Os índices de vegetação (IVs) possuem limitações tais como a influência da atmosfera, do solo subjacente e do relevo (efeito topográfico). Em relação ao efeito topográfico, sua correção foi pouco investigada no contexto dos IVs, apesar da atual disponibilidade de técnicas e de Modelos Digitais de Elevação (MDE) para sua correção. Neste estudo, foi realizada a correção topográfica de bandas espectrais do Landsat 5 TM utilizando dados MDE-SRTM e avaliada a influência do efeito topográfico em quatro IVs: NDVI, RVI, EVI e SAVI. A avaliação foi baseada nos valores de média e desvio padrão dos IVs e da banda 4 (infra-vermelho próximo), e com a análise de regressão linear entre estas variáveis e o cosseno do ângulo de incidência solar na superfície. Os resultados indicam que o efeito topográfico é menor nos IVs, em comparação com a banda 4. O NDVI e o RVI foram menos sensíveis ao efeito topográfico que o EVI e o SAVI. Porém, somente após a correção topográfica é que todos IVs mostraram-se independentes do efeito topográfico. Conclui-se que é necessária a correção topográfica para uma consistente redução do efeito topográfico nos IVs de áreas com topografia irregular.

The full potentiality of spectral vegetation indices (VIs) can only be evaluated after removing topographic, atmospheric and soil background effects from radiometric data. Concerning the former effect, the topographic effect was barely investigated in the context of VIs, despite the current availability correction methods and Digital elevation Model (DEM). In this study, we performed topographic correction on Landsat 5 TM spectral bands and evaluated the topographic effect on four VIs: NDVI, RVI, EVI and SAVI. The evaluation was based on analyses of mean and standard deviation of VIs and TM band 4 (near-infrared), and on linear regression analyses between these variables and the cosine of the solar incidence angle on terrain surface (cos i). The results indicated that VIs are less sensitive to topographic effect than the uncorrected spectral band. Among VIs, NDVI and RVI were less sensitive to topographic effect than EVI and SAVI. All VIs showed to be fully independent of topographic effect only after correction. It can be concluded that the topographic correction is required for a consistent reduction of the topographic effect on the VIs from rugged terrain.

A validação de modelos digitais de elevação (MDE) consiste geralmente na comparação dos dados com um conjunto de pontos de controle. Porém, a qualidade de um MDE também pode ser considerada em termos de realismo das formas. Além da análise visual, pode ser verificado que propriedades físicas e estatíticas do relevo terrestre são cumpridas. Essa abordagem é aplicada a um extrato do Topodata, um MDE obtido pela reamostragem do MDE SRTM sobre o território brasileiro com uma abordagem geostatística. Vários indicadores estatísticos são calculados. Mostram que a qualidade de Topodata em termos de descrição das formas é melhorada com relação ao SRTM.

Digital Elevation Model (DEM) validation is often carried out by comparing the data with a set of ground control points. However, the quality of a DEM can also be considered in terms of shape realism. Beyond visual analysis, it can be verified that physical and statistical properties of the terrestrial relief are fulfilled. This approach is applied to an extract of Topodata, a DEM obtained by resampling the SRTM DEM over the Brazilian territory with a geostatistical approach. Several statistical indicators are computed, and they show that the quality of Topodata in terms of shape rendering is improved with regards to SRTM.

Este trabalho visa ao estudo da relação entre a distribuição de fitofisionomias do Parque Nacional de Brasília (PNB) e variáveis topográficas, para avaliar o potencial de dados SRTM isoladamente, como complemento aos dados tradicionalmente aplicados no sensoriamento remoto da vegetação. Esta relação foi verificada através de análises discriminantes entre o mapa de vegetação referência do PNB e as seguintes variáveis morfométricas: elevação, declividade, orientação de vertente, curvatura vertical e curvatura horizontal. Tais análises indicaram as classes de vegetação que podem ser separadas com base nas condições topográficas do terreno. As variáveis morfométricas mais importantes na distinção entre os tipos vegetacionais foram a elevação, a declividade e a orientação de vertente. Apesar de os dados morfométricos mostrarem potencial indicativo das classes de vegetação, as análises resultaram em discriminação em um nível aquém do detalhamento temático do mapa referência. Tal desempenho pode ser explicado pela incompatibilidade das escalas de variação exibidas entre os dados morfométricos em relação ao tamanho das unidades de mapeamento da vegetação. Além disso, a variação de tipos de vegetação do cerrado pode ser explicada por uma série de outros fatores além da topografia. Com base nas análises discriminantes das variáveis morfométricas, foi possível o mapeamento experimental da vegetação ao nível de subfisionomias.

This paper aims to study the relationship between the distribution of vegetation in Brasilia National Park and topographic variables, to evaluate the potential of SRTM data alone, in addition to data traditionally used in remote sensing of vegetation. A map of vegetation of the area was used as a reference and the morphometric variables (elevation, slope, aspect and profile and plane curvatures) were compared to the mapped units. Analyses indicated vegetation types easily discriminated depending on topographic position. The variables elevation, slope and aspect were shown to be the most important for their high discrimination power of the vegetation types. Although morphometric data are recognized as having strong potential for characterizing vegetation, this was not shown in the results, due to the mismatching of variability scales between the two sources of data, where large units tend to exhibit similar distribution patterns of morphometry, and comprise classes with different responses for morphometric constraints. Discriminant analyses of morphometric variables allowed vegetation mapping up to sub-physiognomy levels.

O presente trabalho teve como objetivo avaliar o potencial das variáveis geomorfométricas extraídas de dados SRTM (Shuttle Radar Topographic Mission) para identificação de tipos vegetacionais da região do interflúvio Madeira-Purus. As variáveis geomorfométricas (elevação, declividade, orientação de vertente, curvatura vertical e curvatura horizontal) foram confrontadas com o mapa de vegetação do projeto RADAMBRASIL através de análises de histogramas e análises discriminantes. Tais análises indicaram os grupos de classes vegetacionais que podem ser separados mais facilmente em contraste com outros grupos que ocorrem sob as mesmas condições topográficas. As variáveis de relevo mais importantes na distinção entre os tipos vegetacionais foram: a elevação, a declividade e a orientação de vertentes. Apesar dos dados geomorfométricos mostrarem potencial indicativo das classes de vegetação, as análises resultaram em discriminação em um nível aquém do detalhamento temático máximo apresentado pelos dados RADAM. Tal desempenho pode ser explicado pela incompatibilidade das escalas de variação exibidas entre os dados geomorfométricos em relação ao tamanho das unidades de mapeamento da vegetação, além da co-ocorrência de classes de respostas distintas ao relevo sob uma mesma associação de classes sob as mesmas classes na legenda. Com base nas análises discriminantes das variáveis geomorfométricas, foi possível o mapeamento da vegetação experimentalmente até o nível de subfisionomias.

The objective of this work was to assess the potential of geomorphometric variables, derived from SRTM (Shuttle Radar Topographic Mission) data, to help identify vegetation types in the Amazonian Madeira-Purus interfluvio region. A RADAMBRASIL project vegetation map was used as a reference and the geomorphometric variables (elevation, slope, aspect and profile and plan curvatures) were compared to the mapped units. Analyses indicated vegetation types easily discriminated, depending on the topographic position. The variables of elevation, slope and aspect were the most important for their high discrimination power of the vegetation types. Although geomorphometric data are recognized as having strong potential for characterizing vegetation, this was not shown in the results, due to the mismatching of variability scales between the two sources of data; large units tend to exhibit similar distribution patterns of geomorphometry, and comprise classes with different responses for geomorphometric constraints. Discriminant analyses of geomorphometric variables permitted vegetation mapping up to the sub-physiognomy levels.

No presente estudo, encontra-se uma metodologia trabalhada para diminuir a suavização da declividade causada pela variação no tamanho dos pixels utilizados na interpolação de Modelos Digitais de Elevação (MDE) em Sistemas de Informações Geográficas. Para salientar os aspectos de alta variabilidade das classes de declividade da região escolheu-se, como área de estudo, uma parcela da bacia do Rio Piracicaba, ao norte do município de São Pedro, SP, com parte da cuesta basáltica. Mapas de declividade com pixels de 100, 125, 200 e 250 m foram gerados e, sobre eles, foram superpostos transectos que forneceram os dados para a análise de correlação, cujo método permitiu a constatação da variabilidade entre os mapas e apresentou alternativas para evitar o efeito suavizador da declividade e a conseqüente perda de precisão dos dados.

This paper presents a methodology to minimize the slope softening effect caused by pixel variations in the Digital Elevation Model (DEM) interpolation used in Geographic Information Systems. The studied area is part of Rio Piracicaba (São Paulo State, Brazil) watershed, located in a very steep site in order to point out the high variability slope aspects of the region. Slope maps with 100, 125, 200 and 250 m pixels were produced. Transects were overlayed on them to provide data for correlation analysis. The method confirmed the high variability among the slope maps. Furthermore, alternatives to avoid the slope softening effect and data precision losses were established.