Faced with the challenge of establishing a regional mapping of anthromes as a tool for territorial planning, this study focused on analyzing land use and cover data produced in Brazil by the Brazilian Institute of Geography and Statistics. The main objective was to identify essential data characteristics to serve as geospatial information for regional mapping. We performed exploratory analysis, data mining, manipulation, and plotting. Subsequently, we created static and interactive maps to analyze data spatialization and cartography construction, followed by validation and uncertainty studies to assess product quality. The results demonstrate that the data provided sufficient information for mapping construction. Additionally, statistical analyses confirmed the mapping’s alignment with national and international indices, affirming the quality of the regional mapping of land use and cover anthromes. We established a geocomputational structure in R for national-scale application. Moreover, as free code, this structure can be adapted to other territories, enabling replication and analysis in various contexts.

Esta investigação, desenvolvida no software R, buscou analisar os dados populacionais brasileiros como fonte para a construção do mapeamento regional dos biomas antropogênicos, com olhos na aplicação dele na gestão territorial nacional. Seguindo as diretrizes do mapeamento global dos antromas, foram realizadas as etapas de análise exploratória, mineração, junção e plotagem dos dados censitários, de modo a reconhecer e a identificar características relevantes dos conjuntos populacionais para construção do mapeamento dos antromas povoados brasileiros. Sequencialmente, foram construídos os mapeamentos estático e interativo, de modo a verificar a espacialização das informações censitárias nas cartografias. Complementarmente, foram produzidos os estudos de validação e incerteza dos mapeamentos, de maneira a confirmar a qualidade dos produtos gerados nesta pesquisa. Diante dos resultados obtidos, verificou-se que o mapeamento regional dos antromas povoados aproximou de forma significativa a informação populacional da realidade local, frente ao mapeamento global dos antromas terrestres. Constatou-se ainda que a fonte de dados analisada forneceu informações suficientes para a distribuição da população no mapeamento dos antromas povoados, caracterizando-a e especializando-a de acordo com os dados originais. Ademais, as análises estatísticas comprovaram que a modelagem empregada nesta investigação gerou resultados relevantes que asseguravam a qualidade do mapeamento. Deste modo, comprovou-se que os dados utilizados e a modelagem adequavam-se ao uso futuro de construção do mapeamento regional dos antromas brasileiros. Além disso, estabeleceu-se um formato analítico que pode ser replicado em diferentes contextos territoriais que visem a aplicação da modelagem de antromas na gestão territorial.

This study, developed in R software, proposes a regional model of populated anthromes for applications in environmental management and socioecological analysis. Based on global anthromes mapping guidelines, census data were explored, mined, merged, and plotted to identify population patterns. Static and interactive maps were produced, followed by validation and uncertainty assessments to ensure quality. Results indicate that the regional model closely reflects local population realities compared to global mapping, with sufficient data to characterize demographic distribution. Statistical analyses confirmed the robustness of the approach, demonstrating how Metrology, Human Ecology, and Geocomputation integrate to structure socioecological models and validate geospatial information. The framework can be replicated in other territorial contexts for anthromes-based management.

A presente apostila refere-se ao curso de Processamento Digital de Imagens (PDI). Ela foi construída para servir de roteiro de aula prática na disciplina de PDI, realizada na Universidade Federal de Uberlândia (UFU) para o curso de Geografia (Instituto de Geografia). Nela são apresentadas diferentes ferramentas para a análise, tratamento e manipulação de imagens orbitais. A base teórica para sua construção foi o Livro “Introdução ao Processamento de Imagens de Sensoriamento Remoto” de Meneses et al. (2012). Vale destacar que nosso foco foi transpor procedimentos executados em softwares de PDI para o universo da programação, mais propriamente ao Software R. Por tal, ao início de cada capítulo da apostila fazemos menção ao(s) capítulo(s) do livro de Meneses et al. (2012), de modo que nosso leitor possa complementar a compreensão dos procedimentos com esta formidável base teórica. Esperamos que a **Apostila Processamento Digital de Imagens em R** possa ilustrar alguns dos inúmeros procedimentos associados ao Processamento Digital de Imagem. Além disso, pretendemos com esta apostila demonstrar o poder analítico do Software R, trazendo de forma didática e dinâmica como a programação pode ser um recurso diferencial no geoprocessamento e em seus desdobramentos.

Histogramas, quantização e amostragem são etapas fundamentais no processamento de imagens orbitais. O histograma representa a distribuição dos níveis de cinza, revelando contraste e brilho. A quantização define o número de níveis de intensidade possíveis, enquanto a amostragem determina a resolução espacial. Juntas, essas etapas influenciam diretamente a qualidade, o detalhamento e a interpretação das imagens.

A Análise de Componentes Principais (PCA) é uma técnica estatística usada para reduzir a dimensionalidade de conjuntos de dados, identificando padrões e relações entre variáveis. Em imagens orbitais, a PCA permite representar de forma mais compacta as informações, facilitando a visualização, compressão e extração de características. Quando aplicada a imagens em escala de cinza, ela identifica os modos dominantes de variabilidade nos valores de intensidade dos pixels, reorganizando-os segundo sua importância. Assim, a imagem resultante mantém as informações essenciais, embora possa apresentar aparência diferente — geralmente mais simplificada ou suavizada — devido à redução de componentes principais.

O ajuste e realce de imagens orbitais permitem destacar ou atenuar características específicas dos pixels para melhorar a interpretação visual e analítica. Técnicas comuns incluem filtragem passa-alta (realce de bordas), filtragem passa-baixa (suavização), equalização de histograma, ajuste de brilho e contraste, segmentação e transformações morfológicas. A escolha do método depende do objetivo da análise e das feições de interesse. No R, pacotes como raster, rgdal e EBImage possibilitam aplicar esses procedimentos de forma eficiente. Além disso, o recorte prévio das imagens é recomendado para otimizar o processamento, focando nas áreas relevantes e reduzindo o custo computacional.

A Morfologia Matemática é um conjunto de operações aplicadas a imagens para realçar, extrair ou modificar estruturas espaciais. No Processamento Digital de Imagens (PDI), essas técnicas — como erosão, dilatação, abertura e fechamento — são usadas para remover ruídos, destacar objetos e segmentar áreas de interesse. No R, pacotes como EBImage, raster e terra permitem aplicar essas operações de forma eficiente, integrando análises espaciais e visuais no contexto da geocomputação.

A aritmética de bandas envolve operações matemáticas entre diferentes bandas espectrais de uma imagem orbital, como soma, subtração, multiplicação e divisão. Essas operações permitem realçar feições, calcular índices espectrais e integrar informações de diferentes comprimentos de onda. No R, pacotes como raster e terra facilitam essas operações, possibilitando análises como NDVI, NDWI e outros índices ambientais diretamente em ambiente de geocomputação e Processamento Digital de Imagens (PDI).

A correção geométrica de imagens orbitais garante a precisão espacial no Processamento Digital de Imagens (PDI), ajustando distorções causadas pela topografia, sensores, movimento orbital e rotação da Terra. No R, pacotes como raster, rgdal, sp e sf permitem aplicar pontos de controle, realizar reprojeções e avaliar a qualidade da correção pelo erro RMS. Esse processo assegura o alinhamento espacial das imagens, fundamental para análises de sensoriamento remoto e integração com dados geográficos vetoriais.

A fusão de imagens orbitais combina dados de diferentes sensores ou plataformas para gerar uma imagem mais completa e precisa, aprimorando a resolução espacial, espectral ou temporal. Essa técnica é essencial no sensoriamento remoto e pode ser aplicada no RStudio por meio de pacotes como raster, terra, rgdal, rgeos e landsat. Com essas ferramentas, é possível integrar, processar e analisar imagens para aplicações em monitoramento ambiental, agricultura de precisão, planejamento urbano e detecção de mudanças na paisagem, tornando o R uma plataforma robusta para o Processamento Digital de Imagens (PDI) e geocomputação.

A classificação de imagens orbitais em R consiste em identificar e categorizar padrões na superfície terrestre a partir dos dados espectrais dos pixels. Utilizando pacotes como raster, terra e caret, é possível aplicar métodos supervisionados e não supervisionados para distinguir diferentes classes de uso e cobertura do solo. Essa etapa é essencial no Processamento Digital de Imagens (PDI) e na geocomputação, auxiliando na análise ambiental e no planejamento territorial.

R é uma linguagem poderosa para análise estatística, visualização e geocomputação. O RStudio oferece um ambiente integrado que facilita o uso do R, enquanto o RMarkdown permite unir código, texto e resultados em documentos dinâmicos e reprodutíveis. No contexto da geocomputação e do Processamento Digital de Imagens (PDI), essas ferramentas possibilitam análises espaciais, manipulação de dados orbitais e geração de produtos cartográficos com precisão e eficiência.