1. Caracterização do Campo de Conhecimento

De modo abrangente, o Sensoriamento Remoto refere-se ao campo do conhecimento que usa a resposta da interação da radiação eletromagnética com alvos na superfície terreste, para a caracterização de propriedades e fenômenos naturais. Trata de informações do tipo comprimento de onda-intensidade de resposta, adquiridas por sistemas sensores, que medem a intensidade da radiação eletromagnética de alvos em faixas específicas do espectro eletromagnético. A energia eletromagnética interage com a matéria através de uma variedade de mecanismos os quais estão relacionados com a composição e a estrutura do alvo sendo investigado. Estes mecanismos modificam as características da radiação de tal forma que propriedades do alvo podem ser identificadas. Nesta conceituação, estariam excluídas as abordagens tradicionais de Geofísica, que tratam mais de interações de campos de força (gravimétrico, magnético, elétrico) do que da radiação eletromagnética com alvos na natureza.

Historicamente, o Sensoriamento Remoto teve seu início na metade do século passado, com a invenção da fotografia e uma de suas principais aplicações foi no mapeamento topográfico. Todavia, somente na década de 50 é que o Sensoriamento Remoto assumiu o seu caráter mais moderno quando radares imageadores e "scanners" no visível e no infravermelho tornaram-se operacionais. Contudo, o grande marco nesta evolução ocorreu no início da década de 60, com o advento de sistemas sensores em plataformas espaciais, que forneceu o ímpeto necessário para a observação, monitoramento e estudo das superfícies e ambientes planetários (incluindo a Terra). A possibilidade atual de um acesso a dados de elevada resolução espacial e temporal, e com atributos sinópticos, tem permitido aplicações em temas diversificados nas Geociências, onde observações locais são colocadas em contextos regionais e globais de observação do planeta.

A evolução das pesquisas e aplicações de Sensoriamento Remoto está ligada de forma indissolúvel às técnicas de interpretação utilizadas. De início, a maior parte das aplicações baseava-se na interpretação visual das imagens de satélite. Com a disponibilidade dos sistemas computacionais dedicados a partir de meados da década de 70, muitos estudos passaram a explorar as técnicas de processamento digital de imagens. A partir de meados dos anos 80, o advento da tecnologia de sistemas de informação geográfica (GIS) ofereceu ferramentas para integrar as imagens de sensores remotos com dados provenientes de outras fontes, como mapas temáticos (p.ex., mapas geomorfológicos, geológicos, de vegetação, de solos, etc.) e modelos numéricos de terreno (p.ex., altimetria, dados de geofísica). Através das ferramentas disponíveis em sistemas GIS, é possível produzir agrupar, unificar e integrar a informação especial, e tornando-a disponível de uma forma quem ninguém teve acesso anteriormente, e colocar informação antiga num novo contexto. Mais recentemente, a partir do início dos anos 90, com a tomada de consciência dos impactos globais da ação do homem, as imagens de sensoriamento remoto também vem sendo utilizadas como dados fundamentais para auxiliar a compreensão dos processos de dinâmica de uso e cobertura do solo.

2. Foco de Atuação do Núcleo

A enorme dimensão territorial do Brasil, sua expansão populacional, a crescente demanda por recursos naturais renováveis e não-renováveis, a escassez crônica de recursos financeiros e a cada vez maior importância da preservação ambiental, impõem que novos modelos de planejamento da exploração e da gestão de recursos naturais sejam concebidos e implementados.

O Brasil enfrenta um grande número de situações ambientais críticas. Estes problemas incluem, entre outros, a poluição causada por grandes complexos industriais, o assoreamento de rios, a erosão em zonas costeiras, o desflorestamento e queimadas na Amazônia, a poluição causada por projetos de mineração e garimpo, o avanço mal-planejado da fronteira agrícola e a poluição do ar e água nos grandes centros urbanos. Estes fenômenos, resultante do impacto das atividades humanas sobre o meio bio-geo-físico, são geralmente localizáveis no espaço e no tempo. Assim, as técnicas de Sensoriamento Remoto podem fornecer uma contribuição significativa, principalmente se combinadas com as ferramentas do Geoprocessamento, pois apresentam características singulares e complementares:

• A dinâmica temporal de aquisição, com recobrimentos periódicos sobre o nosso território e oceano, o que permite monitorar a evolução de fenômenos ambientais.
• As diferentes características dos sistemas sensores, que permitem a caracterização de propriedades físico-químicas dos alvos no espectro óptico e as geométricas-elétricas nas microondas, e que são adequadas no levantamento de recursos naturais renováveis e não-renováveis;
• A natureza digital da aquisição e geração das imagens de sensores remotos, fato que torna natural realizar análises quantitativas em sistemas computacionais e permite a interface com geoprocessamento.

Após 24 anos de atuação na área de Sensoriamento Remoto, o Brasil dispõe de um acervo considerável de dados no espectro óptico (Programas dos Satélites Landsat, SPOT e satélites da série NOAA e Nimbus 7) e nas microondas (satélites ERS-1, ERS-2, JERS-1 e RADARSAT-1, Geosat, Topex/Poseidon), de avanços tecnológicos na aquisição e processamento de dados geoambientais. Neste contexto, o foco de atuação do Grupo de Sensoriamento Remoto está bem delimitado:

"Contribuir para tornar o Sensoriamento Remoto cada vez mais eficaz no levantamento, monitoramento e preservação dos recursos naturais do Brasil e na compreensão de nosso ambiente e sua evolução, de pequenas a grandes escalas."

3. Articulação das Pesquisas Propostas

O Brasil vive um processo de grande crescimento do interesse de empresas e instituições (públicas e privadas) com as áreas de Sensoriamento Remoto e Geoprocessamento. Mais de 150 Laboratórios de Sensoriamento Remoto estão instalados no País e atividades fundamentais para nossa sociedade (como os processos de desflorestamento da Amazônia, detecção de focos de queimadas e determinação de propriedades rurais improdutivas), passaram a depender operacionalmente das imagens de satélite.

Adicionalmente, o país prepara-se para o lançamento de seus próprios satélites de Sensoriamento Remoto (Programas CBERS e SSR). Internacionalmente, novos sensores estarão disponíveis a curto prazo, explorando regiões particulares do espectro eletromagnético (microondas, infravermelho termal) ou integrando porções contínuas do espectro óptico (sensores hiperespectrais).

Neste cenário de grande dinamismo, é fundamental que o País aporte recursos na aglutinação e manutenção de um Núcleo de Excelência em Sensoriamento Remoto, que tenha competência científica para desenvolver pesquisa no estado-da-arte, e que possa estar em permanente interação com os usuários desta tecnologia, para que o seu potencial seja explorado. Desta forma, a máxima informação coletada sobre o território nacional será convenientemente extraída dos sensores e seu significado adequadamente compreendido e transferido para usuários de agencias governamentais e privada nacionais, em tempo hábil. A manutenção deste status de excelência das atividades do Núcleo inclue a implementação de um conjunto de iniciativas:

• Expandir a atuação do Núcleo em projetos de pesquisa aplicada de fronteira, com parceria nacional e externa (NASA, CCRS, ESA, NASDA, DLR, CNES) em diferentes temas (Geologia, Agricultura, Floresta, Sistemas Aquáticos, Oceanografia e Estudos Ambientais) utilizando os novos sensores orbitais nas Microondas (RADARSAT-1, JERS-1 e ERS-1, ERS-2, Topex/Poseidon), Hiperespectrais (AVIRIS) e ópticos (LANDSAT-7, SPOT, NOAA, CBERS e SSR).
• Consolidar o desenvolvimento de uma nova geração de sistemas para Geoprocessamento e Sensoriamento Remoto (o sistema SPRING), e expandir esta tecnologia para uso conjunto com a Internet. Em paralelo, realizar pesquisas em novas técnicas de Processamento de Imagens e Morfologia Matemática na extração de informações de imagens ópticas e de microondas.
• Realizar a implantação do Doutorado em Sensoriamento Remoto a partir de 1998, atendendo assim a solicitação da comunidade de Sensoriamento Remoto no país e particularmente, a recomendação da CAPES em sua recente avaliação do Mestrado em SER.

4. Avanços Científicos e Tecnológicos Previstos

Como resultado dos estudos e pesquisas a ser realizadas pelo Núcleo, espera-se dispor, no final do projeto, de um significativo corpo de conhecimento sobre os novos desafios da área de Sensoriamento Remoto, incluindo:

• Um melhor entendimento do potencial de aplicação dos novos sistemas sensores nas faixas de microondas, ópticas de alta resolução e hiperespectrais e um conjunto de metodologias de trabalho aplicadas aos diferentes problemas ambientais brasileiros (prospecção geológica, qualidade de água, agricultura, floresta e oceanografia).
• Um conjunto de técnicas e algoritmos para o tratamento computacional de dados de Sensoriamento Remoto e Geoprocessamento Ambiental, incluindo a disponibilidade (sem qualquer custo para instituições de pesquisa brasileiras) de uma nova geração de Sistemas de Informação Geográfica e Sistemas de Processamento de Imagens de Sensoriamento Remoto.
• Um salto de qualidade na Pós-Graduação na área no País, com a implantação do Doutorado em Sensoriamento Remoto.

5. Adequação da Equipe para a Realização do Projeto

Apesar das dificuldades por que o país tem passado, o Brasil, através do núcleo implantado no INPE no início da década de 70, tem consolidado uma tradição em Sensoriamento Remoto, reconhecida no âmbito nacional e internacional. Isto inclue o ciclo completo de maturidade em abordagem de Sensoriamento Remoto:

• a aquisição dos dados ópticos e de radar através da estações receptoras de Cuiabá e Cachoeira Paulista;
• a geração sistemática de conhecimento através da pesquisa aplicada e tecnológica;
• a formação de recursos humanos especializados ao nível de excelência no país (Mestrado com mais de vinte anos de existência e que tem mantido o conceito A da CAPES).
• o intenso processo de transferência tecnológica para usuários finais, através da parcerias direta com projetos de pesquisa, cursos de especialização e treinamento e disponibilidade de software de Processamento de Imagens e Geoprocessamento.

O Núcleo de Sensoriamento Remoto do INPE atua de modo abrangente e integrado desde a Pesquisa mais básica em SER (Espectroradiometria de Comportamento Espectral de Alvos Naturais e Avaliação de Sistemas Sensores), a Pesquisa Aplicada (Desenvolvimento de Metodologias no Levantamento de Recursos Naturais Renováveis e Não-Renováveis e Estudos de Impactos Ambientais) e Pesquisa Tecnológica (Processamento de Imagens Digitais e Geoprocessamento). Uma das razões do modelo de sucesso do Núcleo foi o de conseguir aglutinar em um só ambiente, um conjunto de profissionais de formação diversificada (agrônomos, engenheiros florestais, geólogos, geógrafos, oceanógrafos, engenheiros de computação, físicos, etc.) e de elevada qualificação (quarenta doutores, sendo onze com Bolsas de Produtividade em Pesquisa do CNPq e quinze tecnologistas senior, com grande experiência na área tecnológica).

1. Visão Geral

O Brasil, como um país de dimensões continentais, tem um grande número de desafios relacionados ao levantamento, ao uso e à gestão de seus recursos naturais renováveis e não-renováveis. Estes desafios incluem os processos do desflorestamento e de exploração mineral na Amazônia, a expansão da fronteira agrícola e o gerenciamento de recursos hídricos e hidrogeológicos. Ciente da possibilidade de utilizar a tecnologia espacial para auxiliar e subsidiar a tomada de decisões sobre projetos que envolviam nossos recursos naturais, o INPE vem desenvolvendo atividades de Sensoriamento Remoto desde o início da década de 70.

Nestes 25 anos de existência, o Programa de Sensoriamento Remoto do INPE cresceu, foi consolidado e atingiu hoje um estágio de estabilidade e maturidade na pesquisa aplicada e tecnológica. Suas atividades tem sido orientadas, segundo quatro eixos principais:

• SENSORIAMENTO REMOTO APLICADO A RECURSOS NATURAIS, que envolve a Pesquisa e o Desenvolvimento de Metodologias de Sensoriamento Remoto no levantamento e monitoramento de recursos naturais renováveis (agricultura, solos, floresta, sistemas aquáticos e oceanografia) e não-renováveis (recursos minerais, incluindo os energéticos e hidrogeológicos);
• SENSORIAMENTO REMOTO AMBIENTAL, que visa a utilização de Sensoriamento Remoto em estudos integrados no contexto de Análise de Impacto Ambiental, particularmente no que se refere à Dinâmica de Uso da Terra, Diagnóstico, Planejamento e Gestão Territorial;
• PROCESSAMENTO DE IMAGENS, que objetiva o desenvolvimento de Pesquisa em Processamento Digital de Imagens de Sensores Remotos voltada à extração de informações de atributos espectrais, espaciais, texturais e de morfologia matemática;
• GEOPROCESSAMENTO, que visa a Pesquisa tecnológica no desenvolvimento de algoritmos e sistemas computacionais para Sensoriamento Remoto. Utilizados em mais de 150 laboratórios no Brasil, os sistemas SITIM/SGI e SPRING - construídos pela equipe do INPE - vem tendo um papel fundamental na formação de recursos humanos e na difusão do conhecimento na área.

Cabe salientar que o Programa de Mestrado em SER tem exercido um papel fundamental no desenvolvimento das atividades do Núcleo, servindo de ambiente gerador, renovador e catalisador para o aprimoramento do espírito científico crítico. O Curso tem sido a principal mola propulsora de pesquisa em Sensoriamento Remoto e a principal fonte de profissionais qualificados na área no Brasil, tendo formado mais de 150 mestres em 20 anos, e sendo consistentemente avaliado como padrão A pela CAPES.

A seguir, é apresentada uma visão retrospectiva das principais atividades em Sensoriamento Remoto no INPE nos últimos 24 anos, divididas em quatro períodos: Fase pioneira ou montagem da infra-estrutura (1972-1978), Projetos de aplicação (1978-1984), Ação nacional e laboratórios associados (1984-1990), Novos sensores e atualização tecnológica (1990-1996).

2. A fase pioneira ou de montagem de infra-estrutura (1972-1978)

As primeiras iniciativas para a implantação de um programa espacial nacional foram tomadas pelo governo brasileiro ainda em 1961. Isto foi feito através da constituição de um grupo conhecido como CNAE (Comissão Nacional de Atividades Espaciais). A nova entidade, ligada ao CNPq, tinha como objetivo principal o estudo de atividades espaciais, não apenas através do ponto de vista científico, mas também visando fornecer importante contribuição para o desenvolvimento tecnológico nacional. Por decreto presidencial (número 68.532 de 22 de abril de 1972) a CNAE foi transformada em uma instituição permanente: o INPE. De acordo com esse decreto, o INPE é a principal agência civil nacional para pesquisa espacial, incluindo a parte aplicada e a básica. Desde a sua criação, o Sensoriamento Remoto tem sido uma das áreas mais prioritárias de atuação do INPE.

A concepção do programa de Sensoriamento Remoto no INPE, o Projeto SERE, teve uma forte influência da NASA. O início de cooperação entre as duas agências neste campo data de 1968, através de um Memorando de Entendimento que, posteriomente prorrogado até Dezembro de 1972, objetivou o recebimento e avaliação de dados do ERTS-1 em diferentes aplicações (geologia, agricultura, oceanografia e geografia), treinamento de pessoal e transferência de tecnologia (software) no uso de imagens de satélite. Através das atividades de pesquisa no Projeto SERE foi viabilizada a implantação do Curso de Mestrado em SER (final de 1972), da Estação de Recepção de Imagens em Cuiabá (abril de 1973) e do Centro de Processamento de Imagens em Cachoeira Paulista (Setembro de 1974).

As atividades de pesquisa no Projeto SERE foram iniciadas, de modo sistemático, a partir de Janeiro de 1973, com a contratação de especialistas, em diferentes áreas de aplicações, para desenvolver atividades de pesquisa e que estavam envolvidos em programas de formação acadêmica (Mestrado SER) no INPE. Em síntese, o estabelecimento de um Núcleo de Pesquisa em Sensoriamento Remoto no INPE teve como marcos iniciais:

• Implantação do Projeto SERE com mais de 40 profissionais contratados para projetos de pesquisa no período 1972/1974.
• Criação do Curso de Mestrado em Sensoriamento Remoto, em 1972. O curso de mestrado permitiu a formação do corpo básico de especialistas, que ainda hoje é a base do grupo de pesquisa aplicada em Sensoriamento Remoto do INPE;
• Montagem da Estação de Recepção de dados LANDSAT/MSS, em Cuiabá (MT), em 1973.
• Implantação das facilidades do Centro de Geração de Imagens de Sensores Remotos, em Cachoeira Paulista, SP em 1974.
• Aquisição do Sistema de Processamento de imagens GE IMAGE-100, em 1975, por US$ 1 milhão. Tecnologia no estado-da-arte da época, era controlado por um PDP/11-45 (com 128 KB de memória) e possuía memória de vídeo de 512 x 512 "pixels". Por muito tempo, foi o único sistema de processamento digital de imagens de satélite em operação no País. Trazia um mínimo de funções de processamento de imagens, o que motivou a montagem de equipe de desenvolvimento para implementar algoritmos.
• Realização do primeiro Simpósio Brasileiro de Sensoriamento Remoto (I SBSR), em São José dos Campos, em Outubro de 1978. Esta série de simpósios tem tido continuidade, sendo o mais recente (VIII SBSR) realizado em Salvador em abril de 1996. Estes Simpósios tem permitido aos pesquisadores da área um fórum de apresentação de trabalhos científicos de intercâmbio de conhecimento com especialistas no país e do exterior.

A motivação inicial do estabelecimento de competência científica em Sensoriamento Remoto no INPE era a de assegurar o bom uso das imagens de satelite recebidas pelo instituto. Os trabalhos realizados procuravam demonstrar a utilização da nova tecnologia em suas variadas aplicações. Deste período merecem menções os trabalhos de pesquisa em grande parte fruto de Tese e Dissertações de Mestrado (Amaral 1974; Nosseir et al. 1975, Tardin et al. 1975; Almeida Filho e Paradella, 1976; Tseng et al. 1977; Meirelles et al. 1978; entre outros).

3. Projetos de aplicação (1978-1984)

Concluída a montagem da infra-estrutura, a equipe do INPE passou a desenvolver projetos próprios e de parcerias com orgãos no setor público e privado, para produzir resultados de relevância prática. Entre os projetos do período, pode-se destacar:

• os primeiros levantamentos geológicos regionais através de imagens MSS-Landsat-1 das Folhas ao Milionésimo do Rio São Francisco, Goiás e Belo Horizonte e do Estado do Rio de Janeiro (Convênio INPE-DRM/RJ), apresentados no 29⁰. Cong. Bras. de Geologia ( Amaral et al. 1976; Liu et al. 1976);
• O primeiro levantamento sistemático de culturas agrícolas por satélite (projeto CANASATE), realizado para a cultura de cana-de-acúcar nos estados da região Sudeste, Sul e Centro-Oeste, em convênio com o SERPRO (Batista et al. 1978, Mendonça et al. 1984);
• o primeiro levantamento sistemático do desflorestamento da Amazônia, através de convênio entre o INPE e o então IBDF (Instituto Brasileiro de Desenvolvimento Florestal), com imagens MSS-Landsat e cobrindo os anos de 1973/75 e 1976/78. Esse estudo utilizou um total de 1244 imagens dos satélites Landsat 2 e 3 (canais 5 e 7, na escala 1:500.000);
• A primeira tentativa de implementação de carta de pesca através de dados do GOES e NOAA na região Sudeste-Sul do país (Maluf et al. 1983, Maluf 1985), estudos de batimetria em Cabo Frio com o MSS do Landsat (Meirelles et al. 1978); estudo de concentração de clorofila no mar com o sensor CZCS do satélite Nimbus (Lorenzetti 1980) e estudos das correntes Falkland e Brasil através de dados THIR do Nimbus (Tseng 1974; Tseng et al. 1977);
• O desenvolvimento de software para classificação estatística de imagens, denominado MAXVER, que permitiu a ampliação das metodologias de aplicação, principalmente nas áreas agrícola e florestal;
• A caracterização de imagens MSS/Landsat como ferramentas de apoio ao mapeamento geológico e pesquisa mineral, com ênfase nos processamentos digitais de imagens ( Paradella 1984, Almeida Filho 1984).

4. Ação Nacional e Laboratórios Associados (1984-1990)

4.1 Pesquisa , Desenvolvimento de Metodologias e Aplicação

Este período assistiu a uma grande disseminação do setor usuário e de serviços de SR no Brasil, com o estabelecimento do Programa de Laboratórios Associados de Sensoriamento Remoto. É nesta fase que foram realizados dezenas de projetos de aplicações, em convênio com grande número de instituições no País, podendo ser citados, entre outros:

• Previsão de Safras Agrícolas, em convênio com IBGE. Foi desenvolvido o PREVIS, sistema de previsão de safras para quatro unidades federativas brasileiras; nesse sistema, o SR é utilizado para construção de um painel amostral.
• Fiscalização de Financiamentos Agrícolas por Satélite (FISATE), em parceria com o Banco do Brasil (Batista et al. 1984, Chen et al. 1986).
• Pesquisa Mineral, em granitos estaníferos de Goiás e Rondônia (Almeida Filho, 1984), em lateritas na Bahia através de cooperação INPE-IAG/USP (Almeida Filho et al. 1986), em lateritas mineralizadas na Amazônia via colaboração INPE-DOCEGEO (Paradella 1986), em pesquisa de gás e hidrocarbonetos através de colaboração INPE/CENPES- PETROBRAS.
• Manejo de Bacias Hidrográficas, em convênio com o IAC. Este projeto utilizou técnicas de SR e GIS aplicadas a modelos para diagnóstico e monitoramento de áreas submetidas a processos de erosão.
• Sensoriamento Remoto de Sistemas Aquáticos, através de convênio de cooperação técnico-científica entre o INPE e o Centro de Recursos Hídricos e Ecologia Aplicada da Escola de Engenharia de São Carlos, Universidade de São Paulo estabelecido em 1988. Através desta cooperação, ficou estabelecido que as pesquisas e desenvolvimentos metodológicos realizados no Reservatório de Barra Bonita contariam com o apoio do CHREA, e em contrapartida, o INPE apoiaria o Curso de Pós-Graduação em Ciências de Engenharia Ambiental de responsabilidade daquela instituição ministrando uma disciplina anual: Sensoriamento Remoto de Sistemas Aquáticos, e orientando teses. Foram também iniciados contactos com a Eletronorte no sentido de apoiar estudos no reservatório de Tucuruí.

Em termos de Pesquisa Aplicada um marco relevante no período foi a aprovação de duas propostas do INPE por mérito científico (julgamento em bases competitivas) no PEPS (Programme D'Evaluation Des Produits SPOT) pela CNES (França). Lançado em 1986, o satélite SPOT-1 operando no espectro óptico, trouxe como inovação sua elevada resolução espacial (10 metros no módulo pancromático e 20 metros no multiespectral) e a visada "off-nadir" possibilitando aquisição de dados com estereoscopia orbital. As propostas aprovadas estiveram voltadas para avaliação do SPOT-1 em aplicação geológica no Vale do Rio Curaça, Bahia (Paradella et al. 1987) e agrícola no NE do Paraná (Batista et al. 1987).

4.2 Sistemas de Processamento de Imagens e Geoprocessamento

Internacionalmente, a década de 80 representa o momento quando a tecnologia de sistemas de informação geográfica (SIG) inicia um período de acelerado crescimento que dura até os dias de hoje (Goodchild, 1991). Até então limitados pelo alto custo do hardware e pela pouca quantidade de pesquisa específica sobre o tema, os SIG se beneficiaram grandemente da massificação causada pelos avanços da microinformática e do estabelecimento de centros de estudos sobre o assunto. Nos EUA, a criação dos centros de pesquisa que formam o NCGIA - National Centre for Geographical Information and Analysis (NCGIA, 1989) marca o estabelecimento do Geoprocessamento como disciplina científica independente.

No INPE, os trabalhos de pesquisa e desenvolvimento de sistemas de informação geográfica foram iniciados no mesmo período do "GIS boom" nos EUA (Câmara et al., 1983). A implantação de tecnologia de Geoprocessamento no Brasil ocorreu porque o INPE conseguiu aproveitar a janela de oportunidade coincidente com o período da reserva de mercado e com o aparecimento da tecnologia de micro-computadores.

Os principais resultados de pesquisa tecnológica do período foram o SITIM (Sistema de Tratamento de Imagens) e o SGI (Sistema de Informações Geográficas), para ambiente PC/DOS, com um investimento de mais de 100 homens-ano e 250.000 linhas de código (Souza et al., 1990; Erthal et al., 1986). Estes sistemas compõem a maior base instalada no Brasil para Geoprocessamento. Foram ainda desenvolvidos dispositivos gráficos e interfaces de leitura de fita para permitir a utilização de micro-computadores padrão IBM/PC em aplicações de processamento de imagens e geoprocessamento.

O uso de técnicas de Geoprocessamento permite realizar análises integradas que combinam imagens de satélite, mapas temáticos e modelos numéricos de terreno e resultou na ampliação do escopo de atuação dos especialistas em Sensoriamento Remoto. Neste contexto, a implantação dos sistemas SITIM/SGI em mais de 100 Laboratórios Regionais foi uma importante contribuição do INPE para aculturar os usuários de todo o País.

Uma quantidade significativa de estudos ambientais no Brasil foi realizada com base nos sistemas SITIM/SGI. Para citar alguns exemplos: Assad e Sano (1993) apresentam resultados na área agrícola; Almeida Filho (1995) na área de prospecção mineral. Deve ser ainda mencionado que os projetos de monitoramento de desflorestamento na Amazônia (PRODES) e de mapeamento de remanescentes florestais da Mata Atlântica realizado pela ONG SOS Mata Atlântica, também foram realizados utilizando esses sistemas.

5. Novos sensores e atualização tecnológica (1990-1996)

Este cenário é marcado pelo advento dos novos sensores orbitais nas microondas (radares imageadores) e pelo estabelecimento da "Mission to Planet Earth" da NASA, na qual o INPE tem participação De modo a gerenciar adequadamente as atividades de pesquisa aplicada e tecnológica, quatro grandes programas foram implementados no Núcleo:

• Microondas: objetiva gerar conhecimento, formar recursos humanos e transferir tecnologia no uso de radares imageadores em aplicações gerais no país, particularmente na Região Amazônica;
• Monitoramento dos Ecossistemas da Amazônia: neste programa, o objetivo é de caracterizar a estrutura e o funcionamento dos ecossistemas assim como os impactos da ocupação humana sobre esses sistemas.
• Estudos Temáticos e Integrados: objetiva a continuidade do desenvolvimento metodologias de aplicação de Sensoriamento Remoto, incluindo tanto áreas disciplinares quanto inter-disciplinares.
• Sensoriamento Remoto do Oceano: visa desenvolver atividades de pesquisa na caracterização da dinâmica do Atlântico Sudoeste (inclusive o Equatorial) através de dados de sensores ópticos e microondas integrados com modelos numéricos.
• Geoprocessamento e Processamento de Imagens: objetiva desenvolver uma nova geração de sistemas de processamento de imagens e Geoprocessamento, que venha a suceder aos sistemas SITIM/SGI; e também desenvolver técnicas e algoritmos para Processamento de Imagens, utilizando técnicas estatísticas, texturais e com Morfologia Matemática.

A seguir são apresentados, sucintamente, detalhes destes programas.

5.1 Programa de Microondas

O Programa de Microondas foi criado antevendo a grande disponibilidade de dados de radar orbital prevista para a década de 90. Apesar do país contar com um recobrimento valioso de radar pelo Projeto RADAMBRASIL, a cultura na extração de informações com os novos radares imageadores orbitais, agora digitais, ainda é muito incipiente. Discussões sobre o desempenho destes sensores em aplicações, com enfoque sobre as novas características, parâmetros de importância de alvos naturais (rochas, solos, vegetação, água) na interação com as microondas e ainda o processamento digital específico são escassas na literatura, particularmente para ambientes tropicais. Hoje imagens orbitais de radar estão disponíveis para o território nacional através dos Programas ERS-1 e ERS-2 (Comunidade Européia), JERS-1 (Japão) e RADARSAT-1 (Canadá). Como marcos relevantes do Programa de Microondas devem ser citados o SAREX'92, o SIR-C e o ADRO.

O SAREX '92 (South American Radar Experiment) foi um grande experimento conduzido pela ESA (European Space Agency) e pelo CCRS (Canada Centre for Remote Sensing), para aquisição de dados de radar por aeronave. Seis países foram imageados em suas florestas tropicais úmidas: Brasil, Costa Rica, Colômbia, Guiana, Guiana Francesa e Venezuela . A campanha foi realizada em abril de 1992, quando foram coletados dados de radar na banda C, de elevada resolução, multipolarização e geometria de imageamento variada. O principal objetivo do SAREX foi adquirir imagens que serviriam de base para gerar conhecimento na extração de informações de alvos tropicais com radares aerotransportados e orbitais (simulação do ERS-2 e RADARSAT-1). Foram selecionadas áreas na Amazônia com diversidades fisiográficas e distintas aplicações: Carajás-PA (mapeamento geológico, prospecção mineral e geobotânica), Tucuruí-PA (Estudos de Impacto Ambiental de Grande Reservatório), Lago Grande de Monte Alegre-PA (Monitoramento de Planície de Inundação), Floresta Nacional de Tapajós-PA (Inventário Florestal) e Rio Branco/Sena Madureira-AC (Uso da Terra e Geomorfologia). A pesquisa contou com a participação da Docegeo, Ibama, Eletronorte e Funtac. Resultados sobre o SAREX'92 podem ser vistos e, ESA (1993).

A experiência obtida com o SAREX foi importante para a proposta de avaliação do RADARSAT-1 pelo INPE no Programa ADRO (RADARSAT Application Development and Research Opportunity), lançado no final de 1994 pela CSA (Agência Espacial Canadense) e NASA. A proposta do INPE foi aprovada em bases competitivas (mais de 500 propostas foram submetidas) em Dezembro de 1995 e objetiva avaliar o RADARSAT-1 em comparação com o ERS-2 e JERS-1 de 7 áreas na Amazônia, sob diferentes temas de aplicações. Sob a coordenação do INPE, participarão diretamente da investigação a CPRM, Docegeo, CVRD, Funtac, UFAC, Cena/USP, Eletronorte, Ibama e CENPES-PETROBRAS. Detalhes sobre o ADRO podem ser vistos em Paradella et al. (1996).

Em 1995, o radar banda L do satélite japonês JERS-1 foi usado em campanhas dedicadas a Amazônia para aquisição de imagens de toda a região, que estão sendo neste momento processadas para constituir o primeiro mosaico digital em banda L daquela região. Trata-se de um projeto NASA/JPL-NASDA com suporte do INPE, através de seus projetos de pesquisa voltados à região amazônica, como o EOS/MTPE.

O INPE também vem participando ativamente da missão SIR-C/X-SAR (Shuttle Imaging Radar) que correspondeu a um programa internacional da NASA de aquisição de dados de radar do planeta, a bordo do Ônibus Espacial. Trata-se do mais completo conjunto de configurações de sistema de radar (3 frequências, 4 polarizações, vários ângulos de incidência), para otimização de configuração para as mais diversas aplicações, com vistas a definição de sistemas operacionais no futuro. Duas áreas-testes foram escolhidas na proposta do INPE aprovada pela NASA: Bebedouro (Pe), em estudos de irrigação e de culturas e Manaus (AM), no estudo de inventário de floresta tropical úmida. Os dados do SIR-C estão em fase de análise e os primeiros resultados da investigação foram publicados em Soares et al. (1996), Yanasse et al. (1996) e Saatchi et al. (1996).

Finalmente cabe salientar que também foram realizados estudos visando a caracterização estatística de imagens SAR (Yanasse, 1991; Frery, 1993; Yanasse et al., 1994). Com base nestes estudos, foi possível mostrar quais distribuições estatísticas melhor se adequam aos dados SAR (Frery et al., 1996) e desenvolvidos novos classificadores para imagens SAR, que apresentam melhores resultados do que a classificadores tradicionais, baseados em processamento ponto-a-ponto e na hipótese de distribuições gaussianas (Vieira, 1996).

5.2 Programa de Monitoramento de Ecossistemas da Amazônia

Este conjunto de atividades é centrado sobre o estudo da estrutura e funcionamento dos ecosistemas da Amazônia e os impactos da ocupação humana sobre esses sistemas.

Os estudos sobre a estrutura e funcionamento dos ecossistemas da Amazônia fazem parte do projeto "Long Term Monitoring of Amazonia: from Patterns to Processes" da missão NASA EOS/MTPE (Earth Observing System - Mission to Planet Earth). Esse projeto é o único componente do MTPE executado por um país em desenvolvimento e está sendo executado em colaboração com as universidades da Califórnia em Santa Barbara e de Washington, que estudam o funcionamento do ciclo na Amazônia no escopo do EOS/MTPE.

A ocupação humana na Amazônia é o objeto de várias atividades executadas pelos pesquisadores proponentes. Como a mais importante, pode ser considerada o Projeto de Monitoramento do Desflorestamento da Amazônia com imagens de satélite (PRODES), que realizou quatro levantamentos exaustivos da extensão da ação antrópica na região, para os anos de 1989, 1991, 1992 e 1994. Os resultados desse trabalho tem servido como subsídio para a elaboração de políticas públicas na Amazônia, graças à cobertura completa do trabalho. Esses estudos estimaram o total das áreas desflorestadas na Amazônia Legal em 152.200 km2 em janeiro de 1978, 377.600 km2 em abril de 1988, 401.400 km2 em agosto de 1989, 415.200 km2 em agosto de 1990, 426.400 km2 em em agosto de 1991 e cerca de 470.000 am agosto de 1994. Um dos resultados práticos deste projeto é a indicação de áreas críticas nas quais a intensidade de conversão de floresta para outro uso é maior, a exemplo do que ocorre em Rondônia e no sul do Pará.

O processo de ocupação humana também é objeto de vários projetos executados no INPE que vem estudando a dinâmica de uso e cobertura do solo, e, em particular, o processo de regeneração da vegetação e de acúmulo de biomassa pela vegetação secundária (Alves & Skole 1996, Alves et al 1996).

5.3 Programa de Estudos Temáticos e Integrados

Este programa refere-se a um conjunto de projetos e atividades voltadas ao levantamento de informações do meio físico e antrópico, com ênfase às técnicas de Sensoriamento Remoto e integração de dados co o apoio de Sistemas de Informações Geográficas. Neste contexto desenvolvem-se trabalhos voltados ao diagnóstico do meio físico/antrópico, como subsídio ao manejo de bacias hidrográficas. Destaca-se o projeto Sensoriamento Remoto de Sistemas Aquáticos, que visa a avaliação da qualidade de água em reservatórios, tendo sido desenvolvidas pesquisas no Reservatório de Barra Bonita-SP (Novo, 1986; Novo et al. 1989(a); Novo et al. 1989(b); Novo et al. 1994; Novo et al. 1995). Outro trabalho refere-se ao monitoramento de pequenas bacias hidrográficas, no contexto do Plano Nacional de Microbacias Hidrográficas, pesquisa que se desenvolve em cooperação técnica entre o INPE e o Instituto Agronômico de Campinas (IAC). Neste trabalho a metodologia incorpora a utilização de modelos predictivos para a caracterização de indicadores dos processos de erosão do solo (Pinto 1991; Donzeli et al. 1992; Valério Filho et al. 1993; Valério Filho e Pereira Neto 1995 e Valério Filho e Araújo Junior 1996). Também experimentos tem sido conduzidos ao nível regional em termos de integração de dados do meio físico e antrópico, associados às condições sócio-econômicas, com vistas a subsidiar planos de gerenciamento regional.

5.4 Programa de Oceanografia

A partir de 1990 iniciou-se uma intensificação sem precedentes na utilização de sistemas de satélites para o estudo global dos oceanos, possibilitando o advento da oceanografia operacional. O lançamento dos satélites oceanográficos ERS-1 (1991), Topex/Poseidon (1992), ERS-2 (1994), tipificam o início de uma nova fase e de uma nova abordagem nos conceitos de coleta de dados oceânicos para atividades operacionais e de pesquisa de processos oceanográficos em várias escalas de tempo. Simultaneamente, o INPE passou a dar mais apoio a sua equipe de oceanógrafos, possibilitando a instalação e utilização de um sistema (PC-Seapak/NASA) de análise, compactação e manipulação estatística de séries temporais de até 300 imagens oceanográficas (Vianna e Kampel, 1995). Consequentemente, foi possível aumentar consideravelmente a produção científica da Oceanografia do INPE, bem como iniciar o monitoramento regular dos campos de temperatura da superfície do Atlântico Sudoeste por imagens recebidas da estação de Cachoeira Paulista.

Este programa visa reforçar a competência na utilização de dados de sensores remotos orbitais nas regiões do visível e infravermelho termal (NOAA, TM-Landsat, SPOT) e microondas (Topex/Poseidon, ERS-1, ERS-2, JERS-1 e RADARSAT-1) integrados com dados de redes de monitoramento oceânico (in situ) e modelos numéricos de circulação. Os objetivos principais são: (1) caracterização da dinâmica de fundos marinhos, incluindo processos de erosão e assoreamento de zonas costeiras e ilhas ao largo; (2) estudo e monitoramento da variabilidade sazonal e interanual do Atlântico Equatorial e Sudoeste e (3) investigações visando o desenvolvimento de métodos de compactação de séries temporais de imagens de satélites utilizando técnicas de expansões em multipla escala , como a de ondeletas (wavelets).

5.5 Programa de Geoprocessamento e Processamento de Imagens

5.5.1 Sistemas de Informação Geográfica

No programa de Geoprocesssamento, com base na experiência adquirida no desenvolvimento e na implantação e uso de seus sistemas em todo o Brasil, a equipe do INPE desenvolve atualmente o SPRING (Sistema para Processamento de Informações Geográficas), que permite o tratamento de imagens de Sensoriamento Remoto (ópticas e microondas), mapas temáticos, mapas cadastrais, redes e modelos numéricos de terreno. O sistema possui suporte para bancos de dados geográficos de grande porte, sem estar limitado pelo recorte de projeções cartográficas.

O SPRING 2.0 está baseado em um modelo de dados orientado-a-objetos, que combina as idéias de "campos" e "objetos geográficos", e que incorpora os mais recentes resultados do estado-da-arte de pesquisa em integração de dados em Geoprocessamento (NCGIA 1989; Goodchild 1992; Couclelis 1992). Outro ponto importantes do projeto SPRING é sua forte ligação com as atividades de pesquisa e desenvolvimento do INPE. Isto permite que os resultados de trabalhos de pesquisa (que incluem teses de Mestrado e Doutorado) sejam incorporados ao sistema, formando a base de inovação do sistema.

Na versão 2.0, os principais aspectos de inovação são: Interface amigável que reflete modelo de dados orientado-a-objetos (Câmara 1995); linguagem de manipulação e consulta LEGAL (Câmara 1995; Cordeiro et al. 1996); segmentação e classificação por regiões (Bins et al. 1993; Bins et al. 1996); desenvolvimento de pós-classificadores ICM baseados em técnicas markovianas; restauração de imagens (Fonseca et al. 1993); modelos de mistura para imagens (Aguiar 1991) e geração de grades triangulares com restrições (Namikawa 1995).

5.5.2 Estudos de Morfologia Matemática

A Morfologia Matemática (MM) é uma abordagem não linear para o processamento de imagens. Ela surgiu da década de sessenta com George Matheron e Jean Serra na Escola de Minas de Paris, em Fontainebleau. O objetivo era a extração de informações a partir da análise de estruturas geométricas de amostras de rochas ou metais obtidas por imagens de microscópio. Como conseqüência deste estudo surgiu uma teoria de análise espacial de estruturas que foi denominada de MM. Morfologia, por ajudar na análise de formas e objetos, e Matemática, por se basear na teoria de conjuntos, topologia, reticulados, funções randômicas, etc.

A MM foi inicialmente desenvolvida para imagens binárias, onde a abordagem linear não se mostrava eficiente, e depois foi estendida para níveis de cinza. Alguns estudos estão sendo desenvolvidos para imagens coloridas.

A idéia central da MM é a decomposição de mapeamentos entre reticulados completos em termos de quatro transformações elementares: dilatações, erosões, anti-dilatações e anti-erosões. Em Banon e Barrera (1994) existe uma analogia entre a MM e o jogo de armar LEGO. As peças a serem encaixadas são: dilatações, erosões, anti-dilatações e anti-erosões e os operadores são os objetos criados a partir destas peças. Assim como no LEGO, com a MM é possível formar diferentes "objetos" a partir destas mesmas "peças". Portanto com a MM, supõe-se uma teoria unificada para problemas de processamento de imagens, ou seja, existem transformações básicas que adequadamente arranjadas geram diferentes metodologias para diversos estudos na extração de informação sobre a imagem.

Em Banon e Barrera (1994) descreve-se um ótimo histórico do crescimento desta teoria que hoje é intensivamente estudada em vários centros de pesquisas e universidades em todo mundo. Aqui no Brasil alguns institutos e universidades que estão trabalhando com MM, tais como INPE, USP, UNICAMP, UFPE, UFAL, UFSCAR e CEFET e que participam do projeto PROTEM-CC ANIMOMAT e que estão difundindo a MM e suas aplicações em várias áreas do conhecimento.

6. Infra-Estrutura e Organização Hierárquica

As atividades de pesquisa aplicada, tecnológica e acadêmica em Sensoriamento Remoto no INPE estão organizadas matricialmente na Coordenação de Observação da Terra (OBT). A dimensão vertical ou de Meios (recursos humanos e infra-estrutura) é constituída pela Divisão de Sensoriamento Remoto (DSR) e Divisão de Processamento de Imagens (DPI). Dois laboratórios, o LTID (Lab. de Tratamento de Imagens Digitais) e o LARAD (Laboratório de Radiometria), fazem parte da DSR. A dimensão horizontal ou Fins (programas) é constituída pelos cinco programas da área: Microondas, Monitoramento dos Ecossitemas da Amazônia, Aplicações Temáticas, Geoprocessamento e Oceanografia. O curso de Pós-Graduação é parte desta estrutura e também da Coordenadoria de PG do INPE.

Referências

Período 1974-1990 (histórico ilustrativo do núcleo)

Almeida Filho, R.; Paradella, W. R. 1976. Estudo do Maciço Alcalino de Poços de Caldas através de Imagens Landsat com Ênfase em Mineralizações Radioativas. Dissertação de mestrado em Sensoriamento Remoto, INPE, 130 p. (INPE-1112-tpt/065).

Almeida Filho, R. 1984.Multiseazonal and geobotanical approach in remote sensing detection of albitized-greisenized areas in the Serra da Pedra Branca Granitic Massif. Economic Geology, 79 (8): 1914-1920.

Almeida filho, R.; Nascimento, n.r.; Paradella, w. r.; Meneses, p. r.; Melfi. a. j.; Oliveira, j. j. 1986. "Discriminação e Mapeamento de Fácies Lateríticas no Vale do Rio Paramirim (ba), através de Técnicas de Sensoriamento Remoto". Anais do XXXIV Cong. Bras. Geol., Goiânia, vol. VI: 2965- 2972.

Amaral, G. 1974. Geologia Pré-Cambriana da Região Amazônica. Tese de Livre-Docência, São Paulo, IGUSP, 212 ps.

Amaral, G.; Mattos, J.T.; Almeida Filho, R.; Cunha, R.P.; Paradella, W.R. 1976. Carta geológica ao milionésimo da folha de Belo Horizonte por interpretações de imagens LANDSAT. 29º Congresso Brasileiro de Geologia, Ouro Preto, Novembro, Vol.. IV, p. 229-238.

Banon, G.J.F; Barrera, J. 1989. "Morphological filtering for stripping correction of SPOT images". Photogrammetria, 43(3):195-205.

Batista, G.T. "Study of corn and soybean LANDSAT MSS data classification performance as a function of scene characteristics". Ph.D. Thesis, Agron. Dept., Purdue University, W. Lafayette, Indiana, U.S.A.,1981.

Batista, G.T.; Richey, J.E. The Earth Observing System approach for Amazonia, Proc. International Symposium on Primary Data Acquisition, ISPRS, Manaus, July, 1990.

Batista, G.T.; Rudorff, B.F.T. "Spectral response of soybeans by field radiometry". ISPRS Journal of Photogrammetry and Remote Sensing, 45:111-121, 1990.

Batista, G.T.; Tardin, A.T.; Chen, S.C.; Dallemand, J.F "Avaliação do SPOT/HRV e do Landsat TM para a discriminação de culturas". "Pesq. agropec. bras., Brasilia, 25(3):379-386, March, 1990.

Batista, G.T.; Aoki, H.; Hernandez Filho, P.; Shimabukuro, Y.E. "Uso de dados orbitais para avaliação de povoamento florestais artificiais". São José dos Campos, maio de 1976, (INPE-879-NTI/067).

Batista, G.T.; Mendonça, F.J.; Lee, D.C.L.; Tardin, A.T.; Chen, S.C.; Novaes, R.A. "Uso de dados orbitais para identificação e avaliação de áreas de cana-de-açúcar". São José dos Campos, abril de 1978, (INPE-1228-NTE/116).

Batista, G.T.; Mendonça,F.J.; Lee, D.C.L.; Tardin, A.T.; Chen, S.C.; Novaes, R.A. "Uso de sensores remotos a bordo de satélites e aeronave na identificação e avaliação de áreas de culturas para fins de previsão de safras". São José dos Campos, abril de 1978, (INPE-1229-NTI/103).

Batista, G.T.; De Lima, A.M.; Tardin, A.T.; Rudorff, B.F.T.; Mendonça, F.J.; Pinto, S.A.F.; Chen, S.C.; Duarte, V. "Desenvolvimento e teste de um sistema de fiscalização das operações de crédito agrícola ao nível de município e de propriedades agrícolas utilizando técnicas de sensoriamento remoto". São José dos Campos, agosto de 1984, (INPE-3239-RPE/462).

Batista, G.T.; Almeida, F.C.; Tardin, A.T.; Pinto, S.A.F. "Pesquisas e aplicações em dados de satélite ambientais: determinação de parâmetros e desenvolvimento de técnicas interpretativas para aplicação de dados de satélite ambientais". São José dos Campos, fevereiro de 1984, (INPE-3005/NTE/213).

Batista, G. T.; Hixson, M. M.; Bauer, M. E. 1985. Landsat MSS Crop Classification Performance as a Function of Scene Characteristics. International Journal of Remote Sensing, 6 (9): 1521-1533.

Batista, G.T.; Chen, S.C.; Dallemand, J.F.; Tardin, A.T. "SPOT data for crop discrimination in southern Brazil". SPOT-1 First in-flight results, Toulouse, França, 17-19 de dezembro de 1986.

Batista, G.T.; Chen, S.C.; Dallemand, J.F.; Tardin, A.T. "Crop identification using SPOT and TM data". São José dos Campos, outubro de 1987, (INPE-4402-PRE/1219).

Batista, G. T.; Dallemand, J. F.; Chen, S. C.; Tardin, A. T. 1987. Digital and Visual Analysis of Spot and TM data for Crop Discrimination in Southern Brazil. In: SPOT-1, Image Utilization, Assessment, Results. PEPS, Paris, pp: 381-388.

Batista, G.T.; Soares, J.V.; Novo, E.M.L.M.; Shimabukuro, Y.E.; Valeriano, D.M.; Kux, H.J.H.; Mascarenhas, N.D.A.; Dias, L.A.; Almeida Filho, R.; Molion, L.C.B.; Tundisi, J.G. "Long-term monitoring of amazon ecosystems through the Eos: from patterns to processes". São José dos Campos, 1988, (INPE-4673-RPE/574).

Câmara, G.; Velasco, F.R.D.; Oliveira, J.L.O. "Projeto de um Sistema Geográfico de Informação". 3o. Congresso da SBC, Campinas, SP, julho de 1983.

Chen, S.C.; Batista, G.T.; Tardin, A.T. "TM Band combination for crop discrimination". Proc. International Symposium on Remote Sensing for Resources Development and Environmental Management: 211-214, Enschede, Holanda, 25-29 de agosto de 1986. (INPE-3905-PRE/946).

Curran, P.J.; Novo, E.M.L.M. "The relationship between suspended sediment concentration and remotely sensed spectral radiance: a review". Journal of Coastal Research, 4(3):351-368, 1988.

Dallemand, J.F.; Tardin, A.T.; Batista, G.T.; Chen, S.C. "Sensoriamento remoto e agricultura". Ciência Hoje, vol. 8, n. 43, 44- 51, 1988.

Duarte, V.; Rudorff, B.F.T.; Batista, G.T. (1984), Interpretação visual da cultura da cana-de-açúcar ao nível de propriedade agrícola utilizando imagens MSS-Landsat e informações complementares. Presented in the III Simpósio Brasileiro de Sensoriamento Remoto, 28-30 Nov., Rio de Janeiro, RJ.

Epiphanio, J.C.N.; Gleriani, J.M.; Formaggio, A.R.; Rudorff, B.F.T. (1996) Índices de vegetação na cultura do feijão. Pesquisa Agropecuária Brasileira, Brasília, 31(6): 445-454.

Erthal, G.J.; Oliveira, M.O.B.; Felgueiras, C.A.; Câmara-Neto, G.; Paiva, J.A. "O Banco de Dados Geográficos do INPE". I Simpósio Brasileiro de Banco de Dados, Rio de Janeiro, RJ, abril de 1986.

Liu, C. C.; Carraro, C.C.; Yamagata, S. K. 1973. Geology of the Areas of the upper São Francisco Basin and Furnas DAM (Brazil) based on Interpretation of ERTS-1 Imagery. INPE, São José dos Campos, (inpe-395-lafe).

Liu, C. C.; Meneses. p. r.; Machado Filho, l. ; Ribeiro, m. w.; Oliveira, j. a. d. 1976. Geologia do Estado do Rio de Janeiro baseada em Imagens MSS do Landsat-1. XXIX Cong. Bras. Geol., Ouro Preto, vol. 4: 312-325.

lorenzetti, j.a. 1980. O Sensoriamento Remoto aplicado na estimativa da concentração de clorofila no mar. Boletim do Inst. Oceanog. 29(2), 223-225

Maluf, S.; Matsuura, Y,; Steck, J.L. 1983 Primeira tentativa de identificação de áreas favoráveis à ocorrência de Bonito-listrado (Katswonus pelamis), através da análise de dados oceanográficos na região sudeste-sul do Brasil. (INPE-2972-RPE/499)

Maluf, S. 1985 Relatório final do Subprojeto CARPE (Modelos de Cartas de Pesca) referente ao Bonito-listrado (Katswonus pelamis) apresentado à Comissão Interministerial para os Recursos do Mar (CIRM) (INPE-3707-RPE/495)

Meireles, D.S., J.A.Lorenzzetti, C.A.Steffen.1978. Missão Hidrosere II. S.José dos Campos, INPE (INPE-1268-NTE/121).

mendonça, f.j.; batista, g.t.; tardin, a.t. "PROJETO CANASATE: Sensoriamento Remoto aplicado ao levantamento da cultura da cana-de-açúcar". III Simpósio Brasileiro de Sensoriamento Remoto, Rio de Janeiro, novembro de 1984. (INPE 4902-PRE/1503).

Moreira, M.A.; Chen, S.C.; Batista, G.T. "Wheat area estimation using digital LANDSAT MSS and aerial photographs". International Journal of Remote Sensing, vol. 7, n. 9, 1109-1120, 1986 (INPE -3824-PRE/900).

Mulchi, C.L.; Rudorff, B.F.T.; Zakaria, M.; Lee, E.; Rowland, R. (1995) Morphological responses among crop species to full-season exposure to enhanced concentrations of atmospheric CO₂ and O₃. Water, Air and Soil Pollution 85: 1379-1386.

Nosseir, M.K.; Batista, G.T.; Palestino, C.V.B. "Mapping of natural vegetation distribution on Central Eastern Brazil from data obtained by ERTS-1". Earth Resources Development Research Institute, Ref. 77/2, Washington, D.C., 1974.

nosseir, m.k.; palestino, c.v.b.; batista, g.t. "Mapeamento da vegetação natural dos Estados de Minas Gerais e Espírito Santo através de imagens MSS do ERTS-1". São José dos Campos, fevereiro de 1975, (LAFE-617).

Novo, E.M.L.M. Aplicações de sensoriamento remoto em hidrologia e recursos hídricos. Revista Brasileira de Engenharia. 4(2):5-19, 1986

Novo, E.M.L.M. "Aplicações de Sensoriamento Remoto em Hidrologia e Recursos Hídricos". Revista Brasileira de Engenharia 4(2):5-l9, 1986.

Novo, E.M.L.M.; Abreu, A.A. Evaluation of aerial photographs for the detection of changes in a fluvial system due to human action: the example of Canas River Basin (São Paulo State, Brasil) ITC Journal. 3LP. 285-289. 1988

Novo, E.M.L.M. Utilização de dados de Sensoriamento Remoto em estudos ambientais. Geografia, 13(25):43-51. 1988

Novo, E.M.L.M. A participação das técnicas de sensoriamento remoto na pesquisa geográfica brasileira. Boletim Paulista de Geografia, 63:23-32, 1986

Novo, E.M.L.M.; Hanson, J.D.; Curran, P.J. The effect of sediment type on the relationship between reflectance and suspended sediment concentration. International Journal of Remote Sensing, 10 (7):1283-1289, 1989(a)

Novo, E.M.L.M.; Hanson, J.D.; Curran, P.J. "The effect of viewing geometry and wavelength on the relationship between reflectance and suspended sediment concentration". International Journal of Remote Sensing, V 10(8):1357-1372, 1989(b).

Paradella, W.R..; Vitorello, I. 1982. Sensores Remotos na Geologia: Tendência Atual e Perspectivas Futuras com Dados de Satélites. Revista Ciências da Terra, 5 (6/7): 19-23

Paradella, W.R. 1984. Avaliação de Critérios de Seleção de Atributos Espectrais de Imagens Digitais MSS-LANDSAT em Discriminações Litológicas no Baixo Vale do Rio Curaçá, Ba.. Revista Brasileira de Geofísica, 6 (2):105-117.

Paradella, W. R. 1986. O Significado Litológico da Informação Espectral e Temporal (Sazonal) de Imagens Digitais MSS do Satélite LANDSAT-3 para o Baixo Vale do Rio Curaçá, Bahia. Revista Brasileira de Geociências, 16 (3):135-148.

Paradella, W.R. 1986. Avaliação preliminar de dados TM-LANDSAT 5 para exploração mineral na Região Amazônica: Intrusivas de Maraconaí e Maicuru (Pará)". 36⁰. Congresso Brasileiro de Geologia, Goiânia, Soc. Bras. Geologia. p. 2951-2962..

Paradella, W.R.; Vitorello, I.; Liu, C.C.; Mattos, J.T.; Meneses, P.R.; Dutra, L.V. 1987. Spectral and spatial attribute evaluation of SPOT data in geological mapping of precambrian terrains in semi-arid environment of Brazil". In: SPOT-1, Image Utilization, Assessment, Results. International Conference, Paris, 23-27 Nov., p. 851-860.

Paradella, W.R.; Bruce, W.D. 1989. Geobotânica por Sensores Remotos: Uma Revisão.Revista Brasileira de Geociências, 19 (4):425-435.

Paradella, W.R.; Vitorello, I.; Liu, C.C.; Mattos, J.T.; Meneses, P.R.; Dutra, L.V. 1990. Imagens do Satélite SPOT-1 em Mapeamento Geológico: um Estudo Comparativo comVários Produtos Sensores no Vale do Rio Curaçá, Bahia. Revista Brasileira de Geociências, 20 (1-4): 282-292.

Rudorff, B.F.T. (1987), Técnica para obter limites de propriedades agrícolas sobre imagens de satélite, visando controlar e acompanhar a atividade agrícola. Presented in the Encontro Nacional de Sensoriamento Remoto Aplicado ao Planejamento Municipal, 22-23 Out., Campos do Jordão, SP.

Rudorff, B.F.T.; G.T. Batista (1984), Resposta espectral da cana-de-açúcar através de dados multitemporais do MSS do Landsat-4. In Memória final da IV Reunion Plenária Selper, Santiago, Chile, 12-16 Nov., INPE, pp. 171-181.

Rudorff, B.F.T.; G.T. Batista (1984), Avaliação do desempenho da classificação e estimativa da proporção da cultura da cana-de-açúcar pelo Procedimento-INPE utilizando dados Landsat. Presented in the III Simpósio Brasileiro de Sensoriamento Remoto, 28-30 Nov., Rio de Janeiro, RJ.

Rudorff, B.F.T.; T. Krug (1986), Sensoriamento remoto na estimativa da área plantada com feijão, milho e mamona no município de Irecê, BA. In Anais do I Simpósio Latino Americano de Sensoriamento Remoto, Gramado, RS, 10-15 ago. 1986, INPE, 1:380-384.

Rudorff, B.F.T., and G.T. Batista (1990), Spectral response of wheat and its relationship with agronomic variables in the tropical region. Remote Sensing of Environment, 31:53-63.

Rudorff, B.F.T., and G.T. Batista (1990), Yield estimation of sugarcane based on agrometeorological­spectral models. Remote Sensing of Environment, 33:183-192.

Rudorff, B.F.T., G.T. Batista, and A.T. Tardin (1990), Aerial photography as an aid for agricultural credit control. SELPER, 6(4):25-32.

Souza, R.C.M.; Câmara, G.; Alves, D.S. "O desenvolvimento de sistemas de informação geográfica e de processamento digital de imagens no INPE". Anais do I Simpósio Brasileiro de Geoprocessamento, p.168-173, SP, maio, 1990.

Soares, J.V., R. Bernard, O. Taconet, D. Vidal-Madjar & A. Weill. 1987. Estimation of bare soil evaporation from airborne measurements. Journal of Hydrology, 99: 281-296.

tardin, a.t.; santos, a.p.; lee, d.c.l.; batista, g.t.; ohara, t.; santos, j.r.; hernandez filho, p.; novaes, r.a.; chen, s.c.; shimabukuro, y.e. "Uso de sensoriamento remoto para avaliação de danos causados pela geada no nordeste do Paraná". (1a parte). São José dos Campos, setembro de 1975, (INPE-745-NTE/026).

Tardin, A.T., G.V. Assunção e J.V. Soares, 1992. Análise preliminar de imagens TM visando a discriminação de Café, Citrus e Cana-de-açúcar na região de Furnas-MG. Revista Agropecuária Brasileira, 27 (9): 1355-1361.

Tseng, Y.C.1974. Study of the surface boundary of the Brazil and Falkland Currents. Proceedings of the Seminar on Space Aplications of Direct Interests to Developing Countries, vol.2, S.José dos Campos, Brazil: 160-173.

Tseng, Y.C., H.M. Inostroza, R.Kumar.1977. Study of the Brazil and Falkland Currents using THIR images of Nimbus V and oceanographic data in 1972 to 1973. Proceedings of the Eleventh Int. Symp. on Remote Sensing of the Environment. 25-29 April 1977, vol. 1, Ann Arbor, USA: 859-871.

Vianna, m.l; Solewicz. R.1988. Feições fisiográficas submarinas da plataforma continental do Rio Grande do Norte visíveis por imagens de satélites", Anais do V Simpósio Brasileiro de Sensoriamento Remoto vol.3, 581-587 (INPE).

Livros

Banon, G.; Barrera, J. Bases da Morfologia Matemática para Análise de Imagens Binárias. UFPe, 9^a. Escola de Computação, 1994.

Bustos, O. H. ; Frery, A.C. Simulação estocástica: teoria e algoritmos. Rio de Janeiro, IMPA, 1992. Monografias de Matemática, 49.

Câmara, G; Casanova, M.A.; Hemerly, A.; Magalhães, G.C.; Medeiros, C.M.B. Anatomia de Sistemas de Informação Geográfica. UNICAMP, 10^a. Escola de Computação, 1996.

Mascarenhas, N.D.A.; Velasco, F.R.D. Processamento Digital de Imagens. São Paulo, 2^a. Escola de Computação, 1984.

Novo, E. Sensoriamento Remoto: Princípios e Aplicações. São Paulo, Edgard Blücher, 1988.

Capítulos de Livros

Câmara, G. Anatomia de Sistemas de Informação Geográfica. In : Assad, E.; Sano, E.E.(eds.), Sistema de Informações Geográficas. Aplicações na Agricultura. Brasília, DF, EMBRAPA. P.10-40, 1993.

Câmara, G.; Felgueiras, C.A. Sistemas de Informações Geográficas do INPE. In: Assad, E.; Sano, E.E. (eds.), Sistema de Informações Geográficas. Aplicações na Agricultura. Brasília, DF, EMBRAPA, p.41-59, 1993.

Medeiros, C. B., Casanova, M.A; Camara, G. : "The DOMUS Project - Building on OODB GIS for Environmental" Control. In: Jürg Nievergelt, Thomas Roos, Hans-Jörg Schek, Peter Widmayer (Eds.), Proceedings of IGIS '94: International Workshop on Advanced Information Systems. Lecture Notes in Computer Science, Vol. 884, p. 45-54. Berlin, Springer-Verlag, 1994.

Novo, E.M.L.M; Lobo, F. ; Calijuri, M. C. Remote Sensing and Geographical Information System Application to Inland Water Studies. In: Tundisi, J.G.; Bicudo, C.E.M.; Matsumura-Tundisi, ed. LIMNOLOY in Brazil, Brazilian Academy of Sciences , Brazilian Limnological Society, 1995.

Schimel, D., Alves, D., Enting, I, Heimann, M., Joos, F., Raynaud, D., Wigley, T. 1996. "Radiative Forcing of Climate Change. CO2 and the Carbon Cycle". In: Climate Change 1995 (eds. J.T. Houghton, L.G. Meira Filho, et al.), Cambridge, U.K., Cambridge University Press, 35-71

Patentes e Sistemas

SITIM (Sistema de Tratamento de Imagens). Ambientes: PC/DOS. Funcionalidade: Processamento Digital de Imagens de Sensoriamento Remoto, com módulos para: Registro e Correção Geométrica, Realce, Filtragem, Principais Componentes, Transformação IHS, Seleção de Atributos, Classificação Estatística. Tamanho do sistema: 100.000 linhas de código (linguagem C). Investimento: 40 homens/ano. Número de cópias instaladas: 150. Registro na SEPIN/MCT: 11994/6.

SGI (Sistema de Informação Geográfica). Ambientes: PC/DOS. Funcionalidade: Tratamento de Mapas Temáticos (digitalização, edição, transformação matriz/vetor e vetor/matriz), Tratamento de Modelos Numéricos de Terreno (digitalização, geração de grade regular, mapas de declividade e exposição, geração de isolinhas, mapas hipsométricos, perfis, volume, visualização 3D), Análise Geográfica (operações booleanas e matemáticas entre mapas), Transformações Projetivas (14 projeções cartográficas), Interface com Bancos de Dados (padrão dBASE) e Geração de Cartas (preparação da carta, inserção de símbolos e legendas, plotagem). Tamanho do sistema: 150.000 linhas de código (linguagem C). Investimento: 60 homens/ano. Registro na SEPIN/MCT: 11994/6.

SPRING (Sistema de Processamento de Informações Georeferenciadas). Ambientes: UNIX/Motif (Sun, Silicon Graphics, IBM, HP, PC/Linux) e MS/Windows. Funcionalidade: Toda a disponível no SITIM/SGI e adiocionalmente: Processamento de Imagens (restauração, segmentação e classificação por regiões, pós-classificação ICM, modelos de mistura espectral), Análise Geográfica (linguagem de análise LEGAL), Modelagem Numérica de Terreno (grades triangulares com/sem restrições), Geração de Cartas (interfaces WYSIWYG - "o que voce vê é o que voce tem" e biblioteca de símbolos. Interfaces para sistemas: ARC/INFO, AutoCAD, TIFF, PCI. Tamanho do sistema: 300.000 linhas de código (linguagem C++). Investimento: 100 homens/ano. Registro na SEPIN/MCT: 24.722/3.

Trabalhos Recentes de Pesquisadores do Núcleo (1991-1996) em Revistas Científicas

Adams, J. B.; Sabol, D.; Kapos, V.; Almeida Filho, R.; Roberts, D. A.; Smith, M. O.; Gillespie, A. R. 1995. Classification of multispectral images based on fractions of endmembers: application to land-cover in the Brazilian Amazon. Remote Sensing of Environment, 52 (1): 137-152.

Almeida Filho, R.; Castelo Branco, R. M. G.. 1992. Location of Kimberlites using Landsat Thematic Mapper Images and Aerial Photographs: the Redondão Diatreme, Brazil. International Journal of Remote Sensing, 13 (8): 1449-1457.

Almeida Filho, R. 1995. Integração, manipulação e análise espacial na pesquisa mineral através de modelos empíricos de prospecção: um exemplo no Planalto de Poços de Caldas. Revista Brasileira de Geofísica, 13 (2): 127-142.

Almeida Filho, R.; Vitorello, I.; Correa, V.R. M. 1996. Use of Landsat Thematic Imagery as mineral rospecting tool in the Tin Province of Goiás, Brazil. Geocarto International, 11 (1): 1-9.

Alves, D.S. & Skole, D.L., 1996 "Characterizing Land Cover Dynamics Using Multi-Temporal Imagery". International Journal of Remote Sensing, 17 (4), 835-839

Alves, D.S., Soares, J.V., Amaral, S., Mello, E.K., Almeida, S.A.S., Silva, O.F., Silveira, A.M. "Biomass of Primary and Secondary Rondônia, Western Brazilian Amazonia". Submetido a Global Change Biology.

Banon, G.J.F; Barrera, J. 1991. "Minimal representation for translation-invariant set mappings by mathematical morphology". SIAM Journal on Applied Mathematics, 51:1782-1798.

Banon, G.J.F; Barrera, J. 1993. "Decomposition of mappings between complete lattices by mathematical morphology: Part I - General Lattices.". Signal Processing, 30:299-327.

Batista, G.T. "Role of remote sensing in large field experiments in Amazônia". Revista Brasileira de Geofísica, Vol. 12, Número 1:35-38, Maio 1994.

Batista, G.T. "Amazon Special Issue: Forward". Remote Sensing Reviews, Vol. 10, (1-3): 1-3, 1994.

Batista, G.T., Tucker, C.J. "Assessment of AVHRR data for deforestation estimation in Mato Grosso (Amazon Basin)". Remote Sensing Reviews, Vol. 10, (1-3): 35-50, 1994.

Câmara, G.; Souza, R.C.M.; Freitas, U.M.; Garrido, J.C.P., 1996. "SPRING: Integrating Remote Sensing and GIS with Object-Oriented Data Modelling". Computers and Graphics, 20(3):395-403.

Campos, E.; Y.Ikeda; B.M.Castro; S.A.Gaeta; J.A.Lorenzzetti; M.R.Stevenson. 1996. Experiment studies circulation in the western South Atlantic. EOS vol 77, no.27: 253-259.

Fonseca, L.M.G.; Prasad, G.S.S.D.; Mascarenhas, N.D.A. 1993 "Combined interpolation - restoration of Landsat images through FIR filter design techniques". International Journal on Remote Sensing:14 (13):2547-2561.

Frery, A.C.; Müller, H.J.; Yanasse, C.; Sant'Anna, S. J. S. "A Model for Extremely Heterogeneous Clutter". Aceito para publicação no IEEE Transactions on Geoscience and Remote Sensing.

Galvão, L. S.; Vitorello, I. 1994. Spectral reflectance-lithostratigraphy of terrigenous rocks of the Parnaíba Basin, Brazil: chemical composition relationships. Revista Brasileira de Geociências, 24 (1): 22-31.

Galvão, L. S.; Vitorello, I.; Paradella, W. R. 1995. Spectroradiometric Discrimination of Laterites with Principal Components Analysis and Additive Modeling. Remote Sensing of Environment, 53 (3): 70-75.

Holvorcem, P.R.C.; Vianna, M.L. 1992 . Integral equation approach to tropical ocean dynamics Part II: Rossby wave scattering from the equatorial Atlantic western boundary. J. Mar. Res. 50:33-61.

Luckman, A.J.; Baker, J.; Kuplich, T.M.; Yanasse, C.C.F.; Frery, A. 1996 "A study of the relationship between radar backscatter and regenerating tropical forest biomass for spaceborne SAR instruments". Remote Sensing of Environment (in press).

Mascarenhas, N. D. A., Banon, G. J. F., Candeias, A. L. B., 1996. "Multispectral Image Data Fusion Under a Bayesian Approach", International Journal of Remote Sensing, 17(8):1457-1471.

Novo, E.M.L.M.; Steffen, C.A.; Zuccari, C.F.B. 1991. "Results of a Laboratory experiment on relating spectral reflectance to total suspended solids". Remote Sensing of Environment, 36;67-72.

Novo, E.M.L.M; Shimabukuro, Y.E. 1994."Spectral mixture analysis of inland tropical waters". International Journal of Remote Sensing,

Novo, E.M.L.M.; Costa, M.P.; Noernberg, M.A.; Ahern, F. "Use of SAR-C airborne data to monitor the infestation of aquatic plants in tropical reservoirs". Aceito para a publicação em Remote Sensing of Environment.

Novo, E.M.L.M.; Shimabukuro, Y.E. "Identification and mapping of the Amazon floodplain habitats using mixing models". Aceito para publicação no International Journal of Remote Sensing.

Novo, E.M.L.M.; Leite, F.A.; Avila, J.; Ballester, V.; Melack, J.M. "Assessment of the Amazon floodplain habitats using TM/Landsat data". Ciência e Cultura, 1996 (in press).

Paradella, W.R. Sensoriamento Remoto e o Processamento Digital de Imagens em Geologia. Revista Escola de Minas, 47 (4): 297-302, 1994.

Paradella, W.R.; Silva, M. F.F ; Rosa, N. A.; Kushigbor, C. A.. A Geobotanical Approach to the Tropical Rainforest Environment of the Carajás Mineral Province (Amazon Region, Brazil), based on Digital TM-Landsat and DEM data. International Journal of Remote Sensing, 15 (8): 1633-1648, 1994.

Paradella, W. R.; Vitorello, I.. Geobotanical and Soil Spectral Investigation for Rock Discrimination in the "Caatinga" Environment (Brazil) based on Multitemporal Remote Sensing Data. Canadian Journal of Remote Sensing: 21 (1): 52-59,1995.

Paradella, W. R.; Pietsch, R. W.; Toutin, T.; Bignelli, P. A.; Veneziani, P. Airborne and Spaceborne SAR Integration with Landsat TM and Gamma Ray Spectrometry for Geological Mapping in a Tropical Rain Forest Environment (Carajás Mineral Province, Brazil). International Journal of Remote Sensing, (in press).

Pires, J.S.R.; Novo, E.M.L.M. 1991. "Use of TM-Landsat data to identify silting areas in the Tucuruí Reservoir". Ciência e Cultura, 43 (5);385-387.

Quegan,S.; Dutra, L.V.; Grover, K.D.;"Phase measuments in Maestro Polarimetric data", International Journal of Remote Sensing. 15(14):2719-2736, 1994

Quegan,S.; Yanasse, C.C.F; de Groof, H.; Churchill, P.N.; Sieber, A. 1991"The radiometric quality of AgriSAR data". International Journal of Remote Sensing, 12:207-332.

Quegan,S.; Grover, K.D. ; Yanasse, C.C.F. 1996 "Use of C-band SAR for quantitative estimation of tropical forest cover: methods and limitations". Aceito para publicação no IEEE Transactions on Geoscience and Remote Sensing.

Rudorff, B.F.T., and G.T. Batista (1991), Wheat yield estimation at the farm level using Landsat TM and Agrometeorological data. International Journal of Remote Sensing, 12:2477-2484.

Rudorff, B.F.T.; Epiphanio, J.C.N.; Shimabukuro, Y.E.; Bogossian, O.L.; Krug, T. (1995) Um satélite de monitoramento ambiental para o Brasil. Ciência Hoje, SBPC, 115: 58-61.

Rudorff, B.F.T.; Mulchi, C.L.; Daughtry, C.; Lee, E. (1996) Growth, radiation use efficiency, and canopy reflectance of wheat and corn under elevated ozone and carbon dioxide atmospheres. Remote Sensing of Environment 55: 163-173.

Rudorff, B.F.T.; Mulchi, C.L.; Rowland, R.; Lee, E.; Pausch, R. (1996) Photosynthetic characteristics in wheat exposed to elevated O₃ and CO₂. Crop Science 36(5).

Rudorff, B.F.T.; Mulchi, C.L.; Fenny, P.; Lee, E.; Rowland, R.; Pausch, R. (1996) Wheat grain quality under enhanced tropospheric CO₂ and O₃. Journal of Environmental Quality 25(6).

Saatchi, S.S., Soares, J.V., Alves, D.S. " Mapping Deforestation and Land Use in Amazon Rainforest using SIR-C Imagery" Remote Sensing of Environment (in press).

Soares, J.V; Rennó, C.D.; Formaggio, A.R.; Yanasse, C.C.F.; Frery, A. "Evaluation of texture features for crops discrimination using SAR". Remote Sensing of Environment (in press).

Tundisi, J.G.; Matisumura-Tundisi, T.; Calijuri, M.C.; Novo, E.M.L.M. Comparative limnology of five reservoirs in the middle Tiete River. São Paulo State. Verh. Internat, Verein. Limnol., 24 (5);1489-1496, 1991.

Vianna, M. L. and Holvorcem, P.R. 1992. Integralequation approach to tropical ocean dynamics, Part I. Theory and Computational Methods. J. Mar. Res.50:1-31

Vianna, M.L.; Solewicz, R.; Cabral, A.P.; V.Testa.1991. Sandstream on the northeast Brazilian shelf, Cont. Shelf Res. 11: 509-524.

Vianna, M.L.; A.P.Cabral, D.Gherardi.1993. TM-Landsat imagery applied to the study of the impact of global climate change on a tropical coastal environment during the last deglaciation, Int. J. Remote Sens.14: 2971-2983.

Yanasse, C.C.F. ; Quegan, S.; Martin, R.J. 1994 "Inferences on spatial and temporal variability of the backscatter from growing crops using AgriSAR data". International Journal of Remote Sensing, 13:493-507.

Yanasse, C.C.F.; Sant'Anna, S.J.S.; Frery, A.C.; Rennó, C.D.; Soares, J.V.; Luckman, A.J 1996. "Exploratory study of the relationship between tropical forest regeneration stages and SIR-C L and C data". Remote Sensing of Environment (in press).

Trabalhos Recentes dos Pesquisadores do Núcleo (1991-1996) em Congressos com "referees"

Alves, D. S.; Moreira, J.C.; Mello, E.K.; Soares, J.V.; Fernandez, O.; Almeida, S.; Ortiz, J.D. "Mapeamento do Uso da Terra em Rondônia utilizando ténicas de segmentação e classificação de imagens LANDSAT-TM". Anais do VIII Simpósio Brasileiro de Sensoriamento Remoto, Salvador, April de 1996.

Amaral, S., Soares, J.V., de Mello, E.M.K., Almeida, S.A.S., da Silva, O.F., Silveira, A.M., 1996. "Relações entre Índice de Área Foliar (LAI), Área Basal e Índice de Vegetação (NDVI) em relação a diferentes estágios de crescimento secundário na Floresta Amazônica em Rondônia". VIII Simpósio Brasileiro de Sensoriamento Remoto. Anais. Salvador, Abril de 1996, CDROM

banon, g.j.f. & barrera, j. Bases da morfologia matemática para a análise de imagens binárias. IX Escola de Computação, Recife, 1994.

Bins, L.; Erthal, G.J.; Fonseca, L.M.G. "Um método para classificação não-supervisionada de regiões". In: VI Simpósio Brasileiro de Computação Gráfica e Processamento de Imagens, Recife, 1993. Anais, Recife, UFPe/SBC, pp. 65-68, 1993.

Bins,L.; Fonseca, L.M.; Erthal, G.J.; Mitsuo Ii, F. "Satellite Imagery Segmentation: a Region Growing Approach". Anais do VIII Simpósio Brasileiro de Sensoriamento Remoto, Salvador, April de 1996.

Banon, G.J.F.;Candeias, A.L.B. 1993. Restauração de imagens NOAA por Morfologia Matemática", Anais do VI Simpósio Brasileiro de Computação Gráfica e Processamento de Imagens, Recife, out., p: 139-145.

Candeias, A.L.B. Fernandez 1993. Delimitação do Reservatório Buritama a partir da imagem simulada SSR usando Morfologia Matematica, Anais do VII Simpósio Brasileiro de Sensoriamento Remoto", vol II, Curitiba, mai, p: 318-322.

Candeias, A.L.B.; Mura J.C.; Dutra L.V.; Moreira, J. M. 1995. Interferogram phase noise reduction using morphological and modified median filters. In: IGARSS'95 (International Geoscience and Remote Sensing Symposium). Firenze, Italia, jul, p: 166-168.

Cordeiro,J.P.C.; Amaral,S.; Freitas,U.M.; Câmara, G. "Álgebra de Geo-Campos e Suas Aplicações". Anais do VIII Simpósio Brasileiro de Sensoriamento Remoto, Salvador, April de 1996.

Dutra, L.V.;Sant'Anna, S.J.S.; " The Effect of Speckle Filtering on SAR Texture Discrimination. In: VIII Simpósio Brasileiro de Sensoriamento, Salvador, Bahia, 14-19 de Abril, 1996. - Trabalho completo aceito para publicação em Proceedings

Galvão, L.S., Vitorello, I., Paradella, W.R. 1994. Spectroradiometric Discrimination of Laterites with Principal Components Analyis. Proceedings da 10th. Thematic Conference on Geologic Remote Sensing, San Antonio, Texas, 9-12 Maio de 1994, vol. II, p: 316-325.

Medeiros, A.M.; Rudorff, B.F.T.; Shimabukuro, Y.E. (1996) Imagens Landsat na estimativa de áreas de cana-de-açúcar, milho e soja. In VIII Simpósio Brasileiro de Sensoriamento Remoto, Salvador (BA), 14-19 abril 1996. ANAIS CD-ROM 5p.

Novo, E.M.L.M.; Lobo, F.A.L.R.; Calijuri, M.C.; Tundisi, J.G.1994. Predictive modeling of trophic reservoir using geographical information systems. IGARSS 94, Pasadena, USA, 8-12.

Paradella, W. R., Liu, C. C., Veneziani, P., Santos, A. R., Bignelli, P. A., Dias, R. R.1994. An Overview of SAREX' 92 (South American Radar Experiment) Data Acquisition and Preliminary Results from Carajás Mineral Province (Brazilian Amazon Region). Proceedings da 10th. Thematic Conference on Geologic Remote Sensing, San Antonio, Texas, 9-12 Maio, vol. II, p: 214-225.

Paradella, W.R. 1992. A GIS and a Geobotanical Investigation Based on TM-Landsat and DEM for Geological Mapping in the Tropical Rain Forest Environment (Brazilian Amazon Region). IGARSS' 92 (International Geoscience and Remote Sensing Symposium) Houston, EUA, 26-29 de Maio, Vol. I, p: 631-633.

Paradella, W. R.; Liu, C. C.; Veneziani, P., Santos, A. R.; Bignelli, P.; Dias, R. R.; Singhroy, V. H. 1993. First results from a SAR investigation (SAREX data) in the Carajás Mineral Province (Brazilian Amazon Region)". In: SAREX-92, Final Results Workshop, ESA, Paris, 6-8 Dezembro 1993, Proceedings, p: 101-111.

Paradella, W. R.; Ahern, F. J.; Kux, H. J. H.; Novo, E. M. L. M.; Costa, M. P. F.; Shimabukuro, Y. E.; Alves, D. S.; Valeriano, D. M. "O Uso de Radar Orbital em Estudos Ambientais na Amazônia Brasileira: A Avaliação do RADARSAT no Programa ADRO". VIII Simp. Bras. Sens. Remoto, Salvador, CD, 1996.

Rudorff, B.F.T.; Mulchi, C.L.; Lee, E.; Rowland, R.; Daughtry, C. (1995) Effects of O₃ and SO₂ on leaf characteristics in soybeans grown under ambient- and enriched-carbon dioxide atmosphere. In European Symposium on Optics for Environmental and Public Safety. Conference on Air Toxics and Water Monitoring. G. Russ Wurn (Ed.). S.P.I.E. Vol. 2503:89-101.

Testa V., D. F. M. Gherardi, D. W. J. Bosence, M. L. Vianna. 1995. Tropical algal carbonates from shelf and atoll environments, Northeast Brazil. 14th Congress of the International Association of Sedimentologists, Recife, Brazil, p B-17.

Valerio Filho, M.; Donzeli, P. L.; Pinto, S. A. F. Remote Sensing and data integration to evaluate the potential soil erosion and land capability. 25 th International Symposium Remote Sensing and Global Change. Graz-Austria. II :759-765, Abril de 1993.

Valerio Filho, M.; Pereira Neto, O. C. Geoprocessing techniques applied to the study of the dynamics of land use and land cover at small watersheds. International Geoscience and Remote Sensing Symposium-IGARSS`95. Florença-Itália, 3: 345-348. Julho 1995.

Valerio Filho, M.; Araujo Junior, G. J. L. Geoprocessing techniques and modelling applied to monitor erosion of tropical soils. XVIII Congress of the International Society for Photogrammetry and Remote Sensing, ISPRS`96. Viena-Austria, Julho 1996.

Vianna,M.L.1996.Contribuição do INPE no levantamento da geomorfologia submarina da plataforma continental nordestina e Atol das Rocas com utilização de satélites e mergulho.VIII Simpósio Bras. Sens. Remoto, Salvador ,Ba, 14-19 abril 1996.

Vianna, M.L.; M.Kampel.1995.A High Resolution Study of the Dynamics of Atlantic SST Fields . Proceedings of the International Scientific Conference on the Tropical Ocean Global Atmosphere (TOGA) Programme.2-7 April 95. WCRP-91; WMO/TD No.717, Dec.1995, v.1: 20-24.

Yamaguchi, F.Y. "Linguagem de Consulta para Banco de Dados Geográficos". Anais do VIII Simpósio Brasileiro de Sensoriamento Remoto, Salvador, April de 1996.

Teses de Mestrado e Doutorado Recentes Relevantes

Aguiar, A.P.D. "Utilização de atributos derivados de proporções de classes em um pixel na classificação multiespectral de imagens de Sensoriamento Remoto". Dissertação de Mestrado em Sensoriamento Remoto, INPE, 1991.

Câmara,G. Modelos, Linguagens e Arquiteturas para Bancos de Dados Geográficos. Tese de Doutorado em Computação Aplicada, INPE, São José dos Campos, dezembro de 1995.

Frery, A.C. Algumas Ferramentas Estatísticas na Síntese, Processamento e Análise de Imagens de Radar de Abertura Sintética. Tese de Doutorado em Computação Aplicada, São José dos Campos, INPE, 1993.

Namikawa, L.M. Um método de ajuste de superfície para grades triangulares considerando linhasa características. Dissertação de Mestrado em Computação Aplicada - INPE, São José dos Campos, 1995.

Oliveira, J.D. Estratificação do desflorestamento na Amazônia pelas classes de vegetação - Dissertação de Mestrado em Sensoriamento Remoto, INPE, São José dos Campos, 1995.

Pinto, S. A. F. Sensoriamento remoto e integração de dados aplicados no estudo da erosão dos solos: contribuição metodológica. Tese de Doutoramento. São Paulo, Departamento de Geografia, F.F.L.CH., USP. Maio de 1991. 130p.

PONZONI, F. J. Aplicação do modelo SAIL no estudo da reflectância espectral de dosséis de mudas de Eucalyptus sp. e de Aspidosperma sp.. Tese de Doutorado em Ciências Florestais. Universidade Federal do Paraná. Curitiba, 1993.

VALERIANO, D.M. Relationships between tropical forest structure and remotely sensed synthetic aperture radar data. Ph.D. Dissertation in Geography. University of California at Santa Barbara, Santa Barbara, CA, U.S.A.

Vieira, P.R. Desenvolvimento de Classificadores de Máxima Verossimilhança para Imagens SAR. Tese de Mestrado em Sensoriamento Remoto, INPE, 1996.

Yanasse, C.C.F. Statistical Analysis of Synthetic Aperture Radar Images and its Application to System Analysis and Change Detection. PhD Thesis, University of Sheffield, 1991.

Referências Adicionais de Outros Autores (utilizadas no Histórico)

Asrar, G.; Dozier, J. EOS: Science Strategy for the Earth Observing System. Woodbury, NY, AIP Press, 1994.

Assad, E.D.; Sano, E.E. Sistemas de Informações Geográficas - Aplicações na Agricultura. Brasília, EMBRAPA, 1993

Couclelis,H. "People Manipulate Objects (but Cultivate Fields): Beyond the Raster-Vector Debate in GIS". In: Proc. International Conference on GIS - From Space to Territory: Theories and Methods of Spatial Reasoning. Springer Lecture Notes on Computer Science, vol. 639, pp. 65-77, 1992.

Donzeli, P. L.; Valerio Filho, M.; Pinto, S. A. F.; Nogueira,F. P.; Rotta,C. L.; Lombardi Neto, F. Técnicas de sensoriamento remoto aplicadas ao diagnóstico básico para planejamento e monitoramento de microbacias hidrográficas. Instituto Agronômico, Campinas, Documentos IAC, 29: 91-119, Setembro 1992.

Goodchild, M. "The Technological Setting of GIS". In: Maguire, D.J.; Goodchild, M.; Rhind,D.W. (eds.) Geographical Information Systems: Principles and Applications. Longman, London, vol 1, pp.45-54, 1991.

Goodchild, M. "Geographical data modeling". Computers & Geosciences, 18(4): 401-408, 1992.

NCGIA, "The Research Plan for the National Center for Geographical Information and Analysis". International Journal of Geographical Information Systems, 3(2):117-36, 1989.

Worboys, M.F. GIS: A Computing Perspective. London, Taylor and Francis, 1995.

1. Visão Geral

Os resultados esperados estão indicados em função dos objetivos específicos indicados na seção anterior.

2. Pesquisa Aplicada

A.1. Espectrorradiometria Óptica

A.1.1 Obtenção de Biblioteca do Comportamento Espectral dos Materiais Geológicos

O advento dos sensores hiperespectrais, equipamentos capazes de obter imagens sobre uma determinada área em dezenas a centenas de canais, introduziu o conceito de "biblioteca espectral", ou seja, de bancos de dados de reflectância que possam auxiliar o processo de extração da informação das imagens. Para se ter uma idéia da importância destes dados, as técnicas de classificação hiperespectral de imagens atualmente existentes envolvem, basicamente, um processo de comparação de espectros de reflectância extraídos das imagens com espectros coletados em campo e/ou laboratório.

Visando a discriminação e identificação dos materiais nas imagens, especialmente de rochas e solos com feições de absorção diagnósticas, é fundamental que estas bibliotecas espectrais, ou que as amostras que as constituem, sejam respaldadas por dados petrológicos. Estes dados são importantes para a compreensão das variações espectrais das rochas e solos face a variação de seus constituintes mineralógicos/químicos. Desta forma, com esta base petrológica, estas bibliotecas podem ser úteis não apenas nos estudos que envolvam a análise de imagens, como também nas aplicações não-convencionais de sensoriamento remoto. Um exemplo deste tipo de aplicação é a quantificação de cores dos solos e a análise de seu comportamento ao longo dos perfis, em função da variação de constituintes como matéria orgânica e óxidos de ferro, desde o horizonte A até a rocha de origem.

Inserido neste contexto, pretende-se neste período de quatro anos compor bibliotecas espectrais que possam servir como base, especialmente, para eventuais aplicações de sensoriamento remoto hiperespectral em nossos diferentes ambientes geológicos e investigar a utilização potencial destes dados para aplicações não-convencionais de sensoriamento remoto, e (c) tentar viabilizar a ampliação da faixa espectral de coleta de dados do visível e infravermelho próximo (400-2500 nm) para o termal (8000-12000 nm), através da obtenção de curvas ou dados de emissividade espectral dos materiais.

A.1.2 Estudo do Comportamento Espectral da Água

Estes estudos serão realizados através de trabalhos experimentais, controlados(em laboratório) e semi-controlados (em campo) para compreender o efeito da composição da água sobre seu espectro de energia refletida e como os parâmetros de aquisição interferem nas relações entre concentrações de componentes oticamente ativos e a radiância do volume da água.

Mais especificamente, tendo em vista a proposta de lançamento do Satélite Brasileiro de Sensoriamento Remoto (SRB) com órbita equatorial, será desenvolvido um projeto de avaliação do efeito que a variação diária do ângulo de incidência solar tem sobre o comportamento espectral da água e de que modo isto afetará as aplicações de seus dados no monitoramento de sistemas aquáticos e recursos hídricos.

A.2 Estudos de Sensores Hiperespectrais

A.2.1 Sensoriamento Remoto Hiperespectral para Aplicações Geológicas

A etapa hiperespectral é o mais importante evento da história do sensoriamento remoto na faixa ótica, desde o surgimento dos sensores orbitais multiespectrais em 1972. Para uma determinada área da superfície terrestre, sensores hiperespectrais são capazes de adquirir imagens em dezenas a centenas de canais (ou bandas) com larguras estreitas, às vezes da ordem de 10 nm.

No Brasil, imagens hiperespectrais, geradas pelo sensor "Airborne Visible/InfraRed Imaging Spectrometer" (AVIRIS), com 224 canais, foram adquiridas no final do ano passado em algumas áreas situadas a N-NW de Brasília. A missão fez parte do projeto SCAR-B, envolvendo cientistas e instituições de diversos países. Com base neste conjunto de imagens, pretende-se neste período de quatro anos verificar a contribuição do sensoriamento remoto hiperespectral para uma melhor compreensão da geologia local, discriminar e identificar as diferentes litologias, através do estudo das relações existentes entre as propriedades espectrais das rochas e a variação de seus constituintes mineralógicos/químicos e propor uma configuração espectral mínima de bandas, capaz de representar, de forma não-redundante, a maior parte do conteúdo de informação espectral das rochas em relação a informação obtida no contexto hiperespectral.

A.3 Avaliação de Metodologias com Imagens Radar

A.3.1 Avaliação geológica de dados do SIR-C/X- SAR em ambiente tropical semi-árido.

Dados do Spaceborne Imaging Radar C/X-SAR foram adquiridos em Abril de 1984 do Vale do Rio Curaçá, Bahia. As imagens foram coletadas digitalmente em 3 bandas (L, C e X) e quadri-polarizações (HH, VV. HV e VH), com ângulos de incidência e resolução variáveis. O Vale do Curaçá apresenta características excepcionais para pesquisa geológica com sensores remotos devido às suas condições fisiográficas e ambientais (terreno plano, extensas exposições de rochas, solos rasos, baixa densidade de cobertura vegetal e restrita atividade antropogênica).

No caso do SIR-C, devido às suas características inovadoras (é o mais avançado sistema de radar imageador orbital e nenhum outro sistema em operação possui suas características de imageamento em multi-banda e multi-frequência), espera-se gerar conhecimento no papel dos parâmetros do sistema (frequência, polarização e ângulo de incidência) e do terreno (macro-topografia e rugosidade superficial) na discriminação de rochas e seus produtos de alteração (rochas arqueanas de alto grau metamórfico e pelitos/mármores do Proterozoíco Superior), na detecção de estruturas geológicas, mapeamento de feições geomorfológicas e geobotânica (controle da vegetação de caatinga pela litologia).

Uma ênfase especial será também dada na fusão de dados multi-bandas e multipolarização do SIR-C com imagens ópticas do TM-Landsat no contexto de aplicação geobotânica (multisazonal) no mapeamento geológico Os resultados da investigação servirão de base científica para a compreensão da interação energia /matéria (microondas/rochas e seus produtos de alteração) na avaliação de sistemas de radares imageadores atuais e futuros, em pesquisa geológica de ambientes tropicais semi-árido.

A.3.2 Avaliação geológica dos dados RADARSAT-1 em ambiente tropical úmido.

Imagens de radar orbital do RADARSAT-1 dentro da proposta aprovada do INPE no Programa ADRO (RADARSAT-1 Application Development and Research Opportunity Program) estão sendo coletadas da Província Mineral de Carajás (Pará). Foi prevista a aquisição de seis cenas nesta área-teste: 01 no Modo Scansar (órbita descendente), 02 no Modo Standard, com ângulos de incidência variáveis (órbitas ascendentes), 02 no Modo Standard, com ângulos de incidência variáveis (órbitas descendentes) e 01 no Modo Fine (órbita ascendente).

Estes dados serão analisados monoscópicamente e sob esteroscopia orbital e tratados digitalmente (correções radiométricas, geométricas, realces, classificações texturais e fusão com imagens aerogeofísica e TM-Landsat) no contexto de aplicação geológica em análise tectônica, mapeamento geológico e pesquisa mineral (investigar a possiblidade de classificação digital de lateritas mineralizadas em ferro no depósito N1). Serão também conduzidas comparações do conteúdo de informação geológica extraída destes dados com resultados do JERS-1, ERS-1 e TM-Landsat.

Os resultados obtidos da investigação permitirão a primeira avaliação científica sistemática do desempenho do RADARSAT-1 em aplicação geológica de ambiente tropical úmido com relevo montanhoso na Amazônia. Ênfase será dada na análise das inovações do RADARSAT-1 (variação de ângulos de incidência, resolução espacial e direção de visada) no contexto de extração de informações de significado geológico que possam servir de base para a otimização do uso operacional destes dados em programas exploratórios na Amazônia. De particular interesse será a investigação do impacto da estereoscopia orbital (mesma direção de visada com ângulos de incidência distintos e visadas de órbitas descendentes e ascendentes) e dos produtos integrados SAR (SAR com aerogeofísica e SAR/TM-Landsat) na pesquisa geológica.

A participação direta da CPRM (SUREG-Belém) e da DOCEGEO-CVRD, contribuirá na validação dos resultados e transferência da tecnologia para estes usuários que operam sistematicamente na Amazônia, em programas de levantamentos geológicos básicos (PGBC) e prospecção mineral.

A.3.3 Avaliação de dados RADARSAT/JERS-1 no estudo do impacto ambiental da construção de reservatórios

Estes estudos serão realizados no reservatório de Tucuruí onde estão sendo obtidos dados sequências do satélite RADARSAT e JERS-1. Os dados estão sendo adquiridos de acordo com as fases de operação do reservatório, permitindo acompanhar uma oscilação de nível de água da ordem de 12 metros bem como o impacto desta oscilação sobre a comunidade de plantas aquáticas. Paralelamente a aquisição de dados de sensoriamento remoto, estão sendo obtidas medidas de propriedades dos dosséis de plantas aquáticas (biomassa, altura, orientação das folhas, rugosidade, densidade de cobertura, índice de área foliar, etc.) as quais serão relacionadas com medidas de retroespalhamento derivadas das imagens de radar. Estas medidas permitirão avaliar o potencial das imagens de radar para a estimativa da biomassa das plantas aquáticas. Estão também sendo obtidas medidas de emissão de gases de efeito estufa junto aos diferentes bancos de plantas aquáticas com o objetivo de avaliar as relações entre biomassa de plantas aquáticas e a magnitude das emissões.

A.3.4 Avaliação de umidade de solos a partir de imagens SIR-C/X-SAR.

Serão analisadas uma série de imagens SIR-C/X-SAR tomadas sobre o Perímetro Irrigado de Bebedouro, no município de Petrolina, Pe. Durante os vôos do Ônibus Espacial Endeavour, com os radares do experimento, foi realizada uma caracterização agronômica de toda a área do perímetro, bem como coletados dados de rugosidade e umidade do solo a 5 e 10 cm de profundidade.

A.4 Modelagem Ambiental e Integração de Dados

A.4.1. Uso de Técnicas de Integração de dados Digitais Multifonte Visando a Definição de Áreas Potenciais para Ouro e Metais Base no Greenstone belt de Mundo Novo-BA

Trabalhos recentes conduzidos pela CBPM, permitiram a identificação do greenstone belt de Mundo Novo, talvez a mais completa estrutura desse tipo conhecida na Bahia. Além das mineralizações de ouro há muito conhecidas na região de Jacobina, essa seqüência, pelas suas características geológicas e extensão em área, é altamente potencial para a ocorrência de sulfetos de metais base. Dentro desse enfoque, a presente proposta tem como objetivo a análise integrada de dados digitais mutifonte, visando a definição de áreas potenciais para pesquisa mineral nessa região. Dados geológicos prévios e a serem coletados em campo, serão integrados com informações oriundas de sistemas sensores de última geração (JERS-1, ERS-1, Landsat-TM) e a dados geofísicos (magnetometria, gravimetria e cintilometria) e geoquímicos (Au, Cu, Cr, Zn, Pb), usando-se o que há de mais atual em termos de técnicas de geoprocessamento digital de dados. É importante salientar que a análise integrada de dados ora proposta, não visa a criação de um "novo" mapa geológico para a área de estudo. O que se busca com tal abordagem são respostas a questões como: que tipo de informação obtida é ainda desconhecida e merece ser verificada em campo pelo potencial prospector que apresenta? Ao final da pesquisa acredita-se que importante contribuição poderá ser dada, de modo particular ao estudo da área em foco (com implicações do ponto de vista da geologia econômica) e de modo geral, ao desenvolvimento metodológico das técnicas de análise integrada de dados na pesquisa mineral.

A.4.2 Análise de Imagens Multisensor Integradas com Dados de Campo na Discriminação Espectral de Áreas de Microexudação de Hidrocarbonetos, Bacia de Tucano Norte.

Uma das mais importantes contribuições do sensoriamento remoto na pesquisa petrolífera, tem sido sua aplicação na detecção de áreas de microexudação de hidrocarbonetos. A ação de gases em ambiente quimicamente redutor converte em compostos ferrosos, o ferro férrico da hematita, goethita e outros minerais limoníticos contidos nas rochas capeadoras. Outro processo de alteração diagenética comum em áreas de microexudação modifica a distribuição, a proporção relativa e a composição das argilas (caolinita, ilita, clorita) nas rochas encaixantes. Todos esses minerais exibem feições espectrais diagnósticas, que permitem identificá-los remotamente. Evidências indiretas desses processos podem se manifestar como uma ampla gama de feições inter-relacionadas, tais como feições topográficas, anomalias geoquímicas (gasometria e microbiologia de petróleo), geofísicas (magnéticas), anomalias tonais de solos (bleaching), geobotânicas etc. Dentro desse quadro a pesquisa tem como objetivos:

a) Averiguar o uso de imagens de diferentes sistemas sensores Landsat-TM, JERS-1, Radarsat, imagens hiperespectrais GER) combinadas entre si e com dados litológicos/estruturais, dados geoquímicos (gasometria), geofísicos (magnetometria fina) e dados espectrais de solos e vegetação, para a discriminação de áreas de microexedução de hidrocarbonetos;

b) Com base nos resultados obtidos, simular e avaliar novas bandas espectrais que estarão disponíveis em satélites dedicados à pesquisa mineral e petrolífera, disponíveis até o final desta década (e.g. ASTER-Advanced Space Borne Thermal Emission and Reflectance Radiometer).

A.4.3 Modelagens para apoio a estudos agrícolas (conservação de solos em microbacias hidrográficas)

A agricultura é responsável pela produção dos alimentos consumidos pela humanidade, mas também por um dos maiores impactos antrópicos sobre os solos e sobre o ambiente. Há que se monitorar os vários aspectos desta pressão ambiental. Uma importante linha de ação, nesta área, vem sendo a da modelagem ambiental para o monitoramento da erosão hídrica em microbacias hidrográficas, via sensoriamento remoto, geoprocessamento e bancos de dados.

Os modelos ambientais são representações matemáticas ou computacionais de processos, mecanismos e fenômenos envolvendo variáveis componentes dos sistemas terrestres, visando permitir simulações e extrapolações, bem como estudos de causas e efeitos, sempre levando-se em conta as interações ponderadas de cada variável dentro do contexto global do sistema estudado.

Assim, na linha em foco, visando atender às expectativas do desenvolvimento sustentado, espera-se atingir, utilizando os modelos descritores das perdas de solos por erosão hídrica, a capacidade de proposição de formas de ocupação da terra que minimizem as perdas de solos por erosão, considerando a microbacia como unidade básica onde ocorrem os principais processos do ciclo da água na superfície terrestre.

A.4.4 Metodologia para mapeamento da vegetação para conservação da biodiversidade ao nível de paisagem

A pesquisa visa à definição de metodologia para o inventário e monitoramento da paisagem dos principais biomas brasileiros através de sensoriamento remoto para fins de conservação da biodiversidade a nível de ecossistemas e habitats. Serão produzidos mapas de vegetação e de sua dinâmica referentes a uma folha 1:250000 dentro do domínio de cada um dos seguintes biomas: Floresta Atlântica, Floresta Amazônica, Cerrado e Caatinga.

A.5 Monitoramento dos ecossistemas da Amazônia

A.5.1 Caracterização do processo de dinâmica de cobertura e uso da terra em áreas selecionadas da Amazônia Legal e análise do impacto dessa dinâmica sobre o balanço de carbono, com a utilização de dados óticos e de radar

Serão realizados levantamentos das áreas desflorestadas e de vegetação secundária utilizando-se séries multitemporais de imagens de satélites óticos e de radar. As áreas de estudo são caracterizadas por processos de ocupação importante e compreenderão, pelo menos, as regiões de Floresta Nacional do Tapajós, Marabá, Manaus e Rondônia (região entre Ariquemes e Ji-Paraná). A metodologia será baseada na classificação das imagens, com posterior análise da evolução da cobertura das áreas desflorestadas (uso ou em abandono) de forma semelhante à descrita por Alves & Skole (1996) e Alves et al. (1996). As áreas abandonadas serão estratificadas segundo idade ou estágio de regeneração e esses resultados serão correlacionados com dados de radar. Para melhor entender as causas e efeitos do desflorestamento, as informações sobre dinâmica de uso da terra serão completadas com dados de levantamentos sócio-econômicos para análise integrada. Esta parte do trabalho será realizada em colaboração com o Prof. Wanderlei Messias, da USP.

A.5.2 Caracterização dos estoques de carbono em áreas de vegetação secundária

Este trabalho será realizado em áreas de vegetação secundária, selecionadas na etapa anterior (Caracterização da dinâmica de uso da terra) e buscará estimar a biomassa acima do solo e o estoque de carbono correspondente a partir de levantamentos de campo. Ele será baseado no inventário florístico e na coleta de dados biométricos e do índice de área foliar e posterior estimativa da biomassa a partir de equações alométricas disponíveis na literatura, de forma similar à descrita por Alves et al. (submetido). Cogita-se, também, da possibilidade de realizar medidas destrutivas, para o desenvolvimento de equações específicas para espécies dominantes.

A.5.3 Modelagem de balanço de água, fixação de carbono, ciclagem de nutrientes para a Amazônia.

Espera-se acoplar um modelo hidrológico de mesoescala a um modelo biogeoquímico de ecossistemas florestais, FOREST-BGC, originalmente desenvolvido por Running and Coughlan (1988), e adaptado por Soares e Chaves (1994). O time do INPE liderará as atividades de modelagem de balanço de água, fixação de carbono, ciclagem de nutrientes, para ajustar e validar o modelo FOREST-BGC a partir de dados tomados nas torres de medição de fluxos do projeto LBA em vários tipos de cobertura em Rondônia. Espera-se que o uso do FOREST-BGC permita combinar dados climatológicos e de cobertura da terra para fornecer meios de simular continuamente a fixação anual de carbono nas plantas e solos, trazendo luz ao conhecimento do papel da vegetação amazônica, tanto original quanto em regeneração, no ciclo regional de carbono.

A.6 Estatísticas Agrícolas

A.6.1. Estatísticas Agrícolas para Previsão de Safras

As estatísticas agrícolas são importantes para o País. Alguns países mais desenvolvidos já contam com o envolvimento do sensoriamento remoto em grandes programas de estatísticas agrícolas (CCE, EUA, Canadá). O INPE tem tido um contínuo esforço no desenvolvimento de técnicas de sensoriamento remoto para as estatísticas agrícolas (Epiphanio et al., 1990, 1994, 1996; Epiphanio e Formaggio, 1991; Epiphanio e Huete, 1995; Ortiz et al., 1995; Rudorff e Batista, 1992; Medeiros et al., 1996).

O INPE tem participado desde 1986, juntamente com o IBGE, do desenvolvimento de uma metodologia estatístico-amostral para a previsão da safra de diversos produtos. Esta metodologia vem sendo aplicada pelo IBGE em quatro unidades da federação (SC, PR, SP e DF). Em vista dos avanços científicos e tecnológicos nos últimos 10 anos na área espacial e os esforço de pesquisa que vêm sendo realizados, espera-se obter meios de aprimorar o sistema de previsão de safras nos seguintes sentidos: colaborar com o IBGE visando expandir a metodologia para outros estados; incorporar, na avaliação de área plantada, dados de radar, principalmente visando eliminar o problema de indisponibilidade de dados ópticos, devido à freqüente cobertura de nuvens durante o período propício para observação das culturas agrícolas; acoplar modelos agrometeorológicos na sistemática de estatísticas agrícolas, visando uma melhoria na avaliação de produtividade das culturas; avaliar os dados AVHRR/NOAA, que são de baixa resolução espacial e de alta freqüência temporal, como auxiliares no monitoramento evolutivo regional das áreas agrícolas; desenvolver a metodologia atual, que é aplicada em nível estadual, para o nível municipal, com o auxílio de banco de dados e sistemas de informações geográficas; avaliar o acoplamento multitemporal dos dados de satélites nas estatísticas agrícolas.

A.7. Oceanografia

A.7.1. Sensoriamento Remoto do Oceano

Com as pesquisas a serem desenvolvidas no Núcleo, espera-se ao final de quatro anos os seguintes resultados:

(a) Conseguir estabelecer no INPE uma equipe de cientistas, engenheiros e técnicos de alto nível em oceanografia por satélites, com capacidade de irradiar conhecimento de Oceanografia do Atlântico Sudoeste para outras Instituições brasileiras, principalmente do Nordeste, através de uma supremacia de conhecimento científico em peculiaridades deste Oceano. Neste sentido, um livro contendo cartas-imagem dos fundos marinhos, incluindo cartas fotobatimétricas de alta resolução, será completado, bem como um atlas descrevendo a variabilidade sazonal e interanual das variáveis de superfície, visando atingir uma capacidade de previsão.

(b) Através dos resultados dos estudos de transporte de sedimentos siliciclásticos em nossa área de teste (plataforma do RN), caracterizar a relação entre as mudanças climáticas e os impactos na área costeira e a vantagem das abordagens dos estudos com dados de satéltes.

(c) Caracterizar com auxílio dos dados de satélites a dinâmica equatorial Atlântica, conforme metodologia traçada pelo documento do Projeto Pirata (versão 2.3), visando capacidade preditiva para o clima do Atlântico Tropical.

(d) Um novo tipo de banco de dados, com armazenamento de coeficientes de expansões de ondeletas que reproduzem séries espaço-temporais de imagens por aplicativos de restauração, estará desenvolvido.

3. Pesquisa Tecnológica

T.1 Sistemas e Técnicas de Geoprocessamento e Processamento de Imagens

T.1.1 Aprimoramento e Difusão da Tecnologia SPRING

O SPRING (Sistema de Processamento de Informações Georeferenciadas) é o resultado de um esforço considerável, que já envolveu um total de 100 homens/ano do INPE e de seus parceiros (EMBRAPA, PETROBRÁS e IBM). Em agosto de 1996, foi lançada a versão 2.0 do software, que incorpora aspectos significativos de inovação (descritos na Seção "Histórico do Núcleo".

Nesta atividade, estão envolvidos os estudos e pesquisas associados com o aprimoramento desta tecnologia, bem como o processo de sua ampla difusão na comunidade científica nacional e internacional. As inovações do SPRING estão ligadas aos programas de Mestrado e Doutorado em Computação e Sensoriamento Remoto do INPE. Muitos dos trabalhos de pesquisa estão descritos como atividades de pesquisa do núcleo (atividades T.1.2, T.2.1, T.2.2, T.2.3, T.2.4, T.3.1, T.3.2.); caberá à equipe de desenvolvimento do SPRING integrar estes resultados de pesquisa ao software, de forma operacional.

A difusão do software envolve um conjunto de atividades, que inclui: documentação do software, controle de qualidade, empacotamento e treinamento. A política de difusão adotada pelo INPE para o SPRING garante o livre acesso à tecnologia (executáveis, dados exemplo, documentação e código-fonte) para todas as universidades e institutos de pesquisa do Brasil.

No aspecto das inovações, no período de quatro anos, espera-se os seguintes resultados:

1. Desenvolvimento completo de linguagem para consulta e análise geográfica LEGAL.
2. Desenvolvimento e integração de técnicas avançadas de Geo-Estatística (krigeagem) ao SPRING.
3. Integração de algoritmos de filtragem de imagens SAR (atividade de pesquisa T.2.1) ao ambiente SPRING.
4. Integração de algoritmos de classificadores estatísticos de imagens SAR (atividade de pesquisa T.2.2) ao SPRING.
5. Integração de técnicas de extração de atributos de textura (atividade de pesquisa T.2.3) ao SPRING.
6. Integração de técnicas de geração de modelos numéricos de terreno por interferometria SAR ao SPRING (atividade de pesquisa T.2.4)
7. Integração de técnicas de fusão de imagens multiespectrais (atividade de pesquisa T.3.1) ao SPRING.
8. Integração de técnicas de registro automático de imagens (atividades de pesquisa T.3.2) ao SPRING.
9. Integração de técnicas e metodologias de Morfologia Matemática (atividades de pesquisa T.4.1 e T.4.2) ao SPRING.

T.1.2 Desenvolvimento de Centros de Dados Geográficos

A Internet, como mecanismo de difusão de informação, é o vetor tecnológico singular deste início de século XXI. Neste contexto, há um grande interesse da comunidade de pesquisa tecnológica internacional no desenvolvimento de centros de dados espaciais (também chamados de bibliotecas geográficas digitais). Um Centro de Dados Geográfico deve ser capaz de realizar as seguintes funções:

• aquisição de dados: coleta e pré-processamento de dados, conversão de dados, controle de qualidade e inserção no banco de dados.
• armazenamento e arquivamento de dados: gerenciar os diferentes níveis de dados armazenados (metadados, catálogo de dados e os dados propriamente ditos).
• mecanismos de consulta: as consultas podem ser locais ou remotas, e ser associativas ou navegacionais. Deve-se permitir a realização de consultas espaciais.
• distribuição de Produtos: envio de produtos aos usuário (via Internet ou por mecanismos convencionais).

Esta atividade irá desenvolver ferramentas e técnicas que permitam montagem do Centro de Dados Geográficos do INPE. Estas ferramentas devem manter a compatibilidade com os formatos de dados disponíveis no ambiente SPRING e utilizar ambientes de desenvolvimento associados a InterNet (como a linguagem Java) para permitir a consulta remota aos dados do Centro.

Os resultados esperados são:

1. Disponibilidade de ferramentas que integrem dados gerados no ambiente SPRING ao Centro de Dados.
2. Disponibilidade de ferramentas de consulta e navegação espacial (escritas em Java) que permitam acesso local e remoto ao Centro de Dados.
3. Disponibilidade de técnicas de indexação espacial para grandes bancos de dados geográficos, tanto para dados no formato vetorial, como para dados no formato matricial.
4. Disponibilidade de ferramentas que permitam a interoperabilidade entre o Centro de Dados e outros bancos de dados.
5. Implantação desta tecnologia no INPE e sua difusão para instituições nacionais como a EMBRAPA, IBGE e INPE, que acumularam grandes volumes de informação geográfica.

T.2 Algoritmos e Técnicas de Processamento de Imagens de Radar

T.2.1 Filtragem e Classificação de Imagens SAR

As imagens de radar de abertura sintética sofrem uma degradação que é inerente ao seu processo de aquisição e que toma a forma de um ruído denominado "speckle", que dificulta tanto a interpretação visual como automática das imagens.

Vários métodos tem sido propostos para combater este ruído, tanto na filtragem como na classificação de imagens SAR. Seguindo uma linha de trabalhos anteriores, abordaremos o problema de filtragem e classificação de imagens SAR de um ponto de vista Bayesiano, utilizando o ferramental de Campos Aleatórios de Markov.

T.2.2 Análise Estatística de Imagens SAR

O conhecimento das propriedades estatísticas das imagens SAR tem avançado bastante nos últimos anos, subsidiando o desenvolvimento de filtros, classificadores e segmentadores especializados. Essas propriedades estatísticas têm sido desenvolvidas, em geral, para dados unidimensionais, sendo que os avanços tecnológicos permitem o uso de informações multivariadas (imagens multiespectrais, multitemporais, etc.) que possibilitarão a extração do máximo de informação. Para tanto, e de modo a maximizar a extração de informação de imagens SAR, faz-se necessário estudar técnicas mais adequadas de inferência, testes de hipóteses e distribuições multidimensionais não Gaussianas.

Também deseja-se aproveitar a capacidade computacional atualmente disponível para criar interfaces amigáveis para a análise descritiva de grandes volumes de dados. Existem várias iniciativas no sentido de criar sistemas de análise e processamento de imagens capazes de lidar com desvios da hipótese Gaussiana. Contudo, são esforços muito focalizados ao uso de certos tipos de dados e os produtos, atualmente, são de alto custo e sem nenhuma capacidade de modificação por parte do usuário. Por outro lado, do ponto de vista teórico, são vários os grupos que trabalham na fronteira do conhecimento das propriedades estatísticas de dados SAR. Espera-se para os próximos anos um crescimento substancial dessa área, com um impacto altamente positivo para os detentores desse conhecimento.

Durante os quatro anos de atuação nessa linha de pesquisa (Análise Estatística de Imagens) espera-se progredir na modelagem de dados SAR através de contribuições em técnicas de inferência para os parâmetros dos modelos não Gaussianos univariados, distribuições multivariadas, testes de hipóteses, classificadores e segmentadores para imagens SAR e desenvolvimento e aplicação de ferramentas de análise descritiva gráfica de dados para auxílio à análise de imagens.

T.2.3 Desenvolvimento de Metodologias para Extração de Informações de Imagens Orbitais.

Grande parte do esforço de pesquisa na área de processamento de imagens e classificações de padrões se concentra na tarefa de extração de informações de imagens obtidas por satélites orbitais, porque a utilização da imagem em seu formato bruto geralmente não atende a maioria das aplicações. Com base nestas informações, derivadas das imagens brutas, pode-se identificar os objetos de interesse. Objetos podem ser identificados pela cor, pela textura, pela área, pela forma, pela sua posição relativa à outros objetos, pela assinatura espectral, ou por uma combinação destes atributos. A literatura descreve vários métodos que se propõem a medir ou descrever cada um destes atributos, dentre eles, métodos baseados em transformações IHS para descrever a cor, modelos estatísticos autorregressivos-média móvel (ARMA) e markovianos, fractais, ondeletas (wavelets), matrizes de co-ocorrência para descrever a textura, morfologia matemática para forma, métodos de visão computacional para descrever o relacionamento entre objetos. A escolha dos métodos a serem utilizados depende da aplicação. Novos sensores orbitais tornaram-se operacionais. Este é o caso dos satélites que levam a bordo radar de abertura sintética (SAR). Métodos específicos para este tipo de sensor estão sendo desenvolvidos para extração de atributos polarimétricos e de interferometria SAR para geração de modelos de elevação.

Pretende-se, nos quatro anos de atuação prevista, atuar em todas as metodologias mencionadas, particularmente segmentação de imagens pela cor, elaboração de métodos para extração de atributos de textura por filtragem inversa autorregressiva em duas dimensões, uso de ferramentas fractais para descrição e classificação de texturas, simulação de imagens por modelos ARMA, segmentação de texturas por wavelets diádicas, uso de métodos inteligentes para descrição de cenas, e teste de métodos de interferometria SAR para levantar modelos de elevação em várias regiões do Brasil. As metodologias serão testadas e organizadas em um sistema escrito em linguagem de quarta geração e também transferidas para o sistema SPRING de informações geográficas.

T.3 Classificação e Segmentação de Imagens Ópticas

T.3.1 Técnicas de Fusão de Imagens Multiespectrais

O problema de fusão de imagens tem recebido considerável atenção nos últimos anos (1). Isso se deve, principalmente, a grande variedade de tipos de imagens obtidas de um mesmo objeto. Com a utilização de métodos de fusão, é possível gerar produtos que incorporem as melhores características de cada sensor. No caso de sensoriamento remoto, tem aumentado a disponibilidade de satélites imageradores da superfície terrestre e, com isso, o interesse em desenvolver métodos de fusão de imagens.

Diversos métodos tem sido propostos para efertuar a fusão de imagens de satélites, como, por exemplo, aqueles que utilizam a Transformação IHS ou a de Componentes Principais. O objetivo deste trabalho, que devera resultar numa dissertação de mestrado, e o desenvolvimento de novos métodos de fusão de imagens Landsat e SPOT utilizando uma abordagem estatística de caráter bayesiano. Mascarenhas et alii (2) desenvolveram um método bayesiano para gerar imagens sintéticas a partir de imagens do satélite SPOT. Neste trabalho, o método bayesiano serra generalizado para gerar imagens sintéticas a partir de satélites distintos.

Serão obtidas imagens multiespectrais combinando as boas características espectrais do satélite Landsat com as boas características espaciais do satélite SPOT. O produto gerado permitira uma melhor interpretação visual em várias áreas de atividades de sensoreamento remoto.

T.3.2 Registro Automático e Semi-Automático de Imagens de Sensoriamento Remoto

Em várias aplicações de Sensoriamento Remoto é necessário comparar imagens da mesma cena adquiridas por diferentes sensores ou pelo mesmo sensor adquiridas em datas diferentes. Estas imagens geralmente apresentam diferentes características geométricas entre si (translação, rotação, escala, etc.), e portanto elas devem ser alinhadas antes de serem analisadas. Na área de Processamento Digital de Imagens, este processo de alinhamento (casamento) entre duas ou mais imagens é conhecido como Registro de Imagens, e consiste basicamente de três fases:

• Identificação de pares de pontos de controle: pontos na imagem que identificam correspondentes objetos de uma mesma cena nas duas imagens.
• Transformação espacial: determina as funções de mapeamento usando informações dos pontos de controle;
• Interpolação: reamostra a imagem distorcida para alinhá-la com a imagem de referência, usando as funções de mapeamento.

Geralmente na área de Sensoriamento remoto as imagens são registradas pelo método manual, o qual usa assistência humana (usuário) para identificar os pontos de controle nas duas imagens. As imagens são visualizadas na tela do computador e o usuário escolhe objetos que possuem correspondência nas duas imagens. Em aplicações onde a quantidade de dados é muito grande, o método manual torna-se uma tarefa repetitiva e trabalhosa. Então, há necessidade de técnicas automáticas ou semi-automáticas, que requeiram pouca ou nenhuma supervisão humana.

Em relação às características das imagens a serem registradas, o desafio maior tem sido o registro de imagens de radares com imagens óticas ou radares, porque estas apresentam diferentes características geométricas, ruído coerente ("speckle") e diferenças no brilho relativo entre os correspondentes objetos nas imagens, o que dificulta o casamento das feições.

Diante da complexidade do problema de registro de imagens, o objetivo do trabalho é desenvolver e implementar um conjunto de ferramentas que possibilite a integração de diversas metodologias para:

• extração de diferentes tipos de feições: pontos, linhas, contornos abertos, regiões. Isto possibilita gerar um maior número de pontos de controle.
• extração de atributos das feições para serem usados no processo de casamento: regiões ( valor de intensidade médio, área, aspect ratio, textura), pontos ( valor de correlação) e linhas (orientação, comprimento, valor de intensidade média).
• pré-processamento para realçar feições antes da extração e redução de ruído.
• casamento automático de feições.

A disponiblidade de um conjunto de ferramentas computacionais, dentro de um um sistema de informação e processamento de imagens, que facilite, ou até mesmo torne mais rápido e preciso o processo de registro de imagens será uma importante contribuição na área de processamento digital de imagens de sensoriamento remoto.

T.4 Aplicações de Morfologia Matemática em Sensoriamento Remoto

T.4.1 Banco de Exemplos ilustrando o uso da Morfologia Matemática em Sensoriamento Remoto

O grande potencial das técnicas de Morfologia Matemática (MM) para a extração de informação em imagens de Sensoriamento Remoto pode ser ilustrado através de um banco de exemplos. Este banco de exemplos, já em construção, abrange várias áreas de aplicações. Neste projeto, as aplicações ao Sensoriamento Remoto serão ampliadas incluindo exemplos de segmentação de regiões desflorestadas e de identificação automática do corpo de água. Com o desenvolvimento deste banco de exemplos acessível via Internet, espera-se uma ampla divulgação das potencialidades da MM.

T.4.2 Ferramentas para Projeto Automático de Operadores e Filtros

A solução do problema da extração de informação nas imagens passa pelo projeto de operadores. Este projeto pode ter bases empíricas ou ser baseadas em ferramentas apropriadas para este fim. Neste projeto serão estudas a aplicação dos algoritmos genéticos e dos sistemas especialistas. Com o desenvolvimento destas ferramentas, espera-se racionalizar, pelo menos em situações simples, o trabalho de encontrar os operadores que realizam a extração de informação desejada.

T.5 Processamento Paralelo em Processamento de Imagens

T.5.1 Processamento Paralelo de Imagens Digitais de Sensoriamento Remoto em Máquina Paralela Implementada com DSPs.

Esta atividade irá realizar o desenvolvimento de algoritmos paralelos para o processamento de imagens de sensoriamento remoto, como a classificação automática para análise quantitativa do desmatamento na Amazônia Legal. Esses algoritmos são dirigidos a uma máquina de processamento paralelo do tipo MIMD, implementada com Processadores de Sinais Digitais (DSP), de alto desempenho de processamento numérico e alta conectividade, o TMS320C40, da Texas Instruments. A máquina que será usada no projeto terá 64 processadores.

Os resultados esperados desta atividade são:

• Obter soluções alternativas para a redução do tempo de processamento em algoritmos de processamento de imagens, especificamente de classificação automática de dados de sensoriamento remoto, explorando o potencial da máquina paralela de DSPs.
• Obter a análise de desempenho da máquina paralela para os algoritmos paralelos, a serem desenvolvidos, com o objetivo de dimensionar o número de processadores necessários para o uso operacional em classificação.

Espera-se que os algoritmos de classificação sejam paralelizados e implementados na máquina paralela de DSPs. Essa paralelização deve permitir o processamento da classificação automática, por exemplo, para a análise quantitativa do desmatamento da Amazônia Legal. O tempo de processamento pode ser reduzido até o nível necessário através do uso da escalabilidade da máquina paralela.

T.5.2 Paralelização de Algoritmos de Segmentação usados em Sensoriamento Remoto

A viabilidade técnica do procedimento de classificação automática usando imagens de satélites tem sido demonstrado em vários exemplos na literatura. No entanto, quando passamos a pensar em tornar estas metodologias operacionais, usá-las em grandes áreas e com periodicidade definida, o procedimento aprovado para áreas piloto, torna-se proibitivo computacionalmente em relação ao tempo necessário de processamento para a área real. Usando técnicas de processamento de alto desempenho queremos demonstrar a viabilidade tecnológica de implantar sistemas operacionais para o monitoramento de grandes áreas usando imageamento remoto. Como caso exemplo, vamos explorar o PRODES- Programa Desflorestamento da Amazônia, que visa atualizar anualmente o índice de desmatamento da Amazônia Legal , uma área de aproximadamente 5.000,000 Km2.

Um grupo de pesquisadores relacionados com o programa, observando as questões relativas a custos e tempo de processamento das informações, pensou em investir numa abordagem metodológica diferenciada, favorecendo agora a classificação automática em contraposição à fotointerpretação. Um Segmentador baseado no conceito de Segmentação por Regiões foi desenvolvido pela DPI - Divisão de Processamento de Imagens do INPE - Instituto Nacional de Pesquisas Espaciais. Este algoritmo foi integrado ao SPRING e foi assim utilizado para demonstrar a viabilidade técnica da classificação automática de imagens, com um estudo piloto dentro de uma área do projeto PRODES.

Do ponto de vista da validade da metodologia, diferenças menores que 3% em área entre a classificação manual e a automática para as mesmas áreas analisadas, demonstraram a total adequação dos métodos propostos. Para estas áreas piloto - Alta Floresta e Manaus - imagens do satélite Landsat TM, nas bandas 3,4 e 5 numa faixa de [81 x 51 km] , aproximadamente [2700x1700 pixels] forma usadas. Trabalhando numa estação IBM RS6000-530, com 96 Mbytes de RAM , o tempo médio para a Segmentação da imagem foi de 8(oito) horas [4]. Para o recobrimento completo da Amazônia Legal Brasileira são necessárias 229 cenas do Landsat TM, nas bandas 3,4 e 5 , cada banda com [6100X6100 pixels] uma imagem com aproximadamente 8(oito) vezes o número de elementos das imagens da área piloto.

Embora a viabilidade técnica do procedimento automático tenha sido demonstrada, a sua viabilidade operacional precisa ser esclarecida. É esta nossa principal meta com essa proposta. Pretendemos esclarecer a questão da viabilidade operacional do uso do procedimento de Segmentação por Regiões , com relação ao tempo, que é a parte crítica. Para isso, a idéia básica será recuperar o paralelismo inerente ao procedimento de Segmentação por Regiões. As características técnicas do Segmentador existente, com relação a qualidade das partições que ele é capaz de gerar, deverão ser preservadas na nova implementação. Duas direções serão seguidas. A primeira, será o estudo do algoritmo existente e sua adequação a um ambiente que favorece desempenho. Esta abordagem esta' mais ligada a paralelização dos laços de código críticos com distribuição sobre um "cluster" de estações de trabalho.

A segunda, será o estudo de reformulação do algoritmo, buscando adequar a implementação a natureza não-sequencial do algoritmo básico, e mapear este novo algoritmo para arquiteturas especiais, baseada no DSP TMS320C40 e para arquitetura paralelas de propósito geral como o IBM SP-2.

• Aquisição do Dado: a forma de aquisição, isto é, a geometria sensor-iluminante-alvo é fundamental na obtenção adequada do dado. Isto é válido para abordagens de laboratório, campo ou orbital, quer se considere o espectro óptico ou das microondas. Alvos naturais (minerais, rochas, solos, vegetação, água, etc.) apresentam no espectro óptico, um comportamento anisotrópico da reflectância espectral. Como exemplos, Epiphânio e Vitorello (1983) e Epiphânio e Huete (1995) discutem com detalhes o papel da geometria da aquisição no mascaramento da relação reflectância bidirecional e parâmetros biofísicos para solos e vegetação. Trabalhos realizados por Novo et al. (1989), (1990) indicam que a geometria de aquisição de dados espectrorradiométricos sobre água afetam o desenvolvimento de modelos para estimativa de sólidos totais em suspensão. Tais considerações são válidas para imageamentos TM-Landsat e SPOT, nos quais, dependendo da época de aquisição da cena, variações de iluminação solar são significativas, além da mudança sazonal do ambiente. No caso dos radares imageadores, a geometria de aquisição também é crítica. Por ser um sensor de visada lateral, a relação angular (visada, incidência, azimute) é fundamental na tomada da cena. A quantidade e direção da energia espalhada dependerão de parâmetros inerentes ao sistema sensor (comprimento de onda, polarização) e ao alvo (rugosidade superficial, ângulo de incidência local, constante dielétrica, absorção, espalhamento volumétrico e forma), respectivamente (Paradella, 1996). Em adição, devem ser considerados aspectos da resolução espacial, espectral, radiométrica e temporal, para que o contraste entre o alvo e o "background" exista e haja a detecção. Os resultados de projetos de pesquisa enfocando aspectos da aquisição de dados em Sensoriamento Remoto servem não somente como subsídio na otimização da extração de informação com novos sensores (e.g. hiperespectrais), como também, na especificação de futuros sistemas operacionais para o país (Epiphânio et al., 1996).
• Correção do Dado (Pré-Processamento): como correção podem ser incluídas desde a aplicação de filtragens tipo "passa-baixa" em espectros de campo e laboratório (perfis reflectância x comprimento de onda), na remoção de ruídos, até as correções mais elaboradas empregadas no tratamento de imagens digitais. Neste caso, as técnicas incluem as correções radiométricas e geométricas. No caso de sensores orbitais do espectro óptico, as principais correções radiométricas são (1) atenuação de erros da resposta de detetores, podendo causar "stripping" (bandamento na cena) ou "line dropout" (ausência de linha) devido ao mal-funcionamento de detetores no caso de "scanners" e (2) correção de efeitos atmosféricos (a radiação solar quando interage com a atmosfera terrestre é seletivamente espalhada e absorvida, introduzindo distorções não-sistemática radiométricas nas respostas detectadas dos alvos). Já no caso dos radares imageadores as correções radiométricas aplicadas normalmente referem-se às correções do efeito do padrão de antena (Antenna Pattern Correction) e a atenuação do ruído Speckle (ruído inerente ao imageamento de radar causado pelo uso de radiação coerente). As correções radiométricas usadas em imagens orbitais ópticas são causadas por uma série de fatores (deslocamento de varredura ("scan skew") e velocidade de espelho no caso de "scanners", rotação da Terra, velocidade da plataforma, etc.). Isto leva a distorções geométricas sistemáticas e não-sistemáticas, e que podem ser corrigidas usando as informações das efemérides da plataforma usada na coleta do dado e o conhecimento interno do sensor, e aquelas distorções, que não podem ser corrigidas com uma acurácia aceitável sem um número suficiente de GCP ("ground control points"). A transformação de uma imagem de sensores remotos para que tenha as propriedades de projeção de um mapa é chamada de correção geométrica. Retificação é o processo pelo qual a geometria de uma imagem é feita planimétrica. Esta correção não remove contudo, as distorções causadas por deslocamentos topográficos de relevo nas imagens. Neste caso é necessário a ortorretificação, correção que leva em conta a correção planimétrica e altimétrica das imagens. A ortorretificação é mais necessária nas imagens de radar, posto que a geometria de aquisição lateral de dados é mais sensível às distorções de relevo e à transformação da projeção em slant-range (forma original de representação do dado original SAR) para ground-range (dado corrigido em planimetria) que nem sempre funciona, particularmente com relevos acidentados. A correção geométrica é fundamental na integração de dados multi-fontes e no uso integrado de Sensoriamento Remoto e Geoprocessamento. Cabe salientar ainda que em várias aplicações de Sensoriamento Remoto, é necessário comparar imagens da mesma área adquiridas por diferentes sensores ou pelo mesmo sensor em épocas distintas. Estas imagens geralmente apresentam diferentes características geométricas e devem ser alinhadas entre si (registradas). Isto é comumente feito de modo manual, onde o usuário identifica pontos comuns (controle) nas imagens. Em abordagens em que o número de cenas é muito grande, o registro manual torna-se algo trabalhoso e repetitivo. O desenvolvimento de técnicas de registro automático ou semi-automático de imagens digitais de sensores remotos, que requeiram pouca ou nenhuma supervisão humana, é um campo novo de pesquisa e representa um grande desafio especialmente para o registro de imagens ópticas com imagens SAR, pelas diferentes características geométricas, de ruído e de brilho envolvidas nestes dois tipos de imagens orbitais.
• Processamento dos Dados: no caso de dados em perfis o processamento implica normalmente em aplicações de transformações tipo derivativos do perfil, visando o auxílio na detecção de bandas de absorção e realce de gradientes de albedo. Já no caso de imagens digitais (arranjo bidimensional de pixels em linhas e colunas), que é o dado mais comum em Sensoriamento Remoto, o processamento refere-se às manipulações das imagens, isto é as aplicações de transformações numéricas ou algoritmos gerando ou imagem classificadas (mapa temático de regiões na imagens de pixels com respostas similares) ou novos arranjos de pixels (imagens realçadas). Desta forma, as técnicas de processamento podem ser divididas em técnicas de classificações ou realce digitais. As técnicas de classificação podem ser entendidas como um problema de reconhecimento no qual valores numéricos associados a cada pixel são normalmente correlacionados (identificados) com respostas específicas de alvos na superfície (vegetação, corpos d'água, rochas, etc.). Neste sentido, a classificação digital pode ser supervisionada e não-supervisionada. É importante mencionar que estes dois esquemas classificatórios diferem no sentido de que no primeiro, tenta-se relacionar grupos de pixels com classes de cobertura conhecidas através de amostragens (classes de alvos), enquanto que no segundo tipo, simplesmente determina-se as características de grupos de pixels que não se confundem em termos de suas respostas espectrais (classes espectrais), e suas correlações com classes de alvos deve ser buscada através de informações adicionais (verificação de campo por exemplo). Os mais comuns esquemas classificatórios usados em Sensoriamento Remoto Óptico são baseados nas similaridades de respostas digitais de pixels (classificação por ponto ou pixel) e podem ser baseadas no algoritmo da célula única (paralelepípedo), da distância euclidiana de centróides ("clustering") ou de probabilidades (Máxima Verossimilhança). Uma variante no processo de classificação é a Segmentação. Neste caso, regiões homogêneas, segundo um dado atributo (textura, forma, etc.), são identificadas na cena. A partir da imagem segmentada é possível classificar a cena total, identificando sub-regiões de maneira supervisionada ou não-supervisionada (classificação por área e não ponto a ponto) (Batista et al., 1994). Um outro campo de muito interesse é a classificação de imagens usando-se a textura como atributo. O atributo de textura pode ser usado tanto ao nível de regiões (macro-textura) quanto de vizinhanças locais de pixels (contexto ou micro-textura). Os classificadores contextuais estão ainda em fase de desenvolvimento, mas deles é esperada uma grande contribuição em Sensoriamento Remoto, particularmente na classificação de imagens de radar (SAR). Outro alternativa no processo de classificação não-supervisionada de imagens é através de redes neurais. Também, ferramentas de morfologia matemática (MM) têm sido usadas na separação de objetos nas cenas através de formas, bem como na restauração de imperfeições introduzidas por ruídos sistemáticos e aleatórios do sistema sensor o que dificulta a classificação de alvos na imagem. As técnicas de realce são usadas para alterar a aparência de uma imagem de modo que a informação contida na cena seja mais facilmente interpretável visualmente pelo analista em termos de sua particular necessidade. Conseqüentemente, nenhuma técnica padrão de realce pode ser considerada como a melhor, devido ao fato de que as necessidades de cada usuário são diferentes. Os tipos de técnicas de realces podem ser divididas em espectrais e espaciais. Como técnicas de realces espectrais (mais comuns no espectro óptico) têm-se: Ampliação Linear de Contraste, Divisão de Bandas, Transformação por Componentes Principais, Transformação IHS, Decorrelação e Transformação Canônica. No caso dos realces espaciais (domínio da freqüência) devem ser mencionadas as filtragens direcionais que são usadas tanto para imagens ópticas como para imagens de radares. Detalhes sobre estes assuntos podem ser vistos nos livros-textos clássicos de Processamento Digital de Imagens de Sensores Remotos (Hord, 1982; Schowengerdt, 1984; Richards, 1986; Jensen, 1986; Mather, 1987) e publicação no país (Crósta, 1992).
• Análise e Interpretação: A etapa da interpretação pode ser direta no caso de uma classificação temática por computador, como também pode necessitar da análise visual. Existem inúmeras teorias de fotointerpretação de imagens para fins variados, e que tradicionalmente se baseiam em atributos espaciais da cena (elementos da forma, do relevo e da drenagem): métodos das chaves, método sistemático e lógico, etc. Tais esquemas foram criados a partir do advento de fotografias aéreas (com esteroscopia de imagens pancromáticas), que posteriormente foram adaptados para a extração de informações a partir de imagens multiespectrais ópticas através de visualização monoscópica ou composições coloridas. Com a disponibilidade recente de estereoscopia de imagens ópticas (HRV-SPOT) e principalmente de radares imageadores (RADARSAT-1), é esperado um novo impulso no uso de fotointerpretação de dados de sensores remotos, quer na forma isolada, quer como produtos integrados digitalmente. Além disso, esquemas recentes de visualização tridimensional de produtos de sensores remotos com dados auxiliares (DEM, aerogeofísicos, etc.) através da profundidade de cores (cromoestereoscopia), abre um campo enorme de pesquisa na extração de informação de cenas através da fotoanálise, para diferentes campos de aplicação nas Geociências. Detalhes sobre este assunto podem ser vistos em Soares e Fiori (1976), Veneziani e Anjos (1983) e Paradella et al. (1996). Finalmente deve ser salientado, que processos sofisticados de análise e interpretação de imagens podem ser conduzidos através de Sistemas Especialistas, que incorporam técnicas de Inteligência Artificial (IA) de forma a modelar processos de interpretação que levam em conta relacionamentos entre objetos na cena.
• Verificação de Campo: A verificação de campo é parte essencial e integrante do processo de análise e interpretação dos dados tanto para a aquisição de amostras de treinamento como para a aferição da exatidão dos resultados de classificação. Em geral as atividades de campo são executados em diversas fases do projeto, envolvendo uma visita preliminar ao campo precedendo a análise dos dados e outra após a geração dos resultados da etapa de processamento e análise dos dados. Varia desde a coleta de informações qualitativas (e.g. tipo de solo, rocha, ou cobertura da terra) até informações quantitativas envolvendo coleta de material para posterior análise de laboratório (e.g. Pereira, 1996). Acima de tudo, o sucesso desta etapa requer um profundo conhecimento de campo, muitas vezes só disponível com a participação efetiva de cientistas e técnicos com anos de experiência na região de estudo. Esta etapa, contudo, requer grande esforço e recursos. Espera-se, com a aprovação do núcleo, suporte para fortalecer a participação e o envolvimento dos Laboratórios Regionais, Universidades, instituições de pesquisa como o INPA, EMBRAPA, Museu Paraense Emílio Göeldi, CENPES, CPRM, entre outras, que além de prover relevante contribuição para o conhecimento regional, promoverá o envolvimento destas instituições nas diversas fases da pesquisa e permitirá que os resultados sejam colocados em prática, operacionalmente, indo portanto, além da simples publicação em revistas científicas.
• Integração: A integração de dados envolve aspectos que transcende o Sensoriamento Remoto e abrange a sua interface com a tecnologia de Geoprocessamento. Existe no mundo atual uma tremenda necessidade de dados cartográficos e de informações temáticas. Um GIS tem sua eficiência no armazenamento, na recuperação, na manipulação, na análise e na apresentação dos dados de acordo com especificações definidas pelo usuário (Marble et al., 1983). A informação cartográfica é usualmente estática em natureza, a maioria sendo coletada uma só vez e então arquivada (Curran, 1985). Sensoriamento Remoto produz uma tremenda quantidade de informação no formato digital, não apenas em uma só vez, mas de modo repetitivo, permitindo assim, não somente o levantamento (inventário) mas também monitorar os recursos naturais e condições ambientais. Além disso, Sensoriamento Remoto fornece informações diretas de características (medidas) biogeofísicas (temperatura do objeto, biomassa, etc.), as quais são valiosas em processos analíticos e de modelagem numérica do ambiente. Atualmente, não resta dúvida de que o potencial máximo de Sensoriamento Remoto e de Geoprocessamento é alcançado quando as duas tecnologias são integradas em uma mesma abordagem (Shelton e Estes, 1981; Short, 1982). Não foi por outro motivo que na concepção do SPRING no INPE o objetivo maior foi o desenvolvimento de um sistema integrado de PDI e GIS. No caso de aplicações ambientais, deve ser mencionado que o estado da arte está na fusão de dados de sensores remotos ópticos com microondas (Produtos SAR/TM e SAR/SPOT), com DEM, com dados aerogeofísicos, geoquímicos, temáticos, etc., permitindo assim, uma interpretação na qual é facilmente visualizada a correlação espacial entre variáveis distintas tendo como fundo as características do terreno dadas pelas imagens. Neste contexto, a utilização de transformação RGB-IHS é tida como a mais eficaz na integração e visualização de dados multi-fontes em abordagens nas Geociências (Harris et al., 1995).
• Disseminação/Divulgação: Uma preocupação do Núcleo será desenvolver metodologia para apresentação eficaz dos resultados obtidos nas pesquisas, em formatos que sejam visualmente compreensíveis e didáticos para diversos tipos de audiência e complexidade dos temas enfocados (demonstrativos através de multi-mídia, imagens temáticas, produtos integrados, carta-imagens, disponibilizados em diversos meios incluindo a internet, publicações em revistas científicas e de divulgação técnica, etc.). Esta atividade integrará todos os projetos propostos no núcleo e incluirá diversos níveis de treinamento descritos na seção "Transferência de Resultados Esperados para a Sociedade" apresentada a seguir.

Referências

BATISTA, G.T., MEDEIROS, J.S., MELLO, E.M.K., MOREIRA, J.C., BINS, L.S. "A new approach for deforestation assessment. Proc. International Archives of Photogrammetry and Remote Sensing, Vol. 30, Part 7a, pp. 170 - 174, ISPRSS Commission VII Symposium on Resource and Environmental Monitoring, Rio de Janeiro, setembro de 1994.

Crósta, A.P. 1992. Processamento digital de imagens de sensoriamento remoto. Campinas, IG/UNICAMP, 1992. 170 p.

Curran, P.J. 1985. Principles of Remote Sensing. Longman, London.

Epiphanio, J.C.N.; Gleriani, J.M.; Formaggio, A.R.; Rudorff, B.F.T. 1996. Índices de vegetação no sensoriamento remoto da cultura do feijão. Pesquisa Agropecuária Brasileira, 31(6):445-454.

Epiphanio, J.C.N.; Huete, A.R. 1995. Dependence of NDVI and SAVI on Sun/sensor geometry and its effect on fAPAR relationships in alfafa. Remote Sensing of Environment, 51:351-360.

Epiphanio, J.C.N.; Vitorello, I. 1983. Interrelationships between view angles (azimuth) and surface moisture and roughness conditions in field measured radiometer reflectance of an oxisol. Proceedings of the 3rd. International Colloquium on Spectral Signatures of Objects in Remote Sensing, Les Arcs, France, 16-20 December 1983, INRA, Paris, 185-192.

Harris, J.; Bowie, C.; Rencz, A.N.; Graham, D. 1994. Computer-enhacement techniques for the integration of remotely sensed, geophysical, and thematic data for the geosciences. Canadian Journal of Remote Sensing, 20(3):210-221.

Hord, R.M. 1982. Digital image processing of remotely sensed data. New York, Academic Press. 255 p.

Jensen, J.R. 1986. Introductory digital image processing: a remote sensing perspective. Englewood Cliffs, Prentice-Hall, 379 p.

Marble, D.F.; Peuquet, D.J.; Boyle, A.R.; Bryant, N.; Calkins, H.W.; Johnson, T.; Zobrist, A. 1983. Geographic information systems and remote sensing. In: R.N. Colwell (ed.). The Manual of Remote Sensing. New York, Falls Church, ASP, v. 1, Ch. 22, pp. 923-958.

Mather, P.M. 1987. Computer processing of remotely-sensed images. New York, John Wiley, 352 p.

Novo, E.M.L.M.; Hanson, J.D.; Curran, P.J. 1989. The effect of sediment type on the relationship between reflectance and suspended sediment concentration. International Journal of Remote Sensing, 10 (7):1283-1289.

Novo, E.M.L.M.; Braga, C.Z.F.; Melack, J.M. 1990. Remote sensing estimative of total chlorophyll pigment distribution in Barra Bonita reservoir. São José dos Campos, INPE, 13 p. (INPE-5202 PRE/1664).

Paradella, w.r. 1996. A tecnologia de RADAR imageador em aplicações na Amazônia: fundamentação - o exeperimento SAREX e o programa ADRO. Revista Fator GIS, 14:40-43.

PEREIRA, J.L.G. Estudo de Áreas de Floresta em Regeneração através de Imagens Landsat TM. (Dissertação de Mestrado em Sensoriamento Remoto) - Instituto Nacional de Pesquisas Espaciais. São José dos Campos, SP, 1996. 137p.

Richards, J.A. 1986. Remote sensing digital image analysis: an introduction. Berlin, Springer-Verlag, 1986. 281 p.

Schowengerdt, R.A.1983. Techniques for image processing and classification in remote sensing. Orlando, Academic Press, 1983. 249 p.

Shelton, R.C.; Eastes, J.E. 1981. Remote sensing and geographic information systems: an unrealized potential. Geo-Processing, 1:395-420.

Short, N. 1982. Principles of computer processing of Landsat data. NASA Technical Reference Publication 1078. Washington, NASA. pp. 421-453.

Soares, P.C.; Fiori, A.P. 1976. Lógica e sistemática na análise e interpretação de fotografias aéreas em geologia. Notícia Geomorfológica, 16(32):71-104, 1976.

Veneziani, P.; Anjos, C.E. 1983. Metodologia de interpretação de dados de sensoriamento remoto e aplicações em geologia. São José dos Campos, INPE, 1982. 61 p. (INPE-2227-MD/014).

Com efeito, além do grande potencial de transferência representado pela Pós-Graduação em Sensoriamento Remoto (curso de Mestrado que com a implementação do Núcleo deverá ser complementado pela criação do Doutorado), a capacidade de desenvolvimento de algoritmos e sistemas apresenta duas características importantes:

• Metodologias de aplicação podem ser rapidamente materializadas como componentes do software desenvolvido pelo INPE (SPRING e seus sucessores); esses sistemas serão colocados à disposição da comunidade, ampliando a política de disseminação atual.
• Novas técnicas em Processamento de Imagens e Geoprocessamento, desenvolvidas como resultados de pesquisa tecnológica, são imediatamente testadas pelos pesquisadores de aplicação do INPE, o que permite reduzir o ciclo de validação e aprimoramento de sistemas.

O INPE pretende manter e ampliar sua política de difusão tecnológica na área de software. Em essência, esta política pretende reduzir ao mínimo os custos de introdução da tecnologia de Geoprocessamento nas diferentes instituições. Na prática, as instituições de pesquisa e desenvolvimento conveniadas com o INPE tem recebido o software SPRING sem qualquer ônus, encarregando-se ainda a equipe do núcleo de fornecer treinamento e atendimento aos usuários.

Dentre os objetivos da área de Observação da Terra do INPE, consta a transferência do conhecimento técnico científico adquirido no Instituto através de suas próprias pesquisas ou como resultado dos diversos intercâmbios mantidos com instituições nacionais e internacionais. Esta transferência de conhecimento é assegurada de diversas formas, sendo as mais tradicionais listadas abaixo:

(1) Curso de Mestrado em Sensoriamento Remoto

Criado em 1972, este curso já formou mais de 150 mestres em Sensoriamento Remoto distribuídos em todas as regiões do país. A maior parte desses mestres continuam atuando na área (Sausen, 1994), quer em instituições de pesquisa, universidades ou em empresas privadas criadas para atender uma crescente demanda de serviços de aplicação de sensoriamento remoto. Convém ressaltar que o Curso de Mestrado em Sensoriamento Remoto do INPE tem conceito A pela CAPES. Este órgão entendeu também que o Instituto estaria preparado e com amplas condições de propor a criação de um curso de doutorado em sensoriamento remoto, sugestão esta que já está sendo amplamente discutida para breve implementação.

(2) Curso Internacional de Sensoriamento Remoto

Hoje no seu décimo ano, o Curso Internacional de Sensoriamento Remoto foi criado a partir de uma solicitação das Nações Unidas ao INPE, para que promovesse um curso de especialização em sensoriamento remoto visando treinar especialistas em recursos naturais provenientes de países em desenvolvimento. A finalidade era solucionar o problema da escassez de especialistas na áreas de sensoriamento remoto nesses países. Desde sua criação, mais de 100 especialistas latinoamericanos foram treinados no INPE através do Curso Internacional. Nos últimos 3 anos, o Curso tem admitido também alunos provenientes de instituições brasileiras, principalmente das regiões norte/nordeste do país. O curso tem carga horária de 750 horas, e duração de 7 meses, em regime de dedicação exclusiva.

(3) Cursos de Treinamento de Curta Duração

A transferência do conhecimento científico se processa também na forma de cursos de curta duração (2-3 semanas), através de solicitação de instituições públicas ou privadas interessadas. Os cursos são adaptados de forma a atender as necessidades de treinamento específicas de cada instituição. Normalmente, esses cursos atendem entre 20-30 participantes. Em casos excepcionais, o Instituto oferece também a possibilidade de treinamento dirigido. Neste caso, o interessado permanece na Instituição por tempo indeterminado (1-3 meses), e tem a oportunidade de interagir diretamente com os pesquisadores que atuam na sua área de interesse específico.

Papel da Pós-Graduação em Sensoriamento Remoto no Núcleo Proposto

A Pós-Graduação em Sensoriamento Remoto - CPG-SER iniciou-se no INPE em 1972. Então, o conhecimento e uso de dados de sensores remotos, que não fossem fotografias aéreas, era praticamente inexistente. Os conceitos, técnicas, instrumentos, e conhecimentos próprios ao sensoriamento remoto eram praticamente desconhecidos da comunidade brasileira. No início do programa de capacitação em sensoriamento remoto no INPE fez-se uso de profissionais de diversas áreas correlatas do conhecimento e, com o tempo, o programa evoluiu para a forma estruturada que hoje conhecemos.

Se, no início, a formação de pessoal foi voltada especialmente para formação de quadro próprio do INPE, a partir de fins dos anos 70 praticamente todos os mestres egressos foram contratados pelo mercado de trabalho externo ao INPE. É importante ressaltar que a maioria absoluta dos egressos continuaram e continuam exercendo suas atividades em sensoriamento remoto, sem terem partido para outros campos de atividades. Contam-se a mais de 150 os Mestres em Sensoriamento Remoto egressos desse programa mantido pelo INPE.

O esforço de formação de pessoal em Sensoriamento Remoto pelo INPE ao longo desse tempo permitiu o estabelecimento e a consolidação de uma massa crítica capaz de promover concretamente essa área no País. Apenas a título de exemplo, grande parte do programa de implantação de laboratórios de sensoriamento remoto pelo País, financiado pela FINEP, só foi possível graças a profissionais egressos do CPG-SER. Atualmente, há núcleos de sensoriamento remoto em praticamente todas as universidades de relevo e em inúmeras empresas e instituições governamentais. Até mesmo na iniciativa privada foi grande o impacto do CPG-SER, haja vista que empresas privadas de renome tiveram e têm seu núcleo diretor em egressos do CPG-SER. Vê-se que o CPG-SER tem tido acentuado impacto na difusão, e aplicação desenvolvimento do sensoriamento remoto no País.

Internamente ao INPE, a pós-graduação tem um peso importante nas atividades de pesquisa e desenvolvimento em sensoriamento remoto. Há uma estreita colaboração entre estudantes e pesquisadores, tanto é que muitos dos trabalhos publicados contam com a participação dos estudantes. Ao mesmo tempo, incentiva-se fortemente o amadurecimento científico rápido dos alunos através de participação em congressos e publicações. Por exemplo, mais de dez estudantes estiveram no último Simpósio Brasileiro de Sensoriamento Remoto, contando com o apoio institucional do INPE.

Uma outra característica do CPG-SER é o seu elevado nível científico. Isso pode ser atestado não só pelas avaliações pessoais daqueles que participam de alguma forma de atividades junto à Área de Sensoriamento Remoto do INPE, mas também pelas avaliações objetivas da CAPES. Pelas últimas avaliações da CAPES temos tido conceito A. Isso é um forte indicador de excelência da Área, haja vista que dos 32 Cursos de Mestrado na Área de Geociências avaliados, apenas 4 obtiveram tal conceito.

Diante do quadro de excelência atingido pelo Curso de Mestrado e diante de recomendações da CAPES, estamos em processo de implantação do Programa de Doutoramento em Sensoriamento Remoto. Tal iniciativa, há tempos desejada, permitirá que haja maior fixação de alunos em projetos de pesquisa de duração mais longa e de maior profundidade. Atualmente, como os mecanismos de fixação de profissionais de gabarito não são adequados, perdem-se valores que poderiam servir para o avanço científico do sensoriamento remoto. A implantação do Doutoramento dará uma perspectiva ainda maior ao grupo de pesquisa que agora está se aplicando para o Pronex.

No CPG-SER conta-se com mais de 30 docentes com nível de doutorado e com um universo de 60 alunos das mais diversas formações. O Regimento dos Cursos de Pós Graduação do INPE estabeleceu uma redução no tempo de conclusão dos Programas de Mestrado para 42 meses, com perspectiva de redução para 36 meses. Os créditos, no CPG-SER, são cumpridos em três períodos de três meses (primeiro ano) e estamos conseguindo fazer com que as dissertações concluam-se com mais 18 meses, com esforços para redução desse tempo.

As disciplinas do Programa são: princípios físicos de sensoriamento remoto, introdução aos sensores remotos, estatística: aplicações em sensoriamento remoto, sensores remotos I e II, comportamento espectral de alvos, geoprocessamento I e II, vegetação: classificação e comportamento espectral, métodos estatísticos multivariados e algumas aplicações ao sensoriamento remoto, sensoriamento remoto do clima, processamento digital de imagens de sensores remotos, interpretação visual de dados, oceanografia por satélite, sensoriamento remoto de sistemas aquáticos: ênfase ao espectro solar refletido, tópicos avançados em sensoriamento remoto, sensoriamento remoto em geomorfologia, sensoriamento remoto agrícola, fotogeologia com imagens orbitais, tópicos especiais em florestas: fitogeografia e aplicações de sensoriamento remoto. Como se vê, as disciplinas cobrem um vasto leque de temas que dão ao nosso programa uma dimensão formativa difícil de ser igualada. Ao mesmo tempo, dada sua abrangência, conduz naturalmente à implantação do doutorado.

As linhas de pesquisa são: pesquisa e aplicações temáticas (ambiente, agronomia, oceanografia, vegetação, geologia, geografia, etc.), geoprocessamento, microondas e novas tecnologias, sensoriamento remoto na Amazônia, meteorologia por satélite. Como a gama de assuntos é ampla, o número de alunos que procuram o INPE para se inscreverem no Curso de Mestrado em Sensoriamento Remoto é grande. Isso leva a uma natural necessidade de exame de seleção, aplicado a todos os alunos inscritos, exceto aos do PECPG. Em geral, o número de candidatos ao CPG-SER tem sido bem acima do número de vagas oferecido.

Outras importantes atividades em nível de pós-graduação são o Curso Internacional de Especialização em Sensoriamento Remoto e os Cursos de Treinamento em Sensoriamento Remoto promovidos pelo INPE. Nesses programas está envolvido grande parte do pessoal participante do Nucleo, tanto a nível de docência quanto de orientação.

O Curso Internacional já está em sua 11^a edição, e é promovido com apoio da ONU. Inicialmente, alternavam-se anualmente as turmas entre alunos da África e alunos da América Latina. Nos anos mais recentes, a procedência dos alunos é do Brasil e de países da América Latina. Tem-se recebido ao redor de 10 alunos anualmente, para um programa de especialização de um ano. Os alunos têm uma parte teórica de aproximadamente 4 meses, e o restante do tempo envolve o desenvolvimento de um trabalho de pesquisa. Os cursos de Treinamento em Sensoriamento Remoto são um esforço de mais de 15 anos de transferência do conhecimento de sensoriamento remoto pelo País. Foram verdadeiramente inúmeros os cursos dessa natureza aplicados pelo INPE nas mais diferentes instituições. Isso foi um fator de grande difusão do sensoriamento remoto, e um fator de reconhecimento do INPE no País. A característica desses curso é o de serem de curta duração (1-2 semanas), com uma parte teórica, e onde há um direcionamento da parte prática de acordo com as formações específicas do grupo.

Em conclusão, pode-se dizer que o CPG-SER tem tido papel de destaque no desenvolvimento de pesquisa em sensoriamento remoto e que, com o processo de implantação do doutorado, haverá uma dinamização ainda maior da área. Também pode-se afirmar que nosso papel na formação de pessoal nos níveis mais inferiores da escala de pós-graduação tem sido de alta relevância não só para o Brasil, mas também para os Países vizinhos.

1. Apoio à Universidades nos seus cursos de sensoriamento remoto (graduação, pós-graduação e de extensão universitária)

A disciplina sensoriamento remoto vem sendo progressivamente incluída nos currículos dos cursos de ciências naturais e muitas Universidades estão criando seus próprios laboratórios para análise visual de imagens, processamento de imagens digitais e utilização de sistemas de informação geográfica. O Instituto tem apoiado essas iniciativas, auxiliando nas especificações dos laboratórios de sensoriamento remoto, permitindo a permanência de técnicos especializados in loco para assegurar sua adequada implementação, e viabilizando a participação de pesquisadores em atividades acadêmicas que não podem ser suportadas pela própria Instituição. Exemplos dessa natureza incluem o apoio ao Curso de Mestrado em Sensoriamento Remoto da Universidade Federal do Rio Grande do Sul, Departamento de Geografia da Universidade de São Paulo, Departamento de Geociências da UNESP, Universidade do Vale do Paraíba, entre outros.

2. Consultorias

Dentre as atividades de consultoria desenvolvidas pela equipe de sensoriamento remoto do INPE pode-se citar aquela desenvolvida junto à Secretaria de Assuntos Estratégicos, dentro do Programa de Zoneamento Ecológico-Econômico do Território Nacional (ZEE). Além das atividades de cunho técnico-científico, o INPE teve um papel fundamental na criação dos laboratórios do ZEE nos nove estados da Amazônia Legal, e na capacitação do pessoal para operar nos referidos laboratórios. Essa capacitação requereu um esforço contínuo de mais de dois anos de uma equipe de cinco especialistas em sensoriamento remoto nas áreas de geologia, geomorfologia, vegetação, pedologia e radar. Como resultado desta capacitação, todos os laboratórios do ZEE da Amazônia Legal podem gerar os mapas de vulnerabilidade natural de seu estado, que é uma das etapas da metodologia do ZEE. As equipes serão agora capacitadas para produzir mapas de potencialidade dos sistemas ambientais. Para assegurar um acompanhamento permanente das equipes do ZEE na Amazônia, um pesquisador da área de sensoriamento remoto está há mais de 18 meses no Laboratório do ZEE no estado do Amapá. Outras atividades de consultoria são desenvolvidas junto às empresas privadas que atuam na área de sensoriamento remoto e geoprocessamento. Este suporte, também contemplado no regimento interno da área de Observação da Terra, permite que as prestadoras de serviço nesta área acompanhem o estado-da-arte da tecnologia de sensoriamento remoto, e permite que o Instituto se adeque à demanda de serviços exigidos pela comunidade usuária.

3. Organizações de eventos relacionados à área

A organização do Simpósio Brasileiro de Sensoriamento Remoto, desde a sua criação em 1972, tem sido conduzida pelo INPE, em conjunto com outras Sociedades, tais como a Sociedade Brasileira de Cartografia, Geodésia e Sensoriamento Remoto (SBC) e a Sociedade Latinoamericana de Sensoriamento Remoto e Sistemas de Informações Espaciais (SELPER). Evento único na área de sensoriamento remoto, o Simpósio Brasileiro é hoje um evento que congrega mais de 500 participantes. Na sua última versão, todos os trabalhos submetidos foram na sua versão final e foram referenciados por no mínimo três pesquisadores de renome nacional e internacional que atuam nas áreas de sensoriamento remoto e geoprocessamento. Foi também o primeiro evento no Brasil a produzir os anais na forma de CD-ROM científico, com busca por autor, por tema, e por área de interesse (radiometria, processamento de imagens, geologia, oceanografia, vegetação, microondas, etc.).

Ano a ano, o número de eventos organizados pela Instituição vem crescendo, a exemplo das Jornadas de Educação em Sensoriamento Remoto a ser realizado em Florianópolis em novembro de 1997, as Primeras Jornadas Latinoamericanas de Percepción Remota por Radar: Técnicas de Procesamiento de Imágenes, organizado pelo INPE e a CONAE, com apoio da SELPER, da Universidade Federal de Pernambuco, e a European Space Agency (ESA), a se realizar em Buenos Aires em dezembro/96 e o Curso de Sensoriamento Remoto para Tomadores de Decisão, organizado anualmente pelo INPE e a SELPER/Brasil.

Está prevista a realização de um Workshop anual de Sensoriamento Remoto envolvendo a participação do membros do Núcleo aberta à comunidade científica para discussão e avaliação dos resultados obtidos.

4. Elemento de interface projeto-universidade/instituto de pesquisa/empresa

Dentre as atividades de extensão praticadas pelos pesquisadores da área de sensoriamento remoto, uma de especial relevância está relacionada à capacidade de disseminação de propostas científicas à comunidade atuante na área de sensoriamento remoto e geoprocessamento. Esta atividade não é de transferência de tecnologia, visto que a sua função é mais de disseminação de oportunidade e motivação, do que de transferência de conhecimento científico propriamente dito.

Um exemplo recente deste tipo de experiência foi o Projeto GLOBESAR-2, cujo objetivo focal era o de ampliar os conhecimentos do potencial de dados de radar em atividades de planejamento e manejo de recursos naturais. O programa visava também oferecer a oportunidade dos participantes utilizarem os dados do satélite RADARSAT para aplicações específicas dentro de suas áreas de atuação.

A capacidade aglutinadora da equipe de sensoriamento remoto do INPE permitiu que recentemente dentro do programa GLOBESAR-2 (cooperação INPE/CCRS) 28 propostas fossem submetidas ao Canadá, através do CCRS e da CIDA, visando acesso aos dados do RADARSAT-1 para a comunidade nacional em projetos de pesquisa de avaliação em diferentes aplicações. Essas propostas, abaixo relacionadas, demonstram claramente o poder de motivação da equipe, promovendo a possibilidade de outros grupos científicos aumentar sua capacidade de desenvolver projetos com dados de novos sensores, com baixo ou nenhum custo envolvido.

1. Title: "Multidate Radar Data for Study of Dynamic of Sedimentary Environments of Bragança Coastal Plain, Northeast of Pará, Brazil"

P.I.: Dr. Maâmar El-Robrini (Federal University of Pará)

Address: Federal University of Pará (UFPa), Campus Universitário, Caixa Postal 8617, Belém, 66075-110, Belém, Pará, Brazil.

2. Title: "Multidate Radar Data for Study of Sedimentary Environments of Bay of São Marcos, Maranhão, Brazil"

P.I.: Dr. Maâmar El-Robrini (Federal University of Pará)

Address: Federal University of Pará (UFPa), Campus Universitário, Caixa Postal 8617, Belém, 66075-110, Belém, Pará, Brazil.

3.Title: " Serra do Pardo (PA) Project"

P.I.: Geologist Mário Ivan Cardoso de Lima (IBGE/DIGEO/N)

Address: IBGE/DIGEO/N (ex-RADAMBRAZIL Project), Av. Gentil Bittencourt, 418 -CEP 66035-340-Belém/PA.

Phone: (091) 223-8707. Fax: (091) 223-8553.

4. Title: "RADARSAT Imagery compared with TM-Landsat data: The Geotectonic Modelling of the Camaquã and Santa Barbara Early Godwana Basins, Southern Brazil"

P.I.: Dr. Teodoro Isnard Ribeiro de Almeida (Geoscience Institute, University of São Paulo)

Address: Geoscience Institute (IGc), University of São Paulo (USP), Rua do Lago, 562, Cidade Universitária, São Paulo, CEP 05508-900. Phone: 55-11-818-4144, Fax: 55-11-2104958, E-mail: Tirdal@usp.br.

5. Title: "Magmatic Evolution and Metallogenic of the Rare-Metal Bearing Granites of the Amazonian Craton"

P.I.: Dr. Jorge S. Bettencourt (Geoscince Institute, University of São Paulo)

Address: Geoscience Institute (IGc), University of São Paulo (USP), Rua do Lago, 562, Cidade Universitária, São Paulo, CEP 05508-900. Phone: 55-11-818-4205. Fax: 55-11-818-4207.

6. Title: "Application of RADAR Imagery in Geology and Vegetation in Southern Brazil"

P.I.: Prof. Clóvis Carlos Carraro (Remote Sensing Center/Federal University of Rio Grande do Sul/Department of Geodesy)

Address: Federal University of Rio Grande do Sul (UFRGS). Av. Bento Gonçalves, 9500, Campus do Vale,

Cx. Postal 14055, CEP 91501-970. Porto Alegre-RS. Phone: 55-051-316-6221.Fax: 55-051-336-5011.

7. Title: "The Proterozoic Granitic Magmatism in Southern Guiana Shield"

P.I.: Albertino de Souza Carvalho (Geoscience Department, Federal Amazonas University)

Address: Geoscience Department (ICE), Amazonas University (FUA), Manaus-AM. Av. Otávio J. Ramos, 3000, Campus Universitário, Manaus, Amazonas. CEP 69.077-000. Phone: (092) 644-1510.

8. Title: "Comparison of Airborne Radar and Radarsat data for Gold Exploration in the Rio Itapecuru Greenstone Belt, Ba, Brazil"

P.I.: Dr. Alvaro P. Crósta (Geoscience Institute, State University of Campinas/UNICAMP)

Address: Rua Pandiá Calogeras 51, P. O. Box 6152, 13081-970, Campinas, S. P. Phone: 55-192-397352, Fax: 55-19-239-1562, E-mail: alvaro@ige.unicamp.br.

9. Title: "Structural Geology and Metalogenetic Potential of Northeast of Roriama State, Brazil"

P.I.: Dr. João B. Sena Costa (Centre for Geoscience, Federal University of Pará)

Address: Federal University of Pará (Centre for Geoscience), Av. Augusto Correa S/N, Guamá, P. O. Box 1611, Belém, Pará. Phone: (091) 211-1107, Fax: (091) 211-1609.

10. Title: "Radarsat Structural Mapping: Applications to Neotectonic Studies in Coastal Areas and in Polydeformed Precambrian Rocks of the Tropical Semi-Arid Terrains of the Brazil"

P.I.: Dr. Emanuel F.J. de Sá. Department of Geology, Federal University of Rio Grande do Norte (UFRN)

Address: Universidade Federal do Rio Grande do Norte, Centro de Ciências Exatas, Departamento de Geologia, Caixa Postal 1639, CEP: 59.072-970. Natal -RN. Phone: (084) 231-9809. Fax: (084) 231-9749,

E-mail: emanuel@geologia.ufrn.br.

11.Title: "Geological and Geotechnical Cartography of Curitiba Northern Region"

P.I.: Dr. Alberto Pio Fiori, Paraná Federal University, Department of Geology.

Address: Universidade Federal do Paraná, Departamento de Geologia, Jardim das Américas, CEP 81531-990, Curitiba, Paraná, Brasil. Phone e Fax: (041) 266-2393, E-mail: fiori@setuva.geologia.ufpr.br.

13. Title: "RADARSAT in the Hydrocarbon Exploration"

P.I.: Dr. Raimundo Almeida Filho (INPE/PETROBRAS)

Address: INPE (DSR/OBT). Av dos Astronautas 1758, C.P. 515, São José dos Campos, S.P. CEP 12227-010,Phone: 55-123-256478, Fax: 55-123-229325, E-mail: raial@ltid.inpe.br

14: Title: "Amazon Basin RADARSAT Evaluation Project"

P.I.: Dr. Fernando Pellon de Miranda (PETROBRAS/CENPES)

Address: PETROBRAS/CENPES, Cidade Universitária, Ilha do Fundão, Rio de Janeiro, RJ, 21949-900,

Brazil. Phone: 55-21-598-6430. Fax: 55-21-598-6792. E-mail: fmiranda@cenpes.petrobras.gov.br.

15. Title: "Investigation of RADARSAT Possibilities in the Study of Metropolitan Areas"

P.I.: Dr. Celina Foresti (Bioscience Institute, UNESP, Rio Claro, São Paulo)

Address: Instituto de Biosciência, Universidade Estadual Paulista (UNESP), Campus de Rio Claro, Departamento de Ecologia. Av. 24-A, 1515, Bela Vista, Rio Claro, CEP 13.506-970, Phone: (0195) 34-0244, Fax: (0195) 34-0009.

16.Title: "Using RADAR Images for Urban Environment Classification to Update Land Use Maps: A Case Study"

P.I.: Prof. Sandra M. F. da Costa (University of Vale do Paraíba-UNIVAP)

Address: Praça Cândido Dias Castejon, 116, São José dos Campos, CEP 12245-720. Phone: (0123) 222355.

17. Title: "Assessing Land Use and Occupation in the Vão do Paranã Depression Through Microwave and Optical Images"

P.I.: Prof. Laerte G. Ferreira Junior (Federal University of Goiás/Department of Geography)

Address: University Federal de Goiás (UFG), Department of Geography (IQG), Campus II, Goiânia, Goiás, CEP 740001-970. Phone: 011-55-062-205-1471, Fax: 011-55-062-205-1471, E-mail: laerte@ufg.br.

18.Title: "Evaluation of the Geometry Quality of the RADASAT Images"

P.I.: Valério Barbosa da Silva-National Institute for Colonization and Settlement (INCRA)

Address: Instituto Nacional de Colonização e Reforma Agrária (INCRA). Av. André Araújo 901, Aleixo, Manaus, Amazonas, CEP 69.060-010. Phone: 092-642-3388 (extension 196), Fax: (092) 642-3445.

19. Title: "Evaluation of RADARSAT Data for Agricultural Purposes"

P.I.: Dr. José C. N. Epiphânio (INPE)

Address: National Institute for Space Research (INPE), Remote Sensing Division (DSR)

Av. Astronautas 1758, São José dos Campos, São Paulo, CEP 12227-010. Phone: 123-25-6505, Fax: 123-256440, E-mail:epiphânio@ltid.inpe.br.

20.Title: "Evaluation of Sewage Assimilation in Mangrove"

P.I.: Dr. Archimedes Perez Filho (State University of Campinas/UNICAMP)

Address: UNICAMP, Caixa Postal 1170, 13083-970, Campinas, São Paulo. Phone: 55-19-239-3116, Fax: 55-19-239-8660, E-Mail: Preac@turing.unicamp.br.

21. Title: "Multitemporal Analysis from a Equatorial Coastal-Plain, Amapá State, Brazil"

P.I.: Dr. Maria Thereza Prost (Paraense Emílio Goeldi Museum)

Address: Parque Zoobotânico do Museu Paraense Emílio Goeldi, Av. Magalhães Barata 376, São Brás, Belém, CEP 66040-170, Pará. Phone: 091-249-0793, Fax: (091) 249-0466, E-mail: promar@marajo.secom.ufpa.br or odete@marajo.secom.ufpa.br.

22. Title: "Use of RADARSAT Data to Infer Surface Oceanic Circulation in the Victoria-Trindade Sea Mount chain: A Feasibility Study-VITRISAR"

P.I.: Dr. João A. Lorenzetti (INPE/DSR/OBT)

Address: Av. dos Astronautas 1758, C. P. 515, São José dos Campos, S.P., CEP 12227-010, Phone: 55-123-256485, Fax: 55-123-229325, E-mail: loren@ltid.inpe.br.

23. Title: "Ocean Surface Features in the Southern Brazilian Waters Using SAR Imagery"

P.I.: Dr. Carlos A. E. Garcia. Department of Physics, Laboratory of Physical Oceanography, University of Rio Grande (URG)

Address: Rua Eng. Alfredo Huch, 475, CEP 96201-900, Rio Grande, RS, Phone/Fax: 55-532-30-1194, E-mail: dfscaeg@cpd.furg.br.

24. Title: "Integrated Landscape: Analysis Through RADARSAT Images"

P.I. : Dr. Gilberto J. Garcia. Instituto de Geociência e Ciências Exatas (UNESP)

Address: Av. 24-A, 1515, Rio Claro, S. Paulo, CEP 13506-900, Phone: 55-195-24-9622, Fax: 55-195-24-9622, E-mail: gilberto@ceapla.uesp.ansp.br.

25.Title: "The Application of Remote Sensing Techniques with emphasis to the RADARSAT in the Tectonic-Sedimentar Characterization of the Coastal and Marine Environments of the Central-North Coast of Santa Catarina/Brazil"

P.I.: Prof. Rosana M. Rodrigues. University of the Itajaí Valley

Address: Universidade do Vale do Itajaí, Faculdade de Ciências do Mar, Curso de Oceanografia, Laboratório de Geoprocessamento e Sensoriamento Remoto. C.P. 360, CEP 88302-202, Itajaí, Santa Catarina, Phone: 55-47-344-7566, Fax: 55-47-344-7633, E-mail: univali@mbox1.ufsc.br.

26.Title: "Evaluation of SAR to Data Acquisition of Floading and Vegetation in the Pantanal-Brazil"

P.I.: João dos Santos Vila da Silva, EMBRAPA/CPAPantanal.

Address: EMBRAPA/CPAPantanal , Rua 21 de Setembro, 1880. Corumbá, MS, CEP 79320-900.

Fax: 55-067-231-1011, Phone: 55-067-231-1430.

27. Title: "The Study of Fracture System on Cristalline Rocks (Aquifers) in Central Region of Goiás"

P.I.: Dr. Paulo R. Meneses, University of Brasília.

Brasília Geosciences Institute, Applied Geology Department, Remote Sensing Lab- Brasília, Campus da UnB, DF, Brazil, CEP 70910-900. Phone: 061-348-2872, Fax: 061- 347-4062.

28. Title: "The Geoenvironmental Diagnostic of the Quadrilátero Ferrífero-Municipal Districts, Minas Gerais"

P.I.: Prof. Carlos Magno Ribeiro, Instituto de Geociências Aplicada/CETEC

Address: Rua Itambé, 49. Floresta- CEP 30150-150, Belo Horizonte, M.G., Fax: 031-201-1840, Phone: 031-201-1711

(a) Nacional

Muitas das atividades desenvolvidas pela equipe de pesquisadores em sensoriamento remoto do INPE são complementares àquelas desenvolvidas em outros institutos de pesquisa. Uma cooperação desta natureza se desenvolve, por exemplo, com o IBAMA, através dos estudos de desflorestamento da Amazônia Legal e do Sistema de Detecção de Queimadas por Satélite. Continuamente, esses estudos são aprimorados para melhor atender as necessidades de fiscalização e controle daquele órgão federal, dando suporte para que as ações do governo sejam mais eficientes. O trabalho de campo realizado pelo IBAMA, tanto para controle de desmatamentos quanto de queimadas, dá suporte para o desenvolvimento de técnicas de sensoriamento remoto cada vez mais aprimoradas. Cooperações desta natureza orientam o grupo de pesquisa em sensoriamento remoto para investigações voltadas a atender reais necessidades do país. É fundamental mencionar que foi através dos resultados apresentados pelo Instituto, tanto relacionados ao PRODES (PROjeto de DESflorestamento) quanto ao Sistema de Detecção de Queimadas que se conseguiu desmistificar a crença internacional de que o Brasil desvastava suas florestas tropicais numa taxa insuportávelmente alta. A credibilidade adquirida pelo país no tocante às estimativas de suas taxas anuais de desflorestamento da Amazônia Legal é inquestionável. Parte desta credibilidade se deve ao fato do INPE tornar transparente a metodologia adotada, convidando várias instituições internacionais de reconhecido mérito para avaliar e opinar sobre o projeto em todas as suas fases. Foram também os estudos do INPE voltados ao uso de dados da banda termal do sensor AVHRR a bordo do satélite meteorológico NOAA para detecção de queimadas que se criou no IBAMA um grupo especial denominado PREVFOGO, encarregado pelo controle e fiscalização de queimadas no país. Os dados do INPE também servem de apoio às ações de controle e fiscalização das Secretarias do Meio Ambiente de São Paulo e Mato Grosso.

Outro exemplo de cooperação complementar se desenvolve entre o INPE e a Secretaria de Assuntos Estratégicos (SAE), para suporte ao Programa de Zoneamento Ecológico-Econômico do Território Nacional (ZEE). A SAE é responsável por apoiar financeira e tecnicamente a execução deste Programa nos Estados da Federação, e o faz apoiada na Comissão Coordenadora do ZEE, criada por decreto federal em 1990. A cooperação com a SAE exigiu uma adaptação da equipe de pesquisadores de sensoriamento remoto do INPE para atender as exigências conceituais do programa, que implica em um cruzamento de conhecimentos sobre fatos fisiográficos e ecológicos com fatos da conjuntura econômica, demográfica e social da região. O zoneamento ecológico-econômico pressupõe a adoção de um enfoque holístico e de uma visão sistêmica visando estabelecer as relações entre os sistemas físico-bióticos e sócio-econômicos que caracterizem os denominados sistemas ambientais. Pressupõe também o zoneamento como um processo dinâmico de avaliação da estabibilidade, da vulnerabilidade e da potencialidade desses sistemas. A contribuição do INPE no ZEE se dá na etapa de elaboração da síntese do quadro físico (síntese geológica, síntese climática e hidrológica, síntese geomorfológica, síntese pedológica), a qual é integrada com a síntese biótica e síntese do quadro sócio-econômico. Atividades complementares àquelas desenvolvidas no INPE promovem um desenvolvimento metodológico integrado visando atender uma necessidade nacional, qual seja a da ocupação ordenada do território nacional.

Outros exemplos de cooperação a nível nacional, é o desenvolvido com o Museu Emilio Göeldi (PA). A partir do uso de imagens de satélite, de fotografias aéreas obtidas através de sobrevôo com a aeronave do INPE, e de intenso trabalho de campo caracterizando o perfil fisionômico-estrutural de diferentes classes de vegetação, foi possível se quantiticar as áreas ocupadas por diferentes tipos de vegetação (florestas de terra-firme, de igapó, de várzea) na área da Estação Científica Ferreira Penna, na Reserva Florestal de Caxiuanã. É interessante observar que o inventário florestal da Estação levaria mais de 2000 anos para ser realizado, se apoiado somente em trabalho de campo.

Uma forte cooperação se desenvolve também com a EMBRAPA, principalmente no que se refere ao teste do software de processamento digital de imagens desenvolvido por pesquisadores da área de processamento de imagens e sistemas de informações geográficas. Esta cooperação permite que potenciais usuários do software desenvolvido no INPE participem de algumas fases de seu desenvolvimento, favorecendo a introdução de um produto no mercado que atenda mais eficientemente as necessidades dos usuários nacionais. Também com a EMBRAPA/CPAP se desenvolveu um projeto multidisciplinar, recente, sobre a área do Pantanal Matogrossense. Este projeto contou com a participação de 30 especialistas das duas instituições, que, em estreita cooperação, complementavam as suas formações de conhecimento de campo e interpretação de imagens de diferentes sensores (óticos e de radar) para gerar mapeamentos geomorfológicos, de vegetação, de uso da terra, de erosão, entre outros. O projeto, denominado MULPAN (Avaliação de MULti sensores em estudos no PANtanal), teve duração de 24 meses, e resultou em um atlas digital contendo as cartas temáticas do projeto e em um workshop, organizado pelo INPE e a EMBRAPA. O evento, denominado Encontro sobre Sensoriamento Remoto aplicado a estudos no Pantanal, foi realizado em Corumbá em 1995 e reuniu mais de 300 pessoas da região. Na oportunidade, foram apresentados os resultados do projeto à comunidade científica da região. Abriu-se também a oportunidade para participação de pesquisadores de outras instituições, promovendo um melhor conhecimento da região pantaneira e dos diversos ecossistemas que a compõe.

Outro exemplo de importante cooperação nacional é desenvolvido com a Fundação SOS Mata Atlântica, envolvendo o mapeamento dos remanescentes de florestas da Mata Atlântica. Esta cooperação, que se dá intensamente em todas as fases do projeto, gerou o mapeamento dos remanescentes no período 1985-1990, e está em fase final para o período 1990-1995. Este projeto é um exemplo de atuação do Instituto juntamente com uma Fundação e uma empresa privada executora do projeto, permitindo que todos os três segmentos se beneficiem mutuamente de suas capacidades específicas.

Recentemente foram aprovados dois projetos do INPE dentro do programa Piloto para Proteção das Florestas Tropicais do Brasil, Subprograma de C&T - PP/G7, Projeto de Pesquisa Dirigida (PPD) Chamada 01 - Núcleo Temático 01 (Estudo sobre Estrutura e Funcionamento dos Ecossistemas Amazônicos Análise dos Efeitos da Ação Antrópica sobre os Processos Ecossistêmicos) do MCT/SECOP que consolidarão efetivamente, a cooperação do INPE com o INPA e os diversos laboratórios regionais de Sensoriamento Remoto.

Cabe por último mencionar, que em termos de aplicação geológica, uma estreita cooperação ocorre com: (1) o CENPES/PETROBRÁS no uso da tecnologia de Sensoriamento Remoto e de Geoprocessamento na pesquisa de gás e de hidrocarbonetos (Região da Bacia do Tucano Norte); (2) com a DOCEGEO (Grupo CVRD) na avaliação de dados de radar do SAREX'92 e do RADARSAT-1 em pesquisa mineral (Província Mineral de Carajás) e (3) com a CPRM (SUREG-Belém e DIGEOF-RJ) na avaliação do RADARSAT-1 e de produtos integrados de radar (ERS-1, JERS-1 e RADARSAT-1) com dados aerogeofísicos (gama e mag do PGBC) em mapeamento geológico de ambiente tropical chuvoso (Serra dos Carajás) dentro do Programa de Levantamentos Geológicos Básicos (PGBC).

(b) Internacional

Desde a criação do grupo de sensoriamento remoto no INPE, em 1973, a sua atuação foi sempre pautada por expressivas cooperações nacionais e internacionais, que permitiram ao Instituto assegurar até o presente a vanguarda na área de sensoriamento remoto no país, em múltiplas áreas de atuação. Os intercâmbios internacionais são normalmente desenvolvidos com instituições científicas que atuam na área espacial, a exemplo da NASA/USA (National Atmospheric Space Agency), CCRS/Canadá (Canada Centre for Remote Sensing), DLR/Alemanha (Deutsche Forschungsanstalt fur Luft- und Raumfahrt), NASDA/Japão (National Space Development Agency of Japan), CONAE/Argentina (Comisión Nacional de Actividades Espaciales), entre outros.

Com a NASA, a equipe de pesquisadores de sensoriamento remoto do INPE desenvolve significativos projetos conjuntos, entre eles o Earth Observing System -EOS, o proposto Large Scale Biosphere Atmosphere Experiment in Amazonia - LBA, na sua componente Sensoriamento Remoto - e o da rede de fotômetros solares. O EOS é uma das iniciativas da NASA dentro do seu programa de pesquisa em Mudanças Globais e inclui não só a parte de pesquisa científica mas também o desenvolvimento de um sistema de dados e informação, denominado EOSDIS. O EOSDIS concentrará dados globais, completos, abrangendo um período de 15 anos e buscará maximizar o uso da informação pela comunidade científica, facilitando o acesso aos dados coletados in situ e os obtidos a partir de satélites da série EOS, e de outros satélites complementares. A proposta do INPE ao anúncio de oportunidades do EOS, intitulada Long-term monitoring of the Amazon ecosystems through the EOS: from patterns to processes, foi aprovada, dando início a uma profícua interação entre o Instituto, a University of Washington e a University of California at Santa Barbara. Mais recentemente, a iniciativa do Brasil (através do INPE) em propor um experimento de longo prazo na Amazônia, o LBA, tem despertado a atenção científica mundial, pelo fato de integrar vários temas científicos que incluem meteorologia, ciclo de carbono, biogeoquímica, química da atmosfera, hidrologia e uso da terra/alterações na cobertura terrestre. Esses temas exigirão mapas de quantidades biofísicas, meteorológicas, atmosféricas e da superfície terrestre que somente poderão ser obtidos através do uso de dados de satélite em operação e já desativados, além de dados de sensoriamento remoto aerotransportado. Dentro do contexto do sensoriamento remoto, várias reuniões científicas com instituições nacionais e internacionais já foram realizadas com o intuito de caracterizar o potencial da tecnologia de sensoriamento remoto atual e futura para suporte aos modelos a serem empregados nas diferentes áreas científicas. Dentre essas instituições citam-se a Jet Propulsion Lab/NASA, Harward University, University of New Hampshire, University of Edinburgh, University of California, entre outras.

As atividades desenvolvidas em cooperação com o Canada Centre for Remote Center (CCRS) se iniciaram no final dos anos 80. Mais recentemente, a cooperação se tornou intensa com a participação do INPE no Projeto SAREX'92 (South American Radar Experiment), financiado pela ESA (European Space Agency). O programa foi formulado para estudar as respostas de radar sobre florestas tropicais, para dar suporte à interpretação de dados do satélite europeu de microondas, ERS-1. Dados foram adquiridos a partir de uma missão aerotransportada utilizando o sistema C/X SAR do CCRS, propiciando dados em quatro diferentes polarizações. Esses dados permitiram também simular as informações a serem obtidas pelo satélite canadense RADARSAT, lançado em novembro de 1995. O envolvimento de pesquisadores do INPE nesta missão, especializados em diferentes áreas do conhecimento (geologia, estudos aquáticos, uso da terra, florestas tropicais) resultou em considerável progresso no conhecimento do potencial de dados de radar para estudos em ambientes tropicais. Por mais de quatro anos, a equipe multidisciplinar do INPE vem desenvolvendo estudos diversos com dados de microondas, tendo obtido o reconhecimento nacional e internacional pelos resultados apresentados em conferências, congressos, periódicos nacionais e internacionais, etc. O intercâmbio com o CCRS propiciou também a aprovação de uma proposta científica (com significativa componente de transferência de tecnologia) submetida ao Canadian International Development Agency (CIDA), denominada PRORADAR. O PRORADAR resultou em intercâmbios efetivos de pesquisadores das duas instituições por períodos variados de tempo (6-12 meses), e na promoção de diversos cursos de treinamento e transferência da tecnologia de radar à várias instituições brasileiras e latinoamericanas (vide seção Transferência de Resultados). O INPE teve também aprovada a proposta de projeto submetida em atendimento ao anúncio de oportunidade do RADARSAT (ADRO Program Announcement), denominada Development of RADARSAT applications in the Brazilian Amazon, assegurando à equipe dados de satélite adquiridos concomitantemente à coleta de dados in situ, propiciando uma análise realista da contribuição de dados deste satélite no manejo de recursos naturais do país, principalmente da região amazônica.

No contexto do continente americano, uma interessante exemplo de cooperação internacional se desenvolve com o Projeto Panamazônia, que visa implementar a mesma metodologia adotada no Projeto PRODES (para gerar estimativas da taxa de desflorestamento e do desmatamento bruto) na Amazônia não brasileira. Sete países participam do Projeto. O INPE é responsável por transferir aos países participantes a metodologia do Projeto, acompanhar o desenvolvimento dos trabalhos, e avaliar a qualidade dos produtos gerados.

Os intercâmbios mantidos pelas equipes do INPE transcendem o continente americano, e via a colaboração com a DLR (Deutsche Forschungsanstalt fur Luft- und Raumfahrt) interessantes desenvolvimentos tem sido realizados, mais especificamente na área de sensoriamento remoto por microondas. Esta cooperação com o DLR resultou no desenvolvimento de um radar de abertura lateral (SLAR), hoje instalado na aeronave do INPE, e testado sobre algumas áreas da região amazônica. De custo consideravelmente mais baixo do que um radar de abertura sintética, o SLAR, apesar de fornecer informações com nível de resolução mais degradado que as de um SAR, oferece também uma ampla gama de aplicações. O intercâmbio entre pesquisadores das duas instituições permitiu também capacitar o INPE em na área de interferometria. Esta capacitação possibilita a representação de superfícies diversas em três dimensões, através da utilização de modelos digitais de terreno. A cooperação com a DLR inclui hoje o desenvolvimento de simulações de dados dos futuros satélites brasileiros (SSR), tanto no campo ótico como no de microondas. A competência daquela instituição no desenvolvimento de sensores infravermelho médio, próprios para estudos de queimadas, é também um dos elementos de cooperação entre as instituições, frente ao programa de monitoramento de queimadas por satélites implementado no INPE, e que dá suporte para ações de órgãos fiscalizadores no país.

No continente asiático, o INPE e a NASDA desenvolvem alguns estudos de pesquisa conjuntos, mais especificamente na área de geologia. O uso de dados do satélite japonês de microondas, o JERS-1, tem se tornado mais intenso, e há discussões para que o Brasil venha a coletar imagens deste satélite através da estação receptora de Cuiabá, a exemplo do ERS-1, ERS-2, RADARSAT-1, NOAA, Landsat, e SPOT. Com o advento do satélite japonês, ADEOS, se prevê fortalecimento nas cooperações espaciais desenvolvidas entre os dois países, não somente a nível científico como também tecnológico.

Uma cooperação recente que se desenvolve no plano tecnológico refere-se àquele entre o INPE e a CONAE. Pesquisadores da área de sensoriamento remoto hoje discutem as especificações de um satélite Brasil-Argentina - SABIA, com ênfase às aplicações envolvendo água (continentais e oceânicas) e agricultura. A longa experiência adquirida pelo INPE a partir das pesquisas fundamentais desenvolvidas em sensoriamento remoto conferem ao Instituto a habilidade de propor sistemas sensores apropriados para diferentes tipos de aplicações. A participação em missões aerotransportadas (Missão SCAR-B, incluindo um espectrorradiômetro contendo 228 faixas espectrais no campo ótico; Missão SIR/C, a bordo do Shuttle/NASA, contendo dados em diferentes bandas do espectro de microondas (C/L/X/) tem sido fundamental para promover este tipo de conhecimento.

No passado houve um esforço grande de implementação do plano de Laboratórios Associados de Sensoriamento Remoto no país que resultou em dezenas de laboratórios implantados em diversas Universidades e agências do governo federal e estadual. Em adição, membros do Núcleo ministram disciplinas regulares e orientam alunos em Sensoriamento Remoto em várias universidades (IGUSP, CEAPLA-UNESP, UNIVAP, UFPR, CRHEA/UFSCarlos, UFPa, etc.). Espera-se com a implementação do Núcleo que estas atividades sejam fortalecidas e ampliadas nas diferentes regiões do país.