A Unidade de Gerenciamento de Recursos Hídricos n° 11 (UGRHI 11) correspondente à Bacia Hidrográfica do Rio Ribeira de Iguape e Litoral Sul e pequenas bacias litorâneas adjacentes, se localiza ao sul do Estado de São Paulo. Esta unidade apresenta grande diversidade de ambientes terrestres e aquáticos, envolvendo extensas áreas de relevo serrano, com fortes declividades e várzeas encaixadas e um setor composto por planícies costeiras, manguezais, terraços marinhos e fluviais. É uma região sensível não só nos aspectos da biodiversidade, mas também no âmbito dos processos geomorfológicos, pois se trata de ambiente extremamente propício aos desencadeamentos de processos erosivos de todos os tipos, bem como altamente susceptível a escorregamentos de encostas e rolamentos de blocos. O objetivo deste trabalho foi desenvolver possíveis cenários futuros de uso e ocupação do solo, baseando-se na evolução deste uso durante 24 anos (1986 - 2010) e prever cenários para 2025, analisando o crescimento ou regressão das classes de uso e ocupação do solo e considerando nessa evolução temporal a ação de agentes modificadores do terreno. A primeira fase da metodologia foi composta pela elaboração de mapas de suscetibilidade a ero são e movimentos de massa utilizando os métodos RUSLE e Combinação Linear Ponderada, respectivamente. Posteriormente, através de classificação não supervisionada , elaborou-se mapas de uso e ocupação do solo da UGRHI-11 referente a 1986, 1999 e 2010. Através da aplicação das técnicas de Titus e Narayanan, Pfeffer, Ramhstorf e modelo do Intergovernmental Panel on Climate Change, no ArcGIS, calculou-se a vulnerabilidade do Complexo Estuarino-Lagunar de Cananéia-Iguape a um potencial aumento do nível do mar em 2025, 2050 e 2100. Os mapas de uso e ocupação do solo de 1986, 1999 e 2010, aliados aos mapas de suscetibilidade à erosão e movimentos de massa foram utilizados nas Cadeias de Markov, acopladas a um algoritmo de Autômato Celular, no IDRISI Taiga, para a simulação do uso e ocupação do solo da UGRHI-11, em 2025. Na última fase da metodologia, foram avaliadas as classes de uso e ocupação do solo que possivelmente serão afetadas por um evento de máxima preamar, em 2025. Como conclusão, a utilização de diferentes tipos de ferramentas das geotecno logias mostrou-se eficaz e mesmo integrando diferentes \"frentes\" de trabalho: mapeamento de áreas suscetíveis a movimentos de massa e erosão; mapeamento do uso e cobertura do solo da UGRHI-11 e simulação do cenário de 2025; além do cálculo da vulnerabilidade a um potencial aumento do nível do mar (2025, 2050 e 2100). Foi possível agregar todos estes produtos e elaborar o produto final, a quantificação das áreas das classes de uso e ocupação do solo do Complexo Estuarino-Lagunar de Iguape-Cananéia, em 2025. / The water resources managing unit 11 (UGRHI-11) corresponds to Ribeira de Iguape r iver Drainage Basin and São Paulo State Southern Coast and small adjacent basins is located in south of São Paulo State. This unit presents great diversity of terrestrial and aquatic environments, big areas of dissected relief with high slopes and lowland and a sector consists of coastal plains, mangroves, marine and river terraces. It is a region sensible not only to biodiversity aspects but included to geomorphology process because it\'s an environment conducive to erosion and landslides processes. The goal of this search was develop possible scenarios of soil use and occupation based in the evolution during 24 years (1986 - 2010) and forecast scenarios to 2025, analyzing the growth or retraction of classes of soil use and occupation and considering in this temporal evolution the actions of terrain modifiers. In the first step of methodology was developed the maps of susceptibility to erosion and landslides with the use of RUSLE and Weight Linear Combination. In the next step by using unsupervised classification were prepared maps of soil use and occupation of UGRHI -11 relative to years 1986, 1999 and 2010. The methods of Titus y Narayanan, Pfeffer, Ramhstorf and Intergovernmental Panel on Climate Change model were processed in the ArcGIS 10 program with the goal of calculate the vulnerability of Complexo Estuarino -Lagunar de Cananéia-Iguape to a potential increase in sea level in 2025, 2050 and 2100. The maps of soil use and occupation of 1986, 1999 and 2010 allies to the maps of erosion and landslides were used in Markov Chain Analysis and Cellular Automata in the IDRISI Taiga to simulation of classes of soil use and occupation of UGRHI-11 in 2025. In the last step were evaluated the classes of soil use and occupation that will be affected by one possible high tide event in 2025. The conclusion is that the application of differents kinds of geotecnology tools was effective even integrating different jobs: mapping of susceptible areas to erosion and landslides; mapping of soil use and simulation of scenarios o f 2025; beyond the calculation of vulnerability to a potential increase in sea level in (2025, 2050 and 2100). It was possible to aggregate all these products and to elaborate the last product the quantification of areas of classes of soil use and occupation of Complexo Estuarino-Lagunar de Iguape-Cananéia, in 2025.

A Unidade de Gerenciamento de Recursos Hídricos n° 11 (UGRHI 11) correspondente à Bacia Hidrográfica do Rio Ribeira de Iguape e Litoral Sul e pequenas bacias litorâneas adjacentes, se localiza ao sul do Estado de São Paulo. Esta unidade apresenta grande diversidade de ambientes terrestres e aquáticos, envolvendo extensas áreas de relevo serrano, com fortes declividades e várzeas encaixadas e um setor composto por planícies costeiras, manguezais, terraços marinhos e fluviais. É uma região sensível não só nos aspectos da biodiversidade, mas também no âmbito dos processos geomorfológicos, pois se trata de ambiente extremamente propício aos desencadeamentos de processos erosivos de todos os tipos, bem como altamente susceptível a escorregamentos de encostas e rolamentos de blocos. O objetivo deste trabalho foi desenvolver possíveis cenários futuros de uso e ocupação do solo, baseando-se na evolução deste uso durante 24 anos (1986 - 2010) e prever cenários para 2025, analisando o crescimento ou regressão das classes de uso e ocupação do solo e considerando nessa evolução temporal a ação de agentes modificadores do terreno. A primeira fase da metodologia foi composta pela elaboração de mapas de suscetibilidade a ero são e movimentos de massa utilizando os métodos RUSLE e Combinação Linear Ponderada, respectivamente. Posteriormente, através de classificação não supervisionada , elaborou-se mapas de uso e ocupação do solo da UGRHI-11 referente a 1986, 1999 e 2010. Através da aplicação das técnicas de Titus e Narayanan, Pfeffer, Ramhstorf e modelo do Intergovernmental Panel on Climate Change, no ArcGIS, calculou-se a vulnerabilidade do Complexo Estuarino-Lagunar de Cananéia-Iguape a um potencial aumento do nível do mar em 2025, 2050 e 2100. Os mapas de uso e ocupação do solo de 1986, 1999 e 2010, aliados aos mapas de suscetibilidade à erosão e movimentos de massa foram utilizados nas Cadeias de Markov, acopladas a um algoritmo de Autômato Celular, no IDRISI Taiga, para a simulação do uso e ocupação do solo da UGRHI-11, em 2025. Na última fase da metodologia, foram avaliadas as classes de uso e ocupação do solo que possivelmente serão afetadas por um evento de máxima preamar, em 2025. Como conclusão, a utilização de diferentes tipos de ferramentas das geotecno logias mostrou-se eficaz e mesmo integrando diferentes \"frentes\" de trabalho: mapeamento de áreas suscetíveis a movimentos de massa e erosão; mapeamento do uso e cobertura do solo da UGRHI-11 e simulação do cenário de 2025; além do cálculo da vulnerabilidade a um potencial aumento do nível do mar (2025, 2050 e 2100). Foi possível agregar todos estes produtos e elaborar o produto final, a quantificação das áreas das classes de uso e ocupação do solo do Complexo Estuarino-Lagunar de Iguape-Cananéia, em 2025. / The water resources managing unit 11 (UGRHI-11) corresponds to Ribeira de Iguape r iver Drainage Basin and São Paulo State Southern Coast and small adjacent basins is located in south of São Paulo State. This unit presents great diversity of terrestrial and aquatic environments, big areas of dissected relief with high slopes and lowland and a sector consists of coastal plains, mangroves, marine and river terraces. It is a region sensible not only to biodiversity aspects but included to geomorphology process because it\'s an environment conducive to erosion and landslides processes. The goal of this search was develop possible scenarios of soil use and occupation based in the evolution during 24 years (1986 - 2010) and forecast scenarios to 2025, analyzing the growth or retraction of classes of soil use and occupation and considering in this temporal evolution the actions of terrain modifiers. In the first step of methodology was developed the maps of susceptibility to erosion and landslides with the use of RUSLE and Weight Linear Combination. In the next step by using unsupervised classification were prepared maps of soil use and occupation of UGRHI -11 relative to years 1986, 1999 and 2010. The methods of Titus y Narayanan, Pfeffer, Ramhstorf and Intergovernmental Panel on Climate Change model were processed in the ArcGIS 10 program with the goal of calculate the vulnerability of Complexo Estuarino -Lagunar de Cananéia-Iguape to a potential increase in sea level in 2025, 2050 and 2100. The maps of soil use and occupation of 1986, 1999 and 2010 allies to the maps of erosion and landslides were used in Markov Chain Analysis and Cellular Automata in the IDRISI Taiga to simulation of classes of soil use and occupation of UGRHI-11 in 2025. In the last step were evaluated the classes of soil use and occupation that will be affected by one possible high tide event in 2025. The conclusion is that the application of differents kinds of geotecnology tools was effective even integrating different jobs: mapping of susceptible areas to erosion and landslides; mapping of soil use and simulation of scenarios o f 2025; beyond the calculation of vulnerability to a potential increase in sea level in (2025, 2050 and 2100). It was possible to aggregate all these products and to elaborate the last product the quantification of areas of classes of soil use and occupation of Complexo Estuarino-Lagunar de Iguape-Cananéia, in 2025.

Submitted by JOSELINA DE SOUZA CORREIA null (joselina.scorreia@gmail.com) on 2017-01-10T13:04:37Z No. of bitstreams: 1 Tese oficial _ Joselina de Souza Correia . 2017.pdf: 2214453 bytes, checksum: 2a09bae07d69c106a4dd8c34d57ecd39 (MD5) / Approved for entry into archive by Juliano Benedito Ferreira (julianoferreira@reitoria.unesp.br) on 2017-01-12T13:56:01Z (GMT) No. of bitstreams: 1 correia_js_dr_bot.pdf: 2214453 bytes, checksum: 2a09bae07d69c106a4dd8c34d57ecd39 (MD5) / Made available in DSpace on 2017-01-12T13:56:01Z (GMT). No. of bitstreams: 1 correia_js_dr_bot.pdf: 2214453 bytes, checksum: 2a09bae07d69c106a4dd8c34d57ecd39 (MD5) Previous issue date: 2016-11-18 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Diante das situações de escassez hídrica que ocorrem no Semiárido Brasileiro, e do contínuo aumento populacional naquela região são procurados meios que otimizem o uso da água. O objetivo desse trabalho foi analisar e criar uma perspectiva, dentro das variações ocorridas nos padrões de uso e ocupação do solo, por meio de imagens de satélites e da infiltração de água no solo, para subsidiar o uso racional da área, da água no Perímetro de Irrigação Pontal Sul, em Pernambuco. Para isso, foi feito o uso de geotecnologias, para fornecer elementos subsidiando uma melhor gestão em larga escala. Duas imagens LANDSAT para os anos2000-2015, foram analisadas e classificadas por meio do programa ArcGis, para comparação dos diferentes tipos de uso do solo. As classes e subclasses foram definidas por processo não supervisionado, seguido por supervisionado, sendo o perímetro dividido em duas classes, área antropizada e área natural, e esses subdivididos em solo descoberto e agricultura irrigada, e em Caatinga densa e Caatinga raleada, respectivamente. As mesmas imagens foram analisadas pelo programa IDRISI, e seus resultados confrontados com os encontrados pelo ArcGis. Foram utilizados dados de 21 testes de infiltração, da água no solo determinados por meio da metodologia dos anéis concêntricos, de onde se obteve a velocidade de infiltração básica (VIB). Os dados encontrados foram ajustados por vários modelos, e o de Kostiakov e a função potência foram os mais qualificados para os tipos de solo do perímetro. Quanto ao uso da terra, a Caatinga densa está presente em 22,1% e 24,8%; a Caatinga rala representa 51,2% e 39,1%; e a classe solo está descoberto em 26,75% e 33,64% da área do perímetro, respectivamente em 2000 e 2015. A agricultura irrigada foi visível apenas no ano de 2015 com 2,45% da área. Quando comparados, os programas evidenciaram algumas similaridades, e relativa coerência no uso e transformação das classes do solo, sendo que o IDRISI atribuiu a algumas classes uma extensão superior ao determinado pelo ArcGis. Como divergência, o programa IDRISI registrou presença de água superficial no primeiro cenário e agricultura irrigada em ambos os anos. A VIB foi classificada como muito alta e aponta a região como arenosa sob as condições analisadas, o que dificulta sua retenção hídrica e favorece sua infiltração. Os cenários sinalizam regiões parcialmente similares como zonas potenciais, para expansão da agricultura irrigada, legitimando a eficiência dessas geotecnologias na gestão e perspectiva de uso do perímetro de irrigação. / In face of the water stress situations that occur in the Brazilian semi-arid, as well as the continued population growth in that region, the use of water resources should be maximized. Thus, the aim of this study was to analyze and create a perspective within the variations of land use patterns, through the image analysis and soil water infiltration, for guiding the use of irrigated area inside of the Pontal Sul Irrigation Scheme, state of Pernambuco, Brazil. For this, the use of geotechnology was made to provide elements for a better area management. Satellite images (2000-2015), provided by the INPE and Codevasf, were analyzed and classified by the ArcGIS software for investigation and comparison of land use. The classes and subclasses were defined by unsupervised process, followed by supervised one, and the irrigation scheme was divided into two classes, anthropic area and natural area, and these were subdivided into discovered and irrigated agriculture soil, and dense Caatinga and thinned Caatinga, respectively. The same images were analyzed by IDRISI software, and the results compared with those found by ArcGis. Data from 21 infiltration tests were used, determined by the methodology of concentric rings, where basic infiltration rate (BIR) was derived. The data were adjusted for several models, and the Kostiakov and the power function models were the most qualified to the irrigation scheme soils. Regarding the use of the land, dense Caatinga is present in 22.1% and 24.8%; the thinned Caatinga represents 51.2% and 39.1%; and the soil is uncovered in 26.75% and 33.64% of the irrigation scheme area, respectively in 2000 and 2015. Irrigated agriculture was visible only in the year 2015, in 2.45% of the area. Both software showed some similarities and consistency on the use and transformation of soil classes, and IDRISI assigned to a higher extent class determined by the ArcGis. As divergence IDRISI software recorded the presence of surface water in the first scenario and irrigated agriculture in both years. The BIR was classified as very high and indicated that soils as sandy under the conditions analyzed, which makes its water retention low and favors water infiltration. The scenarios indicate partially similar regions as potential areas for expansion of irrigated agriculture, legitimizing the efficiency of these geotechnology in management and in the perspective of the irrigation scheme use. / CNPq:161122/2012-4

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Áreas alagadas são importantes devido à grande biodiversidade que sustentam e aos serviços ambientais gerados pela sua conservação. Essas áreas, quando dominadas por macrófitas, tendem a suportar grande biodiversidade e assumir grande valor de conservação. Assim, o monitoramento do estabelecimento deste importante componente do ecossistema durante um projeto de recuperação de ecossistemas é importante para avaliar o sucesso da sua recuperação. Este trabalho teve como objetivo estimar aquantidade de biomassa por área acumulada em um ecossistema ao longo de um gradiente de recuperação. Através da classificação não supervisionada gerada a partir de de imagens de satélite de alta resolução (GeoEye-1) e amostragem destrutiva foram estimadas quantidades de biomassa por área em três alagados em recuperação na Reserva Ecológica Guapiaçú. A classificação não supervisionada se mostrou uma ferramenta acurada e eficiente no mapeamento de classes de vegetação. Os alagados estudados apresentam uma taxa de acúmulo de carbono anual estimada em 1,12 MgC.hec-1 atingindo um máximo de 5.55 MgC.hec-1 no terceiro ano. Adicionalmente, foi observada uma correlação negativa entre biomassa e profundidade. / Wetlands are important due to the substantial biodiversity they maintain and for the ecosystem services they provide. These areas when colonized by macrophytes tend to support great biodiversity and assume great value for conservation. Therefore monitoring the establishment of these important ecosystem features during the recovery of reconstructed wetlands is made necessary to evaluate the success of such projects. Here, the main objective was to estimate the amount of biomass accumulated by the macrophyte growth during the first 6 years of a wetland recovery project. From unsupervised classification generated from high resolution satellite imagery and destructive field sampling the accumulated biomass of macrophyte beds was estimated in 3 reconstructed wetlands at Reserva Ecológica Guapiaçú, Rio de Janeiro. Unsupervised classification was shown to be an effective and accurate tool for mapping vegetation classes. The studied wetlands showed an annual carbon accumulation rate of 1,12 MgC.hec-1 with apparent decrease in rate over time and with the maximum accumulated biomass of 5,55 MgC.hec-1 in the third year. A negative correlation between water depth and biomass was observed.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Áreas alagadas são importantes devido à grande biodiversidade que sustentam e aos serviços ambientais gerados pela sua conservação. Essas áreas, quando dominadas por macrófitas, tendem a suportar grande biodiversidade e assumir grande valor de conservação. Assim, o monitoramento do estabelecimento deste importante componente do ecossistema durante um projeto de recuperação de ecossistemas é importante para avaliar o sucesso da sua recuperação. Este trabalho teve como objetivo estimar aquantidade de biomassa por área acumulada em um ecossistema ao longo de um gradiente de recuperação. Através da classificação não supervisionada gerada a partir de de imagens de satélite de alta resolução (GeoEye-1) e amostragem destrutiva foram estimadas quantidades de biomassa por área em três alagados em recuperação na Reserva Ecológica Guapiaçú. A classificação não supervisionada se mostrou uma ferramenta acurada e eficiente no mapeamento de classes de vegetação. Os alagados estudados apresentam uma taxa de acúmulo de carbono anual estimada em 1,12 MgC.hec-1 atingindo um máximo de 5.55 MgC.hec-1 no terceiro ano. Adicionalmente, foi observada uma correlação negativa entre biomassa e profundidade. / Wetlands are important due to the substantial biodiversity they maintain and for the ecosystem services they provide. These areas when colonized by macrophytes tend to support great biodiversity and assume great value for conservation. Therefore monitoring the establishment of these important ecosystem features during the recovery of reconstructed wetlands is made necessary to evaluate the success of such projects. Here, the main objective was to estimate the amount of biomass accumulated by the macrophyte growth during the first 6 years of a wetland recovery project. From unsupervised classification generated from high resolution satellite imagery and destructive field sampling the accumulated biomass of macrophyte beds was estimated in 3 reconstructed wetlands at Reserva Ecológica Guapiaçú, Rio de Janeiro. Unsupervised classification was shown to be an effective and accurate tool for mapping vegetation classes. The studied wetlands showed an annual carbon accumulation rate of 1,12 MgC.hec-1 with apparent decrease in rate over time and with the maximum accumulated biomass of 5,55 MgC.hec-1 in the third year. A negative correlation between water depth and biomass was observed.

Somente no ano de 2011 foram adquiridos mais de 1.000TB de novos registros digitais de imagem advindos de Sensoriamento Remoto orbital. Tal gama de registros, que possui uma progressão geométrica crescente, é adicionada, anualmente, a incrível e extraordinária massa de dados de imagens orbitais já existentes da superfície da Terra (adquiridos desde a década de 70 do século passado). Esta quantidade maciça de registros, onde a grande maioria sequer foi processada, requer ferramentas computacionais que permitam o reconhecimento automático de padrões de imagem desejados, de modo a permitir a extração dos objetos geográficos e de alvos de interesse, de forma mais rápida e concisa. A proposta de tal reconhecimento ser realizado automaticamente por meio da integração de técnicas de Análise Espectral e de Inteligência Computacional com base no Conhecimento adquirido por especialista em imagem foi implementada na forma de um integrador com base nas técnicas de Redes Neurais Computacionais (ou Artificiais) (através do Mapa de Características Auto- Organizáveis de Kohonen SOFM) e de Lógica Difusa ou Fuzzy (através de Mamdani). Estas foram aplicadas às assinaturas espectrais de cada padrão de interesse, formadas pelos níveis de quantização ou níveis de cinza do respectivo padrão em cada uma das bandas espectrais, de forma que a classificação dos padrões irá depender, de forma indissociável, da correlação das assinaturas espectrais nas seis bandas do sensor, tal qual o trabalho dos especialistas em imagens. Foram utilizadas as bandas 1 a 5 e 7 do satélite LANDSAT-5 para a determinação de cinco classes/alvos de interesse da cobertura e ocupação terrestre em três recortes da área-teste, situados no Estado do Rio de Janeiro (Guaratiba, Mangaratiba e Magé) nesta integração, com confrontação dos resultados obtidos com aqueles derivados da interpretação da especialista em imagens, a qual foi corroborada através de verificação da verdade terrestre. Houve também a comparação dos resultados obtidos no integrador com dois sistemas computacionais comerciais (IDRISI Taiga e ENVI 4.8), no que tange a qualidade da classificação (índice Kappa) e tempo de resposta. O integrador, com classificações híbridas (supervisionadas e não supervisionadas) em sua implementação, provou ser eficaz no reconhecimento automático (não supervisionado) de padrões multiespectrais e no aprendizado destes padrões, pois para cada uma das entradas dos recortes da área-teste, menor foi o aprendizado necessário para sua classificação alcançar um acerto médio final de 87%, frente às classificações da especialista em imagem. A sua eficácia também foi comprovada frente aos sistemas computacionais testados, com índice Kappa médio de 0,86. / Only in 2011 were acquired over 1.000TB of new digital image registers arising from orbital remote sensing. This range of data, which has a geometric progression increasing, is added annually to an extraordinary and incredible mass of data from existing satellite images of Earth's surface (acquired since the 70s of last century). This massive amount of raw data requires computational tools which allow the automatic recognition of image patterns desired to allow the extraction of geographical objects and targets of interest more quickly and concisely. The proposal for such recognition to be performed automatically through Spectral Analysis and Computational Intelligence integration, based on knowledge acquired by image experts, was implemented as an integrator based on Computational Neural Networks (via Kohonens Self-Organizing Feature Maps - SOM) and Fuzzy Logic (through Mamdani) techniques. These techniques were applied to the spectral signatures pattern formed by the quantization levels or gray levels of the corresponding pattern in each spectral band of each pattern of interest, so that the pattern classification will depend, in an inseparable manner, of the spectral signatures correlation of the six bands of the sensor, like the work of image experts. Bands 1 to 5 and 7 of the Landsat-5 satellite were used for the determination of five classes / targets of interest in cover and land occupation, in three test areas located in the State of Rio de Janeiro (Guaratiba, Mangaratiba and Magé) in this integration with comparison of results with those derived from the interpretation of the imaging expert, which was corroborated by checking the ground truth. There was also a results comparison obtained with two commercial computer systems (IDRISI Taiga and ENVI 4.8) with the integrator, regarding the quality of classification (Kappa) and response time. The integrator, with hybrid classifications (supervised and unsupervised) in its implementation, proved to be effective in multispectral automatic (unsupervised) pattern recognition and in learning of these patterns, because as the input of a new test area occurs, the lower became the process of learning, which achieve a final average accuracy o f 87%, compared to the experts classifications. Its efficacy was also demonstrated compared to systems tested, with average Kappa of 0.86.

Somente no ano de 2011 foram adquiridos mais de 1.000TB de novos registros digitais de imagem advindos de Sensoriamento Remoto orbital. Tal gama de registros, que possui uma progressão geométrica crescente, é adicionada, anualmente, a incrível e extraordinária massa de dados de imagens orbitais já existentes da superfície da Terra (adquiridos desde a década de 70 do século passado). Esta quantidade maciça de registros, onde a grande maioria sequer foi processada, requer ferramentas computacionais que permitam o reconhecimento automático de padrões de imagem desejados, de modo a permitir a extração dos objetos geográficos e de alvos de interesse, de forma mais rápida e concisa. A proposta de tal reconhecimento ser realizado automaticamente por meio da integração de técnicas de Análise Espectral e de Inteligência Computacional com base no Conhecimento adquirido por especialista em imagem foi implementada na forma de um integrador com base nas técnicas de Redes Neurais Computacionais (ou Artificiais) (através do Mapa de Características Auto- Organizáveis de Kohonen SOFM) e de Lógica Difusa ou Fuzzy (através de Mamdani). Estas foram aplicadas às assinaturas espectrais de cada padrão de interesse, formadas pelos níveis de quantização ou níveis de cinza do respectivo padrão em cada uma das bandas espectrais, de forma que a classificação dos padrões irá depender, de forma indissociável, da correlação das assinaturas espectrais nas seis bandas do sensor, tal qual o trabalho dos especialistas em imagens. Foram utilizadas as bandas 1 a 5 e 7 do satélite LANDSAT-5 para a determinação de cinco classes/alvos de interesse da cobertura e ocupação terrestre em três recortes da área-teste, situados no Estado do Rio de Janeiro (Guaratiba, Mangaratiba e Magé) nesta integração, com confrontação dos resultados obtidos com aqueles derivados da interpretação da especialista em imagens, a qual foi corroborada através de verificação da verdade terrestre. Houve também a comparação dos resultados obtidos no integrador com dois sistemas computacionais comerciais (IDRISI Taiga e ENVI 4.8), no que tange a qualidade da classificação (índice Kappa) e tempo de resposta. O integrador, com classificações híbridas (supervisionadas e não supervisionadas) em sua implementação, provou ser eficaz no reconhecimento automático (não supervisionado) de padrões multiespectrais e no aprendizado destes padrões, pois para cada uma das entradas dos recortes da área-teste, menor foi o aprendizado necessário para sua classificação alcançar um acerto médio final de 87%, frente às classificações da especialista em imagem. A sua eficácia também foi comprovada frente aos sistemas computacionais testados, com índice Kappa médio de 0,86. / Only in 2011 were acquired over 1.000TB of new digital image registers arising from orbital remote sensing. This range of data, which has a geometric progression increasing, is added annually to an extraordinary and incredible mass of data from existing satellite images of Earth's surface (acquired since the 70s of last century). This massive amount of raw data requires computational tools which allow the automatic recognition of image patterns desired to allow the extraction of geographical objects and targets of interest more quickly and concisely. The proposal for such recognition to be performed automatically through Spectral Analysis and Computational Intelligence integration, based on knowledge acquired by image experts, was implemented as an integrator based on Computational Neural Networks (via Kohonens Self-Organizing Feature Maps - SOM) and Fuzzy Logic (through Mamdani) techniques. These techniques were applied to the spectral signatures pattern formed by the quantization levels or gray levels of the corresponding pattern in each spectral band of each pattern of interest, so that the pattern classification will depend, in an inseparable manner, of the spectral signatures correlation of the six bands of the sensor, like the work of image experts. Bands 1 to 5 and 7 of the Landsat-5 satellite were used for the determination of five classes / targets of interest in cover and land occupation, in three test areas located in the State of Rio de Janeiro (Guaratiba, Mangaratiba and Magé) in this integration with comparison of results with those derived from the interpretation of the imaging expert, which was corroborated by checking the ground truth. There was also a results comparison obtained with two commercial computer systems (IDRISI Taiga and ENVI 4.8) with the integrator, regarding the quality of classification (Kappa) and response time. The integrator, with hybrid classifications (supervised and unsupervised) in its implementation, proved to be effective in multispectral automatic (unsupervised) pattern recognition and in learning of these patterns, because as the input of a new test area occurs, the lower became the process of learning, which achieve a final average accuracy o f 87%, compared to the experts classifications. Its efficacy was also demonstrated compared to systems tested, with average Kappa of 0.86.