Universidade de Brasília

ICH - Instituto de Ciências Humanas

Geografia da
Paisagem
Múltiplas Abordagens

Organizadores:
Valdir Adilson Steinke
Charlei Aparecido da Silva
Edson Soares Fialho

Brasília - DF
2022
© 2022.

Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)

A responsabilidade pelos direitos autorais de textos e imagens dessa obra é dos autores.

[1ª edição]

Elaboração e informações
Universidade de Brasília
ICH - Instituto de Ciências Humanas
Campus Universitário Darcy Ribeiro, ICC Norte, Mesanino Bloco 01qr Campus Universitário
Darcy Ribeiro - Asa Norte, Brasilia DF CEP: 70297-400 Brasília - DF, Brasil

Contato: (61) 3107-7364 Site: ich.unb.br E-mail: [email protected]

Equipe técnica

Parecerista: Marcelino de Andrade Gonçalves

Editoração: Luiz H S Cella

Revisão: Amabile Zavattini

Capa: Maria Frizarin

Ficha catalográfica elaborada pela Biblioteca Central da Universidade de Brasília

Bibliotecário XXXX - CRB X/XXXXX
ANÁLISE DA PAISAGEM POR
MEIO DE SENSORIAMENTO
REMOTO
Edson Eyji Sano
Daniel Moraes de Freitas

1. CONSIDERAÇÕES INICIAIS

Neste capítulo, vamos abordar alguns aspectos da paisagem brasileira

do ponto de vista de imagens de satélite. Para tirar o máximo de proveito
em termos de informações que as imagens de satélite são capazes de pro-
duzir sobre diferentes aspectos biológicos, físicos e ambientais da superfície
terrestre, é preciso ter conhecimento o mais sólido possível dos princípios
físicos envolvidos no processo de aquisição de dados de sensoriamento re-
moto. Tal conhecimento passa pelo entendimento da natureza ondulatória
e corpuscular da radiação eletromagnética (REM), da interação da radiação
com a atmosfera e com os diferentes tipos de alvos e feições presentes na
superfície terrestre, dos diferentes modos de aquisição de sensores image-
adores embarcados em aeronaves ou satélites e de vários outros aspectos.
Por causa da limitação no número de páginas disponibilizadas para cada
capítulo do livro, vamos dedicar somente algumas páginas a esses funda-
mentos de sensoriamento remoto. No entanto, para aqueles interessados
em se aprofundar mais nessa temática, recomendamos a leitura de diversos
livros-textos já disponíveis na literatura, em especial, do livro editado por
J. R. Jensen e traduzido por José Carlos Neves Epiphanio e colaboradores
do Instituto Nacional de Pesquisas Espaciais (INPE) intitulado Sensoriamen-
to Remoto do Ambiente: Uma Perspectiva em Recursos Terrestres (Editora
Parêntese) (Jensen,2009) e o livro editado por Paulo Roberto Meneses e
colaboradores da Universidade de Brasília (UnB) intitulado Reflectância dos
Materiais Terrestres: Análise e Interpretação (Editora Oficina de Textos) (Me-
neses; Almeida; Baptista, 2019).

Da mesma forma, é impossível esgotar todos os aspectos da paisagem

que podem ser abordados com base na análise de imagens de sensoriamen-

262
to remoto. Nesse sentido, preferimos dar ênfase às principais características
fitofisionômicas e suas correspondentes dinâmicas de conversão para agro-
pecuária dos dois biomas mais extensos do País: Amazônia e Cerrado. Este
capítulo apresenta ainda os principais sistemas de monitoramento do uso
e cobertura vegetal baseados em imagens de satélite atualmente existen-
tes no País e conclui apontando desafios que ainda permanecem abertos
mesmo com o notável avanço dos últimos anos em termos de sistemas de
aquisição de dados remotos e opções de algoritmos de processamento de
dados na nuvem.

2. FUNDAMENTOS DE SENSORIAMENTO REMOTO

2.1. ASSINATURA ESPECTRAL DE ALVOS

O princípio físico que permite o uso de dados de sensoriamento remo-

to na análise de paisagens é o fato de que cada alvo ou feição no terreno
possui sua própria assinatura espectral. Em outras palavras, cada alvo refle-
te a REM incidente em diferentes proporções e em diferentes comprimen-
tos de onda. Por exemplo, uma cobertura vegetal densa reflete uma alta
quantidade de energia incidente (em torno de 40%) na faixa espectral do
infravermelho próximo (comprimento de onda que varia aproximadamen-
te de 0,7 µm a 2,5 µm) e uma baixa quantidade (menos de 10%) na faixa
espectral do vermelho (aproximadamente entre 0,6 µm e 0,7 µm). Um solo
escuro rico em matéria orgânica absorve grande parte da REM incidente.

Um sensor imageador multiespectral opera em diferentes faixas espec-

trais da REM, conhecidas como visível, infravermelho próximo e infraver-
melho de ondas curtas ou infravermelho médio. Isso significa que, em uma
imagem multiespectral, um determinado alvo ou feição no terreno pode
apresentar diferentes tonalidades de cinza. Por exemplo, uma cobertura
vegetal verde aparece com tonalidade de cinza escura no comprimento
de onda do vermelho e uma tonalidade de cinza clara no comprimento de
onda do infravermelho próximo. Na Figura 1, é mostrada uma imagem de
satélite obtida sobre uma área com plantio de café irrigado com sistema de
irrigação por pivô-central no oeste da Bahia nas faixas espectrais do ver-
melho e infravermelho próximo. Percebe-se que a maioria dos plantios de
café sob sistema de irrigação por pivô-central, identificados pela geometria
circular na imagem, aparece com um padrão de cinza predominantemente

263
escuro na faixa espectral do vermelho por causa da forte absorção da REM
relacionada com a atividade fotossintética das folhas verdes. Na faixa do
infravermelho próximo, os plantios aparecem com tonalidade de cinza cla-
ra por causa da alta reflexão da REM devido à estrutura interna das folhas,
fazendo com que as plantas não se superaqueçam. Uma das exceções em
relação a esse padrão espectral é o pivô-central identificado pelo número
1 na Figura 1B. Esse pivô aparece com tonalidade de cinza escuro em am-
bas as faixas espectrais, indicando que essa área poderia estar com plantio
recente de café e que o sistema de irrigação estava ligado quando da pas-
sagem do satélite. A umidade elevada de solos absorve a REM incidente
de forma intensa. Somente com inspeção de campo é possível determinar
com certeza qual o tipo de cultura agrícola está presente em cada pivô. Em
outras palavras, os autores deste capítulo utilizaram o próprio conhecimen-
to de campo para afirmar que o plantio mostrado na figura em questão se
trata de plantio de café.

Figura 1. Variações na tonalidade de cinza de plantios de café irri-

gado sob sistema de irrigação por pivô-central no oeste da Bahia nas
faixas espectrais do vermelho e do infravermelho próximo. As imagens
mostradas nesta figura foram obtidas pelo satélite europeu Sentinel-
-2A em 13 de julho de 2020. O pivô-central no. 1 destoa dos demais
por apresentar tonalidade de cinza escura no infravermelho próximo,
provavelmente porque a cultura estava em fase inicial de crescimento e
o pivô estava ligado durante a passagem do satélite.
Organizador: Os autores.

A grande maioria dos usuários prefere anali-

sar imagens multiespectrais de satélite coloridas
ao invés de imagens monocromáticas em preto
e branco. A geração de composições coloridas
é um artifício computacional que é feito por di-
ferentes aplicativos de processamento digital de
imagens. Três imagens obtidas em diferentes fai-
xas espectrais, denominadas de bandas espec-
trais, são selecionadas e, em seguida, atribuídas às três cores primárias, azul
(B), verde (G) e vermelha (R). Aqui, é importante fazer distinção entre essas
cores primárias com as três faixas espectrais do visível, igualmente denomi-
nadas de azul, verde e vermelha.

A Figura 2 mostra dois exemplos de composições coloridas RGB da

mesma área com plantio de café irrigado no oeste da Bahia. Na Figura 2A,

264
as cores primárias R, G e B foram associadas às bandas espectrais obtidas
nas faixas do vermelho (comprimento de onda central de 0,665 µm), infra-
vermelho próximo (0,842 µm) e verde (0,560 µm). Nessa composição colori-
da, a vegetação sadia aparece com coloração esverdeada. Na Figura 2B, as
cores primárias R, G e B foram associadas às bandas espectrais obtidas nas
faixas do infravermelho próximo, vermelho e verde. Nesse caso, as áreas
com vegetação sadia aparecem com tonalidade avermelhada. Cada usuário
pode escolher a composição colorida de sua preferência. Alguns preferem
a vegetação sadia na cor verde por causa da compatibilidade dessa cor
com a natureza (vegetação sadia na natureza possui coloração esverdeada).
Outros preferem vegetação sadia na cor vermelha, pois o olho humano
consegue discriminar melhor nuanças de vermelho do que de verde. Ou-
tra possibilidade é o uso da cor azul para a vegetação sadia, no entanto,
raramente essa composição colorida é utilizada, uma vez que é incomum
encontrar alvos azuis na natureza.

Figura 2. Composição colorida RGB das bandas 3 (faixa espectral

do verde), 4 (faixa espectral do vermelho) e 8 (infravermelho pró-
ximo) do satélite Sentinel-2A sobre uma área com plantios de café
sob sistema de irrigação por pivô-central no oeste da Bahia. Em (A),
as bandas 3, 4 e 8 foram associadas às cores primárias R, G e B, res-
pectivamente. Em (B), as bandas 3, 4 e 8 foram associadas às cores
primárias B, G e R, respectivamente.
Organizador: Os autores.

2.2. RESOLUÇÃO ESPACIAL

A resolução espacial dos diferentes sensores

imageadores define o nível de detalhamento dos
produtos a serem obtidos com base em dados de
sensoriamento remoto. Atualmente, existem saté-
lites que obtêm imagens com menos de 1 metro
de resolução espacial até os que operam com re-
solução espacial da ordem de 1 km. A princípio,
quanto mais fina a resolução espacial, maior é a
capacidade de discriminar diferentes tipos de alvos presentes na paisagem.
No entanto, quando a área de estudo é relativamente extensa, o volume de
dados a serem analisados pode inviabilizar a sua utilização. Por exemplo,
para cobrir todo o território nacional com imagens ortorretificadas do saté-
lite RapidEye, com tamanho de pixel igual a 5 metros e área coberta pelas

265
imagens de 50 km x 50 km, são necessárias mais de 14.000 cenas. Quando
o satélite Landsat é considerado (resolução espacial de 30 metros e tama-
nho de imagens de 185 km x 185 km) esse número se reduz para algo em
torno de 250 cenas.

Na Figura 3, são mostradas imagens obtidas por dois sensores ópticos

com resoluções espaciais moderadas de 30 metros (satélite Landsat 8) e 10
metros (satélite Sentinel-2A) do centro da cidade de Brasília, Distrito Federal
(DF). As bandas espectrais de ambas as cenas foram adquiridas nas faixas
do verde, vermelho e infravermelho próximo. Nessas imagens, áreas com
cobertura vegetal sadia aparecem com coloração avermelhada, enquanto
áreas construídas (asfaltos e edifícios) aparecem com coloração azulada.
Percebe-se que a cena do Sentinel-2A permite melhor identificar as feições
espectrais presentes no terreno, tais como as áreas verdes, os edifícios e o
sistema viário, em comparação com a cena obtida pelo satélite Landsat 8.
Conforme sugerido por Meneses (2012), dependendo da resolução espacial
do sensor, pode-se estabelecer empiricamente as correspondentes escalas
de visualização (Tabela 1). Nesse sentido, as imagens do satélite Landsat 8,
obtidas com resolução espacial de 30 m, permitem mapeamentos na escala
de 1:100.000, enquanto as imagens do satélite Sentinel-2, obtidas com re-
solução espacial de 10 m, permitem mapeamentos na escala de 1:40.000.

Outra questão que frequentemente é levantada pelos intérpretes de

dados de sensoriamento remoto é como definir a área mínima de mape-
amento em função da resolução espacial das imagens. Para responder a
esse questionamento, é preciso primeiro definir o número mínimo de pixels
necessário para delimitar um objeto ou feição no terreno, com relativa se-
gurança. Experiências anteriores mostram que esse número mínimo é da or-
dem de 6 pixels x 6 pixels, podendo ser maior ou menor, dependendo das
características espectrais dos alvos presentes na imagem. Para uma cena
com resolução espacial de 30 metros, considerando o número mínimo de 6
pixels x 6 pixels, tem-se que a área mínima de mapeamento é de 32.400 m2
(30 m x 30 m x 36 pixels = 32.400 m2), ou seja, algo em torno de 3 hectares.

266
 Figura 3. Composições coloridas RGB das bandas espectrais
nas faixas do verde, vermelho e infravermelho próximo dos
satélites Landsat 8 (A) e Sentinel-2A (B) da região central de
Brasília, Distrito Federal. As imagens foram obtidas em 18 de
agosto de 2020 e em 19 de setembro de 2020, respectivamente.
Percebe-se um contraste significativamente melhor para a ima-
gem do Sentinel-2A por causa da sua resolução espacial mais
fina.
Organizador: Os autores.

Tabela 1. Escalas aproximadas de visualização máxima em função da resolução espacial dos

sensores imageadores, determinadas empiricamente por meio de análise visual de imagens em
composições coloridas realçadas.

Resolução espacial Escala

(m)
1 1: <10.000
5 1:20.000
10 1:40.000
30 1:100.000
Fonte: adaptada de Meneses (2012).

1.3 - RESOLUÇÃO TEMPORAL

A periodicidade de obtenção de imagens por um determinado sensor

imageador define a sua resolução temporal. Os dois satélites multiespec-
trais mais antigos em operação, isto é, as plataformas Landsat dos Estados
Unidos e Satellite Pour l´Observation de la Terre (SPOT) da França, possuem
resoluções temporais de 16 dias e 28 dias, respectivamente. Essa periodici-

267
dade só é possível porque esses satélites operam em órbita heliossíncrona,
ou seja, o satélite passa no mesmo ponto da superfície terrestre na mesma
hora do dia. Esses dois satélites cruzam a linha do equador entre 10h e
10h30min, horário local. Antes desse horário, o ângulo de elevação solar é
muito baixo, provocando excesso de sombreamento nos alvos presentes na
paisagem. Depois desse horário, o ângulo de elevação solar é muito alto,
provocando falta de sombreamento nos alvos. De fato, a diferença no nível
de sombreamento entre distintas feições no terreno é um dos critérios para
diferenciá-las nas imagens. Essa é uma das principais justificativas da maio-
ria dos sensores passivos, ou seja, sensores que dependem de radiação so-
lar, operarem nessa faixa de horário. O plano de órbita é aproximadamente
norte-sul e ortogonal em relação ao sentido de rotação da Terra. Para um
satélite que é colocado a uma altitude de 900 km, o tempo para completar
uma volta inteira ao redor da Terra é de aproximadamente 90 minutos.

Com o lançamento das plataformas Terra, em dezembro de 1999, e

Aqua, em maio de 2002, a NASA disponibilizou, pela primeira vez, diversos
sensores como o Moderate Resolution Imaging Spectroradiometer (MO-
DIS), capazes de obterem dados com periodicidade quase diária. Para dar
conta do grande volume de dados que seriam gerados quase que diaria-
mente, os sensores foram desenvolvidos para operarem com resolução es-
pacial moderada. Por exemplo, o sensor MODIS opera com resolução de
250 m, 500 m e 1 km, dependendo da faixa espectral e do modo de ima-
geamento.

Algumas agências espaciais têm investido no lançamento de conste-

lações de satélites para reduzir a periodicidade de aquisição de imagens
e, ao mesmo tempo, manter a resolução espacial no melhor nível possí-
vel. Esse é o caso, por exemplo, do satélite alemão RapidEye, lançado em
agosto de 2008, e formado por uma constelação de cinco microssatélites
multiespectrais colocados em uma mesma órbita. A revisita pode ser diá-
ria para visadas off-nadir ou de 5,5 dias para visadas a nadir. A resolução
espacial é de 6,5 metros e as imagens são comercializadas com tamanho
de pixel de 5 m, após passar pelo processo de ortorretificação. RapidEye
foi lançado com o objetivo de atender as necessidades de monitoramento
da produção agrícola em diferentes regiões do mundo na estação chuvosa
(agricultura de sequeiro). Aqui, a premissa era de que o aumento no núme-
ro de passagens dos satélites em áreas agrícolas aumentaria as chances de
obtenção de imagens sem cobertura de nuvens durante o ciclo de cresci-
mento das culturas agrícolas.

268
 Os satélites da Agência Espacial Europeia (ESA) denominados de Senti-
nel-1 e Sentinel-2 são outros exemplos na linha de constelação de satélites.
Sentinel-1 corresponde a um conjunto de dois satélites denominados de
Sentinel-1A e Sentinel-2A, lançados em abril de 2014 e em abril de 2016,
respectivamente. Trata-se de satélites de radar de abertura sintética (SAR),
que operam na banda C (faixa espectral em micro-ondas, comprimento de
onda em torno de 5 cm). Cada satélite possui resolução temporal de 12
dias ou de 6 dias quando as passagens dos dois satélites são combinadas.
A ESA lançou outra constelação de dois satélites ópticos em 2015 e 2017,
denominada de Sentinel-2A e Sentinel-2B. O lançamento de constelação
de satélites colocadas em uma mesma órbita parece ser uma tendência em
termos de plataformas de coleta de dados de satélites de recursos naturais.

3. PAISAGENS TÍPICAS DO BRASIL

3.1. OS BIOMAS BRASILEIROS

Em 2004, atendendo a uma demanda da Secretaria de Biodiversidade

e Florestas do Ministério do Meio Ambiente (MMA), o Instituto Brasilei-
ro de Geografia e Estatística (IBGE) lançou o mapa dos biomas brasileiros
continentais na escala 1:5.000.000, subdividindo o país em seis grandes
biomas (IBGE, 2004) (Figura 4): Amazônia, Caatinga, Cerrado, Mata Atlân-
tica, Pampa e Pantanal. A partir desse lançamento, o conceito de bioma
tornou-se bastante popular e aceito no Brasil tanto no meio acadêmico
como pela sociedade em geral, principalmente pela sua simplicidade. Um
bioma pode ser definido como uma região geográfica contínua, constituída
por formações vegetacionais próprias e identificáveis em escala regional e
com condições geoclimáticas similares. Segundo essa definição, manchas
de vegetação típica de Cerrado que ocorrem em algumas regiões do bioma
Amazônia, notadamente nos estados do Amapá e Roraima, são incorpora-
das no bioma Amazônia na forma de enclaves.

O bioma Amazônia ocupa aproximadamente 49% do território brasilei-

ro, seguido por Cerrado (24%), Mata Atlântica (13%), Caatinga (10%), Pam-
pa (2%) e Pantanal (2%). Em 2019, o IBGE lançou uma atualização do mapa,
com ampliação de escala para 1:250.000 e com a delimitação do Sistema
Costeiro-Marinho (IBGE, 2019). Outra grande diferença entre os dois mapas

269
de biomas brasileiros é a incorporação, no mapa na escala de 1:250.000,
de uma extensa região localizada no norte do estado do Piauí pelo bioma
Cerrado, anteriormente classificada como pertencente ao bioma Caatinga.
Há controvérsias nessa incorporação, uma vez que as condições de precipi-
tação dessa região são típicas do semiárido nordestino. A seguir, são apre-
sentadas as principais características das paisagens naturais e antrópicas
da Amazônia e do Cerrado, ilustradas com composições coloridas RGB de
imagens obtidas pelo satélite Sentinel-2A da ESA. Por questões de limita-
ções no número de páginas e para que a leitura não fique exageradamente
cansativa, os autores preferiram não apresentar as paisagens predominan-
tes dos outros quatro biomas. Isso não significa que esses biomas apresen-
tam importância secundária em termos de biodiversidade ou produção de
alimentos e energia para o País.

Figura 4. Mapa dos biomas brasi-

leiros na escala de 1:5.000.000. Fon-
te: IBGE (2004).

3.2. BIOMA AMAZÔNIA

3.2.1. COBERTURA
VEGETAL NATURAL

O bioma Amazônia é notada-

mente conhecido pelas formações
florestais tropicais de terra firme e
terras baixas (várzeas). As árvores podem alcançar dezenas de metros de
altura e o dossel é bastante heterogêneo em termos de densidade de es-
pécies arbóreas e arbustivas. Recentemente, uma equipe de cientistas bra-
sileiros e britânicos publicou um artigo na revista Frontiers in Ecology and
the Environment relatando a descoberta da árvore mais alta na Amazônia:
um exemplar da espécie Dinizia Escelsa, popularmente conhecida como
angelim vermelho, de 88 metros, circundada por sete outras árvores com
alturas superiores a 80 m (Gorgens et al., 2019). Essas árvores encontram-se
dentro de uma unidade de conservação de uso sustentável no estado do
Pará, a Floresta Estadual do Paru, que faz divisa com o estado do Amapá.

270
 As irregularidades nas alturas das diferentes espécies arbóreas e a
eventual queda de árvores provocam, no topo do dossel do bioma Amazô-
nia, a presença marcante de sombreamentos. Suspeita-se que esses som-
breamentos fazem com que os valores de índices de vegetação derivados
de imagens de satélite fiquem maiores na estação seca do que na estação
chuvosa, ao contrário do que ocorre em outros biomas como Cerrado e
Caatinga. De acordo com Galvão et al. (2011), na estação seca, os ângulos
de elevação solar são maiores durante o horário de passagem do satélite,
o que reduz o sombreamento no topo do dossel e, consequentemente, au-
menta os valores de índices de vegetação.

As várzeas são as representantes típicas de florestas ou campos de ter-

ras baixas, e ocorrem ao longo dos rios e planícies onde são periodicamen-
te alagadas na estação chuvosa. Tipicamente, as várzeas ocorrem ao longo
da calha principal do rio Solimões/Amazonas e seus principais tributários
e ocupam uma área aproximada de 250 mil km2 (aproximadamente 6% do
bioma). A largura da várzea varia de algumas centenas de metros no Alto
rio Solimões, em torno de 50 km no Médio e Baixo Amazonas e até 200 km
na foz do rio Amazonas (IBAMA, 2008). A biodiversidade das várzeas é me-
nor que as de florestas de terra firme, pois o número de espécies vegeta-
cionais que possuem mecanismos morfofisiológicos tolerantes ao processo
de inundação sazonal é menor. Essas áreas de várzeas, quando inundadas,
podem ser confundidas com desmatamento por corte raso, pois ambas as
feições apresentam tonalidades escuras nas imagens de satélite, tanto nas
imagens de radar como nas imagens ópticas. Outras formações que se des-
tacam no bioma Amazônia são as matas de igapó que ocorrem em áreas
permanentemente alagadas e os enclaves de Cerrado que ocorrem notada-
mente nos estados do Amapá, Mato Grosso, Rondônia, Roraima e Pará. Es-
ses enclaves são conhecidos como savana amazônica ou lavrados, cobrem
uma área relativamente extensa na Amazônia Legal (233 mil km2, cerca de
3% do bioma) e apresentam várias espécies vegetais e animais endêmicas.
Sua conversão em agricultura raramente tem sido mapeada ou monitorada.

A Figura 5 ilustra um exemplo de uma área com cobertura florestal de

terra firme no município de Tapauá, Amazonas. O rio que aparece no cen-
tro da imagem é o rio Purus, afluente da margem direita do rio Amazonas.
Trata-se de uma área de floresta primária praticamente intacta (cor magenta
na imagem) e com presença de algumas áreas de inundação, caracterizadas
pela tonalidade cinza-escuro na composição colorida.

271
Figura 5. Composi-
ção colorida RGB das
bandas 8, 4 e 3 do sa-
télite europeu Senti-
nel-2A, obtida em 20
de setembro de 2020,
ilustrando áreas de
formações florestais de
terra firme (coloração
magenta) e de várzea
(tonalidade escura) no
município de Tapauá,
estado do Amazonas.
Em (A), a localização
do recorte da imagem
no estado do Amazo-
nas.
Organizador: Os auto-
res.
3.2.2. Cobertura vege-
tal antrópica

As coberturas vegetais antrópicas mais representativas do bioma Ama-

zônia são as pastagens cultivadas, as culturas agrícolas e a vegetação secun-
dária. Essas coberturas antrópicas são resultantes do processo de desma-
tamento por corte raso, o qual sofreu intensificação a partir dos anos 1990.
Esse processo de desmatamento começa no início da estação chuvosa e
atinge o seu pico no final da estação chuvosa, no mês de abril. As árvores e
arbustos derrubados são deixados no solo para serem queimados no pico
da estação seca (agosto e setembro). Frequentemente as árvores de porte
maior, com maior valor de mercado entre as madeireiras, são retiradas antes
do início do corte raso. Essa retirada é conhecida como corte seletivo. Os
principais responsáveis pelo desmatamento na Amazônia são os grileiros
que praticam desmatamento para fins de especulação de terras, os assen-
tamentos rurais do Instituto de Colonização e Reforma Agrária (INCRA), os
pecuaristas para produção de carne bovina e os agricultores para produção
de grãos.

Áreas extensas de pastagens cultivadas são encontradas, por exemplo,

ao redor de Porto Velho, Rondônia, e em todo o estado do Pará, enquanto
áreas extensas de plantio de grãos, notadamente soja, algodão e milho
safrinha, são encontrados, por exemplo, na região de Sinop, Mato Grosso.
Nas margens da rodovia BR-163, que liga Cuiabá a Santarém, principal-
mente na região do município de Novo Progresso, Pará, são encontradas
grandes frentes de desmatamento por corte raso, ilegais em sua maioria.

272
Entende-se por desmatamento ilegal, aquelas áreas derrubadas sem licen-
ça emitida por agência ambiental estadual ou federal, mesmo que esteja
de acordo com o Código Florestal vigente (BRASIL, 2012). As margens da
rodovia BR-230 (rodovia Transamazônica), principalmente ao longo do tre-
cho Lábrea-Apuí no estado do Amazonas, é outro exemplo de hotspot de
desmatamento por corte raso.

Muitas dessas áreas desmatadas são abandonadas, levando à forma-

ção de uma classe de vegetação denominada vegetação secundária, um
tipo de cobertura vegetal em processo de regeneração. As áreas de vege-
tação secundária podem ser classificadas como vegetação natural ou como
vegetação antrópica, dependendo do estágio de regeneração. Essa sepa-
ração é bastante subjetiva ao ser obtida por meio de imagens de sensoria-
mento remoto ou mesmo em nível de campo, constituindo-se em uma das
classes mais complexas de ser mapeada e monitorada no bioma Amazônia.
A Figura 6 mostra um recorte de imagem do satélite Sentinel-2A no muni-
cípio rondoniense de Ariquemes, com predomínio de pastagens cultivadas
e vegetação secundária. A coloração azul-claro indica pastagens bem ma-
nejadas, isto é, sem a presença de rebrota da vegetação nativa, enquanto
a coloração azul-escuro indica pastagens mal manejadas, ou seja, com pre-
sença acentuada de rebrota da vegetação nativa.

3.3. BIOMA CERRADO

3.3.1. COBERTURA VEGETAL NATURAL

A vegetação natural do Cerrado é composta por um mosaico de forma-

ções florestais, savânicas e campestres em diferentes proporções, dependen-
do da região. Por vegetação natural, entende-se aquelas áreas que apresen-
tam cobertura vegetal original, com ou sem a presença de atividade antrópica.
Segundo essa definição, áreas denominadas de pastagens nativas são compu-
tadas como cobertura vegetal natural, mesmo que a maior parte dessas áreas
seja utilizada para criação de gado. A formação florestal corresponde a um
dossel contínuo ou descontínuo, come predomínio de espécies arbóreas, en-
quanto a formação savânica é constituída pela presença de árvores e arbustos
espalhados sobre um estrato graminoso, sem a formação de dossel contínuo.
Finalmente, a formação campestre possui predomínio de espécies herbáceas
e algumas arbustivas, mas sem a presença de árvores na paisagem.

273
Figura 6. Composição co-
lorida RGB das bandas 8, 4
e 3 do satélite europeu Sen-
tinel-2A, obtida em 07 de
outubro de 2020, ilustran-
do presença de áreas antró-
picas (pastagem cultivada
e vegetação secundária)
no município de Arique-
mes, Rondônia. Em (A), a
localização da imagem no
estado de Rondônia.
Organizador: Os autores.

A vegetação do Cerrado é ainda caracterizada pela forte sazonalidade

climática (seis meses de estação seca e seis meses de estação chuvosa).
Nesse sentido, o mapeamento de fitofisionomias do Cerrado torna-se mais
complexo e menos preciso sempre que se utiliza uma única cena para cada
grade de imagem. Portanto, recomenda-se o uso de séries históricas de
imagens para levar em consideração esse efeito de sazonalidade cuja in-
tensidade é distinta dependendo da fitofisionomia. A possibilidade de pro-
cessamento de imagens na nuvem em plataformas como as do Google™
ou da Amazon™ tem viabilizado o uso de séries temporais de imagens de
satélite para mapeamento de uso e cobertura de terras em escala de bio-
ma ou mesmo em escala nacional. O Projeto MapBiomas é um exemplo de
uma iniciativa multi-institucional do Brasil para produção de mapas anuais
de uso e cobertura de terras dos seis biomas brasileiros utilizando séries
temporais de imagens do satélite Landsat (Souza Jr. et al., 2020).

A Figura 7 ilustra um exemplo de uma área coberta por vegetação

nativa do Cerrado em um recorte de imagens do satélite europeu Sentinel-
-2A. A imagem cobre a maior unidade de conservação de proteção integral
localizada em uma área urbana no Brasil, o Parque Nacional de Brasília.
Nessa figura, que corresponde a uma composição colorida RGB das bandas
8 (infravermelho próximo), 4 (vermelho) e 3 (verde), as formações florestais
aparecem com coloração avermelhada, enquanto as formações savânicas e
campestres aparecem com tonalidades marrom-avermelhada e esverdeada

274
(predomínio de solo exposto e vegetação seca), respectivamente.

Grosso modo, atualmente o Cerrado apresenta metade do bioma co-

berto com vegetação nativa enquanto a outra metade já se encontra antro-
pizada. Na porção norte do bioma, há um predomínio da vegetação nativa,
enquanto na porção sul do bioma, predomina a cobertura vegetal antrópi-
ca, reflexo da própria história de ocupação do Cerrado, que começou da
região sul para a região norte. A classe de cobertura vegetal antrópica mais
expressiva em área no Cerrado são as pastagens cultivadas (aproximada-
mente 30%) (Scaramuzza et al., 2017), encontradas praticamente em toda a
extensão do bioma, em maior (exemplo, nordeste do estado de Goiás) ou
menor proporção (por exemplo, oeste da Bahia), dependendo da região. As
culturas anuais, notadamente soja, milho, algodão, café e cana-de-açúcar,
ocupam cerca de 9% do bioma. Esses plantios ocupam extensas regiões
com topografia plana, denominadas de chapadas e com solo predominan-
temente do grupo de Latossolos. São os casos de Luís Eduardo Magalhães
na Bahia, Jataí e Rio Verde em Goiás e Lucas do Rio Verde e Sorriso em
Mato Grosso, cujas regiões são conhecidas pela sua elevada produtividade
e intensa mecanização agrícola.
Figura 7. Composição
colorida RGB das bandas
8, 4 e 3 do satélite euro-
peu Sentinel-2A, obtida
em 19 de setembro de
2020, ilustrando áreas
de formações florestais,
savânicas e campestres
no Parque Nacional de
Brasília, Distrito Federal
(DF). Em (A), a locali-
zação do recorte da ima-
gem no DF.
Organizador: Os autores.

A região conhecida como MATOPIBA, composta por 337 municípios

dos estados do Maranhão, Tocantins, Piauí e Bahia, é a mais nova fronteira
agrícola do Cerrado e a quarta maior região produtora de grãos do Brasil,
atrás apenas de Mato Grosso, Paraná e Rio Grande do Sul. Essa região pro-

275
duz 13% do total de grãos produzidos no país (Silva et al., 2020). A topo-
grafia plana, os custos baixos de aquisição de terras, as propriedades físicas
favoráveis do solo para o plantio de grãos e a possibilidade de uma boa
logística para exportação dessas commodities agrícolas, via porto do Itaqui
no Maranhão, contribuíram para o estabelecimento da fronteira agrícola
nessa região. A Figura 8 ilustra o avanço da fronteira agrícola no MATOPI-
BA, mais especificamente no sul do estado do Piauí, no município de Baixa
Grande do Ribeiro. A porção sul da imagem, caracterizada pela coloração
avermelhada e textura lisa, corresponde a uma área plana com vegetação
do tipo Cerrado Ralo (formação savânica). Essa área é fortíssima candidata
a ser ocupada pela agricultura em um futuro bastante próximo.

Figura 8. Compo-
sição colorida RGB
das bandas 8, 5 e 4 do
satélite europeu Senti-
nel-2A, obtida em 21
de setembro de 2020,
ilustrando o avanço
da agricultura de se-
queiro sobre áreas de
chapada na região de
MATOPIBA (municí-
pio de Baixa Grande
do Ribeiro). Em (A), a
localização do recorte
da imagem no estado
do Piauí.
Organizador: Os au-
tores.

4. SISTEMAS BRASILEIROS DE MONITORAMENTO DA PAISAGEM

4.1. MONITORAMENTO DO DESMATAMENTO

4.1.1. PROJETO PRODES

Por causa da sua importância na conservação da biodiversidade de

florestas tropicais e na mitigação de efeitos climáticos globais, o monito-
ramento do desmatamento na Amazônia brasileira tem merecido grande

276
atenção. O monitoramento efetivo da Amazônia começou com o lançamen-
to do Projeto de Monitoramento do Desmatamento da Floresta Amazônica
Brasileira por Satélite (PRODES) em 1988 pelo INPE com o objetivo de pro-
duzir taxas anuais de desmatamento por corte raso para fins de políticas pú-
blicas (MAURANO; ESCADA; RENNO, 2019). O período de monitoramento
inicia-se em 1º de agosto de um determinado ano até o dia 31 de julho do
ano seguinte.

O PRODES tem sido baseado na análise de imagens do satélite Land-

sat, mas, sempre que necessário, tem sido complementado com a análise
de imagens do satélite sino-brasileiro CBERS-2/2B/4 e do satélite indiano
RESOURCESAT LISS-3. Por exemplo, em 2012, com a descontinuação de
obtenção de imagens pelo satélite Landsat 7, por causa de falhas no cor-
retor de linhas de varredura, dados do PRODES de 2012 foram gerados
com forte dependência do satélite RESOURCESAT LISS-3. A área mínima
de mapeamento do PRODES é de 6,25 hectares. Essa área corresponde a
um quadrado de 250 m x 250 m, o que equivale à área mínima mapeável
de 0,1 cm x 0,1 cm em produtos cartográficos na escala de 1:250.000. Em
1988, as imagens do PRODES eram interpretadas visualmente pelos pes-
quisadores do INPE a partir de composições coloridas impressas em papel
fotográfico na escala de 1:250.000. As áreas desmatadas eram desenhadas
manualmente em um papel transparente conhecido como overlay, e digi-
talizadas via mesas digitalizadoras em tamanho A0 (84,1 cm x 118,9 cm),
acopladas a microcomputadores com programas de processamento digital
de imagens ali instalados. De acordo com INPE (2021a), os dados gerados
pelo PRODES têm sido utilizados para: i) certificação de cadeias produtivas
do agronegócio como a Moratória da Soja e o Termo de Ajustamento de
Conduta da pecuária bovina; ii) geração de relatórios de inventário nacional
de emissões de gases de efeito estufa; e iii) doações monetárias da Norue-
ga e Alemanha ao governo brasileiro, via Fundo Amazônia.

Recentemente, o PRODES foi estendido para o bioma Cerrado, geran-

do-se dados anuais de desmatamento para esse bioma a partir de 2013 e
dados bianuais para o período 2000−2012. A área mínima de mapeamen-
to é de 1 ha. A legenda do PRODES Cerrado é composta pelas seguintes
classes: antrópico (com correspondente ano de supressão vegetal natural),
água e não-observado (regiões com cobertura de nuvens). O restante das
áreas são consideradas formações naturais. Áreas em regeneração e áreas
agrícolas abandonadas foram classificadas como formações naturais. Áreas
queimadas com padrão geométrico regular foram consideradas pertencen-

277
tes à classe antrópica. Maiores detalhes do PRODES Cerrado podem ser
encontrados em Parente et al. (2021).

4.1.2. SISTEMA DETER

Outro sistema de monitoramento de desmatamento, criado pelo INPE

em 2004, é o Sistema de Detecção de Desmatamento em Tempo Real (DE-
TER). O DETER corresponde a um sistema de alertas de desmatamento e
degradação florestal e visa fornecer subsídios à equipe de fiscalização, com-
bate e controle de desmatamento do Instituto Brasileiro do Meio Ambiente
e dos Recursos Naturais Renováveis (IBAMA). No período 2004−2017, o
DETER foi baseado nos dados diários do sensor MODIS a bordo do saté-
lite Terra, que opera com resolução espacial de 250 m. A área mínima de
detecção é de 25 hectares. A partir de 2015, o INPE começou a operar uma
nova versão do DETER, denominada de DETER-B (Diniz et al., 2015), com o
intuito de monitorar desmatamentos menores que 25 ha. Para isso, o sensor
MODIS foi substituído pelo sensor Advanced Wide Field Sensor (AWiFS)
do satélite RESOURCESAT-2, que opera com resolução espacial de 56 m e
periodicidade de 5 dias, complementadas com o sensor Wide Field Imager
(WFI) do satélite CBERS-4, com resolução espacial de 64 m. Com isso, a
área mínima de detecção passou para aproximadamente 3 ha.

No final de 2019, o IBAMA fez uma demanda ao INPE para implemen-

tar um novo sistema de monitoramento de alertas de desmatamento basea-
do em um conjunto de satélites que operam com resolução espacial mode-
rada de 10 m a 30 m, periodicidade de 10 a 30 dias e com disponibilização
de imagens de forma gratuita na rede mundial de computadores. Nesse
sentido, são utilizadas todas as imagens sem cobertura de nuvens obtidas
pelos satélites Landsat 8, Sentinel-1 (radar), Sentinel-2 (óptico) e CBERS-4.
O sistema foi denominado de Deter Intenso (INPE, 2021b). Com a combi-
nação desses satélites, é possível reduzir a taxa de revisita de uma deter-
minada área para 1-2 dias com uma área mínima mapeável em torno de 1
ha. Atualmente, o DETER Intenso está operando em cinco áreas prioritárias
de fiscalização nas regiões de Anapu (PA), Apuí (AM), Candeias do Jamari
(RO), Extrema (RO) e Altamira (PA), totalizando uma área de 484 mil km2. O
objetivo principal do Deter Intenso é qualificar os alertas de desmatamento
para fiscalização em campo, segundo critérios pré-estabelecidos em um
algoritmo de inteligência artificial. Um polígono de 10 ha pode ser mais

278
prioritário para fiscalização do que outro de 500 ha, desde que o primeiro
esteja ativo e o outro já esteja consolidado. Por polígono ativo, entende-se
aquela área de desmatamento que vem crescendo em ritmo acelerado em
um curto período de tempo.

Aqui, é importante ressaltar que tanto o PRODES como o DETER utili-

zam, como área de estudo, a Amazônia Legal que é mais extensa do que o
bioma Amazônia. A Amazônia Legal corresponde a um limite político criado
pela Lei Federal no. 5.173 de 1966 (BRASIL, 1966) para facilitar políticas
públicas de incentivos fiscais na região amazônica e cobre uma área apro-
ximada de 5,2 milhões de km2 (61% do território nacional), englobando os
estados do Acre, Amapá, Amazonas, Mato Grosso, Pará, Rondônia, Rorai-
ma, Tocantins e parte do Maranhão (Figura 8). É preciso ficar atento a essas
diferenças em área porque os valores mapeados, em qualquer que seja o
tipo de mapeamento, podem variar para mais ou para menos, dependendo
do limite geográfico utilizado.
Figura 8. Mapa de localização da Ama-
zônia Legal no Brasil, mostrando sobrepo-
sição com o bioma Cerrado em vermelho
nos estados de Mato Grosso, Tocantins e
Maranhão.
Organizador: Os autores.

4.1.3. PROJETO TERRACLASS

Outro projeto de monito-

ramento de desmatamento que
pode ser destacado é o Projeto
TerraClass Amazônia (Almeida et
al., 2016), que está sendo executa-
do pela Coordenação Espacial da
Amazônia (COEAM) do INPE, com
sede em Belém, PA, em parceria
com a Embrapa Amazônia Oriental
em Belém, PA, e a Embrapa Infor-
mática Agropecuária em Campi-
nas, SP. O objetivo principal desse estudo é qualificar as áreas desmatadas
e detectadas pelo PRODES dois anos antes do ano que está sendo consi-
derado pelo projeto. Mais especificamente, o TerraClass procura identificar

279
quais os tipos de cobertura vegetal estão presentes naquelas áreas que
sofreram corte raso há dois anos.

Esse projeto é baseado na análise visual de imagens do satélite Land-

sat, as quais são previamente processadas pelas técnicas de segmentação
de imagens e modelo linear de mistura espectral. A seguinte legenda é
utilizada: agricultura anual; área não observada (presença de cobertura de
nuvem); área urbana; mineração; mosaico de ocupações (típico de assenta-
mentos rurais); pasto com solo exposto; pasto limpo; pasto sujo; regenera-
ção com pasto; reflorestamento; e vegetação secundária. A classe agricul-
tura anual é a única classe que é mapeada de forma automática, baseada
nos dados do sensor MODIS convertidos para índice de vegetação por di-
ferença normalizada (NDVI). O TerraClass é executado a cada dois anos
e atualmente os dados estão disponíveis para 2004, 2008, 2010, 2012 e
2014. Resultados divulgados pelo Projeto TerraClass de 2014 indicam que o
estado de Pará possui 37% das áreas de vegetação secundária na Amazônia
Legal, seguida dos estados de Mato Grosso e Maranhão, com 18% e 17%,
respectivamente (Figura 9). Tais áreas de vegetação secundária podem ser
consideradas como áreas potenciais de intensificação agrícola ou como de
preservação para recuperação da biodiversidade.

Figura 9. Porcentagem de área ocupada

pela classe de vegetação secundária pelos
diferentes estados da Amazônia Legal, ma-
peada pelo Projeto TerraClass em 2014.
Organizador: Os autores.

4.2. MAPEAMENTO DE
COBERTURA E USO
DO SOLO DO BRASIL
(MAPBIOMAS)

Nesta seção, o destaque é

para o projeto multi-institucional
de mapeamento anual de cobertu-
ra e uso do solo do Brasil, conhecido como Projeto MapBiomas (Souza Jr.
et al., 2020; MapBiomas, 2022a), o qual envolve a participação de diversas
instituições públicas de ensino (Universidade Federal de Goiás - UFG, Uni-
versidade Federal de Rio Grande do Sul - UFRGS, Universidade Estadual de

280
Feira de Santana – UEFS e Universidade Federal do Pará - UFPA), organis-
mos não-governamentais (IMAZON) e empresas privadas (por exemplo, Ins-
tituto de Pesquisa Ambiental da Amazônia - IPAM, Agrosatélite e ArcPlan).
Cada instituição é responsável pelo mapeamento de cobertura e uso do
solo em nível de bioma ou de temas específicos como mangues, pastagens
cultivadas e culturas agrícolas. Por exemplo, o IMAZON é responsável pelo
bioma Amazônia, o IPAM pelo Cerrado, a UEFS pela Caatinga, a UFG pelas
pastagens cultivadas e o Agrosatélite pelas culturas agrícolas.

O projeto utiliza séries históricas de imagens do satélite Landsat da co-

leção 1, tier 1, isto é, valores digitais convertidos para reflectância no topo
da atmosfera e disponibilizados na plataforma Google Earth Engine. As ima-
gens são processadas na nuvem via scripts nas linguagens de programação
Javascript e Python. Uma coleção de scripts (toolkits) é disponibilizada para
download de mapas em diversos recortes (estaduais, municipais, por bioma
e outras geometrias). Os mapas, obtidos por meio de classificação supervi-
sionada pelo algoritmo Random Forest, envolvendo 104 parâmetros de en-
trada, são disponibilizados em formato matricial. A fase de pós-classificação
envolve os procedimentos de preenchimento de pixels não-classificados,
filtragem espacial e filtragem temporal. A legenda é hierárquica e bastante
detalhada (total de 26 classes temáticas). O primeiro nível é composto pela
formação florestal, formação natural não-florestal, agropecuária, e área não
vegetada.

O primeiro mapa anual de cobertura e uso do solo do Brasil produzido

pelo projeto é de 1985, ano em que as imagens do satélite Landsat-5 The-
matic Mapper (TM) começaram a ser disponibilizadas. Sempre que a série
de mapas passa por alguma melhoria significativa em termos de pré-pro-
cessamento, processamento ou pós-processamento, é lançada uma nova
coleção. Todos os mapas produzidos até então são reprocessados, con-
forme a metodologia da nova coleção. Atualmente o MapBiomas já está
na quinta coleção. As principais publicações em revistas indexadas pela
equipe do MapBiomas podem ser encontradas no site do projeto (MapBio-
mas, 2022b). Atualmente o projeto está se expandindo para outros países
da América do Sul e para outras iniciativas como o MapBiomas Alerta (con-
firmação de alertas de desmatamento) (MapBiomas, 2022c) e MapBiomas
Fogo (disponibilização de dados de cicatrizes de queimada) (MapBiomas,
2022d). Na Figura 10, são mostradas as porcentagens de antropização dos
seis biomas brasileiros em relação ao ano-base de 1985. Em 2019, Panta-
nal e Amazônia apresentaram acréscimos de 258% e 257% nos níveis de

281
antropização em relação aos encontrados em 1985. No bioma Cerrado,
cuja expansão agrícola foi intensificada a partir de meados de 1980, a por-
centagem de acréscimo foi de 45%. Essa porcentagem é superior aos 40%
do Pantanal que corresponde a um bioma cuja antropização tem merecido
pouco destaque entre os pesquisadores ou mesmo na mídia, apesar da sua
grande riqueza em termos de diversidade de fauna.

Figura 10. Porcenta-

gem de antropização em
2019 nos diferentes bio-
mas brasileiros em rela-
ção ao ano-base de 1985.
Organizador: Os autores.

4.3. MONITORAMENTO DE QUEIMADAS

(BDQUEIMADAS)

Nas últimas décadas, as queimadas no Brasil têm sido cada vez mais
frequentes em função da intensificação do processo de ocupação territorial,
ocasionando perda de biodiversidade e aumento na emissão de gases de
efeito estufa. O monitoramento de queimadas é importante para compre-
ender a relação entre susceptibilidade a incêndios de uma determinada
área, a qual está diretamente relacionada com o volume de material com-
bustível e as condições climáticas da região, isto é, a duração e intensidade
da estação seca, além do nível de ocupação humana da região. O conhe-
cimento da extensão e recorrência de queimadas possibilita a elaboração
de estratégias de prevenção e combate, minimizando os efeitos negativos
causados pelo fogo. O INPE é a instituição que disponibiliza dados diários
de queimadas no Brasil, por meio da plataforma BDQueimadas (Banco de
Dados de Queimadas) (INPE, 2021c). O banco permite consultas na forma
de mapas, tabelas e gráficos em diferentes recortes (estados, municípios,

282
unidades de conservação, biomas e outras feições) e exportação dos dados
em vários formatos de saída, tais como o CSV, GeoJSON, KML e shapefile.

Para produção desses dados de queimadas, são utilizados diferentes

satélites com órbita polar ou geoestacionários e que possuem sensores ope-
rando na faixa termal de 4 µm. Os satélites pertencem às agências espaciais
dos Estados Unidos (NASA) e da Europa (ESA), além do National Oceanic
and Atmospheric Administration (NOAA) dos Estados Unidos. Dentre os
sensores utilizados, incluem-se o Advanced Very High Resolution Radio-
meter (AVHRR), o Meteorological Operational Satellite (METOP-B e ME-
TOP-C), o MODIS, o Visible Infrared Imaging Radiometer Suite (VIIRS) e o
Meteosat Second Generation (MSG-3). Esses sensores produzem imagens
com baixa resolução espacial (0,3−1 km de resolução espacial). O INPE
também produz dados de queimada com resolução espacial média (10−60
m). Nesse caso, são utilizadas imagens geradas pelos satélites Landsat 8,
CBERS-4 e RESOURCESAT LISS-3. Os produtos são diários para dados com
resolução espacial baixa e aproximadamente quinzenal para produtos de
resolução espacial média. A incerteza é de ± 30% para os mapeamentos de
baixa resolução, e de ± 10% nos mapeamentos de média resolução espa-
cial.

5. CONSIDERAÇÕES FINAIS

Nos últimos tempos, o aumento na capacidade de geração de dados

de sensoriamento remoto em diferentes resoluções espaciais, temporais e
espectrais tem sido bastante notório. A disponibilidade de recursos com-
putacionais como a possibilidade de processamento na nuvem e o acesso
às séries históricas de imagens de satélite sem a necessidade de download
nos discos de cada computador pessoal é hoje uma realidade. No entanto,
alguns desafios de monitoramento da paisagem com dados de sensoria-
mento remoto ainda permanecem. Este é o caso, por exemplo, do mapea-
mento de áreas ocupadas com integração lavoura-pecuária-floresta (iLPF).
Ainda não existe uma biblioteca espectral constituída por áreas representa-
tivas dessa estratégia de produção agropecuária, onde plantios de pasta-
gens, culturas agrícolas e de reflorestamento, por exemplo, com eucalipto,
são encontrados em uma mesma área. O iLPF integra esses diferentes sis-
temas produtivos para produzir, de forma integrada, grãos, pastagem para
gado e madeira, em uma mesma área. Essa estratégia vem sendo cada vez

283
mais adotada pelos produtores rurais por causa dos avanços no melhora-
mento genético, manejo das terras e das máquinas agrícolas.

Outro desafio é o mapeamento e monitoramento dos diferentes níveis

de degradação de pastagens cultivadas. A degradação de pastagens pode
ser definida como “um processo evolutivo de perda do vigor, de produtivi-
dade, da capacidade de recuperação natural das pastagens para sustentar
os níveis de produção e a qualidade exigida pelos animais, bem como o
de superar os efeitos nocivos e pragas, doenças e invasoras” (Macedo e
Zimmer, 1993). Ocorre que esse conceito varia de acordo com a região.
Por exemplo, uma pastagem cultivada com baixa produção de biomassa
vegetal pode ser considerada degradada ou não degradada, dependendo
das condições climáticas e de fertilidade natural de solos da região. Em
outras palavras, o conceito de pastagem degradada do sudoeste de Goiás,
onde as condições edafoclimáticas são melhores do que as do semiárido
nordestino, por exemplo, não pode ser o mesmo. Na região amazônica, a
degradação de pastagens está mais associada à regeneração de espécies
arbóreo-arbustivas da região do que às condições edafoclimáticas. Além
disso, uma área com superpastoreio pode ser facilmente confundida com
pastagem degradada em imagens de satélite e vice-versa.

REFERÊNCIAS

ALMEIDA, C. A.; COUTINHO, A. C.; ESQUERDO, J. C. D. M.; ADAMI, M.; VENTU-

RIERI, A.; DINIZ, C. G.; DESSAY, N.; DURIEUX, L.; GOMES, A. R. High spatial resolution
land use and land cover mapping of the Brazilian Legal Amazon in 2008 using Landsat-5/
TM and MODIS data. Acta Amazonica, Manaus, v. 46, n. 3, p. 291−302, 2016.
BRASIL. Lei no 5.173, de 27 de outubro de 1966. Dispõe sobre o Plano de Valo-
rização Econômica da Amazônia; extingue a Superintendência do Plano de Valoriza-
ção Econômica da Amazônia (SPVEA), cria a Superintendência do Desenvolvimento da
Amazônia (SUDAM), e dá providências. Diário Oficial da União: seção 1 – 30/10/1966,
Brasília, DF, p. 322.
BRASIL. Decreto-lei no 12.651, de 25 de maio de 2012. Dispõe sobre a proteção da
vegetação nativa. Diário Oficial da União: seção 1 – 28/5/2012, Brasília, DF, p. 1.
DINIZ, C. G.; SOUZA, A. A. A.; SANTOS, D. C.; DIAS, M. C.; LUZ, N. C.; MORAES,
D. R. V.; MAIA, J. S.; GOMES, A. R.; NARVAES, I. S.; VALERIANO, D. M.; MAURANO,
L. E. P.; ADAMI, M. DETER-B: The new Amazon near real-time deforestation detection
system. IEEE Journal of Selected Topics in Applied Earth Observation and Remote
Sensing, v. 8, n. 7, p. 3619−3628, 2015.
GALVÃO, L. S.; SANTOS, J. R.; ROBERTS, D. A.; BREUNIG, F. M.; TOOMEY, M.;
MOURA, Y. M. On intra-annual EVI variability in the dry season of tropical forests: A case

284
study with MODIS and hyperspectral data. Remote Sensing of Environment, v. 115, p.
2350−2359, 2011.
GORGENS, E. B.; MOTTA, A. Z.; ASSIS, M.; NUNES, M. H.; JACKSON, T.; COOMES,
D.; ROSETTE, J.; ARAGÃO, L. E. O. C.; OMETTO, J. P. The giant trees of the Amazon
basin. Frontiers in Ecology and the Environment, Washington, v. 17, n. 7, p. 373−374,
2019.
IBGE, Instituto Brasileiro de Geografia e Estatística. Biomas. Rio de Janeiro: IBGE,
2004. Disponível em: https://www.ibge.gov.br/geociencias/informacoes-ambientais/
15842-biomas.html?=&t=o-que-e. Acesso em: 26 abr. 2021.
IBGE, Instituto Brasileiro de Geografia e Estatística. Biomas e Sistema Costeiro-
-Marinho do Brasil. Compatível com a Escala 1:250.000. Rio de Janeiro: IBGE, 2019,
164 p. (Série Relatórios Metodológicos, v. 45).
IBAMA, Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis.
Projeto Manejo de Recursos Naturais da Várzea - ProVárzea/Ibama. Manaus: IBAMA:
MMA, 2008. 48 p.
INPE, Instituto Nacional de Pesquisas Espaciais. Deter Intenso. São José dos Cam-
pos: INPE. Disponível em: http://www.obt.inpe.br/OBT/assuntos/programas/amazonia/
deter/deter-intenso. Acesso em: 28 abr. 2021a.
INPE, Instituto Nacional de Pesquisas Espaciais. PRODES – Amazônia. São José
dos Campos: INPE. Disponível em: http://www.obt.inpe.br/OBT/assuntos/programas/
amazonia/prodes. Acesso em: 28 abr. 2021b.
INPE, Instituto Nacional de Pesquisas Espaciais. BDQueimadas. São José dos
Campos, INPE. Disponível em: https://queimadas.dgi.inpe.br/queimadas/bdqueima-
das. Acesso em: 28 abr. 2021c.
JENSEN, J. R. Sensoriamento Remoto do Ambiente: uma Perspectiva em Re-
cursos Terrestres. Tradução: José Carlos Neves Epiphanio (coord.), et al. São José dos
Campos: Parêntese, 2009.
MACEDO, M. C. M.; ZIMMER, A. H. Sistemas pasto-lavoura e seus efeitos na pro-
dutividade agropecuária. In: SIMPÓSIO SOBRE ECOSSISTEMAS DAS PASTAGENS, 2.,
1993. Jaboticabal. Anais [...]. Jaboticabal: UNESP, 1993. p. 216−245.
MAPBIOMAS. O projeto. Disponível em: https://mapbiomas.org/o-projeto. Aces-
so em: 08 mar. 2022a.
MAPBIOMAS. Artigos mapbiomas. Disponível em: https://mapbiomas.org/cate-
goria/105-artigos-mapbiomas. Acesso em: 08 mar. 2022b.
MAPBIOMAS. O que é o MapBiomas Alerta. Disponível em: http://alerta.mapbio-
mas.org/. Acesso em: 07 mar. 2022c.
MAPBIOMAS. Método MapBiomas Fogo. Disponível em: https://mapbiomas.
org/mapbiomas-fire-method?cama_set_language=pt-BR. Acesso em: 07 mar. 2022d.
MAURANO, L. E. P.; ESCADA, M. I. S.; RENNO, C. D. Padrões espaciais de desma-
tamento e a estimativa da exatidão dos mapas do PRODES para Amazônia Legal Brasi-
leira. Ciência Florestal, Santa Maria, v. 29, n. 4, p. 1763-1775, 2019.
MENESES, P. R. Princípios de sensoriamento remoto. In: Meneses, P. R.; Almeida, T.
(org.). Introdução ao Processamento de Imagens de Sensoriamento Remoto. Brasília:
CNPq, 2012. p. 1-120.
MENESES, P. R.; ALMEIDA, T.; BAPTISTA, G. M. M. (org.). Reflectância dos Mate-
riais terrestres: análise e Interpretação. São Paulo: Oficina de Textos, 2019.

285
 PARENTE, L.; NOGUEIRA, S.; BAUMANN, L.; ALMEIDA, C.; MAURANO, L.; AF-
FONSO, A. G.; FERREIRA, L. Quality assessment of the PRODES Cerrado deforesta-
tion data. Remote Sensing Applications: Society and Environment, v. 21, 2021. DOI:
https://doi.org/10.1016/j.rsase.2020.100444.
SCARAMUZZA, C. A. M. et al. Land-use and land-cover mapping of the Brazilian
Cerrado based mainly on Landsat-8 satellite images. Revista Brasileira de Cartografia,
Rio de Janeiro, n. 69/6, p. 1041-1051.
SILVA, V. P. R.; SILVA, R. A.; MACIEL, G. F.; SOUZA, E. P.; BRAGA, C. C.; HOLANDA,
R. M. Soybean yield in the Matopiba region under climate changes. Revista Brasileira
de Engenharia Agrícola e Ambiental, Campina Grande, v. 24, n. 1, p. 8-14, 2020.
SOUZA JUNIOR, C. M. et al. Reconstructing three decades of land use and land
cover changes in Brazilian biomes with Landsat archive and Earth Engine. Remote Sens-
ing, Basel, v. 12, n. 17, p. 1-27, 2020. DOI: 10.3390/rs12172735.

286