an´alise geomorfométrica de dados srtm aplicada ao estudo das ...
Transcript of an´alise geomorfométrica de dados srtm aplicada ao estudo das ...
INPE-15796-TDI/1531
ANALISE GEOMORFOMETRICA DE DADOS SRTM
APLICADA AO ESTUDO DAS RELACOES
SOLO-RELEVO
Viviana Aguilar Munoz
Dissertacao de Mestrado do Curso de Pos-Graduacao em Sensoriamento Remoto,
orientada pelo Dr. Marcio de Morisson Valeriano, aprovada em 24 de abril de 2009.
Registro do documento original:
<http://urlib.net/sid.inpe.br/mtc-m18@80/2009/03.25.15.09>
INPE
Sao Jose dos Campos
2009
PUBLICADO POR:
Instituto Nacional de Pesquisas Espaciais - INPE
Gabinete do Diretor (GB)
Servico de Informacao e Documentacao (SID)
Caixa Postal 515 - CEP 12.245-970
Sao Jose dos Campos - SP - Brasil
Tel.:(012) 3945-6911/6923
Fax: (012) 3945-6919
E-mail: [email protected]
CONSELHO DE EDITORACAO:
Presidente:
Dr. Gerald Jean Francis Banon - Coordenacao Observacao da Terra (OBT)
Membros:
Dra Maria do Carmo de Andrade Nono - Conselho de Pos-Graduacao
Dr. Haroldo Fraga de Campos Velho - Centro de Tecnologias Especiais (CTE)
Dra Inez Staciarini Batista - Coordenacao Ciencias Espaciais e Atmosfericas (CEA)
Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)
Dr. Ralf Gielow - Centro de Previsao de Tempo e Estudos Climaticos (CPT)
Dr. Wilson Yamaguti - Coordenacao Engenharia e Tecnologia Espacial (ETE)
BIBLIOTECA DIGITAL:
Dr. Gerald Jean Francis Banon - Coordenacao de Observacao da Terra (OBT)
Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)
Jefferson Andrade Ancelmo - Servico de Informacao e Documentacao (SID)
Simone A. Del-Ducca Barbedo - Servico de Informacao e Documentacao (SID)
REVISAO E NORMALIZACAO DOCUMENTARIA:
Marciana Leite Ribeiro - Servico de Informacao e Documentacao (SID)
Marilucia Santos Melo Cid - Servico de Informacao e Documentacao (SID)
Yolanda Ribeiro da Silva Souza - Servico de Informacao e Documentacao (SID)
EDITORACAO ELETRONICA:
Viveca Sant´Ana Lemos - Servico de Informacao e Documentacao (SID)
INPE-15796-TDI/1531
ANALISE GEOMORFOMETRICA DE DADOS SRTM
APLICADA AO ESTUDO DAS RELACOES
SOLO-RELEVO
Viviana Aguilar Munoz
Dissertacao de Mestrado do Curso de Pos-Graduacao em Sensoriamento Remoto,
orientada pelo Dr. Marcio de Morisson Valeriano, aprovada em 24 de abril de 2009.
Registro do documento original:
<http://urlib.net/sid.inpe.br/mtc-m18@80/2009/03.25.15.09>
INPE
Sao Jose dos Campos
2009
Dados Internacionais de Catalogacao na Publicacao (CIP)
Aguilar-Munoz, Viviana.A93a Analise geomorfometrica de dados SRTM aplicada ao estudo
das relacoes solo-relevo / Viviana Aguilar Munoz. – Sao Jose dosCampos : INPE, 2009.
112p. ; (INPE-15796-TDI/1531)
Dissertacao (Mestrado em Sensoriamento Remoto) – InstitutoNacional de Pesquisas Espaciais, Sao Jose dos Campos, 2009.
Orientador : Dr. Marcio de Morisson Valeriano.
1. Geomorfometria. 2. SRTM. 3. Geoprocessamento. 4. Relevo.5. Solos. I.Tıtulo.
CDU 528.835
Copyright c© 2009 do MCT/INPE. Nenhuma parte desta publicacao pode ser reproduzida, arma-zenada em um sistema de recuperacao, ou transmitida sob qualquer forma ou por qualquer meio,eletronico, mecanico, fotografico, reprografico, de microfilmagem ou outros, sem a permissao es-crita da Editora, com excecao de qualquer material fornecido especificamente no proposito de serentrado e executado num sistema computacional, para o uso exclusivo do leitor da obra.
Copyright c© 2009 by MCT/INPE. No part of this publication may be reproduced, stored in aretrieval system, or transmitted in any form or by any means, eletronic, mechanical, photocopying,recording, microfilming or otherwise, without written permission from the Publisher, with theexception of any material supplied specifically for the purpose of being entered and executed on acomputer system, for exclusive use of the reader of the work.
“Os nômades não construíram grandes monumentos [...] um monumento é uma proclamação do que é importante e, para as pessoas que viveram há 15 mil anos, o céu e a terra estavam
repletos de monumentos, alguns somente visíveis para aqueles com olhos treinados [...]. A bordo do Endeavour estavam os melhores telescópios e o melhor relógio mecânico;
no navio de madeira de Cook, a ciência era um passageiro de primeira classe”
GEOFFREY BLAINEY
em “Uma Breve História do Mundo”, 2008
Dedico e ofereço este logro à minha família
AGRADECIMENTOS
O desenvolvimento deste trabalho foi possível graças à bolsa de estudos concedida pelo
Ministério de Relações Exteriores (MRE), do governo brasileiro, por intermédio do
Departamento de Cultura (DC), da Coordenação de Aperfeiçoamento de Pessoal de
Nível Superior (CAPES) e do Conselho Nacional de Desenvolvimento Científico e
Tecnológico (CNPq), através do Programa de Estudantes-Convênio de Pós-graduação
(PEC-PG).
Agradeço ao Instituto Nacional de Pesquisas Espaciais (INPE) pelo conhecimento
fornecido através do corpo docente, pela disposição das ferramentas e infraestrutura
para o desenvolvimento da pesquisa, e pelo apoio institucional e financeiro nas
iniciativas de difusão das investigações.
Devo a maior gratidão ao Dr. Márcio de Morisson Valeriano pela excelente orientação e
treinamento técnico, além da motivação e apoio permanentes, tanto na etapa prévia ao
curso de mestrado quanto durante os dois anos do seu desenvolvimento.
Quero agradecer aos meus colegas da pós-graduação em Sensoriamento Remoto do
INPE, pelos ensinamentos e experiência compartilhada. Devo a eles grande parte da
maturidade profissional e pessoal conseguida no período do mestrado. É com muito
carinho e admiração que agradeço a meu companheiro Denilson Ribeiro Viana, pelo
amor, a paciência, o apoio e o respeito nestes anos de convívio.
RESUMO
Este trabalho visou levantar conhecimento sobre as relações solo-relevo pela avaliação conjunta de dados geomorfométricos e mapas publicados de solos. Para tal, foram utilizados dados de altitude da missão Shuttle Radar Topography Mission (SRTM), variáveis geomorfométricas locais do banco de dados topográficos TOPODATA e variáveis geomorfométricas regionais, extraídas com algoritmos desenvolvidos no escopo desta pesquisa. Como fonte de dados de solos utilizou-se o levantamento pedológico semidetalhado 1:100.000 da quadrícula de São Carlos, Estado de São Paulo, junto com o respectivo memorial descritivo. A abordagem metodológica esteve fundamentada no processo de descobrimento de conhecimento a partir de mapas, pela utilização de ferramentas de Sistemas de Informação Geográfica e técnicas de interpretação de imagens. Entre os principais resultados deste trabalho estão os algoritmos de análise regional de dados SRTM, o banco de dados geomorfométricos de caráter regional da área de estudo, a caracterização geomorfométrica dos solos de São Carlos e uma indicação das variáveis geomorfométricas potencialmente úteis para a separação de unidades de mapeamento destes solos. Entre as conclusões deste estudo consta que: as classes das variáveis geomorfométricas, cada uma a seu modo, indicaram de dois a três conjuntos de classes de solos; as classes de solo da área de estudo foram diferenciadas entre si por pelo menos uma variável geomorfométrica nos níveis de classificação mais generalizado; no nível mais detalhado, unidades de mapeamento simples, nenhuma variável geomorfométrica indicou a separação de alguns pares de solos. A pesquisa mostrou que é possível avaliar as relações solo-relevo na escala 1:100.000 pela integração do processo de descobrimento de conhecimento, recursos de geoprocessamento e modelagem de dados SRTM.
GEOMORPHOMETRIC ANALYSIS OF SRTM DATA APPLIED TO THE
STUDY OF SOIL RELIEF RELATIONS
ABSTRACT
This work aimed at to retrieve knowledge on the soil-relief relations through the evaluation of geomorphometric data and published soil maps. This was accomplished with SRTM data (Shuttle Radar Topography Mission), the local geomorphometric data base TOPODATA, and geomorphometric regional (non-local) variables, extracted through algorithms developed within this research. The 1:100,000 soil survey map of São Carlos, São Paulo State, was used as the soil data source, together with its documentation. The methodological approach was based on the knowledge discovery process from maps, on the use of tools of Geographical Information Systems and imaging interpretation techniques. The main results of this work included algorithms for regional analysis of SRTM, the resulting regional geomorphometric data base of São Carlos, the geomorphometric description of the occurring soils and an indication of the geomorphometric variables potentially useful to separate their mapping units. Among the conclusions, it was found that the geomorphometric classes were related to two or three soil classes, according to the considered variable, at different mapping levels; the occurring soil classes at the more general level of classification, were distinguished by at least one geomorphometric variable; at the simples mapping units level, some taxonomic units were not separable. This research showed the evaluation of soil-relief relations at 1:100,000 scale to be possible through the integration of knowledge discovering approach with geoprocessing resources and SRTM data modeling.
SUMÁRIO
Pág.
LISTA DE FIGURAS
LISTA DE TABELAS
LISTA DE SIGLAS E ABREVIATURAS
1. INTRODUÇÃO ........................................................................................................ 23
2. FUNDAMENTAÇÃO TEÓRICA........................................................................... 25
2.1 Definições do solo .................................................................................................... 25 2.2 Histórico de levantamentos de solo no Estado de São Paulo ................................... 27 2.3 Solo-relevo ............................................................................................................... 28 2.4 Levantamento de solos e relevo por sensoriamento remoto..................................... 32 2.5 Geomorfometria ....................................................................................................... 38 2.5.1 Variáveis geomorfométricas.................................................................................. 39 2.5.2 Parametrização do terreno por SIG ....................................................................... 45 2.5.3 Classificação e segmentação de imagens .............................................................. 48 2.6 Análise e interpretação ............................................................................................. 51
3 MATERIAL E MÉTODOS ...................................................................................... 53
3.1 Fluxo de trabalho...................................................................................................... 53 3.2 Material..................................................................................................................... 54 3.2.1 Área de estudo ....................................................................................................... 54 3.2.2 Especificações dos equipamentos utilizados ......................................................... 60 3.3 Métodos .................................................................................................................... 61 3.3.1 Extração de informações de solos da quadrícula São Carlos ................................ 61 3.3.2 Estruturação do banco de dados de variáveis geomorfométricas locais................ 63 3.3.3 Extração de variáveis geomorfométricas regionais ............................................... 63 3.3.3.1 Deslocamentos direcionais e extração de máximos e mínimos.......................... 64 3.3.3.2 Operações aritméticas......................................................................................... 66 3.3.3.3 Classificação....................................................................................................... 67 3.3.3.4 Pós-processamento ............................................................................................. 69 3.3.4 Preparação de dados para análise e interpretação.................................................. 69 3.3.5 Análise e interpretação .......................................................................................... 72
4. RESULTADOS E DISCUSSÕES ........................................................................... 73
4.1 Apreciação geral ....................................................................................................... 73 4.1.1 Dados de solos ....................................................................................................... 73 4.1.2 Altitude (Z) ............................................................................................................ 77 4.1.3 Variáveis geomorfométricas locais e modelos do banco TOPODATA................ 78 4.1.4 Variáveis geomorfométricas regionais do banco TOPOREG ............................... 81 4.1.5 Relação entre variáveis geomorfométricas............................................................ 89 4.2 Caracterização geomorfométrica dos solos de São Carlos....................................... 91 4.2.1 Caracterização quantitativa.................................................................................... 91 4.2.2 Caracterização qualitativa...................................................................................... 94
5. CONCLUSÕES....................................................................................................... 103
REFERÊNCIAS BIBLIOGRÁFICAS ..................................................................... 105
LISTA DE FIGURAS
2.1 – Modelo hipotético das nove unidades da superfície.............................................. 30
2.2 – Variáveis geomorfométricas locais derivadas da altitude. .................................... 40
2.3 – Altura (a), dissecação (d) e altitude (Z) na forma numérica (n). ........................... 42
2.4 – Amplitude (i) e predominância (p) na forma numérica (n). .................................. 43
2.5 – Caracterização da predominância (p) .................................................................... 44
3.1 – Fluxo geral de atividades....................................................................................... 53
3.2 – Localização da área de estudo. .............................................................................. 54
3.3 – Solos da quadrícula de São Carlos. ....................................................................... 57
3.4 – Geração do banco DATASOLOS São Carlos. ...................................................... 61
3.5 – Estruturação do banco TOPODATA São Carlos. ................................................. 63
3.6 – Estruturação do banco TOPOREG São Carlos. .................................................... 64
3.7 – Deslocamentos direcionais pela operação de janelas móveis 3x3......................... 65
3.8 – Extração de valores extremos da altitude. ............................................................. 66
3.9 – Extração de variáveis geomorfométricas regionais na forma numérica................ 67
3.10 – Extração de amostras. .......................................................................................... 71
4.1 – Reclassificação N1: primeiro nível de generalização............................................ 73
4.2 – Reclassificação N2: segundo nível de generalização ............................................ 74
4.3 – Reclassificação N3: terceiro nível de generalização ............................................. 75
4.4 – Altitude da quadrícula de São Carlos. ................................................................... 77
4.5 – Declividade............................................................................................................ 78
4.6 – Relações percebidas entre declividade e solos ...................................................... 79
4.7 – Curvatura vertical. ................................................................................................. 79
4.8 – Relações percebidas entre curvatura vertical e solos............................................. 80
4.9 – Formas do terreno (FT) e azimute, divisores, drenagem (ADD)........................... 81
4.10 – Histogramas de freqüência de dados TOPOREG................................................ 82
4.11 – Altura topográfica na forma numérica ( na ). ....................................................... 83
4.12 – Relações percebidas entre altura e solos.............................................................. 84
4.13 – Dissecação topográfica na forma numérica ( nd ). ............................................... 85
4.14 – Relações percebidas entre dissecação e solos...................................................... 85
4.15 – Perfil da amplitude topográfica em relação à altitude. ........................................ 86
4.16 – Amplitude topográfica na forma numérica ( ni )................................................... 87
4.17 – Relações percebidas entre amplitude e solos....................................................... 87
4.18 – Predominância topográfica na forma numérica ( np ). ......................................... 88
4.19 – Relações percebidas entre predominância e solos............................................... 89
4.20 – Matriz de correlação entre variáveis geomorfométricas...................................... 90
4.21 – Distribuição espacial dos solos de São Carlos..................................................... 92
4.22 – Caracterização geomorfométrica qualitativa dos solos em N1 ........................... 94
LISTA DE TABELAS
3.1- Solos da quadrícula de São Carlos .......................................................................... 57
3.2 – Dados topográficos do TOPODATA: variáveis geomorfométricas locais ........... 59
3.3 – Unidades de mapeamento e substrato dos solos de São Carlos............................ 62
3.4 – Código de classe das variáveis geomorfométricas qualitativas............................. 68
4.1 – Área que ocupam os solos no nível de reclassificação N1.................................... 74
4.2 – Área que ocupam os solos no nível de reclassificação N2.................................... 75
4.3 – Área que ocupam os solos no nível de reclassificação N3.................................... 76
4.4 – Valores geomorfométricos numéricos médios dos solos em N1.......................... 91
4.5 – Valores geomorfométricos numéricos médios dos solos em N2........................... 92
4.6 – Valores geomorfométricos numéricos médios dos solos em N3.......................... 93
4.7 – Percentual de amostras geomorfométricas no agrupamento N1 .......................... 96
4.8 – Variáveis geomorfométricas para diferenciação de classes de solo em N1 .......... 97
4.9 – Percentual de amostras geomorfométricas dos latossolos no agrupamento N2 .... 97
4.10 – Percentual de amostras geomorfométricas no agrupamento N3 ........................ 99
4.11 – Variáveis geomorfométricas para diferenciação de classes de solo em N3 ...... 101
LISTA DE SIGLAS E ABREVIATURAS
ASI Agenzia Spaziale Italiana
CSIRO Commonwealth Scientific and Industrial Research Organisation
DATASOLOS Base de dados de solos
DLR Deutschen Zentrum für Luft - und Raumfahrt
EMBRAPA Empresa Brasileira de Pesquisa Agropecuária
FAO Food and Agriculture Organization of the United Nations
GCP Global Control Position Point
CONCAR Comissão Nacional de Cartografia
IBGE Instituto Brasileiro de Geografia e Estatística
IGC Instituto Geográfico Cartográfico
INSAR Interferometric SAR
JPL Jet Propulsion Laboratory
MDE Modelo Digital de Elevação
NASA National Aeronautics and Space Administration
NGA National Geoespatial-Intelligence Agency
NIMA National Imagery and Mapping Agency
PEC Padrão de Exatidão cartográfica
SAR Synthetic Aperture Radar
SiBCS Sistema Brasileiro de Classificação de Solos
SIG Sistemas de Informação Geográfica
SIR Shuttle Imaging Radar
SLAR Side Looking Airborne Radar
SR Sensoriamento Remoto
SRTM Shuttle Radar Topography Mission
STRM1 Modelo Digital de Elevação do SRTM 1 arc seg
STRM3 Modelo Digital de Elevação do SRTM 3 arc seg
TOPODATA Base de dados geomorfométricos locais
TOPOREG Base de dados geomorfométricos regionais
23
1. INTRODUÇÃO
O Brasil tem carência de mapeamento sistemático de solos em escalas detalhadas, os
poucos mapas oficiais são anteriores à publicação recente do Sistema Brasileiro de
Classificação de Solos (SiBCS) e estão esparsos no território, sem chegar a cobrir um
Estado completamente.
Este trabalho se baseia na hipótese de que existem relações entre o solo e o relevo que
podem ser exploradas em escalas detalhadas. Nesse contexto, o estado do conhecimento
em geomorfometria, Sistemas de Informação Geográfica (SIG), e Sensoriamento
Remoto (SR), além da crescente disponibilidade de dados topográficos de cobertura
nacional em produtos como o Modelo Digital de Elevação (MDE) da missão Shuttle
Radar Topography Mission (SRTM), configuram uma valiosa oportunidade para avaliar
as relações solo-relevo em forma sistemática de todo o território brasileiro.
O objetivo geral desta pesquisa é desenvolver e aplicar algoritmos em SIG, sobre dados
SRTM, que permitam a identificação de variáveis geomorfométricas com sentido para o
mapeamento de solos na escala 1:100.000, como contribuição ao desenvolvimento de
novas metodologias passiveis de aplicação em mapeamento sistemático semi-detalhado
de solos no Brasil.
Para tal, deverão ser atingidos os seguintes objetivos específicos:
• Indicar o conjunto de variáveis geomorfométricas com potencial de
diferenciação entre unidades taxonômicas de solos mapeadas na quadrícula de
São Carlos; e
• Descrever os solos da quadrícula de São Carlos em termos das suas
características geomorfométricas;
24
25
2. FUNDAMENTAÇÃO TEÓRICA
Este capítulo está organizado em três partes. A primeira parte apresenta o conceito de
solo, no âmbito da pedologia, sua descrição, e avaliações da relação solo-relevo. Na
segunda apresenta-se um resumo do histórico no mapeamento de solos do Estado de
São Paulo. Por fim são apresentadas as ferramentas e metodologias do sensoriamento
remoto (SR) e dos sistemas de informação geográfica (SIG) para levantamento,
processamento, extração e modelagem de dados de solo e do relevo, e são descritas
técnicas de análise e interpretação destes dados.
2.1 Definições do solo
O termo solo tem diferentes significados segundo o propósito para o qual se estuda.
Agrônomos e pedólogos consideram o solo como a porção superior do regolito,
constituída por: (i) minerais originados do intemperismo da rocha; (ii) matéria orgânica
originada por processos biológicos; (iii) minerais e matéria orgânica em estado coloidal
ou em solução d’água; e (iv) ar. Os elementos incluídos nesta definição são necessários
para o crescimento das plantas (WAY, 1973). O perfil do solo consiste em um conjunto
de camadas denominadas horizontes, ou corpos naturais geneticamente relacionados,
desenvolvidos desde um material parental (rocha mãe) até a superfície. O limite inferior
do solo é normalmente o limite inferior da atividade biológica, a qual geralmente
coincide com a profundidade das raízes de plantas nativas perenes (USDA, 1993).
Retallack (2001) define o solo sob três aspectos: (i) sistema aberto de fluxo de matéria
pela adição, perda, transferência e transformação dos minerais constituintes; (ii) corpo
desenvolvido por processos de transformação da energia disponível, proporcionada
principalmente pela radiação solar e o intemperismo; e (iii) produto gerado em função
( S ) de cinco fatores de formação, a saber, clima (cl), organismos (o), relevo (r),
material parental (p) e tempo (t), os quais se integram segundo a Equação 2.1
(JENNY, 1941).
( ), , , ,S f cl p o r t= (2.1)
26
O modelo de Jenny favorece o mapeamento da distribuição do solo na superfície.
Assim, os solos zonais são delimitados, por exemplo, pelas regiões climáticas, cuja
distribuição depende das variações globais da umidade, temperatura e sazonalidade. O
solo zonal (normal) tem características bem desenvolvidas que refletem a influencia do
clima e da vegetação. Solo intra-zonal é mais ou menos bem desenvolvido, mas com
características que refletem fatores locais como o relevo, o material parental ou a idade.
Por sua vez, solo azonal é um solo imaturo, com características pouco desenvolvidas,
que refletem as características do material parental. Dentro de uma região de clima
homogêneo, as variações do solo têm correspondência com o material parental; em
escalas de maior detalhe, a quantidade de biomassa e o grau de fechamento do dossel
podem ser indicadores de diferentes propriedades e da continuidade lateral de alguns
tipos de solos (DENT; YOUNG, 1981; BOCKHEIM et. al, 2005).
Em uma abordagem de sistemas evolutivos, ou baseados em processos, os solos são
discriminados em níveis mais precisos com base na coleção dos horizontes genéticos
que compreendem o perfil de solo. Na Soil Taxonomy (USDA, 1999) e na World
Reference Base for Soil Resources (FAO, 1998), referências para a classificação dos
solos do Brasil, os solos são classificados com base em horizontes de superfície
diagnósticos (epipedons), horizontes de sub-superfície e outras características
diagnóstico, as quais refletem características físico-químicas dos materiais. O sistema de
classificação norte-americano discrimina seis níveis de classificação, do mais largo ao
mais estreito: ordens, subordens, grandes grupos, subgrupos, famílias e séries. A
entidade fundamental de solo mapeada na maioria das medições é a serie.
A primeira edição do Sistema Brasileiro de Classificação de Solos (SiBCS) foi
publicada em 1999 e a segunda, versão atual, em 2006 pela Empresa Brasileira de
Pesquisa Agropecuária (EMBRAPA) divisão Solos. O SiBCS é dotado de nomenclatura
própria e está estruturado até o quarto nível categórico: ordens, subordens, grandes
grupos e subgrupos (EMBRAPA, 2006; IBGE, 2007). Mas grande parte dos
levantamentos de solo oficiais atualmente no Brasil foi efetuada anos antes desses
documentos serem publicados, razão pela qual é importante a atualização desta
cartografia no país.
27
2.2 Histórico de levantamentos de solo no Estado de São Paulo
O relatório técnico do levantamento dos solos do Estado de São Paulo publicado por
Setzer (1949) foi o resultado do primeiro grande esforço para o reconhecimento dos
solos desta região. Pela falta de um sistema de classificação dos solos no Brasil naquela
época, os 22 principais grupos de solos reconhecidos no Estado foram chamados por
uma numeração baseada no substrato geológico em ordem cronológica a partir da
formação mais antiga. Esta classificação foi denominada ‘Esboço Agro-Geológico do
Estado de São Paulo’ e apresentada na escala 1:2000.000. O trabalho de Paiva Neto
et al. (1951), também realizara o levantamento exploratório baseado no substrato
geológico, cujas unidades de mapeamento foram designadas em analogia à geologia ou
a nomes populares.
Em 1960 foi publicado o levantamento de reconhecimento dos solos do Estado de São
Paulo pelo Ministério da Agricultura, na escala 1:500.000. Os solos do Estado foram
interpretados pela abordagem dos cinco fatores formadores (ver Equação 2.1). Ainda
sem um sistema de classificação para os solos do Brasil, os autores se basearam no
sistema norte-americano, com sete níveis categóricos. As unidades de solos foram
mapeadas em nível de Grande Grupo e, onde possível, de Subgrupo (BRASIL, 1960).
O levantamento dos recursos naturais do território brasileiro denominado
RADAMBRASIL foi concebido para execução entre as décadas de 1970 e 1980. Este
projeto produziu cartografia de geologia, geomorfologia, avaliação do relevo, solos,
vegetação e capacidade de uso dos recursos naturais renováveis, pela interpretação de
mosaicos de imagens de radar aerotransportado (SLAR: Side Looking Airborne Radar)
na escala 1:250.000, para publicação na escala 1:1000.000. No Estado de São Paulo
somente foram publicados os dados da região leste (BRASIL, 1983).
Em 1978 o Instituto Agronômico de Campinas (IAC), em convênio com a Empresa
Brasileira de Pesquisa Agropecuária (EMBRAPA), iniciou no Estado o levantamento
pedológico escala 1:100.000. Como resultado foram publicadas as quadrículas
Campinas, Araras, São Carlos, Brotas, Jaú, Descalvado, Riberão Preto, Ribeira do
28
Iguape, Piracicaba, Guairá, Mogi-Mirim e Assis. Estes levantamentos na escala
1:100.000 constituem, até os dias atuais, um raro conjunto de mapeamento sistemático
em semi-detalhe, embora sua produção tenha sido interrompida sem que o Estado
estivesse completamente mapeado. Por todo o Brasil, mapeamentos nesse nível
permanecem escassos, o que configura a situação geral de carência de informações
pedológicas em escalas desejáveis para o país.
Outras informações sobre levantamentos de solo no Estado de São Paulo podem ser
consultadas na versão digital do Manual Técnico de Pedologia (IBGE, 2007). Esta
publicação contém um banco de dados bibliográficos sobre diversos levantamentos
pedológicos no Brasil, que estão registrados no Instituto Brasileiro de Geografia e
Estatística, IBGE, e que foram desenvolvidos tanto por empresas privadas como por
entidades governamentais.
2.3 Solo-relevo
O termo relevo incorpora vários níveis de complexidade que serão abordados ao longo
deste capítulo. Pode-se definir como o conjunto de desníveis da crosta originados pelas
forças endógenas e exógenas da estrutura terrestre, expressados em varias escalas:
microrelevo, mesorrelevo, macrorrelevo. O relevo é uma qualidade geométrica da
superfície, produto da sua história climática, geológica e biológica, por esta razão este
oferece indicações sobre diversas variáveis ambientais importantes na delimitação do
terreno e no mapeamento do solo e em vários níveis de detalhe.
A análise do terreno como um sistema baseia-se no principio de que medições de uma
componente podem ser feitas para inferir a ocorrência de outras. Nesse sentido, a
principal aplicação do relevo para o mapeamento de outras variáveis ambientais é a
abordagem quantitativa e a divisão do território em unidades de características
qualitativamente homogêneas (BRIGGS; SHISHIRA, 1985). Na metodologia de
mapeamento da Commonwealth Scientific and Industrial Research Organisation
(CSIRO), o sistema terreno inclui solo, vegetação e geoformas, mas na prática é esta
última a base preponderante da classificação. Isto porque as geoformas resultam da ação
29
da maioria dos fatores que controlam a gênese e distribuição do solo (OLLIER, 1977).
No trabalho de Way (1973) apresentam-se padrões do relevo e solos relacionados, em
escala global, desenvolvidos sobre diversas condições climáticas e substrato geológico.
Este autor utiliza o termo análise do terreno para referir-se à identificação e à
interpretação desses padrões do relevo pela analise e interpretação de fotografias aéreas,
para aplicações na engenharia e planejamento do uso do solo. Os padrões apresentados
identificam as formações mais comuns com o propósito de apoiar a análise geral do
terreno, mas para outras aplicações, ou para analise em escala de vertente, o autor
recomenda, após a avaliação geral, o levantamento e classificação mais detalhada desses
padrões no local do estudo específico.
Nos estudos da vertente são analisados perfis topográficos, os quais normalmente
abrangem vários processos genéticos atuantes. As variações nas classes do solo ao
longo de um perfil estão relacionadas com o conceito de catena, que se refere a uma
seqüência de solos aproximadamente da mesma idade, derivados de material parental
semelhante e que ocorre sob condições climáticas também semelhantes, mas que têm
características diferentes relacionadas às variações do relevo e da drenagem. Um termo
mais generalizado é a toposeqüência, ou seqüência de solos que variam com a
topografia. O conceito mais amplo é a associação de solos que se refere algum padrão
recorrente na paisagem não necessariamente vinculado à topografia, como as catenas,
mas ligado à geologia ou geomorfologia e indicado pela vegetação em algum elemento
geomorfológico da paisagem (TRUDGILL, 2004). Em termos gerais, para análises das
relações solo-relevo desde escalas exploratórias (1:500.000) até semi-detalhadas
(1:100.000), podem ser consideradas características topográficas como: (i) a orientação
das vertentes, relacionada com a quantidade disponível de energia do sol; (ii) a altitude,
relacionada com variações climáticas altitudinais; (iii) a curvatura vertical e o grau de
dissecação da paisagem relacionadas à erosão (RETALLACK, 2001; IBGE, 2007).
O modelo clássico dos processos geomorfológicos contemporâneos dominantes numa
vertente (DALRYMPLE et al., 1968) apresenta-se de acordo com esta disposição geral,
como se mostra na Figura 2.1.
30
Figura 2.1 – Modelo hipotético das nove unidades da superfície.
Fonte: Adaptado de Dalrymple et al. (1968).
Com freqüência, a porção superior de uma encosta está caracterizada pela erosão, a
porção intermediária pelo transporte e o sopé pela deposição; assim, as partes altas são
mais drenadas do que as baixas, esta diferença na drenagem responde pelas mudanças
graduais nas características do solo (GERRARD, 1981).
Estudos sobre o sistema solo-relevo, realizados em encostas de diferentes locais nos
Estados Unidos e da Europa, têm mostrado que, nessa escala de trabalho, existem
características particulares a cada local. No Estado de Colorado, Estados Unidos, foram
avaliadas as correlações entre propriedades do horizonte A e atributos topográficos
31
quantitativos numa toposeqüência. Segundo este estudo, a distribuição espacial dos
atributos topográficos caracteriza as trajetórias do fluxo d’água e a distribuição das
propriedades do solo ocorre em resposta ao movimento d’água dentro e sobre a
superfície. As maiores correlações com propriedades do solo foram atingidas pela
declividade, o índice de umidade, e o índice de sedimentos. Os autores sugeriram que as
características dos horizontes mais profundos do que o horizonte A poderiam mostrar
melhores correlações com atributos topográficos porque as propriedades deste horizonte
são as mais alteradas pelo manejo (MOORE et al., 1993). Na região de Nebraska, as
propriedades do solo foram avaliadas em função da sua posição na encosta. Observou-
se que o conteúdo de argila, matéria orgânica, capacidade de troca catiônica e potássio
geralmente decresceram desde o interflúvio superior na direção do sopé e desde os
horizontes superficiais na direção da rocha, em tanto que a saturação de bases tendeu a
aumentar; a areia aumentou do topo para a base e permaneceu relativamente uniforme
ao longo do perfil; e a concentração de zinco aumentou com a profundidade, mas
diferenças significativas foram encontradas somente no terço superior da encosta
(BRUBAKER et al., 1993). No Estado de Illinois foram avaliadas as relações entre
associações de solos e atributos geomorfométricos. Os resultados indicaram que: solos
desenvolvidos do mesmo material parental sob diferentes coberturas vegetais puderam
ser separados; solos desenvolvidos em área de floresta tinham maior declividade média,
mais freqüentes mudanças de declividade e maior densidade da drenagem; pequenas
variações do substrato foram diferenciadas pelas mudanças da declividade; solos mais
profundos e de materiais mais antigos foram indicados por maior densidade da
drenagem; a baixa densidade da drenagem e maiores valores da declividade média,
amplitude do relevo e profundidade de vales indicaram solos desenvolvidos a partir de
material arenítico (WONG et al., 1977). Na Província de Murcia, Espanha, Briggs e
Shishira (1985) observaram as correlações entre propriedades de solos e dois tipos de
unidades de terreno definidas geomorfologicamente: facetas ou áreas de 15m2,
uniformes em termos da declividade, curvaturas e material de origem, e unidades de
solo formadas por grupos de 70 facetas. O estudo indicou que houve variação
considerável nas propriedades do solo das facetas que formavam uma unidade. Esta
32
heterogeneidade de propriedades foi interpretada pelos autores como uma variação
gradual em correspondência às unidades geomorfologicamente definidas.
Embora as metodologias desenvolvidas nesses estudos sejam apropriadas para avaliar as
relações solo-relevo, é importante lembrar que os resultados observados nessas regiões
podem ser significativamente diferentes às relações solo-relevo no Brasil,
principalmente em função do material de origem e da zona climática em que ocorrem.
Uma boa seleção de outros estudos sobre as relações entre características do relevo e
propriedades do solo pode ser consultada em Wilson e Gallant (2000). Na seguinte
seção (2.3) serão apresentados os avanços na análise das relações solo-relevo,
favorecidos pela disponibilidade de dados obtidos por SR junto ao desenvolvimento de
ferramentas SIG.
2.4 Levantamento de solos e relevo por sensoriamento remoto
No levantamento de recursos naturais, a fotografia aérea tem exercido um papel
proeminente. As técnicas fotogramérticas foram precursoras de metodologias muito
úteis na geração de modelos topográficos (foto-restituição), na interpretação e na
classificação do território. O termo fotopedologia se refere à técnica de foto-
interpretação dedicada ao levantamento do solo; seu emprego foi incorporado na
bibliografia especializada pela crescente importância do uso de fotografias aéreas em
estudos do solo. Ainda na atualidade, com poucas exceções, as técnicas fotogramétricas
constituem a ferramenta de mapeamento mais prática usada pelos cientistas do solo
(AMARAL; AUDI, 1975; BITTENCOURT, 1975; DENT; YOUNG, 1981; USDA,
1993; IBGE, 2007).
Dada a profusão das técnicas aerofotogramétricas em levantamentos de solo, o advento
do sensoriamento remoto orbital (com dados espectrais) suscitou algumas iniciativas em
relação ao potencial de sua aplicação na pedologia, embora o princípio da análise
espectral do solo difere significativamente da tradicional foto-interpretação. Enquanto
na primeira tenta-se identificar os fatores que causam a formação de um tipo particular
33
de solo, pela segunda abordagem tenta-se identificar diretamente as suas características
superficiais (WONG et al., 1977).
A partir de dados obtidos na região do espectro óptico (0,4 µm a 2,5 µm), é possível
extrair informações do solo pela interpretação das curvas (assinaturas) espectrais, as
quais refletem as características físico-químicas dos seus componentes (minerais, água,
ar, matéria orgânica). Estes dados também permitem o reconhecimento da cor do solo
de uma forma mais precisa do que, por exemplo, a comparação visual com as cores da
tabela Munsell (EPIPHANIO et al., 1992; FORMAGGIO, 1983; NETTO, 2001;
STONER et al.,1980). A caracterização dos solos na região das microondas (1 cm até
100 cm) é possível pela extração da constante dielétrica desses componentes a partir do
sinal de retorno. O valor desta constante, controlado pela umidade e temperatura do
solo, reflete principalmente suas propriedades físicas e muda em relação à freqüência ou
à polarização do sinal (DOBSON; ULABY, 1998).
Embora as premissas da análise espectral de solos mostram-se claras, os dados
espectrais de SR geralmente são de utilidade limitada na detecção de características sub-
superficiais do substrato, a menos que estas tenham alguma expressão superficial que
possa ser extrapolada à profundidade. A exatidão na identificação de solos pela
aplicação de técnicas espectrais é degradada por ruídos causados pela cobertura vegetal,
condições atmosféricas, instabilidade dos sensores, ângulos de iluminação e por não
considerar as características topográficas da superfície. Dadas estas e outras limitações
do SR espectral, este não pode ser aplicado isoladamente em estudos pedológicos; para
fazer inferências acerca do solo são requeridos outros elementos da paisagem (tais como
a topografia, vegetação ou padrões da drenagem) e de observações de campo (WONG
et al., 1977; McBRATNEY et al., 2003; JENSEN, 2007).
Sem modificar o princípio dos levantamentos tradicionais, pode-se substituir o trabalho
de foto-restituição por análises de representações digitais da topografia, geralmente sob
a forma de Modelos Digitais de Elevação (MDE). Os MDE são arquivos de cotas
altimétricas estruturadas em linhas e colunas referenciadas em correspondência à sua
posição geográfica, da mesma forma que imagens de satélite. São tratados mediante
34
diversos recursos de estruturação, análise e consulta dos SIG. Grande parte dos
mapeamentos sistemáticos existentes foi construída com dados de altitude extraídos por
métodos fotogramétricos a partir de pares estereoscópicos de fotografias aéreas, e foram
representados em curvas de nível. A partir destes, é possível construir um MDE que,
abstraída sua resolução, forma uma representação contínua da elevação do terreno. O
MDE é o ponto inicial do que se derivam as informações topográficas em SIG, e para
conseguir uma representação mais detalhada do terreno são preferidos os modelos com
maior resolução espacial (BURROUGH; McDONNELL, 1998).
O Radar de Abertura Sintética (SAR: Synthetic Aperture Radar) proporciona dados de
alta resolução espacial para a modelagem do MDE. Por esta razão, a partir da década de
1980, com o surgimento do Shuttle Imaging Radar (SIR), numerosas pesquisas têm-se
direcionado ao desenvolvimento tanto da tecnologia SAR como das metodologias para a
extração de MDE. Dados SAR podem ser processados por clinometria, estereoscopia,
interferometria ou polarimetria (TOUTIN; GRAY, 2000):
a) Clinometria. Lugares sombreados (shade), projeção dos objetos (shadow) e
áreas ocultas (occluded areas) são usados para extrair, a partir de uma única
imagem, a altitude relativa de objetos ou da superfície topográfica na direção do
range ou perpendicular à linha de vôo;
b) Estereoscopia. Os princípios de disparidade binocular, paralaxe e ângulo de
convergência (parallactic angle) da visão estereoscópica são usados em
radargrametria para calcular a altitude do terreno. Dados tridimensionais são
obtidos a partir de imagens de um mesmo local adquiridas em diferentes
geometrias de visada;
c) Interferometria. Dadas a diferença de fase ou correlação (coerência) entre duas
imagens do mesmo local, a geometria de aquisição e um datum apropriado,
através de triangulação podem ser estimados a diferença de altitude entre dois
pontos ou o deslocamento de um mesmo ponto do terreno. Estas imagens são
adquiridas simultaneamente por duas antenas em posições diferentes (single-
pass interferometry) ou com uma antena ocupando duas posições orbitais
35
sucessivas (repeat-pass interferometry). O vetor de separação entre as duas
posições de coleta é conhecido como linha base interferométrica (interferometric
base line ou B). Esta técnica é conhecida como Interferometric SAR (InSAR);
d) Polarimetria. Declividades podem ser calculadas diretamente pela informação
polarimétrica de uma única imagem SAR, na direção do azimute (paralela à
linha de vôo), sem algum conhecimento prévio do terreno. Pela integração dos
perfis de declividade na direção do azimute podem ser derivadas as altitudes
relativas. Para obter altitudes absolutas, é necessário obter um ponto de altitude
conhecida ao longo de cada perfil.
O MDE da missão SRTM se constitui numa fonte de informações topográficas
complementar ao uso de fotografias aéreas em levantamentos dos recursos naturais,
muito útil em escalas de reconhecimento (1:100.000) e menores. A Shuttle Radar
Topography Mission (SRTM) foi um projeto cooperativo entre a National Aeronautics
and Space Administration (NASA) e a National Imagery and Mapping Agency (NIMA),
do departamento de defesa dos Estados Unidos, junto às agências Deutschen Zentrum
für Luft - und Raumfahrt (DLR) e Agenzia Spaziale Italiana (ASI). O sistema foi
desenhado para usar dois single-pass radar interferometer na coleta de dados
interferométricos (bandas C e X) para produção do MDE da superfície da terra entre as
latitudes 60°N e 56°S. Os sistemas sensores da SRTM foram lançados a bordo do Space
Shuttle Endeavor, a 223 km de altura e com inclinação orbital (ângulo entre o plano da
órbita do sensor e o plano do equador terrestre) de 57°. Coletaram dados durante 10
dias, entre 11 e 22 de fevereiro de 2000; durante a missão foram completadas 176
órbitas, das quais foram usadas 159 na operação de mapeamento. Os dados da banda C
cobrem 119 milhões de km2 e foram processados pelo Jet Propulsion Laboratory (JPL)
da NASA; a DLR foi responsável pelo processamento dos dados da banda X que
cobriram 58 milhões de km2. O produto X-SAR tem um ganho de resolução em relação
ao produto C-SAR, devido à precisão fornecida pela banda X e à inexistência de
sobreposições entre sub-faixas na formação da faixa de imageamento. No entanto, este
ganho é compensado pelas brechas nos padrões de mapeamento, e conseqüente perda de
36
informação, acarretadas pela sua estreita largura de faixa (FARR; KOBRICK, 2000;
RABUS et al., 2003).
O MDE interferométrico banda X é disponibilizado pelo DLR e seus distribuidores
comerciais. O MDE interferométrico banda C, com 1 arco-segundo de resolução
(aproximadamente 30m ou 0.000277°) é limitado ao território dos Estados Unidos
(SRTM1); foi criada uma generalização deste MDE para 3 arco-segundos
(aproximadamente 90m ou 0,000833°) que está publicamente disponível para o resto do
globo (SRTM3). O MDE é fornecido em coordenadas geográficas referidas ao datum
horizontal WGS84; as altitudes são expressas em metros e referenciadas ao nível médio
do mar como definido pelo geóide WGS84 Earth Gravitational Model (EGM96).
Estes dados estão separados continente a continente e organizados em células de 1°x1°;
podem ser acessados livremente na página oficial do projeto
(http://www2.jpl.nasa.gov/srtm/) hospedada no sítio web do JPL.
A missão foi planejada para suprir mapeamento em escalas entre 1:100.000 e 1:250.000.
O conjunto de especificações para os dados finais foi estabelecido pela National
Geoespatial-Intelligence Agency (NGA). As fontes interferométricas de erros e os erros
aleatórios foram estimados, calibrados e compensados com propósito de atingir as
especificações da NGA. As especificações de exatidão vertical foram ±16m para
altitude absoluta e ±6m para altitude relativa. O erro absoluto representa aquele
calculado em relação ao conjunto total dos dados e o relativo se refere ao erro em uma
escala local de 200 km. Os Resultados da avaliação dos dados SRTM atingiram o 90%
da probabilidade da especificação; para América do Sul foram: (i) erro absoluto de
localização de 9.0m; (ii) erro absoluto de altitude de 6.2m; e (iii) erro relativo de
altitude de 5.5m. Às altitudes do SRTM representam as superfícies refletivas (por
exemplo, o dossel das árvores, telhado das edificações ou solo nu); estas não foram
reduzidas à superfície do terreno e os pontos de validação das altitudes tiveram
distribuição global (escala pequena) concentrada em regiões montanhosas e, por esta
razão, para aplicações destes dados devem ser feitas avaliações locais de exatidão
(RABUS et al., 2003; RODRÍGUEZ et al., 2006; SLATER et al., 2006).
37
Face à possibilidade do uso do modelo SRTM3 (produto público em resolução de 90m)
no mapeamento sistemático do Brasil, Oliveira (2005) avaliou estes dados na região da
Serra dos Carajás, um terreno montanhoso localizado na borda mais oriental da região
Amazônica Brasileira. A avaliação foi feita com base em um conjunto bem distribuído
de Global Control Position Points (GCPs) e critérios da norma cartográfica da
Comissão Nacional de Cartografia (CONCAR). O Padrão de Exatidão cartográfica
(PEC) estabelece as classes A, B e C, em ordem descendente quanto a sua exatidão
planimétrica, altimétrica, e erro padrão associado, medidos na escala da carta. A
investigação mostrou que a precisão do SRTM3 atendeu às exigências para cartas classe
A na escala 1:100.000 como requerido pelo PEC.
Visando o desenvolvimento metodológico para a utilização do SRTM3 no Brasil,
Valeriano (2004) realizou testes em alguns locais do território através de comparações
diretas entre os modelos SRTM3 e o MDE da cartografia do Instituto Geográfico e
Cartográfico (IGC), bem como entre os resultados de algoritmos desenvolvidos para
extração de variáveis geomorfométricas. O pré-processamento consistiu na modificação
do SRTM3 original para um novo MDE com características desejáveis, entre elas: (i)
resolução melhorada de 90m para 30m; (ii) remoção de falhas; (iii) redução de artefatos;
e (iv) distribuição da aleatoriedade. Os resultados foram avaliados de maneira expedita,
através de processos de visualização, análises gráficas e estatísticas. Entre os principais
resultados, ressalta-se que os dados apresentaram fortes restrições à utilização destes na
sua forma original, porém o pré-processamento desenvolvido permitiu sua utilização em
escalas relativamente detalhadas, conforme o relevo local e a finalidade da análise. A
mudança da resolução por krigagem (técnica de interpolação por geoestatística) reduziu
efeitos indesejáveis de objetos sobre o terreno e de ocasionais artefatos, favorecendo a
geração de curvas de nível, a extração digital de variáveis topográficas e a definição de
feições de drenagem relativamente detalhadas. Estas avaliações levaram a um intenso
trabalho de modelagem de dados topográficos SRTM que resultou em um banco de
dados nacional de variáveis geomorfométricas locais, denominado TOPODATA
(VALERIANO, 2005).
38
Este trabalho integrou o potencial de tratamento de dados topográficos por SIG,
relacionado à modelagem do meio físico e análise da erosão, a uma série de
desenvolvimentos metodológicos, tais como: (i) detecção de canais da drenagem e
divisores d’água (VALERIANO; MORAES, 2001); (ii) desenvolvimento do modelo
ADD (Azimute, Divisores e Drenagem) e avaliação de interpoladores na formação de
MDEs (VALERIANO, 2002); (iii) remoção de artefatos em imagens de radar e análises
agro-climatológicas (VALERIANO; PICINI, 2003); (iv) desenvolvimento de algoritmos
e procedimentos para o cálculo de variáveis geomorfométricas locais (VALERIANO,
2003a; VALERIANO, 2003b; VALERIANO; CARVALHO, 2003); e (v)
aprimoramento das formas de codificação (cores de paleta, legenda) dos diferentes
dados derivados, em adaptação às características da visão humana para promover a
percepção visual das informações topográficas (VALERIANO, 2007), entre outros.
Os produtos do TOPODATA, junto com especificações técnicas e orientações aos
usuários (VALERIANO, 2008; VALERIANO; ROSSETTI, 2008), estão disponíveis no
sitio http://www.dpi.inpe.br/topodata/index.php para acesso livre. O conjunto de dados
inclui planos de informação numéricos e qualitativos das variáveis: altitude (Z),
declividade (S), orientação de vertentes (O), curvatura vertical (V) e horizontal (H),
bem como insumos para o delineamento da estrutura de drenagem (modelo ADD) e
formas do terreno (FT). Estudos recentes em mapeamento da vegetação (BISPO, 2007),
análises da drenagem (VALERIANO, et al., 2006); interpretação e modelagem
geológica (ROSSETTI; VALERIANO, 2007) já incorporaram com sucesso estes dados.
2.5 Geomorfometria
Conhecida diferentemente como análise do terreno (terrain analysis), geomorfologia
quantitativa (quantitative geomorphology) ou modelagem digital do terreno (digital
terrain modelling), a geomorfometria (geomorphometry) é uma sub-disciplina da
geomorfologia que tenta descrever quantitativamente as formas da superfície da terra
pelo uso conjunto de matemáticas, engenharia, ciências da terra e da computação
(MARK, 1975; PIKE, 2000).
39
Para Evans (1972), a geomorfometria pode ser dividida em: (i) geomorfometria
específica, que se ocupa das geoformas com características particulares, como canais de
córregos ou colinas, que podem ser separadas das geoformas adjacentes e estão
estreitamente vinculadas a processos específicos; e (ii) geomorfometria geral, que trata
da medição e análise das geoformas comuns a qualquer superfície rugosa contínua, em
que todas suas variáveis podem ser definidas a partir da altitude. Esta última abordagem
proporciona as bases para comparação quantitativa entre ambientes qualitativamente
diferentes.
Segundo Mark (1975), todas as medidas da forma da superfície da terra podem ser
representativas da sua rugosidade. Este autor sugere a apreciação da rugosidade pela
analogia com combinações de funções periódicas ou espectros do terreno, onde o
comprimento de onda da topografia está representado pela textura (menor elemento de
forma) e o grão (área sob a qual são medidas outras variáveis), enquanto as amplitudes
associadas correspondem ao conceito de relevo. Assim, a rugosidade do terreno não está
representada apenas por uma única característica geométrica, mas por um ‘vetor de
rugosidade’ ou conjunto de variáveis passiveis de medição ao longo de alguma direção
do espaço. Estas são conhecidas também como variáveis geomorfométricas (EVANS,
1972; MARK, 1975), atributos topográficos (GALLANT; WILSON, 2000) ou variáveis
morfométricas (SHARY et al., 2002).
2.5.1 Variáveis geomorfométricas
Evans (1972) e Mark (1975) consideraram que as variáveis geomorfométricas são de
duas naturezas: (i) regional, quando sua medição depende dos valores extremos na
distribuição das elevações dentro de uma subárea finita de uma superfície; e (ii) local,
quando seu cálculo é definido em todos os pontos da superfície e os valores em cada
ponto dependem das elevações da sua vizinhança. Gallant e Wilson (2000) consideram
dois tipos de atributos topográficos: (i) os primários ou aqueles que podem ser
calculados diretamente da elevação; e (ii) os secundários (índices), que são gerados pela
combinação de dois ou mais atributos topográficos primários. No esquema conceitual de
Shary et al. (2002) as variáveis morfométricas freqüentemente não descrevem por si a
40
superfície; ela é descrita pelo sistema ‘superfície e vetor de campo’, onde vetor refere-se
às forças gravitacionais e da radiação solar. Estas variáveis podem ser locais, regionais
ou globais (quando as elevações de toda a superfície da terra são necessárias para sua
determinação em um ponto), e se referir à descrição do sistema ou ser constantes em
relação a um dos vetores de campo.
Entre as variáveis geomorfométricas primárias e de natureza local, as mais amplamente
difundidas são a declividade, a orientação das vertentes, a curvatura vertical, a curvatura
horizontal (Figura 2.2) e a própria altitude. Estas podem ser determinadas localmente
pela derivação da superfície topográfica a partir de um MDE. A altitude é a distância
vertical de um ponto da superfície da terra em relação ao nível zero ou nível médio dos
oceanos, determinado pelo modelo geoidal de referência (GUERRA, 1993). É também
conhecida como cota absoluta e representada com a letra ‘z’ (Figura 2.3), que
corresponde à terceira coordenada espacial (x, y, z). Segundo Valeriano (2008), a
altitude pode ser vista como uma derivação de ordem zero do MDE.
Figura 2.2 – Variáveis geomorfométricas locais derivadas da altitude.
Fonte: Valeriano (2008).
41
Para Evans (1972) o gradiente e o aspecto são os dois componentes tridimensionais do
declive (slope). O gradiente (z’v) é a máxima inclinação de um plano tangente à
superfície num ponto, em relação ao plano horizontal; o aspecto (z’h) é a direção de uma
linha perpendicular aos contornos (curvas de nível), medida no sentido horário a partir
do norte (azimute da linha). A declividade (S) é o ângulo de inclinação (zenital) da
superfície do terreno em relação à horizontal (VALERIANO, 2008). Seus valores
podem variar entre 0° e 90°, embora seja mais comumente expressa em percentagem, de
zero a infinito. A declividade corresponde à primeira derivada da elevação em relação à
distância horizontal. A orientação de vertentes (conhecida também como aspecto) está
definida como o ângulo azimutal correspondente à maior inclinação do terreno, no
sentido descendente, expressa em graus entre 0° e 360°.
As curvaturas são atributos topográficos baseados em segundas derivadas,
correspondem à taxa de variação da primeira derivada, usualmente numa direção
particular (GALLANT; WILSON, 2000). A curvatura vertical (z”v) é a derivada de
segunda ordem em relação à altitude ou de primeira ordem em relação à declividade;
expressa o formato da vertente quando observado em perfil e pode ser medida em graus
por metro (°/m). Teoricamente, valores positivos devem corresponder a terrenos
convexos, negativos a terrenos côncavos (ou vice-versa) enquanto valores nulos
indicam vertentes retilíneas. Na prática, a ocorrência de valores nulos fica sendo uma
coincidência raríssima, portanto, há a necessidade de se admitir uma margem de valores
em torno do zero para que as vertentes retilíneas possam ser evidenciadas
(VALERIANO, 2008). A curvatura horizontal (z”h) é a derivada de segunda ordem em
relação à altitude ou de primeira ordem em relação ao aspecto (EVANS, 1972), pode ser
descrita como a variação da orientação de vertentes em uma determinada distância ao
longo das isolinhas. Representa o formato da vertente quando observada em projeção
horizontal; na percepção humana se traduz no caráter de divergência ou convergência
das linhas de fluxo. É expressa normalmente em graus por metro (°/m)
(VALERIANO, 2008).
No contexto regional, as características topográficas podem ser descritas em termos da
distribuição da freqüência da altitude ou por seus momentos estatísticos. Entre as
42
variáveis geomorfométricas desta natureza, relativamente menos estudadas, mas tão
importantes quanto as variáveis de natureza local, estão a altura, a dissecação,
(Figura 2.3), a amplitude e a predominância (Figura 2.4).
A altura, ou cota relativa, é a elevação acima do ponto mais baixo dentro de uma área,
isto é, a elevação dada em referencia a outro plano que não é o nível do geóide
(EVANS, 1972; GUERRA, 1993). A altura, na sua forma numérica (an), extraída a
partir de um MDE por SIG, pode ser interpretada como a distância vertical entre os
pontos da superfície topográfica (Zn) e sua projeção numa superfície de referência
arbitrária, formada pelos pontos de altitudes mínimas (Zn.min) dentro de uma área de
medição unitária, ou a.m.u, como proposto por Muñoz et al. (2008).
Figura 2.3 – Altura (a), dissecação (d) e altitude (Z) na forma numérica (n).
Valores máximo (max) e mínimo (min).
Fonte: Muñoz e Valeriano (2009).
A dissecação é uma das medidas da dimensão vertical da topografia relativas ao
espectro de amplitude do terreno. Pode ser definida como distância vertical desde a
posição de formação de uma superfície emergida até a posição do córrego gradativo
adjacente, a profundidade à qual o relevo foi trabalhado, especialmente pela erosão, ou
como o relevo ainda disponível para os processos do intemperismo (MARK, 1975;
43
EVANS, 1972). A dissecação, na sua forma numérica (dn), extraída a partir de um MDE
por SIG, pode ser estimada pela distância vertical entre os pontos da superfície
topográfica (Zn) e sua projeção numa superfície de referência arbitrária, formada pelos
pontos de altitudes máximas (Zn.max) dentro de uma área de medição unitária, ou a.m.u,
como proposto por Muñoz et al. (2009).
Figura 2.4 – Amplitude (i) e predominância (p) na forma numérica (n).
p>0 e p<0 indicam, respectivamente, regiões com cota maior
e menor à cota meia na área de medição unitária, a.m.u. Fonte: Adaptada de Muñoz e Valeriano (2009).
A amplitude é a dimensão vertical da topografia descrita com o termo relevo; conhecida
também como relevo relativo, por ser dada pelas alturas ou cotas relativas em função de
um nível diferente do nível do mar, e como relevo interno. Refere-se à diferença entre a
maior e a menor elevação que ocorrem dentro de uma área finita da superfície ou à
proporção da diferença de altitude em metros desde divisores de água, ou os topos da
vertente, até os talvegues (EVANS, 1972; MARK, 1975 MEIJERINK, 1988; GUERRA,
1993). O conceito de amplitude (in) implica na percepção de duas superfícies: um nível
de base e um nível de topos (ou, quando há aplainamento, nível de patamar ou planalto),
que em SIG podem ser estimados, respectivamente, como a cota mínima e máxima
encontrada dentro de um raio de busca (PELOSO; VALERIANO, 2008).
44
A predominância topográfica, como a curvatura vertical, caracteriza-se por apresentar
valores positivos e negativos. Regiões alto-predominantes expressam o sinal positivo e
as baixo-predominantes o negativo; a predominância adquire o valor zero no plano de
altitudes médias. Como apresentado por Muñoz e Valeriano (2008), um grande
potencial desta variável é que facilita a separação de unidades ou formas básicas do
relevo. Uma vez separadas, estas formas poderiam ser caracterizadas pela sua
geomorfometria local. Assim, por exemplo, as áreas planas podem ser classificadas em
topos ou baixios a partir da suposição de que nos primeiros a dispersão altimétrica é
dada pela dissecação, enquanto que nos últimos deve-se à presença de relevo residual ou
testemunhos (Figura 2.5).
Figura 2.5 – Caracterização da predominância (p)
Fonte: Muñoz e Valeriano (2008).
Outras variáveis geomorfométricas primárias de caráter regional são a curtose (kurtosis)
e a curva hipsométrica (hypsometric curve). A primeira é uma medida da dispersão
altimétrica que caracteriza o achatamento da curva de freqüências; a outra expressa a
freqüência cumulativa da altitude, ou medida da convexidade regional (EVANS, 1972).
Segundo Mark (1975), a curva hipsométrica representa a maioria das medições que
45
descrevem os aspectos de distribuição de massas com relação à elevação, e reflete a
maturidade do terreno.
2.5.2 Parametrização do terreno por SIG
Diversas técnicas de mapeamento e classificação são usadas em estudos das relações
solo-relevo e outras avaliações do meio físico, como por exemplo: (i) mapeamento
morfológico, baseado no reconhecimento de quebras e mudanças na declividade; (ii)
mapeamento geomorfológico, pelo reconhecimento de formas, geologia e clima,
principalmente; (iii) mapeamento do geossistema, que considera as relações entre
topografia, solos e vegetação; e (iv) mapeamento numérico do geossistema, baseado na
extração de parâmetros ou de elementos individuais das geoformas (GERRARD, 1981).
O mapeamento paramétrico pode ser definido como a divisão e classificação da
superfície com base em um conjunto preestabelecido de atributos quantitativos
(OLLIER, 1977). Seu emprego abrange desde projetos de propósitos gerais com a
incorporação de muitos atributos, até classificações para propósitos específicos e
inclusive o fortalecimento da interpretação de sistemas qualitativos pela incorporação de
elementos quantitativos na análise (MABBUTT, 1968).
A parametrização das geoformas superficiais por SIG é o processo de extração de
variáveis, ou atributos quantitativos da topografia, a partir de MDE, pela aplicação de
técnicas de transformação de imagens (HENGL et al., 2003). Entre estas técnicas
encontram-se as baseadas na modificação da transformada de Fourier ou processamento
no domínio das freqüências, e as baseadas na manipulação direta dos pixels da imagem
ou processamento no domínio espacial (GONZÁLEZ; WOODS, 1996).
Segundo González e Woods (1996), as funções de processamento de imagens no
domínio espacial podem se expressar como na Equação 2.2, onde ( ),f x y é a imagem
de entrada, ( ),g x y é a imagem processada e T é um operador que age sob f , definido
em algum entorno de um ponto na posição ( ),x y .
46
( ) ( ), ,g x y T f x y= ⎡ ⎤⎣ ⎦ (2.2)
Na definição de um entorno de ( ),x y comumente são usadas sub-imagens quadradas
centradas no pixel desta posição. Teoricamente, sua forma mais simples corresponde a
um entorno 1x1 (um pixel); neste caso g depende só do valor de f no ponto ( ),x y e as
técnicas de processamento são operações pontuais. Operações aritméticas tais como
soma, subtração, multiplicação e divisão são exemplos deste tipo de processamento.
Conjuntos de vários pixels constituem matrizes de tamanhos variáveis (normalmente
pequenas, por exemplo, 3x3) conhecidos como janelas ou filtros. O processamento de
imagens baseado nesta abordagem se conhece como filtragem, que é um tipo de
operação de vizinhança. Na filtragem, o centro da sub-imagem se desloca pixel a pixel
começando, por exemplo, na esquina superior esquerda e aplicando o operador em cada
posição ( ),x y para obter g . Por esta razão, estes filtros são mais adequadamente
referidos como janelas móveis (BURROUGH; McDONNELL, 1998; GONZÁLEZ;
WOODS, 1996).
A natureza da filtragem e os efeitos deste processo são determinados respectivamente
pelos coeficientes e pelo tamanho da janela. Assim, por exemplo, um filtro do tipo
moda suaviza a imagem ao substituir o valor do pixel original central pelo valor mais
freqüente na sua vizinhança. De outro lado, o valor mais freqüente que ocorre numa
região de tamanho 3x3 será diferente do correspondente a uma de tamanho maior; neste
caso, a imagem de saída terá um efeito de suavização também maior.
Muñoz e Valeriano (2008; 2009), Muñoz et.al. (2008) e Peloso e Valeriano (2008)
empregaram janelas móveis de dimensões variáveis para deslocar os valores da altitude,
das direções cardinais e diagonais (NW, N, NE, E, SE, S, SW e W) para o pixel central
da janela. Por este processo se obtêm conjuntos de novos MDE (ou PI - planos de
informação), com os valores da altitude de cada posição da vizinhança deslocados a um
mesmo lugar geográfico ( ),x y . Este processo faz com que cotas de uma abrangência
arbitrária a cada ponto, armazenadas em diferentes planos, sejam reunidas no mesmo
47
lugar geográfico, o que permite sua análise em SIG com operações de sobreposição.
Assim, para cada conjunto de dados (determinado pelo tamanho da janela) obtêm-se um
PI de elevações máximas e outro de elevações mínimas, que serão utilizados como
dados de entrada em operações matemáticas para extração de parâmetros
geomorfométricos não locais.
Um problema associado a variáveis que expressam a relação de valores dentro de uma
área é estabelecer a extensão sob a qual eles devem ser medidos. Para Mabbutt (1968),
esta tem que ser determinada pelo próprio caráter do terreno. Evans (1972) sugere o uso
de janelas razoavelmente largas a fim de representar a variável relevo tão distinta e não
redundante o quanto for possível. Segundo este autor, se o tamanho da janela não
permite abranger a vertente, o relevo, por exemplo, vem a representar uma simples
medida da declividade. Para comparações inter-regionais, recomenda que sejam testadas
janelas de tamanhos variáveis e que se verifique qual delas se ajusta ao padrão da
topografia da área de estudo. Muñoz e Valeriano (2008) sugerem que a caracterização
geomorfométrica utilizando janelas móveis sucessivamente maiores permite a análise
multi-escala sem afetar o dado original. À medida que aumenta o tamanho da janela,
aumenta a área mínima de análise (entorno) e, conseqüentemente, o valor da
propriedade geomorfométrica em um mesmo ponto. Mark (1975) enfatiza que as áreas
de amostragem devem ser definitivamente maiores que a textura da topografia e
preferivelmente maiores que seu grão. Para Russ (1998) o tamanho dos pixels do MDE,
por sua vez, deve ser muito menor que qualquer feição de interesse do relevo.
As variáveis escolhidas para a interpretação do terreno têm que estabelecer unidades de
mapeamento tanto no nível de elementos quanto no nível de padrão, no primeiro caso
estão implícitos atributos topográficos do tipo primário. Na escala de padrão há dois
tipos de variáveis: aquelas que registram o parâmetro em relação a uma característica
dominante, por exemplo, o valor médio da declividade, e aqueles que expressam um
arranjo de vários componentes, como a classificação automatizada do terreno para
determinação de unidades básicas de mapeamento (MABBUTT; 1968; GALLANT;
WILSON, 2000; KLINGSEISEN, et al., 2008). Os modelos FT e ADD dos dados
TOPODATA (VALERIANO, 2008) são exemplos de unidades de mapeamento no nível
48
de padrão; trata-se de informações qualitativas construídas pela combinação e
classificação de dados geomorfométricos derivados da altitude. O FT representa a
variação independente das curvaturas horizontal (convergente, planar e divergente) e
vertical (côncava, retilínea e convexa), que combinadas fornecem indicação de nove
classes de formas do terreno. O ADD, fornecido para apoiar o traçado de feições de
drenagem, apresenta o delineamento de talvegues e divisores d’água sobreposta a uma
codificação de classes de orientação de vertentes em 16 semi-octantes.
2.5.3 Classificação e segmentação de imagens
A classificação é o processo usado para produzir mapas temáticos a partir de imagens, e
os temas incluem qualquer objeto da superfície que possa ser distinguido nelas. Com o
objetivo de classificar uma imagem, os algoritmos necessitam ser treinados para
diferenciar uma categoria de outra. Amostras representativas e regras de decisão são
usadas para este propósito. Os algoritmos de treinamento de uma classificação podem
ser: (i) supervisionados, quando as amostras são rotuladas em virtude de uma verdade
de campo; e (ii) não supervisionados, quando, embora não rotuladas, as áreas têm sido
distinguidas pelas suas propriedades intrínsecas (SCHOWENGERDT, 2007).
O algoritmo ISOSEG do SPRING (CÂMARA et al., 2007) é um classificador de tipo
não supervisionado aplicado sobre uma imagem segmentada cujas regiões estão
caracterizadas pela área, média e matriz de covariância dos seus valores digitais. Esta
técnica procura agrupar regiões a partir de uma medida de similaridade entre elas
(distância de Mahalanobis); quanto maior esta distância menor será o número de classes
detectadas pelo algoritmo.
A classificação não supervisionada ISODATA do ENVI calcula os valores médios das
classes uniformemente distribuídos no espaço de dados e então aglomera iterativamente
os pixels restantes pelo uso de técnicas de distância mínima. Cada iteração recalcula as
médias e reclassifica os pixels com relação à nova média. O processo de separação,
fusão e eliminação de classes é feito com base nos limiares de entrada, por exemplo,
número mínimo e máximo de classes. Todos os pixels são atribuídos ao vizinho mais
49
próximo a menos que tenha sido especificado pelo usuário (como condição inicial ou
restrição de entrada) um desvio padrão ou uma distância limiar; nesse caso, alguns
pixels podem não ser classificados se eles não cumprem a especificação. Este processo
continua até que o número de pixels em cada classe atinja o limiar de entrada ou o
máximo número de iterações (ITT INDUSTRIES, 2006).
A limiarização é o processo de extrair os objetos pressentes numa imagem pela
separação dos modos dominantes do histograma a partir de um limiar. A possibilidade
de selecionar um limiar apropriado aumenta se os picos do histograma são altos,
estreitos, simétricos e separados por vales profundos, ou quando os pontos limiares são
conhecidos. O conjunto de pontos dentro de cada modo pode ser rotulado de forma a
classificar os objetos (ou regiões) isolados. Na Equação 2.3 se apresenta a definição de
uma imagem binária (bimodal) limiarizada ( , )g x y , onde ( , )f x y é o nível de cinza do
ponto ( , )x y e T e o limiar que separa os dois modos do histograma. A limiarização
multi-nível é um caso mais geral em que são selecionados mais de um limiar para
separação de mais de duas classes na imagem (GONZÁLEZ; WOODS, 1996).
{1 ( , )( , )
0 ( , )se f x y T
g x yse f x y T
>=
≤ (2.3)
A representação quantitativa das variáveis geomorfométricas nem sempre facilita a
interpretação do relevo, ao contrário da sua compartimentação em classes. Valeriano
(2008) lembra que, por exemplo, diversos procedimentos de análise do relevo incluem a
classificação da área em faixas de declividade, para posterior integração com outros
planos de informação.
A classificação dos valores numéricos de variáveis geomorfométricas está baseada na
análise dos padrões da distribuição de freqüências. Uma vez estruturados à semelhança
das imagens orbitais, os modelos numéricos do terreno são passíveis de operação por
recursos de SIG designados ao tratamento de dados espectrais, como por exemplo,
aqueles desenvolvidos para análise automatizada de imagens. Trata-se do processo de
descobrir, identificar e compreender padrões relevantes na imagem pela aplicação de
50
algoritmos computacionais. A primeira etapa neste processo consiste geralmente na
segmentação ou divisão da imagem em partes homogêneas (também conhecidas como
objetos), cujo grau de homogeneidade dependerá dos padrões que se pretendam separar.
Os algoritmos de segmentação de imagens monocromas geralmente se baseiam em: (i)
descontinuidade, pela identificação de mudanças bruscas dos níveis de cinza e cujas
principais aplicações são a detecção de pontos isolados, linhas e bordas da imagem; ou
(ii) similaridade, pela limiarização, crescimento, divisão ou fusão de regiões formadas
por níveis de cinza de valores próximos (GONZÁLEZ; WOODS, 1996).
O objetivo da segmentação é dividir uma imagem em regiões. Se R é a representação da
região completa da imagem, pode-se considerar a segmentação como o processo de
dividir R em n sub-regiões, R1, R2,..., Rn, de tal forma que: (i) a segmentação deve ser
completa, isto é, todo pixel da imagem deve pertencer a uma região; (ii) todos os pixels
de uma região devem ser conexos, ou seja, devem ser adjacentes em algum sentido (por
exemplo, 4-vizinhos) e seus níveis de cinza cumprem um critério de similaridade (por
exemplo, serem iguais); (iii) as regiões devem ser disjuntas ( R R Vazíoi j =I ) para
todo i e j , i j≠ ; (iv) todos os pixels de uma sub-região Ri devem satisfazer uma
mesma condição para que a propriedade P(Ri) seja verdadeira; e (v) as sub-regiões Ri e
Rj são diferentes no sentido da propriedade P, assim, ( )P R R Falsoi j =I
(GONZÁLEZ; WOODS, 1996).
O método de segmentação por crescimento de regiões do SIG SPRING implica o
agrupamento de sub-regiões dentro de regiões maiores, pela agregação de pixels
vizinhos a partir de um pixel-região inicial. O critério de similaridade baseia-se num
teste de hipótese que avalia a média do valor digital dos pixels em um raio de busca
(área). O processo de agregação finaliza quando um dos critérios de similaridade não se
cumpre, e então se completa a extração da sub-região (CÂMARA et al., 2007). Um
pixel é normalmente a unidade menor de análise de imagens de SR enquanto que os
agrupamentos de pixels de características digitais similares (regiões) são as entidades
básicas localizadas dentro da imagem e são chamados objetos. Neste sentido, uma
51
região, ou segmento, pode ser vista como um objeto da imagem que pode ser atribuído a
uma classe (BLASCHKE et al., 2006).
2.6 Análise e interpretação
Os mapas temáticos contêm informação não explícita que pode ser extraída e
armazenada pelo uso de ferramentas SIG. Esta informação corresponde a características
geográficas específicas e é formada por conhecimento especializado. O conhecimento
implícito contido em mapas de solo é a informação sobre as inter-relações entre tipos de
solos e os locais que estes ocupam, que por sua vez, dizem sobre as condições
subjacentes do solo. No processo de mapeamento, as relações solo-paisagem são
meticulosamente trabalhadas e implicitamente aplicadas no delineamento dos polígonos
de solo. Assim, quando o especialista em solos desenha esses limiares, implicitamente
integra múltiplos conhecimentos sobre a fisiografia do local. Este conhecimento
(considerado como um modelo da relação solo-terreno) é valioso pelo menos em dois
sentidos: (i) tem o potencial para facilitar a atualização dos mapas de solo, em menos
tempo e sem depender do autor do mapa original; e (ii) pode ser usado para a
sistematização do mapeamento, modelagem e classificação, inclusive em locais
diferentes daquele da análise (QI; ZHU, 2003).
O processo de descobrimento de conhecimento, ou knowledge discovery process,
proposto por Qi e Zhu (2003) consiste na preparação de dados, pré-processamento,
extração de padrões, e, finalmente, avaliação e interpretação do conhecimento embutido
nos dados pré-existentes. O principal propósito desta técnica, aplicada à extração de
conhecimento dos mapas de solos, é o de reverter o processo de mapeamento, de acordo
com a hipótese de que as relações entre diferentes tipos de solo e características da
paisagem podem ser reveladas através dos mapas existentes pela aplicação de SIG. Se a
experiência do especialista em solos puder ser extraída do mapa e apresentada em forma
apropriada, novos cientistas poderão reconstruí-la, atualizá-la e até melhorá-la. Esta
técnica é particularmente útil naquelas regiões onde a experiência humana é escassa ou
não especializada, ou quando a atualização do mapeamento é imprescindível, já não se
52
conta com os autores do mapeamento original, mas se conta com melhores dados e
ferramentas das que possuíam aqueles especialistas.
Por outro lado, o processo de interpretação é fundamental tanto na extração de
conhecimento de mapas publicados de solos como na avaliação de produtos obtidos por
SIG, por exemplo, mapas geomorfométricos. A interpretação é o terceiro estágio do
processo humano de avaliação de um fenômeno, após receber e identificar o estímulo. A
capacidade de interpretação está vinculada ao significado do fenômeno para o
intérprete, e esse significado depende do treinamento. O intérprete tem a capacidade de
avaliação, isto é, de examinar o valor ou a utilidade de um objeto para algum propósito
de uso. A participação do intérprete na avaliação do território é importante pela
capacidade humana de reconhecer áreas com alta covariância entre várias características
e prover, entre outros resultados, hipóteses essenciais para investigações que apliquem
outros métodos, complementares à interpretação (GIBBONS et al., 1968).
53
3 MATERIAL E MÉTODOS
3.1 Fluxo de trabalho
Para avaliar a relação solo-relevo na região de São Carlos, este trabalho foi dividido nas
seguintes etapas: (i) extração de informações de solos a partir da quadrícula São Carlos
(DATASOLOS); (ii) estruturação de um banco de dados de variáveis geomorfométricas
locais (TOPODATA); (iii) extração de variáveis geomorfométricas regionais e
estruturação do banco de dados correspondente (TOPOREG); e (iv) preparação do
conjunto de dados para análise e interpretação, como se observa na Figura 3.1.
Figura 3.1 – Fluxo geral de atividades.
54
3.2 Material
3.2.1 Área de estudo
Na seleção da área de estudo foi considerada a disponibilidade, acessibilidade e
confiabilidade dos mapas de solos publicados do Estado de São Paulo na escala de
semi-detalhe (1:100.000). Entre as quadrículas identificadas selecionou-se a de São
Carlos, ou SF.23-Y-A-I segundo a nomenclatura do sistema cartográfico brasileiro, por
apresentar uma maior variedade topográfica, característica adequada para os propósitos
deste estudo.
Figura 3.2 – Localização da área de estudo.
Como ilustrado na Figura 3.2, a região está enquadrada entre os paralelos 22˚S e
22˚30’S, e os meridianos 48˚W e 47˚30’W. A quadrícula abrange os municípios de
Analândia e Itirapina, e parcialmente os de Brotas, Charqueada, Corumbataí,
55
Descalvado, Ibaté, Ipeúna, Piraçununga, Rio Claro, Santa Cruz da Conceição, Santa
Gertrudes, São Carlos e São Pedro.
A região pertence ao sudeste do Brasil, com climatologia condicionada à sua posição na
zona tropical e à proximidade do Oceano Atlântico. A primeira submete-a a um ciclo de
estações regular e a segunda a uma forte e constante concentração de chuvas, estas
últimas favorecidas pelo volume de poluentes urbanos. Esta região está classificada
como sub-quente úmida, tipo tropical, com um a dois meses secos. A topografia
acidentada e o choque entre altas polares e altas tropicais favorecem sua diversidade
climática (NIMER, 1979). A temperatura média histórica anual oscila entre 18.1°C e
20°C, com máxima de 28°C no verão e mínima de 14.1°C no inverno. A precipitação
média histórica anual oscila entre 1751 mm e 2000 mm, com máxima no verão de
750 mm e menos de 150 mm no inverno (MENDONÇA; DANNI-OLIVEIRA, 2007).
Predominam na região savanas (cerrado) e floresta estacional semi-decidual, e no
contato entre as duas acham-se pequenas áreas de tensão ecológica. Nas áreas de savana
existe vegetação arbórea densa, aberta e gramíneo-lenhosa. No segundo domínio
encontra-se floresta de montanha e vegetação secundaria sem palmeiras, esta última
caracterizando também as áreas de tensão ecológica. A agricultura ocupa áreas dos três
domínios florestais e está representada principalmente em pastagens e culturas cíclicas e
permanentes de cana, café, eucalipto e pinheiro (BRASIL, 1983; IBGE 1971; 1969).
As feições do relevo mais proeminentes na área de estudo são a Depressão Periférica e o
Planalto Basáltico (ou Cuestas Basálticas). A primeira está representada por relevo
suave-ondulado de colinas baixas tabuliformes e cotas entre os 630m e 700m; destacam-
se os rios Passa Cinco, Corumbataí e Ribeirão Claro, o Morro Grande e o Morro
Guarita. No Planalto sobressaem a serra de São Pedro, a serra de Itaqueri (sul), o
Planalto de São Carlos e a serra do Cuscuzeiro (norte). Entre estas serras se estende o
patamar intermediário denominado Serra da Santana e Campo Alegre, a qual é cortada
pelos rios Itaqueri e Feijão. Os ribeirões Pinheiro, Tamanduá e Lobo provocaram
incisões profundas no planalto; os cursos d’água que têm sua nascente na Serra do
Cuscuzeiro esculpiram testemunhos como a Pedra do Cuscuzeiro e a Pedra do Camelo.
56
O limite entre a Depressão Periférica e o Planalto Basáltico está representado numa
frente escarpada das formações Serra Geral, Botucatu e Pirambóia, com alturas a partir
da Depressão que superam os 300m (BRASIL, 1983; OLIVEIRA; PRADO, 1984).
Na quadrícula de São Carlos ocorrem as seguintes unidades litoestratigráficas
(OLIVEIRA; PRADO, 1984): (i) sedimentos aluvionais, constituídos de areias finas e
argila; (ii) coberturas cenozóicas, Formações Rio Claro e Serra de Santana, formadas
por sedimentos predominantemente areníticos, e localmente intercalações de argila; (iii)
Formação Itaqueri, representada por cobertura sedimentar pós-basáltica nos altos da
Serra do Cuscuzeiro e da Serra de Itaqueri, litologicamente constituída por arenito fino e
groso, folhelhos e conglomerados; (iv) Grupo São Bento (rochas vulcânicas e arenitos
eólicos do Mesozóico), representado pelas formações Serra Geral, Botucatu e Pirambóia
e pelas intrusivas básicas associadas; (v) Grupo Passa Dois, representado pelas
formações Corumbataí (vales do rio Corumbataí, Descaroçador e seus principais
tributários) e Irati, a primeira constituída de siltitos, argilitos e folhelhos cinzentos a
roxo-acizentados, podendo possuir cimentação calcária, e a segunda constituída de
folhelhos escuros calcários dolomitizados, siltitos, folhelhos e arenitos cinzentos; e (vi)
Grupo Tubarão, representado pela Formação Tatuí, constituída predominantemente por
siltitos.
A base geográfica do levantamento pedológico de São Carlos na escala 1:100.000 foi
extraída das quadrículas 1:50.000: São Carlos (SF.23-Y-A-I-1), Corumbataí (SF.23-Y-
A-I-2), Itirapina (SF.23-Y-A-I-3) e Rio Claro (SF.23-Y-A-I-4), publicadas pelo IBGE
(OLIVEIRA; PRADO, 1984). A nomenclatura dos solos nestes levantamentos, nas duas
escalas, não corresponde ao SiBCS atual, mas sim à adotada pelos autores segundo a
metodologia vigente nas datas das publicações (Figura 3.3, Tabela 3.1).
57
Figura 3.3 – Solos da quadrícula de São Carlos.
Fonte: Adaptada de Prado et al. (1981).
Tabela 3.1- Solos da quadrícula de São Carlos ID Classe ID Classe ID Classe ID Classe 1 AQ 16 LV-1 31 PV-2+Li-2 46 Li-2+TE-1 2 NS (não solo) 17 LV-1+LV-2 32 PV-2+LV-1 47 Li-3 3 AQ+LV-1 18 LV-2 33 PV-1+Li-1 48 Li-3+Li-2 4 AQ+LV-2 19 LV-2+AQ 34 PV-1+PV-6 49 Li-3+TE-1 5 LRd 20 LV-2+LV-3 35 PV-4 50 Li-4 6 LRd+LE-1 21 LV-3 36 PV-4+PV-3 51 TE-1 7 LRd+LRe 22 LV-3+LV-2 37 PV-5 52 TE-1+Li-3 8 LRd+TE-1 23 LV-4 38 PV-6 53 TE-1+LRe 9 LRd+TE-2 24 LV-4+TE-2 39 PV-6+PV-1 54 TE-1+TE-2 10 LRe 25 LE-1 40 Hi 55 TE-2 11 LRe+LRd 26 LE-1+LRd 41 Or 56 TE-2+TE-1 12 LRe+TE-2 27 LE-1+LRe 42 Li-1 57 LRd+LRe+TE-2 13 LV-5 28 LE-2+LRd 43 Li-1+PV-1 58 PV-1+Li-1+PV-6 14 LV-6 29 LE-2 44 Li-2+Li-3 59 Li-3+TE-1+LRe 15 LV-6+PI 30 PV-2 45 Li-2+LV-1 60 Li-3+TE-1+TE-2
Os autores da quadricula identificaram latossolos (L), podzólicos (P), areias quartzosas
(AQ), solos litólicos (Li), terra roxa estruturada (TE), solos hidromórficos (Hi) e
plinsolos concrecionários (PL). Os Latossolos Vermelho-Amarelo (LV) são
58
ferralíticos de textura argilosa a média. Todas as unidades ocupam as cotas mais altas da
região onde aparecem. LV-1 e LV-2 estão associados aos AQ; LV-1 até LV-4 são de
caráter álico, horizonte A moderado e textura média; LV-5 é de textura argilosa ou
média; LV-6 tem horizonte A proeminente e textura muito argilosa ou argilosa. Os
Latossolos Roxos (LR) são normalmente profundos com textura argilosa ou muito
argilosa. Predominam aqueles com pouca areia grossa. Distinguem-se duas unidades
taxonômicas diferenciadas pelo caráter eutrófico (LRe) e distrófico (LRd), as duas
unidades têm horizonte A moderado de textura argilosa; foram mapeadas em associação
entre si e com LE-1. Os Latossolos Vermelho-Escuros (LE) estão representados por
espessos mantos detríticos com contribuição de rochas básicas. Foram identificadas
duas unidades taxonômicas, ambas com horizonte A moderado, mas a textura é argilosa
nos LE-1 e média nos LE-2. Os Podzólicos Vermelho-Amarelos estão distribuídos em
seis unidades litoestratigráficas. A unidade PV-5 se diferencia de todas as outras em que
o horizonte A deste solo é proeminente ou chernozêmico, e não moderado. PV-1 e PV-2
são solos abrupto-álicos; PV-3 é abrupto-distrófico; PV-4 e PV-5 são solos distróficos;
e PV-6 é de caráter álico. PV-1 e PV-5 são de textura média-argilosa; a unidade PV-2 é
de textura arenosa-média; PV-3 é arenosa-média ou média-argilosa; PV-4 é de textura
média ou média-argilosa; e PV-6 é de textura argilosa ou média-argilosa. Os PV-1 e
PV-6 foram mapeados em associação entre si e com os solos Li-1. Os PV-3 foram
mapeados em associação com os PV-4. A Areia Quartzosa (AQ) são solos álicos, com
horizonte A moderado. Na quadrícula estes solos foram identificados em espessos
mantos coluviais de sedimentos detríticos, daí sua denominação como Areias
Quartzosas Profundas. Esta classe compreende solos não hidromórficos. Ocorrem quer
como consociação, quer como associação, com LV-1 e LV-2. Os Solos Litólicos são
pouco desenvolvidos (imaturos), com teores elevados de materiais primários menos
resistentes ao intemperismo. Foram identificadas quatro unidades taxonômicas. Li-3 se
diferencia dos outros Li pela textura argilosa e o horizonte A moderado ou
chernozêmico; o horizonte A daqueles é moderado e a textura indiscriminada. Os Li-1 e
Li-4 são eutróficos ou distróficos; Li-2 e Li-3 são de caráter eutrófico. Os Solos
Hidromórficos (Hi) caracterizam-se pela presença de glei a menos de 80cm de
profundidade. Foram identificadas três classes de solos hidromórficos, mas os glei
59
húmico e pouco húmico foram mapeados como uma só unidade. A Terra Roxa
Estruturada é um solo derivado de rochas básicas. Foram identificadas duas unidades,
ambas com horizonte A moderado. Os TE-1 são de tipo eutrófico ou distrófico, textura
argilosa ou muito argilosa; ocorrem principalmente associados aos Li-3 ou TE-2; os TE-
2 são de tipo distrófico ou eutrófico intermediário para LR, de caráter álico. Os
Plintosolos Concrecionários (PL) desenvolveram-se sobre sedimentos finos
provenientes de fácies argilosas da Formação Itaqueri, não ocorrem na quadrícula como
unidade de mapeamento simples, mas foram mapeados em consociação com os solos
LV-6 (PRADO et al., 1981; OLIVEIRA; PRADO, 1984).
Apresenta-se na Tabela 3.2 o conjunto de dados topográficos do banco TOPODATA
utilizados no desenvolvimento deste trabalho, correspondem aos dados da quadrícula
22_48 de escala 1:250.000, da qual faz parte a quadrícula de São Carlos, na escala
1:100.000.
Tabela 3.2 – Dados topográficos do TOPODATA: variáveis geomorfométricas locais Plano de Informação
(PI) DESCRIÇÃO Unidade
22_48.grd Altimetria (MDE). Dados interpolados, 1” (~30m) m 22_48_ZN.img (e .doc) Altimetria (MDE). Dados interpolados, 1” (~30m) m 22_48_SN.img (e .doc) Declividade na forma numérica % 22_48_ON.img (e .doc) Orientação de vertentes na forma numérica o 22_48_VN.img (e .doc) Curvatura vertical na forma numérica o/m 22_48_HN.img (e .doc) Curvatura horizontal na forma numérica o/m 22_48_SA.img (e .doc) Declividade em 4 classes, segundo Marques (1971) - 22_48_SB.img (e .doc) Declividade em 7 classes, segundo Lepsch (1991) - 22_48_SC.img (e .doc) Declividade em 6 classes, segundo EMBRAPA (1999) - 22_48_OC.img (e .doc) Orientação de vertentes em oitantes (N, NE, E, SE, S, SW, W, NW) - 22_48_V3.img (e .doc) Curvatura vertical em 3 classes. - 22_48_V5.img (e .doc) Curvatura vertical em 5 classes. - 22_48_H3.img (e .doc) Curvatura horizontal em 3 classes. - 22_48_H5.img (e .doc) Curvatura horizontal em 5 classes. - 22_48_FT.img (e .doc) Forma de terreno. - 22_48_DD.img (e .doc) Delineamento de canais de drenagem e divisores de água. -
Fonte: Adaptada de Valeriano (2008)
Estes dados correspondem à primeira versão disponibilizada pela Divisão de
Processamento de Imagens, DPI, do Instituto Nacional de Pesquisas Espaciais (INPE),
para o Brasil nos formatos GRD (para leitura em Surfer 6.0), IMG e DOC (para leitura
em Idrisi 2.0). Neste banco, as informações topográficas estão organizadas em planos
de informação (PI), separados em folhas compatíveis com a articulação cartográfica
60
brasileira na escala 1:250.000, portanto 1° de latitude por 1.5° de longitude. Os PI estão
identificados por um prefixo de seis dígitos formado pela latitude e longitude
correspondente ao canto superior esquerdo da folha, seguido do sufixo identificador da
variável topográfica.
O modelo de elevação SRTM3 da área de estudo foi obtido do banco de dados
disponibilizado pela JPL para o Brasil no formato HGT. Corresponde à segunda versão
do modelo interferométrico, desenvolvida de forma a superar problemas inerentes aos
dados da primeira versão. Estes dados foram coletados no endereço
ftp://e0srp01u.ecs.nasa.gov/srtm/version2/ do JPL, onde estão organizados continente a
continente em células individuais que cobrem áreas de 1° x 1° em latitude e longitude.
3.2.2 Especificações dos equipamentos utilizados
Para manipulação de dados numéricos na geração de superfícies foram utilizadas as
versões 6.0 e 8.0 de SURFER (GOLDEN SOFTWARE INC, 1995; 2003). As
operações para extração de variáveis geomorfométricas regionais foram estruturadas na
linguagem de programação interna do SIG Idrisi 2.0 – Idrisi Macro Language (IML)-
(EASTMAN, 1995). Operações de segmentação e classificação das variáveis numéricas
foram desenvolvidas em SPRING 4.3 (CÂMARA et al., 1996). Para aplicação de testes
de geoprocessamento e geração de saídas gráficas utilizaram-se também os pacotes
ENVI, versão 4.5 (ITT INDUSTRIES, 2008), Idrisi 32 (EASTMAN, 2000), e Global
Mapper versão 9.0 (GLOBAL MAPPER SOFTWARE LLC, 2007). Na manipulação de
dados tabulares foram utilizados os programas Ultra Edit versão 14.0, 2008 (IDM
Computer Solutions Inc), WordPad e Microsoft Excel 2003 (Microsoft Corporation).
61
3.3 Métodos
3.3.1 Extração de informações de solos da quadrícula São Carlos
O mapa de solos da quadrícula de São Carlos (impresso) foi digitalizado e o conjunto de
mapas digitais obtido dessas transformações foi armazenado no banco de dados
DATASOLOS (Figura 3.4).
Figura 3.4 – Geração do banco DATASOLOS São Carlos.
A digitalização foi desenvolvida em três etapas: (i) escaneamento, para obtenção da
imagem matricial (modelo raster) armazenada no formato TIF; (ii) georreferenciamento
e inserção em ambiente de SIG com transformação de raster para vetor (digitalização
manual em tela), armazenado no formato SHP, separação de polígonos, representação
dos objetos individuais do mapa, e organização dos atributos em tabela; (iii)
transformação do mapa vetorial em modelo matricial, formato GEOTIFF, para posterior
manipulação em ambiente SIG. A imagem obtida contém 251 polígonos, cada um
representando uma das seguintes classes: unidade de mapeamento de solos, corpo
d’água ou cidade, cujos atributos consistem nas coordenadas longitude (x) e latitude (y),
e o código da classe (c).
As classes foram agrupadas em três níveis, segundo ordem de generalização decrescente
de unidades taxonômicas, a partir da unidade dominante. Assim, por exemplo, no nível
de generalização N1, o mais geral, todos Latossolos (LV, LR e LE) foram agrupados
numa classe só; no seguinte nível, N2, estas três unidades foram separadas entre si, e no
62
nível N3, as unidades de mapeamento originais foram conservadas, onde os Latossolos
foram discriminados pela unidade litoestratigráfica à que pertencem (Tabela 3.3). A
partir de cada reclassificação obteve-se um novo mapa de solos no formato GEOTIFF,
os três mapas assim obtidos formam o banco DATASSOLOS. Tabela 3.3 – Unidades de mapeamento e substrato dos solos de São Carlos
Nível 1 Nível 2 Nível 3 Unidade Material de origem Latossolo Vermelho-Amarelo
LV-1 São Lucas Formação Rio Claro (CC) e Formação Pirambóia (GSB)
LV-2 Coqueiro Formação Rio Claro e Serra de Santana (CC) e formações Botucatu e Pirambóia (GSB)
LV-3 Laranja Azeda
Formação Rio Claro e Serra de Santana (CC) e formações Botucatu e Pirambóia (GSB)
LV-4 Três Barras Formação Itaqueri (arenitos do mesozóico) LV-5 Cachim Coberturas Cenozóicas (CC)
LV-6 Itororó Formação Itaqueri (arenitos do mesozóico) LRd Riberão
Preto Grupo São Bento (GSB)
Latossolo Roxo LRe Barão
Geraldo GSB
LE-1 Limeira GSB
Latossolos
Latossolo Vermelho-Escuro
LE-2 Hortolândia GSB
Podzólicos Vermelho-Amarelo
PV-1 Santa Cruz Grupo Passa Dois e Grupo Tubarão
PV-2 Serrinha GSB PV-3 Monte
Cristo Formação Itaqueri (arenitos do mesozóico)
PV-4 Canela Formação Itaqueri (arenitos do mesozóico) PV-5 Santa Clara Formação Itaqueri (arenitos do mesozóico)
Podzólicos
PV-6 Olaria Grupo Passa Dois e Grupo Tubarão Areias Quartzosas Profundas
AQ Formação Rio Claro e Serra de Santana (CC)
Li-1 Grupo Passa Dois (sedimentos finos do permiano)
Li-2 Formação Arenito Botucatu-Pirambóia (GSB) Li-3 Substrato basalto ou diabásio
Litólicos
Li-4 Substrato Arenito Bauru
Hi Sedimentos aluvionais argilosos: geli húmico e glei pouco húmico Hidromórficos
Or Sedimentos aluvionais argilosos: depósitos orgânicos
Terra Roxa Estruturada TE-1 Estruturada GSB
TE-2 Itaguaçu GSB Plintosolos Concrecionários Formação Itaqueri (sedimentos finos de fácies
argilosas do arenito)
GSB: Grupo São Bento; CC: cobertura cenozóica. Fonte: Baseada em Prado et al. (1981).
63
Este processo de agrupamento foi denominado com o termo reclassificação. Nos três
níveis de reclassificação, a NS representa à classe “não solo”, formada por corpos
d’água, cidade ou classe de solo desconsiderada naquele agrupamento. No agrupamento
N3 foram incorporadas somente as manchas de solos mapeadas na sua expressão pura
(unidades de mapeamento simples) isto significou que a classe NS fora muito
abrangente neste nível de generalizaçao. Na seção 4.1 serão apresentados os mapas
resultantes das três reclassificações.
3.3.2 Estruturação do banco de dados de variáveis geomorfométricas locais
Com o propósito de contornar a perda de informações e o ruído, decorrentes de
operações de vizinhança, foi selecionada uma área ligeiramente maior à quadrícula
estudada (50 pixels em cada uma das bordas laterais) no processo de extração do MDE
(PI da altitude). Este conjunto de dados, junto às paletas de cores disponíveis no
TOPODATA, foi estruturado como um novo banco de dados ou TOPODATA São
Carlos (Figura 3.5). Os atributos do MDE são as coordenadas longitude (x) e latitude
(y), e a altitude (z); os atributos dos PI qualitativos são também x e y mais c, esta última
representa o valor da classe.
Figura 3.5 – Estruturação do banco TOPODATA São Carlos.
3.3.3 Extração de variáveis geomorfométricas regionais
A altitude, representada nos MDE do SRTM3 e do TOPODATA, foi o dado
fundamental para a extração de variáveis geomorfométricas regionais. Pela metodologia
Valeriano (2004), os dados SRTM3 de São Carlos foram estruturados em formato
ASCII (x, y, z), numa área ligeiramente maior à quadrícula. Sobre eles, foram aplicadas
operações de pré-processamento para preenchimento de falhas e finalmente a
64
reconstrução do MDE na mesma resolução dos dados de entrada, isto é 90m. O modelo
de elevação resolução 30m foi extraído do banco TOPODATA São Carlos.
Foram desenvolvidos e programados, em ambiente SIG, algoritmos para extração das
variáveis geomorfométricas regionais: altura (an), dissecação (dn) e predominância (pn),
além de aprimorado o algoritmo para a extração da amplitude (in), a partir dos
desenvolvimentos de Peloso e Valeriano (2008). As principais atividades envolvidas na
extração destas variáveis foram: deslocamentos direcionais para extração dos valores
extremos da altitude, operações aritméticas entre PI, classificação de imagens e
operações de pós-processamento. Com o propósito de testar o comportamento espacial
das variáveis nas duas resoluções (90m e 30m), todos os processamentos foram
aplicados independentemente sobre cada modelo. Os resultados foram estruturados no
banco de dados TOPOREG São Carlos (Figura 3.6).
Figura 3.6 – Estruturação do banco TOPOREG São Carlos.
3.3.3.1 Deslocamentos direcionais e extração de máximos e mínimos
Os planos de informação (PI) dos valores extremos da altitude da área de estudo
constituem as superfícies de referência para a extração das variáveis do banco de dados
65
TOPOREG São Carlos. Estes PI foram construídos pela comparação entre MDE
deslocados (MDE-D). Cada MDE-D é uma imagem formada pelos valores da altitude
numa posição relativa específica a cada ponto, e confinados dentro de uma área de
medição unitária (a.m.u.). Tomando-se como exemplo uma janela de 3x3, o conjunto de
oito modelos deste tipo, correspondentes às direções NW, N, NE, E, SE, S, SW e W,
abrange as elevações de toda a vizinhança do ponto sob análise. Os MDE-D foram
gerados por SIG, a partir dos MDE originais, pelo deslocamento do valor da altitude de
cada direção cardinal, para o pixel central de uma janela móvel quadrada (i = j), de
dimensão correspondente à a.m.u. Na Figura 3.7, observa-se o exemplo da aplicação de
uma janela 3x3.
Figura 3.7 – Deslocamentos direcionais pela operação de janelas móveis 3x3.
Foram testadas áreas quadradas de 3x3, 5x5, 7x7, 9x9, 15x15, 21x21, 25x25 e 27x27
pixels. Os deslocamentos das janelas de tamanhos maiores foram simplificados pela
composição destas a partir das janelas menores e múltiplas, por exemplo, a janela 27x27
foi construída a partir das janelas 3x3 e 9x9. Pela aplicação de cada uma das dimensões
ixj, obtiveram-se conjuntos de n modelos MDE-D, onde n = [(ixj) – 1]. Os MDE-D de
cada conjunto foram sobrepostos e comparados entre si na extração dos PI máximo e
mínimo da altitude por cada a.m.u., através de uma lógica de inequações baseada na
propriedade associativa (Equação 3.1), como se observa na Figura 3.8.
:
: ...
,
Se a b c a c
Se NW N W
NW é um máximo
Se não NW é um mínimo
> > ⇒ >
∴ > > >
⇒ (3.1)
66
Figura 3.8 – Extração de valores extremos da altitude.
Áreas de medição unitária (A), MDE Direcional (B).
3.3.3.2 Operações aritméticas
As operações aritméticas entre planos de informação para a extração das variáveis
geomorfométricas regionais foram basicamente soma, subtração e divisão, como se
observa na Figura 3.9. Para extrair a altura topográfica ( na ), o PI de valores mínimos da
altitude (Znmin) é subtraído do MDE (Zn). A dissecação topográfica ( nd ) se obtém ao
subtrair o MDE do PI de valores máximos (Znmax). Pela subtração entre o PI de valores
máximos e o de valores mínimos se obtém a amplitude topográfica ( ni ). No cálculo da
predominância topográfica ( np ) o valor médio dos valores extremos da elevação (PI de
máximos e PI de mínimos) é subtraído do MDE. O resultado destas operações é um
conjunto de novos PI (por cada MDE) que contem informações numéricas referentes a
cada uma das variáveis geomorfométricas regionais citadas.
67
Figura 3.9 – Extração de variáveis geomorfométricas regionais na forma numérica.
3.3.3.3 Classificação
Sobre as imagens numéricas das variáveis geomorfométricas regionais ( na , nd , e ni ) foi
aplicado um filtro tipo média de tamanho 3x3, para suavização sem detrimento dos seus
histogramas. Após a filtragem, com o propósito de compartimentar o terreno em
unidades homogêneas qualitativas, foram testados três métodos de fatiamento dessas
imagens: (i) classificação não supervisionada a partir de dados segmentados pela técnica
de crescimento de regiões (classificador ISOSEG do SPRING); (ii) classificação não
supervisionada (classificador ISODATA do ENVI); e (iii) limiarização (classificação
por segmentação do histograma). Foram testados vários parâmetros de área,
similaridade, ou limiar, segundo o método de fatiamento, até obter imagens com entre
cinco até oito classes. Este número de classes foi determinado pela apreciação da
amplitude do intervalo de valores das imagens numéricas. O rótulo (ou código) das
classes de cada variável foi estabelecido em escala ordinal crescente, com significado
qualitativo, desde muito baixo até muito alto. A variável np foi fatiada, pela
limiarização do histograma, em duas e três classes.
68
Na Tabela 3.4 apresenta-se o significado dos códigos (ou rótulos) atribuídos às classes
das variáveis geomorfométricas locais e regionais na forma qualitativa. Incluíram-se
nesta tabela somente os códigos das classificações selecionadas para a análise
geomorfométrica dos solos de São Carlos (ver seções 4.1.2 e 4.13). Tabela 3.4 – Código de classe das variáveis geomorfométricas qualitativas
Classe S V FT A D I P
1 plano muito-
côncavo
convergente-
côncava
muito-
baixo
muito-
baixo
muito-
baixo
baixo-
predominante
2 suave-
ondulado
côncavo convergente-
retilínea
baixo baixo baixo alto-
predominante
3 ondulado retilíneo convergente-
convexa
médio-
baixo
médio-
baixo
médio-
baixo
--
4 forte-
ondulado
convexo planar-côncava médio médio médio --
5 montanhoso Muito-
convexo
planar-retilínea médio-
alto
médio-
alto
médio-
alto
--
6 escarpado -- planar-convexa alto alto alto --
7 -- -- divergente-
côncava
muito-
alto
muito-
alto
muito-
alto
--
8 -- -- divergente-
retilínea
-- -- -- --
9 -- -- divergente-
convexa
-- -- -- --
S: declividade; V: curvatura vertical; FT: formas do terreno; A: altura; D: dissecação; I: amplitude; P:
predominância.
69
3.3.3.4 Pós-processamento
Após a extração e classificação das variáveis geomorfométricas regionais, o excesso de
50 pixels acrescentado aos MDE apresentou ruídos, conforme planejado, nas bordas das
imagens. Estas foram cortadas para extração da janela correspondente a área da
quadrícula de São Carlos. Em seguida, foram aplicados testes de suavização de
polígonos e eliminação de ruídos pela aplicação de filtros tipo moda, de tamanhos 3x3,
5x5, 7x7, sobre as imagens classificadas. Por fim, foram geradas paletas de cores para os
PI qualitativos das variáveis geomorfométricas regionais. Os PI assim obtidos têm tanto
atributos numéricos (valor z, ou terceira coordenada) como classes (código c). Sobre as
variáveis geomorfométricas obtidas a partir dos dados SRTM3, tanto na forma numérica
como nas classificações, foi preciso aplicar uma operação de re-amostragem. Esta
consiste na expansão do tamanho das imagens num fator de três para fazê-las
compatíveis com as imagens obtidas a partir do MDE TOPODATA. Este processo não
alterou os histogramas nem a distribuição de classes dos produtos originais.
3.3.4 Preparação de dados para análise e interpretação
O conjunto de dados para análise e interpretação foi formado pelos PI numéricos e
qualitativos dos três bancos de dados da quadrícula São Carlos: DATASOLOS,
TOPODATA e TOPOREG. A preparação destes dados incluiu a criação de máscaras
para extração da informação geomorfométrica dos solos, a geração de saídas gráficas
dos PI finais e a extração de conjuntos de amostras por cada um dos PI.
Pela criação de máscaras, cada classe de solos de cada esquema de agrupamento foi
isolada das outras para gerar uma imagem booleana da classe. Pela multiplicação desta
imagem por qualquer variável geomorfométrica obteve-se uma terceira imagem cujos
valores diferentes de zero correspondem aos valores dessa variável dentro da classe
selecionada. A partir deste processo foi possível obter, para todos os tipos de solo,
conjuntos dos valores das variáveis geomorfométricas na forma numérica pareados às
respectivas classes da sua expressão qualitativa.
70
A preparação das saídas gráficas consistiu na criação de mapas com características
cartográficas padronizadas, necessárias para facilitar a interpretação e a comparação
visual entre planos de informação. Entre estas características destacam-se as paletas de
cores e as unidades de escala. Para cada agrupamento de solos do banco DATASOLOS
foi gerada uma paleta, de tal forma que as cores se aproximassem do padrão
reconhecido para as unidades taxonômicas. Como já foi dito, o TOPODATA e
TOPOREG incluem tanto os produtos quantitativos e qualitativos das variáveis
geomorfométricas como as paletas de cores correspondentes.
A unidade de medição utilizada para as variáveis geomorfométricas regionais e da
altitude, na sua forma numérica, é o metro (m). Isto facilitou a utilização da mesma
paleta de cores para a sua representação gráfica que, por sua vez, permitiu apreciar, com
maior facilidade as diferenças visuais entre elas na etapa de interpretação. A
representação qualitativa das variáveis geomorfométricas do TOPOREG foi selecionada
do conjunto de imagens obtidas no processo de classificação por interpretação visual.
Selecionaram-se as imagens cujas manchas de classes tivessem separado melhor os
padrões do relevo regional, reconhecidos previamente nas imagens numéricas de cada
variável. Utilizou-se a mesma paleta de cores para a representação qualitativa da altura,
dissecação e amplitude e uma paleta especial para a representação da predominância.
O processo de extração de amostras consistiu na criação de um painel de amostras
aleatórias por cada reclassificação do solo, N1, N2 e N3 e na multiplicação deste pelos
PI dos bancos de dados de solos e topográficos. O painel de amostras é uma imagem
vetorial de pontos criada pelo SIG, com as seguintes especificações do usuário: (i) área
de amostragem ou área ocupada pela classe (Ac) que será amostrada; (ii) número
mínimo de amostras por classe, que neste caso foi determinado em 50; (iii) número total
de pontos amostrais dentro da área total da imagem (N), obtido em função da área de
classe, Ac, área total da imagem, AT, e número mínimo de amostras por classe
(Equação 3.5); e (iv) seleção do esquema de amostragem (por exemplo, aleatório ou
sistemático).
71
50 T
c
N ×Α=
Α (3.5)
O painel vetorial assim obtido é convertido a uma imagem matricial booleana, na qual
cada ponto, do conjunto de pontos amostrais, está associado aos atributos (x, y, c), onde
c = 1 para todos os pontos, e os pixels sem ponto tem o valor zero. Cada painel amostral
foi operado junto a todo PI matricial dos três bancos de dados. A operação
(multiplicação) age sobre os valores do atributo classe das duas imagens de entrada
(painel e PI), nas coordenadas (x, y), e devolve uma nova imagem de pontos com os
atributos (x, y, c), onde c representa o valor da classe amostrada, seja um valor numérico
(z), o valor de uma classe (c), ou o valor zero. As amostras assim obtidas foram
exportadas ao formato DAT para posterior manipulação destes dados fora do ambiente
SIG (Figura 3.10).
Figura 3.10 – Extração de amostras.
72
3.3.5 Análise e interpretação
Esta é a última etapa do processo de descobrimento de conhecimento (knowledge
discovery process), como proposto por Qi e Zhu (2003). A metodologia adotada para a
análise dos dados de solo esteve baseada nesse conceito. O aprendizado indutivo, a
partir da extração do conhecimento existente no mapa de solos da quadrícula de São
Carlos, foi complementado pela interpretação especializada dos produtos TOPODATA
e TOPOREG. Desenvolveu-se em três etapas: (i) apreciação dos produtos gerados pelo
geoprocessamento dos dados de solos e topográficos, nesta etapa observou-se
principalmente a distribuição espacial e relações topológicas entre os diferentes dados,
pela interpretação visual das relações entre manchas do solo e classes das variáveis
geomorfométricas, para seleção e descarte das variáveis para a etapa de caracterização
geomorfométrica dos solos; (ii) caracterização geomorfométrica dos solos da área de
estudo, incluindo-se a descrição qualitativa dos solos em função das variáveis
geomorfométricas selecionadas; e (iii) avaliações conjuntas e relações percebidas, tanto
quantitativas como qualitativas, entre classes de solos e entre solos e relevo. A partir
desse processo foram levantadas algumas hipóteses sobre as relações solo-relevo e
sobre possíveis diferencias geomorfométricas entre classes de solo, específicas da área
de estudo.
73
4. RESULTADOS E DISCUSSÕES
Este capítulo apresenta os resultados da manipulação digital de dados de solo e
topográficos da quadrícula São Carlos, e as discussões decorrentes da sua avaliação
conjunta. Estas informações são apresentadas em termos de características quantitativas
e qualitativas, obtidas por descobrimento de conhecimento e interpretação visual.
4.1 Apreciação geral
4.1.1 Dados de solos
Na Figura 4.1 apresenta-se o resultado da reclassificação N1, correspondente à
identificação do primeiro nível de generalização de solo na quadrícula São Carlos, onde
se identificam areias quartzosas (AQ), latossolos (L), solos podzólicos (P), solos
litólicos (Li), Terra Roxa Estruturada (TE) e solos hidromórficos (Hi); nesta última
classe estão agrupados os solos gley não orgânicos e os solos orgânicos. Na Tabela 4.1
apresenta-se a abrangência espacial das manchas de solo para N1.
Figura 4.1 – Reclassificação N1: primeiro nível de generalização
Classe NS: Não solo
74
Tabela 4.1 – Área que ocupam os solos no nível de reclassificação N1 N1 Solo ID
área (km2) área (%) # polígonos
Latossolos L 1177.88 41.72 98 Solos podzólicos P 796.36 28.21 24
Areias quartzosas AQ 529.76 18.76 15 Solos litólicos Li 256.57 9.09 29 Solos hidromórficos Hi 39.32 1.39 13
Terra roxa estruturada TE 23.55 0.83 8
No seguinte nível de agrupamento, N2, foram identificadas as sub-ordens latossolo roxo
(LR), latossolo vermelho-amarelo (LV), latossolo vermelho-escuro (LE), solo podzólico
vermelho-amarelo (PV), solo orgânico (Or), os solos gley húmico e gley pouco húmico
(Hi). Neste nível de generalização, as manchas dos solos litólicos (Li), a terra roxa
estruturada (TE) e as areias quartzosas (AQ) permaneceram iguais às do N1 (Figura
4.2). Na Tabela 4.2 apresenta-se a abrangência espacial das manchas de solo para N2.
Figura 4.2 – Reclassificação N2: segundo nível de generalização
Classe NS: Não solo
75
Tabela 4.2 – Área que ocupam os solos no nível de reclassificação N2N2 Solo ID
área (km2) área (%) # polígonos
Latossolo Roxo LR 182.02 6.45 32 Latossolo Vermelho-Amarelo LV 939.14 33.26 41
Latossolo Vermelho-Escuro LE 56.72 2.01 25 Podzólico Vermelho-Amarelo PV 796.36 28.21 24 Areias Quartzosas AQ 529.76 18.76 15
Litólicos Li 256.57 9.09 29 Hidromórficos Hi 16.30 0.58 12 Orgânico Or 23.02 0.82 1
Terra Roxa Estruturada TE 23.55 0.83 8
O agrupamento N3 corresponde ao nível de reclassificação mais detalhado da
quadrícula (Figura 4.3). Na forma simples (sem associações), foram identificadas 22
classes de solos.
Figura 4.3 – Reclassificação N3: terceiro nível de generalização
Classe NS: Não solo
76
Nesta reclassificação todas as associações de solos foram agrupadas na classe NS (não
solos), incluídas as unidades taxonômicas que ocorrem na quadrícula somente em
associação com outras: (i) Plintosolos concrecionários, PL, (LV-6+PL); (ii) solos
podzólicos da unidade Santa Cruz, PV-1, (PV-1+Li-1; PV-1+PV-6); (iii) solos
podzólicos da unidade Canela, PV-3, (PV-4+PV-3); e (iv) solos litólicos do substrato
arenito Botucatu-Pirambóia, Li-2, (Li-2+Li-3; Li-2+LV-1; Li-2+TE-1; PV-2+ Li-2; Li-
3+Li-2). Na Tabela 4.3 apresenta-se a abrangência espacial das manchas de solo para o
nível de reclassificação N3.
Tabela 4.3 – Área que ocupam os solos no nível de reclassificação N3N3 Solo ID
área (km2) área (%) # polígonos
LR- distrófico LRd 137.51 4.87 23 LR – eutrófico LRe 46.59 1.65 9 LV- Unidade São Lucas LV-1 6.49 0.23 5
LV- Unidade Coqueiro LV-2 590.26 20.91 10 LV- Unidade Laranja Azeda LV-3 52.71 1.87 9 LV- Unidade Três Barras LV-4 128.51 4.55 3
LV- Unidade Cachim LV-5 103.30 3.66 8 LV- Unidade Itororó LV-6 53.58 1.90 6 LE - Unidade Limeira LE-1 25.93 0.92 10
LE - Unidade Hortolândia LE-2 33.00 1.17 15 PV – Unidade Serrinha PV-2 448.31 15.88 12 PV – Unidade Canela PV-4 47.67 1.69 2
PV – Unidade Santa Clara PV-5 11.53 0.41 4 PV – Unidade Olaria PV-6 152.24 5.39 4 Areias Quartzosas AQ 529.76 18.76 15
Li - Grupo Pasa Dois Li-1 58.91 2.09 5 Li – Substrato basalto Li-3 190.95 6.76 20 Li - Arenito Bauru Li-4 0.63 0.02 1
Hidromórficos (Gley) Hi 16.30 0.58 12 Orgânico Or 23.02 0.82 1 TE - Unidade Estruturada TE-1 16.57 0.59 4
TE – Unidade Itaguaçu TE-2 6.98 0.59 4
77
4.1.2 Altitude (Z)
A altitude da quadrícula de São Carlos varia aproximadamente entre 497m e 1080m.
Sua distribuição de freqüências tem um comportamento tri-modal com picos nas cotas
624m, 708m e 903m, relacionados com três níveis altimétricos distinguíveis na
quadrícula (Figura 4.4-C).
Figura 4.4 – Altitude da quadrícula de São Carlos. MDE (A); perfís topográficos (B); histograma de freqüências da altitude (C);
depressão periférica (D); planalto basáltico (E); serras do planalto (F).
78
O primeiro nível altimétrico, composto pelas cotas mais baixas da quadrícula, encontra-
se na Depressão Periférica (a partir do km 30 no perfil 3-4), e nos vales profundos que
cortam o planalto. O segundo e terceiro níveis fazem parte do Planalto Basáltico, onde
sobressaem um conjunto de serrotes, morros e serras. As maiores altitudes encontram-se
na Serra de Itaqueri (km 56 do perfil 1-2). O ligeiro predomínio das cotas entre 650m e
800m obedece à sua abrangência territorial (grande porção da Depressão Periférica e do
Planalto Basáltico). Cotas maiores aos 850m abrangem áreas menores na quadrícula.
4.1.3 Variáveis geomorfométricas locais e modelos do banco TOPODATA
A declividade na área de estudo varia na faixa de 0.14% a 174%, como se observa na
Figura 4.5. A distribuição de freqüências destes valores mostrou um comportamento
logarítmico e sugere a presença de três estratos diferenciáveis na topografia, com
maiores freqüências dos valores na faixa entre 2% e 35%.
Figura 4.5 – Declividade. Forma numérica (A) e em seis classes (B).
Para a analise qualitativa selecionou-se, dentre as opções disponíveis em TOPODATA,
a classificação da EMBRAPA (SC), com seis classes de declividade (Tabela 4.4).
Destacou-se o relevo suave ondulado; a faixa plana e a escarpada são singularidades na
79
quadrícula. Na interpretação visual se observaram relações entre manchas de solo e a
declividade, como se pode observar na comparação entre os solos da reclassificação N1
e a declividade em 6 classes na Figura 4.6.
Figura 4.6 – Relações percebidas entre declividade e solos Detalhe dos solos, N1 (A) e detalhe da declividade (B).
Na área de estudo observou-se que a curvatura vertical varia aproximadamente entre
0.3°/m e 0.4°/m. Sua distribuição tem comportamento normal, com predomínio de
valores entre -0.09°/m e -0.0001°/m, que ocupam o sopé das escarpas e os talvegues
(Figura 4.7).
Figura 4.7 – Curvatura vertical. Forma numérica (A) e em cinco classes (B).
80
Para análise qualitativa selecionou-se, dentre as classificações disponíveis em
TOPODATA, a correspondente a cinco classes da curvatura (Tabela 4.4). Os valores
convexos ocupam principalmente as cotas maiores dos três níveis altimétricos (Figura
4.4-D-E-F) e ocorrem em proporção ligeiramente maior aos valores côncavos. Áreas
retilíneas predominam nos planaltos. Na interpretação visual se observaram relações
entre manchas de solo e curvatura vertical, como se pode observar na comparação entre
os solos da reclassificação N1 e a curvatura vertical em cinco classes na Figura 4.8.
Figura 4.8 – Relações percebidas entre curvatura vertical e solos Detalhe dos solos, N1 (A) e detalhe da curvatura vertical (B).
Na interpretação visual a curvatura horizontal e a orientação das vertentes não
mostraram características regionais passiveis de apoiar o delineamento de manchas do
solo. A combinação destas duas variáveis no modelo ADD permitiu observar elementos
de textura, o que torna este modelo informação valiosa para interpretação da drenagem,
porém menos útil no reconhecimento de classes que apóiem o delineamento de manchas
de solo. A combinação da curvatura horizontal com a vertical no modelo FT foi apoio
para a interpretação e para a descrição geomorfométrica dos solos na quadrícula;
predominam a forma divergente-retilínea, seguida pela convergente–côncava e a
divergente-convexa, as menos freqüentes são: convergente-retilínea e planar-retilínea
(Figura 4.9).
81
Figura 4.9 – Formas do terreno (FT) e azimute, divisores, drenagem (ADD). FT (A); ADD (B).
4.1.4 Variáveis geomorfométricas regionais do banco TOPOREG
No processo de extração dos valores máximos e mínimos da altitude, os PI de saída
conservam a mesma resolução do MDE de entrada, mas todos os pixels que formam a
área de análise (a.m.u.) são rotulados com o mesmo valor digital. Isto se reflete nos PI
como uma aparente perda de resolução, mas na verdade é uma generalização da
imagem. Assim, estes PI serão mais detalhados quando a a.m.u. aplicada para sua
extração for menor, isto é, quando a janela móvel for pequena ou quando o MDE de
entrada tiver maior resolução. O efeito desta generalização sobre as variáveis
geomorfométricas é mais notável quando nas operações aritméticas somente são
considerados os valores extremos da altitude numa a.m.u., e não a altitude em cada
ponto. É o caso da amplitude topográfica, que será explicado adiante.
Na avaliação dos resultados preliminares, observou-se que as janelas de tamanhos entre
3x3 e 9x9 pixels, quando aplicadas sobre os dois MDE (30m e 90m), forneceram
82
informações de vizinhança muito parecidas com variáveis locais. Já as de tamanhos
entre 15x15 e 27x27 pixels permitiram reconhecer padrões regionais. Com exceção da
amplitude, a maior destas janelas (27x27) foi a mais apropriada para os propósitos de
extração de variáveis geomorfométricas regionais nas duas resoluções do estudo. Esta
janela corresponde a uma a.m.u. de 656.1 km2 (810m x 810m) na resolução 30m e de
5904.9 km2 (2430m x 2430m) na resolução 90m.
Embora a distribuição de freqüências para as variáveis extraídas em ambas as
resoluções obedeça ao mesmo padrão, sua faixa de valores é diferente, como se observa
nos histogramas da Figura 4.10. Isto se deve a que os valores máximos e mínimos da
altitude variaram em função do raio de busca, e este é função da a.m.u. utilizada no
cálculo desses valores extremos.
Figura 4.10 – Histogramas de freqüência de dados TOPOREG. Variáveis extraídas do MDE 30m (A) e 90m (B).
Como fora observado por Valeriano (2008), os valores máximos do relevo constituem
normalmente uma raridade, o que não é necessariamente percebido a partir da elevação;
isto é válido também para valores mínimos. Muñoz et al. (2008) mostraram que altos e
baixios locais não seriam discriminados se suas cotas forem referidas ao nível médio do
mar, enquanto se referidas a um nível local suas diferenças surgiriam e com elas o
detalhe das variações altimétricas do relevo. Isto se verifica tanto na distribuição de
freqüências como nas imagens da altura, dissecação, amplitude e predominância de São
Carlos, as quais foram referidas a superfícies locais e não ao geóide.
83
A classificação pela aplicação do algoritmo ISODATA forneceu resultados mais
favoráveis à separação de padrões do relevo regional em cinco e seis classes. Já a
separação destes padrões em sete e oito classes teve muito melhor desempenho pela
aplicação do classificador ISOSEG. A limiarização do histograma forneceu os melhores
resultados somente na classificação da predominância topográfica.
Os valores da altura na área de estudo variaram entre 0m e 400m aproximadamente,
com valores mais freqüentes entre 10m e 90m; valores entre 0m e 10m e maiores aos
90m foram mais raros, estes últimos ocupam principalmente as regiões limiares entre os
três estratos de altitude observados na quadrícula. Os resultados demonstraram que o
limite entre a Depressão Periférica e o Planalto Basáltico atinge alturas que superam os
300m e o limite entre o planalto e as serras pode atingir entre 150m e 200m de altura,
como fora mencionado por Oliveira e Prado (1984). Se comparada com a altitude, a
altura da região de São Carlos não indica os três níveis altimétricos reconhecidos no
MDE. Como já foi mencionado, isto se deve à mudança na superfície de referencia para
o cálculo da altura e se reflete, por exemplo, no maior detalhe da rede de drenagem e no
aparente rebaixamento do Planalto Basáltico (Figura 4.11).
Figura 4.11 – Altura topográfica na forma numérica ( na ).
Modelo Digital da altura (MDA) 30m (A) e 90m (B).
84
Pela interpretação visual das classificações dos modelos numéricos da altura (MDA) nas
duas resoluções, observou-se que o fatiamento em sete classes do MDA-90m
(Tabela 3.4) foi melhor que as outras classificações para o propósito de apoiar o
delineamento das manchas de solo da área de estudo por esta variável (Figura 4.12).
Figura 4.12 – Relações percebidas entre altura e solos Detalhe dos solos, N1 (A) e detalhe da altura (B).
Altura muito baixa (mb); baixa (b); média-baixa (meb);
média (me); média-alta (meã); alta (a) e muito alta (ma).
A partir desta classificação se observou que na Depressão Periférica e no Planalto
Basáltico as alturas se distribuem entre muito-baixas e médias, com ligeiro predomínio
das médio-baixas na primeira e das baixas no segundo. Nas serras a altura se distribui
entre média e muito-alta, com predomínio da média-alta; a classe muito alta é menos
freqüente em toda a área de estudo.
O Modelo Digital da Dissecação (MDD) da área de estudo se observa na Figura 4.13.
Tanto os valores como a distribuição de freqüências deste modelo são muito
semelhantes aos correspondentes do MDA. No entanto, seu significado é diferente: os
máximos da dissecação correspondem aos mínimos da altura e vice-versa. Isto se reflete
numa aparente inversão do relevo passível de se perceber ao comparar os modelos entre
si (Figuras 4.11 e 4.13). Este resultado confere a hipótese de Muñoz e Valeriano (2009),
a qual sugere que a altura e a dissecação são variáveis opostas, ou espelhadas, que
fornecem informações complementares do relevo.
85
Figura 4.13 – Dissecação topográfica na forma numérica ( nd ).
Modelo Digital da dissecação (MDD) 30m (A) e 90m (B).
Pela interpretação visual das classificações dos modelos numéricos da dissecação
(MDD) nas duas resoluções, observou-se que o fatiamento em sete classes do MDD-
30m (Tabela 3.4) foi melhor que as outras classificações para o propósito de apoiar o
delineamento das manchas de solo da área de estudo por esta variável (Figura 4.14).
Figura 4.14 – Relações percebidas entre dissecação e solos Detalhe dos solos, N1 (A) e detalhe da dissecação (B).
Dissecação muito baixa (mb); baixa (b); média-baixa (meb);
média (me); média-alta (meã); alta (a) e muito alta (ma).
86
A partir desta classificação observou-se predomínio das classes muito baixa e baixa; as
áreas de dissecação muito alta constituem as bordas das serras nos limites entre o
segundo e o terceiro nível de altitudes.
Na extração da amplitude topográfica, a aplicação de janelas quadradas não forneceu os
melhores resultados, dada a geração de feições ortogonais grosseiras, principalmente
quando aplicadas janelas grandes sobre o MDE-90m. Diferente das outras três variáveis
regionais calculadas neste trabalho, nas operações aritméticas entre modelos de
elevação para o cálculo da amplitude não se inclui a elevação ponto a ponto; esta
variável é gerada pela subtração dos valores extremos da altitude (máximos e mínimos
regionais) dentro de uma a.m.u. O resultado dessa operação é um PI mais grosseiro do
que os dados de entrada, no qual as variações do relevo passíveis de observar na altitude
foram generalizadas, como pode ser observado na Figura 4.15.
Figura 4.15 – Perfil da amplitude topográfica em relação à altitude.
Fonte: Adaptada de Peloso e Valeriano (2008).
Obteve-se um modelo da amplitude (MDI) melhor pela aplicação de janelas
semicirculares de dimensão 15x15 pixels sobre o MDE-30m (Figura 4.16). Observou-se
que na área de estudo a amplitude varia entre zero e 400m. A amplitude máxima está
associada às escarpas e a mínima a regiões de inundação tanto no Planalto Basáltico
como na Depressão Periférica.
87
Figura 4.16 – Amplitude topográfica na forma numérica ( ni ).
Modelo Digital da amplitude (MDI) 30m (A) e 90m (B).
Pela interpretação visual das classificações dos modelos numéricos da amplitude (MDI)
nas duas resoluções, observou-se que o fatiamento em sete classes do MDI-30m (Tabela
3.4) foi melhor que as outras classificações para o propósito de apoiar o delineamento
das manchas de solo da área de estudo por esta variável (Figura 4.17). Na Depressão
Periférica predomina a amplitude media e no Planalto Basáltico a amplitude médio-
baixa. Nas áreas escarpadas predomina a amplitude muito-alta.
Figura 4.17 – Relações percebidas entre amplitude e solos
Detalhe dos solos, N1 (A) e detalhe da amplitude (B).
Amplitude muito baixa (mb); baixa (b); média-baixa (meb);
média (me); média-alta (meã); alta (a) e muito alta (ma).
88
O predomínio altimétrico da região caracteriza-se pela distribuição quase proporcional
das altitudes altas e baixas em relação às altitudes médias, o valor do Modelo Digital da
Predominância (MDP) nesta região varia entre -190m e 203m (Figura 4.18).
Figura 4.18 – Predominância topográfica na forma numérica ( np ).
Modelo Digital da predominância (MDP) 30m (A) e 90m (B).
Valores negativos e positivos indicam, respectivamente,
regiões baixo e alto predominantes.
Quando na resolução 90m, esta variável permite a compartimentação de formas
regionais do terreno mais claramente do que na resolução 30m, devido à maior a.m.u.
no primeiro caso, que torna a predominância menos afetada pelas variações locais
dentro de cada nível altimétrico (topos ou baixios). O mapeamento qualitativo da
predominância topográfica em duas classes facilitou a identificação de patamares e
várzeas assim como de talvegues e morros testemunhos. Esta compartimentação
apresenta-se de utilidade potencial na definição de regiões de mapeamento preliminares
a levantamentos detalhados de solos (Figura 4.19).
89
Figura 4.19 – Relações percebidas entre predominância e solos Detalhe dos solos, N1 (A) e detalhe da predominância (B).
Baixo predominante (bp) e alto predominante (ap)
4.1.5 Relação entre variáveis geomorfométricas
Com o objetivo de avaliar as possíveis relações entre os dados dos bancos TOPODATA
e TOPOREG foram elaborados análises de regressão simples entre todas variáveis na
forma numérica. Esta análise permitiu conhecer tanto o grau de relação entre pares de
variáveis geomorfométricas (locais e regionais), como a proporção na qual uma variável
pode ser explicada pela outra. Foram obtidos resultados semelhantes pela avaliação
independente nas resoluções 30m e 90m; pequenas diferenças entre os coeficientes de
correlação (r) e de determinação (r2) não significaram mudanças no padrão de
comportamento das variáveis. Assim, a interpretação baseada na informação da Figura
4.20 é válida para as duas resoluções. A figura corresponde à matriz de correlação dos
dados, nela se apresenta o diagrama de dispersão de cada par de variáveis embaixo da
diagonal e os coeficientes r e r2 do mesmo par acima da diagonal.
Como se pode observar na matriz de correlação, os valores do coeficiente r indicaram
que, na área de estudo, a altitude (Zn) varia independentemente das variáveis
geomorfométricas locais e não locais. Um comportamento similar ocorre com a
orientação das vertentes (On) e a curvatura horizontal (Hn). A altura (An) apresenta
correlação acima de 0.5 com a amplitude (In), a predominância (Pn) e a declividade (Sn),
mas somente a relação com a In apresentou um r2 ligeiramente superior a 50%. Além
desta relação com a An, a In apresenta valores de correlação e de determinação altos (r >
90
0.7 e r2 > 50%) com a dissecação (Dn) e a Sn. A Dn apresentou correlações acima de
0.55 com Pn e Sn, mas em nenhum dos dois casos o r2 foi maior do que 45%. A Pn e a
curvatura vertical (Vn) apresentaram alta correlação (aproximadamente 0.60), mas o r2
foi menor do que 40%.
Figura 4.20 – Matriz de correlação entre variáveis geomorfométricas.
Apesar da correlação entre a In e outras variáveis, além das limitações que apresentou
quanto a seu mapeamento numérico, as classificações desta variável mostraram grande
potencial na apreciação do relevo relativo na área de estudo. Pela primeira avaliação dos
coeficientes r e r2 poder-se-ia inferir que informações proporcionadas pela In estariam
bem explicadas por An e Dn; no entanto, uma avaliação mais detalhada permite observar
que a amplitude, pelo menos na forma classificada, indica informações que não são
percebidas com a observação destas outras duas variáveis regionais. Cada variável tem
um significado próprio, totalmente independente, na caracterização do relevo. Esse
significado é a base da interpretação dos resultados e da análise do terreno pela
utilização de dados geomorfométricos.
91
4.2 Caracterização geomorfométrica dos solos de São Carlos
4.2.1 Caracterização quantitativa
Na tabela 4.4 apresenta-se o resumo das características geomorfométricas dos solos na
quadrícula de São Carlos, correspondente ao primeiro nível de generalização (N1).
Tabela 4.4 – Valores geomorfométricos numéricos médios dos solos em N1 Classe de solo ID Área Z S V A D I P
Latossolo L 41.7 795 10 0.00087 36 29 55 4
Solos podzólicos P 28 648 14 -0.00384 33 41 65 -4Areias Quartzosas AQ 19.1 749 10 -0.00198 29 35 55 -3Solos litólicos Li 9 761 29 -0.00202 72 78 136 -3
Solos hidromórficos Hi 1.4 712 5 -0.00667 8 24 27 -8
Terra Roxa Estruturada TE 0.8 809 26 -0.00097 69 68 123 1
Área aproximada (%); Z: altitude (m); S: declividade (%); V: curvatura vertical (º/m); A: altura (m); D:
dissecação (m); I: amplitude (m); P: predominância (±m).
Observou-se que o latossolo se destaca por ocupar a maior proporção da área de estudo,
altitudes elevadas, e terrenos alto predominantes. Os solos podzólicos destacam-se por
ocuparem a segunda maior área da quadrícula nas menores altitudes e terrenos de baixa
predominância. As areias quartzosas se destacam por ocuparem o Planalto Basáltico. Os
solos litólicos se destacam por ter as maiores altura, dissecação e amplitude. Os solos
hidromórficos se destacam por ter as menores declividade e altura e por ocuparem os
terrenos mais baixo-predominantes. A Terra roxa estruturada ocupa as maiores altitudes,
cobre a menor proporção da área de estudo e, como os solos litólicos, tem valores altos
de altura, dissecação e amplitude (Figura 4.21).
No segundo nível de generalização (N2) observou-se que as três unidades de latossolos
conservaram em geral as características do nível N1, mas poder-se-iam diferenciar entre
si pela altitude. Destacou-se neste nível de generalização que os solos gley e os
orgânicos, que no N1 foram agrupados como solos hidromórficos, têm características
geomorfométricas bastante diferentes (Tabela 4.5).
92
A. Latossolos B. Latossolo vermelho amarelo C. Latossolo roxo
D. Latossolo vermelho escuro E. Solos podzólicos F. Areias quartzosas
G. Solos litólicos H. Solos hidromórficos I. Terra roxa estruturada
Figura 4.21 – Distribuição espacial dos solos de São Carlos
Tabela 4.5 – Valores geomorfométricos numéricos médios dos solos em N2 Classe de solo ID Área Z S V A D I P
Latossolo vermelho amarelo LV 33.3 802 10 0.001008 34 27 52 4Latossolo roxo LR 6.4 747 12 0.000353 43 36 68 3
Latossolo vermelo escuro LE 2.0 819 12 0.000252 45 35 68 5Solos Hidromórficos (Gley) Hi 0.7 687 6 -0.010280 8 32 34 -12
Solos orgânicos Or 0.7 730 5 -0.004113 7 18 22 -5
Área aproximada (%); Z: altitude (m); S: declividade (%); V: curvatura vertical (º/m); A: altura (m); D:
dissecação (m); I: amplitude (m); P: predominância (±m).
93
No nível N3 os LV-6 se destacam dos outros LV por apresentarem valores
geomorfométricos maiores, principalmente da altura, amplitude e predominância; os
LV-2 se diferenciam dos outros LV por possuírem valores negativos da curvatura
vertical e da predominância. Os solos LRd se diferenciam dos LRe principalmente pela
amplitude. Os solos LE-1 se diferenciam dos LE-2 principalmente pela predominância.
Os solos PV-2 e PV-6 se diferenciam dos solos PV-4 e PV-5 pela curvatura vertical e
pela predominância negativas; a amplitude dos solos PV-5 é muito maior à amplitude
dos outros solos podzólicos, enquanto os solos PV-6 se destacam pela sua amplitude
muito menor. Os Li-4 se destacam dos outros Li por ocuparem as maiores altitudes,
curvatura vertical, altura e predominância; os Li-3 diferenciam-se entre os Li por terem
os maiores valores da amplitude e da dissecação. Os solos TE-1 e TE-2 se diferenciam
principalmente pelos valores da altura, amplitude e predominância (Tabela 4.6).
Tabela 4.6 – Valores geomorfométricos numéricos médios dos solos em N3Classe de solo ID Z S V A D I P
LV- Unidade São Lucas LV-1 672 12 0.012079 49 23 64 14LV- Unidade Coqueiro LV-2 776 10 -0.000924 30 31 52 -0.3LV- Unidade Laranja Azeda LV-3 779 9 0.001355 36 22 50 7
LV- Unidade Três Barras LV-4 909 11 0.000513 34 25 51 5LV- Unidade Cachim LV-5 900 10 0.0035 39 23 53 8LV- Unidade Itororó LV-6 990 21 0.023878 113 33 122 41
LR-distrófico LRd 805 11 0.003234 48 35 71 7LR-eutrófico LRe 884 17 0.006741 83 46 109 18LE - Unidade Limeira LE-1 863 15 0.010414 81 31 95 25
LE - Unidade Hortolândia LE-2 796 10 -0.000947 34 37 59 -1PV - Unidade Serrinha PV-2 655 16 -0.005427 35 49 74 -7PV - Unidade Canela PV-4 886 16 0.007154 65 37 88 14
PV - Unidade Santa Clara PV-5 969 19 0.005965 79 44 105 18PV - Unidade Olaria PV-6 599 9 -0.004176 19 29 43 -5Li - Grupo Pasa Dois Li-1 612 14 -0.001992 35 43 68 -4
Li - Substrato basalto Li-3 747 32 -0.000434 79 76 142 2Li - Arenito Bauru Li-4 947 26 0.029115 85 29 106 30TE - Unidade Estruturada TE-1 600 15 -0.017225 23 55 68 -16
TE – Unidade Itaguaçu TE-2 847 20 -0.001654 70 73 122 -2
Z: altitude (m); S: declividade (%); V: curvatura vertical (º/m); A: altura (m); D: dissecação (m); I:
amplitude (m); P: predominância (±m).
94
4.2.2 Caracterização qualitativa
Na Figura 4.22 se apresenta o resumo da caracterização geomorfométrica qualitativa
dos solos de São Carlos no nível de generalização N1, e os correspondentes histogramas
de freqüência da altitude. Observou-se que os latossolos estão bem distribuídos nos três
níveis altimétricos; os solos podzólicos ocupam principalmente as cotas do primeiro
nível; as areias quartzosas ocorrem no segundo nível altimétrico em torno de 750m; os
solos litólicos ocupam uma faixa entre os 600m e os 950m em freqüência similar; os
solos hidromórficos ocupam uma pequena faixa em torno dos 730m; e a terra roxa
estruturada ocupa uma faixa também estreita em torno dos 850m no terceiro nível
altimétrico da quadricula.
Figura 4.22 – Caracterização geomorfométrica qualitativa dos solos em N1
Observou-se na figura que todos os solos ocupam principalmente as formas do terreno
convergentes e divergentes; latossolos, solos podzólicos, areias quartzosas e solos
hidromórficos ocupam principalmente relevo suave-ondulado enquanto solos litólicos e
terra roxa estruturada relevo forte-ondulado; perfis muito-côncavos e muito-convexos
caracterizam principalmente aos solos litólicos e terra roxa estruturada, e perfis muito-
côncavos aos solos hidromórficos; destaca-se que a diferencia dos outros solos, a terra
roxa estruturada se caracteriza por ocupar a classe da altura médio-alta e que os solos
95
hidromórficos ocupam quase somente a classe muito-baixa; solos litólicos e terra roxa
estruturada, a diferencia dos outros solos, se caracterizam também pela amplitude classe
muito-alta, enquanto a amplitude dos solos hidromórficos é principalmente muito-baixa;
os latossolos ocupam terrenos principalmente alto-predominantes e os solos
hidromórficos principalmente baixo-predominantes.
Nas Tabelas 4.7, 4.9 e 4.10 apresenta-se o percentual de amostras das variáveis
geomorfométricas qualitativas nas classes de solo dos três níveis de generalização (N1,
N2 e N3). Estes percentuais foram divididos em quatro intervalos e as classes com
percentuais acima de 50% foram selecionadas para separação de grupos de solos.
Na Tabela 4.8 observou-se que a classe 2 da declividade, relevo suave-ondulado
(Tabela 3.5) diferencia ao grupo L, AQ, e Hi das outras classes do solo, os dois
primeiros por percentuais leves e o terceiro por percentual moderado. A classe 1 da
curvatura vertical, relevo muito côncavo, diferenciou os solos litólicos das outras
classes de solo por um percentual leve. A classe 1 (muito baixo) das variáveis altura
(forte), dissecação (leve), e amplitude (leve) diferenciou aos solos Hi das outras ordens,
também a classe 1 da predominância, relevo baixo predominante, caracterizou (forte)
estes solos. A classe 7 da amplitude, muito alta, discriminou aos Li (moderado) e TE
(forte) do resto. Os solos Li, P, AQ e Hi se caracterizaram por ser leve, moderado,
moderado e forte baixo-predominante, respectivamente; os L e os TE se mostraram
levemente alto-predominantes. Pela avaliação das percentuais pode-se também observar
que existe um grupo de variáveis que poderia separar pares de classes de solos
(Tabela 4.8).
96
Intervalos (%): (0 50), não representativo; (51 65), leve; (66 80), moderado; e (81 100), forte.
Tabela 4.7 – Percentual de amostras geomorfométricas no agrupamento N1 Variável Classe L P AQ Li Hi TE
1 1 0 3 0 27 0 2 58 41 51 14 66 8 3 29 41 34 27 7 31 4 12 18 13 38 0 42 5 0 0 0 21 0 18
S
6 0 0 0 0 0 2 1 29 46 25 61 44 44 2 9 8 17 2 29 3 3 10 10 8 6 10 6 4 18 7 13 2 10 5
V
5 34 28 37 30 7 42 1 14 27 15 32 10 24 2 10 7 18 2 32 6 3 3 0 3 3 0 13 4 6 8 1 20 5 11 5 17 6 11 2 10 0 6 6 7 3 8 0 6 7 4 7 6 11 10 10 8 23 18 14 5 27 8
FT
9 17 20 28 20 5 21 1 15 42 18 15 100 5 2 32 27 41 14 0 18 3 22 20 20 15 0 10 4 8 7 18 11 0 19 5 11 4 3 18 0 40 6 5 0 0 11 0 6
A
7 8 0 0 17 0 2 1 38 18 44 9 61 11 2 37 34 25 20 34 21 3 17 28 14 12 5 16 4 4 14 10 23 0 16 5 1 3 0 3 0 2 6 2 3 4 11 0 19
D
7 1 0 3 23 0 15 1 11 3 14 2 64 0 2 17 15 28 2 32 2 3 24 30 15 14 3 3 4 17 15 20 3 0 5 5 8 18 4 9 0 5 6 4 6 7 5 0 3
I
7 18 13 11 67 0 82 1 47 73 66 62 100 44 P 2 53 27 34 38 0 56
97
Tabela 4.8 – Variáveis geomorfométricas para diferenciação de classes de solo em N1 L P AQ Li Hi P s, p AQ p s Li s,v,i, p v, i s, v, i Hi a, d, i, p s, a, d, i a, d, i s, v, a, d, i TE s,i i,p s,i,p v, p s, a, d, i, p
No seguinte nível de generalização, N2, foi possível observar que os LR são levemente
baixo-predominantes, os LV são levemente alto-predominantes e os LE se distribuem na
mesma percentual nas duas classes de predominância (Tabela 4.9).
Tabela 4.9 – Percentual de amostras geomorfométricas dos latossolos no agrupamento N2 Variável Classe LR LV LE
1 51 38 50 P 2 49 62 50
Intervalos (%): (0 50), não representativo; (51 65), leve; (66 80), moderado; e (81 100), forte.
No nível N3, os solos PV-6, TE-1 e Li-3 foram indicados pela declividade percentual
forte, forte e leve e nas classes suave-ondulado, ondulado e forte-ondulado,
respectivamente. Já a curvatura vertical indicou três grupos de solos, um deles muito-
côncavo, classe 1, formado pelos PV-2, Hi e TE-2 (percentual leve) e TE-1 (percentual
moderado); o segundo muito-convexo, classe 5, formado pelos LV-1, LV-6, LE-1 e Li-
4 (percentual moderado) e PV-4 (percentual leve); e o último pelo conjunto de solos
com classes de curvatura com valores abaixo de 50%.
Note-se que, no N1, a característica que diferenciou os Li das outras classes de solos foi
a concavidade destes solos, mas no N3 os Li-1 e Li-3 se mostraram predominantemente
muito-côncavos, mas em percentagem menor a 50%, enquanto que os Li-4 se
mostraram muito convexos em 77% de sua área. Isto significa que os Li-4 poderiam ser
separados dos outros Li da quadrícula pela análise da curvatura vertical. Os Li-4
também se destacaram por ocupar formas do terreno divergente-convexas.
Pela avaliação da altura observaram-se o grupo que ocupa os terrenos da classe baixa,
formado pelos PV-6 (moderado) e Hi, Or e TE-1 (forte), o grupo dos altos, formado
pelos LV-6 (moderado) e Li-4 (leve), e o LV-1 caracterizado pela altura media-baixa
em percentual leve. Pela dissecação, foram reconhecidos e diferenciados dos outros
solos, os de dissecação muito-baixa: LV-1, moderada, LV-5, LE-1 e LE-2, leve, Or,
98
forte; baixa: LV-3, LV-6 e Hi, leve; média-baixa: PV-5, leve e Li-1: moderada. A
amplitude indicou a separação dos solos Or, classe muito baixa em percentual de
amostragem forte; dos solos PV-6, classe baixa e percentual leve; classe muito alta:
solos LV-6, Li-4 e TE-2, percentual moderado, solos PV-5, percentual leve; e os solos
Li-3, percentual forte. Por fim, a predominância topográfica indicou dois grupos de
solos: os alto-predominantes, formado pelos solos LRd, LV-2, LE-2 e TE-2 em
percentual leve, os solos LV-4, LV-5 e Li-3 em percentual moderado, e LRe, LV-1, LV-
3, LV-6, LE-1, PV-4, PV-5 e Li-3 em percentual forte; e os baixo-predominantes,
formado pelas AQ e solos Li-1 em percentual leve, os PV-2 em percentual moderado, e
os PV-6, Hi, Or e TE-1 em percentual forte (Tabela 4.10).
99
Tabela 4.10 – Percentual de amostras geomorfométricas no agrupamento N3
Variável Classe LRd LRe LV-1 LV-2 LV-3 LV-4 LV-5 LV-6 LE-1 LE-2 PV-2 PV-4 PV-5 PV-6 AQ Li-1 Li-3 Li-4 Hi Or TE-1 TE-2 1 0 0 0 2 3 0 0 0 9 0 0 0 0 0 5 0 0 0 13 29 0 0 2 63 26 42 73 77 52 66 18 39 71 38 26 12 87 70 35 8 4 75 70 17 13 3 27 57 44 21 20 44 27 46 34 22 35 46 44 12 21 48 13 30 13 2 59 48 4 10 17 14 5 0 5 7 31 18 7 27 25 41 2 4 17 60 43 0 0 23 36 5 0 0 0 0 0 0 0 4 0 0 0 3 3 0 0 0 19 23 0 0 0 4
S
6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 32 28 4 25 17 33 22 20 12 34 55 34 34 38 25 39 49 11 59 38 80 50 2 6 15 6 14 11 15 7 4 9 14 3 7 5 18 14 13 4 4 22 16 7 2 3 10 9 4 19 13 3 9 1 7 11 2 3 8 12 26 10 8 5 9 18 6 4 4 11 11 15 24 25 6 18 4 21 15 5 2 10 17 12 13 4 4 5 21 3 7
V
5 41 37 71 17 34 42 43 70 51 26 35 54 42 15 23 25 36 77 5 7 4 38 1 10 22 4 11 11 20 14 14 4 19 23 20 25 17 14 23 25 13 30 9 35 16 2 21 9 15 29 16 12 10 10 16 16 10 11 3 12 14 13 2 2 27 34 7 5 3 3 6 22 2 3 5 8 14 13 0 5 2 8 2 4 4 8 7 2 5 0 13 4 3 2 0 3 3 6 2 6 7 8 5 3 5 3 7 6 9 0 3 7 19 9 5 13 9 3 16 17 6 13 0 6 22 8 3 5 25 11 13 4 4 6 18 6 5 6 6 7 6 5 8 5 8 11 9 1 7 13 7 0 4 4 9 9 0 0 1 4 7 3 4 0 3 2 5 1 1 0 1 15 5 7 5 4 3 13 4 13 9 16 11 8 19 24 13 25 33 18 27 7 16 19 8 11 16 32 37 17 6 7 16 16 9 21
Ft
9 22 17 38 6 8 24 16 37 27 12 18 31 23 5 7 16 25 55 5 2 7 16
Intervalos (%): (0 50), não representativo; (51 65), leve; (66 80), moderado; e (81 100), forte. (Continua)
100
Tabela 4.10 – Conclusão
Variável Classe LRd LRe LV-1 LV-2 LV-3 LV-4 LV-5 LV-6 LE-1 LE-2 PV-2 PV-4 PV-5 PV-6 AQ Li-1 Li-3 Li-4 Hi Or TE-1 TE-2 1 8 0 0 19 5 17 8 0 10 3 25 0 0 67 25 35 2 0 97 100 94 0 2 19 0 24 40 39 44 29 0 16 34 37 5 0 30 33 32 4 0 3 0 6 21 3 21 20 50 25 36 11 28 0 27 16 32 8 1 3 32 19 23 0 0 0 0 13 4 14 31 26 5 16 5 18 0 1 7 5 15 5 0 11 14 23 0 0 0 0 9 5 30 22 0 6 0 5 16 7 3 34 0 44 48 0 0 0 38 0 0 0 0 43 6 8 9 0 5 0 11 1 25 9 5 0 25 22 0 0 0 9 55 0 0 0 2
A
7 0 17 0 0 5 9 0 68 33 0 2 3 23 0 0 0 2 45 0 0 0 13 1 40 24 68 48 38 47 62 34 57 51 20 33 18 42 47 9 8 39 31 84 0 13 2 46 19 28 41 56 45 29 52 28 26 35 39 16 53 40 19 21 48 56 14 36 30 3 8 46 4 5 6 8 8 8 15 14 22 18 55 3 7 65 13 0 3 2 42 13 4 0 4 0 2 0 0 1 6 0 7 12 7 11 2 4 7 8 13 8 0 22 13 5 0 2 0 0 0 0 0 0 0 1 2 0 0 0 0 0 21 0 2 0 0 2 6 5 0 0 2 0 0 0 0 0 0 7 3 0 0 0 0 25 0 0 0 0 0
D
7 2 6 0 3 0 0 0 0 0 1 3 0 0 0 2 0 6 0 0 0 0 30 1 0 0 0 11 8 0 2 0 12 8 0 0 0 7 23 0 0 0 36 82 0 0 2 30 6 0 44 33 36 29 0 16 30 7 7 0 58 30 14 0 0 47 16 0 5 3 21 6 42 21 36 45 42 1 13 23 30 13 3 28 30 9 2 0 13 2 25 5 4 6 15 25 10 20 9 17 23 13 15 30 31 26 2 9 38 2 13 2 0 48 9 5 11 26 22 2 2 2 2 0 12 7 8 8 8 2 4 33 0 16 2 0 14 5 6 6 19 11 3 0 0 6 0 0 0 3 2 1 3 0 6 2 0 0 0 0 5
I
7 25 30 0 10 2 8 3 76 33 16 22 39 62 0 5 0 94 71 2 0 13 70 1 46 11 4 43 19 21 21 0 18 38 72 2 1 88 53 64 34 0 100 100 100 41 P 2 54 89 96 57 81 79 79 100 82 62 28 98 99 12 47 36 66 100 0 0 0 59
Intervalos (%): (0 50), não representativo; (51 65), leve; (66 80), moderado; e (81 100), forte.
101
Na Tabela 4.11, apresenta-se o conjunto de variáveis geomorfométricas que, pela
avaliação das percentuais, indicaram a separação entre duas classes de solo no nível N3. Tabela 4.11 – Variáveis geomorfométricas para diferenciação de classes de solo em N3
LRd LRe LV-1 LV-2 LV-3 LV-4 LV-5 LV-6 LE-1 LE-2 LRd LRe LV-1 s,v,a,d s,v,a,d LV-2 s,v,a,d LV-3 d d s,v,a d LV-4 s,v,a,d d LV-5 d d s,v,a d d LV-6 s,v,a,d,i s,v,a,d,i a,i s,v,a,d,i s,v,a,i s,v,a,d,i s,v,a,i LE-1 s,v,d s,v,d a s,v,d s,v s,v,d s,v a,i LE-2 d d s,v,a d d s,v,a,i s,v PV-2 s,v,p s,v,p v,a,d,p s,v,p s,v,d,p s,v,p s,v,d,p v,a,d,i,p v,d,p s,v,d,p PV-4 s,v s,v a,d s,v s,v,d s,v s,v,d a,d,i d s,v,d PV-5 s,d,i s,d,i v,a,i s,d,i s,i s,d,i s,i v,a v,i s,i PV-6 a,d,i,p a,d,i,p s,v,i,p a,d,i,p a,i,p a,d,i,p a,i,p s,v,a,i,p s,v,a,i,p a,i,p AQ p p s,v,a,d,p p d,p p d,p s,v,a,d,i,p s,v,d,p d,p Li-1 s,d,p s,d,p v,a,p s,d,p s,p s,d,p s,p v,a,i,p v,p s,p Li-3 i i s,v,a,d,i i d,i i d,i s,v,a,d s,v,d,i d,i Li-4 s,v,a,i s,v,a,i a,d,i s,v,a,i s,v,a,d,i s,v,a,i s,v,a,d,i d a,d,i s,v,a,d,i Hi v,a,d,p v,a,d,p s,v,p v,a,d,p v,a,p v,a,d,p v,a,p s,v,a,i,p s,v,a,p v,a,p Or a,d,i,p a,d,i,p s,v,i,p a,d,i,p a,i,p a,d,i,p a,i,p s,v,a,i,p s,v,a,i,p a,i,p TE-1 v,a,p v,a,p s,v,d,p v,a,p v,a,d,p v,a,p v,a,d,p s,v,a,d,i,p s,v,a,d,p v,a,d,p TE-2 s,v,i s,v,i v,a,d,i s,v,i v,d,i s,v,i s,v,d,i v,a,d v,d,i s,v,d,i
Nenhuma variável geomorfométrica das analisadas indicou a separação destes dois solos.
(continua)
Tabela 4.11- Conclusão PV-2 PV-4 PV-5 PV-6 AQ Li-1 Li-3 Li-4 Hi Or TE-1PV-4 v,p PV-5 v,d,i,p v,d,i PV-6 s,v,a,d,i s,v,a,d,i,p s,a,i,p AQ s,v s,v,p s,d,i,p a,d,i Li-1 v,d v,d,p i,p s,a,i s,d Li-3 s,v,i,p s,v,i s,d a,d,i,p i,p s,d,i,p Li-4 v,a,i,p a,i v,a,d s,v,a,d,i,p s,v,a,i,p v,a,d,i,p s,v,a Hi s,a,d s,v,a,d,p s,v,a,i,p v,i v,a,d s,v,a v,a,d,i,p s,v,a,d,i,p Or s,v,a,d,i s,v,a,d,i,p s,a,i,p a,d,i s,a,i a,d,i,p s,v,a,d,i,p v,i TE-1 s,a s,v,a,p s,v,a,d,i,p v,d,i v,a s,v,a,d v,a,i,p s,v,a,i,p d v,d,i TE-2 i,p v,i v,d s,v,a,d,i,p s,v,i,p v,d,i,p s,v v,a s,a,d,i,p s,v,a,d,i,p s,a,i,p
Nenhuma variável geomorfométrica das analisadas indicou a separação destes dois solos.
102
103
5. CONCLUSÕES
Este estudo mostrou que é possível avaliar as relações solo-relevo na escala 1:100.000
pela integração do processo de descobrimento de conhecimento a partir de mapas de
solos pré-existentes, ferramentas de geoprocessamento e modelagem de dados SRTM.
A partir dos resultados pode-se ainda concluir que:
• Os algoritmos desenvolvidos neste trabalho são apropriados para a extração das
variáveis geomorfométricas altura, dissecação e predominância a partir de dados de
altitude em resolução de 30m e 90m. O algoritmo desenvolvido para a extração da
amplitude topográfica apresentou limitações quando aplicado sobre dados da
altitude em resolução 90m;
• A altitude mostrou-se independente das variáveis geomorfométricas locais e
regionais utilizadas neste trabalho. Estas variáveis têm significados independentes e,
portanto, são complementares na caracterização geomorfométrica do solo;
• Na escala 1:100.000 os solos puderam ser descritos pelas características locais e
regionais do relevo. No primeiro caso podem ser utilizadas a declividade e a
curvatura vertical e no segundo caso a altura, dissecação, amplitude e a
predominância;
• Classes de variáveis geomorfométricas, cada uma a seu modo, indicaram de dois a
três conjuntos de classes de solo, nos níveis de agrupamento geral (N1), detalhado
(N2) e unidades de mapeamento simples (N3);
• Pelo menos uma variável geomorfométrica permite a separação entre duas classes
de solos nos níveis N1 e N2. Já no nível N3 nenhuma variável geomorfométrica
indicou a separação de alguns pares de solos.
104
105
REFERÊNCIAS BIBLIOGRÁFICAS
AMARAL, A. Z; AUDI, E. R. Fotopedologia. In: MONIZ, A. C. (Ed). Elementos de pedologia. 1.ed. Rio de Janeiro: Livros Técnicos e Científicos Editora S.A., 1975. 460p. CDD/CDU-631.4.
BISPO, P. C. Dados geomorfométricos como subsídio ao mapeamento da vegetação. 2007. 128p. (INPE-14813-TDI/1255). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos. 2007. Disponível em: <http://urlib.net/sid.inpe.br/mtc-m17@80/2007/05.18.13.11>. Acesso em: 27 nov. 2008.
BITTENCOURT, I. Elementos de Aerofotogrametria. In: MONIZ, A. C. (Ed). Elementos de pedologia. 1.ed. Rio de Janeiro: Livros Técnicos e Científicos Editora S.A., 1975. 460p. CDD/CDU-631.4
BLASCHKE, T.; BURNETT, C.; PEKKARINEN, A. Image segmentation methods for object-based analysis and classification. In: JONG, S. M.; VAN DER MEER, F. D. (Ed.). Remote sensing image analysis: including the spatial domain. Netherlands: Springer, 2006. cap.12, 211-236.
BOCKHEIM, J. G.; GENNADIYEV, A. N.; HAMMER, R. D.; TANDARICH, J. P. Historical development of key concepts in pedology. Geoderma, v. 124, n. 1-2, p.23-36, 2005.
BRASIL, MINISTERIO DA AGRICULTURA. Levantamento de reconhecimento dos solos do Estado de São Paulo: contribuição à carta de Solos do Brasil. São Paulo: Centro Nacional de Ensino e Pesquisas Agronômicas, Serviço Nacional de Pesquisas Agronômicas, Comissão de Solos, 1960. 634p.
BRASIL. Folhas SF.23/24 Rio de Janeiro/Vitória: geologia, geomorfologia, solos, vegetação e uso potencial da terra. Rio de Janeiro: IBGE, 1983. 780p. 6 mapas col. (Projeto RADAMBRASIL: Levantamento de Recursos Naturais, 32).
BRIGGS, D. J.; SHISHIRA, E. K. Soil variability in geomorphologically defined survey units in the Albudeite area of Murcia Province, Spain. In: JUNGERIUS, P. D. (Ed.). Soils and geomorphology. Cremlingen: Catena Verlag, 1985. 174p. (Catena Supplement 6). ISBN 3-923381-05-0. cap. 3, Soil and landforms, p.69-84.
BRUBAKER, S. C.; JONES, A. J.; LEWIS, D. T.; FRANK, K. Soil properties associated with landscape position. Soil Science Society of America Journal, v. 57, p.235-239, 1993.
BURROUGH, P. A.; McDONNELL, R. A. Principles of geographical information systems. 1.ed. New York: Oxford University Press, 1998. 333p.
106
CÂMARA, G.; SOUZA, R. C. M.; FREITAS U. M.; GARRIDO, J.; MITSUO F. I. SPRING: Integrating remote sensing and GIS by object–oriented data modeling. Computers & Graphics, v.20, n.3, p 395–403, 1996. Disponível em http://www.dpi.inpe.br/spring/portugues/index.html. Acesso em 26 novembro 2008.
DALRYMPLE, J.B., BLONG, R.J., CONACHER, A.J. A hypothetical nine unit landsurface model. Zeitschrift Für Geomorphologie, v. 12, p. 60-76, 1968.
DENT, D.; YOUNG, A. Soil survey and land evaluation. 1.ed. London: George Allen & Unwin, 1981. 278p.
DOBSON, M. C.; ULABY, F. T. Mapping soil moisture distribution with imaging radar. In: HENDERSON, F. M.; LEWIS, A. J. (Ed.). Principles & applications of imaging radar: manual of remote sensing. New York: John Wiley & Sons, Inc., 1998. cap. 8, p.407-434.
EASTMAN, J.R. Idrisi for Windows: user´s guide. Versão 2.00. Worcester: Clark University, 1995. 440p. EASTMAN, J.R. Idrisi for Windows: user´s guide. Versão I32.11 Worcester: Clark University, 2000. EPIPHANIO, J. C. N.; FORMAGGIO, A. R.; VALERIANO, M. M.; OLIVEIRA, J. B. Comportamento espectral de solos do Estado de São Paulo. São José dos Campos: INPE, 1992. 132p. (INPE-5424-PRP/172).
EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA, EMBRAPA. Sistema brasileiro de classificação de solos. 2.ed. Rio de Janeiro: EMBRAPA, Centro Nacional de Pesquisa de Solos, 2006. 306p.
EVANS, I. S. General geomorphometry, derivatives of altitude, and descriptive statistics. In: CHORLEY, R. J. (Ed.). Spatial analysis in geomorphology. London: Harper & Row, Publishers, 1972. 393p. ISBN: 06-041272-0. part I, geral, p.17-90.
FARR, T. G.; KOBRICK, M. Shuttle Radar Topography Mission produces a wealth of data. American Geophysical Union EOS. v. 81, n.4, p.583-585, 2000.
FOOD AGRICULTURE ORGANIZATION OF THE UNITED NATIONS, FAO. World reference base for soil resources. 84. World soil resources reports. Rome, Italy: FAO, 1998. ISBN 92-5-104141-5. Disponível em <http://www.fao.org/docrep/W8594E/W8594E00.HTM#Contents>. Acesso em 28 jan. 2008.
FORMAGGIO, A. R. Comportamento espectral de quatro solos do Estado de São Paulo nos níveis orbital, de campo e laboratório. 1983. 91p. (INPE-2878-TDL/144). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos. 1983.
107
GALLANT, J. C., WILSON, P. Primary topographic attributes. In: WILSON, J.P.; GALLANT, J.C. (Ed) Terrain analysis: principles and applications. 1.ed. New York: John Wiley & Sons, Inc., 2000. 478p. ISBN: 0-471-32188-5. cap. 3, p.51-85.
GIBBONS, F.R.; ROWAN, J.N.; DOWNES, R.G. The role of humans in land evaluation. In: STEWART, G. A. (Ed.). Land evaluation: papers of CSIRO symposium. Camberra: Macmillan of Australia, 1968. p. 231-238.
GERRARD, A. J. Soils and landforms. 1.ed. London: George Allen & Unwin, 1981. 219p.
GLOBAL MAPPER LLC. Global Mapper Software Versão 9.0: user´s manual. 2007. 177p. Disponível em http://www.globalmapper.com/helpv9/Help_Main.html. Acesso em: 25 jun. 2008.
GOLDEN SOFTWARE INC. Surface Mapping System. Versão 6.01. Golden: Golden Software, Inc. 1995. GOLDEN SOFTWARE INC. Surface Mapping System. Versão 8.04. Golden: Golden Software, Inc. 2003. GONZÁLEZ, R. C.; WOODS, R. E. Tratamiento digital de imágenes. Edição em espanhol. Wilmington, Delaware: Addison-Wesley Iberoamericana, S.A., 1996. 773p. ISBN: 0-201-62576-8.
GUERRA, A. T. Dicionário geológico geomorfológico. 8.ed. Rio de Janeiro: Fundação Instituo Brasileiro de Geografia e Estatística – IBGE, 1993. 446p. ISBN 85-240-0458-4.
HENGL, T.; GRUBER, S.; SHRESTHA, D. P. Digital terrain analysis in Ilwis: lecture notes and user guide. Enschede: International Institute for Geo-information Science and Earth Observation – ITC, 2003. 56p. Disponível em <http://www.itc.nl/library/Papers_2003/misca/hengl_digital.pdf>. Acesso em: 15 nov. 2008.
HUTCHINSON, M. F.; GALLANT, J. C. Digital elevation models and representation of terrain shape. In: WILSON, J.P.; GALLANT, J.C. (Ed). Terrain analysis: principles and applications. 1a edição. New York: John Wiley & Sons, Inc., 2000. 478p. ISBN: 0-471-32188-5. cap. 2. p.29-50.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA, IBGE. Cartas topográficas de Itirapina e Rio Claro: SF.23-Y-A-I-3, SF.23-Y-A-I-4, 1:50.000. São Paulo: IBGE, 1969.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA, IBGE. Cartas topográficas de São Carlos e Corumbataí: SF.23-Y-AI-1, SF.23-Y-A-I-2, 1:50.000. São Paulo: IBGE, 1971.
108
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA, IBGE. Manual técnico de pedologia. 2.ed. Rio de Janeiro: IBGE, 2007. 320p. ISBN: 978-85-240-3722-9. ISSN: 0103-9598.
ITT INDUSTRIES. ENVI. Versão 4.5. ITT. Visual Information Solution, 2008.
JENNY, H. Factors of soil formation: a system of quantitative pedology. New York: Dover Publications, INC., 1994. 191p. ISBN 0-486-68128-9. Publicação original: McGraw-Hill, 1941. Disponível em: <http://www.soilandhealth.org/01aglibrary/010159.Jenny.pdf>. Acesso em: 30 jan. 2008.
JENSEN, J. R. Remote sensing of the environment: a earth resource perspective. 2.ed. Upper Saddle River: Pearson Prentice Hall, 2007. 592p. ISBN: 0-13-188950-8.
KLINGSEISEN, B.; METTERNICHT, G.; PAULUS, G. Geomorphometric landscape analysis using a semi-automated GIS-approach. Environmental Modelling & Software, v. 23, n. 1, p. 109-121, 2008.
MABBUTT, J.A. Review of concepts of land classification. In: STEWART, G. A. (Ed.). Land evaluation: papers of CSIRO symposium. Camberra: Macmillan of Australia, 1968. p. 11-28.
McBRATNEY, A. B.; SANTOS, M. L. M.; MINASNY, B. On digital soil mapping. Geoderma, v. 117, n.1-2, p.3-52, 2003.
MARK, D. M. Geomorphometric parameters: a review and evaluation. Geografiska Annaler. Series A, Physical Geography, v. 57, n. 3-4, p.165-177, 1975.
MEIJERINK, A. M. J. Data acquisition and data capture through terrain mapping units. ITC Journal, v. 1988, n.1, p.23-44, 1988.
MENDONÇA, F.; DANNI-OLIVEIRA, I.M. Climatologia: noções básicas e climas do Brasil. São Paulo: Oficina de Textos, 2007. 206p.
MOORE, I. D.; GESSLER, P. E.; NIELSEN, G. A.; PETERSON, G. A. Soil attribute prediction using terrain analysis. Soil Science Society of America Journal, v. 57, n. 2, p.443-452, 1993.
MUÑOZ, V. A.; VALERIANO, M. M. Mapeamento da predominância topográfica através do processamento de dados SRTM como contribuição ao mapeamento de solos. In: SIMPÓSIO NACIONAL DE GEOMORFOLOGIA, 7. (SINAGEO), 2008, Belo Horizonte (MG). Anais... Belo Horizonte: Instituto de Geociências, Universidade Federal de Mina Gerais, 2008. 10p. CD-ROM.
109
MUÑOZ, V. A.; VALERIANO, M. M. Modelagem da dissecação por geoprocessamento para delineamento de manchas de solo. In: SIMPOSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 14. (SBSR), 2009, Natal (RN). Anais... São José dos Campos: INPE, 2009.
MUÑOZ, V. A.; VALERIANO, M. M.; VIANA, D. R. Estimativa da altura topográfica por geoprocessamento para modelagem do relevo. In: SIMPÓSIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DA GEOINFORMAÇÃO, 2. (SINGEO), 2008, Recife (PE). Anais... Recife: Departamento de Engenharia Cartográfica, Universidade Federal de Pernambuco, 2008. 6p. CD-ROM.
NETTO, J. S. M. Comportamento espectral dos solos. In: MENESES, P. R.; NETTO, J. S. M (Ed.). Sensoriamento remoto: reflectância dos alvos naturais. 1.ed. Brasília, DF: Editora Universidade de Brasília- UnB, Embrapa Cerrados, 2001. 262p. ISBN 85-230-0656-7. cap. 4, p.127-154.
NIMER, E. Climatologia do Brasil. Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística, IBGE, série recursos naturais e meio ambiente, n.4, 1979. 422p.
OLIVEIRA, J. B., PRADO, H. Levantamento pedológico semidetalhado do Estado de São Paulo: quadrícula de São Carlos. II Memorial descritivo. Campinas: Instituto Agronômico, 1984. 188p. Boletim técnico do IAC No. 98. ISSN 0100-3100.
OLIVEIRA, C. G. Avaliação de modelos digitais de elevação gerados a partir de sensores remotos orbitais ópticos (ASTER) e radar (RADARSAT-1, SRTM): um estudo para a região da Serra dos Carajás (PA). 2005. 184p. (INPE-13168-TDI/1027). Dissertação (Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais, São José dos Campos, 2005. Disponível em: <http://urlib.net/sid.inpe.br/iris@1913/2005/05.03.18.43>. Acesso em: 25 fev. 2008.
OLLIER, C. D. Terrain classification: methods, applications and principles. In: HAILS, J. R. (Ed.). Applied geomorphology: a perspective of the contribution of geomorphology to interdisciplinary studies and environmental management. Amsterdam: Elsevier Scientific Publishing Company, 1977. cap. 8, p.277-316.
PAIVA NETO, J. E.; CATANI, R. A.; KÜPPER, A.; MEDINA, H. P.; VERDADE, F. C.; GUTMANS, M.; NASCIMENTO, A. C. Observações gerais sobre os grandes tipos de solo do Estado de São Paulo. Bragantia, v. 11, n.1, p.227-253, 1951. Disponível em: <http://www.iac.sp.gov.br/bragantia/volume/1101/1101ct.htm>. Acesso em: 04 fev. 2009.
PELOSO, B. D.; VALERIANO, M. M. Processamento digital de imagens SRTM para o mapeamento da amplitude altimétrica. In: SIMPÓSIO NACIONAL DE GEOMORFOLOGIA, 7. (SINAGEO), 2008, Belo Horizonte (MG). Anais... Belo Horizonte: Instituto de Geociências, Universidade Federal de Mina Gerais, 2008. 10p. CD-ROM.
110
PIKE, R. J. Geomorphometry diversity in quantitative surfase analysis. Progress in Physical Geography, v. 24, n. 1, p. 1-20, 2000.
PRADO, H., OLIVEIRA, J. B., ALMEIDA, C. L. F. Levantamento pedológico semi-detalhado do Estado de São Paulo: quadrícula de São Carlos, SF.23-Y-A-I. Campinas: Instituto Agronômico, IAC, 1981. 1. Mapa de solos. Escala 1:100.000.
QI, FENG; ZHU, A-XING. Knowledge discovery from soil maps using inductive learning. International Journal of Geographical Information Science, v. 17, n. 8, p. 771-795. 2003.
RABUS, B.; EINEDER, M.; ROTH, A.; BAMLER, R. The shuttle radar topography mission: a new class of digital elevation models acquired by spaceborne radar. Photogrammetry & Remote Sensing, v. 57, n. 4, p. 241-262, 2003.
RETALLACK, G. J. Soils of the past: an introdução to paleopedology. 2a edição. Blackwell Publishing, 2001. 404p. ISBN: 978-0-632-05376-6.
RODRÍGUEZ, E.; MORRIS, C. S.; BELZ, J. E. A global assessment of the SRTM performance. Photogrametric Engineering & Remote Sensing, v. 72, n. 3, p.249-260, 2006.
ROSSETTI, D. F.; VALERIANO, M. M. Evolution of the lowest amazon basin modeled from the integration of geological and SRTM topographic data. Catena, v. 70, n. 2, p.253-265, 2007.
RUSS, J. C. The image processing handbook. 3.ed. Raleigh: CRC Press, 1998. 984p. ISBN 0-8493-2532-3.
SCHOWENGERDT, R.A. Remote sensing: models and methods for image processing. 3a. Ed. United States of America: ELSEVIER, 2007. 515p. ISBN: 978-0-12-369407-2
SETZER J. Os Solos do Estado de São Paulo: relatório técnico com considerações práticas. Rio de Janeiro: Serviço Gráfico do Instituto Brasileiro de Geografia e Estatística –IBGE, Conselho Nacional de Geografia, 1949. 367p. (Publicação n. 6; Série A).
SHARY, P. A.; SHARAYA, L. S.; MITUSOV, A. V. Fundamental quantitative methods of land surface analysis. Geoderma, v. 107, n.1-2, p.1-32, 2002.
SLATER, J. A.; GARVEY, G.; JOHNSTON, C.; HAASE, J.; HEADY, B.; KROENUNG, G.; LITTLE, J. The SRTM data “finishing” process and products. Photogrametric Engineering & Remote Sensing, v. 72, n. 3, 237-247, Mar 2006.
STONER, E. R.; BAUMGARDNER, M. F.; BIEHL, L. L.; ROBINSON, B. F. Atlas of soil reflectance proprieties. Indiana: Agricultural Experiment Station, Purdue University, 1980. 75p.
111
TOUTIN, T.; GRAY, L. State-of-the-art of elevation extraction from satellite SAR data. Photogrammetry & Remote Sensing, v. 55, n.1, p.13-33, 2000.
TRUDGILL, S. Catena. In: GOUDIE, A. S. (Ed.). Encyclopedia of geomorphology. London: Routledge Taylor & Francis Group, 2004. p.122-124.
UNITED STATES DEPARTMENT OF AGRICULTURA, USDA. Soil survey manual. 3.ed. Estados Unidos: Soil Conservation Service, U.S. Department of Agriculture, 1993. (USDA-Handbook 18). Disponível em < http://soils.usda.gov/technical/manual/>. Acesso em: 25 fev. 2008.
UNITED STATES DEPARTMENT OF AGRICULTURA, USDA. Soil taxonomy: a basic system of soil classification for making and interpreting soil surveys. 2.ed. Estados Unidos: Soil Survey Staff, 1999. (USDA-Handbook 436). Disponível em < http://soils.usda.gov/technical/classification/taxonomy/>. Acesso em: 25 fev. 2008.
VALERIANO, M. M. Modelos digitais de elevação de microbacias elaborados com krigagem. São José dos Campos: INPE, 2002. 54 p. (INPE-9364-RPQ/736). Disponível em: <http://urlib.net/sid.inpe.br/iris@1912/2005/07.21.00.43.43>. Acesso em: 28 jan. 2008.
VALERIANO, M. 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, 2003a.
VALERIANO, M. M. Mapeamento da declividade em microbacias com sistemas de informação geográfica. Revista Brasileira de Engenharia Agrícola e Ambiental. v. 7, n. 2, p.303-310, 2003b.
VALERIANO, M. M. Modelo digital de elevação com dados SRTM disponíveis para a América do Sul. São José dos Campos: INPE, 2004. 72 p. (INPE-10550-RPQ/756). Disponível em: <http://urlib.net/sid.inpe.br/sergio/2004/06.30.10.57>. Acesso em: 28 jan. 2008.
VALERIANO, M. M. Modelo digital de variáveis morfométricas com dados SRTM para o território nacional: o projeto TOPODATA. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 12. (SBSR), 2005, Goiânia. Anais... São José dos Campos: INPE, 2005. p.3595-3602. CD-ROM, On-line. ISBN 85-17-00018-8. (INPE-12739-PRE/8029). Disponível em: <http://urlib.net/ltid.inpe.br/sbsr/2004/10.29.11.41>. Acesso em: 28 jan. 2008.
VALERIANO, M. M. Visualização de imagens topográficas. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13. (SBSR), 2007, Florianópolis. Anais... São José dos Campos: INPE, 2007. p.1377-1384. CD-ROM; On-line. ISBN 978-85-17-00031-7. Disponível em: <http://urlib.net/dpi.inpe.br/sbsr@80/2006/11.14.18.02>. Acesso em: 28 jan. 2008.
112
VALERIANO, M. M. TOPODATA: guia para utilização de dados geomorfométricos locais. São José dos Campos: INPE, 2008. 44p. (CNPq, processo n. 306021/2004-8, NV). Disponível em <http://www.dpi.inpe.br/topodata/documentos.php>. Acesso em: 05 jan. 2009.
VALERIANO, M. M., CARVALHO JR., O. A. Geoprocessamento de modelos digitais de elevação para mapeamento da curvatura horizontal em Microbacias. Revista Brasileira de Geomorfologia, v. 4, n. 1, p.17-29. 2003.
VALERIANO, M. M.; KUPLICH, T. M.; STORINO, M.; AMARAL, B. D.; MENDES JR, J. N.; LIMA, D. J. Modeling small watersheds in Brazilian Amazônia with SRTM-90m data. Computers & Geosciences, v. 32, n. 8, p.1169-1181, Out. 2006. (INPE-14635-PRE/9637). Disponível em: <http://urlib.net/sid.inpe.br/mtc-m12@80/2006/08.08.13.19>. Acesso em: 28 jan. 2008.
VALERIANO, M. M.; MORAES, J. F. L. Extração de rede de drenagem e divisores por processamento digital de dados topográficos. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 10. (SBSR), 2001, Foz do Iguaçu. Anais... São José dos Campos: INPE, 2001. p.517-524. CD-ROM, On-line. ISBN 85-17-00016-1. Disponível em: <http://urlib.net/dpi.inpe.br/lise/2001/09.19.07.26>. Acesso em: 28 jan. 2008.
VALERIANO, M. M.; PICINI, A. G. Geoprocessamento de informações agroclimatológicas. São José dos Campos: INPE, 2003. 133 p. (INPE-10128-RPQ/751). (INPE-10128-RPQ/751). Disponível em: <http://urlib.net/sid.inpe.br/marciana/2003/12.09.09.48>. Acesso em: 28 jan. 2008.
VALERIANO, M. M.; ROSSETI, D. F. TOPODATA: seleção de coeficientes geoestatísticos para o refinamento unificado de dados SRTM. São José dos Campos: INPE, 2008. 50p. (CNPq, processo n. 306021/2004-8, NV). Disponível em <http://www.dpi.inpe.br/topodata/documentos.php>. Acesso em: 05 jan. 2009.
VALÉRIO FILHO, M. Parâmetros da drenagem e do relevo na caracterização de Solos e suas relações fotointerpretativas em imagens de pequena escala. 1984. 141f. Tese (Doutorado em Agronomia na área de Solos e Nutrição de Plantas) - Escola Superior de Agricultura Luiz de Queiroz, Piracicaba, 1984.
WAY, D. S. Terrain analysis: a guide to site selection using aerial photographic interpretation. Stroudsburg: Dowden, Hutchinson & Ross, Inc., 1973. 392p. ISBN: 0-87933-004-X.
WILSON, J.P.; GALLANT, J.C. Terrain analysis: principles and applications. 1a edição. New York: John Wiley & Sons, Inc., 2000. 478p. ISBN: 0-471-32188-5.
WONG, K. W.; THORNBURN, T. H.; KHOURY, M. A. Automatic soil identification from remote sensing data. Photogrametric Engineering and Remote Sensing, v. 43, n. 1, p.73-80, 1977.