Espaço & Geografia, Vol.

6, No 1 (2003), 65:90
ISSN: 1516-9375

ESTUDOS FLORESTAIS COM IMAGENS DE RADAR

Tatiana Mora Kuplich

INPE - Instituto Nacional de Pesquisas Espaciais

12227-010 - São José dos Campos - SP, Brasil.
tmk@dsr.inpe.br
Recebido 23 de outubro de 2002; revisado 28 de janeiro de 2003; aceito 28 de fevereiro de 2003

RESUMO – Informações sobre o estado e extensão da cobertura vegetal do planeta

podem ser fornecidas através de produtos de sensoriamento remoto. Imagens SAR
(Synthetic Aperture Radar - radar de abertura sintética), por não serem suscetíveis a
condições atmosféricas, resolvem o problema da cobertura de nuvens em imagens
adquiridas remotamente e têm sido utilizados de maneira crescente no estudo de florestas.
Este artigo apresenta uma introdução aos fundamentos do sensoriamento remoto por
radar, seguidos por uma revisão de artigos que tratam das aplicações de imagens SAR
no mapeamento de tipos florestais, assim como nos inventários e estimativas de
biomassa florestal. Os sistemas SAR orbitais passados, atuais e planejados são
apresentados, juntamente com uma tentativa de estabelecer as possibilidades futuras
no estudo de florestas por radar.

Palavras-Chave – floresta, mapeamento, inventário, imagens de radar, SAR.

ABSTRACT - Remote sensing products provide information about the status and
coverage of Earth´s land surface vegetation c. SAR (Synthetic Aperture Radar) systems
are active sensors that provide cloud-free images suited for forest studies. This article
presents an introduction to radar fundamentals, followed by a non exhaustive review
of articles covering forest mapping, inventory and biomass estimation with SAR images.
To conclude, past, recent and planned orbital SAR systems are presented as a guide to
the future directions of forest studies with radar data.

Keywords : forest, mapping, inventory, radar images, SAR.

 72 T. M. Kuplich

INTRODUÇÃO

As recentes preocupações mundiais com o estado e conservação dos

ecossistemas terrestres, assim como o acompanhamento das funções vitais
destes sistemas, têm gerado estudos em escala global. A observação da Terra
por sensores a bordo de satélites possibilitou importantes avanços nos métodos
e eficiência do mapeamento e monitoramento dos ecossistemas terrestres,
notadamente através de suas coberturas vegetais. A possibilidade de obtenção
de dados em diferentes faixas do espectro eletromagnético e a integração,
através de modelos, com dados obtidos no campo, abriu uma nova fase do
conhecimento sobre o estado da biosfera (Aber e Mellilo 2001).

Dados de sensores que atuam na faixa ótica do espectro eletromagnético

têm sido utilizados no mapeamento e monitoramento de diferentes formações
vegetais. O projeto PRODES (Projeto Desmatamento) do INPE (Instituto
Nacional de Pesquisas Espaciais), por exemplo, promove anualmente, desde
1988, o mapeamento e quantificação das áreas desmatadas na Amazônia
brasileira baseado em imagens do sensor TM (Thematic Mapper) a bordo dos
satélites Landsat. Imagens de sensores óticos e termais também têm sido usadas
para detecção e monitoramento de incêndios florestais (Pereira Jr e Setzer
1996), áreas queimadas (França e Setzer 2001), identificação de espécies em
áreas reflorestadas (Shimabukuro et al. 1980) e estimativa de idades de
capoeiras na Amazônia (Sant´Anna et al. 1995), só para citar algumas
aplicações.

A cobertura de nuvens, entretanto, limita o estudo da vegetação através de

dados de sensores remotos óticos ou termais, principalmente em regiões tropicais.
Estudos Florestais com Imagens de Radar 73

Além disto, a interação da radiação e vegetação registrada nas imagens limita

a análise às camadas superiores do dossel florestal, dificultando a estimativa de
variáveis biofísicas relacionadas à estrutura vertical da floresta.

Desde a década de 1960 os dados de radar têm sido reconhecidos como

úteis para aplicações militares em regiões tropicais. A liberação dos dados de
radar para uso civil, nos anos 70, possibilitou a realização de projetos como o
RADAMBRASIL e o PRORADAM, na Colômbia, onde imagens de radar
aerotransportado foram utilizadas para mapeamentos geológicos e de vegetação,
entre outros.

Como sistemas ativos, os radares operam com a transmissão e recepção de

microondas, capazes de atravessar nuvens e chuva, e, em determinadas
condições, dosséis vegetais e solos. Dados de radar contêm informações
relacionadas com as propriedades biofísicas da vegetação, principalmente sobre
sua estrutura e conteúdo hídrico. Estes dados, entretanto, não se tornaram
ferramentas de uso tão disseminado como dados de sensores óticos. Entre os
obstáculos para a difusão de dados de radar Kasischke et al. (1997) apontaram
a dificuldade de interpretação destes dados, que registram a superfície terrestre
de uma maneira diferente do que a vemos e a apresentam em diferentes tipos
de produtos (p. ex., imagens que registram a amplitude e/ou fase das microondas,
em uma ou mais polarizações, etc). Da mesma forma, são necessários dados
de radar calibrados e programas para o processamento destes dados, não
disponíveis comercialmente até o início dos anos 90 (Kasischke et al. 1997).

Depois de bem sucedidas aquisições de dados de radar a bordo de satélites

e de ônibus espaciais (satélite Seasat de 1978, Shuttle Imaging Radar A e B de
 74 T. M. Kuplich

1981 e 1984, respectivamente), o lançamento de radares orbitais regularmente

desde 1991, iniciando-se com o Earth Resources Satellite 1 (ERS-1), abriu
inúmeras oportunidades de estudos destes dados.

Este artigo propõe-se a apresentar uma revisão de artigos que tratam do

estudo de florestas através de dados de radar. Alguns conceitos básicos de
radar são também introduzidos. Novas técnicas de tratamento e interpretação
de dados de radar, como polarimetria e interferometria, entretanto, não serão
discutidas aqui.

FUNDAMENTOS DE RADAR

Os radares são sistemas ativos que geram sua própria radiação na faixa das
microondas, cujos comprimentos de onda variam de 1 cm a 1,5 m.
Os radares podem operar em diferentes bandas, que se referem aos
comprimentos de onda e freqüências das microondas transmitidas e recebidas
como eco da superfície terrestre. O tamanho da antena utilizada pelo radar
determina a largura do pulso de microondas transmitido e, conseqüentemente, a
resolução na direção do vôo (resolução azimutal). Os primeiros radares
imageadores eram do tipo radar de abertura real que, por trabalhar com as
dimensões efetivas da antena, apresentavam limitações na resolução espacial
das imagens geradas. Já no radar de abertura sintética (SAR - Synthetic
Aperture Radar) o problema da baixa resolução azimutal foi resolvido pela
simulação de uma antena centenas de vezes maior que seu tamanho real, com
o registro do eco de cada objeto ao longo da linha de vôo. Os dados SAR
podem ser obtidos mesmo a partir de satélites.
Estudos Florestais com Imagens de Radar 75

Uma imagem digital de radar consiste numa matriz onde cada célula (ou
pixel) apresenta um valor numérico proporcional à intensidade do eco que retorna
à antena do radar. Este eco é conhecido como retroespalhamento, pois se refere
à radiação que foi espalhada na direção do radar. Quando se quer o
retroespalhamento em função da área imageada, trabalha-se com o coeficiente
de retroespalhamento (s°), que de tão variável é expresso como logaritmo em
unidades de decibel (dB) (Waring et al. 1995). Quanto maior o eco ou
retroespalhamento, mais claro o objeto na imagem de radar.

O retroespalhamento varia em função do comprimento de onda ou freqüência

(? ou f), polarização e ângulo de incidência (?) das microondas incidentes,
conhecidos como os parâmetros do radar. Igualmente, as características dos
objetos na superfície terrestre, como constante dielétrica (relacionada ao
conteúdo hídrico), rugosidade e geometria, influenciam os valores do
retroespalhamento.

COMPRIMENTO DE ONDA/FREQÜÊNCIA

A Tabela 1 mostra as bandas mais utilizadas em radares para sensoriamento

remoto, seus comprimentos de onda, freqüências e a equação que exprime a
relação entre comprimento de onda e freqüência.

O tamanho e a densidade dos elementos vegetais têm relação direta no tipo

de interação com as microondas incidentes. Pequenos comprimentos de onda,
como o das bandas X e C, por exemplo, trazem informações sobre as camadas
superficiais do dossel vegetal, através do retroespalhamento produzido nas folhas
e pequenos galhos. Já comprimentos de onda maiores, como os da banda L e P,
 76 T. M. Kuplich

têm uma penetração maior no dossel vegetal e o retroespalhamento é causado

pelos galhos e tronco (Dobson 2000). Dependendo do tipo e condições do dossel,
as bandas L e P podem trazer até informações do solo sob a floresta.

Tabela 1 - Bandas de radar mais utilizadas, comprimentos de onda e freqüências

correspondentes, c é a velocidade da luz (Adaptado de Trevett, 1986).

c 30000 30 1 Hertz = 1 ciclo s-1

λ ( cm ) = = = 1 MegaHertz = 106 Hertz
f f ( MHz ) f ( GHz )
1 GigaHertz = 109 Hertz

POLARIZAÇÃO

As microondas, sendo ondas eletromagnéticas transversais, possuem campos

elétricos e magnéticos vibrando em direções perpendiculares entre si. A direção
de vibração do campo elétrico em relação à superfície define a polarização das
microondas: se as microondas são transmitidas ou recebidas em direção paralela
à superfície, são ditas horizontalmente polarizadas; se transmitidas ou recebidas
em direção perpendicular à superfície, são ditas verticalmente polarizadas (Lewis
e Henderson 1998). Uma antena de radar é construída para transmitir e receber
Estudos Florestais com Imagens de Radar 77

ondas em polarizações específicas, sendo indicada como HH (transmitida e

recebida horizontalmente), VV (transmitida e recebida verticalmente), HV
(transmitida horizontalmente e recebida verticalmente) ou VH (transmitida
verticalmente e recebida horizontalmente).

A interação dos objetos na superfície terrestre com as microondas tem relação

direta com a polarização incidente. Se os objetos na superfície terrestre possuem
uma orientação vertical, como por exemplo mudas de trigo numa plantação, a
interação com microondas verticalmente polarizadas será maior, assim como o
eco gerado. Os objetos ou superfícies espalhadoras podem ter a capacidade de
despolarizar a onda incidente e gerar um eco numa polarização distinta à enviada,
isto graças aos mecanismos de espalhamento descritos a seguir. Com raras
exceções, retroespalhamento em polarizações paralelas (HH ou VV) é mais
forte que em polarizações cruzadas (HV ou VH) (Lewis e Henderson 1998).

ÂNGULO DE INCIDÊNCIA

O ângulo de incidência (?) do radar é aquele formado entre o pulso de microondas

incidentes e uma reta vertical estabelecida em relação à Terra (Figura 1).

O uso de ângulos de incidência específicos pode auxiliar na identificação de

determinadas feições na superfície terrestre. Geralmente, ? menores resultam
em maior retroespalhamento, apesar do retroespalhamento ser independente
de ? para superfícies muito rugosas. Ângulos de incidência elevados determinam
uma maior quantidade do objeto imageado e conseqüentemente, resultam
em maiores perdas e um menor retroespalhamento. A rugosidade das superfícies,
que será discutida adiante, varia em função do ângulo de incidência local (Lewis
e Henderson 1998).
 78 T. M. Kuplich

Figura 1 – (A) Ângulo de incidência e (B) ângulo de incidência local.

MECANISMOS DE RETROESPALHAMENTO

Os mecanismos responsáveis pelo espalhamento das microondas podem ser (i)

superficiais quando ocorrem na superfície dos objetos e (ii) volumétricos quando
ocorrem no interior e incluem o espalhamento entre os componentes do objeto,
como galhos e folhas dentro do dossel vegetal. A despolarização da onda incidente
(e geração de eco em polarização distinta da recebida) é um dos resultados do
espalhamento volumétrico.

A rugosidade das superfícies, relativa ao comprimento de onda e ao ângulo

de incidência, influencia diretamente os mecanismos e magnitude do
retroespalhamento. Uma superfície rugosa em relação ao comprimento de onda
incidente gera um espalhamento difuso, que ocorre em várias direções. Quando
a superfície é lisa em relação ao comprimento de onda o espalhamento se dá na
direção oposta ao radar, gerando o espalhamento do tipo especular. Um tipo
especial de espalhamento chama-se reflexão de canto e se dá quando duas ou
três superfícies lisas são adjacentes, gerando ecos muito fortes e registros muito
Estudos Florestais com Imagens de Radar 79

claros nas imagens de radar. A Figura 2 ilustra os principais tipos de

espalhamento, gerados a partir de diferentes tipos de superfícies.

Figura 2 – Tipos de superfície – espalhamento associado: (a) lisa - especular,

(b) rugosa – difuso, (c) lisas – reflexão de canto.

Outra característica dos objetos que influencia no retroespalhamento é a

constante dielétrica. Quanto maior o conteúdo hídrico da vegetação, maior sua
constante dielétrica, refletividade e espalhamento (Waring et al. 1995). A
constante dielétrica desempenha um papel fundamental na intensidade e fase
das microondas espalhadas por florestas (Kasischke et al. 1997).

AS FLORESTAS NAS IMAGENS SAR

A representação de uma floresta numa imagem SAR será a combinação das

respostas geradas através dos diferentes mecanismos de espalhamento e inclui
a contribuição direta do solo, do tronco, da copa das árvores, da interação copa-
solo e da reflexão dupla tronco-solo (Leckie e Ranson 1998). Outros autores
incluem ainda retroespalhamento tronco-solo atenuado pelo dossel vegetal e
espalhamentos múltiplos provenientes dos galhos (Le Toan et al. 1992). A Figura
3 apresenta os mecanismos responsáveis pelo retroespalhamento proveniente
de florestas.
 80 T. M. Kuplich

Figura 3 – Mecanismos e componentes do retroespalhamento proveniente de

florestas: (1) retroespalhamento da superfície e interior do dossel, (2)
retroespalhamento direto do tronco, (3) retroespalhamento direto do solo, (4)
dupla reflexão tronco-solo e (5) retroespalhamento integrado copa-solo (adaptado
de Leckie e Ranson 1998).

A magnitude dos mecanismos de espalhamento e a importância dos diferentes

componentes são dependentes dos fatores geométricos (atributos estruturais
das árvores, dossel e rugosidade do solo) e propriedades dielétricas da vegetação
e solo (Dobson et al. 1995). Comprimento de onda, polarização e ângulo de
incidência das microondas controlam os mecanismos de espalhamento e o
retroespalhamento final será resultado de espalhamentos superficiais e/ou
volumétricos. Le Toan et al. (2002) afirmam que os componentes vegetais que
agem como principais fontes de espalhamento são da mesma ordem de
magnitude dos comprimentos de onda com os quais interagem, como apresentado
na Tabela 2. Componentes vegetais menores que os comprimentos de onda
incidentes funcionam como atenuadores do retroespalhamento (Dobson 2000).
Estudos Florestais com Imagens de Radar 81

Tabela 2 - Componentes vegetais atuantes como principais fontes de

espalhamento segundo diferentes bandas (Le Toan et al. 2002):

Banda X C L P
Principal fonte de Folhas e Folhas, Galhos Galhos e
retroespalhamento acículas galhos troncos
pequenos

Florestas inundadas, como nas várzeas da Amazônia, são facilmente

identificadas nas imagens SAR através dos altos ecos gerados pelas reflexões
duplas entre o espelho de água e superfície dos troncos (Hess et al. 1990).

A Figura 4 apresenta um exemplo de imagem SAR na banda L, polarização

HH (do satélite Japanese Earth Resources Satellite - JERS-1), onde as diferentes
texturas e tonalidades decorrentes dos diferentes mecanismos de espalhamento
estão presentes. A imagem foi obtida sobre a Floresta Nacional de Tapajós, no
Pará e mostra como cobertura predominante floresta tropical densa (D na
legenda), com sua textura típica. As áreas alteradas por desmatamento e
posterior cultivo ou rebrota apresentam-se em tonalidades mais escuras e são
indicadas na figura (F na legenda).

Finalmente, a representação de florestas numa imagem SAR também inclui

o retroespalhamento devido aos efeitos da topografia da área imageada,
principalmente nas vertentes voltadas para o pulso de microondas incidentes.
Também deve ser considerada a presença inerente do speckle, uma espécie de
ruído formado na aquisição das imagens SAR e geralmente minimizado através
da filtragem digital dos dados.
 82 T. M. Kuplich

CC
Figura 4 – Extrato de imagem SAR JERS-1 onde (A) rio (área escura com
virtual ausência de eco), (B) florestas inundadas (áreas claras nas margens do
rio), (C) feição geomorfológica de reborda – variação altitudinal do terreno, (D)
floresta ombrófila densa, (E) rodovia BR 163, (F) capoeiras, pastagens, cultivos
agrícolas diversos e solos descobertos (áreas com diferentes texturas e
tonalidades).

MODELANDO O RETROESPALHAMENTO DE FLORESTAS

A compreensão dos mecanismos e magnitude do espalhamento das

microondas provenientes de florestas veio através da construção e aplicação
de modelos matemáticos. A maior parte dos modelos usados baseiam-se na
teoria de transferência radiativa e representam a interação energia-matéria
(microondas-vegetação) através da simulação de diversos mecanismos e níveis
de espalhamento (Richards 1990). A comparação com dados obtidos em campo
possibilita a associação dos mecanismos e magnitudes de retroespalhamento
com os componentes vegetais envolvidos. O dossel florestal para efeito de
modelagem numérica apresenta duas características principais: a estrutura global
do meio espalhador – dossel - e a geometria e propriedades eletromagnéticas
dos componentes vegetais individuais. Desta forma, os modelos concebidos
Estudos Florestais com Imagens de Radar 83

precisam contemplar a energia proveniente de várias unidades espalhadoras

(Richards 1990).

Um dos primeiros modelos desenvolvido foi o de Attema e Ulaby (1978),

onde as unidades espalhadoras foram concebidas como gotas de água,
considerando dominantemente a influência do conteúdo hídrico no
retroespalhamento. Outros modelos já incorporam a vegetação disposta em
diferentes estratos e a influência do solo, como o modelo MIMICS (Michigan
microwave canopy scattering model) de Ulaby et al. (1990). Cabe salientar
que a maior parte destes modelos matemáticos foram concebidos para florestas
boreais e áreas de florestas manejadas, onde a diversidade específica é pequena
e a estrutura da vegetação menos variada, se comparadas com a vegetação de
florestas tropicais.

Melhorias na modelagem do retroespalhamento de florestas, a começar pela

própria caracterização numérica das florestas, são requisitos para a correta
interpretação de dados de radar em diferentes comprimentos de onda,
polarizações e ângulos de incidência (Werle 1989, Le Toan et al. 2002). A
evolução da modelagem do retroespalhamento de florestas em direção a uma
visão mais realista das árvores e do arranjo destas num dossel e diferentes
estratos é condição para a compreensão dos mecanismos que regem o
retroespalhamento proveniente de florestas tropicais. As primeiras tentativas
de modelar o retroespalhamento de florestas tropicais já foram anunciadas
(Saatchi 2003).

MAPEAMENTO DA COBERTURA E TIPOS FLORESTAIS

Desde a década de 1970 dados SAR têm sido utilizados para o mapeamento da
cobertura e tipos florestais. No projeto RADAMBRASIL, os tipos florestais
 84 T. M. Kuplich

foram diferenciados por interpretação visual, através de sua relação com a

topografia/geomorfologia das áreas, em produtos fotográficos da banda X. Ainda
hoje, a interpretação visual de imagens SAR desempenha um papel importante
na discriminação de tipos florestais (Leckie e Ranson 1998, Kuntz e Siegert
1999). A análise numérica para o mapeamento da cobertura florestal começou
com dados SAR do SEASAT (Werle 1989). Mesmo recentemente, porém, a
falta de classificadores digitais específicos para dados SAR impediu seus usos
para fins de mapeamento de uso da terra (Shimabukuro e Almeida-Filho 2002).

Em geral, a diferenciação entre tipos florestais, espécies arbóreas e entre

áreas florestadas e não-florestadas é difícil com o uso de dados SAR numa só
banda, polarização e ângulo de incidência (Leckie e Ranson 1998, Kurvonen e
Hallikainen 1999, Hyyppa et al. 2000, Ranson et al. 2001).

Para florestas boreais e temperadas do Hemisfério Norte, existem relatos

da discriminação entre os tipos florestais usando combinação de dados em
diferentes bandas (Saatchi e Rignot 1997, Ranson et al. 2001), polarizações
(Wu 1984, Sader 1987, Saatchi e Rignot 1997) e ângulos de incidência (Hoffer
et al. 1986, Werle 1989). O uso da textura das imagens SAR (Kurvonen e
Hallikainen 1999, Podest e Saatchi 2002), assim como a integração de imagens
SAR com imagens óticas, também são referidas como importantes para o sucesso
da classificação dos tipos florestais (Hyyppa et al. 2000, Rosot e Loch 2003,
este últimos em povoamentos de Eucalyptus spp e mata nativa no Paraná).

Exemplos do uso complementar das bandas SAR é a discriminação

privilegiada entre espécies de coníferas através de imagens nas bandas X e C,
ao passo que a diferenciação entre áreas florestadas e não-florestadas é
Estudos Florestais com Imagens de Radar 85

favorecida em imagens nas bandas L e P (Werle 1989, Leckie e Ranson 1998).

Os ecos associados a florestas de latifoliadas são mais intensos que os ecos
provenientes de florestas de coníferas (Werle 1989). A penetração diferenciada,
segundo os comprimentos de onda, nos dosséis vegetais, proporciona interações
que favorecem o retroespalhamento de determinados componentes florestais,
como o topo das copas para as bandas X e C (facilitando assim a diferenciação
entre espécies vegetais), e a presença ou não de vegetação para as bandas L e
P, graças ao elevado retroespalhamento proveniente de florestas nestas bandas.

Imagens em polarização cruzada (HV ou VH) proporcionam uma melhor

discriminação dos tipos florestais para todas as freqüências (Saatchi e Rignot
1997), pois a interação das microondas no dossel, troncos e galhos é um dos
mecanismos que ocasiona a despolarização das microondas incidentes.
Diferentes estruturas de dossel geram um grande intervalo de valores de
retroespalhamento, o que facilita a classificação dos tipos florestais.

Para florestas tropicais, existem relatos da diferenciação entre estágios de

sucessão florestal (Rignot et al. 1997, Yanasse et al. 1997) e entre floresta,
áreas desmatadas (com ou sem biomassa remanescentes) e de corte seletivo
(Saatchi et al. 1997, van der Sanden e Hoekman 1999) com dados SAR. A
identificação e discriminação entre tipos florestais de terra firme e de várzea na
Amazônia (Miranda et al. 1998, Podest e Saatchi 2002) e entre floresta estacional
e as diferentes fisionomias do cerrado (Mesquita Jr. e Bitencourt 2003) também
foram observadas através de imagens SAR. Shimabukuro e Almeida-Filho (2002),
com imagens na banda L, obtiveram informações sobre o incremento em áreas
desmatadas detectadas inicialmente em imagens TM em Roraima. Porém, estes
autores também relataram dificuldade na detecção de áreas desmatadas e usadas
para garimpo e cultivos agrícolas com o uso de imagens SAR da época chuvosa.
 86 T. M. Kuplich

Algumas das considerações sobre o retroespalhamento de florestas

temperadas podem ser aplicadas às florestas tropicais. A superioridade da banda
L para a diferenciação de tipos florestais e de diferentes coberturas da terra
que incluem classes de vegetação é uma delas (Rignot et al. 1997, Saatchi et
al. 1997, Santos 2002). As polarizações cruzadas (HV ou VH) são também
indicadas para a diferenciação entre floresta madura e em regeneração
(Luckman et al. 1997, Saatchi et al. 1997), assim como entre estágios de
sucessão secundária (Yanasse et al. 1997). Dados em polarização horizontal
favorecem a discriminação entre áreas desmatadas com troncos remanescentes
e a floresta subjacente, já que as microondas interagem fortemente com os
troncos no chão (Rignot et al. 1997). O mecanismo de reflexão dupla entre o
solo e os troncos eventualmente não abatidos gera ecos intensos também em
polarização HH (Saatchi et al. 1997).

Dados de radar aerotransportado na banda P (?= 72 cm) em todas as

polarizações foram adquiridos sobre a Amazônia, fazendo parte de um grande
estudo deste tipo de dado no Brasil. A diferenciação de coberturas vegetais
(Freitas et al. 2001), assim como inventários de biomassa (Santos et al. 2003)
indicaram a contribuição destes dados também para estudos em floresta tropical.

INVENTÁRIO E ESTIMATIVA DE BIOMASSA FLORESTAL

Os resultados de estudos com dados SAR para inventários florestais são variados.
A baixa correlação entre altura de árvores e volume de madeira medidos em
campo e dados SAR na banda L e C foi observada por Hyyppa et al. (2000) e
atribuída à grande variação dos dados de campo. Dados na banda L (Castel et
al. 2002) e na banda P-HV (Rauste et al. 1994), entretanto, foram indicados
como adequados para estimativa de volume de madeira. Castel et al. (2002)
destacaram a importância da separação dos povoamentos florestais por idades
(considerando assim a estrutura da vegetação) para incrementar a relação entre
Estudos Florestais com Imagens de Radar 87

retroespalhamento e volume. Além de volume, densidade de indivíduos também

pôde ser estimada com base em dados SAR, sendo esta a variável que controla
a relação com retroespalhamento.

A estimativa de variáveis biofísicas de florestas não-tropicais com precisão

comparável às obtidas através de métodos tradicionais de campo requer dados
SAR em diferentes bandas e/ou polarizações (Dobson 2000). Muitas vezes a
estimativa não é direta e exige a utilização de diferentes métodos, como a divisão
da floresta em classes estruturais, modelagem dos dados SAR e posterior
estimativa das variáveis florestais (Dobson et al. 1995).

Dados de biomassa florestal, apesar de parte da maioria dos inventários

florestais, são tratados separadamente por serem peças chave nas estimativas
das emissões e seqüestro de carbono atmosférico. A quantidade e distribuição
exata da biomassa florestal na superfície da Terra são fatores ainda incertos,
que dificultam a apreensão do ciclo global do carbono.

As condições necessárias para dados de radar fornecerem informações

sobre biomassa é a penetração das microondas no dossel vegetal e a interação
com, principalmente, as estruturas lenhosas dos troncos e galhos, onde a maior
parte da biomassa está concentrada. A dependência do retroespalhamento à
biomassa, entretanto, é indireta e ocorre graças à relação existente entre biomassa
fresca e o conteúdo hídrico da vegetação (Le Toan et al. 2002).

A relação entre retroespalhamento e biomassa é limitada a partir de certos

valores de biomassa, no fenômeno conhecido como saturação do
retroespalhamento, uma função do comprimento de onda utilizado (Imhoff 1995,
Luckman et al. 1997, Kasischke et al. 1997). A Tabela 3 apresenta os níveis
de saturação na relação retroespalhamento/biomassa de acordo com as
diferentes bandas SAR. Devido à maior complexidade estrutural, nas formações
 88 T. M. Kuplich

tropicais esta saturação ocorre a valores mais baixos de biomassa (Dobson

2000). Quanto maior o comprimento de onda utilizado, maior o limite máximo
de biomassa estimado a partir de dados SAR.

Tabela 3 - Níveis de saturação na relação retroespalhamento/ biomassa.

Autor Tipo de floresta Banda Biomassa

-1
(T ha )
Sader (1987) Latifoliadas e L 100
coníferas
Dobson et al . (1992) Duas espécies de PeL 100-200
Pinus
Rauste et al . (1994) Coníferas L 100
Imhoff (1995) Dados C 20
combinados de
coníferas e
latifoliadas L 40
perenes
P 100
Rignot et al. (1997) Tropical L Próxima a
100
Luckman et al. (1997) Tropical L 60
Araújo et al. (1999) Tropical L 100
Santos et al. (2002) Tropical L 60

Para contornar o problema da saturação e aumentar os valores máximos de

biomassa estimados com dados SAR, algumas alternativas foram propostas. O
uso de razão de bandas e polarizações (neste caso a razão entre banda P e
banda C, ambas HV), com a intenção de isolar a contribuição da biomassa e
reduzir o efeito da estrutura da vegetação nos valores de retroespalhamento,
permitiu a estimativa de biomassa até 250 T ha -1 em floresta boreal (Ranson e
Sun 1994). Kuplich et al. (2003) observaram alta correlação entre biomassa de
floresta tropical e textura de imagens SAR, sugerindo assim o uso da textura
SAR, juntamente com retroespalhamento, para estimativas de biomassa florestal.
Estudos Florestais com Imagens de Radar 89

CONSIDERAÇÕES FINAIS

A maior parte dos estudos apresentados aqui apontam para o uso de dados
SAR como complemento aos dados de campo e/ou de dados obtidos em diferentes
faixas do espectro eletromagnético. Idealmente, a discriminação entre tipos
florestais, assim como estimativas mais precisas de variáveis florestais, são
feitas a partir de dados SAR em diferentes datas, bandas e/ou polarizações,
além da fusão com dados óticos. Quando apenas uma banda é disponível, imagens
da época seca ou de dias sem chuva são recomendadas, pois nelas uma das
fontes importantes de variação do retroespalhamento – água nos solos e na
superfície da vegetação - está parcialmente controlada. É imprescindível
considerar (e corrigir) os efeitos do relevo em imagens SAR de florestas em
áreas montanhosas ou em importantes gradientes topográficos.
Dados de radar obtidos a partir de múltiplos parâmetros estiveram presentes
no SIR-C/XSAR e, pelo menos com relação à polarização, já estão disponíveis
para alguns radares orbitais atuais e planejados (Tabela 4).

Tabela 4. Características de sistemas SAR orbitais.

Satélite/sensor Lançamento Banda(s) Polarização Resolução
espacial (m)
SEASAT/SAR 1978 L HH 25
Shuttle/SIR-A 1981 L HH 40
Shuttle/SIR-B 1984 L HH 17-58
ALMAZ-1/SAR 1991 S HH out/30
ERS1/2/SAR 1991/95 C VV 30
JERS-1/SAR 1992 L HH 18
Shuttle/SIR-C/XSAR 1994 C-L-X pol 15-45
RADARSAT/SAR 1995 C HH 8-100
ENVISAT/ASAR 2002 C pol 30-1000
RADARSAT-2/SAR 2004 C pol 3-100
ALOS/PALSAR 2004 L pol 10-100
Obs: 1) Os sensores operam em diferentes modos onde nem sempre o intervalo total de parâmetros
é disponível. 2) pol = polarimétrico (HH, HV, VV, VH). 3) Shuttle refere-se aos ônibus espaciais .
 90 T. M. Kuplich

No Brasil existem SAR aerotransportados como o OrbiSAR, que opera nas

bandas X e P (construído pela empresa Orbisat) e o do projeto SIVAM (Sistema
de Vigilância da Amazônia), atuante nas bandas X e L, ambos polarimétricos.
Estes sistemas abrem perspectivas de estudos florestais no Brasil em dados
SAR de alta resolução espacial.

Mesmo se os mecanismos de interação entre as microondas e os

componentes vegetais ainda não estão totalmente conhecidos, o tipo de
informação oferecida pelos dados SAR assegura sua permanência como dado
único e complementar para o estudo de florestas. A nova geração de produtos
SAR, com um maior número de bandas e polarizações disponíveis, promete
aumentar a utilidade destes dados para estudos florestais e contribuir para a
operacionalização de algumas de suas aplicações.

REFERÊNCIAS BIBLIOGRÁFICAS

Aber, J. D., Melillo, J. M. (2001). Terrestrial ecosystems. San Diego: Academic Press.

Araújo, L. S., Santos, J. R., Freitas, C. C., Xaud, H. A. M. (1999). The use of microwave
and optical data for estimating aerial biomass of the savanna and forest formations
at Roraima State, Brazil. In IGARSS’99. Hamburg: IEEE Piscataway.

Attema, E. P. W., Ulaby, F. T. (1978). Vegetation modeled as a water cloud. Radio Science.
n.13, p.357-364, .

Castel, T., Guerra, F., Caraglio, Y., Houlliera, F. (2002). Retrieval biomass of a large
Venezuelan pine plantation using JERS-1 SAR data. Analysis of forest structure
impact on radar signature. Remote Sensing Environment. n.79, p.30-41.

Dobson, M. C., Ulaby, F. T., Le Toan, T., Beaudoin, A., Kasischke, E. S. Christensen, N.
(1992). Dependence of radar backscatter on coniferous forest biomass. IEEE
Transactions on Geoscience and Remote Sensing. n.30, p.412-415.
Estudos Florestais com Imagens de Radar 91

Dobson, M. C., Ulaby, F. T., Pierce, L. E., Sharik, T. L., Bergen, K. M., Kellndorfer, J.,
Kendra, J. R., Li, E., Lin, Y. C., Nashashibi, A., Sarabandi, K., Siqueira, P. (1995).
Estimation of forest biophysical characteristics in northern Michigan with SIR-C/X-
SAR. IEEE Transactions on Geoscience and Remote Sensing. n.33, p.877-894.

Dobson, M. C. (2000). Forest information from Synthetic Aperture Radar. Journal of

Forestry. n.98, p.41-43.

França, H., Setzer, A. W. (2001). AVHRR analysis of a savanna site through a fire season
in Brazil. International Journal of Remote Sensing. n.22, p.2449-2461.

Freitas, C.C., Sant´Anna, S.J.S., Soler, L.S., Santos, J.R., Dutra, L.V., Araújo, L.S., Mura,
J.C., Hernadez Filho, P. (2001). The use of airborne P-band radar data for land use
and land cover mapping in Brazilian Amazonia., In: IGARSS. Sydney. Piscataway:
IEEE (CD-ROM).

Hess, L. L., Melack, J. M., Simonett, D. S. (1990). Radar detection of flooding beneath
the forest canopy: a review. International Journal of Remote Sensing. n.11, p.1313-
1325.

Hoffer, R. M., Lozano-Garcia, D. F., Gillespie, D. D., Mueller, P. W., Ruzek, M. J. (1986).
Analysis of multiple incidence angle SIR-B data for determining forest stand
characteristics. In Second Spaceborne Imaging Radar Symposium. p. 159-164.
Pasadena, USA: JPL/NASA.

Hyyppa, J., Hyyppa, H., Inkinen, M., Engdahl, M., Linko, S., Zhu, Y. (2000). Accuracy
comparison of various remote sensing data sources in the retrieval of forest stand
attributes. Forest Ecology and Management. n.128, p.109-120.

Imhoff, M. L. (1995). Radar backscatter and biomass saturation: ramifications for the
global biomass inventory. IEEE Transactions on Geoscience and Remote Sensing.

n.33, p.511-518.
 92 T. M. Kuplich

Kasischke, E. S., Melack, J. M., Dobson, M. C. (1997). The use of imaging

radars for ecological applications - a review. Remote Sensing of Environment.
n.59, p.141:156.

Kuntz, S., Siegert, F. (1999). Monitoring of deforestation and land use in Indonesia with
multitemporal ERS data. International Journal of Remote Sensing. n.20, p.2835-2853.

Kuplich, T. M., Curran, P. J., Atkinson, P. M. (2003). Relating SAR image texture and

backscatter to tropical forest biomass. In: IGARSS. Toulouse. Piscataway: IEEE.

v.IV. p.2872 – 2874.

Kurvonen, L., Hallikainen, M. T. (1999). Textural information of multitemporal ERS-1

and JERS-1 SAR images with applications to land and forest type classification in
boreal zone. IEEE Transactions on Geoscience and Remote Sensing. n.37, p.680-
689.

Le Toan, T., Beaudoin, A., Riom, J., Guyon, D. (1992). Relating forest biomass to SAR
data. IEEE Transactions on Geoscience and Remote Sensing. n.30, p.403-411.

Le Toan, T., Picard, G., Martinez, J. M., Melon, P., Davidson, M. (2002). On the

relationships between radar measurements and forest structure and biomass. In: III
International Symposium on Retrieval of Bio- and Geophysical Parameters from
SAR data for Land Apllications. Sheffield, UK: ESA (ESA SP-475), p. 3-12.

Leckie, D. G., Ranson, K. J. (1998). Forestry applications using imaging radar. In: Principles
and Applications of Imaging Radar. (F. M. Henderson, and A. J. Lewis, Eds.). New
York: John Wiley, p. 435-509.

Lewis, A. J., Henderson, F. M. (1998). Radar fundamentals: the geoscience perspective.

In Principles and Applications of Imaging Radar. (F. M. a. Henderson, and A. J.
Lewis, Eds.), New York: John Wiley. p. 131-181.
Estudos Florestais com Imagens de Radar 93

Luckman, A., Baker, J., Kuplich, T. M., Yanasse, C. C. F., Frery, A. (1997). A study of the
relationship between radar backscatter and regenerating tropical forest biomass for
spaceborne SAR instruments. Remote Sensing of Environment. n. 60, p.1-13.

Mesquita Jr, H. N., Bittencourt, M. D. (2003). Identificação de florestas estacionais

semideciduais contíguas a fragmentos de cerrado no Estado de São Paulo com
imagens JERS-1/SAR. In XI Simpósio Brasileiro de Sensoriamento Remoto. Belo
Horizonte: INPE, p. 2233-2239.

Miranda, F. P., Fonseca, L. E. N., Carr, J. R. (1998). Semivariogram textural classification

of JERS-1 (Fuyo-1) SAR data obtained over a flooded area of Amazon rainforest.
International Journal of Remote Sensing. n.19, p.549-556.

Pereira Jr, A. C., Setzer, A. W. (1996). Comparison of fire detection in savannas using
AVHRR channel 3 and TM images. International Journal of Remote Sensing. n.17,
p.1925-1937.

Podest, E., Saatchi, S. S. (2002). Application of multiscale texture in classifying JERS-1

radar data over tropical vegetation. International Journal of Remote Sensing. n.23,
p.1487-1506.

Ranson, K. J., Sun, G. (1994). Mapping biomass of a northern forest using multifrequency
SAR data. IEEE Transactions on Geoscience and Remote Sensing. n.32, p.388-395.

Ranson, K. J., Sun, G., Kharuk, V. I., Kovacs, K. (2001). Characterization of forests in
Western Sayani Mountains, Siberia from SIR-C SAR data. Remote Sensing of
Environment. n.75, p.188-200.

Rauste, Y., Hame, T., Pulliainen, J., Heiska, K., Hallikainen, M. (1994). Radar-based forest
biomass estimation. International Journal of Remote Sensing. n.15, p.2797-2808.

Richards, J. A. (1990). Radar backscatter modelling of forests: a review of current trends.

International Journal of Remote Sensing. n.11, p.1299-1312.
 94 T. M. Kuplich

Rignot, E., Salas, W. A., Skole, D. L. (1997). Mapping deforestation and secondary
growth in Rondonia, Brazil, using imaging radar and Thematic Mapper data. Remote
Sensing of Environment. n.59, p.167-179.

Rosot, N. C., Loch, C. (2003). Diferenciação de tipologias florestais usando imagens

combinadas. In: XI Simpósio Brasileiro de Sensoriamento Remoto. Belo Horizonte:
INPE, p. 2885-2893.

Saatchi, S. S. (2003). Estimation of structural parameters and biomass of terra firme and
floodplain forests in Amazon Basin using a semi-empirical backscatter model. In: XI
Simpósio Brasileiro de Sensoriamento Remoto. Comunicação oral. Belo Horizonte,
INPE.

Saatchi, S. S., Rignot, E. (1997). Classification of boreal forest cover types using SAR
images. Remote Sensing of Environment. n.60, p.270-281.

Saatchi, S. S., Soares, J. V., Alves, D. S. (1997). Mapping deforestation and land use in
Amazon rainforest by using SIR-C imagery. Remote Sensing of Environment. n.59,
p.191-202.

Sader, S. A. (1987). Forest biomass, canopy structure and species composition

relationships with mutlipolarization L-band Synthetic Aperture Radar data.
Photogrammetric Engineering and Remote Sensing. n.53, p.193-202.

Sant’Anna, S. J. S., Yanasse, C. C. F., Hernandez Filho, P., Kuplich, T. M., Dutra, L. V.,
Frery, A. C., Santos, P. P. (1995). Secondary forest age mapping in Amazonia using
multitemporal Landsat TM imagery. In IGARSS’95. p. 323-325. Quantitative Remote
Sensing for Science and Applications. Firenze, Italy.

Santos, J. R. (2002). O desenvolvimento de pesquisas com dados LIDAR e de microondas

(bandas X, L e P) em estudos florestais. In V Seminário de atualização de
sensoriamento remoto e sistemas de informações geográficas aplicados à Engenharia
Florestal. (A. A. Disperati, and J. R. Santos, Eds.), Curitiba, p. 47-53.
Estudos Florestais com Imagens de Radar 95

Santos, J. R., Lacruz, M. S. P., Araújo, L. S. (2002). Savanna and tropical rainforest
biomass estimation using JERS-1 data. International Journal of Remote Sensing.
n.23, p.1217-1229.

Santos, J. R., Araújo, L. S., Dutra, L.V., Freitas, C.C., Soler, L.S. (2003). Parametrização da
biomassa em área de floresta tropical a partir de dados SAR aerotransportados na
banda P. In XI Simpósio Brasileiro de Sensoriamento Remoto. Belo Horizonte: INPE,
p. 2273-2279.

Shimabukuro, Y. E., Hernandez Filho, P., Koffler, N. F., Chen, S. C. (1980). Automatic
classification of reforested Pine and Eucalyptus using Landsat data. Photogrammetric
Engineering and Remote Sensing. n.46, p.209-216.

Shimabukuro, Y. E., Almeida Filho, R. (2002). Processamento digital de imagens

multitemporais Landsat-5 TM e JERS-1 SAR aplicado ao mapeamento e
monitoramento de áreas de alteração antrópica na Amazônia. Geografia. n.27, p.81-
96.

Trevett, J. W. (1986). Imaging Radar for Resources Surveys. London: Chapman and
Hall.

Ulaby, F. T., Sarabandi, K., McDonald, K., Whitt, M., Dobson, M. C. (1990). Michigan
microwave canopy scattering model. International Journal of Remote Sensing. n.11,
p.1223-1253.

van der Sanden, J. J., Hoekman, D. H. (1999). Potential of airborne radar to support the
assessment of land cover in a tropical rain forest environment. Remote Sensing of
Environment. n.68, p.26-40.

Waring, R. H., Way, J., Hunt Jr., E. R., Morrissey, L., Ranson, K. J., Weishampel, J. F.,
Orem, R., Franklin, S. E. (1995). Imaging radar for ecosystems studies. BioScience.
n.45, p.715-723.
 96 T. M. Kuplich

Werle, D. (1989). La télédétection par radar: applications en foresterie. Ontario: Centre

Canadien de Télédétection, 46p.

Wu, S. T. (1984) Analysis of Synthetic Aperture Radar data acquired over a variety of
land cover. IEEE Transactions on Geoscience and Remote Sensing. n.22, p.550-557.

Yanasse, C. C. F., Sant’Anna, S. J. S., Frery, A., Rennó, C. D., Soares, J. V., Luckman, A.
(1997). Exploratory study of the relationship between tropical forest regeneration

stages and SIR-C L- and C-data. Remote Sensing of Environment. n.59, p.180-190.