Um dos principais objetivos do sensoriamento remoto é o de distinguir entre e identificar as composições de diferentes materiais superficiais, sejam eles tipos de vegetação, padrões de uso do solo, rochas e outros. Essa distinção e identificação torna-se possível devido ao fato dos materiais superficiais terem comportamentos específicos ao longo do espectro eletromagnético, comportamentos esses que podem, portanto, ser utilizados para identificá-los (Crósta, 1992). O presente trabalho teve como objetivo estabelecer uma relação entre as assinaturas espectrais de uma imagem Landsat ETM+, com as fitofisionomias de uma área do bioma Cerrado de Mato Grosso do Sul, ou seja, identificar diferentes tipos de vegetação de acordo com a chave fitofisionômica proposta por Ribeiro e Walter (1998), através de uma chave de assinaturas espectrais proposta por Paranhos Filho (2000). A identificação das fitofisionomias é possível através do uso do sensoriamento remoto e de técnicas de geoprocessamento. Obteve-se, assim, uma carta de cobertura do solo aplicando-se técnicas de geoprocessamento. Esta carta de cobertura do solo representa também as fitofisionomias presentes na área. A identificação e quantificação das fitofisionomias presentes no bioma Cerrado são de extrema importância para o manejo e conservação da sua biodiversidade.

A área de estudo corresponde à carta topográfica Campo Grande (SF.21-X-B-II), escala 1:100.000 da Divisão do Serviço Geográfico do Exército (DSG,1972), que engloba parte do Município de Campo Grande. A imagem utilizada foi Landsat 7 (sensor ETM+) de 17 de junho de 2002, órbita/ponto 225/074 (Projeção UTM, Datum Córrego Alegre, fuso 21). A primeira etapa do trabalho compreendeu a escanerização da carta, a qual foi corrigida geometricamente e georreferenciada através do software Erdas Imagine (Erdas, 1997).  O mesmo software foi utilizado para o georreferenciamento e corte (com limites coincidentes com os da folha Campo Grande) da imagem Landsat. Após as etapas de pré-processamento, a imagem foi classificada automaticamente (utilizando-se pontos de controle de campo), utilizando-se o software Erdas Imagine (Erdas, 1997). A classificação automática supervisionada redivide a imagem em classes baseadas nas áreas de treinamento (training samples) fornecidas ao sistema pelo usuário. Métodos estatísticos (máxima verossimilhança) são utilizados para classificar o pixel de acordo com sua máxima semelhança a cada uma das diferentes classes criadas durante o processo de treinamento (Paranhos, 2000).  Após a correção dos problemas identificados na classificação automática (áreas sombreadas são classificadas como corpos aquosos, por exemplo), agrupou-se as classes semelhantes e, conseqüentemente, suas áreas foram somadas.

Gerou-se uma carta de cobertura do solo, na qual as 16 classes espectrais utilizadas na classificação automática supervisionada resultaram em 13 classes de cobertura do solo, as quais, por sua vez, relacionam-se com a chave fitofisionômica de Ribeiro e Walter (1998). Estas classes tiveram suas áreas quantificadas (em hectares): Mata Ciliar/Galeria – 3687,12; Cerradão – 24895,10; Cerrado – 20026,90; Áreas Refletantes (rochas expostas etc.) – 3019,77; Campo Seco/ Alto – 5145,12; Campo Baixo – 15540,03; Lago/Corpos Aquosos – 1191,87; Rios – 3052,62; Áreas Úmidas – 37412,50; Queimadas – 393,84; Campo Sujo – 153053,0; Área Arada – 15952,57 e Área Urbana – 17534,26.