Abstract
A floresta amazônica é uma região da floresta tropical que possui cerca de 5,4 milhões de km2 e abriga uma ampla biodiversidade de espécies do planeta, porém, seu modelo tradicional de ocupação tem levado ao aumento significativo do desflorestamento na Amazônia Legal. Por serem regiões bastante úmidas, a presença de nuvens é constante, ocasionando limitações no imageamento por sensores. Deste modo, o uso de sensoriamento remoto por radar torna-se privilegiado, pois as microondas praticamente não sofrerem interferência atmosférica, o que permite o constante imageamento das áreas independente das condições climáticas da região. Assim, este estudo avaliou o potencial de imagens de radar do satélite ALOS para discriminar incremento de desflorestamento em uma área localizada na Floresta Nacional de Tapajós-PA. Foram utilizadas imagens multipolarizadas em amplitude do sensor PALSAR (banda L), onde realizou-se classificações e segmentações utilizando todas as combinações de canais: individualmente (HH, HV e VV), aos pares (HH+HV, HV+VV e HH+VV) e em conjunto (HH+HV+VV). Foram avaliados os classificadores: pontual MAXVER-ICM e por regiões Bhattacharyya (com segmentações realizadas no SPRING e no SEGSAR). Os resultados foram comparados com um mapa temático de referência, construído a partir dos dados disponibilizados pelo PRODES, com o intuito de verificar a existência de perda significativa de informação quando não se utiliza todos os canais de polarização, bem como encontrar a melhor combinação de canais para caracterizar o desflorestamento. Os melhores resultados foram obtidos quando a polarização dual HH+HV esteve presente, sendo que o classificador Bhattacharyya (maior valor kappa de 0,5085 para segmentação SPRING) apresentou maior acurácia em comparação ao classificador MAXVER-ICM. No entanto, a acurácia do produtor para esta classificação foi considerada baixa, devido ao erro de omissão (E.O.) ter sido elevado. Para as demais combinações de canais HH+HV, o menor E.O. foi obtido quando se utilizou a segmentação pelo SEGSAR, porém, o erro de inclusão (E.I.) foi superior em relação à classificação de maior kappa. Deste modo, realizou-se uma análise minuciosa da segmentação SPRING e SEGSAR para a combinação bivariada HH+HV com o intuito de verificar os fatores que levaram à incidência dos E.O. e E.I. na cena SAR. Constatou-se que grande parte dos polígonos inicialmente classificados como erros de inclusão (E.I.) pelo classificador Bhattacharyya foram detectados como novos desflorestamentos pelo PRODES do ano seguinte (2007), seja porque estavam sob nuvens no ano anterior ou realmente devido ao erro de omissão do PRODES. A análise indiciou ainda que o baixo número de polígonos com E.O. na classificação SEGSAR (comparado com a segmentação SPRING) e o considerável número de polígonos inicialmente classificados como E.I., mas que na verdade eram áreas de desflorestamento omitidas pelo PRODES de referência, evidenciaram a eficácia do segmentador na detecção de desflorestamentos utilizando dados microondas. Assim, considerando a cobertura de nuvens na região Amazônica, comprovou-se a eficácia de dados SAR na detecção de incremento de desflorestamento. No entanto, constatou-se que a elevada porcentagem de E.O. da classificação devido principalmente às áreas com feições de queimadas, as quais possuem comportamento semelhante ao da floresta na imagem SAR, e ao efeito double bounce (devido ao acúmulo hídrico no solo alguns dias antes do imageamento, bem como a incidência de vestígios de biomassa presentes no solo na região de estudo), limitaram o uso do dado SAR.