Algoritmos desenvolvidos processam com mais facilidade imagens de satélite multiespectrais (obtidas por meio de diferentes comprimentos de ondas eletromagnéticas). Mapas de complexidade gerados são capazes de identificar áreas atacadas por pragas em lavouras de soja, por exemplo. Método desenvolvido permite estabelecer medidas qualitativas e quantitativas de maneira mais simples, em comparação aos métodos tradicionais. Cientistas usaram conceito da entropia informacional, ainda pouco explorado em processamento de imagens. Método pode ser usado em análise de imagens satelitais ou aéreas, como as captadas por drones. Pesquisadores da Embrapa Meio Ambiente (SP), da Universidade Federal de São Carlos (UFSCar) e da Escola Politécnica da Universidade de São Paulo (Poli-USP) desenvolveram uma série de novos algoritmos que aprimoram a classificação de imagens de satélite. Um dos principais diferenciais é a facilidade em processar imagens multiespectrais (com várias bandas) conferindo medidas quantitativas e qualitativas aos alvos na superfície terrestre de forma mais simplificada do que métodos de classificação tradicionais. As medidas disponíveis permitem avaliar e comparar os graus de complexidade de diferentes alvos e são fundamentadas em um conceito-chave da chamada Ciência dos Sistemas Complexos: a entropia informacional. “As medidas baseadas na entropia informacional permitem calcular a diversidade de informações presentes em imagens de sensores remotos e, assim, mensuram diretamente as relações entre os alvos, e a sua utilização para processamento de imagens é algo ainda pouco explorado”, destaca o pesquisador da Embrapa Luiz Eduardo Vicente. Vicente explica que em métodos tradicionais básicos, como índices espectrais, é possível detectar a maior ou menor presença de biomassa aérea vegetal utilizando sensores orbitais tradicionais, como os da série Landsat, hoje amplamente disponíveis. Entretanto, os algoritmos propostos vão além, e fornecem medidas que ajudam a mapear os níveis de alteração oriundos das mudanças nos estádios (diferentes fases) da vegetação. Algo que seria obtido apenas por processamentos mais complicados e demorados. É possível, por exemplo gerar os chamados mapas de complexidade, nos quais áreas de transição entre diferentes tipos de estádios de vegetação ou cultivos são delimitados, implicando detecção da presença de reboleiras de pragas, no caso da soja, por exemplo, ou processos de regeneração ou degradação da vegetação. A ideia principal é prover métodos mais acurados e de simples utilização para o monitoramento remoto de larga escala, utilizando sensores satelitais ou mesmo imagens aerotransportadas, como veículos aéreos não tripulados, hoje cada vez mais comuns e em grande volume, e que demandam métodos de classificação computacionalmente cada vez mais eficientes, destaca Vicente. O pesquisador da Embrapa comenta que um exemplo recente de novas aplicações trata da alta demanda do processamento de dados de microssatélites, atualmente disponíveis para instituições governamentais, entre elas a Embrapa, por meio da RedeMais. "Os algoritmos, como os propostos por nós, permitirão processamentos mais adequados às características desses sensores, de altíssima resolução espacial e temporal, com uma constelação que permite revisitas praticamente diárias, também possuindo bandas multiespectrais. De fato, este é um momento disruptivo para a área de sensoriamento remoto, para o qual entramos preparados”, comemora o cientista. Mapas de complexidade da estação ecológica de Itirapina (SP). Com a aplicação dos algoritmos sobre a imagem de satélite original (Fig ‘C’), é possível qualificar e semi-quantificar indicadores estruturais e fitofisionômicos, bem como áreas de transição (Figuras ‘a’, ‘b’ - métricas He/HMax, SDL), antes não evidentes. Resultados publicados O trabalho dos cientistas foi publicado recentemente em detalhes na revista Plos One e em um capítulo do livro Theory of Complexity-Definitions, Models, and Applications. “Esses materiais trazem parte dos resultados de anos de pesquisa no tema que envolvem nossas teses de mestrado e doutorado, bem como uma longa lista de trabalhos de conclusão de curso e de iniciação científica, e que atualmente estão consolidados na forma de um grupo de pesquisa denominado CompPlex - Grupo de Pesquisa sobre Sistemas Complexos Ambientais,” informa o professor da Universidade Federal de São Carlos Sérgio Henrique Vannucchi Leme de Mattos (veja quadro abaixo). Ele comenta que tanto o artigo como o capítulo de livro escritos pelo grupo buscam mostrar não só os aspectos teóricos-conceituais e técnicos do uso de medidas baseadas na entropia informacional, mas também como elas podem ser aplicadas para avaliar os padrões de complexidade de diferentes alvos. Desse modo, elas podem ser usadas como indicadoras da integridade e resiliência de diferentes tipos de uso e ocupação das terras presentes, por exemplo, em uma bacia hidrográfica. Plug-ins abertos Parte desse objetivo é cumprido na medida que os autores disponibilizam gratuitamente os códigos dos algoritmos na forma de plug-ins para o software gerenciador de sistemas de informações geográficas Quantum Gis. Os plug-ins podem ser instalados no Quantum Gis sem restrições, além de possuir documentação de apoio, e na medida do possível suporte do grupo. “Esperamos que, em breve, formemos uma comunidade de usuários na esfera das aplicações em geotecnologias e mapeamento de uso e cobertura da terra”, enfatiza Cláudio Bielenki Jr., especialista em geoprocessamento da Agência Nacional de Águas e Saneamento Básico que está atuando na Universidade Federal de São Carlos e é responsável pela programação dos plug-ins. “Transformar teorias, como a da informação, não é uma tarefa trivial, e expressa um dos melhores exemplos de ciência pura se transformando em aplicada”, destaca o professor da Politécnica da USP José Roberto Piqueira. Ele possui experiência em sistemas complexos, é referência no assunto e na exploração de suas diversas aplicações. “Trata-se de um ramo da engenharia elétrica no qual são comuns grandes volumes de informação e de ruído. Levar isso para o sensoriamento remoto, análise da paisagem e processamento digital de imagens tem sido um trabalho gratificante”, declara Piqueira. Nesse sentido, destaca Andréa Koga Vicente, pesquisadora especialista em Modelagem Ambiental e Mudanças Climáticas do CompPlex, “os membros do grupo se completam de maneira eficiente. Piqueira é o mentor e profundo conhecedor de sistemas complexos já o restante do grupo executa a tradução nas aplicações de suas respectivas áreas”. Os próximos passos envolvem a disponibilização dos algoritmos em aplicativos como o AgroTag, software para aplicativos móveis da Embrapa e que possui módulos para classificação de imagens de satélite. De acordo com professor adjunto da UFSCar Sérgio Mattos, que também é coordenador do Laboratório de Estudos sobre Sistemas Complexos Ambientais (LASCA), a ideia é tornar os algoritmos mais acessíveis e de uso ainda mais simples, considerando que o AgroTag possui interface amigável de uso on-line. Um grupo para investigar sistemas complexos ambientais O CompPlex é o Grupo de Pesquisa sobre Sistemas Complexos Ambientais do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) que busca compreender as relações entre sociedade e natureza a partir de uma abordagem sistêmica do meio ambiente. Para isso, são usados princípios, conceitos e metodologias aplicados a sistemas complexos, já que ecossistemas, paisagens e biosfera podem ser caracterizados como sistemas complexos ambientais. Os diferentes usos e ocupação da terra (como áreas de conservação ambiental, uso agropecuário, ambiente urbano, entre outros) refletem essas interações sociedade-natureza e a avaliação da dinâmica desses usos ao longo do espaço e do tempo permitem o grau de sustentabilidade de determinada região. As ferramentas permitem também avaliar como as atividades humanas impactam essa busca por um desenvolvimento que compatibilize qualidade de vida e qualidade ambiental. O CompPlex conta com uma equipe multidisciplinar, composta por pesquisadores de diferentes instituições e com formações acadêmicas e experiências profissionais distintas.