Resumo A fasciolose é uma doença parasitária que afeta uma gama de animais, incluindo humanos, causada por Fasciola hepatica no Brasil. Este estudo teve o objetivo de determinar a distribuição espacial da fasciolose e conferir a correlação do alto índice de positividade (PI), com os dados de clima e altitude, entre 2004 a 2008 e 2010 em Santa Catarina (SC), Brasil. Foram obtidos fígados em frigoríficos de SC, de 518.635 animais de 198 municípios, de um total de 293. Houve diferença estatística significativa (P < 0,001) entre a prevalência de F. hepatica e a altitude ( ρ ^ s = -0,43). O maior PI (acima de 10,1%) foi observado em municípios de 500 a 600 m (P < 0,01; ρ ^ s = -0,47) de altitude. Não foi observada correlação entre fígados parasitados e pluviosidade em SC. Foi observado que os dados climáticos na ultima década não apresentaram limitação para a ocorrência do parasito, fazendo com que o desafio clinico da infecção tenha sido permanente. Os dados são importantes para locais com condições geográficas e climáticas semelhantes (ex. altitude), para considerar medidas de controle a longo prazo, nas quais animais e humanos poderão ser infectados.

Abstract Fascioliasis is a food-borne parasitic disease that affects a range of animals, including humans caused by Fasciola hepatica. The present study aimed to determine the spatial distribution of bovine fasciolosis and to assess the correlation between the high Positivity Index (PI) and climate data and land altitude, from 2004 to 2008 and 2010 in Santa Catarina (SC), Brazil. Condemned livers of slaughtered animals were obtained from 198 out of 293 municipalities and from 518.635 animals, exclusively from SC. There was a statistically significant difference (P < 0.001) between the prevalence of F. hepatica and land altitude ( ρ ^ s = -0.43). The highest PI (above 10.1%) was observed in cities at 500 to 600 m (P < 0.01; ρ ^ s = -0.47) of altitude. There was no correlation between fascioliasis and rainfall in SC. It was determined that weather conditions in the past decade did not impose any limitation to the occurrence of the parasite, making it a disease of permanent clinical importance. These findings are essential to regions with similar geographical and climate conditions (i.e. altitude), when considering long-term control measurements, where animals and humans can be infected.

A classificação de uso e cobertura da terra é uma das principais aplicações do sensoriamento remoto. Contudo, a precisão no mapeamento da distribuição espacial do uso/cobertura da terra é um desafio, principalmente em regiões tropicais úmidas, em razão do complexo ambiente biofísico e das limitações dos dados de sensoriamento remoto per se. Este trabalho revisa experimentos relacionados à classificação do uso/cobertura da terra na Amazônia brasileira, durante uma década. A partir de análise compreensiva dos resultados de classificação, conclui-se que a informação espacial, em dados de sensoriamento remoto, tem papel fundamental na melhoria da classificação de uso/cobertura da terra. A incorporação de imagens de textura, em bandas multiespectrais, e o uso de método baseado em segmentação são formas importantes de melhorar a classificação, especialmente para imagens de alta resolução espacial. A fusão de dados de imagens de resolução múltipla dentro de dados do sensor ótico é vital para a interpretação visual, mas pode não melhorar o desempenho da classificação. Em contraste, a integração de dados ópticos e de radar melhorou o desempenho da classificação, quando o método adequado de fusão de dados foi utilizado. Entre os algoritmos de classificação disponíveis, o classificador de máxima verossimilhança ainda é importante para se obter precisão razoável, mas algoritmos não paramétricos, como a análise por árvore de decisão, podem promover melhores resultados. Porém, algoritmos não paramétricos geralmente demandam mais tempo para obtenção da parametrização otimizada. O uso adequado de métodos baseados em hierarquia é fundamental para a precisão na classificação de uso/cobertura da terra, sobretudo em dados de sensoriamento remoto antigos.

Land use/cover classification is one of the most important applications in remote sensing. However, mapping accurate land use/cover spatial distribution is a challenge, particularly in moist tropical regions, due to the complex biophysical environment and limitations of remote sensing data per se. This paper reviews experiments related to land use/cover classification in the Brazilian Amazon for a decade. Through comprehensive analysis of the classification results, it is concluded that spatial information inherent in remote sensing data plays an essential role in improving land use/cover classification. Incorporation of suitable textural images into multispectral bands and use of segmentation‑based method are valuable ways to improve land use/cover classification, especially for high spatial resolution images. Data fusion of multi‑resolution images within optical sensor data is vital for visual interpretation, but may not improve classification performance. In contrast, integration of optical and radar data did improve classification performance when the proper data fusion method was used. Among the classification algorithms available, the maximum likelihood classifier is still an important method for providing reasonably good accuracy, but nonparametric algorithms, such as classification tree analysis, have the potential to provide better results. However, they often require more time to achieve parametric optimization. Proper use of hierarchical‑based methods is fundamental for developing accurate land use/cover classification, mainly from historical remotely sensed data.

INTRODUÇÃO: O aumento das práticas de ecoturismo e turismo rural, em Minas Gerais, Brasil, evidencia a importância de se realizarem estudos sobre a ocorrência de hospedeiros intermediários do Schistosoma mansoni, no estado. O presente trabalho objetivou a busca e identificação das espécies de caramujos Biomphalaria encontrados em municípios mineiros pertencentes à Estrada Real, um importante projeto de turismo brasileiro. MÉTODOS: Os moluscos foram coletados em 36 municípios da Estrada Real, no sudeste de Minas Gerais. A pesquisa foi realizada de agosto de 2005 a setembro de 2009 e todos os locais visitados foram georreferenciados com o uso de GPS. RESULTADOS: Dos 36 municípios estudados, 30 apresentaram a ocorrência de pelo menos uma entre as seis espécies de Biomphalaria: glabrata, tenagophila, straminea, peregrina, occidentalis e schrammi. As três primeiras espécies citadas, reconhecidas como hospedeiras intermediárias do S. mansoni, estavam presentes em 33,3%, 47,2% e 8,3% dos municípios estudados, respectivamente. Os moluscos foram encontrados em diferentes tipos de coleções hídricas e em nenhum deles foi detectada infecção pelo S. mansoni. Houve maior ocorrência de Biomphalaria na área referente ao Caminho Novo (Diamantina/MG ao Rio de Janeiro/RJ). CONCLUSÕES: Considerando-se a ocorrência da esquistossomose, no Estado de Minas Gerais, e as repercussões socioeconômicas que envolvem o projeto Estrada Real, este trabalho aponta para a vulnerabilidade das coleções hídricas devido à presença de moluscos Biomphalaria e enfatiza a necessidade de vigilância epidemiológica e medidas educativas e sanitárias integradas com a comunidade local e setores de turismo.

INTRODUCTION: The increasing practice of ecotourism and rural tourism in the State of Minas Gerais, Brazil, highlights the importance of studies concerning the occurrence of potential intermediate hosts of Schistosoma mansoni. This study aimed to identify species of Biomphalaria snails in municipalities along the Estrada Real, an important Brazilian tourism project. METHODS: The specimens were collected in different water collections of 36 municipalities along the Estrada Real in the southeast of the State of Minas Gerais. Biomphalaria species were characterized using both morphological and molecular approaches. The research was conducted between August 2005 and September 2009 and all the sites visited were georeferenced using GPS. RESULTS: Six Biomphalaria species were found in 30 of the 36 municipalities studied: glabrata, tenagophila, straminea, peregrina, occidentalis and schrammi. The first three species of Biomphalaria, recognized as intermediate hosts of S. mansoni, were present in 33.3%, 47.2% and 8.3% of the municipalities studied, respectively. The mollusks were found in different types of water collections and no infection by S. mansoni was detected. The highest occurrence of Biomphalaria concentration was verified in the area covered by the Caminho Novo route (Diamantina/MG to Rio de Janeiro/RJ). CONCLUSIONS: Considering the occurrence of schistosomiasis in the State of Minas Gerais and the socioeconomic repercussions involved in the Estrada Real Project, this work focuses on the vulnerability of water collections due to the presence of Biomphalaria mollusks and emphasizes the need for epidemiological surveillance and sanitary and educational measures integrated with the local community and tourism sectors.

O uso de dados de sensoriamento remoto óptico em projetos de monitoramento de extensas áreas de floresta tropical é limitado devido à intensa cobertura por nuvens. Os dados SAR (Synthetic Aperture Radar) podem ser uma alternativa interessante para detectar desflorestamento nas regiões de floresta tropical onde a cobertura por nuvens é permanente. Neste contexto, o objetivo deste trabalho é avaliar o potencial do dado SAR adquirido em banda L pelo sistema aerotransportado R99B da Força Aérea Brasileira (FAB) para discriminar incremento de desflorestamento na Amazônia. Para tanto, foram realizadas classificações MAXVER-ICM com dados SAR multipolarizados de uma área teste localizada na região Sudeste do Estado do Acre. As classificações realizadas com a combinação dos canais HH, HV e VV e com o par de polarizações HH+HV obtiveram boa concordância com o mapa produzido no projeto PRODES (k = 0,68, onde k é o índice Kappa), o qual foi adotado como dado de referência. Este resultado indica que o dado SAR multipolarizado em banda L possui bom potencial para discriminar incremento de desflorestamento na Amazônia.

The use of optical remote sensing data in large tropical forest regions has an important limitation due to cloud cover. Synthetic Aperture Radar (SAR) data can be a viable alternative in areas where cloud cover is permanent, because the data acquisition is independent on atmospheric conditions. In this context, the main objective of this work was to evaluate the potential of L band SAR data acquired by R99B Brazilian Air Force (FAB) airborne system to discriminate deforestation increments in the Amazon rainforest. In order to achieve this purpose, we performed Maximum Likelihood classifications with multipolarized SAR data of a test site located in the state of Acre. The classifications performed with the combination of three channels (HH+HV+VV) and with the polarization pair HH+HV obtained good agreement with PRODES reference map (k=0,68, where k is de Kappa index). This result indicates that multipolarized L band SAR data have good potential to discriminate deforestation increments in the Amazon rainforest.

O objetivo deste trabalho foi desenvolver metodologia que integre sensoriamento remoto e sistema de informações geográficas (SIG) para criar um painel amostral e alocar segmentos regulares por meio de um sistema de amostragem aleatória estratificada. Diferentes estratos foram obtidos por meio da classificação de imagens de satélite. Em cada estrato foi realizado sorteio para a seleção dos segmentos amostrais, os quais foram visitados para delimitar as diversas culturas e estimar a área. Na estimativa da área plantada por cultura, para toda a região, utilizou-se o estimador por expansão direta por meio de um procedimento semi-automático. A metodologia reduziu tanto a subjetividade do percentual da área agrícola estimada no estrato, quanto o tempo de construção do painel amostral.

The objective of this work was to develop a methodology in order to use remote sensing and Geographic Information System (GIS) to construct a sampling frame and to allocate regular segments in a region through a random stratified sampling system. The different strata were obtained through satellite image classification. In each stratum a drawing was carried out to select sample segments, which were field visited to identify the crop type and to estimate their area. In the area estimation for each crop, for the entire region, the direct expansion estimator through a semi-automated procedure was used . The methodology reduced both the subjectivity of the percentage of agricultural area estimation in the strata and the time to construct the sampling frame.