Avaliação de técnicas de geoprocessamento no modelo digital de terreno com dados temporais: um abalroamento abalizado na inclinação da superfície terrestreEvaluation of GIS techniques in digital terrain model with temporal data: an approach based

Resumo

O presente estudo teve por objetivo comparar os mapas de declividade obtidos em 1997 no Sistema Geográfico de Informações (SGI), com os mapas de declividade gerados em 2014, no Sistema de Processamento de Informações Georreferenciadas (SPRING). Os dados de entrada provenientes das áreas testes, cartas topográficas e imagens Shuttle Radar Topography Mission (SRTM) foram armazenados em bancos de dados do SPRING. As áreas testes foram construídas com isolinhas bem definidas quanto ao espaçamento horizontal entre as curvas de nível. Os métodos de interpolação analisados foram: Média Ponderada/Cota/Quadrante, Média Ponderada/Quadrante, Média Ponderada, Média Simples, Vizinho Mais Próximo, Linear, Quíntico com linha de quebra, com o que foram obtidas grades retangulares de resolução espacial 1 m x 1 m. Já para a obtenção da grade Triangulated Irregular Network (TIN), os interpoladores foram Delaunay, Menor Ângulo, Isolinhas. Desses, foi selecionada a grade TIN com o interpolador Delaunay que permitiu a geração da imagem de declividade com resolução espacial de 1 m. Essa imagem foi fatiada de acordo com as classes de declive gerando os mapas de declividade digitais. Em seguida, foram estabelecidos os procedimentos estatísticos, índices de Porcentagem de Acerto (PA) e índices de Porcentagem de Acerto Total (PAT) para avaliação das classes de declive e áreas de declividade, obtidas nos dois períodos. Os resultados foram, em média, 10% superiores, para as áreas de relevo classificado como plano e de mais de 100% superiores, para áreas de relevo forte ondulado e montanhoso. Os dados de entrada provenientes da carta topográfica e da imagem SRTM com resolução espacial de 90 m foram satisfatórios. No entanto, houve avanços significativos no modo de entrada de dados e os valores de cada classe de declive dos mapas de declividade, quando comparado nos dois períodos. Estes, quando se aproximam dos valores reais, fornecem dados e informações importantes que são imprescindíveis nos estudos de planejamento de áreas urbanas e rurais.

Abstract

The present study aimed to compare the maps of slope obtained in 1997 in the Geographic Information System (GIS, SGI/INPE), with the declivity maps generated in 2014 in the Georeferenced Information Processing System (SPRING). The input data from the testing areas, topographic maps and Shuttle Radar Topography Mission (SRTM) images were stored in SPRING databases. The test areas were built with well-defined isolines concerning the horizontal spacing between the contour lines. The Interpolation methods analyzed were: Weighted Mean/Elevation/Quadrant, Weighted Mean/Quadrant, Weighted Mean, Simple Mean, Nearest Neighbor, Linear and Quintic Surface with breaklines. All these methods were used to draw rectangular grids with 1mx1m spatial resolution. In order to obtain the Triangulated Irregular Network (TIN) grid, the interpolations used were Delaunay, lower angle and isolines. Out of these methods, we selected the TIN grid with Delaunay interpolator which allowed the generation slope image with spatial resolution of1m. This image was sliced according to slope classes generating digital declivity maps. Next, we established statistical procedures, indexes of Percentage of Accuracy (PA) and indexes of Percentage of Total Accuracy (PAT)) for the evaluation of the classes of slope and declivity areas obtained in the two periods. We concluded that the results were on average10% higher for areas classified as plan relief and over 100% higher for areas of corrugated and mountainous relief. The input data from topographic maps and SRTM image with spatial resolution of 90m were satisfactory. We observed that there were significant advances in data entry mode and in the values of each class of declivity maps when compared in both periods. When they are close to the real values, they can provide important data and information that are essential for the planning of land use in both, urban and rural areas.