande do Sul. Código Estadual do Meio Ambiente. Lei estadual nº 11.520, de 03 de
agosto de 2000.
Yi, J. L. R. (1998). Classificação e Monitoramento da Cobertura Vegetal do Estado do Mato
Grosso Através de Imagens AVHRR. Dissertação de Mestrado em Sensoriamento
Remoto. São José dos Campos: INPE
Rosa, R. (2001). Introdução ao Sensoriamento Remoto. 4ª ed. Uberlândia: Editora da
Universidade Federal de Uberlândia. 210p.
Salazar, L. F.; Nobre, C. A.; Oyama, M. D.; Climate change consequences on the biome
distribution in tropical South America (2007). Disponível (online) Geophysical Research
Letters <http://www.agu.org/pubs/crossref/2007/2007GL029695.shtml>. (Acessado em 20 de
dezembro de 2010).
Pereira, R.; Sbersi, F.; Ulian, A. A.; Marchett, C. A.; Schäfer, A. Do mundo real aos mapas. In:
Schäfer, A. E.; Lanzer, R. M.; Pereira, R. (2009). Atlas Socioambiental dos municípios de
Mostardas, Tavares, São José do Norte e Santa Vitória do Palmar. Caxias do Sul:
EDUCS. 372p.
Schowengerdt, R. A. (1997). Remote sensing, models and methods for image processing. 2ed.
San Diego, USA: Academic Press, 522p.
Scur, L. (2005). Flora e vegetação dos campos do Município de Caxias do Sul – RS. Tese de
Doutorado em Biologia Ambiental. León (Espanha): Universidad de León.
Siqueira, O. J. W. de.; Bolfe, E. L.; Pereira, R. S.; Alba, J. M. F.; Miura, A. K. (2007). Ocupação
das terras e banco de dados geográficos para o desenvolvimento do Sul do Rio Grande do
69
Sul. Anais XII Simpósio Brasileiro de Sensoriamento Remoto. Florianópolis: INPE. pp.
5525-5532.
Teixeira M.B., Coura-Neto A.B., Pastore U. & Rangel Filho A.L.R. (1986). Vegetação. In:
Levantamento de recursos naturais (ed. IBGE). Rio de Janeiro: IBGE, pp. 541-632.
Waechter J.L. 2002. Padrões geográficos na flora atual do Rio Grande do Sul. Ciência &
Ambiente 24: 93-108.
Wikipédia. Disponível (online): <http://pt.wikipedia.org/wiki/Radia%C3%A7%C3%A3o_
eletromagn%C3%A9tica>. (Acessado em 30 de maio de 2010).