You are on page 1of 43

CLASlite

O sistema fcil de usar para monitorar o desmatamento e as perturbaes em floresta tropical

GUIA DO USURIO VERSO 2


Carnegie Institution for Science
1

Aps dcadas de desenvolvimento cientfico, o monitoramente florestal com o uso de satlites deve tornar-se uma atividade rotineira para quem no especialista, de forma que ajude a melhorar a conservao ambiental, o manejo florestal e o desenvolvimento de polticas para os recursos florestais.

Equipe do CLASlite: Gregory P. Asner, pesquisador chefe Guayana Paez-Acosta, coordenadora do projeto John K. Clark, lder de desenvolvimento tcnico David E. Knapp, programador senior S.R. Aravindh Balaji, programador Guia do Usurio atualizado em 13 de julho de 2010 Para obter informaes atualizadas sobre o CLASlite e software, acesse o site do CLASlite: http://claslite.ciw.edu/ Para obter assistncia tcnica, envie uma mensagem para: claslite_support@ciw.edu ou poste seus comentrios no Frum de Usurios no site do CLASlite. Departamento de Ecologia Global Carnegie Institution for Science 260 Panama Street Stanford, CA 94305 - EUA

Sumrio do Guia do Usurio do CLASlite

Apresentao de boas vindas ao Guia de Usurio do CLASlite .................................................... 4 Acordo do Usurio .......................................................................................................................... 5 I. A cincia por trs do CLASlite ............................................................................................... 6 I.1 A biblioteca espectral da floresta tropical: ..................................................................... 6 I.2 Desenvolvimento, Testes e Validao do CLAS e do AutoMCU ..................................... 7 I.3 Anlise CLASlite .............................................................................................................. 9 Onze resultados inditos do CLASlite: ................................................................................. 9 Uso e Disseminao do CLASlite ......................................................................................... 10 I.3.1 Interpretao dos resultados (dados de sada) do CLASlite ...................................... 12 II. Executando o CLASlite v.2 ................................................................................................... 15 III. Potencial e Limitaes do CLASlite ..................................................................................... 21 IV. Perguntas Freqentes FAQs .............................................................................................. 23 V. Praticando com o CLASlite: estudos de caso ....................................................................... 28 V.1 Extrao madeireira: Brasil (anlise de mltiplas imagens) ...................................... 28 V.2 Corte raso durante longo prazo: Hava (anlise de imagem nica)............................ 31 VI. Glossrio ............................................................................................................................... 34 Apndice I: Instalao do CLASlite e links teis .......................................................................... 35 Apndice II: Preparao das imagens e anlise de bandas para o CLASlite ............................. 37 Informaes para as imagens do exemplo fornecido pela CLASlite .................................. 41 Apndice III: referncias de publicaes .................................................................................... 43

Apresentao de boas-vindas ao Guia de Usurio do CLASlite


O Sistema de Anlise Landsat da Carnegie (Landsat Analysis System Lite) - CLASlite um pacote de software projetado para identificar o desmatamento e a degradao florestal de forma bem automatizada, a partir de imagens de satlite por sensoriamento remoto. O CLASlite engloba o estado-da-arte da pesquisa em sensoriamento remoto numa ferramenta simples, fcil de usar e ao mesmo tempo poderosa. Essa ferramenta foi idealizada e licenciada especialmente para o uso de organizaes sem fins lucrativos, desde as acadmicas e no-governamentais at as governamentais dos pases com florestas tropicais. Este guia oferece ao usurio informaes sobre a base cientfica do CLASlite e um passo-a-passo para utiliz-lo, bem como fornece as chaves que permitem interpretar seus resultados e compreender seu potencial de uso e suas limitaes. Esperamos que o CLASlite contribua com os esforos de monitoramento florestal de sua organizao e, conseqentemente, ajude a fortalecer as capacidades de monitoramento florestal regional em grande escala, o que necessrio para melhorar a gesto ambiental mundial. Para obter mais informaes e encaminhar perguntas sobre o CLASlite, no hesite em entrar em contato conosco pelo e-mail claslite@ciw.edu

Equipe do CLASlite na Carnegie Institution


Gregory Asner membro do corpo docente do Departamento de Ecologia Global da Carnegie Institution e tambm do Departamento de Cincia do Sistema Ambiental da Terra da Universidade de Stanford. Greg foi responsvel pelo desenvolvimento e lidera os projetos CLAS, CLASlite e AutoMCU. Guayana Pez-Acosta a coordenadora do programa de capacitao do projeto CLASlite; ela coordena as atividades de criao, planejamento, disseminao e treinamento para a comunidade de usurios do CLASlite. John Clark tcnico em sensoriamento remoto e lder de desenvolvimento tcnico do CLASlite; John fornece treinamento e apoio tcnico para a comunidade CLASlite, fazendo a interface entre as necessidades do usurio e o desenvolvimento tcnico. David Knapp programador senior da equipe permanente e especialista em processamento de imagens; Dave lidera a implementao de algoritmos e o processamento de dados de satlite para o CLAS e o CLASlite. Aravindh Balaji programador do projeto CLASlite; Aravindh lidera o desenvolvimento das interfaces grficas com o usurio e do ambiente de processamento para o CLASlite.

Acordo do Usurio
A instalao e uso do software CLASlite indicam que o usurio aceita inteiramente todas as condies descritas abaixo:
Sistema de Anlise Landsat da Carnegie lite, verso 2.0 A Carnegie Institution de Washington (Carnegie) uma organizao privada que desenvolveu, com recursos financeiros privados, o Sistema Carnegie de Anlise Landsat - Lite (CLASlite) para mapeamento da floresta tropical. A inteno da Carnegie trabalhar com terceiros para a disseminao e uso do CLASlite, com o propsito de realizar monitoramento e estudos ambientais. O objetivo deste Acordo do Usurio proteger a Informao que Propriedade da Carnegie e garantir o manuseio adequado dos dados e das informaes nos estudos que envolvam o uso do CLASlite. Assim, ao instalar o software CLASlite, o Usurio concorda com o seguinte: 1. O software CLASlite, inclusive todos os arquivos digitais executveis e de apoio, bem como as bibliotecas, continua sendo propriedade da Carnegie e no pode, em hiptese alguma, ser reproduzido nem disponibilizado para terceiros sem autorizao prvia e por escrito da Carnegie. proibida toda e qualquer tentativa de uso no autorizado do CLASlite bem como a reproduo de qualquer parte do software CLASlite. 2. O software CLASlite e quaisquer resultados obtidos por meio do mesmo devem ser usados somente para fins no-lucrativos. No permitido o uso para fins comerciais ou lucrativos. 3. Quaisquer relatrios, apresentaes ou publicaes do Usurio que contenham dados de anlise CLASlite, ou que resultem desses dados ou estudos, devem dar o crdito apropriado ao CLASlite e aos membros da equipe do CLASlite que porventura estejam envolvidos - se for o caso, eles devem ser indicados como co-autores. 4. O uso dos resultados CLASlite em relatrios ou publicaes requer a citao adequada do CLASlite e da Carnegie Institution de Washington. Alm disso, deve ser creditado o apoio das seguintes instituies: a Fundao Gordon e Betty Moore e a Fundao John D. e Catherine T. MacArthur. 5. A Carnegie Institution no oferece nenhuma garantia quanto qualidade e/ou preciso dos dados obtidos pelo Usurio na realizao de estudos com a utilizao do CLASlite nem da adequao de tais dados a nenhuma finalidade. O Usurio assume todos os riscos e responsabilidades pela coleta, interpretao e uso de quaisquer dados ou resultados obtidos com o uso do programa CLASlite. O Usurio dever indenizar a Carnegie em caso de reclamaes ou danos resultantes do uso do CLASlite pelo Usurio, conforme descrito neste documento. 6. Se solicitado pela Carnegie, o Usurio dever devolver todas as cpias de todas as Informaes de Propriedade da Carnegie e materiais do CLASlite que tenham sido disponibilizados para o Usurio, ou que tenham sido utilizadas por ele, com referncia realizao de estudos com o CLASlite.

I.

A cincia por trs do CLASlite

CLASlite o resultado de mais de uma dcada de pesquisa e trabalho de campo em sensoriamento remoto biofsico, que oferece uma abordagem de mapeamento automatizado por satlite para determinar um dos componentes mais importantes da estrutura da floresta tropical: a cobertura fracional do dossel vegetal, da vegetao morta e das superfcies desprovidas de vegetao. Tais coberturas fracionais so determinantes bsicos da composio, fisiologia, estrutura, biomassa e processos biogeoqumicos do ecossistema. A anlise da cobertura fracional a essncia do CLASlite, o que o torna uma ferramenta poderosa, estvel e de base biofsica, possibilitando um monitoramento florestal rpido e com rastreamento de erro. Alguns dos grandes desenvolvimentos que tornaram possvel o CLASlite so:

I.1 A biblioteca espectral da floresta tropical: At recentemente, havia um nmero limitado de assinaturas espectrais de vegetao verde e senescente e de substratos sem cobertura vegetal para regies tropicais. Tais assinaturas espectrais so a informao necessria para converter os pixels de imagens de satlite em informaes ecologicamente relevantes de pronta compreenso e uso pelas pessoas. A biblioteca espectral para as assinaturas de floresta tropical compreende a variao geral nas propriedades do dossel e do solo. Ela foi desenvolvida por meio de uma combinao de espectro-radimetros de campo e imagens de satlite hiperespectrais especializadas, ambos coletados e analisados durante uma srie de estudos de campo realizados de 1996 a 2003 (Asner et al. 2003a, 2004a, 2005). Existem trs bibliotecas de espectros genricos, quase universais, criadas para o CLASlite. A vegetao viva tecnicamente chamada de Vegetao Fotossinttica (VF) porque a vegetao viva mantm propriedades espectrais nicas associadas aos pigmentos fotossintticos da folha e ao contedo hdrico do dossel. Para a frao de vegetao morta ou senescente usa-se o termo tcnico Vegetao No-fotossinttica (VNF), que se expressa no espectro como um material de superfcie brilhante com caractersticas espectrais associadas com compostos secos de carbono. Por fim, no Substrato Descoberto (S) muitas vezes predomina o solo mineral exposto, embora tambm possa haver rochas e infraestrutura produzida pelo homem (tijolos, por exemplo). Para a biblioteca espectral de floresta tropical usada no CLASlite, tanto os espectros do S quanto os de VNF foram coletados por meio de medidas espectroscpicas de base terrestre utilizando espectro-radimetros de campo (Analytical Spectral Devices, Inc., em Boulder, Colorado, nos EUA). A biblioteca do S engloba uma variedade de tipos de solo mineral, nveis de matria orgnica superficial e condies de umidade. A biblioteca de espectros de VNF inclui lixo superficial, grama ou pastagem senescente, resduos do desmatamento (corte de picadas e clareiras) e outros elementos secos de carbono coletados de uma grande variedade de espcies e estados de decomposio. Em contraste com os substratos descobertos e o VNF, os espectros VF no dossel florestal exigem condies de visualizao area, o que difcil considerando que as rvores variam entre 5 e mais de 50 metros de altura. As medidas espectrais de folhas individuais, pilhas de folhas ou
6

dossel parcial (como galhos) introduzem erros importantes nos modelos de mistura espectral que requerem informaes em nvel de dossel. (Asner 2008). Para desenvolver uma biblioteca espectral em nvel de dossel para o CLASlite, foram coletados os dados espectrais de VF utilizando-se o sensor Hyperion (Ungar et al. 2003) do satlite Earth Observing-1 (EO-1), que foi o primeiro espectrmetro de imagens espaciais lanado pela NASA para aplicao ambiental. Os dados Hyperion foram coletados em muitos lugares de controle de floresta tropical no Brasil em 1999-2000 e resultaram em mais de 40.000 observaes espectrais feitas com resoluo de 30m (Asner et al. 2005). Esses dados hiperespectrais sofreram correo atmosfrica para refletncia e foram convoludos para os canais espectrais utilizados pelos sensores do Landsat 4, 5 e 7, ALI (Advanced Land Imager), ASTER, SPOT 4 e 5, e o MODIS no CLASlite. Como resultado, esses dados incluem os efeitos variveis do sombreamento intra e inter cumes, que so comuns nas florestas tropicais (Asner and Warner 2003). No total, os espectros representam mais de 230.000 observaes de espectrmetro espaciais e de campo.

I.2 Desenvolvimento, Testes e Validao do CLAS e do AutoMCU O Sistema de Anlise Landsat da Carnegie (CLAS) foi desenvolvido como um sistema especialista para mapear, em nvel nacional, o desmatamento florestal e perturbaes florestais, inclusive a extrao seletiva de rvores (Asner et al. 2005, 2006). CLAS inclui um submodelo bsico chamado AutoMCU, ou Separao Automatizada Monte Carlo (Asner and Heidebrecht 2002, Asner et al. 2004), que fornece uma anlise quantitativa da cobertura fracional ou percentual (0-100%) da vegetao viva ou morta, e de substratos descobertos (sem vegetao) em cada pixel de satlite (por exemplo, dentro de cada pixel de 30 X 30m numa imagem Landsat). A biblioteca espectral de florestal tropical forneceu os grupos de refletncia espectral requeridos pelo submodelo Auto MCU: vf( ), vnf( ), e substrate( ) [quadro I.1]. O AutoMCU uma abordagem probabilstica baseada na fsica do dossel (Asner 1998) para desconvoluir cada pixel da imagem nessas trs fraes de cobertura componentes, VF, VNF e S.

Teste e validao do CLAS Em 2005, o CLAS foi usado pela primeira vez numa rea grande (Asner et al. 2005), para analisar 480 imagens feitas de 1999 a 2002 dos estados do Par, Mato Grosso, Rondnia, Roraima e Acre. Nesses estudos iniciais, o CLAS foi usado para mapear a extrao seletiva de rvores, com uma estimativa conservadora de erro, de 11 a 14%. Em 2007, 80% da Amaznia peruana foram analisados de 1999 a 2005 com o CLAS, o que resultou em ndices de cobertura florestal, desmatamento e perturbaes florestais numa resoluo espacial de 30m. Incertezas na deteco do desmatamento e de perturbaes florestais ficaram em 0.5% e 9.0%, respectivamente, segundo avaliao de uma equipe de campo peruana independente (Oliveira et al. 2007). A tecnologia central do algoritmo CLAS de deteco de mudana foi melhorada com verses automatizadas e otimizadas da correo atmosfrica e de neblina, e os processos de mascaramento de gua e/ou nuvens do AutoMCU (Asner et al. 2004).

Quadro I.1: O AutoMCU baseia-se num algoritmo desenvolvido para ecossistemas de floresta, savanas, matas e arbustos (Asner 1998, Asner e Lobell 2000, Asner e Heidebrecht 2002), que depois foi modificado para florestas tropicais (Asner et al. 2004, 2005). O mtodo usa trs grupos de membros finais espectrais gerais derivados de grandes bases de dados de campo e imagens de satlite, para decompor cada pixel da imagem usando a seguinte equao linear:

pixel

=
vnf

Cvnf

Ce e] + + Csubstrate

= [Cvf substratel] +

vf

Onde e a biblioteca (e) do membro final da refletncia no comprimento de onda e um termo de erro. Resolver cada frao de cobertura (Ce) de subpixel exige que as observaes de satlite ( contenham suficiente pixel) informao espectral para resolver um conjunto de equaes lineares, cada uma da forma na equao (1) porm com diferentes comprimentos de onda ( ).

I.3 Anlise CLASlite CLASlite um subconjunto do sistema de processamento CLASS. Ele foi construdo em cima de muitos mdulos bsicos do CLAS que facilitam a anlise da cobertura florestal em alta resoluo. Ao contrrio do CLAS, a abordagem CLASlite foi desenvolvida novamente e orientada para ser mais automatizada e fcil de usar. Dois dos submodelos bases continuam sendo AutoMCU (Separao Automatizada Monte Carlo) e o mtodo de correo atmosfrica dos 6S - Segunda Estimulao do Sinal de Satlite no Espectro Solar (Vermote et al. 1997). O AutoMCU fornece uma anlise quantitativa em nvel de subpixel do percentual de cobertura vegetal viva ou morta (senescente) e de substrato descoberto, enquanto o 6S funciona numa abordagem nica para fazer a correo atmosfrica das imagens CLASlite usando observaes do sensor Terra MODIS da NASA. Onze resultados inditos do CLASlite: Imagem de Refletncia Calibrada, disponibilizando bandas espectrais calibradas a partir dos dados brutos at a refletncia da superfcie aparente (topo do dossel). O nmero de bandas varia conforme o sensor (por exemplo: Landsat: 6 bandas de refletncia; SPOT: 4 bandas, etc.). 3 Imagens de Cobertura Fracional, indicando a presena de vegetao viva (o nome tcnico VF), vegetao morta (o nome tcnico VNF) e substrato descoberto (S) em nvel de subpixel (por exemplo, resoluo sub-30m nas imagens Landsat ou resoluo sub-20m nas imagens do SPOT-4). 3 Imagens de Incerteza - para cada imagem descrita acima, uma outra imagem fornecida que d a incerteza de cada uma das imagens VF, VNF e S, o que soma mais 3 imagens. Aqui, todos os valores da incerteza aparecem como desvio padro do percentual mdio de cobertura das trs bandas iniciais descritas acima. Quanto mais alto o nmero, maior a incerteza da estimativa do CLASlite sobre VF, VNF ou S naquele pixel. Essas trs imagens de incerteza ajudam a localizar reas na imagem com resultados suspeitos. A incerteza pode ser ocasionada por nuvens ou sombras de nuvens, por corpos dgua, neblina ou bruma (por exemplo, provocada por incndios), caractersticas nicas da terra e terreno acidentado, entre outros. Imagem de Erro Total mostra erro total na imagem do CLASlite. Erro Total expresso como erro da raiz quadrada da mdia (RMS). Um pixel com um baixo Erro Total indica que a soluo CLASlite provavelmente boa, enquanto um Erro Total elevado sugere que a soluo no foi boa e que ela deve ser descartada ou utilizada com cautela. A imagem de Erro Total uma verificao final da preciso dos resultados do CLASlite. Imagem da Cobertura Florestal, mapeando a cobertura florestal a partir de uma nica imagem. Imagem de Desmatamento e de Perturbaes Florestais, detectando a mudana entre duas ou mais imagens feitas da mesma rea geogrfica ao longo do tempo. Essa anlise de mltiplas imagens a abordagem mais precisa para detectar a perda florestal (desmatamento), o ganho florestal (crescimento secundrio) ou a degradao florestal (reas perturbadas).
9

Uso e Disseminao do CLASlite


Em 2007, o CLASlite v1.0 foi desenvolvido a partir de supercomputao e programao e apresentado num pacote de software lite. Em 2008, o CLASlite estava pronto para ser usado em instuies sem fins lucrativos e as primeiras sesses de treinamento foram feitas no Peru, com a participao de cerca de 18 organizaes, inclusive ONGs e instituies acadmicas. O CLASlite v2.0 , portanto, o esforo mais recente da Carnegie; a ferramenta tem novas funes e aceita uma variedade maior de satlites (veja os detalhes na Tabela I.2) Hoje, o objetivo fomentar a transferncia do CLASlite para instituies governamentais, acadmicas e ONGs das regies dos Andes e do Escudo das Guianas.

CLASlite um mtodo bastante geral porm discriminatrio que identifica mudanas na floresta 1 1. Adapta-se a mudanas na floresta sem ser sensvel demais variao do tipo de floresta, arquitetura e composio das espcies: Auto MCU 2. Permite correo dos efeitos atmosfricos, embora deixe espao para um grau de incerteza da composio atmosfrica na poca da aquisio dos dados. 3. Funciona com um grande variedade de imagens e sensores de 2 satlite: LANDSAT (4, 5, 7), MODIS, SPOT (4,5), ASTER, ALI 4. Do ponto de vista tecnolgico: automatiza o mtodo e aplicvel a computadores de mesa (desktop) padres, e foi projetado para que tcnicos de nvel bsico possam dominar seu uso rapidamente. 5. Do ponto de vista da capacitao: sua transferncia se baseia num processo de compartilhamento do conhecimento, juntamente com assistncia tcnica eficaz e em tempo oportuno em apoio ferramenta.

Maximiza o uso das imagens disponveis

Disponvel para todos os usurios do monitoramento florestal

Figura I.2 A meta oferecer um sistema rpido e confivel para mapear a cobertura florestal, o desmatamento e a degradao florestal.

Tabela I. 2 Sistema Carnegie de Anlise Florestal


Requisitos do software Conhecimento de sensoriamento remoto por parte do usurio Freqncia das sries temporais para anlise Tempo de processamento CLASlite V.2.0 Baixo Selecionadas Horas PC (processador x86 (32 bits)), Windows XP e Vista, 4 Gb disco duro, 1 GB RAM). CLASlite V.1.0 Baixo Imagem nica Horas CLAS Alto Imagens de sries anuais Dias a semanas

Sistema operacional

PC (processador x86 (32 bits)), Windows XP, 2 GB disco duro, 1 GB RAM)

Supercomputadore s

Funcionalidades do software Calibrao e pr-processamento das Implementao Implementao imagens completa completa Implementao Implementao Correo atmosfrica da imagem completa completa Anlise da cobertura florestal na Implementao Implementao resoluo de subpixel completa completa Anlise da cobertura de vegetao Implementao Implementao viva X morta completa completa Mascaramento de nuvens e de Implementao Implementao sombras de nuvens parcial parcial Reconhecimento do padro para mapeamento detalhado das operaes No No de extrao de rvores LANDSAT 4, 5, 7, ASTER, ALI, LANDSAT 4, 5, 7, Satlites aceitos MODIS, SPOT-4, ASTER, ALI SPOT-5 Imagens de satlite processadas por Vrias Uma uso (at dez) Deteco de mudana na floresta Sim No Mapeamento da cobertura florestal Sim No Visualizador de imagens Sim No

Implementao completa Implementao completa Implementao completa Implementao completa Implementao completa Implementao completa

LANDSAT 5, 7

Centenas Sim Sim No

10

Quadro I.2: O Sistema de Processamento CLASlite engloba: (i) calibrao radiomtrica e correo atmosfrica dos dados do satlite; (ii) desconvoluio dos pixels da imagem em cobertura fracional subpixel do dossel florestal com vegetao viva, senescente ou do substrato descoberto; (iii) mascaramento de nuvem e de gua; e (iv) classificao das imagens em floresta/no-floresta, desmatamento e perturbao florestal. Veja a figura I.3. Esses processos so feitos em 6 passos explicados na Seo II: execuo do CLASlite. Fontes de imagem aceitas pelo programa: Mapeador Temtico (TM) do Landsat 4 e 5, Mapeador Temtico Melhorado Plus (ETM+) do Landsat 7, Radimetro Espacial Avanado de Reflexo e Emisso Termal (ASTER), Sensor Avanado de Imagens Terrestres (ALI) do satlite Observador da Terra-1 (EO-1) Satlite de Observao da Terra 4 e 5 (SPOT), e Espectrmetro de Imagens de Resoluo Moderada (MODIS). Junto com as imagens brutas, so pedidas as informaes sobre a localizao geogrfica e os ajustes bsicos do sensor, sendo ambas disponibilizadas nos dados efmeros (de status) do satlite que muitas vezes esto armazenados na informao do cabealho da imagem.
11

I.3.1 Interpretao das imagens resultantes (dados de sada) do CLASlite Anlise de bandas de imagens de refletncia Depois que uma imagem tenha sido convertida para a refletncia de superfcie aparente no Passo 2, essa imagem pode ser visualizada com Freelook para ver o perfil de refletncia de cada pixel. Na figura abaixo, mostram-se as bandas 5, 4 e 3 (Vermelho, Verde e Azul) para a refletncia da imagem de exemplo do satlite Landsat 7.

Se colocar o cursor sobre um pixel florestado, voc poder ver um perfil espectral daquele pixel ao selecionar OpesPerfil Z. No perfil espectral, o eixo X representa o nmero da banda e o eixo Y representa a refletncia (% vezes 100). Na figura I.4 pode-se ver que a vegetao tem uma refletncia NIR (sigla em ings para infravermelho prximo) (banda 4) de mais de 30%, enquanto a refletncia vermelha (banda 3) de apenas 2%. Esta diferena entre o NIR e a refletncia vermelha caracterstica da vegetao vibrante. A linha entre essas duas bandas chamada de borda vermelha. Pode-se ver tambm que nas bandas visveis (1, 2 e 3) este pixel mais brilhante no verde (banda 2) do que no azul e no vermelho (bandas 1 e 3, respectivamente). Esta a razo pela qual a vegetao aparece na cor verde para o olho humano. No pixel que tem pouca ou nenhuma vegetao, v-se que a refletncia NIR mais baixa e que a refletncia Vermelha mais alta do que nos pixels com vegetao. A forma tpica que vimos na vegetao com picos nas bandas 2 e 4 no existe no espectro deste pixel, o que indica que h menos vegetao.
Visible Bands

Red Edge

Fig. I. 4 Anlise de banda perfil da refletncia do pixel

12

Anlise de Bandas das Imagens da Cobertura Fracional Aps a produo da imagem da cobertura fracional, ela pode ser vista no Freelook como um composto de cores de trs bandas. tpico da equipe CLASlite mostrar a banda 1 (sem cobertura vegetal) em vermelho, a banda 2 (vegetao viva) em verde e a banda 3 (vegetao morta) em azul. Se selecionarmos Opes Localizao/ Valor do Cursor, poderemos ver os valores das 3 fraes em percentual. No exemplo abaixo, o pixel tem 4% sem vegetao, 96% de vegetao viva e 0% de vegetao morta. A soma desses percentuais fica perto de 100, embora devido ao arredondamento possvel que a soma no seja exatamente 100. Esses trs valores so as fraes mdias das 30 interaes rodadas nesse pixel. No prximo pixel de exemplo, que tem uma aparncia bem mais avermelhada, as fraes so 35% sem vegetao, 40% com vegetao viva e 27% com vegetao morta. As prximas 3 bandas da imagem (bandas 4, 5 e 6) contm o desvio padro das respectivas fraes. Se olharmos o perfil Z do pixel, poderemos ver o traado dos valores de todas as 7 bandas da imagem da cobertura fracional. Nesse exemplo, as bandas 1, 2 e 3 so os valores que vimos anteriormente no valor/localizao do cursor. V-se que os desvios padres das fraes (bandas 4, 5 e 6, respectivamente) mostram que o desvio da mdia foi muito pequeno nas 30 interaes, o que indica que a soluo foi muito coerente para as 3 fraes. O erro da raiz quadrada da mdia (RMSE) (banda 7) tambm relativamente baixo, o que indica que o perfil espectral criado a partir da anlise baseada no algoritmo Monte Carlo Automatizado (AutoMCU) ficou muito prxima dos espectros reais do pixel.

Fig. I. 5 Anlise de bandas perfil da cobertura fracional do pixel

Isso indica que se pode confiar na capacidade das fraes de reproduzir a refletncia dos espectros do pixel. Se o erro da raiz quadrada da mdia (RMSE) fosse elevado - como acontece tipicamente em sombreamentos e outros aspectos para os quais o CLASlite no foi projetado -, teramos que supeitar das fraes daquele pixel. Por esse motivo, usa-se o erro da raiz quadrada da mdia (RMSE) para mascarar os pixels contaminados pela presena da gua, nuvens ou outros aspectos indesejveis.
13

Imagem da cobertura fracional, mapas compilados do desmatamento e perturbaes florestais, e mapa da cobertura florestal
As imagens abaixo mostram a cobertura fracional (Fig. I.6 ) dos trs componentes da estrutura da floresta tropical, que dependendo dos percentuais (Tabela I.3), indicam a condio da floresta. Anlises posteriores, baseadas em trs critrios de deciso (Tabela I.4) permitem identificar o desmatamento e a perturbao florestal por meio do modo de mltiplas imagens (Passo 4) e a cobertura florestal pelo modo de imagem nica (Passo 5) (Figuras I.7 e I.8, respectivamente).
Tabela I, 3 % de cobertura fracional e relao com a condio da floresta
Imagem da cobertura fracional Vegetao viva (Vv ou VF) Vegetao morta (Vm ou VNF) Substrato descoberto (S) Cobertura fracional em nvel de sub-pixel Floresta primria ou floresta secundria tardia 90%-100% 0-10% 0-5% ~ 100% Floresta com perturbaes ou reas madeireiras 0-80% 60-70% 0-20% ~ 100% rea desmatada

0-10% >80% >10% ~ 100%

Fig. I.6 Imagem da coberturafracional

Tabela I. 4 Valor da cobertura fracional em % de Vegetao viva, vegetao morta e substrato descoberto (sem vegetao). -Usado para gerar Mapa do Desmatamento e Perturbaes Florestais (modo de mltiplas imagens) e de Cobertura Florestal (modo de imagem nica)
Desmatamento Modo de Mltiplas Imagens

Fig. I.7 Imagens do desmatamento (esquerda) e de perturbaes florestais (direita). Modo de mltiplas imagens.

((VF0 > 60%) AND ((-100% < VF1-VF0 < -40%) and (VNF1-VNF0 > 4%))) OR ((VNF0 < 30% and S0 < 15%) and (VF1 80% and VNF1 > 20% and S1 0%) and (VF1-VF0 < -9% and VNF1-VNF0 > 15% and S1-S0 > -99.9%))
Perturbao Modo de Mltiplas Imagens

(VF1-VF0 -40%) AND (VF0 > 80% and VNF0 < 25% and S0 < 15%) AND (VF1 < 85% and VNF1 > 15% and S1 < 7%) AND ((VF1-VF0 < -6% and 7% < VNF1-VNF0 < 14% and S1-S0 -1%) or (VF1-VF0 < -7% and VNF1-VNF0 > 13% and S1-S0 < -1%))
Cobertura forestal Modo de Imagem nica

VF 80

Fig. I.8 Mapeamento da cobertura florestal. Modo de imagem nica

14

II.

Executando o CLASlite v.2

Antes de rodar o CLASlite, o usurio deve completar a tarefa 1 - Instalao do CLASlite, que consta no Apndice I, e a tarefa 2 - Preparao das Imagens, que aparece no Apndice II. Para iniciar o CLASlite, clique no atalho do CLASlite_v2 em seu desktop. A aparece o painel Mquina Virtual. Clique em Continuar. Aparece ento o painel de boas vindas do CLASlite, seguido do painel principal de trabalho do CLASlite. Depois de formatar adequadamente os dados de imagem, os dados podem rodar por meio de um procedimento de um nico passo (Anlise da Imagem Auto Run) ou do procedimento de dois passos (Calibrar imagens de satlite e Gerao de Mapa da Cobertura Fracional). Ambas as opes conseguem processar mltiplas imagens ao mesmo tempo.

Figura II. 1 Painel principal do CLASlite v.2

Alm disso, o CLASlite v.2 carrega dois passos adicionais para determinar a cobertura florestal (Mapear a Cobertura Florestal) e a mudana na cobertura florestal (Mapear as Mudanas na Floresta). Todos esses passos podem ser acessados no painel principal do CLASlite v.2, conforme se v na imagem esquerda. Passo 1 inicialmente calibra as imagens de satlite com base nos metadados; faz a correo atmosfrica seguida do mascaramento de nuvens e dos corpos dgua. H tambm uma opo de correo da neblina que aparece na imagem. Depois de fazer o pr-processamento da imagem, feita uma anlise da mistura espectral para determinar o contedo de solo, vegetao viva e vegetao morta. Isto deve ajudar o usurio a deduzir a quantidade de vegetao presente na amostra dada de imagem. Para fazer apenas a calibrao das imagens de satlite, pode-se escolher o passo 2 com imagens de satlite brutas e geolocalizadas. Da mesma forma, para fazer apenas a anlise de mistura espectral das imagens de refletncia, pode-se rodar o passo 3 . Passo 4, Mapear a Variao da Floresta, serve para determinar a escala do desmatamento ou perturbao florestal ocorrida numa determinada regio ao longo dos anos. Esse passo vem junto com a opo de mapear a magnitude do desmatamento ou perturbao ocorrida no tempo. Para os usurios que possuem apenas uma nica imagem, o Passo 5 permite uma abordagem rpida para estimar a quantidade de floresta presente numa dada regio. Os passos 4 e 5 requerem, ambos, imagens que foram processadas pelo CLASlite.
15

Passo 6 uma opo que permite aos usurios dispor de um mascaramento adicional para minimizar os problemas provocados por nuvens, neblina atmosfrica, corpos dgua e outros efeitos comuns em imagens de satlite.Nos passos 1, 2 e 3 o usurio tambm dispe de uma opo para preencher os parmetros com valores pr-definidos. uma opo til principalmente quando o usurio quer processar mais de uma imagem ao mesmo tempo. Assim, em vez de colocar os valores dos dados individualmente para cada imagem, o usurio pode carregar uma tabela que foi pr-definida com todos os valores necessrios. Exemplos dessas tabelas encontram-se na pasta de dados de exemplo do protocolo de transferncia de arquivo (ftp) do CLASlite com os nomes book_autorun, book_refl, book_frac. Deve-se usar vrgulas para separar os valores da tabela e eles devem ser ordenados numa determinada ordem. A primeira linha da tabela deve ser o nome do rtulo. As linhas seguintes so para que o usurio coloque os valores que correspondem aos dados. Em todos os passos, exceto no 5, o usurio ser colicitado a entrar com a pasta de seu arquivos de entrada e de sada. No passo 5, o usurio deve entrar com os arquivos da imagem de entrada, enquanto a imagem de sada ser automaticamente colocada na pasta onde se encontra o arquivo de entrada. Cada um desses passos descrito em detalhe nas pginas seguintes. Mostramos tambm os resultados (dados de sada) desses passos usando-se como exemplo a imagem feita da Amaznia peruana pelo Landsat 7 (Figura 2.1). Passo 1: Auto Run Anlise da Imagem Este passo essencialmente uma combinao da calibrao da imagem do satlite e a Figura II.2: Imagem tpica do Landsat-7 mostra a floresta gerao do mapa da cobertura fracional. O peruana em tons de verde e a contaminao de nuvens em branco usurio deve fornecer os arquivos dos dados de entrada junto com os metadados e com um arquivo de sada (resultante) no qual ser gravado o mapa da cobertura fracional. A imagem de refletncia ter o nome do arquivo de entrada com a terminao _refl. Essa Anlise da Imagem AutoRun tem opes como as seguintes: Processar mltiplos arquivos. Armazenar o arquivo de imagem da cobertura fracional no formato ENVI / TIFF. Correo de neblina. Aceita os satlites LANDSAT 4,5,7, ALI, ASTER, MODIS, SPOT

No caso do MODIS, a imagem de entrada deve ser a imagem de refletncia.

16

Ao escolher a opo Anlise da Imagem AutoRun, ser pedido ao usurio que escolha o nmero de imagens a serem processadas. Esse passo apresenta a opo de escolher no mximo 4 imagens. O usurio deve, ento, colocar o nome dos arquivos de entrada e os metadados correspondentes de cada imagem.
Arquivo da imagem de entrada: entre com a imagem bruta preparada para uso do CLASlite v.2. Esse arquivo pode estar no formato ENVI ou GeoTIFF. O arquivo de entrada deve conter informaes georeferenciadas em projeo UTM, elipside WGS-84. (Observao: os dados MODIS geralmente so imagens de refletncia compostas com medidas de 8 dias. Portanto, o arquivo da imagem de entrada corresponderia imagem de refletncia). Latitude: coloque a latitude central da imagem, em graus decimais. Utilize valores positivos para indicar o hemisfrio Norte e valores negativos para o hemisfrio Sul. Longitude: coloque a longitude central da imagem, em graus decimais. Utilize valores positivos para indicar o hemisfrio Oriental e valores negativos para o Ocidental. Data da imagem: coloque os dados da aquisio da imagem. Informe o dia, ms e ano, usando o zero quando necessrio. Por exemplo, para indicar a data 1 de fevereiro de 2007, digite 01022007. Hora da imagem: coloque o horrio (UTC/GMT) da aquisio da imagem, informando a hora e os minutos sem separao. Por exemplo, para indicar 21h:03 h UTC, coloque simplesmente 2103. UTC a Hora Universal, que equivale ao fuso horrio do Meridiano de Greenwich (GMT). Elevao na imagem: coloque o valor aproximado da elevao do solo que aparece na imagem, ou da poro da imagem que mais lhe interessa. O valor deve estar expresso em unidade mtrica sobre o nvel mdio do mar. Satlite: selecione o satlite que coletou as imagens. Escolha entre Landsat 4, Landsat 5, Landsat 7, ALI, ASTER, SPOT-4, SPOT-5, e MODIS. Consulte a Seo 3 para obter as informaes de cada satlite. Sistema de Processamento: caso sua imagem de entrada for do Landsat 7, selecione o sistema de processamento que criou a imagem de entrada. Escolha entre NLAPS ou LPGS. Consulte os metadados de sua imagem ou o Manual de Usurios dos Dados do Satlite Landst 7. Voc encontrar mais informaes na seo de Perguntas Freqentes (FAQs). Ajuste de ganhos: caso sua imagem tenha sido adquirida pelo Landsat 7, ser preciso selecionar o ajuste de ganhos para as bandas 1 a 5 e 7. A fim de determinar a radincia correta da imagem, o CLASlite precisa saber, para cada banda, se foi coletada com a configurao do ajuste de ganho baixo ou alto. Clique em Ajuste de ganhos (Gain Settings) e escolha L (low ou baixo) ou H (high ou alto) para cada banda. Todas as bandas tero o ajuste de ganho tipicamente alto, exceto pela banda 4. No entanto, no exemplo da imagem da Figura 1, todas as bandas foram coletadas com o ajuste de ganho baixo. Arquivo da imagem de sada (resultado): coloque o nome desejado de sua imagem de sada para a cobertura fracional. Aps fornecer as informaes de uma determinada
17

imagem, clique em Salvar para armazenar os valores da imagem correspondentes. Para alterar o valor de uma imagem qualquer, clique no boto correspondente e depois aperte Prvio (Previous) para carregar os valores anteriores da imagem correspondente. Aps fazer as correes necessrias, clique novamente em Salvar para guardar os valores.

Ao completar a informao dos metadados de todas as imagens, clique em Executar (Run). O CLASlite cria cada imagem de refletncia e depois aplica a anlise de mistura espectral nela para gerar a imagem da cobertura fracional. A figura seguinte mostra os vrios painis que ajudam o usurio a gerar as imagens de sada.
(a) Auto Run Anlise de Imagens

(b) Calibrar imagens de satlite

Figura II.3: Widgets usados na Anlise de Imagens AutoRun e Calibrao das Imagens de Satlite

Passo 2: Calibrar Imagens de Satlite A Calibrao das Imagens de Satlite um passo includo na Anlise da Imagem AutoRun. Como o passo anterior, este tambm exige que o usurio fornea os arquivos de dados junto com seus metadados. A nica diferena que, em vez de um mapa da cobertura fracional, a imagem de refletncia gravada num arquivo de sada. So os seguintes os passos da calibrao. A partir dos metadados e do arquivo de entrada da imagem, so identificadas as reas potenciais de nuvens e corpos dgua. Caso for escolhida a opo de correo de neblina, a imagem de entrada corrigida (isto pode fazer com que a imagem fique mais brilhante).
18

A imagem de radincia calculada com base nos valores dos metadados; a correo atmosfrica feita utilizando os 6S. A imagem de refletncia calculada com os corpos dgua e as nuvens mascaradas.

Este passo vem com o processamento em lote e correo de neblina. Ele aceita os satlites LANDSAT 4,5,7, ALI, ASTER e SPOT. Passo 3 : Gerar Mapa de Fraes de Cobertura A segunda metade da Anlise da Imagem AutoRun o gerador de mapa de cobertura fracional baseado no algoritmo Monte Carlo Automatizado (AutoMCU). Este algoritmo usado para determinar a vegetao fotossinttica (viva), o solo (sem vegetao) e a vegetao nofotossinttica (morta) a partir da imagem de refletncia. Com base no satlite, o resultado do algoritmo colocado na escala adequada. Em alguns casos, o redimensionamento pode resultar no mascaramento de regies desejadas. Para superar essa limitao, o usurio teria que executar um reajuste adicional da escala/limiar da imagem da cobertura fracional. Para facilitar esse processo, um visualizador da imagem est embutido nesse passo, para apresentar a imagem com um certo valor limiar da raiz quadrtica mdia (RMS) aplicado a ela. O usurio deve variar esse valor para obter uma representao aceitvel do mapa da cobertura fracional.
Figura II.4: Gerador do Mapa de Cobertura Fracional

Para esta imagem em particular usada como exemplo, quando o limiar de erro RMS ajustado em 800, a imagem resultante fica mascarada de forma mais apropriada, limitando as reas mascaradas s nuvens, sombras de nuvens e gua. Essa abordagem de mascaramento interativo permite que o usurio controle a quantidade de sombras de nuvens que ficam sem mscara na imagem. O usurio pode rodar novamente o ajuste tantas vezes quanto quiser, de forma interativa, apreciando os resultados e reajustando. Depois que o usurio selecionar Aceitar, quaisquer mudanas adicionais tero que ser feitas rodando o Passo 4 desde o incio. Em resumo, altamente vantajoso minimizar quaisquer nuvens e sombras de nuvens por meio do mascaramento, a fim de obter o melhor produto final, j que os algoritmos usados no CLASlite so sensveis s anomalias causadas por esses artifcios. Esse passo interativo de mascaramento e remascaramento permite que o usurio controle o resultado final do CLASlite. Passo 4: Mapa de Converso da Floresta (Anlise Multitemporal de Imagens) O mapa de perturbaes florestais usado para determinar a quantidade de desmatamento e de perturbaes florestais que ocorreram numa regio durante um determinado perodo. O usurio deve colocar pelo menos duas imagens de cobertura fracional (que compartilhem alguma rea em comum ). Ento so feitos os clculos e produzidos os mapas com a compilao do
19

desmatamento e das perturbaes florestais. . Para facilitar a identificao, usa-se um cdigo de cores diferente para cada ano de desmatamento e perturbaes florestais. Embora essas cores no apaream no ENVI Freelook, o bitmap de sada mantm uma classificao de valores que corresponde ao ano de mudana florestal do pixel. Passo 5: Mapa de Cobertura Florestal (Anlise de 1 Imagem) A ltima opo no menu principal usada para determinar a quantidade de floresta numa determinada imagem de cobertura fracional. Essa opo pode ser til para estimar a cobertura florestal de uma determinada regio. A imagem de sada gravada na mesma pasta do arquivo da imagem da cobertura fracional com um nome de arquivo de entrada cuja terminao mapa de cobertura florestal.

Figura II.5: Mapas de Perturbao Florestal e de Cobertura Florestal

Passo 6: Criar Mscara LANDSAT - adicional Esse passo uma opo para que o usurio possa mascarar completamente os valores na imagem de refletncia, baseado na imagem trmica associada, utilizando dados do Landsat 4, 5 ou 7. Um visor oferecido para tornar mais confortvel a leitura dos valores das coordenadas de uma imagem trmica. Ao selecionar o Passo 6, coloque os valores da seguinte forma:
Sensor: selecione o sensor de satlite que coletou as imagens. Entre com as imagens brutas ou primrias: coloque as imagens brutas originais. Trata-se do mesmo arquivo que j foi usado nos Passos 1 e 2. Entre com a imagem de refletncia: coloque a imagem de refletncia criada no Passo 2. Entre com a imagem trmica: coloque o nome do arquivo que contm a imagem trmica. Essa imagem trmica deve ter o mesmo nmero de pixels e linhas que a imagem bruta de entrada. Limiar trmico do sombreamento: Ajuste o limiar trmico ao DN apropriado na banda trmica, de forma que qualquer coisa que fique abaixo daquele limiar seja completamente mascarada e no aparea nos dados. Cada imagem ter um limiar trmico diferente, baseado na temperatura da
20

superfcie terrestre e da atmosfera. No entanto, para se obter melhores resultados, aconselhvel usar um limiar trmico entre 125 e 160.

Imagem de sada da refletncia mascarada: Coloque o nome desejado da imagem de refletncia mascarada resultante. Essa a imagem que ser usada para gerar um mapa de cobertura fracional no Passo 3.
Figura 11.6 Criar Mscara LANDSAT - adicional

III.

Potencial e Limitaes do CLASlite

1. O poder do CLASlite est em sua capacidade nica de converter em mapas muito detalhados os tapetes aparentemente verdes de densa cobertura de floresta tropical, encontrados nas imagens bsicas dos satlites. Tais mapas servem para fazer uma investigao imediata do desmatamento, extrao de rvores e outros eventos de perturbao florestal, tais como quedas naturais de rvores e danos causados por tormentas. 2. O CLASlite no gera um mapa final e sim um conjunto de imagens ecologicamente significativas que identificam a cobertura florestal, o desmatamento e as perturbaes florestais que podem ser prontamente analisadas, processadas e apresentadas pelo usurio. 3. As reas onde houve ocorrncia recente de corte raso (limpeza do terreno), extrao de rvores (corte de madeira) e outras perturbaes florestais ficam destacadas e so facilmente identificadas com os algoritmos do CLASlite.

21

4. Tanto o desmatamento quando o crescimento secundrio da floresta pode ser rastreado pelo usurio do CLASlite. O desmatamento aparece claramente como uma perda da cobertura florestal, produzindo substratos descobertos e NPV (vegetao morta). A regenerao florestal pode ser rastreada por meio de um acompanhamento cuidadoso da recuperao da floresta depois do corte raso, o qual deve ser previamente mapeado. 5. Embora o programa por si s no consiga distinguir os tipos de perturbao florestal (antropognica X natural), o CLASlite permite que o usurio consiga, pela primeira vez, classificar a perturbao de forma rpida e automatizada. 6. No se trata de uma ferramenta para monitorar diretamente a biodiversidade. O programa pode ajudar a chegar a concluses em relao biodiversidade a partir da presena ou ausncia da floresta e de perturbaes na mesma, mas no foi projetado com a finalidade de monitoramento direto da biodiversidade (espcies). 7. Caso o monitoramento florestal seja feito como uma base para o desenvolvimento e execuo de um projeto in situ, recomenda-se uma verificao de campo da imagem de sada (resultado) do CLASlite. 8. A capacidade do CLASlite de detectar perturbaes florestais ou desmatamento a partir de uma nica imagem deve ser utilizada com cautela. As perturbaes e o desmatamento baseiam-se numa mudana de condio de um perodo para outro. Embora os padres de desmatamento ou perturbao florestal possam ser inferidos de uma nica imagem, preciso que uma pessoa faa a interpretao dos resultados. Portanto, qualquer coisa que for detectada, a partir de uma nica imagem, como sendo uma perturbao florestal ou desmatamento, deve ser utilizada para orientar mais pesquisas e validaes. Usar duas imagens para detectar perturbao Quadro III.1: O que o CLASlite exige do usurio florestal e desmatamento melhor do Tipo de perturbao Dedicao exigida que se basear numa nica imagem. 9. Para detectar a Perturbao florestal, a anlise de imagens mltiplas deve utilizar imagens coletadas na mesma poca dos anos considerados, preferivelmente no mesmo ms. Caso contrrio, as alteraes na fenologia florestal podem afetar a capacidade do CLASlite de detectar alteraes florestais.
Desmatamento, sem um posterior crescimento de floresta secundria reas de extrao seletiva e grande perturbao florestal reas de pouca perturbao florestal, inclusive clareiras provocadas pela queda de pequenas rvores Requer pouco treinamento. facilmente identificvel Requer algum treinamento Requer treinamento em profundidade e dedicao de tempo extra

10. A correo da neblina foi projetada para homogeneizar os efeitos da neblina que possam existir em partes da imagem. Se a neblina estiver distribuda em toda a imagem de maneira uniforme, a correo da neblina ser menos eficaz. O benefcio maximizado quando se faz um nivelamento dos efeitos da neblina em toda a imagem. 11. Apesar de esta ser uma ferramenta altamente automatizada, o usurio precisa se familiarizar com as imagens de sada do CLASlite.
22

IV.

Perguntas Freqentes FAQs

1. Estou encontrando problemas para instalar o CLASlite o que posso fazer? Comece por verificar se voc est usando o Windows XP ou Vista numa mquina de 32bit. Este um requisito do CLASlite. A seguir, envie a descrio de seu problema para o e-mail claslite_support@ciw.edu e ns responderemos to logo possvel. 2. Como um terreno irregular pode afetar a anlise do CLASlite? Em geral, o terreno irregular tem pouco efeito nos resultados do CLASlite, a menos que montanhas ou encostas lancem sombras sobre o dossel florestal. Se isso acontecer, ento os resultados do CLASlite podem no ser confiveis. Felizmente, as imagens de erro na sada padro do CLASlite permitem localizar, avaliar e descartar rapidamente as reas onde as sombras de elevaes criaram resultados incertos. No entanto, em terrenos irregulares que de forma geral se mantm bem iluminados, o mdulo central de anlise Monte Carlo (AutoMCU) capaz de absorver ou acomodar a irregularidade do terreno, permitindo assim um bom resultado. 3. Como as imagens de sada do CLASlite mostrariam as matas ciliares versus floresta de terra firme, haveria alguma diferena claramente identificvel? As matas ciliares muitas vezes possuem substratos nus, desprovidos de vegetao (bare), que so mais altos, ou fraes de vegetao degradada no-fotossinttica (VNF), porque a inundao pelo rio danifica a floresta ou deposita os sedimentos nessas florestas. tpico ver tons de amarelo numa imagem composta de terreno descoberto (bare), com vegetao fotossinteticamente ativa (VF) e com vegetao degradada (VNF), a partir da etapa de mapeamento da cobertura fracional a cor amarela indica misturas de terra sem vegetao e com vegetao fotossinteticamente ativa. Alm disso, em geral o padro da cobertura do dossel florestal (VF) visualmente distinto das florestas de terra firme: as matas ciliares muitas vezes tm uma aparncia estriada devido dinmica fluvial. 4. No tenho os metadados o que posso fazer? Em alguns casos, os metadados de uma imagem podem estar indisponveis ou incompletos. Um tipo comum de metadado que pode faltar nas imagens do satlite Landsat-7 o de ajustes de ganho. Na maioria dos casos de floresta tropical, os dois nicos ajustes de dados para o satlite Landsat-7 sero com todas as 6 bandas tendo um ajuste de ganho alto (High aparece, por exemplo, HHHHHH) ou com apenas a banda 4 tendo um ajuste baixo (Low aparece, por exemplo, HHHLHH). A opo por diferentes sistemas de processamento (NLAPS ou LPGS) dos dados do Landsat no essencial, mas sabendo disso pode-se produzir uma imagem de refletncia levemente melhor. Para mais informaes, acesse e consulte

23

http://landsathandbook.gsfc.nasa.gov/handbook/ handbook_htmls/chapter12/htmls/level1_differences.html Se voc no conseguir encontrar o sistema de processamente, recomenda-se usar o padro, que NLAPS. Para mais informaes sobre os metadados e preparao da imagem, veja o documento "Antes de Rodar o CLASlite disponvel no site do CLASlite. 5. Quantos bits por pixel so aceitos pelo CLASlite? O tipo de dados requeridos para entrar no CLASlite varia conforme o satlite. Por exemplo, no caso de dados do Landsat, os valores deveriam ser de 1 byte por pixel. Consulte o Apndice II (Preparao dos Dados) para conhecer os detalhes de como devem ser formatados os dados dos vrios tipos de satlite para dar entrada no CLASlite. 6. Como se faz a correo atmosfrica para as imagens do CLASlite? O CLASlite consome imagens brutas de satlite e aplica ganhos de sensor e compensao (offset) para a radincia exoatmosfrica derivada de cada banda de imagem. Os dados de radincia so ento passados para uma verso totalmente automatizada do modelo de transferncia radiativa atmosfrica 6S (Vermote et al. 1997) para derivar a refletncia de superfcie aparente para cada banda espectral. O modelo 6S exige um nmero de dados de entrada que incluem uma estimativa de aerosol e vapor dgua. Esses parmetros esto em tabelas geogrficas de consulta derivadas dos produtos atmosfricos MODIS grau 1 da NASA. A coordenao dos dados do vapor dgua e do aerosol MODIS com o satlite de alta resoluo processado pelo CLASlite feita de forma automatizada. O CLASlite usa a ltima verso do 6S (http://6s.ltdri.org/), que aceita o satlite Landsat-4, 5 e 7, assim como o ASTER, o ALI e o SPOT. O CLASlite no faz correo atmosfrica nas imagens terrestres do MODIS porque esses dados j esto processados para o produto composto da medida de 8 dias da refletncia de superfcie (MOD09A1). 7. Para quais anos o CLASlite dispe de dados atmosfricos para fazer a correo atmosfrica? O que acontece se processarmos uma imagem de um ano para o qual o CLASlite no dispe de dados atmosfricos? Isso afetar o resultado do trabalho? O CLASlite contm dados de vapor dgua e de aerosol MODIS desde o ano 2000 at o presente. Mensalmente, os dados atmosfricos so atualizados e disponibilizados para os usurios do CLASlite. Se voc processar uma imagem de um ano para o qual o CLASlite no possui dados atmosfricos, o CLASlite ir automaticamente selecionar a data anterior mais prxima e a utilizar para fazer a correo atmosfrica. Devido ao fato de que os dados de aerosol e vapor dgua so derivados das mdias mensais, a correo atmosfrica com dados de um ano diferente cria uma imagem de refletncia que suficientemente precisa para a aplicao de uma abordagem probabilstica robusta de Auto-MCU.

24

8. Que formatos de arquivo so suportados pelo CLASlite? O CLASlite suporta arquivos tanto no formato ENVI como no GeoTIFF. Arquivos em ambos formatos podem ser processados com essa ferramenta em qualquer dos passos. Adicionalmente, o usurio tem a opo de salvar (gravar) qualquer arquivo resultante em qualquer um desses formatos. O formato padro de arquivo para os resultados CLASlite ENVI. As imagens ENVI consistem de dois arquivos: um deles no tem extenso, trata-se de um arquivo de imagem; o segundo arquivo leva a extenso .hdr, que um arquivo de informaes auxiliares, contendo as informaes espaciais sobre a imagem. Ambos os arquivos so necessrios, mas o arquivo sem extenso aquele que carregado no CLASlite ou ENVI Freelook. Pode-se abrir os arquivos ENVI tanto no ENVI como no ERDAS; j os GeoTIFFs possuem um formato mais universal. Ao salvar o resultado CLASlite no formato GeoTIFF, importante que o usurio defina o nome do arquivo de resultado sem colocar uma extenso. Selecione a opo Salvar resultado como GeoTIFF para acrescentar a extenso adequada ao arquivo resultante. Caso o usurio acrescente uma extenso ao nome do arquivo de sada, o CLASlite no reconhecer o arquivo de sada e no final do processo aparece um erro. 9. possvel usar o CLASlite para 17S em zona UTM? O CLASlite aceita todas as imagens no sistema de projeo UTM (Universal Transversa de Mercator). 10. Tenho uma imagem do satlite ASTER que no est funcionando bem. O que devo fazer? possvel que as imagens de radincia e refletncia no tenham sido criadas com os ganhos e compensaes corretas. As imagens do ASTER possuem vrios diferentes ajustes de ganhos que devem ser aplicados pelo usurio utilizando seu prprio processador de imagem (ENVI, ERDAS, etc.). Consulte o Apndice II para descobrir os ajustes de ganho de seus dados e como aplic-los antes de utilizar as imagens no CLASlite. 11. O CLASlite explicaria os erros comuns? A maior parte das mensagens de erro aparece durante sua ocorrncia. Na maioria dos casos, o usurio seria levado ao estgio anterior ocorrncia do erro, para que possa ser feita a correo do mesmo. No entanto, poder haver casos em que aparecem mensagens de erro que, se aceitas, provocariam o fechamento do programa CLASlite. Nesses casos, o usurio teria que repetir aquele processo. Algumas mensagens comuns de erro so as seguintes: "Tentativa de indexar CUMU_TOTAL com MAXINDEX est fora dos limites" Esse erro ocorre quando o usurio escolhe aplicar uma ampliao Linear de 2% num pedao escolhido da rea que tem mais pixels com valor zero. A ampliao Linear de 2%
25

depende do histograma e uma vez que a maior parte dos valores zero, a ampliao do histograma no seria feita. Aconselha-se aos usurios que evitem selecionar reas com mais pixels de valor zero e apliquem uma ampliao Linear de 2% nessa rea. Nmero de bandas no combina com a solicitao. As imagens dos diferentes satlites/sensores usadas no CLASlite dependem do nmero de bandas em cada uma delas. Para outras informaes, consulte o Apndice II: Preparao da imagem e Anlise de Bandas para uso CLASlite. 12. possvel realizar uma anlise de imagens mltiplas com imagens de diferentes satlites? Pode-se realizar anlises de imagens mltimas de imagens de satlites diferentes desde que a resoluo do pixel seja a mesma. 13. Qual deveria ser a rea de superposio entre as imagens para realizar uma anlise de mltiplas imagens? Quando a rea no-superposta seria grande demais para tornar a anlise no-aceitvel? No existe um limite mximo especificado para se realizar anlises de imagens mltiplas num conjunto de imagens MCU, porm todas as imagens a serem comparadas precisam ter, no mnimo, um pixel em comum. 14. Estando no modo de mltiplas imagens, o que acontece se houver uma variao na quantidade de tempo entre as imagens? Voc pode entrar com tantas imagens quanto quiser. Se o intervalo de tempo for anual ou mais freqente, ento os mapas de desmatamento e de perturbao florestal produzidos pelo CLASlite ficaro mais prximos dos ndices brutos de mudana. Caso suas imagens tenham sido coletadas com um intervalo maior do que um ano, os mapas de desmatamento e perturbaes produzidos pelo CLASlite representaro ndices lquidos de mudana em mais longo prazo. Cabe a voc interpretar as mudanas na floresta que foram mapeadas pelo CLASlite voc precisa determinar se as mudanas que voc v so brutas ou lquidas. As mudanas florestais lquidas podem deixar de lado um novo crescimento florestal, uma recuperao do dossel, uma perturbao ou outros processos que podem ocorrer entre as datas que separam as imagens. J as mudanas florestais brutas incorporam todos os ganhos e todas as perdas florestais medida que elas ocorrem. 15. Por que o CLASlite no suporta o sensor multiespectral scanner (MSS) do satlite Landsat? Decidimos, anteriormente, no suportar o sensor multiespectral scanner (MSS) do satlite Landsat porque esse instrumento barulhento. No entanto, se houver uma procura muito grande pelos dados do MSS, iremos considerar essa possibilidade numa nova verso do CLASlite.
26

16. Quanto de erro no registro imagem-a-imagem permitido no CLASlite? Atualmente, a anlise de imagens mltiplas no CLASlite exige que o usurio faa o coregistro de suas imagens durante o passo de preparao de imagens com uma incerteza de um (1) pixel. 17. A verso 2 do CLASlite suporta Windows 64-bits? Sim, mas voc precisa primeiro instalar IDI para as mquinas de 32-bits, para que o CLASlite possa rodar no ambiente IDL de 32-bits. 18. Como a equipe CLASlite definiu os critrios de deciso referente a cobertura florestal, desmatamento e perturbaes florestais? Esses critrios baseiam-se na experincia prtica com o CLASlite em locais de floresta tropical mida no Brasil, Peru, Madagascar, Bornu e Hava. No entanto, fornecemos ao usurio os valores de cobertura fracional (do Passo 3), para que ele/ela possa estipular os critrios de deciso que sejam mais adequados s suas necessidades. Pode-se implementar critrios de deciso personalizados utilizando um software de terceiros, tais como o ENVI, ERDAS Imagine ou ArcGIS. 19. O CLASlite pode rodar mosaicos de imagens de satlite? Sim, pode-se processar um mosaico. Mas preciso ter suficiente memria de computador para isso. Geralmente, aconselhvel rodar o CLASlite com imagens individuais e depois fazer um mosaico dos resultados MCU. Para outras mensagens de erro que so especficas para certas condies, consulte nosso website: http://claslite.ciw.edu ou envie uma mensagem eletrnica para claslite_support@ciw.edu

27

V.

Praticando com o CLASlite: estudos de caso

V.1 Extrao madeireira: Brasil (anlise de mltiplas imagens) I. Descrio do problema Muitas paisagens florestais da Amaznia tm sofrido mudanas rpidas em decorrncia da atividade industrial e da extrao ilegal, do corte raso para limpar o terreno e dar lugar a pastagens de gado e cultivos, e o desenvolvimento de biocombustveis. um desafio rastrear tais mudanas ao longo do tempo, mas o CLASlite oferece uma abordagem fcil para monitorar a perda da cobertura florestal e a recuperao aps o desmatamento e a degradao florestal. A Amaznia Oriental brasileira considerada uma das fronteiras mais antigas de mudana de uso da terra. Uma regio ao sul de Belm, no estado do Par, conhecida como Fazenda Cauaxi, est situada ao longo do Rio Capim. Cauaxi tem uma histria de desmatamento leve, porm no final da dcada de 1990 a atividade de extrao madeireira foi introduzida na regio e abriu essa rea para mais atividade humana. Focalizamos, aqui, um exerccio sobre como usar o CLASlite para monitorar a extrao seletiva e a degradao florestal na regio. II. Anlise Este exerccio envolve o processamento de quatro imagens Landsat-7 (ETM+) por meio do CLASlite e a criao de imagens de sada que identifiquem o desmatamento e as perturbaes florestais. As quatro imagens que iremos usar no exerccio foram obtidas nas seguintes datas e coordenadas de trajetria/linha do Landsat: Trajetria/linha 223/063 223/063 223/063 223/063 Data 13-julho-1999 31-julho-2000 03-agosto-2001 07-setembro-2002

1. Preparao da imagem Antes de rodar o CLASlite, preciso preparar as imagens. Utilizando o processador de imagem ou o software de SIG (GIS) de sua escolha, faa o corregistro das imagens de modo que elas casem e coincidam uma com a outra dentro de uma margem de +/- 1 pixel. Isso garante que quaisquer alteraes observadas na cobertura florestal e nas perturbaes florestais entre as imagens sejam resultado de uma real perturbao na floresta, entre uma imagem e a prxima, e no um erro resultante de um registro mal feito das imagens. Esse passo ns j fizemos para voc, mas devemos enfatizar o fato de que o registro imagem-a-imagem um fator crtico em qualquer anlise de mltiplos dados da perturbao florestal, seja usando o CLASlite ou qualquer outro software de mapeamento. Conforme foi discutido na seo de Preparao dos Dados, as imagens devem ser preparadas de forma que as bandas 1, 2, 3, 4, 5 e 7 de cada imagem estejam no formato GeoTIFF ou ENVI. A banda trmica de cada imagem deve estar um arquivo separado, com o mesmo tamanho de pixel e extenso que o arquivo correspondente que contm as outras bandas (por exemplo, resoluo espacial de 30 metros).

28

223/063 13-Jul-99 Bandas 1,2,3,4,5,7 223/063 13-Jul-99 Banda trmica

223/063 31-Jul-00 Bandas 1,2,3,4,5,7 223/063 31-Jul-00 Banda trmica

223/063 03-Ago-01 Bandas 1,2,3,4,5,7 223/063 03-Aug-01 Banda trmica

223/063 07-Set-02 Bandas 1,2,3,4,5,7 223/063 07-Sep-02 Banda trmica

2. Refletncia de superfcie Passo 2 do CLASlite O prximo passo processar as imagens para refletncia aparente da superfcie. Coloque os metadados de cada imagem. Caso no disponha dessas informaes, voc pode encontr-las na rede, em alguns dos sites de distribuio dos dados do satlite. Consulte a seo de Perguntas Freqentes (FAQ) para obter mais informaes sobre como lidar com esse conjunto de imagens. Aps salvar as informaes relativas s quatro imagens, clique em Executar (Run). Cada imagem levar aproximadamente cinco (5) minutos para criar uma imagem de refletncia calibrada. Voc acabou de completar um passo que normalmente pode levar muitas horas! 3. Mascaramento de Nuvens - Passo 3 do CLASlite Depois de criadas as imagens de refletncia, voc tem a opo de usar bandas trmicas das imagens Landsat para mascarar quaisquer nuvens nas imagens. Esse passo no uma exigncia, mas pode ajudar a reduzir a quantidade de dados que sero processados nos passos subseqentes, portanto economiza seu tempo. Para fins deste tutorial, execute o mascaramento de nuvens na imagem 1999. Entre com a imagem bruta, a imagem de refletncia e a imagem trmica. Coloque um nome de arquivo de sada que contenha a imagem de refletncia mascarada. Clique em Visualizar (View) para ver a imagem trmica para determinar um valor de limiar trmico para mascarar as nuvens. Lembrese de que as nuvens aparecero escuras nessa imagem, porque elas so mais frias do que a superfcie terrestre. No selecione um limiar alto demais, porque voc poderia eliminar pixels bons que no esto nublados. Aps ajustar o valor de limiar trmico, clique em Executar (Run) para gerar uma imagem mascarada de refletncia. 4. Cobertura fracional (AutoMCU )- Passo 3 do CLASlite Aps mascarar as imagens de refletncia que deseja converter para cobertura fracional, entre com as mesmas no Passo 3. Para cada imagem, coloque o nome do arquivo de entrada da refletncia e o nome da imagem de cobertura fracional que ser gerada a partir dele. Aps colocar as informaes relativas a cada imagem, clique em Executar para iniciar o processamento em lote. Aps concluir o processamento em lote, voc ser levado a determinar um limiar para regular os resultados preliminares numa imagem final. Clique primeiramente em Ajustar (Adjust) para fazer o primeiro ajuste. Quando os Passos 1 e 2 estiverem concludos, clique no boto Visualizar (View) para ver a imagem de cobertura fracional resultante. Aparece ento um visualizador de imagens e voc pode desenhar um quadrado para ver uma rea na resoluo plena. Voc tambm pode usar o recurso Ampliar (Stretch) para melhorar o contraste das cores que representam o VF (verde), VNF (azul) e o substrato sem cobertura Bare (vermelho).

29

possvel que o ajuste inicial tenha mascarado demais a imagem. Para reduzir o limiar e diminuir a parte mascarada da imagem, clique novamente em Ajustar (Adjust). Quando a imagem estiver reajustada, clique novamente em Visualizar (View) para examinar a imagem. Continue fazendo isso at que a imagem aparea sem nebulosidade e outros pixels problemticos. Quando a imagem tiver sido adequadamente ajustada, selecione Aceitar (Accept) para fechar a janela de regulagem daquela imagem. Se houver outras imagens a serem processadas, execute o processo de regulagem com as demais imagens. Parabns! Voc completou uma tarefa que costumava levar semanas ou meses para ser concluda! Voc est convidado a visualizar as imagens no Freelook ou em outro pacote de visualizao de imagens de sua preferncia. 5. Mapa de desmatamento e perturbaes florestais - Passo 4 do CLASlite O prximo passo utilizar as imagens de cobertura fracional para determinar o desmatamento e as perturbaes florestais num perodo de tempo coberto pelas imagens (1999-2002). Selecione o Passo 4 no menu e coloque os nomes das quatro (4) imagens em seqncia, comeando com a mais antiga at a mais recente. Clique em Executar (Run) para gerar as imagens de desmatamento e perturbao florestal da srie temporal dessas imagens. O CLASlite colocar em seu desktop os arquivos chamados de Desmatamento compilado e Perturbaes florestais compiladas. Baseado nas diferenas entre as quatro imagens, o programa classificar um pixel em at trs classes de desmatamento e trs classes de perturbaes florestais, dependendo do intervalo em que a mudana ocorreu. A figura abaixo representa o intervalo em que ocorreram diversas classes de perturbaes florestais e desmatamento.
13-Jul-99 31-Jul-00 03-Ago-01 07-Set-02

Agora que voc tem as seqncias temporais do desmatamento e das perturbaes florestais, voc pode visualiz-las no Freelook ou em outro software de visualizao de imagens de sua preferncia. Voc ir observar que ocorreu uma grande quantidade de perturbaes florestais entre os anos 1999 e 2002 nessa regio da Amaznia brasileira. Durante esses anos, a equipe de campo da Carnegie, juntamente com colaboradores da Embrapa (rgo federal brasileiro de pesquisa agropecuria) e da Fundao de Floresta Tropical, verificou que quase todos os padres de perturbao florestal que aparecem nessas imagens foram causados pela extrao seletiva de rvores. Em 2004, eles demonstraram que se pode no apenas monitorar a extrao mas, tambm, rastrear a intensidade da extrao e a quantidade de perda de dossel. Eles conseguiram correlacionar a intensidade da extrao, definida aqui como a perturbao fracional em VF, VNF e substrato descoberto, com a quantidade de carbono removido da floresta junto com os troncos de madeira.

Ano 1 perturb. Ano 1 desmat. desmatamentodefor est_year_1

Ano 2 perturb. Ano 2 desmat.

Ano 3 perturb. Ano 3 desmat.

30

III.

Interpretao dos resultados

O desmatamento compilado pode ser visualizado com ENVI como uma imagem de classificao. Cada ano de desmatamento marcado com uma cor diferente. O desmatamento do primeiro ano aparece em laranja (valor 1 do pixel), o segundo ano aparece em amarelo-verde (valor 2 do pixel) e o terceiro ano em cinza (valor 3 do pixel). Se voc visualizar essa imagem usando outro software, voc pode atribuir uma tabela de cores para a imagem. A imagem do desmatamento est associada com reas nas quais a frao de VF diminuiu significativamente entre as duas imagens.

Desmatamento

Figura V.1 Imagens da cobertura fracional e do desmatamento

Da mesma forma, a imagem de perturbaes florestais compiladas pode ser visualizada com o mesmo cdigo de cores atribudo aos diferentes anos em que elas ocorreram. A perturbao florestal mais sutil e voc ver muitos pixels isolados associados com uma possvel perturbao. No entanto, voc poder observar que um punhado de pixels de um mesmo ano (cor) pode geralmente ser associado com a atividade de extrao seletiva, conforme se v na Figura V.2.

Extrao de madera

Figura V.2 Imagem de perturbao florestal

V.2 Corte raso durante longo prazo: Hava (anlise de imagem nica) I. Descrio do problema Muitas paisagens florestais do Hava tm sofrido perturbao constante durante longo prazo, devido ao cultivo da cana-de-acar e pecuria. A regio nordeste da grande ilha do Hava tem vastas florestas, mas com o tempo elas foram gradativamente invadidas. Nessa anlise de imagem nica, vamos ver como identificar a quantidade de rea florestal numa imagem.
31

II. Anlise Esse exerccio envolve o processamento, por meio do CLASlite, de uma imagem do Landsat-7 (ETM+) e a gerao de outra imagem de sada que identifica a rea de floresta. A imagem que usaremos no exerccio data de 30 de dezembro de 2000, trajetria/linha 062/046. 1. Preparao da imagem Sua imagem deve estar no formato ENVI ou GeoTIFF com as bandas espectrais na ordem 1, 2, 3, 4, 5 e 7. Assegure-se de que a imagem esteja adequadamente georeferenciada. Como dificilmente haver nuvens no subconjunto disponibilizado para este estudo de caso, no precisaremos da banda trmica. 2. Refletncia de superfcie Passo 2 do CLASlite O prximo passo processar as imagens para refletncia aparente de superfcie. Isso feito no Passo 2 do CLASlite. Entre com as informaes dos metadados de cada imagem. Caso no dispuser dessas informaes para sua imagem, voc poder encontr-las num dos sites de distribuio dos dados do satlite. Consulte a seo de Perguntas Freqentes (FAQ) para mais informaes sobre este conjunto de imagens. Depois de salvar as informaes da imagem, clique em Executar (Run). Levar cerca de cinco (5) minutos para criar uma imagem de refletncia calibrada. Voc acaba de concluir uma etapa que normalmente levaria muitas horas! 3. Cobertura fracional (AutoMCU) Passo 4 do CLASlite Agora que voc dispe de uma imagem de refletncia, voc ir convert-la para cobertura fracional. No Passo 4 do CLASlite, entre com o nome da imagem da refletncia e o nome da imagem de cobertura fracional que ser gerada a partir dela. Aps fornecer as informaes da imagem, clique em Executar (Run) para iniciar o processo. Concludo o processo, voc ser levado a determinar um limiar para regular os resultados preliminares numa imagem final. Inicialmente voc deve clicar em Ajustar (adjust) para fazer o primeiro ajuste. Quando os Passos 1 e 2 estiverem concludos, clique no boto Visualizar (View) para ver o resultado da imagem da cobertura fracional. Aparece um visualizador de imagem e voc pode marcar um quadrado para ver uma determinada rea com resoluo plena. Voc tambm pode usar o recurso Ampliar (Stretch) para realar o contraste das cores que representam VF (verde), VNF (azul), e S (vermelho). possvel que o ajuste inicial mascare demais a imagem. Reduza o limiar para mascarar menos a imagem e clique novamente em Ajustar. Depois que a imagem tiver sido reajustada, clique novamente em Visualizar para examin-la. Quando a imagem estiver adequadamente ajustada, selecione Aceitar para fechar a janela de ampliao daquela imagem. Parabns! Voc concluiu uma tarefa que costumava levar semanas ou meses! Voc est convidado a visualizar as imagens no Freelook ou em outro pacote de visualizao de imagens de sua preferncia. 4. Mapa florestal Passo 5 do CLASlite

32

O prximo passo usar a imagem da cobertura fracional para determinar as reas florestadas versus as no-florestadas. Selecione o Passo 5 para mapear a cobertura florestal. Entre com o nome da imagem da cobertura fracional e clique em Carregar (load). Um arquivo (resultado) ser gerado e ele ter o mesmo nome do arquivo de entrada com a terminao _mapa_de_cobertura_florestal. III. Interpretao dos resultados

A imagem da cobertura florestal pode ser visualizada como uma imagem de banda nica na escala de cinza. Quaisquer reas florestadas tero o pixel de valor 0 (zero) e todas as reas sem floresta tero um valor 4. Deve-se ter cautela ao interpretar esses resultados. A cobertura florestal determinada com base na quantidade de vegetao viva (PV), mas possvel que ela se confunda com a vegetao no-florestal. Alm disso, devido ao fato de que estamos utilizando uma nica imagem neste estudo de caso, no podemos inferir quando uma determinada rea mudou de florestada para no-florestada. prefervel fazer uma anlise com mltiplas imagens para determinar esse tipo de coisa. Na Figura 3, pode-se ver que as reas em vermelho e amarelo na imagem da cobertura fracional correspondem quelas onde o desenvolvimento Fig. V.3 Imagem da cobertura fracional e imagem de floresta e noinvadiu as reas florestais que floresta (resultado do Passo 6) aparecem em verde.

33

VI.

Glossrio

Calibrao: processo executado pelo CLASlite que inclui: identificao das regies a serem mascaradas, clculo da imagem de radincia, correo atmosfrica e clculo da imagem de refletncia. Crescimento de floresta secundria: aumento da cobertura florestal e biomassa aps o corte raso e abandono da floresta. Desmatamento: converso florestal direta, provocada pelo homem, para menos do que 10-30% da cobertura florestal (Conveno-Quadro da ONU sobre Mudanas Climticas). Degradao florestal: uma interpretao humana das perturbaes florestais, quando elas alcanam um nvel que elimina o armazenamento de carbono e outros servios prestados pelo ecossistema. Floresta intacta: pedaos (retalhos) de floresta que no foram danificados e que esto cercados por pequenas clareiras ou dominados por lacunas de dossel associados com atividade humana (GOFC-GOLD 2006). Ganhos: um termo geral usado para indicar uma mudana na potncia do sinal. IPCC: Painel Intergovernamental sobre Mudanas Climticas Lacuna de dossel florestal: em reas onde ocorreu extrao de rvores, as lacunas de dossel (clareiras) so ocasionadas por corte ou queda de rvores e trilhas de tratores (skid), o que resulta em danos ou morte das rvores que estavam em p. Monitoramento florestal: mapeamento florestal de forma consistente e que permita detectar e quantificar as alteraes na cobertura florestal ao longo do tempo. Mascaramento: remoo de determinados pixels da imagem para analisar. Perturbao florestal: remoo parcial do dossel florestal, sendo que o dossel remanescente geralmente supera os 30%. Regenerao: a floresta danificada anteriormente pode se recuperar e resultar em seqestro de biomassa (GOFC-GOLD 2006). Vegetao No-fotossinttica (VNF): vegetao morta ou senescente. Vegetao fotossinttica (VF): vegetao viva, verde.

34

Apndice I: Instalao do CLASlite e links teis


Requisitos do Sistema: 3 GB de espao no disco 2GB RAM Software adicional instalado: IDL 7.0.6 (verso 32 bits) Freelook: software para visualizao de imagens

Instrues para instalao 1. V para o ftp e faa o download do programa de instalao do arquivo zip e salve em seu computador. Clique duas vezes no arquivo zipado e entre com a senha que lhe foi enviada. O preciso 32 bit IDL-VM para rodar o CLASlite 2.0. e o IDI 7.0.6 em seu sistema. executvel vai ento instalar o CLASlite, o Freelook Voc ver uma tela de boas vindas, semelhante que aparece abaixo. Nessa tela de boas vindas, aceite o acordo de usurios do CLASlite. Clique no prximo. Voc ser notificado sobre os requisitos de espao mnimo para instalar o CLASlite 2.0 em seu sistema.

O CLASlite ser ento instalado em sua mquina e ficar localizado em C:\claslite. Os arquivos de apoio bsico necessrios e os pacotes de software adicional (IDL VM e Freelook) sero instalados junto com ele. preciso 32 bit IDL-VM para rodar o CLASlite 2.0.

2. V para o ftp e faa o download, em seu computador, do arquivo license.exe. Clique duas vezes no arquivo executvel. Essa ao ir criar um arquivo de log (_logfile) que ser colocado automaticamente no seu computador. Envie um correio eletrnico com o arquivo de log para claslite_support@ciw.edu. Onde pede qual o assunto, coloque meio ambiente.
35

3. V para o ftp e clique nos continent_files. Navegue at o continente de seu interesse. Faa o download do arquivo zipado e extraia seus contedos para C:/claslite/support_files. 4. V para o ftp e faa o download do arquivo zipado em modis_atmosphere. Extraia os contedos do arquivo compactado e coloque-os em C:/claslite/support_files.

Observao: sem o continente correspondente (passo 3) e os arquivos da atmosfera (passo 4), o CLASlite no iria funcionar.

Links teis Global Land Cover Facility Landsat.org Instituto Nacional de Pesquisas Espaciais Tropical Rain Forest Information Center USGS Global Visualization Viewer TerraServer Online Imagery Warehouse Inventory Search Tool SPOT Image ENVI ERDAS http://glcf.umiacs.umd.edu/portal/geocover/ http://landsat.org/ http://www.dgi.inpe.br/CDSR/ http://www.trfic.msu.edu/ http://glovis.usgs.gov/ http://www.terraserver.com/ http://wist.echo.nasa.gov/ http://www.spot.com/ http://www.ittvis.com/ http://www.erdas.com/

36

Apndice II: Preparao das imagens e anlise de bandas para o CLASlite


O processamento de dados por meio do CLASlite algo simples, mas exige uma preparao prvia dos dados que sero utilizados pelo software. Para obter os melhores resultados, importante seguir corretamente cada passo. Os dados de satlite fornecidos ao CLASlite devem estar no formato correto e ter o nmero certo de bandas. Os formatos aceitos e as caractersticas dos dados variam conforme o sensor. Os passos usuais para preparar os dados de qualquer satlite para alimentar o CLASlite so os seguintes: 1. Georeferenciamento da imagem para uma projeo Universal Transversa de Mercator - UTM (elipside WGS 84) 2. No caso do satlite LANDSAT, reamostrar a banda trmica para a mesma resoluo de tamanho de imagem dos dados espectrais 3. Reordenamento das bandas, quando necessrio 4. Salvar a imagem no formato GeoTIFF ou ENVI Os requisitos de dados para cada sensor de satlite so listados nesta seo. Pode-se usar praticamente qualquer pacote de processamento de imagem para preparar as imagens. ENVI e ERDAS esto entre os pacotes de processamento de imagem mais usados. possvel, ainda, preparar as imagens para o CLASlite com o mdulo Grid do ArcGIS (SIG). 1. Mapeador Temtico Landsat (TM) 4, 5, e Mapeador Temtico Melhorado+ (ETM+) 7

O CLASlite consegue processar as imagens dos satlites Landsat 4, 5 e 7. Os dados de imagem precisam estar em dois arquivos. Um dos arquivos deve conter os dados para as bandas 1-5 e banda 7 (na ordem 1, 2, 3, 4, 5, 7) do Landsat. Caso voc tiver ainda uma banda trmica para mascaramento de nuvens (banda 6, ganho alto), ela deve estar num arquivo em separado, alm de cobrir exatamente a mesma rea e com o mesmo tamanho de pixel do outro arquivo. Portanto, antes de usar essa banda no CLASlite, pode ser preciso reamostrar a banda trmica, passando da resoluo original para o tamanho de pixel das outras bandas. Ao reamostrar as imagens, utilize o ncleo de reamostragem mais prximo. Os valores de pixel em todas as imagens Landsat usadas no CLASlite devem ser de 1-byte e no podem ter sofrido qualquer correo atmosfrica. 2. Sensor avanado de imagens (ALI) do satlite EO-1

O CLASlite consegue processar imagens do satlite EO-1 (Earth Observing-1), o qual dispe de um sensor avanado de imagens da terra, o ALI (Advanced Land Imager). Somente os dados do nvel 1 G do ALI podem ser usados no CLASlite. O sensor de imagens ALI no possui banda trmica. Um arquivo deve conter somente as 9 bandas visveis, infravermelho prximo e infravermelho de ondas curtas, com os valores integrais originais de 16-bit para cada pixel. As bandas devem seguir a ordem abaixo. As 9 bandas dos dados do ALI so as seguintes:

37

MS-1: 433 453 nm MS-1: 450 515 nm MS-2: 525 605 nm MS-3: 630 690 nm MS-4: 775 805 nm MS-4: 845 890 nm MS-5: 1200 1300 nm MS-5: 1550 1750 nm MS-7: 2080 2350 nm

3.

Radimetro Espacial Avanado de Reflexo e Emisso Trmica (ASTER)

O CLASlite consegue processar imagens Nvel 1B do Radimetro Espacial Avanado de Reflexo e Emisso Trmica (ASTER) obtidas com o satlite Terra da NASA. As imagens do ASTER tm diferentes resolues. As imagens do visvel e infravermelho prximo (VNIR) possuem pixels de 15 metros, enquanto as imagens do infravermelho de ondas curtas (SWIR) possuem pixels de 30 metros. J que essas bandas so de resolues diferentes, recomenda-se reamostrar todas as bandas utilizando-se o ncleo mais prximo da resoluo mais baixa (30 metros) apresentada pelas resolues das nove bandas VNIR e SWIR. As bandas trmicas do ASTER possuem pixels de 90 metros, mas elas no so utilizadas no CLASlite. O fato de as imagens VNIR e SWIR serem coletadas a partir de dois telescpios diferentes um problema em potencial com os dados do ASTER, pois isso pode resultar em dois conjuntos de bandas desalinhados. mais provvel ocorrer desalinhamento quando h grandes variaes de elevao. Quando o desalinhamento se torna um problema, a melhor coisa a fazer georeferenciar as imagens em separado, para depois combin-las usando o registro na opo imagem-a-imagem (coletando pontos de controle correspondentes entre as duas imagens). Antes de usar o CLASlite, preciso aplicar coeficientes de converso de radincia. Os dados de Nvel 1 B do ASTER tm vrios ajustes de ganho que devem ser feitos no arquivo *.met que acompanha os dados. Naquele arquivo, procure uma linha que contm ganhos ASTER. Algumas linhas depois dessa, pode-se ver uma linha que contm os ajustes de ganho do ASTER. O exemplo abaixo ilustra como identificar os ajustes de ganho.
Valor = ("01 HGH, 02 HGH, 3N NOR, 3B NOR, 04 NOR, 05 NOR, 06 NOR, 07 NOR, 08 NOR, 09 NOR")

Nesse exemplo em particular, os ajustes de ganho so altos (HGH) para as bandas 1 e 2, enquanto as bandas 3N, 4, 5, 6, 7, 8 e 9 usam o ajuste de ganhos normal (NOR). A banda 3B no usada no CLASlite e no deve ser includa no arquivo de imagem a ser preparado.
Nmero da banda 1 2 3N 4 5 6 7 8 9 Coeficientes Ganho Alto 0.676 0.708 0.423 0.1087 0.0348 0.0313 0.0299 0.0209 0.0159 Coeficientes Ganho Normal 1.688 1.415 0.862 0.2174 0.0696 0.0625 0.0597 0.0417 0.0318 Coeficientes Ganho Baixo 1 2.25 1.89 1.15 0.290 0.0925 0.0830 0.0795 0.0556 0.0424 Coeficientes Ganho Baixo 2 N/A N/A N/A 0.290 0.409 0.390 0.332 0.245 0.265

38

Os coeficientes devem ser aplicados aos dados seguindo a equao: Radincia = (valor DN -1) x coeficiente Quando se aplicam tais coeficientes, os dados devem estar expressos como valores de ponto flutuante com as bandas na ordem 1, 2, 3N, 4, 5, 6, 7, 8, 9. 4. Satlites SPOT 4 e 5

O CLASlite aceita os formatos CAP e DIMAP (mapa de imagem digital) para imagens do satlite Sistema para a Observao da Terra SPOT 4 (HRVIR) e 5 (HRG). As quatro bandas espectrais devem ser organizadas num nico arquivo GeoTIFF ou ENVI com um tamanho de pixel de 20 metros. Para que o CLASlite converta a imagem para refletncia, ele ter que ler o arquivo LEADXX.DAT para as imagens formatadas em CAP e o arquivo .DIM ou .XML para as imagens formatadas em DIMAP. Esse arquivo deve ser includo na mdia original na qual foi recebida a imagem do satlite SPOT e ela contm os parmetros de ganho necessrios converso da imagem em radincia e refletncia. Como no caso dos dados do satlite Landsat, o arquivo de entrada deveria ser de 1-byte por pixel. Bandas do SPOT-4 (HRVIR) e SPOT-5 (HRG) Banda 1: 490-610 nm Banda 2: 610-680 nm Banda 3: 780-890 nm Banda 4: 1580-1750 nm

5.

Espectro-radimetro de Resoluo Moderada de Imagem (MODIS)

O CLASlite aceita o produto composto da medida de 8 dias da refletncia Banda 3: 459-479 nm de superfcie MODIS (MOD09A1). Diferentemente dos outros dados de Banda 4: 545-565 nm Banda 1: 620-670 nm satlites aceitos pelo CLASlite, esse produto MODIS j disponibilizado Banda 2: 841-876 nm em refletncia e georeferenciado. Isso significa que no preciso rodar Banda 5: 1230-1250 nm Banda 6: 1628-1652 nm aquele passo de gerao de refletncia do CLASlite. As bandas 1 e 2 tm Banda 7: 2105-2155 nm uma resoluo que o dobro do que a resoluo das outras cinco bandas. Portanto, preciso reamostrar os dados para torn-los compatveis com a resoluo espacial das outras bandas. Como as bandas 1 e 2 sero reamostradas numa resoluo menor, pode-se usar um ncleo de agregao de pixel para juntar cada uma das matrizes de pixel 2-por-2 em um nico pixel. Caso o seu software no permita isso, o uso de um ncleo vizinho mais prximo deve ser aceitvel. Os arquivos de dados para alimentar o CLASlite precisam estar no formato GeoTIFF ou ENVI e as bandas devem seguir a ordem 3, 4, 1, 2, 5, 6, 7. Embora isso possa parecer estranho, esta a ordem das bandas baseada no tamanho de sua onda espectral, e isso que o CLASlite espera receber.
39

Especificaes do satlite para CLASlite Satlites aceitos Landsat TM & ETM+ Banda trmica utilizada Nmero de bandas espectrais utilizadas Sim ASTER ALI SPOT 4&5 No MODIS

No

No

No

9 MS-1, MS-1, MS-2, MS-3, MS-4, MS-4, MS-5, MS-5, MS-7 Sim Inteiro (short) 16-bit

Ordem das bandas

1,2,3,4,5, 7

1,2,3N,4,5,6 , 7,8,9

1,2,3,4

3,4,1,2,5,6, 7

Refletncia determinada no CLASlite Tipo de dado de entrada Nvel dos dados aceitos

Sim

Sim Ponto flutuante 32-bit

Sim

No Inteiro (short) 16-bit

8-bit

8-bit

N/A

Nvel 1B

Nvel 1G

HRVIR ou HRG

MOD09A1

40

Informaes para as imagens do exemplo fornecido pela CLASlite


Cauaxi, Par, Brasil (extrao seletiva) ---------------------------------------------Landsat-7 (4 imagens, trajetria/Linha 223/063) Arquivo: cauaxi_071399 Data: 13071999 Hora: 1317 Latitude: -3.80 Longitude: -48.39 Elev: 50 Ajuste de ganhos: HHHHHH Sistema de proc.: LPGS Arquivo: cauaxi_073100 Data: 31072000 Latitude: -3.80 Longitude: -48.39 Hora: 1315 Elev: 50 Ajuste de ganhos: HHHLHH Sistema de proc.: LPGS Arquivo: cauaxi_080301 Data: 03082001 Hora: 1313 Latitude: -3.80 Longitude: -48.39 Elev: 50 Ajuste de ganhos: HHHLHH Sistema de proc.: LPGS Arquivo: cauaxi_090702 Data: 07092002 Hora: 1312 Latitude: -3.80 Longitude: -48.39 Elev: 50 Ajuste de ganhos: HHHLHH Sistema de proc.: LPGS Exemplo genrico das imagens do Landsat-7 ---------------------------------Arquivo da imagem: landsat7.tif Sensor: Landsat-7 Data de aquisio: 07092002 Hora de aquisio (UTC): 1451 Latitude: -8.7 Longitude: -74.7 Elevao (metros): 175 Ajuste de ganhos (Bandas 1-5, 7): LLLLLL Sistema de processamento: LPGS Peru (Landsat 5 & 7, Trajetria/Fila 003/068) Todas as imagens foram processados com o uso do LPGS --------------------------------------------------------------------------------Data: 12081999 (Landsat 7) Hora: 1439 Latitude: -11.19 Longitude: -69.57 Elev: 320 Ajuste de ganhos: HHHHHH Data: 26072000 (Landsat 7) Hora: 1437 Latitude: -11.19 Longitude: -69.57 Ajuste de ganhos: HHHLHH Data: 29072001 (Landsat 7) Hora: 1435 Latitude: -11.19 Longitude: -69.57 Elev: 320 Ajuste de ganhos: HHHLHH Data: 16072002 (Landsat 7) Hora: 1434 Latitude: -11.19 Longitude: -69.57 Elev: 320 Ajuste de ganhos: HHHLHH Data: 15082003 (Landsat 5) Hora: 1424 Latitude: -11.19 Longitude: -69.57 Elev: 320 Ajuste de ganhos: N/A Data: 15092004 (Landsat 5) Hora: 1430 Latitude: -11.19 Longitude: -69.57 Elev: 320 Ajuste de ganhos: N/A Data: 18092005 (Landsat 5) Hora: 1434 Latitude: -11.19 Longitude: -69.57 Elev: 320 Ajuste de ganhos: N/A

41

Exemplo genrico das imagens do Landsat-5 ---------------------------------Arquivo da imagem: landsat5.tif Sensor: Landsat-5 Data da aquisio: 20102003 Hora da aquisio (UTC): 1442 Latitude: -8.6 Longitude: -74.2 Elevao (metros): 160 Ajuste de ganhos (Bandas 1-5, 7): no requer Sistema de processamento: LPGS

Data: 04082006 (Landsat 5) Hora: 1439 Latitude: -11.19 Longitude: -69.57 Elev: 320 Ajuste de ganhos: N/A Data: 23082007 (Landsat 5) Hora: 1439 Latitude: -11.19 Longitude: -69.57 Elev: 320 Ajuste de ganhos: N/A Exemplo genrico de imagens com nuvens do Landsat-7 ----------------------------------------------Arquivo da imagem: landsat7_clouds.tif Sensor: Landsat-7 Data de aquisio: 16082000 Hora de aquisio (UTC): 1455 Latitude: -9.7 Longitude: -74.8 Elevao (metros): 300 Ajuste de ganhos (Bandas 1-5, 7): HHHLHH Sistema de processamento: LPGS

Exemplo genrico das imagens do ASTER **(Suriname) ---------------------------------Arquivo da imagem: ASTER.tif Sensor: ASTER Data de aquisio: 04092000 Hora de aquisio (UTC): 1424 Latitude: 4.3 Longitude: -54.5 Elevao (metros): 200 Ajuste de ganhos (Bandas 1-5, 7): no requer Sistema de processamento: no requer

Exemplo genrico de imagens do ALI **(Colombia) -------------------------------Arquivo de imagem: ALI.tif Sensor: ALI Data de aquisio: 28122002 Hora de aquisio (UTC): 1450 Latitude: 1.3 Longitude: -71.8 Elevao (metros): 225 Ajuste de ganhos (Bandas 1-5, 7): no requer Sistema de processamento: no requer

**Atualizado em 13 de julho de 2010


42

Apndice III: referncias de publicaes


Trabalhos originais:
1. Asner, G.P., M. Keller, R. Pereira, J.C. Zweede, and J.N.M. Silva. 2004. Canopy damage and recovery following selective logging in an Amazon forest: Integrating field and satellite studies. Ecological Applications 14(4):280-298. 2. Asner, G.P., D.E. Knapp, A.N. Cooper, M.C.C. Bustamante, and L.O. Olander. 2005. Ecosystem structure throughout the Brazilian Amazon. Earth Interactions 9(7):1-31. 3. Asner, G.P., D.E. Knapp, E.N. Broadbent, P.J.C. Oliveira, M. Keller, and J.N. Silva. 2005. Selective logging in the Brazilian Amazon. Science 310:480-482.

4. Asner, G.P., E.N. Broadbent, P.J.C. Oliveira, D.E. Knapp, M. Keller, and J.N. Silva. 2006. Condition
and fate of logged forests in the Brazilian Amazon. Proceedings of the National Academy of Sciences. 103(34):12947-12950.

5. Asner, G.P., D.E. Knapp, A. Balaji, G. Pez-Acosta, 2009. Automated mapping of tropical
deforestation and forest degradation: CLASlite. Journal of Applied Remote Sensing, vol. 3 (033543), 24pp. [doi:10.1117/1.3223675]

Trabalhos complementares:
6. Asner, G.P. and K.B. Heidebrecht. 2002. Spectral unmixing of vegetation, soil and dry carbon in arid regions: Comparing multi-spectral and hyperspectral observations. International Journal of Remote Sensing 23:3,939-3,9587.Asner, G.P., M.M.C. Bustamante, and A.R. Townsend. 2003. Scale dependence of biophysical structure in deforested lands bordering the Tapajs National Forest, Central Amazon. Remote Sensing of Environment 87:507-520. 7. Asner, G.P., M. Keller, and J.N.M. Silva. 2004. Spatial and temporal dynamics of forest canopy gaps following selective logging in the eastern Amazon. Global Change Biology 10(5):765-783. 8. DeFries, R., G.P. Asner, F. Achard, C. Justice, N. Laporte, K. Price, C. Small, and J. Townshend. 2005. Monitoring tropical deforestation for emerging carbon markets. Tropical Deforestation and Climate Change. P. Moutinho and S. Schwartzman (eds.) Amazon Institute for Environmental Research, Belm, Brazil.

9. Broadbent, E.N., D.J. Zarin, G.P. Asner, M. Pena-Claros, A. Cooper, and R. Littell. 2006. Forest structure and spectral properties after selective logging in Bolivia. Ecological Applications 16:11481163. 10. Oliveira, P.J., G.P. Asner, D.E. Knapp, A. Almeyda, R. Galvan-Gildemeister, S. Keene, R.F. Raybin, and R.C. Smith. 2007. Land-use allocation protects the Peruvian Amazon. Science 317:1233-1236. 11. Davidson, E.A., G.P. Asner, T.A. Stone, C. Neill, and R. de O. Figueiredo. 2008. Objective indicators of pasture degradation from spectral mixture analysis of Landsat imagery. Journal of Geophysical Research 133, G00B03, doi: 10.1029/2007JG000622. 12. Broadbent, E.N., G.P. Asner, P.J.C. Oliveira, D.E. Knapp, M. Keller, and J.N. Silva. 2008. Forest fragmentation from deforestation and selective logging in the Brazilian Amazon. Biological Conservation 141:1745-1757.

43