SISTEMA DE INFORMAÇÕES GEOGRÁFICAS NO APOIO AO GERENCIAMENTO DE OBSTÁCULOS À SUPERFÍCIE DE SEGMENTO VISUAL

Dados Internacionais de Catalogação-na-Publicação (CIP) Divisão de Informação e Documentação dos Santos, Fábio Anderson Batista Sistema de informações geográficas no apoio ao gerenciamento de obstáculos à superfície de segmento visual / Fábio Anderson Batista dos Santos. São José dos Campos, 2014. 109f. Dissertação de mestrado – Curso de Engenharia de Infraestrutura Aeronáutica. Área de Transporte Aéreo e Aeroportos – Instituto Tecnológico de Aeronáutica, 2014. Orientador: Prof. Dr. Calos Müller. 1. Sistema de informações geográficas. 2. Sensoriamento remoto. 3. Topografia. 4. Aeroportos 5. Engenharia Aeroportuária. 6. Engenharia Civil I. Instituto Tecnológico de Aeronáutica. II.Título

REFERÊNCIA BIBLIOGRÁFICA DOS SANTOS, Fábio Anderson Batista. Sistema de informações geográficas no apoio ao gerenciamento de obstáculos à superfície de segmento visual. 2014. 109f. Dissertação (mestrado em Transporte Aéreo e Aeroportos) – Instituto Tecnológico de Aeronáutica, São José dos Campos.

CESSÃO DE DIREITOS NOME DO AUTOR: Fábio Anderson Batista dos Santos TÍTULO DO TRABALHO: Sistema de informações geográficas

no apoio ao gerenciamento de

obstáculos à superfície de segmento visual TIPO DO TRABALHO/ANO: Dissertação / 2014

É concedida ao Instituto Tecnológico de Aeronáutica permissão para reproduzir cópias desta dissertação ou tese e para emprestar ou vender cópias somente para propósitos acadêmicos e científicos. O autor reserva outros direitos de publicação e nenhuma parte desta dissertação ou tese pode ser reproduzida sem a autorização do autor.

________________________________

Fábio Anderson Batista dos Santos Rua 28 Norte, Lote 05, ap. 903, Águas Claras 71917-720 – Brasília - DF

iii

SISTEMA DE INFORMAÇÕES GEOGRÁFICAS NO APOIO AO GERENCIAMENTO DE OBSTÁCULOS À SUPERFÍCIE DE SEGMENTO VISUAL

Fábio Anderson Batista dos Santos

Composição da Banca Examinadora:

Prof.

Dr. Cláudio Jorge Pinto Alves

Presidente - ITA

Prof.

Dr. Carlos Müller

Orientador - ITA

Prof.

Dr. Wilson Cabral de Sousa Júnior

ITA

Prof.

Dr. Amilton Amorim

UNESP

ITA

iv

DEDICATÓRIA

Dedico este trabalho à minha esposa Juliana, minha companheira, ajudadora, amiga e apoiadora; aos meus pais Ésio e Bárbara, por me incentivarem aos estudos durante toda minha vida e por todo o investimento que fizeram em mim; e aos meus irmãos Ésio Filho e Diego Felipe, melhores amigos por toda uma vida.

v

AGRADECIMENTOS

Agradeço em primeiro lugar ao Senhor Jesus, a razão de eu existir e sem o qual eu não seria nada. Ao Professor Dr. Carlos Müller pela orientação e apoio durante todo o período do mestrado. Aos meus amigos João Luiz de Castro Fortes e Daniel Pessoa Martins Cunha, por todo o apoio para que eu pudesse finalizar o mestrado à distância. À Infraero pela oportunidade de trabalhar com o uso do geoprocessamento no planejamento aeroportuário. Aos Srs. Paulo Tsai Wang, Elvis Soriano Rodrigues e Dra. Rejane Ennes Cicerelli, pelo incentivo a apoio para que eu pudesse terminar este trabalho. Ao Sr. Jefferson Luis Ferreira Martins pelos ensinamentos na área de geoprocessamento e Sistemas de Informação Geográfica. Aos demais amigos, que de perto ou de longe, me incentivaram e oraram por mim para que eu pudesse finalizar este projeto.

vi

EPÍGRAFE

“Porque desde a antiguidade não se ouviu, nem com ouvidos se percebeu, nem com os olhos se viu um Deus além de ti que trabalha para aquele que nele espera.” Isaías 64.4.

vii

RESUMO De forma a preservar a segurança das operações de pouso por instrumentos nos aeroportos, a Organização Internacional de Aviação Civil instituiu uma superfície imaginária denominada Superfície de Segmento Visual (VSS). Qualquer objeto, natural ou artificial, que se estenda acima dessa superfície é considerado obstáculo. Nenhum novo procedimento de aproximação por instrumento pode ser publicado caso haja obstáculos à sua VSS. Além disso, a existência de obstáculos pode ocasionar o cancelamento de um procedimento de aproximação por instrumento já publicado. No Brasil, A Agência Nacional de Aviação Civil só aprova voos regulares em aeroportos com procedimentos de aproximação por instrumento publicado. Nesse sentido, pode-se afirmar que a existência de obstáculos à VSS pode ocasionar o cancelamento da operação de voos regulares no aeroporto. O objetivo deste trabalho foi desenvolver uma metodologia para utilização de Sistema de Informações Geográficas (SIG) no apoio ao gerenciamento de obstáculos à VSS. Dentre os objetivos específicos, podem-se citar a proposição de uma metodologia para o uso adequado de uma imagem de satélite em uma ferramenta SIG e a proposição de metodologia para realização de análise espacial em SIG para a detecção de obstáculos à VSS. Como estudo de caso, foi selecionado o Aeroporto de Campo de Marte (SBMT), em São Paulo, no qual a existência de obstáculos pode inviabilizar a publicação de procedimentos de aproximação por instrumento. Para corrigir as distorções da imagem de satélite, foi realizado processo de ortorretificação, pelo método dos coeficientes de polinômios racionais (RPC) e tendo como dados de entrada pontos de controle de solo levantados a partir de posicionamento GPS relativo estático-rápido e Modelo Digital de Elevação (MDE). Para a identificação de qual implantação constante de um cadastro era ou não obstáculo à VSS, foi realizada análise espacial em duas dimensões associada a uma consulta baseada em conceitos de geometria analítica. Como resultado, foram encontrados 21 obstáculos à VSS da cabeceira 12 e 4 obstáculos à VSS da cabeceira 30 do SBMT. A seguir, a

viii

imagem de satélite ortorretificada foi utilizada para a identificação visual dos obstáculos. Com exceção das antenas de celular, que possuem áreas pequena, todos os obstáculos puderam ser visualizados na imagem. Como conclusão do trabalho, pode-se afirmar que a metodologia de ortorretificação mostrou-se adequada para a imagem utilizada. Após da realização de análise estatística para avaliação da qualidade posicional, a imagem foi classificada como PEC A para a escala 1:5000. A imagem ortorretificada pode ser considerada adequada à sua utilização no presente trabalho, uma vez que foi usada apenas para a identificação visual dos obstáculos. Outra conclusão do trabalho é que a aplicação em SIG desenvolvida mostrou-se adequada à análise de obstáculos à VSS, mesmo sem utilizar um pacote de ferramentas para análise 3D. 25 dos 26 obstáculos foram identificados através da análise espacial em SIG, o que representa uma eficiência de 96%.

ix

ABSTRACT In order to preserve safety of instrument landing operations at airports, International Civil Aviation Organization (ICAO) has established an imaginary surface called Visual Segment Surface (VSS). Any object, natural or artificial, which extends above the surface is considered an obstacle. All new straight-in instrument approach procedures published on or after 15 March 2007 shall be protected for obstacles in the visual segment. Furthermore, the existence of obstacles may cause the cancellation of the instrument approach procedure already published. In Brazil, The National Civil Aviation Agency only approves scheduled flights at airports with published instrument approach procedure. Because of that, the existence of obstacles in VSS may cause the cancellation of scheduled flights at the airport. The goal of this study was to develop a methodology for using Geographic Information System (GIS) to support management of obstacles in VSS. As specific objectives, it is important highlight the proposition of a methodology to use satellite image in GIS applications and the proposition of a methodology to detect obstacles in VSS by spatial analysis in GIS. As a case study, Campo de Marte Airport (SBMT), in São Paulo, was selected, in which the existence of obstacles can derail the implementation of instrument approach procedures. In order to correct the satellite image distortions, it was performed an orthorectification process using the rational polynomials coefficients (PRC) method, ground control points from rapid-static GPS surveying and Digital Elevation Model(DEM). In order to identify which objects from a survey was obstacles in VSS, a 2D spatial analysis associated with a query based on analytical geometry concepts was performed. As results, 21 obstacles in the VSS of runway threshold 12 and 4 obstacles in the VSS of runway threshold 30 were found. After that, the orthorectified image was used for visual identification of the obstacles. All the obstacles could be visualized in the orthorectified image, except antennas, which have small areas. As conclusion, the orthorectification methodology was adequate for the image used. After performing statistical

x

analysis for evaluation of positional quality, the orthorectified image was classified as PEC A in the 1:5000 scale. Furthermore, the orthorectified image may be considered appropriate to its use in the present work, since it was used only for the visual identification of obstacles. Another conclusion of the study is that the application in GIS developed proved to be adequate in analysing obstacles in VSS, even not using a suit of tools for 3D analyses. 24 of the 25 obstacles were identified by the spatial analysis in GIS, which represents an 96% efficiency.

xi

LISTA DE FIGURAS FIGURA 1: VSS PARA PROCEDIMENTOS DE APROXIMAÇÃO COM LOCALIZER. .......................................................... 20 FIGURA 2: VSS PARA PROCEDIMENTOS DE APROXIMAÇÃO SEM LOCALIZER. ........................................................... 20 FIGURA 3: VSS PARA PROCEDIMENTOS DE APROXIMAÇÃO COM DESVIO LATERAL EM RELAÇÃO AO EIXO DA PISTA DE POUSO....................................................................................................................................................... 21 FIGURA 4: METODOLOGIA DE UTILIZAÇÃO DE IMAGENS DE SATÉLITE PARA GERENCIAMENTO DE ZONAS DE PROTEÇÃO DE AERÓDROMOS. ....................................................................................................................... 28 FIGURA 5: MAPA DE RUÍDO DE PORÇÃO DA CIDADE DE CHUNGJU, COREIA DO SUL. .............................................. 34 FIGURA 6: SIG PARA DETERMINAÇÃO DE POPULAÇÃO DENTRO DAS CURVAS DE RUÍDO DO SBKP......................... 40 FIGURA 7: IMAGENS DE SATÉLITE DE PORÇÃO DO LAGO PARANOÁ – BRASÍLIA. .................................................... 44 FIGURA 8: EXEMPLO DE EFEITO DA RESOLUÇÃO ESPECTRAL NO CONTRASTE ENTRE FLORESTA E RIO. ................... 45 FIGURA 9: IMAGENS DO PLANO PILOTO, BRASÍLIA, COM DIFERENTES RESOLUÇÕES RADIOMÉTRICAS. .................. 46 FIGURA 10: SISTEMAS DE COORDENADAS IMAGEM–CARTA PARA LOCALIZAÇÃO DOS PONTOS DE CONTROLE PARA GEORREFENCIAMENTO DA IMAGEM. .............................................................................................................. 49 FIGURA 11: ESQUEMA PROJEÇÃO CENTRAL. ........................................................................................................... 49 FIGURA 12: PROJEÇÃO ORTOGONAL E IMAGEM DE UM SISTEMA HIPOTÉTICO CAPAZ DE REGISTRAR TAL PERSPECTIVA. ...................................................................................................................................................................... 50 FIGURA 13: ESQUEMA DE FUNCIONAMENTO DO POSICIONAMENTO GPS................................................................ 58 FIGURA 14: ESQUEMA POSICIONAMENTO RELATIVO. ............................................................................................ 62 FIGURA 15: ESQUEMA DE POSICIONAMENTO RELATIVO ESTÁTICO-RÁPIDO........................................................... 63 FIGURA 16: (A) RELAÇÕES ENTRE SUPERFÍCIE DA TERRA, GEÓIDE E ELIPSÓIDE. (B) PARÂMETROS DO ELIPSÓIDE.65 FIGURA 17: RELAÇÕES ENTRE SUPERFÍCIE DA TERRA, GEÓIDE E ELIPSÓIDE.......................................................... 66 FIGURA 18: ETAPAS PARA O USO DE IMAGEM DE SATÉLITE NA APLICAÇÃO EM SIG. .............................................. 68 FIGURA 19: EXEMPLO DE PONTO DE CONTROLE DE SOLO A SER LEVANTADO. ....................................................... 71 FIGURA 20: ETAPAS PARA O DESENVOLVIMENTO DA APLICAÇÃO EM SIG .............................................................. 76 FIGURA 21: INFORMAÇÕES A SEREM INSERIDAS NA APLICAÇÃO EM SIG ................................................................ 77 FIGURA 22: METODOLOGIA PARA DETERMINAÇÃO DOS OBSTÁCULOS À VSS DO SBMT ....................................... 80 FIGURA 23: CRITÉRIOS PARA DETERMINAÇÃO DOS OBSTÁCULOS À VSS................................................................ 83 FIGURA 24: GRÁFICO DO MOVIMENTO OPERACIONAL ANUAL (POUSOS + DECOLAGENS) DOS 10 AEROPORTOS MAIS MOVIMENTADOS DO PAÍS NOS DOIS ÚLTIMOS ANOS. ............................................................................. 85 FIGURA 25: EVOLUÇÃO DO MOVIMENTO OPERACIONAL ANUAL DO SBMT. ......................................................... 85 FIGURA 26: ESQUEMA DA VSS DA CABECEIRA 30 DO SBMT EM 3D. .................................................................... 86 FIGURA 27: MAPA DE APOIO PARA LEVANTAMENTO TOPOGRÁFICO DE CAMPO .................................................... 88 FIGURA 28: RECEPTOR GPS TOPOGRÁFICO POSICIONADO SOBRE ESTAÇÃO COM COORDENADAS A DETERMINAR. . 89 FIGURA 29: PROCESSAMENTO DAS COORDENADAS DA ESTAÇÃO BASE DO LEVANTAMENTO .................................. 90 FIGURA 30: TELA DO ENVI DURANTE PROCESSO DE GEORREFERENCIAMENTO E ORTORRETIFICAÇÃO DA IMAGEM DE SATÉLITE .................................................................................................................................................. 92 FIGURA 31: ESQUEMA DA PUBLICAÇÃO DO ARQUIVO DE MAPA DO SBMT ............................................................. 96 FIGURA 32: IMPLANTAÇÕES SOBRE A PROJEÇÃO HORIZONTAL DA VSS ................................................................. 97 FIGURA 33: OBSTÁCULOS À VSS ........................................................................................................................... 99

xii

LISTA DE TABELAS TABELA 1: REQUISITOS DE QUALIDADE DE DADOS DE OBSTÁCULOS. ..................................................................... 24 TABELA 2: PRINCIPAIS EVENTOS QUE FORMARAM OS SIG. .................................................................................... 31 TABELA 3: PRINCIPAIS CARACTERÍSTICAS DOS MODELOS DIGITAIS DE ELEVAÇÃO DISPONÍVEIS GRATUITAMENTE NA INTERNET: ................................................................................................................................................ 54 TABELA 4: CARACTERÍSTICAS DAS PRINCIPAIS TÉCNICAS DE LEVANTAMENTO GPS. ............................................. 64 TABELA 5: ALGUMAS FACILIDADES EXISTENTES NO SBMT................................................................................... 84 TABELA 6: RESULTADO DO PROCESSAMENTO PONTOS COLETADOS POR MEIO DO LEVANTAMENTO TOPOGRÁFICO 91 TABELA 7: RESULTADO DA ANÁLISE DA QUALIDADE GEOMÉTRICA DA IMAGEM CORRIGIDA .................................. 94 TABELA 8: RESULTADOS DA ANÁLISE DE TENDÊNCIA (ESTATÍSTICAS T DE STUDENT) ............................................ 94 TABELA 9: RESULTADOS DA ANÁLISE DA PRECISÃO POSICIONAL DA IMAGEM ORTORRETIFICADA (ESTATÍSTICAS QUI-QUADRADO)............................................................................................................................................ 95 TABELA 10: INFORMAÇÕES SOBRE OS OBSTÁCULOS À VSS DO PROCEDIMENTO RELATIVO À CABECEIRA 12 ....... 100 TABELA 11: INFORMAÇÕES SOBRE OS OBSTÁCULOS À VSS DO PROCEDIMENTO RELATIVO À CABECEIRA 30 ....... 100

xiii

LISTA DE ABREVIATURAS E SIGLAS APM - Affine Projection Model DECEA – Departamento de Controle do Espaço Aéreo DME - Distance Measuring Equipment. FAA – Federal Aviation Administration (EUA) DVOR – Doppler Very High Frequency Omnidirectional Range GIS – Geographic Information System GNSS – Global Navigation Satelite System GPS - Global Positioning System (Sistema de Posicionamento Global) IBGE – Instituto Brasileiro de Geografia e Estatística ICAO – International Civil Aviation Association IFR – Instrument Flight Rules (Regras de Voo por Instrumentos) ILS - Instrument Landing System (Sistema de Pouso por Instrumentos) LDA – Landing Distance Available LIDAR – Light Detection and Ranging MDE - Modelo Digital de Elevação MDT - Modelo Digital do Terreno MNET - Modelo Numérico de Elevação do Terreno NDB - Non-directional (radio) Beacon OCH - Obstacle Clearence Height (Altura Livre de Obstáculos) PEZR - Plano Específico de Zoneamento de Ruído PPD – Pista de pouso e decolagem PPGIS – Public Participatory GIS (Sistema de Informações Geográficas de Participação Pública) RBMC – Rede Brasileira de Monitoramento Contínuo

xiv

RMSE – Root Mean Square Error (Erro Médio Quadrático – EMQ) RPC - Rational Polynomial Coefficients (Coeficientes de Polinômios Racionais) SIG – Sistema de Informações Geográficas SPQA - Especial Pilot Qualification Airports SRTM - Shuttle Radar Topography Mission UHF - Ultra High Frequency VOR - Very High Frequency Omnidirectional Range VSS – Visual Segment Surface (Superfície de Segmento Visual) WGS84 - World Geodetic System from 1984 (Sistema Geodésico Mundial de 1984) ZPA – Zona de Proteção de Aeródromo ZPANA – Zona de Proteção de Auxílios à Navegação Aérea

xv

SUMÁRIO 1

2

Introdução ..................................................................................................................................... 17 1.1

Objetivos ............................................................................................................................... 18

1.2

Estrutura do Trabalho ........................................................................................................... 19

Referencial Teórico ....................................................................................................................... 19 2.1

Superfície de Segmento Visual (VSS)..................................................................................... 19

2.2

Obstáculos em aeroportos .................................................................................................... 23

2.3

Sistema de Informações Geográficas .................................................................................... 30

2.3.1 2.4

Sensoriamento Remoto ........................................................................................................ 42

2.4.1

Características Gerais .................................................................................................... 42

2.4.2

Correções Geométricas ................................................................................................. 47

2.5

3

Aplicação de SIG em aeroportos ................................................................................... 34

Levantamentos com utilização de GPS ................................................................................. 57

2.5.1

Princípios de funcionamento do GPS ............................................................................ 57

2.5.2

Tipos de posicionamento .............................................................................................. 60

2.5.3

Sistemas Geodésicos de Referência .............................................................................. 65

Metodologia .................................................................................................................................. 67 3.1

Utilização de imagem de satélite na aplicação em SIG ......................................................... 67

3.1.1

Definição da área da imagem ........................................................................................ 68

3.1.2

Elaboração das especificações técnicas da imagem ..................................................... 69

3.1.3

Elaboração do mapa de apoio ao levantamento de campo ......................................... 70

3.1.4

Realização do levantamento topográfico de campo..................................................... 71

3.1.5

Avaliação da qualidade geométrica da imagem de satélite.......................................... 73

3.2

Desenvolvimento da aplicação em SIG ................................................................................. 75

3.2.1

Descrição dos dados ...................................................................................................... 76

3.2.2

Criação de conjuntos de dados de classes de feições ................................................... 77

3.2.3

Preenchimento das tabelas de atributos das classes de feições .................................. 78

3.2.4

Publicação dos dados .................................................................................................... 78

3.2.5

Gerenciamento da Aplicação WEB ................................................................................ 79

3.3

Análise dos obstáculos à VSS................................................................................................. 80

3.3.1

Identificação das implantações sobre a projeção da VSS ............................................. 80

3.3.2

Determinação da distância entre uma implantação e a base da VSS ........................... 80

3.3.3

Identificação dos obstáculos ......................................................................................... 83

xvi

4

Estudo de Caso: Aeroporto de São Paulo - Campo de Marte ....................................................... 84

5

Resultados e discussões ................................................................................................................ 87 5.1

Utilização da imagem de satélite do SBMT na aplicação em SIG.......................................... 87

5.2

Desenvolvimento da aplicação em SIG ................................................................................. 96

5.3

Análise dos obstáculos à VSS do SBMT ................................................................................. 97

6

Conclusões................................................................................................................................... 103

7

Referências Bibliográficas ........................................................................................................... 106

17

1

Introdução

O crescimento da demanda por transporte aéreo no Brasil requer dos operadores aeroportuários investimentos em infraestrutura que garantam o atendimento a essa demanda em níveis de serviço aceitáveis. Dentre esses investimentos, podem ser citados ampliação e ou construção de terminais de passageiros, construção de novas pistas de pouso e decolagem (PPD) e implantação de novos auxílios à navegação aérea. Além do atendimento à demanda, os operadores aeroportuários precisam atentar para a segurança das operações (pousos, decolagens, manobras no pátio, etc). A segurança e a regularidade das operações em um aeroporto dependem da adequada manutenção de suas condições operacionais, que são diretamente influenciadas pelo uso do solo em seu entorno (BRASIL, 2011). Uma construção no entorno de um aeroporto no prolongamento da PPD pode causar recuo da cabeceira da pista. Esse recuo de cabeceira acarreta perda de comprimento de pista disponível para pouso (Landing Distance Available –LDA). Por consequência, essa perda de LDA pode impedir que determinadas aeronaves operem naquele aeroporto ou que elas operem com sua capacidade máxima de passageiros e carga aérea. De forma a preservar a segurança das operações de pouso por instrumentos nos aeroportos, a Organização Internacional de Aviação Civil (International Civil Aviation Organization ICAO) instituiu uma superfície imaginária denominada Superfície de Segmento Visual (Visual Segment Surface – VSS). Qualquer objeto, natural ou artificial, que se estenda acima dessa superfície é considerado obstáculo. Todos os novos procedimentos de aproximação direta por instrumentos, publicados a partir de 15 de março de 2007, devem ter suas VSS’s livres de obstáculos. Além disso, os obstáculos existentes de procedimentos já publicados teriam que ser removidos ou rebaixados até 15 de março de 2012 (ICAO, 2006).

18

Em outras palavras, nenhum novo procedimento de aproximação por instrumento pode ser publicado caso haja obstáculos à sua VSS. Além disso, foram cancelados todos os procedimentos de aproximação por instrumentos publicados antes de 15 de março de 2007 e cujos obstáculos à VSS não foram rebaixados ou removidos até 15 de março de 2012. Caso uma nova implantação seja erguida e configure-se obstáculo à VSS de um procedimento existente, o procedimento também é cancelado. Esse cancelamento diminui a regularidade das operações, uma vez que as aeronaves devem passar a operar apenas em condições meteorológicas favoráveis a pousos visuais. A Agência Nacional de Aviação Civil (ANAC) só aprova voos regulares para aeroportos com procedimentos de aproximação por instrumento. Diante disso, faz-se necessário o constante gerenciamento dos obstáculos à VSS, de forma a preservar o procedimento de aproximação e a existência de voos regulares. Até 2012, o Departamento de Controle do Espaço Aéreo (DECEA) fornecia os dados das implantações (quaisquer objetos fixos, sejam eles naturais ou artificiais, tais como árvores, montes, antenas, postes, casas, prédios, etc) que se configuravam obstáculos à VSS, para que os aeroportos realizassem as ações necessárias para remoção ou rebaixamento dos mesmos. A partir de 2013, os próprios aeroportos precisam realizar os levantamentos e indicar os obstáculos ao DECEA. 1.1

Objetivos

O objetivo deste trabalho foi desenvolver uma metodologia para utilização de Sistema de Informações Geográficas (SIG) no apoio ao gerenciamento de obstáculos à VSS de procedimentos de aproximação por instrumentos em aeroportos. Os objetivos específicos do trabalho são: • Propor metodologia para o uso adequado de imagem de satélite em ferramenta SIG

19

• Propor metodologia para a realização de análise espacial em SIG para detecção de obstáculos à VSS 1.2

Estrutura do Trabalho

O trabalho está dividido em seis capítulos. O primeiro capítulo apresenta uma introdução ao tema e o objetivo. O segundo capítulo apresenta o referencial teórico para a elaboração deste trabalho. O terceiro capítulo descreve a metodologia utilizada. O quarto capítulo apresenta uma breve descrição do Aeroporto de Campo de Marte, escolhido como estudo de caso. O quinto capítulo apresenta os resultados e as discussões, enquanto que o sexto capítulo apresenta as conclusões do trabalho.

2

Referencial Teórico

2.1 Superfície de Segmento Visual (VSS) A VSS foi criada para proteger o segmento visual de procedimentos de aproximação por instrumentos, ou seja, a fase do voo imediatamente após uma aeronave atingir condições visuais durante a realização de um procedimento de pouso por instrumento. A VSS depende das características do procedimento de pouso por instrumento (como ângulo de descida e desvio lateral em relação ao eixo da pista) e do código da pista. De acordo com ICAO (2006), a VSS pode ser definida da seguinte forma: a) Para procedimentos com localizer ou que funcionem como localizer para referência de eixo, onde a trajetória final de aproximação estiver alinhada com o eixo da pista: • Superfície com largura da base igual à do início da Superfície de Aproximação; • Superfície inicia-se 60 m antes da cabeceira da pista; • Superfície estende-se paralelamente ao eixo da pista

20

• Superfície termina no ponto onde a altura da superfície atinge a Altura Livre de Obstáculos (Obstacle Clearence Height – OCH). A Figura 1 apresenta a configuração da VSS para procedimentos com localizer.

Figura 1: VSS para procedimentos de aproximação com localizer. Fonte: ICAO (2006) modificado pelo autor.

b) Para todos os outros procedimentos de aproximação direta: • Largura da base de 300 m (150 m para cada lado do prolongamento do eixo da pista) para pistas código 3 e 4 e de 150 m para pistas código 1 e 2; • Superfície origina-se a 60 m antes da cabeceira da pista; • Superfície alargando-se com um coeficiente de 15% para cada lado do eixo da pista; • Superfície termina no ponto onde sua altura atinge o OCH. A Figura 2 apresenta a configuração da VSS para procedimentos sem localizer.

Figura 2: VSS para procedimentos de aproximação sem localizer. Fonte: ICAO (2006) modificado pelo autor.

21

c) Quando o segmento da aproximação final for deslocado em relação ao eixo da pista e o interceptar, a largura no lado próximo ao curso de aproximação final será acrescida do ângulo de deslocamento em relação ao eixo. A Figura 3 apresenta a configuração da VSS para esse tipo de procedimento.

Figura 3: VSS para procedimentos de aproximação com desvio lateral em relação ao eixo da pista de pouso. Fonte: ICAO (2006) modificado pelo autor.

Verticalmente, a VSS inicia-se na elevação da cabeceira e possui uma inclinação igual ao ângulo de descida do procedimento de aproximação subtraído de 1,12°. Se a VSS de algum procedimento de aproximação por instrumento for violada, ele não poderá ser publicado sem um estudo aeronáutico. A ação mitigadora resultado do Estudo Aeronáutico poderá definir, por exemplo, uma modificação do ângulo de descida e/ou um deslocamento da cabeceira. Obstáculos que possuam altura inferior a 15 m acima da elevação da cabeceira podem ser desconsiderados. Além disso, obstáculos móveis, bem como aeronaves aguardando em ponto de espera da pista de pouso e decolagem são permitidos. Os procedimentos de aproximação por instrumentos podem ser classificados em dois tipos: • Aproximação de precisão (Precision Approach - PA) – procedimentos que utilizam orientação lateral e vertical providos por Sistema de Pouso por Instrumentos

22

(Instrument Landing System – ILS) ou Radar de Aproximação de Precisão (Precision Approach Radar – PAR); • Aproximação de não-precisão (Non-precision Approach – NPA) – são procedimentos de aproximação que proporcionam orientação lateral, mas nenhuma orientação vertical; De acordo com Medeiros (2011), dentre os sistemas de aproximação de precisão, o ILS é o mais conhecido e utilizado a nível mundial. Ele é formado por três componentes: localizador (localizer); glideslope e marcadores: • O localizador é um transmissor direcional que fornece a orientação da pista. Ele deve ser implantado a 300 m após a cabeceira oposta àquela em que se deseja pousar. • O glideslope possui um transmissor UHF que emite um feixe direcional em uma rampa de descida de 3° em relação ao plano horizontal. É o componente responsável pela orientação vertical. • Os marcadores fornecem informação sobre a distância em relação à cabeceira. O marcador externo localiza-se a aproximadamente 8 km da cabeceira e o marcador médio a 1070 m da cabeceira. Para ILS Categoria II, existe também o marcador interno, que indica a posição da rampa de descida correspondente à altura de decisão, onde a aproximação deve ser abortada em caso de falta de visibilidade adequada; Segundo o autor, embora mais seguras que as aproximações de não-precisão, as aproximações com ILS possuem algumas limitações, como o alto custo de implantação e necessidade de grande espaço físico livre de obstáculos para sua instalação e operação. O autor define ainda os procedimentos de aproximação de não-precisão como aqueles que fazem uso de ajudas de navegação em volta do aeroporto, como VOR (Very High Frequency Omnidirectional Range), DME (Distance Measuring Equipment) e NDB (Non-directional

23

Beacon), para trazer a aeronave a um ponto onde a pista é visível, de forma que se consiga efetuar um pouso em condições visuais. ICAO (2008) define Navegação por Área (Area Navigation – RNAV) como método de navegação que permite que aeronaves operem em qualquer rota dentro da área de cobertura dos auxílios. Esse método remove a restrição imposta pelas rotas e procedimentos convencionais, nos quais a aeronave precisa sobrevoar os auxílios à navegação, permitindo flexibilidade operacional e maior eficiência. Dentre as aproximações de não-precisão podem-se mencionar também as aproximações RNAV/GNSS (Global Navigation Satelite System). Esta aproximação utiliza dados GNSS para realizar navegação por área e é comumente chamada de LNAV (Lateral Navigation), por proporcionar orientação lateral. Uma das vantagens das aproximações RNAV (GNSS) é não precisar de equipamentos terrestres de radionavegação. Existem procedimentos de aproximação de precisão que associam a orientação lateral dos procedimentos LNAV com orientação vertical fornecida a partir de altímetros barométricos e são comumente chamados de LNAV/VNAV (Vertical Navigation). 2.2 Obstáculos em aeroportos Obstáculo é todo objeto de natureza permanente ou temporária, fixo ou móvel, ou parte dele, que esteja localizado em uma área destinada à movimentação de aeronaves no solo, ou que se estenda acima das superfícies destinadas à proteção das aeronaves em voo, ou ainda que esteja fora ou abaixo dessas superfícies definidas e cause efeito adverso à segurança ou regularidade das operações aéreas. (Brasil, 2011, p. 5)

Ao escolher uma metodologia para a identificação de obstáculos em aeroportos, os operadores aeroportuários devem atentar para o atendimento de certos requisitos de qualidade previstos

24

em norma. Para o caso brasileiro, ANAC (2009) aponta os requisitos de qualidade que os dados de obstáculos em aeroportos devem possuir, conforme apresentado na Tabela 1. Tabela 1: Requisitos de qualidade de dados de obstáculos.

DADO

ACURÁCIA PLANIMÉTRICA

ACURÁCIA ALTIMÉTRICA

Obstáculos na Área 2

5,0 m levantado

3,0 m levantado

Obstáculos na Área 3

0,5 m levantado

0,5 m levantado

Fonte: ANAC (2009).

ANAC (2009) define as áreas 2 e 3 da seguinte forma: • Área 2: também chamada de área de controle terminal, limitada por um círculo de 45 km com centro no ponto de referência do aeródromo ou conforme publicada na Publicação de Informação Aeronáutica Brasil (AIP-Brasil). • Área 3: também chamada de área do aeródromo – deve cobrir a área que se estende da(s) borda(s) da(s) pista(s) de pouso e decolagem até 90 m do eixo da pista. Para as demais partes da área de movimento do aeródromo (pistas de taxi e pátios de estacionamento de aeronaves), a área 3 estende-se até 50 m das bordas das partes definidas. O procedimento tradicionalmente utilizado pelo DECEA, por meio do Instituto de Cartografia da Aeronáutica – ICA, para identificação de obstáculos nos aeroportos brasileiros tem sido o levantamento topográfico convencional. De acordo com Parish & Nowak (2009), o procedimento tradicionalmente utilizado para detecção de obstáculos em aeroportos dos Estados Unidos consiste em uma combinação de fotogrametria com topografia convencional. De acordo com os autores, esse procedimento demonstrou-se preciso e confiável ao longo dos últimos cinquenta anos. Entretanto, o desejo de aumentar a eficiência e reduzir os custos dos

25

levantamentos tem levado ao crescimento do interesse na tecnologia LIDAR (Light Detection and Ranging). Müller (2013) traduz o termo “LIDAR” como sistemas aerotransportados de varredura a LASER (Light Amplification by Stimulated Emission of Radiation) e o define como sistemas de sensoriamento remoto ativos que utilizam tecnologia LASER para obtenção, de forma direta, das coordenadas tridimensionais de uma grande quantidade de pontos mapeados na superfície do terreno. De acordo com o autor, o princípio básico de operação dos sistemas LIDAR consiste na medição da distância entre o sensor e o ponto mapeado no terreno, que pode ser realizada através de sistemas LASER de onda contínua ou sistemas LASER pulsados. O georreferenciamento do ponto mapeado é possibilitado por um sistema de posicionamento e orientação composto de um sistema de navegação inercial integrado a um sistema de posicionamento global, como o GPS (Global Positioning System). Parish (2003) analisou a habilidade de se melhorar a detecção de obstáculos em aeroportos a partir de tecnologia LIDAR pela modificação de alguns parâmetros do levantamento. Os principais parâmetros investigados foram ângulo de varredura e altura do voo, embora parâmetros como velocidade do voo e sensibilidade do receptor também tenham sido discutidos. Segundo o estudo, em trabalhos anteriores, mostrou-se que muitos obstáculos às operações em aeroportos, particularmente postes, antenas e outros objetos com diâmetros pequenos, foram geralmente não detectados pelos levantamentos LIDAR. Foram apresentados resultados de voos sobre o Aeroporto Regional de Gainesville, Flórida, utilizando quatorze diferentes configurações de coleta de dados. Esses dados coletados por

26

LIDAR foram comparados com dados de levantamentos de obstáculos realizados por topografia convencional, obtidos da National Geodesic Survey (NGS). A análise dos dados mostrou que melhorias significativas na detecção de obstáculos podem ser alcançadas com configurações adequadas. Foi mostrado também que uma detecção de 100% dos obstáculos com um erro médio quadrático (EMQ ou Root Mean Sqaure ErrorRMSE) menor que um metro pode ser alcançada com levantamentos LIDAR. A acurácia a 95% de nível de confiança foi calculada como o simples produto entre RMSE e o fator 1,96. A melhor configuração de levantamento encontrada, com ângulo de varredura de 20° e altura do voo de 750 m, foi capaz de detectar 100% dos obstáculos, com um RMSE de 0,88 e acurácia vertical de 1,73 m a 95% de nível de confiança. A acurácia vertical desse levantamento atende ao requisito de qualidade apresentado na Tabela 1 para obstáculos na área terminal, mas não atende ao requisito de qualidade necessário para obstáculos na área do aeródromo. Kamiya et al. (2009) apresentaram um sistema de detecção de obstáculos em aeroportos a partir da análise de imagens de aerofotogrametria. O processo de detecção de obstáculos apresentado consiste das seguintes etapas: • Criação de um Modelo Digital de Superfície (MDS) da região do aeroporto e seu entorno a partir das imagens aerofotogramétricas com resolução espacial de 14,2 cm; • Comparação entre os dados de elevação de cada pixel do MDS criado com a Superfície Limitadora de Obstáculos (Obstacle Limitation Surface – OLS) na localização do pixel; • Extração dos pixels com elevação acima da OLS como potenciais obstáculos e;

27

• Realização de análise estereoscópica visual para evitar que objetos como para-raios e postes, com pequenas áreas, sejam ignorados (ou seja, deixem de ser identificados). Kamiya et al. (2009) avaliaram a acurácia do Modelo Digital de Superfície criado comparando-o com levantamentos de campo e dados de levantamento LIDAR. Como resultado, foi apresentado que o MDS criado possuía 15,9 cm de acurácia vertical com 7,2 cm de resolução espacial. Já o levantamento LIDAR apresentou 12,4 cm de acurácia vertical com 2 m resolução espacial. Kamiya et al. (2009) avaliaram a acurácia do processo apresentado no trabalho comparando os obstáculos identificados com dados de levantamento de campo. Primeiramente foi realizado um levantamento de campo em uma área de aproximadamente 1 km2 no entorno do aeroporto e detectados todos os objetos. O número de objetos levantados em campo incluía 397.240 postes de iluminação e 157 pararaios. Desses objetos, após comparação de suas elevações com a OLS, foram identificados 108 possíveis obstáculos, sendo 32 postes e 76 para-raios. Por fim, após análise estereoscópica dos possíveis obstáculos, 17 deles foram apontados como obstáculos, todos eles para-raios. Como conclusão do trabalho, os autores afirmam que o tempo para identificação dos obstáculos é reduzido de forma acentuada ao se restringir a inspeção visual apenas aos possíveis obstáculos encontrados de forma automática pelo sistema proposto. O Modelo Digital de superfície criado, com 15,9 cm de acurácia vertical e 7,2 cm de resolução espacial, seria suficiente para o atendimento aos requisitos de qualidade apontados como necessários por ANAC (2009) (ver Tabela 1). Entretanto, a falta de análises estatísticas que validem a precisão do DSM comprometem os resultados apresentados trabalho.

28

Além disso, não foi descrita de forma clara o percentual dos obstáculos identificados com base no Modelo Digital de Superfície em relação aos obstáculos identificados com base no levantamento de campo. Martins (2011) desenvolveu uma metodologia para o uso de imagens de satélite de alta resolução espacial no gerenciamento de zonas de proteção de aeródromos. Como estudo de caso, foram analisados, com o uso de ferramenta SIG, os obstáculos à zona de proteção do Aeroporto Internacional Salgado Filho. As coordenadas dos obstáculos foram obtidas com base no Plano Específico de Zona de Proteção do Aeroporto e em levantamento topográfico realizado pelo Instituto de Cartografia Aeronáutica (ICA) em 2008. A metodologia utilizada está representada na Figura 4:

Definição da área da imagem

Especificação Técnica

Aquisição da imagem

Análise da qualidade geométrica

Correções geométricas

Apoio de Campo

Inserção de informações temáticas

Elaboração de produtos cartográficos

Figura 4: Metodologia de Utilização de Imagens de Satélite para Gerenciamento de Zonas de Proteção de Aeródromos. Fonte: Adaptado de Martins (2011)

A definição da área da imagem considerou a distância em que em média as aeronaves já iniciaram a preparação para o pouso, com redução da velocidade e consequente maior sujeição aos riscos causados por obstáculos.

29

Como critérios da especificação técnica para aquisição da imagem foram considerados: tamanho máximo do pixel de 1 m; resolução radiométrica mínima de 11 Bits; cobertura máxima de nuvens de 5% e data da imagem (imageamento) de no máximo 4 meses. Como apoio para realização das correções geométricas na imagem, foi realizado levantamento topográfico de campo com uso de GPS para coleta de pontos de controle. Foi adotada técnica de posicionamento relativo para a coleta das coordenadas dos pontos. O georreferenciamento e a ortorretificação (correções geométricas) foram realizados em conjunto. De acordo com o trabalho, a realização do georreferenciamento juntamente com a ortorretificação torna-se vantajosa devido ao fato de que os pontos de controle de solo são utilizados como injunções no processo de ortorretificação. A análise a qualidade geométrica da imagem ortorretificada foi realizada por meio da simples comparação entre as coordenadas dos pontos de controle obtidas após processamento dos dados GPS e as coordenadas dos mesmos pontos medidos sobre a imagem corrigida. O autor considerou que os erros (distâncias entre os pontos) apresentava distribuição normal e, a partir dessa consideração, estimou que o erro da imagem ortorretificada era de no máximo 2,66 m para um intervalo de confiança de 90%. Não foram realizados, entretanto, testes estatísticos para a análise de tendência e da precisão da imagem ortorretificada. Dentre as limitações do trabalho de Martins (2011), pode-se citar que não foi realizada análise para verificar quais implantações no entorno do aeroporto eram ou não obstáculos. A ferramenta utilizada serviu apenas para a visualização de um cadastro de obstáculos préexistente sobre a imagem de satélite de alta resolução espacial. Como limitação dos trabalhos de Parish (2003), Kamiya et al. (2009) e Martins (2011), podese citar que não foram realizados testes estatísticos para a análise de tendência e da precisão

30

dos produtos cartográficos obtidos (levantamentos LIDAR, Modelo Digital de Superfície e imagem ortorretificada, respectivamente). De acordo com Merchant (1982) apud Nogueira Jr. (2003), a análise da qualidade geométrica de um produto cartográfico deve ser feita em duas etapas: a primeira consiste em teste para a detecção de tendências, baseada na distribuição t de student, por meio do qual é verificada a presença de erros sistemáticos; a segunda etapa trata-se da análise da precisão do produto cartográfico, baseada na distribuição Qui-quadrado. 2.3 Sistema de Informações Geográficas Segundo Câmara & Queiroz (2001), o termo SIG é aplicado para sistemas que realizam o tratamento computacional de dados geográficos e recuperam informações não apenas com base em suas características alfanuméricas, mas também através de sua localização espacial. A Geometria e os atributos dos dados em um SIG devem estar georreferenciados, ou seja, localizados na superfície terrestre e representados em uma projeção cartográfica. O uso de SIG tem se difundido na sociedade. Dentre os setores da sociedade que tem utilizado SIG podem-se citar transportes, agricultura, mineração e planejamento urbano. Cruz (2005) desenvolveu um estudo qualitativo em que procurou verificar como um SIG pode estar associado à análise espacial para desenvolvimento de estudos na área de transporte, meio ambiente e espaço urbano. De acordo com o trabalho, os SIG têm incorporado uma crescente variedade de funções desde sua concepção inicial, voltada para o projeto e construção de mapas. Em especial, apresentam mecanismos sofisticados para manipulação e análise espacial de dados, permitindo uma visualização bem mais intuitiva dos dados do que a obtida através de relatórios e gráficos convencionais.

31

Longley et al. (2013) apresenta uma série de eventos que formaram os Sistemas de Informações Geográficas, conforme pode-se observar na Tabela 2. Tabela 2: Principais eventos que formaram os SIG.

DATA

TIPO

EVENTO

OBSERVAÇÕES

1957

Acadêmico

Produção do primeiro mapeamento automático conhecido

Meteorologistas suecos e biólogos britâncos

1963

Tecnológico

Início de desenvolvimento do CGIS

Sistema de Informações Geográficas do Canadá é desenvolvido para o inventário territorial do páis.

1967

Acadêmico e geral

Formação da Unidade de Cartografia Experimental do Reino Unido

Organização pioneira em várias áreas de cartografia computadorizada e SIG

1969

Comercial

Formação da ESRI Inc. e da Intergraph Inc.

Empresas comprometidas com projetos de SIG

1969

Acadêmico

Publicação de Design with Nature

Primeiro livro a descrever conceitos modernos de análise em SIG, inclusive superposição entre mapas

1972

Tecnológico

Lançamento do Landsat 1

Primeiro de muitos dos principais satélites de sensoriamento remoto

1981

Comercial

Lançamento do ArcInfo

Primeiro grande sistema de software de SIG comercial. Concebido para microcomputadores.

1985

Tecnológico

GPS operacional

O GPS passa a ser importante fonte de dados para navegação, levantamento e mapeamento

1988

Geral

Lançamento da GISWorld

Primeira revista internacional dedicada a SIG (Hoje a revista chama-se GeoWorld)

1996

Tecnológico

Introdução de produtos de SIG na Internet

Várias companhias lançam praticamente simultaneamente uma nova geração de sistemas baseados na internet

1996

Comercial

MapQuest

Lançado o serviço de mapeamento pela internet, produzindo mais de 130 milhões de mapas em 1999.

1999

Geral

GIS Day

O primeiro GIS Day atrai mais de 1,2 milhão de participantes globais que compartilham interesse sobre SIG

1999

Comercial

Ikonos

Ikonos inaugura uma nova geração de sensores com alta resolução. (90 cm de resolução espacial)

2004

Geral

Formação da Agência de Inteligência Geoespacial dos EUA

Maior usuária de SIG do mundo, a agência foi criada para reforçar a ênfase na geo-inteligencia

2006

Tecnológico

Lançamento do GoogleEarth

Primeiro grande globo virtual - uma aplicação do SIG 3D - disponível na web. 150 milhoes de downloads no primeiro ano

Fonte: Adaptado de Longley et al. (2013).

32

Silva, E. (2007) cita alguns exemplos de aplicações que se beneficiam de um SIG: • Sistema de recursos hídricos de um estado, contendo os dados dos rios, açudes, estações pluviométricas, adutoras, além dos dados básicos dos municípios do estado. Um sistema assim seria útil para monitoramento do volume dos mananciais apenas clicando na forma geométrica do mesmo, por exemplo. Auxiliaria no apoio a decisão, pois seria possível ver rapidamente quais municípios estão necessitando da construção de um açude, ou ainda, quais municípios vão se beneficiar de uma determinada adutora; • Sistema da tubulação de petróleo dos poços a uma refinaria. Este sistema seria muito útil no que diz respeito à análise de problemas. Por exemplo, se houver um vazamento em um oleoduto, que áreas serão afetadas pelo óleo? Há risco de desastre ambiental? Que transmissões de petróleo precisam ser interrompidas para impedir o escoamento enquanto o conserto é realizado? Com o uso de um SIG, todos esses dados poderão ser inferidos visualmente; • Sistema de busca de rotas. Um sistema que facilite a busca de caminhos entre dois lugares, utilizando-se de um SIG para realizar operações de distância e etc., de um banco de dados espacial para armazenar as geometrias das ruas e pontos de interesse e de um cliente SIG para exibir os dados e permitir a interação com o cliente. O autor desenvolveu uma aplicação em SIG para roteamento (busca de rotas) com base em uma arquitetura orientada a serviços e um novo algoritmo de busca de rotas denominado Coolest Path. Este algoritmo habilita personalização multicritério de acordo com a distância da viagem, o tempo, pontos turísticos e a simplicidade do caminho. Os algoritmos de roteamento foram fornecidos na forma de serviços WEB, ou seja, acessíveis por meio de qualquer dispositivo conectado à internet: desktop, tablet, smartphone, etc.

33

Ainda de acordo com Silva, E. (2007) a princípio, o SIG Desktop ainda é bastante utilizado para confecção de mapas e manipulações mais avançadas. Contudo, o SIG WEB é uma alternativa interessante para visualização de mapas e realização de consultas simples. Uma das vantagens é a acessibilidade, pois não é necessária a instalação de nenhuma ferramenta de software. Mas a principal vantagem citada pelo trabalho é a disponibilidade. Um SIG WEB pode ser acessado de qualquer dispositivo com a conectividade necessária, desde um microcomputador até um celular. Ko et. al (2011) apresentaram metodologia para avaliação de impacto de ruído através de SIG. De acordo com o estudo, o tráfego rodoviário é uma das maiores fontes de ruído em áreas urbanas desenvolvidas e, além disso, seu impacto é muito importante para os tomadores de decisão em cidades metropolitanas. Nesse contexto, as autoridades governamentais precisam descobrir o número de pessoas afetadas pelo ruído e onde elas estão localizadas a fim de construir um plano estratégico para implantação de modais alternativos e menos ruidosos, como o metrô. Segundo os autores, o foco do estudo foi desenvolver um método de avaliação do ruído urbano baseado em um mapa de ruído gerado a partir de tecnologia SIG e de mapas digitais da cidade de Chungju, na Coreia do Sul. Um banco de dados de SIG foi desenvolvido com a utilização do software ARCGIS 9.3 e contém dados de topografia, edificações, população e informações relacionadas ao tráfego. Para a elaboração do mapa de ruído, os limites de velocidade das vias foram adotados como a velocidade dos veículos. Os dados de topografia e estradas foram obtidos do governo da província, enquanto que dados de edificações foram obtidos do governo municipal. Dados de tráfego rodoviário foram

34

obtidos de relatórios de análise de impacto de ruído e do plano mestre de transportes. Dentre esses dados, podem-se citar segmentos rodoviários, volume de tráfego, velocidade e composição dos tipos de veículos. Dados sobre população foram obtidos a partir de censo nacional. Para a elaboração do mapa de ruído foi utilizado um software comercial denominado Soundplan 6.5. A Figura 5 apresenta porção do mapa de ruído desenvolvido por Ko et. al (2011).

Figura 5: Mapa de ruído de porção da cidade de Chungju, Coreia do Sul. Fonte: Adaptado de Ko et al. (2011).

2.3.1 Aplicação de SIG em aeroportos O uso de ferramentas de SIG para aeroportos tem se difundido nos últimos anos. Jia et al. (2004) desenvolveram um sistema baseado em SIG denominado ARO (Airport Runway Optimization) que determina a melhor orientação de uma pista de pouso e decolagem.

35

De acordo com o estudo, a determinação da orientação de uma pista de pouso e decolagem é uma tarefa crítica no planejamento aeroportuário. A direção da pista influencia as outras facilidades existentes no aeroporto, como terminais de passageiros, configuração das pistas de taxi e dos pátios de manobras, áreas de circulação, etc. Foi apresentado no estudo um método de rosa dos ventos baseado em SIG para a determinação da melhor orientação de uma PPD. Esse método considera uma rosa dos ventos como um banco de dados SIG em que cada célula é tratada como um polígono. Um único identificador é atribuído a cada polígono para representar a direção e a velocidade do vento. Ainda de acordo com Jia et al. (2004), esse método tira vantagem de funções de SIG para lidar com o problema de cobertura parcial. Esse problema está associado à dificuldade de se calcular o percentual de ocorrência de ventos quando uma ou mais células da rosa dos ventos tradicional apresentam cobertura parcial. Dessa forma, ao formular uma rosa dos ventos como banco de dados de um SIG, evitam-se os cálculos geométricos computacionais. Zimmer et al. (2007) apresentaram uma nova possibilidade para a geração de imagens de familiarização aeroportuárias através de SIG. Dentre os dados que compõem o SIG, podem-se citar imagens de sensoriamento remoto, dados vetoriais de aeroportos, cadastro de obstáculos e informações sobre procedimentos de aproximação. De acordo com o estudo, nos Estados Unidos, uma qualificação aeroportuária é necessária para que um piloto possa executar procedimentos de aproximação e decolagens em aeroportos considerados

“desafiadores”

(challenging

airports).

A

FAA

(Federal

Aviation

Administration) identificou esses aeroportos e os classificou como SPQA (Especial Pilot Qualification Airports). Essa qualificação da qual os pilotos precisam pode ser obtida por meio das chamadas imagens de familiarização aeroportuária ou a partir de um voo de familiarização Juno com uma pessoa autorizada.

36

Nesse contexto, atualmente a empresa Jeppensen, subsidiária da Boeing, oferece Cartas de Familiarização Aeroportuárias. Essas cartas retratam fotos de procedimentos de aproximação do ponto de vista do piloto, bem como imagens aéreas do aeroporto. Os pilotos fazem uso dessas cartas para se familiarizarem com o aeroporto, com o layout das pistas de pouso, com o procedimento de aproximação e com o terreno. Zimmer et al. (2007) descrevem como objetivo do trabalho a substituição dessas cartas por imagens digitais, bem como a elaboração de vídeos para familiarização com aeroportos. Dentre os motivos para essa substituição, os autores destacam: • Independência meteorológica – geração de imagens em áreas com condições permanentes de pouca visibilidade; • Diferentes ângulos de visada – possibilidade de se gerar imagens em diferentes perspectivas de aproximação e ângulos de visada; • Custo – menor custo em relação à produção do manual de familiarização aeroportuária da Jeppensen; Lv et. al (2007) desenvolveram uma metodologia para atualização automática de informações e modelagem 3D de aeroportos a partir de imagens de sensoriamento remoto de alta resolução, com a utilização de dados provenientes de SIG e de levantamentos LIDAR. A metodologia desenvolvida é dividida em quatro partes: • Detecção de mudanças e extração de feições de solo 2D a partir de imagens de satélite de alta resolução e dados de SIG; • Modelagem e atualização das informações de edificações 3D do aeroporto a partir de dados de levantamento LIDAR; • Modelagem 3D de algumas feições a partir de dados CAD;

37

• Desenvolvimento do sistema. Lv et. al (2007) mencionam que a dificuldade de se atualizar informações aeroportuárias 2D a partir de um SIG já existente e uma imagem atual consiste em como evitar os erros causados pelo georreferenciamento, como encontrar áreas que não tiveram mudanças e em como extrair as informações de novas feições. Para solucionar esses problemas ou dificuldades, foi utilizada uma melhoria de um algoritmo denominado “Ostu” para segmentar imagens de aeroportos e extrair os seus contornos das feições. Em seguida, dois algoritmos denominados “moved parallel buffer detection” e “chain code tracking” foram combinados para detectarem e extraírem as informações 2D com mudanças (novas informações em relação ao SIG pré-existente). O protótipo de sistema para atualização automática de informações vetoriais do SIG e modelagem 3D para aeroportos foi desenvolvido utilizando de linguagem de programação C++. O estudo, entretanto, não menciona quais são as limitações da metodologia com relação à detecção automática de novas implantações que possuam pequenas áreas, como postes, antenas e árvores. Não é mencionada, por exemplo, a resolução espacial das imagens utilizadas. Como a detecção de novas feições é realizada a partir da comparação entre imagens de alta resolução, a sua eficácia está diretamente associada ao tamanho do pixel da imagem e da área das implantações a serem detectadas. Como será mencionado na seção 2.4.1, a detecção de objetos a partir de imagens de sensoriamento remoto está relacionada à resolução espacial e ao tamanho do objeto.

38

Como o objetivo do presente trabalho é desenvolver metodologia para o gerenciamento de obstáculos à VSS de procedimentos de aproximação em aeroportos, faz-se necessário a identificação de quaisquer obstáculos, quer possuam áreas pequenas ou grandes. Santos (2012) desenvolveu um Sistema de Informações Geográficas de Participação Pública (PPGIS, Public Participatory Geographic Information System) com o objetivo de avaliar as contribuições que a população afetada pelo ruído aeronáutico pode oferecer na gestão desse impacto. Foi desenvolvido um modelo de PPGIS para o Aeroporto de São José dos Campos em ambiente WEB, por meio de programas livres de licença. Usuários residentes nas proximidades do aeroporto foram estimulados a participar. Por meio do PPGIS desenvolvido, os usuários puderam inserir comentários sobre o nível de incômodo percebido, bem como visualizar as leis existentes que regulam o uso do solo no município juntamente com imagens de satélite e mapas da cidade em um banco de dados unificado. Dentre os resultados da pesquisa realizada, destaca-se que muitos usuários residentes em áreas fora dos limites do Plano Específico de Zoneamento de Ruído indicaram nível alto de incômodo ao ruído aeronáutico. Como explicação para esse fato, foi mencionada a possibilidade de o PEZR estar desatualizado. Huang et al. (2012) desenvolveram uma ferramenta de SIG WEB que permite ao usuário explorar as relações entre as distribuições globais de doenças infecciosas transmissíveis, como malária, dengue e febre-amarela, com as rotas aéreas internacionais com o objetivo de prover evidencias que ajudem a criar estratégias de mitigação para a importação (disseminação) dessas doenças através do transporte aéreo.

39

Segundo o estudo, o transporte aéreo modificou o cenário epidemiológico mundial, ao prover rotas de um lado para outro do planeta que podem ser utilizadas por pessoas infectadas com uma duração significativamente menor que o tempo de incubação da maioria das doenças infecciosas. A ferramenta desenvolvida foi denominada “Vector-borne disease airline importation risk” – VDB-AIR (Risco de importação de doenças transmissíveis por meio de transporte aéreo). Em termos gerais, o VDB-AIR baseia-se nas hipóteses de que os níveis de risco de importação de doenças transmissíveis por meio do transporte aéreo estão relacionados a três fatores: • A existência de rotas aéreas que conectem determinada localidade a uma região endêmica; • A frequência de voos entre a origem e o destino, o que aumenta a probabilidade de um passageiro estar infectado; • A semelhança climática entre origem e destino durante o mês da viagem, o que favoreceria a transmissão da doença do passageiro para outras pessoas na localidade de destino. Bentes et. al (2013), através do uso de simulação, modelos integrados de ruído e SIG, quantificaram a proporção da população exposta a altos níveis de ruído aeronáutico no entorno do Aeroporto Internacional de Viracopos em Campinas (SBKP). Para a elaboração das curvas de ruído foi utilizado o software INM, um modelo computacional desenvolvido pela FAA que avalia o impacto do ruído aeronáutico na vizinhança dos aeroportos. Esse modelo é baseado em um algoritmo da Society of Automotive Engineers (Sociedade dos Engenheiros Automotivos).

40

Como dados de entrada para o modelo, foram coletadas informações sobre os modelos de aeronaves que operam no aeroporto, bem como informações sobre rotas e procedimentos de pouso e decolagem. A Figura 6 apresenta o SIG desenvolvido por Bentes et. al (2013).

Figura 6: SIG para determinação de população dentro das curvas de ruído do SBKP. Fonte: Bentes et. al (2013)

Com utilização de software de SIG, as curvas de ruído foram associadas a dados censitários de população, o que possibilitou a determinação da quantidade de pessoas dentro de cada curva. Sanches et. al (2014) associaram uso de software de SIG convencional (ARCGIS 9.3) com informações de uma base de dados pública para mensurar a população dentro da área de influência de cada aeroporto da União Europeia que opera voos regulares. A base de dados utilizada é denominada “CORINE”, proveniente da Agência Europeia de Meio Ambiente e fornece informação sobre a estimativa de densidade populacional dos 27 países da União Europeia, mais Croácia e Moldávia, com uma resolução espacial (pixel) de 1

41

ha. Esse nível de detalhe da densidade populacional é bem maior que os das informações utilizadas em estudos anteriores. Segundo Sanches et. al (2014), a base de dados CORINE resolveu o problema causado pela utilização de dados provenientes de censos demográficos heterogêneos. Como exemplo dessa heterogeneidade, foi mencionado que a base de dados de densidade populacional da Suécia apresenta resolução de 21.017 km2 enquanto que a base de dados da Bélgica apresenta resolução de 694 km2. Através da ferramenta ARCGIS 9.3 foi calculado o número de habitantes dentro de raios de distância de 25 km, 50 km e 100 km de cada um dos 459 aeroportos que operavam voos regulares em 2009. Apesar dos resultados mais precisos em relação a estudos anteriores, os autores citaram a limitação de se usar distância em vez de tempo de viagem como critério para o cálculo do potencial tamanho da área de influência de um aeroporto. Além disso, foram citados outros fatores que determinam o potencial de uma área de influência como a propensão da população a viajar e existência de intersecções entre área de influência (área com múltiplos aeroportos). Com base na análise dos trabalhos citados, pode-se afirmar que dentre os fatores que possibilitaram a difusão da publicação de trabalhos utilizando ferramentas de SIG em aeroportos destaca-se o grande potencial dessas ferramentas em realizar análises espaciais entre diferentes camadas de informações geográficas. Além disso, pode-se citar a maior facilidade na visualização das informações pelos usuários. Embora seja crescente o número de trabalhos científicos que se utilizam de ferramenta de SIG, ainda há pouca bibliografia quando se trata de uso de SIG para gerenciamento de obstáculos em aeroportos.

42

Conforme mencionado na seção 2.2, Martins (2011) utilizou uma de imagem de satélite de alta resolução espacial e uma ferramenta SIG Desktop para análise dos obstáculos à zona de proteção do Aeroporto Internacional Salgado Filho. Entretanto, não foi realizada análise espacial para verificar quais implantações no entorno do aeroporto eram ou não obstáculos. A ferramenta em SIG utilizada serviu apenas para a visualização de um cadastro de obstáculos pré-existente sobre a imagem de satélite de alta resolução espacial. Dessa forma, a metodologia apresentada por Martins (2011) não possibilita avaliar quais são os obstáculos à determinada superfície limitadora de um aeroporto. No presente trabalho, será utilizada análise espacial em SIG para avaliar se determinada implantação no entorno de um aeroporto é ou não obstáculo à VSS. 2.4 Sensoriamento Remoto 2.4.1 Características Gerais Florenzano (2011) define sensoriamento remoto como a tecnologia que permite obter imagens – e outros dados – da superfície terrestre, por meio da captação e do registro da energia refletida ou emitida pela superfície. De acordo com a autora, o termo sensoriamento está associado à obtenção de dados por meio de sensores instalados em plataformas terrestres, aéreas (balões e aeronaves) e orbitais (satélites artificiais) e o termo remoto está associado à obtenção de dados sem que haja contato entre o sensor e a superfície imageada. De acordo com Novo (2010), essa definição de sensoriamento remoto seria adequada, pois os sensores que operam com ondas sonoras permitem a aquisição de informações sobre objetos, os mais diversos, sem que se entre em contato com eles, através da detecção e mensuração das

43

alterações que provocam no campo acústico, Nesse sentido, os sonares também poderiam ser considerados sensores remotos. Entretanto, de acordo com a autora, apesar de sensores de ondas acústicas e de ondas sísmicas permitirem a aquisição de informações sobre objetos e fenômenos, a definição de sensoriamento remoto a ser adotada no contexto da tecnologia espacial se limita à utilização de sensores que medem alterações sofridas pelo campo eletromagnético. Nesse contexto, Novo (2010) define sensoriamento remoto como a aquisição de informações sobre objetos a partir da detecção e mensuração de mudanças que estes impõem ao campo eletromagnético. De acordo com Meneses & Almeida (2012), existem quatro diferentes formas de medição que caracterizam as imagens de sensoriamento remoto: • Resolução Espacial: é o tamanho individual do elemento de área imageada no terreno. Determina o tamanho do menor objeto que pode ser identificado em uma imagem. Por definição, um objeto somente pode ser detectado quando o tamanho deste é, no mínimo, igual ou maior do que o tamanho do elemento de resolução no terreno, ou seja, da resolução espacial. Entretanto, a experiência mostra que, de fato, para um objeto ser detectado na imagem, a resolução espacial nominal deveria ser, pelo menos, a metade do tamanho do objeto medido na sua menor dimensão. Mesmo assim, o objeto ainda tem que apresentar um bom contraste de reflectância com os alvos que lhe são vizinhos, vistos na dimensão do pixel;

44

Figura 7: Imagens de satélite de porção do Lago Paranoá – Brasília. Fonte: Meneses & Almeida (2012)

A Figura 7 apresenta três imagens de satélite de uma mesma região do Lago Paranoá, em Brasília. Da esquerda para a direita: imagem Landsat com resolução espacial de 30 m; imagem Spot com 10 m de resolução espacial; imagem Ikonos com 1 m de resolução espacial. • Resolução Espectral: o termo resolução espectral está relacionado a pelo menos três parâmetros de medida (número de bandas espectrais que o sensor possui, a largura em comprimento de onda das bandas e as posições em que as bandas estão situadas no espectro eletromagnético). Um sensor tem melhor resolução espectral em relação a outro se possui maior número de bandas situadas em diferentes regiões espectrais e com larguras estreitas de comprimentos de onda. Essa necessidade é devido às diferenças relativas de reflectância entre os materiais da superfície da terra, que permitem distinguir um material do outro, em determinados comprimentos de onda. Por exemplo, as rochas evidenciam suas diferenças espectrais mais nos comprimentos de onda do infravermelho próximo e de ondas curtas. A Figura 8 apresenta imagens de uma mesma área na região amazônica, uma na banda espectral do visível (a) e outra na banda espectral do infravermelho (b).

45

Figura 8: Exemplo de efeito da resolução espectral no contraste entre floresta e rio. Fonte: Meneses & Almeida (2012).

• Resolução Temporal: está associada à frequência que o sensor revisita uma área e obtém imagens periódicas ao longo de sua vida útil. A resolução temporal é fundamental para acompanhar ou detectar a evolução ou mudanças que ocorrem na Terra, principalmente para alvos mais dinâmicos, como desmatamentos, desastres ambientais, tendo forte impacto na monitoração ambiental. • Resolução Radiométrica: é a medida pelos detectores da intensidade de radiância de cada pixel da imagem. Ela define o número de níveis de radiância que o detector pode discriminar. Quanto maior for a resolução radiométrica, maior será a capacidade do detector de medir as diferenças de intensidade dos níveis de radiância. A quantização da resolução radiométrica é geralmente feita em números de dígitos binários (Bits). Por exemplo, uma imagem com resolução de 6 Bits possui a capacidade de discriminar 64 (26) valores de radiância por banda espectral, enquanto que uma imagem com resolução espectral de 8 Bits possui a capacidade de discriminar 256 (28) valores de radiância por banda espectral. A Figura 9 apresenta imagens do Plano Piloto em Brasília com diferentes resoluções radiométricas.

46

Figura 9: Imagens do Plano Piloto, Brasília, com diferentes resoluções radiométricas. Fonte: Meneses & Almeida (2012).

Nesse sentido, são comumente consideradas imagens de satélite de alta resolução espacial aquelas com resolução espacial melhores que 1 m São consideradas imagens de alta resolução radiométrica aquelas com resolução maior ou igual a 8 Bits. A escolha das características da imagem depende daquilo que se pretende discriminar através dela. Meneses & Almeida (2012) mencionam que para usuários que precisam de uma observação detalhada do tamanho e das formas dos objetos, há os sensores com resolução espacial menor que 1 metro. Para os usuários que precisam de monitoração para o acompanhamento da evolução e de mudanças da paisagem, existem aos sensores com alta taxa de revisita à área (alta resolução temporal). Para os usuários que precisam determinar a composição ou constituição dos minerais ou rochas, existem os sensores com um grande número de bandas espectrais (alta resolução espectral).

47

2.4.2 Correções Geométricas De acordo com Richards & Jia (2006), quando uma imagem é gerada por um sensor em um satélite ou em uma aeronave, ela pode conter erros de geometria e nos valores de brilho associados aos pixels (erros radiométricos). Dentre as fontes de erros (distorções) geométricos citados pelos autores, destacam-se: • Efeito de rotação da terra durante o período de imageamento: durante o tempo de imageamento de determinado quadro (frame) da imagem, a Terra se move de oeste para leste. Um ponto escaneado no fim do quadro deveria estar mais para oeste no início do imageamento. •

Os largos campos de visada de alguns sensores: os sensores utilizados em

plataformas orbitais e em aeronaves possuem campos de visada (ângulo de visada) constantes. Dessa forma, a tendência é que a área dos pixels na extremidade do campo de visada seja menor na imagem do que na realidade (solo). •

A curvatura da Terra: o efeito da curvatura da terra não acarreta distorções

geométricas em imagens aerofotogramétricas (devido à baixa altitude de imageamento) e nem às imagens de satélite geradas por sensores com faixas de escaneamento estreitas. Entretanto, para sensores com largas faixas de escaneamento, a área dos pixels na extremidade do campo de visada é menor na imagem do que na realidade (solo). • Variações na altitude, atitude e velocidade das plataformas. 2.4.2.1 Georreferenciamento De acordo com Meneses & Almeida (2012), a primeira etapa de correção de uma imagem de sensoriamento remoto consiste da eliminação das distorções geométricas sistemáticas devido à rotação, inclinação e curvatura da Terra e devido à instabilidade da plataforma. Como essa

48

etapa depende de parâmetros da exatidão de posicionamento da plataforma, as quais o usuário não tem conhecimento ou acesso, ela fica a cargo dos laboratórios de produção de imagens. Segundo os autores, apesar do bom desempenho dos métodos de correção geométrica de sistema, as imagens corrigidas ainda apresentam erros de posicionamento, porque os dados recebidos para a correção de sistema têm uma margem de imprecisão, e mesmo porque, são feitas aproximações na integração dos dados de atitude do satélite. O processo de georreferenciamento das imagens elimina o erro de posicionamento remanescente e deve ser executada pelo usuário. Nesse sentido os autores explicam que georreferenciar uma imagem é tornar suas coordenadas conhecidas num dado sistema de referência, processo que se inicia com a obtenção de coordenadas em um sistema de projeção (coordenadas de mapa E-W ou latitude e longitude) e as equivalentes coordenadas espaciais de pontos da imagem a ser corrigida. Meneses & Almeida (2012) citam que a forma mais comum de georreferenciamento de imagens consiste em estabelecer relações matemáticas entre as posições dos pixels na imagem e as correspondentes coordenadas desses pixels no terreno, via mapas geometricamente corretos (cartas topográficas). Entretanto, há outras maneiras de se georrefenciar uma imagem de sensoriamento remoto, como a partir de pontos de controle coletados diretamente no terreno (levantamento de campo). A Figura 10 apresenta exemplo de utilização de carta para localização de pontos de controle para o georreferenciamento de imagem de satélite.

49

Figura 10: Sistemas de coordenadas imagem–carta para localização dos pontos de controle para georrefenciamento da imagem. Fonte: Meneses & Almeida (2012).

2.4.2.2 Ortorretificação De acordo com Brito & Coelho Filho (2002), as imagens de sensoriamento remoto convencionais encontram-se em perspectiva central (cônica), com inúmeros raios de luz provenientes de diversos pontos imageados, passando por um só ponto. Segundo o autor, uma imagem em perspectiva central (Figura 11) não pode ser tomada como fonte de informação métrica segura, uma vez que a mesma possui erros devido à rotação do sensor e deslocamentos devido ao relevo, inerente à perspectiva cônica.

Figura 11: Esquema projeção central. Fonte: Adaptado de Brito e Coelho Filho (2002)

Ainda segundo Brito & Coelho Filho (2002), em uma projeção ortogonal, raios ortogonais são projetados a partir da região imageada. Os raios nunca se encontram, e a imagem final em um

50

sistema como esse não possui desvios nem distorções relativos ao relevo, conforme esquematizado na Figura 12.

Figura 12: Projeção ortogonal e imagem de um sistema hipotético capaz de registrar tal perspectiva. Fonte: Brito e Coelho Filho (2002).

Segundo Volotão (2001), a ortorretificação é o processo de reamostragem de uma imagem numa projeção ortográfica. Em outras palavras, Zanardi (2006) define a ortorretificação como o processo pelo qual imagens com perspectiva central são transformadas em imagens com perspectiva ortogonal. Por meio desse processo são eliminadas as distorções radiais e aquelas geradas pelo relevo da região da imagem. No presente trabalho, pretende-se utilizar uma imagem de satélite para a visualização (identificação visual) dos obstáculos à VSS. De forma a tornar essa visualização mais eficaz, faz-se então necessária a realização do processo de ortorretificação, de forma a eliminar as distorções da imagem causadas pelo relevo e pela rotação do satélite e, dessa forma, tornar a imagem uma fonte de informações métricas mais precisas. De acordo com Silva, A. (2007), a melhor e mais eficiente maneira de se ortorretificar uma imagem de satélite é incluindo um Modelo Numérico de Elevação do Terreno (MNET). Os operadores de satélite oferecem a possibilidade de entregar imagens já ortorretificadas, mas com custo elevado. Além disso, a qualidade final do processo de ortorretificação depende

51

bastante da qualidade do MNET e dos pontos de controle de solo, que na maioria dos casos, devem ser fornecidos pelo usuário. Segundo o autor, isso causa um problema de responsabilidade, pois do ponto de vista do operador, possíveis problemas na imagem ortorretificada seriam decorrentes da qualidade do MNET e dos pontos de controle fornecidos pelo usuário. Já do ponto de vista do usuário, possíveis problemas seriam decorrentes por conta do processo realizado pela operadora. Diante disso, Silva, A. (2007) afirma que os operadores de satélite passaram a oferecer parâmetros que permitem a ortorretificação das imagens diretamente pelo usuário (cliente). Nesse sentido, os operadores fornecem arquivos de Coeficientes de Polinômios Racionais (Rational Polynomial Coefficients – RPC) que relacionam pontos da imagem ortorretificada com pontos da imagem não-ortorretificada. Vários softwares comerciais de processamento de imagens realizam a ortorretificação a partir dos três dados de entrada: imagem, MNET e pontos de controle de solo. Zanardi (2006) define modelo digital do terreno (MDT) como uma representação matemática da distribuição espacial de determinada característica vinculada a uma superfície real. Um MDT pode ser utilizado para representar tanto informações de ordem social (distribuição da população em uma região, distribuição da renda, etc) como informações de ordem física (dados de relevo, temperatura, geológicos, etc.) Dessa forma, um MNET citado por Silva, A. (2007) é um Modelo Digital de Terreno que armazena dados de elevação. Cerqueira (2004) descreve um método para ortorretificação de imagens de satélite de alta resolução espacial utilizando o modelo matemático tridimensional Affine Projection Model – APM, também conhecido como a equação de projeção paralela. Como área teste, foi utilizada uma região de 1 km2 no bairro do Curado na cidade de Recife – PE. Foram utilizadas imagens dos satélites Ikonos e Quickbird.

52

Como conclusão do trabalho, destacou-se que a ortorretificação de imagens de satélite de alta resolução espacial com a utilização da equação APM como modelo matemático, no caso particular do estudo, foi adequada para trabalhos na escala de 1:10.000 e menores. Araújo et al. (2008) avaliaram diferentes métodos de ortorretificação de imagens de satélite Quickbird e analisaram as possíveis aplicações das imagens ortorretificadas em estudos urbanos. Como estudo de caso, foram utilizadas duas cenas (imagens) de datas diferentes (2002 e 2004) de uma região da Cidade de Belo Horizonte – MG. Para servir de dado de entrada para o processo de ortorretificação, foram gerados Modelos Digitais de Elevação do Terreno (MDE) com base em arquivo digital de curvas de nível, através dos softwares ENVI e SPRING. Os MDE’s gerados pelos dois softwares apresentaram resultados semelhantes. Além disso, foram coletados 30 pontos de controle de solo que abrangiam toda a região do estudo com auxílio de GPS e através do método relativo estático (levantamento de campo), que será descrito na seção 602.5.2. Com base nos MDE’s gerados e nos pontos de controle coletados, foram realizados alguns processos de ortorretificação com parâmetros de entrada distintos, dentre eles: • Modelo de Coeficientes de Polinômios Racionais (RPC), MDE do SRTM (Shuttle Radar Topography Mission) e nenhum ponto de controle; • Modelo RPC, MDE gerado a partir das curvas de nível e nenhum ponto de controle; • Modelo RPC, MDE do SRTM e com pontos de controle; • Modelo RPC, MDE gerado a partir das curvas de nível e com pontos de controle; Como conclusões do trabalho, destacam-se:

53

• O uso de um modelo digital de elevação adequado (de resolução compatível) é essencial para a obtenção do produto final; • Os pontos de controle e de teste gerados pelas coordenadas coletadas pelo sistema GPS em modo relativo estático estão de acordo com os objetivos do estudo. O Erro médio quadrático (RMSE-Root Mean Square Error) alcançado para estas coordenadas permitiu uma boa precisão do resultado final da ortorretificação; • Em imagens obtidas com elevados ângulos de visada lateral e/ou de regiões com grande variação e amplitude altimétrica devem ser utilizados métodos rigorosos de ortorretificação, que reconstroem a geometria física do sensor; • Embora seja menos preciso que o modelo rigoroso, os testes realizados mostraram a eficiência do modelo de polinômios racionais (RPC), quando utilizados pontos de controle e um MDE refinado; • As imagens ortorretificadas utilizando-se MDE (com resolução espacial de 0,6 m) construído a partir das curvas de nível apresentaram RMSE menores que aquelas ortorretificadas utilizando-se MDE do SRTM. Elaksher (2009) realizou ortorretificação de uma imagem de satélite pancromática com a utilização de um MDE proveniente de levantamento LIDAR. De acordo com o estudo, a tecnologia LIDAR é um método rápido de coleta de informações da superfície da Terra com alta densidade e alta precisão. A imagem de satélite utilizada foi proveniente do sensor Ikonos, como 1 m de resolução espacial, e que representa uma porção da cidade do Cairo, Egito. Os dados LIDAR foram adquiridos durante um voo teste da empresa TOPOSYS, da Alemanha. Foi produzindo um MDE com 1 m de resolução espacial com base na nuvem de pontos LIDAR através do uso do software Toposys Processing and Imaging Tools.

54

O MDE desenvolvido foi utilizado para a coleta de pontos de controle de solo que serviram para a ortorretificação da imagem. Como resultado do trabalho, destaca-se o RMSE planimétrico de cerca de 5 m e que uma simples imagem pancromática Ikonos com 1 m de resolução espacial e um MDE baseado em informações de levantamento LIDAR podem alcançar a precisão planimétrica adequada para mapas topográficos na escala de 1:5.000 ou menores. Miceli et al. (2010) avaliaram a precisão vertical de cinco MDE’s disponibilizados gratuitamente na internet (SRTM1, ASTER, TOPODATA, SRTM4 e Brasil em RelevoEMBRAPA) em duas áreas com configurações diferentes: uma área na região amazônica, com relevo suave e uma área de proteção ambiental na região de Petrópolis, RJ, com relevo acidentado. A Tabela 3 apresenta as principais características dos MDE’s analisados pelo trabalho. Tabela 3: Principais características dos Modelos Digitais de Elevação disponíveis gratuitamente na internet: MDE

RESOLUÇÃO ESPACIAL (m)

MÉTODO DE EXTRAÇÃO DA ALTIMETRIA

MÉTODO DE INTERPOLAÇÃO

SRTM1

90

Interferometria SAR

NA

SRTM4

90

Interferometria SAR (SRTM1)

Vários

EMBRAPA

90

Interferometria SAR (SRTM1)

Topogrid

TOPODATA

30

Interferometria SAR (SRTM1)

Krigagem

ASTER

30

Estereoscopia

NA

Fonte: Adaptado de Miceli et al. (2010)

Como pontos de referência para a avaliação da precisão vertical dos MDE’s, foram utilizados: • Para a área na região amazônica, 526 pontos levantados por meio das técnicas de posicionamento GPS estático e cinemático. Os levantamentos foram realizados pelo Instituto Militar de Engenharia em 2003.

55

• Para a área na região de Petrópolis, 1818 pontos obtidos a partir de carta topográfica na escala 1:10.000, de mapeamento realizado pela Prefeitura Municipal de Petrópolis em 1999. A avaliação da precisão dos MDE’s foi realizada com base na aplicação do Padrão de Exatidão Cartográfico, definido por Brasil (1984), que incluem o cálculo do erro médio quadrático (RMSE) e da tolerância vertical. Entretanto, não foram descritos os testes estatísticos utilizados para a análise da precisão vertical. Como resultados do trabalho de Miceli et al. (2010), podem-se destacar: • Com relação à área na região amazônica: todos os MDE’s avaliados foram classificados como PEC A na escala 1:100.000. Isso significa que pelo menos 90% dos pontos possuem erro padrão vertical menor que 25 m; o TOPODATA e o SRTM 4 foram os MDE’s que apresentaram melhor comportamento, com 99,05% dos pontos apresentando erro padrão vertical menor que 25 m; nenhum dos modelos pôde-se ser classificado como PEC C na escala 1:50.000, ou seja, com pelo menos 90% dos pontos possuindo erro padrão vertical menor que 15 m; • Com relação à área na região de Petrópolis: o MDE do TOPODATA apresentou os melhores resultados, sendo classificado como PEC B na escala 1:50.000, o que significa que pelo menos 90% dos pontos apresentaram erro padrão vertical menor que 12 m; os MDE’s do SRTM 1 e SRTM 4 foram classificados como PEC C na escala 1:50.000, ou seja, pelo menos 90% dos pontos apresentando erro vertical menor que 15 m; Aguilar et al. (2013) comparou, exatamente nas mesmas condições, as capacidades de precisão de imagens pancromáticas dos sensores GeoEye-1 e WorldView-2 na geração de imagens ortorretificadas. Nesse contexto, foi realizada análise estatística para estudar as fontes de variações, dentre elas: tipo da imagem utilizada; número de pontos de controle de

56

solo bem distribuídos utilizados no processo de triangulação; precisão do MDE utilizado no processo de ortorretificação e o modelo de orientação do sensor utilizado. As coordenadas de 44 pontos de controle de solo foram coletadas usando técnica de posicionamento GPS diferencial, que é um posicionamento relativo cinemático com pósprocessamento. Dois MDE’s foram utilizados no processo de ortorretificação: um gerado a partir de dados LIDAR com resolução espacial de 1 m e outro com 10 m de resolução espacial. Foram testados dois tipos de modelos de orientação dos sensores: um modelo físico 3D desenvolvido no Canada Centre of Remote Sensing (Centro Canadense de Sensoriamento Remoto) e um modelo que utiliza os arquivos RPC’s adquiridos junto aos fornecedores das imagens. Foram ortorretificadas 6 imagens (3 imagens GeoEye-1 e 3 imagens WorldView-2) de uma mesma região, com uma mesma área e com a mesma resolução espacial de 0,5 m. Dentre os resultados apresentados, destaca-se o fato de as melhores precisões das imagens ortorretificadas sempre serem obtidas a partir do uso dos RPC’s adquiridos junto aos fornecedores das imagens. Além disso, como esperado, o processo de ortorretificação apresentou precisão planimétrica bem melhor quando utilizado o MDE com 1 m de resolução espacial, em comparação com o MDE com 10 m de resolução. Com base nas análises feitas dos trabalhos de Araújo et al. (2008), Elaksher (2009) e Aguilar et al. (2013), pode-se afirmar que: • A precisão planimétrica de imagens ortorretificadas está diretamente associada à resolução espacial do MDE utilizado. Quanto melhor a resolução do MDE maior será a precisão planimétrica da imagem ortorretificada.

57

• Considerando o processo de ortorretificação utilizando-se RPC, as imagens ortorretificadas apresentam melhores precisões planimétricas quando se utiliza pontos de controle de solo. Como limitação desses três trabalhos pode-se destacar que a avaliação da qualidade geométrica das diversas imagens ortorretificadas foi realizada apenas com base em seus RMSE’s. Não foram realizados, entretanto, testes estatísticos para a análise de tendência e da precisão da imagem ortorretificada. 2.5 Levantamentos com utilização de GPS 2.5.1 Princípios de funcionamento do GPS Os pontos de controle de solo utilizados para ortorretificação de imagens de satélite precisam ser visíveis (identificáveis) na imagem e também in locu. Dentre os métodos utilizados para a aquisição de pontos de controle destaca-se o levantamento com utilização de tecnologia GPS (Global Positioning System). O GPS é um sistema de navegação baseado em satélite desenvolvido pelo Departamento de Defesa dos Estados Unidos no início da década de 1970 para uso militar. Posteriormente, o sistema tornou-se disponível também para uso civil. Segundo El-Rabbany (2002), GPS provê ao usuário informações contínuas de posicionamento e tempo (horário), em qualquer lugar do planeta e sob quaisquer condições meteorológicas. Por esse motivo, o sistema apresenta número ilimitado de usos. Segundo o autor, o GPS consiste em uma constelação de 24 satélites operacionais. De forma a garantir uma cobertura contínua em todo o planeta, os satélites são dispostos de forma que existem 4 deles em cada um de seis planos orbitais diferentes. Com essa geometria, entre

58

quatro e dez satélites estarão visíveis em qualquer lugar do planeta, considerando um ângulo de elevação de 10°. De acordo com El-Rabbany (2002), a ideia por trás do GPS é relativamente simples. Se as distâncias entre um ponto na terra (um receptor GPS) e três satélites são conhecidas, bem como o posicionamento dos satélites, a localização do ponto pode ser determinada de maneira simples. Teoricamente, apenas três distâncias a três diferentes satélites são necessárias para a determinação da posição de um ponto. Nesse caso, o receptor estaria localizado na intersecção de três esferas. Entretanto, do ponto de vista prático, um quarto satélite é necessário devido ao offset (falta de sincronismo) entre o relógio do receptor e o relógio dos satélites. A Figura 13 apresenta esquema de funcionamento do posicionamento GPS.

Figura 13: Esquema de funcionamento do Posicionamento GPS. Fonte: El- Rabbany (2002)

Ainda de acordo com El-Rabbany (2002), GPS consiste em três segmentos: o segmento espacial, o segmento de controle e o segmento dos usuários. O segmento espacial consiste da constelação de 24 satélites já mencionada. Cada satélite GPS transmite um sinal, que possui uma séria de componentes: duas ondas portadoras, dois códigos digitais (uma para cada onda) e uma mensagem de navegação. As ondas portadoras

59

são denominadas L1 e L2 e apresentam frequências de 1.575,42 MHz (comprimento de onda de 19 cm) e 1.227,60 MHz (comprimento de onda de 19 cm), respectivamente. As ondas portadoras e os códigos digitais são utilizados principalmente para se determinar a distância entre os satélites e o usuário. A mensagem de navegação contém, dentre outras, informações sobre as coordenadas (localização) dos satélites como função do tempo. Os códigos são denominados coarse acquisition (ou código C/A ) e precision (código P). Eles consistem de uma sequencia de dígitos binários e são gerados a partir de algoritmos matemáticos. O código C/A é modulado para a onda portadora L1, enquanto que o código P é modulado tanto para a onda L1 quanto para a onda L2. O segmento de controle consiste de uma rede de estações de monitoramento espalhados ao redor do planeta, com uma estação de controle principal localizada em Colorado Springs, Estados Unidos. A principal tarefa do segmento de controle é monitorar os satélites para determinar e prever suas localizações, dados meteorológicos, comportamento de seus relógios atômicos e outras considerações. O segmento dos usuários, como o próprio nome sugere, inclui todos os usuários, sejam eles civis ou militares. Com um receptor GPS e uma antena, um usuário pode receber sinais GPS, que podem ser usados para a determinação de sua posição. Com o objetivo de manter uma vantagem do uso do GPS pelos militares, o Departamento de Defesa dos Estados Unidos provê dois tipos de serviços de posicionamento GPS: o Serviço de Posicionamento Preciso (Precise Positioning Service – PPS), acessível às forças Armadas dos Estados Unidos (utiliza código P); e o Serviço de Posicionamento Padrão (Standard Positioning Service – SPS), acessível aos demais usuários (utiliza apenas o código C/A).

60

Como os próprios nomes sugerem, os dois serviços diferem-se com relação à precisão na determinação das coordenadas. A pseudodistância é a distância entre a antena do receptor GPS e a antena do satélite. Conforme já mencionado, essa distância é necessária para a determinação da localização do receptor. Tanto o código C/A quanto o código P podem ser usados para a determinação da pseudodistância. Outra maneira de se medir a distância entre o receptor e o satélite é através da fase da onda portadora. De maneira simplista, a distância é igual à soma número de ciclos completos da onda portadora, mais o número de ciclos incompletos (fracionários), multiplicada pelo comprimento de onda. Essa distância é mais precisa do que aquela determinada pelos códigos. Isso pode ser explicado pelo fato de o comprimento de onda (ou resolução da fase) ser muito menor que a resolução dos códigos. 2.5.2 Tipos de posicionamento Segundo IBGE (2010), os receptores GPS podem ser classificados da seguinte forma: • Receptores de Navegação - utilizados para navegação terrestre, marítima e aérea, bem como a levantamentos com precisão de ordem métrica. Em geral, as observações utilizadas são as pseudodistâncias derivadas do código C/A. Entretanto, existem alguns programas que permitam a extração das observações de pseudodistância e também da fase da onda portadora para posterior processamento; • Receptores Topográficos – podem proporcionar posicionamento preciso quando utilizados em conjunto com um ou mais receptores localizados em estações de referência. Sua utilização fica restrita a uma área compreendida dentro de um círculo de

61

raio de aproximadamente 10 km. São normalmente utilizados na topografia. Estes receptores são capazes de rastrear a fase da onda portadora L1 e o código C/A; • Receptores Geodésicos – são capazes de rastrear a fase da onda portadora nas duas frequências (L1 e L2). Isso possibilita a sua utilização em linhas de base (distância entre a estação de referência e a estação cujas coordenadas deseja-se determinar) maiores que 10 km, pois é possível modelar a maior parte da refração ionosférica. São normalmente utilizados na geodésia. As técnicas de posicionamento GPS são classificadas de acordo com três critérios principais: • Tipo de movimento da antena - estático ou cinemático; • Tipo de processamento - em tempo real ou pós-processado; • Quanto à metodologia adotada - utilização de estação de referência ou não. O posicionamento por ponto é também chamado de posicionamento absoluto e necessita de apenas um receptor (não necessita de estação de referência). Esse tipo de posicionamento pode ser subdividido em dois: • Posicionamento por ponto a partir do código C/A – apenas o erro do relógio dos satélites e do receptor são modelados na solução. Dessa forma, apresenta precisão inferior a outras técnicas de posicionamento. É uma técnica de posicionamento com processamento em tempo real e bastante utilizada para navegação e levantamentos que não necessitem de boa precisão. Pode ser estático ou cinemático; • Posicionamento por ponto preciso – utiliza a pseudodistância e fase das ondas portadoras L1 e L2, reduzindo dessa forma os efeitos da ionosfera. Os erros de órbita e do relógio dos satélites são geralmente obtidos de fontes externas como, por exemplo, do International GNSS Service. Devem ser empregadas antenas geodésicas.

62

O posicionamento relativo é aquele no qual as coordenadas de um receptor são determinadas em relação a uma ou mais estações com coordenadas conhecidas. Dessa forma, são necessários pelo menos dois receptores coletando dados de, no mínimo, dois satélites simultaneamente. Um dos receptores deve ocupar a estação com coordenadas conhecidas, chamada estação de referência ou base. A Figura 14 apresenta esquema do Posicionamento relativo.

Figura 14: Esquema Posicionamento Relativo. Fonte: Adaptado de El- Rabbany (2002)

Segundo IBGE (2010), o posicionamento relativo deve dispor de pós-processamento e pode ser subdividido em: • Estático – os dois receptores, da estação de referência e da estação cujas coordenadas deseja-se determinar, devem permanecer estacionários durante todo o período do levantamento, que pode durar de 20 minutos a várias horas, dependendo do tamanho da linha de base (distância entre os dois receptores). • Estático-rápido – realizado de forma similar ao levantamento estático. A diferença entre as técnicas está no tempo de rastreio, inferior a 20 minutos. O receptor localizado

63

na estação base mantém-se estático durante todo o levantamento. O segundo receptor permanece estático em uma estação cujas coordenadas deseja-se determinar por alguns minutos (até 20 minutos) e depois é desligado e levado para outra estação com coordenadas a determinar. Essa técnica de levantamento é indicada quando se deseja determinar as coordenadas de diversos pontos. A Figura 15 apresenta metodologia do posicionamento relativo estático-rápido.

Figura 15: Esquema de Posicionamento Relativo Estático-rápido. Fonte: Adaptado de El- Rabbany (2002)

• Semicinemático – semelhante ao estático-rápido. A diferença está no fato de o tempo de permanência do receptor em cada ponto cujas coordenadas deseja-se determinar ser menor e da necessidade de o receptor permanecer ligado ao longo de todo o levantamento. • Cinemático – nessa técnica de posicionamento relativo, as coordenadas desconhecidas de certa estação são determinadas em diversos períodos (tempos) diferentes e o receptor desloca-se sobre a região de interesse. Pode ser um levantamento com pós-processamento, quando é denominado levantamento diferencial, ou em tempo real, chamado RTK (Real Time Kinematic);

64

De acordo com Monico (2008), com o advento dos chamados Sistemas de Controle Ativos (SCA), a utilização de dois receptores para a realização de posicionamento relativo deixou de ser necessária. Dispondo de apenas um receptor, o usuário pode realizar posicionamento relativo pós-processado desde que acesse os dados de uma ou mais estações pertencentes ao SCA. Dentre os SCA’s brasileiros, o autor destaca a Rede Brasileira de Monitoramento Contínuo (RBMC) do Instituto Brasileiro de Geografia e Estatística (IBGE). A Tabela 4 apresenta resumo das principais técnicas de posicionamento com suas respectivas precisões obtidas em condições ideais: Tabela 4: Características das principais técnicas de levantamento GPS.

TÉCNICA POR PONTO

RELATIVO

OBSERVAÇÃO

PRECISÃO (Nível de Confiança de 68,5%)

Convencional

Pseudodistância

15,3 m

Preciso

Pseudodistância e fase

0,02 m

Estático

DD Pseudodistância e fase

0,01 a 1 ppm

Estático-rápido

DD Pseudodistância e fase

1 a 10 ppm

Semicinemático

DD Pseudodistância e fase

1 a 10 ppm

Cinemático

DD Pseudodistância e fase

1 a 10 ppm

Fonte: Adaptado de IBGE (2010).

Berber et al. (2012) avaliaram a acurácia das técnicas estático-rápido, semicinemático, cinemático e RTK para determinar suas performances em comparação ao levantamento estático, conhecida por apresentar os resultados mais precisos. As cinco diferentes técnicas foram aplicadas para a coleta das coordenadas de 7 pontos (estações) da National Geodesic Survey (NGS) ao longo da Rodovia 714, na Flórida. Dentre os resultados obtidos, destaca-se que a técnica de levantamento relativo semicinemático atingiu a acurácia mais próxima daquela obtida pelo levantamento estático.

65

2.5.3 Sistemas Geodésicos de Referência O fato de a superfície topográfica da Terra ser irregular torna difíceis cálculos geodésicos, como por exemplo, a localização de um usuário de GPS. Como forma de superar esse problema, passou-se a adotar superfícies matemáticas chamadas superfícies de referência, para se aproximar da forma irregular da terra. Uma dessas superfícies de referência é a esfera, utilizada em cálculos de posicionamento com pequena precisão. Para posicionamentos que requeiram maiores precisões, como o caso de GPS, a melhor superfície matemática aproximada da terra e que mantém os cálculos o mais simples possível é o elipsoide de revolução. Um datum geodésico (ou apenas datum) é uma superfície matemática, ou um elipsoide de referência, com um centro e uma orientação bem definida. Por exemplo, um datum geocêntrico é aquele que possui centro coincidente com o centro da Terra. Um datum geodésico é determinado a partir de oito parâmetros: dois parâmetros que definem as dimensões do elipsoide de referência; três parâmetros que definem a posição do centro (origem); três parâmetros que definem a orientação dos três eixos em relação à Terra. A Figura 16 apresenta a esquema da superfície da Terra, do elipsoide e do geóide.

Figura 16: (a) Relações entre Superfície da Terra, Geóide e Elipsóide. (b) Parâmetros do Elipsóide. Fonte: Adaptado de El- Rabbany (2002)

66

Além do datum geodésico, existe também o datum vertical, que é usado como referência para as alturas (elevações) dos pontos. O datum vertical comumente utilizado é o Geóide, a superfície que melhor se aproxima da superfície (topografia) da Terra. Segundo Kaplan & Hegarty (2006), o Geóide é uma superfície equipotencial do campo gravitacional da terra e é a superfície que mais se aproxima do nível médio do mar. Existe uma diferença entre a altura medida a partir do elipsoide e aquela medida a partir do geoide. Em levantamento GPS a altura de um ponto é medida a partir do elipsoide e deve ser corrigida. A Figura 17 e a expressão descrita em (1) apresentam a relação entre a superfície da Terra, o geóide e o elipsóide.

Figura 17: Relações entre Superfície da Terra, Geóide e Elipsóide. Fonte: Adaptado de Kaplan & Hegarty (2006)

h=H+N

(1)

Em que: • h: altura de um ponto em relação ao elipsoide (altura geométrica) • H: altura de um ponto em relação ao geoide (altura ortométrica ou elevação). É altura em relação ao nível médio do mar. • N: altura do geoide em relação ao elipsoide

67

O Sistema Geodésico Mundial de 1984 (World Geodetic System – WGS 84) é um sistema geodésico de referência em 3 dimensões, geocêntrico desenvolvido pela então Agência Americana de Mapeamento, hoje Agência Nacional de Imageamento e Mapeamento. Ele é o sistema geodésico de referência oficial do GPS. O datum altimétrico do Sistema Geodésico Brasileiro (SGB) é denomiado Datum de Imbituba e foi definido em 1959 através das médias anuais do nível do mar no período de 1949 a 1957, no Porto de Imbituba – SC.

3

Metodologia

3.1 Utilização de imagem de satélite na aplicação em SIG Como base para a aplicação em SIG desenvolvida neste trabalho, será utilizada uma imagem de satélite. Conforme mencionado na seção 2.4.2, segundo Richards & Jia (2006), as imagens de sensoriamento remoto apresentam distorções, dentre outros fatores, devido à rotação e à curvatura da Terra, os largos campos de visada dos satélites, bem como da altitude e velocidade dessas plataformas. Nesse sentido, Meneses & Almeida (2012) descrevem o georreferenciamento como metodologia para a correção dos erros de posicionamento das imagens. Em adição, Volotão (2001) descreve a ortorretificação como o processo de remapeamento de uma imagem numa projeção ortográfica, de forma a se tornar uma fonte de informação métrica segura. As etapas realizadas neste trabalho para o uso de imagem de satélite em aplicação SIG foram baseadas na metodologia apresentada por Martins (2011) e está apresentada por meio da Figura 18.

68

• Definição da área da imagem ETAPA 1 • Elaboração das especificações técnicas e aquisição da imagem • Elaboração do mapa para apoio ao levantamento topográfico de campo ETAPA 2 • Realização do levantamento topográfico de campo • Processamento dos dados obtidos no levantamento de campo • Georreferenciamento e Ortorretificação da imagem de satélite ETAPA 3 • Avaliação da qualidade geométrica da imagem

Figura 18: Etapas para o uso de imagem de satélite na aplicação em SIG.

3.1.1 Definição da área da imagem A definição da área da imagem deve ser feita de forma que ela possa sobrescrever todos os dados temáticos que serão inseridos no SIG. Diante disso, no presente trabalho, a área da imagem deve ser suficiente para sobrescrever os dados de implantações, obstáculos, VSS’s e sítio aeroportuário. Além de ser usada no presente trabalho, o objetivo da imagem de satélite adquirida era servir de base para o SIG em desenvolvimento na Infraero, que integrará dados operacionais e geográficos dos aeroportos, como, dados temáticos relativos à Zona de Proteção de Aeródromo, Área de Segurança Aeroportuária, Zoneamento de Ruído, Superfície do Segmento Visual, gestão patrimonial e Plano Diretor. A área de abrangência de um Plano Básico de Zona de Proteção de Aeródromo - PBZPA, segundo Brasil (2011), pode se estender, na direção da pista, a até 15 km a partir de cada cabeceira e até 6 km na direção perpendicular à pista a partir do eixo da pista de pouso e decolagem (para aeroportos Categoria 3 e 4 e operação por instrumentos).

69

Como a probabilidade da existência de obstáculos na porção horizontal das superfícies de aproximação (a partir de 6,6 km de cada cabeceira) é pequena e tendo em vista a economia de recursos públicos, optou-se que a imagem não abranja toda a área de influencia do PBZPA. As curvas de ruído dependem de fatores como a aeronave crítica e o número anual de movimentos (operações) dessa aeronave em determinado aeroporto. Com o objetivo de permitir que as curvas de ruído fossem abrangidas pela imagem, adotou-se a área de 60 km2, sendo um retângulo de 6 km de largura por 10 km de comprimento na direção da pista de pouso e decolagem. 3.1.2 Elaboração das especificações técnicas da imagem Dentre os itens que devem constar da especificação técnica para aquisição da imagem, destacam-se: • Resolução Espacial de 61 cm ou maior (Tamanho máximo do pixel de 61 cm): como o objetivo do uso da imagem é poder distinguir ao máximo implantações dentro e fora do sítio aeroportuário, optou-se por imagens com as melhores resoluções espaciais disponíveis no mercado. Como exemplo, imagens dos sensores WorldView e Pleiades podem ter resolução espacial de 50 cm, enquanto que imagens do sensor QuickBird podem ter resolução espacial de 61 cm; • Resolução radiométrica mínima de 11 Bits: conforme já mencionado, quanto maior for a resolução radiométrica, maior será a capacidade do detector de medir as diferenças de intensidade dos níveis de radiância. Nesse sentido, optou-se por imagens com maior resolução radiométrica disponíveis no mercado; • Cobertura de nuvem inferior a 1%: a existência de nuvens dificulta a observação (distinção) de implantações no solo a partir da visualização da imagem. Pela dificuldade

70

de se conseguir imagens completamente sem nuvens, adotou-se a menor cobertura possível; • Disponibilização dos arquivos RPC: conforme discutido na seção 2.4.2, esses arquivos são disponibilizados pela fornecedora das imagens e é essencial para que o usuário realize a ortorretificação das imagens; • Imageamento ocorrido em período igual ou inferior a 12 meses da data de assinatura do contrato: devido à dificuldade para se imagear algumas regiões com cobertura de nuvens inferior a 1%, considerou-se a possibilidade de se utilizar imagens de acervo com idade de até 12 meses; • Composição colorida, já georreferenciada, em WGS-84: essa composição colorida é necessária para a elaboração do mapa de apoio para levantamento de campo. 3.1.3 Elaboração do mapa de apoio ao levantamento de campo A escolha dos pontos de controle deve obedecer aos seguintes critérios: • Escolha de pontos que sejam visíveis (identificáveis) na imagem e ao mesmo tempo visíveis em campo (in loco). São exemplos de pontos de controle utilizados: extremidades de calçadas claras que destoem de calçadas mais escuras; encontro de linha de parada de faixa de pedestres com meio-fio; centro de caixas de drenagem em sítios aeroportuários; extremidades de posições de parada em pátios de estacionamento de aeronaves; ponto de cheque do VOR/DVOR. A Figura 19 apresenta um exemplo de ponto de controle.

71

Figura 19: Exemplo de Ponto de Controle de Solo a ser levantado. (Encontro entre linha de parada da faixa de pedestres e a calçada – Observar seta em vermelho)

• Distribuição homogênea, ou seja, pontos de controle bem distribuídos espacialmente ao longo da imagem. Como tentativa de se obter essa distribuição homogênea, dividiram-se as imagens em quadrantes e tentou-se coletar pela menos um ponto em cada quadrante. Martins (2011), baseado na equação de Rocha (2002), calculou que o número mínimo ideal de pontos de controle para a ortorretificação de imagens de satélite com área na ordem de grandeza entre 10 km2 e 100 km2 é em torno de 21 pontos. Na elaboração do mapa de apoio, devem ser escolhidos pontos adicionais como alternativas em caso de, durante o levantamento, perceber-se que não é possível a coleta de determinado ponto, seja porque a superfície foi alterada após o imageamento, seja por outro motivo. 3.1.4 Realização do levantamento topográfico de campo Monico (2008), afirma que posicionamento estático-rápido é propício quando se deseja alta produtividade, mas em que há muitas obstruções entre as estações (pontos) a serem

72

levantadas. Além disso, essa técnica de posicionamento proporciona uma precisão de 1 a 10 ppm (verTabela 4). A existência obstruções torna inviável o uso da técnica de levantamento semicinemático. Conforme descrito na seção 2.5.2, ao se utilizar essa técnica há a necessidade de que o receptor que é deslocado permaneça ligado durante todo o levantamento. Como o objetivo do levantamento a ser realizado no presente trabalho éobter a melhor precisão possível para os pontos levantados, além de alta produtividade e considerando que em uma grande cidade há inúmeras obstruções entre os pontos que se deseja levantar, decidiuse por utilizar a técnica de posicionamento relativo estático-rápido. Embora a bibliografia defina o tempo de rastreio do posicionamento estático-rápido em até 20 minutos, no levantamento deste trabalho o tempo de rastreio utilizado será de 30 minutos, como margem de segurança para possíveis interferências de objetos (obstáculos) próximos ao equipamento. Conforme mencionado na seção 2.5.2, o posicionamento relativo necessita de pósprocessamento. Correções geométricas da imagem de satélite Conforme apresentado na seção 2.4.2, Silva, A. (2007) menciona que a melhor e mais eficiente maneira de se ortorretificar uma imagem de satélite é incluindo um Modelo Digital de Elevação (MDE). Além disso, Araújo et al. (2008) concluiu que o uso de um MDE é essencial para obtenção de uma imagem ortorretificada e que a metodologia de ortorretificação com uso de RPC é eficiente quando associada a um MDE e a pontos de controle de solo.

73

Diante disso e conforme discutido na seção 2.4.2.2, no presente trabalho a ortorretificação da imagem de satélite será realizada utilizando a metodologia de coeficientes de polinômios racionais (RPC) com a utilização dos pontos de controle coletados por meio do levantamento GPS e de um MDE. 3.1.5 Avaliação da qualidade geométrica da imagem de satélite A análise da qualidade geométrica da imagem ortorretificada será realizada com base na metodologia apresentada por Nogueira Jr. (2003). Para a análise de tendência das coordenadas dos pontos da imagem deve ser realizada análise estatística das discrepâncias (∆𝑋𝑋𝑖𝑖 ) entre as coordenadas de referências (𝑋𝑋𝑖𝑖 ) e as coordenadas

observadas sobre a imagem corrigida (𝑋𝑋𝑖𝑖𝑐𝑐 ).

Essa discrepância pode ser descrita conforme (2): ∆𝑋𝑋𝑖𝑖 = 𝑋𝑋𝑖𝑖 − 𝑋𝑋𝑖𝑖𝑐𝑐

(2)

2 A média ( ∆𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 ) e a variância ( 𝑆𝑆∆𝑋𝑋 ) das discrepâncias podem ser calculadas

respectivamente por meio de (3) e (4): 1

∆𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 = 𝑛𝑛 ∑𝑛𝑛𝑖𝑖=1 ∆𝑋𝑋𝑖𝑖 1

2 𝑆𝑆∆𝑋𝑋 = 𝑛𝑛−1 ∑𝑛𝑛𝑖𝑖=1(∆𝑋𝑋𝑖𝑖 − ∆𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 )2

(3) (4)

Em que “n” é o tamanho da amostra. Para a realização do teste de tendências, devem ser assumidas as hipóteses (5) e (6): 𝐻𝐻0 : ∆𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 = 0 𝐻𝐻𝑖𝑖 : ∆𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 ≠ 0

(5) (6)

74

Depois disso, deve-se calcular a estatística amostral “t” e verificar se esse valor está no intervalo de aceitação ou rejeição da hipótese nula. O valor de “t” amostral pode ser calculado conforme (7): 𝑡𝑡𝑋𝑋 =

∆𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚

√𝑛𝑛

𝑆𝑆∆𝑋𝑋

(7)

O intervalo de confiança do teste t de student é calculado conforme (8): |𝑡𝑡𝑋𝑋 | < 𝑡𝑡(𝑛𝑛−1,𝛼𝛼) 2

(8)

Se o módulo da estatística t calculado for menor que o valor de t tabelado, com n-1 graus de liberdade e nível de significância α, aceita-se a hipótese nula de que a imagem ortorretificada pode ser considerada como livre de tendência. A análise da precisão das coordenadas deve ser realizada através da comparação entre o desvio padrão das discrepâncias com o Erro Padrão (EP) especificado pelo Padrão de Exatidão Cartográfico (PEC), definido por Brasil (1982). O teste de hipóteses formulado está representado em (9) e (10): 2 𝐻𝐻0 : 𝑆𝑆∆𝑋𝑋 = 𝛿𝛿𝑋𝑋2

2 𝐻𝐻𝑖𝑖 : 𝑆𝑆∆𝑋𝑋 > 𝛿𝛿𝑋𝑋2

(9) (10)

Em que 𝛿𝛿𝑋𝑋 é o erro padrão esperado para a coordenada em questão. Considerando a valor da

resultante como sendo EP e assumindo que o erro padrão é igual para as duas componentes (este e norte), tem-se: 𝛿𝛿𝑋𝑋 =

𝐸𝐸𝐸𝐸 √2

(11)

75

Depois disso, deve-se calcular a estatística “Qui-quadrado” amostral e verificar se esse valor está no intervalo de aceitação ou rejeição da hipótese nula. O valor da estatística “Quiquadrado” amostral pode ser calculado conforme (12):

𝜒𝜒𝑋𝑋2 = (𝑛𝑛 − 1)

2 𝑆𝑆∆𝑋𝑋 2 𝛿𝛿𝑋𝑋

(12)

A hipótese nula é aceita se o valor da estatística “Qui-quadrado” calculado em (12) satisfaz a condição descrita em (13), ou seja, seja menor ou igual à estatística tabelada para n-1 graus de liberdade a um intervalo de confiança α: 2 𝜒𝜒𝑋𝑋2 ≤ 𝜒𝜒(𝑛𝑛−1,𝛼𝛼)

(13)

De acordo com Merchant (1982) apud Nogueira Jr. (2003), são necessários 20 pontos para a avaliação da qualidade posicional do produto cartográfico. Os pontos utilizados para avaliação da imagem ortorretificada no presente trabalho foram aqueles provenientes do levantamento de campo conforme item 3.1.4. 3.2 Desenvolvimento da aplicação em SIG Conforme apresentado na seção 2.3, Silva, E. (2007) descreve duas vantagens do SIG WEB em relação ao SIG Desktop: a acessibilidade, pois não é necessária a instalação de nenhuma ferramenta de software; e a disponibilidade, pois pode ser acessado de qualquer dispositivo com a conectividade necessária, desde um microcomputador até um celular. Como o objetivo da aplicação em SIG desenvolvida neste trabalho é permitir a diversos usuários visualização, pesquisa, edição do banco de dados e análise espacial, torna-se custosa a aquisição de diversas licenças de ferramenta de SIG Desktop. Nesse sentido, uma solução de menor custo é a aquisição de uma ferramenta de SIG WEB.

76

No presente trabalho foram utilizadas essas alternativas complementares, O SIG Desktop e o SIG WEB. Como ferramenta Desktop foi utilizado o software ARCGIS Desktop (ArcEditor) 10.1. Como ferramenta WEB foi utilizada o ARCGIS Server 10.1. As licenças dos softwares utilizados são de propriedade da Infraero e foram adquiridas para serem ferramentas do desenvolvimento de um SIG para a Empresa. A Figura 20 apresenta as etapas realizadas para o desenvolvimento da aplicação em SIG do presente trabalho:

ETAPA 1

•Descrição dos dados

ETAPA 2

•Criação de conjuntos de dados de classes de feições

ETAPA 3

•Preenchimento das tabelas de atributos das classes de feições

ETAPA 4

•Publicação dos dados

ETAPA 5

•Gerenciamento da Aplicação WEB

Figura 20: Etapas para o desenvolvimento da aplicação em SIG

3.2.1 Descrição dos dados As informações a serem inseridas no SIG estão representadas na Figura 21 na forma de camadas (layers). Todos os dados inseridos no SIG devem se encontrar em um mesmo Sistema Geodésico de Referência. No presente trabalho, optou-se que todas as informações inseridas no SIG estivessem no Sistema Geodésico WGS-84, que é o sistema de referência oficial do GPS, conforme mencionado na seção 2.5.3.

77

Figura 21: Informações a serem inseridas na aplicação em SIG

3.2.2 Criação de conjuntos de dados de classes de feições Primeiramente, os dados serão importados por meio da Ferramenta de SIG Desktop (ArcEditor). Em seguida, com base nos dados, serão criadas as classes de feição. Para se criar uma classe de feição, deve-se exportar um arquivo (CAD ou .xls, por exemplo) como “Feature Class” para dentro de um geodatabase (banco de dados geográficos). Uma classe de feição (Feature Class) é uma coleção de feições geográficas (objetos) que compartilham uma mesma geometria, os mesmos atributos e a mesma referência espacial, como por exemplo: • Classe de feição de auxílios à navegação aérea - geometria: pontos; atributos: nome, tipo, elevação, etc; • Classe de feição de pistas de pouso e decolagem - geometria: polígono ou linhas; atributos: orientação, comprimento, largura, etc.

78

Um conjunto de dados de feições (Feature Dataset) é composto por classes de feições que foram agrupadas de forma que elas possam participar em relacionamentos topológicos umas com as outras. Todas as classes de feição em um Feature Dataset devem compartilhar a mesma referência espacial, isto é, elas devem ter o mesmo sistema de coordenadas e suas feições devem estar dentro de uma área geográfica comum. Nesse sentido, será criado um Feature Dataset que agrupe todas as classes de feição do aeroporto de estudo. 3.2.3 Preenchimento das tabelas de atributos das classes de feições Após a criação do Feature Dataset, é necessário que as tabelas de atributos das classes de feições sejam modificadas, de forma que apresentem as informações desejadas. Quando as geometrias são desenhadas em Ferramenta CAD e exportadas para classe de feição, apresentam a informação de forma e localização, mas não apresentam outros atributos (informações) que possam ser julgados relevantes. No caso de uma classe de feição de pista de pouso, por exemplo, é necessária a criação/preenchimento de atributos como comprimento, largura, orientação, distâncias declaradas, etc. No caso de uma faixa de pista, é necessária a criação/preenchimento de atributos como a que pista ela está associada e suas dimensões. 3.2.4 Publicação dos dados Após a criação do Feature Dataset e o preenchimento das tabelas de atributos, um arquivo de mapa contendo as classes de feições e a imagem de satélite deverá ser elaborado.

79

Dentre as atividades relacionadas à criação do arquivo de mapa destacam-se a criação de simbologia (aparência) das classes de feições bem como a definição de que classes de feição serão visíveis pelos usuários a cada nível de zoom. Após o processo de sua criação, o arquivo de mapa será publicado no Servidor de SIG WEB (ARCGIS Server). 3.2.5 Gerenciamento da Aplicação WEB A aplicação WEB faz-se necessária, pois é a ferramenta que permite, dentre outras coisas, a utilização dos dados publicados no Servidor de SIG WEB pelos usuários. Essa utilização dos dados é feita por meio da internet. A aplicação SIG WEB utilizada no presente trabalho foi adquirida pela Infraero juntamente com o Software ARCGIS Server. Através da aplicação WEB é possível definir quais classes de feições, nesse contexto chamadas de camadas, são acessíveis a cada tipo de usuário. Além disso, é possível definir quais ferramentas são acessíveis para cada tipo de usuário. Dentre as ferramentas da aplicação WEB utilizada nesse trabalho destacam-se: • Consulta – permite a consulta de atributos de classes de feições por meio do simples passar do mouse sobre a geometria; • Pesquisa avançada com base nos atributos das camadas (classes de feições); • Geração de mapas temáticos. Como exemplos de pesquisas avançadas que podem ser realizadas utilizando a aplicação WEB, podem-se citar: • quantas implantações em torno de determinado aeroporto possuem elevação de topo maiores que determinado valor? • quantos obstáculos à VSS são árvores (teoricamente mais fáceis de se rebaixar/retirar? Quantos são torres de celulares e quantos são prédios?

80

3.3 Análise dos obstáculos à VSS O ARCGIS Desktop e a aplicação WEB utilizada no presente trabalho não são capazes de realizar análises em 3D por não possuírem o pacote de ferramentas necessário. Diante disso, com o objetivo de se avaliar quais implantações constantes de um cadastro são obstáculos à VSS, será utilizada a metodologia apresentada na Figura 22:

ETAPA 1

• Identificação das implantações sobre a projeção da VSS

ETAPA 2

• Determianação da distância entre uma implantação e a base da VSS

ETAPA 3

• Identificação dos obstáculos

Figura 22: Metodologia para determinação dos obstáculos à VSS do SBMT

3.3.1 Identificação das implantações sobre a projeção da VSS A primeira etapa consiste de uma análise espacial 2D que retorne quais implantações constantes de um cadastro encontram-se sobre a projeção horizontal (no plano xy) da VSS (para as duas cabeceiras separadamente). Essa etapa será realizada através de ferramenta de interseção, denominada intersect, entre as camadas de cadastro de implantações e da VSS. 3.3.2 Determinação da distância entre uma implantação e a base da VSS Para se analisar se uma implantação sobre a projeção da VSS é obstáculo ou não, precisa-se determinar a distância (perpendicular e no plano xy) entre a implantação e a base da VSS. Com base nessa distância e em parâmetros como elevação da cabeceira, elevação de topo da

81

implantação e ângulo de inclinação da VSS, pode-se determinar se o topo de uma implantação ultrapassa a referida superfície. Conforme mencionado na seção 2.1, a base da VSS está localizada a 60 da cabeceira e é perpendicular ao eixo da pista. Nesse sentido, faz-se necessário determinar a equação da reta que passa pelo ponto a 60 m da cabeceira, no prolongamento do eixo da pista de pouso, e que seja perpendicular a esse eixo. Para a determinação da equação da reta perpendicular ao eixo da pista de pouso, faz-se necessário determinar primeiro a equação da reta que define o eixo da pista. Sejam CAB 1 (X cab1 , Y cab1 ) e CAB 2 (X cab2 , Y cab2 ), os pontos que representam as cabeceiras da pista, onde X e Y representam as coordenadas este e norte, respectivamente. A equação da reta que passa por esses dois pontos (eixo da pista de pouso), pode ser descrita pela expressão (14): (𝑌𝑌

−𝑌𝑌

)

𝑦𝑦 = (𝑋𝑋𝑐𝑐𝑐𝑐𝑐𝑐2 −𝑋𝑋𝑐𝑐𝑐𝑐𝑐𝑐1 ) . 𝑥𝑥 + 𝑐𝑐𝑐𝑐𝑐𝑐2

𝑐𝑐𝑐𝑐𝑏𝑏1

(𝑋𝑋𝑐𝑐𝑐𝑐𝑐𝑐2 .𝑌𝑌𝑐𝑐𝑐𝑐𝑐𝑐1 −𝑋𝑋𝑐𝑐𝑐𝑐𝑐𝑐1 .𝑌𝑌𝑐𝑐𝑐𝑐𝑐𝑐2 ) (𝑋𝑋𝑐𝑐𝑐𝑐𝑐𝑐2 −𝑋𝑋𝑐𝑐𝑐𝑐𝑐𝑐1 )

(14)

A equação que define as retas perpendiculares ao eixo da pista é escrita conforme (15): 𝑦𝑦 =

−1 𝑎𝑎

. 𝑥𝑥 + 𝑐𝑐

(15)

Em que “a” é o coeficiente angular da equação da reta que passa pelo eixo. Em outras palavras, com base em (14), “a” pode ser calculado conforme (16): (𝑌𝑌

−𝑌𝑌

)

𝑎𝑎 = (𝑋𝑋𝑐𝑐𝑐𝑐𝑐𝑐2 −𝑋𝑋𝑐𝑐𝑐𝑐𝑐𝑐1 ) 𝑐𝑐𝑐𝑐𝑐𝑐2

𝑐𝑐𝑐𝑐𝑐𝑐1

(16)

As equações das retas que passam pelas bases das VSS podem ser descritas desde que se conheçam as coordenadas de pelo menos um ponto sobre as mesmas. No presente trabalho, as

82

coordenadas de um ponto sobre a base de cada VSS serão obtidas através das superfícies desenhadas em CAD. Sejam P1 (x P1 , yP1 ) um ponto sobre a base da VSS da cabeceira 1 e P2 (x P2 , yP2 ) um ponto sobre a base da VSS da cabeceira 2. As equações das retas que passam pelas bases das VSS estão apresentadas em (17) e (18): 𝑦𝑦𝑣𝑣𝑣𝑣𝑣𝑣_𝑐𝑐𝑐𝑐𝑐𝑐1 =

−1

. x + 𝑦𝑦𝑃𝑃1 +

𝑥𝑥𝑃𝑃1

(17)

𝑦𝑦𝑣𝑣𝑣𝑣𝑣𝑣_𝑐𝑐𝑐𝑐𝑐𝑐2 =

−1

. x + 𝑦𝑦𝑃𝑃2 +

𝑥𝑥𝑃𝑃2

(18)

a a

𝑎𝑎 𝑎𝑎

Seja k 1 .x + k 2 .y + k 3 a equação geral de uma reta s e P(x 0 ,y0 ) um ponto qualquer. A distância (perpendicular) entre o ponto P e a reta s pode ser expressa de acordo com (19):

𝑑𝑑 =

|𝑘𝑘1 .𝑥𝑥0 +𝑘𝑘2 .𝑦𝑦0 +𝑘𝑘3 | 2

�𝑘𝑘1 +𝑘𝑘2

(19)

2

Com base nas equações das retas (17) e (18) e na expressão apresentada em (19), pode-se definir a distância entre uma implantação P(x,y) sobre a projeção da VSS e a base interna da referida superfície para cada uma das duas cabeceiras:

𝑑𝑑𝑣𝑣𝑣𝑣𝑣𝑣_𝑐𝑐𝑐𝑐𝑐𝑐1 = 𝑑𝑑𝑣𝑣𝑣𝑣𝑣𝑣_𝑐𝑐𝑐𝑐𝑐𝑐2 =

𝑥𝑥 1 2 �� � .𝑥𝑥 + 𝑦𝑦− �𝑦𝑦𝑃𝑃1 + 𝑃𝑃1 �� 𝑎𝑎

2 �� 1 � +12 𝑎𝑎

𝑎𝑎

𝑥𝑥 1 2 �� � .𝑥𝑥 + 𝑦𝑦− �𝑦𝑦𝑃𝑃2 + 𝑃𝑃2 �� 𝑎𝑎

2 �� 1 � +12 𝑎𝑎

𝑎𝑎

(20)

(21)

83

3.3.3 Identificação dos obstáculos Após a determinação de quais implantações encontram-se sobre a projeção da VSS, é necessário verificar quais implantações são obstáculos à VSS. Para essa verificação, será realizada uma consulta utilizando a Ferramenta ArcEditor denominada seleção por atributos. A seleção por atributos deve retornar (selecionar) a implantações sobre a projeção da VSS que obedeçam aos critérios apresentados na Figura 23.

Figura 23: Critérios para determinação dos obstáculos à VSS

Em outras palavras, a seleção por atributos deve identificar a implantações que satisfaçam (22): ℎ > ℎ𝑉𝑉𝑉𝑉𝑉𝑉 > 15 𝑚𝑚

(22)

em que:

• h é a elevação de topo da implantação • h VSS é a elevação da VSS sobre determinado ponto do plano xy. A elevação h VSS está representada em (23): ℎ𝑉𝑉𝑉𝑉𝑉𝑉 = ℎ𝐶𝐶𝐶𝐶𝐶𝐶 + 𝑑𝑑𝑉𝑉𝑉𝑉𝑉𝑉 . 𝑡𝑡𝑡𝑡(1,88°) Em que:

(23)

84

• d VSS é a distância no plano xy entre a implantação e a base da VSS, conforme (20) e (21). • h CAB é a elevação da cabeceira à qual a VSS está associada

4

Estudo de Caso: Aeroporto de São Paulo - Campo de Marte

O Aeroporto de São Paulo – Campo de Marte (SBMT) está localizado na Zona Norte da cidade de São Paulo, próximo ao terminal rodoviário do Tietê, à estação de metrô e à Marginal Tietê, via de acesso a rodovias estaduais e interestaduais. A Tabela 5 apresenta algumas das facilidades existentes no SBMT: Tabela 5: Algumas facilidades existentes no SBMT. FACILIDADE

CARACTERÍSTICA

Sítio Aeroportuário

2.113.667,00 m2

Pátio de Aeronaves

12.420,00 m2 (22 posições de parada)

Pista de Pouso e Decolagem (PPD)

1600 m x 45 m

Orientação da PPD Terminal de Passageiros (TPS)

12 - 30 1.260,00 m2

Fonte: Infraero (2012)

O SBMT possui uma PPD com 1600 m de comprimento e 45 m de largura. Entretanto, devido à existência de obstáculos à Superfície de Aproximação da Zona de Proteção, existe um recuo de 300 m da cabeceira 12 e um recuo de 150 m da cabeceira 30. Dessa forma, o comprimento de pista disponível para pouso na cabeceira 12 é de 1300 m, enquanto que o comprimento de pista disponível para pouso na cabeceira 30 é de 1450 m. O SBMT é o quinto maior aeroporto brasileiro em termos de movimentação de aeronaves (número de pousos mais número de decolagens), conforme se pode observar na Figura 24:

85

Pousos + Decolaegns

300.000 250.000 200.000 150.000

2012

100.000

2013

50.000 -

Figura 24: Gráfico do Movimento Operacional Anual (Pousos + Decolagens) dos 10 aeroportos mais movimentados do país nos dois últimos anos. Fonte: Infraero (2013)

Não há operação de voos regulares no SBMT, mas ele pode ser considerado o maior aeroporto de aviação não-comercial do país. O aeroporto opera voos de aviação geral, executiva, taxi aéreo e voos de instrução (aeroclube). Entre os anos de 2006 e 2012, o movimento operacional do SBMT cresceu, em média, 9,12% ao ano, conforme se pode inferir a partir da Figura 25. Em 20013, houve uma redução de 7,7% do movimento operacional em relação a 2012.

Pousos + Decolagens

160.000 140.000 120.000 100.000 80.000 60.000 40.000 20.000 -

Figura 25: Evolução do Movimento Operacional Anual do SBMT. Fonte: Infraero (2013)

86

De acordo com Infraero (2012), cerca de 70% das operações no SBMT são de aeronaves de asa rotativa (helicópteros) enquanto os outros 30% representam operação com aeronaves de asa fixa. O SBMT não possui procedimento de aproximação por instrumento publicado. Entretanto, de forma a aumentar a segurança da aproximação, planeja-se a publicação de procedimentos RNAV (LNAV e LNAV/VNAV) para as duas cabeceiras. Conforme mencionado no capítulo 1, nenhum novo procedimento de aproximação por instrumento pode ser publicado caso haja obstáculos à sua VSS. Além disso, conforme também mencionado no capítulo 1, a ANAC só aprova voos regulares para aeroportos com procedimentos de aproximação por instrumento. Diante disso, a publicação de procedimentos de aproximação por instrumento no SBMT permitiria a futura aprovação, pelo órgão regulador, de voos regulares no aeroporto. A Figura 26 apresenta esquema 3D da VSS da cabeceira 30 do SBMT:

Figura 26: Esquema da VSS da cabeceira 30 do SBMT em 3D. Fonte: Imagem Google.

87

Conforme mencionado no capítulo 2, a VSS estende-se a partir de 60 m além da cabeceira, com um ângulo de inclinação vertical igual ao ângulo do procedimento de aproximação subtraído de 1,12°, até alcançar a OCH. No presente trabalho, foi considerada para o desenho das VSS’s a situação atual, com as cabeceiras deslocadas. O ângulo de descida padrão para procedimentos de aproximação por instrumentos no Brasil é de 3°, portanto, será considerada VSS do SBMT com inclinação vertical de 1,88°. A OCH deve ser publicada para cada procedimento de aproximação. Como os procedimentos RNAV do SBMT ainda não foram publicados, neste trabalho será considerado OCH igual ao limite inferior possível, de 115 m acima da elevação da cabeceira para aeronaves categoria B, conforme ICAO (2006).

5

Resultados e discussões

5.1 Utilização da imagem de satélite do SBMT na aplicação em SIG Com base nas especificações técnicas descritas na seção 3.1.2, foi adquirida uma imagem do SBMT do sensor Pleiades, com 11 Bits de resolução radiométrica, resolução espacial de aproximadamente 50 cm (pixel de 50,49 cm x 53,49 cm) e 0% de cobertura de nuvens. A imagem é datada de 13 de agosto de 2012 às 13h25m45s. Com base na imagem georreferenciada na composição colorida adquirida e com o auxílio do Software ARCGIS Desktop 10.1, fez-se a escolha dos pontos de controle de solo a serem levantados em campo. Os pontos de controle selecionados estão representados na Figura 27.

88

Figura 27: Mapa de Apoio para Levantamento Topográfico de Campo

O levantamento topográfico de campo foi realizado nos dias 02, 03 e 04 de julho de 2013 e foram coletados 6, 9 e 11 pontos respectivamente em cada um dos dias Além desses pontos, em todos os três dias o receptor GPS geodésico ficou estático sobre uma mesma estação durante o período de levantamento, totalizando 27 pontos. O pequeno número de pontos coletados no primeiro dia de levantamento quando comparado com os outros dois dias deveu-se à decisão de se coletar as coordenadas dos pontos mais distantes no primeiro dia. A Figura 28 apresenta o GPS topográfico sobre uma estação com coordenadas a determinar durante o levantamento.

89

Figura 28: Receptor GPS topográfico posicionado sobre estação com coordenadas a determinar.

Foram utilizados dois receptores GPS: • um receptor Geodésico (L1/l2) modelo Trimble 5700, estático durante todo o período do levantamento em uma estação (ponto) com coordenadas a determinar; • um receptor topográfico (L1) modelo Trimble R3, estático em uma estação cujas coordenadas deseja-se determinar por 30 minutos e depois, desligado e levado para outra estação com coordenadas a determinar. O processamento dos pontos obtidos por meio do levantamento topográfico foi realizado através do Software Trimble Business Center (TBC), fornecido junto com os receptores GPS no momento da aquisição dos mesmos. Para determinação das alturas ortométricas (em relação ao geoide - elevações) foi utilizado o modelo de geóide EGM96. As coordenadas do ponto sobre o qual estava o receptor geodésico (denominado “BASE”), a princípio desconhecidas, foram ajustadas separadamente. Nesse processo, utilizaram-se como referência as estações do RBMC de São Paulo (POLI), Ubatuba (UBA1), São José dos Campos (SJSP) e Campinas (SPCA). Esse ajuste foi realizado para os três dias.

90

A Figura 29 apresenta esquema dessas estações durante o processamento.

Figura 29: Processamento das coordenadas da estação base do levantamento

Depois do ajuste das coordenadas da estação “BASE”, utilizaram-se as coordenadas dessa estação como conhecidas para o ajuste das coordenadas das demais estações (aquelas sobre as quais foi montado o GPS topográfico). Isso foi necessário, pois, conforme apresentado na seção 2.5.2, a utilização de receptores topográficos não é indicada para linhas de base maiores que 10 km. Nesse sentido, para o ajuste das coordenadas das estações, foram utilizados como estações de referência aquela do receptor geodésico (após ajuste) e a estação RBMC de São Paulo. A utilização das estações da RBMC no processamento deu-se pelo fato de o TBC só realizar ajuste da rede de pontos com no mínimo duas estações base (estações de referência). A utilização de mais de duas estações da RBMC ocorreu pelo fato de os dados de algumas dessas estações não estarem disponíveis em um ou mais dias do levantamento. A Tabela 6 apresenta o resultado das coordenadas dos pontos levantados após o processamento e ajuste da rede:

91

Tabela 6: Resultado do processamento pontos coletados por meio do levantamento topográfico Erro Erro Coord. Erro Coord. Elevação Elevação PONTO ESTE (m) Norte (m) Este (m) Norte (m) (m) (m) BASE

333.616,255

0,008

7.398.891,456

0,004

721,450

0,026

MT02

329.074,660

0,032

7.401.556,300

0,021

760,812

0,052

MT03

330.746,051

0,032

7.401.766,733

0,019

750,489

0,056

MT05

332.757,388

0,032

7.401.603,881

0,021

757,056

0,053

MT07

334.844,201

0,031

7.401.006,932

0,019

737,897

0,050

MT09

336.901,874

0,114

7.401.098,035

0,068

778,962

0,142

MT11

328.722,965

0,035

7.400.249,444

0,029

769,641

0,062

MT13

330.858,642

0,034

7.400.330,601

0,022

740,199

0,055

MT16

332.370,889

0,325

7.400.350,424

0,228

784,217

0,670

MT17

334.461,860

0,248

7.399.948,889

0,172

725,867

0,219

MT19

336.587,602

0,259

7.399.616,915

0,144

743,149

0,390

MT22

328.932,176

0,034

7.399.353,348

0,020

720,661

0,058

MT24

330.763,862

0,033

7.398.940,877

0,023

755,357

0,060

MT25

334.178,846

0,034

7.398.654,749

0,023

721,106

0,057

MT28

337.250,906

0,047

7.398.180,904

0,022

721,621

0,080

MT29

327.474,572

0,053

7.397.586,728

0,032

725,302

0,105

MT32

330.010,965

0,046

7.397.056,058

0,023

723,724

0,079

MT33

332.113,622

0,361

7.396.666,585

0,165

742,046

0,563

MT36

334.901,602

0,086

7.396.839,757

0,083

726,204

0,281

MT38

336.403,260

0,253

7.396.917,563

0,075

722,509

0,317

MT39

332.528,566

0,033

7.398.724,310

0,021

721,604

0,051

MT40

332.476,358

0,035

7.398.939,976

0,021

721,665

0,056

MT41

332.906,774

0,034

7.398.873,753

0,022

721,338

0,054

MT45

332.802,299

0,035

7.398.559,797

0,025

721,112

0,059

MT47 MT48 MT49

332.024,801 333.749,187 331.237,102

0,273 0,035 0,040

7.399.437,447 7.399.519,752 7.398.937,624

0,091 0,022 0,030

727,782 722,960 721,754

0,188 0,062 0,086

O georreferenciamento e a ortorretificação da imagem bruta do presente trabalho foram realizados em um único procedimento com a utilização do Software Envi 4.8, tendo como dados de entrada: • Imagem Bruta adquirida; • Arquivo RPC fornecido junto com a imagem; • Pontos de controle de solo originados do levantamento topográfico realizado e processados conforme descrito;

92

• Modelo digital de elevação (MDE). Diante da falta de dados altimétricos da área de estudo para a geração de um MDE com resolução espacial melhor, optou-se no presente trabalho pelo uso de um modelo gratuito. Considerando os resultados apresentados por Miceli et al. (2010) (ver seção 2.4.2.2), que avaliaram a precisão vertical de cinco MDE’s disponibilizados gratuitamente na internet (SRTM1, ASTER, TOPODATA, SRTM4 e Brasil em Relevo- EMBRAPA) em duas áreas com configurações diferentes, optou-se no presente trabalho pelo uso do MDE do TOPODATA. Esse modelo, do Instituto Nacional de Pesquisas Espaciais – INPE, apresentou o melhor comportamento após os testes estatísticos para análise do erro padrão vertical máximo. A Figura 30 apresenta tela do software ENVI durante do processo de correção geométrica realizado:

Figura 30: Tela do ENVI durante processo de georreferenciamento e ortorretificação da imagem de satélite

93

Dos 27 pontos de controle levantados, seis deles (MT09, MT11, MT16, MT24, MT29 e MT33) foram desconsiderados no processo de ortorretificação, de forma a reduzir o RMSE e manter o número mínimo de pontos necessários. Os 21 pontos utilizados apresentaram RMSE de 4,74 pixels antes da ortorretificação, o que representa aproximadamente 2,37 m. Foram utilizados 20 pontos para análise da qualidade geométrica da imagem ortorretificada: 5 dos 6 pontos levantados mas não utilizados no processo de ortorretificação; e 15 dos 21 pontos utilizados no processo de ortorretificação. O ponto MT29, não utilizado no processo de ortorretificação, também não foi utilizado para a análise da qualidade da imagem ortorretificada. Isso se deveu ao fato de apresentar diferenças entre as coordenadas medidas na imagem e as coordenadas levantadas muito discrepantes em relação ao restante da amostra utilizada (diferença entre coordenadas este de 122,02 m e diferença entre as coordenadas norte de -19,24 m). A escolha dos 15 pontos já utilizados no processo de ortorretificação e também utilizados para a análise da qualidade geométrica da imagem foi feita de forma que esses pontos ficassem bem distribuídos ao longo da imagem. Dessa forma, foram desconsiderados pontos muitos próximos de outros (BASE, MT22, MT41, MT47, MT48 e MT49). Como limitação da análise da qualidade geométrica da imagem ortorretificada, pode-se citar a utilização de vários dos pontos usados anteriormente no processo de ortorretificação. Isso deveu-se ao fato de que, da amostra de 27 pontos levantados em campo, havia a necessidade de se usar pelo menos 21 para o processo de ortorretificação (MARTINS, 2011) e a necessidade de se utilizar pelo menos 20 pontos para a avaliação da qualidade posicional da imagem.

94

A Tabela 7 apresenta as discrepâncias entre as coordenadas medidas a partir da imagem ortorretificada e as coordenadas obtidas por meio do levantamento de campo para os 20 pontos utilizados. Tabela 7: Resultado da análise da qualidade geométrica da imagem corrigida GPS IMAGEM ORTORRETIFICADA Discrepância Coord. ESTE PONTO ESTE (m) Norte (m) Este(m) Norte (m) (m) MT02 329074,660 7401556,300 329074,600 7401556,980 -0,060

Discrepância Coord. NORTE (m) 0,680

MT03

330746,051

7401766,733

330746,360

7401766,690

0,309

-0,043

MT05

332757,388

7401603,881

332756,410

7401601,920

-0,978

-1,961

MT07

334844,201

7401006,932

334842,700

7401006,500

-1,501

-0,432

MT09

336.901,874

7.401.098,035

336900,202

7401095,094

-1,672

-2,941

MT11

328.722,965

7.400.249,444

328721,681

7400247,555

-1,284

-1,889

MT13

330858,642

7400330,601

330858,950

7400329,230

0,308

-1,371

MT16

332.370,889

7.400.350,424

332369,001

7400349,142

-1,888

-1,282

MT17

334461,860

7399948,889

334460,990

7399947,260

-0,870

-1,629

MT19

336587,602

7399616,915

336586,160

7399616,120

-1,442

-0,795

MT24

330.763,862

7.398.940,877

330764,216

7398940,802

0,354

-0,075

MT25

334178,846

7398654,749

334177,230

7398655,320

-1,616

0,571

MT28

337250,906

7398180,904

337250,120

7398179,200

-0,786

-1,704

MT32

330010,965

7397056,058

330009,190

7397054,170

-1,775

-1,888

MT33

332.113,622

7.396.666,585

332110,165

7396663,464

-3,457

-3,121

MT36

334901,602

7396839,757

334900,770

7396838,040

-0,832

-1,717

MT38

336403,260

7396917,563

336401,360

7396915,070

-1,900

-2,493

MT39

332528,566

7398724,310

332527,180

7398724,870

-1,386

0,560

MT40

332476,358

7398939,976

332475,680

7398940,460

-0,678

0,484

MT45

332802,299

7398559,797

332801,350

7398559,560

-0,949

-0,237

A Tabela 8 apresenta os valores das médias e desvios padrão das discrepâncias, das estatísticas t calculadas com base em (7) e os valores das estatísticas t tabelados (com 19 graus de liberdade) para os níveis de significância (α) de 10% e 5%. Tabela 8: Resultados da análise de tendência (estatísticas t de student) COORDENADAS

Média discrepância (m)

Desv. Pad. Discrepância (m)

Estatística t calculada

Este

-1,131

0,914

-5,536

Norte

-1,326

1,196

-4,960

Valor de t tabelado α = 10%

Valor de t tabelado α = 5%

1,729

2,093

95

Com base nos dados da Tabela 8, nas hipóteses descritas em (5) e (6) e no teste descrito em (8), pode-se afirmar que se rejeita a hipótese nula de que as médias das discrepâncias são iguais a 0. Dessa forma, a imagem ortorretificada não pode ser considerada como livre de tendências para os níveis de significância de 5% ou 10%. A Tabela 9 apresenta valores das estatísticas qui-quadrado calculadas com base em (12) para três situações diferentes: PEC A nas escalas 1:10000, 1:5000 e 1:2500. Além disso, apresenta o valor da estatística qui-quadrado tabelada (com 19 graus de liberdade) para o nível de significância (α) de 10%. Tabela 9: Resultados da análise da precisão posicional da imagem ortorretificada (estatísticas qui-quadrado) COORDENADAS

Estatistica χ2 PEC A Escala 1:10000

Estatistica χ2 PEC A Escala 1:5000

Estatistica χ2 PEC A Escala 1:2500

Este

3,525

14,099

56,394

Valor de χ2 tabelado α = 10% 27,204

Norte

6,041

24,162

96,648

Com base nos dados da Tabela 9, nas hipóteses formuladas em (9) e (10) e no teste apresentado em (13), pode-se afirmar que se aceita a hipótese nula de que a variância da imagem ortorretificada é igual à variância máxima permitida pelo PEC A para a escala de 1:5000 e nível de significância de 10%. Portanto, a imagem ortorretificada pode ser classificada como PEC A na escala 1:5000, ou seja, com erro padrão máximo de 1,5 m para pelo menos 90% dos pontos, segundo Brasil (1982).

96

5.2 Desenvolvimento da aplicação em SIG A Figura 31 apresenta o arquivo de mapa do SBMT publicado no servidor WEB, após a realização das etapas descritas na seção 3.2.

Figura 31: Esquema da publicação do arquivo de mapa do SBMT

A imagem de satélite utilizada foi adquirida pela Infraero e ortorretificada conforme descrito na seção 5.1. A configuração física do lado ar (parte do aeroporto onde há movimentação de aeronaves) e o limite patrimonial do SBMT foram elaborados através de Ferramenta CAD com base em levantamento realizado pelo Instituto de Cartografia da Aeronáutica (ICA) em 01/07/2009. A configuração física do lado ar foi desenhada com base nas coordenadas das cabeceiras da PPD. O cadastro de implantações utilizado tem como fonte levantamento topográfico realizado pelo ICA em 13/08/2012. O Datum vertical é o de Imbituba. Dentre as informações que constam

97

do levantamento destacam-se: descrição da implantação (árvore, poste, antena, edificação, etc), coordenadas geográficas e elevação. As coordenadas geográficas e elevação foram levantadas considerando o ponto mais alto da implantação (topo da implantação). A Superfície de Segmento Visual foi elaborada com base nas coordenadas da PPD, considerando ICAO (2006). O cadastro de obstáculos à VSS foi produzido com base nas VSS’s elaboradas e no cadastro de implantações, através de análise espacial. Esse processo será descrito na seção 5.3. 5.3

Análise dos obstáculos à VSS do SBMT

A Figura 32 apresenta as implantações sobre a projeção horizontal da VSS após realização de análise espacial 2D descrita na seção 3.3.1.

Figura 32: Implantações sobre a projeção horizontal da VSS

98

Das 281 implantações constantes do cadastro e já inseridas no SIG, após análise espacial 2D, verificou-se a existência de 27 implantações sobre a projeção da VSS do procedimento de aproximação da cabeceira 12 e 60 implantações sobre a projeção da VSS do procedimento de aproximação da cabeceira 30. Com base na metodologia apresentada na seção 3.3.2, obteve-se as seguintes expressões para a distância entre uma implantação e a base das VSS do SBMT:

𝑑𝑑𝑉𝑉𝑉𝑉𝑉𝑉_𝐶𝐶𝐶𝐶𝐶𝐶12 =

| 5,904133.𝑥𝑥+1.𝑦𝑦−5.438.412,965|

(24)

𝑑𝑑𝑉𝑉𝑉𝑉𝑉𝑉_𝐶𝐶𝐶𝐶𝐶𝐶30 =

|−5,904133.𝑥𝑥+1.𝑦𝑦−5.430.813,252|

(25)

5,9882

5,9882

Depois disso, foi realizada a seleção por atributos descrita na seção 3.3.3 para determinar quais implantações sobre a projeção horizontal da VSS são obstáculos. A Figura 33 apresenta os obstáculos às VSS’s dos procedimentos das duas cabeceiras, encontrados a partir da seleção por atributos descrita. Foram encontrados 21 obstáculos à VSS da cabeceira 12 e 4 obstáculos à VSS da cabeceira 30. Em seguida, foi realizada comparação dos obstáculos encontrados por meio da análise espacial em SIG com os obstáculos encontrados utilizando o software Microsoft Excel. Após essa comparação, verificou-se que um obstáculo (383 - árvore) encontrado utilizando o Microsoft Excel não foi selecionado no processo de análise espacial descrito em 0. De acordo com análise feita em Excel, essa implantação viola a VSS do procedimento de pouso por instrumento da cabeceira 30 em 2,7 cm.

99

Figura 33: Obstáculos à VSS

Uma possível medida mitigadora para a existência dos obstáculos à VSS seria a modificação, pela Autoridade Aeronáutica, do ângulo de descida dos procedimentos de aproximação por instrumentos do SBMT de 3° para 3,5°. O ângulo de inclinação vertical da VSS passaria de 1,88° para 2,38°, conforme definição apresentada na seção 2.1. Dessa forma, a elevação da VSS seria representada de acordo com (26): ℎ𝑉𝑉𝑉𝑉𝑉𝑉 = ℎ𝐶𝐶𝐶𝐶𝐶𝐶 + 𝑑𝑑𝑉𝑉𝑉𝑉𝑉𝑉 . 𝑡𝑡𝑡𝑡(2,38°)

(26)

Algumas informações sobre os obstáculos, como suas coordenadas, altitude de topo e o quanto a VSS é violada por eles nas duas situações (ângulo de descida de 3° e ângulo de descida de 3,5°) estão apresentadas na Tabela 10 e na Tabela 11.

100

Também estão apresentadas informações sobre a implantação 383, não identificada como obstáculo pelo processo de análise espacial em SIG. O Sistema Geodésico de Referência e o Datum Vertical são os mesmos do Cadastro de Implantações, descrito na seção 5.2. Tabela 10: Informações sobre os obstáculos à VSS do procedimento relativo à cabeceira 12 Altitude Violação COORD.NORTE COORD.ESTE de Topo Ângulo 3° Número Descrição (m) (m) (m) (m) 4,930 17 BOSQUE 738,290 7.399.298,017 331.764,165

Violação Ângulo 3,5° (m) 1,858

238

ÁRVORE

781,110

7.399.462,882

331.624,909

42,339

37,827

239

ALTA TENSÃO

783,810

7.399.405,182

331.157,679

30,235

21,780

240

766,860

7.399.348,231

331.218,989

15,581

7,738

780,080

7.399.358,642

331.021,679

242

CASA ANTENA CELULAR ANTENA CELULAR

789,140

7.399.230,801

330.822,129

243

CASA

765,980

7.399.232,011

331.066,979

10,419

1,436

258

782,740

7.399.575,172

331.054,479

24,893

15,302

259

CASA ANTENA CELULAR

809,290

7.399.836,042

330.439,748

261

ÁRVORE

734,190

7.399.239,901

331.940,500

6,855

5,387

262

ÁRVORE

735,310

7.399.275,551

331.797,829

3,163

0,413

263

ÁRVORE

737,230

7.399.339,591

331.834,939

5,932

3,409

264

ÁRVORE

732,370

7.399.324,441

331.907,389

3,500

1,623

331.971,690

13,605

12,195 0,000

241

265

ÁRVORE

740,720

7.399.383,941

22,358 25,661

30,118

12,800 14,570

14,850

267

ÁRVORE

732,000

7.399.303,581

331.863,009

1,808

584

PREDIO

797,513

7.399.266,607

330.310,675

17,286

1,736

592

PREDIO

797,005

7.399.253,132

330.308,144

16,770

1,217

593

PREDIO

790,076

7.399.291,181

330.228,368

7,050

0,000

598

CELULAR

809,097

7.399.835,672

330.441,874

29,996

14,746

68

PRÉDIO

768,200

7.399.323,056

331.083,764

12,683

3,711

69

CASA

770,560

7.399.384,036

331.188,274

18,091

9,931

Tabela 11: Informações sobre os obstáculos à VSS do procedimento relativo à cabeceira 30 Altitude Violação COORD.NORTE COORD.ESTE de Topo Ângulo 3° Número Descrição (m) (m) (m) (m) 2,576 111 CASA 741,400 7.399.113,827 333.896,588

Violação Ângulo 3,5° (m) 0,000

333

ÁRVORE

737,970

7.398.903,871

333.783,042

1,670

0,000

340

ÁRVORE

737,310

7.398.903,361

333.714,842

3,214

0,000

382

ÁRVORE

734,530

7.399.098,181

333.743,522

0,574

0,000

383

ÁRVORE

733,880

7.399.092,081

333.739,302

0,027

0,000

101

A partir da Tabela 10, pode-se observar que há 7 obstáculos que violam a VSS do futuro procedimento RNAV da cabeceira 12 em mais de 20 m. Dentre eles, 4 são antenas de celular, 1 é árvore, 1 é casa e outro é torre de alta tensão. Caso o ângulo de descida do procedimento de aproximação seja alterado para 3,5°, duas implantações (267 e 593) deixariam de ser obstáculos. A partir da Tabela 11, pode-se observar que todos os obstáculos violam a VSS do futuro procedimento RNAV da cabeceira 30 em menos de 4 m. Um dos obstáculos viola a VSS em menos de 3 cm (383 – árvore, não identificada como obstáculo pela análise espacial em SIG). Além disso, pose-se afirmar a partir da Tabela 11 que, caso o ângulo de descida do procedimento de aproximação seja alterado para 3,5°, não haveria mais obstáculos à VSS do procedimento da cabeceira 30. É possível afirmar que há mais dificuldade para se implantar procedimento RNAV na cabeceira 12 do que na cabeceira 30, uma vez que a publicação do procedimento está associada à retirada ou rebaixamento dos obstáculos. A alteração do ângulo de descida dos procedimentos de aproximação, embora contribua para diminuir a violação da VSS pelos obstáculos, não é suficiente para que a VSS do futuro procedimento RNAV da cabeceira 12 fique livre de obstáculos. Considerando um ângulo de descida de 3,5°, foram encontrados 19 obstáculos à VSS da cabeceira 12. Outra possível medida mitigadora para a implantação de procedimentos RNAV no SBMT seria o deslocamento (recuo) das cabeceiras para procedimentos de pouso por instrumentos, com consequente redução dos comprimentos de pista disponíveis para pouso (LDA) nas duas cabeceiras. O recuo de cabeceira necessário para que determinada implantação não seja mais obstáculo pode ser descrito de acordo com (27):

102

𝑉𝑉

𝑑𝑑 = 𝑡𝑡𝑡𝑡(𝛼𝛼)

(27)

Em que d é o deslocamento (recuo) em valor absoluto, V é o quanto o obstáculo viola (ultrapassa) a VSS e α é o ângulo de inclinação da VSS. Considerando o ângulo de aproximação final convencional de 3°, seria necessário um recuo de 1289,89 m da cabeceira 12. Como a LDA atual a partir da cabeceira 12 é de 1300 m (ver Capítulo 4), esse recuo tornaria inviáveis as operações de pouso nessa cabeceira. Considerando o ângulo de aproximação final convencional de 3°, seria necessário um recuo de 97,92 m da cabeceira 30 atual. Dessa forma, a nova LDA a partir dessa cabeceira passaria a ser de 1352,08 m (LDA atual da cabeceira 30 é de 1450 m, conforme apresentado no Capítulo 4), o que não afetaria as operações. Considerando o ângulo de aproximação final de 3,5°, seria necessário um recuo de 910,11 m da cabeceira 12, o que faria com que a nova LDA a partir dessa cabeceira fosse reduzida a 389,9 m. Esse recuo inviabilizaria as operações de pouso de aeronaves de asa fixa nessa cabeceira. Dessa forma, apenas aeronaves de asa rotativa poderiam utilizar o futuro procedimento de pouso por instrumentos relativo à cabeceira 12. Entretanto, como 70% das operações no SBMT são realizadas por aeronaves de asa rotativa (ver Capítulo 4), esse recuo não inviabilizaria completamente as operações de pouso nessa cabeceira. Caso haja aumento do ângulo de descida de 3° para 3,5° e o recuo necessário da cabeceira 12, as aeronaves de asa fixa poderiam pousar apenas na cabeceira 30.

103

6

Conclusões

A metodologia de ortorretificação da imagem de satélite apresentada neste trabalho, com a utilização de RPC, Modelo Digital de Elevação e pontos de controle de solo, mostrou-se adequada para a imagem do sensor Pleiades, pouco utilizada até então em trabalhos acadêmicos pelo fato de o sensor ter iniciado suas operações em 2012. Depois da realização de análise estatística das discrepâncias da imagem para avaliação da qualidade posicional, a imagem pôde ser classificada como PEC A para a escala 1:5000. Em outras palavras, isso significa que a imagem possui erro padrão máximo de 1,5 m para 90% dos pontos, segundo Brasil (1982). Entretanto, depois da realização de análise estatística para avaliação de tendência, não se pode afirmar que a imagem seja livre de tendências. A existência de tendência pode ser explicada, entre outros fatores, pelo uso de pontos de referência na análise estatística já utilizados anteriormente no processo de ortorretificação. A imagem ortorretificada pode ser considerada adequada à sua utilização no presente trabalho, uma vez que foi usada apenas para a identificação visual dos obstáculos. A imagem não foi utilizada como fonte métrica para se determinar quais implantações eram obstáculos ou não. A determinação das coordenadas dos pontos de controle de solo, realizada através de levantamento relativo estático-rápido com a utilização de receptores GPS topográfico e geodésico, apresentou boa precisão. Dos 27 pontos de controle levantados em campo, 22 apresentaram erro nas coordenadas horizontais menores que 10 cm. Considerando que a imagem de satélite utilizada possui

104

resolução espacial de 50 cm, pode-se afirmar que os erros das coordenadas dos pontos de controle foram adequados à sua utilização. A aplicação em SIG desenvolvida mostrou-se adequada à análise de obstáculos à VSS, mesmo sem utilizar um pacote de ferramentas para análise 3D. 25 dos 26 obstáculos foram identificados através da análise espacial em SIG, o que representa uma eficiência de 96%. Além disso, de acordo com análise feita em Excel, o obstáculo não identificado viola a VSS da cabeceira 30 em apenas 2,7 cm. A aplicação em SIG utilizada foi suficiente na identificação de qual implantação constante de um cadastro é ou não obstáculo à VSS ao integrar análise espacial em duas dimensões com uma consulta baseada em conceitos de geometria analítica. Caso não haja remoção ou rebaixamento dos obstáculos encontrados, para que os procedimentos de aproximação por instrumento das duas cabeceiras do SBMT sejam publicados é necessário que haja alteração do ângulo de aproximação, pela Autoridade Aeronáutica, de 3° para 3,5°, bem como um recuo de 910,11 m da cabeceira 2. Esse deslocamento inviabilizaria as operações de pouso de aeronaves de asa fixa na cabeceira 12, que poderiam pousar apenas na cabeceira 30. Entretanto, as aeronaves de asa rotativa, que representam 70% das operações, poderiam continuar pousando na cabeceira 12. Dentre as limitações do trabalho é importante mencionar: • Utilização de MDE do TOPODATA, com aproximadamente 30 m de resolução espacial, para a realização da ortorretificação da imagem de satélite. • Utilização de vários dos pontos usados anteriormente no processo de ortorretificação como pontos de referência para a análise da qualidade geométrica da imagem ortorretificada.

105

• Ausência de um cadastro de implantações fruto de outros levantamentos para servir como ferramenta de validação dos dados do cadastro de implantações fornecido pelo Instituto de Cartografia da Aeronáutica. Como recomendações para trabalhos futuros podem-se citar: • Realização da ortorretificação da imagem de satélite utilizando diferentes MDE’s e comparação dos resultados através da análise da qualidade geométrica das imagens ortorretificadas. Pode ser usado além do MDE do Topodata, por exemplo, MDE elaborado com base em curvas de níveis frutos de levantamentos LIDAR; • Utilização de pontos de referência para a análise da qualidade geométrica da imagem ortorretificada diferentes daqueles utilizados no processo de ortorretificação; • Utilização de ferramenta que permita análise espacial em três dimensões para a verificação de quais implantações constantes de um cadastro são obstáculos.

106

7

Referências Bibliográficas

AGUILAR, M. A.; SALDAÑA, M. M.; AGUILAR, F. J. Assessing geometric accuracy of the orthorectification process from GeoEye-1 and WorldView-2 panchromatic images. International Journal of Applied Earth Observation and Geoinformation, v. 21, p. 427435, 2013. AGÊNCIA NACIONAL DE AVIAÇÃO CIVIL. Regulamento Brasileiro de Aviação Civil 154. Projeto de Aeródromos. Diário Oficial da União, Brasília, DF, 12 mai. 2009. Seção 1, p. 148. ARAUJO, E. H. G.; KUX, H. J. H.; FLORENZANO, T. G. Ortorretificação de imagens do satélite Quickbird para aplicações urbanas. Revista Brasileira de Cartografia, v. 60, n. 2, p. 205-213, ago. 2008. BENTES, F. M.; HELENO, T. A.; SLAMA, J. G. Analysis of airport noise exposure around Viracopos International Airport using geographic information systems. Journal of Air Transport Management, v. 31, p. 5-17, 2013. BERBER, M.; USTUN, A.; YETKIN, M. Comparison of accuracy of GPS techniques. Measurement, v. 45, p. 1742-1746, abr. 2012. BRASIL. Decreto n. 89.817, de 20 de junho de 1984. Dispõe sobre as instruções reguladoras das normas técnicas da cartografia nacional. Diário Oficial da República Federativa do Brasil, Brasília, DF, 22 de junho de 1984. BRASIL. Portaria 256/GC5, de 13 de maio de 2011. Dispõe sobre as restrições relativas às implantações que possam afetar adversamente a segurança e a regularidade das operações aéreas, e dá outras providências. Diário Oficial da União, Brasília, DF, 16 mai. 2011. Seção 1, p.11. BRITO, J. L. N. S.; COELHO FILHO, L. C. T. Fotogrametria Digital. 1ª Edição. Rio de Janeiro: Instituto Militar de Engenharia, 2002. CÂMARA G.; QUEIROZ G. R. Arquitetura de Sistemas de Informações Geográficas. In: CÂMARA G.; DAVIS C.; MONTEIRO A. M. V. Introdução à Ciência da Geoinformação. Livro online: Instituto Nacional de Pesquisas Espaciais, 2001. Cap 3. CERQUEIRA, J. D. M. Ortorretificação digital de imagens de satélite de alta resolução espacial. 2004. 93f. Dissertação (Mestrado em Ciências Geodésicas e Tecnologias da Geoinformação) – Centro de Tecnologia e Geociências, Universidade Federal de Pernambuco, Recife. CRUZ, I.; CAMPOS, V. B. G. Sistemas de informações geográficas aplicados à análise espacial em transportes, meio ambiente e ocupação do solo. In: RIO DE TRANSPORTES, III, 2005, Rio de Janeiro. Anais do III Rio de Transportes, Rio de Janeiro: UFRJ, 2005. ELAKSHER, A. F. Using LIDAR-based DEM to orthorectify Ikonos panchromatic images. Optics and Laser in Engineering, v. 47, p. 629-635, fev. 2009. EL-RABBANY, A. Introduction to GPS: the global positioning system. 1a Edição. Norwood: Artech House, 2002. 176p.

107

FLORENZANO, T. G. Iniciação em sensoriamento remoto. 3ª Edição ampliada e atualizada. São Paulo: Oficina de Textos, 2011. 128p. HUANG, Z.et al. Web-based GIS: the vector-borne disease airline importation risk (VBDAIR) tool. International Journal of Health Geographics, v. 11, n. 33, p. 1-14, 2012. IBGE. Recomendações para levantamentos relativos estáticos - GPS. 2008. Disponível em ftp://geoftp.ibge.gov.br/documentos/geodesia/pdf/recom_gps_internet.pdf. Acesso em 25 set. 2013; INFRAERO. Aeroporto de São Paulo - Campo de Marte. 2012 Disponível em http://www.infraero.gov.br/index.php/br/aeroportos/sao-paulo/aeroporto-campo-demarte.html. Acesso em 30 set. 2013. INFRAERO. Estatísticas dos Aeroportos. 2013. Disponível em http://www.infraero.gov.br/index.php/br/estatistica-dos-aeroportos.html. Acesso em 28 fev. 2014. INTERNATIONAL CIVIL AVIATION ORGANIZATION. DOC 8168 OPS/611: procedures for air navigation services fifth edition: construction of visual and instrument flight procedures. Montreal, 2006. 783p.; INTERNATIONAL CIVIL AVIATION ORGANIZATION. DOC 9613 performance based navigation (PBN) manual third edition. Montreal, 2008. 294p;

AN/937:

JIA, X. et al.. ARO: geographic information system-based system for optimizing airport runway orientation. Journal of Transportation Engineering, v. 130, p. 555-559, out 2004. KAMIYA, T. et al. Airport obstacle extraction by aerial photograph stereo matching. In: APRS/MAPPS Specialty Conference, 2009, San Antonio. Proceeding…San Antonio: APRS, 2009. KAPLAN, E.; HEGARTY, C. Understanding GPS: principles and applications. 2a Edição. Norwood: Artech House, 2006. 723p; KO, J. H.; CHANG, S. I.; LEE, B. C. Noise impact assessment by utilizing noise map and GIS: a case study in the city of Chungju, Republic of Korea. Applied Acoustics, v. 72, p. 544-550, 2011. LONGLEY, P. A. et al. Sistemas e Ciência da Informação Geográfica. 3a Edição. Porto Alegre: Bookman, 2013. 560p. LV, Z. et al. Automatic updating and 3D modeling of airport information from high resolution images using GIS and LIDAR data. Proceedings of SPIE, v. 6790, nov. 2007. MARTINS, J. L. F. Utilização de imagens de alta resolução no mapeamento e gerenciamento de zonas de proteção de aeródromos. Revista Brasileira de Cartografia, v. 63, n. 4, p. 449459. dez 2011; MEDEIROS, D. M. C. Sistemas de aproximação RNAV e RNP AR: estudo para aeroporto da Ilha do Pico. 2010. 137f. Dissertação (Mestrado em Engenharia Aeronáutica) Universidade da Beira Interior, Covilhã;

108

MENESES, P. R.; ALMEIDA, T. Introdução ao processamento de imagens de sensoriamento remoto. 1ª Edição. Brasília: UNB, 2012. 276p. MERCHANT, D. C. Spatial Accuracy Standards for Large Scale Line Maps. Technical Papers of the American Congress on Surveying and Mapping, v. 1, p. 222-231,1982. MICELI, B. S. et al. Comparação da avaliação vertical de modelos digitais de elevação para médias e pequenas escalas em diferentes condições topográficas. In: SIMPOSIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DA INFORMAÇÃO, 3, 2010. Anais..., Recife: UFPE, 2010, p.01-07. MONICO, J. F. G. Posicionamento pelo GNSS: descrição, fundamentos e aplicações. 2ª Edição. São Paulo: Editora UNESP, 2008. 480p. MÜLLER, M. Avaliação da influência da configuração de voo para aquisição de dados LIDAR na qualidade das variáveis florestais extraídas em florestas plantadas. 2013, 177f. Tese (Doutorado em Ciências Agrárias) – Universidade Federal do Paraná, Curitiba. NOGUEIRA JR., J. B. Controle de qualidade de produtos cartográficos: uma proposta metodológica. 2003. 147f. Dissertação (Mestrado em Ciências Cartográficas) – Universidade Estadual Paulista, Presidente Prudente. NOVO, E. M. L. M. Sensoriamento remoto: princípios e aplicações. 4ª Edição. São Paulo: Blucher, 2010. 387p. PARISH, C. E. Analysis of airborne laser-scanning system configurations for detecting airport obstructions. 2003. 121f. Dissertação (Mestrado em Ciências) - University of Florida, Gainesville. PARISH, C. E.; NOWAK, R. D. Improved approach to LIDAR airport obstruction surveying using full-waveform data. Journal of Surveying Engineering, v. 135, p. 72-82, mai 2009. RICHARDS, J.; JIA, X. Remote Sensing Digital Image Analysis. 4a Edição. Berlin: Springer, 2006. 454p; ROCHA. R. Exatidão cartográfica para as cartas digitais urbanas. 2002. 128f. Tese (Doutorado em Engenharia de Produção) – Universidade Federal de Santa Catarina, Florianópolis. SANCHES, P. S.; BURGHOUWT, G.; BARBERA, M. P. An appraisal of the CORINE land cover database in airport catchment area analysis using a GIS approach. Journal of Air Transport Management, v. 34, p. 12-16, 2014. SANTOS, G. S. Sistema de Informação Geográfica de Participação Pública aplicado à gestão do uso do solo urbano impactado pelo ruído aeronáutico. 2012. 78f. Dissertação (Mestrado em Engenharia de Infraestrutura Aeronáutica) – Instituto Tecnológico de Aeronáutica, São José dos Campos. SILVA, A. J. F. M. O uso de polinômios racionais na ortorretificação de imagens de satélite. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 13, 2007, Florianópolis. Anais..., São José dos Campos: INPE, 2007. p. 1289-1295.

109

SILVA, E. R. (2007). Uma Arquitetura Orientada a Serviços para Roteamento Personalizado. 2007. 117f. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Campina Grande, Campina Grande. VOLOTÃO, C. F. S. Geração de ortoimagens para aplicações urbanas: desenvolvimento das equações e protótipo experimental. 2001. 115f. Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais, São José dos Campos. ZIMMER, N.; WIPPLINGER, P.; SCHIEFELE, J. Synthetic Generation of Airport Familiarization using Geo Information Systems. In: REMOTE SENSING FOR ENVIRONMENTAL MONITORING, GIS APPLICATIONS, AND GEOLOGY, VII, 2007. Proceedings of SPIE, v. 6749, nov. 2007.

FOLHA DE REGISTRO DO DOCUMENTO 1.

CLASSIFICAÇÃO/TIPO

5.

TÍTULO E SUBTÍTULO:

DM

2.

DATA

3.

03 de dezembro de 2014

REGISTRO N°

DCTA/ITA/DM-062/2014

4.

N° DE PÁGINAS

109

Sistema de informações geográficas no apoio ao gerenciamento de obstáculos à superfície de segmento visual. 6.

AUTOR(ES):

Fábio Anderson Batista dos Santos 7.

INSTITUIÇÃO(ÕES)/ÓRGÃO(S) INTERNO(S)/DIVISÃO(ÕES):

Instituto Tecnológico de Aeronáutica – ITA 8.

PALAVRAS-CHAVE SUGERIDAS PELO AUTOR:

Sistema de Informações Geográficas; Sensoriamento Remoto; Superfície de Segmento Visual; Obstáculos em aeroportos; Ortorretificação de imagens; Análise espacial. 9.PALAVRAS-CHAVE RESULTANTES DE INDEXAÇÃO:

Sistema de informações geográficas; Sensoriamento remoto; Topografia; Aeroportos; Engenharia aeroportuária; Engenharia civil. 10. APRESENTAÇÃO: X Nacional Internacional ITA, São José dos Campos. Curso de Mestrado. Programa de Pós-Graduação em Engenharia de Infraestrtura Aeronáutica. Área de Transporte Aéreo e Aeroportos. Orientador: Prof. Dr. Carlos Müller. Defesa em 23/10/2014. Publicada em 2014. 11.

RESUMO:

De forma a preservar a segurança das operações de pouso por instrumentos nos aeroportos, a Organização Internacional de Aviação Civil instituiu uma superfície imaginária denominada Superfície de Segmento Visual (VSS). Nenhum novo procedimento de aproximação por instrumento pode ser publicado caso haja obstáculos à sua VSS. Além disso, a existência de obstáculos pode ocasionar o cancelamento de um procedimento de aproximação por instrumento já publicado. No Brasil, A Agência Nacional de Aviação Civil só aprova voos regulares em aeroportos com procedimentos de aproximação por instrumento publicado. Nesse sentido, pode-se afirmar que a existência de obstáculos à VSS pode ocasionar o cancelamento da operação de voos regulares no aeroporto. O objetivo deste trabalho foi desenvolver uma metodologia para utilização de Sistema de Informações Geográficas (SIG) no apoio ao gerenciamento de obstáculos à VSS. Dentre os objetivos específicos, podem-se citar a proposição de uma metodologia para o uso adequado de uma imagem de satélite em uma ferramenta SIG e a proposição de metodologia para realização de análise espacial em SIG para a detecção de obstáculos à VSS. Como estudo de caso, foi selecionado o Aeroporto de Campo de Marte (SBMT), em São Paulo, no qual a existência de obstáculos pode inviabilizar a publicação de procedimentos de aproximação por instrumento. Para corrigir as distorções da imagem de satélite, foi realizado processo de ortorretificação, pelo método dos coeficientes de polinômios racionais (RPC) e tendo como dados de entrada pontos de controle de solo levantados a partir de posicionamento GPS relativo estático-rápido e Modelo Digital de Elevação (MDE). Para a identificação de qual implantação constante de um cadastro era ou não obstáculo à VSS, foi realizada análise espacial em duas dimensões associada a uma consulta baseada em conceitos de geometria analítica. Como resultado, foram encontrados 21 obstáculos à VSS da cabeceira 12 e 4 obstáculos à VSS da cabeceira 30 do SBMT. A seguir, a imagem de satélite ortorretificada foi utilizada para a identificação visual dos obstáculos. Com exceção das antenas de celular, que possuem áreas pequena, todos os obstáculos puderam ser visualizados na imagem. Como conclusão do trabalho, pode-se afirmar que a metodologia de ortorretificação mostrouse adequada para a imagem utilizada. Após da realização de análise estatística para avaliação da qualidade posicional, a imagem foi classificada como PEC A para a escala 1:5000. A imagem ortorretificada pôde ser considerada adequada à sua utilização no presente trabalho, uma vez que foi usada apenas para a identificação visual dos obstáculos. Outra conclusão do trabalho é que a aplicação em SIG desenvolvida mostrou-se adequada à análise de obstáculos à VSS, mesmo sem utilizar um pacote de ferramentas para análise 3D. 25 dos 26 obstáculos foram identificados através da análise espacial em SIG, o que representa uma eficiência de 96%. 12.

GRAU DE SIGILO:

(X ) OSTENSIVO

( ) RESERVADO

( ) CONFIDENCIAL

( ) SECRETO