ANUNCIANTES

Artigo: Quantificação de desmatamento da área de preservação permanente do Rio Jaguarari no estado da Bahia, Brasil

RESUMO
Os Sistemas de Informações Geográficas (SIG) livres e gratuitos como o gvSIG permitem através do uso de imagens de satélites um melhor conhecimento sobre o uso e ocupação do solo. Utilizou-se uma cena 2434409/2014-03-23 do satélite RapidEye para quantificar as Áreas de Preservação Permanente (APP). A imagem foi classificada pelo método de Máxima Verossimilhança e teve como objetivo quantificar o desmatamento na área de APP na bacia hidrográfica do Rio Jaguarari, Estado da Bahia, delimitada pela imagem SRTM. Os resultados demostram uma área total de 86.77 ha de APP, no entanto 62,74% da mesma encontra-se em conflito com a legislação vigente, correspondendo a 54,44 ha de área desmatada.

Palavras-chave: Bacia Hidrográfica. gvSIG. Sistemas de Informações Geográficas.

ABSTRACT Geographic information systems (GIS) and free free as the gvSIG allow through the use of satellite images for a better understanding of the use and occupation of the soil. It was a scene the RapidEye satellite 2434409/2014-03-23 to quantify the areas of permanent preservation (APP). The image was classified by the method of maximum likelihood and aimed to quantify deforestation in the area of APP in the catchment area of the river Jaguarari, Bahia State, bounded by the SRTM image. The results demonstrate a total area of 86.77 ha of APP, however 62.74% of the same is in conflict with current legislation, corresponding to 54.44 hectares of deforested area.
Keywords: Remote Sensing 1. Geographical Information Systems 2. Areas of Permanent Preservation 3.

1 INTRODUÇÃO
O desmatamento das bacias hidrográficas exerce grande impacto no clima local. A vegetação armazena água no solo e a transpiração do líquido para a atmosfera ajuda a resfriar o ambiente, favorecendo a formação de chuvas. Diante disso, a preservação das Áreas de Preservação Permanente (APP) é de fundamental importância na gestão de bacias hidrográficas, pois contribuem para a estabilidade dos ciclos hidrológicos e biogeoquímicos visando dar condições de sustentabilidade à agricultura, onde, intervenções nas APP para abertura de novas áreas agrícolas comprometerá, no futuro, a reposição de água nos aquíferos, a qualidade de água superficial e subterrânea, perda de solo, ameaças à saúde humana, degradação dos mananciais, além também, de ter papel regulador dos ciclos naturais, fundamentais para a manutenção do equilíbrio ecológico (TUNDISI e TUNDISI, 2010; SILVA et al., 2011).

Em bacias hidrográficas com vastas áreas é imperativo a utilização, representação e caracterização dos mapas de uso e cobertura da terra na forma digital. Com o uso de imagens obtidas de satélites é possível planejar o manejo eficiente das terras, preponderante no cenário agrícola atual, o qual busca maior competitividade bem como, a conservação dos recursos naturais (SILVA et al., 2008).

Uma ferramenta que vem sendo amplamente utilizada no mapeamento de APPs e delimitação de bacias hidrográficas, são os Sistemas de Informações Geográficas (SIGs) (RIBEIRO et al., 2005). Estes, são de maior importância na produção de mapas para o uso e cobertura do solo, como também permitem a realização de análises complexas ao integrar dados de diversas fontes e ao criar bancos de dados georreferenciados, possibilitando a automatização da produção de documentos cartográficos (CAVALLARI et al., 2007; OLIVEIRA et al., 2008; SILVA e SILVA, 2010). Os SIGs atendem a necessidade de informação em diversas escalas, tornando o planejamento muito mais dinâmico e eficaz, pois, os mesmos permitem o monitoramento, a avaliação e, principalmente, a tomada de decisões para melhor gerenciar os recursos naturais disponíveis, bem como, informações geológicas, agrícolas, florestais, entre outras (AMARAL, 2009; DÉSTRO, 2010).

O gvSIG pode ser considerado um SIG completo possuindo uma ferramenta que possibilita processar tanto dados vetorial ou matricial, disponibilizando ferramentas para a análise de dados hidrológica, de proximidade, de custos, lógica fuzzy, geoestatística e processamento de imagens. Além disto, possibilita análise estatística, análise de paisagem e interpolação (COSTA et al., 2009). O mesmo dispõe de funções para aquisição, armazenamento, gerenciamento, manipulação, processamento, exibição e publicação de dados e informações geográficas, o qual podemos utilizar para monitorar e garantir a integridade das florestas das bacias hidrográficas dos rios brasileiros, através de imagens de satélites.

Para obtenção de informações geológicas existe também a utilização de modelos digitais de elevação hidrograficamente condicionados (MDEHCs) gerados a partir de informações de sensores remotos, tal como a missão Shuttle Radar Topography Mission (SRTM), realizada em 2000 a bordo da nave Endeavour, têm ganhado relevância por advirem de uma técnica rápida e acurada de coletar dados topográficos (RABUS et al., 2003). A extração das características morfométricas a partir de (MDEHCs) gerados por meio de dados orbitais tem recebido atenção considerável e é reconhecida como uma alternativa viável aos tratamentos tradicionais e à avaliação manual dos mapas topográficos, uma vez que as bacias reduzem o tempo necessário para a geração de planos de informações para modelos hidrológicos (COLOMBO et al., 2007).

No que tange as novas plataformas orbitais, destaca-se o sistema de sensores RapidEye, que opera seu próprio sistema, composto por cinco satélites de Sensoriamento Remoto, capazes de coletar imagens sobre grandes áreas, com alta capacidade de revisita. A componente espacial do sistema RapidEye encontra-se posicionada em órbita síncrona com o sol, com igual espaçamento entre cada satélite. Esta configuração permite estabelecer novos padrões de eficiência relacionados à repetitividade de coleta e a exatidão das informações geradas sobre a superfície da terra, sendo capaz de produzir imagens de qualquer ponto do globo, em qualquer dia, todos os dias, e permite assumir uma postura pró-ativa ao capturar imagens de regiões relevantes e torná-las disponíveis mais rapidamente e com maior eficácia. A resolução espacial original de cada banda é de 6,5 metros, que após a ortorretificação, permitem uma resolução de 5m, resultando em imagens corrigidas com precisão de detalhes compatível com escala 1:25.000 (RAPIDEYE, 2017).

O sensor RapidEye proporciona as melhores resoluções espacial e temporal, além de dispor de uma banda na região da borda do vermelho, comumente conhecida como "red edge", propícia para a determinação do estado de saúde fotossintética da vegetação. Essa banda tem sido utilizada com a finalidade de aperfeiçoar o resultado da classificação do uso do solo - em comparação ao uso das bandas multiespectrais (SCHUSTER et al., 2012), para a determinação do índice de área foliar em áreas de sistemas agroecológicos, por meio de índices que incluem o "red edge" (DELEGIDO et al., 2013), e para a determinação de nitrogênio em gramíneas (RAMOELO et al., 2012).

O método tradicional mais utilizado na classificação e mapeamento de uso e cobertura do solo é o Método da Máxima Verossimilhança (Maxver). Este método parte do princípio que a classificação errada de um pixel não tem mais significado do que a classificação errada de qualquer outro pixel na imagem (RICHARDS, 1993).

A distribuição espectral das classes de uso do solo é considerada como sendo gaussiana ou normal, isto é, objetos pertencentes à mesma classe apresentarão resposta espectral próxima à média de valores para aquela classe. O método considera a ponderação das distâncias médias, utilizando parâmetros estatísticos de distribuição dos pixels dentro de uma determinada classe (CRÓSTA, 1993). Foram consideradas na classificação supervisionada as bandas espectrais azul, verde, vermelho e do infravermelho próximo.

Para este trabalho, usamos as ferramentas supracitadas na caracterização, sensoriamento remoto e geoprocessamento da microbacia do Rio Itapicuru (BA), em especial do Rio Jaguarari (BA), objetivando a realização do mapeamento das classes de uso e cobertura do solo para quantificar e mostrar a atual e real característica da sua vegetação . Uma vez que, esta microbacia constitui-se fonte hídrica preponderante no fomento da economia das comunidades ali instaladas, seu manejo envolve principalmente a agricultura familiar, em modelos distintos, que vão desde a agroecologia à exploração desordenada.

2 MATERIAIS E MÉTODOS
O trabalho foi realizado na área de influência do Rio Jaguarari que pertence à Bacia Hidrográfica do Rio Itapicuru, localizada no município de Jaguarari (BA), entre as coordenadas geográficas 10° 15’ 00”de latitude Sul e 40° 11’ 00” de longitude oeste, com a altitude media de 650 metros.

O clima é do tipo semiárido (BSwh’), de acordo com a classificação de Köppen, sendo os meses mais quentes (outubro a março), àqueles com maiores níveis de chuva e os meses frios (abril a setembro) aqueles mais secos (KOPPEN, 1931). Seus tipos de solo são variados, sendo identificados: planossolos, argissolos e neossolos litólicos eutróficos, neossolos regolíticos e nitossolos distróficos. Já a vegetação, do mesmo modo, é variegada, destacando-se os seguintes tipos: contato cerra-do-floresta estacional e as caatingas arbóreas aberta ou densa, ambas com ou sem palmeiras e, ainda, o contato caatinga-floresta estacional. O relevo é serrano, passando a baixadas e pediplano sertanejo, cortados pelos rios Jaguarari e
do Brejo, que com seus tributários servem às bacias Itapicuru e São Francisco (ÂNGELO et al., 2005).

Os dados do SRTM foram obtidos junto ao Banco de Dados Geomorfométricos do Brasil (TOPODATA), para a delimitação da bacia hidrográfica. O processamento dos dados SRTM foi subdividido em nove etapas, conforme a metodologia utilizada para a delimitação das sub-bacias hidrográficas encontra-se detalhada no trabalho realizado por Jenson e Domingue (1988): 1- Rasterização das curvas de nível (Rasterize vector layer); 2 - Preencher as células sem dados (Void Filling); 3 - Eliminação das depressões (Sink filling); 4 - Gerar a camada de fluxo(Flow accumulation); 5 - Gerar a rede de drenagem (Channel network); 6 - Gerar as sub-bacias hidrográficas(Watersheds); 7 - Vetorizar as sub-bacias hidrográficas (Vectorize raster layer polygons); 8 - Aplicar simbologia nas sub-bacias hidrográficas; 9 - Selecionar as sub-bacia de interesse.
Todos os procedimento foram realizados por meio do software livre gvSIG. Além da delimitação hidrográfica este SIG possibilitou a confecção do mapa de uso e ocupação do solo. O mapeamento de uso e cobertura da terra pertencente à bacia foi realizado a partir da cena 2434409/2014-03-23 do satélite RapidEye. No mapeamento de uso e cobertura do solo das APP, foi utilizado o classificador supervisionado de Máxima Verosssimilhança (Maxver). Conforme a legislação do novo código florestal, foi feito nas nascentes um buffer de 50m de raio e nos rios com larguras menores de 10m um buffer de 30m, (PINTO, 2004).

3. RESULTADOS E DISCUSSÃO
As classes do uso da terra e suas respectivas porcentagens podem ser visualizadas na Tabela 1 e Figura 1, respectivamente. A imagem do satélite do sensor RapidEye do dia 23/03/2014, permitiu identificar (2) duas classes de uso da terra (Figura 1), Mata ciliar e Pastagem, com 37,26% e 62,74% do total de APP (86,77ha), respectivamente.

O estudo demonstrou que uma porção significativa da área de APP está coberta por vegetação do tipo pastagem, o que indica que nestas áreas a APP se encontra alterada, infringindo o Código florestal.
Na classe pastagem foram considerados todos os tipos de práticas agrícolas existentes na região. Porém, a diferenciação destas práticas, não foi possível, devido à resolução espacial da imagem RapidEye, que é de apenas 6,5 metros, isto porque, a pastagem dessas áreas são de porte baixo a rasteiro. As imagens do sensor RapidEye após a ortorretificação, permitem uma resolução de 5m, resultando em imagens corrigidas com precisão de detalhes compatível com escala 1:25.000. Sobre as imagens RapidEye o tamanho do pixel é de 42.25 m² oferecendo uma melhor precisão na estimativa das áreas de APP, quando comparado com sensores de média resolução espacial como são os sensores abordo das plataformas LANDSAT.

Tabela 1 – Classes de uso do solo do Rio Jaguarari, Jaguarari – BA, Brasil.


As referências do custo de recuperação de áreas degradadas ocorreram em diferentes períodos, tornando necessária a correção monetária desses valores para a sua comparação. O resultado da correção dos valores pelo Índice Geral dos Preços Disponibilidade Interna (IGP-DI) para o ano de 2015 se encontra na Tabela 2

Tabela 2. Custos/hectare reais de referências para recuperar áreas degradadas

Figura 1- Mapa da área de APP, Jaguarari, BA, Brasil.

Fonte: Autores, 2017


Figura 2 – Mapa de uso e ocupação do solo do Rio Jaguarari, Jaguarari, BA, Brasil.

Fonte: Autores, 2017

5 CONCLUSÃO
No presente trabalho as Áreas de Preservação Permanente do Rio Jaguarari, encontra-se em situação preocupante para aquela região, onde, 54,44 hectares de um total de 86,77 hectares são pastagens, infringindo o novo Código Florestal.

As ferramentas utilizadas para este estudo, por exemplo, as imagens obtidas do sensor RapidEye e o software gvSIG, além de ser livre e gratuito, se mostraram eficientes para o mapeamento de uso e ocupação do solo dessa região.

As geotecnologias tem destaque nesta questão, sendo a alternativa mais viável para se reduzir significativamente o tempo gasto com o mapeamento das áreas a serem protegidas, e, por consequência, agilizar o período hábil de fiscalização no cumprimento das leis pertinentes e também servem para futuros projetos de restauração das áreas degradadas.

REFERÊNCIAS
ÂNGELO T. Vieira, Felicíssimo Melo, Hermínio Brasil V. Lopes, Hermínio Brasil V. Lopes, José C. Viégas Campos, José T Guimarães, Juliana M. da Costa, Luís Fernando C. Bomfim, Pedro Antonio de A. Couto Sara Maria Pinotti Benvenuti. Projeto Cadastro de Fontes de Abastecimento por Água Subterrânea Diagnóstico do Município de Jaguarari Estado da Bahia. Salvador: CPRM/PRODEEM, 2005.

ALMEIDA, L. F.; Lima, M. F.; Braga, M. S.; Mattos, C. N.; Kale, F. L. D. Diagnóstico de áreas potenciais para recuperação de área degradada, em região de extração de areia, com uso de sedimento de canal de adução de água e lodo de estação de tratamento de esgoto. X Simpósio Ítalo-Brasileiro de Engenharia Sanitária e Ambiental. Maceió, 2010

AMARAL M. V. F.; Souza A. L.; Soares V. P.; Soares C. P. B.; Martins S. V.; Leite H. G.; Filho E. I.; Gaspar R. O. Dinâmica da cobertura vegetal (1980-2004) em um projeto de produção florestal, nos municípios de Bugre e Ipaba, MG. Revista Árvore, Viçosa-MG, v.33, n.2, p.315-325, 2009.

CAVALLARI R. L.; Tamae R. Y.; Rosa A. J. A importância de um sistema de informações geográficas no estudo de microbacias hidrográficas. Revista Científica Eletrônica de Agronomia, n.11, Periódico Semestral, 2007.

COLOMBO, R. et al. Deriving river networks and catchments at the European. Catena, v. 70, p. 296-305, 2007.
COSTA, H. C.; Silva, M. V. A. Apostila de Introdução ao gvSIG. Goiânia, CEFET. 2009. Publicação online: . Acesso em: setembro de 2017.

CORRÊA, R. S. Recuperação de áreas degradadas pela mineração no Cerrado: Manual para revegetação. 2.ed. Brasília: Universa, 2007. 187p.

CRÓSTA, A. P, Processamento Digital de Imagens de Sensoriamento Remoto. Campinas, SP, UNICAMP,ed. rev., 1993.

DELEGIDO, J.; Verrelst, J.; Meza, C.M.; Rivera, J.P.; Alonso, L.; Moreno, J. A red-edge spectral index for remote sensing estimation of green LAI over agroecosystems. European Journal of Agronomy, v.46, p.42-52, 2013. DOI: 10.1016/j.eja.2012.12.001.

DÉSTRO G. F. G. Diagnóstico físico-conservacionista no estudo dos conflitos de uso da terra em microbacias hidrográficas. Revista Brasileira de Ciências Agrárias. v.5, n.4, p.525-534, out.-dez., 2010.

JENSON, S. K.; Domingue, J. O. Extracting Topographic Structure from Digital Elevation Data for Geographic Information System Analysis. Photogrammetric Engineering And Remote Sensing, vol. 54, n. 11, p. 1593-1600, nov. 1988.

KOPPEN, WILLIAN. 1931. Climatologia. México, Fundo de Cultura Econômica.
OLIVEIRA, F. S.; Soares, V. P.; Pezzopane, J. E. M.; Gleriani, M. J.; Gumercindo, S. L.; Elias, S.; Oliveira, A. M. S. Identificação de conflito de uso da terra em áreas de preservação permanente no entorno do parque nacional do Caparaó, Estado de Minas Gerais. Revista Árvore, Viçosa, MG, v.32, n.5, p.899-908, 2008.

PINTO, Lilian Vilela Andrade et al. Estudo das nascentes da bacia hidrográfica do Ribeirão Santa Cruz, Lavras, MG. 2004.

RABUS, B. et al. The Shuttle Radar Topography Mission - a new class of digital elevation models acquired by spaceborne radar. ISPRS Journal of Photogrammetry & Remote Sensing, v.57, p.241-262, 2003.

RapidEye, Satellite Imagery Product Specifications. Disponível em: < www.rapideye.com >Acesso em: setembro 2017.

RAMOELO, A.; Skidmoreb, A.K.; Cho, M.A.; SchlerF, M.; Mathieu, R.; Heitkönigd, I.M.A. Regional estimation of savanna grass nitrogen using the red-edge band of the spaceborne RapidEye sensor. International Journal of Applied Earth Observation and Geoinformation, v.19, p.151-162, 2012. DOI: 10.1016/j.jag.2012.05.009.

RIBEIRO, C. A. A. S.; Soares, V. P.; Oliveira, A. M. S.; Gleriani, J. M. O desafio da delimitação de áreas de preservação permanente. Revista Árvore, Viçosa-MG, n. 2, v. 29, p. 203-212, 2005.
RICHARDS, J.A. Remote Sensing Digital Image Analysis , Second Edition, New York: Wiley, 1993.

SILVA, F. M. da; Souza, Z. M. de; Figueiredo, C. A. P. de; Vieira, L. H. de S.; Oliveira, E. de. Variabilidade espacial de atributos químicos e produtividade da cultura do café em duas safras agrícolas. Ciência e Agrotecnologia, Lavras, v.32, n.1, p.231-241, jan./fev., 2008.

SCHUSTER, C.; Förster, M.; Kleinschmit, B. Testing the red edge channel for improving land-use classifications based on high-resolution multi-spectral satellite data. International Journal of Remote Sensing, v.33, p.5583-5599, 2012. DOI: 10.1080/01431161.2012.666812.

TUNDISI, J.G.; Tundisi, T.M. Impactos potenciais das alterações do Código Florestal nos recursos hídricos. Biota Neotropica, Campinas. v.10, n. 4, p. 67-76. 2010.


Márcio da Silva Santos (Santos, M.S)1, Rafael Motta (Motta, R.)2, Ricardo Vieira da Silva (Silva, R)3, Lúcio de Paula Amaral4(Amaral, L.P.), Elódio Seben5 (Seben, E.)

1 Universidade Federal de Santa Maria, Av. Roraima nº 1000, Cidade Universitária, Bairro Camobi, CEP 97105-900, Santa Maria – RS, Brasil, email: geoprural@gmai.com

2 Universidade Federal de Santa Maria, Av. Roraima nº 1000, Cidade Universitária, Bairro Camobi, CEP 97105-900, Santa Maria – RS, Brasil, email: rafamottamail@yahoo.com.br

3 Universidade Federal de Santa Maria, Av. Roraima nº 1000, Cidade Universitária, Bairro Camobi, CEP 97105-900, Santa Maria – RS, Brasil, email: ric.sveira@gmail.com

4 Universidade Federal de Santa Maria, Av. Roraima nº 1000, Cidade Universitária, Bairro Camobi, CEP 97105-900, Santa Maria – RS, Brasil,email: amaralufsm@gmail.com

5 Universidade Federal de Santa Maria, Av. Roraima nº 1000, Cidade Universitária, Bairro Camobi, CEP 97105-900, Santa Maria – RS, Brasil,email: elodiosebem@politecnico.ufsm.br

Nenhum comentário