o modelo vis (vegetaÇÃo- impermeabilizaÇÃo...

OMODELOVIS(VEGETAÇÃO-IMPERMEABILIZAÇÃO-SOLO)PARAANÁLISESURBANASAPARTIRDEDADOSDESENSORIAMENTOREMOTO

VISModel(Vegetation-Impervious-Soil)forurbananalysisbasedonremotesensingdata

MayumiCursinodeMouraHirye,InstitutoNacionaldePesquisasEspaciais-INPE,[email protected]

DiógenesSalasAlves,INPE,[email protected]

HermannJohannHeinrichKux,INPE,[email protected]

SESSÃO TEMÁT ICA 8 : TÉCNICAS E MÉTODOS PARA ANÁLISE URBANAE REGIONAL

DESENVOLVIMENTO,CRISEERESISTÊNCIA:QUAISOSCAMINHOSDOPLANEJAMENTOURBANOEREGIONAL? 2

Resumo

Oartigodiscuteautilizaçãodedadosdesensoriamentoremotoemestudosurbanos,oferecendoumquadroatualdossensoresdisponíveisparaaplicaçõesurbanas.Apresentacomoestudodecaso,aanálisedaexpansãodacidadedeAltamira(PA)entreosanosde2000e2010apartirdedadosdesensoriamentoremotodemédiaresoluçãoespacialedomodeloVegetação-Impermeabilização-Solo(VIS).OtrabalhomostraaparticularutilidadedomodeloVISparaaanálisedecidadescomoAltamira,poucoconsolidadasequeapresentamumacentuadoprocessodecrescimento.

PalavrasChave:sensoriamentoremoto;modeloVIS;expansãourbana

Abstract

Thisarticledescribesremotesensingdatainthecontextofurbanstudies,offeringacurrentpictureofthesensorsavailableforurbanapplications.Itpresentsasastudycase,theanalysisofurbanexpansionofAltamira(PA)between2000and2010,basedonremotesensingdataofmediumspatialresolutionandtheVegetation-Impervious-Soil(VIS)model.ItwasshowntheparticularutilityoftheVISmodelforanalysisofcitiessuchasAltamira,whicharenotconsolidatedandexhibitarapidgrowthprocess.

Keywords:remotesensing,VISmodel,urbanexpansion



INTRODUÇÃO

Sensoriamentoremoto,definidodemaneirasimplesecurta,envolveaobtençãodeinformaçõessobre objetos distantes, sem contato com os mesmos (ESTES et al., 2001). Em conjunto comtécnicasdeinterpretaçãovisualoudeprocessamentodigitaldeimagens,osensoriamentoremotoofereceinstrumentalparaaobservaçãodoterritórioesuastransformaçõesaolongodotempo.Asvantagens da obtenção de informações pormeio do sensoriamento remoto estão associadas àpossibilidadedecoletasistemáticaeremotadedados,desensoriamentodeextensasáreasedeeconomiaderecursoshumanoseeconômicosemrelaçãoaoscustosdacoletaemcampo.

Alémdaproduçãodemapasdecoberturadosolourbano,osdadosdesensoriamentoremotosãoinsumosparadiversostiposdeestudosurbanos.Paraanálisessocioeconômicas,a integraçãodedadosde sensoriamento remoto comdadosdeoutras fontespode serutilizadanaestimativaedistribuiçãodapopulaçãoedeindicadoressociodemográficos.Aanáliseambientalpodeserfeitaapartir de mapeamentos de superfícies impermeabilizadas, de vegetação urbana ou decaracterísticas físicas, como a topografia ou a temperatura das superfícies. Os dados desensoriamento remoto também podem ser dados de entrada emmodelos de dinâmica urbana(crescimento, dispersão ou mudança de uso e cobertura) e de ecologia urbana (sequestro decarbono, qualidade do ar, clima, hidrologia ou distribuição da fauna). Aplicaçõesmais recentesenvolvemamodelagemtridimensionaldoambienteurbano.

Aaquisiçãodeimagensdesensoriamentoremotoapartirdesatélitesiniciou-senadécadade1970,quandooprimeirosatéliteLandsatfoilançado,possibilitandoomonitoramentoglobalesistemáticoda Terra. A partir disso, os sensores e satélites têm evoluído continuamente. Almeida (2010)diferenciatrêsgeraçõesdesatélitesparaestudosurbanos:

− ageraçãodosprimeirossatélites,inauguradacomLANDSAT1ecaracterizadapelabaixaresoluçãoespacial das imagens (o sensorMSSabordodos satélites LANDSAT 1, 2 e 3possuíaresoluçãoespacialde80m);

− asegundageração,quecorrespondeaossatéliteslançadosapartirde1980comsensoresde média resolução espacial (de 30 m, como o do sensor TM, a bordo dos satélitesLANDSAT4e5,a10m,comoodosensorabordodossatélitesSPOT1,2e3);

− aterceirageração,dossensoresdealtaresolução(menosde10m)ealtíssimaresolução(menos de 1m) que teve comomarco o lançamento do primeiro satélite comercial, oIKONOS,eseestendeatéaatualidade.

O desenvolvimento tecnológico dos satélites e sensores deve ser acompanhado pelodesenvolvimento de técnicas robustas para a caracterização urbana a partir dos dados desensoriamentoremoto.Issoimplicanamelhoriadosalgoritmosemétodosdeclassificaçãoparaaextração de informações e também na proposição de modelos conceituais adequados paradescrever essas informações, em termos de atributos e relações. Além disso, os métodos etécnicasdesensoriamentoremotourbanodevemseroperacionalizadosdemaneiraquepossamserincorporadosnasrotinasdeplanejamentourbano.

O modelo Vegetação-Impermeabilização-Solo (VIS), proposto por Ridd (1995) é um modeloconceitualqueforneceumachaveparaaclassificaçãodacoberturadosolourbano.Pensadoparaos dados de sensoriamento remoto, o modelo VIS é simples, mas poderoso. A partir dacomposição VIS das cidades ou trechos delas, é possível estabelecer comparações, observartrajetóriasdedesenvolvimentourbanooualimentarmodelosdefluxodeenergiaouágua.



Opresenteartigo temcomoobjetivoapresentar,naseção1,algunsaspectosdosensoriamentoremoto urbano, oferecendo umquadro atual dos sensores disponíveis para aplicações urbanas.Adicionalmente,oartigoapresenta,naseção4,umestudodecasoqueexemplificaautilizaçãodomodeloVISparaanáliseurbanaapartirdedadosdesensoriamentoremotodemédiaresoluçãoespacial. Esses dados são bastante utilizados pois permitem a composição de longas sériestemporais e são de livre distribuição. O estudo de caso é a análise da expansão da cidade deAltamiraentreosanosde2000e2010.Porfim,naseção2,éapresentadoomodeloVISealgumasde suas utilizações e, na seção 3, são abordados os problemas inerentes à média resoluçãoespacialeastécnicasusualmenteempregadasparaaclassificaçãodessasimagens.

1.SENSORESPASSIVOSPARAAPLICAÇÕESURBANAS

Ossensores remotospassivos são instrumentosquecaptama radiaçãoeletromagnéticaemitidaou refletida pelos objetos distantes, ou alvos. Distintos dos sensores ativos, comoo radar ou oLIDAR,queemitemenergiaemdireçãoaoalvoeregistramosinalrefletido,ossensorespassivoscaptamaradiaçãoeletromagnéticaqueprovemdoSoleérefletidapelosalvos.Aradiaçãomedidapelossensorespassivosérelacionadanãosomentecomascaracterísticasdosalvos,mastambémdepende das características do sensor, do ângulo de visada do sensor e da iluminação nomomento do imageamento, de interações da radiação eletromagnética com a atmosfera (queresultam na absorção e/ou espalhamento da radiação pelos gases partículas que constituem aatmosfera)edaorientaçãogeométricadosmateriaisnasuperfície,incluindoatopografia(SMITHetal.,1990).

Os sensores passivos possuem quatro características principais: suas resoluções radiométrica,temporal,espacialeespectral.Aresoluçãoradiométricarefere-seàquantidadedeníveisemquearadiaçãoeletromagnéticaquechegaaosensorserádiscretizada;amaior resoluçãoradiométricasignificaqueainformaçãoseráexpressaemmaisníveisdevalorese,portanto,terámaisnuances.

A resolução temporal é a frequência de aquisição de informação pelos sensores: satélitesmeteorológicos, por exemplo, são capazes de adquirir imagens horárias ou diárias. A resoluçãoespacial está relacionada ao campo de visada instantânea de cada sensor, ou seja, a menorunidade de área na superfície terrestre imageada pelo sensor. Nas imagens resultantes dosensoriamentoremoto,otamanhodopixeléotamanhodocampodevisadainstantâneo.Existeumcompromissoentrearesoluçãotemporaleaespacial:quantomaioruma,menoraoutra.

Aresoluçãoespectraldizrespeitoàsensibilidadedosensorparacaptararadiaçãoeletromagnéticaem um número específico de faixas ou intervalos de comprimentos de ondas eletromagnéticas,chamados de bandas espectrais. Cada material tem uma resposta, ou assinatura, espectralespecífica.

O ambiente urbano é caracterizado pela heterogeneidade das superfícies, com grande variaçãoespectralintrapixeleinterpixel(YANG,2011).TomandoamostrasdaáreaurbanadeSantaBárbarae Goleta, no estado da Califórnia (EUA), Herold et al. (2004) propuseram uma biblioteca comdadosdarespostaespectraldediversosmateriaisurbanos,hierarquizadaapartirdosníveisIeIIdaclassificaçãodecoberturaeusodosolopropostaporANDERSONetal.(1976)(Tabela1).



Tabela1–Materiaisdecoberturadosolourbanoorganizadossegundoonívelhierárquico

NívelI NívelII NívelIII1.Áreasconstruídas 1.1Edifícios/coberturas 1.1.1Telhacomposta

1.1.2Plástico1.1.3Vidro1.1.4Cascalho1.1.5Metal1.1.6Asfalto1.1.7Telhadebarro1.1.8Coberturadebetume1.1.9Telhademadeira

1.2Áreasdecirculação 1.2.1Viadeasfalto1.2.2Viadeconcreto1.2.3Viadecascalho1.2.4Estacionamento1.2.5Linhaférrea1.2.6Calçada1.2.7Pinturadevia

1.3Infraestruturadeesportes 1.3.1Quadradetênis1.3.2Pistadeatletismo1.3.3Quadradebasquete

2.Vegetação 2.1Vegetaçãoverde 2.2Vegetaçãonão-fotossintética

3.Áreasnão-construídasdesoloexposto

3.1Soloexposto 3.2Praia 3.3Afloramentosrochosos

4.Corposd´água 4.1Corpod´águanaturalouquase-natural 4.2Piscinas

Fonte:adaptadodeHeroldetal.(2004).

OnívelIapresentaosquatroprincipaistiposdecoberturadosolo:áreasconstruídas,vegetação,áreas não-construídas de solo exposto e corpos d´água. O nível II apresenta, para as áreasconstruídas, tipos de cobertura do solo baseados em seu uso, função ou outra característicagenéricaevidente.Paraosdemais tiposprincipaisdecoberturado solo,onível IIdefineclassesmais abrangentes.O nível III subdivide as áreas construídas de acordo com as propriedades domaterial utilizado. A biblioteca espectral proposta pelos autores consiste de 4.500 assinaturasespectrais,categorizadasem108tiposdecobertura.Apartirdaanálisedabibliotecademateriaisurbanos,osautoresconcluíramqueascaracterísticasespectrais,mesmoqueexpressasemmaisde duas centenas de bandas espectrais, não são capazes de diferenciar inequivocamentedeterminadosmateriais.Dentreosmateriaisdabiblioteca,confundem-se:viasdeconcretoeáreasdesoloexposto;viasdeasfaltoetelhascompostas,coberturadebetumeoutelhasdecorcinza;telhas de cor cinza e telhas compostas ou cobertura de betume; vias de asfalto e áreas deestacionamento(HEROLDetal.,2004).

Mesmocomimagensdesensoresdealtaresoluçãoespectral,aanálisedeimagensapartirapenasde atributos espectrais encontra limitações para níveis maiores de detalhamento. A ‘AnáliseOrientada a Objetos Geográficos’ (‘Geographic Object Image Analysis’ – GEOBIA) é umaabordagem que propõe superar algumas das limitações das análises fundadas nos atributosespectrais dos pixels. GEOBIA pode ser definido como “o processo de segmentação e declassificaçãode imagensconduzidosde formaagerar segmentosouobjetos comcaracterísticaspróximasouiguaisaosobjetosreaisdacena”(BENZetal.,2004).Emborasejamtambémaplicadasa imagens de média e baixa resolução espacial, é nas imagens de alta e altíssima resoluçãoespacialqueastécnicasdeGEOBIAmostram-seespecialmentevantajosas(BLASCHKE,2010).Um



dos fatores mais evidentes é a capacidade de discriminar feições de interesse em ambientesintraurbanosreduzindoruídoseavariabilidadeespectral intrae interclasses típicasdas imagensdealtaresoluçãoespacial.Paratanto,osobjetossãodefinidosapartirdeatributosdetamanho,forma,localizaçãoetextura,entreoutros,ademaisdeatributosespectrais.

São as características dos objetos a serem mapeados e a natureza do estudo urbano a serrealizado que devem nortear a escolha da imagem de sensoriamentomais adequada. Sob esteponto de vista, os aspectos mais relevantes das imagens a serem observados são a resoluçãoespacial e espectral, possibilidade de compor séries temporais e política de distribuição dasimagens.Assimasimagensdesatélitesdisponíveisparaestudosurbanos(comresoluçãoespacialmenor que 30m) são apresentadas na Figura 1. Destaca-se que foram elencadas as imagensorbitaisdesensorespassivos,excluindo-se,portantoasdesensoresativos(comoradareseLIDAR)easobtidaspordispositivossuborbitais(veículosaéreosnãotripulados–VANTSouaviões).Alémdisso,nãoforamincluídasasimagensdealtaresoluçãoespectral(hiperespectrais),quepossuemcentenasdebandas,estreitasecontínuas,cobrindotodooespectro.

Seos sensores commaior resoluçãoespacialpermitemodetalhamentodasestruturasurbanas,captando todaavariedadee complexidadedacoberturado solourbano,os sensoresdemenorresolução espacial proporcionam uma visão sinótica das cidades, em que são ressaltadas ascaracterísticas mais expressivas que distinguem, por exemplo, áreas urbanizadas de nãourbanizadas ou áreas de alta e baixa densidades. Em geral, os sensores de maior resoluçãoespacial são comerciais. O único sensor que disponibiliza imagens gratuitamente é o CBERS2B/HRC e o CBERS 4/PAN, ambos frutos da cooperação entre agências espaciais brasileiras echinesas.

Aresoluçãotemporaleotempodevidaútildossatélitessãodeterminantesparaaobtençãodelongas séries temporais. Satélites não-comerciais são, em geral, parte de programas demonitoramentodaTerrae fornecem imagens regularmente,enquantoque imagensde satélitescomerciais são, em geral, adquiridas sob demanda. Merece destaque o Landsat 5, que foi umsatéliteexcepcionalmentelongevoeobteveimagensdequalquerpontodogloboterrestreacada16diasporquase30anos.

Emtermosdaresoluçãoespectralnaregiãodovisível(comprimentosdeondade400a700nm),os sensoresapresentampequenavariação:amaioriadelespossuibandasnoscomprimentosdeondadoazul,verdeevermelho.OsworldviewIIeIIIpossuembandasemcomprimentosdeondabaixos (coastal) e entre as bandas do verde e vermelho (no comprimento que corresponde aoamarelo); o ResourceSat-1 / LISS-III, TERRA/Aster, Spots 1 a 5 e o CBERS/Pan por outro lado,possuemapenasasbandasdoazulevermelho.Aenergiaeletromagnéticanaregiãodovisívelécapazdesensibilizaroolhohumano,transmitindoasensaçãodascores.Asbandasnessaregiãodoespectro são utilizadas para diferenciar materiais como água, vegetação, superfíciesimpermeabilizadasesoloexposto,entreoutros.

Determinados minerais e materiais de coberturas de edifícios, aerossóis e características davegetaçãopodemsercaptadasporcomprimentosdeondanaregiãodoinfravermelho.Todosossensorespossuempelomenosumabandanaregiãodo infravermelhopróximo(700a1400nm),devido ao fato da vegetação apresentar comportamento bastante destacado nessa região,refletindoamaiorquantidadederadiaçãoeletromagnéticanessescomprimentos.Poroutrolado,nem todos os sensores possuem bandas na região do infravermelho de ondas curtas (1400 a3000nm).ApenasoWorldViewIIIpossuibandasnessaregiãocomresoluçãoespacialmenorque10m.Asbandaspancromáticas sãobandas largasquecobremtodooespectrodecores.Nessasbandasaresoluçãoespacialpodesermenorque0,5m.



Figura1–Característicasdasimagensdesatélitedisponíveisparaestudosurbanos.

# #

NASAeUSGS/EUA

Landsat5/TM

1984 Livre 30m

30m

15m

India ResourceSat-1/

2003 Livre 23,5m

20m

20m

BrasileChina CBERS4/MUX

2014 Livre 20m

20m

10m

20m

10m

20m

10m

30m

15m

10m

5,0m

10m

5a2,5m

8,0m

1,5m

PlanetLabs/EUA

RapidEye 2008 Com. 5,0m

4m

1m

4,0m

1,0m

2,8m

0,6m

BrasileChina CBERS2B/HRC

2003 Livre 2,7m

2,0m

0,5m

DigitalGlobe/EUA

WorldViewI

2007 Com. 0,50m

1,84m

0,46m

1,65m

0,41m

30m

3,70m

1,24m

0,31m

1,24m

0,31m

Bandas: Infravermelhopróximo Pancromática

Com.

Com.

Com.

Com.

Com.

Com.

Distri-buição

Livre

Livre

Livre

Com.

700nm

Costal Azul Verde Vermelho

Com.

Com.

Com.

DigitalGlobe/EUA

2016WorldViewIV

InstituiçãoouEmpresa/País

400nm 500nm 600nm 800nm 900nm 1000nmResol.espacial

Anodelançam.

Satélite/Sensor

DigitalGlobe/EUA

2014WorldViewIII

GeoEye/EUA 2008GeoEye1

DigitalGlobe/EUA

2009WorldViewII

Airbus-CNES/FRA

2011e2012

Pléiades1Ae1B

DigitalGlobe/EUA

2001QuickBird

GeoEye/EUA 2003Orbview3 Com.

GeoEye/EUA 1992Ikonos

Astrium-CNES/FRA

2012e2014

Spot6e7

Astrium-CNES/FRA

2002Spot5

LivreBrasileChina 2014CBERS4/

PAN

Sentinel2A/MSI

Japão tadoTERRA/Aster

Com.

Livre

Astrium-CNES/FRA

1998Spot4

Astrium-CNES/FRA

1986,1990e1993

Spot1,2e3

ESA/UE 2015

BrasileChina1999,2000e2003

CBERS1,2e2B/CCD

NASAeUSGS/EUA

2013Landsat8/OLI



Figura1–Característicasdasimagensdesatélitedisponíveisparaestudosurbanos(cont.).

NASAeUSGS/EUA

Landsat5/TM

1984 Livre 30m

30m

15m

India ResourceSat-1/

2003 Livre 23,5m

20m

20m

BrasileChina CBERS4/MUX

2014 Livre 20m

20m

10m

20m

10m

20m

10m

30m

15m

10m

5,0m

10m

5a2,5m

8,0m

1,5m

PlanetLabs/EUA

RapidEye 2008 Com. 5,0m

4m

1m

4,0m

1,0m

2,8m

0,6m

BrasileChina CBERS2B/HRC

2003 Livre 2,7m

2,0m

0,5m

DigitalGlobe/EUA

WorldViewI

2007 Com. 0,50m

1,84m

0,46m

1,65m

0,41m

30m

3,70m

1,24m

0,31m

1,24m

0,31m

Bandas: Infravermelhodeondascurtas

Com.

Com.

Com.

Com.

Com.

Com.

Distri-buição

Livre

Livre

Livre

Com.

Com.

Com.

Com.

DigitalGlobe/EUA

2016WorldViewIV

InstituiçãoouEmpresa/País

Resol.espacial

Anodelançam.

Satélite/Sensor

DigitalGlobe/EUA

2014WorldViewIII

GeoEye/EUA 2008GeoEye1

DigitalGlobe/EUA

2009WorldViewII

Airbus-CNES/FRA

2011e2012

Pléiades1Ae1B

DigitalGlobe/EUA

2001QuickBird

GeoEye/EUA 2003Orbview3 Com.

GeoEye/EUA 1992Ikonos

Astrium-CNES/FRA

2012e2014

Spot6e7

Astrium-CNES/FRA

2002Spot5

LivreBrasileChina 2014CBERS4/

PAN

Sentinel2A/MSI

Japão tadoTERRA/Aster

Com.

Livre

Astrium-CNES/FRA

1998Spot4

Astrium-CNES/FRA

1986,1990e1993

Spot1,2e3

ESA/UE 2015

BrasileChina1999,2000e2003

CBERS1,2e2B/CCD

NASAeUSGS/EUA

2013Landsat8/OLI

2400nm2000nm 2100nm 2200nm 2300nm1200nm 1300nm 1400nm 1500nm 1600nm 1700nm 1800nm 1900nm



2.OMODELOVEGETAÇÃO-IMPERMEABILIZAÇÃO-SOLO(VIS)

O modelo VIS foi proposto por Ridd (1995) para o estudo da morfologia urbana a partir dacobertura do solo, para a parametrização biofísica dos componentes do ambiente urbanonecessárianaconstruçãodemodelosdefluxodeenergiaeparaaanálisedosistemasocialcombaseemdadosdemográficos,deinfraestruturaouqualidadeambientalquepossamserinferidosapartirdeimagensdesatélite(RIDD,1995).

OdiagramadomodeloVIS foi desenvolvido à semelhançadodiagrama ternáriodeareia, argila esilte, com os vértices ocupados pelos três componentes, vegetação, impermeabilização e solo.QualquerpontodentrododiagramacorrespondeaumadeterminadacomposiçãopercentualdeVIS(Figura2).Essepontopodeserumpixeldeumaimagemdesensoriamentoremoto.Entretanto,Ridd(1995) afirma que a análise urbana só é possível quando os pixels são agregados em unidadesespaciais,chamadasporeledeecounidades.Alógicautilizadaparaagregarospixels,assimcomootamanhoouaformadasecounidades,édependentedosobjetivosdaanálisepretendida.

Figura2–RepresentaçãodomodeloVIS.Fonte:adaptadodeRidd(1995).

Por ser ummodelo simples,maspoderoso, ele é amplamenteutilizadoemestudos dediversascidadesaoredordoglobo(OKUJENIetal.,2015;TANGeWANG,2012;WENGeLU,2009;POWELLeROBERTS,2008e2010;POWELLetal.,2007;LUeWENG,2004;WUeMURRAY,2003;PHINNetal.,2002;MADHAVANetal.,2001;entreoutros).

Diagramas ternáriosdeVIS forampropostosparadiversascidades,comresultadosdistintos.Emumtestepiloto,Ridd(1995)propôsumdiagramaparaSaltLake,noEstadosUnidos,explicitandoacomposiçãoVISdediferentesclassesdeusodosolo(áreacentral,comercial,árearesidencialdealta densidade etc.).Madhavan et al. (2001) propuseram diagramas semelhantes para Bangkok(Tailândia) em dois anos (1988 e 1994). A partir do modelo VIS, os autores analisaram astransformaçõesdacidade,observandoaforteampliaçãodasáreasresidenciaisecomerciais,quesedeusobreáreasdevegetaçãoedeocupaçãoesparsapróximasàáreacentraldacidade.



Phinn et al. (2002) aplicaram o modelo VIS a Brisbane (Austrália), observando que a maiorproporçãodocomponentesoloocorreuemáreasdeconsolidaçãourbananointeriordacidadeeem áreas residenciais novas no subúrbio. Powell e Roberts (2010) também observaram que ocomponente soloé característicodasáreasqueestão sendoocupadas.Osautoresanalisaramaexpansão de nove cidades no estado de Rondônia / BR entre 1985 e 2000 e concluíram que atrajetória de ocupação e consolidação das cidades pode ser caracterizada pela: situação inicial,quando predomina cobertura de floresta primária; fase subsequente, quando ocorre odesflorestamentoesurgimentodo“campourbano”,representadopeloaumentodaproporçãodesolo; fase do início da urbanização, quando aparecem áreas impermeabilizadas em proporçõesvariadas; e situação final, de consolidação do assentamento, com o aumento da proporção devegetação(arborizaçãourbanaourevegetaçãodeáreasabertas).NaFigura3,odiagramaternárioapresentadopelosautoresmostraatrajetóriadaocupaçãoemtermosdacomposiçãoVISdecadafase.

(A) situaçãoinicial

(B) fasedo“campourbano”

(CeD) fasesdeiníciodaurbanização

(E) situaçãofinal

Figura3-Representaçãodatrajetóriadedesenvolvimentodenúcleosurbanosnafronteiradeambientedeflorestatropical,propostoporPowelleRoberts(2010).Fonte:adaptadodePowelleRoberts(2010).

AFigura4ilustraatrajetóriadeocupaçãoemimagensdesatélitedemédiaresoluçãoespacial,paraumbairrodacidadedeSãoJosédosCampos:inicialmenteaáreatematonalidadeverde,devidoaorecobrimento de vegetação; no período intermediário, há a retirada da vegetação e ocorrem asobras de terraplenagem e a área apresenta tonalidade rosa uniforme, devido às áreas de soloexposto;noperíodofinal,jáestãoconstruídasasedificaçõesedemaisestruturasurbanasresultandonatexturaquemisturatonsderoxo(dasáreasimpermeabilizadas)edeverde(davegetação).



Figura4–TrajetóriadeocupaçãodenovobairroemSãoJosédosCampos.

LueWeng(2004)argumentaramqueomodeloVISédedifícilimplementação,devidojustamenteà componente áreas impermeabilizadas, que, embora fundamental na composição teórica dapaisagem,é,narealidade,umacombinaçãocomplexademateriais,dedifícil identificaçãoequevaria de acordo com a localidade considerada. Por outro lado, a sombra é um importantecomponentecapturadopelasimagens.Assim,osautorespropuseramummodeloconceitualqueconsideranosvérticesdodiagramaternáriooscomponentesobtidosdiretamentedasimagensdesatélite de média resolução (Landsat/TM): sombra; vegetação fotossinteticamente ativa esolo/áreasimpermeabilizadas.

3.IMAGENSDEMÉDIARESOLUÇÃOESPACIALEOPROBLEMADEMISTURADOPIXELAsimagensdemédiaresoluçãoespacial,emsuamaioria,possuemassériestemporaismaislongasesãodisponibilizadasgratuitamente.Entretanto,aresoluçãoespacialélimitadoradadiferenciaçãodosalvos.Ummesmopixel,adependerdeseutamanho,podeconterdiferentesalvos(como,porexemplo,partedeumtelhado,umaárvoree suasombra).Assim,o sinal captadopelo sensoréamistura da resposta dos alvos presentes na área imageada. Na literatura, isso é referido como oproblema de mistura do pixel (SHIMABUKURO e SMITH, 1991; LU e WENG, 2004; ADAMS eGILLESPIE,2006).Esseproblemafoiidentificadoetemsidoestudadodesdeoiníciodautilizaçãodeimagensdemédiaresoluçãoespacial(GILLESPIEetal.,1990).

A abordagem mais comum para lidar com o problema de mistura de pixel tem sido a dedecomposição linear de pixels de imagens demédia resolução espacial, com destaque para asimagensobtidascomosensorTM,abordodossatélitesLandsat (Tabela2).Adecomposiçãodepixelscomalgoritmonão-linearouosistemaderegrasbaseadoemexpertise,ouautilizaçãodeimagens de outros sensores, incluindo imagens de alta resolução espacial,merecerampequenaatenção(Tabela2).

Tabela2–Trabalhosdemapeamentosdacoberturadosolourbanodeacordocomotipodeimagememétodoutilizados

Satéliteeresoluçãoespacial IKONOS(4m)

ASTER(15m)

LANDSAT(30m)Método

ModeloLineardeMisturaEspectral Small(2003)Song(2005)

Phinnetal.(2002)WueMurray(2003)LueWeng(2004)

Song(2005)SmalleLu(2006)WengeLu(2009)TangeWang(2012)



Satéliteeresoluçãoespacial IKONOS(4m)

ASTER(15m)

LANDSAT(30m)Método

Análisedemisturaespectralcommúltiplosendmembers(MESMA)

Powelletal.(2007)PowelleRoberts(2008)

PowelleRoberts(2010)ErdasImaginesub-pixelanalysisesistemaderegrasbaseadoemexpertise Myint(2006)

Decomposiçãodepixelscomalgoritmonãolinear(redeneuralartificial) Puetal.

(2008)

ConformeAdams eGillespie (2006), a análise demistura espectral pressupõe ummodelo físicoque tenta predizer como e quais materiais no solo serão expressos em imagens espectrais. Omodeloénecessariamenteumasimplificação,jáquepormeiodeumconjuntolimitadodedadosespectraisnãoépossíveldeduzirtodososatributosdosalvos.Aanálisedemisturaespectrallinearconsideraquea respostadecadaelementode resoluçãoda imagem (pixel)emqualquerbandaespectraléacombinaçãolineardasrespostasdosalvosquecompõemaunidadederesoluçãonosolo(SHIMABUKURO;SMITH,1991).

Amaiorpartedosestudosadmite,emconcordânciacomAdamseGillespie(2006),queamisturalinearédominantenaescaladeimageamentodosensoriamentoremoto.Sãopoucosostrabalhosque investigamascaracterísticasde linearidadedamisturaespectraldosmateriaisdecoberturadas cidades. Small (2003) observou que, para cenas de 14 áreas urbanas decompostas em 3componentes – alto albedo (materiais que refletem grande parte da energia que incide sobreeles), baixo albedo (materiais que absorvem grande parte da energia que incide sobre eles) evegetação – a mistura espectral é dominantemente linear. O autor observou alguma não-linearidade no eixo dos componentes alto e baixo albedo, que abrangem a diversidade demateriais de cobertura e pavimentação urbana. Para a decomposição da cena urbana em trêscomponentes,vegetação,impermeabilizaçãoesolo,Puetal.(2008)concluíramqueosmelhoresresultadosforamobtidoscomaaplicaçãodemétodonão-linear.

Avariabilidadeespectraldoscomponentesdacenaurbanafoitratadapelomodelodeanálisedemistura espectral commúltiplos componentes (Multiple Endmember SpectralMixture Analysis -MESMA),propostoporRobertsetal. (1998).OMESMApressupõealinearidadedamistura,masadmitequeamisturapodeservariávelemrelaçãoaonúmerodecomponenteseaoespectroquerepresentam cada componente – uma biblioteca de espectros para o MESMA é composta decentenasdeespectros.

4.ESTUDODECASO:AEXPANSÃOURBANADEALTAMIRA(PA)

Altamira está situada na porção central centro do Estado do Pará, namargem esquerda do rioXingu(Figura5).Dista720kmdacapitaldoEstadosendoumcentrosub-regional,subordinadoàprópria capital Belém (IBGE, 2008). A BR-320, rodovia Transamazônica, corta a cidade em suaporçãonoroeste,conectando-aadoisimportantescentrosregionais,Marabá,aleste,eSantarém,pelaBR-163,aoeste.



Figura5-LocalizaçãodeAltamira.

A cidade passou por transformações importantes em seu território desde a década de 1970,quando se acelerou a expansão da fronteira agrícola na Amazônia. Novas formas de ocupaçãourbana foram justapostas às estruturas urbanas herdadas de períodos anteriores, ao lado daexpansãodaáreaurbanizada.Nadécadade1970,apopulaçãourbanacresceuaumataxamédiade16%ao ano.Noperíodo subsequente, entre 2000e 2010, o ritmode crescimentodiminuiu,chegando à média de 3% ao ano, quando a população urbana passou de 62 mil para 84 milpessoas(IBGE,2013).Apósopicodecrescimentodacidadeocorridonadécadade70,vinculadoàocupação da fronteira agrícola e, especificamente, à construção da Rodovia Transamazônica, aconstrução da UHE Belo Monte, nos anos recentes, pode ser associada a uma nova fase detransformaçõesnacidade.

Apesardosaporteseesforçosgovernamentaisqueacompanhamosinvestimentoseprogramasdedesenvolvimentoeocrescimentointensodacidade,suaestruturafísicaaindaédeficiente.Dadosestatísticos (IBGE, 2013) e de campo comprovam a abrangência parcial das redes deabastecimento de água coletivo, coleta e tratamento de esgoto, pavimentação e drenagem deáguaspluviais.

Metodologia

ParaaelaboraçãodemapasdecoberturadaterraemAltamira,paraasdatasde2000e2010,foiaplicadoomodelo lineardemisturaespectral a imagensdo sensorTMconformedetalhadoemHirye et al. (2015). As imagens utilizadas foram selecionadas da base de dados da Divisão deGeração de Imagens (DGI/INPE), e são datadas de 28 de julho de 2000 e 24 de julho de 2010(Figura 6). Adicionalmente, fotografias aéreas de 1999/2000 e 2010 foram utilizadas para acaracterizaçãodaáreadeestudoeparaainterpretaçãoevalidaçãodosresultadosobtidos.



Figura6-AltamiranasimagensdosensorTMnacomposiçãoRGBdasbandas5,4e3em2000(àdireita)eem2010(àesquerda).Fonte:INPE,2012.

Índicesdeexatidãoglobaleexatidãoglobalnormalizadaekappa,derivadosdamatrizdeconfusãoe da matriz de confusão normalizada, foram utilizados para avaliar a concordância entre aclassificaçãodacoberturadaterraedadosdasfotografiasaéreas,consideradoscomoa“verdadede campo”. Foram utilizadas 169 e 193 amostras da “verdade de campo” para a avaliação dosmapas de 2000 e 2010, respectivamente. As matrizes de confusão normalizadas permitem acomparaçãodiretadosvaloresdeconcordânciaobtidosemcadadataeparacadacomponente,eliminandoadiferençadasamostrasutilizadasemcadavalidação.

AanálisedaexpansãourbanadeAltamirafoifeitaapartirdosdadosdosmapasdecoberturadaterrade2000e2010plotadosemumdiagramaternáriodeVIS,considerandoaclassificaçãodosbairros em: centro, caracterizado como a área de ocupaçãomais antiga da cidade; bairros commaisde50%dos lotesocupadosem2010;ebairroscommenosde50%dos lotesocupadosem2010.Opercentualde lotesocupados foiamaneiraencontradaparacaracterizarosbairrosqueestão em processo de ocupação, daqueles que já tem uma ocupação mais avançada.Adicionalmente,foramidentificadososbairrosdechácaras:bairrospróximosàmanchaurbanadeAltamira com lotes de áreamínima de 2.500m2 (PREFEITURAMUNICIPALDE ALTAMIRA, Lei n°21.518/200). A classificação dos bairros foi feita com base na identificação da ocupação nasfotografiasaéreasde1999/2000e2010eemtrabalhosdecampos,descritosdetalhadamenteemHirye(2014).

ResultadoseDiscussão

Osdoismapasdecoberturada terra (Figura7)apresentaramexatidãoglobalde85,2%(2000)e88,1%(2010).O índiceKappafoide0,668(2000)e0,751(2010),comumintervalodeconfiança(95%) de ± 0,120 (2000) e ± 0,09 (2010). A incorporação dos erros de omissão e comissão nocálculodaexatidãoglobalnormalizada faz comqueseusvalores sejammenoresqueaexatidãoglobal,sendo75,2%(2000)e71,6%(2010).Paraumníveldesignificânciade5%,otesteZmostrouqueambososmapassãomelhoresqueumaclassificaçãocasual.

28deJulhode2000 24deJulhode2010



Figura7-MapasdecoberturadaterradeAltamiraematrizesdeconfusãonormalizadas.

Asfraçõesdevegetaçãoesoloapresentammaiorconcordância,sendoquea impermeabilizaçãoparaoanode2000éligeiramentemelhorquepara2010(Figura7).Afraçãosolofoiaquelaqueapresentou os valores mais baixos na matriz, devido a sua confusão tanto com áreasimpermeabilizadascomocomáreasdevegetação.

Tomando-se como recorte o perímetro urbano de Altamira vigente em 2010 (PREFEITURAMUNICIPALDEALTAMIRA,Lein°2.047/2009),acomparaçãoentreosmapasdecoberturadaterrade 2000 e 2010 mostrou o crescimento das áreas impermeabilizadas, que chegaram perto dedobrar,edesoloeadiminuiçãodasáreasdevegetação(Tabela3).Emambasasdatas,maisde60%daáreadefinidacomoperímetrourbanoeracobertaporvegetação

Tabela3–Áreasdevegetação,impermeabilizaçãoesolonoperímetrourbanodeAltamira.

Ano

Vegetação Impermeabilização Solo SemInformação PerímetroUrbanodefinidopelaLei2.047/2009(ha)(%) (ha) (%) (ha) (%) (ha) (%) (ha)

2000 66,2 5.935 3,7 328 6,6 596 23,5 2.1098.970

2010 62,0 5.560 6,1 551 8,3 745 23,5 2.111

O centro, nas duas datas, foi caracterizado pelomaior percentual de impermeabilização (65%).Entretanto, observou-se uma pequena diminuição das áreas de solo exposto e o aumento dopercentual de vegetação, configurando a etapa da consolidação do assentamento descrita porPowell e Roberts (2010). Nas duas datas, a vegetação predominou nos bairros de chácaras,cobrindopertode80%daárea,enquantoqueaparticipaçãodosolo ficouentre10e15%edaimpermeabilização,pertode5%.Entre2000e2010,aexpansãodasáreasurbanizadasdeAltamira



ocorreutantonosbairroscommaisde50%delotesocupadosem2010quantonoscommenosde50%delotesocupados(Figura7).

Figura7–DiagramaternáriodacomposiçãoVISdosbairrosdeAltamiraem2000e2010.

Nas áreas dos bairros com mais de 50% dos lotes ocupados, observou-se o aumento daimpermeabilização (de 17% para 29%) e a diminuição da componente vegetação (de 56% para41%), enquantoopercentualde soloapresentoumenor variação (de27%para30%).Nasáreasdos bairros com menos de 50% dos lotes ocupados em 2010, observou-se a diminuição dopercentual de vegetação (de mais de 92% em 2000, para 58% em 2010) com o aumento dopercentualdesolo(de7%para37%).Nessesbairros,opercentualdeimpermeabilizaçãoaindaébaixo (menos de 5% nas duas datas). Assim, amodificação da composição VIS refletiu tanto osurgimento de novos bairros como o adensamento das construções em bairros já implantados(Figura8).

Figura8–BairrosJardimFrança(commenosde50%doslotesocupados)eMutirão(commaisde50%doslotesocupados).



CONCLUSÕES

Os mapas de cobertura do solo urbano de 2000 e 2010, obtidos a partir das imagens desensoriamentoremoto,apresentaramexatidãoglobalsuperiora85%,podendoserconsideradossatisfatóriosconformecritériossugeridosporFoody(2002).OsvaloresdeKappa indicamqueosmapas apresentam concordância substancial com a referência, de acordo com a classificaçãoproposta por Landis e Koch (1977). Para um nível de significância de 5%, o teste Zmostra queambososmapassãomelhoresqueumaclassificaçãocasual.

Áreas de solo apresentaram confusão tanto com áreas impermeabilizadas como com áreas devegetação,conformereportadoemtrabalhosanteriores (LU;WENG,2004;POWELLetal.,2007;KUCK; ALVES, 2012). Áreas de solo exposto preparadas para a urbanização foram, por vezes,mapeadas como impermeabilizadas.A confusãoentre alvosde respostaespectral semelhanteéumlimiteparaaaplicaçãodoMLME,conclusãotambémdeWENG(2012).IssoéparticularmenteimportantenautilizaçãodeimagensdosensorTM,deresoluçãoespectralrelativamentegrosseiranasregiõesdovisíveledoinfravermelho(HEROLDetal.,2004).

Certamente que o mapeamento da cobertura do solo urbano e a análise da composição VISpoderiamsebeneficiardosavançosnaobtençãoedisseminaçãode imagensdealtae altíssimaresoluçãoespacial.Entretanto,aanálisepropostatirouproveitodavisãosinóticaoferecidapelasimagensdemédiaresoluçãoeutilizou,combonsresultados,omodelolineardemisturaespectralparaaclassificaçãodessasimagens.

Entre 2000 e 2010, o crescimento de Altamira ocorreu nos bairros commais de 50% de lotesocupados em 2010 quanto nos com menos de 50% de lotes ocupados, resultado tanto dosurgimentodenovosbairroscomodoadensamentodasconstruçõesembairros já implantados.Nos bairros commais de 50% dos lotes ocupados, observou-se que omaior incremento foi naimpermeabilização (de 17%para 29%), enquantoquenos bairros commenosde 50%dos lotesocupados, o solo apresentou o maior incremento (de 7% para 37%). Nas áreas de chácaras, aparticipação da impermeabilização foi semelhante à dos bairros com menos de 50% dos lotesocupados,porémcommaiorproporçãodevegetaçãoemenorproporçãodesolo.AáreacentraljáestánafasedeconsolidaçãodaocupaçãodescritaporPowelleRoberts (2010),poisapresentoumaiorproporçãodeimpermeabilizaçãonasduasdataseaumentodavegetaçãoem2010.

AcaracterizaçãodosbairrosdeAltamirapoderiaserutilizadanodesenvolvimentodemetodologiaparaaagregaçãodospixelsemunidadesterritoriaishomogêneas,emsubstituiçãoàdelimitaçãodebairrosrealizadaapartirdosdadosdecampoedainterpretaçãodasfotografiasaéreas.

Por fim,este trabalhomostraaparticularutilidadedacomposiçãoVISparaaanálisedecidadescomoAltamira, pouco consolidadas e que apresentamum acentuado processo de crescimento.Nesses casos, as áreas urbanas não são caracterizadas pela predominância absoluta dacomponente impermeabilização. A componente solo é crucial, já que capta as áreas de soloexpostopreparadasparaaurbanizaçãoouconstrução,asviasnãopavimentadaseáreaspúblicaseprivadassemtratamentopaisagísticooupavimentação.



BIBLIOGRAFIA

ADAMS, J. B.; GILLESPIE, A. R.Remote sensing of landscapes with spectral images: a physicalmodelingapproach.1a.ed.Cambridge:CambridgeUniversity,2006.

ALMEIDA, C. M. DE. Aplicação dos sistemas de sensoriamento remoto por imagens e oplanejamento urbano regional.Arq.Urb - revista eletrônica de arquitetura e urbanismo(USJT),testedenotas,v.3,p.98–123,2010.

ANDERSON, J. R.; HARDY, E. E.; ROACH, J. T.; WITMER, R. E. A Land Use and Land CoverClassificationSystemforUsewithRemoteSensorData.Washington,1976.

BENZ, U. C.; HOFMANN, P.; WILLHAUCK, G.; LINGENFELDER, I.; HEYNEN, M. Multi-resolution,object-oriented fuzzy analysis of remote sensing data for gis-ready information. ISPRSjournalofphotogrammetryandremotesensing,v.58,p.239–258,2004.

BLASCHKE,T.Objectbasedimageanalysisforremotesensing.ISPRS journalofphotogrammetryandremotesensing,v.65,n.1,p.2–16,2010.

FOODY, G. M. Status of land cover classification accuracy assessment. Remote sensing ofenvironment,v.80,p.185–201,abr.2002.

GILLESPIEA.R.;SMITHM.O.;ADAMS,J.B.;WILLIS,S.C.;FISCHER,A.F.;SABOL,D.E.Interpretationof residual images: spectral mixure analysis of AVIRIS images. In: ANUAL JPL AIRBORNEVISIBLE/ INFRARED IMAGING SPECTROMETER (AVIRIS), 2., Pasadena. Proceedings…Pasadena:NASA,JetPropulsionLaboratory,CaliforniaInstituteofTechnology,1990.p.243–290.

HEROLD, M.; ROBERTS, D. A; GARDNER, M. E.; DENNISON, P. E. Spectrometry for urban arearemote sensing—development and analysis of a spectral library from 350 to 2400 nm.Remotesensingofenvironment,v.91,n.3–4,p.304–319,jun.2004.

HIRYE,M. C. DEM. Análise da expansão urbana com utilização do modelo linear de misturaespectral:estudodecasoemAltamira(PA)entre2000e2010.Dissertação(Mestrado)–InstitutoNacionaldePesquisasEspaciais.2014.

HIRYE,M.C.DEM.;ALVES,D.S.;KUX,H. J.H.Mapeamentodacoberturadaterranacidadedealtamira (PA)em2000e2010,comautilizaçãodomodelo lineardemisturaespectraldeimagensdosensorTM.RevistaBrasileiradeCartografia,v.67,n.1,p.157-168,2015.

KUCK, T. N.; ALVES, D. S. Aplicação do mesma para análise multitemporal do processo deimpermeabilizaçãodosolourbanodemanaus-am.Revistabrasileiradecartografia,v.64,n.5,p.601–617,2012.

LANDIS, J. R.; KOCH, G. G. The measurement of observer agreement for categorical data.Biometrics,v.33,n.1,p.159–174,1977.

LU, D.;WENG,Q. Spectralmixture analysis of the urban landscape in indianapoliswith LandsatETM+imagery.Photogrammetricengineering&remotesensing,v.70,n.9,p.1053–1062,2004.



MADHAVAN,B.B.; KUBO, S.; KURISAKI,N.; SIVAKUMAR, T.V. L.N.Appraising theanatomyandspatialgrowthoftheBangkokmetropolitanareausingavegetation-impervious-soilmodelthroughremotesensing. International journalof remote sensing,v.22,n.5,p.789–806,2001.

MYINT,S.W.Urbanvegetationmappingusingsubpixelanalysisandexpertsystemrules:acriticalapproach.Internationaljournalofremotesensing,v.27,n.13,p.2645–2665,2006.

OKUJENI, A.; LINDEN, S. VAN DER; HOSTERT, P. Remote sensing of environment extending thevegetation – impervious – soilmodel using simulated enmapdata andmachine learning.Remotesensingofenvironment,v.158,p.69–80,2015.

PHINN,S.;STANFORD,M.;SCARTH,P.;MURRAY,A.T.;SHYY,P.T.Monitoringthecompositionofurban environments based on the vegetation-impervious surface-soil (VIS) model bysubpixelanalysistechniques.Internationaljournalofremotesensing,v.23,n.20,p.4131–4153,2002.

POWELL,R.L.;ROBERTS,D.A.Characterizingurbanland-coverchangeinRondônia,Brazil:1985to2000.Journaloflatinamericangeography,v.9,n.3,p.183–211,2010.

POWELL,R. L.;ROBERTS,D.A.Characterizingvariabilityof theurbanphysicalenvironment forasuiteofcitiesinrondônia,brazil.Earthinteractions,v.12,n.13,p.1–32,2008.

POWELL, R.; ROBERTS, D.; DENNISON, P.; HESS, L. Sub-pixelmapping of urban land cover usingmultiple endmember spectral mixture analysis: manaus, brazil. Remote sensing ofenvironment,v.106,n.2,p.253–267,2007.

PREFEITURA MUNICIPAL DE ALTAMIRA. Lei Municipal 2.047/2009. Dispõe sobre o PerímetroUrbanodeAltamira.

PU,R.;GONG,P.;MICHISHITA,R.;SASAGAWA,T.Spectralmixtureanalysisformappingabundanceofurbansurfacecomponentsfromtheterra/asterdata.Remotesensingofenvironment,v.112,n.3,p.939–954,2008.

Remote sensing. In: ESTES, J.; KLINE, K.; COLLINS, E. International encyclopedia of social &behavioralsciences,2001.p.13144–13150.

RIDD,M.K.ExploringaV-I-Smodelforurbanecosystemthroughremotesensing:acomparativeanatomy for cities. International journal of remote sensing, v. 16, n. 12, p. 2165–2185,1995.

ROBERTS,D.A.;GARDNER,M.;CHURCH,R.;USTIN,S.;SCHEER,G.MappingchaparralintheSantaMonicaMountainsusingmultipleendmemberspectralmixturemodels.Remotesensingofenvironment,v.65,p.267–279,1998.

SHIMABUKURO,Y. E.; SMITH, J.A. The least-squaresmixingmodels to generate fraction imagesderived from remote sensing multispectral data. Ieee transactions on geoscience andremotesensing,v.29,n.1,p.16–20,1991.

SMALL,C.Highspatialresolutionspectralmixtureanalysisofurbanreflectance.Remotesensingofenvironment,v.88,n.1–2,p.170–186,2003.



SMALL, C.; LU, J. W. T. Estimation and vicarious validation of urban vegetation abundance byspectralmixtureanalysis.Remotesensingofenvironment,v.100,n.4,p.441–456,2006.

SMITH, M. O.; USTIN, S. L.; ADAMS, J. B.; GILLESPIE, A. R. Vegetation in deserts: I. a regionalmeasureofabundancefrommultispectralimages.Remotesensingofenvironment,v.31,p.1–26,1990.

SONG,C.Spectralmixtureanalysisforsubpixelvegetationfractionsintheurbanenvironment:howtoincorporateendmembervariability?Remotesensingofenvironment,v.95,n.2,p.248–263,2005.

TANG,Q.;WANG,L.Urbanland-use,land-coverclassificationthroughwatershedsegmentationinthev–i–sfeaturespace.Remotesensingletters,v.3,n.8,p.677–685,202012.

WENG,Q.; LU,D. Landscapeas a continuum:anexaminationof theurban landscape structuresand dynamics of indianapolis city, 1991–2000, by using satellite images. Internationaljournalofremotesensing,v.30,n.10,p.2547–2577,2009.

WU, C.;MURRAY, A. T. Estimating impervious surface distribution by spectral mixture analysis.Remotesensingofenvironment,v.84,n.4,p.493–505,2003.

YANG,X.Whatisurbanremotesensing?In:YANG,X.(Org.).UrbanRemoteSensingMonitoring,SynthesisandModeling in theUrbanEnvironment.1a.ed.Chichester,UK:JohnWiley&Sons,Ltd,2011.p.3–11.

o modelo vis (vegetaÇÃo- impermeabilizaÇÃo...

Documents