Detecção de mudanças na costa de manguezais da Amazônia a partir da classificação de imagens multisensores orientada a objetos

Os manguezais são de grande importância no equilíbrio ecológico, sendo um berçário favorável ao desenvolvimento de diversos animais e plantas. Nos últimos anos, a degradação do mangue vem ocorrendo com mais freqüência devido à exploração exaustiva de seus recursos naturais, ao ordenamento territorial mal planejado e às atividades turísticas. Através de sensores remotos podemos mapear grandes extensões de área com mais rapidez e eficiência. O objetivo deste trabalho é mapear a distribuição das áreas de mangue a leste do Rio Amazonas até a baía de São Marcos nos anos de 1996 e 2008 a partir de dados de sensores remotos. O mapeamento, quantificação e detecção de mudanças foi realizado através de imagens ALOS/PALSAR, JERS-1, SRTM e LANDSAT 5 TM. Para realizar a classificação das imagens, foi utilizado o software Definiens Ecognition 8, que utiliza a lógica de classificação orientada a objetos. Na classificação do manguezal foi elaborada uma árvore de processos que armazena todos os elementos ou regras (segmentação, algoritmos, classes e atributos) necessários para a obtenção da classificação final. O resultado da quantificação dos manguezais foi de 6705,05 km² (1996) e 7423,60 km² (2008) que demonstra um aumento líquido na área de manguezal de 718,55 km². A detecção de mudanças permitiu mapear um acréscimo total de 1931,04 km², uma erosão total de 1212,49 km², permanecendo uma área de 5492,56 km² de manguezal inalterada. Para validar estatisticamente os resultados, foram elaboradas duas matrizes de confusão contendo os erros e acertos da classificação. A matriz de erro para validação da classificação das classes Manguezal, Terra firme, Massa d’água, Vegetações Secundárias, Campos e Lagos apresentaram índices de exatidão global = 96,279%, índice Kappa = 90,572%, e índice Tau = 92,558%, que mostraram a eficiência da classificação do manguezal em relação a outras classes utilizadas no processamento. A matriz de erro para validação da classificação Mudança e Não-Mudança de Área de Manguezal apresentaram índices de exatidão Global = 83,33%, índice Kappa = 66,10%, e índice Tau = 66,66%. Portanto, concluímos que o método de classificação lógica orientada a objetos é excelente para o mapeamento de áreas de manguezal e muito bom para a detecções de mudanças em áreas costeiras tropicais. Em relação à expansão das áreas de manguezal, isto é observado apenas na região Amazônica, em oposição ao que é observado em outros grandes sistemas de manguezais, como do Golfo de Papua em Nova Guiné e os Sundarbans em Bangladesh e Índia. Os resultados serviram para compor um mosaico regional e global sobre mapeamento de manguezal e ratificar a grande extensão dos manguezais amazônicos no Brasil como um dos mais preservadas do planeta.