UTILIZAÇÃO DE GEOESTATÍSTICA PARA O … · aplicada que aborda os problemas referentes às Variáveis Regionalizadas, que são variáveis que possuem um comportamento espacial

UTILIZAÇÃO DE GEOESTATÍSTICA PARA O APRIMORAMENTO DE DADOS SRTM – CASO APLICADO AO ESTUDO DO RELEVO DA BACIA HIDROGRÁFICA DO RIO

ITAPEMIRIM - ES

Reginaldo Alex Calçavara1 Kleverson Alencastre do Nascimento2

1 Estudante do Curso de Geografia do Centro Universitário São Camilo/Espírito Santo,

Caixa Postal 234 – 29304-910 - Cachoeiro de Itapemirim – ES, Brasil. [email protected]

2 Professor do Curso de Geografia do Centro Universitário São Camilo/Espírito Santo,

Caixa Postal 234 – 29304-910 - Cachoeiro de Itapemirim – ES, Brasil. [email protected]

Resumo. A geoestatística, que aborda os problemas referentes às Variáveis Regionalizadas, vem sendo aplicada em vários campos do conhecimento, dentre eles, estudos do relevo através de MDE´s. Dados topográficos são utilizados em análises ambientais para a caracterização de unidades de paisagem baseadas em variáveis morfológicas relacionadas a feições geométricas da superfície analisada. Trabalhos de pesquisa dedicados exclusivamente à preparação e à avaliação de MDEs, através de métodos e dados diversos, apontam a Krigagem como método de interpolação que melhor expressa as formas do relevo. Por ser fundamentada na estatística, a krigagem está ligada à população de dados, implicando que conjuntos diferentes de dados apresentam diferentes coeficientes geoestatísticos, imprimindo características distintas aos MDEs. Assim, objetiva-se identificar qual o modelo de krigagem que possibilite uma melhora dos dados SRTM, visando a geração de um MDE que permita a extração de informações em escala grande para obtenção de melhores resultados no estudo do relevo da Bacia Hidrográfica do Rio Itapemirim. Baseia-se na metodologia proposta por Valeriano (2002, 2003 e 2004) e Valeriano e Abdon (2007) adaptada para os softwares utilizados. São selecionadas áreas amostrais de 30 linhas por 30 colunas a partir dos dados SRTM originais, para análise de tendência e obtenção de resíduos. Sobre os resíduos, realizaram-se análises geoestatísticas para avaliar, através de semivariogramas e testes de krigagem, o melhor modelo a ser aplicado. De 18 amostras, 17 apresentaram o modelo Esférico como modelo teórico de ajuste ao semivariograma experimental. A amostra que apresentou o melhor resultado nos testes foi a que mais se aproximou da média total das amostras e o modelo gerado a partir dos coeficientes desta possibilitou um ganho de qualidade na extração de informações para interpretação visual em imagens sombreadas em grande escala, revelando implicitamente a melhora na qualidade do modelo. Abstract. The geoestatistic, that approaches the problems regarding the Regionality Variables, has been applied in several knowledge fields, among them, studies of the landform through DEMs. Topographical data are used in environmental analyses for the characterization of units of landscape based in morphologic variables related to geometric features of the analyzed surface. Research works dedicated exclusively to the preparation and the evaluation of DEMs, through methods and data several, they point kriging as interpolation method that best expressed the forms of the landform. For being based in the statistics, the kriging is linked to the population of data, implicating that groups different from data present different geoestatistical coefficients, printing characteristics different to DEMs. Like this, it is aimed at to identify which the kriging model that makes possible an improvement of the data SRTM, seeking the generation of a DEM that allows the extraction of information in big scale for obtaining of better results in the study of the landform of Hydrographic Basin of Itapemirim River. It bases on the methodology proposed by Valeriano (2002, 2003 and 2004) and Valeriano and Abdon (2007) adapted for the used software. Sample areas of 30 lines by 30 columns are selected from the SRTM original data, for tendency analysis and obtaining of residues. On the residues, they took place geoestatistical analyses to evaluate, through semivariograms and kriging tests, the best model to be applied. Of 18 samples, 17 presented the Spherical model as theoretical model of adjustment to the experimental semivariogram. The sample that presented the best result in the tests was the one that more it approached the total average of the samples and the model generated from the coefficients of this made possible a quality earnings in the extraction of information for visual interpretation in shaded images in great scale, revealing the improvement implicitly in the quality of the model. Palavras-chave: geoestatística, SRTM, relevo.

1. INTRODUÇÃO

Landim (1998), apud, Zimback (2003) define a Geoestatística como um tópico especial da estatística

aplicada que aborda os problemas referentes às Variáveis Regionalizadas, que são variáveis que

possuem um comportamento espacial demonstrando características intermediárias entre variáveis

verdadeiramente aleatórias e as totalmente determinísticas.

O conceito de geoestatística surgiu com os trabalhos de Krige (1951) com dados de concentração de

ouro nos quais concluiu que apenas a informação fornecida pela variância seria insuficiente para

explicar o fenômeno em estudo. Era preciso considerar a distância entre as observações. Assim, a

geoestatística leva em consideração a localização geográfica e a dependência espacial (CAMARGO,

1997).

Existem ferramentas geoestatísticas como o variograma ou semivariograma, o covariograma e o

correlograma que são utilizadas para avaliar a magnitude da correlação espacial entre as amostras e sua

similaridade ou não com a distância (ZIMBACK, 2003).

Freitas (2000) afirma que quando as amostras forem coletadas no campo em duas dimensões e for

necessária a interpolação entre locais medidos para a elaboração de mapas de isolinhas, a ferramenta

mais indicada para se medir a dependência espacial é o semivariograma.

De acordo com Landim (1998), apud Zimback, (2003) os semivariogramas expressam o

comportamento espacial da variável regionalizada ou de seus resíduos, mostram o tamanho da zona de

influência em torno de uma amostra, a variação nas diferentes direções no terreno bem como a

continuidade da característica estudada no terreno.

O variograma é uma ferramenta que permite a representação quantitativa da variação de um fenômeno

regionalizado no espaço (HUIJBREGTS, 1975, apud, CAMARGO, 1997) bem como define

parâmetros necessários à estimativa de valores para locais não amostrados (SALVIANO, 1996 e

CAMARGO, et al, 2004, apud CASTRO, 2008).

Atualmente a utilização da geoestatística tem crescido e ela vem sendo aplicada em vários campos do

conhecimento como na ecologia, na climatologia, na engenharia, entre outros (Freitas, 2000).

Valeriano (2002, 2003, 2004, 2008) e Valeriano e Abdon (2007) utilizam a geoestatística para a

extração de informações do relevo através de Modelos Digitais de Elevação (MDE), que são

representações digitais de uma variação contínua do relevo no espaço (BURROUGH, 1986, apud,

ALMEIDA e BERGER, 2007).

Neste sentido, Valeriano (2008) afirma que o método de interpolação que melhor expressa as formas

do relevo é a Krigagem. A krigagem é um método de interpolação no qual a cota de um ponto de

interesse é calculada através da média ponderada das amostras vizinhas, distribuindo os pesos de

acordo com a variabilidade espacial, determinada por meio de análise geoestatística, que por sua vez,

fornece coeficientes, utilizados para controle da interpolação, que descrevem, em semivariogramas, a

variabilidade espacial do conjunto analisado (VALERIANO, 2008).

As análises ambientais e os projetos de engenharia solicitam frequentemente variáveis fornecidas por

dados topográficos, que por sua vez, têm sido utilizados na caracterização de unidades de paisagem

baseadas em variáveis morfológicas, relacionadas estritamente a feições geométricas da superfície

analisada (VALERIANO, 2008).

De acordo com Valeriano (2008), a identificação de sistemas terrestres ganha mais objetividade e

uniformidade em relação aos métodos tradicionais (qualitativos), quando se adotam métodos

paramétricos (quantitativos) que requerem a medição e mapeamento de variáveis do relevo,

destacando-se dentre elas a altitude, declividade, curvaturas vertical e horizontal, orientação de

vertentes, dentre outras variáveis morfométricas, caracterizando o relevo de forma mais completa. O

autor destaca que a abordagem paramétrica pode ser substancialmente facilitada por alternativas como

imageamento orbital e geoprocessamento de MDEs, possibilitando a extração automática de

informações da topografia, amenizando assim, a demanda de trabalho manual e a subjetividade dessas

atividades (VALERIANO, 2008).

Atualmente os MDEs podem ser adquiridos por sensores orbitais como é o caso dos dados do Projeto

SRTM (Shuttle Radar Topographic Mission) que é fruto da cooperação entre as agências espaciais dos

Estados Unidos, da Alemanha e da Itália e que usa o mesmo instrumento utilizado no programa

Spaceborne Imaging Radar-C/X-Band Synthetic Aperture Radar (SIR-C/X-SAR), a bordo do ônibus

espacial Endeavour, adaptado para coletar medidas tridimensionais da superfície terrestre através de

interferometria. Esses dados, entretanto, apresentam um grande numero de vãos e outros pontos

espúrios, como valores extremamente altos (picos) ou extremamente baixos (vórtices) além de os

corpos d´água e as linhas de costa apresentarem-se mal definidos (VALERIANO, 2004).

Os pesquisadores da Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA), através do projeto

Brasil em Relevo efetuaram um trabalho de correção e padronização a partir dos dados SRTM,

eliminado falhas e distorções dos mesmos a fim de disponibilizar informações sobre o relevo do

território brasileiro (MIRANDA, 2005).

Os dados SRTM corrigidos pela EMBRAPA podem ser adquiridos gratuitamente através do site

http://www.relevobr.cnpm.embrapa.br/download/index.htm, onde os mesmos encontram-se recortados

em mosaicos estaduais com articulação de folhas em escala 1:250.000 compatíveis com as folhas

1:250.000 do Instituto Brasileiro de Geografia e Estatística (IBGE).

Valeriano (2008) afirma que a preparação dos MDEs é um ponto-chave para sua viabilidade técnica,

destacando trabalhos de pesquisa dedicados exclusivamente à preparação e à avaliação de MDEs

através de métodos e dados diversos.

Por ser fundamentada na estatística, a krigagem está ligada à população de dados sobre estudo o que

implica no fato de que conjuntos diferentes de dados apresentam diferentes coeficientes

geoestatísticos, que, por sua vez, imprimem características distintas aos MDEs (VALERIANO, 2004).

Assim, o presente trabalho objetiva identificar qual o modelo (coeficientes) de krigagem que

possibilite uma melhora dos dados SRTM, visando à geração de um MDE que permita a extração de

informações em escala grande de forma a obter melhores resultados no estudo do relevo da Bacia

Hidrográfica do Rio Itapemirim – ES.

Conforme Ross (2000), a obtenção do maior nível de detalhamento em estudos do relevo possibilita a

identificação de feições não registradas por escalas mais genéricas.

Goulart (2001), por sua vez, trabalhando com mapeamento geomorfológico da bacia hidrográfica do

Ribeirão do Pinhal - SP, utiliza a escala de 1:50.000, pois, de acordo com o autor, experiências do IG-

SMA/SP (Instituto Geológico – Secretaria de Estado de Negócios de Meio Ambiente, 1992) e da

proposição de Cooke e Doornkamp (1990, p. 28), com esta escala foi possível fornecer bons suportes

para o planejamento urbano e rural.

2. MATERIAIS E MÉTODOS

A Bacia Hidrográfica do Rio Itapemirim está localizada na região sul do Estado do Espírito Santo,

Brasil (Figura 1) e abrange os municípios de Cachoeiro de Itapemirim, Castelo, Conceição do Castelo,

Venda nova do Imigrante, Muniz Freire, Alegre, Jerônimo Monteiro, Atílio Vivácqua, Ibitirama e

parte dos municípios de Marataízes, Itapemirim, Presidente Kennedy, Muqui, Vargem Alta, Iúna, Irupí

e Ibatiba, totalizando 5.951,12 Km2 de área, sendo que um pequeno trecho encontra-se no Estado de

Minas Gerais.

Figura 1 – Mapa de localização da Bacia Hidrográfica do Rio Itapemirim – ES.

Foram utilizados para o desenvolvimento deste trabalho os dados SRTM disponibilizados pela

EMBRAPA, correspondentes às folhas SF-24-V-A e SF-24-V-C, em destaque no mosaico da Figura 2,

que abrangem a bacia Hidrográfica do Rio Itapemirim (BHRI).

Figura 2 – Articulação das folhas SRTM 1:250.000 para o Estado do Espírito Santo, com destaque

para as folhas utilizadas neste trabalho. Fonte: adaptado de EMBRAPA.

O presente trabalho baseia-se na metodologia proposta por Valeriano (2002, 2003 e 2004) e Valeriano

e Abdon (2007) com algumas adaptações para os softwares aqui utilizados. Nesta metodologia, são

selecionadas áreas amostrais de 30 linhas por 30 colunas a partir dos dados SRTM originais para

análise de tendência e obtenção de resíduos (regressão). É realizada então, sobre os resíduos, análises

geoestatísticas a fim de se avaliar, através de semivariogramas e testes de interpolação (krigagem), o

melhor modelo de krigagem para a área total de estudo.

Os softwares utilizados para o desenvolvimento deste trabalho, na seqüência das atividades, foram

Global Mapper 8: exportação de arquivos xyz e seleção de áreas amostrais; Microsoft Office Excel

2003: análise de tendência e obtenção de resíduos (regressão); GS+ for Windows: análises

geoestatísticas e ArcMap 9.2: conversão dos arquivos raster em pontos, interpolação (Krigagem) e

avaliação dos resultados.

Foram selecionadas 18 amostras no total sendo uma amostra para cada Tipo de Modelado

(RadamBrasil, 1983) mais significativo da BHRI a fim de se obter amostras em diferentes condições

de superfície para que a análise contemple as possíveis estruturas de variabilidade espacial dos dados

(VALERIANO e ABDON, 2007).

Os semivariogramas obtidos para cada amostra (18 semivariogramas no total), foram agrupados, em

função do modelo teórico de ajuste ao semivariograma experimental, e em seguida de acordo com o R2

(fator de ajuste), distinguindo três grupos: grupo A com R2 > 0.95; grupo B com R2 entre 0.95 e 0.9 e

grupo C com R2 < 0.9. Os testes de krigagem foram realizados tendo como referências:

- os parâmetros obtidos com a média do grupo A (de maior R2);

- os parâmetros da amostra que mais se aproximou da média do grupo A;

- os parâmetros da média total das amostras de mesmo modelo teórico de ajuste e;

- os parâmetros da amostra que mais se aproximou da média total de cada modelo teórico.

A krigagem foi realizada após a conversão dos dados originais SRTM (matriz), recortados para a área

de interesse, em arquivos de pontos, sendo a resolução espacial dos modelos krigados reamostrada

para aproximadamente 30m (~ 0,000277°).

A seleção do melhor modelo de krigagem para a BHRI foi realizada através da comparação de

imagens sombreadas dos modelos krigados, pois, de acordo com Valeriano (2008), as imagens

sombreadas expressam a aparência do relevo em função dos ângulos de exposição, revelando

implicitamente a qualidade do modelo. O modelo selecionado, por sua vez, foi comparado, através de

imagens sombreadas, da geração de isolinhas (curvas de nível) e de perfis com o modelo original

SRTM (VALERIANO 2004 e 2008).

3. RESULTADOS E DISCUSSÕES

3.1. Apreciação dos dados originais SRTM / EMBRAPA

A seguir são exibidos os dados originais SRTM adquiridos do site da EMBRAPA, para a Bacia

Hidrográfica do Rio Itapemirim. Deve-se ressaltar que a EMBRAPA disponibiliza os dados SRTM em

folhas 1:250.000 compatíveis com as folhas 1:250.000 do IBGE e o que é apresentado a seguir é um

recorte das folhas que compõem a BHRI (folhas SF-24-V-A e SF-24-V-C), para gerar uma imagem

apenas da referida bacia hidrográfica. Note-se também que optou-se por não realizar a operação de

mosaico para manter as características originais dos dados, uma vez que, testes de mosaicagem

evidenciaram distorções nas etapas seguintes de processamento dos dados.

A Figura 3 abaixo mostra um recorte da BHRI com dados originais SRTM e respectiva imagem

sombreada. A escala de confecção do mapa é 1:1.000.000.

A B

Figura 3 – Dados originais SRTM para a BHRI (A) e respectiva imagem sombreada (B). Escala

original do mapa igual a 1:1.000.000.

As figuras a seguir são ampliações sucessivas de escala (1:500.000; 1:250.000; 1:100.000 e 1:50.000)

dos dados originais SRTM da BHRI, com as respectivas imagens sombreadas.

Figura 4 – Dados originais SRTM (A.) e respectiva imagem sombreada (B) em escala original de

1:500.000 de parte da BHRI.

Figura 5 – Dados originais SRTM (A) e respectiva imagem sombreada (B) em escala original de






É possível notar que nas escalas menores (1:1.000.000 até 1:250.000) ainda é possível definir

visualmente as formas do relevo, sobretudo, as formas estruturais (lineamento de Guaçui na parte

superior esquerda da imagem sombreada das Figuras 3 e 4) e os contrastes mais marcantes do relevo

como as grandes elevações dos maciços intrusivos circundadas por relevos rebaixados (Serra do

Caparó no extremo esquerdo da figura 3 e suítes intrusivas no centro das figuras 3, 4 e 5).

Entretanto, nas escalas de 1:100.000 e 1:50.000 (figuras 6 e 7 respectivamente) nota-se uma perda na

resolução da imagem com conseqüente perda de informações, sobretudo, nas áreas de relevo mais

rebaixado e de alta freqüência. Tal observação condiz com os resultados obtidos por Valeriano (2004)

em trabalho utilizando dados originais SRTM.

Na Figura 7 (escala 1:50.000) as formas do relevo aparecem distorcidas, com os topos de morro e os

vales, bem como as vertentes mal definidos, impossibilitando a interpretação de tais dados, salvo a

distinção entre relevos muito contrastantes.

A Figura 8 abaixo mostra curvas de nível em escala de 1:25.000 com eqüidistância vertical de 20m e

perfis topográficos, ambos obtidos a partir dos dados originais SRTM.

Figura 8 – Curvas de nível e perfis topográficos obtidos a partir dos dados originais SRTM.

Nota-se que tanto as curvas de nível como os perfis apresentam-se serrilhados e com arestas em

decorrência da resolução espacial dos dados originais SRTM.

3.2. Análises geoestatísticas

Dos 18 semivariogramas obtidos, apenas um (amostra VA_AR_20) apresentou o modelo Exponencial

como modelo teórico de ajuste ao semivariogarama experimental, sendo portanto, os parâmetros desta

amostra os únicos a representar o modelo exponencial nos testes de krigagem. Os demais

semivariogramas experimentais apresentaram como modelo teórico de ajuste o modelo Esférico.

Assim, pode-se notar que o padrão de modelo de ajuste para a Bacia Hidrográfica do Rio Itapemirim é

o modelo esférico.

A seguir, são mostrados os semivariogramas obtidos a partir das amostras.

VA_AJ_26 VA_BN_31 VA_AJ_20

VA_AM_29 VA_AQ_11 VA_AQ_16

VA_AR_20 VA_AU_35 VA_BG_32

0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation D istance

Isotropic Variogram

Exponential model (Co = 0.0014250076; Co + C = 1.1699312782; Ao = 0.00540000; r2 = 0.969; RSS = 1.144E+06)

0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation Distance

Isotropic Variogram

Spherical model (Co = 0.0010551171; Co + C = 1.0635580355; Ao = 0.00820000; r2 = 0.948; RSS = 3.218E+06)

0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation Distance

Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627384 0.01254769 0.01882153 0.02509537

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation Distance

Isotropic Variogram

Spherical model (Co = 0.1922884681; Co + C = 1.0288634848; Ao = 0.00640000; r2 = 0.876; RSS = 25501.)

0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation Distance

Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.000000000 0.006273844 0.012547688 0.018821532 0.025095376

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation Distance

Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627384 0.01254769 0.01882153 0.02509537

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Se paration Distance

Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627384 0.01254769 0.01882153 0.02509537

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e


Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation Distance

Isotropic Variogram


VA_AU_40 VA_AW_23 VA_BJ_39

VA_AX_29 VA_BA_20 VC_AB_36

VA_BD_29 VA_BF_18 VC_AB_42

A Tabela 1 a seguir apresenta as amostras e seus respectivos parâmetros e as médias selecionadas para

a aplicação de testes de krigagem.

Tabela 1 – Amostras e médias selecionadas para aplicação em testes de krigagem.

Amostra Modelo Ef. pepita Patamar Alcance R2

VA_BD_29 Esférico 0,1113 1,0574 0,0084 0,954

VA_AQ_11 Esférico 0,0396 1,1113 0,012 0,959

VA_AR_20 Exponencial 0,0014 1,1699 0,0054 0,969

Média Grupo A Esférico 0,0524 1,0921 0,0099 0,973

Média total Esférico 0,0707 1,0604 0,0083 0,914

3.3. Comparação entre MDEs

Dentre as amostras testadas, aquela que apresentou melhores resultados foi a amostra VA_BD_29 que

foi a que mais se aproximou da média total das amostras. Os demais testes com modelos esféricos

(amostra VA_AQ_11 e as médias) apresentaram resultados semelhantes ao da amostra VA_BD_29,

0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e


Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e


Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627384 0.01254769 0.01882153 0.02509537

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e


Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e


Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627384 0.01254769 0.01882153 0.02509537

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation Distance

Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation Distance

Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation Distance

Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

e

Separation Distance

Isotropic Variogram


0.00

0.38

0.75

1.13

1.50

0.00000000 0.00627385 0.01254769 0.01882154 0.02509538

Sem

ivaria

nce

/ Sam

ple

Var

ianc

eSeparation Distance

Isotropic Variogram


porém, notou-se a geração de alguns artefatos no relevo, sobretudo, nos topos de morro e vales. Já a

amostra exponencial apresentou resultado mais discrepante com significativo incremento de artefatos

no relevo.

A Figura 9 mostra uma comparação entre imagens sombreadas obtidas a partir dos modelos krigados,

em área do Município de Cachoeiro de Itapemirim – ES.

Figura 9 – Comparação entre imagens sombreadas dos modelos krigados. Escala original dos mapas

igual a 1:50.000.

Devido aos melhores resultados, os parâmetros da amostra VA_BD_29 foram escolhidos como os que

melhor modelam a Bacia Hidrográfica do Rio Itapemirim.

As Figuras 10 e 11 apresentam comparações entre imagens sombreadas da BHRI obtidas através dos

dados originais SRTM e a partir do modelo krigado com os parâmetros da amostra VA_BD_29.

Figura 10 – Imagens sombreadas da BHRI obtidas a partir de dados originais SRTM (A) e a partir do

modelo krigado (B). Escala original dos mapas igual a 1:1.000.000.

Nesta escala de análise (1:1.000.000) não se notam diferenças entre os modelos. Entretanto, à medida

que se amplia a escala de observação as diferenças entre o modelo original e o modelo krigado se

tornam evidentes como mostra a Figura 11.

Figura 11 - Imagens sombreadas de área do Município de Cachoeiro de Itapemirim-ES obtidas a partir

de dados originais SRTM (A) e a partir do modelo krigado (B). Escala original dos mapas igual a

1:50.000.

Nota-se na Figura 11 (B) que em grande escala o modelo tratado com krigagem mantém uma boa

resolução da imagem. É possível identificar a rede de drenagem, definir os topos de morro e os vales,

bem como a forma das vertentes.

Foram realizadas também comparações entre isolinhas (curvas de nível) e perfis topográficos extraídos

dos dados originais SRTM e do modelo krigado, como mostra a Figura 12 a seguir.

Figura 12 – Curvas de nível (eqüidistância igual a 20m) e perfis topográficos extraídos dos dados

originais SRTM (A) e a partir do modelo krigado (B). Escala original de 1:50.000.

É possível observar que tanto as curvas de nível como os perfis da Figura 12, gerados a partir do

modelo tratado com krigagem (B) não aparecem serrilhados e com arestas, o que ocorre com os dados

originais SRTM (A).

4. CONCLUSÕES

Os coeficientes fornecidos pelas análises geoestatísticas aplicados em testes de krigagem sobre os

dados SRTM, possibilitaram a identificação do modelo Esférico como o modelo de krigagem que

melhor expressa as formas de relevo da Bacia Hidrográfica do Rio Itapemirim. O modelo krigado

possibilitou, por sua vez:

- a identificação, através de imagens sombreadas, de formas do relevo como os topos de morro,

vertentes, vales e rede de drenagem na escala de 1:50.000;

- a geração de curvas de nível e perfis topográficos mais condizentes com a realidade.

Obteve-se assim um ganho de qualidade na extração de informações para interpretação visual em

imagens sombreadas, sobretudo, em grande escala, revelando implicitamente a melhora na qualidade

do modelo o que pode torná-lo mais viável tecnicamente para extração de variáveis morfométricas do

relevo como declividade, curvaturas e orientação de vertentes, dentre outras;

REFERÊNCIAS BIBLIOGRÁFICAS

ALMEIDA, A. Q. de.; BERGER, B. Comparação entre áreas de preservação permanente demarcadas a

partir de diferentes escalas topográficas. In: MORAIS, A. C. de.; SANTOS, A. R. dos. (Org.)

Geomática e análise ambiental: aplicações práticas. Vitória: EDUFES, 2007. cap. 1, p.19-39.

CAMARGO, E. C. G. Desenvolvimento, implementação e teste de procedimentos geoestatísticos

(krigagem) no Sistema de Processamento de Informações Georreferenciadas (SPRING). 1997.

124 p. Dissertação (Mestrado em Sensoriamento Remoto). Instituto Nacional de Pesquisas Espaciais,

São José dos Campos, 1997.

CASTRO. F. da S. Zoneamento agroclimático para a cultura do Pinus no Estado do Espírito

Santo. 2008, 101 p. Dissertação (Pós-graduação em Produção Vegetal). Centro de Ciências Agrárias,

Universidade Federal do Espírito Santo, Alegre, 2008.

FREITAS, V. A. de. Análise de dados espaciais por meio de semivariogramas. Uberlândia:

Universidade Federal de Uberlândia, 2000. 27 p.

GOULART, A. C. de O. Relevos e processos dinâmicos: uma proposta metodológica de cartografia

geomorfológica. Geografares, Vitória, n. 2, jun. 2001.

MIRANDA, E. E. de. (Coord.). Brasil em Relevo. Campinas: Embrapa Monitoramento por Satélite,

2005. Disponível em: <http://www.relevobr.cnpm.embrapa.br>. Acesso em: 16 jun. 2008.

RADAMBRASIL, Projeto. Folhas SF 23/24 Rio de Janeiro/Vitória, geologia, geomorfologia,

pedologia, vegetação e uso potencial da terra. v. 32. Rio de Janeiro, 1983. 780 p.

ROSS, J. L. S. Geomorfologia, Ambiente e planejamento. 5ª ed. São Paulo: Contexto,

2000.VALERIANO, M. de M. Dados topográficos. In: FLORENZANO, T. G. Geomorfologia:

conceitos e tecnologias atuais. São Paulo: Oficina de Textos, 2008. Cap. 3, p. 72-104.

VALERIANO, M. de M.; ABDON, M. de M. Aplicação de dados SRTM a estudos do Pantanal.

Revista Brasileira de Cartografia, v. 1, n. 59, 2007.

VALERIANO, M. de M. Modelo Digital de Elevação com dados SRTM disponíveis para a

América do Sul. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2004. 72 p. (INPE-

10550-RPQ/756).

VALERIANO, M. de M. Curvatura vertical de vertentes em microbacias pela análise de modelos

digitais de elevação. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 7, n. 3, p. 539-546,

2003.

VALERIANO, M. de M. Modelos Digitais de Elevação de microbacias elaborados com krigagem.

São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2002. 56 p. (INPE-9364-RPQ/736).

ZIMBACK, C. R. L. Geoestatística. Botucatu: FCA/UNESP, 2003. 25 p.

Documents

UTILIZAÇÃO DE GEOESTATÍSTICA PARA O … · aplicada que aborda os problemas referentes às Variáveis Regionalizadas, que são variáveis que possuem um comportamento espacial