Proposta para caracterização, estratificação ambiental e recuperação de matas ciliares de uma sub-bacia do Alto Rio Grande

Abstract

Este trabalho teve como principais objetivos definir metodologia para o uso de imagem de satélite tomada por sensor de alta resolução espacial (Quickbird) visando à caracterização física, estratificação ambiental e proposição de métodos de recuperação de matas ciliares. Para tanto foi usada uma imagem tomada pelo sensor Quickbird, datada de 27/05/2003. A sub-bacia, com área total de 1600 ha e Área de Preservação Permanente (APP) ao redor dos cursos d’água de 200 ha, pertence ao Ribeirão Santa Cruz no município de Lavras, MG. Para corrigir as distorções da imagem foi preciso ortorretificá-la. Gerou-se um mapa de relevo, de solos e de cobertura atual do solo para toda a sub-bacia e para a APP ao redor dos cursos d’água. O processamento da imagem para a classificação da cobertura do solo foi feito utilizando a análise orientada ao objeto, sendo realizada sobre segmentos na imagem. Foram estabelecidas 7 classes de cobertura do solo, individualizadas em: vegetação nativa; área campestre; área cultivada; área construída; área asfaltada; área com solo exposto e água. Para a confecção do mapa dos fragmentos foi considerado aqueles com área igual ou maior do que 1500 m2. Para a delimitação das APPs foi criado um buffer de 30 (trinta) metros de largura para os cursos d’água. Para a obtenção da estratificação dos ambientes e indicação dos métodos mais adequados para a recuperação das matas ciliares foi utilizado o algoritmo árvore de decisão. A amostragem dessas áreas baseou-se nas condições específicas de cada metodologia proposta para a recuperação das áreas. No total foram sugeridos seis métodos para a recuperação das áreas de preservação permanente. Para a verificação da exatidão dos mapas foi utilizada a Acurácia Global e o Índice Kappa. Nos resultados pode-se observar que a classe predominante de solos da sub-bacia foi a dos Latossolos com 40% da área e na APP o grupo de solo predominante foi o grupo Gleissolos Háplicos e Neossolos Flúvicos, com 51,67%. O relevo predominante na sub-bacia e na APP foi o tipo várzea com 33,89% e 51,67% respectivamente. A cobertura do solo predominante foi a classe de vegetação campestre. Verificou-se que 25,8% da APP possuem vegetação nativa, necessitando, portanto apenas da conservação da vegetação. Dentre os métodos de regeneração artificial indicados, o método 1 foi recomendado para ser utilizado em cerca de 20% das áreas. O método 2 foi indicado para uma pequena área (4,7%). A matriz de erro para a classificação da cobertura do solo apontou uma exatidão global de 87,71%, e um Índice Kappa de 0,8407 demonstrando a qualidade do mapa temático. A classificação da estratificação ambiental apresentou uma acurácia global de 83,33% e um Índice Kappa de 0,7657.

The main objectives of this study were to define a methodology using satellite images obtained from a high resolution spatial sensor (Quickbird) in order to obtain a physical characterization, environmental stratification and recovery of riparian vegetation. The used image in this study was taken on May 27, 2003. The subbasin where this study was carried out belonged to Ribeirão Santa Cruz Basin, located in Lavras (southern Minas Gerais State, Brazil). It presented a 1600 ha and a 200-ha Permanent Preservation Areas (APP) surrounding their water courses. An orthorecitification was performed to correct the image distortions. A relief map, a soil map and a current soil coverage map were obtained for the subbasin and the APP around the water courses. The image processing for the soil coverage classification was obtained through an Object- Oriented Analysis on image segments. A total of seven soil coverage classes were determined: native vegetation, grassland area, cultivated area, built-up area, paved area, area with soil exposure and water. Only fragments presenting a 1500 m2 area or more were considered for the fragment map. A 30-meter wide buffer was used to set the APP boundaries on the water courses. A decision tree algorithm was used to obtain the environment stratification and to indicate the more adequate methods for the riparian forest recovering. The sampling within these areas was based on conditions peculiar to each methodology proposed for the area recovering process. A total of six methods were proposed for the APP recovery. The Global Accuracy and the Kappa Index were used to verify the map accuracy. The predominant soil class observed in the subbasin area was the Latossoil (40%). On the APP, the predominant groups were the Haplic Gleysols and Fluvic Neosols, representing 51.67% of the area. The lowland relief was the most representative in the subbasin (33.89% of the area) and in the APP (51.67% of the area). The grassland soil coverage was the most representative soil coverage class. It was also observed that 25.8% of the APP presented native vegetation, which indicated the need for its conservation. Through this study it was possible to recommend the adoption of method number 1 for approximately 20% of the areas, and method number 2 for a small area (4.7%). The Error Matrix for the classification of soil coverage presented a Global Accuracy of 87.71%, as well as a Kappa Index of 0.8407. These results guarantee the quality of the thematic map. The classification of environmental stratification presented a Global accuracy of 83.33% and a Kappa Index of 0.7657.