GEOTECNOLOGIAS COMO SUBSÍDIO AO GERENCIAMENTO DAS LINHAS DE TRANSMISSÃO DE ENERGIA ELETRICA

Guilherme Clasen Wosny1

Francisco Henrique de Oliveira2

Mariane Alves Dal Santo3

Universidade do Estado de Santa Catarina – UDESC Laboratório de Geoprocessamento – GeoLab

Rua Deodoro, 256 – Ed. Manoel Maia – 3º Andar – Sala 43 Florianópolis/SC CEP: 88010-020 Fone: (48)212-5301

1gcwosny@hotmail.com 2chicooliveira@yahoo.com.br

3marianedalsanto@udesc.br

RESUMO As empresas de Energia Elétrica necessitam de uma metodologia que possibilite o monitoramento e gestão dos corredores de segurança que abrangem as Linhas de Transmissão - LT´s, devido aos processos de invasão e descontrole sobre estas áreas. A pesquisa foca o desenvolvimento de uma metodologia de coleta, sistematização e manutenção de dados espaciais, baseado em tecnologias de Sensoriamento Remoto, Mapeamento Temático e Sistema de Informação Geográfica, eficazes no monitoramento e gestão ambiental das áreas de risco no entorno e sob as LT`s. Assim, utilizam-se imagens de alta resolução, sistemas computacionais e mapas temáticos que visem a demanda do sistema de transmissão de energia. Adquirindo imagens Quickbird junto à empresa Eletrosul e definindo sobre as imagens, a Faixa de Segurança, Faixa de Domínio e Faixa de Servidão das linhas de transmissão através da sobreposição de vetores, realizou-se o reconhecimento e a primeira análise visual de uso e ocupação do solo. Foi desenvolvido o processamento digital da imagem no software ERDAS 8.5, visando ressaltar as feições de interesse, através da interpretação e classificação supervisionada do uso e ocupação do solo. Definiu-se dados vetorialmente no software ArcView 9.0 – tendo-se claramente uma visão de todo (trecho) e das áreas de maior risco ambiental. Aliado a esta atividade foi gerado um banco de dados alfanumérico e fotográfico contemplando as características do uso e ocupação do solo, bem como das torres de transmissão. Por fim, os mapas temáticos permitiram a quantificação da supressão da vegetação, as coordenadas geográficas das torres de transmissão, os meios de acesso à manutenção e reparo dos equipamentos e ainda determinou-se área de invasão, as quais são de grande interesse para os órgãos gestores.

Palavras chaves: Sistema de Informação Geográfica, Imagem de Satélite de Alta Resolução, Linhas de Transmissão de Energia Elétrica.

ABSTRACT The Electric Power companies needs an effective methodology that allow them to monitoring and manage the security corridors, which are enclose the Line Transmissions - LT's, due to the invasion processes and uncontrolled area. The research emphasize the development of a collection methodology, systematization and maintenance of spatial database, based on technologies of Remote Sensing, Thematic Mapping and Geographic Information System. Which are efficient in the monitoring and management matters of risk areas around and under LT`s. Thus, high-resolution images, computers systems and thematic maps are used aiming to give support for system of energy transmission. By this way, it was getting Quickbird images, with Eletrosul company, and defining on images, the Security Corridor, Domain Corridor and Servitude Corridor of lines transmissions through overlapping vectors. After this work became the recognition and the first visual analysis of ground use and occupation. The digital image processing was made by software ERDAS 8.5, aiming to underline the interest features, through interpretation and supervised classification of ground use and occupation. It was defined by vector through software ArcView 9,0 - having clearly vision of environment risk areas. Added to this activity was generated an alphanumeric and photographic database getting characteristics of ground use and occupation, as well as the communications towers. Finally, the thematic maps allowed to measure the vegetation got off, the geographic coordinates of the communications towers, the ways of access to the maintenance and repair the equipment and still define the invasion area, which is the greatest interest for the managing agencies. Keywords: Geographic Information System, High Resolution Imagery, Transmission Lines

1 INTRODUÇÃO A distribuição de energia elétrica de longa

distância, atualmente transmitida por cabos e sustentada por torres, é o único meio viável de se efetuar essa operação. Devido ao constante aumento populacional, a demanda pela terra tem aumentado e a sua oferta diminuído, fazendo com que gestores públicos e privados, bem como pesquisadores se preocuparem com a otimização, produtividade e uso racional da terra. Nesse contexto a transmissão de energia a longas distancias tem como desafio manter um equilíbrio econômico e ambiental nesse processo necessitando de uma solução prática no monitoramento das faixas de servidão ao menor custo possível.

O setor elétrico nacional planeja aumentar a

capacidade de geração, criando uma perspectiva que apesar de positiva sob o ponto de vista econômico, é preocupante sob o ponto de vista ambiental. Aliado a este contexto, surgem as geotecnologias, com o princípio de associar bancos de dados alfanuméricos a dados gráficos para espacializar e diagnosticar a real situação das LT`s.

O Brasil por ser um país de dimensões

continentais possui muitas linhas distantes dos aglomerados e áreas urbanas, dificultando e encarecendo o controle, acesso e manutenção desse

conjunto. Neste contexto a proposta da pesquisa se volta à criação de uma metodologia de monitoramento das áreas de faixas de servidão de Linhas de Transmissão (LT´s) de Energia Elétrica, utilizando as ferramentas do geoprocessamento e relacionando a sistematização e manutenção de dados espaciais, baseado em tecnologias de Sensoriamento Remoto, Mapeamento Temático e Sistemas de Informação Geográfica eficazes na gestão ambiental nas áreas de risco, no entorno e sob as LT`s.

2 METODOLOGIA

A metodologia (Figura 1) proposta nesse

trabalho visou um diagnóstico ambiental referente aos trechos de faixa de servidão das LT`s. Foram caracterizadas as irregularidades junto à legislação (Nome, numero, ano) que compete a esses cuidados.

Enfocamos o uso das geotecnologias, como

Sistemas de Informação Geográfica (SIG), Sistemas de Tratamento de Imagens, Imagens de Satélites, etc. Além da classificação das imagens, bem como a confecção de mapas temáticos que auxiliam no Estudo de Impacto Ambiental. Assim, a implantação de atividades de apoio e manutenção das LT´s se apóiam numa logística em que o geoprocessamento faz parte desta cadeia.

Fig. 1 - Seqüência metodológica utilizada no desenvolvimento do projeto

Distancia Mínima

Imagem Quickbird

Processamento Digital de Imagem

Classificação não-supervisionada

14 classes Reagrupadas em 5 temas

Classificação Supervisionada

Max Ver

Paralelepípedo

Análise da Faixa de Servidão

Tratamento Visual

Software SIG

Análise e Conclusões

Utilizando-se o sistema SIG foram identificadas as construções e edificações que se encontram dentro das áreas de servidão da LT o os pontos críticos relativos à vegetação de grande porte que devem ser monitorados com maior freqüência. Alem disso foi gerado um banco de dados alfa numérico, a fim de gerenciar as informações coletadas e relacionar com possíveis áreas de risco, áreas propensas a sinistros, mantendo assim atualizadas as informações referentes as linhas, num sistema computacional que possibilita disponibilizar esses dados para consultas em terminais de rede ou sistemas internos para os gestores da empresa.

3 ETAPAS METODOLÓGICAS 3.1 COLETA DE DADOS

Primeiramente foi coletado todo o material

cartográfico pré-existente que continha informações pertinentes a área. Foram utilizadas Cartas do IBGE na escala 1:50.000 no intuito de diagnosticar priemiramente o quadro geomorfológico da área a ser trabalhada.. Também foram coletados croquis detalhados que contém informações pertinentes aos limites de propriedades dos terrenos que encontram-se no trecho do eixo principal da LT, caracterizando um

cadastramento rural. Além desses dados, foram solicitadas junto a empresa ELETROSUL, informações sobre a legislação (nome, numero,ano) que caracterizam a responsabilidade sobre a concessionária, pertinente a posse e gerenciamento das faixas de servidão.

Imagens de alta resolução espacial

Quickbird de alguns trechos das Linhas de Transmissão foram adquiridos juntamente com arquivos vetoriais CAD contendo dados pertinentes às LT`s. Outros pontos importante na coleta de dados foram as coordenadas adquiridas por GPS para tomada da localização das torres das LT`S já implantadas. Feições gráficas digitalizadas através de uma imagem ortorretificada, e mapas escanerizados ou tomados a campo por uma equipe de agrimensores também foram usados.

A imagem de satélite Quickbird utilizada no

desenvolvimento desse trabalho compreendeu um imageamento exclusivo para os trechos das LT`s. A imagem foi doada pela ELETROSUL através de um convênio para realização de um projeto em parceria com UDESC. As características da imagem encontram-se na Tabela 1 e seu recorte compreende uma distância de 9km junto ao eixo da linha por 3 Km de ortogonalidade a essa direção.

T A B E L A 1 - C A R A C T E R Í S T I C A D A I M A G E M - Q U I C K B I R D

Especificação Técnica

R e s o l u ç ã o e s p a c i a l : M u l t i e s p e c t r a l : 0 , 6 0 c m

R e s o l u ç ã o e s p e c t r a l : 1 ª B a n d a ( A z u l ) : 0 , 4 5 – 0 , 5 2 µ m

2 ª B a n d a ( V e r d e ) : 0 , 5 2 – 0 , 6 0 µ m 3 ª B a n d a ( V e r m e l h o ) : 0 , 6 3 – 0 , 6 9 µ m

R e s o l u ç ã o r a d i o m é t r i c a : 1 1 b i t s ( 2 0 4 8 n í v e i s d e c i n z a ) D a t a d o i m a g e a m e n t o : O u t u b r o / 2 0 0 1

3.2 DEFINIÇÃO DAS FAIXAS DE SERVIDÃO

O trecho utilizado denominado para o desenvolvimento do projeto, a área compõe uma margem de segurança de 32,5 metros para cada lado numa medida perpendicular ao eixo central das torres, ou seja, junto a linha central, neste caso abordando a LT de 500kV. Entretanto a largura da Faixa de Servidão segundo a Eletrosul, varia conforme a tensão da Linha A Figura 2 mostra um croqui exemplificativo da largura das faixas de servidão das linhas de 69, 138, 230 e 500kV de tensão. As concessionárias de energia

elétrica necessitam informações precisas e abrangentes dessas áreas, pois a faixa de servidão é indenizada junto ao antigo proprietário e fica de posse e responsabilidade da empresa. O monitoramento dos terrenos adjacentes as faixas de servidão também merecem um cuidado, visto que principalmente onde há uma vegetação arbórea ou reflorestamento de pinos, podem atingir as linhas, seja por quedas ocasionadas por vendavais ou mesmo pelo seu crescimento não monitorado, causando assim sinistros.

F i g . 2 : O r i e n t a ç ã o t é c n i c a d a E l e t r o s u l

3.3 PROCESSAMENTO DIGITAL DA IMAGEM Para realizar a metodologia de

Processamento Digital da Imagem (PDI) foi necessário, primeiramente, a compreensão e leitura sobre os procedimentos de realização de transformações digitais com as aplicações dos softwares, no caso o ERDAS 8.7 e o SPRING 4.1 (INPE/BR).

A manipulação de imagens digitais é um

processo que exige um domínio amplo tanto na parte conceitual com nos softwares específicos de aplicação.

Um dos objetivos da familiarização com o

PDI foi desenvolver, empiricamente, uma metodologia voltada ao tratamento das imagens tomadas das Linhas de Transmissão de Energia Elétrica. Dessa forma, foi criada uma tabela exemplifica os testes e aplicações dos principais filtros, mascaras e funções que os softwares de PDI para sensoriamento remoto ofereceram. (Quadro 1). Todas as operações de manipulação da imagem foram aplicadas sempre em paralelo às Linhas de Transmissão, averiguando-se a possibilidade de utilização para algum fim num posterior processo de classificação ou interpretação.

QUADRO 1 – Aplicação e exemplificação dos filtros nas imagens de sensoriamento remoto

Imagem Monocromática Imagem Colorida Imagem Quickbird visando as Linhas de Transmissão

Im

agem

Ori

gina

l

Imag

em F

iltr

ada

– D

etec

ção

de B

orda

não

L

inea

r m

odel

o de

op

eraç

ão: S

obel

Esse tipo de filtragem visando as linhas de transmissão busca basicamente o que os filtros lineares de

realce e detecção de bordas fazem. A vantagem desse tipo de filtro é na maior precisão no processo posterior de setorização da imagem, onde formas geométricas são detectadas com maior precisão para a

análise posterior pelo intérprete ou pela máquina.

3.4 CLASSIFICAÇÃO DA IMAGEM

O processo de classificação é realizado com

o objetivo de reconhecer padrões e objetos homogêneos através da extração de informações na imagem. Gerando, então, uma imagem constituída por um agrupamento de pixels classificados, que são representados por cores ou símbolos gráficos. No trabalho manipulou-se a imagem segundo a classificação supervisionada e a não supervisionada ou automática com o intuito de avaliar a qualidade dessa classificação em imagens de alta resolução espacial, visto que os softwares e programas desenvolvidos não são totalmente dirigidos para esse tipo de produto.

3.4.1 CLASSIFICAÇÃO NÃO-SUPERVISIONADA

Nesta classificação utilizou-se o método “iso

data” disponibilizado no software ERDAS. Tomando como referência a operação Maximum Iterations 12, que significa o número de vezes que o software reagrupa os dados. Para este exemplo, em específico, foram atribuídas 14 classes ao processamento de classificação. A tabela de cores utilizada no processamento digital da imagem se caracterizou pelo sistema RGB, conforme apresentado na Figura 3. O sistema, primeiramente, classifica o numero de classes desejadas em cores mais próximas do real e após a interpretação visual do resultado de cada grupo homogêneo, inferido em cada classe da imagem processada, foram atribuídas as seguintes classes temáticas: sombra, solo avermelhado, solo marrom, solo claro e vegetação. Depois agregou-se algumas classes e definiram-se as cores conforme a Figura 4.

A seguir apresentam-se as Tabelas 2 e 3

com as estruturas das feições selecionadas após a interpretação da classificação na área de faixa de servidão, bem como sua correlação com a realidade após o reagrupamento das classes.

Na tabela 2 percebe-se que para as classes

sombra, solo marrom, solo vermelho e solo claro, para

para a classe vegetação, 6 classes foram agrupadas para gerar uma única, resultando num percentual de recobrimento de 42,85% observando-se, então, que para esse trecho a semelhança entre as classes agrupadas deu-se em maior numero para as áreas de vegetação. Na Tabela 3 ressalta-se a definição das cores utilizadas no sistema ERDAS e seus respectivos valores em RGB.

cada duas classes houve um único agrupamento, assim

TABELA 2 – TAXA DE RECOBRIMENTO DAS CLASSES INICIAIS NOS 5 TEMAS ATRIBUÍDOS T E M A A T R I B U I D O R E C O B R I M E N T O % T O T A L D E

R E C O B R I M E N T O S o m b r a 2 / 1 4 1 4 , 2 8 %

S o l o M a r r o m 2 / 1 4 1 4 , 2 8 % S o l o V e r m e l h o 2 / 1 4 1 4 , 2 8 %

S o l o C l a r o 2 / 1 4 1 4 , 2 8 % V e g e t a ç ã o 6 / 1 4 4 2 , 8 5 %

T A B E L A 3 – V A L O R E S R G B P A R A A S 1 4 C L A S S E S P R I M E I R A M E N T E C L A S S I F I C A D A E N O V A C O L O R A Ç Ã O A T R I B U Í D A P A R A O R E C O B R I M E N T O

Fig. 3 – Classificação Não Supervisionada em RGB

com 14 classes.

Fig. 4 – Classificação Não Supervisionada reagrupadas em 5 classes.

3.4.2 CLASSIFICAÇÃO SUPERVISIONADA

A classificação supervisionada leva em

consideração assinaturas espectrais para sua realização. A Figura 05 mostra o resultado pós-execução do método de classificação supervisionada, utilizando o algoritmo de Distância Mínima. Portanto, através desta técnica, as áreas de treinamento definem regiões no espaço de dados n-dimensional, no qual o processo de classificação baseia-se na projeção de cada pixel do mesmo espaço. Assim, percebe-se que para este caso especificamente a qualidade, diferenciação e portanto visualização das LT´s em relação ao resto das feições presentes na imagem, ficou pouco contrastada. Outra característica dessa classificação, foi quantidade de pixels reagrupados como o tema “vegetação” que superou muito as expectativas levando em consideração a foto interpretação com a imagem original. Percebe-se então a dificuldade de classificar esse tipo de imagem, pois num tema abrangente, envolvendo somente o padrão puramente espectral, o software não consegue atender a uma qualidade necessária.

Para o caso do algoritmo Paralelepípedo,

apresentado na Figura 06, o resultado apresentou uma

imagem classificada na qual as LT´s se contrastaram em relação às outras feições presentes. A última classificação supervisionada definida pelo algoritmo de Máxima Verossimilhança, está apresentada na Figura 07, no qual as LT´s, objeto de interesse ao projeto, ficou pouco contrastada em relação as feições presentes na imagem. Entretanto, percebe-se claramente a quase total coincidência de resultado entre as imagens 05 e 07 e a dificuldade do software trabalhar com amostras espectrais com valores parecidos mas de classes distintas.

Foram tomadas 47 assinaturas espectrais

para a aplicação dos três algoritmos já mencionados, nos mesmos temas da tabela 04, entretanto esses temas foram atribuídos única e exclusivamente para efeito de processamento e análise da classificação de imagem, objetivando-se gerar o mapeamento temático. Primeiramente o objetivo de fazer a classificação automática supervisionada foi de averiguar se os resultados obtidos seriam ou não satisfatórios utilizando-se software ERDAS no processamento de imagens de alta revolução espacial. Neste contexto, foram padronizadas, conforme a Figura 08, as cores em relação às classes e conseqüentemente feições reconhecidas nas imagens.

F i g . 5 - Resultado da classificação supervisionada - algoritmo de DistânciaMínima

F i g . 6 - Resultado da classificação supervisionada utilizando algoritmo Paralelepípedo

F i g . 0 7 - Resultado da classificação supervisionada utilizando algoritmo de Máxima

Verossimilhança

Fig. 08 - Padronização de cores utilizada na classificação

A qualidade dos resultados nas classificações não-supervisonada e supervisionada não atingiram os resultados esperados, ou seja, as classes mapeadas na imagem não corresponderam a realidade do terreno , devido a dificuldade de reconhecimentos das feições de interesse, pelos software usados nas imagens de alta resolução

Conforme Centeno (2004), o melhor método

de se classificar imagens (supervisionada) dessa natureza (alta resolução espacial) é juntamente com a utilização de fato de programas que sejam desenvolvidos para este fim e que tenham recursos de inteligência artificial e aplicação de redes neurais. Segundo o autor o software E-COGNITION é atualmente um dos softwares comerciais com esse tipo

de aplicação. Assim a digitalização em tela foi a solução encontrada para a complementação do resultado alcançado com a classificação digital. 3.5 DIGITALIZAÇÃO EM TELA

Neste contexto, foi feita a digitalização em

tela, utilizando-se o software ArcView, definindo as classes de interesse ao projeto e passíveis de serem visualizadas e mapeadas. A Tabela 4 apresenta a área de cada classe e sua proporção no recorte da imagem trabalhado, onde as linhas em destaque se apresentam como ocupação irregulares dentro de faixas de servidão de linhas de transmissão. A Tabela 5 mostra as características das classes juntamente com o padrão de reconhecimento da mesmas.

T A B E L A 4 – C L A S S E S D I G I T A L I Z A D A S D E N T R O D A F A I X A D E S E R V I D Ã O .

C L A S S E S U B - C L A S S E Á R E A P R O P O R Ç Â O R E F L O R E S T A M E N T O 1 6 4 m 2 0 , 0 2 % A R B Ó R E A 1 9 0 8 1 7 m 2 3 1 , 0 7 % A R B U S T I V A 5 4 3 4 7 m 2 8 , 8 4 % A R B U S T I V A - H E R B Á C E A 9 2 7 1 8 m 2 1 5 , 9 8 %

V E G E T A Ç Ã O

H E R B Á C E A 6 8 3 5 3 m 2 1 1 , 1 3 % C U L T U R A , P A S T O 6 0 6 0 0 m 2 9 , 8 6 % E D I F I C A Ç Õ E S 7 8 2 m 2 0 , 1 2 % S O L O E X P O S T O 1 4 1 6 3 1 m 2 2 3 , 0 6 %

A R E A A N T R O P I Z A D A

C O R P O S D ` Á G U A 4 6 8 4 m 2 0 , 7 6 % T O T A L = F a i x a d e S e r v i d ã o 6 1 4 0 9 6 m 2 1 0 0 , 0 0 %

ocupações irregulares dentro de faixas de servidão de linhas de transmissão

T A B E L A 5 – C A R A C T E R Í S T I C A S D A S C L A S S E S E P A D R Ã O D E

R E C O N H E C I M E N T O Sub - Classe Característica Padrão de Reconhecimento

Reflorestamento Áreas com vegetação de padrão bastante homogêneo

Granulometria fotográfica homogênea característica de área de reflorestamento

Vegetação Arbórea Áreas com vegetação arbórea densa, emergente comuns.

Granulometria fotográfica grossa.

Vegetação Arbustiva Áreas com vegetação arbustiva, arbustivo-arbórea e/ou arbórea baixa.

Granulometria fotográfica muito fina a fina, no entorno da rede hidrográfica, com padrão diferente da vegetação não-sujeita à influência fluvial.

Vegetação Arbustiva-Herbácea

Áreas com vegetação natural herbáceo-arbustiva, arbustiva, arbustivo-arbórea e/ou arbórea baixa.

Granulometria fotográfica muito fina a fina, no entorno da rede hidrográfica, com padrão diferente da vegetação não-sujeita à influência fluvial.

Vegetação Herbácea Áreas com vegetação natural herbáceo-arbustiva, arbustiva, arbustivo-arbórea e/ou arbórea baixa.

Granulometria fotográfica muito fina a fina, no entorno da rede hidrográfica, com padrão diferente da vegetação não-sujeita à influência fluvial.

Cultura, Pasto Áreas destinadas à praticas da agricultura Granulometria fotográfica bastante heterogênea Edificações Construções de edificações, casebres,

estrebarias, galinheiros, etc. Granulometria fotográfica bastante homogênea

S o l o E x p o s t o Áreas sujeitas a queimadas constantes, retirada de vegetação e manejo diverso

Granulometria fotográfica bastante heterogênea

C o r p o s D ` á g u a Áreas referentes a represas, lagoas, lagos e afins

Granulometria fotográfica homogênea característica de corpos d’água

Obteve-se, então, a modelagem do banco de dados de imagens através da digitalização em tela das feições bióticas e abióticas (vegetação, solo, hidrografia, sistema viário, etc) da Faixa de Servidão, Faixa de Segurança e Faixa de Domínio das LT´s conforme a Figura 9.

A partir desse banco de dados foi elaborado o mapeamento temático da área e uma análise ambiental , sinalizando as irregularidades frente à legislação. Maior enfoque foi dado a determinação das invasões as quais são regidas por lei e a vegetação arbórea que invade a faixa de segurança das LT´s.

Fig. 9 – Modelagem do Banco de Dados

4 RESULTADOS E DISCUSSÕES

A estruturação dos dados no SIG teve como

base a imagem Quickbird do trecho das LTs, os pontos das torres tomados por GPS, bem como a vetorização das curvas de nível e da hidrografia. As áreas de servidão foram definidas a partir do eixo central das Torres e dentro deste limite foram gerados os níveis de informações.

Constou-se também, que a qualidade

cartográfica de restituição da imagem Quickbird atende às necessidades da Eletrosul quanto à escala mínima de mapeamento – 1:10.000, reforçando o bom resultado da resposta da imagem no objetivo do projeto.

Desta forma, os primeiros temas

digitalizados e inseridos foram as áreas antropizadas, as áreas de solo exposto, e as faixas de segurança,

seguidos das áreas vegetadas em vários estágios. Assim foi possível desenvolver um mapeamento temático de uso e ocupação do solo nas áreas de interesse, discriminando os tipos de vegetação.

A divisão de classes de uso do solo e

mapeamento de ocupação foi criada conforme a uma classificação que atende as necessidades das concessionárias de energia elétrica. Para a Eletrosul a informação mais importante em relação a cobertura vegetal é quanto ao porte, forma e tamanho da vegetação, pois esses quesitos são consideradas como possíveis riscos de sinistro junto as linhas. As benfeitorias situadas na faixa de servidão também são apontadas no mapeamento, por se encontrarem em situação irregular. Solo exposto, campos de cultura, pastagens, acessos viários, caminhos, açudes ou outros tipos de área antropizadas constam como informações

adicionais para a empresa ou para trabalhos relacionados com o tema.

Uma das vantagens de se trabalhar com a plataforma SIG é ter agilidade na consulta de dados que estão vinculados ao espaço. Desta forma as Empresas de Energia Elétrica podem efetuar o cadastramento das propriedades, das torres, linhas e proprietários, com mais agilidade uma vez que estes dados estão diretamente relacionados com a localização espacial.

As imagens de alta resolução mostraram-se

extremamente eficazes, como uma forma de visualização dessas informações em um percurso relativamente extenso.

As geotecnologias mostraram-se favoráveis

a detecção de invasões com edificações irregulares e vegetação de grande porte na faixa de domínio da LT. Dessa forma foi possível dimensionar os primeiros relatos das irregularidades à empresa, podendo posteriormente quantificar esses dados em forma de relatório de avaliação de serviços e situação da linha.

Futuramente, pode-se também adquirir

imagens com freqüências temporais das mesmas áreas, a fim de avaliar o crescimento ou declínio dessas irregularidades bem como a situação ambiental nas áreas de entorno das LT`s.

Uma outra aplicação importante a será a

distribuição das informações contidas no SIG via internet ou via rede interna (intranet), tornando acessível a qualquer departamento da empresa, o banco de dados espacial.

5 REFERÊNCIAS BIBLIOGRÁFICAS CENTENO.........2004. BRASIL, Lei........

B R E T E R N I T Z J o s é B r e t e r n i t z .

S i s t e m a s d e i n f o r m a ç õ e s g e o g r á f i c a s : u m a v i s ã o p a r a a d m i n i s t r a d o r e s e p r o f i s s i o n a i s d e t e c n o l o g i a d a i n f o r m a ç ã o . D i s p o n í v e l n a I n t e r n e t v i a h t t p : / / w w w . m o n o g r a f i a s . c o m / t r a b a j o s 1 0 /s i s i n / s i s i n . s h t m l A g o s t o , 2 0 0 4

C R O S T A , A l v a r o P e n t e a d o . P r o c e s s a m e n t o d i g i t a l d e i m a g e n s d e s e n s o r i a m e n t o r e m o t o . C a m p i n a s , S P : U n i c a m p , 1 9 9 2 . 1 7 0 p .

D Y M I N I S K I , A S . A n á l i s e d e P r o b l e m a s G e o t é c n i c o s A t r a v é s d e R e d e s N e u r a i s . R i o d e J a n e i r o . ( T e s e ) - U n i v e r s i d a d e F e d e r a l d o R i o d e J a n e i r o , 2 0 0 0 .

F A L C O N , J . P r o c e s s a m e n t o e A n á l i s e d e I m a g e n s . A r g e n t i n a : U n i v e r s i d a d N a c i o n a l d e C ó r d o b a , 1 9 9 3 . 1 9 8 p .

F A T O R G I S : a r e v i s t a d o g e o p r o c e s s a m e n t o . C u r i t i b a : S a g r e s , , 2 0 0 4 - . B i m e s t r a l . Í n d i c e a c u m u l a d o .

F O O T E , K e n n e t h E . L Y N C H M a r g a r e t . T h e G e o g r a p h e r ' s C r a f t P r o j e c t – S i s t e m a s d e I n f o r m a ç ã o G e o g r á f i c a c o m o u m a T e c n o l o g i a I n t e g r a d o r a : C o n t e x t o , C o n c e i t o s e D e f i n i ç õ e s . D i s p o n í v e l n a I n t e r n e t v i a W W W . U R L : h t t p : / / a s p . c p u n e t . c o m . b r / d n pm / G e o r e f / S I G T e o r i a . h t m A g o s t o , 2 0 0 4

F r a n k l i n , S . E . ; W i l s o n , B . A A T h r e e S t a g e C l a s s i f i e r f o r R e m o t e S e n s i n g o f M o u n t a i n E n v i r o n m e n t . P h o t o g r a m m e t r i c E n g i n e e r i n g a n d R e m o t e S e n s i n g . v . 5 8 , n . 4 , p . 4 4 9 - 4 5 4 , 1 9 9 2 .

G O N Z A L E S , R . C . ; W o o d s , R . E . P r o c e s s a m e n t o d e I m a g e n s D i g i t a i s . S ã o P a u l o : E d g a r d B l ü c h e r L t d a , 2 0 0 0 . 5 0 9 p .

H A Y K I N , S . R e d e s N e u r a i s . P r i n c í p i o s e p r á t i c a . P o r t o A l e g r e : B o o k m a n , 2 0 0 1 . 9 0 0 p .

H U T C H I N S O N , F . C . T e c h n i q u e s

f o r C o m b i n i n g L a n d s a t a n d A n c i l l a r y D a t a f o r D i g i t a l C l a s s i f i c a t i o n I m p r o v e m e n t . P h o t o g r a m m e t r i c E n g i n e e r i n g a n d R e m o t e S e n s i n g . v . 4 8 , n . 1 , p . 1 2 3 - 1 3 0 , 1 9 8 2 .

M A S C A R E N H A S , N . D . A ; V e l a s c o , F . R . D . P r o c e s s a m e n t o D i g i t a l d e I m a g e n s . B u e n o s A i r e s : K a p e l u s z , 1 9 8 9 .

M E Y E R , M . W e r t h . S a t e l l i t e D a t a : M a n a g e m e n t P a n a c e a o r P o t e n c i a l P r o b l e m ? J o u r n a l o f F o r e s t r y . v . 8 8 , n . 0 9 , p . 1 0 - 1 3 , 1 9 9 0 .

N E L S O N , M . M . ; I l l i n g w o t h , W . T . A P r a t i c a l G u i d e t o N e u r a l N e t w o r k s .

U S A : A d d i s o n - W e s l e y P u b l i s h i n g C o m p a n y , 1 9 9 1 .

N I S H I D A , W . U m a R e d e N e u r a l A r t i f i c i a l p a r a C l a s s i f i c a ç ã o d e I m a g e n s M u l t i e s p e c t r a i s d e S e n s o r i a m e n t o R e m o t o . F l o r i a n ó p o l i s . ( D i s s e r t a ç ã o ) - U n i v e r s i d a d e F e d e r a l d e S a n t a C a t a r i n a , 1 9 9 8 .

P A I M , G e o v a n a F r e i t a s . L O B Ã O , J o c i m a r a S o u z a B r i t t o . O L I V E I R A , J o ã o H e n r i q u e M o u r a e t a l . X S i m p ó s i o B r a s i l e i r o d e G e o g r a f i a F í s i c a A p l i c a d a O U s o d e G e o t e c n o l o g i a s p a r a a C a r a c t e r i z a ç ã o d o s G e o a m b i e n t e e m M u c u g ê n a C h a p a d a D i a m a n t i n a - B A [ o n l i n e ] D i s p o n í v e l n a I n t e r n e t v i a W W W . U R L : h t t p : / / w w w . c i b e r g e o . o r g / x s b g f a / c d r o m / ei x o 3 / 3 . 4 / 1 0 9 / 1 0 9 . H T M . A g o s t o , 2 0 0 4

P I N H E I R O , E d u a r d o d a S i l v a . A v a l i a ç ã o d e i m a g e n s Q U I C K B I R D n a a n á l i s e g e o g r á f i c a d e u m s e t o r d a M a t a A t l â n t i c a d o R i o G r a n d e d o S u l . 2 0 0 3 . 1 8 3 p . D i s s e r t a ç ã o ( M e s t r a d o e m S e n s o r i a m e n t o R e m o t o ) . I n s t i t u t o N a c i o n a l d e P e s q u i s a s E s p a c i a i s , S ã o J o s é d o s C a m p o s

R I B E I R O , S . R . A ; S a n t o s , D . R . ; C e n t e n o , J . S . A p l i c a ç ã o d a M e t o d o l o g i a

d e D a d o s O r i e n t a d o a O b j e t o n a C l a s s i f i c a ç ã o d e u m a Á r e a U r b a n i z a d a , U t i l i z a n d o u m a I m a g e m D i g i t a l O b t i d a p o r M e i o d a T e c n o l o g i a d o L a s e r S c a n n e r . P r e s i d e n t e P r u d e n t e , j u l . 2 0 0 2 . A n a i s : P r e s i d e n t e P r u d e n t e : U N E S P – S i m p ó s i o B r a s i l e i r o d e G e o m á t i c a , 2 0 0 2 . p . 1 4 4 - 1 4 9 .

R O C H A , C e z a r H e n r i q u e B a r r a . G e o p r o c e s s a m e n t o - T e c n o l o g i a T r a n s d i s c i p l i n a r .

R O C H A , L . P . S . e S T A M F O R D , S . V . M . S . E s t u d o " i n v i t r o " d a e f i c i ê n c i a d a s p o n t a s d i a m a n t a d a s , e m f u n ç ã o d o t e m p o . [ o n l i n e ] D i s p o n í v e l n a I n t e r n e t v i a W W W . U R L : h t t p : / / w w w . p r o p e s q . u f p e . b r / a n a i s / c c s / c c s 4 2 . h t m . A r q u i v o c o n s u l t a d o e m 1 1 d e j u n h o d e 1 9 9 9 .

R O S A , R o b e r t o ; B R I T O , J o r g e L u i s S i l v a . I n t r o d u ç ã o a o g e o p r o c e s s a m e n t o : s i s t e m a d e i n f o r m a ç ã o g e o g r á f i c a . U b e r l â n d i a : U n i v e r s i d a d e F e d e r a l d e U b e r l â n d i a , 1 9 9 6 . 1 0 4 p . I S B N 8 5 7 0 7 8 0 2 9 X ( b r o c h . ) .