Guia Do ENVI e Teledeteccion

Guia do ENVI em Português
Índice
A: Conceitos Básicos do Sensoriamento Remoto

1.Bases físicas do sensoriamento remoto ............................................................................... 1
1.1. O espectro electromagnético ............................................................................... 2
1.2. Influência atmosférica ............................................................................................ 2
1.3.Caraterísticas espectrais de alvos selecionados ...................................................... 2
1.3.1.Característica de reflexão e espectro de vegetação ............................ 3
1.3.2. Refletividade de solos ............................................................................... 4
1.3.3. Refletividade de minerais e rochas ...................................................... 5
1.3.4. Refletividade de áreas urbanas .................................................................. 5
2. Resolução das imagens de sensoriamento remoto ...................................................... 6

2.1. Resolução especial ............................................................................................ 6
2.2. Resolução espectral ............................................................................................ 6
2.3. Resolução radiométrica ............................................................................................ 6
3. Sistemas de satelites ......................................................................................................... 7

3.1. LANDSAT ..................................................................................................................... 8
3.2. SPOT ................................................................................................................... 11
3.3. KVR-1000 ................................................................................................................... 15
3.4. IKONOS ................................................................................................................... 15
3.5. SATÉLITE TERRA ....................................................................................................... 15
3.5.1. MODIS ....................................................................................................... 16
3.5.2. MISR ....................................................................................................... 18
3.5.3. ASTER ....................................................................................................... 19
3.5.4. CERES ....................................................................................................... 20
3.5.5. MOPPIT ....................................................................................................... 21
3.6 SATÉLITE AQUA ....................................................................................................... 22
3.7. QUICKBIRD ....................................................................................................... 23
3.8. ENVISAT ....................................................................................................... 23
3.9. CBERS ....................................................................................................... 24
3.10.EO–1 –EarthObserving 1 .......................................................................................... 24
3.10.1. ALI – Advanced Land Imager ................................................................ 26
3.10.2. AC – Atmospheric Corrector ................................................................ 27
3.10.3. Hyperion .......................................................................................... 28
B: Começar a trabalhar com o ENVI

1. O sistema de menu ......................................................................................................... 1
1.1. Menu principal ......................................................................................................... 1
1.2. Menu da janela gráfica (menu do display) .................................................................. 2
2. Conceitos de visualização ......................................................................................................... 3

2.1. Lista das bandas disponíveis ............................................................................... 3
2.2. Janela principal ......................................................................................................... 4
2.3. Janela global (Scroll Window) ............................................................................... 4
2.4. Janela de imagem ampliada (Zoom window) ...................................................... 5
2.5. Carregar janelas adicionais ("Display controls") ...................................................... 6
2.5.1. "Abrir Display Novo" ............................................................................... 6
2.5.2. "Iniciar Nova Janela de Vetor" .................................................................. 6
2.5.3. "Iniciar Nova Janela de Projeto" .................................................................. 6
SulSoft Serviços de Processamento de Dados Ltda. - Todos os direitos reservados

2.6. "Link Displays" ......................................................................................................... 7

2.7. “Geographic Link” ......................................................................................................... 7
2.8. Trabalhar com Tabelas de Cores ............................................................................... 8
2.9. Aumento de contraste (Realce) ............................................................................... 9
2.9.1. Realces de contraste padronizados .................................................... 10
2.9.2. Aumento de contraste interativo ................................................................ 10
2.10. ENVI Queue Manager .......................................................................................... 15
2.11. Restaurando displays .......................................................................................... 16
2.12. Salvando sessão para “Script” ............................................................................. 16
3. Importar Dados do Sensoriamento Remoto ................................................................ 17

3.1. Carregar imagens no formato ENVI ................................................................ 16
3.2. Abrir imagens em outros formatos ............................................................................. 17
3.3. Abrir arquivo vetorial .......................................................................................... 19
3.4. Lista de vetores disponíveis ............................................................................. 20
3.5. Conversão de arquivos vetoriais ............................................................................. 20
3.6. Gerenciador de Arquivos Georreferenciados (GeoBrowser) .......................... 20
4.Análise de Dados ................................................................................................................... 22

4.1. Perfil de conjunto de pixels da imagem ................................................................ 22
4.2. Dispersograma ...................................................................................................... 23
4.2.1. Dispersograma bidimensional ................................................................ 23
4.2.2. Visualizador N-Dimensional ................................................................ 25
4.3. Análise e plotagem de espectro ............................................................................. 25
5. Editando cabeçalhos no ENVI .......................................................................................... 26
6. A janela “Select Spatial Subset” .......................................................................................... 27
6. A janela “Select Spatial Subset” .......................................................................................... 27
C: Ferramentas Gerais
1. Região de interesse ......................................................................................................... 1
1.1. Definição de uma região de ............................................................................... 1
1.2. Valores limiares de imagem para as regiões de interesse ......................................... 3
1.3. Geração de Relatórios das ROIs ............................................................................... 4
1.4. Exportando ROI’s para EVF ............................................................................... 4
2. Examinar estatísticas ......................................................................................................... 5

2.1. Computar estatísticas ............................................................................................ 5
2.2. Parâmetros do cálculo de estatísticas .................................................................. 5
2.3. Visualizar arquivo de estatísticas ............................................................................... 5
3. Máscara .................................................................................................................................. 5
3.1. Criação da máscara ............................................................................................ 6
3.2. Aplicação da máscara ............................................................................................ 7
4. Operações Matemáticas ......................................................................................................... 7

4.1. Matemática de bandas ............................................................................................ 9
4.2. Matemática Espectral ............................................................................................ 9
5. Reamostragem Espectral ......................................................................................................... 9
6. Subset de Imagens via ROI´s .......................................................................................... 10

7. Rotacionando e Girando Imagens .......................................................................................... 10
8. Outras Ferramentas ....................................................................................................... 11

8.1. Menu “Ferramentas de Calibração” ................................................................ 11
8.2. Substituir linhas com defeito ............................................................................. 11
9. Novo Menu para Detecção de Mudanças ............................................................................. 12

9.1 Ferramenta para Computar Mapa de Diferenças .................................................... 12
9.2 Usando a Ferramenta para Computação de Mapa de Diferenças .......................... 13
9.3 Ferramenta para Efetuar Estatísitica de Detecção de Mudanças .......................... 14
9.4 Usando a Ferramenta para Estatística de Detecção de Mudanças .......................... 14
9.5 Funções Adicionais da Tabela Estatística de Detecção de Mudanças ............. 16
D: Registro, Correção Geométrica e Mosaico

1. Registro e Georreferenciamento de Imagens .................................................................. 2
1.1. Imagem para mapa ............................................................................................ 2
1.2. Imagem para imagem ............................................................................................ 5
1.3. Opções para transformação e reamostragem ...................................................... 7
1.4. Dicas para agilizar o georreferenciamento de imagens ......................................... 8
1.4.1. Usando para o registro uma outra imagem georreferenciada ............... 8
1.4.2. Usando para o registro uma base vetorial ......................................... 8
2. Mosaicos .................................................................................................................................. 9
2.1. Mosaicos baseados em pixels ............................................................................. 10
2.2. Mosaicos baseados em imagens georreferenciadas ....................................... 12
2.3. Aplicando o mosaico .......................................................................................... 13
2.4. Ajuste de Histogramas ......................................................................................... 14
3. Ortorretificação (ou Ortocorreção) .......................................................................................... 15

3.1. Ortorretificação de fotografias aéreas ................................................................ 15
3.1.1. Criar orientação interna ............................................................................. 15
3.1.2. Criar orientação externa ............................................................................. 15
3.1.3. Ortorretificando Aerofotos ................................................................ 16
3.2. Novos recursos para a ortorretificação de imagens .................................................... 17
3.3. Ortirretificando Imagens IKONOS ............................................................................. 17
3.4. Examinado o resultado da ortorretificação ................................................................ 19
3.5. Ortorretificando Imagem QuickBird ............................................................................. 19
4. Outras funções do menu Mapa .......................................................................................... 20

4.1. Conversor de coordenadas ............................................................................. 20
4.2. Definindo a projeção cartográfica ............................................................................. 20
4.3. Conversão de coordenadas em arquivo ASCII .................................................... 21
5. Para Entender Melhor: Correção Geométrica ................................................................ 21

5.1. Transformações Polinomiais ............................................................................. 21
5.1.1. Transformação polinomial de 1ªordem .................................................... 21
5.1.2. Equações polinomiais ............................................................................. 22
5.2. Métodos de Resampling ............................................................................. 22
5.2.1. Alocação de vizinho mais próximo ("nearest neighbor") .......................... 22
5.2.2. Interpolação bilinear ............................................................................. 23
5.2.3. Convolução cúbica ("cubic convolution") .................................................... 23

6. Para Entender Melhor: Projeções cartográficas ................................................................ 23

6.1. Projeção azimutal ....................................................................................................... 23
6.1.1. Projeção estereográfica polar universal .................................................... 23
6.2. Projeção eqüidistante azimutal ............................................................................. 24
6.2.1. Projeção cilíndrica ............................................................................. 24
6.2.2. Projeção cilíndrica conforme de Lambert .................................................... 24
6.2.3. Projeção cilíndrica de espaçamento igual ....................................... 24
6.2.4. Projeção cilíndrica equivalente ................................................................ 24
6.2.5. Projeção cilíndrica estereográfica .................................................... 25
6.3. Projeção UTM ("Universal Transverse Mercator") .................................................... 25
6.3.1. Zonas de UTM .......................................................................................... 25
6.3.2. UTM Grid Zones .......................................................................................... 26
6.4. Projeção cônica ....................................................................................................... 27
6.4.1. Projeção cônica conforme de Lambert .................................................... 27
6.4.2. Projeção cônica eqüidistante ................................................................ 28
6.4.3. Projeção cônica equivalente de Albers .................................................... 28
E: Transformações
1. Razão de Bandas ..................................................................................................................... 1
2. Transformação por principais componentes .................................................................. 5

2.1. Transformação direta ............................................................................................ 5
2.2. Transformação inversa ............................................................................................ 6
3. Rotação MNF (MNF Rotation) ............................................................................................ 6
4. Merge de Imagens (Fusão) ......................................................................................................... 6

4.1. Fusão pancromática / Multiespectral por IHS ...................................................... 6
4.2. Fusão Pancromática/Multi-Espectral pelo Método de brovey (Color Normalized) ... 7
5. Realce por decorrelação ......................................................................................................... 7

5.1. A caixa de diálogo de entrada de dados .................................................................. 8
5.2. A caixa de diálogo de entrada de bandas .................................................................. 8
5.3. A caixa de diálogo de parâmetros de decorrelação ...................................................... 9
6. Realce de saturação ......................................................................................................... 9
7. Transformação de cores RGB – HSV – RGB ................................................................ 10

7.1. Transformação RGB – HSV ............................................................................. 10
7.2. Transformação HSV – RGB ............................................................................. 10
8. Para Entender Melhor: O sistema de cores ................................................................ 10

8.1 Espaço de cores RGB .......................................................................................... 11
8.2. Espaço dos atributos de cor (matiz, saturação e brilho) ....................................... 13
8.2.1. Modelo de cores HSV (hexacônico) .................................................... 14
8.2.2. Modelo de cores HSV de Harrington (1987) ....................................... 14
8.2.3. Modelo de cores HLS ............................................................................. 15
8.2.4. Modelo de cores IHS ............................................................................. 16
8.2.5. Modelo L*u*v* da CIE ............................................................................. 17
8.2.6. Modelo de IHS da CIE ............................................................................. 18
8.2.7. Modelo de IHS de Pratt (1991) ................................................................ 19

F: Classificação
1. Classificação não-supervisionada ............................................................................................ 1
1.1.Isodata ..................................................................................................................... 1
1.2. K-Means ..................................................................................................................... 2
2. Classificações supervisionadas ............................................................................................ 3

2.1. Método do paralelepípedo ............................................................................................ 5
2.2. Método da distância mínima ............................................................................... 8
2.3. Método da máxima verossimilhança (Maxver) ...................................................... 8
2.4. Mapeador de ângulo espectral ("Spectral Angle Mapper", SAM) ............................ 9
2.5. Classificação por distância de Mahalanobis .................................................... 11
3. Visualizador N-Dimensional ("N-dimensional Visualizer") .................................................... 11
4. Comparação dos resultados das classificações ................................................................ 13

4.1. Matriz de Confusão ou de Erros (Confusion Matrix ou Error Matrix) ......................... 15
5. ClassEdit ................................................................................................................................ 19
6. Homogenização do resultado de classificação ................................................................ 24
7. Classificação supervisionada usando rede neural .................................................... 26

7.1. Aplicando classificação com rede neural ................................................................ 27
7.2. Executando a classificação “Neural Net” ................................................................ 27
8. Classificação por árvore de decisão ............................................................................. 29

8.1. Criando uma nova árvore de decisão ................................................................ 29
8.2. Executando uma nova árvore de decisão ................................................................ 31
G: Filtros
1. Filtros de convolução ......................................................................................................... 1
1.1. Filtro passa-altas ("high pass") ............................................................................... 2
1.2. Filtro passa-baixas - filtro média ("low pass") ...................................................... 3
1.3. Filtro laplaciano (passa-altas) ............................................................................... 3
1.4. Filtro direcional (passa-altas) ............................................................................... 3
1.5. Filtro gaussiano ......................................................................................................... 4
1.6. Filtro mediana (passa-baixas) ............................................................................... 4
1.7. Filtro Sobel (passa-altas e direcional) .................................................................. 4
1.8. Filtro Roberts (passa-altas e direcional) .................................................................. 4
2. Filtros morfológicos ......................................................................................................... 5

2.1. Dilatação ("Dilate") ............................................................................................ 5
2.2. Erosão ("Erode") ......................................................................................................... 5
2.3. Abertura ("Opening") ............................................................................................ 5
2.4. Fechamento ("Closing") ............................................................................................ 5
3. Filtros de textura ..................................................................................................................... 6

3.1. Aplicando o filtro “Occurrence Measures” .................................................................. 6
3.2. Aplicando o filtro “Co-Occurrences Measures” ...................................................... 7
4. Filtro FFT (Transformada de Fourier) ............................................................................... 8

4.1. FFT Adiante ......................................................................................................... 8

4.2. Definição de filtro e remoção manual das altas freqüencias ......................................... 9

4.2.1. Circular pass/cut ............................................................................. 11
4.2.2. Band pass/cut .......................................................................................... 12
4.2.3. User Defined pass/cut ............................................................................. 12
4.2.4. Resultados .......................................................................................... 12
4.3. FFT Inversa ....................................................................................................... 13
H: Visualização e Análise de Dados Vetoriais

1. Utilização e aplicação de dados vetoriais ............................................................................... 1
1.1.Começando a trabalhar com dados vetoriais ...................................................... 1
1.2. Trabalhando com dados vetoriais agregados a dados raster ............................ 6
1.3. Transformação de dados vetoriais para ROIs ...................................................... 8
1.4. Transformação de dados raster em vetoriais ...................................................... 9
2. Usando o menu Vetor ....................................................................................................... 10

2.1. Criando novo plano vetorial ............................................................................. 10
2.1.1. Criando Layers através de um layer já existente em um arquivo ............. 10
2.1.2. Criando layers usando uma imagem raster ....................................... 11
2.1.3. Criando uma nova camada através dos parâmetros definidos pelo usuário 11
2.2. Carregar limites de continentes, rios ................................................................ 12
2.3. Conversão Raster para Vetor ............................................................................. 13
2.4. Classificação para Vetor .......................................................................................... 13
2.5. Gradear Pontos Irregulares ............................................................................. 14
2.6. Converter ROIs para um arquivo DXF ................................................................ 14
2.7. Convertendo ANN para DXF ............................................................................. 14
2.8. Convertendo EVF para DXF ............................................................................. 14
3. Para Saber Mais: Dados vetoriais e "raster" ................................................................ 14
I: Sensores Específicos
1. Processamento de Imagens Aster ............................................................................................ 1
1.1. Processando a imagem Aster ............................................................................... 2
1.1.1. Imagem Aster 1B ............................................................................... 3
1.1.2. Imagem Aster 1A ............................................................................... 6
1.2. Para saber mais: Imagens Aster ............................................................................... 8
1.2.1 As ondas no infravermelho .................................................................. 9
2. Processamento de Imagens MODIS ............................................................................. 13

2.1. Introdução ................................................................................................................... 13
2.2. Carregando as imagens MODIS 1Km ................................................................ 14
2.3. Georreferenciando as imagens MODIS com resolução de 1Km .......................... 15
2.3.1. Georreferenciando autom. as outras imagens do mesmo arquivo ..............19
2.4. Carregando as imagens MODIS na resolução de 500m e 250m .......................... 21
2.4.1. Georreferenciando autom. as imagens MODIS de 500 e de 250 m ........... 22
3. Processamento de Imagens NOAA ............................................................................. 24

3.1. Um pouco sobre o NOAA .......................................................................................... 24
3.2. Sensor AVHRR ....................................................................................................... 24
3.3. Carregando as imagens AVHRR no display .................................................... 26

3.4. Georreferenciando as imagens AVHRR ................................................................ 27
3.4.1. Problemas que podem ocorrer no georref. de imagens AVHRR ............. 28
3.5. Construindo GLT’s e mais algumas dicas adicionais ....................................... 29
3.6. Outras ferramentas para imagens NOAA ................................................................ 31
3.6.1. Visualizar Cabeçalho de imagens NOAA .................................................... 31
3.6.2. Calibrando Dados ............................................................................. 32
3.6.3. Calculando temperaturas da superfície do mar ....................................... 32
J: Ferramentas Topográficas ........................................................................................... 1

1. Abrir Arquivo Topográfico ......................................................................................................... 2
2. Modelagem Topográfica ......................................................................................................... 2
3. Classificar Características Topográficas ............................................................................... 3
4. Criar Visualização “Hill Shade” ............................................................................................ 4

4.1. Criar Visualização Hill Shade através das cores do display ......................................... 4
4.2. Criar Visualização Hill Shade através da tabela de cores do ENVI. ............................ 5
5. Substituir Valores Incorretos ............................................................................................ 6
6. Gradear Pontos Irregulares ............................................................................................ 7
7. Visualização Interativa 3D ......................................................................................................... 8

7.1. Funções do mouse no display de visualização 3D .................................................... 10
7.2. Valor / Localização do cursor ............................................................................. 10
7.3. Modos de funcionamento do 3D Surface View Motion Controls .......................... 10
7.3.1. Modo “User Defined” ............................................................................. 10
7.3.2. Modo “Annotation” ............................................................................. 11
7.3.3. Sobreposição de camadas vetoriais .................................................... 13
7.4. Tipos de representação de DEM ............................................................................. 13
7.5. Menu “Options” ....................................................................................................... 14
7.5.1. Resetando a visualização 3D ................................................................ 14
7.5.2. Visão Panorâmica ............................................................................. 14
7.5.3. Criando animação das cenas salvas .................................................... 16
7.5.4. Mudando o exagero vertical do DEM .................................................... 16
7.5.5. Mudando a cor de fundo da visão 3D .................................................... 17
7.5.6. Interpolador de pixels ............................................................................. 17
7.5.7. Dando sequência a animação ................................................................ 17
7.6.1. Salvando e restaurando as cenas (Paths) ....................................... 17
7.6.2. Salvando e imprimindo o display da visualização 3D .......................... 18
7.6.3. Salvando a animação no formato MPEG .................................................... 18
8. Geração de MDT a partir de arquivos .dxf ou .evf ................................................................ 18
K: Tratamento de Dados de Radar

1. Ambiente para tratamento de dados de Radar .................................................................. 1
1.1. Visualizar cabeçalho e arquivo de imagem SIR-C ...................................................... 2
1.2. Redução de ruído Speckle ............................................................................................ 3
1.3. Slant Range para Ground Range ............................................................................... 5

1.4. Visualização das Assinaturas de Polarizações ...................................................... 6
1.5. Realçando a imagem radar ............................................................................... 7
2. Para Saber Mais: Imageamento por RADAR .................................................................. 9

2.1. Aquisição SAR ....................................................................................................... 10
2.2. Distorções da imagem adquirida ............................................................................. 10
2.3. Imagem Complexa 12
3. Aplicações ................................................................................................................................ 14
L: Tratamento de Dados Hiperespectrais

1. Diversas Calibrações ......................................................................................................... 1
1.1. Calibração ATREM ............................................................................................ 1
1.2. Calibração normalizada ("Flat Field") .................................................................. 1
1.3. Calibração pela reflectância média relativa interna (IAAR) ........................................ 2
1.4. Calibração por linha empírica ("empirical line") ...................................................... 2
1.5. Transformação "EFFORT" ............................................................................................ 3
2. Uso da biblioteca espectral ............................................................................................ 3

2.1. Criação de biblioteca espectral ............................................................................... 5
3. Decomposição espectral ("Spectral Unmixing") .................................................................. 7

3.1. Transformação MNF ("minimum noise fraction") ...................................................... 7
3.2. Resultados da decomposição espectral .................................................................. 8
3.3. Índice de pureza de pixel ("pixel purity index") ...................................................... 9
4. Spectral Feature Fitting (SFF) e Análise ............................................................................. 11

4.1. Remoção de contínuo (Continuum Removal) .................................................... 11
4.2. Ajuste de feição espectral (Spectral Feature Fitting) ....................................... 12
4.3. Cálculo de Imagens de Escala e RMS ................................................................ 13
4.4. Razões das Imagens de Ajuste de feição espectral ("Fit Images") .......................... 14
5. Assistente de classificação espectral ............................................................................. 14
M: Produção de Carta – Imagem

1. Grade de Coordenadas ......................................................................................................... 1
2. Composição de mapa e anotações ............................................................................... 3

2.1 O Menu "Object" ......................................................................................................... 4
3. Gerando Mapas rapidamente ............................................................................................ 5

A - Conceitos Básicos do Sensoriamento Remoto
1.Bases físicas do sensoriamento remoto

O sensoriamento remoto é definido por Lillesand & Kiefer (1987) como “ ... a ciência e arte
de receber informações sobre um objeto, uma área ou fenômeno pela análise dos dados
obtidos de uma maneira tal que não haja contato direto com este objeto, esta área ou este
fenômeno“. Para se obter estas informações, usa-se um meio que, neste caso, é a
radiação eletromagnética, supondo que esta possa chegar diretamente ao sensor. Isto, no
entanto, não é possível em todas partes do espectro eletromagnético, porque a
transmissividade atmosférica é variável para os diversos comprimentos de onda.
1.1. O espectro electromagnético
A radiação eletromagnética propaga-se, no vácuo, a uma velocidade de 300000 m/s. A

intensidade da radiação varia senoidalmente e está correlacionada diretamente com o
comprimento de onda e a freqüência. O comprimento de onda (λ λ) é definido pela
distância média entre dois pontos semelhantes da onda, como, por exemplo, dois
mínimos ou dois máximos. A freqüência (f) é o valor recíproco do período das
ondulações, ou seja, do intervalo de tempo entre dois pontos consecutivos de mesma
intensidade. A fonte principal de radiação natural é o Sol, que emite, a uma temperatura
de cerca de 6000 K, grandes quantidades de energia em um espectro contínuo.
Figura A-1: O espectro electromagnético, a transmissividade atmosférica e

os comprimentos de onda usados em sensoriamento remoto
(Fonte: Kronberg, 1984, p. 4).
SulSoft Serviços de Processamento de Dados Ltda. - Todos os direitos reservados 1

No que se refere às técnicas de sensoriamento remoto por sistemas passivos, a faixa do

espectro mais utilizada estende-se do ultravioleta (UV) até o infravermelho afastado (FIR,
“far infra red”). A intensidade máxima da radiação solar corresponde a λ = 0,47 µm, a
partir do qual a diminuição energética na direção do UV se passa mais rápido, enquanto a
diminuição na direção do FIR é marcada por uma curva irregular (Figura A-1).
A radiação natural forma uma espectro contínuo, que contém comprimentos de ondas de
milésimos de nanômetros até dezenas de quilômetros. As técnicas de sensoriamento
remoto por sistemas passivos, contudo, utilizam somente o intervalo de 0,2 até 12,5 µm,
dividido em bandas espectrais.
A banda espectral do visível (VIS) representa só um pequeno intervalo entre 0,4 µm e 0,7
µm, seguida pelo infravermelho (infrared, IR), que chega até 1000 µm. O IR pode ser
dividido entre infravermelho próximo ou reflexivo (“near infrared”, NIR), de 0,7 µm a 3 µm
e o infravermelho afastado ou emissivo (“far infrared”, FIR), de 3 µm a 1000 µm. O NIR
comporta-se como a luz visível, porque também é provocado pela reflexão solar;
enquanto o FIR é caracterizado pela radiação térmica reemitida pela Terra.
1.2. Influência atmosférica
Durante o seu caminho através da atmosfera, a radiação solar é atenuada pelos gases e
aerossóis que a compõem. Alguns gases (oxigênio, ozônio, vapor d’água, gás carbônico)
absorvem a energia eletromagnética em determinadas bandas do espectro, de maneira
que a atmosfera é intransmissível à radiação nestas bandas (Tabela 1).
Tabela 1. Bandas de absorção da atmosfera terrestre (Fonte: Lillesand & Kiefer, 1979, p. 390).
Gás Bandas de absorção
O2 (oxigênio) 0 - 0,3 µm
O3 (ozônio) 5,0 - 9,5 µm
H2O (vapor d’água) 0,7 - 0,8 µm, 3,3 µm, 5,5 - 7,5 µm, 11,9 µm
CO2 (gás carbônico) 2,7 - 2,9 µm, 4,1 – 4,2 µm, 9,4 µm, 12,6 µm, 14,0 µm
O grau de transmissão, ou transmissividade, representa a capacidade das ondas

eletromagnéticas em penetrarem a atmosfera. As faixas de comprimento de onda para as
quais a atmosfera parece transmissível são definidas como janelas atmosféricas. Elas têm
grande importância, porque possibilitam a reflexão da radiação pela Terra e podem ser
aproveitadas pelos sistemas sensores passivos. Além de toda a banda do visível, as
janelas mais importantes localizam-se no IR: são os intervalos entre 0,7 e 2,5 µm, de 3,5
até 4,0 µm e de 8,0 até 12,0 µm.
1.3. Caraterísticas espectrais de alvos selecionados
A determinação da natureza dos alvos pelos métodos de sensoriamento remoto é

baseada no fato de que diferentes materiais são caracterizados por reflectâncias próprias
em cada banda do espectro. A reflectância, ou fator de reflexão, é proporcional à razão

da radiação refletida pela radiação incidente. Quando as respostas espectrais de vários

materiais são conhecidas, as propriedades de alvos desconhecidos podem ser
determinadas pela comparação das respostas espectrais desses alvos com os dados de
referência.
1.3.1. Característica de reflexão e espectro

de vegetação
A determinação e a diferenciação da vegetação

pelos métodos de sensoriamento remoto é
possível no intervalo de 0,4 até 2,5 µm, pois
neste intervalo as folhas são caracterizadas por
comportamentos específicos de reflexão,
absorção e transmissão. A Figura A-2
apresenta o comportamento típico de uma folha
verde.
No VIS, o comportamento da reflexão é
determinado pela clorofila, cuja absorção
encontra-se no intervalo da luz azul (0,4 - 0,5
µm) e da luz vermelha (0,6 - 0,7 µm); enquanto
reflete no intervalo da luz verde (0,5 - 0,6 µm).
A radiação incidente atravessa, quase sem
perda, a cutícula e a epiderme, onde as
radiações correspondentes ao vermelho e ao
azul são absorvidas pelos pigmentos do
mesófilo, assim como pelos carotenóides,
xantófilas, e antocianidas, que causam uma
reflexão característica baixa nos comprimentos
de onda supracitados. As clorofilas A e B
regulam o comportamento espectral da
vegetação e o fazem de maneira mais Figura A-2: Refletividade espectral de uma
significativa em comparação com outros folha verde e a capacidade de absorção de
pigmentos. A clorofila absorve a luz verde só água e refletividade, absorvidade e
em pequena quantidade, por isso a transmissividade numa folha verde para a
radiação no VIS e NIR (à direita)
reflectância é maior no intervalo da luz verde,
o que é responsável pela cor verde das
folhas para a visão humana.
No NIR (0,7 - 1,3 µm), dependendo do tipo de planta, a radiação é refletida em uma
proporção de 30 a 70% dos raios incidentes, ainda que as superfícies das folhas e os
pigmentos sejam transparentes para esses comprimentos de onda. Todavia, os sistemas
pigmentais das plantas perdem a capacidade de absorver fótons nesse espectro, que é
caracterizado por uma subida acentuada da curva de reflexão. O mínimo de reflexão
neste comprimento de onda é causado pela mudança do índice de refração nas áreas
frontais de ar/célula do mesófilo.
Nos comprimentos de ondas acima de 1,3 µm, o conteúdo de água das folhas influencia a
interação com a radiação. A água dentro da folha absorve especialmente nas bandas em

torno de 1,45 µm e 1,96 µm. Esta influência aumenta com o conteúdo de água. Uma folha
verde caracteriza-se, nestas bandas, pela reflexão semelhante a de uma película de
água. Por isso, estes comprimentos de onda, prestam-se à determinação do conteúdo
hídrico das folhas. Folhas com conteúdo hídrico reduzido são caracterizadas por uma
maior reflexão. A curva espectral depende do tipo de planta e, mais ainda, altera-se em
função da estrutura e da organização celular.
1.3.2. Refletividade de solos
As curvas espectrais dos solos sem vegetação

apresentam, no intervalo espectral correspondente ao
azul, valores de reflexão baixos, os quais aumentam
continuamente em direção da luz vermelha, do NIR e do
MIR (“mid infrared”). Por isso, as características de
solos puros podem ser analisadas nestas bandas. Os
parâmetros constantes, como tipo de mineral,
granulação e conteúdo de material orgânico, assim
como os parâmetros variáveis, como umidade do solo e
rugosidade de superfície, influenciam a resposta
espectral. Deve-se ressaltar a existência de elevada
correlação entre os parâmetros constantes e os
variáveis.
Os óxidos e os hidróxidos de ferro reduzem a reflexão

na banda do azul e aumentam no intervalo espectral do
verde ao NIR. Os valores de reflexão da hematita
diferem dessa regra: a reflexão diminui no NIR e
especialmente no MIR (Figura A-3).
Uma grande parte das substâncias orgânicas reduz a

refletividade dos solos, especialmente nos
comprimentos de onda acima de 0,6 µm.
Uma alta umidade do solo é caracterizada, em todos

Figura A-3: Refletividade de um
os comprimentos de onda, por valores baixos de
solo Chernozêmico (em cima), um
reflexão, pois o índice de refração nas áreas frontais da solo Argila (no centro) e um solo
interface água/partícula é menor que o índice de Laterítico (abaixo) no VIS e NIR
refração nessas áreas em solos secos. Em aerofotos e em função da umidade
imagens de satélite, os solos úmidos são caracterizados (Fonte:Kronberg. 1984, p.38;
Condit, 1970)
por tons de cinza mais escuros, o que significa uma
refletividade menor.
No entender de Wittje (1979), as faixas de absorção da

água (1,4 µm e 1,9 µm) servem para determinar a
quantidade de água no solo. As bandas de absorção da água nas curvas espectrais dos
solos úmidos são diferentes daquelas nas curvas dos mesmos solos no estado seco
(Figura A-4).

Figura A-4: Refletividade de um solo argiloso (a esquerda) e um solo de

areia (a direita) no VIS, NIR e MIR em dependência da umidade (Fonte:
Kronberg, 1984, p. 50; Lowe, 1969).
1.3.3. Refletividade de minerais e rochas
As rochas apresentam comportamentos espectrais semelhantes aos dos solos, o que não
surpreende, uma vez que estes são produtos de alterações daquelas. Um dos elementos
de maior diferenciação entre as curvas de rochas e de solos é a presença de matéria
orgânica nestes. A Tabela 2 apresenta as faixas espectrais utilizadas na detecção da
presença de óxidos de ferro ou argila em função de suas correspondentes bandas de
absorção.
Tabela 2 Regiões do espectro mais adequadas ao estudo de propriedades de minerais e rochas.
Região do espectro Aplicação

0,44 - 0,55 µm Detecção de ferro: várias bandas de absorção de óxido de ferro
3+ 2+
0,80 - 1,00 µm Detecção de Fe (0,92 µm) e Fe (1,0 µm)
1,60 µm Identificação de zonas de alteração hidrotermal ricas em argila
2,17 µm Detecção de minerais de argila
2,20 µm Detecção de minerais de argila
2,74 µm Detecção de minerais com hidroxila
1.3.4. Refletividade de áreas urbanas
As áreas urbanas são caracterizadas por uma aparência heterogênea, causada pelo fato
de a variação interna dessas áreas ser muito grande, devido à sua própria natureza. As
áreas residenciais, por exemplo, são formadas por materiais variados, tais como concreto,
asfalto vidro, ferro e vegetação. Há que se considerar, ainda, a influência das sombras

causadas por edificações altas. Por isso, a refletividade de cidades só pode ser descrita
de uma forma generalizada.
A refletividade é influenciada pelas formas, materiais e tipos de cobertura diferentes. A
detecção de áreas urbanizadas representa um fator limitante para aplicação de
classificações automáticas, pois a informação espectral pode ser parecida com a de solos
puros ou de áreas agrícolas, os quais são caracterizados por um aumento regular da
reflexão no intervalo do UV até o NIR. O aumento de reflexão causado pelas áreas
urbanas não parece tão regular como aquele provocado pela vegetação ou pelos solos.
2. Resolução das imagens de sensoriamento remoto

Em sensoriamento remoto o termo resolução desdobra-se em três categorias
independentes: a resolução espacial, a resolução espectral e a resolução radiométrica.
2.1. Resolução espacial
A resolução espacial é determinada pela capacidade do detector em distingüir objetos na

superfície terrestre. Em geral, a resolução espacial de um detector é expressa em termos
do seu campo instantâneo de visada ou IFOV (“instantaneous field of view”). O IFOV
define a área do terreno focalizada a uma dada altitude pelo instrumento sensor. De uma
forma simplificada, o IFOV representa o tamanho do pixel. A resolução geométrica de um
detector é determinada pela resolução do ângulo sólido do IFOV, em mrad (milirad), e
pela altitude do sistema sensor que é expressa em metros na superfície terreno. Como
exemplo, um IFOV de 1 mrad (1 mrad = 0,057°) significa que o elemento de terreno
abrangido pelo detector, numa altitude nadir de 1000 m, tem o tamanho de 1 m.
2.2. Resolução espectral
A resolução espectral é um conceito inerente às imagens multi-espectrais de

sensoriamento remoto. É definida pelo número de bandas espectrais de um sistema
sensor e pela amplitude do intervalo de comprimento de onda de cada banda. O sistema
óptico (espelhos e lentes) decide em que partes do espectro o sensor será capaz de
receber a radiação refletida ou emitida pela superfície terrestre e o tipo do detector é
responsável pela sensibilidade e pelo intervalo espectral de cada banda. A quantização
das medidas radiométricas torna-se possível quando o sensor carrega dados de
referência internos e calibrados.
2.3. Resolução radiométrica
A resolução radiométrica é dada pelo número de valores digitais representando níveis de

cinza, usados para expressar os dados coletados pelo sensor. Quanto maior o número de
valores, maior é a resolução radiométrica. A Figura A-5 mostra a comparação entre duas
imagens. Uma de 2 níveis de cinza (1 bit) e outra com 32 níveis de cinza (5 bits).

O número de níveis de cinza é comumente expresso em função do número de dígitos

binários (bits) necessários para armazenar, em forma digital, o valor do nível máximo. O
valor em bits é sempre uma potência de 2. Assim, 5 bits significam 25 = 32 níveis de cinza.
Os satélites LANDSAT e SPOT têm resolução radiométrica de 8 bits, o que significa o

registro de imagens em 256 níveis de cinza.
Figura A-5: Comparação da

resolução radiométrica de uma
imagem com 1 bit (a esquerda) e a
mesma imagem com uma
resolução radiométrica de 5 bits
(Fonte: Crósta, 1993, p. 27).
3. Sistemas de satélites
As radiações do espectro visível e do infravermelho próximo podem ser registradas pelos
sistemas passivos do sensoriamento remoto com métodos fotográficos, de TV e de
varredura ("scanners"). Esses sistemas registram a radiação eletromagnética que é
refletida ou emitida pelos alvos terrestres. Enquanto os métodos fotográficos e de TV são
limitados ao intervalo de 0,4 a 0,9 µm, a técnica de varredura permite o registro de
imagens nos comprimentos de onda do ultravioleta até o infravermelho térmico (0,3 - 14,0
µm).
A radiação refletida e/ou emitida pela superfície terrestre atravessa o sistema óptico do
"scanner" e é focalizada sobre os detectores. Estes transformam a radiação em sinais
elétricos que são gravados em fita magnética. Um "scanner" multiespectral pode gravar
sinais provenientes de vários intervalos de comprimento de onda. A Tabela 3 mostra
alguns dos satélites de observação terrestre, dos primeiros lançamentos até os atuais.

Tabela 3 Lista de alguns satélites de observação terrestre operacionais (Fonte: Bodechtel,).
3.1 LANDSAT
LANDSAT 1, 2 e 3
O primeiro satélite da série LANDSAT, antigamente ERTS (Earth Resource Technology

Satellite), foi lançado em julho de 1972 para experiências em processamento de imagens
de satélites e, especialmente, para interpretação das informações multiespectrais sobre
aspectos agrícolas, florestais, oceanográficos e geológicos. A escolha das bandas e da
resolução espacial foi feita em função das exigências multidisciplinares.

O sensor Multispectral Scanner (MSS) dos satélites LANDSAT 1 a 3 registraram, até

1983, mais de 1,3 milhões de imagens. Cada imagem cobre uma área de 185 a 185 km,
em 3 ou 4 bandas diferentes (Figura A-6).
Figura A-6: Esquema de

funcionamento do sensor MSS
(Fonte: NASA LANDSAT Data
Handbook).
No LANDSAT 3 foi instalado mais um canal na faixa do infra vermelho térmico (TIR), que
possui uma resolução espacial de 240 m em nadir.
A configuração da órbita dos satélites LANDSAT 1, 2 e 3 foi estabelecida de tal modo que
a cada 18 dias eles passassem sobre uma mesma região da superfície terrestre (Figura
A-7). O ângulo de inclinação da órbita do satélite em relação ao plano do equador de 99º
11’ fazia com que descrevesse uma órbita quase polar em torno da Terra, garantindo o
imageamento entre as latitudes de 81º N e S.
Figura A-7: As órbitas diárias dos

satélites LANDSAT 1,2 e 3.
Esta inclinação também garantia que a órbita fosse heliossíncrona. A altitude da órbita era
de 917 km e sua duração era de 101 min.
Outra característica importante é que o plano de órbita desloca-se em torno da Terra à

mesma velocidade do deslocamento da Terra em relação ao Sol. Desta forma, cada vez

que o satélite cruza o equador em órbita descendente, o faz no mesmo horário local,
durante todo o ano. O horário médio de passagem dos satélites da série LANDSAT 1 a 3
pelo equador é 9:30 h, variando conforme a longitude.
LANDSAT 4 e 5
O LANDSAT 4 foi lançado em julho de 1982 e faz parte da segunda geração dos sistemas
passivos de alta resolução. Em fevereiro de 1983 o canal de transferência dos dados
deixou de ser usado. Por isso, o LANDSAT 4 foi substituído pelo idêntico LANDSAT 5,
que foi lançado em 1º de março de 1984 e continua sendo operacional até hoje. Em
setembro 1994, a NASA lançou o LANDSAT 6, mas o satélite caiu e nunca entrou em
fase operacional. O lançamento do LANDSAT 7 foi em 1999.
Os LANDSAT 4 e 5 são dotados com dois sistemas de "scanners": o antigo MSS, para
fazer comparações das imagens dos LANDSAT 1 a 3 e um "scanner" mais desenvolvido,
o Thematic Mapper (TM) (Figura A-8).
Figura A-8: Esquema de

aquisição de imagens do
sensor LANDSAT TM.
Em comparação com o MSS, o TM é caracterizado por uma resolução espacial de 30 m e

de 120 m, no canal térmico (no MSS, 80 m e 240m) e um intervalo menor entre seus
canais. O LANDSAT 5 tem uma órbita quase polar e heliossíncrona, numa altitude média
de 705,3 km e uma inclinação de 98,2º. Para percorrer uma órbita, o LANDSAT 5 precisa

de 99 minutos, o que significa que faz, em um dia, 14,5 órbitas. Em 16 dias, o LANDSAT
5 cobre toda a Terra. A passagem pelo equador ocorre às 9:45 h (hora local). Suas
imagens apresentam uma resolução radiométrica de 8 bits (256 níveis de cinza).
Landsat 7
Em 1999 foi lançado o Landsat 7 , um satélite que não só substitui o Landsat 5 já no final
da vida útil dele, mas que trouxe uma série de benefícios adicionais com a substituição do
scanner TM pelo ETM+ ?Enhanced Thematic Plus? .
• Gravação da banda 6 (infra-vermelho termal) em duas bandas, com ganho alto e
ganho baixo (resolução espacial 60 m)
• Nova banda pancromática com 15 metros de resolução espacial no espectro de
[0.52 – 0.90 µm], sincronizada às bandas multi-espectrais
• Maior precisão radiométrica absoluta
• Geometria de imageamento melhorada significativamente, permitindo um
georreferenciamento aproximado apenas com os dados efeméricos com precisão
de ~ 100 a 200 metros.
As demais características como cobertura total e órbitas são quase idênticas com as do
Landsat 5 (inclusive as faixas de comprimento de onda nos canais multi-espectrais),
permitindo a fácil integração de dados Landsat 7 com dados dos satélites anteriores.
3.2. SPOT
O CNES (Centre National d’Etudes Spatiales)

desenvolveu o satélite SPOT e o lançou em fevereiro
de 1986. O SPOT transporta dois instrumentos
sensores: o sensor multiespectral HRV (High
Resolution Visible) e o sensor pancromático (PAN).
O HRV registra imagens em 3 bandas espectrais
(0,50 - 0,59 µm; 0,61 - 0,68 µm; 0,79 - 0,89 µm), com
resolução espacial de 20 m; enquanto o sensor
pancromático registra imagens em uma banda que
abrange todo espectro visível (0,40 - 0,73 µm), com
resolução espacial de 10 m. A altitude da órbita varia
entre 815 e 829 km com uma inclinação de 98,7º.
A duração da órbita é de 101 minutos, o que resulta em 14,25 órbitas por dia. A
passagem do satélite pelo equador ocorre às 10:30 h (hora local) numa órbita
descendente (Figura A-9).O sensor pancromático utiliza 3000 detectores para cada linha
de varredura e o sensor multiespectral, 6000 detetores (Kronberg, 1995). Uma limitação
crítica na operacionalidade dos satélites de sensoriamento remoto é a baixa freqüência
de passagens. No entanto, o SPOT possibilitou o aumento na frequência de
imageamento de 26 para 5 dias, já que foi implementada a capacidade de movimentação
do espelho de varredura (Figura A-10).

Figura A-10: A taxa de repetição do

sistema SPOT HRV (Fonte:Kronberg,
1985, p.143).
Figura A-11: Funcionamento do espelho variável (à esquerda acima) e

as faixas possíveis de imageamento
(esquerda abaixo e à direita)
(Fonte: Kronberg,. 1985, p. 143

A partir do centro de controle terrestre, a posição do espelho de varredura pode ser

mudada em um ângulo de até 27º; nos dois sentidos. Assim, o SPOT possibilita que se
observe uma faixa de terreno com largura de 475 km e diminua, com esta função, a
freqüência de imageamento de 26 para 5 dias (Figura A-11).
A largura de faixa imageada varia de 60 km, na visada nadir por uma das câmaras HRV, a
80 km, numa visada inclinada em 27º;. Outra importante possibilidade de aplicação da
visada oblíqua é a aquisição de pares estereoscópicos (Figura A-12).
O satélite SPOT HRV possui vários subsistemas com as seguintes funções:

1. controle da órbita
2. estabilização em três eixos
3. suprimento de energia
4. manutenção das funções de telemetria e transmissão
5. recepção de comandos
6. monitoramento e programação da carga útil através de um computador de bordo

com memória armazenável, controlada pela estação terrestre
Figura A-12: Aquisição de pares

estereoscópicos. (Fonte:
Kronberg,. 1985, p.143

3.2.1 SPOT 5
Em 2002, a francesa CNES lançou o SPOT 5, para satisfazer ainda mais os usuários nas
aplicações de cartografia, telecomunicações, planejamento urbano, defesa, agricultura,
etc. , também imageando em 4 bandas espectrais.
As imagens do SPOT 5 vem com maior resolução, dado que o sensor possui agora um
novo instrumento, o HRG (High-Resolution Geometric), que possibilita imagens de maior
resolução na banda pancromática (5 metros) e no modo "supermode" (2,5 metros).
Características técnicas do sensor SPOT 5:

• Peso de 3.000 Kg
• Órbita na altitude de 832 km
• Precisão de localização da órbita e então dos produtos corrigidos
sistematicamente de 50 m, graças a um sensor de estrela a bordo do SPOT 5
(contra 350 m anteriomente)
• Memória "Solid State" de 90 Gb.
• Downlink para as estações de 2 canais de 50 Mbps, garantido a transmissão de 5
canais de imageamento simultâneamente (2 Instrumentos HRS, 2 Instrumentos
HRG e Vegetação).
• 2 Instrumentos HRG (High-Resolution Geometric) que imageiam com 5 m de
resolução em Pancromático e 2.5 metros em "supermode". Cada um dos dois
instrumentos recobre uma faixa de 60 Km no solo, dentro de um corredor potencial
de visibilidade de ± 420 km. Da mesma forma que os sensores dos antecessores
do SPOT 5, os instrumentos HRG podem imagear igualmente em modo
multiespectral em 4 bandas (faixa espectral da luz verde, vermelho, infravermelho
próximo e infravermelho médio).
• 2 instrumentos HRS (High-Resolution Stereoscopic) que fornecerão cobertura
estereoscópica de amplas regiões, adquiridas pelos 2 telescópios que formam o
conjunto, sendo um delescom com visada dianteira e outro com visada traseira, e
capazes de fornecer dados em esteresocopia adquiridos numa mesma órbita a
alguns segundos de intervalo somente, e que uma vez processados, resultarão em
Modelos Numéricos de Terreno de 10 m de precisão altimétrica, servindo a
inúmeras e novas aplicações que exigem precisão altimétrica, tal como cartografia,
base de dados militares e civis, telecomunicações (telefonia celular em particular),
simuladores de vôo e sistemas de aproximação aeroportuaria e para Sistemas de
Informação Geográfica. O Instrumento HRS foi desenvolvido no quadro de uma
parceria inovadora entre o CNES, ASTRIUM e a própria SPOT IMAGE.
• 5 m e 2.5 m de resolução em P&B no modo Pancromático, contra 10m
anteriormente.
• 10 m de resolução em bandas multiespectrais contra 20 m anteriormente.
• Cobertura de 60 km x 60 km ou 60 km x 120 km quando os 2 instrumentos HRG
serão usados simultaneamente.
• Precisão absoluta de localização melhor que 50m sem uso de pontos de controle.

3.3. KVR-1000
A câmara de aerolevantamento KVR-1000 é instalada nas plataformas dos satélites

russos da série KOSMOS, que giram a uma altitude de 220 km em torno Terra. Cada
imagem cobre uma área de 40 por 40 km. As imagens registradas pelo KVR apresentam
uma resolução de 2m e são das mais detalhadas que podem ser utilizadas no meio civil.
Elas podem ser ampliadas até a escala 1:10.000 e são muito úteis para aplicações de
planejamento urbano. Normalmente, o distribuidor russo, a companhia SOVINFORM
SPUTNIK, fornece estas imagens na forma de cópias fotográficas, que podem ser
transferidas para a forma digital por meio de um "scanner".
3.4. IKONOS
IKONOS, lançado em setembro de 1999, é o primeiro satélite com imagens de alta

resolução (em formato digital) comercialmente disponíveis. Com a sua órbita numa
altitude de 680 km o tempo de revista é de aproximadamente 3 dias para imagens
pancromáticas, e 1,5 dias para multi-espectrais, e as imagens são disponíveis em faixas
de 11km x 100 km até 11km x 1000 km . As resoluções de 1 m na banda pancromática
(entre 0.45 e 0.90 µm) e 4 m nas quatro bandas multi-espectrais ([0.45 – 0.52], [0.52 –
0.60], [0.63 – 0.69], [0.76 – 0.90]) abrem um leque de aplicações até então só viáveis com
aerofotos. Com o lançamento previsto de vários outros sensores comerciais do mesmo
tipo nos próximos meses espera-se também uma redução significativa do ainda alto custo
deste tipo de imagens.
3.5. SATÉLITE TERRA

O lançamento do satélite TERRA (formalmente conhecido como EOS-AM) marca uma nova
era do monitoramento da atmosfera, oceanos e continentes da Terra fornecendo observações
globais e esclarecimentos científicos da mudança da cobertura do solo, produtividade global,
variação e mudança do clima, riscos naturais e o ozônio da atmosfera.
O TERRA opera numa órbita polar e síncrona com o Sol com uma inclinação de
aproximadamente 98,2 graus, com período orbital de 98,88 minutos e hora do cruzamento na
descendente às 10:30 am. A altitude média é de 705 Km e a velocidade no solo é 6,7 km/seg.
A distância entre órbitas adjacentes é de 172 km e o ciclo de recorrência é de 16 dias no
equador (233 órbitas).
Os cinco instrumentos do TERRA servirão para os seguintes propósitos:
• Fornecem medidas globais de cada estação climática do sistema da Terra, incluindo

funções críticas como produtividade biológica do solo e oceanos, neve e gelo,
temperatura da superfície, nuvens, vapor d'água e cobertura do solo;
• Aperfeiçoam nossa habilidade de detectar impactos humanos no sistema da Terra e

no clima, identificam o impacto da atividade humana no clima e prevê mudanças no
clima utilizando as novas observações globais;

• Ajudam a desenvolver tecnologias para prever desastres, caracterização, redução de

riscos de grandes incêndios, vulcões, enchentes e secas;
• Disponibilizam monitoramento a ongo prazo da mudança do clima global e do

ambiente.
Figura A-14: Mapa da órbita do

satélite Terra.
Veremos agora instrumentos do satélite TERRA:
3.5.1. MODIS
MODIS (Moderate Resolution Imaging Spectroradiometer) é um dos cinco instrumentos do

satélite TERRA. O MODIS visualiza toda a superfície da Terra a cada 1-2 dias, com uma
varredura de 2.330 km (swath), adquirindo dados em 36 bandas espectrais distintas.
Consequentemente, MODIS aperfeiçoa muito o patrimônio do NOAA Radiômetro Avançado
de Alta Resolução (AVHRR) e rastreia um amplo conjunto de sinais vitais da Terra melhor do
que qualquer outro sensor no TERRA.
Por exemplo, o sensor mede o percentual da superfície dos planetas que estão cobertas por
nuvens quase todos os dias. Esta ampla cobertura espacial irá permitir que o sensor MODIS,
juntamente com MISR e CERES, determinem o impacto das nuvens e aerosóis no orçamento
de energia da Terra. O sensor possui um canal inovador (centralizado em 1,375 microns)
para detecção de nuvens do tipo cirrus (principalmente as mais "leves"), as quais acredita-se
que contribuam para o aquecimento por refração de calor emitido pela superfície.
Reciprocamente, acúmulos de nuvens e aerossóis são considerados a possuírem um efeito

refrescante na superfície da Terra por reflectância e absorção da luz do Sol. Este efeito no
clima irá provar algo significativo nesta longa corrida? MODIS, juntamente com MISR e
CERES, irá nos ajudar a responder esta questão.
MODIS avalia:
• Temperatura da superfície (solo e oceano) e detecção de incêndio;
• Cor do oceano (sedimento, fitoplancton);
• Mapas da vegetação global e detecção de mudanças;
• Características da nuvem;
• Concentrações de aerossóis e propriedades;
Figura A-15: Essa

imagem true-color do
MODIS foi adquirida
em 19/10/2000 sobre a
região Central do
Brasil suficientemente
grande para mostrar a
diversidade da superfície
MODIS é ideal para monitoramento de mudanças em larga escala na biosfera e irá

constituir novas introspecções no funcionamento do ciclo global do carbono. Enquanto
nenhum sensor de satélite pode medir diretamente as concentrações de dióxido de
carbono na atmosfera, MODIS pode medir a atividade fotossintética do solo e plantas
marinhas (fitoplancto) para fornecer melhores estimativas de quanto está sendo
absorvido e utilizado na produção das plantas. As medidas de temperatura da superfície,
em conjunto com as medidas da biosfera (ambos pelo MODIS) estão ajudando cientistas
a rastrear as origens e ocorrências de locais com concentração mínima de dióxido de
carbono em relação a mudanças do clima. Quase todos os dias, pelo globo inteiro, os
sensores monitoram as mudanças no uso do solo, desta forma complementando e
estendendo a herança no mapeamento deixada pelo satélite Landsat. MODIS permite
também mapear a área estendida por neve e gelo trazidos por uma tempestade de
inverno e/ou temperaturas frias. O sensor observa as "ondas verdes" que vasculham
através de continentes quando o inverno passa para primavera e a vegetação floresce.
Isto detecta onde e quando desastres estão por ocorrer, como erupções vulcânicas,
enchentes, tempestades severas, secas e incêndios, e irá esperançosamente salvar
pessoas a escaparem destes acontecimentos. As bandas do MODIS são particularmente
sensitivas a incêndios. Elas podem distinguir chamas de brasas e fornecer estimativas
melhores de uma quantidade de aerosóis e gases de fogo dispersos na atmosfera.

MODIS detecta mudanças na população de fitoplancto do pacífico que devem sinalizar o

famoso El Niño/La Niña bem antes da sua chegada. Juntando a temperatura da superfície
do mar e as medidas das cores do oceano, MODIS irá observar os impactos que o El
Niño e La Niña exercem nas plantas marinhas microscópicas.
Figura A-16: Foto do

MODIS
3.5.2. MISR
A maioria dos instrumentos de satélite observam apenas abaixo do mesmo, ou a cerca do

topo do planeta. Para entender completamente o clima da Terra e determinar como ele
deve estar mudando, nós precisamos saber a quantia de luz do Sol que é dispersa em
direções diferentes em condições naturais. MISR (Multi-angle Imaging Spectro-
Radiometer) é um novo tipo de instrumento desenvolvido para suprir a necessidade -
visualizar a Terra com câmeras direcionadas para nove ângulos diferentes. Uma câmera
está direcionada voltada para nadir, e as outras fornecem visões de ângulos anteriores e
posteriores na superfície da Terra de 26.1, 45.6, 60.0 e 70.5 graus. Como o instrumento
sobrevoa por cima, cada região da superfície da Terra são sucessivamente capturadas
para imagens pelas nove câmeras em cada um dos quatro comprimentos de onda (azul,
verde, vermelho e infravermelho próximo). Para aperfeiçoar nossa compreensão do
destino da luz do Sol no ambiente da Terra, os dados do MISR podem distinguir
diferentes tipos de nuvens, partículas aerossol e superfícies. MISR monitora
mensalmente, sazonalmente e a longo prazo fornecendo:
• a quantidade e o tipo de partículas de aerossol da atmosfera, incluindo aquelas

formadas por fontes naturais e por atividades humanas;
• a quantidade, os tipos e altura das nuvens;
• a distribuição da cobertura da superfície do solo, incluindo a estrutura da cobertura da

vegetação.
Estes dados serão utilizados para investigar a influência do aerossol, nuvens e

propriedades da superfície no orçamento da radiação refletida e o clima. Exemplos
espaciais são adquiridos a cada 275 m. Num período de 7 minutos, numa imensa fileira
de 360 km da Terra são visualizadas em nove ângulos. Tem-se prestado uma atenção
especial para o fornecimento da calibração radiométrica relativa e com precisão absoluta
utilizando um equipamento a bordo que consiste de uma placa difusora do Sol e diversos
tipos de fotodióides. Para complementar o esforço da calibração a bordo, um programa de
validação das medidas envolve instrumentos de campo como o PARABOLA III, que
automaticamente faz o scan do céu e terra em muitos ângulos, e uma câmera satélite
multi-ângular (AirMISR). Uma cobertura global pelo MISR baseado no espaço é adquirida
a cada 9 dias no equador. O tempo de vida nominal da missão é de 6 anos.

3.5.3. ASTER
ASTER (Advanced Spacebone Thermal Emission and Reflection Radiometer) obtém

imagens de alta resolução (15 a 90 m) da Terra nas regiões dos espectros visíveis, near-
infrared (VNIR), shortwave-infrared (SWIR) e thermal infrared (TIR).
O ASTER é constituído de três subsistemas de telescópio distintos: VNIR, SWIR e TIR.

Possui alta resolução espacial, espectral e radiométrica, radiômetro de imagens de 14 bandas.
Separação espectral é completada através de filtros de passagem de banda discretos e
dicróicos. Cada sub-sistema opera numa região espectral diferente, possuem seu próprio
telescópio(s).O instrumento ASTER opera por um tempo limitado em partes do dia e noite
de uma órbita. A configuração completa (todas as bandas em stereo plus) coleta dados
numa média de 8 minutos por órbita. Configuração reduzida (bandas limitadas, ganhos
diferentes, etc) pode ser implementada como solicitação por investigadores.
O ASTER é o instrumento de resolução espacial mais alta do satélite EOS AM-1 e o único que
não adquire dados continuamente. Os produtos de dados do ASTER incluem:
• radiações e reflexões espectrais da superfície da Terra;
• temperatura da superfície e emissividades;
• mapas digitais de elevação de imagens stereo;
• mapas da vegetação e da composição da superfície;
• consequência das nuvens, gelo do mar e gelo polar;
• observação de desastres naturais (vulcões, etc).

Figura A – 17: Bandas Espectrais do Aster
3.5.4. CERES
CERES (Clouds and the Earth's Radiant Energy System) é constituído de dois
radiômetros
para scanear bandas largas que irá medir o balanço da radiação da Terra e fornecer
estimativas das propriedades das nuvens para avaliar seu papel nos fluxos radioativos da
superfície até o topo da atmosfera.
CERES é um radômetro escaneador de banda larga com precisão e exatidão de medidas
radiométricas extremamente altas. O satélite EOS AM-1 carrega dois instrumentos
idênticos: um opera em modo scan cross-track e outro em modo scan biaxial. O modo
cross-track continua as medições da missão Earth Radiation Budget Experiment (ERBE)
como também da missão Tropical Rainfall Measuring Mission (TRMM), enquanto modo
scan biaxial fornece novas informações do fluxo angular que prova a exatidão dos
modelos angulares utilizados para derivar o balanço da radiação da Terra.
Os dois scanners CERES operam continuamente nas porções do dia e noite de uma
órbita. No modo de scan cross-track a calibração ocorre a cada duas semanas. No modo
de scan biaxial a calibração também ocorre a cada duas semanas e os scans curtos para
evitar o Sol ocorrem duas vezes por órbita.

Os dados do CERES são utilizados para:
• estudar o "amadurecimento" da radiação das nuvens e retornos;
• desenvolver uma base de observação dos fluxos radioativos do céu limpo;
• determinar a entrada de radiação para atmosfera e modelos energéticos

oceânicos;
• validar modelos gerais de circulação;
• aumentar o alcance estendido numérico das previsões do tempo.
3.5.5. MOPPIT
MOPITT (Measurements Of Pollution In The Troposphere)

é um instrumento desenvolvido para melhorar nosso
conhecimento da baixa atmosfera e observar
especialmente como ela interage com a terra e a biosfera
oceânica. O foco específico está na distribuição,
transporte, fontes e na distribuição do monóxido de
carbono e metano na troposfera. MOPITT é um scanner
radiômetro empregando um espectroscópio da correlação
de gás para medir e radiação infra-vermelha refletida e
absorver três bandas de monóxido de carbono e metano.
O instrumento modula a amostra da densidade do gás pela
mudança do comprimento ou da pressão da amostra do Figura A – 18: Sensor MOPITT
gás no curso óptico do instrumento.
O MOPITT tem uma resolução espacial de 22Km em nadir e uma fileira larga de 640Km.
MOPITT opera continuamente, fornecendo dados científicos em porções do dia e noite de
uma órbita.
Calibragem, usando à bordo corpos pretos e uma visão espacial, ocorrendo a cada scan
normal. Uma longa calibração ocorre mensalmente e fornece uma calibração numa
temperatura elevada dos corpos pretos.
Os dados do MOPITT serão utilizados para:
• medir e modelar a concentração do monóxido de carbono e metano na troposfera;

• obter contorno do monóxido de carbono com resolução de 22 Km na horizontal e
3Km na vertical, com uma precisão de 10% ;
• medir a coluna de metano na troposfera com resolução de 22 Km e uma precisão
melhor do que 10%;
• gerar mapas globais da distribuição de monóxido de carbono e metano, e fornecer
o aumento do conhecimento da troposfera química;
3.6. SATÉLITE AQUA
O foco do projeto Aqua (formalmente conhecido como EOS-

PM) é o estudo multi-disciplinar dos processos inter-
relacionados da Terra (atmosfera, oceanos e superfície do
solo) e seus relacionamentos com as mudanças do sistema
da Terra.
A acentuada pesquisa das mudanças globais com os dados

do instrumento Aqua inclui: temperatura da atmosfera e
perfil da umidade, nuvens, precipitação e balanço radioativo;
neve terrestre e gelo oceânico; temperatura da superfície do
mar e produção do oceano; umidade do terreno; e
melhoramento da previsão numérica do tempo.
Figura A – 19: Satélite Aqua
Estatísticas:
• Peso: 6.468 libras;
• Força: 4.444 watts na média orbital;
• Tamanho: 260 polegadas de comprimento e 102 polegadas de

diâmetro;
• Objetivo do tempo de vida da missão: 6 anos;
Órbita:
• Polar e síncrona com o Sol;
• Altitude: 705 km nominais;
• Inclinação: 98,2 +/- 0,1 graus;
• Nodo ascendente: 13:30 +/- 15 minutos;
• Período: 98,8 minutos;

Uma propriedade interessante do AQUA é que ele passa no Equador 6 horas depois do
TERRA. E possui os mesmos instrumentos MODIS e CERES, do TERRA. AQUA possui,
ainda, os instrumentos AMSR/E - Advanced Microwave Scanning Radiometer-EOS , AMSU -
Advanced Microwave Sounding Unit , AIRS - Atmospheric Infrared Sounder e o HSB -
Humidity Sounder for Brazil , que é um instrumento brasileiro , um sensor de umidade aplicado
à previsão do tempo, sendo o HSB concebido de um acordo entre a Agência Espacial
Brasileira e a NASA. Com o HSB, vai ser permitido ter previsões de tempo mais precisas,
dado que o hemisfério sul é coberto por oceanos, dificultando análises precisas.
3.7. QUICKBIRD
Este sensor, lançado recentemente pela empresa Digital Globe, é o que produz as imagens de
mais alta resolução em âmbito civil, tendo uma resolução de 61 centímetros na banda
pancromática e de 2,44 metros na multiespectral. Ele também é composto de 4 bandas
espectrais, sendo uma que opera no Infravermelho. Abaixo, algumas características do
sensor:
3.8. ENVISAT
O ENVISAT é um satélite europeu que é usado principalmente para aplicações ambientais. É

considerado o maior satélite de observação ambiental já feito na Europa. A bordo dele,
existem dez instrumentos científicos que auxiliam na detecção de índices de poluição nos
oceanos e em Terra, mudanças climáticas, análise de calotas polares, detecção de rastro de
petróleo por navios petroleiros, etc. Os dez instrumentos são:
• ASAR (Advanced Synthetic-Aperture Radar)
• MERIS (Medium-Resolution Imaging Spectrometer)
• AATSR (Advanced Along -Track Scanning Radiometer)
• RA-2 (Radar Altimeter 2) que consiste de:
4a MWR (Microwave Radiometer)
4b DORIS (Doppler Orbitography and Radio-positioning

Integrated by Satellite)

4c LRR (Laser Retro Reflector)
• MIPAS (Michelson Interferometic Passive Atmospheric Sounder)
• GOMOS (Global Ozone Monitoring by Occultation of Stars)
• SCIAMACHY (Scanning Imaging Absorption Spectrometer for

Atmospheric Cartography)
3.9. CBERS
O CBERS é o primeiro satélite de produção brasileira que está em órbita. Foi lançado em
1999, e o projeto é em parceria com a China.
Característica singular do CBERS é sua carga útil de múltiplos sensores, com resoluções
espaciais e freqüências de observação variadas. Os três sensores imageadores a bordo são
o imageador de visada larga (WFI), a câmara CCD de alta resolução e o varredor
multiespectral infravermelho (IR-MSS). O WFI tem uma visada de 900 km no solo, que dá
uma visão sinótica com resolução espacial de 260 m e cobre o planeta em menos de 5 dias.
Já os sensores CCD de alta resolução e IR-MSS fornecem informações mais detalhadas em
uma visada mais estreita, de 120 km. A câmara CCD de alta resolução tem a capacidade
adicional de apontamento lateral de ±32º, que dá frequência de observações aumentada ou
visão estereoscópica para uma dada região. Os dados de múltiplos sensores são
especialmente interessantes para acompanhar ecossistemas que requerem alta
repetitividade. Veja abaixo algumas características do módulo CCD de alta resolução:
Dados do CBERS extraídos diretamente do setor de geração de imagens

(DGI).
3.9.1 CBERS 2
O CBERS-2 : O segundo satélite desenvolvido em conjunto com a China é tecnicamente

idêntico ao CBERS-1. O CBERS-2 foi lançado com sucesso no dia 21 de outubro de 2003,
partindo do Centro de Lançamento de Taiyuan, na China. O horário do lançamento foi às
11:16h (horário de Pequim), o que corresponde a 1:16h em Brasília.
O CBERS-2 foi integrado e testado no Laboratório de Integração e Testes do INPE.
Vantagem: O CBERS 2 fornece imagens de alta qualidade, gratuitamente, pela internet

através do catálogo de imagens do INPE. Acesse o link abaixo e selecione a sua imagem:
http://www.obt.inpe.br/catalogo/

3.10. EO – 1 – Earth Observing 1
Três revolucionários instrumentos de imageamento do solo

no EO-1 coletam cenas multiespectrais e hiperespectrais
sobre o curso desta missão em coordenação com o
Enhaced Thematic Mapper (ETM+) no Landsat 7.
Utilizando tecnologias com materiais leves, arrays
detectores integrados de alta performance e
espectômetros de precisão são demonstrados nestes
instrumentos.
Uma ou duas vezes ao dia, às vezes mais, Landsat 7 e Figura A – 20: Satélite EO – 1
EO-1 capturam imagens das mesmas áreas (cenas). em órbita (ilustração)
Todos os três instrumentos do EO 1 (ALI, Atmospheric

Corrector e Hyperion) visualizam todos ou subsegmentos
da fileira do Landsat 7. Luz refletida do solo será imageada
no plano focal de cada instrumento.
Cada um dos instrumentos possuem únicos métodos de filtração para a passagem de luz
somente em específicas bandas espectrais. As bandas são selecionadas pela melhor
visualização de específicas características da superfície ou do solo nas aplicações
científicas ou comerciais.
Órbitas:
• LEO 705 Km sol-síncrona (inclinação de 98°), nodo
descendente 10 AM;
• Desenvolvido para uma dose total de radiação de 15 Krad;
• Síncrono com Landsat-7, seguido por 1 minuto.
Controle & Manuseio de Dados: Figura A – 21: Esquema de

• Arquitetura MIDEX, também utilizada na missão MAP da imageamento do satélite EO-1
GSFC;
• Processador V Mongoose, 12MHz;
• 1.8 Gbits de telemetria e armazenamento de comando;
• 1773 Coletores de Dados de Fibra Óptica;
• Software de suporte a operações autônomas.
Orientação, Navegação & Controle (GN&C):

• Três eixos estabilizados para apontamento inercial e nadir;

• Precisão de apontamento de 0,03° nos três eixos;
• Instabilidade é menor do que 5 arcosegundos;
• Rastreador Estrelar Autônomo permite posicionamento por 3 eixos;
• Receptor GPS para navegação onboard e sincronização (GSFC);
• Capacidade de formação de vôo autônoma;
• Software de vôo ACS versátil permite rotação para objetos celestiais para instrumentos
de calibração;
• Processador sobressalente Independente.
Armazenamento de Dados & Comunicações:
• Armazena 40 Gbits de dados científicos com um Processador Gravador Avançado de

Faixa Ampla (GSFC);
• Utiliza formato CCSDS;
• Transmissão de dados científicos sobre banda-X a 105 Mb/seg; possui modo de backup
banda-S para downlink a 2 Mb/seg;
• Downlink de dados de preparação de telemetria selecionável: 2 Kb/seg a 1 Mb/seg;
• Comando uplink rate: 2 Kb/seg.
Propulsão ("Primex Aerospace"):
• Sistema de propulsão de hidrazina para correção de erros de inserção, manutenção da

órbita;
• Quatro empuxos de 1-Newton, base dupla, design de bobina duplo;
• Capacidade propulsora de 23,3 Kg, diafragma elastômero que permite expulsão positiva;
• Propulsores oblíquos de 15° para permitir controle total nos três eixos, torque de 0.8 N·m
ao redor do eixo longitudinal e eixos de rolamento, 0.3 N·m sobre eixos de
guinada.
3.10.1. ALI – Advanced Land Imager
O Earth Observing-1 (EO-1) Advanced Land Imager (ALI) é um instrumento que confirma
a tecnologia do Programa do Novo Milênio (NMP). O plano focal para este instrumento é
parcialmente constituído por quatro chips sensores reunidos (SCA) e cobre 3° por 1.625°.
Operando no chamado modo de imageamento "pushbroom" em uma órbita de 705 km, o

ALI fornece bandas multiespectrais e pancromáticas do tipo Landsat. Estas bandas foram
desenvolvidas para imitar seis bandas do Landsat com três
bandas adicionais que cobrem 0.433-0.453, 0.845-0.890 e 1.20-
1.30 µm. O ALI também possui ângulo aberto óptico desenvolvido
para fornecer um campo de visão contínuo de 15° x 1.625° para
um plano focal completamente preenchido com resolução de 30
metros para pixels multiespectrais e resolução de 10 metros para
pixels pancromáticos.
Benefícios:
As tecnologias do ALI oferecem redução de massa, força, complexibilidade e custos de

futuros sistemas de imageamento da Terra para o Programa de Ciência da Terra. Um ALI
completamente operacional possui o potencial de reduzir custos e o tamanho dos futuros
instrumentos tipo Landsat por um fator de 4 a 5.
3.10.2. AC – Atmospheric Corrector
Imagens da Terra são degradadas pela absorção e dispersão da atmosfera. A Missão do

Earth Observing-1 do Programa do Novo Milênio (EO-1) fornece o primeiro teste baseado
no espaço de um Corretor Atmosférico (AC) para o aumento da precisão das estimativas
de reflectância da superfície.
O Atmospheric Corrector (AC) fornece as seguintes capacidades para a futura Ciência da

Terra e missões de imageamento do solo:

• Alta absortância espectral, imageador hiperespectral de

resolução moderada utilizando uma tecnologia de filtro.
• Cobertura espectral de 0.85-1.5 um, bandas são

selecionadas para correção óptica de imagens de alta
resolução espacial.
• Correção de imagens da superfície para variação

atmosférica (primeiramente vapor d'água).
Figura A – 23: Sensor AC
Benefícios:
O Atmospheric Corrector pode ser aplicado em qualquer missão científica ou comercial de

sensoriamento remoto da Terra onde a absorção da atmosfera devido ao vapor d'água ou
aerossóis degradam as medições da reflectância da superfície. Utilizando o Atmospheric
Corrector, medidas de instrumentos atuais melhores do que valores de absorção
modelada, permitem maior precisão de modelos de previsão para serem construídos para
aplicações de sensoriamento remoto.
3.10.3. Hyperion
O instrumento Hyperion fornece uma nova classe inédita de

dados de observação orbital da Terra, para uma
classificação da superfície muito superior aos dados
convencionais. O Hyperion constitui um instrumento no
estado de arte a respeito de resolução espectral, baseado
na herança do Instrumento de Imageamento Hiperespectral
LEWIS (HSI).
Os detetores do Hyperion fornecem resolução de
propriedades da superfície em centenas de bandas
espectrais versos as dez bandas multiespectrais de
imageamento tradicionais do Landsat. Através deste grande
número de bandas espectrais, ecossistemas terrestres Figura A – 24: Sensor Hyperion
complexos podem ser imageados e classificados
precisamente.
O Hyperion dispõe de um imageador de alta resolução capaz de analisar 220 bandas

espectrais (de 0.4 a 2.5 µm) com uma resolução de 30 metros. O instrumento pode
imagear uma área do solo de 7,5 km por 100 km a cada imagem e fornecer mapeamento.
espectral através de todos os 220 canais com alta precisão radiométrica. Concebido
originalmente como parte do instrumento ALI, o Hyperion agora é um instrumento
completo e independente do EO-1. Os principais componentes deste instrumento
possuem:

• Sistema com design baseado na missão KOMPSAT EOC. O telescópio fornece dois
conversores reticulares espectômetros de imagens separados para melhorar a taxa de
sinal-ruído (SNR).
• Um array de planos focais que fornecem detetores de ondas curtas separadas (SWIR) e
espectro visível (VNIR) baseados em hardware sobressalente do programa LEWIS HSI.
• Um cryocooler idêntico ao fabricado para a missão LEWIS HSI para refrigeração do

plano focal SWIR.
Depois de seu lançamento a bordo do satélite EO-1 da

NASA, o imageador hiperespectral está transmitindo
imagens da superfície da Terra para estações terrestres
espalhadas pelo mundo. Hyperion é o primeiro imageador
hiperespectral da NASA a estar operando em órbita. Dados
do Hyperion estão fornecendo mais detalhes da superfície
da Terra dos que atualmente estão disponíveis através de
instrumentos multiespectrais, como o instrumento Enhanced
Thematic Mapper Plus no Landsat. A classificação
detalhada de ecossistemas complexos com o imageador
hiperespectral proporciona maior precisão para os dados de
Figura A – 25: Imagem adquirida pelo
sensoriamento remoto. Hyperion mostra a quantidade de
clorofila relativa da vegetação.
Minerais na superfície da Terra podem ser identificados e novos mapas de minérios

podem ser criados para selecionar locais para exploração; inventários florestais podem
ser desenvolvidos para regiões remotas para suportar gerenciamento e planejamento
ecológico.
Benefícios:
Imageamento hiperespectral possui muitas aplicações em geologia de mineração,

silvicutura, agricultura e gerenciamento do ambiente. Classificações detalhadas do solo
que são obtidas através do Hyperion possibilitam exploração mineral mais precisa,
melhores previsões de boas safras e assentamentos, e melhor cartografia.

B: Começar a trabalhar com o ENVI

É fácil familiarizar-se com o conceito de interface gráfica de uso ("Graphical User In-
terface", GUI) do ENVI, que possibilita interações gráficas entre as funções e os dados
com grande facilidade. O ENVI é configurado para uso com "mouse" de três botões.
Em sistemas que aceitam "mouse" com somente dois botões, o botão do meio pode
ser simulado apertando simultaneamente a tecla [CTRL] e o botão esquerdo do "mou-
se". As seleções são feitas apontando-se o cursor e clicando e/ou clicando e arrastan-
do o "mouse".
O ENVI está sendo comercializado de duas formas: com, e sem, a linguagem de des-
envolvimento IDL “Interactive Data Language”, a base e o motor do ENVI que permite
rodar procedimentos complexos em modo batch (não-interativo) e agregar funcionali-
dades novas como por exemplo as rotinas especiais fornecidas pela SulSoft. O ENVI
RT (sem IDL) dispõe de todas as funcionalidades descritas nesse Guia, caso contrário
será explicitamente mencionado o uso do IDL. Portanto, em todo Guia a sigla “ENVI”
se refere tanto ao ENVI com IDL com ao ENVI RT.
O Guia descreve os procedimentos e as janelas de comando a partir de uma instala-

ção típica em Windows 2000; os caminhos (paths) dos arquivos de dados são dife-
rentes em sistemas Unix, assim como a aparência das janelas, mas os conceitos
mostrados aqui se aplicam 100% também para usuários Linux/Unix (e para os demais
sistemas operacionais Windows).
Os menus principais podem ser configurados conforme as necessidades do usuário;

inclusive é possível traduzi-los, o que foi feito para os fins deste Guia em Português do
ENVI (Figura B-1). Portanto, recomendamos que se faça o download dos arquivos de
menus já traduzidos (e todas as instruções para a instalação deles), disponíveis no
Portal Brasileiro ENVI.
www.envi.com.br/downloads
1. O sistema de menu
Figura B-1: Menu Principal
1.1 Menu principal

A instalação do (ENVI + IDL)/ENVI no Windows cria um ícone no seu desktop que
chama o ENVI diretamente; você pode também clicar no menu iniciar, programas,
selecionar 'ENVI 4.0' e clicar no 'ENVI' ou 'ENVI RT'. Para quem dispõe do ENVI+IDL,
o ENVI pode ser chamado também a partir da linha de comando em IDL, digitando-se
o comando envi. Em Unix e Linux o instalador oferece a criação de links para chamar
o ENVI diretamente de qualquer janela de comando.

Inicialmente aparece somente o menu principal do ENVI (Fig. B -1); a partir dele você
tem a sua disposição toda funcionalidade do ENVI, sem ter que chamar módulos a
parte. Recomenda-se deixar essa barra de menu sempre visível, na parte superior da
tela.
O usuário pode determinar, através da cadeia de comandos "Arquivo - Preferências",

na opção "Misc System Preferences..." a posição do menu principal na tela: se vertical
ou horizontal. A partir do 3.4 essa alteração pode ser obtido também simplesmente
clicando e arrastando num canto do menu (por exemplo do canto inferior esquerdo
para o canto superior direito). O sistema de menu apresenta um menu principal, listan-
do os principais grupos de programas com respeito a sua função.
As seleções nos menus em cascata ("pulldown menus") são feitas clicando-se na fun-
ção do menu principal, segurando o botão esquerdo do "mouse" e arrastando-o até
chegar ao item desejado. As funções, também podem ser escolhidas clicando na fun-
ção do menu principal desejada e navegando com as teclas de movimento do cursor -
←,↑,→,↓.
O usuário determina os parâmetros de entrada nas caixas de diálogo, que aparecem

com valores padronizados para minimizar as interações. Uma grande parte das caixas
tem um botão de "OK" e "Cancel", assim como linhas de texto para se modificar os
parâmetros padronizados. Além disso, existem os botões de escolha ("toggle bu-
ttons"), onde o usuário tem a possibilidade de escolher entre duas opções.
DICA: Se o sistema parece não responder mais aos seus comando/cliques, verifique
se não tem uma caixa de dialogo aberto (e que ficou escondido atrás de uma outra
janela). Lembre-se de que os comandos estão sendo armazenados no command bu-
ffer e executados assim que você fechar a caixa de dialogo, portanto recomenda-se
investigar logo se algum comando parece não executar, em vez de clicar insistente-
mente ....
1.2 Menu da janela gráfica (menu do display)

Este menu importante, que chamaremos de menu da janela gráfica (ou menu do dis-
play), está disponível sempre que for aberta uma imagem (através do comando “Ar-
quivo -> Abrir Imagem ...”). Ele encontra-se acima da imagem e é idêntico ao mostrado
na figura abaixo. O menu da janela gráfica controla todas as funções de tela, como
"linkar" imagens, examinar perfis, tratar imagens com aumento de contraste, produzir
superposições, definir regiões de interesse, determinar as características das janelas
de visualização e gravar as imagens em diferentes formatos de saída e fazer a im-
pressão, localizar a posição de pixel, editar pixels (espacialmente e espectralmente),
carregar dispersogramas e animações, etc. E também, a partir da versão 3.5 do ENVI,
foi adicionado a função Geographic Link, na qual duas imagens podem ser linkadas
através de suas coordenadas geográficas, não importando a resolução espacial ou
projeção cartográfica.
Figura B-2: Menu da janela gráfica

2. Conceitos de visualização
• Clicar o botão esquerdo do "mouse" com o cursor na opção "Arquivo" menu
principal.
• Arrastar o "mouse" até a opção "Abrir imagem do ENVI".
• Aparece a caixa de diálogo de escolha do arquivo de entrada.
• Selecione um arquivo de imagem, por exemplo:

C:\rsi\idl60\products\envi40\data\can_tmr.img, ou bhtmref.img. Clicar "OK".
Figura B-3: Caixa de diálogo dos arquivos

de dados de entrada.
2.1 Lista das bandas disponíveis

A caixa de diálogo Lista de Bandas
Disponíveis ("Available Band List") aparece
sempre que uma imagem é chamada. Esta
lista mostra todas as bandas das imagens abertas e
também os itens de memória (arquivos temporári-
os). A lista de bandas disponíveis é usada para car-
regar imagens em tons de cinza (uma banda, botão
"Gray Scale") ou em cores, pelo sistema RGB (três
bandas, botão "RGB Color").
A caixa de diálogo "Available Band List" ("Lista de

Bandas Disponíveis") não apenas possibilita a sele-
ção de bandas para visualização em tons de cinza,
como também as correspondentes composições
coloridas RGB. Toda vez que for gerada uma nova
imagem, ela será disponível através da "Available
Figura B-4: Lista de bandas disponíveis.

Band List", portanto é conveniente deixar esse diá-

logo aberto, em algum canto da tela.
A partir da versão 3.5 do ENVI, é possível, através de um clique com o botão direito do
mouse no campo branco da janela, ter-se acesso a funções que tornam mais simples
carregar imagem, fazer composições coloridas (desde que os valores de comprimento
de onda estejam informadas no cabeçalho da imagem), etc. (Figura B-4).
• Escolha uma banda para visualização em tons de cinza ("Gray Scale").
• Você pode sempre a qualquer momento chamar esta janela através do botão
"Abrir" seguido por "Lista de Bandas Disponíveis" (por exemplo quando aparece a
mensagem "Problem: This file has already been opened").
• Carregar na lista de bandas disponíveis a imagem

C:\rsi\idl60\products\envi40\data\can_tmr.img e clicar com o botão esquerdo, para
os canais RGB, as bandas 4, 5 e 3, respectivamente.
2.2 Janela principal

A janela principal mostra a imagem
(\rsi\idl60\products\envi40\data\can_tmr.i
mg) na resolução total (um pixel da ima-
gem corresponde a um pixel na tela), que
depende da resolução gráfica da tela e da
placa de vídeo do computador. A moldura
vermelha mostra o tamanho da janela de
ampliação. O tamanho inicial dessa ja-
nela é controlado pelos parâmetros indi-
cados no arquivo de configuração en-
vi.cfg. A maneira mais fácil de modificar o
tamanho de cada uma das janelas é com
os recursos do sistema de Windows (cli-
car com mouse esquerdo num canto da
janela, e arrastar), ou dentro do menu do
display, selecionar a cadeia de comandos
"Arquivo - preferências." (Figura B-5).
Figura B-5: Imagem ampliada.
2.3 Janela global (Scroll Window)

A janela global (Figura B-6) apresenta a imagem completa em resolução reduzida; a
moldura vermelha indica a parte da imagem correspondente à janela principal.
A parte da imagem visualizada em resolução verdadeira na janela principal pode ser

selecionada clicando e arrastando a moldura vermelha na janela global, ou simples-
mente clicando com botão esquerdo no pixel que você quer centralizar na imagem
principal.

Para imagens grandes (por exemplo cenas inteiras Landsat) ou de pouca definição
(por exemplo imagens de radar) pode ser difícil identificar as áreas de interesse na
janela global; uma possibilidade é aumentar o tamanho da janela (por exemplo clican-
do e arrastando num canto da janela), mas a melhor opção é o uso do "Meta Scroll":
Clicando com botão do meio (tecla "Ctrl" + botão esquerdo se não tiver botão do meio)
e clicando e arrastando na janela global define-se um retângulo que serve como nova
área total da imagem. A qualquer momento pode-se voltar à visualização da imagem
(inicial) inteira, clicando com o botão direito em qualquer área na janela global.
• As funcionalidades dos botões dependem

do aplicativo em uso; por exemplo no mó-
dulo de Região de Interesse (e com a janela
global selecionada como janela ativa) o cli-
que do botão esquerdo definirá um novo
ponto na região de interesse, em vez de
centralizar a janela principal conforme des-
crito acima. Você pode chamar a função
"Básico" seguido por "Descrição dos botões
do mouse" para ter sempre uma descrição
(em inglês) das funcionalidades associadas
Figura B-6: Imagem da Janela Glo-
aos botões do mouse do aplicativo atual. bal. (Zoom)
• O ENVI não impõe limites a respeito do

número de janelas (e imagens) abertas simultaneamente, o que pode resultar
numa tela cheia de janelas. Para poder organizar a sua tela existem ferramentas
do sistema (em Windows 95/98/NT4/2000/XP a "Barra de ferramentas") e a função
do ENVI "Janela – Gerenciador de Janelas" que disponibiliza uma lista de todas as
janelas/funções abertas (clicando num item você traz a janela correspondente para
a frente).
2.4 Janela de imagem ampliada (Zoom window)

A janela de ampliação mostra a imagem ampliada. O
fator de ampliação é mostrado no topo da janela ao
lado de "Zoom"; clicar com o botão esquerdo nos qua-
dradinhos vermelhos diminui “–“ ou aumenta “+” o fator
do zoom. Clicando com o botão esquerdo em um de-
terminado pixel na janela zoom centraliza esse pixel
na janela, e a moldura vermelha referente à janela zo-
om (na janela principal) muda de lugar. Clicando com
o botão esquerdo e arrastando o cursor fora do centro
da janela faz com que a moldura (e consequentemente
a área ampliada na janela do zoom) se mova "na
mesma direção da trajetória do cursor"; por exemplo
clicando e arrastando do lado esquerdo do centro da
janela de zoom faz com que a área ampliada se mova
para a esquerda, com uma velocidade proporcional a
distância do cursor ao centro da janela de zoom.
Figura B-7: Imagem ampliada com o
menu do Zoom

A partir da versão 3.5 do ENVI, foi adicionado à janela de zoom um menu igual ao
mostrado na figura B-7 que facilita as operações na janela ampliada, bastando clicar
com o botão direito do mouse dentro da janela de zoom.
• Clicar com o botão esquerdo e arrastar o cursor na janela de ampliação para ob-
servar como a área ampliada "percorre" a sua imagem.
2.5 Carregar janelas adicionais ("Display controls")
Uma forma que auxilia no tratamento das

imagens satélites é a visualização das infor-
mações diferentes na tela, como a compara-
ção da mesma imagem em composições
coloridas diferentes, ou a comparação da
imagem com informações de SIG (modelos
de elevação, informações temáticas, etc.),
resultados de classificação, filtragens, au-
mento de contraste e vários outros procedi-
mentos.
• Dentro do menu principal, selecione o Figura B-8:Menu “Janela”

item “Janela”.
• Aparece uma lista com todas as possibilidades de tratamento do display.
2.5.1 "Abrir Display Novo"
Com esta opção é possível chamar uma nova janela independente de imagem. Cada
janela é numerada seqüencialmente, iniciando-se com a número 1. Janelas adicionais
também podem ser chamadas na lista das bandas disponíveis, clicando no botão
"Display # - New Display".
2.5.2 "Iniciar Nova Janela de Vetor"
Carrega uma nova janela independente de vetores. Cada janela é numerada seqüen-
cialmente, iniciando-se pela de número 1. Janelas adicionais também podem ser cha-
madas na lista dos vetores com um clique no botão "Load Vector".
2.5.3 "Iniciar Nova Janela de Projeto"
Carrega uma nova janela, por exemplo, para receber gráficos da biblioteca espectral
ou de outras janelas gráficas. Novas janelas gráficas podem também ser carregadas
por um clique na opção "New Window" no menu "Options" em qualquer tela de plota-
gem.

"Maximizar Displays Abertos"
• Seleciona-se esta opção para monitorar todas as telas abertas no maior tamanho
possível.
• Voltar à lista de bandas disponíveis e escolher uma outra combinação de bandas

como, por exemplo, 7-4-1.
2.6. "Link Displays"

Estabelece uma ligação de busca e visualização entre duas ou mais janelas com o
mesmo sistema geográfico ou com as mesmas bases de coordenadas do arquivo.
Podem ser ligados também um subconjunto ("subset") de uma imagem com a imagem
do tamanho original, apresentações de composições coloridas diferentes. O "Dual
Dynamic Overlay" do ENVI permite a visualização de uma ou mais imagens na janela
de uma outra imagem. Em conexões já feitas, é possível acrescentar ou remover ja-
nelas de visualização. Essa função é disponível também no menu da janela principal:
• Selecione , dentro do menu da janela gráfica, a cadeia de comandos "Ferra-

mentas - Link - Link Displays" [Link - Criar Link entre displays]. Na caixa de di-
álogo "Link Displays", determine a janela a ser conectada pela seleção entre os
botões "Yes" ou "No", próximos ao número da janela.
• Clique no botão "OK" para efetivar o novo conjunto de janelas conectadas.
2.7. “Geographic Link”

A partir da versão 3.5 , o ENVI dispõe da ferramenta de “linkar” duas ou mais imagens
através de suas coordenadas geográficas, não importando o sistema de projeção, da-
tum ou resolução da imagem.
Figura B-9: Duas imagens linka-

das através do Geographic Link
com resoluções diferentes: A da
esquerda é de 480 metros, a da
direita, 30 metros

• Selecione , dentro do menu do display, a cadeia de comandos “Ferramentas –

Link – Geographic Link”
• Selecione os displays a serem conectados pelo Geographic Link
• Clique em OK e mova o cursor através de um display que automaticamente as

outras janelas se conectarão através de sua latitude e longitude.
2.8 Trabalhar com Tabelas de Cores

Para acessar a tabela de cores do ENVI, basta selecionar,
dentro do menu da janela gráfica, a cadeia de comandos
“Ferramentas – Mapeamento de cores – Tabela de Cores do
ENVI” . Existem dezenas de tabelas de cores pré-definidas. A
determinação dos valores mínimos e máximos pode ser con-
trolada com as ferramentas de limite inferior ("stretch bo-
ttom") e limite superior ("stretch top"). Mudando-se o limite
inferior para o lado direito, as áreas de alta reflexão na ima-
gem aparecem mais escuras. As áreas escuras na imagem
podem ser realçadas movendo-se o limite superior para o
lado direito. Para aplicar as modificações na tabela de cor,
clica-se em "Options" e "Apply" na caixa de diálogo "ENVI
Color Tables". Obs.: A aplicação de tabelas de cores só fun-
ciona para bandas visualizadas no modo "Gray Scale", por-
que a visualização no modo "RGB Color" já fixa a composi-
ção colorida definida pelos valores digitais (r,g,b) de cada
pixel. Figura B-10: Tabela de
Cores do ENVI
• Selecione dentro do menu da janela gráfica a cadeia de
comandos “Ferramentas - Mapeamento de Cores – Tabela de Cores do ENVI”.
• Aparece a caixa de diálogo das tabelas de cores (Figura B-10).
• As tabelas pré-definidas aparecem na lista da caixa de diálogo.
• Mudar a tabela de cores com cores definidas.
• Para aplicar a configuração desejada na tabela de cores, clique em “Options –

e depois, em Apply”.
• Tentar as possibilidades no "ENVI Color Tables" para o "Bottom Stretch / Top

Stretch" em cores de sua preferência e objeto de interesse.
• Clicar em "Options" e "Reset Color Table" para voltar à imagem original, apa-
gando a tabela de cores escolhida anteriormente.
• Voltar à caixa de diálogo de "Lista de Bandas Disponíveis" e clicar no botão

"RGB Color".
Quando as imagens já estiverem carregadas, todas as bandas dessas imagens apare-

cem na lista de bandas disponíveis. O usuário pode escolher entre as opções "Escala
de Cinza" ("Gray Scale") e composições coloridas em RGB. Para a composição RGB é

permitida qualquer combinação de bandas de mesma resolução espacial e mesmo

número de linhas e colunas.
• Escolha a composição colorida das bandas preferidas.
Combinações usuais de bandas para o LANDSAT TM:
• Bandas 3-2-1: composição das cores naturais.
• Bandas 7-4-1: interpretação geológica.
• Bandas 7-4-3: interpretação geológica.
• Bandas 4-3-2: vegetação aparece em vermelho.
• Bandas 4-5-3: diferenciação do uso da terra.
Na realidade, é possível usar quaisquer três bandas para se produzir uma composição
colorida. Contudo, uma cuidadosa seleção das mesmas faz-se necessária, para que a
combinação dessas bandas contenha a informação espectral realmente desejada
(Crósta, 1993, p.63).
2.9. Aumento de contraste (Realce)

A maioria das imagens de sensoriamento remoto são registra-
das com uma resolução radiométrica de 8 bits, que podem pro-
duzir 256 valores ou níveis de cinza. Normalmente, as imagens
contêm, em cada banda, uma pequena faixa desses valores e,
além disso, a presença de bruma atmosférica e a geometria de
iluminação da cena podem atenuar as próprias características
da imagem.
O sistema visual do homem só consegue discriminar cerca de

30 tons de cinza, quando estão bastante espalhados em rela-
ção ao intervalo de 0 a 255. Por isso, o tratamento das ima-
gens pelo método do aumento do contraste é uma técnica ne-
cessária para extrair informações não identificadas a princípio
pelo intérprete. O contraste de uma imagem é uma medida do
espalhamento dos níveis de cinza que nela ocorrem.
É fundamental distinguir entre os dados "reais" como estão ar-

mazenados no disco, e a representação deles na tela. Mudar o
contraste da imagem não muda os dados em disco. É comum a
mesma imagem (um CD com uma imagem do INPE em .tif por
exemplo) aparentar bastante diferente em softwares diferentes.
Isso em geral nada tem a ver com a capacidade do software de Figura B-11: Menu das fun-
visualização (realce de contraste é uma tarefa bastante básica), ções personalizadas de
realce
mas com os parâmetros padrão de visualização deste software.
No ENVI esse padrão pode ser definido em dois lugares:
1) em "Arquivo – Preferências" selecionando "Display Defaults" e modificando o "Dis-

play Default Stretch" (configuração inicial é um realce de 2 % linear);

2) No cabeçalho de uma imagem no formato do ENVI ("Arquivo - Editar Cabeçalho de

Arquivo ENVI" - selecionar imagem – " O.K." -> "Edit Attributes" -> "Default Stretch"),
possibilitando definir individualmente o padrão de visualização das suas imagens.
2.9.1 Realces de contraste padronizados
Todas as funções que são dadas na opção "Realce " (Figura B-11) aplicam um au-
mento de contraste com base na imagem visualizada na janela principal, ou na janela
global ou na janela de ampliação, sem interferência do usuário.
• Dentro do menu da janela gráfica, selecione a cadeia de comandos "Realce -

[Image] / [Zoom] / [Scroll]" e o tipo de realce a ser aplicado à imagem visualiza-
da.
Realce linear
Linear usa valor máximo e o valor mínimo para aplicar um aumento linear de con-
traste.
Linear 2%
A função linear 2% corta 2 % dos valores extremos no histograma da imagem para

aplicar o aumento de contraste linear.
Gaussiano
Gaussiano aplica um aumento gaussiano de contraste, ou normalização de contraste,

com um valor médio de 127 e 3 desvios padrões.
Equalização
Equalização aplica um realce de equalização no histograma da imagem.
Raiz Quadrada
Raiz Quadrada tira a raiz quadrada do histograma de entrada e aplica um realce linear
neste.
2.9.2 Aumento de contraste interativo
Freqüentemente, não é possível perceber os detalhes espectrais de uma imagem.

Para pesquisas especiais, como em hidrologia, é necessário a aplicação de um au-
mento de contraste especial, que só considere os valores da classe "água". Para de-
terminar as diferenças de vegetação numa floresta, o aumento de contraste vai ser
aplicado para esses valores de nível de cinza, que ocorrem na classe "floresta". Com
as funções do aumento de contraste interativo, o ENVI possibilita a escolha de um
intervalo desses valores de nível de cinza.
• Colocando-se "Realce Interativo" na opção do display "Realce ".

• Aparece a caixa de diálogo que possibilita a escolha do método do aumento de

contraste e o intervalo preferido para aplicá-lo.
Toda caixa de diálogo chamada, aplica automaticamente um aumento linear de con-

traste à imagem na janela principal e vai mostrar um histograma da imagem original e
outro da imagem realçada. Em todas as aplicações do aumento de contraste interati-
vo, o usuário pode acompanhar o resultado da operação na própria imagem de saída.
Os valores mínimo e máximo de níveis de cinza da imagem são marcados por uma
linha vertical vermelha (mínimo) e verde (máximo). O usuário pode conhecer os valo-
res mínimo e máximo quando clicar com o botão esquerdo do "mouse" sobre estas
linhas e movimentá-lo na direção do eixo X. Essas linhas determinam o intervalo dos
valores aplicados para o aumento de contraste. Os valores são também mostrados
nas janelas de texto. Estes valores podem ser alterados também pelo teclado. O his-
tograma de entrada pode ser extraído da imagem visualizada na janela principal, na
janela global, ou na janela de ampliação, ou ainda, de uma imagem situada numa re-
gião de interesse definida pelo usuário.
Se a imagem na janela de ampliação for selecionada como a de entrada, os histogra-

mas para partes diferentes de imagem podem ser visualizados com movimento da
moldura de ampliação localizada na janela principal. Um exemplo de aplicação é a
pesquisa de áreas desmatadas, que são caracterizadas pelo sinal do solo puro. Neste
caso, o aumento de contraste interativo aplicado à imagem na janela de ampliação vai
ser aplicado também à toda a imagem.
• Clicar e segurar o botão central do "mouse" para ver a mudança instantânea

dos histogramas.
• Os histogramas atualizam-se automaticamente, mudando-se a moldura da ja-

nela de ampliação para uma nova posição.
• Clicar o botão "Reset" para receber de volta o histograma original da imagem.
• Defina um novo intervalo de valores de tons de cinza que vai ser implementado
pelo novo aumento de contraste.
• Para aplicar o novo contraste, clica-se no botão "Apply".
• Na caixa de diálogo "Interactive Contrast Stretch" ("Aumento Linear de Con-

traste"), encontra-se um botão que indica o método de aumento de contraste
usado.
Aumento linear de contraste (ALC)
A forma mais simples de se aumentar o contraste de

uma imagem é por meio do aumento linear, em que a
função de transferência é uma reta e apenas dois pa-
râmetros são controlados: a inclinação da reta e o
ponto de interseção com o eixo Y. A inclinação con-
trola a quantidade de aumento de contraste e o ponto
de interseção com o eixo Y controla a intensidade mé-
dia da imagem final.
A inclinação da reta determina a quantidade de expansão das Figura B-12: Histograma

de uma imagem e de
intensidades da imagem original. Uma inclinação exagerada, sua versão com o ALC
pode fazer com que as intensidades na imagem contrastada aplicado. (Fonte:
Crósta, 1993, p. 44).

excedam os limites permitidos, causando saturação

("overflow"), e, consequentemente, perda de informa-
ção, uma vez que pixels de colunas vizinhas do histo-
grama, que originalmente podiam ser diferenciados
com base no seu
NC, serão fundidos numa só coluna e passarão a ter o
mesmo NC (0 ou 255), conforme mostrado na figura B-
12.
Aumento de contraste "piecewise"
Um procedimento de modificação útil e flexível é a

função "piecewise" de mapeamento linear (Figura B-
13), que é caracterizada pela implementação dos
pontos de interrupção. Geralmente, o usuário pode também
Figura B-13: Modificação do
especificar a quantidade dos pontos de interrupção. aumento de contraste linear
“piecewise”,
• Clicar o botão " Stretch Type" para carregar o menu caracterizado pelos pontos de
em cascata e selecionar a função "Piecewise". interrupção (Fonte:
Rihards,1993, p. 97).
Aumento de contraste gaussiano (ou normalização de histograma)
Este aumento de contraste obedece as leis gaussianas de distribuição estatística, pro-

duzindo um histograma em que a média e o desvio padrão da distribuição são especi-
ficados e que possui a forma aproximada de um sino. Com a aplicação da normaliza-
ção de histograma, a informação contida nas extremidades do histograma vai ser real-
çada. O aumento gaussiano de contraste é selecionado no menu em cascata.
• Clica-se na opção "Stretch Type" para carregar o menu em cascata que mostra
os diferentes métodos de aumento de contraste e seleciona-se a função
"Gaussian".
Equalização de histograma (ou achatamento)
A equalização de histograma procura colocar um núme-

ro igual de pixels para cada nível de cinza. Um aumento
de contraste só seria ideal, se todos os possíveis 256
níveis de cinza fossem igualmente utilizados. Dessa
maneira, todas as barras verticais que compõem o
histograma seriam da mesma altura, o que não é
possível devido à natureza discreta dos dados digitais de
uma imagem de sensoriamento remoto. Figura B-14: Aumento de contras-
te por equalização de histograma
(Fonte: Crósta, 1993, p. 50).
Uma aproximação pode ser conseguida se os picos do
histograma da imagem forem espalhados, mantendo-se
intactas suas partes mais achatadas (Crósta, 1993). Esse processo é obtido através

de uma função de transferência que tem uma alta inclinação. O histograma original
apresenta um pico e uma baixa inclinação no restante da curva, conforme mostrado na
Figura B-14.
Em várias situações, é necessário realçar as imagens para obter um histograma uni-

forme. O histograma, então, é associado a uma imagem, que utiliza a faixa de níveis
de cinza disponível. As imagens tratadas com a equalização de histograma são ca-
racterizadas pela apresentação de detalhes em todos os níveis de cinza.
• Escolha no menu "Stretch Type" o aumento de contraste "Equalize".
Com a aplicação do achatamento de histograma, os dados vão ser automaticamente

escalonados para equilibrar os valores de nível de cinza em todo o histograma. A dis-
tribuição original dos níveis de cinza é representada no histograma de entrada ("Input
Histogram"), enquanto o histograma de saída ("Output Histogram") indica a função do
achatamento de histograma como uma linha vermelha e os dados modificados em
branco.
Vantagem:
O achatamento de histograma é usado para realçar imagens com extensas áreas de

intensidade uniforme, que produzem histogramas com um largo pico central. Este tipo
do aumento de contraste possibilita reconhecer, nestas áreas uniformes, detalhes an-
tes imperceptíveis.
Desvantagem:
A informação representada por pixels, com intensidade localizada nas extremidades

do histograma, será bastante comprimida em termos de contraste e, consequente-
mente, prejudicada.
Figura B-15: Caixa de diálogo de aumento de contraste interativo

pelo método de equalização de histograma.

Aumento de contraste arbitrário
Esta opção possibilita criar qualquer histograma de padrão acima do histograma ou-
tput. A função "Arbitrary" também pode ser usado para combinar um histograma numa
imagem em histograma de outra imagem.
• Selecione a função "Stretch Type" e selecione a função "Arbitrary".
O histograma de saída é definido pela seleção de segmentos, que é realizada por um

clique com o botão esquerdo do "mouse". O histograma arbitrário definido pelo usuário
é visto em verde e pode ser apagado com o botão central de mouse. Clicar o botão
direito do "mouse" para confirmar o histograma de saída e para carregar as estatísti-
cas.
Realce por raiz quadrada
É possível fazer o realce por raiz quadrada tanto no modo interativo quanto pelo menu
da janela gráfica Realce. A aplicação deste tipo de realce pode ser útil, por exemplo,
ao processamento de imagens de radar.
• Selecione, dentro do menu da janela gráfica, “Realce - [Image] / [Zoom] /

[Scroll] Raiz Quadrada". Para o realce interativo, selecione a cadeia de coman-
dos "Realce - Realce Interativo", para abrir a janela do histograma da imagem,
e fixe a opção "Square Root Stretch", no menu em cascata do item
"Stretch_Type".
Definição e edição de tabelas de realce interativo (LUT)
No programa de realce interativo, foram incluídas as opções de gravação e recupera-

ção de tabelas em arquivos ASCII ou binários, que podem ser aplicadas como um pa-
drão de realce.
• Selecione a cadeia de comandos "Realce– Realce Interativo", para abrir a ja-

nela do histograma da imagem. Para gravar a tabela de realce em uso no for-
mato ASCII, selecione a cadeia de comandos "File - Save Stretch to LUT - AS-
CII LUT". Para recuperar uma tabela de realce ASCII, selecione a cadeia de
comandos "File - Restore LUT for Stretch", que abrirá a janela de seleção de
arquivos "Enter LUT Filename". Para gravar uma tabela no formato binário (ar-
quivo .lut), selecione a cadeia de comandos "File - Save Stretch to LUT - ENVI
Default LUT".
Uma função de edição de tabela de realce e outra de edição de realce linear passo – a
- passo permitem uma modificação direta de valores individuais na tabela. Para editar
uma tabela, selecione, primeiramente, a cadeia de comandos "Stretch_Type - User
Defined LUT". Em seguida, selecione a cadeia de comandos "Options - Edit User Defi-
ned LUT", que abrirá a caixa de diálogo "Contrast Stretching", que relaciona os pares
ordenados da tabela. Clique sobre um determinado par a fim de modificar seus valores
nas caixas de texto localizadas sob o título "Edit Selected Item".
Clique no botão "OK", para implementar as modificações. Para modificar uma tabela
aplicada a um realce linear passo-a-passo, selecione a cadeia de comandos "Options -
Edit Piecewise Linear". A modificação dos pares ordenados segue um procedimento
similar ao caso anterior.

Saída de histograma
Qualquer histograma pode ser gravado como um arquivo ASCII. Além disso, todo his-
tograma pode ser gravado como um arquivo de saída nos seguintes formatos:
PostScript, BMP, HDF, JPEG, PICT, SRF, TIFF,XWD, ERDAS, PCI, ER Mapper ,
ArcView.
Realce de Contraste->Filter->
Essa opção permite a aplicação direta de um filtro, com visualização imediata.
2.10. ENVI Queue Manager

A partir da versão 3.4 o ENVI adquiriu a função de gerenciador de fila (Queue), que
serve para armazenar vários procedimentos e funções aplicadas e depois executar de
uma só vez. Por exemplo, com o ENVI Queue, é possível fazer dois, três georreferen-
ciamentos de imagens, classificar 5 imagens, construir 3 mosaicos, mas tudo sem
aplicar as funções, e sim, colocando no gerenciador de fila. Depois, quando o usuário
deixar o local de trabalho poderá aplicar todas os procedimentos de uma só vez que o
ENVI processará uma a uma!!!! Vamos ver agora como funciona o ENVI Queue.
• Carregue qualquer imagem em um novo display.
• Execute, por exemplo, uma classificação não supervisionada (detalhes no guia

F – Classificação), selecionando, dentro do menu principal, a cadeia de co-
mandos “Classificação – Não Supervisionada – IsoData”.
• Selecione a imagem desejada, clique em OK e aparecerá a janela “ISODATA

Parameters”. Note que ao lado do OK aparecerá o botão “Queue”. Clique nele
e o procedimento de classificação, em vez de executar, irá para o Gerenciador
de Fila.
• Agora, vamos executar outro procedimento totalmente diferente da classifica-

ção. Vamos realizar uma reamostragem espectral de pixels em uma imagem.
Selecione, dentro do menu principal, a cadeia de comandos “Ferramentas –
Redimensionar Imagens (espectral/espacial)” . Aparecerá a janela de seleção
do arquivo. Selecione-o, clique em OK e aparecerá a janela “Resize Data Pa-
rameters” . Não se preocupe com os parâmetros, pois isso vai ser visto mais a
frente, no capitulo C. Apenas clique no botão “Queue”.
• Selecione, dentro do menu principal, a ca-

deia de comandos “Arquivo – ENVI Gerenciador de
Fila (Queue)” .
Aparece a janela “ENVI Queue Manager” (Figura B-
16).
• Clique em “Select All”, e logo após, clique

em “execute selected” e as funções serão executa-
das automaticamente.
Figura B-16: Janela do Gerenci-

ador de Fila (Queue)

IMPORTANTE: Os arquivos de entrada para os procedimentos de fila devem estar na

lista de bandas disponíveis, ou seja, não remova esses arquivos da janela “Available
Bands List”.
2.11. Restaurando displays
O ENVI agora possibilita salvar e restaurar grupo de displays abertos. Por exemplo, se
o usuário sobrepõe várias camadas vetoriais, configura as camadas, coloca grades,
anotações(tem que ser um já salvo), o usuário pode fechar o programa e, depois,
chamar o arquivo de restauração já salvo que o Envi carregará novamente os planos
vetoriais, as configurações, etc..
• Carregue uma imagem qualquer...
• Depois de aberta a imagem, selecione, dentro do menu da janela gráfica, a ca-

deia de comandos “Arquivo – Salvar Grupo de Visualização”.
• Aparecendo a janela “Save Display to ENVI Display Group File” , entre com o
nome do arquivo e clique em OK.
• Para restaurar o grupo de display anteriormente salvo, selecione, dentro do

menu da janela gráfica, a cadeia de comandos “Arquivo – Restaurar Grupo de
Display”.
2.12. Salvando sessão para “Script”

Faz a mesma função de restaurar displays ativos, mas a diferença é que essa função
vale para vários displays, diferente da função explicada acima, que vale só para um
display.
• Para salvar, selecione, dentro do menu principal, a cadeia de comandos “Arquivo->

Salvar Sessão para Script”;
• Para restaurar, selecione, dentro do menu principal, a cadeia de comandos “Arquivo-

> Executar Script”.
3. Importar Dados do Sensoriamento Remoto
3.1 Carregar imagens no formato ENVI

O ENVI usa dados em formato de raster generalizado, que são gravados como arqui-
vos binários ("flat binary files"), acompanhados por um pequeno arquivo de cabeçalho
em formato de caracteres no padrão ASCII. Esta abordagem permite o uso de quase
qualquer outro formato, incluindo os formatos com informação de cabeçalho embutido
("embedded"). O texto do cabeçalho inclui informações sobre as dimensões da ima-
gem, o cabeçalho interno, o formato dos dados e outras informações pertinentes. O
formato de raster generalizado admite o armazenamento por bandas inteiras ("band
sequential", BSQ), por pixels intercalados ("band interleaved by pixel", BIP) ou por li-
nhas intercaladas ("band interleaved by line", BIL).

BSQ (bandas em seqüência)
O BSQ é considerado como a forma mais simples de formatar imagens em raster.

Cada linha é seguida imediatamente pela próxima linha na mesma banda espectral.
Este formato apresenta os melhores resultados no acesso espacial a qualquer lugar
da imagem na mesma banda espectral.
BIP (bandas intercaladas por pixel)
No formato BIP, os primeiros pixels, em todas bandas espectrais, são seguidos pelos
segundos pixels e assim até os últimos pixels da imagem. Este formato possibilita um
desempenho ótimo para tratamento espectral aos dados da imagem.
BIL (bandas intercaladas por linha)
Neste formato, as primeiras linhas, em todas as bandas, são seguidas pelas segundas
linhas em todas bandas e assim até as últimas linhas da imagem. Este formato per-
mite um desempenho intermediário entre os dois formatos apresentados acima.
• Dentro do menu principal, selecione a opção “Arquivo”.
• Selecione a opção "Abrir imagem do ENVI".
• Aparece a caixa de diálogo de escolha do arquivo de entrada.
• Selecione um arquivo de imagem, por exemplo:

C:\rsi\idl60\products\envi40\data\can_tmr.img, ou bhtmref.img. Clicar "OK".
3.2 Abrir imagens em outros formatos

O ENVI facilita a importação de qualquer tipo de formato. Para importar imagens de
satélite nos formatos SITIM e INPE superestrutura, a SulSoft desenvolveu opções adi-
cionais em IDL e integrou-as diretamente no ENVI. O ENVI 4.0 suporta a entrada de
vários outros formatos (Tabela abaixo), que incluem o ERDAS 8.X, SPOT 1A/1B/2A-
CD ROM, RadarSat em CD e fita, arquivos gráficos de varredura ADRG, arquivos de
modelos de elevação DMA DTED, arquivos .bmp, .tif, .e jpg.
Figura B-16: Menu das opções de abrir arquivos de

sensoriamento remoto.

• Selecione, dentro do menu principal, a opção "Arquivo" no menu principal e ar-

rastar o "mouse" até o opção "Abrir Imagem Externa”;
• Aparece uma lista com todas possibilidades de carregar imagens satélites em

formatos de sensoriamento remoto;
• Escolhe-se o formato da imagem. Logo depois aparece a lista dos arquivos, em

que pode ser escolhido o arquivo da imagem;

• Selecione, a partir do menu principal, a cadeia de opções "Arquivo - Abrir Ima-

gem Externa - Formatos Genéricos – TIFF/GeoTIFF" para carregar arquivos
TIFF ou GeoTIFF “.tif ” como exemplo (menu na figura B-16).
3.3 Abrir arquivo vetorial

Esta opção possibilita carregar arquivos vetoriais de ENVI com a extensão .evf, e tam-
bém arquivos no formato USGS DLG, arquivos vetoriais de DXF, Shapefiles .shp do
ARCView, arquivos de ArcInfo em formato Interchange .e00, MapInfo Interchange
Format .mif (com arquivo de atributos .mid), e Microstation .dgn.
Arquivos vetoriais do ENVI (.evf)
O formato vetorial próprio do ENVI permite um processamento efetivo das informações

vetoriais. Esse formato é gerado quando um arquivo em formato externo for carrega-
do, na vetorização de contornos e classificações, e na conversão de Regiões de Inte-
resse.
Arquivos vetoriais em USGS DLG
Arquivos no formato DLG também podem ser carregados diretamente da fita (vide
"Read Known Tape Formats", no Manual).
Arquivos vetoriais em DXF
Multiplanos em formato DXF podem ser importados pelo ENVI, usando arquivos de
DXF separados.
ARC/Info Shapefile (Formato do ArcView)
Multiplanos em formato SHP podem ser importados pelo ENVI (clicar no arquivo .shp).
O banco de dados associado .dbf do ArcView é automaticamente importado e inter-
pretado junto, se existente.
ARC/Info Interchange Format (Formato do ArcInfo)
Multiplanos em formato E00 podem ser importados pelo ENVI.
MapInfo Interchange Format (Formato do MapInfo)
Multiplanos em formato .mif podem ser importados pelo ENVI (clicar no arquivo .shp).
O banco de dados associado .mid do MapInfo é automaticamente importado e inter-
pretado junto, se existente.
Microstation Design Files .dgn
Multiplanos em formato .dgn podem ser importados pelo ENVI, usando arquivos de
.dgn separados (cada plano em um arquivo). Para arquivos em 3D do Microstation a
informação altimétrica é extraída e armazenada num arquivo .dbf do ENVI.
• Selecione, no menu principal, a cadeia de comandos "Arquivo – Abrir arquivo

Vetorial – ArcView Shape File / ArcInfo Interchange Format/ DXF / MapInfo /
Microstation DGN / USGS DLG / USGS SDTS / Formato Vetorial do ENVI .evf".
Na caixa de entrada, escolha o arquivo correspondente (extensão, .shp, , .e00 ,
.dxf, .mif, .dgn, .dlg ou .evf ). Na caixa "Import ... File Parameters", defina o
nome do arquivo de saída,(.evf) , ou selecione "Output result to memory", e a

projeção correta. Na lista de vetores disponíveis ("Available Vectors List"), es-

colha o arquivo a ser visualizado e clique "Load Vector". Escolha a janela de
visualização.
• Juntamente com a janela de vetores, abre-se a caixa de diálogo "Display #n

Vector Window Parameters ". Nesta caixa, pode-se modificar as cores, espes-
suras e estilo dos planos ("layers"), bem como salvar ("File", "Save Layers to
Template") ou recuperar ("File", "Restore Layers from Template") os arquivos
.vec que guardam essas informações.
3.4 Lista de vetores disponíveis

Selecionar essa opção do menu principal para carregar a lista de vetores disponíveis.
A lista inclui todos arquivos de vetores que estiverem disponíveis para serem visuali-
zados. O "default" para todos os planos de informação é na opção "On", o que signifi-
ca que todos os planos vão ser carregados quando o usuário clicar no botão "Apply".
A caixa de diálogo abre-se automaticamente, quando o usuário deseja ler arquivos em

formato de EVF, DLG, DXF ou outros formatos vetoriais.
3.5 Conversão de arquivos vetoriais

Além da possibilidade de importação e exportação de arquivos no formato ARC/INFO
(formatos Shape e Interchange), tornou-se possível converter os arquivos vetoriais
(.evf), os de anotações (.ann) e os de região de interesse (.roi) para o formato DXF.
Nesta conversão, os dois últimos tipos de arquivo podem, ainda, ter seus pontos re-
presentados em coordenadas cartográficas.
• Selecione, no menu principal, a cadeia de comandos "Vetor - Converter

(EVF/ANN/ROI) to DXF". Escolha o arquivo e entrada correspondente na caixa
"Enter Input EVF/ANN/ROI File". Clique "OK" e, na caixa "Convert EVF/ANN/ROI
Files to DXF", determine o tipo de coordenada do arquivo de saída.
Os vetores em tela, juntamente com suas características, podem ser gravados em um

arquivo de tabela (extensão .vec). Uma vez gravados, os vetores podem ser recarre-
gados, com os mesmos parâmetros, utilizando-se os arquivos de tabela correspon-
dentes.
3.6 Gerenciador de Arquivos Georreferenciados (GeoBrowser)

Possibilita a varredura de diretórios e a escolha simultânea de vários arquivos para a
lista de bandas disponíveis.
• Clique na opção "Escanear diretório", no item "Arquivo" do menu principal, para

abrir a caixa de diálogo "Directory Scan".
• Digite o nome do diretório ou clique no botão "Choose" para ativar a árvore de di-
retórios e, de um destes, selecionar um arquivo. Clique no botão "Add" para in-
cluir o diretório escolhido na lista de varredura.

• Clique no botão "OK" para varrer os diretórios selecionados e listar os arquivos

disponíveis na lista de arquivos localizados ("Located Files List"). Clicando-se
num nome de arquivo e, em seguida, no botão "Open File", o arquivo é aberto e
suas bandas são relacionadas na lista de bandas disponíveis, que pode ser utili-
zada para a abertura de vários arquivos.
Geo-Browser
Possibilita a visualização de posições em imagens georreferenciadas e a abertura de

imagens baseada em suas posições geográficas.
Use a função de varredura de diretório para localizar e selecionar os arquivos de inte-

resse. Clique em "Options" e em seguida "Start Geo-Browser", na função de varredu-
ra, para traçar um mapa do mundo com o contorno dos continentes.
Figura B-17: GeoBrowser
O tamanho dessa janela pode ser modificado pelo deslocamento de um de seus can-
tos (mantenha pressionado o botão esquerdo sobre o canto da janela e desloque a
seta dupla). As posições das imagens georreferenciadas, definidas pelos pixels de
referência indicados no arquivo de cabeçalho, são marcadas sobre o mapa por pontos
vermelhos. Clicando-se o botão direito do "mouse" na vizinhança de um desses pon-
tos, marca-se a imagem correspondente na lista de arquivos localizados.
• Clique no botão "Open File" para abrir o arquivo selecionado.
• A área visualizada pode ser ampliada segundo uma moldura traçada pelo
"mouse", ao movimentá-lo com o botão central (ou botão esquerdo + tecla
CTRL) pressionado.
• Um novo clique no botão direito restaura o fator de escala original. Clicando-se

no botão esquerdo, o mapa é centralizado pelo cursor do "mouse".

4. Análise de Dados
4.1 Perfil de conjunto de pixels da imagem

O ENVI possibilita que obtenhamos de maneira total-
mente interativa, um gráfico que descreve o perfil de
um conjunto de pixels selecionado via "mouse".
Dentro do menu da janela gráfica, selecione “Ferra-

mentas - Perfil".
Você pode escolher uma das opções disponíveis:
I. Perfil em X - para visualizar o perfil horizontal

em uma linha;
II. Perfil em Y - para visualizar o perfil vertical em

uma coluna;
III. Perfil em Z (Espectro) - para visualizar o perfil

da curva representando o a resposta espectral
de um alvo, localizado em um pixel, em todas
as bandas disponíveis da cena;
IV. Perfil em Z (Adicional) - para visualizar curvas

da mesma cena, mas em outras bandas ou de
imagens provenientes de outro sensor;
V. Perfil Arbitrário (Transect) - para visualizar o

perfil de uma seqüência qualquer de pixels se-
lecionada na imagem pelo usuário através do
"mouse";
VI. Escolha "Perfil em X", "Perfil em Y" e "Perfil em

Z (espectro)" e arraste o "mouse" sobre a ima-
gem na Janela Principal e veja o que ocorre
com os perfis.
Figura B-18: Perfis de linha, de coluna e
do espectro das bandas no pixel.
• Aparecem janelas mostrando os perfis horizontais(x), verticais(y) e de

espectro(z), relacionados com a linha, a coluna e com o pixel destaca-
dos em vermelho na imagem logo abaixo.
• Note que no perfil espectral, há 3 linhas verticais que o corta nos com-
primentos de onda médios de cada banda que compõe a composição
colorida. Cada linha na cor primária correspondente escolhida para
cada banda.

4.2 Dispersograma
4.2.1 Dispersograma bidimensional
As imagens multiespectrais podem ser expressas como histogramas multidimensio-

nais, sendo o de duas dimensões o mais simples deles. Este chama-se dispersograma
e consiste de um gráfico dos níveis de cinza de uma banda contra os de outra banda.
Figura B-19: Dispersograma interativo confrontando a banda 2 com a banda 1 da

imagem ‘can_tm.img’, do satélite LANDSAT TM.
O dispersograma bidimensional representa o grau de correlação entre as duas bandas

consideradas e identifica as situações em que a superfície mostra claramente diferen-
tes tipos de resposta nas duas bandas. A densidade de ocorrência de pixels nesse
espaço bidimensional é uma medida da coincidência entre os picos dos histogramas
individuais. Dados altamente correlacionados ou classes de materiais superficiais que
possuam aparência similar em duas bandas de uma mesma imagem aparecem repre-
sentados ao longo linhas retas. Dados pouco correlacionados aparecem como nuvens
de pontos de pouca densidade, de formato indefinido, ocupando uma área maior no
espaço bidimensional.
• Escolher, dentro do menu do display, a cadeia de comandos "Ferra-
mentas – Scattergrama 2D...”, para comparar duas bandas seleciona-
das.
• Aparece a janela de diálogo que possibilita escolher duas bandas para

o dispersograma bidimensional.
• Colocar o cursor em qualquer lugar no gráfico e clicar o botão central
com o cursor do "mouse" sobre a nuvem de pontos e movimentar o cur-
sor para qualquer lugar, o que causa a aparição dos pontos em movi-
mento ("dancing pixels")

Na opção "Image Dance", ao se colocar o cursor em qualquer lugar na janela principal

ocorre uma marcação colorida, no dispersograma, das posições correspondentes aos
pixels abrangidos numa região de interesse (figura acima).
• Todos os pixels selecionados no gráfico do dispersograma são parte do mes-
mo intervalo de níveis de cinza e ficam coloridos na janela principal. A distribui-
ção espacial dos pixels correspondentes na imagem modifica-se instantanea-
mente ao movimento do cursor.
• Clique o botão direito do "mouse" para sobrepor o fatiamento ao dispersogra-

ma.
• Tornou-se possível incluir, no dispersograma, o traçado de eixos, o fatiamento

da distribuição de pixels, a iluminação interativa de várias classes e a importa-
ção de classes de regiões de interesse.
• Mantendo-se o botão esquerdo do "mouse" pressionado e

movendo-se seu cursor dentro da janela de visualização
principal, provoca a mudança iluminação, no dispersogra-
ma, dos pontos correspondentes aos pixels abrangidos
pelo cursor do "mouse".
• Delineando-se uma região de interesse no dispersograma,

haverá uma iluminação, na mesma cor da região, dos pi-
xels correspondentes aos pontos do dispersograma. Sele-
cionando-se uma nova cor pelo botão "Class" e desenhan-
do-se um novo polígono, provocará a iluminação dos pixels
correspondentes na mesma cor selecionada.
• Clicando-se o botão central do "mouse" fora do quadrante
de plotagem, apaga-se a classe em que se está trabalhan-
do.
• Para definir uma região de interesse no dispersograma ou
na imagem, clica-se com o botão esquerdo do "mouse"
para abrir um polígono. Usa-se o botão direito para fechar
o polígono e o botão central para apagar o polígono intei- Figura B-21: Opções de
ro. dispersograma
• Quando o polígono estiver fechado, todos pixels corres-

pondentes aparecerão coloridos na imagem/dispersograma.
• Clique no "Options - Change Bands..."
• Aparece a caixa de diálogo que possibilita a escolha de duas bandas para a

aplicação do dispersograma bidimensional.
Experimente as funções diferentes com as quais controla-se o modo da imagem, o

tamanho do área de onde extrair pixels, a mudança de cor dos pixels marcados e o
formato do arquivo de saída ("PostScript Output"), arquivos de imagem nos formatos
JPEG, BMP, ICT, SRF, TIFF e XWD. Quando os pixels selecionados no dispersogra-
ma aparecem coloridos na janela principal, eles podem ser exportados para uma regi-
ão de interesse.
• Clique no botão "Export Class" ou "Export All" para gravar esses pixels em uma
região de interesse ("region of interest", ROI).

4.2.2 Visualizador N-Dimensional
O "Visualizador N-Dimensional" é uma ferramenta do tipo dispersograma que rompe a

barreira da análise em 2D . A descrição detalhada encontra-se no Tutorial em pdf
(C:\RSI\IDL60\products\envi40\help\tutorial.pdf) , capítulo “Introduction to ENVI” – pá-
gina 67.
4.3 Análise e plotagem de espectro

Possibilita a substituição de pixels ruins em todas as bandas de imagens multi ou hipe-
respectrais. O valor do pixel pode ser substituído por um valor médio de pixels circun-
dantes ou por um valor espectral especifico no formato ASCII, numa biblioteca espec-
tral ou numa região de interesse.
• Dentro do menu do display, selecione a cadeia de comandos “Ferramentas –
• Editor Espectral de Pixels" para abrir a janela "#n Spectral Pixel Editor" .
• No menu desta janela, clique na opção "Pixel_Edit" para plotar o espectro do
pixel sob exame.
• No menu "Pixel_Edit", selecione uma dentre as opções do cálculo da média de

8, 4 ou 2 pixels para a execução do traçado do espectro correspondente. Sele-
cione, no menu da janela, a opção "Substitute Spectrum" e, na janela "Pixel
Editor", escolha o espectro de substituição. Ao confirmar a escolha, o valor do
pixel será definitivamente modificado.
Modificação de pontos do espectro
• Na janela "#n Spectral Pixel Editor", selecione

a cadeia de comandos "Edit – Data Values ..."
para a modificação de pontos do espectro.
• Selecione o espectro a ser modificado na caixa

de diálogo "Select Which Plot to Edit". Na caixa
"Edit Plot", selecione a banda em que o pixel
será modificado e, na linha de texto sob o ró-
tulo "Edit Selected Item", modifique o nível de
cinza associado ao pixel sob exame.
Figura B-22: Janela do de Editor
Espectral de Pixels
Afastamento vertical de espectros
• Na janela "#n Spectral Pixel Editor", selecione a cadeia de comandos "Options

- Stack Data" para o afastamento vertical de espectros.
Espectro de remoção de continuum

- Plot Function - Continuum Removed" para remover uma envolvente convexa.

Escala automática do eixos do gráfico

- Autoscale Y-Axis On" para facilitar o traçado do gráfico.
5. Editando cabeçalhos no ENVI
• Selecione, dentro do menu principal, a cadeia de

comandos “Arquivo –> Editar Cabeçalho de Arquivo
ENVI”;
Aparece a janela “Edit Header Input File”. Selecione o

arquivo desejado e clique em OK.
Logo após, aparece a janela “Header Info: <NOME DO

ARQUIVO> (Figura B-23). Clique no botão “Edit Attri-
butes” e carregará um menu igual à da figura B –24.
• Selecionando a opção “Band Names”, aparece a ja-

nela “Edit Band Names Value”. Nessa opção é possí-
vel editar os nomes de cada banda;
Figura B-23: Menu da caixa
de diálogo “Edit Attributes”
• Na opção “Defaults Bands to Load”, selecione as bandas em que se deseja que se-
jam as padrões (serão carregadas) quando o arquivo for carregado;
• Na opção “Wavelenghts”, edite os valores de com-

primento de onda de cada banda;
• Em “Bad Bands List”, selecione uma banda indese-
jada em que não se queira que apareça na janela
“Available Bands List”;
• Edite informações de georreferenciamento em “Map

Info”;
• Determine/edite as coordenadas de canto em “geo-

graphic Corners”;
• Em “Pixel Sizes...”, defina um tamanho de pixel para

o arquivo;
• Em Sensor Type, defina o sensor que a imagem

pertence.
Figura B-24: Menu da caixa

de diálogo “Edit Attributes”

6. A janela “Select Spatial Subset”

O ENVI permite – ao contrário da maioria dos outros
softwares – que a escolha da área de interesse para
um determinado processamento seja deixado como
última etapa, oferecendo com a função “Select Spatial
Subset” várias opções para definir esta área de inte-
resse.
• Quando aparece uma janela para seleção de arquivo
dentro do ambiente do ENVI, sempre há a opção
“Spatial Subset”. Ela serve para definir recortes, tama-
nho da imagem... (Figura B-25);
• Clicando em “Subset by Image”, aparece a janela

“Subset Function”, que é uma janela e o usuário pode
definir manualmente a área de interesse da imagem;
• Usando a opção “Subset By Map”, aparece a janela

“Spatial Subset by Map Coord- nates”;
Figura B-25: Janela “Select Spati-
Essa opção serve para definir coordenadas cartográfi- al Subset”
cas como área de interesse.
• Clicando-se em “Subset by File”, o ENVI vai utilizar
as coordenadas geográficas de um outro arquivo qual-
quer;
• E usando a opção “Subset by ROI”, é usado uma região de interesse definida pelo
usuário (detalhes no capítulo C – Ferramentas Gerais);

7. Explorando o ENVI Zoom
ENVI Zoom é um novo modo de visualização disponível a partir do ENVI 4.3. Sua in-
terface robusta e fácil de usar permite executar tarefas de visualização e manipulação
de imagens obtidas por técnicas de sensoriamento remoto. Dentre as ferramentas de
visualização estão as funções de contraste, brilho, realce e transparência. O dispositi-
vo também permite trabalhar com múltiplos “layers” de dados para serem visualizados
em uma única janela. Além disso, ENVI Zoom reprojeta e reamostra as imagens ins-
tantaneamente.
A ferramenta de detecção de anomalias “RX Anomaly Detection” é outra funcionalida-

de inclusa no ENVI Zoom. Este dispositivo detecta diferenças espectrais ou de cor
entre layers e detecta alvos desconhecidos que são espectralmente distintos do res-
tante da imagem.
Nas próximas versões do ENVI, serão implementadas novas funções para o ENVI
Zoom.
Apresentação da Interface do ENVI Zoom
A figura a seguir sintetiza os principais componentes presentes na interface do modo

ENVI Zoom.

Iniciando o ENVI Zoom
Windows: selecione -> Iniciar -> Programas -> RSI ENVI 4.3 -> ENVI Zoom, ou clique
duas vezes sobre o ícone de atalho “ENVI Zoom 4.3” da área de trabalho;
UNIX: digite “envizoom” na linha de comando do UNIX.
Configurando Preferências
Por “default” quando você abre um arquivo de imagem no ENVI Zoom, automatica-
mente, a imagem é mostrada em verdadeira cor ou em tons de cinza, baseado no tipo
de arquivo que é carregado. Nesta demonstração, mostraremos como alterar as prefe-
rências de visualização e a forma de gerenciar dados.
1. A partir da barra de menus, selecione “File > Preferences”; para que a caixa de
diálogo “ENVI Zoom Preferences” apareça.
2. No lado esquerdo da caixa de diálogo, selecione “Data Manager".

3. No lado direito da caixa diálogo, clique duas vezes sobre o campo “Auto Display
Method for Multispectral Files” e selecione “Color IR” (color infrared). Isso fará com
que os arquivos de imagens sejam visualizados na composição falsa cor por de-
fault.
4. Clique duas vezes sobre o campo “Launch Data Manager After File/Open” e sele-
cione “Always”. Isto permitirá que a janela Data Manager seja visualizada cada vez
que um arquivo é aberto.
5. Certifique-se que as seguinte configurações estão selecionadas:

Auto Display Files = True
Clear Display When Loading New Data = False
Close Data Manager After Loading New Data = False.

6. Clique “OK” na caixa de diálogo “ENVI Zoom Preferences” para salvar as novas
preferências.
Abrindo e Visualizando Imagens
1. Clique no botão abrir na barra de ferramentas. A caixa de diálogo aparecerá.
2. Navegue até o diretório ENVIZoom \data\ e abra o arquivo qb_boulder_msi. Em

razão de você ter configurado as preferências anteriormente, a imagem é automa-
ticamente carregada em composição falsa cor e a janela Data Manager também é
mostrada.
Trabalhando com o Data Manager
O Data Manager lista os arquivos que você pos-

sui abertos e permite que eles sejam acessados
para serem carregados no display. Quando
você abre um arquivo no ENVI Zoom, um novo
item é adicionado ao topo da árvore de arquivos
do Data Manager. Você pode abrir múltiplos
arquivos em uma única sessão do ENVI Zoom e
é possível escolher os arquivos que devem ser
visualizados em tela e com que composição,
através do Data Manager.
1. quando você clica sobre os nomes das bandas na janela Data Manager, elas são
associadas automaticamente à sequência de canais RGB. Experimente selecionar
diferentes combinações de bandas, clicando sobre o nome de uma das bandas
para ser associada ao canal R.
2. Repita o processo para associar uma das bandas ao canal G e depois ao B.
3. Você, originalmente, tem uma imagem falsa cor carregada dentro da janela de vi-
sualização. Na janela Data Manager, clique com o botão direito sobre o nome do
arquivo (qb_boulder_msi) e selecione “Load True Color”. O ENVI Zoom seleciona-
rá as bandas apropriadas para carregar a imagem em verdadeira cor na janela
principal de visualização (Image window).
4. Clique no link “Tip:Working with the Data Manager” para acessar informações so-
bre a funcionalidade do Data Manager (ENVI Zoom Help).
5. Para fechar o ENVI Zoom Help clique sobre o botão X no topo direito da janela.
6. Explore os botões da barra de ferramentas do Data Manager. A partir da barra de
ferramentas do Data Manager, você pode abrir novos arquivos , expandir ou mini-
mizar arquivos, fechar arquivos e congelar o Data Manager para manter-se ativo
sobre a tela ou descongelar para automaticamente fechar quando você carrega um
arquivo dentro da tela.
7. Para fechar o Data Manager clique sobre o botão X no topo direito da caixa de
diálogo.

Trabalhando com Layers
Você pode carregar múltiplos Layers dentro de somente uma sessão do ENVI Zoom e
também gerenciá-los através do Layer Manager. No exercício anterior, você havia cri-
ado separadamente layers em falsa cor e verdadeira cor de um mesmo arquivo. Am-
bos podem ser visualizados no campo “Layer Manager”.
Reordenando Layers
Você pode controlar a ordem dos layers e visualizar janelas arrastando e soltando
layers presentes na árvore do gerenciador de camadas “Layer Manager tree” ou atra-
vés do uso do menu “options”.
1. Clique e arraste “Raster1: qb_boulder_pan” , presente no Layer Manager, sobre o
“Raster 2: qb_boulder_msi”.
Ocultando Layers
Por padrão, todos layers da janela Layer Manager são mostrados na janela principal
de visualização. Você pode, temporariamente, esconder a visualização do layer para
que possa trabalhar com outros layers na janela principal de visualização (Image win-
dow).
1. Clique com botão direito do mouse sobre Raster1: qb_boulder_msi no “Layer Ma-
nager” e desabilite a opção “Show Layer” para oculta-lo na janela principal do visu-
alização.
2. Clique com o botão direito sobre Raster1: qb_boulder_msi, novamente, e habilite a
opção “Show Layer” para voltar a visualizar o layer, anteriormente desligado.
Explorando a Interface ENVI Zoom

A interface ENVI Zoom inclui uma barra de menus, barra de ferramentas, barra de
gerenciamento e barra de status. As diversas funções da interface ENVI Zoom são
customizadas e fornece opções para aplicações em múltiplos monitores.
1. É possível destacar a categoria “Layer Manager”, clicando no botão de destacar, à
direita”;
2. Reconecte, novamente, a categoria “Layer Manager” através do símbolo X no topo
direito da janela “Layer Manager”;
3. Desmonte inteiramente o painel da categorias, clicando sobre a seta de colapso à
direita das categorias. Isto permite que você visualize a imagem em grande ampli-
tude. Agora, visualize as categorias clicando, novamente, sobre a mesma seta (na
esquerda da janela principal de visualização);
4. Desmonte a categoria “Cursor Value” através do clique na seta à esquerda da bar-
ra de categoria “Cursor Value”. Agora , remonte-a clicando, novamente, sobre a
mesma seta.

Usando as Ferramentas de Visualização
1. Clique no botão Zoom e, em seguida, clique e arraste o cursor do mouse geran-

do um retângulo ao redor de uma área que apresente a borda da lagoa, próximo ao
lado direito inferior da imagem. Assim, a área selecionada será ampliada na janela de
visualização da imagem.
2. Clique no botão Pan e, em seguida, clique e arraste o cursor do mouse sobre a
janela principal de visualização para efetuar deslocamentos direcionais com auxílio do
mouse. Você pode usar, também, o botão central do mouse para executar o pan.
3. Clique no botão Fly e, em seguida, mantenha continuamente a linha de direção
orientada pelo cursor do mouse. Movimento avante em relação ao centro (para qual-
quer lado) causa o aumento da velocidade;
4. Clique no botão Rotate e em seguida, clique e arraste o cursor no sentido horá-
rio ou anti-horário para rotacionar a imagem. A lista de seleção em cascata presente
na barra de ferramentas informa interativamente o grau de rotação corrente.
5. Clique no botão Select para sair da ferramenta de rotação.
6. Clique sobre a lista de seleção em cascata Rotate to e selecione 0º.
7. Experimente as funções de Brilho, Contraste, Realce e Transparência

Clique sobre o símbolo de incremento ou decremento, posicionados à direita e
esquerda do indicador da barra móvel (movimento unitário) ou ainda clique na
barra móvel e use as teclas “Page Up” ou “Page Down” para mover o indicador
para cima e para baixo incrementando a cada 10 %.
Clique na barra deslizante e aperte a tecla “Home” do teclado para mover a
barra deslizante para o máximo (100) e na tecla “End” para mover o indicador
da barra deslizante para o mínimo (0).
8. Clique no botão “Reset” de cada barra deslizante para retornar a posição inicial do
indicador.
9. Experimente diferentes tipos de realces, selecionando as opções disponíveis no
menu em cascata “Stretch Types” (realce linear é o padrão ).
Trabalhando com a Janela Global de Visualização
A janela global de visualização (Overview) fornece

uma visão completa da extensão dos layers carre-
gados dentro da janela principal de visualização.
Cada vez que você carrega um novo layer para o
display, a janela global de visualização é redimen-
sionada para ser estendida a todos layers da janela
da imagem. A janela global não estará disponível
até que a pirâmide de layers seja gerada. Deste
modo ela aparecerá vazia por alguns segundos.

1. Aumente ou diminua o tamanho da janela global, clicando e arrastando o cursor do

mouse sobre o canto inferior direito;
2. Clique dentro da caixa de delimitação da janela principal e arraste-a para qualquer
posição dentro da janela global para atualizar dinamicamente a visualização da
imagem;
3. Clique fora da caixa de delimitação, na janela global, para re-centralizar a caixa de
delimitação no local onde você clicou.
Trabalhando com a Janela Portal Raster

A janela Portal encontra-se dentro da janela principal e permite que você visualize,
simultaneamente, múltiplos layers presentes no Layer Manager. A janela portal funcio-
na como um layer a parte (dentro da pasta de portais) no Layer Manager. Nesta etapa,
você irá comparar os layers referentes a composição falsa cor e verdadeira cor da
imagem qb_boulder_msi.
1. A partir do Layer Manager, clique com o botão direito sobre Raster2:
qb_boulder_msi (composição em verdadeira cor) e selecione “Order Layer Bring to
Front”. Isso fará com que o Raster2 image para o topo da lista de layers.
2. Clique no botão Portal da

barra de ferramentas. O ENVI
Zoom cria uma janela portal
para visualização do segundo
layer listado no Layer Mana-
ger, o qual é a imagem Raster
1 (composição falsa cor). O
ENVI Zoom adiciona o novo
Portal para a pasta de Portais
do Layer Manager;
3. Clique e arraste dentro do
Portal para move-lo ao redor
da janela principal;
4. Clique e arraste sobre um dos
cantos ou lados para redimen-
sioná-lo;
5. Clique sobre o botão Pan na barra de ferramentas do ENVI Zoom. Acione a

imagem verdadeira cor (clique fora do Portal) e arraste-a ao redor da janela princi-
pal. Observe como o Portal permanece centralizado enquanto a imagem move-se
por trás dele.
6. Clique no botão Select para sair da ferramenta Pan.

Acesso a Barra de Ferramentas do Portal

1. Clique uma vez dentro do Portal para selecioná-lo, então coloque seu cursor na
parte superior do Portal para visualizar a barra de ferramentas do Portal.
2. Clique no botão “Pin” .
3. Clique sobre o botão Pan da barra de ferramentas do ENVI Zoom. Ative a ima-
gem verdadeira cor (clique fora do Portal) e arraste ele ao redor da Image window.
Observe como o portal não acompanha mais o movimento gerado pela função
Pan.
4. Clique no botão Select da barra de ferramentas ENVI Zoom para sair da fun-
ção Pan;
5. Clique uma vez dentro do portal para selecioná-lo, então coloque seu cursor na
parte superior do portal para visualizar, novamente, a barra de ferramentas do
Portal.
6. Clique sobre o botão “Unpin” da barra de ferramentas do Portal.
Trabalhando com Combinação, Alternação e Subset de Layers

O ENVI Zoom possui ferramentas que ajudam a comparar diferenças entre dois layers.
Você pode usar essas ferramentas para comparar imagens inteiras ou efetuar a com-
paração dentro do portal. Estas ferramentas são ativadas somente quando você tiver
dois ou mais layers carregados no layer manager e quando você visualiza ao menos
um layer na janela principal. Para uma melhor visualização, quando usamos estas
ferramentas, recomenda-se não usar a barra móvel de transparência.
Combinação de Layers
A função “Blending” permite executar uma transição gradual de uma imagem para
outra, pelo aumento da transparência de uma das imagens.
1. clique com o botão direito dentro do Portal e selecione, através do menu de atalho,
a função “Blend”. O mistura automática começa a partir da imagem verdadeira cor
em direção a imagem falsa cor.
2. Experimente aumentar a velocidade da mistura, usando os “botões
direcionais”, disponíveis na barra de ferramentas do Portal.
3. Clique no botão “pause” na barra de ferramentas para encerrar a combinação
de imagens.
Alternação de Imagens
Esse recurso permite a alternação da visualização de dois layers dentro do Portal.
1. Clique com o botão direito do mouse sobre o Portal e selecione “Flicker”. A alter-
nação das imagens tem inicio a partir da imagem verdadeira cor para a imagem
falsa cor.
2. Experimente aumentar ou diminuir a velocidade de alternação das imagens, cli-
cando sobre os “botões direcionais” da barra de ferramentas.

3. Clique sobre o botão “pause” da barra de ferramentas do portal para encerrar a

função.
4. Se você encerrar a função “flicker” enquanto a imagem verdadeira cor estiver sen-
do visualizada, seu portal aparecerá transparente. Clique com o botão direito sobre
o portal e selecione “ Load New Layer Raster 1 : qb_boulder_msi.
Transposição de imagens
A função “swiping” permite executar uma transposição espacial entre uma imagem e
outra através de uma linha vertical divisória que move-se entre as duas imagens.
1. clique com o botão direito sobre o portal e selecione “Swipe”. Essa função automa-
ticamente inicia a transição entre a imagem cor verdadeira e a falsa cor.
2. Experimente aumentar ou diminuir a velocidade de transição, clicando sobre os
“botões direcionais” na barra de ferramentas do portal.
3. Clique sobre o botão “pause” na barra de ferramentas do portal para encerrar a
função.
Cortando e Salvando Layers

Nesta etapa, você irá usar o recurso “Chip from Display” para capturar o conteúdo da
janela principal e salva-la. Qualquer manipulação de realce, ampliação, rotação ou
Portais que estiverem sendo visualizados na image window são desfeitos na imagem
de saída. O ENVI Zoom vai gerar uma imagem de 8 bit em três bandas de resolução
de tela.
1. clique sobre o botão “chip from display” na barra de ferramentas do ENVI Zoom
para que a caixa de diálogo “chip from display parameters ” apareça.
2. A partir do menu em cascata “output file”, selecione JPEG e aceite a opção padrão
“No Compression”.

C: Ferramentas Gerais
O menu “Ferramentas”, que se encontra no meu principal do ENVI, contém funções que
podem ser usadas em todos os arquivos abertos, ao contrário das funções na janela
principal, que só possibilitam o processamento de imagens na própria janela.
1. Região de interesse
As ferramentas de região de interesse (Figura C-1) podem ser chamadas através do
menu principal, selecionando a cadeia de comandos “Ferramentas – Região de Interesse
– Definir Região de Interesse” . As regiões de interesse geralmente são usadas no cálculo
de estatísticas, para se fazer uma classificação, para produzir uma máscara e em outras
operações que requeiram uma entrada interativa.
Figura C-1: Menu das ferramentas de ROI e a janela

para a coleta das regiões de interesse
1.1. Definição de uma região de interesse

Para vários tratamentos da imagem, é preciso selecionar alguns grupos de pixels para a
entrada em programas como os de classificação, em dispersogramas e em histogramas
de partes selecionadas de imagem.
• Selecione a opção "Definir região de Interesse" do submenu "Região de Interesse".
• Na caixa de diálogo "#n ROI Tool", define-se em qual imagem e janela (principal
ou de ampliação) será delineada a região de interesse. Além disso, pode ser
escolhido o tipo de região de interesse: se polígono, linha ou ponto (ROI_Type).

• Clique no botão "New Region" para definir uma região na imagem escolhida. Na
janela de controle de regiões de interesse aparece uma nova região, mostrando o
nome "Region #N", a cor e a quantidade dos pontos incluídos em seu perímetro.
Botão esquerdo do "mouse" Define vértice de polígono/linha ou um ponto

Botão central do "mouse" Apaga o último ponto
Botão direito do "mouse" Fecha o polígono, linha ou ponto
Obs.: Quando o mouse tiver somente duas teclas, pode-se simular o botão central apertando
simultaneamente a tecla CTRL + botão esquerdo do mouse.
Estatísticas
Após a definição da região de interesse, pode-se ver suas estatísticas. Para isso, clique
na opção "Stats". Essas estatísticas são de grande valor para se determinar amostras de
treinamento para classificação. Aparecem duas janelas: a primeira com o espectro médio
de cada banda das regiões selecionadas; a outra, com descrições estatísticas, lista os
nomes de arquivo de região de interesse (extensão .roi), o número de pixels incluídos na
região e nas bandas, os valores mínimos e máximos, a média e o desvio padrão (figura C-
2).
Figura C-2: Estatísticas das amostras das regiões de interesse
Nomear regiões de interesse
Pode-se mudar os nomes das regiões de interesse, clicando em "EDIT" e digitando um

nome de preferência na linha de texto entitulada "Name". A cor pode ser modificada na
opção "COLOR" e selecionando a cor desejada. Pode-se também mudar o tipo de
preenchimento da região de interesse em "FILL"

Gravar regiões de interesse
Para gravar um arquivo de regiões de interesse, clica-se na opção "File" e "Save ROIs" e,
na caixa de diálogo "Save Regions to File", escolhem-se as regiões a serem gravadas.
Além disso, tornou-se possível converter as regiões de interesse diretamente ao formato

vetorial ("Export ROIs to EVF") , cujos pontos podem estar referidos tanto a coordenadas
de imagem quanto a coordenadas cartográficas.
Para converter ROIs em DXF: Grave a região de interesse em um arquivo (extensão .roi).
Selecione, dentro do menu principal, a cadeia de comandos "Vetor - Converter ROI para
DXF" para fazer a conversão para DXF. A região de interesse é convertida com as
coordenadas cartográficas pela aplicação destas a partir de um arquivo georreferenciado.
Restaurar regiões de interesse
Para visualizar regiões de interesse que já foram gravadas e que não aparecem na lista,
clica-se no botão "File" e "Restore ROIs" e, no gerenciador de arquivos, seleciona-se o
que contém as regiões de interesse desejadas.
1.2. Valores limiares de imagem para as regiões de interesse
A implementação de regiões de interesse numa classificação supervisionada implica a

determinação exata dos valores de reflectância e dos intervalos de valores de nível de
cinza em cada banda. A função “Limiar de Imagem para ROI” permite que o usuário
determine um intervalo, dentro de uma banda, em que se queira criar uma classe
• Selecione, no menu principal, a cadeia de comandos “Ferramentas – Região de

Interesse - Limiar de Imagem para ROI". Aparece a janela “Band Threshold to ROI
Input Band”. Selecione a banda desejada e clique em OK.
• Aparece a caixa de diálogo em que se define o intervalo dos valores nível de cinza.
Este intervalo é usado para definir a região de interesse de uma maneira
estatística. Determine o intervalo e clique em OK.
• Verifique na janela #n ROI Tool que foi gerada uma nova região de interesse.
Conciliar regiões de interesse ("Reconciliar ROIs")
Normalmente, as regiões de interesse estão relacionadas ao tamanho da imagem em que

foram definidas. A opção "Reconciliar ROIs" do menu "Ferramentas - Região de
Interesse" permite que se use uma região de interesse numa imagem de tamanho
diferente daquela em que foi definida originalmente. E também o ENVI possui a opção
“Reconciliar ROIs via Mapa”, aonde o usuário pode definir ROIs em uma imagem
georreferenciada, e imadiatamente exportar esses ROIs para a outra imagem.

1.3. Geração de Relatórios das ROIs
Durante a criação de uma ROI, podemos acompanhar instantaneamente através de um

relatório gerado pelo ENVI, o tamanho de cada segmento do polígono e em qualquer
unidade que desejarmos. Ao finalizar a criação da ROI, teremos também disponíveis
neste relatório, a sua área e perímetro total.
• Durante a criação de uma ROI, no menu da janela "Region of Interest Controls",

entre em "Options" e escolha "Measurement Report".
• Na janela "ROI Measurement Report.", você tem a opção de escolher a unidade

que você quer que seja informado o tamanho do segmento de reta do polígono
(pixels, metro, pés), bem como em que unidade será informada a área do polígono
(geralmente é a mesma que você escolher para o segmento de reta, elevada ao
quadrado, exceto quando a unidade for pixel. Neste caso é dado o número de
pixels da ROI.
Figura C-3: Geração de

ralatórios de área e perímetro
das ROI´s
• Você poderá optar entre apresentar o relatório com os segmentos ou com os

pontos que unem os segmento, mostrados na figura acima, podendo ainda gravar
o relatório gerado em um arquivo texto.
1.4. Exportando ROI’s para EVF
• Selecione, dentro do menu principal, a cadeia de comandos “Ferramentas – Região de

Interesse – Exportar ROI’s para .EVF”;
• Aparecerá a janela “Select Data File associated with ROI”. Selecione o arquivo
associado à ROI e clique em OK;
• Logo após, aparece a janela “Export Region to EVF”. Selecione as ROI’s desejadas e
clique em OK.

2. Examinar estatísticas
Para carregar as estatísticas de uma imagem, clique no botão "Ferramentas – Estatísticas
– Calcular Estatísticas" do menu principal do ENVI.
2.1. Computar estatísticas

Esta janela possibilita a seleção do arquivo de entrada, usando a caixa de diálogo de
arquivos do ENVI. Depois de carregar o arquivo, pode-se selecionar entre as opções de
subconjunto espectral ou espacial ("Spectral subset / Spatial subset"). Em seguida, surge
a caixa de diálogo "Compute Statistic Parameters".
2.2. Parâmetros do cálculo de estatísticas

Estatísticas básicas e/ou histogramas (distribuição das freqüências) podem ser calculados
para imagens pancromáticas ou imagens multiespectrais. As opções de covariância e de
espectro médio só podem ser chamadas para imagens multiespectrais. Pode-se carregar
a estatística na tela ou gravá-las em um arquivo de texto (extensão .rep). Além disso, as
estatísticas podem ser gravadas em um arquivo ENVI de estatística (extensão .sta).
Com a seleção das estatísticas básicas, os valores mínimos e máximos, a média e o

desvio padrão são calculados para todas as bandas.
Pode-se aplicar um fator dimensional ("skip") durante os cálculos estatísticos a fim de

melhorar seu desempenho. Os arquivos estatísticos podem ser utilizados na classificação
pela caixa de diálogo "Endmember Collection".
2.3. Visualizar arquivo de estatísticas

Selecione esta opção no menu principal em “Ferramentas – Estatísticas – Visualizar
Arquivo de Estatísticas" para visualizar as estatísticas que foram gravadas, use-a para
carregar as estatísticas na tela.
3. Máscara
Uma máscara é uma imagem binária de valores 0 e 1. Quando uma máscara é utilizada
em uma função de processamento, as áreas sob o valor 1 são processadas e aquelas sob
o valor 0 são excluídas do processamento. Dentre as funções que aceitam a aplicação de
máscaras incluem-se o cálculo estatístico, a classificação, a decomposição espectral, a
filtragem, a remoção de contínuo e o ajuste espectral.
A função "Criar Máscara" permite a definição de máscaras de imagem por valores de nível
de cinza específicos, por faixas de valores, por regiões de interesse ou a partir de
arquivos de anotação. Uma máscara também pode ser aplicada permanentemente a uma

imagem pela utilização da cadeia de comandos “Ferramentas – Máscara – Aplicar

Máscara”.
3.1. Criação da máscara
Selecione, do menu principal, a cadeia de comandos "Ferramentas - Máscara – Construir

Máscara" para criar uma máscara.
Na janela "Mask Defi..." seleciona-se o modo de definição da máscara: se a partir de uma

imagem carregada ou se inteiramente criada. Selecionando-se o primeiro modo, faz-se
abrir a caixa de diálogo "#n Mask Definition" e os parâmetros "Samples", "Lines" e "Input
Bands" são automaticamente definidos. Selecionando-se o segundo modo, faz-se abrir a
caixa de diálogo "Mask Definition", em que aqueles parâmetros são definidos pelo
usuário.
As máscaras são definidas a partir de três tipos de entrada: pelos níveis de cinza mínimo
e máximo ou por uma faixa desses níveis, por anotação ou por região de interesse.
• Selecione, dentro do menu da janela “#n Mask Definition”, a cadeia de comandos

“Options – Import...”.
• Selecionando a primeira opção, “Import Band Data Range”; nas caixas de texto
"Band Min Val" e "Band Max Val" introduzem-se os níveis de cinza que pertencem
à banda cujo nome encontra-se na caixa de texto ao lado do botão "Select Input
Band".
• Para mudar a banda de entrada, clique no botão “Select Input Band” e faça a
escolha da nova banda na janela "Select Band for Mask Data Range" caso
desejares.
• Clique "OK" para voltar à definição da máscara. Introduza o nível mínimo e/ou
nível máximo e clique em OK. Introduzindo-se somente um dos extremos da faixa,
ao outro nível será automaticamente atribuído o nível máximo da banda.
• Para incluir formas de anotações visualizadas, selecione, na janela “#n Mask

Definition”, a cadeia de comandos “Options – Import Displayed Annotation". Para
importar anotações armazenadas em arquivos, selecione "Import Annotation" e
selecione o arquivo de entrada.
Deve-se ressaltar que somente anotações nas formas de retângulos, elipses e polígonos
podem ser importadas para a definição de máscaras.
• Para incluir regiões de interesse na definição de máscaras, selecione "Import

ROIs", que faz surgir a caixa de diálogo "Mask Definition Imput ROIs". Selecione as
regiões de interesse uma a uma, por faixa (botão "Add Range") ou todas elas
(botão "Select All").
Pode-se definir, também, operadores lógicos de união ("logical OR") ou interseção

("logical AND") entre faixas de nível de cinza, entre anotações ou entre regiões de
interesse. O operador de união utiliza todas as áreas então definidas na criação da

máscara. O operador de interseção utiliza somente as áreas comuns àquelas então

definidas. A seleção do operador é feita por um clique na dupla seta ao lado do texto
"Logical OR".
A partir da versão 3.1 existe a possibilidade de usar polígonos em formato vetorial do

ENVI .evf para a definição da máscara (na janela "#n Mask Definition" clique em "Options"
e "Import EVFs..."). Para poder executar essa opção é necessário que haja memória
suficiente para guardar a imagem inteira a ser mascarada, mesmo selecionando a opção
"Output to file”.
• Clique na dupla seta ao lado do texto "Selected Areas On" para atribuir às áreas
definidas na máscara o valor 1 ("On") ou 0 ("Off").
No primeiro caso, a área é permissiva; no segundo, restritiva. Selecione o endereço de

armazenamento: se em arquivo ou na memória. A máscara pode ser permanentemente
aplicada à uma imagem pela utilização da opção "Aplicar máscara".
3.2. Aplicação da máscara

Primeiramente, crie a máscara através da cadeia de comandos “Ferramentas – Máscara –
Construir Máscara” para criar a imagem “0-1”, ou seja, a imagem preta e branca que foi
gerada”.
• Logo após, selecione a cadeia de comandos “Ferramentas – Máscara – Aplicar

Máscara”
• Aparecerá a janela “Apply Mask Input File”. Selecione o arquivo original em que foi
gerado a máscara.
• Clique no botão “Select Mask Band” e selecione a máscara gerada.
• Pressione o botão OK e aparecerá a janela “Apply Mask Parameters” , introduza o

valor desejado na linha de texto rotulada "Mask Value" para o valor do fundo da
imagem de saída. Admite-se valores de 0 à 255 (0=preto,255=branco)
4. Operações matemáticas entre bandas ("Matemática de

Bandas")
Esta opção das ferramentas básicas possibilita o processamento de expressões
complexas.
Funções matemáticas disponíveis
A função "Matemática de Bandas" proporciona várias possibilidades que não são

encontradas em outros programas de processamento das imagens. A Tabela 4 mostra
algumas funções matemáticas disponíveis.

Cálculo de séries e Funções trigonométricas Outros

escalares operadores
Adição Seno operadores
relacionais (EQ,
NE, LE, LT, GE,
GT)
Subtração Coseno operadores
booleanos (AND,
OR, XOR, NOT)
Multiplicação Tangente funções de
conversão de tipos
(byte, fix, long,
float, double,
complex)
Divisão arc sen funções IDL que
retornam resultados
matriciais
Valor mínimo arc cos procedimentos IDL
que retornam
resultados
matriciais
Valor máximo arc tg funções e
procedimentos IDL
definidos pelo
usuário
Valor absoluto Tgh
raiz quadrada
Expoente natural
Logaritmo natural
Logaritmo decimal
A caixa de diálogo das operações matemáticas entre bandas
A caixa de diálogo das operações matemáticas entre bandas aceita qualquer expressão
matemática, função ou procedimento válido no IDL, em que o resultado seja uma matriz
bidimensional.
As variáveis das funções matemáticas são digitadas na caixa de texto "Enter an

Expression". Variáveis são iniciadas com o caracter "b" ou "B", seguido de, no máximo,
cinco algarismos.
Para calcular a média de três números, a equação matemática é a seguinte:
(float (b1) + float (b2) + float (b3)) / 3.0
Obs.: Note que a função de ponto flutuante é usada para evitar erros de excesso de byte
("byte overflow") durante o cálculo.

Pode-se gravar as equações e chamá-las por um clique no botão "Restore", que faz surgir
o gerenciador de arquivos.
4.1. Matemática de bandas
• Selecione, dentro do menu principal, a cadeia de comandos “Ferramentas – Matemática

de Bandas”;
• Aparece a janela “Band Math”. Entre com a expressão desejada e clique em OK (por
exemplo, b1>b2);
• Depois, aparece a janela “Variables to Bands Pairings”. No campo “Variables used in

expression” vai estar escrito “[undefined]” para as bandas digitadas na expressão.
Selecione a banda desejada e corresponda a ela uma banda da imagem, clicando na
janela “Available Bands List”;
• No botão “Map Variable Input File”, selecione um arquivo adicional se for o caso;
• Selecione “File” ou “Memory” e clique em OK;
4.2. Matemática Espectral
A diferença da matemática espectral para a matemática de bandas é que essa função

realiza matemáticas entre perfis espectrais extraídos de uma imagem, e, em vez de usar
a letra “b” ou “B”, usa-se o “s” ou “S”.
• Defina o perfil desejado em uma dada imagem, por exemplo;
• Selecione, dentro do menu principal, “Ferramentas – Matemática Espectral”;
• Aparece a janela “Spectral Math”. Entre com a expressão desejada e clique em OK;
• Aparecendo a janela “Variables to Spectra Pairings”, o procedimento é o mesmo para

Matemática de Bandas; em “Output Result to”, se a opção escolhida for “Same Window”,
o novo perfil vai ser gerado no gráfico ativo, se for escolhido a opção “New Window”, o
novo perfil vai ser desenhado no novo gráfico.
5. Reamostragem Espectral
Com a função de reamostragem espectral, é possível alterar a resolução espacial da

imagem, por exemplo, transformar uma LandSat 7 de 30 metros para 90 metros,
diminuindo assim o tamanho do arquivo. Veremos agora nessa seção como fazer este
procedimento.
• Selecione, dentro do menu principal, a cadeia de comandos “Ferramentas –

Redimensionar Imagens (Espacial/Espectral)”.
• Aparece a janela “Resize Data Input File”. Selecione a imagem desejada e clique
em OK.

• Agora, aparece a janela “Resize Data Parameters” Altere os campos xfac e yfac
conforme desejado. Por exemplo, se temos uma imagem com resolução de 30
metros e queremos alterá-la para 60 metros, coloque 0,5 no xfac e 0,5 no yfac.
• Escolha o método de reamostragem (Resampling), escolha File ou Memory e

clique em OK.
6. Subset de Imagens via ROI´s

Se em uma imagem não nos interessa toda a área, mas apenas uma área irregular, use a
função de “Subset via ROI´s”.
• Defina na imagem uma região de interesse em que se quer produzir uma nova
imagem.
• Logo após, selecione, dentro do menu principal, a cadeia de comandos

“Ferramentas – Subset de Imagens via ROI´s”
• Aparece a janela “Select Input File to Subset via ROI´s”. Selecione a imagem e
clique em OK.
• Logo após, aparece a janela “Spatial Subset via ROI´s Parameters”. Selecione a
ROI.
• Na opção “Mask pixels outside of ROI, deixe como Yes, em “Mask Background
Value”, coloque 0 (preto), escolha File ou Memory e clique em OK.
7. Rotacionando e Girando Imagens...

No ENVI, é possível rotacionar e girar imagens de acordo com a necessidade do usuário.
Uma utilidade muito grande dessa função é rotacionar imagens para orientá-las ao Norte,
já que muitas imagens comercializadas vem apenas orientada pela órbita.
Figura C-4: Imagem orientada Figura C-5: Imagem orientada

para a órbita para o Norte

Provavelmente, com a aquisição da imagem, virá em anexo um arquivo em formato de

texto, que é o cabeçalho da imagem. Nele contém informações da imagem, e
provavelmente dirá o ângulo da órbita com o Norte.
• Selecione, dentro do menu principal, a cadeia de comandos “ferramentoas –

Rotacionar/Girar Imagens”
• Aparece a janela “Rotation Input File”. Selecione a imagem desejada e clique em

OK.
• Logo após, aparece a janela “Rotation Paramenters”. No campo “Angle”, digite o

ângulo da inclinação da órbita com o Norte, por exemplo, escolha File ou Memory e
clique em OK. O resultado aparece na lista de bandas disponíveis.
8. Outras Ferramentas
Agora, veremos mais algumas funcionalidades que o ENVI possui dentro do menu de
ferramentas. ENVI possui diversas outras funcionalidades, mas veremos aqui duas que
podem ser mais constantemente usadas.
8.1. Menu "Ferramentas de Calibração"
• Selecione, dentro do menu principal, a cadeia de comandos "Ferramentas -

Ferramentas de Calibração";
• Lá aparecerão as opções para calibração de imagens. Selecione a opção LandSat TM;

• É importante enfatizar que os arquivos do tipo Fast
Format são melhores para realizar calibrações, pois
o ENVI já pega diretamente de seu cabeçalho
informações como Data, ano, etc... para fazer a
calibração;
• Aparece a janela "Tm Calibration Parameters"

(Figura ao lado);
• Se a sua imagem não tiver em formato "Fast

Format", preencha os dados sugeridos na janela.
Escolha também o tipo de calibração (Radiance ou
Reflectance) e clique em OK. O resultado aparece
na lista de bandas disponíveis;
8.2. Substituir linhas com defeito
Certas imagens adquiridas podem vir com uma linha

defeituosa, por exemplo, em forma de ruido. ENVI

elimina ruídos horizontais na cena, usando uma média entre os pixels vizinhos.
(Importante, a linha com defeito tem que ser horizontal).
• Selecione, dentro do menu principal, a cadeia de comandos " Ferramentas -

Ferramentas de Uso Geral - Substituir Linhas com Defeito".
• Aparece a janela "Replace Bad Lines Input File". Selecione a imagem desejada e clique
em OK.
• Agora, aparece a janela "Bad Lines Parameters". No campo "Bad Line", digite o
número da linha em que está o defeito. Pressione <ENTER>.
A linha é contada através dos valores de pixels; ou seja, a primeira linha é a linha mais
superior da imagem, e assume o valor 1, a linha abaixo, o valor 2, assim por diante. Para a
fácil detecção do número da linha a ser corrigida, use a função "Cursor Location Value".
• No campo "Half Width to Average" , determine o valor das linhas vizinhas à linha com
defeito que serão usadas para corrigi-las. Se o valor determinado for 1, o ENVI
simplesmente pega a linha de cima e a de baixo à linha com defeito e faz uma média
entre elas.
• Clique em OK.
9. Novo Menu para Detecção de Mudanças
A partir do ENVI 3.6 foi implementado um novo recurso no menu de ferramentas básicas
dedicado a detectar variações na comparação de imagens. Aplicando as ferramentas
disponíveis pelo menu de detecção de mudanças você poderá computar diferenças
apresentadas pelas imagens “Compute Difference Map” ou detectar variações estatísticas
“Change Detection Statistics” para acessar uma consistente lista de medidas de
variações entre um par de imagens que representam um estado inicial e um estado final.
Em síntese oferecem apoio substancial para a identificação, descrição e quantificação de
diferenças apresentadas por imagens tomadas da mesma cena em tempo ou condições
diferentes.
9.1 Ferramenta para Computar Mapa de Diferenças
A ferramenta para computação de mapa de diferenças “Compute Difference Map” produz

uma imagem de classificação no ENVI caracterizando as diferenças entre qualquer par
de imagens que representam um estado inicial e um estado final. Você pode entrar com
as imagens por banda de qualquer tipo de dado. A diferença é computada através da
subtração da imagem que representa o estado final menos a imagem que representa o
estado inicial e as classes são definidas pela variação de um percentual mínimo (peso).
As mudanças positivas são identificadas por pixels brilhantes (estado final apresenta
maior brilho do que em relação ao estado incial), enquanto as mudanças negativas são
identificados por pixels sombrios (estado final apresenta menor brilho do que em relação
ao estado inicial).

9.2 Usando a Ferramenta para Computação de Mapa de Diferenças
1. Acessando o menu principal do ENVI 3.6, ou maior, selecione: Ferramentas -

>Detecção de Mudanças -> Computar Mapa de Diferenças ;
2. Selecione a imagem que representa o estado inicial através da caixa de diálogo
”Select the Initial State Image” e clique em “ok”;
3. Repita o procedimento descrito acima para selecionar a imagem que representa o
estado final na caixa de diálogo ”Select the Final State Image”;
4. Defina a quantidade de classes que você
pretende usar na caixa de diálogo
“Compute Difference Map Input
Parameters” ;
5. Caso você deseje modificar ou
visualizar os pesos de classificação,
definir nomes para as classes ou
importar atributos, clique no botão
“Define Class Thresholds”;
6. No campo reservado ao tipo de
mudança “Change Type” selecione
entre os modos de diferença simples
“Simple Difference’” ou diferença
percentual “Percent Difference”;
Obs.1: A seleção do tipo de mudança por diferença simples é computada pela subtração
da imagem do estado final menos a imagem do estado inicial. Já o tipo de mudança por
diferença percentual é computada como sendo a diferença simples dividida pelo valor do
estado inicial.
7. Opcionalmente você poderá efetuar um pré–processamento do dado,

selecionando uma das opções disponíveis no campo “Data Pré–Processing”, ou
seja, selecione entre Normalização “Normalize Data Range” ou Padronização
“Standardize to Unit Variance”;
Obs.2: É possível selecionar apenas um tipo de pré–processamento. A Normalização é

computada pela subtração do menor valor da imagem dividida pelo intervalo de valores da
imagem: Normalização = (DN – min) / (max – min).
A Padronização é computada pela subtração do valor médio da imagem, dividido pelo
desvio padrão: Padronização = (DN – mean) / stdev.
8. Determine um nome de saída para armazenar no disco ou armazene na memória

para obter o mapa de diferença;
9. Clique em “Ok” para iniciar o processamento.
Obs.: Observe o resultado e verifique que as mudanças ditas positivas são visualizadas
em vermelho , os pixels classificados na cor cinza não apresentam mudanças e para os
pixels que se apresentam na coloração vermelho brilhante representam grandes
mudanças positivas. Já as mudanças negativas por sua vez são visualizadas na cor azul;

a coloração cinza não apresenta mudanças e a cor azul brilhante representa grandes
mudanças negativas
9.3 Ferramenta para Efetuar Estatística de Detecção de Mudanças:
A rotina para executar estatítica de detecção de mudanças é usada para estruturar

planilhas (relatórios estatísticos), detalhadas, que descrevem as diferenças apresentadas
por duas imagens classificadas em uma mesma região. A detecção de mudanças usando
esta rotina difere significativamente da simples subtração entre duas imagens, visto que
em um curto período o relatório estatístico apresenta valores da imagem de diferença
classe por classe, concentrando-se, primeiramente, na análise do estado inicial da
imagem classificada, isto é, para cada classe do estado inicial, a análise identifica as
classes dentro das quais os seus respectivos pixels mudaram para o estado final. As
mudanças podem ser reportadas pela contagem de pixels, percentagens ou áreas.
Adicionalmente, um tipo especial de mácara (classificação de máscara) que fornece um
contexto espacial do relatório tabular pode ser produzida. As máscaras de classe são
imagens de classificação no ENVI que combinam classes coloridas da imagem no estado
final proporcionando uma identificação facilitada não somente da localização das
mudanças mas também das classes dentro das quais os pixels mudaram.
9.4 Usando a Ferramenta para Estatística de Detecção de Mudanças
1. Selecione no menu principal do ENVI 3.6 ou maior a seguinte seqüência de

comandos: Ferramentas -> Detecção de Mudanças -> Estatística de Detecção de
Mudanças, ou Classificação -> Pós – Classificação -> Estatística de Detecção de
Mudanças;
2. Na caixa de entrada do primeiro arquivo selecione a imagem classificada que

representa o estado inicial e caso desejar execute um “subset” da imagem;
3. Repita o procedimento descrito anteriormente para selecionar a imagem

classificada que representa o estado final;
Obs.1: A caixa de diálogo para a definição de classes aparecerá;
4. Combine as classes pertencentes às imagens do estado inicial e final, clicando

sobre os nomes que estão em duas listas e adicione os pares clicando no botão
“Add Pair”;
Obs. 2: Adicione, somente, as classes que você deseja incluir na análise de detecção de
mudanças. A caixa de diálogo fornece uma lista que informa as combinações das classes
efetuadas e caso as classes em cada imagem possuam o mesmo nome são
automáticamente pareadas;
5. Após o pareamento de todas as classes desejadas clique no botão “ok” para

aceitar;

Obs.3: Aparecerá a caixa de diálogo para configuração da saída da estatística de

detecção de mudanças;
6. Em seguida em “Report Type”, selecione o tipo de relatório estatístico que você

deseja gerar. Você deve escolher uma combinação de Pixels, Percentual ou Área;
7. Para gerar máscaras classificadas, selecione “Yes” no botão de seleção e

escollha um caminho de diretório para o armazenamento das máscaras;
8. Clique em “ok” para iniciar o processamento. Caso um relatório contendo

informações sobre área for solicitado, mas a imagem do estado inicial não possuir
o tamanho do pixel definido, a caixa de diálogo para a definição do tamanho do
pixel “Define Pixel Sizes for Area Statistics” aparcerá. Entre com o tamanho do
pixel e clique em “ok” para aceitar;
Uma janela de estatus fornecerá o progresso do processamento e em poucos

instantes surgirá a janela contendo o relatório estatístico onde aparecerá a tabela
estatística listando em colunas as classes do estado inicial e em linhas as classes do
estado final. No entanto, as colunas apresentam somente as classes pareadas do
estado inicial, enquanto as linhas apresentam todas as classes do estado final. Para
cada classe no estado inicial, isto é, para cada coluna a tabela indica a quantidade de
pixels que foram classificados na imagem do estado final. Verifique o exemplo através
da ilustração abaixo:
Observe que nenhum dos pixels inicialmente classificados como urbano (urban) mudaram
de classe na imagem do estado final, porém na segunda coluna, onde 9523 pixels foram
inicialmente classificados como sendo floresta (forest), mudaram para a classe urbano na
imagem do estado final. Na linha correspondente à classe total (class total) é indicada a

quantidade total de pixels de cada classe no estado inicial e a coluna classe total refere-
se a quantidade total de pixels de cada classe no estado final. Observe, novamente, a
ilustração acima e verifique que 13389 pixels foram classificados como sendo urbano
(total da classe) na imagem do estado inicial sendo que a quantidade total de pixels
classificados como urbano na imagem do estado final aumentou para 25256 pixels.
9.5 Funções Adicionais da Tabela Estatística de Detecção de Mudanças
• Para visualizar a precisão dos valores em ponto flutuante selecione: Options -> Set
Report Precision ;
• Para converter as unidades dos valores que envolvem área, acesse: Options ->
Convert Area Units ;
• Para salvar o relatório estatístico em um arquivo ASCII, selecione: File -> Save to
Text File;

D: Registro, Correção Geométrica e Mosaico

As imagens produzidas por sensores remotos, sejam elas fotografias aéreas ou imagens
de satélite, apresentam uma série de distorções espaciais, não possuindo, portanto,
precisão cartográfica quanto ao posicionamento dos objetos, superfícies ou fenômenos
nelas representados.
Erros geométricos resultam das seguintes causas:
• rotação da Terra
• curvatura da Terra
• movimento do espelho de imageamento
• variações da altitude, posição e velocidade da plataforma
• distorção de panorama
• distorção topográfica
Freqüentemente, a informação extraída da imagem de sensoriamento remoto precisa ser

integrada com outros tipos de informação, representados na forma de mapas,
especialmente quando se trabalha com sistemas geográficos de informação, nos quais as
imagens de sensoriamento remoto são uma das principais fontes de dados. Por outro
lado, os dados contidos em uma imagem de satélite precisam ser apresentados na forma
de um mapa, com uma grade de coordenadas geográficas de referência traçada sobre a
mesma.
A correção geométrica, ou georreferenciamento, é feita pelo ajuste de uma imagem ou

de um arquivo vetorial a um espaço definido por um sistema de coordenadas de
referência. Com relação às imagens, uma forma comum de correção geométrica se faz
pela indicação do sistema referência (p. ex., latitude/longitude), dos sistemas de projeção
(p. ex., Gauss, UTM) e das coordenadas dos limites esquerdo, direito, superior e inferior
da imagem. O mesmo é válido para dados vetoriais.
As ferramentas de registro/correção geométrica possibilitam a referência de imagens

tanto a um sistema de coordenadas geográficas ou de projeção, quanto a outras imagens.
Além disso, as imagens podem ser rotacionadas antes do registro, pela função
"Ferramentas – Rotacionar/Girar Imagens", que facilita a orientação nas imagens não
retificadas.
No ENVI, os pontos de controle ("Ground Control Point", GCP) podem ser selecionados
tanto na janela principal, como na janela de ampliação para os dois modos da retificação:
imagem para imagem e imagem para mapa. As coordenadas são apresentadas numa
lista que contém as coordenadas do mapa-base ou da imagem básica, as coordenadas
da imagem não-retificada e o valor de erro para o algoritmo específico de ajuste
("warping").

O ajuste pode ser aplicado das seguintes maneiras:
• RST ("Resampling, Scaling and Translation" - Rotação, Escalonamento,

Translação)
• Funções polinomiais
• Triangulação "Delonay"
1. Registro e Georreferenciamento de Imagens

A seleção dos pontos de controle é decisiva para a qualidade da correção geométrica. O
registro manual se baseia na identificação de pontos de controle do terreno, de forma
semelhante na correção geométrica usando GCPs.
1.1. Imagem para mapa
O procedimento usualmente adotado envolve a identificação de, no mínimo, 6 a 10 pontos

por área de 1.000 x 1.000 pixels e no mapa correspondente, ou seja, o procedimento de
registro de imagem para mapa consiste em registrar uma imagem a partir de um mapa
conhecido, seja ele uma carta impressa em papel ou uma base vetorial. Antes de ser
aplicada a transformação, o ENVI permite a avaliação dos erros obtidos nos ajustes entre
os pontos de controle cartográficos e os seus equivalentes na imagem.
Após uma análise dos erros para cada ponto de controle, aplica-se a transformação na
imagem original, sendo assim produzida uma nova imagem, corrigida segundo a projeção
cartográfica do mapa a partir do qual foram obtidos os
pontos de controle.
O registro de imagem para mapa requer, no mínimo,
uma imagem carregada na tela, e essa imagem é a
imagem que chamaremos de “warp” , que é a imagem
que será corrigida.
• Selecione, no menu principal, o item "Mapa -

Registro". Esta ferramenta possibilita a escolha
interativa entre o registro "Imagem para
Imagem" e "Imagem para Mapa" .
• Clique com o "mouse" na opção "Imagem para

Mapa”
• Aparece a caixa de diálogo de registro de
imagem para mapa, onde é escolhida a janela
para registro (Figura ao lado).
Para o território do Brasil a maioria das projeções UTM

já está disponível de forma pré-definida (p.ex. Brasil- Figura D-1: Caixa de diálogo de
UTM SAD 69 (Fuso 23) ). registro de Imagem para Mapa

• Selecione a projeção de saída (p.ex., UTM), teclar a zona de UTM e o tamanho

dos pixels de saída na caixa de texto.
• Clique o botão "OK" para aplicar os parâmetros escolhidos.
• Aparece o diálogo “Ground Points Control Selection” (Figura mais abaixo).
Introduzir as coordenadas de mapa

Digite as coordenadas de mapa na caixa de texto rotulada com "E" e "N".
Alternativamente, clique no botão com as flechas, localizado no lado esquerdo da caixa,

que indica o nome da projeção - neste caso UTM - para mudar as coordenadas de
projeção para valores de longitude e latitude.
Use valores negativos de longitude para o hemisfério oeste e valores negativos de latitude
para o hemisfério sul. O cálculo das coordenadas geográficas para o sistema de projeção
escolhido é feito com a volta para coordenadas da projeção escolhida.
Figura D-2: GCP (janela para o controle do registro)
Acrescentar um ponto de controle

Procure um ponto de controle tanto na imagem como no mapa.
• Coloque a janela de ampliação na posição do pixel escolhido e clique o botão "Add

Point", na caixa de diálogo "Ground Control Points Selection" , para acrescentar o
novo ponto na lista dos pares X,Y.
A lista dos pontos de controle escolhidos aparece quando clicamos em Show List.
Com o botão "RST" (Rotate/Strech/Translate), que se encontra no menu options da janela

GCP, pode se definir o método pelo qual é calculado o erro RMS: com RST habilitado é
aplicado um simples modelo de rotação, escalonamento e transferência, e é preciso

apenas três coordenadas para calcular o erro RMS; no caso de RST "No" é preciso de no
mínimo quatro pontos para que seja calculada a transformação de primeiro grau
polinomial (o grau pode ser definido no campo "Degree"). A nova posição do pixel
transformado, em coordenadas de pixel, aparece entre os quatros parênteses, assim
como o erro RMS absoluto (em pixel) nos parênteses finais. Para transformações
polinomiais do primeiro grau, existe a opção de escolha do cálculo de erro baseada no
método RST. O botão "On/Off" possibilita a inclusão ou exclusão de pontos de registro
no cálculo da correção.
Erro RMS ("Root Mean Square Error")

O erro médio quadrático é uma medida do desvio dos valores calculados em relação
aos valores originais. O erro RMS é estimado tomando-se uma amostra dos valores
calculados e comparando-a com seus valores reais. As diferenças entre elas são então
elevadas ao quadrado e somadas. A soma é então dividida pelo número de medidas, para
que se obtenha a média cuja raiz quadrada fornece uma medida característica de erro na
mesma unidade das medidas originais. O erro RMS é diretamente comparável ao
conceito de desvio padrão.
RMSerror = [(x1 - xorg)2 + (y1 - yorg)2]1/2

x1: Coordenada de linha calculada na imagem não-registrada
y1: Coordenada de coluna calculada na imagem não-registrada
xorg: Coordenada original de linha do GCP na imagem

yorg: Coordenada original de coluna do GCP na imagem
Selecionar um ponto de controle específico

Para mudar o centro da janela de ampliação para um ponto desejado, marca-se este
ponto na lista dos pontos de controle e clica-se o botão "Goto" , dentro da caixa “Image to
Map GCP List” , que se abre quando se clica no botão Show List. O centro da janela de
ampliação movimenta-se automaticamente para posição do pixel selecionado.
Restaurar pontos de controle ("Restore GCP from ASCII")

Quando já existir um arquivo incluindo pontos de controle (extensão .pts), estes podem
ser carregados por esta função. A caixa de diálogo do gerenciador dos arquivos aparece
e o arquivo desejado pode ser escolhido. Esta opção encontra-se em “File – Restore GCP
from ASCII” , na janela GCP.
Editar um ponto de controle ("Edit")

Pode-se editar um ponto de controle clicando-se sobre a linha de valores que o descreve
e clicando em Edit. Os novos valores podem ser assim digitados nas caixas de texto. Para
gravar a nova coordenada, clica-se o botão "Update".
Mudar um ponto de controle ("Update")

Altera-se a posição de um ponto de controle na imagem colocando-se o cursor do
"mouse" sobre a nova posição escolhida e clicando-se com o botão central. Em seguida,
clique o botão "Update" para carregar as novas coordenadas na lista de pontos de

controle. Notar que a marcação, indicando o número do ponto de controle, modifica-se

automaticamente para a nova posição e os valores de coordenadas atualizam-se
imediatamente.
"On/Off" são botões que servem para incluir ou excluir os pontos de registro selecionados
no cálculo de correção. O botão "Delete" exclui pontos selecionados do registro.
Localizando um ponto de controle ("Predict")

"Predict" é de grande ajuda durante o processo de seleção de pontos de controle. Tendo
já identificados no mínimo 4 pontos no mapa e na imagem, e digitando as coordenadas do
ponto desejado na caixa "Ground Control Points Selection" , clica-se no botão "Predict" .
O cursor da janela de ampliação "Zoom" será posicionado perto do ponto real na imagem,
acelerando muito o processo de identificação dos pontos de interesse para registro. O
mesmo conceito pode ser aplicado para registro imagem-imagem.
Seleção de posições fracionárias do pixel

Para a execução do registro, podem ser selecionadas posições fracionárias na janela de
ampliação. A fração disponível é proporcional ao fator de ampliação. Numa janela cujo
fator de ampliação do zoom seja de 4, por exemplo, os pixels podem ser divididos em 4
sub-áreas; se o aumento for de 10 vezes, é possível definir um ponto a cada décimo de
um pixel. Este tipo de posicionamento torna-se automaticamente disponível quando se faz
o registro.
Registrar a imagem ("Options - Warp Displayed Band/Warp File)

Clique no botão "Options" e "Warp Displayed Band" (para registrar a banda visualizada)
ou "Warp File" (para registrar todas as bandas do arquivo) depois da seleção e revisão
dos pontos de controle para iniciar a transformação. A caixa de diálogo da transformação
aparece (veja seção 1.3 deste capítulo).
1.2. Imagem para imagem

É utilizada quando já existe uma imagem
georreferenciada da mesma área, como
no caso das comparações multiespectrais
ou a produção de uma imagem por
sobreposição. Os modelos vetoriais
podem ser usados também para o
registro, como base da imagem
referencial. Os passos de implementação
dos pontos de controle são em várias
pontos parecidos como esses para
seleção dos pontos de controle
apresentado na seção 1.1. Selecione, no
menu principal, a opção “Mapa – Registro"
e clique na opção "Selecionar pontos de Figura D-3: Caixa de diálogo para registro
de imagem para imagem
controle: Imagem para Imagem".

Aparece a caixa de diálogo para o registro de imagem para imagem (Figura acima).
O registro de imagem para imagem requer, no mínimo, duas imagens carregadas na lista
das bandas disponíveis. Escolha a janela que mostra a imagem georreferenciada como
imagem base ("base image") e a que contém a imagem original como imagem de
transformação ("warp image").
Registro da Imagem de Transformação

No caso da imagem base ser georreferenciada aparece uma opção adicional no diálogo
de registro "Options – Warp Displayed Band (as Image to Map)" . Esta opção permite que
a imagem transformada "herde" o georreferenciamento da imagem base, junto com a
transformação.
Muitas vezes o registro Imagem-Imagem é o primeiro passo para a forma mais elegante
de mosaicar imagens não-georreferenciadas. Para isso cria-se primeiro um pseudo-
georreferenciamento, colocando valores arbitrárias nos campos de informação
cartográfica numa das imagens ("Arquivo – Editar Cabeçalho de Arquivo ENVI –
Selecionar Imagem – Edit Attributes – Map Info"). Num registro Imagem-Imagem
aparecerá agora a opção "Options – Warp Displayed Band (as Image to Map)", que faz
com que a segunda imagem também tenha o pseudo-georreferenciamento, possibilitando
agora o automatismo do mosaico de imagens georreferenciadas.
Retificar com ponto de controles pré-definidos

Essa função serve para gerar uma imagem registrada a partir de pontos de controle já
definidos anteriormente pelo usuário. Ele também pode ser feito através de “Imagem para
Imagem” ou de “Imagem para Mapa” .
• Selecione “Mapa – Registro – Retificar com Pontos de Controle Pré-Definidos:

Imagem para Imagem” ou “Imagem para Mapa”.
• Vai aparecer a caixa de diálogo GCP Filename, onde o usuário terá que escolher o
arquivo em formato .PTS , que como já foi visto, é o arquivo em que se encontra os
pontos de controle do registro.
• Escolha o arquivo, clique em OK e logo após aparecerá a caixa “Input Warp

Image”, onde o usuário escolherá a imagem Warp, que é a imagem que foi
registrada.
• Depois de escolhida a imagem Warp, defina, em “Registration Parameters” , o tipo

de interpolação desejada, os parâmetros da imagem e o nome do arquivo de
saída. Clique em OK e o resultado aparecerá na Lista de Bandas Disponíveis.

1.3. Opções para transformação e reamostragem

No momento em que os pontos de controle foram definidos, os métodos específicos para
transformação e reamostragem podem ser escolhidos clicando-se em "options" e "Warp
Image", na caixa de diálogo de seleção dos pontos de controle. Abre-se a caixa de
parâmetros de registro (Figura ao lado).
Warp Method:
RST (Transformação RST)
A transformação RST efetua uma rotação, escalonamento e transferência simples de
imagens.
Polynomial (Transformação polinomial)

Para aplicar a transformação polinomial, é
necessária a determinação do grau do polinômio,
que depende da quantidade dos pontos de controle
selecionados.
Triangulation (Triangulação)
Esse método de transformação é usado quando a
distribuição dos pontos de controle é irregular e são
interpolados os triângulos entre os pontos de valores
da superfície e o retículo de saída.
Resampling (Reamostragem):
Aqui define-se o método de reamostragem: Nearest
Neighbor ("Vizinho mais próximo", indicado quando
se quer ainda fazer uma análise espectral dos dados
após a transformação), Bilinear (interpolação linear
entre os pixels), ou Cubic Convolution (convolução
cúbica), os dois últimos indicados quando a finalidade
é bom acabamento visual. Figura D-4: Caixa de diálogo
“Registration Parameters”
Change Output Parameters (Modificar

Parâmetros de Saída)
Recomenda-se sempre verificar os parâmetros de saída (clicando no botão "Change

Output Parameters"), especialmente o tamanho previsto da imagem em metros (ou pixels,
na transformação imagem-imagem). Nesta janela pode também ainda ser modificado o
tamanho dos pixels em metros, e (o que normalmente não deveria ser necessário) os
parâmetros da projeção cartográfica.

1.4. Dicas para agilizar o georreferenciamento de imagens
Em muitas vezes, o procedimento para georreferenciar imagens pode-se tornar um

trabalho desgastante e oneroso. O ENVI, com suas ferramentas de georreferenciamento,
facilita muito o trabalho do operador do programa. Para isso, basta seguir alguns
procedimentos que veremos agora:
A melhor alternativa é o georreferenciamento “Imagem para Mapa”
Para obtermos um melhor resultado em georreferenciamento, convém sempre o usuário

optar pelo procedimento de “Imagem para Mapa”. No procedimento de imagem para
mapa, o usuário pode pegar dados vetoriais, mapas, e até de várias outras imagens,
enquanto que no registro de imagem para imagem, o usuário fica restrito a
georreferenciar uma imagem apenas usando uma como base. Como foi dito, com a opção
de “Imagem para Mapa”, pode-se carregar vários arquivos vetoriais, e também várias
imagens georreferenciadas para o georreferenciamento de uma imagem. Portanto,
carregue no ENVI todos os dados que julgar necessário para georreferenciar a imagem
(“n” imagens, “n” arquivos vetoriais...).
Os procedimentos para georreferenciar a partir de outra imagem georreferenciada ou um
arquivo vetorial são similares mas com pequenas diferenças que serão explicadas a
seguir:
1.4.1. Usando para o registro uma outra imagem georreferenciada...
• Visualize a imagem não georreferenciada no display 1;
• Visualize a imagem georrefenciada no display 2;
• Selecione, dentro do menu principal, a cadeia de comandos “Mapa – Registro –

Selecionar Pontos de Controle: Imagem para Mapa” . Selecione o display 1, que contém a
imagem a ser georreferenciada, também selecione a projeção desejada de saída e
também o tamanho do pixel de saída;
• Depois selecione, dentro da imagem base (display 2), a cadeia de comandos

“Ferramentas – Localizador de Pixels”. Aparece a janela “#n Pixel Locator”; Selecione,
dentro dessa janela, “Options – Map Coordinates” . Selecione um ponto desejado na
imagem base, clique, dentro da janela “#n Pixel Locator”, na opção “Export” que as
coordenadas selecionadas na imagem aparecerão dentro da janela de GCP´s. Selecione
o ponto correspondente na imagem a ser georreferenciada (warp) e clique em “Add Point”
(importante seguir a seqüência dos passos).
1.4.2. Usando para o registro uma base vetorial
• Utilizar os vetores também é fácil. Se a sua imagem já está previamente

georreferenciada a partir dos dados efeméricos (a maioria das imagens já vem assim), é
recomendável que se carregue os vetores dentro da própria imagem, já que ficará mais
fácil a visualização de pontos estratégicos para o georreferenciamento, por exemplo, o
cruzamento de uma estrada no vetor com o cruzamento de uma estrada na imagem. Os
arquivos vetoriais podem ser carregados a partir da função do menu do display “Overlay –

Vetores” (veja Guia H-Vetores). IMPORTANTE: Na janela “#n Vector Parameters”, clique
na opção “Off” para seguir o próximo passo;
• Depois selecione, dentro da imagem a ser georreferenciada (display 1), a cadeia de

comandos “Ferramentas – Localizador de Pixels”. Aparece a janela “#n Pixel Locator”.
Selecione, dentro dessa janela, “Options – Map Coordinates”. O passo tem que ser
seguido rigorosamente na ordem (preferencialmente na janela de Zoom):
1 – Selecione o ponto desejado representado no vetor; 2 – Clique, dentro da janela do

“Localizador de Pixels”, em “Export”; 3 – Selecione o ponto desejado representado na
imagem; 4 – Clique em “Add Point”.
Para imagens sem georreferenciamento aproximado...
O usuário deverá carregar a base vetorial em uma nova janela de vetor (New Vector
Window).
• Clique no ponto desejado dentro da janela vetorial, e depois, clique no botão “Export” da
janela “#n Vector Parameters” que as coordenadas selecionadas na janela de vetor
automaticamente irão para a janela de GCP´s .
IMPORTANTE: Não é preciso os dados usados para o georreferenciamento estar na

mesma projeção de saída da imagem a ser georreferenciada. Por exemplo, se tivermos a
situação de uma base vetorial em Gauss e o usuário quiser uma projeção UTM na
imagem de saída, basta coletar o ponto no vetor, e quando o usuário clicar em “Export”, o
ponto automaticamente será convertido para UTM na janela de GCP´s.
2. Mosaicos
Mais inovações.
A partir do ENVI 4.0 foram implementadas uma série de melhorias na ferramenta para
construção de mosaicos “Mosaic Tool”. Dentre as modificações, podemos destacar: a
possibilidade de executar o balanceamento automático de cores, minimizando as
diferenças na visualização das imagens; visualização de imagens coloridas na pré-
visualização do mosaico “preview display“, recurso para alterar a saída da projeção de
mosaicos georreferenciados no processo de execução etc.
Algumas vezes, o trabalho com imagens de satélites requer que se juntem cenas
diferentes em um só arquivo. Tornou-se possível a fusão ("feathering") de limites de
imagens por dissolução de bordas ou de linhas de corte . É possível, também, gravar e
recuperar tabelas de mosaicagem. Dica.: Sempre recomenda-se o uso do mosaico com
imagens georreferenciadas pela maior facilidade de juntar várias imagens. Como as
vezes não há referência geográfica disponível, usa-se o "pseudo georreferenciamento"
definindo "manualmente" os parâmetros geográficos através da cadeia de comandos
"Arquivo – Editar Cabeçalho de Arquivo ENVI ", selecionando a imagem e definindo
parâmetros arbitrários para a sessão "Map Info".

2.1 Mosaicos baseados em pixels

• Para aplicar um mosaico de imagens não registradas, selecione no menu principal,
"Ferramentas – Mosaico – Baseados em Pixels" ou senão selecione “Mapa –
Mosaicar Imagens – Imagens Baseadas em Pixels”.
• Aparece a janela “Pixel Based Mosaic” , que é a janela onde o usuário irá manipular
os parâmetros do mosaico.
Figura D-5: Janela das operações do mosaico
• Selecione , dentro da janela “Pixel Based Mosaic” o submenu “Import -> Import Files ”
ou “Import ->Import Files and Edit Properties”.
• A primeira opção importa o(s) arquivo(s) diretamente para a janela de visualização

do mosaico sem a possibilidade de edição da ordem de importação.
• Ao selecionar a segunda opção você tem condições de editar a ordem de entrada das
imagens (fator de transparência, mistura de pixels entre as bordas das imagens,
posição do mosaico, etc.).
• Aparecerá a janela “Mosaic Input Files”, onde o usuário pode escolher as imagens a
serem mosaicadas. Se for selecionada mais de uma imagem, selecione
primeiramente uma, logo após a seleção do arquivo, segure a tecla Control, selecione
o outro arquivo e clique em OK.
• Se for escolhida a opção “Import Files and Edit Properties” , aparecerá a caixa de
diálogo “Entry : <Nome do arquivo> “ (Figura ao lado).

• Em “ Data Value to Ignore” , coloque o valor do tom de cinza da imagem para que o
software ignore e deixe na mesma cor de fundo do display da imagem. Entretanto
recomenda-se que não se mexa nessa opção, a não ser que o usuário tenha uma
função específica para o mosaico na qual se deseja eliminar um certo valor de
tonalidade.
• Em Feathering Distance (pixels)”, entre com o

número de pixels desejado para se fazer o
“feathering” . O “feathering” é o que pode se
chamar de “efeito de esmaecimento” entre as
imagens do mosaico (Imagem logo abaixo). Note
na figura o que acontece entre as duas imagens,
uma se sobrepõe a outra suavemente (Fig. D8).
• Em “Cutline Feathering (pixels)” é usada uma

polyline criada em annotation, e é ela que vai
definir a região de esmaecimento. Logicamente,
a “Cutline” , que é a polyline criada pelo usuário,
deve ser criada em uma região na imagem onde
há sobreposição entre as imagens do mosaico.
• No campo “Mosaic Display” você tem a opção de

selecionar o modo de visualização colorido
“RGB” (podendo selecionar a composição desejada)
ou em tons de cinza “Gray Scale”. Figura D-6: Caixa de diálogo
“Entry Parameters”
• Você ainda pode definir o fator percentual para o
realce linear e em “Color Balancing”, executar o
balanceamento de cores.
Determinação da
Dimensão do
• Clicando em OK, aparecerá a caixa de diálogo Mosaico
“Select Mosaic Size” (Fig. D7) que serve para Figura D7
definir o tamanho desejado para a imagem de
saída, em pixels. Clicando em “OK”, o resultado
aparecerá na janela “Pixel Mosaic”.
Relembrando, se for escolhida a opção “Import-
>Import Files” , a janela “Entry Parameters” não
aparecerá. Mas se o usuário desejar acrescentar
um “Edge Featheing” , ou alguma das opções
que se encontrava na janela “Entry Parameters” ,
basta clicar com o botão direito do mouse sobre
a imagem , dentro da janela de operações do
mosaico, e no menu de atalho que surge,
selecione “Edit Entry”.
Figura D-8: Edge

Feathering

Posicionar as imagens de entrada

Você pode definir as coordenadas, em pixels, do canto superior esquerdo na caixa “Entry
Parameters” em “Xoffset /Yoffset” ou nos campos da janela “Pixel Mosaic” indicados por
"X0" e "Y0"(defina os valores e tecle Enter). O padrão para as coordenadas do canto
superior esquerdo é sempre (1,1). O número da imagem selecionada aparece na caixa de
texto, à direita do símbolo “#”. É possível também posicionar as imagens por um clique do
"mouse" no limite colorido da imagem e arrasta-la para posição desejada.
Executando o balanceamento automático de cores
A partir do ENVI 4.0 é possível executar o balanceamento de cores de imagens que

apresentam contrastes diferentes. O uso do “Color Balancing Images” aplica-se para a
compatibilização da estatítica do histograma de uma determinada imagem com outra(s)
imagem(s) as quais desejamos que assumam o mesmo padrão de cor da imagem fixada.
O processo estatístico de ajuste de cor pode ser obtido considerando tanto a área que
cobre todo o mosaico de imagens como também , somente, a área correspondente a
sobreposição das imagens no mosaico.
O procedimento de execução do ajuste de cores é bem simples.
Após importar as imagens para dentro da janela de pré-visualização do mosaico “preview
display” siga as seguintes recomendações:
• Clique com o botão direito do mouse sobre a imagem que você deseja fixar o
padrão de cor e selecione “Edit Entry” no menu de atalho que surge;
• Na parte inferior da caixa de diálogo “Entry Parameters” em “Color Balancing”
selecione o botão “Fixed” para fixar a imagem que servirá como base para o
cálculo estatístico do balanceamento de cor e clique em “ok”.
• Para ajustar a cor da(s) imagem(s) segundo o padrão de cor fixado no passo
anterior, clique com o botão direito sobre a(s) imagem(s) a serem ajustadas
selecionando, novamente “Edit Entry”. Em “Color Balancing” selecione o botão
“Adjust” e clique em “Ok”;
• Finalmente, selecione ->File->Apply (armazene na memória ou disco). O arquivo
criado, automaticamente, surgirá na caixa de listagem de bandas disponíveis
“Available Bands List” bastando, apenas, carrega-lo para a janela de visualização
clicando no botão “Load RGB”.
2.2. Mosaicos baseados em imagens georreferenciadas

Para a mosaicagem de imagens com diferentes resoluções espaciais, devem estar
georreferenciadas. As imagens sem referenciais cartográficos serão justapostas de
acordo com as posições dos pixels, sem considerar as dimensões destes.
Para as imagens georreferenciadas, o sistema ajusta o tamanho do pixel de saída aquele

do pixel da imagem de mais alta resolução e reamostra, automaticamente, as imagens de
resolução mais baixa para adequá-las à mosaicagem. Os métodos de reamostragem são
o do vizinho-mais-próximo, o da interpolação bilinear e o de convolução cúbica.

Uma diferença que o usuário pode notar na janela de operações “Map Based Mosaic” é
que o menu options dispõe de menos opções do que o “Pixel Based Mosaic” , isso se
deve ao fato de a imagem já estar georreferenciada e portanto, precisar de menos
operações para se chegar no resultado final.
• Selecione “Mapa – Mosaicar Imagens – Imagens Georreferenciadas”
• Aparecendo a caixa de diálogo “Map Based Mosaic” ,selecione as imagens

georreferenciadas do mesmo modo de como foi selecionado as imagens baseadas em
pixels.
O procedimento daqui por diante é o mesmo para as imagens baseadas em pixel.
2.3. Aplicando o mosaico
Depois de feito todos os ajustes no mosaico, é preciso aplicar essas operações e

visualizar na janela principal. Para isso, deve ser feito alguns procedimentos listados
abaixo:
• Selecione, dentro da janela de operações do mosaico, a opção “File – Apply” e o

mosaico criado na janela vai ser salvo e logo após aparecerá na lista de bandas
disponíveis.
• Selecionando “File – Save Template” , vai ser criado um arquivo Template do

mosaico, em extensão .mos e que também poderá ser visualizado na lista de bandas
disponíveis. Esse procedimento é adequado para visualizar o mosaico antes de criá-
lo, já que criando um template o tempo de processamento é bem menor.
• Em “File – Restore Template” , poderá ser restaurado um arquivo template do mosaico

“.mos” criado anteriormente.
Determinar o tamanho de mosaico

Para construir um mosaico baseado em pixels, o usuário pode digitar, se necessário, o
tamanho desejado da imagem de saída, em pixels, nas caixas de texto indicadas com "X
Size" e "Y Size". Digite as dimensões, em pixels, para o tamanho de imagem de saída.
Posicionar as imagens de entrada

Digitar as coordenadas, em pixels, do canto superior esquerdo nas caixas de texto
indicadas por "X0" e "Y0". O padrão para as coordenadas do canto superior esquerdo é
sempre 1,1. O número da imagem selecionada aparece na caixa de texto à direita do
símbolo #. É possível também posicionar as imagens por um clique do "mouse" no limite
colorido da imagem e arrastar a imagem escolhida para posição desejada.

Fator "snap"
O fator "snap" possibilita o posicionamento em passos exatos das imagens. Por exemplo,
o fator 5 causa um "snap" de 5 pixels entre as duas imagens. Um "snap" de 1 vai causar
um posicionamento sem "snap".
Percolação
É utilizada para carregar uma imagem em cima de outras imagens.
Clique no botão "Apply" para aplicar as coordenadas escolhidas para o mosaico.
A nova imagem aparece automaticamente na lista das bandas disponíveis.
2.4. Ajuste de Histogramas

Para se fazer mosaicos, o ajuste de histogramas é um passo fundamental para a
qualidade do mesmo. O ajuste de histogramas é um passo anterior à criação dos
mosaicos. Primeiramente vem o georreferenciamento, depois o ajuste de histograma, e só
depois o mosaico das imagens.
Visualize uma imagem A no display 1.

Visualize outro arquivo (imagem B), que tenha área de superposição com a imagem A, no
display 2. Se for o caso de uma composição colorida, carregue as duas imagens com a
mesma composição.
Se visualizarmos as curvas de histograma de uma imagem (no menu da janela gráfica,

em "Realce - Realce interativo"), notaremos que cada imagem tem um histograma próprio,
ou seja, uma curva é diferente da outra. O ajuste de histograma iguala a curva do
histograma de uma imagem usando a curva de outra como base. É fundamental que os
histogramas são originados da mesma área (área de sobreposição).
Faça um "link" entre a imagem A e B, em uma região que se queira igualar o histograma.
"Zere" o histograma das duas imagens, utilizando, dentro do menu do display, a cadeia de
comandos "Realce - [Imagem] Linear 0-255". (NOTA= Use essa opção se a imagem for
em Byte).
Dentro do menu do display 2 (imagem B), acesse a cadeia de comandos "Realce - Ajuste
de Histograma".
Aparecendo a janela "Histogram Matching Inp...", escolha a opção "Image". Clique em

OK.
A imagem B receberá a curva de histograma da imagem A. Salve a imagem B, com o

histograma aplicado, através do menu do display, utilizando a cadeia de comandos
"Arquivo - Salvar Imagem Como - Arquivo de Imagem..."

Observação: Recomenda-se que a imagem que recebeu o histograma (no nosso caso, a
imagem B) seja colocado por baixo no mosaico (importar ela como primeira imagem na
ferramenta de mosaico).
3. Ortocorreção (ou Ortorretificação)

O uso das fotografias aéreas sempre foram úteis para a extração de dados terrestres,
sejam esses dados aplicados em qualquer área, como a Cartografia, Urbanismo,
Geografia, Geologia, Ecologia, enfim, muitas áreas de estudo ligadas as ciências da terra.
Em uma aerofoto é possível obter detalhes que não encontramos atualmente nas
imagens de satélite, e através disso faz-se estudos em uma determinada região,
logicamente , com um recobrimento menor do que uma imagem de sensor. As fotografias
aéreas podem vir no formato colorido ou preto e branco, existindo até câmaras nos dias
de hoje que captam as ondas no infravermelho, com isso podemos ter fotos em falsa cor,
como nas imagens de satélite. Mas esse procedimento é bastante caro e é usado
somente para aplicações muito específicas. Mesmo com essas tecnologias de captura
das ondas no infravermelho para a obtenção de fotos aéreas, as fotos em preto-e-branco
são as mais utilizadas.
Em se tratando de fotografias aéreas ou até mesmo de alguns sensores, como o francês

SPOT, é necessário que, antes de se trabalhar com esses dados, se faça uma
ortorretificação nessa imagens, já que elas possuem distorção radial, ou seja, na região
do centro da imagem o efeito de distorção é quase zero, e esta distorção aumenta
radialmente, nas bordas da imagem. Essa distorção radial acontece devido ao fato de o
centro de perspectiva da imagem não se encontrar no infinito, então a projeção em que se
adquire esses dados é cônica. Na verdade, qualquer tipo de imagem sofre esse tipo de
distorção, até mesmo as imagens Landsat, NOAA , Modis , entre outras, entretanto a
altura da órbita desses sensores é realmente muito alta em comparação com o campo de
visada, portanto podemos desprezar o efeito da distorção radiométrica e considerarmos o
centro de perspectiva no infinito. Já o sensor SPOT , pela altura da órbita e pelo campo
de visada, também se poderia desprezar esse tipo de efeito, mas temos que considerar
que sensores como o SPOT não capturam a cena somente no Nadir, como o Landsat,
então é preciso fazer uma ortorretificação na imagem. Enfim, a ortocorreção serve para
corrigir todos esses efeitos, bastando ter os parâmetros necessários para a sua devida
transformação.
3.1. Ortorretificação de fotografias aéreas

3.1.1. Criar orientação interna
Use esta função para construir a orientação interna da aerofoto, fornecendo parâmetros
da câmara e relacionando com as marcas fiduciais e distância focal, enfim, como diz o
nome, aqui o usuário trabalha com os parâmetros internos da foto.
• Abra no display da janela gráfica uma aerofoto em formato digital.
• Selecione a cadeia de comandos “Mapa – Ortocorreção – Aerofotos: Criar

Orientação Interna” , se estiver aberto mais de um display, selecione o número do
display em que se encontra a fotografia aérea.

• Aparecendo a caixa de diálogo “Ortho Build Interior Orientation” , clique com o

mouse esquerdo na janela do zoom na posição da marca fiducial na imagem. No
campo que diz “Fiducial X” e “Fiducial Y” , forneça, em milimetros (mm) , a posição
da marca fiducial na câmara correspondente ao ponto que foi coletado na imagem
com o mouse. Esses parâmetros da marca fiducial deve ser obtido diretamente da
câmara em que foi tirada as aerofotos.
• Clique em Add Point e repita o procedimento até ter no mínimo 3 pontos.
• Depois de selecionado os pontos desejados, selecione, dentro da janela “Ortho

Build Interior Orientation” , o submeu “Options – Build Interior Orientation...” , e a
janela “Output Ortho Parâmeters” aparecerá. No campo “Focal Lenght” , entre com
a distância focal da câmara, também em milimetros (mm) e, selecione um diretório
e dê um nome para o arquivo de saída em “Ortho Parâmeters Filename”. Clique
em OK e será gerado o arquivo .ort , que será usado para gerar a ortofoto
posteriormente.
3.1.2. Criar orientação externa
Após criada a orientação interna da aerofoto, com os parâmetros de marca fiduciais,

distância focal, enfim, os parâmetros da câmara, o usuário deverá se preocupar agora em
entrar com os parâmetros externos da aerofoto, ou seja, associar os pontos da aerofoto
com coordenadas e elevação dos pontos da foto. O processo da criação da orientação
externa é o segundo passo para se gerar a ortofoto. Para fazer esse tipo de trabalho,
deve-se ter um mapa da região fotografada, ou pontos de controle coletados na área
fotografada através de um GPS, teodolito ou estação total para fornecer esses pontos
para a orientação externa da imagem.
• Selecione, dentro do menu principal, a cadeia de comandos “Mapa – Ortocorreção

– Aerofotos: Criar Orientação Externa” .
• Aparecerá a caixa de diálogo “Exterior Orientation Projection” . Selecione a

projeção em que a ortofoto deverá estar associada, entre com o Datum, zona (se
necessário), unidades de medida e clique em OK.
• Aparece a janela “Ortho: Build Exterior Orientation” . Dê um clique na imagem e

digite a sua correspondente coordenada no terreno e a elevação (altitude) do ponto
escolhido.
• Pegue um considerável número de pontos e depois de feito isso, selecione, dentro

da janela da orientação externa, o menu “ Options” . Selecione a primeira opção,
que é “Build Exterior Orientation”. Vai aparecer a janela “Enter Ortho Parameters
Filename” . Selecione o arquivo .ort que foi gerado no primeiro passo da
ortocorreção e clique em Abrir.
Agora, o arquivo .ort foi alterado , nele foi inserido os parâmetros da orientação externa da
aerofoto. O usuário pode facilmente visualizar esse arquivo através do bloco de notas do
Windows ou um editor qualquer do Linux, Unix ou Macintosh . Abrindo esse arquivo, o
usuário verá todos os parâmetros que foram gerados através dos procedimentos Na
orientação interna, o ENVI faz uma transformação afim e calcula os seis parâmetros da

transformação. Na orientação externa, o ENVI vale-se dos parâmetros externos para a

geração da orientação exterior; Detalhes do procedimento de ortorretificação encontra-se
em livros de Fotogrametria.
3.1.3. Ortorretificando Aerofotos
Depois de feito, na ordem, a orientação interna e a orientação externa da aerofoto, o

próximo passo é agora gerar a ortofoto, que é a foto que possui ponto de vista no infinito,
ou seja, não possui distorção radial.
Selecione no menu principal “Mapa – Ortocorreção – Ortorretificar Aerofotos”;
Selecione primeiramente o arquivo onde se encontra a aerofoto, clique em OK. Aparece

a janela “Input DEM Band” para selecionar o arquivo com o MDT (DEM);
Selecione os arquivos com os parâmetros de orientação interna e externa que foram

criados anteriormente;
Quando surgir a janela “Orthorrectification Bounds”, entre diretamente com o valor mínimo
de elevação de seu DEM ou use uma das opções para o cálculo automático. Logo após,
clique em “ok”;
Na janela “Ortorectification Parameters”, defina o valor de pixels ausentes (missing value)

para áreas que não contém dados de altimetria. Defina o valor de fundo “background”,
que em geral é zero (0) usado para preencher áreas sem dados na imagem de saída;
Em “Change Output Parameters” o usuário pode configurar a projeção de saída, o

tamanho do pixel e o tamanho da imagem antes de executar a correção.
3.2 Novos recursos para a ortorretificação de imagens

A partir da versão 4.0 o ENVI além de executar a ortorretificação de fotografias aéreas
adquiridas através de câmaras métricas, assim como a ortorretificação de imagens SPOT
(a partir do SPOT 4), apresenta inovações para a ortorretificação de imagens Ikonos e
QuickBird. Nos dois primeiros tipos de ortorretificação (anterior a versão 4.0) o pro-
cedimento solicita um modelo de elevação digital (DEM) e uma grade de pontos de
controle (GCPs) que informa os valores de x, y e z (elevação).Já na ferramenta de
ortorretificação de imagens IKONOS e QuickBird apresentada pelo ENVI 4.0 é solicitado
um modelo RPC (Rational Polynomial Coefficient) que é fornecido pelas empresas que
comercializam imagens de satélite (Space Imaging, DigitalGlobe, etc.). A ferramenta RPC
não solicita DEM (ainda que você possa usa-lo afim de obter melhor acurácia) e nem
dados GCPs.
3.3 Ortorretificando Imagem IKONOS

1. Primeiramente, carregue a imagem Ikonos no sistema de janelas de visualização de
Imagens do ENVI;

2. Caso você disponha de um DEM associado a imagem carregue-o também. Lembre-se

que não é necessário dispor de um DEM para ortorretificar imagens IKONOS, entretanto
o uso desta informação poderá refinar a ortorretificação.
3. Acesse no menu principal ->Mapa->Ortoretificação->Ortorretificar imagem IKONOS;
4. selecione o arquivo de imagem a ser ortorretificado e clique em "OK";
5. Logo em seguida aparecerá a caixa de diálogo de entrada dos parâmetros de

ortorretificação (figura D9) ;
6 Defina os parâmetros de ortorretificação dos seguintes campos listados abaixo:
“Image resampling” - Você deve determinar

o método de reamostragem dos pixels da
imagem IKONOS. Há três métodos:
"Bilinear" que é assumido como "default"
proporcionando uma boa apresentação
visual, "Cubic Convolution" que apresenta
maior suavidade na visualização e "Nearest
Neighbor" que pode apresentar algum
"ruído" na visualização, porém é o método
que você deve assumir caso queira
executar análises sobre a imagem
ortorretificada;
“Background” - Defina o valor do fundo,

referente aos pixels que não pertencem a
imagem ortorretificada. você pode manter o
valor "0" para o fundo na cor preta;
“Input Height” - Nesse campo você pode

especificar um DEM ou fixar uma valor de
elevação que será usado em toda a Figura D9 – Parâmetros da ortorretificação
imagem. Selecione o DEM caso disponha,
pois você pode obter resultados mais
apurados em relação à acurácia;
“DEM Resampling” - Defina o método reamostragem que será usado para determinar os
valores de pixel numa versão da imagem de elevação calculada internamente que
apresenta a mesma orientação e tamanho de pixel da imagem IKONOS.
“Geoid Offset” - representa a variação Geoidal na posição da imagem. Muitas imagens

de elevação fornecem informações com respeito a elevação sobre o nível médio dos
mares para cada pixel. A ortorretificação, entretanto, requer dados referentes aos valores
da altitude em relação ao elipsóide para cada pixel. Para converter os valores de altitude
do DEM referente ao nível médio dos mares para a altitude referente ao elipsóide você
deve adicionar o valor da variação geoidal no DEM. Assim a adição de um valor
equivalente -35 significa que o elipsóide encontra-se aproximadamente a 35 m acima do
geóide.

“Save Computed” DEM - Opte por armazenar ou não armazenar o DEM computado
clicando no botão de alternância de funções (NO/Yes).
“Change Proj...” - acessando este botão você poderá mudar a projeção de saída da
imagem ortorreticada caso desejar.
(X Pixel Size, Y Pixel Size) - Defina o tamanho do pixel de saída.
(number of samples, number of lines) - defina o número de linhas e colunas.
Output Result - opte por armazenar o resultado da imagem ortorretificada no disco ou na

memória do seu equipamento.
Clique no botão "OK" para iniciar o processo de ortorretificação.
Obs.1: o processo de ortorretificação pode levar alguns minutos para ser finalizado, pois o
tempo de execução esta diretamente relacionado com a configuração de sua máquina.
Portanto, mantenha o seu equipamento atualizado para que suporte um grande volume
de processamento de dados (imagens). Após o processamento o arquivo da imagem
ortorretificada, automaticamente, aparecerá na caixa de lista de bandas disponíveis.
3.4 Examinando o resultado da ortorretificação

Verifique as diferenças existentes entre a imagem ortorretificada e a imagem sem
ortorretificação carregando-as no "Display" cada uma e acionando no menu do display a
seguinte seqüência de comandos: Tools->Link Displays-> Link (habilite o "link" das duas
janelas de visualização.
Observe as diferenças geométricas (deslocamentos) entre as imagens resultante do

processo de ortorretificação.
3.5 Ortorretificando Imagem QuickBird

O processo de ortorretificação para imagens QuickBird segue os mesmos passos de
ortorretificação da imagem IKONOS, listada acima. A única exceção está no modo de
acesso da função:
Acesse no menu principal a seguinte seqüência : Mapa->Ortocorreção-> Ortorretificar
imagem QuickBird. Logo em seguida siga os mesmos passos descritos acima aplicados a
imagem IKONOS.

4. Outras funções do menu Mapa

4.1. Conversor de coordenadas
O conversor de coordenadas é uma ferramenta de
conversão de coordenadas. O usuário entra com as
coordenadas + um sistema de referência e o resultado é
convertido, automaticamente, para outro sistema de
coordenadas previamente fornecido.
• Selecione, no menu principal, a cadeia de comandos
"Mapa – Converter Coordenadas Geográficas”.
• Aparecerá a caixa de diálogo “Map Coordinate

Converter” (Figura ao lado).
• Na parte da janela, mais acima, onde está escrito “First

Coordinate” , entre com o valor da coordenada a ser
convertida. Figura D-10: Conversor de
Coordenadas
• Mais abaixo, onde está escrito “Second Coordinate” , é o
campo em que aparecerá o resultado da coordenada convertida. Para converter a
coordenada, é só clicar no botão “Forward”. Clicando no botão “Reverse” , ele vai
zerar automaticamente as coordenadas inseridas no campo de cima. Clicando no
botão “Reset” , ele vai deixar todos os campos da janela em branco. Note que nas
flechas ao lado de onde se informa os dados de projeção e Datum basta o usuário dar
um clique e escolher se ele quer as coordenadas em Lat/Long ou em E/N .
4.2. Definindo a projeção cartográfica
Através dessa função, é possível trabalhar com

os “datuns” que estão no banco e dados do
ENVI, assim como manipulá-los e também
adicionar novas projeções cartográficas.
• Selecione, no menu principal, a cadeia de
comandos "Mapa - Definir Projeção
Cartográfica". Aparece a caixa de diálogo
“Customized Map Projection Definition”, que
é a caixa de diálogo onde será exibida todos
os parâmetros da projeção.
• Em “Project – Load Existing Projection” , é

carregada as projeções existentes no ENVI,
o usuário escolhe a projeção desejada e
aparece os resultados de fator de escala,
origem e falso este e falso norte.
Figura D-11: Definição customizada
da projeção cartográfica

• Em “Project – Add New Projection” o usuário pode definir uma nova projeção, desde
que sejam fornecidos os parâmetros pedidos.
• Em “File – Save Projections” é aonde o usuário deve salvar a projeção definida

manualmente.
4.3. Conversão de coordenadas em arquivo ASCII

Tornou-se possível a conversão de arquivos ASCII de coordenadas de um sistema de
projeção para outro, levando-se em conta os deslocamentos ("shifts") entre “datuns”. O
arquivo de entrada pode ter duas ou três colunas correspondentes a latitude, longitude e
elevação ou a coordenadas norte, coordenadas leste e elevação. Escolhe-se um arquivo
de saída e os sistemas de coordenadas de entrada e de saída.
• Selecione, no menu principal, a cadeia de comandos "Mapa – Conversão de

Coordenadas ASCII".
5. Para Entender Melhor: Correção Geométrica

Para se cartografar as informações incluídas nas imagens digitais de sensoriamento
remoto, é necessário tê-las ajustadas a um sistema de coordenadas padronizado. A
transformação das imagens originais obedece às propriedades de escala e de projeção
de um mapa, que assim é chamada de correção geométrica. A correção geométrica inclui
dois passos de processamento:
• Transformação de coordenadas em pixels
• Resampling: para determinar o valor de pixel na imagem a ser registrada
5.1. Transformações Polinomiais

A transformação polinomial descreve matematicamente como a imagem não corrigida
deveria ser transformada. O usuário pode escolher entre a 1a até a 5a ordem polinomial.
O número mínimo de GCP escolhidos depende da ordem aplicada:

GCP requeridos Ordem
a
7 2
a
11 3
a
16 4
a
22 5
5.1.1. Transformação polinomial de 1a ordem
Geralmente, as transformações polinomiais a partir da 1a ordem são capazes de modelar

uma rotação, escala e translação. O resultado de uma translação de primeira ordem
depende principalmente do número de GCPs usados.

Vantagens Desvantagens
Menor chance de distorções Altera o valor original dos níveis de cinza
geométricas
Computação rápida Requer maior número de cálculos para determinar o
valor de cada pixel da imagem corrigida (fator 3-4 em
comparação ao método de vizinho mais próximo)
Mais suave, menos informação geométrica !
• 1 GCP produz a translação somente para X e Y.
• 2 GCPs produzem uma translação e uma alteração da escala para X e Y no caso

que geometria de pixel não e linear na dimensão X e Y. Se for linear (os dois tem a
mesma coordenada de X e Y, que resulta em um fator de escala de zero), só a
translação seria aplicada.
• 3 ou mais GCPs produzem a translação, a alteração de escala, e/ou a rotação

para X e Y (full first order transformation)
5.1.2. Equações polinomiais

a
1 ordem x’= a0 + a1x + a2y Color y’ = d0 + d1x + d2y
a 2 2 2
2 ordem x’= b0 + b1x + b2y +b3xy + b4x + y’= y0 + y1x + y2y +y3xy + y4x + y5y
2
b5y
a 2 2 2 2
3 ordem x’= c0 + c1x + c2y +c3xy + c4x + c5y y’= h0 + h1x + h2y + h3xy + h4x + h5y +
2 2 3 3 2 2 3 3
+ c6x y + c7xy + c8x + c9y h6x y + h7xy + h8x + h9y
x’ e y’ representam as coordenadas na imagem não corrigida gerado pelo sistema

de matriz das coordenadas georreferenciadas (x, y).
5.2. Métodos de Resampling

Resampling é o processo, que envolve a interpolação dos valores de cinza das locações
de pixels na imagem original não corrigida. O ENVI fornece vários métodos de
interpolação:
5.2.1. Alocação de vizinho mais próximo ("nearest neighbor")

Preservação dos níveis de cinza Ocorrência de descontinuidades geométricas (lacunas
originais da ordem de ½ pixel na imagem corrigida)
Implementação fácil Inadequada para manipulação numérica
Processamento rápido Imagem parece pouco estética
No método do vizinho próximo, todo pixel na imagem registrada recebe o nível de cinza
do pixel mais próximo na imagem original. O nível cinza a ser atribuído ao pixel Z terá o
mesmo nível cinza do pixel que se encontrar mais próximo da posição ocupada por Z.

5.2.2. Interpolação bilinear
Todo pixel na imagem registrada recebe o valor médio dos quatro pixels que lhe são mais
próximos na imagem original.
Maior precisão geométrica que (a) Imagem mais suave com menos informação
geométrica
Não se formam descontinuidades Requer maior número de cálculos para determinar o
valor de cada pixel da imagem corrigida
Altera o valor original dos níveis de cinza
Tempo de computação (fator 3-4 em comparação ao
método de vizinho mais próximo)
5.2.3. Convolução cúbica ("cubic convolution")

Não se formam descontinuidades Degradação da qualidade radioelétrica dos dados.
Produz imagens com uma aparência Tempo de computação (fator 10 em comparação ao
bem mais ‘natural’ método de vizinho mais próximo)
O novo nível de cinza é definido como a combinação linear dos níveis dos 16
pixels envolvidos.
6. Para Entender Melhor: Projeções cartográficas

A projeção cartográfica é definida como o traçado sistemático de linhas numa superfície
plana, destinado a representação de paralelos de latitude e meridianos de longitude da
terra ou de parte dela.
6.1. Projeção azimutal

Projeção em que os azimutes ou direções de todas as linhas irradiadas do ponto central,
ou pólo da projeção, são iguais aos azimutes ou direções das linhas correspondentes da
esfera. As projeções azimutais são especialmente aplicadas para regiões de forma
circular, como por exemplo os pólos.
6.1.1. Projeção estereográfica polar universal
Sinônimos: Universe Polar Stereografic (UPS)
Projeção azimutal polar conforme com uma escala constante de 0,994 e a direção do
paralelo norte da quadrícula para o meridiano de Greenwich. Esta projeção procura
manter um sistema uniforme de coordenadas plano-retangulares para as regiões não
cobertas pelo sistema UTM.

UPS Longitude Latitude

Grid Zone Range Range
A 180 W – 0 W 90 S – 80 S
B 0 E – 180 E 90 S – 80 S
Y 180 W – 0 W 84 N – 90 N
Z 0 E – 180 E 84 N – 90 N
As Zonas de Grid entre C e X (sem I ou O) existem, mas são válidos somente para
a projeção UTM !
6.2. Projeção eqüidistante azimutal

Projeção, cuja qualidade principal é a eqüidistância a partir do centro, irradiada para
qualquer direção.
6.2.1. Projeção cilíndrica
Projeção que se realiza mediante a projeção dos meridianos e paralelos geográficos num
cilindro tangente (ou secante) a uma esfera, e após o desenvolvimento deste cilindro num
plano.
6.2.2. Projeção cilíndrica conforme de Lambert
Sinônimos: Projeção Cilíndrica Transversa Conforme ou Projeção cilíndrica conforme de

Lambert-Gauss.
A Projeção cilíndrica conforme de Lambert mostra a superfície do cilindro tangente à

esfera num meridiano qualquer e cujos paralelos e meridianos são representados por
linhas curvas cortando-se ortogonalmente.
6.2.3. Projeção cilíndrica de espaçamento igual
Projeção tangente a uma esfera, representando os meridianos geográficos, como uma

série de linhas retas paralelas de igual espaçamento, perpendiculares a um segundo
grupo de retas paralelas, de espaçamento igual, que representam os paralelos
geográficos.
• Os espaços dos paralelos não precisam ser iguais aos dos meridianos !
6.2.4. Projeção cilíndrica equivalente
Sinônimo: Projeção Cilíndrica Equivalente de Lambert

Projeção tangente a uma esfera, representando os meridianos geográficos sob a forma de

uma extensão de linhas retas paralelas de igual espaçamento, perpendiculares a uma
segunda extensão de retas paralelas que representam os paralelas geográficos, e cujo
espaçamento é concebido com a finalidade de construção duma projeção equivalente.
A condição de equivalência assegura uma relação constante entre as áreas do terreno e

suas correspondentes no mapa.
• Não deve ser confundido com a projeção Mercator !
6.2.5. Projeção cilíndrica estereográfica
Esta projeção tangente mostra os pontos da esfera projetados de um ponto

diametralmente oposto, sobre a tangência do cilindro.
6.3. Projeção UTM ("Universal Transverse Mercator")

Na Projeção UTM, os meridianos centrais são separados por 6º de longitude, sendo a
terra divida em 60 zonas. Em cada zona é idêntica, com um fator de cada padrão de
0,9996.
A projeção é concebida, usando-se as fórmulas de Gauss-Krüger, de uma origem

formada pelo equador e o meridiano central da zona.
Apresenta a escala verdadeira ao longo dos meridianos de tangência. Os meridianos e os

paralelos são linhas curvas que se cortam ortogonalmente.
False northing: 10.000.000 metros [hemisfério sul]
0 metros [hemisfério norte]
False Easting: 500.000 metros
6.3.1. Zonas de UTM
A projeção UTM divide a terra em 60 zonas UTM listadas a seguir. As zonas são
determinadas em 6 graus longitudinais. O meridiano central encontrar-se no meio da zona
UTM. O equador representa a referência para todas zonas.
Zona Intervalo Meridiano Zona Intervalo Meridiano
UTM da Zona Central UTM Zona Central
1 180W - 174W 177W 31 0E - 6E 3E
2 174W - 168W 171W 32 6E - 12e 9E
3 168W - 162W 165W 33 12E - 18E 15E
4 162W - 156W 159W 34 18E - 24E 21E
5 156W - 150W 153W 35 24E - 30E 27E

6 150W - 144W 147W 36 30E - 36E 33E
7 144W - 138W 141W 37 36E - 42E 39E
8 138W - 132W 135W 38 42E - 48E 45E
9 132W - 126W 129W 39 48E - 54E 51E
10 126W - 120W 123W 40 54E - 60E 57E
11 120W - 114W 117W 41 60E - 66E 63E
12 114W - 108W 111W 42 66E - 72E 69E
13 108W - 102W 105W 43 72E - 78E 75E
14 102W - 96W 99W 44 78E - 84E 81E
15 96W - 90W 93W 45 84E - 90E 87E
16 90W - 84W 87W 46 90E - 96E 93E
17 84W - 78W 81W 47 96E - 102E 99E
18 78W - 72W 75W 48 102E - 108E 105E
19 72W - 66W 69W 49 108E - 114E 111E
20 66W - 60W 63W 50 114E - 120E 117E
21 60W - 54W 57W 51 120E - 126E 123E
22 54W - 48W 51W 52 126E - 132E 129E
23 48W - 42W 45W 53 132E - 138E 135E
24 42W - 36W 39W 54 138E - 144E 141E
25 36W - 30W 33W 55 144E - 150E 147E
26 30W - 24W 27E 56 150E - 156E 153E
27 24W - 18W 21W 57 156E - 162E 159E
28 18W - 12W 15W 58 162E - 168E 165E
29 12W - 6W 9W 59 168E - 174E 171E
30 6W - 0E 3W 60 174E - 180W 177E
6.3.2. UTM Grid Zones
As zonas UTM dividem a terra em colunas de oeste para leste. Além disso, cada zona
pode ser dividida em colunas de sul para norte.
Zonas de Intervalo Zonas de Intervalo
Grid UTM da Coluna Grid UTM da Coluna
C 80S - 72S N 0N - 8N
D 72S - 64S P 8N - 16N
E 64S - 56S Q 16N - 24N
F 56S - 48S R 24N - 32N

G 48S - 40S S 32N - 40N
H 40S - 32S T 40N - 48N
J 32S - 24S U 48N - 56N
K 24S - 16S V 56N - 64N
L 16S - 8S W 64N - 72N
M 8S - 0N X 72N - 84N
Note, que não existem as colunas I ou O.
Todas colunas são caracterizadas de uma extensão de 8 graus latitudinais !

Exceção: coluna X com 12 graus latitudinal.
As zonas de grid A, B, Y, e Z existem, mais não são válidas para a projeção UTM. Essas
são usadas para regiões polares (A and B para o polo Sul; Y and Z para o Polo Norte na
Projeção estereográfica polar (Universal Polar Stereographic - UPS).
6.4. Projeção cônica

Projeção resultante da projeção dos meridianos e paralelos geográficos num cone
tangente (ou secante) à superfície da esfera, que em decorrência desenvolve um cone
plano. As projeções cônicas se realizam mediante a projeção dos meridianos e paralelos
geográficos num cilindro tangente (ou secante) a uma esfera, e após o desenvolvimento
deste cilindro num plano.
Projeções cônicas são adequadas para a representação das áreas entre 30º e 60º ou
para áreas com grandes extensões latitudinais.
6.4.1. Projeção cônica conforme de Lambert
Sinônimos: Projeção conforme de Lambert
Projeção em que todos os meridianos geográficos são representados por linhas retas que
se encontram num ponto comum, fora dos limites do mapa, e em que os paralelos
geográficos são representados por uma série de arcos de círculos que têm aquele ponto
comum como centro. Os meridianos e os paralelos se cruzam em ângulos retos, e os
ângulos na terra são representados corretamente na projeção. Esta projeção pode ter um
paralelo-padrão ao longo do qual a escala permanece exata.
Em qualquer ponto do mapa a escala é a mesma em qualquer direção.
Modifica-se, entretanto, ao longo dos meridianos, porém é imutável ao longo dos

paralelos. Quando houver dois paralelos padrão, a escala entre eles é pequena; acima
deles é muito grande.

6.4.2. Projeção cônica eqüidistante
Esta projeção conserva os paralelos e os meridianos sem deformações, isto é, com a

escala verdadeira, apresentando dois paralelos-padrão, sendo a projeção do pólo num
arco de círculo.
6.4.3. Projeção cônica equivalente de Albers
Tipo de projeção em que os meridianos são linhas retas que se encontram num ponto
comum além dos limites do mapa, e os paralelos são círculos concêntricos cujo centro se
situa no ponto de convergência dos meridianos.
Os meridianos e paralelos se entre cruzam em ângulos retos, e os arcos de longitude, ao

longo de quaisquer paralelos dados, têm extensão igual. Os paralelos são espaçados no
sentido de conservar a condição de equivalência. Em dois paralelos escolhidos, os arcos
de longitude são representados no seu verdadeiro comprimento. Entre os paralelos
escolhidos, a escala, ao longo dos meridianos, é um pouquinho maior, e, além deles
diminui bastante.
7. Gerando Modelos RPCs
A nova funcionalidade “Build RPCs” do ENVI 4.3 permite calcular as informações

referentes aos coeficientes polinomiais racionais para os seguintes dados:
- fotografias aéreas escaneadas;
- fotografias aéreas digitais com projeção de enquadramento central (incluindo Vexcel

UtraCamD);
Obs.: O ENVI calcula automaticamente os coeficientes RPCs dos arquivos Leica

ADS40 caso os arquivos auxiliares estiverem presentes (*.ads, *.cam, *.sup, *.odf,
*.adj).
- Fotografias aéreas digitais com projeção de alinhamento central (incluindo Leica

ADS40 e STARLABO TLS).
- Imagens obtidas a partir de sensores genéricos tipo “pushbroom” (incluindo ASTER,

CARTOSAT-1, CBERS2, IKONOS, IRS-C, MOMS, QuickBird e SPOT).
Os coeficientes RPCs são calculados usando a técnica de fotogrametria digital que usa a
equação de colinearidade para reconstituir a geometria do sensor, onde o ponto relativo
ao objeto, a perspectiva central e o ponto na imagem estão todos num mesmo
alinhamento. A técnica envolve uma série de transformações que relacionam pixel,
câmera, espaço-imagem e sistema de coordenadas terrestres.

Para a ortorretificação de uma única imagem, a técnica inclui duas etapas de pré-
processamento com intuito de reconstituir a geometria do sensor: orientação interior ( na
qual transforma o sistema de coordenadas do pixel para o sistema de coordenadas da
câmera) e a orientação exterior (na qual é determinado os parâmetros de posição e
orientação angular associados à imagem). Uma vez calculado o modelo RPC, essa
informação é adicionada ao arquivo de cabeçalho da imagem de modo que você poderá
usá-lo como dado auxiliar para os procedimentos de ortorretificação de imagens e
extração de DEM’s ou emulação de projeção.
Projeção de Enquadramento Projeção de Alinhamento

Central Central
Construindo o Modelo RPC
1. A partir da barra do menu principal do ENVI, selecione Map ->Build RPCs. A caixa de
seleção do arquivo de entrada aparecerá;
2. Selecione um arquivo de entrada: pode ser uma foto aérea escaneada, imagem aérea
digital ou imagem obtida por sensor em modo “pushbroom”. Clique em OK. A caixa de
diálogo “Build RPCs” aparecerá.
3. A partir do botão Type, selecione uma das seguintes opções.
- Frame Camera
- Digital (Frame Central)
- Digital (Line Central)
- Pushbroom Sensor – imageamento a partir de qualquer sensor pushbroom (incluindo
ASTER, IKONOS, IRS-C, MOMS, QuickBird , SPOT , CBERS2..). Há a possibilidade
da inserção de pontos de controle. Esta possibilidade deve resultar numa maior
acurácia em relação a opção disponível através do menu Map -> Orthorectification do
menu principal do ENVI. Isto porque são usados GCPs (ao invés das efemérides) para
calcular os RPCs. A geração do modelo RPC depende sobre tudo da quantidade,
acurácia e distribuição dos pontos de controle GCPs.

Os campos referente aos parâmetros necessários para a geração do modelo RPC diferem
em função do tipo “Type” de câmara selecionada. Abaixo segue um exemplo relativo aos
sensores pushbroom.
Pushbroom Sensor
Construindo RPCs para sensores pushbroom
1. A partir do botão Type na caixa de diálogo “Build RPCs”, selecione “Pushbroom

Sensor”;
2. No campo “Focal Length (mm), entre com a distância focal da câmera ou sensor (ver
Tabela 1);
3. Em “Principal Point x0 (mm)” e “Principal Point y0 (mm)” insira as coordenadas do

ponto principal. O valor padrão é 0 em ambos campos;
4. Entre com a dimensão do pixel em x e y através dos campos “X Pixel Size (mm)” e “Y
Pixel Size (mm)” (ver Tabela 1);
5. Nos campos “Incidence Angle Along Track” e “Incidence Angle Across Track” entre
com os valores dos ângulos incidentes (ver Anexo I);
Obs.: estes parâmetros somente são aplicados aos sensores “pushbroom” e assumem
diferentes valores dependendo tipo de sensor.

O ângulo incidente ao longo da trajetória “along track incidence angle” é dado em graus e
representa o valor angular entre a posição vertical do satélite e a direção de sua visada
dianteira ou traseira.
O ângulo incidente transverso à trajetória “across track incidente angle”, também é dado
em graus e representa a abertura angular entre a posição vertical do satélite e a direção
de sua visada lateral.
6. Em “Sensor Line Along Axis”, selecione uma orientação do eixo de alinhamento

disponível. Cada linha do sensor possui uma projeção centrada.
• X – A direção da linha do sensor é orientada ao longo do eixo X da imagem;
• Y – A direção da linha do sensor é orientada ao longo do eixo Y da imagem;
7. Defina a ordem de polinômio requerido para XS, YS, ZS, Omega, Phi e Kappa.
• 0 – o parâmetro é considerado constante para toda a imagem;
• 1 – o parâmetro possui uma relação linear com as coordenadas Y da câmera, por
exemplo: XS(i) = a0 + a1yi
• 2 – o parâmetro é modelado usando um polinômio de segunda ordem, por exemplo :
XS(i) = a0 + a1Yi + a2(Yi)2
Obs.: o valor padrão é 1 para todos 6 parâmetros de orientação exterior. Quanto maior for
o grau do polinômio, maior é a quantidade de pontos de controle exigidos. Geralmente,
um polinômio de segunda ordem somente é necessário em situações em que há variação
não linear da orientação exterior entre as linhas do sensor (situação característica de
uma rota de vôo instável).
8. Clique em “Select GCPs in Display”. Uma caixa de seleção de pontos de controle

aparecerá;
9. Se você quiser refinar o erro RMS do modelo de orientação exterior, clique em “Select
GCPs in Display”, novamente. Você pode adicionar mais GCPs ou eliminar os GCPs
que apresentam maior erro.
10. Quando finalizar a inserção de GCPs, clique em “Recalculate Exterior Orientation” na

caixa de diálogo “Build RPCs”;
Clique em “OK”. Após finalizar o processamento, o ENVI mostrará a seguinte mensagem:
“RPCs have been calculated for this, and the header has been updated.”. Clique em “OK”.

Uma vez calculado o modelo RPCs, essa informação é adicionada ao arquivo de

cabeçalho do arquivo de entrada e portanto poderá ser usado nas ferramentas de
ortorretificação (Generic RPC orthorectification), emulando projeção (RPC Projection
Emulation) e extração de DEM (DemExtraction).
ANEXO I
Como determinar os ângulos incidentes para diferentes sensores pushbroom:
ASTER: você pode inserir o valor 0.0 para ambos parâmetros, entretanto para a banda
3B, no parâmetro “along track incidence angle”, você deve inserir o valor –27.6 graus
(para órbita descendente) ou 27 graus (órbita ascendente) e no parâmetro “across track
incidente angle” insira o valor 0.0 graus.
IKONOS: no arquivo *._metadata.txt, associado à imagem IKONOS, verifique os ângulos

listados em “Nominal Collection Elevation and Nominal GSD(Cross Scan and Along
Scan)” para cada imagem. Use esses valores para efetuar o cálculo aproximado dos
parâmetros “along track incidence angle” e “across track incidente angle” através das
seguintes equações:
Onde,
IRS-1C/1D: insira 0.0 para o parâmetro “along track incidence angle” e para o parâmetro
“across track incidente angle” selecione o valor de acordo com a entrada do ângulo de
visada “Input view angle (Deg)” do arquivo auxiliar (leader file).
QuickBird: estabeleça os ângulos aproximados de incidência ( e sinais) usando o

“inTrackViewAngle” e “crossTrackViewAngle” associados ao arquivo *.IMD.
SPOT: os ângulos incidentes estão disponíveis no arquivo leader file (CAP format) ou
XML metadata file (DIMAP format).
Para os sensores SPOT-1 ao SPOT-4, você pode inserir 0.0 para o “along track incidence
angle”, visto que esse tipo de visada não é disponível. Para o SPOT-5, o arquivo
metadata XML contém o valor “along track incidence angle” na tag
<INCIDENCE_ANGLE> e o valor “across track incidente angle” dado pela tag
<VIEW_ANGLE>.
Para os dados no formato CAP, o ângulo incidente é dado por um byte offset 453-468
dentro do arquivo de cabeçalho. Você pode usar um editor de texto para visualizar o
header.

O formato para o ângulo incidente é <X>AA.A, por exemplo, L12.7 ou R18.1. Se o prefixo
é L , insira o valor com sinal negativo. Se o prefixo é R, insira o valor com sinal positivo.
Para demais sensores vide documentação associada a imagem
Tabela 1: valores p/ distância focal e tamanho do pixel

E: Transformações
1. Razão de Bandas
Basicamente dois são os motivos que justificam o uso da razão de bandas para realçar
detalhes de uma cena:
1. A diferença de resposta espectral de um mesmo alvo em diferentes

bandas, bem como esta diferença para diferentes alvos em uma banda.
2. A diferença de resposta de um mesmo alvo de acordo com a diferença

de iluminação causada pela topografia de uma cena.
A razão de bandas consegue, no primeiro caso, realçar a diferença de comportamento

espectral dos alvos em algumas bandas. De fato, tomemos o exemplo em que temos
como alvo, vegetação solo e água. Como podemos ver na figura abaixo, a resposta da
vegetação na banda 4 do sensor TM do LANDSAT, situada na faixa do infravermelho
próximo (NIR), é bem maior que na banda 3, na faixa do vermelho (R). Enquanto isso, o
solo tem resposta um pouco maior e a água apresenta mais baixo valor.
Figura E-1: Curvas espectrais de reflectancia de

solo, vegetação e água.
FONTE: Adaptada de Harrison e Jupp (1989), pág. 38
Logo, a razão entre TM4 e TM3 para a vegetação deverá ser bem maior que para o solo,
que por sua vez será maior do que para a água. Portanto, é de se esperar que na imagem
de razão de bandas TM4/TM3, a vegetação apresente regiões mais claras, o solo um
nível de cinza intermediário e a água uma tonalidade escura. Portanto, numericamente
teremos:

Razão_veg >> 1
Razão_solo > 1
Razão_água < 1
Quanto ao segundo caso, imagine uma situação em que a

cena imageada é acidentada topograficamente. Como a
iluminação solar na cena tem uma inclinação, isso gera um
sombreamento, que causará na imagem uma região A,
dentro de um mesmo alvo, clara referente a área iluminada
e uma outra região B menos clara na área menos
iluminada. No entanto, se tomarmos a razão entre a
resposta espectral de A pela de B na faixa do infravermelho
próximo e do vermelho, geralmente teremos valores
similares.
Ou seja:
NIR A / R A ≅ NIR B / R B
Uma aplicação corrente na comunidade acadêmica é o uso

do índice NDVI (Normalized Difference Vegetation Index -
Índice de Vegetação por Diferença Normalizada), definido
por:
Figura E-2: Escolha de

bandas para a razão.
Normalmente são utilizadas as bandas 1 (R) e 2 (NIR) do sensor AVHRR (Advanced Very
High Resolution Radiometer) a bordo do satélite NOAA. O NDVI, pelo fato de trabalhar
com diferenças entre bandas, seria mais apropriado que a razão simples quando se quer
comparar dados de épocas diferentes, sofrendo uma menor influência das variações de
condições atmosférica na aquisição das imagens (Matter, 1987).
A técnica de razão de bandas é também útil para se discriminar minerais e rochas, e com
o advento dos sensores hiperespectrais (AVIRIS, MODIS e ASTER), os resultados
tornaram-se mais apurados.
De fato, o que distingue basicamente um mineral ou rocha de outro(a) são as bandas de

absorção de curva espectral, que se encontram em faixas estreitas, não percebidas
normalmente pelos sensores multiespectrais, que possuem largura de banda superior a
essas bandas de absorção.
Já o sensor AVIRIS, por exemplo, possui 224 bandas (contra 7 do TM), na faixa de 0,4 a
2,5 nm, com uma resolução espectral de 10 nm.
A geração de imagens razão de bandas no ENVI é simples.
• No menu principal, clique em Transformações" e depois selecione "Razão de
Banda".

• Aparece uma janela onde você escolhe a banda que ficará no numerador e
denominador dar divisão.
• Clique em "Enter Pair" e no botão "OK"

para confirmar.
• Escolha na janela "Band Ratios
Parameters" se a saída da razão de
bandas "Output Result to" será em um
arquivo "File" ou na memória "Memory".
Além disso você poderá escolher entre
os tipos de dados de saída em byte ou
ponto flutuante "Floating Point".
As imagens de razão de banda e NDVI a partir

de imagens TM de Cañon City, Colorado
(EUA), podem ser vistas nas figuras logo
abaixo. Note que, como era de se esperar, a
vegetação se destaca nas duas imagens,
apresentado tonalidade mais clara que outros
alvos. A partir da primeira imagem, no canto
superior esquerdo, em sentido horário temos
imagem da banda TM3, TM4, razão TM4/TM3
e por ultimo NDVI.
Figura E-3: Escolha do tipo de saída
do resultado e dos dados.

Figura E-4: A partir da primeira imagem, no canto

esquerdo superior da página, em sentido horário
temos imagem da banda TM3, banda TM4, razão
TM4/TM3 e NDVI.

2. Transformação por principais componentes

A análise de Principais Componentes (APC) é uma aplicação de uma transformação
linear aos dados da imagem para transladá-los e rotacioná-los em um novo sistema de
coordenadas de modo a maximizar a sua variância. Esta técnica é útil para aumentar o
conteúdo de informação, isolar componentes de ruído e reduzir a dimensionalidade de
ruído de dados.
2.1. Transformação direta

Dentro do menu principal, selecione a cadeia de comandos “Transformações - Rotação
PC Adiante" para executar a rotação. Surge, então, um outro menu em cascata com as
opções de cálculo de estatística e rotação ("Computar Nova Estatística e Rotacionar") e
de rotação a partir de estatística existente ("Rotacionar CP a partir de Estatística
Existente").
Cálculo de estatística e rotação
• Selecione opção "Rotação PC Adiante", no

item "Componentes Principais", para
executar os cálculos de covariância e
autovalores que precedem a rotação dos
componentes principais.
• A caixa de diálogo "Principal Components

Input File" aparece para a seleção do
arquivo de entrada. Após a escolha do
arquivo de entrada, aparece a caixa de
diálogo "Forward PC Rotation Parameters"
(Figura E-5).
Os resultados estatísticos podem ser gravados no

arquivo cujo nome vier a ser digitado na caixa de
texto "Enter Output Statistics Filename".
O cálculo poderá ser feito usando a Matriz de

Correlação ou a Matriz de Covariância. Para
escolher entre uma ou outra, clique no botão ao
lado de "Calculate Using". O resultado da rotação Figura E-5: Caixa de diálogo
pode ser gravado tanto num arquivo (botão "File") “Forward PC Rotation Parameters”
como na memória (botão "Memory"). No primeiro
caso, o nome do arquivo deve ser digitado na caixa
de texto "Enter Output Filename". O tipo de dado do arquivo de saída é determinado no
menu em cascata "Output Data Type".
• Ao finalizar as escolhas necessárias, clique no botão "OK" para que a covariância
e os autovalores do arquivo de entrada sejam calculados e se proceda a rotação
dos dados.

Rotação a partir de estatística existente

• Selecione a opção "Rotacionar CP a partir de Estatística Existente" para executar
a rotação a partir de resultados já existentes de estatísticas de covariância e
autovalores. Essas estatísticas poderão já ter sido calculadas tanto pela função
"Calcular Estatísticas", no menu "Ferramentas", como durante um processo de
rotação anterior.
O procedimento de entrada de dados é igual ao do caso anterior. Feita a rotação dos
dados das imagens, os nomes das bandas dos componentes principais são transcritos na
lista de bandas disponíveis, a partir da qual podem ser escolhidas para visualização em
tons de cinza ou em composições coloridas RGB.
2.2. Transformação inversa
• No item "Principais Componentes", selecione a opção "Rotação CP Inversa" para

reverter a transformação e restaurar as imagens originais.
Obs.: A caixa de diálogo para a escolha do arquivo de entrada é igual a da

transformação direta.
• Após a fixação da escolha do arquivo, com um clique no botão "OK", surge a caixa
de diálogo para a escolha do arquivo de parâmetros estatísticos (extensão .sta).
Uma vez escolhido o arquivo de parâmetros estatísticos, surge a caixa de diálogo "Inverse
PC Rotation Parameters", em que são definidos a área de gravação do arquivo de saída
(arquivo ou memória), o nome do arquivo e o tipo dos dados. Os nomes dos arquivos das
imagens resultantes da transformação inversa são relacionados na lista de bandas
disponíveis, a partir da qual podem ser escolhidas para visualização em tons de cinza ou
em composições coloridas RGB.
3. Rotação MNF (MNF Rotation)

O método de "Minimum Noise Fraction MNF" é usado principalmente em conjunto com
dados hiper-espectrais; uma descrição da MNF encontra-se no Capitulo L ("Tratamento
de Dados Hiperespectrais").
4. Merge de Imagens
4.1. Fusão pancromática / Multiespectral por IHS
Ferramenta usada para a fusão automática de uma composição colorida de baixa
resolução espacial a uma imagem em tons de cinza de alta resolução. A imagem colorida
é convertida para o sistema HLS e a componente L é substituída pela imagem de alta
resolução. A nova imagem é revertida ao sistema RGB numa composição colorida
realçada. As imagens originais devem estar georreferenciadas ou, se não estiverem, ter
as mesmas dimensões.

• Selecione, no menu principal, a cadeia de comandos “Transformações – Merge de

Imagens - IHS ”.
• Escolha a origem das bandas de entrada na caixa de
diálogo “Select Input RGB” se da lista de bandas
disponíveis ou se de uma janela de visualização
(Figura E-6).
No primeiro caso, as bandas da composição colorida de baixa

resolução espacial são escolhidas na caixa de diálogo “Select
Input RGB”; após um clique na opção desejada, escolhe-se a
imagem de alta resolução espacial na caixa de diálogo “High
Resolution Input File”. Após um clique no botão “OK”, as
bandas da composição colorida são relacionadas na caixa de Figura E-6: Caixa de
diálogo “IHS Sharpening Parameters”. diálogo“IHS
Sharpening Input”
Determine o método de reamostragem e o endereço da saída
(memória ou arquivo) na caixa de diálogo “IHS Sharpening
Parameters” (Figura E-7) . Clique no botão “OK”.
No segundo caso, abre-se, imediatamente, a caixa de

escolha da imagem de alta resolução. A partir deste ponto, o
procedimento segue o do caso anterior.
Figura E-7: Caixa de

diálogo “IHS Sharpening
Parameters”
4.2. Fusão Pancromática/Multiespectral pelo Método de brovey (Color

Normalized)
Esse método – na seqüência de execução similar ao anterior – serve do mesmo propósito

do IHS Sharpening, combinar a informação de um sensor multiespectral com a resolução
superior de uma imagem pancromática. O método de Brovey é superior ao IHS
Sharpening quando as bandas multiespectrais são da região do infravermelho (bandas
4,5,6) e em vez do visível.
5. Realce por decorrelação

Selecionando-se a opção “Realce de Decorrelação”, no menu “Transformações”, surge a
caixa de diálogo “Decorrelation Stretch Input”, em que se escolhem o(s) arquivo(s) das
imagens que serão submetidas ao processo de decorrelação.

As imagens multiespectrais altamente correlacionadas freqüentemente geram

composições coloridas com pouco contraste. A decorrelação possibilita o aumento do
contraste. Um resultado semelhante poderia ser obtido por uma transformação por
componentes principais, seguida de um aumento de contraste e de uma transformação
inversa.
Figura E- 8: Composição Colorida

Figura E-8: Realce por Decorrelação
R3-B4-G5. À esquerda, sem decorrelação,
(imagem da direita) através de
à direita, com decorrelação.
uma composição colorida 345.
5.1. A caixa de diálogo de entrada de dados
O realce por decorrelação requer a entrada de três bandas, que podem ser selecionadas
a partir de uma composição colorida que esteja sendo visualizada ou da lista de bandas
disponíveis. A caixa de diálogo de entrada de dados (“Decorrelation Stretch Input”)
relaciona as janelas de visualização abertas e a própria lista de bandas disponíveis.
Selecione uma janela de visualização cujas bandas deseja-se realçar ou faça a escolha
na lista de bandas disponíveis. Caso a escolha recaia sobre uma das janelas de
visualização, as bandas da composição RGB são automaticamente relacionadas como
entrada para a decorrelação na caixa de diálogo de parâmetros de decorrelação
(“Decorrelation Stretch Parameters”).
5.2. A caixa de diálogo de entrada de bandas
Por outro lado, caso a escolha recaia sobre a lista de bandas disponíveis, surge a caixa
de diálogo de entrada de bandas (“Decorrelation Stretch Input Bands”), que possibilita a

seleção das bandas da composição RGB a serem descorrelacionadas. A seleção das

bandas é feita com um clique sobre cada uma delas. Pode-se, ainda, definir apenas uma
parte (subconjunto) da imagem para ser descorrelacionada.
• Basta clicar no botão “Spatial Subset” e entrar com os dados de interesse. Por fim,
clique no botão “OK” para fixar as escolhas e seguir para a caixa de diálogo de
parâmetros de decorrelação (“Decorrelation Stretch Parameters”).
5.3. A caixa de diálogo de parâmetros de decorrelação
A caixa de diálogo “Decorrelation Stretch Parameters” mostra as bandas que foram

selecionadas para a decorrelação. Pode-se também escolher entre um arquivo ou a
memória como a área de armazenamento do resultado. Se uma das composições
coloridas carregada na tela for a fonte de entrada, ao invés da escolha da lista de bandas
disponíveis, é possível ainda selecionar, com um clique no botão “Spatial Subset”, um
subconjunto da imagem a ser processado.
• Um clique no botão “OK” inicia o processo de decorrelação. Ao final do

processamento, as bandas de saída são relacionadas na lista de bandas
disponíveis, a partir da qual podem ser escolhidas para visualização em tons de
cinza ou em composições coloridas RGB.
6. Realce de saturação
Tornou-se possível ampliar automaticamente a faixa de saturação para realçar
composições RGB. Converte-se a composição para o sistema HSV, amplia-se a faixa de
saturação e reverte-se para o sistema RGB.
• Selecione, no menu principal, a cadeia de comandos “Transformações – Realce

de Saturação”
• Escolha a origem das bandas de entrada na caixa de diálogo “Saturation Stretch

Input”: se da lista de bandas disponíveis ou se de uma janela de visualização.
• No primeiro caso, as bandas são escolhidas na caixa de diálogo “Saturation

Stretch Input Bands”; após um clique no botão “OK”, as bandas escolhidas são
relacionadas na caixa de diálogo “Saturation Stretch Parameters”, em que se
define o endereço de saída
• No segundo caso, as bandas escolhidas são automaticamente relacionadas na

caixa de parâmetros. Definido o endereço de saída, clique no botão “OK”.

7. Transformação de cores RGB – HSV - RGB

7.1. Transformação RGB – HSV
O ENVI possui a ferramenta de transformação de sistema de cores RGB para HSV (Ou
IHS) de uma composição colorida.
• Carregue uma imagem qualquer na janela gráfica (carregar na janela gráfica é

opcional).
• Selecione, dentro do menu da janela gráfica, a cadeia de comandos

“Transformações – Transformação de Cores – RGB para HSV”
• Vai aparecer a janela RGB to HSV Input.
• Escolha Available Bands List ou o Display desejado.
• Escolha File ou Memory e clique em OK.
7.2. Transformação HSV - RGB
Consiste em converter uma imagem do espaço HSV para o espaço RGB.
• Carregue no display a imagem no espaço HSV.
• Selecione, dentro do menu da janela gráfica, a cadeia de comandos

“Transformações – Transformação de Cores – RGB para HSV”
• Vai aparecer a janela HSV to RGB Input Bands. Selecione as bandas desejadas e
clique em OK.
Nota: Ao executar o processo RGB-HSV selecionando o display em vez da opção available

bands... , o ENVI capta as cores do display ativo, e não os dados da imagem com o
histograma natural. Se isso for feito, será impossível retornar ao estado original RGB com a
HSV criada. Se for o caso de criar com as cores do display, é recomendável que se zere o
histograma clicando, dentro do menu da janela gráfica , a opção “realce – [scroll] – linear 0-
255”.
8. Para Entender Melhor: O sistema de cores

As imagens multiespectrais de sensoriamento remoto são compostas por diversas
bandas, que podem ser visualizadas na forma de composições coloridas de três bandas.
As composições constituem-se em uma poderosa forma de sintetizar, numa única
imagem, uma grande quantidade de informação, ao mesmo tempo em que representam
essa informação em diferentes cores, facilitando assim a sua interpretação.
Geralmente, três propriedades básicas das superfícies representadas nas imagens de

sensoriamento remoto são utilizadas:

Tonalidade
A tonalidade refere-se ao brilho dos objetos que compõem a cena. Os tons estão
relacionados às propriedades de reflexão dos materiais em superfície e dependem da
porção do espectro electromagnético coberto pelas imagens consideradas.
Textura
A textura é definida como uma combinação entre magnitude e freqüência da variação

tonal numa imagem, produzida pelo efeito conjunto de todas as pequenas feições que
compõem uma área em particular na imagem.
Embora possam ser consideradas como propriedades independentes, tonalidade e

textura, na realidade, possuem relações íntimas: sem variações em tonalidade, nenhuma
mudança na textura poderia ser recebida (Crósta, 1993, p. 57).
Contexto
O contexto refere-se aos detalhes como tons, texturas e padrões (que são arranjos de
tons e texturas), os quais devem ser considerados em relação a atributos conhecidos do
terreno.
Na parte seguinte, vão ser apresentados os modelos mais usados no tratamento digital
das imagens de satélite.
8.1 Espaço de cores RGB
O modelo de espaço de cores RGB é provavelmente o mais usado entre os modelos de

cores, especialmente para dados de 8 bits. A teoria do espaço de RGB (vermelho-verde-
azul), de Thomas Young (1773-1829), é baseada no princípio de que diversos efeitos
cromáticos são obtidos pela projeção da luz branca através dos filtros vermelho, verde e
azul e pela superposição de círculos nas cores projetadas.
Figura E-9: Círculos representando as

cores primárias (a) e secundárias (b)
do sistema aditivo, onde as
interseções indicam a cor resultante
da soma entre as cores dos círculos
correspondentes.
FONTE: Marshall (1996),

www.yarc.com/colortut.htm
A luz branca é produzida se os três círculos coincidirem. A luz branca é uma

composição entre as cores primárias: vermelho, verde e azul. As cores primárias não
podem ser produzidas pela mistura de duas delas, por isso são definidas como cores
primárias aditivas.

Outras cores são produzidas quando duas cores se misturam:
vermelho + azul → magenta

vermelho + verde → amarelo
verde + azul → ciano
Com a variação da quantidade relativa das cores primárias, uma enorme gama de cores
pode ser produzida, se incluir diversos tons a cada uma delas.
Usando-se filtros, as cores podem ser subtraídas da luz branca:

subtração de vermelho → ciano
subtração de verde → magenta
subtração de azul → amarelo.
Essas cores são definidas como cores primárias subtrativas.
O uso das cores primárias ou secundárias possibilita a representação de qualquer

tonalidade de cores: monitores de televisão utilizam cores primárias aditivas e processos
de impressão litográfica colorida, cores primárias subtrativas.
Portanto, caso soubermos lançar mão deste recurso das cores, aliado com o
conhecimento do comportamento dos alvos em cada banda espectral, podemos obter
composições coloridas muito eficazes no que diz respeito a distinção destes alvos para o
intérprete visual
Figura E–10: Composição Colorida RGB das bandas do TM (321 e 421)

Como vimos anteriormente, reforçado pela Figura E-11, a vegetação tem alta resposta
espectral na banda 4 do TM. Vamos ver
como aparece a vegetação em duas
composições RGB (TM3-TM2-TM1 e
TM4-TM2-TM1):
Nitidamente, há um destaque maior para

a vegetação na composição RGB-421,
facilitando sobremaneira a interpretação
visual da imagem.
A figura a seguir mostra o cubo RGB para

dados de 8 bits, no qual a quantidade de
qualquer cor primária varia de 0 até 255.
Matematicamente, uma cor qualquer C é
dada por:
Figura E-11: Cubo RGB (Fonte: P.R.
C = r.R + g.G + b.B, Menezes, 1995).
onde R, G e B são as três cores primárias e

r, g e b são os coeficientes de mistura. Estas são geralmente limitadas ao intervalo 0 ≤
r,g,b ≤ 1 (Crósta, 1993, p. 59).
A cor C pode ser plotada no espaço de cores RGB usando-se os coeficientes de mistura
(r,g,b) como coordenadas. Os eixos do espaço de cores RGB são linhas de cores
primárias puras, que aumentam em intensidade com a distância da origem.
A origem é representada pelo preto (valor mínimo: 0, 0, 0), estando a cor branca situada
na sua diagonal (valor máximo: 255, 255, 255). Diferentes tonalidades de cinza serão
produzidas se quantidades iguais das cores primárias forem misturadas (r=g=b). Portanto,
a diagonal tracejada entre o preto e o branco representa o chamado eixo cinza ou eixo
acromático (Crósta, 1993, p. 60). Nessa linha, os valores r, g, b são proporcionalmente
iguais. Nos três planos em que uma das cores é igual a 0, estão representadas todas as
cores que podem ser obtidas ao se misturar apenas duas primárias e, particularmente, as
cores formadas por quantidades iguais delas (ciano, magenta e amarelo).
8.2. Espaço dos atributos de cor (matiz,

saturação e brilho)
Resumidamente, podemos dizer que o matiz informa
a cor predominante em um determinado pixel da
imagem. O valores de matiz são dados por ângulos
que variam desde 0o (correspondendo ao vermelho)
a 3600 (vermelho igualmente, pois 3600=00). As
outras duas cores primárias, verde e azul, têm
valores de matiz iguais a 1200 e 240o
respectivamente.
Já a saturação tem como função estimar a pureza

da cor. Quanto mais saturada, isto é, quanto maior
o valor de saturação, mais pura será a cor. E a Figura E-12: Hexacone do espaço de cores
HSV. FONTE: adaptada de Foley et al.
(1990), p.590
pureza também está relacionada com a quantidade de cor branca presente na mesma.
Quanto ao brilho, ele nos dá a noção, de maneira geral, de quão iluminada está a imagem
naquele momento. Ou então, em termos mais apropriados ao sensoriamento remoto, uma
noção da resposta espectral de um objeto em uma dada banda de um sensor orbital ou
aerotransportado.
Tanto os valores de saturação quanto os de brilho, estão compreendidos entre 0 e 1.

Embora estes intervalos de valores, bem como o de matiz, sejam uma notação (poderiam
variar de 0 a 255, por exemplo), eles são de uso corrente e aceitos consensualmente.
Porém, encontram-se exemplos de espaços de atributos onde os intervalos difiram desta
notação.
São encontrados na literatura diversos modelos com o propósito de representar os

atributos de cor, dentre os quais destacamos alguns abaixo. Os modelos implementados
no ENVI são o HSV (modelo hexacônico), HSL e o IHS. Os demais, embora não estejam
a disposição do usuário, podem ser codificados em IDL para posterior utilização com o
ENVI.
8.2.1. Modelo de cores HSV (hexacônico)
Smith (1978) descreveu um modelo de cores na base da geometria piramidal de um

hexacone.
Geometricamente, o espaço HSV é parecido com um modelo RGB. A altura do hexágono

corresponde ao eixo acromático do cubo RGB (Shih, 1995, p. 1223).
No eixo da estrutura hexacônica situam-se os dados de valor(V), tendo origem (0) no

vértice e máximo valor (1) na base.
A distância de um ponto P, em qualquer seção transversal hexagonal da pirâmide até um

ponto Pe, dado pela interseção do eixo deste com a seção hexagonal, nos dá o valor da
saturação (S), que irá variar de 0 a 1.
Por fim, o matiz (H) é o ângulo formado pelos segmentos de reta que ligam P a Pe e Vve
a Pe, onde Vve é notado como o vértice correspondente ao vermelho. No sentido anti-
horário, partindo de Vve. Detalhes do procedimento da função no capítulo 7 deste mesmo
guia.
8.2.2. Modelo de cores HSV de Harrington (1987)
Este modelo de cores é baseado na geometria de um cilindro, que se assemelha ao

sistema de cores de Munsell e utilizado por Kruse & Raines (1984), que originalmente foi
desenvolvido para utilizações geológicas e foi aplicado para aumento de contraste.
A transformação do espaço de cores RGB para o HSV começa, primeiramente, pela

rotação do sistema de eixos do espaço RGB, dada pela seguinte transformação linear:

Após, os valores de matiz (H), saturação (S) e intensidade (V) são obtidos por meio das
igualdades dadas abaixo:
Onde 0 ≤ S, V ≤ 1 e 0 ≤ H ≤ 2π
A transformação inversa, será dada por:
8.2.3. Modelo de cores HLS
A transformação do sistema de coordenadas cilíndricas para

um cubo resulta o modelo de pirâmide duplo-hexacônica.
Aqui, como acontece com V no HSV, os valores de

luminosidade (L) encontram-se no eixo da estrutura
piramidal, variando de zero (embaixo) a um (no topo).
No entanto, diferentemente do que ocorre no HSV, o valores

de L e S nos quais obteremos o mais forte nível de
luminosidade e saturação é em L=0.5 e S=1.0, enquanto que
no HSV, para se ter o mesmo efeito, teríamos V=1.0 e
Figura E–13: Modelo do hexágono
S=1.0 (Foley, et al., 1990). Duplo (Fonte: Shih, 1995).

A saturação, assim como o matiz, é obtida de forma similar a saturação no HSV.

L = (máx + mín) / 2
quando máx = mín, S = 0 e H não é definido.
S = (máx - min) / (máx + mín), quando L < 0,5.

S = (máx - mín) / (2 - máx - mín), quando L > 0,5.
H = (G - B) / ( máx - mín), quando R = máx

H = 2 + [(B - R) / (máx - mín)], quando G = máx.
H = 4 + [(R - G) / (máx - mín)], quando B = máx.
A transformação inversa inicia-se pela escolha do ângulo do matiz no intervalo [0 360]. (R,
G, B) = (L, L, L), quando S = 0 e H não é definido.
8.2.4. Modelo de cores IHS
O espaço de cores conhecido por IHS (Intensity, Hue, Saturation) é uma forma alternativa
ao espaço RGB de representação de cores. As cores são definidas pelos atributos de
intensidade ou brilho, matiz e saturação. Esses atributos podem ser analisados e
manipulados individualmente, ao contrário do sistema RGB, onde eles são
intrinsecamente interligados (Crósta, 1993, p. 67).
O espaço IHS pode ser graficamente representado como um cone e usa coordenadas
cilíndricas polares para representar as cores, ao invés de coordenadas cartesianas como
o sistema RGB. O vértice do cone IHS representa o preto, enquanto o seu eixo coincide
com o eixo acromático. A intensidade aumenta em sentido contrário ao do vértice. Uma
seção circular do cone mostra a variação de matizes ao redor de perímetro. A saturação
aumenta para fora do centro, passando de cinza para tons pastéis e destes para matizes
espectrais puros.
Intensidade
→ medida da energia total envolvida em todos os comprimentos de onda responsáveis

pela sensação de brilho dessa energia incidente sobre o olho
→ distância de um ponto até a origem ou ápice do cone.
Matiz
→ medida do comprimento de onda médio da luz que ele reflete ou emite define a cor do
objeto
→ seqüência radial ao redor dos círculos de saturação e do eixo de intensidade (ângulo

entre 0° e 360°):

Matiz TM DN
o
0 Verde 0
o
120 Vermelho 85
o
240 Azul 170
o
360 Verde 255
Saturação
• Expressa o intervalo de comprimentos de onda ao redor do comprimento de onda

médio no qual a energia é refletida ou transmitida
• Distância radial do ponto até o eixo central do cone:
alto valor de saturação → na imagem TM, cor espectralmente pura
baixo valor de saturação → na imagem TM, mistura de comprimentos de onda (tons pastéis).
8.2.5. Modelo L*u*v* da CIE
Em 1931, a Commision Internationale de l'Eclairage (CIE) definiu três primárias

padronizadas (X, Y, Z) para substituir as cores vermelha, verde e azul. Este modelo de
cores proporciona uma medida simples de cores, do ponto de vista computacional, de
acordo com o sistema de cores de Munsell, que representa um espaço de cores
aproximadamente uniforme. Entende-se por uniforme o espaço de cores no qual a
variação de cores percebida pelo observador é linearmente proporcional a mudança de
valor do atributo correspondente ao brilho da cor.
Em 1976 a CIE divulgou um espaço de cores que mais se aproximava de um espaço de

cores uniforme: o L*u*v*. A transformação do espaço de cores RGB - padrão NTSC - para
o sistema L*u*v*, parte da transformação linear dada abaixo:
Donde obtemos os valores de L*, u*, e v*, em função de X, Y e Z:
L* = 116(Y / Y0)1/3 – 16, Y / Y0 > 0.01

u* = 13L*(u - u0 )
v* = 13L*(v - v0 )
onde Y0=1, u0=0,201 e v0 = 0,461, constantes.
Com x, y e z, valores triestímulos normalizados:
Logo, x + y + z = 1, ou seja, z = 1 - x - y
Portanto, tendo-se os valores de L*, de u* e de v*, facilmente podemos retornar aos

valores de X, Y e Z, onde então aplicamos a transformação linear inversa para obtermos
de novo os valores de RGB:
8.2.6. Modelo de IHS da CIE
Na descrição acima, L* representa a intensidade, u* representa a variação de

cromaticidade do verde até vermelho e v* representa a variação de cromaticidade do azul
até amarelo. Um espaço de cores IHS define-se pelas seguintes equações:

8.2.7. Modelo de IHS de Pratt (1991)
A transformação do espaço de cores RGB para o IHS, segundo Pratt (1991)

primeiramente é dada pela seguinte transformação linear:
Após, os valores de matiz (H), saturação (S) e intensidade (V) são obtidos por meio das
igualdades dadas abaixo:
Onde 0 ≤ S, V ≤ 1 e 0 ≤ H ≤ 2π
A transformação inversa, será dada por:

F: Classificação
A classificação de objetos ou fenômenos é feita pela escolha das características que os
descrevem para diferenciá-los entre si. Na definição matemática, usa-se o espaço de
atributos ("feature space"), que é essencial para se entender como funciona a
classificação de imagens multiespectrais. No processamento digital, a cada eixo desse
espaço são atribuídos os níveis de cinza de uma determinada banda espectral.
Os métodos de classificação se dividem basicamente em duas categorias: a classificação

supervisionada e a não-supervisionada. Nesta segunda não há qualquer conhecimento
prévio do classificador sobre os atributos das classes pertinentes a cena, enquanto que
na classificação supervisionada, o classificador orienta sua busca de classes a partir de
amostras de treinamento feitas anteriormente com as classes de interesse da cena.
Alguns dos algoritmos clássicos, tanto de classificação não-supervisionada quanto

supervisionada, são descritos a seguir.
1. Classificação não-supervisionada
1.1. Isodata
O método de classificação isodata é, provavelmente, o mais conhecido e é descrito como

um meio de interpretação de imagens de sensoriamento remoto assistida por computador.
O programa de classificação identifica padrões típicos nos níveis de cinza. Esses padrões
são classificados efetuando-se visitas de reconhecimento a alguns poucos exemplos
escolhidos para determinar sua interpretação. Em razão da técnica usada nesse
processo, os padrões são geralmente referidos como "clusters" (agrupamentos ou
nuvens) (Eastman, 1994, p. 104). Neste tipo de classificação, as classes são
determinadas pela análise de agrupamentos ("cluster analysis").
Não requer um conhecimento prévio O usuário tem pouco controle sobre a
da área de estudo separação entre classes.
Determinação do número de classes.
Podemos dizer que, no caso das classificações não-supervisionadas, quanto maior a

heterogeneidade das amostras, maior a certeza de que todas as classes possíveis
estarão representadas (Novo, 1988, p. 285). Os pixels nas áreas de treinamento são,
então, submetidos a algoritmos de agrupamento ("clustering"), que determinam o
agregamento natural dos dados, considerando sua distribuição num espaço de n
dimensões (no caso, bandas espectrais).

• Selecione, dentro do menu principal, a cadeia de comandos “Classificação – Não

Supervisionada – IsoData” .
• Aparece a caixa de diálogo do arquivo de entrada para a classificação (Figura 1).
Número de classes
O usuário precisa determinar o número de classes para as quais o computador deve

calcular o algoritmo de grupamento. O valor padrão é de cinco classes.
Número de iterações (repetições do processo)

A cada iteração, recalculam-se e reclassificam-se os pixels, considerando-se os novos
valores médios. Além disso, o usuário pode determinar o desvio padrão e o erro de
distância mínima.
Figura F – 1: Caixa de diálogo dos parâmetros da

classificação isodata.
• Clique no botão "OK" para aceitar os parâmetros da classificação isodata.
Para maiores detalhes técnicos, consulte a bibliografia “Tou, J. T. and R. C. Gonzalez,

1974. Pattern Recognition Principles, Addison-Wesley Publishing Company,
Reading, Massachusetts”.
1.2. K-Means
O ENVI também oferece o método K-Means para realizar classificações não

supervisionadas. O Método K-Means calcula inicialmente as classes distribuindo em uma
classe uniformemente no espaço e então aglomera classe por classe em um processo
iterativo usando a técnica de distância mínima. Melhor será a classificação quanto melhor
for agrupada a nuvem de pixels. A classificação estará pronta quando o número de
iterações definido pelo usuário for concluído, ou quando for alcançado o critério de
número de pixels que mudam de classe (Change Threshold); por exemplo, se
escolhermos 5%, e, se menos de 5% dos pixels “migrarem” de uma classe para a outra, o

critério estará alcançado. Para maiores detalhes técnicos, consulte a bibliografia “Tou, J.
T. and R. C. Gonzalez, 1974. Pattern Recognition Principles, Addison-Wesley
Publishing Company, Reading, Massachusetts”.
• Selecione, no menu principal, a cadeia de comandos “Classificação – Não

Supervisionada – K-Means”
• Selecione o arquivo desejado, clique em OK e aparecerá a janela “K-Means

Parameters” (Figura 2)
Figura F – 2 : Caixa de
diálogo dos parâmetros da
classificação K-Means
• Preencha todos os parâmetros e clique em OK. O resultado aparecerá na lista de

bandas disponíveis
2. Classificações supervisionadas
O princípio de classificação supervisionada é baseado no uso de algoritmos para se
determinar os pixels que representam valores de reflexão característicos para uma
determinada classe. A classificação supervisionada é a mais utilizada na análise
quantitativa dos dados de sensoriamento remoto.
Etapas de uma classificação supervisionada:
1. Definição das classes nas quais a imagem vai ser dividida (por exemplo: água,
floresta, floresta degradada, agricultura, pasto, áreas urbanas, solo puro, rochas).
Ferramentas de auxílio: Dispersograma Bi-dimensional (Tutorial B), Visualizador
N-Dimensional (Capítulo 3)

2. Escolha de amostras de treinamento para cada classe pelo uso de mapas

topográficos, aerofotos, trabalho de campo, etc. e controle com a ajuda de
avaliações estatísticas. O conjunto dos pixels que fazem parte de uma classe
chama-se assinatura da classe. Ferramentas de auxílio: Módulo de Região de
Interesse (Tutorial C)
3. Aplicação de um algoritmo de classificação em que

todos os pixels são classificados conforme o método Valores de cinza dos pixels
estatístico escolhido (por

exemplo, Métodos do
Paralelepípedo, Mínima
Distância, Mapeador de
ângulo espectral
("Spectral Angle
Mapper", SAM), Máxima
Verossimilhança).
4. Homogeneização do
resultado de Figura F –3: Exemplo de valores de cinza em todas as bandas
do sensor LANDSAT TM (Gegg, 1989, p. 16).
classificação com
passos de filtragens,
tais como aglutinação ("clump") e peneiramento ("sieve").
5. Vetorização dos contornos e produção de mapas temáticos com o resultado da

classificação.
A interpretação visual é limitada à observação de apenas três bandas, enquanto as

classificações automáticas são aplicadas a qualquer número de bandas que se queira.
A Figura F-3 mostra que um pixel é caracterizado por um nível de cinza próprio em cada
banda disponível.
Considerando-se que os níveis de

cinza da classe "água encontram-
se, na banda 1, no intervalo entre
15 e 25 e, na banda 4, entre 80 e
120, podemos classificar um pixel
de valor de cinza de 18 na banda
1 e de 120 na banda 4, para
classe "água". Esse exemplo
mostra que o tempo de
computação aumenta quanto
maior o número de classes e de
bandas.Nas classificações Figura F–4: Esquema de classificação automática
supervisionadas, se está em (Lillesand e Kiefer, 1987, p. 687).
constante interação com o
processo de análise. Selecionam-

se áreas de treinamento ou amostra de treinamento

("training areas") da imagem como parâmetros para a classificação.
As áreas de treinamento representam o comportamento médio das classes que deverão

ser mapeadas automaticamente (Novo, 1988, p. 283).
Todos os pixels dentro de uma área de treinamento para uma dada classe constituem o
chamado conjunto de treinamento para aquela classe (Crósta, 1993, p. 115). A Figura
F-4 descreve os passos de uma classificação automática. O resultado final é uma imagem
de uma só banda. Para facilitar a interpretação visual, deve-se colorir o resultado da
classificação.
2.1. Método do paralelepípedo
O método do paralelepípedo considera uma área no espaço de atributos ao redor do
conjunto de treinamento. Essa área tem a forma de um retângulo, definindo os níveis de
cinza máximo e mínimo do conjunto de treinamento. Os lados desse retângulo, que inclui
uma classe própria, chamam-se os limites de decisão dessa classe. Os pixels que
excedem os limites de decisão, como os pixels nas áreas de inseparabilidade,
apresentam problemas na sua distribuição em uma classe (Figura F-5). A correlação
normalmente existente entre bandas vai causar uma distribuição ao longo da reta de 45º
no espaço de atributos e os limites de decisão vão sempre abranger alguns pixels não
pertencentes à classe (Crósta, 1993, p. 117).
Figura F-5: Esquema de classificação por

paralelepípedo (Fonte: Richards, 1993, p.193).
Definição das amostras de treinamento
A determinação das amostras de treinamento pressupõe bons conhecimentos em

interpretação de imagens de satélites. Além disso, o uso de outras fontes de informação,
como mapas, aerofotos, e também de dados estatísticos, ajudam a avaliar se a classe
definida nas amostras de treinamento corresponde, de fato, à superfície natural. Na
prática, escolhem-se as amostras de treinamento em várias bandas.
• Determine as amostras de treinamento em uma imagem favorável (9 ou 10

classes) com Região de Interesse.

• Clique com o botão direito do mouse sobre a imagem e selecione a opção “ROI
Tool..” no menu de atalho
• Clique no botão "New Region" e inicie a definição de um polígono em uma classe

reconhecida na imagem escolhida.
• Na janela de controle de regiões de interesse (Figura F-6), aparece esta nova

região.
• Determine um nome, a cor e o tipo de preechimento da ROI clicando no botão

“Edit” da janela “ROI Tool”.
Ao mesmo tempo, a região aparece sobre a imagem associada, na cor escolhida. Repita
esse passo para cada classe que se deseje implementar no algoritmo de classificação. O
nome do arquivo de saída deve ter extensão .roi.
Figura F –6: Definição de amostras de

treinamento.
A seleção de amostras de treinamento foi padronizada, o que torna possível a aplicação

das mesmas amostras em várias classificações sem a necessidade de recarregá-las. Isto
simplifica a comparação dos resultados das classificações.
• Selecione a cadeia de comandos "Classificação - Coleção de Amostras".

Determine as bandas de entrada na caixa de diálogo "Classification Input File".
Clique "OK". Selecione o algoritmo de classificação no menu "Algorithm", na janela
"Endmember Collection:...", assim como o arquivo espectral no menu sob o item

"Import Spectral Library": se arquivo ASCII, região de interesse (ROI), biblioteca

espectral ou estatístico. Por fim, clique no botão "Apply".
A Tabela 1 mostra os canais do LANDSAT 5 e as qualidades de cada banda para

interpretação visual.
Tabela 1. Aplicações das bandas do LANDSAT 5 (Lillesand & Kiefer, 1979, p. 567).
Comprimento de
Banda Espectro Aplicações
Onda
- Boa penetração na água (mapeamento do
TM 1 azul (VIS) 0,45 - 0,52
litoral) Distinção solo / vegetação
- Reflexão máxima no espectro verde-
TM 2 verde (VIS) 0,52 - 0,60
Determinação da vitalidade da vegetação
- Absorção alta de clorofila
TM 3 vermelho (VIS) 0,63 - 0,69 - Distinção solo / vegetação
- Diferença dos tipos de trigo
- Reflexão alta da vegetação
TM 4 NIR 0,76 - 0,90 - Determinação da massa orgânica
- Distinção terra / água
- Absorção mínima da água
- Determinação do conteúdo de água no solo
e na
TM 5 MIR 1,55 - 1,75
- Vegetação
- Distinção nuvem / neve
- Aplicações geológicas
- Determinação de temperatura e umidade
das superfícies terrestres
TM 6 TIR 10,4 - 12,5
- Análise de "stress" da vegetação
- Distinção cidade / campo
- Aplicações geológicas
- Diferença entre os minerais e rochas
TM 7 MIR 2,08 - 2,35
- Determinação do conteúdo de água no solo
e na vegetação
Etapas para a classificação

por paralelepípedo
• Selecione a cadeia de
comandos “Classificação
– Supervisionada –
Paralelepípedo ".
• Após selecionar, na caixa

de diálogo, um arquivo de
entrada de imagem,
aparece uma outra caixa Figura F –7: Caixa de diálogo de parâmetros da
onde se definem os classificação por paralelepípedo.
parâmetros de
classificação pelo método do paralelepípedo (Figura F-7). Clique em OK.

Definição de máscara
Tornou-se possível a eliminação de áreas específicas dos processos de classificação por
meio de imagem-máscara (ver Cap. Ferramentas).
Visualizar o resultado da classificação
Quando termina o cálculo de classificação por paralelepípedo, o resultado aparece

automaticamente na lista das bandas disponíveis. Note que o resultado da classificação é
uma imagem só, que é carregada em modo "Gray Scale" (imagem em tons de cinza).
2.2. Método da distância mínima

Caso do tamanho dos conjuntos de treinamento seja pequeno, recomenda-se um método
de classificação mais simples, como o algoritmo de distância mínima (Richards, 1993, p.
189). Este algoritmo não usa uma matriz de covariância, por isso não é tão flexível como
o algoritmo da classificação por máxima verossimilhança (Maxver). Os modelos de
classes são caracterizados pela simetria espectral.
As classes podem ser definidas com base em dados estatísticos, calculando-se a média
de cada classe, em cada banda espectral. O método de distância mínima atribui cada
pixel desconhecido à classe cuja média seja mais próxima a ele.
• Selecione a cadeia de comandos “ Classificação – Supervisionada – Distância

Mínima ".
• Note que os passos da classificação são os mesmos que foram apresentados para
classificação no método de paralelepípedo. A única diferença encontra-se na caixa
de diálogo de definição dos parâmetros, onde pode-se determinar um erro de
distância máxima a ser aplicado para classificar a imagem.
• Use o mesmo arquivo de região de interesse que foi usado anteriormente para a
classificação por paralelepípedo e inicie a classificação pela distância mínima.
Examine as estatísticas das regiões de interesse para determinar o desvio padrão
e o erro de máxima distância.
2.3. Método da máxima verossimilhança (Maxver)

A classificação Maxver é a classificação supervisionada mais aplicada no tratamento de
dados adquiridos por satélites. Este método é baseado no princípio de que a classificação
errada de um pixel particular não tem mais significado do que a classificação errada de
qualquer outro pixel na imagem (Richards, 1993, p. 321). O usuário determina a
significância nos erros de atributos especificados para uma classe em comparação a
outras. Por exemplo, tendo-se duas subclasses da classe "trigo", seria mais aceitável
classificar um pixel particular na subclasse "milho" para a subclasse "cevada" do que para
a classe "água".

A eficácia do Maxver depende, principalmente, de uma precisão razoável da estimativa do

vetor médio (m) e da matriz de covariância (S) de toda classe espectral. Isso depende da
quantidade de pixels incluídos nas amostras de treinamento.
Sendo x o vetor correspondente ao um pixel nas N classes envolvidas, o vetor médio dos
pixels pertencentes a uma classe é dado por:
onde K é o número de pixels na classe e E(x) a esperança de x, uma notação estatística

para estimar a média de x.
Já a matriz de covariância será dada por
Cada amostra de treinamento é representada por pixels com reflexão característica e vale
como área de referência dos níveis de cinza da classe. O resultado do Maxver é melhor
quanto maior o número de pixels numa amostra de treinamento para implementá-los na
matriz de covariância. Se os tamanhos das amostras de treinamento para as classes é
limitado, recomenda-se um método de classificação mais simples e rápido, que não use
uma matriz de covariância (p.ex.: método da distância mínima ou do paralelepípedo).
Nas classificações em que se usa o algoritmo Maxver, cada classe é determinada por um
modelo de classes normal e multivariado. Este modelo toma conta das extensões de
dados em direções espectrais determinadas.
Crósta (1993, p. 123) considera que o método Maxver deve ser aplicado quando o
analista conhece bem a imagem a ser classificada, para que possa definir classes que
sejam representativas.
• Selecione, dentro do menu principal, a cadeia de comados “Classificação –

Supervisionada – Máxima Verossimilhança".
Ao contrário das classificações mostradas acima, a possibilidade de se digitar um valor

para o desvio padrão é substituído pela caixa de texto rotulada "Image Threshold". Digite
um valor entre 0 e 1 para controlar a probabilidade dos parâmetros da classificação
Maxver.
2.4. Mapeador de ângulo espectral ("Spectral Angle Mapper", SAM)

O SAM é um método de classificação que usa o ângulo entre as amostras de treinamento
no espaço de n-dimensões para determinar os pixels para uma determinada classe. O
algoritmo determina a similaridade espectral entre dois espectros e calcula o ângulo entre
eles. Os ângulos são tratados como vetores no espaço n-dimensional (Figura F-8).
Esta técnica possui a grande vantagem de os espectros ("endmembers") não serem muito
sensíveis aos efeitos da iluminação e do albedo. Arquivos em formato ASCII, curvas

espectrais da biblioteca espectral e, também, regiões de interesse podem ser usados

como entrada da classificação. Ângulos menores representam relações mais próximas ao
espectro de referência. Pixels fora do ângulo máximo definido não são classificados.
Banda I
Material A
Ângulo
Espectral
Material B
Banda J
Figura F –8: Exemplo de SAM bidimensional.
A aplicação do SAM considera dados reduzidos à reflectância aparente (reflectância

original multiplicada por alguns fatores de
ganho não conhecidos, que dependem da
topografia e da sombra). O SAM só usa a
direção dos vetores, e não o seu módulo, o que
significa que todas as iluminações possíveis
são tratadas da mesma maneira. A cor de um
material é definida pelo seu vetor próprio.
• Selecione, no menu principal, a cadeia

de comandos “ Classificação –
Supervisionada – Spectral Angle
Mapper”
• Depois de selecionar no diálogo arquivo

de entrada de uma imagem, aparece um
outro diálogo para a definição dos
parâmetros de classificação pelo SAM
(Figura F-9).
• Defina as regiões de interesse.. Examine Figura F –9: Caixa de diálogo do

as estatísticas das regiões de interesse conjunto de espectros do SAM.
para determinar o desvio padrão e o erro

de máxima distância.
Note que as regiões de interesse também podem ser extraídas pelos dispersogramas
bidimensionais e pelo Visualizador n-dimensional. Arquivos de polígonos no formato
ASCII e curvas espectrais da biblioteca espectral também podem ser usados como
entrada de classificação.
2.5. Classificação por distância de Mahalanobis

O classificador da distância de Mahalanobis é similar ao da distância mínima e usa
estatísticas para cada classe, porém, ele supõe que a covariança das amostras são
iguais, portanto, é um classificador ainda mais rápido que o método de mínima distância.
• Selecione a cadeia de comandos "Classificação - Supervisionada - Mahalanobis

Distance", no menu principal ou na caixa "Coleção de Amostras...".
• Selecione a imagem desejada, clique em OK e aparecerá a janela “Mahalanobis

Distance Parâmeters”.
• Preencha os parâmetros e clique em OK.
Classificação por "Binary Encoding"
• Selecione a cadeia de comandos "Classificação - Supervisionada - Binary

Encoding", no menu principal ou na caixa "Coleção de Amostras...".
3. Visualizador N-Dimensional ("N-dimensional Visualizer")

O visualizador n-dimensional é um dispersograma de pontos em n-dimensões, onde n
depende do número de bandas usadas (Boardman, 1993; Boardman & Kruse, 1994). As
coordenadas dos pontos selecionados no espaço n-dimensional são compostas de n
valores que descrevem a radiância ou reflectância espectral em cada banda para todos os
pixels. A distribuição desses pontos no espaço n-dimensional é usada para estimar o
número dos valores extremos ("endmembers") e as assinaturas puras das bandas.
Selecionar os dados
Antes de carregar o visualizador n-dimensional, o

usuário precisa determinar uma região de interesse,
incluindo pixels de máxima variedade espectral. Defina
esta região na ferramenta das regiões de interesse. As
regiões de interesse podem ser extraídas da imagem
realçada, mas também de imagens tratadas com o
algoritmo de fração mínima de ruído ("minimum noise
fraction"). É importante dizer que a região de interesse
inclui uma grande variedade de reflectância. Figura F –10: Caixa de diálogo
de entrada de regiões de
interesse do visualizador n-
dimensional.
Implementação das regiões de interesse
• Selecione , dentro do menu principal, a cadeia de comandos "Ferramentas –

Região de Interesse – Exportar ROI´s para Visualizador n-D”.
• Depois de selecionar o arquivo de imagem de entrada, aparece uma outra caixa de

diálogo que possibilita a escolha de uma região de interesse a ser utilizada no
visualizador n-dimensional (Figura F-10).
Janela de visualizador n-dimensional
• Clique, na lista, a região de interesse desejada, o que provoca a aparecimento da

caixa de diálogo de controle de visualizador n-dimensional (Figura F-11a) e da tela
do visualizador n-dimensional (Figura F-11b).
A caixa de diálogo de controle do visualizador n-dimensional
Depois que os níveis de cinza das regiões de interesse são carregados, aparece a caixa
de diálogo de controle do visualizador de n-dimensional,
junto com o visualizador n-dimensional
Seleção das bandas
Inicialmente, a janela do visualizador aparece em preto.

Nos controles do visualizador n-dimensional aparecem
todas as bandas carregadas, com botões numerados
(em preto) para cada uma (Figura F-11a).
• Para selecionar uma banda, clique sobre seu

número correspondente na caixa de controle do
visualizador. O botão torna-se branco.
• Automaticamente, aparecem os pixels

correspondentes a essa banda, em branco, na
janela do visualizador n-dimensional (Figura F-
11b).
• Selecionando-se duas bandas, produz-se um

dispersograma bidimensional; clicando-se três
bandas, um dispersograma tridimensional, etc.
Figura F –11: Caixa de
diálogo de controle do
visualizador n-
dimensional (a) e Janela
do visualizador n-
dimensional (b).

Escolha das dimensões e giro do dispersograma
É necessário escolher-se três bandas, no mínimo, para o uso da função "Start/Stop". Os

eixos giram automaticamente, sendo possível observar os pixels no espaço tridimensional
(ou n-dimensional, se mais bandas forem escolhidas). Para visualizar os eixos, selecione,
dentro da caixa de diálogo “Options” , a opção “Axes: On”.
• Arraste o "mouse" com o botão esquerdo pressionado, na tela do visualizador n-

dimensional, para girar os eixos coordenados.
Definição de regiões de interesse
Para interromper a rotação, deve-se clicar o botão "Start/Stop", quando o dispersograma

mostrar uma projeção conveniente para diferenciar nuvens de pixels. Certifique-se de que
na caixa de texto a esquerda do botão de escolha está escrito "Define ROI". No caso
desta caixa indicar o texto "Drive Axes", clique o botão de escolha para carregar o texto
"Define ROI".
Definir várias regiões de interesse, arrastando o "mouse" com o botão esquerdo

pressionado, e fechar o polígono com um clique no botão direito do "mouse". Usar várias
projeções diferentes para determinar um grupo maior de pixels isolados. Pode-se definir
uma cor própria para cada classe, clicando-se no botão "Red" e arrastando o cursor do
"mouse" para cor desejada.
Exportar as classes definidas
• Clique no botão "Export" para salvar as regiões de interesse atualmente obtidas e

exportá-las pela caixa de diálogo "Define ROI's". Esta região de interesse é criada
para localizar os pixels correspondentes na imagem de entrada.
• Clique no botão "Export All" para gravar todas as regiões de interesse criadas.
Abra a caixa de diálogo de região de interesse para gravar as regiões escolhidas e
verifique as estatísticas.
Utilize as regiões de interesse obtidas pelo método do visualizador n-dimensional e

implemente-as na classificação SAM.
4. Comparação dos resultados das classificações
O controle dos resultados de classificação é um dos passos mais importantes para se

chegar a um resultado bem homogêneo, mas também para controlar a qualidade das
diferentes classificações aplicadas. A classe que normalmente causa a maior
percentagem de pixels classificados incorretamente é a classe "cidade". No exemplo de
detecção de cidades, pode ser avaliada a eficácia de cada classificação.
• Compare os três melhores resultados das classificações, conferindo com a
imagem original.

• Abra várias janelas aplicando as funções "Link" e "Maximize". Avalie a qualidade

dos resultados obtidos pelos diferentes métodos de classificação. Examine as
estatísticas de todos os resultados.
Estatísticas de classes
Os resultados de classificação podem ser verificados

com o controle visual ("On/Off") de alguns pixels
escolhidos por acaso, mas também com a análise de
estatísticas.
• Selecione a opção "Classificação – Pós

Classificação – Estatísticas de Classe".
• Aparece a caixa de diálogo de arquivos de

entrada. Note que só imagens classificadas
podem ser selecionadas como arquivo de entrada.
• Clique no botão "OK" na caixa de diálogo de

arquivos de entrada.
• Aparece a caixa de diálogo de arquivo de entrada

de estatística.
• Clique no arquivo de imagem do qual se quer

extrair as estatísticas e clique "OK".
Figura F –12: Caixa de
• Aparece a caixa de diálogo de seleção de classes. diálogo de parâmetros da
estatística.
• Selecione as classes de que deseja um
relatório e clique "OK".
Aparece a caixa de diálogo "Compute Statistic

Parameters" (Figura F-12). Note que só
imagens classificadas podem ser selecionadas
como arquivo de entrada. Além disso, o
analista pode escolher também as estatísticas
e relatórios, clicando nos rótulos
correspondentes. As estatísticas podem ser
gravadas como um arquivo de estatística
(extensão .sta), mas também como um arquivo Figura F –13: Visualização da
de relatório. estatística
• Para aplicar os parâmetros escolhidos e iniciar o cálculo, clique o botão "OK"

• Para cada classe, aparecem as janelas de histograma (Figura F-13) e de relatório

(Figura F-14).
Figura F –14: Relatório estatístico da

classificação.
4.1. Matriz de Confusão ou de Erros (Confusion Matrix ou Error Matrix)
A Matriz de Confusão ou de Erros é usada para avaliar o resultado de uma classificação.

Para fazer isso ela compara os dados da verdade de campo com os da classificação,
agrupando-os como mostrado na tabela 2.
Verdade de Campo Total Inclusão [%] Pixels bem

A B C classificados [%]
Classes do A 35 2 2 39 10,2 89,8
Mapa Temático B 10 37 3 50 26,0 74,0
C 5 1 41 47 12.8 87,2
Total pixels de campo 50 40 46 136 Exatidão Global[%]
Omissão [%] 30,0 7,5 10,9 83,1
Tabela 2 - Matriz de Confusão adaptada de

Richards, J. A. (1986), pp. 272
Temos aqui três classes de interesse (A, B e C). A matriz de confusão restringe-se às
linhas e colunas referentes às classes A, B e C. Os componentes da diagonal principal da
matriz de confusão fornecem o número de pixels corretamente classificados para cada
classe correspondente. Por exemplo, para a classe B, no mapa temático foram
corretamente classificados 37 pixels.

No entanto, para 10 pixels dessa mesma classe B no mapa temático, analisando a

verdade de campo, constatou-se que na realidade eles pertenciam a classe A. Bem como
outros 3 pixels que na realidade são da classe C.
Portanto, para os 50 pixels da classe B do mapa temático, 37 (74,0%) foram bem

classificados, enquanto o restante – 13 (26,0%) – foram mal classificados. Este erro de
classificação é denominado erro de inclusão (commission), pois se está incluindo pixels
em uma classe quando na verdade eles pertencem a outra(s).
Analisando agora do ponto de vista da verdade de campo, a classe C, por exemplo, tem
41 pixels bem classificados. Porém há 2 pixels seus que são classificados como A e
outros 3 que são classificados como sendo da classe B. Este erro agora é o erro de
omissão (omition), pois nos dois casos está-se a omitir pixels da classe correta
atribuindo-os a outra(s) classe(s).
Na última coluna da tabela, temos a exatidão específica de cada classe, isto é, a

percentagem de pixels do mapa temático que foram bem classificados. E no final desta
coluna, encontramos a exatidão global (accuracy) da classificação. Neste caso,
tínhamos no total 136 pixels, sendo que no mapa temático 113 foram bem classificados, o
que perfaz um percentual de 83,1% do total, que foram bem classificados.
Um subproduto da matriz de confusão, que auxilia na avaliação do classificador é o

coeficiente kappa (κ).
Uma das vantagens alegadas para uso do kappa é de que ele incorpora a informação dos
pixels mal classificados, e não apenas dos bem classificados como a exatidão global.
A equação que fornece o valor de kappa é dada por
onde,
Σ representa o somatório em cada linha e coluna;
γ é o número de linhas e de colunas;
N é o número total de pontos, o somatório de toda a matriz;
Dividindo o numerador e o denominador por N 2
onde

Grosso modo, a exatidão global seria um índice que superestima a acurácia da

classificação, e o kappa seria uma avaliação mais adequada. Para reforçar essa idéia,
peguemos a mesma matriz de confusão dada acima, onde o kappa vale k = 0,747.
Portanto, menor do que a exatidão global de 0,831.
Vamos agora, modificar um pouco a nossa matriz de confusão original, com o intuito de
fixar que o kappa realmente pode ser, geralmente, considerado um avaliador mais
adequado.
Verdade de Campo Total Inclusão [%] Pixels bem

A B C classificados [%]
Classes do A 35 5 5 45 22,2 77.8
Mapa Temático B 10 32 6 48 33,3 66,7
C 5 3 35 43 18,6 87,4
Total pixels de campo 50 40 46 136 Exatidão Global[%]
Omissão [%] 30,0 20,0 23,9 75
Tabela 3 – Matriz de confusão anterior

modificada
Ao diminuir a exatidão das classes B e C, a exatidão global passou para 75%, uma queda
de aproximadamente 10,8%. Já o kappa agora vale k = 0,626, uma diminuição de cerca
de 19,3%. Portanto o kappa é sensível não só a perda de acurácia global como um todo,
mas também as variações dos erros de omissão e de inclusão, que ficaram maiores nas
classes B e C.
Para obter no ENVI a matriz de confusão de uma classificação, é necessário realizar

algumas tarefas de pós-classificação.
• Selecione a cadeia de comandos “Classificação – Pós Classificação”. Clique em

"Matriz de Confusão" e opte entre comparar a classificação com a imagem de
verdade de campo "Usando Imagem de Verdade de Campo" ou com as regiões de
interesse (ROI´s) observadas em campo "Usando ROI´s de Verdade de Campo".

• Na janela "Classification Input File", você deverá escolher a imagem de

classificação obtida. Caso você tenha optado por comparar com a imagem de
verdade de campo , em seguida aparece janela "Ground Truth Input File" para
carregá-la. Caso você tenha optado por comparar com as regiões de interesse
segue-se o passo seguinte.
• Agora tem-se que, na janela "Match Classes Parameters", selecionar entre as

classes (ou regiões) da verdade de campo e da classificação listadas - em "Select
Ground Truth Class" (Figura F-15a) ou "Select Ground Truth ROI" (Figura F-15b) e
"Select Classification Image", respectivamente - as que são correspondentes numa
e noutra imagem.
Selecione a região correspondente de cada vez e clique em "Add Combination".

Terminando, clique "OK".
a b
Figura F-15: Escolha de regiões correspondentes, tanto para com a Imagem de

campo quanto para com as regiões de interesse
de verdade de campo.
Após definir os parâmetros de saída da matriz de confusão o ENVI irá gerar uma tela com
todas as informações acerca da mesma (Figura F-16).

Figura F-16: Exemplo de matriz de confusão gerada pelo ENVI, ao

confrontar regiões da classificação com dados dessas regiões
obtidas no campo.
5. ClassEdit
Esse capítulo contém uma descrição do aplicativo ClassEdit, uma das rotinas que
usuários do ENVI + IDL / ENVI podem descarregar da nossa página de Programas
Especiais ( em www.envi.com.br , com os seguintes tópicos:
• Introdução
• Modos de Visualização
• Modo Básico de Operação
• Definição de Áreas de Interesse
• Opções de Reclassificação
• Descrição dos Menus
Introdução
Mesmo escolhendo as amostras de treinamento com todo cuidado, o resultado da

classificação nunca será perfeito; em parte devido as limitações técnicas (do sistema de
aquisição), em parte devido a semelhança espectral de determinadas componentes da
sua imagem (por exemplo solo exposto - área urbana).

A SulSoft desenvolveu um aplicativo - o ClassEdit - para possibilitar o usuário de corrigir

áreas que foram interpretadas incorretamente no processo de classificação. Da idéia
básica de um simples editor de valores digitais - uma classe é representada pelo valor
numérico do pixel, e esse pixel pode ser atribuído à uma outra classe, simplesmente
mudando o valor numérico dele - o ClassEdit evoluiu para uma ferramenta sofisticada
usada muitas vezes na produção de
empresas brasileiras de mapeamento.
O ClassEdit é iniciado pelo menu de

funções interativas (na janela
principal); os dados de entrada são as
três bandas R, G, ‘B da imagem
original, e o resultado de classificação.
Caso a imagem de entrada exceda
um certo tamanho, abre-se um diálogo
perguntando se o usuário prefere
executar o programa completamente
na memória RAM do computador
(requer memória disponível maior do
que a indicada na janela), ou se ele
prefere a execução em disco.
Modos de Visualização
Após o fechamento dos diálogos iniciais aparece uma janela com os seguintes elementos
gráficos:
Figura F-17: Tela de Apresentação do ClassEdit

Na parte superior da janela localizam-se os menus, detalhados em seguida. No canto

superior direito da janela aparece uma reamostragem da imagem original, seguindo os
conceitos da janela global ("scroll window") do ENVI: um retângulo vermelho, que pode
ser deslocado clicando-e-arrastando com o botão esquerdo do mouse, define a área
visualizada na janela principal. O fator de ampliação na janela principal define-se com o
slider "zoom" , no canto superior direito da janela.
Embaixo da imagem reamostrada aparece uma lista das classes da imagem classificada,
com cor, nome e conteúdo da classe (com slider, caso tiver mais de 5 classes). No canto
inferior direito tem os botões para a definição das áreas de interesse, e uma indicação da
posição atual do cursor, da classe (só para imagem principal), e posição geográfica caso
a imagem original é georreferenciada.
Existem muitos modos de visualização para a janela principal (veja abaixo); a imagem
reamostrada sempre aparece com a combinação de bandas escolhida na inicialização do
ClassEdit, após aplicado um realce linear de 2%.
Aparece também uma pequena janela no canto superior direito da tela (em geral
escondido atrás da janela principal com o botão "->ENVI"; esse botão preserva a tabela
de cores dos aplicativos e só tem importância para quem tem uma configuração do
display de apenas 256 cores (desaconselhável para trabalho com imagens de satélite).
Neste caso deve-se usar este botão para restabelecer as tabelas de cores do ENVI, caso
o usuário queira trabalhar no ENVI sem sair do ClassEdit antes.
Modo básico de operação
O objetivo do ClassEdit é poder modificar o resultado de classificação. Para poder efetuar

isso com a máxima eficiência, o ClassEdit dispõe de opções poderosas e versáteis de
visualização e edição, permitindo a seleção de um fundo (por exemplo a imagem original
r,g,b; a imagem filtrada; uma banda só, etc.) e de qualquer combinação de classes para
ser sobreposta ao fundo. As classes a serem sobrepostas podem ser selecionadas:
1) clicando no quadradinho colorido ao lado de número e nome da classe
2) com as teclas 1,2,3,4,5,6,7,8,9,a,b,c,d,e,f , para até 15 classes .
Importante para uma avaliação eficiente da qualidade da classificação atual é a

possibilidade de mudar rapidamente entre a imagem (em geral selecionado para o fundo)
e o resultado da classificação (as classes selecionadas), o que é efetuado no ClassEdit
apertando a tecla "barra de espaço".
Um exemplo: Após ter carregado o ClassEdit, você seleciona as classes 1,2,4 e 6

digitando as teclas 1,2,4 e 6 no seu teclado (ou clicando com botão esquerdo nos
quadrinhos coloridos referentes à essas classes). Na medida em que você digita as
teclas, as classes vão aparecendo uma por uma, sobrepostas à imagem original.
Apertando a tecla "barra de espaço" uma vez fará com que desapareçam as classes da
tela (fica a imagem original); apertando novamente a tecla "barra de espaço" fará com que
as classes selecionadas reapareçam novamente.

O ClassEdit foi otimizado para que essa mudança entre "classes ligadas" e "classes
desligadas" possa ser efetuada com bastante agilidade, permitindo desta forma a
avaliação simultânea da imagem e do resultado de classificação.
Definição de Áreas de Interesse
A definição da área de interesse é feita na imagem principal, clicando e/ou clicando-e-

arrastando com o botão esquerdo do mouse. Os controles no canto inferior direito
permitem a seleção do tipo de área ("Polígono", "Polilínea", ou "Ponto"), e se é para
adicionar um novo ponto ou vértice ("Adicionar") ou para remover o ponto mais próximo
do cursor ("Remover"). Com o botão "Limpar" pode-se remover todos os pontos e vértices
atualmente desenhados. O clique com o botão direito do mouse fecha a área atual e
chama a janela com as opções de reclassificação.
Opções de Reclassificação
Uma vez identificados os pixels aparentemente "errados" na classificação, existem essas

possibilidades para reclassificá-los:
1. Marcando os pixels com a seleção tipo "Polilínha" ou "Ponto", e associando uma

nova classe à todos os pixels marcados ("Expandir classe").
2. Traçando um polígono ao redor dos pixels, e associando uma nova classe à todos
os pixels dentro do polígono ("Expandir classe").
3. Traçando um polígono ao redor dos pixels, e redefinindo determinados pixels a

partir de critérios escolhidos pelo usuário ("Redefinir Pixels").
Nos primeiros dois métodos o usuário apenas escolhe a nova classe a ser associada à
todos os pixels no polígono. No terceiro método aparece uma janela oferecendo as
seguintes opções:
Figura F-18: Janela do modo de edição de classes
• Redistribuir classe: Aqui o usuário pode definir quais a(s) classe(s) que serão
afetadas pela redistribuição (os números têm que ser separados por espaço,
vírgula ou ponto-e-vírgula). No exemplo acima seriam escolhidos os pixels das
classes 2,4,5 e 6 .
• para: Aqui consta a nova classificação dos pixels selecionados. No exemplo acima
o destino final dos pixels selecionados (aqueles que resolvem todas as condições)
seria a classe 3.
• com área menor que (m2): Neste campo o usuário pode definir um limite para as
áreas a serem modificadas. Só áreas contínuas menores do que o limite indicado

serão redistribuídos. Se por exemplo a classe dois no exemplo acima caracteriza a

classe de água, e no polígono traçado pelo usuário ficam quatro açudes, só os
açudes com uma área menor do que 50.000 m2 serão reclassificados para a
classe 3. Caso a imagem original não seja georreferenciada, esse limite deve ser
dado em pixels. Obs.: Colocar o valor 0 como limite dispensa a avaliação de área.
• Excluir borda: Ao traçar o polígono, o usuário pode (no exemplo acima, com
classe 2 = água) ter cortado um açude no meio; metade do açude ficou dentro do
polígono, a outra metade fora. Caso essa metade do açude dentro do polígono for
agora menor do que o limite, o algoritmo normalmente redistribuiria esses pixels
para a nova classe 3 (opção Excluir borda: não). Com a opção Excluir borda: sim
(o padrão) as áreas cortadas pelo contorno do polígono serão automaticamente
descartadas (inalteradas).
Descrição dos menus:

Salvar a classificação modificada.
Aplicar as últimas modificações e atualizar a visualização (para o
modo "Troca Rápida").
Visualizar resultado de classificação (todas as classes).
Visualizar imagem original (r,g,b), sem classes sobrepostas.
Desfazer a última modificação (a visualização será automaticamente
atualizada) . Obs.: A tecla "Z" é um atalho para o botão Desfazer.
Encerrar o ClassEdit. Obs.: A classificação modificada não será
automaticamente salva.
Menu em cascata para a seleção da imagem do fundo (p.ex.
combinação 3-2-1, ou só banda 2 etc.) .
Menu em cascata para a seleção da filtragem da imagem do fundo
(Nenhuma/Realce de Borda 1/ Realce de Borda 2/ Filtro Laplaciano).
Menu em cascata para a seleção do realce da imagem do fundo
(Nenhum/Linear 2%/Equalização)
Opção para importar um arquivo vetorial do tipo ENVI Vector File .evf
, e sobrepor à imagem da janela principal. É possível importar até 5
planos ("layers") diferentes. "Editar layer" permite posteriormente
modificar cor, espessura etc. do plano. "Gravar template" permite
salvar a configuração atual, e com "Restaurar template" esta
configuração pode ser rapidamente restabelecida. Os planos podem
ser ligados e desligados na opção "Editar layer", ou - similar aos
classes - com as teclas "y","u","i","o", e "p" correspondentes aos
planos 1,2,3,4 e 5 .
O modo "Troca Rápida" permite a reclassificação rápida de áreas,
simplesmente colocando o cursor em cima da área de interesse e
clicando a tecla "x". Com o método de crescimento são identificados
os pixels pertencentes à área escolhida, sendo possível definir no
menu de cascata "4 vizinhos" se a vizinhança é definida por 4 ou 8
pixels. O valor da nova classe é definido com o menu em cascata
"T.R. desligada". Na inicialização do ClassEdit esta opção é
desligada. Para agilizar o processo de redefinição de classes essas
áreas permanecem inalteradas na janela, apenas aparecendo no
centro da área escrito "O.K." para sinalizar que essa área já foi
modificada. A visualização das modificações deve ser obtida com o
botão "Atualizar").
A opção "Desfazer" desfaz todas as modificações entre uma
atualização e outra.

6. Homogenização do resultado de classificação
Normalmente, o resultado de uma classificação é uma imagem com muito ruído, causado
por pixels isolados ou poucos pixels atribuídos a diversas classes, que ocorrem próximos
a áreas homogeneamente classificadas (Crósta, 1993, p. 129). Assim, é bastante comum
ao se fazer a homogeneização do resultado da classificação em áreas de topografia
acidentada, uma vez que os efeitos causados por áreas sombreadas e iluminadas são
extremamente variáveis. Outro efeito é provocado por áreas em que os pixels contêm
uma mistura de duas ou mais classes (pixels impuros).
A classe de áreas urbanas (“cidade”) é conhecida como a que se mistura com quase
todas as outras classes. Por exemplo: depois da colheita, os terrenos agrícolas ficam
caracterizados por uma reflexão semelhante a de solos puros ou, principalmente, de
áreas urbanas. Esse fato explica a ocorrência de pixels da classe “cidade” na classe
“agricultura” ou “solos puros”.
Por vezes, os pixels da classe “cidade” aparecem na classe “floresta”. Isso ocorre quando
o usuário define amostras de treinamento na classe “cidade” para áreas residenciais
densamente arborizadas. Além disso, aparecem, algumas vezes, pixels da classe
“cidade” em margens de rio ou no mar, especialmente em águas com alto conteúdo de
material em suspensão. O algoritmo da classificação distribui esses pixels na classe
“água”, porque essas partes fornecem uma informação espectral parecida como a da
classe “cidade” (densa).
Filtragem do resultado da classificação

Um dos passos mais comuns, para homogeneizar o resultado da classificação, é a
aplicação de um filtro da mediana (Seção G-1.6).
• Selecione a cadeia de comandos “Filtros –

Convolução” .
• Aparece a caixa de diálogo de arquivo de

entrada.
• Aparece a caixa de diálogo dos

parâmetros de convolução, que possibilita
a escolha do tamanho da máscara (Figura
F-19).
• Teste vários tamanhos de máscara. Digite Figura F-19: Caixa de diálogo dos
o nome do arquivo de saída e clique o parâmetros da matriz de convolução
botão ‘OK’. do filtro da mediana.
• Carregue o resultado da filtragem (uma imagem em preto e branco) numa nova

tela. Para colorir essa imagem, mude o cabeçalho com um clique no botão “Editar
Cabeçalho de Arquivo ENVI”, do menu “Arquivo”. Mude o tipo de arquivo para

“Classification” e digite o número das classes incluídas. Para visualizar a imagem

filtrada nas mesmas cores do resultado da classificação, chame no menu da janela
gráfica a cadeia de comandos “Mapeamento de Cores” – “Mapeamento de Cores
de Classificação”. Mude os nomes e as cores das classes.
Função de aglutinação de classes (“Clump Classes”)

Geralmente, as imagens classificadas apresentam ruído, o que dificulta a interpretação
visual. A função de “Clump Classes” resolve esse problema ao aglutinar classes
adjacentes.
• Determine, na imagem filtrada, as classes que serão aumentadas e verificar o

tamanho da máscara.
• Selecionar a opção “Clump” no menu de classificação “Pós Classificação”
• Aparece a caixa de diálogo de arquivos de entrada.
• Aparece a caixa de diálogo dos parâmetros de convolução, que possibilita a

escolha do tamanho da máscara.
• Para adicionar classes do arquivo na imagem homogeneizada, clique o botão

“Band Math”, no menu Ferramentas.
• Aparece a caixa de diálogo “Band Math”. Digite clas_add (b1,b2) na caixa de texto
entitulada “Enter an expression”.
• Clique as expressões ‘b1’/’b2’ e associar, para ‘b1’, a imagem e, para ‘b2’, a

imagem.
Função de separação de classes (“Sieve Classes”)

A função de separação de classes resolve o problema de eliminar classes adjacentes.
Normalmente, as funções de aglutinação (“Clump”) e separação (“Sieve”) são aplicadas
em etapas sucessivas. Por exemplo, nas margens da classe “cidade”, encontram-se
pixels classificados erroneamente como “rocha”.
• Selecione a cadeia de comandos “Classificação – Pós Classificação – Sieve

Class”.

7. Classificação supervisionada usando Rede Neural

A partir da versão ENVI 3.6 a função de classificação supervisionada foi incrementada
com a opção do uso de rede neural que é um sistema inspirado nos neurônios biológicos
e na estrutura massivamente paralela do cérebro, com capacidade de adquirir, armazenar
e utilizar conhecimento experimental.
Aquisição de Conhecimento (aprendizado):
Treinamento efetuado através da apresentação de exemplos (coletas de amostras-
ROIs)>Existe uma variedade de algoritmos que estabelecem QUANDO e COMO os
parâmetros da Rede Neural devem ser atualizados->Algorítmos substituem a
programação necessária para a execução das tarefas nos computadores.
Aplicações Gerais:
1 Reconhecimento de padrões;
2 Classificação de Padrões;
3 Correção de padrões;
4 Previsão de séries temporais;
5 Aproximação de Funções;
6 Suporte à decisão;
7 Extração de informações.
Processamento Neural:
O processamento de uma rede neural pode ser dividido em duas fases:
• “Learning” - Processo de atualização dos pesos para a aquisição do

conhecimento (Aquisição da informação);.
• “Recall” - Processo de cálculo da saída da rede, dado um certo padrão de entrada

(recuperação da informação)
Aprendizado:
Processo pelo qual os parâmetros livres (pesos sinápticos) de uma rede neural são
adaptados através de um processo contínuo de estimulação pelo ambiente.
Existem 3 tipos básicos de aprendizado:
1 Treinamento Supervisionado;
2 Treinamento Não-supervisionado;
3 treinamento em "Batch".
No caso do ENVI 4.0 limitaremos a descrição ao treinamento supervisionado:

Treinamento Supervisionado:
A rede é treinada através do fornecimento dos valores de entrada e seus respectivos
valores da saída desejada "training pair"-> Geralmente efetuado através do processo de
minimização do erro calculado na saída.
Recuperação de Dados:
Assumindo que um conjunto de padrões tenha sido armazenado, a Rede Neural pode
executar as seguintes tarefas:
• Auto-associação;
• Hetero-associação;

• Classificação.
No caso da classificação a rede neural responde com a informação relativa às classes a
qual o padrão de entrada pertence.-> Caso especial de Hetero-associação. Ex: Padrões
de entrada com ou sem ruído .
Generalização: A rede neural responde corretamente a um padrão de entrada fora do

conjunto de treinamento.
7.1 Aplicando classificação com rede neural.
Use “Neural Net” ,disponibilizada a partir do ENVI 3.6, para executar classificação através
de estruturas de interconexão feed-forward de múltiplas camadas. A rede feed-forward
consiste em uma ou mais camadas de processadores cujo fluxo de dados possui, sempre,
uma única direção, isto é, não existe realimentação. Com base nos estudos já realizados,
pode-se afirmar que os tipos de redes neurais mais adequados são as redes
multicamadas do tipo "feed-foward" com método de aprendizagem supervisionado. A
técnica de rede neural utiliza-se do modelo de algoritmo “backpropagation” (retro-
propagação) para a aprendizagem supervisionada.
Como a maioria das aplicações utilizam o algoritmo de backpropagation ou suas variantes
para treinamento destas redes. Pode-se dizer que o algoritmo de backpropagation é uma
generalização do algoritmo do método dos mínimos quadrados, que utiliza técnicas de
gradiente descendente interativo para minimizar uma função de custo igual a diferença
média quadrada entre a saída desejada e a saída real da RNA.
7.2 Executando a Classificação “Neural Net”
Você deve primeiramente definir as ROIs para usa-las como amostra de pixels para cada
classe. Quanto mais pixels compor uma amostra, melhor serão os resultados obtidos. ,
1 - Selecione ->Classificação -> Supervisionada -> Rede Neural;

2 - Quando a caixa de diálogo de seleção do arquivo aparecer, selecione o arquivo de
entrada;

3 - Ao selecionar o arquivo desejado clique em “ok”, surgirá, então, a janela “Neural Net
Parameters”;
4 - Selecione as amostras das classes clicando nos nomes das ROI´s na lista de seleção
de classes por região (Select Classes from Regions);
5 - Selecione o método de ativação desejado clicando no botão de seleção

correspondente;
6 - Na caixa de texto "Training Threshold Contribution”, entre com um valor entre 0 e 1. A

"training threshold contribution" estipula a dimensão da contribuição do peso interno com
o respectivo nível de ativação do ponto. Ele é usado para ajustar as mudanças para um
peso interno . O treinamento do algoritmo ajusta interativamente os pesos entre os pontos
e opcionalmente o valor percentual;
7 - No campo “Training Rate” determine um valor entre 0 e 1. A taxa de treinamento

estabelece a magnitude do ajustamento dos pesos. Para valores próximos de 1 ocorrerá
um aumento de velocidade em relação processamento do treinamento, entretanto o risco
da ocorrência de oscilações ou não convergência no resultado do treinamento também
será maior;
8 - Em “Training Momentum” determine, também, um valor entre 0 e 1. Entrando com

uma taxa de permissividade maior que 0 proporcionará uma maior taxa de treinamento
sem oscilações.
9 - No campo “Training RMS Exit Criteria”, a seu critério, entre com um valor do erro RMS
para o qual o treinamento deverá parar.
Obs.1: Caso o erro RMS, que é mostrado durante a execução do treinamento, ficar
abaixo do valor limite o treinamento parará ;

10 - No campo “Number of Hidden Layers” entre com o número de “layers” internos. Para
uma classificação linear, entre com o valor “0”. No caso de uma classificação não linear
defina valores a partir de “1”.
11 - Em “Number of Training Interations”, entre com o número de interações desejado

para a execução do treinamento;
12 - Selecione a forma de saída do resultado do processamento entre as opções “File” ou

“Memory;
13 - Opcionalmente você pode selecionar uma saída para o arranjo de imagens que
representam cada classe, selecionando o botão de alternância “Yes/No” no campo
“Output Rule Images”;
14 - Clique no botão “ok” para iniciar a execução da classificação de Rede Neural “Neural
Net”. Surgirá uma janela de “status” informando o progresso da operação. Durante o
treinamento é apresentado, também, um gráfico informando o erro médio quadrado RMS
para cada interação.
Dica : Caso o RMS estiver oscilando sem apresentar sinais de convergência , tente
atribuir um valor menor para a taxa de treinamento “Training Rate” ou ROIs diferentes.
O resultado da classificação por redes neurais aparecerá na caixa de lista de bandas
disponíveis “Available bands List” quando o processamento estiver encerrado.
8. Classificação por árvore de decisão:

O classificador por árvore de decisão, disponível a partir do ENVI 4.0 é uma técnica
inovadora que executa classificações através de um processamento multi-etapas usando
uma série de decisões binárias para alocação de pixels. Cada decisão separa pixels,
pertencentes à um arranjo de imagens, dentro de duas classes baseadas numa
determinada expressão. Para cada nova classe é possível subdividi-la em mais duas
classes, ou seja, você pode definir tantas classes quanto for necessária para gerar a
classificação. Uma outra vantagem é a possibilidade de unir dados provenientes de
diferentes origens para produzir uma única decisão do classificador em árvore. Por
exemplo:
• A informação multi-espectral pode ser usada em conjunto com a informação
referente ao modelo de elevação digital (DEM) com o intuito de encontrar áreas
sujeitas ao processo de erosão do solo, ou seja, zonas que apresentam um baixo
índice de vegetação associada a uma acentuada declividade;
• Imagens georreferenciadas em projeções diferentes assim como também em
resoluções diferentes (tamanho do pixel diferente) podem ser usadas em conjunto
em uma única decisão.
Nos dois casos citados acima o ENVI reprojetará e reamostrará o arranjo da decisão de
forma instantânea.

As ilustrações a seguir mostram um exemplo da classificação por árvore de decisão no

ENVI 4.0:
8.1 Criando uma nova árvore de decisão:
1. A partir do menu principal do ENVI 4.0, selecione ->Classificação ->Árvore de

Decisão -> Criar Nova Árvore de Decisão; A janela “ENVI Decision Tree” aparecerá
já com um nó de decisão singular e duas classes subordinadas;
2. Clique com o cursor do mouse sobre o nó “Node 1” informe um nome, determine

uma expressão na janela de edição “Edit Decision Tree Properties” e clique em
“ok”;
3. Na caixa de variáveis “Variable / File Pairings “ clique sobre o nome da variável e

selecione a entrada do arquivo ou a banda associada à variável;
Obs.1: Observe que os nomes de cada nó aparecem automaticamente no diagrama da

árvore de decisão “ENVI Decision Tree”.

4. Você pode adicionar sub-classes ao nó clicando com o botão direito do mouse

sobre o nó da classe atual e no menu de atalho que aparece selecione “Add
Children”;
5. Clique sobre o novo nó, informe um nome, determine uma nova expressão e clique
em “ok” para aceitar;
6. Repita as etapas 2 e 4 adicionando tantos nós de classes quanto for necessário

para a sua classificação.
8.2 Executando uma nova árvore de decisão:
Para executar e editar interativamente uma classificação por árvore de decisão siga as
seguintes instruções:
1. Na janela da árvore de decisão no ENVI 4.0, selecione “Options”->”Execute”;
2. Ao surgir a caixa de diálogo dos parâmetros de execução “Decision Tree

Execution Parameters” selecione apenas um segmento da árvore, caso desejar, e
determine um nome de saída para a classificação;

Obs.1: Se o seus dados estão georreferenciados, selecione a imagem que servirá

como base, determine o tamanho do pixel de saída e selecione o método de
reamostragem a partir do botão de seleção;
Obs.2: No momento da execução cada nó de classe mudará de cor para verde, ou

seja, a cor verde representa o instante de processamento de cada classe durante a
execução da classificação;
3. Para visualizar detalhes sobre a quantidade de pixels em cada nó de classe,

clique com o botão direito do mouse sobre o fundo da janela da árvore de decisão
“ENVI Decision Tree” e selecione “Zoom In” a partir do menu de atalho que
surgirá. Cada nó mostrará a quantidade de pixels inseridos dentro da sua
respectiva classe. Outra fonte de informação e dada pela barra de status que
fornece detalhes no momento que você posiciona o cursor sobre o nó de classe;
4. Mesmo após a execução da classificação você poderá editar interativamente a

sua árvore de decisão clicando com o cursor do mouse sobre o nó e efetuando as
alterações desejadas na caixa ”Edit Decision Properties”
Obs.3: Você, também, pode alterar a cor e o nome da cada classe, clicando sobre o
nó da classe e informando um novo nome e uma nova cor na caixa de diálogo de
edição de classe “Edit Class Properties”;
5. Execute a classificação, novamente, e observe os resultados;
6. Repita as etapas 3 e 4 até que você esteja satisfeito com os resultados.
9. Classificador SVM (Support Vector Machine)

A partir do ENVI 4.3, você pode contar com mais um método de classificação
supervisionada. Trata-se do “Support Vector Machine” (SVM) desenvolvido especialmente
para obter bons resultados de classificação sobre imagens complexas e ruidosas. O SVM
é um sistema de classificação derivado da teoria de aprendizagem por análise estatística.
Ele separa as classes através de uma superfície de decisão que maximiza a margem de
separação entre as classes. Essa superfície também é conhecida como o hiperplano ideal
(optimal hyperplane) e os pontos que estão próximos a margem do hiperplano ideal
chamam-se vetores de suporte (support vectors). Os vetores de suporte são elementos
críticos do sistema de treinamento.
Figura F-20: Hiperplano de

Separação Entre Classes.
Penalty Parameter =100

Você pode adaptar o SVM para que ele atue como um classificador não linear através do
uso de funções “kernels” não lineares. Ainda que o SVM seja um classificador binário na
sua forma mais simples, ele pode funcionar como um classificador multiclasses, através
da combinação de vários classificadores binários SVM.
A classificação SVM inclui o parâmetro de penalidade “penalty parameter” que controla a
concessão entre os erros de treinamentos permissíveis e o limite rígido das margens,
gerando uma margem de tolerância entre classes. Dependendo do valor estipulado para o
“penalty parameter” é possível permitir que alguns pontos de treinamento estejam
situados no outro lado do hiperplano (veja figura 1 e 2 ).
. Figura F-21: Hiperplano de Separação Entre Classes.

Penalty Parameter = 50
O classificador SVM do ENVI dispõe de

quatro tipos de funções Kernels: linear,
polynomial, radial basis function (RBF), e
sigmoid. O padrão é a função RBF, visto que
funciona bem na maior parte dos casos. A
figura ao lado mostra a arquitetura de uma
rede RBF. Um vetor x é usado como entrada
para diversas RBFs, cada uma com diferentes
parâmetros. A saída da rede é uma
combinação linear das saídas das RBFs.
Figura 3: Rede RBF
A representação matemática de cada função kernel segue listada abaixo:
Linear K(xi,xj) = xiTxj

Polynomial K(xi,xj) = (γxiTxj + r)d, γ > 0
RBF K(xi,xj) = exp(-γ||xi - xj||2), γ > 0
Sigmoid K(xi,xj) = tanh(γxiTxj + r)

Onde:
γ é o termo gama da função kernel para todos tipos de kernel, exceto linear.
d
refere-se ao termo do grau polinomial da função kernel do tipo polinomial.
r refere-se ao termo de inclinação da função kernel do tipo polinomial e sigmoid.
γ, d, e r são parâmetros controlados pelo usuário e a suas corretas definições
representam uma maior acurácia na solução do processamento SVM.
O processamento de grandes cenas em alta resolução consomem um certo tempo,

entretanto no sentido de melhorar a eficiência do processamento, sem degradar o
resultado, o classificador SVM aplica um processo hierárquico de redução da resolução
da imagem que consiste das seguintes etapas:
1. O ENVI reamostra a imagem para um nível de resolução mais baixo;
2. O ENVI reamostra, também, as ROIs para a mesma resolução da imagem;
3. O classificador SVM executa o treinamento sobre a imagem e as ROIs em resolução

reduzida;
4. O Classificador SVM examina todos valores de ‘’rule image” para determinar os pixels
que excedem o parâmetro “reclassification probablility threshold”. As informações de
classe e probabilidade são associadas a estes pixels e armazenadas para serem
aplicadas, posteriormente, no resultado da classificação.
5. O processo de verificação continua na direção do próximo nível piramidal de maior

resolução até que atinja o layer da máxima resolução.
9.2 Aplicando Classificação Através do Método SVM
Antes de executar o processo, é preciso selecionar ROIs ou vetores para serem usados
como amostras de cada classe. Quanto maior a quantidade de pixels em cada amostra,
em geral, melhor serão os resultados.
1. A partir do menu principal do ENVI, selecione “Classification > Supervised > Support
Vector Machine”;
2. Selecione o arquivo de entrada e, opcionalmente, execute um subrecorte na imagem
ou clique em “OK” para processar toda a imagem;
3. Na lista “Select Classes from Regions”, selecione ao menos uma ROI e / ou vetor
como amostra de classe. A lista de ROIs é derivada a partir das ROIs disponíveis na
caixa de diálogo ROI Tool. A lista de vetores é derivada a partir de vetores carregados
na lista de vetores disponíveis. O número máximo de amostras são 16.
4. Selecione um tipo de função “Kernel” para ser aplicada no processo de maximização
da margem do hiperplano, a partir do menu em cascata “Kernel Type”. As opções são
Linear, Polynomial, Radial Basis Function (RBF), e Sigmoid. Dependendo da opção
selecionada, campos adicionais irão aparecer.

Figura F-22: Caixa de Parâmetro da Classificação SVM
5. Se o “Kernel Type” for “Polynomial”, defina o grau do “Kernel Polynomial” “d” para ser
aplicado na classificação SVM. O valor mínimo é 1, o padrão é 2 e o máximo valor é 6.
6. Se o “Kernel Type” for “Polynomial” ou “Sigmoid”, especifique o grau de inclinação da
função kernel “r”. O valor padrão é 1.
7. Se o “Kernel Type” for “Polynomial”, “Radial Basis Function” ou “Sigmoid”, use o
parâmetro “Gamma” do campo “Kernel Function” γ. Este valor apresenta-se no
formato ponto flutuante com valores maiores que 0. O padrão é o inverso do número
de bandas relativo a imagem de entrada (1/num bandas).
8. Especifique o parâmetro de penalidade “Penalty Parameter” para o algorítmo SVM
usar. Este valor deve apresentar-se no formato ponto flutuante maior que 0. O
parâmetro de penalidade controla a concessão entre os erros de treinamentos
aceitáveis e o limite da margem do hiperplano . Quanto maior for o valor do parâmetro
de penalidade, mais rígido será gerado o modelo de separação entre classes, ou seja,
menor será a tolerância entre classes. O valor padrão é 100.

9. Use o campo “Pyramid Levels” para definir o número hierárquico de níveis piramidais
de processamento para serem aplicados durante o treinamento SVM e o processo de
classificação. Se este valor for 0 (valor padrão), o ENVI processa a imagem em
resolução completa, somente. O valor máximo é dinâmico, isto é, varia com o
tamanho da imagem selecionada. O máximo valor é determinado através do critério
de maior nível piramidal da imagem que considera dimensões superiores a 64 x 64.
Por exemplo, para uma imagem que possui dimensão de 24000 x 24000, o nível
máximo é 8.
10. Se o campo dos níveis piramidais for um valor maior que 0, especifique o valor do
campo “Pyramid Reclassification Threshold” referente a restrição de probabilidade
que um pixel, classificado num nível de resolução mais baixo, deva possuir para evitar
que venha a ser reclassificado num nível de resolução mais alto. O intervalo deve
variar entre 0 e 1. O valor padrão é 0.9.
11. Use o campo “Classification Probability Treshold” para definir a probabilidade
requerida para o classificador SVM classificar um determinado pixel. Os pixels onde
todas regras de probabilidade são menores que o valor de restrição serão
considerados como não classificados. O intervalo da restrição de probabilidade varia
entre 0 e 1. O valor padrão é 0.
12. Selecione uma saída para o resultado da classificação “File” ou “Memory”
13. Responda a pergunta “Output Rule Images?” através do botão seletor, caso você
deseja gerar ou não uma saída para as imagens de regra. As imagens de regra são
usadas para criar resultados de classificação intermediários antes da classificação
final. Você pode, posteriormente, usar as rule images através da função “Rule
Classifier” para criar uma nova classificação sem ter que recalcular a classificação
inteira;
14. Se você selecionar “Yes” para gerar as rule images, selecione uma saída em “File” ou
“Memory”;
15. Clique em “OK” para que o ENVI processe e adicione o resultado na lista de bandas
disponíveis. Se você selecionar a saída para as “rule images”, o ENVI criará uma rule
image para cada classe com os valores de pixel equivalentes a porcentagem (0-100%)
das bandas que combinam com essa classe. As áreas que satisfazem a restrição de
probabilidade mínima serão consideradas como áreas classificadas dentro da
imagem.

9.3 Comparação Entre a Imagem Landsat e a classificação SVM
Figura F-23: Imagem Landsat – composição falsa cor Figura F-24:Classificação SVM – Imagem Landsat

G - Filtros
Todas as imagens possuem limites entre áreas com diferentes respostas em relação à
energia eletromagnética. Esses limites podem ocorrer entre diferentes coberturas do
terreno (solo, vegetação, rocha, áreas urbanas etc.) ou podem representar o contato entre
áreas com diferentes condições de iluminação, devido ao sombreamento topográfico. Em
uma imagem monocromática, esses limites representam, portanto, mudanças bruscas de
um intervalo de níveis de cinza para outro. Ao se plotar esses limites em um gráfico, eles
serão representados por um gradiente bastante acentuado, podendo chegar a vertical.
Limites deste tipo são conhecidos como bordas (Crósta, 1993, p. 76). As bordas ocupam
geralmente áreas pequenas na imagem, são estreitas e são chamadas feições de alta
freqüência (limites entre áreas sombreadas e iluminadas, redes de transporte, redes de
drenagem, estruturas geológicas e outras).
Por outro lado, os limites gradacionais variam mais uniformemente com a distância,
sendo, consequentemente, menos nítidos. São as chamadas feições de baixa freqüência
(áreas uniformes em imagens).
As técnicas de filtragem, da mesma forma que as manipulações de contraste, são

transformações na imagem de pixel à pixel. Entretanto, a modificação na imagem filtrada
não depende, neste caso, apenas do nível de cinza de um determinado pixel da imagem
original, mas também do valor dos níveis de cinza dos pixels vizinhos àquele. Por isso, a
filtragem espacial é uma transformação que depende do contexto em que se insere um
dado pixel.
• Selecione, dentro do menu principal, a opção “Filtros”. Neste capítulo veremos

melhor como eles funcionam.
1. Filtros de convolução
Os filtros de convolução operam no domínio espacial de

uma imagem. Existem três tipos básicos de filtro de
convolução: filtros passa-baixas, passa-altas e
direcionais.
Ao lado vemos imagem original sem passar por qualquer

tipo de filtragem. Logo a seguir mostramos o resultado de
diversos tipos de filtragem sobre esta imagem.

comandos “ Filtros – Convolução ou Morfologia”.
• Carregará a janela “Convolution and Morphology

Tools”. Selecione a caixa de diálogo Figura G –1: Imagem
Convolutions... monocromática

1.1. Filtro passa-altas ("high pass")

O filtro passa-altas elimina as baixas freqüências espaciais na imagem, deixando apenas
as altas freqüências, normalmente expressas por bordas ou limites entre áreas de
diferentes valores de níveis de cinza (Crósta, 1993, p. 83).
Como regra geral, um filtro passa-altas

normalmente vai realçar feições de dimensões
menores do que a dimensão da máscara usada.
O filtro passa-altas padronizado do ENVI usa
uma máscara de 3 x 3 pixels, com um valor do
pixel central de 8, e o valor de -1 para os pixels
exteriores (Figura G-2) . Neste caso, a média da
imagem abaixa, pois a soma dos valores do filtro
é igual a zero. Substituindo valor do pixel central
de 8 para 9, a soma dos componentes da
máscara vale 1, preservando assim a média da
imagem.
Exemplo: Filtro Sharpen. (Coloque o valor

desejado no centro da matriz 3X3; se o filtro for Figura G –2: Filtro passa-altas ("high
Sharpen 18, coloque 18 no centro e, em “image pass")
Add back”, coloque 0%”. Clique em “Apply To
File” para salvar a imagem filtrada. Isso é muito
importante, porque apenas aplicando o filtro Sharpen usando a função do display da
imagem (Em “Realce – Filter...), não é possível salvar o filtro.
Vantagem: aumenta os contrastes numa imagem.
Desvantagem: produz, muitas vezes, bordas artificiais, que podem confundir o intérprete.
(a) (b)
Figura G –3: Imagens filtradas com máscaras 3x3 e valor central

8 (a) e 9 (b)

1.2. Filtro passa-baixas - filtro média ("low pass")
A maior utilização dos filtros passa-baixas é na remoção de ruídos, comuns em imagens

de satélite. O filtro passa-baixas preserva as baixas freqüências na imagem, provocando
um efeito de suavização ("smoothing"). Outra
característica desses filtros é que o efeito de suavização
aumenta proporcionalmente à dimensão da máscara
usada.
O filtro média é um dos tipos mais simples de filtros

passa-baixas e o seu efeito é o de substituir o nível de
cinza de um pixel pela média aritmética do pixel e de
seus vizinhos. A Figura G-4 apresenta a caixa de
diálogo do filtro passa-baixas.
Vantagem: preserva as bordas na imagem, suavização

da imagem (efeito de desfocagem), bom para
Figura G-4 : Exemplo de eliminação de ruídos, se o caso for imprimir a imagem.
aplicação do filtro de passa-
baixa Desvantagem: perda de informação.
1.3. Filtro laplaciano (passa-altas)
Este filtro é útil na detecção de bordas. Geralmente, a soma dos pesos da máscara é
igual a zero (Crósta, 1993, p. 85). Ele usa uma máscara com um alto valor central,
cercado de valores negativos nas direções N-S e E-W e o valor zero para os pesos da
máscara.
Vantagem: detecção de bordas.
Desvantagem: não considera a direção das bordas.
1.4. Filtro direcional (passa-altas)

Este filtro é um tipo especial de passa-altas e representa, na verdade, uma combinação
de filtragem passa-altas e limiarização de níveis de cinza. O ângulo pode ser digitado na
caixa de texto que se abre quando é selecionado a opção “Directional”. Note que o ângulo
de 0 º corresponde à direção norte; 90º corresponde à direção oeste, etc.
Vantagem: realça bordas em direções predeterminadas.
Desvantagem: produz, muitas vezes, bordas artificiais, que podem confundir o intérprete

1.5. Filtro gaussiano

Pode ser usado como um filtro passa-altas ou passa-baixas. Usa a função gaussiana para
uma máscara definida. Pode-se escolher entre "High Pass" e "Low Pass".
1.6. Filtro mediana (passa-baixas)

Neste tipo de filtro passa-baixas, o pixel central da máscara é substituído pelo valor
mediano dos seus vizinhos.
Vantagem: preserva as bordas na imagem; homogeiniza a imagem.
1.7. Filtro Sobel (passa-altas e direcional)

O filtro Sobel é um filtro não-linear para realçar bordas e representa uma aproximação à
função de Sobel. O tamanho da máscara (3 x 3) não pode ser mudado.
Filtro N - S Filtro E - W
1 2 1 -1 0 1
0 0 0 -2 0 2
-1 2 -1 -1 0 1
Filtro NW - SE Filtro NE – SW
-2 1 0 0 1 2
-1 0 1 -1 0 1
0 1 2 -2 1 0
Vantagem: detecção de bordas.
Desvantagem: produz, muitas vezes, bordas artificiais, que podem confundir o intérprete.
1.8. Filtro Roberts (passa-altas e direcional)

O filtro Roberts é um filtro não-linear parecido com o filtro Sobel e representa uma
aproximação à função de Roberts. O tamanho da máscara (2 x 2) não pode ser mudado.
Vantagem: realçar e isolar bordas em direções predeterminadas.
Desvantagem: produz muitas vezes bordas artificiais, que podem confundir o

intérprete.
Vertical Horizontal
0 -1 0 -1
1 0 1 0

2. Filtros morfológicos
A filtragem morfológica é um método não-linear
baseado em uma forma ("shape"). Os filtros
morfológicos são utilizados para quantificar as
estruturas geométricas. O ENVI oferece várias
máscaras predefinidas para a filtragem
morfológica (figura G-5).
2.1. Dilatação ("Dilate")

O filtro de dilatação é usado para fechar
"buracos", que são menores que a máscara
definida numa imagem binária ou em tons de
Figura G-5: Janela do filtro Erode, que cinza, mas também para expandir uma classe.
faz parte dos filtros morfológicos
2.2. Erosão ("Erode")

O filtro de erosão é usado para afastar grupos de pixel, que são menores que a máscara
definida numa imagem binária ou em tons de cinza.
2.3. Abertura ("Opening")
A abertura de uma imagem é definida como a erosão da imagem, seguida pela sua
dilatação, aplicando-se o mesmo elemento estrutural. Este filtro causa uma suavização
nos contornos de uma imagem, eliminando pequenos agrupamentos de pixels. O mesmo
resultado pode ser obtido usando-se sucessivamente os filtros de dilatação e de erosão.
2.4. Fechamento ("Closing")

O fechamento de uma imagem é definido como a dilatação da imagem, seguida pela sua
erosão, aplicando-se o mesmo elemento estrutural. Este filtro causa uma suavização nos
contornos de uma imagem. O mesmo resultado pode ser obtido usando-se
sucessivamente os filtros de dilatação e de erosão.
• Selecione “Morphology” e escolha o filtro desejado
Escolha o estilo do filtro:

"Binary": pixels de saída em branco e preto
"Grey Scale": preserva os gradientes
"Value": os valores da máscara vão ser adicionados ou subtraídos aos pixels selecionados

3. Filtros de textura
Várias imagens contêm regiões que são caracterizadas por variações de luminosidade. O
filtro de textura refere-se às variações espaciais de tons da imagens como uma função de
escala. Especialmente para aerofotos, a aplicação de filtros da textura é recomendada.
Para o intérprete é fácil reconhecer as diferenças de textura numa imagem. A

quantificação através do processamento digital é bem mais complexa, porque não existe
uma definição geral de textura. Ao contrário das caraterísticas espectrais, que descrevem
as variações de tonalidade de um objeto, a textura contém informações sobre a
distribuição espacial das variações de tonalidade de um objeto. Adicionalmente, estas
variações de tonalidade podem ser consideradas como uma função de escala na qual o
objeto é observado.
Informações adicionais sobre filtros de textura podem ser encontrado em Russ, J. C. (1992),
Barbar, D. G. & LeDrew, E. F. (1991) e Haralick, R. M., Shanmugan, K., & I. Dinstein (1973).
3.1. Aplicando o filtro “Occurrence Measures”
Use o filtro “Occorrence Measures” para aplicar qualquer um dos 5 tipos disponíveis de
filtros baseados em medidas de ocorrência. Os filtros de ocorrência usam o número de
ocorrências de cada nível de cinza dentro da janela de processamento (vide figura G-6)
para o cálculo da textura
• Selecione, dentro do menu principal, a cadeia de comandos “Filtros – Textura –

Occurrence Measures”
• Aparece a caixa de diálogo “Texture Input File”. Selecione a imagem desejada e

clique em OK.
• Aparece a caixa de diálogo “Occurrence Texture

Parameters” (Figura G-6).
• Selecione os filtros de textura. O ENVI fornece 5

tipos diferentes de filtros de textura: Data Range,
Mean, Variance, Entropy e Skewness.
• No campo “Processing Window”, entre com o

número de linhas e colunas correspondente a
área considerada (pixels) para a avaliação da
textura.
Figura G-6: Caixa de diálogo
• Selecione “File ou Memory” e clique em OK. O dos parâmetros do filtro de
resultado aparecerá na janela de lista de bandas textura do tipo “Occurrence”
disponíveis.

OBS.: O processamento é feito banda por banda.
Figura G-7: Caixa de diálogo

dos parâmetros do filtro de
textura do tipo “Co-
Occurrence”
3.2. Aplicando o filtro “Co-Occurrences Measures”
Use o filtro “Co-Occurrence” para aplicar automaticamente 8 diferentes tipos de filtros de

textura baseado na matriz de co-ocorrência. É incluída as opções mean, variance,
homogeneity, contrast, dissimilarity, entropy, second moment e correlation. O filtro de co-
ocorrência usa os tons de cinza em função da matriz de cálculo dos valores de textura.
Esta matriz é a matriz das freqüências relativas com as quais os valores dos pixels
ocorrem nas duas vizinhanças da janela de processamento separadas por uma distância
e direção específica. Então é mostrado o número das ocorrências entre um pixel e seu
especificado vizinho. Por exemplo, a matriz “co-occurrence” mostrada abaixo foi
produzida usando cada pixel da matriz e seu vizinho horizontal (com shift de 1 para X e 0
para Y) para uma janela de 3X3.
4 3 5
3 5 6
6 4 3
Pixels iniciais
3 5 6
Shift
5 6 3
4 3 6
Shift
• Selecione , dentro do menu principal, a cadeia de comandos “Filtros – Textura – Co-

Occurrence Measures”.

• Aparece a janela “Co-Occurrence Texture Parameters” (Figura G-7).
0 0 2 1
2 0 0 0
0 0 0 2
1 1 0 0
Matriz de co-ocorrência
• Entre com o valor e shift, de linhas e colunas da área considerada em “Processing

Window” , escolha File ou Memory e clique em OK.
Figura G-7: Caixa de diálogo dos parâmetros do filtro

de textura do tipo "Co-Occurrence"
4. Filtro FFT (Transformada de Fourier)

Agora veremos como funciona o filtro FFT (Fast Fourier Transform filtering), que é um
filtro que trabalha no domínio das freqüências da imagem, ao contrário dos outros filtros,
que trabalham no domínio real, ou seja, o domínio do nível dos tons de cinza. O filtro FFT,
como trabalha com as freqüências, e toda a freqüência sempre possui uma componente
real e uma complexa, o ENVI transforma o dado da imagem real em um dado complexo,
que acarreta uma imagem só com as freqüências da imagem e com um tamanho de
arquivo bem maior que o original.
4.1. FFT Adiante
O primeiro passo para o procedimento de aplicação de filtro FFT é trabalhar no domínio

das freqüências da imagem, para isso, deveremos ter o dado real (a imagem). No nosso
exemplo, usaremos uma imagem do sensor Aster 1A, na qual tem uma falha sistemática e
o melhor método para eliminar essa falhas e preservar ao máximo possível as
informações de alta freqüências da imagem (ex.: borda de estradas) é o filtro FFT.

Figura G-8: Típica imagem de uma cena Aster

do nível de correção 1A, apresentado nas
janelas Scroll, Window e Zoom. Note a falha
sistemática na imagem, principalmente nas
janelas de Scroll e Zoom.

comandos “Filtros – Filtragem FFT – FFT Adiante”
• Aparecerá a janela “Forward FFT Input File”. Selecione a banda desejada. e clique
em OK.
É recomendado que se use o filtro FFT banda por banda, e não na imagem inteira
Para não produzir resultados indesejáveis, o número de linhas e colunas da imagem
obrigatoriamente tem que ser par, já que a série de Fourier é uma série par.
• Aparece a janela “Forward FFT Parameters”. Escolha File ou Memory e clique em

OK.
4.2. Definição de filtro e remoção manual das altas freqüências
O resultado do processo de FFT adiante aparecerá na lista de bandas disponíveis. A

imagem gerada é um dado complexo, agora nós saímos do campo real e entramos no
campo imaginário, e aí nós eliminaremos as altas freqüências que não nos interessam. A
figura G-9 mostra a imagem complexa gerada da banda 1 da cena Aster em questão:

Figura G-9: Banda 1 de uma cena Aster 1A no domínio da freqüência.
• Carregue a imagem complexa numa janela do ENVI.
Agora usaremos a definição de filtro, onde separaremos

as altas freqüências desejadas, ou seja, separaremos as
altas freqüências que representam ruídos e falhas das
altas freqüências que representam informações na
imagem. As falhas e ruídos tendem a se agrupar nas
bordas da imagem, e as informações de alta freqüência
da imagem tendem a se agrupar no centro da imagem
complexa.

comandos “Filtros – Filtragem FFT – Definição de
Filtro”.
• Aparecerá a janela “Filter Definition” (Figura G-

10). Figura G-10: Janela “Filter
Definition”
Agora o usuário deverá definir as altas freqüências que serão eliminadas e as que
continuarão na imagem. O processo consiste em determinar com linhas, polígonos,
pontos, etc... veremos como funciona esse processo.

Acesse, dentro do menu da janela “Filter Definition”, a opção “Filter Type”. As opções
serão:
- Circular Pass/Cut
- Band Pass/Cut
- User Defined Pass/Cut
A diferença entre o “pass” e o “cut” é que o “pass” o usuário define, na imagem complexa,
as freqüências em que se deseja que permaneça na imagem, e no “cut” o usuário define
as freqüências que serão removidas.
O campo “Samples” e “Lines” serão automaticamente preenchidos se o display da

imagem complexa estiver aberta. A opção “Number Of Border Pixels” determina a
região de suavização, em pixels, entre a área excluída e a preservada. Exemplo: Se
escolhermos o filtro circular pass, e escolhermos um raio de 100 pixels, a princípio todos
os 100 pixels internos ao círculo serão preservados e todos os 100 pixels externos ao
círculo serão excluídos. Mas, se escolhermos uma suavização de 10 pixels, haverá uma
suavização linear entre 5 pixels do interior e 5 pixels do exterior do círculo.
4.2.1. Circular pass/cut
O tipo circular define, na imagem complexa, nada menos do que um círculo entre ela
(Figura G-11).
Figura G-11: Filtro definido pelo

“Circular Cut” (a) e “circular
pass”(b)
a b
Todas as informações de alta freqüência contida na região hachurada serão excluídas (a)
e serão mantidas (b).
• Selecione, dentro do menu da janela “Filter Definition”, a cadeia de comandos

“Filter Type – Circular Pass/Cut” . determine o raio, em pixels, e se necessário, o
valor do “Number Of Border Pixels” e clique em “Apply”.

4.2.2. Band pass/cut

“Filter Type – Band Pass/Cut” . determine o raio, em pixels, do círculo interior e
exterior se necessário, o valor do “Number Of Border Pixels” e clique em “Apply”
(Figura G-12).
Figura G-12: Filtro definido pelo

“Circular Cut” (a) e “circular
pass”(b)
a b
4.2.3. User Defined pass/cut
Aqui o usuário define as freqüências que serão mantidas e removidas. Para isso, é
definido as áreas através da ferramenta de anotação (Annotation).

“Filter Type – User Defined Pass/Cut”
Também selecione, dentro da janela onde está aberta a imagem no domínio da

freqüência, a cadeia de comandos “Overlay – Annotation” .
Defina, com polígonos, as freqüências em que se quer remover (Cut) ou manter (Pass).
Se é um arquivo de anotação já salvo, clique no botão “Ann File” e carregue o arquivo de

anotação já salvo.
Se os polígonos estiverem no display, apenas salve o arquivo, clicando em File ou

Memory.
4.2.4. Resultados
Os resultados aparecerão na lista de bandas disponíveis “Available Bands List”. Esses

resultados serão usados para fazer o processo inverso.

4.3. FFT Inversa
Agora, será feito o processo

FFT inverso, na qual nós
retornaremos com a imagem
original, já filtrada.
• Selecione, dentro do
menu principal, a
cadeia de comandos
“Filtros – Filtragem FFT
– FFT Inversa”.
• Aparecerá a janela
“Inverse FFT Input File”.
Selecione a imagem no
domínio da freqüência e
clique em OK.
• Aparece a janela
“Inverse FFT Filter File”
. selecione o resultado
do filtro e clique em OK.
Aparecendo a nova janela para

salvar o arquivo, escolha File
ou Memory, também o tipo de
arquivo (byte, integer...) e
clique em OK. O resultado
aparece na lista de bandas
disponíveis. Veja ao lado o
resultado:
Importante!!!
O processamento envolvendo
a filtragem FFT é um Figura G-13: Resultado de uma transformação de
processamento que utiliza a Fourier, usando o método “User Defined Cut”: Veja que o
memória RAM, portanto, como ruído desapareceu
se trata de um dado complexo,
o sistema precisa alocar 8
vezes o tamanho da imagem em Bytes para executar o processamento; caso não estiver
disponível memória RAM suficiente, o sistema pode , ou demorar muito (sistema Windows
NT/2000) ou até cair (Windows 95/98) por falta de memória virtual.

H: Visualização e Análise de Dados Vetoriais

Os arquivos vetoriais se caracterizam pela sua capacidade de sintetizar uma informação,
que pode ser por exemplo um atributo geográfico ou estatístico da imagem. Se tomarmos
como exemplo as curvas de nível de um terreno, bem como o valor de número digital
(DN) médio de diferentes regiões da cena, temos então atributo geográfico e estatístico
respectivamente.
Há, no entanto, inúmeras outras aplicações que podem ser realizadas a partir de dados
vetoriais. O ENVI engloba uma série de recursos e ferramentas que possibilitam aos
usuários criar e manipular dados vetoriais de maneira eficiente e segura.
Neste capítulo, mostramos algumas das aplicações mais freqüentes e interessantes,

demonstrando a potencialidade e a praticidade dos recursos do ENVI para realizá-las.
Salientamos que, por mais completos que sejam os exemplos e comentários mostrados a
seguir, eles não são exaustivos. Deve-se sempre tentar criar o seu próprio exemplo,
seguindo os passos apresentados, para fixar o conhecimento adquirido.
1. Utilização e aplicação de dados vetoriais

Os arquivos de dados vetoriais que podem ser abertos são o ARCView Shape (.shp),
AutoCAD vector format (.dxf), ARC/INFO Interchange (.e00), MapInfo Interchange (.mif),
Microstation DGN (.dgn), USGS Digital Line Graph (.dlg) e USGS SDTS, além do formato
próprio (.evf) do ENVI.
Na seção 3.3 do capítulo B deste guia, há uma descrição desses arquivos e de como abri-
los e convertê-los para o formato vetorial do ENVI (.evf).
A partir dos dados vetoriais desses arquivos, podemos obter algumas informações úteis,
tais como o perímetro e a área de uma região (polígono), a cota de uma curva de nível ou
de um pico de montanha, ou ainda a temperatura de uma isoterma; enfim, há um grande
número de informações que podemos obter através dos dados vetoriais. Estas
informações de que dispomos são denominadas atributos dos dados vetoriais.
1.1. Começando a trabalhar com dados vetoriais
Para mostrar como visualizar os atributos dos dados vetoriais, tais como localização
geográfica, cota em um ponto, etc., abrimos um arquivo de dados vetoriais que vem
instalado no diretório ~\envi40\data, contendo, além de outras informações, a localização,
o nome e o estado de algumas cidades norte-americanas. O arquivo que contém esses
dados está no formato ARCView Shape, denominado cities.shp.
• Para abrir selecione “Vetor – Abrir Arquivo de Vetor – ARCView Shape File” e vá
até o diretório onde se localiza o arquivo cities.shp, que está no CD 1 e no diretório
\envidata\esri_gis.

Aparece a janela Import ArcView Shape File Parameters, onde no campo Layer Name
há o nome camada ( layer ), cujo padrão é o próprio nome do arquivo selecionado. Pode-
se escolher na opção Output Result, se o resultado irá para um arquivo .evf ou para a
memória volátil (RAM) do computador. E também a
projeção a ser utilizada em Output Projection, onde
escolhemos para o exemplo a opção Geographic
Lat/Lon.
É permitido que se escolha um outro nome para a

camada a ser criada a partir dos dados do arquivo.
Por exemplo, denominamos a camada como Cidades
Americanas (Figura H1). Clique em OK e será
mostrada a janela Avaliabe Vector List (Figura H2).
Na janela Available Vector List é mostrada a camada

“Cidades Americanas”; quando selecionado é
mostrado o seu nome, se foi carregado na memória
(In Memory) ou em arquivo, número de objetos e nós
(como aqui todos os objetos são pontos
representando cada cidade, o número de objetos e
nós coincidem), a projeção adotada (Geographic
Lat/Lon) e por fim informa se os objetos contém
atributos ou não (Yes).
Podemos então carregar o arquivo states.shp, no

mesmo diretório,
que contém os
polígonos que
demarcam as
fronteiras políticas
Figura H-1: Parâmetros do entre os estados
arquivo vetorial norte-americanos
e visualizá-los
junto com os
pontos referentes
às cidades. O procedimento é praticamente o mesmo
usado para abrir o arquivo anterior. Desta vez
chamamos esta camada de Estados. Ao carregar a
camada selecionada (Load Selected), abrem-se as
janelas Vector Window Parameters #1 (Figura H3) e
Vector Window #1(Figura H4).
Figura H-2: Listagem de Camadas

Disponíveis

Figura H-5: Vector Information

(informações sobre o layer
cidades)
Figura H-3: Listagem de camadas

carregadas
Figura H-6: Vector

Information (informações
sobre o layer Estados
Figura H-4: Vector Window
• Clique no botão Apply, que serão visualizados os pontos e polígonos correspondentes

às cidades e aos estados respectivamente, em Vector Window # 1 (Figura H-4).
Note que pressionando e arrastando o botão esquerdo do mouse sobre os pontos do

gráfico, é mostrada a localização em latitude e longitude de cada um dos pontos da
camada ativa, no campo Location da janela Vector Window Parameters #1.

Se a opção Vector Information em Options estiver selecionada, será aberta uma janelinha
que - além da localização dos objetos - mostra também os atributos de cada objeto, o
perímetro e área em caso de objetos tipo polilinha/polígono (Figura H-5).
Para ampliar a visualização de uma determinada área ("zoom") deve-se definir um

retângulo pressionando e arrastando o botão do meio (ou pressione Control + botão
esquerdo) do mouse até que a moldura cubra a região de interesse. Isso foi feito para
podermos visualizar melhor a região do estado da Florida (Figura H-4). Para voltar à
escala anterior basta clicar uma vez com botão do meio do mouse em qualquer área da
janela.
O asterisco (*) ao lado do nome do layer significa que essa camada está ligada - com
"Apply" serão atualizadas as caraterísticas dela conforme a definição em "Edit Layer".
Experimente ver o que acontece modificando alguns parâmetros de visualização em “Edit

Layers”; alterando os símbolos dos pontos, sua cor , seu tamanho, etc.
• Para ativar a camada estados basta selecioná-la em “Available Vector Layers”.

Agora ao passar o cursor sobre o polígono correspondente ao estado da Flórida, a
janela Vector Information mostrará os atributos deste polígono (Figura H6).
O cursor fica sempre "guiado" pelas coordenadas do layer selecionado. Para mover o
cursor livremente faça um duplo-clique no layer selecionado (desaparece o asterisco, a
camada está desligada), ou clique em "Edit Layer" e a dupla flecha do lado do nome do
layer.
Os atributos das cidades e estados americanos estão armazenados em seus respectivos

arquivos de banco de dados, denominados cities.dbf e states.dbf. Isto permite que
possamos fazer uma busca orientada das cidades e/ou estados, definindo os parâmetros
requeridos, para destacar a visualização destas cidades e/ou estados. Vamos para um
exemplo prático:
• Selecionando “Options – Query Attributes” , a janela Layer Attribute Query

aparecerá, que é o ambiente próprio para fazer busca de atributos usando
operação lógicas. Os objetos onde o resultado desta operação for verdadeiro
(True), serão alocados em uma nova camada.
Um detalhe interessante é que estes arquivos de banco de dados podem ser visualizados
externamente pelo software de edição de planilha eletrônica Excel, da Microsoft Corp.
O termo operação lógica significa que é feita uma busca utilizando operadores lógicos -
maior do que, menor do que, igual a, etc. Isto é, se quisermos encontrar os estados com
mais de dez milhões de habitantes em 1996, a operação lógica correspondente é
POP1996 >10.000.000.
Antes de clicar no botão “start”, defina um nome, no campo “Query Layer Name”, para a
camada que receberá os objetos que irão se enquadrar ao critério de busca que será
estabelecido. De preferência um nome que lembre a operação lógica que foi realizada. No
exemplo, o nome escolhido é elev_gt_2000, onde elev se refere ao atributo ELEVATION
(elevação), e _gt_2000 simboliza a operação greater than 2000, isto é, maior do que

2000. É necessário ainda definir a saída em arquivo ou memória, por fim, clique no botão
“start”.
Aparece a janela “Query Condition” (Figura H7), onde no primeiro botão é escolhido a
atributo a ser pesquisado, enquanto que o segundo define operador lógico a ser utilizado.
Já no campo “Numeric Value” deve ser entrado o valor que será usado como critério na
operação booleana.
Os operadores listados são:
Maior do que - >
Maior ou igual a - >=
Menor do que - <
Menor ou igual a - <=
Igual a - ==
Diferente de / não igual a - !=
Figura H-7: Janela “Query Condition”
Após apertar OK note que os botões AND e OR,

assim como CLEAR deixaram de estar
desabilitados. Isto ocorre porque agora, além da Figura H-8: Visualização dos
possibilidade de eliminar a operação booleana resultados da busca
criada, pode-se refinar a busca com o acréscimo
de operadores booleanos.
Podemos combinar os atributos de modo a tornar a busca tão específica quanto

desejarmos. Se quisermos criar uma camada com apenas as cidades com elevação maior
do que 2000 do estado do Colorado a expressão booleana correspondente é
(ELEVATION >2000 AND STATE_NAME=="California").
Os operadores booleanos são aqueles que comparam as operações lógicas realizadas.

Na operação booleana (ELEVATION > 2000 AND ELEVATION < 3000 ), temos duas
operações lógicas. O operador booleano AND determina que, se o atributo ELEVATION

for maior do que 2000 e menor do que 3000, a operação booleana retornará valor
verdadeiro e a cidade com este atributo será incluída na camada.
O resultado pode ser visto na figura H8. Caso se deseja localizar uma cidade específica
no mapa, basta visualizar os atributos vetoriais do banco de dados. Para isso selecione
Options à View / Edit Attributes... e depois clique sobre o nome da coluna CITY_NAME e
a ordene em ordem alfabética com a opção Sort by Selected Column Forward em
Options.
Ao encontrar a cidade desejada, basta clicar sobre o número da linha correspondente que
a cidade será destacada no gráfico com a cor de Highlight atual.
Figura H-9: Ambiente de edição do banco de dados dos atributos

da camada
1.2. Trabalhando com dados vetoriais agregados a dados raster
Aliar a facilidade e flexibilidade de manipulação dos dados vetoriais com a capacidade de

processamento (classificação, estatística de ROIs, etc) e de visualização de dados raster,
só pode levar a bons resultados. Uma sobreposição (overlay) de um dado vetorial - uma
rede de drenagem, por exemplo , em uma imagem digital (dado raster) fornece um
resultado rico e de grande utilidade, tendo aplicações em várias áreas, como Cartografia e
Geografia.
No exemplo descrito a seguir é efetuado um overlay sobre uma imagem digital EOSAT
(0826_ms.img) de uma zona agrícola, com resolução espacial reamostrada de 4m (quatro
metros). O arquivo contém 4 bandas similares às 4 primeiras bandas do sensor
LANDSAT/TM. A composição escolhida aqui foi RGB-321. A imagem e os dados vetoriais
encontram-se no seu "Tutorial e Data CD" , no diretório \envidata\si_eosat\ .
• Após abrir e visualizar a composição colorida, o próximo passo consiste em carregar

um arquivo com dados vetoriais. Selecione a cadeia de comandos “Vetor – Abrir
Arquivo Vetorial – ARCView Shape File”
Depois de aparecer a janela “Import ArcView Shape File Parâmeters”, novamente,

aparecerá a janela “Available Vectors List” ,e depois de carregar o Layer, no qual
chamamos de Vetorial, aperte o botão Load Select, e em seguida aparecerá uma
pequena janela chamada “Load Vector...” , onde o usuário escolhe se quer carregar os
vetores dentro do display ativo ou dentro de um novo display. Surgirá após a janela “#1
Vector Parameters” que é semelhante a janela “Vector Window Parameters #1” mostrada
anteriormente, com a diferença de que agora deve-se optar por qual janela de

visualização da imagem (Image/Scroll/Zoom/Off), ficará ativa a camada aberta. Também

podemos optar em quais janelas será mostrado o overlay (ao lado do botão "Apply"). É
escolhido então o arquivo vectors.shp, sendo a camada denominada como Vetorial, com
projeção State Plane (NAD 83), Zona 404 .
Após carregar a camada na memória e definir em que janelas ela aparecerá e em qual
ficará ativa (Figura H-10), podemos finalmente
ver a sobreposição da camada sobre a imagem,
destacada em branco (Figura H-11).
Da mesma maneira que na seção anterior, é

possível ver os atributos dos polígonos e o banco
de dados associado a camada, novas camadas
podem ser criadas de modo simples.
Na janela “#1 Vector Parameters” selecione
“Options – Create New Layer”.
Ao abrir a janela “New Vector Layer Parameter”,

deve-se entrar com um nome para a nova
camada e escolher entre copiá-la em um arquivo
ou na memória. Neste caso o nome da nova
camada é Pasto, copiada no arquivo.
Para incluir um polígono nesta nova camada

recém criada, deve-se optar por Add New
Polygon no submenu Mode. Neste modo, ao
Figura H-10: Janela “vector
parameters”
clicarmos com o botão esquerdo do mouse sobre a

janela onde a camada está ativa, estaremos
acrescentando os segmentos de retas de um novo
polígono. Se desejarmos apagar um polígono, deve-
se primeiro, dentro do submenu Mode, selecionar a
opção Edit Existing Vectors, logo após, selecione com
o botão esquerdo do mouse e vá novamente no
submenu Mode e clique na opção “Delete Vector”.
Selecionando a mesma opção de editar vetores, o
usuário também pode mover os nodos do polígono
até o desejado. Para concluir a confecção do
polígono, pressiona-se uma vez o botão direito do
mouse para fechá-lo e uma outra vez para terminar o Figura H-11: Scroll com os
vetores sobrepostos
procedimento. Note que existem mais opções para a
construção de vetores, como a polyline, retângulo,
elipse e ponto.

Ao abrir o banco de dados associado a camada Vetorial e selecionando a quinta linha

numerada (registro), o polígono correspondente é destacado pela cor de highlight; verde
neste caso (Figura H-11).
Um dos campos do banco de dados é o campo RANCH, que identifica o proprietário da

propriedade. Podemos fazer uma busca de todas as áreas pertencentes a um proprietário
ou, além disso, quais destas propriedades tem área maior do que x acres. Basta usar os
recursos de busca descritos anteriormente.
Também é possível criar um novo banco de dados para um determinado layer, e para
isso, usaremos o nosso layer Pasto. Selecione, dentro da janela “#1 Vector Parâmenters”
, a cadeia de comandos “Options – Add Attributes” . Escolha o nome do atributo, também
escolha o tipo de variável dos dados e clique em Add Atributers . Depois, é só clicar em
OK.
1.3. Transformação de dados vetoriais para ROIs.
De antemão, é oportuno que esclareçamos uma afirmação que consta na documentação

do ENVI, a qual diz que o ENVI não suportaria regiões vazadas (uma região em forma de
anel, por exemplo). Isto procede somente no caso da transformação de dados vetoriais
em ROIs, quando a parte interior de um polígono é considerada como sendo parte
integrante da região de interesse. Já na transformação do formato do ENVI (.evf) para o
formato de dado vetorial do ARCView (.shp), as regiões vazadas são preservadas como
tais, e corretamente visualizadas em outros softwares.
Começamos mostrando a conversão de uma camada em uma ROI. Como dito no início
da seção anterior, a vantagem de realizar esta operação, reside no fato de podermos
realizar um processamento na região abrangida pelo dado vetorial. Processamento este
que vai deste a extração de atributos estatísticos até a aplicação de filtros.
• Então, primeiro crie uma nova camada, em que englobe apenas os polígonos
referentes às propriedades do proprietário gloria - RANCH == "gloria".
• Na janela “#1 Vector Parameters” escolha “File – Export Layer to ROI...”.
Logo após, selecione, dentro do menu principal, a cadeia de comandos “Ferramentas –

Região de Interesse – Definir Região de Interesse” que automaticamente o nome do layer
vai aparecer na janela “ROI Tool” e é só selecionar o layer que o polígono vai ser
preenchido com a cor da camada, igual à figura 12. Agora podemos realizar sobre as
regiões abrangidas pelas camadas todas operações permitidas sobre uma ROI.

Figura H-12: Convertendo vetores

para ROIs.
1.4. Transformação de dados raster em vetoriais
Assim como os dados raster são adequados para processamento digital, os dados
vetoriais em contrapartida são mais fáceis de editar. Logo, caso queiramos modificar
alguma ROI, por exemplo, é vantajoso convertê-la para uma camada, editar esta camada,
e convertê-la novamente para ROI.
Para converter uma ROI em dado vetorial selecione, dentro do menu principal, a cadeia
de comandos “Ferramentas – Região de Interesse – Exportar ROIs para EVF...” no
ambiente de edição de ROIs. Arquivos de classificação igualmente podem ser convertidos
para dado vetorial. Cada classe da imagem é atribuída a uma camada diferente.
Um cuidado que deve se tomar antes de converter as classes em dados vetoriais, é com
relação ao tamanho de algumas regiões das classes. Pode ocorrer de, na classificação
final, uma região seja formada por poucos pixels ou até mesmo por único pixel. O
problema decorrente disso é que, após feita a vetorização dos dados, estas regiões
podem ficar circunscritas a polígonos.
Para contornar isso, deve-se passar a classificação final por um processo de

"Generalização" da classificação, que consiste em aplicar um "Sieve" e após um "Clump"
na classificação. O primeiro, filtra as regiões muito pequenas (o limiar de número de pixel
é definido pelo usuário), agregando-as à região adjacente que for mais freqüente,
utilizando vizinhança 8.
Já o processo de "Clump" agrega as regiões, de uma mesma classe, as quais existe

conectividade entre si. Nesta conversão, usou-se o arquivo de pós-classificação aplicado
"Clump", chamado can_clmp.img. Os arquivos de classificação de pós-classificação
aplicado "sieve" são can_pcls.img e can_sv.img, respectivamente.
• Abra o arquivo de pós-classificação can_clmp.img , dentro do diretório

\envidata\can_tm do CD 2 de dados.

Para aplicar a conversão selecione a partir do menu principal do ENVI “Classificação –

Pós-Classificação – Vetorização de Classes”. Depois selecione as regiões #1, #2 e #3 e
opte pela saída em arquivo ou
memória.
• Carregue as camada listadas na

janela “Available Vectors List” e
clique em Apply para visualizar
as três camadas.
Crie uma composição colorida com

as banda disponíveis do arquivo de
imagem can_tmr.img. A composição
do exemplo é RGB-321.
Execute o overlay das regiões #2 e
#3 sobre a composição colorida.
A classe #2 aparece com os
polígonos pintados de amarelo,
enquanto a classe #3 é branca
hachurada com linhas brancas. Em detalhe Figura H-13: Resultado do Overlay
está a janela de zoom, mostrando a área da
moldura vermelha ampliada em duas vezes.
O conceito de conectividade diz respeito diretamente à vizinhança que está sendo levada
em conta. Se pelo menos um pixel de contorno de uma região for vizinho à um outro pixel
de outra região, diz-se que há conectividade entre as duas regiões.
2. Usando o menu Vetor

2.1. Criando novo plano vetorial
Dentro do menu principal, na opção “Vetor” se encontra a rotina “Criar Novo Plano
Vetorial” , e através dele é possível carregar uma nova janela “Vector Window” e criar
novos vetores e camadas vetoriais , e também abrir layers de arquivos vetoriais já
existentes ou também criar layers a partir de uma imagem Raster.
2.1.1. Criando Layers através de um layer já existente em um arquivo
• Primeiramente, carregue um plano vetorial já existente, podemos fazer com o

mesmo arquivo em quem se estava trabalhando, o vectors.shp , do CD 1 de
exemplos. Basta carregá-lo na janela “Available Vectors List” . Daí, fica a encargo
do usuário a opção de visualizá-lo.
• Selecione “Vetor – Criar Novo Plano Vetorial – Usando Plano Vetorial Existente”.
• Aparecerá a janela “New Vector Layer Parameters” , onde o usuário escolherá o

nome do novo layer, e também a escolha de “File ou Memory”.

• Clique em OK e o nome do layer aparecerá na janela da lista de vetores

disponíveis.
Na verdade esse é um procedimento diferente para se criar uma nova camada, ou seja,
um layer, a partir de um que já existe. O outro procedimento nós já vimos na seção 1.2.
deste capítulo para criar o layer Pasto, mas com a diferença que neste procedimento o
usuário pode criar layers sem precisar carregar o arquivo vetorial na imagem, coisa que
no outro procedimento era preciso, já que somente na janela “#1 Vector Parâmeters” é
que aparece, dentro do menu “Options” , a opção de criar um novo layer. E a janela “#1
vector Parâmeters” só aparece se for carregado o plano vetorial na imagem.
2.1.2. Criando layers usando uma imagem raster
• Selecione “Vetor – Criar Novo Plano Vetorial – Usando Plano Vetorial Existente”.
• Escolha a imagem desejada como base e clique em OK.
• Novamente aparecerá a janela “New Vector Layer Parameters” , escolha o nome

do layer, selecione “File ou Memory” e clique em OK.
• O nome do layer aparecerá na lista de vetores disponíveis.
Cabe ressaltar que, tanto neste processo como no processo acima, a janela vetorial que
se abre possui as mesmas coordenadas da janela , ou da imagem raster ou do plano
vetorial existente que o usuário escolheu. O mesmo não vai acontecer agora no próximo
procedimento.
2.1.3. Criando uma nova camada através dos parâmetros definidos pelo usuário
• Selecione “Vetor – Criar Novo Plano Vetorial – Usando Parâmetros Definidos pelo
Usuário”.
• Novamente aparecerá a janela “New Vector Layer Parameters” , mas agora a janela é
diferente, com usuário tendo agora que fornecer os parâmetros de projeção
cartográfica , e também o X e Y máximos e mínimos da janela. Logicamente, nos dois
procedimentos anteriores, esses parâmetros eram buscados, ou da imagem
escolhida, ou do plano vetorial existente escolhido.
• Preencha todos os campos da janela “New Vector Layer Parameters” e clique em OK.
• Novamente o nome do layer aparece na lista de vetores disponíveis, é só selecioná-lo

e clicar em Load Select, que aparece a janela “Vector Window” e o usuário pode
desenhar vetores nela.
2.2. Carregar limites de continentes, rios...

Esta função na verdade é o Mapa-Mundi com os layers de divisão política de países, rios,
divisões dos estados do Estados Unidos da América e linhas continentais de costa (Figura
H14).
Figura H-14: Resultado do uso

da função “Carregar Limites ...”
Como é visto na figura acima, é carregado todo o Mapa-Mundi, sendo que os estados dos
EUA , os rios de todo o mundo, as linhas de costa e as divisões de países possuem um
layer cada um.
• Selecione “Vetor – Carregar limites de continentes, rios...” .
• Aparecerá a caixa de diálogo “Create Boundaries” , nesta janela o usuário escolhe

quais as camadas (layers) que se deseja carregar, escolhe o nome do arquivo de
saída, e clique em OK.
• O resultado aparece na janela “Available Vectors List” .
Obs.: Na janela Create Boundaries , existem 7 opções. Da opção 1 à 6, elas são

exatamente iguais, se diferenciando apenas pela resolução do vetor. De 1 à 3, a
resolução é alta, implicando num arquivo de saída muito grande, enquanto que da 4 à 6,
ela é mais recomendada, justamente por requerer menos espaço, seja em disco ou na
memória, para ser executada.

2.3. Conversão Raster para Vetor
Essa função cria uma camada a partir de um valor de nível de cinza do pixel. Ela
simplesmente cria um vetor nos contornos de uma região de mesmo valor de nível de
cinza (Figura H15).
Como pode-se ver na figura ao lado, os pixels que

estão dentro da região do vetor, que está em branco,
possuem o valor zero , e bem na borda dessa região foi
traçado um vetor.
• Selecione, dentro do menu principal, “Vetor –

Conversão Raster para Vetor”.
• Selecione a banda de entrada e clique em OK.
• Vai aparecer a caixa de diálogo “Raster to Vector

Parameters” , onde no campo “Contour Value” o usuário
deve preencher o valor do nível de cinza do pixel que
ele deseja que seja feita a vetorização, escolha o nome
do layer, e também o arquivo de saída, clique em OK.
Figura H-15: Resultado da
conversão de raster para vetor • O resultado aparece na janela de lista de vetores
disponíveis.
2.4. Classificação para Vetor
Essa função cria polígonos de vetor em áreas classificadas.
• Selecione “Vetor – Classificação para Vetor” . Vai aparecer a caixa de diálogo

“Raster to Vector Input Band”
• Selecione o arquivo de classificação e clique em OK.
• Logo após, vai aparecer a caixa de diálogo “Raster to Vector Parameters” ,

selecione as classes em que se deseja vetorizar; no campo Output, onde diz
“Single Layer” , significa que o software vai criar uma única classe para todos os
vetores da classificação , e em “One Layer per Class” o software cria um layer para
cada classe vetorizada.
• Escolha File ou Memory e clique em OK. O resultado aparecerá na janela da lista

de vetores disponíveis.

2.5. Gradear Pontos Irregulares
Essa função encontra-se também no menu Topográfico e encontra-se explicada no guia

de mesmo nome.
2.6. Converter ROIs para um arquivo DXF
Como já diz o nome, essa função serve para converter um arquivo de região de interesse
(ROIs) para um arquivo .dxf , que pode ser aberto posteriormente em softwares de CAD
populares, como o AutoCAD.
• Selecione “Vetor – Converter ROI para DXF.
• Escolha o arquivo ROI no qual se deseja fazer a conversão , após escolhido o

arquivo, aparecerá a caixa de diálogo “Convert Region of Interest Files to ...” , no
campo Output To, escolha entre Pixel Coordinates ou Map Coordinates , se
desejar converter mais de um arquivo, aperte o botão Input Additional File e
selecione o arquivo ROI. Escolha o nome do arquivo de saída e clique em OK.
• Se for escolhida a opção Map Coordinates , depois de clicar em OK o usuário terá

que escolher o arquivo de imagem em que se encontra as ROIs em Select File
containing Map Coordinates. Clique em OK e o arquivo .dxf vai direto para o
caminho determinado pelo usuário na caixa de diálogo “Convert Region...”.
2.7. Convertendo ANN para DXF
O procedimento é o mesmo para o ROI , só mudando o nome do arquivo e também a

cadeia de comandos, onde o usuário deverá selecionar “Vetor – Converter ANN para
DXF” . Não se esquecendo que o arquivo com extensão .ann é o arquivo de anotações do
ENVI, e nesse tipo de arquivo também podem existir polígonos, pontos, etc...
2.8. Convertendo EVF para DXF
• Selecione “Vetor – Converter EVF para DXF”.
• Escolha o arquivo .evf desejado e clique em OK.
• Aparecendo a janela “Convert ENVI Vector File to DXF Files” , defina o caminho
desejado para o arquivo de saída, coloque mais algum arquivo, se desejar, em
“Input Additional File” e depois clique em OK que o arquivo .dxf será
automaticamente gerado.

3. Para Saber Mais: Dados vetoriais e "raster"

O dado vetorial pode ser expresso através de um desses três entes geométricos: ponto,
linha ou polígono. Enquanto isso, um mesmo elemento de uma imagem por exemplo, é
representado no dado "raster" por um conjunto de células básicas (em computação
denominadas de pixel; nome derivado da pronúncia formada pelas letras em negrito do
termo "picture cell") .
Tomemos como exemplo uma região da imagem que contenha uma linha de transmissão
(LT), onde os fios entre duas torres passam sobre um pequeno lago. Se essa cena for
representada por dados vetoriais, as torres seriam pontos, os fios; segmentos de reta
(linhas), e um polígono representaria o lago (Figura H-19a).
Já com dado raster, uma imagem digital por exemplo, teremos um conjunto de pixels com
o DN correspondente à resposta espectral de cada alvo, como mostrado na Figura H-19b,
onde os valores dos pixels correspondentes ao alvo fio da LT estão em negrito para
realçar uma das características do dado "raster".
Vamos supor primeiro que o resto da cena, ou seja o terreno em volta do lago, não possui
uma resposta significativa para ser considerado (uma situação meramente hipotética).
Note agora que os DNs correspondentes a este alvo fio da LT que situam-se fora dos
limites do lago tem menores valores do que os que localizam-se dentro destes limites. Isto
ocorre porque há uma influência da resposta espectral dos pixels vizinhos a estes, que
pertencem ao alvo lago.
Esta influência por sua vez, tem relação com a resolução espacial da imagem. É de se
esperar que a bitola do fio seja menor que a resolução do pixel, logo o conjunto de parte
dos pixels é que forma uma linha tênue representando o alvo fio da LT. Portanto, quanto
maior for a resolução espacial, isto é, menor for a área representada pelo pixel, melhor
será a nitidez dos alvos.
Figura H-16: Comparação de dados vetoriais e raster.

A esquerda encontra-se o dado vetorial, e à direita
encontra-se o dado raster.

No entanto, esta dependência da resolução espacial não existe com relação aos dados
vetoriais, já que neste caso temos entes geométricos (também na computação
denominados objetos), que independem da resolução espacial em que os alvos foram
adquiridos para representá-los. Esta é pois, uma vantagem dos dados vetoriais sobre os
dados "raster".
Por outro lado, se pretendermos fazer um processamento na imagem - segmentação,

filtragem, etc - isto só será viável com dados "raster". Então devemos, sempre que
quisermos realizar algum processamento de imagem, converter dados vetoriais em dados
"raster".
Outro exemplo de aplicação de dados vetoriais é na representação de resultados de

classificação. Cada região classificada poderá ser descrita por um polígono. Em
contrapartida, com dados raster, as mesmas regiões serão representadas por conjuntos
de pixels rotulados com um número, que será diferente de acordo com a classe a que a
região pertence.

4. Vetorizador Inteligente (INTELLIGENT DIGITIZER)
A partir do ENVI 4.3 esta disponível um novo modo de vetorização de feições aplicado às
imagens multiespectrais de alta resolução; trata-se da função “Intelligent Digitizer” ou
Vetorizador Inteligente.
Com o vetorizador inteligente, você estabelece os pontos ao longo do caminho de uma

feição presente na imagem e o ENVI automaticamente extrai o delineamento ou a área
ocupada por esta feição. Essa nova funcionalidade proporciona maior eficiência em
termos de economia de tempo e melhor acurácia em relação ao métodos tradicionais de
vetorização. Você pode também selecionar entre o modo de vetorização inteligente e o
modo de vetorização padrão do ENVI, quando necessário; por exemplo, presença de
baixo contraste, sombras ou grande distúrbio presente em feições lineares. Você pode
extrair feições usando uma única banda ou múltiplas bandas. Usando o vetorizador
inteligente (Intelligent Digitizer) em bandas pré-selecionadas maior será a acurácia obtida
nos seus resultados.
Com o vetorizador inteligente, você pode executar procedimentos de pós-processamento

automático para melhorar a qualidade dos vetores extraídos, e também com a ferramenta
de vetorização padrão do ENVI você pode gerenciar manualmente os vetores, executar
tarefas básicas de edição vetorial e converter os vetores extraídos para formatos de
arquivos externos, tais como shapefiles.
Configurando os Parâmetros da função do Vetorizador Inteligente
Dependendo da feição a ser extraída, você pode querer ajustar os parâmetros no sentido
de obter uma melhor performance. Tipicamente, os parâmetros padrões são ideais para a
extração de eixos de estradas, entretanto, se você pretende extrair feições com curvas
sinuosas, você pode melhorar a qualidade do resultado através do ajuste dos parâmetros.
1. Selecione uma das seguintes opções para acessar a caixa de parâmetros:

• A partir da caixa “Vector Parameter”, selecione “Mode - > Intelligent Digitizer
Parameters”;
• Ou, a partir do display, clique com o botão direito do mouse e selecione “Intelligent
Digitizer Parameters”.
2. O parâmetro “Linear Feature Width (pixels)”

por padrão assume um valor que representa
a largura média de uma estrada (assumindo
que estrada possua 15 metros de largura).
Se necessário for, altere esse valor para uma
dimensão que melhor represente a largura
da estrada que você pretende extrair. Você
pode usar a ferramenta Cursor
Location/Value para estimar a largura média.

3. O parâmetro “Snap Tolerance (Pixels)” especifica a distância máxima, em pixels, para

a união de duas polylines, quando o uso da operação “snap” é aplicada. O valor
padrão é 30, indicando que o ENVI unirá aquelas polylines que estiverem distanciadas
em 30 ou menos pixels. O valor mais baixo aceitável é 0.0. Se for necessário, altere
esse valor.
4. A função “Smoothing” especifica o quanto de suavização deve ser aplicado durante a
extração da feição. A configuração padrão é “High”, a qual é adequada para feições
suavemente curvílineas. Se a feição que você pretende extrair apresenta baixa
sinuosidade, então configure este parâmetro para “Low” ou “Off”.
5. Após configurar todos parâmetros, clique em “OK”.
USANDO O VETORIZADOR INTELIGENTE
1. A partir da barra do menu principal, selecione Vector -> Intelligent Digitizer. A caixa de
diálogo “Intelligent Digitizer Input File” aparecerá;
2. Selecione o arquivo de imagem associado ao vetorizador inteligente e clique em “OK”.
Surgirá a caixa de diálogo “Vector Parameters” e a imagem selecionada nas janelas
gráficas de visualização do ENVI.
Obs.: se a imagem tiver 4 bandas, ENVI selecionará as bandas 3 e 4, tipicamente
caracterizada pelos comprimentos de onda do vermelho e do infravermeho-próximo;
Se a imagem tiver mais de 4 bandas e possuir a informação do comprimento de onda, o
ENVI selecionará as bandas relativas a composição falsa cor (VNIR).
Se a imagem tiver mais de 4 bandas e não possuir a informação do comprimento de
onda, o ENVI selecionará as bandas conforme a seguinte regra [nb/3, nb/2, nb*2/3] para
os canais RGB, considerando que nb refere-se ao número de bandas.
3. Localize a feição que você pretende vetorizar, a partir das janelas gráficas de
visualização;
4. No campo “Window” da janela “Vector Parameters” habilite a janela que deverá ativar
o processo de vetorização automática (Image ou Scroll ou Zoom). A opção “off”
desabilita temporariamente o processo de vetorização.
5. Após definir a janela ativa, clique com o botão esquerdo do mouse sobre a feição (por
exemplo, uma estrada) e defina, primeiramente, o ponto inicial e em seguida o ponto
final do segmento vetorial a ser digitalizado automaticamente. Note que ao clicar pela
segunda vez, o dispositivo Intelligent Digitizer traça o contorno do segmento de vetor
automaticamente. Siga definindo novos vértices até que a vetorização seja finalizada.
Para fixar o vetor traçado, clique com o botão direito do mouse, uma vez para finalizar
e uma segunda vez para fixar o vetor sobre a imagem, através da seleção da opção
“Accept New Polyline”.
Obs.: para visualizar os layers gerados, a partir do menu principal clique em “Window” -> “
Available Vectors List”;
Edição Automática das Feições Vetorizadas
Após finalizar a vetorização, você pode aplicar a ferramenta de pós-processamento

automático para criar intersecções entre polylines e eliminar pontas.

1. Selecione uma das seguintes opções:

• Criar um layer de edição para o layer ativo, a partir do menu Options -> Linear
Feature Cleanup, da janela Vector Parameters;
• Criar layer de edição para o layer ativo, clicando com botão direito do mouse e,
através do menu de atalho, selecionar “Linear Feature Cleanup”;
• Clique com botão direito sobre o nome do layer listado na caixa Vector Parameters
e selecione a opção “Linear Feature Cleanup”
A caixa de diálogo “Linear Feature Cleanup Parameters” aparece.
2. No campo “Dangle Length Tolerance (Pixels)” por padrão recebe valor 20.00.
Nesse caso o ENVI remove todos segmentos polylines abertas menores do que
este valor, durante o processo de edição automática. Se necessário for, altere
esse valor.
3. Clique em “OK” para o ENVI remover os segmentos desprezíveis e criar
intersecções nos cruzamentos de polylines. Ao finalizar o processo, o ENVI
sobrepõem o layer modificado sobre o layer original (usando uma cor
diferenciada). Na caixa de parâmetros vetoriais “Vector Parameters”. Além disso o
arquivo editado é carregado para a caixa “Available Vector Layers List com
acréscimo do sufixo “_clean”.

Edição Manual das Feições Vetorizadas
Use as ferramentas vetoriais padrão do ENVI para executar manualmente a edição do

vetor. Com o pós-processamento manual, você pode estender polylines, conectar
polylines, quebra ou união de polylines, e adição, edição ou remoção de vetores e nós.
1. Selecione a partir da caixa “Vector Parameters”, Mode -> Edit Existing Vectors; ou
clique com o botão direito sobre o display e selecione Select Mode -> Edit Existing
Vectors.
2. Selecione o vetor que você deseja editar.
3. Edite conforme a sua necessidade. Por exemplo:
• Para estender polylines, clique com o botão direito sobre um vértice final e
selecione “Extend Selected Vector”. O ENVI automaticamente troca para o modo
“Add New Vectors”. Para estender o vetor a partir do modo inteligente, clique com
o botão direito e verifique se o “Intelligent Digitizer” está habilitado. Selecione os
vértices que você pretende estender e ao final, clicando com o botão direito do
mouse, selecione “Accept New Polyline”.
• Para conectar polylines (snap), clique sobre o vértice final para o snap e selecione
“Snap End Node to the Nearest Polyline”, ou clique com o botão direito sobre o
vetor e selecione “Snap Both Ends to the Nearest Polylines” para conectar ambos
segmentos finais das polylines. As polylines devem estar dentro da tolerância dada
pelo parâmetro “Snap Tolerance (Pixels)” da caixa de diálogo “Intelligent Digitizer
Parameters”.
• Para quebrar polylines, clique com o botão direito sobre um nó e selecione “Mark
Node”. Clique com o botão direito do mouse, novamente e selecione “Split Vector”.
O ENVI adiciona um novo nó no topo do nó marcado. Clique e arraste o nó para
separá-lo do nó original que você marcou. Clique com o botão direito e selecione
“Accept Changes”.
• Para unir polylines, selecione um segundo vetor para uni-lo ao primeiro vetor
selecionado. Clique com o botão direito, novamente, e selecione “Accept
Chandges.
• Para adicionar, editar ou eliminar nós ou vetores, use as ferramentas padrão do
ENVI.

I: Sensores Especiais
Neste capítulo aprenderemos a processar no ENVI imagens de alguns sensores que
requerem processamento especial e algumas técnicas para o melhor aproveitamento da
mesma.
1. Processamento de Imagens Aster

O Aster (Advanced Spacebone Thermal Emission and Reflection Radiometer) é o sensor
do satélite Terra que gera imagens de alta resolução, com aplicações para diversas
áreas, como agricultura, cartografia, uso do solo, urbanismo, geologia, ecologia, etc. As
imagens Aster são fornecidas em formato . HDF (Hierarchical Data Format), que é um
arquivo que está incluso a própria imagem e um banco de dados associado, contendo
informações como tabelas, coordenadas de efemérides, gráficos de reflectância, arquivos
de calibração, etc. Esse banco de dados pode ser visualizado e analisado utilizando o
software IDL ou o software NOESYS, na qual a SulSoft Serviços em Processamento de
Dados (http://www.sulsoft.com.br) é distribuidora e representante exclusiva no Brasil.
As imagens Aster são obtidas através de três subsistemas de telescópios distintos: VNIR,
SWIR e TIR. O módulo VNIR gera imagens de alta resolução, dispostas em 4 bandas,
sendo duas na região do visível e duas na região do infravermelho (com quase o mesmo
intervalo de onda, porém com um diferente ângulo de visada (uma imagem em “Nadir”, a
outra em “backdoor”); o módulo SWIR gera imagens no comprimento de onda
infravermelho, dispostas em 6 bandas; e o módulo TIR , que opera no infravermelho
distante e produz imagens em 5 bandas. Veja tabela abaixo:
Módulo Resolução Comprimento de Onda

(em metros) Médio (em
micrômetros)
Banda 1 VNIR 15 0,5560
Banda 2 VNIR 15 0,6610
Banda 3N VNIR 15 0,8070
Banda 3B VNIR 15 0,8040
Banda 4 SWIR 30 1,6560
Banda 10 TIR 90 8,2910
Banda 11 TIR 90 8,6340
Banda 12 TIR 90 9,0750
Banda 13 TIR 90 10,6570
Banda 14 TIR 90 11,3180
A disposição espectral de comprimento de onda por transmissão atmosférica encontra-se

na figura abaixo (Figura I -1):

Figura I–1: Comportamento das bandas espectrais

do Aster
Nos capítulos abaixo, aprenderemos a processar e extrair dados das imagens Aster com
o ENVI
1.1. Processando a imagem Aster...
As imagens Aster podem ser adquiridas com o pagamento de uma pequena taxa através
do site :
http://edcimswww.cr.usgs.gov/pub/imswelcome/, elas virão em formato de arquivo . HDF,
como foi visto acima, mas o usuário terá que tomar cuidado, pois os arquivos das
imagens Aster, quando descarregados, não vem explícito no arquivo a extensão nativa do
mesmo. Por exemplo, uma figura em formato .JPEG tem o nome de “NOME.JPG” ou
“NOME.JPEG”, já a imagem Aster terá apenas o nome nativo, apesar de ser um arquivo
no formato .HDF . Mas o usuário não precisa se preocupar, pois o ENVI lê a imagem sem
qualquer problema.
Elas estão divididas em dois níveis: 1A e 1B. As imagens do nível 1B são geocorrigidas, e
as do nível 1A são brutas, sem correção.

1.1.1. Imagem Aster 1B
Os dados da Aster 1B são calibrados radiometricamente e

geometricamente, derivado do nível 1A.. Os dados são produzidos no
"Ground Data System (GDS)", que situa-se em Tóquio, no Japão e
enviados para o "US EROS Data Center’s (EDC)" e para o Distributed
Active Archive Center (DACC)", aonde são armazenados, distribuídos
e processados para o nível 2 e 4.
Veja abaixo algumas características das imagens Aster do nível 1B:
Nome do granulado: AST_L1B

Dimensões::
VNIR: 4200 linhas x 4980 colunas; VNIR (3B): 4600 x 4980;
SWIR: 2100 x 2490; TIR: 700 x 830
Tamanho dos arquivos:

VNIR (1,2,3N) = 62,748,000 Bytes
VNIR (3B) = 22,908,000 Bytes
SWIR (4-9) = 31,374,000 Bytes
TIR (10-14) = 5,810,000 Bytes
Total: 118 Megabytes
Projeção: Universal Transverse Mercator (UTM) Figura I-2: Disposição do

Datum: WGS84 arquivo das imagens
Data Format: HDF-EOS Aster 1B na janela
“Available Bands List”
Carregando a imagem Aster 1B...
• Selecione, dentro do menu principal, a cadeia de comandos “Arquivo – Abrir

Imagem do ENVI” , ou senão, selecione “Arquivo – Abrir Imagem Externa – EOS
(Satélite Terra) – Aster 1A/1B”.
• Escolha o arquivo desejado. No nosso caso, selecionaremos primeiramente a do

nível 1B. Ela carregará na janela “Available Bands List” , igual á figura I – 2.
Como pode ser visto na figura I – 2, o HDF das imagens Aster estão divididos em 4 sub-
arquivos diferentes. O primeiro deles possui as três primeiras bandas de alta resolução
(VNIR) com as cenas em Nadir, e o segundo sub arquivo é a banda 3B que serve para
gerar visão estereoscópica com a 3N. Detalhes veremos mais abaixo, quando falarmos
das imagens Aster nível 1A, que são as imagens mais apropriadas para trabalhar com a
estereoscopia e geração de Modelo Digital de Terreno (MDT); mais um arquivo para a
SWIR (resolução de 30 metros) e o último para a TIR (resolução de 90 metros)

• Carregue os arquivos VNIR em uma composição colorida qualquer. A composição

R-3N; G-2; B-1 equivale a composição colorida R-4; G-3; B-2 do LandSat. Para
colocar verdes como falsa-cor na imagem, selecione a composição colorida R-2;
G-3N; B-1. Veja os resultados nas duas figuras abaixo:
Figura I-3: Imagem Aster – Composição Figura I-4: Imagem Aster – Composição
colorida RGB 3N,2,1 colorida RGB 2,3N, 1
As imagens Aster do nível 1B já são geocorrigidas, ou seja, já possuem a correção

“radiométrica ou geométrica?” e também a eliminação de ruídos. Como o arquivo HDF
também possui um banco de dados associado a imagem, com as suas coordenadas
efeméricas, o ENVI automaticamente georreferencia essas imagens para o datum WGS
84, a projeção UTM e a zona adequada à região geográfica. Dê um duplo clique na região
da janela da imagem que aparecerá a janela “Cursor Location Value”, com as informações
de georreferenciamento da imagem. É bom observar que a imagem NÃO fica orientada
para o Norte, apenas é georreferenciada.
• Para orientar a imagem ao Norte, o usuário deverá olhar o cabeçalho da imagem

Aster diretamente no ENVI para ver o ângulo de rotação que a imagem tem com a
sua órbita.
• Selecione, dentro do menu principal, a cadeia de comandos “Arquivo – Editar

Cabeçalho de Arquivo ENVI”.
• Aparecerá a janela “Edit Header Input File”. Selecione qualquer um dos arquivos
da imagem Aster e clique em OK.

• Aparece a janela: “Header Info: ...”. Selecione, dentro dessa janela, as opções
“Edit Attributes – Map Info”. Aparece a janela “Map Information”.
• No campo “Map Rotation”, aparece o valor do ângulo da órbita em relação ao

Norte. Anote esse valor, ou senão, selecione-o, clique com o botão direito do
mouse, e selecione a opção “Copiar” (para sistemas Windows). Em Linux, basta
selecionar o valor do ângulo e clicar em OK que depois, ele colará, onde for
desejado (mais abaixo veremos...).
• Feche as janelas “Map Information” e “Header Info: ...”.
• Agora, selecione, dentro do menu principal, a cadeia de comandos “Ferramentas –

Rotacionar/Girar Imagens”.
• Aparecerá a janela “Rotation Input File”. Selecione a imagem desejada e clique em

OK (veja texto abaixo).
Como foi dito anteriormente, as imagens Aster do nível 1B subdividem-se em 4 sub-

arquivos diferentes, sendo o primeiro o VNIR para as três primeiras bandas de alta
resolução, o segundo, para a VNIR com visada em “backdoor” (ângulo de visada diferente
do Nadir), o terceiro sub-arquivo
agrupando as bandas SWIR, com
resolução de 30 metros, e o
quarto e último sub-arquivo
agrupando bandas de resolução
de 90 metros, no infravermelho
distante (infravermelho termal).
Como elas não estão no mesmo
arquivo, propriamente dito,
quando se vai aplicar operações
na mesma, é possível somente
aplicar a um sub-arquivo, e não
para ela inteira. Por exemplo, se
a imagem for salva para formato
.GeoTIFF, ENVI, etc, as bandas
de diferente resolução não
Figura I-5: Comportamento dos arquivos da imagem
poderão ser incluídas, e sim, as Aster 1B na janela de seleção de arquivos do ENVI
de mesma resolução. Veja como
as imagens se dispõem nas
janelas que gerenciam arquivos antes de executarem funções no ENVI se comportam
(Figura I-5):
Note que, quando o usuário carrega a imagem Aster 1B, o ENVI gera um cabeçalho dela.
Os dados da imagem são do tipo Byte, com exceção da imagem TIR, que é um dado do
tipo “Unsigned Int”. Não é recomendável aplicar filtros em imagens desse tipo, portando, a
aplicação de filtros de realce, como o Sharpen, devem ser aplicados somente nas
imagens VNIR e SWIR.
No campo “Select Input File”, note a presença dos 4 sub-arquivos de imagem. No campo
“Select By”, existe a opção de selecionar banda a banda em vez de selecionar arquivos.

Veja mais informações de cabeçalho a direita da janela de seleção de arquivos de

imagem (no campo “File Information”).
Voltando a rotação das imagens...
• Selecione o arquivo que contém

o módulo em que se queira
fazer a rotação. Clique em OK.
• Aparece a janela “Rotation

Parameters” (Figura I-6)
• No campo “Angle”, insira o valor

da rotação da imagem que foi
anotado lá no “Edit Header –
Map Info”, ou clique, com o
botão direito do mouse sobre o
campo, e selecione “colar”, caso Figura I-6: Janela “Rotation Parameters”, de
o número tenha sido copiado entrada do valor do ângulo de rotação da imagem.
com a opção de copiar do
Windows. No Linux, clique com
o botão central do mouse
(NOTA: não clique <Ctrl + Botão esquerdo do mouse> no Linux, a não ser que o
mouse tenha somente dois botões). Importante: O valor apresentado no header
é negativo, mas o valor que terá que ser inserido no campo “Angle” é
positivo. Por exemplo, se o ângulo de rotação for -9.3, terá que ser inserido o
valor 9.3 para a rotação.
• Deixe a opção “No” em “Transpose”, deixe como 0 (zero) o valor de background

(valor de fundo=preto), defina o arquivo de saída e clique em OK. A imagem ficará
orientada ao Norte.
1.1.2. Imagem Aster 1A
As imagens Aster do nível 1A são brutas: Não há nelas nenhum nível de correção
radiométrica e filtros.
A imagem Aster 1A também não é georreferenciada automaticamente, ao contrário da

imagem Aster 1B, mas é através dela que se pode extrair os modelos digitais de terreno,
usando as bandas 3N e 3B.
> A SulSoft desenvolveu um aplicativo que extrai automaticamente modelos digitais

de terreno (MDT’s) através das imagens Aster 1A , com resolução de 30 metros.
Detalhes como adquirir a rotina, acesse os websites: www.envi.com.br/asterdtm ou
www.sulsoft.com.br .

Veja abaixo algumas características das imagens Aster do nível 1A:
Nome do granulado: AST_L1A
Extensões das imagens: [~ 60 x 60 km]

VNIR: 4200 linhas x 4100 colunas;
VNIR (3B): 4600 x 5000;

SWIR: 2100 x 2048; TIR: 700 x 700
Tamanho dos arquivos:

VNIR (1,2,3N) = 51,660,000 Bytes
VNIR (3B) = 23,000,000 Bytes
SWIR (4-9) = 25,804,800 Bytes
TIR (10-14) = 4,900,000 Bytes
Total = 107 Megabytes
Data Format = HDF-EOS
Carregando a imagem Aster 1A...

Imagem do ENVI”. Também pode-se selecionar, dentro do menu principal, a cadeia
de comandos “Arquivo – Abrir Imagem Externa – EOS (Satélite Terra) – Aster
1A/1B”.
• Escolha a imagem Aster 1A desejada e clique em OK. O resultado aparecerá na

lista de bandas disponíveis (Available Bands List).

Note que, ao contrário da imagem Aster do nível 1B, a Aster 1A é dividida em 7 sub-
arquivos. A diferença é que as três primeiras bandas de alta resolução (1, 2 e 3N do
módulo VNIR) estão separadas em arquivos diferentes (veja figura I-7).
Figura I-7: Disposição da

imagens Aster 1A no ENVI
A imagem Aster do nível 1A possui uma falha sistemática na vertical. Ela pode ser melhor
visualizada nas janelas de Scroll e Zoom. Para corrigir essas falhas, existe um
procedimento detalhado no guia G, capítulo 4, de nome “Filtro FFT (Transformada de
Fourier)”.
1.2. Usando as bandas termais do Aster...
As imagens Aster, tanto do nível 1A como do nível 1B, possuem 5 canais (bandas) que
operam no infravermelho termal, facilitando e refinando ainda mais as observações no
infravermelho distante (costuma-se chamar o infravermelho termal de infravermelho
distante). O módulo TIR (módulo TIR no Aster é o módulo que trabalha com o
infravermelho termal) possui uma resolução de 90 metros e estão no formato Unsigned
Integer. Também são georreferenciados automaticamente, assim como os outros módulos
da imagem Aster, já que o módulo TIR também se encontra no mesmo arquivo, porém, é
um sub-arquivo diferente, como foi visto acima.

1.2.1. As ondas no infravermelho...
Primeiramente, é bom o usuário ter a noção de diferenças entre o infravermelho refletido

e o infravermelho termal: O infravermelho refletido opera em um intervalo de comprimento
de onda de cerca de 0,7µm até 3µm; ela está bem próxima do visível, e é utilizada para
refinamento de alvos espectrais, geologia, controle de regiões florestais, monitoramento
ambiental, agricultura e muitas outras aplicações, já que certos objetos, corpos ou alvos
possuem características especiais de reflectância no infravermelho. Por exemplo, a
vegetação seca emite uma quantidade muito maior de ondas no comprimento do
infravermelho do que uma vegetação úmida, que tende a “segurar” o infravermelho, já que
uma propriedade da água é a de absorver os raios infravermelhos.
Já a radiação do infravermelho termal é diferente da radiação do infravermelho refletido. A

propriedade básica de um infravermelho termal é que ela emite ondas de calor, essa
energia é a energia das ondas que vem da fonte (usemos como exemplo o nosso Sol, que
é responsável por quase toda a energia da Terra) e é armazenada no corpo e depois, por
conseqüência, emitida na forma de calor (infravermelho distante, com valores de
comprimento de onda entre 3µm até cerca de 15 µm). Toda a energia solar não é
absorvida pelos corpos, parte dela é refletida, parte dela é armazenada e depois, emitida.
Veja na figura abaixo o comportamento das ondas no espectro eletromagnético:
Figura I-8: Espectro Eletromagnético

(Fonte:INPE)

Para saber mais: Imagens Aster
Veremos neste capítulo algumas aplicações e benefícios das imagens Aster.

Veja a imagem a seguir:
Figura I-8: Imagem Aster de Saline

Valley, Califórnia, EUA, em composição
colorida R4, G6, B8.
Esta é uma imagem Aster de uma região geologicamente rica, chamada de “Vale do Sal”
nos Estados Unidos. Como está dito na indicação da figura, foi utilizado uma composição
colorida R4 G6 B8. Os detalhes em amarelo e verde correspondem a regiões rica em
calcário, já as regiões com a cor púrpura é rica em Kaolinita. Como foi visto
anteriormente, as imagens Aster possuem muitas bandas na região do Infravermelho
médio (1,6 – 2,4 mm)e infravermelho distante ou termal (8 –12mm). Tendo uma maior
resolução espectral nesses intervalos, o refinamento e, consequentemente a qualidade
das distinções de alvos espectrais será maior.
Veja nas figuras abaixo uma comparação dos intervalos de comprimentos de onda
abrangidos pelo Aster com o LandSat TM:

Figura I - 9: Comparação entre o intervalo de ondas do espectro absorvidos pelo Aster

(linhas contínuas) e LandSat (linhas pontilhadas).
Figura I - 10: Mais um comparativo entre Aster e LandSat TM 7. Agora, comparando o

intervalo das bandas dos respectivos sensores com os índices de reflectância de alguns
objetos.

Veja na figura ao lado a FWHM da banda 4 do Aster:
FWHM, como o nome já diz (Full Widht – Half Maximun) é o

intervalo de comprimento de onda que tem que ser fornecido
para que a área da curva de reflectância preenchida pelo
intervalo fornecido seja de 90%. Como pode ser visto na
figura ao lado, o intervalo do FWHM está entre 1.61 e 1.7.
Se calcularmos a área da curva neste intervalo de
integração, veremos que a área total do intervalo em X Figura I –11: FWHM da
(Wavelenghts) corresponderá a 90% da área total da curva. banda 4 do Aster
Para fornecer o valor do FWHM do cabeçalho do ENVI, siga
os seguintes passos:
• Selecione, dentro do menu principal, a cadeia de comandos “Arquivo – Editar Cabeçalho

de Arquivo ENVI”;
• Aparece a janela “Edit Header Input File”. Selecione a imagem desejada e clique em OK;
• Aparecendo a janela “Header Info: ...”, selecione a opção “Edit Attributes – FWHM”.
Aparece a janela “Edit FWHM values” (Figura I –12).
Figura I – 12: Janela de edição dos valores de

FWHM para uma imagem.
• No campo “Edit Selected Item” , à esquerda, o usuário deverá fornecer o valor do

intervalo “Half Maximum”. Usando o exemplo acima da banda 4 do Aster, o valor
fornecido deverá ser de 0.9, pois é o tamanho do intervalo que compreenderá a área de
90% da curva, conforme mencionado anteriormente;
• Clique em OK que os valores de FWHM serão adicionados no cabeçalho. Para saber

destas informações, consulte a página do fornecedor das imagens.

2. Processamento de Imagens MODIS

2.1. Introdução
MODIS (Moderate Resolution Imaging Spectroradiometer) é um dos cinco instrumentos

do satélite TERRA. O MODIS visualiza toda a superfície da Terra a cada 1-2 dias, com
uma varredura de 2.330 km (swath), adquirindo dados em 36 bandas espectrais distintas.
Veja na tabela abaixo algumas características do sensor MODIS:
Características do MODIS
Alcance Espectral 0.4-14.4 µm
Cobertura Espectral ± 55°, 2330 km em fileira (scans contínuos em nadir no equador)
Resolução Espacial 250 m (2 bandas), 500 m (5 bandas), 1000 m (29 bandas) em nadir
Ciclo Obrigatório 100 %
Taxa de Dados 6.2 Mbps (avg), 10.8 Mbps (dia), 2.5 Mbps (noite)
Massa 274 Kg
Força 162.5 W (avg para uma órbita), 168.5 W (pico)
Por exemplo, o sensor mede o percentual da superfície do planeta que estão cobertas por
nuvens quase todos os dias. Esta ampla cobertura espacial irá permitir MODIS,
juntamente com MISR e CERES, determinar o impacto das nuvens e aerosóis no
orçamento de energia da Terra. O sensor possui um canal inovador (centralizado em
1,375 microns) para detecção de nuvens do tipo cirrus (principalmente as mais "leves"),
as quais acredita-se que contribuem para o aquecimento por refração de calor emitido
pela superfície. Reciprocamente, acúmulos de nuvens e aerossóis são consideradas a
possuírem um efeito refrescante na superfície da Terra por reflectância e absorção da luz
do Sol. Este efeito no clima irá provar algo significativo nesta longa corrida? MODIS,
juntamente com MISR e CERES, irá nos ajudar a responder esta questão.
Figura I-9: Esquema do MODIS

Figura I-10: Foto do MODIS
2.2. Carregando as imagens MODIS 1Km...
As imagens MODIS, assim com as imagens Aster,

estão dispostas no formato .HDF. Detalhes da
estrutura deste arquivo já foi visto acima nos capítulos
referentes ao Aster.
• Selecione, dentro do menu principal, a cadeia

de comandos “Arquivo – Abrir Imagem do
ENVI”
• O usuário também pode optar pela opção

“Arquivo – Abrir Imagem Externa – EOS
(Satélite Terra) – MODIS 1B”.
• Aparece a caixa de diálogo para a seleção do

arquivo. Selecione-o. Os arquivos da imagem
MODIS carregarão na janela “Available Bands
List” do ENVI, igual à figura I -11.
Note que as imagens MODIS, assim como as imagens

Aster, ficam dispostas em sub-arquivos. Escolhendo a
seqüência de comandos indicada acima, aparecerão
apenas 3 sub-arquivos, que na ordem são 15 bandas
com imagens de reflectância, 15 bandas com imagens
de radiância reflectiva, e as 16 últimas serão 4 bandas
de emissividade. Veja a figura I-11.
Para carregar as imagens, basta selecionar uma

composição colorida clicando na opção RGB Color, ou
se o usuário desejar carregar no display apenas uma
banda, basta clicar em Gray Scale. Um exemplo de
imagem carregada está na figura I -12.

Figura I – 12: Exemplo

da banda 20 da
imagem de
Figura I-11: Disposição das emissividade
imagens Aster carregadas carregada no ENVI.
pelo procedimento normal.
Essas imagens não estão georreferenciadas. Agora veremos como fazer o

georreferenciamento dessas imagens automaticamente no ENVI.
2.3. Georreferenciando as imagens MODIS resolução de 1Km
Agora, aprenderemos a georreferenciar as imagens MODIS automaticamente utilizando

as ferramentas do ENVI.

• Carregue a imagem MODIS na janela

“Available Bands List”, para isso, basta usar o
procedimento mencionado acima, não é preciso
carregá-la no display.
• Logo após, selecione, dentro do menu principal,

a cadeia de comandos “Mapa – Georreferenciar
MODIS1B” (Figura I -13).
• Aparecerá a janela “MODIS Input File”.

Selecione o arquivo desejado e clique em OK.
• Logo após, aparece a janela “Georeference

MODIS Parameters” Selecione os parâmetros
de projeção cartográfica desejados, o número
de pontos desejados para a transformação
geométrica e clique em OK. Figura I –13: Acessando a
função de georreferenciar
MODIS...
Nessa parte o usuário tem que tomar muito cuidado com o tipo de projeção escolhida,
Datum, etc. A qualidade dos resultados depende muito da sua cartografia, e nesse caso,
estamos lidando com o MODIS, que é um satélite de campo de visão largo, portanto,
abrange uma grande área imageada.
As projeções planas cilíndricas, como a UTM, ou a Gauss-Kruger não são eficientes

neste caso, pois elas são recomendadas para pequenas ou médias áreas, como por
exemplo, o mapeamento de uma cidade, de uma capital. O IBGE (Instituto Brasileiro de
Geografia e Estatística) usa como projeção cartográfica nos seus mapeamentos a
projeção Policônica.
A projeção policônica é recomendada para áreas relativamente grandes (mas pode ser
usada também em áreas menores, porém popularmente usa-se às cilíndricas) e em
países (ou áreas) com grande extensão Norte-Sul e reduzida extensão leste-oeste. A
policônica não é uma projeção nem equivalente, nem equidistante e nem conforme
(diferente das cilíndricas, que são conformes), porém nas regiões próximas do meridiano
central a projeção assume tanto a conformidade quanto a equivalência da projeção (com
uma faixa de erro pequena).
A projeção policônica, assim como um grande número de projeções, é uma projeção que
é definida por um Meridiano Central (é a única linha de distorção ZERO) e a latitude de
origem geralmente é representada no Equador (mas o usuário, de acordo com a
necessidade, pode alterar essa latitude de origem para a área de seu interesse, fugindo
dos padrões tradicionais cartográficos) e a sua superfície de representação é constituída
por diversos cones sobre a Terra. Os meridianos são curvas que cortam os paralelos em
partes iguais, os paralelos são círculos não concêntricos e não apresentam deformações,

e as deformações são pequenas próximas ao meridiano central, mas acentuam-se

rapidamente quando nos afastamos do MC.
Nós da SulSoft recomendamos, para georreferenciar a imagem MODIS de uma área que
corresponda ao Brasil, utilizar a projeção policônica. Arrastando a janela contendo o nome
das projeções para baixo o usuário vai encontrar a projeção “Sample Polyconic”. Ela não
é recomendada para a nossa área, pois ela não foi definida de acordo com o nosso
território e vai apresentar problemas no resultado, ela é apenas um exemplo de
policônica.
Vamos definir a projeção antes de dar continuidade ao georreferenciamento...
• Clique no botão “New...”, que se encontra ao lado do texto “Select Output

Projection”.
• Aparece a janela “Customized Map Projection Definition”. Primeiro, defina um

nome para a projeção no campo “Projection Name”. Em “Projection Type”,
selecione “Polyconic” , e logo mais abaixo, em “Projection Ellipsoid”, clique no
botão ao lado com as setas ▲▼ que agora aparecerá escrito “Projection Datum”.
Selecione o Datum desejado. O Datum padrão utilizado no Brasil é o SAD 69 do
IBGE. O ENVI possui o Datum SAD69/Brazil, que é o Datum SAD69 para o Brasil
definido pela NIMA (National Imagery and Mapping Agency) dos Estados Unidos
da América.
• Defina um falso-leste e falso-norte nos campos False easting e False northing

(recomendamos 20000000 para o Falso Norte e 1000000 para o Falso Leste para
evitar valores negativos de coordenadas métricas, o IBGE utiliza como zero o valor
de Falso-Leste e Falso-Norte), a latitude de origem pode ser zero e a longitude do
meridiano central pode ser de -54 (valor de longitude do centro do Brasil). Clique
em OK e o ENVI vai perguntar se você deseja salvar as alterações, clique em OK e
siga adiante (Obs.: Esses parâmetros valem se a imagem for do Brasil ou da
América do Sul, para qualquer outro lugar, defina uma longitude do MC de acordo
com a região).
• O nome que o usuário definiu para a projeção aparecerá na lista das projeções.
Selecione-a.
• Em “Number Warp Points”, escolha 100 pontos para X e 100 pontos para Y. Esses
pontos ficarão distribuídos em uma grade regular por toda a imagem e serão
usados para o georreferenciamento da mesma.
• No campo “Enter Output GCP Filename [.pts]”, o usuário pode definir que os
arquivos de pontos de controle gerados pelo ENVI sejam salvos para arquivo. O
usuário não precisa necessariamente salvar esses pontos de controle, mas
pediremos para o usuário salva-los afim de usarmos mais tarde. Clicando em
“Choose”, o usuário define o diretório em que vai ser salvo o arquivo de pontos
(.pts).
• Clique em OK.

Pediremos para quem trabalha com essas imagens que siga rigorosamente os passos
mencionados acima, pois a má escolha de uma projeção cartográfica, assim como um
número insuficiente de pontos de controle ( o ENVI usa 10 pontos como padrão, portanto,
sempre temos que mudá-lo) podem acarretar maus resultados de saída. Agora, veremos
a parte da transformação geométrica da imagem.
• Depois de clicar em OK, aparece a janela “Registration Parameters” . Em “Warp

Method”, clique e selecione a opção “Triangulation”, escolha o método de
reamostragem em “Resampling”, deixe como zero o valor de Background e “No” no
Zero Edge. Escolha o nome do arquivo de saída e clique em OK.
OBS.: Detalhes de como funcionam os métodos de reamostragens, assim como as

transformações geométricas, leia o Guia D do Guia do ENVI, que trata do assunto de
Registros, Correções Geométricas e Mosaicos.
OBS2.: Siga também rigorosamente esse passo da escolha do método de transformação

(Warp Method), pois estamos trabalhando com regiões muito extensas e as distorções
são enormes, onde a curvatura da Terra tem que ser fortemente considerada, e o método
de transformação adequado para esse caso é a triangulação, pois as polinomiais são
adequadas para áreas menores.
• O resultado aparecerá na lista de bandas disponíveis. Veja a figura I –14:
Figura I –14: Imagem MODIS da floresta

amazônica, banda 20 da imagem de
emissividade, não georreferenciada (à
esquerda) e georreferenciada com a projeção
cartográfica Policônica e com a transformação
geométrica Triangulação de Delaunay

2.3.1. Georreferenciando automaticamente as outras imagens do mesmo arquivo...
Até agora vimos o procedimento padrão para abrir as imagens MODIS de 1Km de
resolução que carregam automaticamente no display do ENVI através da cadeia de
comandos já citada acima. Pois esses arquivos de imagem, além dos 3 sub-arquivos de
imagem estudados anteriormente, possuem outros que não carregam usando o comando
usual, e também não há comandos diretos para o seu georreferenciamento automático.
Mas aprenderemos nesta seção como fazê-los. Veja a figura abaixo (I – 15):
Figura I-15: Visualização dos arquivos contidos dentro do arquivo

MODIS HDF.
Como acessar essa janela?

Imagem Externa – Formatos Genéricos – HDF”. Selecione o arquivo da imagem
MODIS. A janela acima (“HDF Dataset Selection”) abrirá.
O usuário pode perceber a quantidade de arquivos que podem ser armazenados dentro
de um HDF: Informações de latitude e longitude efeméricas, azimute do sensor, ângulo
zenital, imagens, etc. Tudo isso dentro de um só arquivo. Graças a estes parâmetros o
ENVI faz o georreferenciamento automático de alguns arquivos de imagem da cena.
Desses sub-arquivos que estão presentes na janela acima, apenas o 4o., o 5o. e o 6o. (de
cima para baixo, na ordem) são os que abrem automaticamente no ENVI como já vimos.
O 7o. Arquivo da lista das imagens de 1Km (Earth View 1KM Emissive Bands Uncertainty

Indexes) são imagens de índices de incerteza dos dados e não é carregada

automaticamente pelos procedimentos citados anteriormente.
Seguindo a ordem, o usuário verifica a existência de 3 arquivos de 250 metros e mais 3
de 500 metros. Na verdade, eles são imagens de 250 e 500 metros reamostradas para
1Km (Aggregated 1Km). Essas imagens também não são carregadas, mas aprenderemos
a georreferenciá-la automaticamente.
• Selecione os arquivos “Earth View 250M Aggregated 1Km Reflective Solar Bands
Scaled Integers” e “Earth View 500M Aggregated 1Km Reflective Solar Bands
Scaled Integers” . Clique em OK.
• Logo após, aparece a janela “HDF Data Set Storage Order”. Ela vai aparecer de
acordo com o número de arquivos selecionados. Escolha o Interleave BSQ para
todas elas.
• Elas vão aparecer na lista de bandas disponíveis.
Georreferenciando as imagens...
O processo de georreferenciamento automático que usaremos é usando os arquivos de

controle .pts gerados no georreferenciamento automático das imagens 1Km, vistos na
seção acima.
• Selecione, dentro do menu principal, a cadeia de comandos “Mapa – Registro –

Retificar com Pontos de Controle Pré-definidos: Imagem para Mapa”
• Aparecendo a caixa de diálogo do Windows, selecione o arquivo .PTS gerado

anteriormente para o registro da cena MODIS.
• Aparece a janela “Image to Map Registration”. Selecione a projeção definida

anteriormente (a projeção policônica definida pelo usuário).
• No campo X Pixel Size e Y Pixel Size, vai estar como Default 30.0000 (30 metros),
mude para 1000 (1km), que é o tamanho do pixel da imagem.
• Logo após, aparece a caixa de diálogo “Input Warp Image”. Selecione a imagem
250metros aggregate 1Km (ou a de 500 metros) e clique em OK.
• Depois, aparece a janela “Registration Parameters”. Escolha o método

Triangulation em Warp Method”, defina o nome do arquivo de saída e clique em
OK. O resultado aparecerá na lista de bandas disponíveis.
Veja a figura abaixo de uma composição colorida da região do Amazonas utilizando a

250Metros aggregate 1Km:

Figura I –16: Imagem MODIS georreferenciada da

região do Amazonas usando a imagem 250Metros
aggregate 1Km (pixel de 1Km)
2.4. Carregando as imagens MODIS na resolução de 500m e 250m
Assim como as imagens de 1Km de resolução, as imagens MODIS também são

distribuídas gratuitamente com resoluções de 500 e 250 metros.
As imagens de 500 metros vêm dispostas em um único arquivo (diferentemente dos sub-
arquivos da Aster e MODIS 1Km) com 5 bandas. O mesmo vale para as imagens de 250
metros (imagens dispostas em um sub-arquivo), porém ela contém apenas duas bandas.


Imagem Externa – Formatos Genéricos – HDF”.
• Aparece a caixa de diálogo do Windows “Enter HDF Filenames”. Selecione a

imagem desejada e clique em OK .
• Aparece a janela “HDF Dataset Selection” vista anteriormente. Selecione o arquivo

de imagem e clique em OK.
O usuário pode notar que a disposição dos arquivos .HDF dentro desta janela é
praticamente idêntica a das imagens de 1Km, porém com menos arquivos, pois o arquivo
que contém as imagens de 1Km possui também as imagens de 500 metros e 250 metros
com pixel reamostrados para 1Km; consequentemente, o arquivo da imagem de 500
metros contém a imagem de 250 metros reamostrada para pixel de 500 metros.
• Como a disposição dos arquivos é praticamente idêntica a de 1Km, selecione,

dentro da janela “HDF Dataset Selection” o arquivo “Reflective Solar Bands Scaled
Integers”.
• Aparecendo a janela “HDF Data Set

Storage Order”, selecione a opção
BSQ e clique em OK.
• O arquivo carregará na janela

“Available Bands List” do ENVI.
Selecione uma composição colorida
qualquer para visualizar a imagem.
2.4.1.Georreferenciando
automaticamente as imagens MODIS de
500 e de 250 metros.
Assim como as imagens de 1Km, as

imagens de 500 e 250 metros também
podem ser georreferenciadas
automaticamente. Veremos nesta seção os
procedimentos de como fazê-lo:
• Selecione, dentro do menu principal,

a cadeia de comandos “Mapa –
Georreferenciar MODIS 1B”.
• Aparece a janela “MODIS Input File”.

Selecione o arquivo de 500 ou 250
metros. Clique em OK.
Figura I-17: Imagem MODIS (composição
• Aparecendo a janela Georeference colorida) com resolução de 500 metros
MODIS Parameters, selecione projeção e da costa do Atlântico da América do Sul,
datum desejado e determine o número de sem georreferenciamento
pontos que serão usados para a

transformação. (Detalhes de como escolher o melhor procedimento nesta janela

encontra-se na seção 2.3. deste mesmo guia).
• Logo após, aparece a janela “Registration Parameters”. Defina os parâmetros de
transformação e clique em “Change Output Parameters”. Em “X Pixel Size
(meters)” e “Y Pixel Size (meters)” , digite o valor 500 para as imagens de 500
metros de resolução, e 250 para as imagens de 250 metros de resolução. Depois,
clique em OK, e voltando para a janela “Registration Parameters”, defina o nome
do arquivo de saída e clique novamente em OK. O resultado aparecerá na lista de
bandas disponíveis (Available Bands List).
Figura I-18: Imagem MODIS com resolução de

500 metros, georreferenciada na projeção
policônica

3. Processamento de Imagens NOAA

3.1. Um pouco sobre o NOAA
O NOAA (National Oceanic and Atmospheric Administration),

assim como as imagem MODIS, pertencem ao grupo de
imagens de campo largo de visada, ou seja, uma cena do
NOAA recobre áreas com dimensões continentais.
Os órgãos responsáveis pelo NOAA são o NESDIS (National

Environmental Satellite Data and Information Service) e a
NASA (National Aeronautics and Space Administration), sendo
esses órgãos pertencentes ao Governo dos Estados Unidos da
América.
Figura I-19: Logotipo do
Inicialmente, o programa NOAA chamava-se TIROS NOAA
(Television and Infrared Observation Satellite), e foi
desenvolvido pela NASA devido a necessidade de se ter um
sistema de satélites meteorológicos. Esse programa foi concebido nos anos 60.
Em 11 de Dezembro de 1970, foi lançado o satélite TIROS A, que também recebeu a

denominação de NOAA 01. A diferença deste para a série TIROS é que neste foram
incluídos sensores infravermelhos. Nascia aqui a série de satélites NOAA.
O satélite NOAA, assim com o Terra, possui vários sensores: AMSU-A, AMSU-B,
AVHRR/3, HIRS/3, SBUV/2, OCI e adquire dados de todo o planeta. Neste guia,
aprenderemos a processar imagens do sensor AVHRR e nos preocuparemos neste guia
com as especificações dele. Detalhes do funcionamento dos outros sensores pode-se
encontrar direto da fonte destas informações contidas no guia, em www.noaa.gov e
snig.cnig.pt/Portugues/RedesTematicas/ Rot/english/noaa.html
Veja abaixo algumas características técnicas do NOAA
3.2. Sensor AVHRR

O sensor AVHRR (Advanced Very High Resolution Radiometer) é usado principalmente
para aplicações meteorológicas, como determinação de quantidade de nuvens e cálculos
de temperatura da superfície de qualquer tipo, como superfície terrestre e marítima e
também temperatura de nuvens. O sensor AVHRR opera com 5 bandas, mas a partir do
NOAA 15, foi implementado mais uma banda (3A) e os dados possuem uma resolução
radiométrica de 10 bits (1024 níveis de cinza) e em uma resolução temporal de 9 dias
(para adquirir a mesma cena, porém ela recobre áreas coincidente quase por completo
em um intervalo de 6 horas).

Veja abaixo as características do sensor AVHRR/3:
Parâmetro Banda 1 Banda 2 Banda 3A Banda 3B Banda 4 Banda 5
Intervalo Espectral (µm) 0.58-0.68 0.725-1.0 1.58-1.64 3.55-3.93 10.3-11.3 11.5-12.5
Resolução (km) 1.09 1.09 1.09 1.09 1.09 1.09
Intervalo de Temperatura - - - 180 - 335 180 - 335 180 - 335

(K)
Fonte: NOAA/KLM User’s Guide
As bandas do AVHRR se destacam, em aplicações, como:
Banda 1 – Imagem de nuvens e da superfície dia a dia.
Banda 2 – Melhor diferenciação entre terra e água.
Banda 3A – Detecção de neve e gelo.
Banda 3B – Mapeamento de nuvens e medição da temperatura da superfície

oceânica.
Banda 4 – Mapeamento de nuvens e medição da temperatura da superfície

oceânica.
Banda 5 – Medição de temperaturas da superfície oceânica.
Importante! A banda 3A foi adicionada no sensor AVHRR/3. O sensor

AVHRR/2 e AVHRR não dispõe da banda 3A, mas contém as outras.

Figura I - 24: Respectivamente as bandas 1,2,3 e 4 do AVHRR/2 (NOAA 12) com

realce de raiz quadrada. Note que nas bandas 3 e 4 vemos diferenças de cores
no oceano.
3.3. Carregando as imagens AVHRR no display

• Selecione, no menu principal do ENVI, a cadeia de comandos "Arquivo – Abrir
Imagem Externa – AVHRR – KLM/Level 1b".
• Aparecerá a janela do Windows de seleção de arquivos com o título "Enter

AVHRR Filenames". Selecione a imagem AVHRR desejada e clique em Abrir.
• As bandas carregarão na lista de bandas disponíveis (Available Bands List).

Figura I - 25: Composição colorida do AVHRR/NOAA 12,

resolução de 1,1Km
3.4. Georreferenciando as imagens AVHRR
O ENVI também possui recursos para o georreferenciamento automático das imagens do

sensor AVHRR. Aprenderemos nesta seção como manipular estas ferramentas:
• Selecione, dentro do menu principal, a cadeia de comandos "Mapa – Ferramentas

para AVHRR – Georreferenciar".
• Aparece a janela do ENVI "Enter AVHRR Filename". Selecione a imagem AVHRR

desejada e clique em OK.
• Aparece a janela "Georeference AVHRR Parameters". Como trata-se de uma

imagem com uma grande área imageada, deve-se considerar os mesmos
cuidados tomados anteriormente para georreferenciar a imagem MODIS. Detalhes
de como georreferenciar imagens desse tipo está na seção 2.3 deste mesmo guia.
• Aparecendo a janela "Registration Parameters", siga também os mesmos

procedimentos sugeridos para o georreferenciamento automático das imagens
MODIS. Clique em OK.

Figura I - 26: Imagem AVHRR/NOAA 12, região

do Atlântico Norte (Estados Unidos)
georreferenciada
3.4.1. Problemas que podem ocorrer no georreferenciamento de imagens

AVHRR
Em alguns casos, o georreferenciamento de imagens AVHRR podem gerar problemas

como criar "triângulos aleatórios" por toda a imagem se for escolhido o método de
triangulação para a transformação geométrica, ou, se o método escolhido para a
transformação for uma polinomial, o georreferenciamento fica de baixa qualidade. É
importante saber que esse problema aleatório que veremos é um problema nos
dados efeméricos do satélite, e não do ENVI. Veremos nesta seção os problemas e as
suas origens.

Figura I - 27: Problemas no georreferenciamento

de uma imagem AVHRR da costa do Atlântico Figura I - 28: Figura extraída através
no hemisfério sul. Note os triângulos aleatórios dos dados de geometria da imagem da
gerados no georreferenciamento. figura I - 27. Note que existem linhas
por todo o arquivo que prejudicam no
resultado final do
georreferenciamento, já que é através
desses dados que é realizado o
georreferenciamento automático
Mas, como já foi dito, o usuário não precisa se preocupar, pois na maioria das vezes este
problema não vai ocorrer.
Solução: Georreferenciar a imagem manualmente.
3.5. Construindo GLT’s e mais algumas dicas adicionais

Um passo para fazer o georreferenciamento de imagens NOAA é construir um arquivo de
geometria, que, para as imagens NOAA, é descrito acima. Este passo usa simplesmente
todos os pontos efeméricos disponíveis no arquivo, diferentemente dos métodos vistos
até então, que o usuário determina a quantidade de pontos a serem usados.
Depois de criado este arquivo, faremos agora um processo de GLT (Geographic Lookup
Table) e a usaremos para georreferenciar a imagem.
• Selecione, dentro do menu principal, a cadeia de comandos "Mapa –

Georreferenciar por Entrada de Geometria – Criar GLT"

• Aparece a janela "Input X Geometry Band". Selecione o arquivo de Longitude

gerado e clique em OK.
• Depois, aparece a janela "Input Y Geometry Band". Selecione o arquivo de

Latitude gerado e clique em OK.
• Logo após, aparece a janela "Geometry Projection Information". Escolha a

projeção desejada para o arquivo de saída em "Output Projection for
Georeferencing". Clique em OK.
• Aparece a janela "Build Geometry Lookup File Parameters". Com o arquivo de

geometria, o ENVI calcula automaticamente o tamanho de pixel adequado e
também o ângulo da órbita em "Output Rotation". Escolha um nome para o
arquivo SGL (que será o arquivo de geometria) e clique em OK. O resultado
aparecerá na lista de bandas disponíveis, porém, não é necessário visualizá-lo.
(NOTA: Esse processo é bastante lento, pois usa todos os pontos efeméricos).
Gerado o arquivo SGL, georreferenciaremos esta imagem a partir deste arquivo.
• Selecione, dentro do menu principal, a cadeia de comandos "Mapa –

Georreferenciar por Entrada de Geometria – Georreferenciar por GLT"
• Aparece a janela "Input Geometry Lookup File" . Selecione o arquivo de geometria

(SGL) gerado e clique em OK.
• Logo após, aparece a janela "Input Data File". Selecione o arquivo de imagem e
clique em OK.
• Depois, aparece a janela "Georeference from GLT Parameters". No campo

"Subset to Output Image Boundary" , escolha "Yes" se o arquivo a ser
georreferenciado for um subset (corte). Caso contrário, escolha "No". Em
"Background Value", escolha o valor Zero (imagem com cor de fundo preta),
escolha "File" ou "Memory" e clique em OK. O resultado aparecerá na lista de
bandas disponíveis.
Procedimentos para gerar um subset de uma cena da imagem NOAA e

georreferenciá-la com arquivo de geometria.
Muitas vezes não é de interesse do usuário georreferenciar a cena completa, e sim,

apenas parte dela. O georreferenciamento por GLT é um processo lento, e se a área de
interesse for apenas uma parte da imagem (subset), o usuário não precisa perder tempo
georreferenciando a cena inteira. Gerar subsets aparentemente é fácil, mas, como
precisamos do arquivo de geometria da NOAA para realizar o georreferenciamento, deve-
se tomar alguns cuidados que veremos agora nesta seção deste guia.
1º passo:
Crie um arquivo de geometria da imagem utilizando os mesmos passos da seção 3.4.1

deste guia, mas quando aparecer a janela " AVHRR Input File", clique no botão "Spatial
Subset" e gere um subset da imagem na área de interesse.

2º passo:
Salve a imagem NOAA original como um arquivo ENVI Standard selecionando a cadeia
de comandos "Arquivo – Salvar Imagem Como – ENVI Standard". Quando for escolhido o
arquivo clicando em "Import File", aparece a janela "Create New Input File". Selecione o
arquivo de imagem e clique em "Previous" que daí ele cobrirá exatamente a área
escolhida anteriormente no passo 1.
3º passo:
Edite o cabeçalho do ENVI do novo arquivo salvo. É preciso que se edite o "Ystart" e o
"Xstart" para zero. Se não for feito isso, haverá problemas no georreferenciamento por
GLT.
4º passo:
Siga os passos dessa seção que tudo ocorrerá normalmente.
3.6. Outras ferramentas para imagens NOAA
3.6.1. Visualizar Cabeçalho de imagens NOAA
Esta função torna-se extremamente útil principalmente quando se quer saber qual a
versão da imagem (NOAA 12, 13, etc...).
• Selecione, dentro do menu principal, a cadeia de comandos "Ferramentas –

Ferramentas para Dados Específicos – Utilidades AVHRR – Visualizar
Informações de Cabeçalho".
• Aparece a janela "AVHRR

Input File" . Selecione o
arquivo da imagem NOAA
desejado e clique em OK.
• Aparece a janela "AVHRR File

Information" (Figura I – 29).
Note na figura I – 29 as
diversas informações
contidas no cabeçalho,
como coordenadas de
canto da imagem,
Ângulo zenital, versão,
etc
Figura I - 29: Visualização de cabeçalho de imagens NOAA.

3.6.2. Calibrando Dados
Essa função é utilizada para calibrar dados de imagens NOAA 12,14 e 15. Ela retorna
resultados de porcentagem de reflectância para as bandas 1 e 2 e retorna a temperatura
(em Kelvin) absoluta da superfície dentro do intervalo do comprimento de onda absorvido
pelo sensor nas bandas 3, 4 e 5. veremos agora como obter esses dados calibrados
usando o ENVI.
• Selecione, dentro do menu principal, a cadeia de comandos "comandos

"Ferramentas – Ferramentas para Dados Específicos – Utilidades AVHRR –
Calibrar Dados".
• Aparece a janela "AVHRR Input File" . Selecione o arquivo da imagem NOAA

• Logo após, aparece a janela "AVHRR Calibrate Parameters". Selecione a versão

do satélite, escolha em "Correct for Solar Zenith Angles" se é desejada a correção
para o ângulo zenital solar, escolha "File" ou "Memory" e clique em OK. O
resultado aparecerá na lista de bandas disponíveis.
3.6.3. Calculando temperaturas da superfície do mar
Esta função calcula, além da temperatura da superfície do mar, a

temperatura das nuvens (se elas existirem na imagem) e também a
temperatura absoluta do solo terrestre.
• Selecione, dentro do menu principal, a cadeia de comandos "Ferramentas –

Ferramentas para Dados Específicos – Utilidades AVHRR – Computar
Temperatura da Superfície do Mar".
• Aparece a janela "AVHRR Input File" . Selecione o arquivo da imagem NOAA

• Logo após, aparece a janela "AVHRR Sea Surface Temperature ...". Em "Satélite",
escolha a versão do satélite NOAA do arquivo escolhido, em "SST Algorithm"
(usado para a correção atmosférica para o cálculo da temperatura), escolha a
opção "Day..." se a imagem foi adquirida ao dia, e escolha Night se a imagem for
adquirida pela noite: Split para as bandas 5 e 4, Dual para as bandas 4 e 3 e Triple
para as bandas 5 e 3.
• Escolha "Yes" ou "No" para a correção da imagem para a correção do ângulo

solar. Escolha "File ou "Memory" e clique em OK. O resultado aparecerá na lista
de bandas disponíveis, com uma imagem com uma banda apenas, e os resultados
em graus Celsius (NOTA: Para observar a temperatura, basta ativar o "Cursor
Location/Value" com duplo-clique sobre o display da imagem.

Figura I - 30 : Imagem de temperaturas absolutas. Note que é usada a janela "Cursor

Location/Value" para observar os valores de temperatura na imagem

J: Ferramentas Topográficas.
Qualquer tipo de modelo topográfico pode ser representado por relevos, e deste relevo
pode-se criar um formato de saída que é uma visualização de superfície 3D. No entanto,
para gerar esse tipo de dado, é necessário que se tenha coordenadas coletadas no
campo seja elas arbitrárias ou com sistema de projeção cartográfica adequados, e a cada
coordenada deve ser associado um valor de elevação chamado de coordenada z , cota ,
altitude ou profundidade. A partir dessas cotas que estão associadas a cada ponto x e y
do terreno existem algoritmos que criam uma grade regular desses pontos, e após
gerado a grade regular é criado o Modelo Digital de
Elevação (DEM). Também existem outras
nomenclaturas para o DEM como MDT (Modelo
Digital de Terreno) ou MNT (Modelo Numérico de
Terreno).
Para se trabalhar com esse tipo de dado, o ENVI

dispõe de uma série de ferramentas que se encontra
em Topográfico , que pode ser acessado através do
menu principal.
A opção “Abrir Arquivo Topográfico” serve para abrir

Figura J-1:Menu das funções arquivos que estão no formato de MDT ou DEM
Topográficas fornecidos pela USGS dos Estados Unidos.
“Modelagem Topográfica” é usado para gerar imagens de aspecto, inclinação,

obliqüidade, declividade, variações da curvatura do terreno dos dados topográficos, etc.
“Classificar Características Topográficas” é uma função que permite classificar

automaticamente características de um MDT. Ele classifica automaticamente Picos,
Cumes, Passagens, Planícies, Canaleta e Buracos.
“Criar Visualização “Hill Shade”” cria um relevo sombreado de um MDT através da Tabela
de Cores do ENVI.
“Substituir Valores Incorretos” serve para eliminar um valor incorreto no MDT
“Gradear Pontos Irregulares” é uma função usada para criar grades regulares através de
pontos distribuídos irregularmente e logo após ele gera um MDT através dessa malha
digital.
“Visualização Interativa 3D” é uma ferramenta que é utilizada para visualização e

manipulação de MDT´s.
“Geração de MDT” é uma função desenvolvida pela SulSoft para gerar um MDT a partir
de um ou mais arquivos que estejam no formato .dxf , .dgn ou .evf e que estejam na
forma de curvas de nível ou pontos cotados.

1. Abrir Arquivo Topográfico

Essa função é acessada através da cadeia de comandos “Topográfico – Abrir Arquivo
Topográfico” do menu principal. Essa função permite ler arquivos do tipo United States
Geological Survey Digital Elevation Model (USGS DEM) , Defense Mapping Agency digital
Terrain Elevation Data (DMA DTED) e também o Spatial Data Transfer Standart (SDTS
DEM).
2. Modelagem Topográfica
A função de Modelagem topográfica pode ser usada em qualquer arquivo MDT, e serve
para extrair parâmetros da imagem, como aspecto do MDT, declividade, variações de
curvaturas, etc. O resultado é um arquivo de imagem que contém as informações
extraídas do MDT.
O usuário precisa fornecer informações de elevação e

azimute solar. Clicando em “Compute Sun Elevation and
Azimuth...” , basta o usuário fornecer a data da aquisição
do MDT e a localidade, em Lat/Long, que o próprio
software computa a elevação e o azimute do local para o
dado horário. Veja alguns exemplos
Slope: A declividade, ou inclinação do terreno, é medida

em graus no ENVI e o valor de inclinação de uma dada
região pode ser vista através do Cursor Location Value .
O valor zero é horizontal.
Aspect: Gera uma imagem de aspecto da região em um

dado azimute , elevação solar e horário.
Figura J-2:Janela Topo

Model Parâmeters

Figura J-3:MDT Raster Figura J-4:Imagem de Declividade

(visão 2D) (as regiões mais claras são as de
maior declividade)
3. Classificar Características Topográficas
O ENVI dispõe da ferramenta de classificação automática de características topográficas

de um MDT. Como em um processo normal de classificação, ele atribui cores para cada
característica do MDT.
A característica topográfica é feita através da inclinação do terreno e também através da

sua curvatura. Por exemplo, se numa dada direção a declinação da superfície for côncava
através de uma seção transversal, essa região é classificada como uma canaleta. Logo,
se a declinação da superfície for convexa em uma dada direção de uma certa seção
transversal, essa região é classificada como um cume. Os picos tem uma seção
transversal convexa e uma curvatura longitudinal também convexa, os poços também
possuem uma seção transversal convexa, porém a sua curvatura longitudinal é côncava.
As passagens possuem uma curvatura convexa e uma curvatura côncava. O ENVI
classifica automaticamente picos, cumes, passagens, planícies, canaleta e buracos.
• Selecione , dentro do menu principal, a cadeia de comandos “Topográfico -

Classificar Características Topográficas”.
• Selecione o MDT, e logo em seguida aparecerá a janela “Topographic Feature

Parameters” .

• Escolha File ou Memory e depois, clique

em OK.
O resultado aparecerá na janela “Available Bands

List”. O verde da classificação representa o plano
(“plane”) , azul representa canaletas (“chanells”),
laranja representa cume (“ridge”), vermelho
representa passagens (“pass”), amarelo
representa picos (“peak”) e magenta representa
buracos e depressões (“pit”). Um exemplo de
classificação de características topográficas se
encontra na figura abaixo.
Figura J-5:Janela da escolha dos

parâmetros da classificação.
Figura J-6:Resultado da
Classificação Automática
4. Criar Visualização “Hill Shade”

É usado para criar um relevo sombreado a partir de um arquivo de MDT, para assim ter-
se uma melhor visualização do MDT em um plano de duas dimensões. A visualização Hill-
Shade pode ser feita através de duas maneiras: Usando as cores do display ativo ou
usando a tabela do cores do ENVI.
4.1. Criar Visualização Hill Shade através das cores do display

• Selecione, no menu principal, “Topográfico – Criar Visualização Hill Shade” .
• Vai aparecer a janela “Hill Shade Blend Input” , que é a janela que o usuário
poderá optar entre escolher a tabela de cores do ENVI ou usar as cores do próprio
display da imagem para criar a visualização. Para este exemplo, vamos escolher
as cores do display ativo.

• Escolha o arquivo MDT desejado e clique em OK, logo

em seguida aparece a caixa de diálogo “Hill Shade
Image Parameters” .
• Especifique os valores de elevação e azimute solar e se

a imagem de entrada não tiver uma resolução definida
no seu cabeçalho, aparecerá um campo para o usuário
fornecer a resolução da imagem, dentro do “Hill Shade
Image Parameters”.
• Escolha File ou Memory para a saída do resultado.
• Clique em OK e o resultado aparecerá em formato RGB

na janela de lista de bandas disponíveis (“Available
Bands List”). Um exemplo de resultado está acima.
Figura J-7: Parâmetros para a

criação do relevo sombreado
4.2. Criar Visualização Hill Shade através da tabela de cores do ENVI.
Uma aplicação da tabela de cores do ENVI para gerar visualização Hill Shade serve para
DEM que não possuem uma composição colorida, e sim, apenas tons de cinza. Ele
transforma os valores HSV do arquivo DEM em uma composição colorida RGB e com
isso gera a visualização Hill Shade.
• Selecione, no menu principal,

“Topográfico – Criar Visualização
Hill Shade”.
• Quando a janela “Hill Shade Blend

Input” aparecer, escolha a opção
Color Table Lookup”.
• Logo após, selecione o arquivo

DEM desejado e clique em OK.
• Vai aparecer a janela “Hill Shade

Image Parameters”, mas com a
diferença que vai aparecer também
na mesma janela uma campo com
a tabela de cores do ENVI (figura
ao lado).
Figura J-8:Resultado de uma

visualização Hill Shade

• Especifique a tabela de cor desejada, preencha os campos da elevação e azimute

do Sol (pode ser computado a partir da data, hora e posição de Latitude e
Longitude).
• Escolha o tipo de realçe para o arquivo de saída, escolha File ou Memory e clique
em OK.
5. Substituir Valores Incorretos

Em um arquivo DEM, ou MDT, as altitudes são representadas por tons de cinza, ou seja,
pelos níveis de cinza associado à resolução radiométrica da imagem.
Um DEM pode ser representado, por exemplo, pelo

preto sendo a região de menor altitude passando
pelos tons de cinza até chegar no branco, sendo o
branco a região de maior altitude.
Para chegar-se nestes resultados, que é o arquivo

final DEM, é usado interpoladores matemáticos e
vários outros procedimentos para se ter o resultado
final. Mas mesmo que esses procedimentos
matemáticos e estatísticos sejam comprovadamente
eficientes, é comum que às vezes haja pequenas
falhas em alguns pontos da imagem, falhas essas
que pode ser gerada, por exemplo, pelo tipo de
interpolador matemático usado. Essas falhas são
valores incorretos de pixels que aparecem na
imagem. Por exemplo, em uma certa região onde há
a predominância do valor de altitude 200 metros, sendo Figura J-9:Parâmetros de entrada para
este valor de altitude representado pelo valor de cinza a substituição de valores incorretos.
15, que é próximo do preto numa escala de cores 0-
255. Imagine que dentro dessa região há um valor de
pixel 255, que é branco e que nada tem a ver com a região, então esse é o valor incorreto
que devemos substituir. Valores incorretos de pixels também é comum aparecer em
imagens de Radar.
O ENVI possui uma função que corrige esse tipo de problema que é a função “Substituir
Valores Incorretos” , dentro do menu Topográfico. Através dessa função é possível corrigir
esse tipo de problema , sendo essa função de grande importância.
• Selecione “Topográfico – Substituir Valores Incorretos” .
• Aparecendo a caixa de diálogo, escolha o arquivo desejado e clique em OK.
• Aparece a caixa de diálogo “Replace Bad Data Parameters” (Figura J-9).

• O usuário pode optar por duas opções: determinar um valor específico do valor de
pixel incorreto no campo Bad Value ou então escolher um intervalo de valores de
pixels incorretos no campo Bad Value Threshold Range.
• Escolha File ou Memory e clique em OK. O resultado aparecerá na lista de bandas

disponíveis (Available Bands List).
6. Gradear Pontos Irregulares

Essa função serve para criar uma grade regular de pontos
cotados a partir de uma coleção de pontos, sendo esses
pontos, em formato ASCII, dispostos em uma malha
irregular. O ENVI, através dessa função, cria através de um
interpolador matemático uma grade regular de pontos, e logo
após , tendo essa grade regular, cria um DEM, aparecendo o
resultado na lista de bandas disponíveis.
Essa função é extremamente útil, sendo uma das mais

utilizadas hoje em diversos trabalhos de topografia, porque é
a partir de pontos coletados no terreno que se cria um MDT
• Selecione “Topográfico – Gradear Pontos Irregulares”.
• Aparecendo a caixa de diálogo, selecione o arquivo

onde estão os pontos em formato ASCII. Forneça
também o Datum e Sistema de projeção em que estão
os pontos.
• Depois de selecionado o arquivo, aparecerá a caixa

de diálogo “Input Irregular Grid Points”
Figura J-10:Parâmetros da
• Defina a coluna para os pontos X , Y e Z (cota).
grade irregular de pontos
Também informe se as coordenadas dos pontos são
baseadas em pixel ou em coordenadas de mapa.
• Clique em OK e aparecerá a caixa de diálogo “Gridding Output Parameters”.
• Selecione o tipo de interpolação que você deseja aplicar nos pontos. Também
defina a resolução (tamanho do pixel) de saída. Em Output Data Type, escolha o
tipo numérico que estão os dados. Clique em OK.
• Novamente aparecerá a caixa “Gridding Output Parameters, mas agora o usuário

definirá o arquivo de saída e , caso algum parâmetro deva ser mudado, clica-se em
“Change Output Parâmeters”. Escolha File ou Memory e clique em OK.

• O resultado aparecerá na janela de lista de bandas disponíveis (Available Bands

List).
7. Visualização Interativa 3D
Gerar visualizações tridimensionais é um passo fundamental para se trabalhar com
DEM's, sendo muitas vezes o trabalho final, pois hoje em dia esse tipo de serviço é
constantemente realizado.
A função “Visualização Interativa 3D” , que se

encontra no menu topográfico e também dentro do
menu da janela gráfica, no menu “Ferramentas –
Visualização Interativa 3D” é usada para gerar
visualizações tridimensionais de arquivos DEM. É
aberta uma janela e nessa janela você pode
mover, rotacionar ou transladar a visualização
através do cursor.
• Carregue a imagem desejada.
• Selecione “Topográfico – Visualização

Interativa 3D” ou, no menu do display,
“Ferramentas – 3D Surface View”.
• Vai aparecer a caixa de diálogo para

selecionar o arquivo. Selecione o arquivo
Figura J-11:Parâmetros da
• Depois de selecionado o arquivo DEM, vai visualização 3D.
aparecer a caixa de diálogo da entrada dos
parâmetros da visualização.
• Em DEM Resolution, preencha a resolução em que você deseja que seja

apresentado a visualização. Os números acima são números de pixels para
impressão.
• Em “DEM min plot value” e “DEM max plot value” escreva, respectivamente, os
valores mínimos e máximos de cotas do DEM. Se o campo for mantido em branco,
ele não estabelecerá limites. Os valores que não estiver no intervalo escolhido não
serão mostrados na visualização.
• Em “Vertical Exageration” , forneça o valor de exagero vertical desejado.
• Em “Image Resolution” escolha Full ou Other.

• Em “High Resolution Texture Mapping” , se colocar On, toda a resolução da

imagem vai aparecer no MDT, melhorando assim a qualidade da visualização do
mesmo.
• Entre com os valores do tamanho dos pixels e clique em OK. Logo após,
aparecerá um display com a superfície digital e também a caixa de diálogo “3D
Surface View Controls”.
Figura J-12:Visualização 3D da Região Metropolitana de Porto Alegre

7.1. Funções do mouse no display de visualização 3D.

O mouse desempenha um papel fundamental para a visualização da superfície 3D.
Através dele, é possível fazer translações, rotações e também o zoom em tempo real.
Botão esquerdo do mouse: Serve para fazer rotações na figura. Movendo o mouse na
horizontal, a figura rotaciona 360° tanto para a esquerda como para a direita. E movendo
o mouse na vertical, a superfície se movimenta 180° tanto para cima como para baixo.
Botão central do mouse: Faz translações , tanto de um lado para outro, como de cima
para baixo. O botão central não está presente em todos os mouses do mercado, portanto,
para simular o botão do meio do mouse, pressione Control e clique com o botão esquerdo
do mouse.
Botão direito do mouse: É usado para se ter o zoom em tempo real. Arrastando o
mouse para a direita, tem se a aproximação do zoom. Arrastando o mouse para a
esquerda, tem-se o afastamento da figura.
7.2. Valor / Localização do cursor

A função da localização do cursor, que serve para
determinar, em um certo pixel, a sua coordenada e o valor de
tom de cinza, também pode ser usada no display da
visualização 3D. Para isso, vá primeiramente no display
aberto da figura (Não o display da superfície) e de um duplo-
clique para que apareça a caixa de diálogo da localização do
cursor. Logo após, vá com o mouse para o display da
visualização 3D e lá vai aparecer, além dos valores X e Y , a
sua cota, ou altitude, ou profundidade Z que está associada
ao par de coordenadas X e Y. A coordenada Z vai aparecer
escrita como “Elev”.
• Também é possível interagir com uma localidade do MDT

com mesma localidade na imagem. Para isso, é só dar
um duplo-clique no MDT que automaticamente a mesma
região irá aparecer na janela gráfica.
7.3. Modos de funcionamento do 3D Surface View

Motion Controls
O controlador da visualização 3D é usado para criar Figura J-13:Menu Options
animações e/ou vôos simulados para proporcionar uma
melhor visualização do MDT. Ele pode funcionar de dois
modos diferentes: Como “User Defined” ou como
“Annotation” . Para carregar o “Motion Controls” , selecione, dentro do menu do 3D
Surface, “Options – Motion controls”.

7.3.1. Modo “User Defined”

No modo “User Defined”, o usuário escolhe as posições previamente para fazer uma
animação através de cenas definidas pelo usuário (paths).
Voando sobre a imagem 3D (Fly-Through)

O ENVI dispõe de um módulo aonde é possível salvar cada posição desejada da figura
3D e depois criar uma animação a partir dessas imagens. Com isso, pode–se ter uma
visão mais interativa da imagem em três dimensões.
Passos:
1 – Dentro do display da visualização 3D, escolha, através de translações, rotações e
zoom uma posição desejada da figura tridimensional.
2 – Dentro da janela “3D Surface View Controls”, clique em Add.
3 – Escolha uma nova posição da imagem.
4 – Clique novamente em Add.
5 – Repita o procedimento 3 e 4 , respectivamente, até ter-se várias posições da imagem.
Add: Adiciona uma nova posição da imagem.

Replace: Querendo alterar uma das visualizações já escolhidas, clique sobre ela na caixa
de diálogo do controlador 3D , escolha uma nova visualização dentro do display e vá em
Replace.
Delete: Apaga qualquer visualização escolhida.
Clear: Apaga todas as visualizações de uma vez só.
6 – Entre com o número de frames desejado para o Fly-Through. Quanto maior o número
de frames, dependendo da quantidade de cenas escolhidas, melhor vai ser a animação,
porém mais lenta.
7 – Clique em “Play Sequence” e na mesma janela de display da superfície 3D a

animação começará.
7.3.2. Modo “Annotation”

O modo “Annotation” é usado para definir uma linha de vôo através de uma polyline,
elipse, retângulo ou polígono. Através dessa figura, o ENVI cria um “Fly-Through”
baseado na linha definida pelo usuário.
1 – Dentro da janela “Motion Controls” , selecione “File – Input Annotation From...” ou

“Options – Motion: Annotation Flight Path”.
2 – Agora, o usuário pode optar por dois caminhos:

1ª opção: Crie uma linha de vôo através do display da imagem com a cadeia de
comandos “Overlay – Annotation” e logo após, dentro do controlador 3D, clique em “File –
Input Annotation from Display” e selecione uma das anotações feitas.
2ª opção: Crie uma anotação e salve em arquivo. Logo após, selecione, dentro da
janela do controlador 3D, a cadeia de comandos ”File – Input Annotation from File” e
selecione o arquivo de anotação desejado e depois selecione a figura desejada desse
arquivo.
3 – Aparecerá no display da visão 3D a linha selecionada pelo usuário. Agora, o usuário

dispõe de várias opções como:
Play Sequence: Essa opção não muda em relação ao do modo “User Defined” , mas com
a diferença de que neste
caso a animação vai seguir
a linha de vôo criada pelo
usuário.
DEM Clearance / Constant

Elevation: É usado para
definir a altura de vôo do
Fly-Through. Em DEM
Clearance, ele segue a
risca a altura de cada ponto
da imagem. Se a parte que
ela estiver sobrevoando
tiver uma altura de 100
metros, com esta opção ela
vai estar a uma altura de,
por exemplo, 50 metros
dessa região. Se em outra
região a altura for zero,
neste modo ele também vai
sobrevoar a 50 metros
desse plano. Já no modo
Constant Elevation, ele
pega uma referência na
imagem e faz um sobrevôo
com uma altura constante,
não importando qual região
da imagem. Figura J-14:Visualização 3D com camadas vetoriais
sobrepostas
Vertical look Angle / Horizontal look Angle: Usado para definir a inclinação vertical e
horizontal da visão do sobrevôo.
Smooth: Usado para delinear (suavizar) o traçado da anotação.
Replot Trace: Essa função serve para o usuário verificar no display da visão 3D as
mudanças que ele está fazendo na linha de vôo. Por exemplo, se o usuário suavizar o
traçado, ele não vai aparecer na figura, mas usando a função Replot Trace, ela vai ser

visualizada no display. Se o usuário mudar a altura de vôo, também vai ser visualizada se
o usuário pressionar o botão dessa função.
7.3.3. Sobreposição de camadas vetoriais
A partir da versão 3.5, tornou-se possível a sobreposição de camadas vetoriais em cima

da visualização do MDT para ter-se uma melhor representação dos dados.
• Carregue um arquivo vetorial (ou crie um layer) dentro do display da imagem

bidimensional (sem a visualização 3D).
• Depois de carregado os vetores, gere o MDT e , dentro do menu Options,

selecione a opção “Import Vectors”
• Os vetores aparecerão na visualização 3D. O usuário pode desligar os vetores em

“Vector Layers [On/Off]” . Quando o MDT é movido com o cursor , tem-se a opção
de os vetores moverem-se juntos ou não, clicando-se em “Plot Vectors On
Move[No/Yes]”
7.4. Tipos de representação de DEM

Como foi visto na figura 16, o DEM da figura foi representado por uma escala de tons de
cinza, sendo a parte clara de maior altitude e a parte escura de menor altitude. Também,
para melhor visualização, pode-se aplicar no display da imagem em tons de cinza uma
tabela de cores e , posteriormente, gerar a visualização 3D. Se o Arquivo DEM for em
RGB, também o procedimento para visualizar o DEM é o mesmo de antes. Mas, para
representar um DEM, existem outras possibilidades de visualização. No ENVI, existem
ferramentas em que se pode visualizar o DEM da forma “wire frame” ou por pontos.
Modo Image Modo Wire Frame Modo Points
Figura J-15:Diferentes tipos de representação de

MDT

• Selecione, dentro do menu do 3D surface, a cadeia de comandos “Surface –

Image , Wire , Ruled XY , Ruled YZ , ou Points”.
O display mudará automaticamente.
• Mais abaixo, dentro do menu “Surface” , o usuário pode escolher a resolução na

qual se deseja que fique a imagem.
Para visualizar toda a malha de linhas do Wire Frame, selecione “Options – Wire Lines:
See Through”.
Para encobrir as linhas que ficam atrás da visualização, selecione “Options – Wire Lines:
Hidden”.
Figura J-16:
Visualização
do Wire Frame
See Through Hidden
7.5. Menu “Options”

7.5.1. Resetando a visualização 3D
• Selecione “Options – Reset View” e a visualização aparecerá numa posição
default.
7.5.2. Visão Panorâmica

• Selecione “Options – Position View”.
A caixa de diálogo “SurfaceView Positioning” aparecerá.
• Selecione “Map Coord” para imagens georreferenciadas , ou “Pixel Coord” para

imagens baseadas em coordenadas e pixel (não georreferenciadas).
• Se for selecionado “Pixel Coord”, entre com o valor da linha (Line) ou da coluna
(Sample) da coordenada da região onde vai ser a origem do eixo ou dê um duplo-
clique sobre a imagem do DEM para definir aonde vai ser o seu ponto central.

Height Above Ground
Visão 3D
Origem
Figura J-17:
Demonstração da origem e do
“Height Above Ground”
• Logo após definida a origem, defina a altura da sua origem em “Height Above
Ground”. É fundamental escolher uma altura coerente com a altitude dos dados do
DEM, porque se for escolhida uma altura desproporcional aos valores de cota, o
usuário terá problemas para usar a visão panorâmica.
• Na janela, há duas barras, uma para o “Azimuth” (Azimute) e outra para a elevação
(“Elevation”) do terreno. O Azimute é contado de 0º ao norte e é crescente no
sentido horário. Já a elevação é contado a partir do plano horizontal como sendo
de 0º e é decrescente para baixo e crescente para cima.
Norte
Elevation
Height Sentido Positivo

Imagem (até 90º)
Above
Ground
0º
Sentido Negativo
(até -90º)
Figura J-18:Gráficos de crescimentos dos

azimutes e elevações da visão
panorâmica.

7.5.3. Criando animação das cenas salvas

Como já foi visto anteriormente, bastava o usuário dar um clique no botão “Play
Sequence” para gerar a animação da visão 3D. Mas com a função Animate Sequence,
que se encontra dentro do menu options , é dada mais opções para o usuário visualizar a
animação, com um botão de Play, um de Stop e dois para retroceder e avançar a
animação. Carregando a função, ele primeiramente vai carregar os números de frames
para depois, na seqüência, criar a animação.
Inverte a ordem de como foram dispostas as

cenas da animação.
Coloca a animação na ordem das cenas que foram

definidas.
Botão “Play”
Botão “Stop”
Figura J-19:Caixa de diálogo “Animating

Sequence”.
7.5.4. Mudando o exagero vertical do DEM

Para visualizar mais detalhes de um DEM, na maioria dos casos é necessário aplicar uma
exagero vertical na imagem, o conceito de exagero vertical é largamente usado em
Fotogrametria e Topografia, e é bem explicado conforme a figura abaixo:
Figura J-20:Representação de
perfis
Perfil Normal Perfil com exagero vertical de 2X

• Para mudar o exagero vertical da visão 3D , selecione, dentro do menu options, a

opção “Change Vertical Exaggeration” e entre com o valor de exagero vertical
desejado.
7.5.5. Mudando a cor de fundo da visão 3D

• Selecione “Options – Background: Black or White”.
7.5.6. Interpolador de pixels
• Selecione “Options – Interpolation: None ou Bilinear” . O default é o “None” , mas a

Bilinear gera uma melhor aparência na visualização da imagem no monitor, já que
ela faz uma interpolação de pixels. Em consequência, fica mais lenta a operação
de rotação, translação e zoom da imagem 3D.
7.5.7. Dando seqüência a animação
• Em “Options – Play Sequence LookUp On” é possível fazer uma animação

contínua clicando apenas em Play Sequence. Terminando a animação, ela volta
novamente ao início e assim sucessivamente.
7.6 Manipulando o menu File e a visão 3D
Através do menu File da caixa de diálogo “3D SurfaceView Controls” é possível salvar um
certo conjunto de cenas definido pelo usuário, restaurar um arquivo já salvo de cenas,
inserir uma anotação feita no display (como já foi visto na seção 6.3.2 deste capítulo) e
também salvar a animação ou o display da visão 3D.
7.6.1. Salvando e restaurando as cenas (Paths)
• Selecione “File – Save path to file”
• Entre com o nome do arquivo de saída. Ele será salvo na extensão .pat .
• Para restaurar um arquivo .pat já criado, selecione “File – Restore path from file” e
selecione o arquivo .pat desejado .
• Obs.: Apenas no modo “User Defined” é possível restaurar um arquivo .pat .

7.6.2. Salvando e imprimindo o display da visualização 3D
• Para salvar a visualização como um arquivo de imagem, selecione “File – Save

Surface As – Image File”
• Para salvar a visualização no formato VRML 2.0 , selecione “File – Save Surface
As – VRML”
• Para imprimir o arquivo, é só selecionar “File – Print”.
7.6.3. Salvando a animação no formato MPEG
No ENVI é possível salvar as animações no formato MPEG, porém, para isso é preciso ter
uma licença especial e sem custos. Para adquiri-la, basta o cliente entrar em contato com
a SulSoft através do e-mail sulsoft@sulsoft.com.br.
• Defina as cenas em que se deseja fazer a animação.
• Logo após, crie uma animação com essas cenas para verificar se a animação é a
que se deseja fazer.
• Logo após, selecione “File – Output Sequence to MPEG”.
• Entre com a compressão desejada do arquivo MPEG. Uma compressão de 0

significa pior qualidade no formato de saída, assim como o valor 100 significa total
qualidade (sem compressão).
• Entre com o fator de duplicação se desejado. Se o usuário escolher o fator 2, por

exemplo, na hora de gerar o MPEG, esse arquivo terá o dobro de frames do
escolhido na animação do ENVI.
• Entre com o nome do arquivo de saída e clique em OK.
8. Geração de MDT a partir de arquivos .dxf ou .evf
Essa função foi desenvolvida

pela SulSoft e tem como
objetivo criar um arquivo no
formato ENVI de um MDT em
formato .dxf ou .evf . O arquivo
.evf é o formato vetorial do
ENVI e o formato .dxf é o
formato vetorial aceito por
vários softwares do tipo CAD
populares, como o Microstation
e o AutoCAD.
Figura J-21:Função Geração de MDT

• Selecione “Topográfico - <Geração de MDT>.
• Aparece a caixa de diálogo igual à da figura abaixo.
• No Botão “Importar Dados” escolha o arquivo .dxf ou o arquivo .evf desejado.
• Logo após, vai aparecer a janela para escolher a projeção que se encontra os
dados escolhidos.
• Depois, escolha como se deseja que apareça os dados escolhidos no MDT

Preview, se “Desligado” , “Vetor 2D”, “Vetor 3D” , ou “Raster”.
• Escolha o tamanho do pixel de saída.
• Defina o método de interpolação (Triangulação , Crescimento de Regiões ou

Inverso da Distância).
• Escolha também o exagero vertical do MDT.
• Escolha o nome do arquivo de saída e o caminho do diretório em “choose”.
• Clique em Gerar MDT . Logo após, o resultado aparecerá na Lista de Bandas

Disponíveis.

K: Tratamento de Dados de Radar

No ENVI há um conjunto de ferramentas desenvolvidas para o tratamento de dados de
radar e, em especial, radares de abertura sintética - SAR (Synthetic Aperture Radar).
Além disso, diversos dos recursos padrões para o processamento de imagens podem ser
utilizados em imagens de radar. Recursos tais como realce, manipulação de cores,
classificação, registro, retificação geométrica, etc.
A utilização de dados de radar traz algumas vantagens, entre as quais destacamos o fato
da aquisição não depender do clima no instante em que ela é feita. Ou seja, a
interferência de nuvens é muito baixa na imagem radar, e isto ocorre porque o sensor de
radar atua na faixa de microonda, onde a absorção de energia pela umidade do ar é
baixa.
No entanto há alguns problemas inerentes ao dado radar que prejudicam a interpretação

das imagens, tais como o ruído "speckle" e o efeito padrão de antena. Para estes casos
há rotinas específicas desenvolvidas para corrigir as falhas presentes na imagem. Uma
explicação sobre os principais conceitos de imagem radar encontrados neste capítulo,
você encontra na seção "Para Saber Mais”
1. Ambiente para tratamento de dados de Radar

O ENVI possui um dos mais completos suporte para o
tratamento de dados SAR provenientes dos sensores
AIRSAR/TOPSAR, RADARSAT e SIR-C
Entre os formatos suportados incluem-se o padrão
CEOS. Dados comprimidos do AIRSAR fornecidos
pelo JPL (Jet Propulsion Laboratory), os quais estão
no formato Matriz de Stokes, são sintetizados.
As correções radiométricas (Padrão de Antena e
"Speckle") e espaciais (Slant Range) são processadas
tanto a partir do 'header' (cabeçalho) dos dados
TOPSAR, RADARSAT e SIR-C, como de dados de
outras fontes, desde que todos os parâmetros, como
altitude de vôo(km), mínima distância(km), tamanho do
pixel em 'Slant Range'(m), etc, sejam fornecidas via
teclado. Figura K-1: Menu de
funcionalidades
para dados SAR
Abordaremos a seguir como abrir cada tipo de dado.

1.1. Visualizar cabeçalho e arquivo de imagem SIR-C
• Selecione, dentro do menu principal, a cadeia de comandos “Radar –

Abrir/Preparar Arquivo de Radar – Visualizar Cabeçalho CEOS Genérico”.
• Aparece a janela “Enter Compressed Data Products Filename”. Selecione o

arquivo NDV_L.CDP (contido no CD de dados do ENVI).
• Aparece a janela “CEOS Header Report”. Nessa janela contém informações sobre
a imagem de radar a ser analisada.
Dados importantes com relação a imagem são mostrados, como o número de linhas e
colunas (samples), tipo de dado, a projeção (Slant ou Ground Range), tamanho do pixel
(em metros), a polarização, entre outros.
O JPL distribui os dados do SIR-C em um formato compactado (extensão .cdp , como

visto logo acima), devendo ser sintetizado para visualizá-los.
• Selecione, dentro do menu

principal, a cadeia de
comandos “Radar –
Ferramentas Polarimétricas –
Sintetizar Imagens SIR –C”.
• Aparece a janela “Input Data

Products File”. Clique no
botão “Open File”.
• Selecione o arquivo
NDV_L.CDP. Quando o
nome do arquivo aparecer no
campo "Selected Files L:",
clique "OK".
Figura K-2: Escolha dos parâmetros de saída para o
arquivo sintetizado
Em seguida surge a caixa de
diálogo para definição dos
parâmetros de sintetização (figura K-2). As três polarizações - HH, VV e HV - e TP (de
Total Power) são marcadas, os tipo de dado de saída é ponto flutuante (Floating Point) e
escolha o nome do arquivo sintético de saída (extensão .syn).
• Clique em OK e o resultado aparecerá na lista de bandas disponíveis.
• Visualize a banda L-TP recém gerada, e aplique um realce interativo,

selecionando, dentro do menu da janela gráfica, a cadeia de comandos ”realce –
Realce Interativo”.

• Na janela de realce escolha Histogram_Source - Band e Stretch_Type - Gaussian.
Note como é forte o aspecto granulado da imagem.

A suavização deste efeito, inerente ao dado radar,
pode ser feita mediante aplicação de filtros
específicos ou através do processamento "multi-
look".
1.2. Redução de ruído Speckle

Este é sem dúvida um dos fatores complicam a
interpretação das imagens obtidas por RADAR e
que impediu um crescimento maior da aplicação
desta tecnologia pela comunidade usuária de
sensoriamento remoto.
Com os avanços da tecnologia de aquisição e dos

algoritmos de processamento dos dados de radar, Figura K-3: Banda L-TP
cada vez mais este tipo de informação tem se
tornado útil e utilizada.
Processamento Multi-look
Aqui, fazemos um processamento que irá gerar um arquivo compactado .cdp de uma
imagem "3 looks" da original.
• Selecione, dentro do menu principal, “Radar – Ferramentas Polarimétricas - Dados

Compactados Multi-look – SIR-C Multi-look .
• Na janela "Input Data Product Files", entre com o arquivo NDV_L.CDP .
• Logo após, é carregada a janela “SIRC Multi-

Look Parameters” altere o número de visadas
("looks") de 1 para 3, tanto em "range", quanto
em azimute e escolha o nome do arquivo
compactado .cdp novo.
• Os parâmetros referentes a número de colunas

e linha e resolução em metros são ajustados
automaticamente, de acordo com o número de
visadas escolhido. Clique em OK.
Para visualizar o resultado, basta sintetizar o arquivo

compactado gerado nesta operação, da mesma
maneira com feito na seção 1.1 deste capítulo do Guia.
Figura K-4: Banda L-TP com "3
DICA: Quando aparece a janela “Input Data Product looks"
Files” , se tiver nos seus campos alguma imagem

carregada anteriormente, clique no botão “Reset” para carregar um novo arquivo.
Veja na Figura K-4 como realmente o aspecto granulado reduziu consideravelmente após
processamento "multi-look". O tamanho da imagem, no entanto, igualmente diminui, pois
houve uma degradação na resolução espacial em azimute e "range".
Filtragem
O ENVI lhe disponibiliza os filtros mais utilizados para reduzir o speckle. São filtros
chamados adaptativos, tais como:
Lee Frost
Gamma
Kuan
Sigma Local
Erros de Bit
• Para aplicar o filtro, selecione, dentro do menu principal, a opção “Radar – Filtros
Adaptativos – [filtro desejado]”.
a b
c d
Figura K-5: Imagem SIR-C (a) , com filtro Lee (b), filtro frost (c) e
filtro Gamma (d)
Todos usando janela 3 x 3

1.3. Slant Range para Ground Range
Para corrigir as distorções geométricas decorrentes da aquisição de imagem por radar

(ver seção "Para Saber Mais"), o ENVI emprega as rotinas que executam esta tarefa para
quaisquer formatos de dados radar. Para os formatos AIRSAR, RADARSAT e SIR-C, ele
é capaz de ler automaticamente os parâmetros necessários, a partir das informações
contidas nos cabeçalhos.
Caso os dados estejam em um formato diferente destes

três, deve-se entrar com os parâmetros de altitude de
vôo (km), range próximo (km) e tamanho do pixel em
"slant" (m).
• Selecione, no menu principal, a cadeia de

comandos “Radar – Slant-To-Ground Range –
SIR-C”
• Escolha o arquivo de parâmetros NDV_L.CDP e

depois o arquivo sintetizado NDV_L.SYN.
Na janela "The Slant to Ground Range Parameters"

(Figura K-6), os campos correspondentes a altitude de
vôo (km), distância ‘range’ próximo (km) e tamanho de
pixel (m) em ‘Slant’ são automaticamente preenchidos
pelo arquivo de cabeçalho.
• Digite 13.32 no campo "Output pixel size (m)" Figura K-6: Definição de
parâmetros de conversão
• Para método de reamostragem, escolha "Bilinear" Stand-Ground Range
e entre com o nome NDV_GR.IMG para o arquivo
de saída.
Figura K-7: Imagem Ground -Range banda Figura K-8: Imagem Slant -Range banda L
L Polanização HH
Polanização HH

Visualize e compare as duas projeções, como as que estão acima. Perceba na primeira
imagem, como realmente em "slant range" o pixels ficam com um tamanho reduzido com
relação ao tamanho normal, dado por "ground range". A direção de visada é da direita
para a esquerda, e a distorção é maior no lado direito e menor no lado esquerdo da
imagem.
1.4. Visualização das Assinaturas de Polarizações

As assinaturas de polarização são representações tridimensionais de todo o sinal
espalhado de radar, sobre um único pixel ou um conjunto deles. Mostra o
retroespalhamento em todas as combinações de polarizações de transmissão e recepção.
Chama-se de co-polarizada a combinação onde a transmissão e recepção têm a mesma
polarização, enquanto que a combinação onde ambas são ortogonais entre si é
denominada polarizada cruzada.
As polarizações não são extraídas da imagem inteira, mas sim de regiões de interesse
(ROIs) que o usuário define ou carrega de regiões predefinidas.
• Selecione, dentro de menu principal, a cadeia de comandos “Ferramentas –

Região de Interesse – restaurar Arquivo de ROI Gravado”.
• Abre-se o arquivo \envidata\ndv_sirc\pol_sig.roi , que se encontra no CD de dados

do ENVI.
As regiões são vegetação, deserto, areia e fan.
Embora as ROI’s sejam visualizadas sobre o display da imagem, elas servirão de

referência para extrair assinaturas da matriz compactada do arquivo .cdp.
• Selecione, no menu principal, “Radar – Ferramentas Polarimétricas – Extrair

Signaturas de Polarização – SIR-C”. Selecione a imagem NDV_L.CDP.
Após selecionar todos os itens ("Select All Items") e saída para memória ou arquivo, tecle
OK e as assinaturas em 3-D do valor de intensidade (eixo Z), bem como a vista superior
(2-D) de cada item serão mostradas em janelas individuais

Figura K-9: Visualizador de assinaturas de polarização, com os dados da região amarela,

correspondente ao alvo areia (sand), com a sua vista superior dada no lado direito da janela.
Ao lado aparece a janela informando a estatística de intensidade, e os parâmetros de
visualização do gráfico.
No canto superior esquerdo do gráfico 3-D consta a informação que os dados são da
banda L, com combinação co-polarizada (CP), do alvo areia (sand), da cor da ROI
(yellow) e do valor mapeado (Intensity).
No eixo X temos 91 valores de elipticidade ("ellipticity") variando entre –45o a 45o, e no

eixo Y há outros 181 ângulos de orientação, indo de 0o a 180º.
A tabela de cores padrão da vista superior é em escala de cinza, a qual pode ser alterada
para qualquer outra tabela do ENVI na caixa de diálogo acessada por "Options – Color
Tables..."
É possível alterar também o valor mapeado pelos gráficos, de intensidade para

intensidade normalizada (entre 0 e 1) ou para decibéis (dB). E ainda alternar a
combinação de polarização entre co-polarizada e polarizada cruzada. Tudo isso na opção
de menu "Polsig_Data"
1.5. Realçando a imagem radar

O ENVI disponibiliza diversas ferramentas para o processamento de imagens em geral,
que podem ser muito úteis para imagens de radar. Um exemplo disso é a rotina de
criação de composição colorida sintética.

O princípio desta metodologia, é baseado na transformação do espaço de cores HSV

para o espaço RGB. Basicamente, aplica-se um filtro passa baixa e outro passa alta na
imagem, e colocamos as baixas freqüências no matiz (H), as altas no valor (V) e fixamos
uma saturação (S). Daí então é feita a transformação destas bandas para o espaço de
cores RGB.
A utilização deste método em imagem radar tem por finalidade melhorar a exposição das
características da imagem em larga escala, refinando detalhes. Ele apresenta melhores
resultados em áreas de moderado relevo.
Para maiores detalhes, consulte o artigo:
Daily, M., 1983 "Hue-saturation-intensity split-spectrum processing of Seasat radar

imagery", Photogrammetric Engineering and Remote Sensing, Vol. 49, No. 3, pp. 349-355.
• Abra o arquivo do CD-ROM

'\envidata\rsat_sub\bonnrsat.img'
• Vá para ' Transformações -> Imagem de Cor

Sintética' e selecione a imagem.
Aparecerá uma janela para entrar com o tamanho das
janelas dos filtros passa alta e baixa, bem como o valor de
saturação.
Como resultado temos três bandas que correspondem

cada uma a um canal do espaço de cores RGB. Ao
comparar a composição colorida com a imagem radar Figura K –10: Escolha dos
original, há um grande acréscimo de informação visual, parâmetros de criação da
onde os contornos entre diferentes alvos ficam bem mais composição colorida sintética
realçados.
Figura K –11: Parte da imagem Figura K –12: Composição Colorida

original Sintética

2. Para Saber Mais: Imageamento por RADAR

O termo radar é uma sigla derivada de "Radio Detection And Ranging". Nas imagens
óticas obtidas tanto por aerolevantamento como por satélites, precisamos de uma fonte
de luz para que o filme fotográfico ou o sensor eletrônico, sejam sensibilizados pela
radiação refletida pelo alvo no terreno. Neste caso temos exemplo de sensores passivos.
Já o radar emite a sua própria fonte de radiação, na faixa do microondas, captando

igualmente o sinal de retorno refletido pelo alvo. Por isso ele é dito como um sensor ativo,
ou seja, ele próprio gera a sua fonte de radiação. Portanto, isto possibilita ao radar
realizar imagens durante a noite.
Além disso, nesta faixa de comprimento de onda, a influência de nuvens é muito baixa no
sinal. Isto significa, que mesmo em dias nublados, a aquisição de imagens por radar pode
ser feita sem grandes perdas de qualidade.
Para emitir e captar a radiação refletida, o radar dispõe de uma antena, que transmite
sinais (ondas) numa extensão do terreno variando o ângulo de incidência q .
A antena do radar é capaz de tanto de emitir como receber sinais nos planos horizontal
(H) e vertical(V). Portanto, a antena poderá:
1. transmitir horizontal, receber horizontal – HH
2. transmitir vertical, receber vertical – VV
3. transmitir horizontal, receber vertical – HV
4. transmitir vertical, receber horizontal - VH
Os modos HV e VH são usados para discriminar certos alvos. Por exemplo, se a antena
envia um sinal polarizado horizontal, ao chegar no terreno e retornar ele é espalhado em
diversas outras direções. No entanto, na maior parte das vezes, o componente vertical do
sinal de retorno terá forte influência da vegetação presente na área atingida.
O avião ou satélite, segue uma direção de vôo e o sinal (pulso) é emitido na direção
perpendicular em intervalos regulares de T segundos.
A largura da célula de resolução, na direção de vôo (ra) é diretamente proporcional a

altitude de vôo e ao comprimento de onda do pulso. E é inversamente proporcional ao
comprimento da antena e ao coseno do ângulo de incidência.
Para sensores aerotransportados, cuja a altitude de vôo é da ordem de centenas de

metros, para obter uma resolução de 20 metros, o tamanho da antena deve ter
aproximadamente entre 8 e 10 metros de comprimento.
No entanto, para os sensores orbitais, onde a altitude é da ordem de centenas de

quilômetros, a antena deveria ter um comprimento próximo a 10 quilômetros. Este tipo de
antena é claramente inviável, tanto do ponto de vista técnico como econômico.
Então desenvolveu-se um radar que simula uma antena com estas proporções, a fim de
obter resolução semelhante. A este tipo de radar é dado o nome de Radar de Abertura
Sintética, ou simplesmente SAR (Synthetic Aperture Radar). A seguir são apresentadas

características próprias de imagem radar e SAR especificadamente, que resultam em

alguns problemas na interpretação visual das mesmas.
2.1. Aquisição SAR

Vamos analisar pontualmente o procedimento de geração de imagens por um SAR. A
partir de um instante T1 o radar emite pulsos a um ponto P localizado na direção de
"range", a plataforma se desloca e no instante T2, novamente são emitidos pulsos a este
mesmo ponto P. A diferença entre T1 e T2 é denominada intervalo de abertura.
Durante este período entre T1 e T2 a plataforma deslocou-se a uma velocidade V em
relação ao solo, logo o comprimento da antena sintética é obtido por
Ls = V × (T2 - T1)
Figura K –13: Esquema do modo

de transmissão e recepção de
sinais de um SAR
Exemplos de sensores SAR orbitais são o japonês JERS-1 e o canadense RADARSAT. E

de sensor SAR aerotransportado o AIRSAR/TOPSAR, da NASA
2.2. Distorções da imagem adquirida

'Slant' e 'Grount Range' - distorção geométrica
Abaixo temos uma figura que representa esquematicamente a plataforma onde o radar
está acoplado e os pulsos transmitidos. Vamos identificar o que significa cada símbolo
apresentado:

Figura K –14: Geometria de aquisição de imagem SAR
- q p- - p : ângulo de incidência 'próximo', ou seja, referente ao menor ângulo de visada na

direção de aquisição dos dado
- q d : ângulo de incidência 'distante', referente ao maior ângulo de visada.
- g d : ângulo complementar do triângulo, igual a (90 - q d )
Os pulsos têm período fixo, logo os segmentos AB e CD possuem o mesmo comprimento

na direção de "slant range". Entretanto, a projeção no terreno ("ground range") destes
segmentos não preserva esta equivalência, pois irá variar de acordo com a distância do
ponto com a direção nadir do sensor.
Com isso, uma mesma variação de distância em "slant", não corresponderá a uma
mesma variação em "ground range". Portanto, como podemos perceber visualmente na
Figura K-14, os segmentos A'B' e C'D' não tem o mesmo comprimento.
Analisando geometricamente, vemos que:
CD' = C'D' cos( g d )
CD' = C'D' cos( 90 - q d )
CD' = C'D' sen( q d )
Portanto, qualquer distância (SL) em ‘slant’, é convertida para 'ground range' (GR), por
GR = SL / sen( q )

Padrão de Antena - distorção radiométrica

Veja que a distância que o pulso percorre no ângulo de incidência máximo é maior que a
distância percorrida no ângulo de incidência mínima. A potência do sinal decai em relação
ao cubo da distância ao ponto - P ~ 1 / R 3 -, havendo uma perda no brilho da imagem na
direção de "range".
O conjunto SAR possui um componente eletrônico que procura corrigir automaticamente

esta perda de potência no sinal. Mas esta correção possui imperfeições, necessitando-se
ainda a aplicação de um algoritmo de correção de padrão de antena, que irá minimizar as
incorreções remanescentes.
Uma observação importante, é que esta distorção pode ser desconsiderada quando a
plataforma for orbital, pois a razão entre a distância mínima e máxima Rmín / Rmáx é
aproximadamente unitária, o que ocasiona pouca perda de potência do sinal, do início ao
fim da linha de aquisição.
Portanto esta correção é mais importante quando a plataforma for aerotransportada, onde
a razão Rmín / Rmáx não pode ser ignorada
2.3. Imagem Complexa

O formato complexo de um dado radar, deriva do processamento dos dois componentes
do sinal retroespalhado de fase q : o real ('quadrature' Q) e o imaginário ('in-phase' I),
onde
Q = cos(q )
I = sen(q )
Com isso forma-se a imagem amplitude do dado complexo, dada por:
A = (Q2 + I2)1/2
Figura K –15: Difusores que formam

a amplitude em cada célula de
resolução (pixel)

Cada pixel da imagem amplitude é formado por elementos denominados difusores, que
igualmente possuem componentes reais (Q) e imaginários (I) - Figura G-15 -, com
diferentes fases e amplitudes, organizados de forma aleatória. O valor do pixel é o
resultado da soma vetorial (coerente) destes difusores. I
Como conseqüência, temos uma imagem com uma textura granulada, com uma
aparência de "sal e pimenta", um ruído o qual se dá o nome speckle.
De duas maneiras podemos reduzir o ruído speckle: via processamento "multi-look" ou via
filtros adaptativos.
O processamento "multi-look", consiste em gerar na direção de vôo, N imagens no

intervalo de abertura sintética da antena do SAR, e calcular uma imagem que será a
média dessas.
Como conseqüência positiva, aumentará a relação sinal/ruído, no entanto a resolução

diminuirá, pois a largura de cada visada ("look") será menor do que a do intervalo de
abertura sintética.
Os filtros adaptativos fornecem um modo de remover o speckle das imagens sem afetar
seriamente as características espaciais dos dados.
Os principais filtros adaptativos são:
• Filtro de Frost : este filtro reduz o speckle e preserva as bordas da imagem,

utilizando estatística local. O pixel filtrado é substituído pelo valor calculado pela
distância do centro do filtro, o fator de amortecimento, e a variância local.
• Filtro de Lee : ele é baseado no desvio padrão (sigma) para suavizar o ruído
speckled, cuja a intensidade está relacionada com a cena da imagem, e contém
um componente multiplicativo e/ou aditivo. Ele filtra os dados baseados na
estatística calculada dentro de uma janela individual de filtragem. Diferentemente
de um filtro passa-baixas típico, o filtro de Lee, bem como outros filtros sigma
similares, preserva detalhes enquanto elimina o ruído. O pixel filtrado é substituído
por um valor calculado que usa os pixels ao redor dele.
• Filtro de Kuan : este filtro também reduz o speckle e preserva as bordas da

imagem. Ele transforma o ruído multiplicativo em um modelo. Similar ao filtro de
Lee, mas com uma função peso diferente. O pixel filtrado é substituído por um
valor calculado baseado na sua estatística local.

3. Aplicações
Mineração na cidade de Colônia, Alemanha
A direção de visada do satélite para a escavação da
mina é da direita para esquerda. As paredes e estepes
da escavação agem como refletores de canto,
produzindo uma forte resposta. Isto na figura aparece
como uma série de linhas concêntricas. O lado oeste é
sombreado pelo pulso do radar, por isso está em um tom
mais escuro.
Figura K-16
Região de armazenamento e distribuição de petróleo

Uma rede de oleodutos cruzam o deserto, no Iraque.
Um conjunto de tanques é visível no centro da imagem.
Acredita-se que o teto destes tanques são móveis, onde
a altura do teto varia de acordo com o nível de petróleo
depositado no tanque.
Tanques parcialmente cheios, onde o teto está em um
nível abaixo com relação às paredes, atuam como
refletores de canto, produzindo um brilho maior na
imagem. Por outro lado, tanques cheios possuem tetos
ao nível das paredes, produzindo um baixo retorno de
sinal, e por conseqüência um tom de cinza menor na
imagem.
Figura K-17
Desmatamento, Ilha de Natuna, Indonésia

Situada na costa oeste de Borneo, no Sul do Mar da
China, é coberta por uma densa floresta tropical e
pântanos. Desmatamentos, na fronteira sul da ilha, são
um dos poucos indícios de habitação nesta remota ilha.
Os claros retangulares possuem textura homogênea e
retornam menos retroespalhamento do que a vegetação
ao redor. Como conseqüência, os desmatamentos têm
um nível de cinza mais escuro.
Figura K -18

Piscicultura, Bangkok, Tainlândia

Estes formatos semelhantes a um pé de galinha,
decorrem da técnica de piscicultura caraterística desta
região. Longas traves, com redes esticadas entre elas,
são abertas radialmente de uma plataforma elevada. O
peixes são levados para as redes pelo abaixamento da
maré.
Figura K-19
A seguir, na Figura G-20 vemos um exemplo de como a análise temporal de dados radar
pode ser útil. Na primeira data (26/08/1996) a área está seca e o contorno do rio é
perfeitamente visualizado. Na data seguinte (09/03/1997), no auge da enchente, temos
área alagada representada por valores escuros (plantações???) e claros (solo
preparado???). Na última data (20/03/1997) já há um recuo da área alagada, com
tendência a normalização do quadro.
Muito provavelmente estas imagens foram geradas em dias nublados, mas devido o sinal
de radar possuir um comprimento de onda onde a influência da cobertura de nuvens é
baixa, o acompanhamento da enchente tornou-se viável.
26 de Agosto de 1996 (B) 9 de Março de 1997 (G)

20 de Março de 1997 Composição Colorida RGB
Figura K –20: Note na composição colorida, que a área em azul corresponde a

plantação??? alagada, enquanto a área amarela é relativa a solo preparado ou
areia???. Em magenta a área que foi alagada quando do auge da enchente,
em 9 de Março. Deste modo podemos mais facilmente estimar a área alagada
com base no valor digital da composição colorida

L: Tratamento de Dados Hiperespectrais
Sensores hiperespectrais são ferramentas do sensoriamento remoto que combinam as

apresentações espectrais do sensor com as capacidades analíticas de um espectrômetro.
Eles podem ter centenas de bandas espectrais com uma resolução espectral de 10 nm ou
menor (O LANDSAT TM tem só 6 bandas, com resoluções espectrais de 70 nm ou maior).
Os sensores hiperespectrais, ou espectrômetros imageadores, produzem um espectro

completo para cada pixel
na imagem (Figura L-1). O
resultado da análise dos
dados hiperespectrais é a
identificação dos objetos
que não podem ser
diferenciados com
sensores de resolução
espectral menor.
1. Diversas
Calibrações...
1.1 Calibração ATREM
Figura L-1: A técnica dos sensores hiperespectrais
O "Atmospheric Removal (Vane et al., 1985).
Program" é um modelo de
transferência radioativa
que determina a reflectância de uma superfície, em dados AVIRIS (Airborne
Visible/Infrared Imaging Spectrometer), sem conhecimento anterior das caraterísticas
dessa superfície. O ATREM utiliza as bandas de absorção do vapor d'água (0,94 - 1,1
mm) para determinar uma certa quantidade de vapor, baseando-se nos pixels dos dados
AVIRIS, na curva de irradiação solar acima da atmosfera e no espectro de transmitância
para cada um dos gases atmosféricos, como CO2, O3, N2O, CO, CH4 e O2.
1.2 Calibração normalizada ("Flat Field")
A técnica "flat field" é usada para normalizar imagens de uma área conhecida (GOETZ &
SRIVASTAVA, ROBERTS et al.: 1986). Esse método é eficaz na redução dos dados do
espectrômetro a uma reflectância relativa e pressupõe que o usuário localize uma região
de interesse com baixa informação espectral. O espectro médio da região de interesse é
usado como o espectro de referência, que é dividido pelo espectro de cada pixel da
imagem.

1.3. Calibração pela reflectância média relativa interna ("internal relative

average reflectance", IAAR)
Esta técnica é usada para normalizar imagens de uma área desconhecida em regiões
secas (ROBERTS et al.: 1985; CONEL et al.: 1985; KRUSE et al.: 1990). O espectro
médio é calculado para a imagem total e vai ser usado como espectro médio da imagem.
Em seguida, o espectro médio é dividido pelo espectro de cada pixel da imagem.
1.4. Calibração por linha empírica ("empirical line")
A calibração por linha empírica é usada para forçar os dados de uma imagem para um
espectro de reflectância de uma área selecionada. Este método aplica a regressão linear
de todas as bandas para determinar o nível de cinza e a reflectância. A aplicação deste
método necessita da definição de uma região de interesse, de curvas de reflectância da
biblioteca espectral e da radiância de trajetória.
A grande maioria das imagens usadas neste capítulo encontram se no CD "Tutorial and
DATA CD" do ENVI, no subdiretório ..\envidata\cup95avsub.
• Carregue as seguintes imagens do subdiretório ..\cup95avsub: cup95_at.int;

cup95_ff.int;
cup95_ia.int; cup95_el.int.
• Determine o espectro de reflectância do pixel x:450 / y:220 (alunita) (Figura L-2).
Localizador de pixels
Tornou-se possível a utilização de quatro

setas, em tela, para a movimentação, pixel a
pixel, do cursor que aponta aquele a ser
localizado.
• Selecione a cadeia de comandos

"Ferramentas – Localizador de Pixels" e
digite os valores da coluna e da linha do
pixel nas caixas de texto. Clique no
botão "Apply" para mover o cursor para
o pixel selecionado. Ou então, use as
setas, localizadas na parte inferior da Figura L-2: Comparação dos métodos
caixa de diálogo para mover o cursor. de calibração.
Se for necessário localizar pixels em
imagens que sejam subconjuntos de outras, fixe a opção "Yes", ao lado do item
"Use Offset". Usar o localizador de pixel ("pixel locator") para achar o pixel daquela
posição.
• O perfil Z é chamado pressionando-se o botão "Profiles" e arrastando o "mouse"

até a opção "Z Profile" no menu "Functions".

Obs.: ENVI examina automaticamente a curva espectral do pixel central da janela de

ampliação.
1.5. Transformação "EFFORT"
A correção "EFFORT" (Empirical Flat Field Optimized Reflectance Transformation) usa-se

para remover o ruído residual causado pelo espectrômetro o pela influência atmosférica
de dados calibrados com o método de calibração ATREM (seção 1.1) do espectrômetro
AVIRIS. EFFORT é uma técnica relativamente automatizada que foi desenvolvido á base
de calibração "Flat Field" (seção 1.2) e fornece o melhor espectro de reflectância de
dados AVIRIS.
A correção EFFORT seleciona este espectro, o qual é caracterizado pelo ruído coerente,
especialmente na faixa do 2,0 µm (absorção de CO2), aplica uma suavização e um fator
"gain" da curva espectral.
Compare o espectro de alguns pixels nas imagens calibradas com o método "ATREM" e
"EFFORT".
- imagem de entrada: ..\cup95_at.int

- imagem de entrada: ..\cup95eff.img
Determine os espectros de reflectância nas duas imagens dos pixels x:503 / y:581 e
x:542 / y:533 usando o localizador de pixel e "Link Displays".
Obs.: Nota a similaridade entre os dois espectros. ENVI examina automaticamente a
curva espectral do pixel central da janela de ampliação.
2. Uso da biblioteca espectral

Além das ferramentas espectrais, o ENVI tem gravadas três bibliotecas espectrais,
produzidas pelo Jet Propulsion Laboratory. As bibliotecas espectrais contêm as
caraterísticas de 160 minerais diferentes, no intervalo espectral de 0,4 até 2,5 mm.
As bibliotecas espectrais são destinadas a aplicações em geologia, pois auxiliam na

interpretação de diferentes minerais. Para testar a biblioteca espectral, reproduz-se uma
imagem hiperespectral do AVIRIS, que tem normalmente 224 bandas diferentes,
possibilitando uma interpretação mais detalhada, especialmente no setor geológico.
• Seleciona-se a função "Open Image File" e navega-se até o subdiretório

..\cup95avsub no "Tutorial and DATA CD" do ENVI. Escolhe-se o arquivo
cup95_at.int, que contém 40 bandas (2,0 até 2,4 mm) dos dados do AVIRIS, para
o método de calibração ATREM.
• Determinar o perfil Z dos materiais da tabela ao lado; use o localizador de pixel

para achar os pixels.

• Abra a biblioteca espectral (C:\rsi\idl60\products\envi40\spec_lib\jpl_lib\jpl1.sli.)

selecionando a cadeia de comandos “Análise Espectral – Bibliotecas Espectrais –
Visualização de Bibliotecas Espectrais", que contém os seguintes minerais: alunita
SO-4A, buddingtonita Fields TS-11A, calcita C-3D, caolinita PS-1A.
• Aparece o "Spectral Library Viewer" (Figura L-3), que mostra as curvas espectrais
obtidas em laboratório.
• Clique o botão direito do "mouse" no canto direito, abaixo do eixo x, para ver os
nomes dos minerais carregados e, no diagrama, para chamar o botão "Functions".
• Clique o botão esquerdo do "mouse" no canto esquerdo abaixo do eixo x para

mudar a escala da diagrama.
• Clique com o botão central do "mouse" nas partes das curvas que deseja
aumentar.
Material Coluna Linha

Alunita 531 541
Buddingtonita 448 505
Calcita 260 613
Kaolinita 502 589
Figura L-3: Janela de curvas da biblioteca

espectral.

2.1. Criação de biblioteca espectral

Tornou-se possível a introdução de vários arquivos ASCII e de tabelas para a criação de
uma biblioteca espectral.
• Selecione, no menu principal, a cadeia de comandos "Análise Espectral –

Bibliotecas Espectrais – Criação de Bibliotecas Espectrais".
• Aparecerá a janela “Spectral Library Build”. Escolha ASCII ou Data File
• Depois, selecione o arquivo que contém as informações do comprimento de onda.

Geralmente, escolhe-se o arquivo em que vai ser feita a análise (ele buscará no
cabeçalho as informações de comprimento de onda).
• Neste exemplo, foi escolhido a imagem cup95eff.int , que se encontra no diretório

\rsi\idl60\products\envi40\data . É uma imagem de um sensor hiperespectral e em
cada banda está contido as informações de comprimento de onda.
• Selecione o arquivo e clique em OK. Logo após, aparecerá a janela “Spectral

Library Builder”. Agora, importe os dados de coleta para a criação da biblioteca,
selecionando dentro dessa mesma janela, a cadeia de comandos “Import –
From...” . A aquisição desses dados para a construção da biblioteca pode ser feita
de várias maneiras, como por exemplo selecionando ROI´s dentro de uma certa
imagem, coletando dados de laboratório e também dados de campo.
• Concluído o procedimento acima, selecione, também dentro da mesma janela, a

cadeia de comandos “File – Save Spectra As - ...”
Em um exemplo didático, foi extraído ROI´s

dentro da imagem cup95eff.int e logo após,
criado uma biblioteca espectral através
dessas ROI´s.
Figura L-4: Imagem

cup95eff.int. Veja o
comportamento espectral do alvo mostrado na janela de zoom de acordo
com o comprimento de onda. Veja também que na janela “#1 Spectral
Profile:cup95eff.int” existem 3 linhas verticais indicando em que faixa de
onda que está a composição colorida RGB.

• Para visualizar o comportamento dessa biblioteca espectral, selecione, dentro do

menu da janela gráfica (display), a cadeia de comandos “Ferramentas – Perfil –
Perfil em Z (espectro)” (Figura L-4).
• Dentro da janela “#n Spectral Profile:...”, selecione “File – Input Data - ...”. No
nosso caso, foi selecionado a Spectral Library criada a partir das ROI´s coletadas
na imagem.
• Aparecerá a janela “ Input Spectral Library”. O usuário pode selecionar as classes

que ele queira que apareça no gráfico Spectral Profile. Para selecioná-los
separadamente, basta segurar o botão <CTRL> do teclado e ir clicando com o
botão esquerdo do mouse nos “Spectras” desejados.
• Clique em OK e o resultado aparecerá no mesmo gráfico (Figura L-5).
Figura L-5: Gráficos

dos diferentes perfis
espectrais.
Note que o perfil do nosso alvo que aparece no zoom da figura L-4 aparece aqui como a
linha branca de maior espessura (a espessura foi editada através do menu Edit – Data
parameters). Esse gráfico permite uma excelente análise de alvos por toda a imagem.
Vale lembrar que a curva que representa os alvos da imagem (branca) muda em tempo
real de acordo com o deslocamento do zoom. Clicando com o botão direito do mouse
dentro do gráfico, aparece uma legenda com o nome de cada classe. E clicando com o
botão central do mouse (ou também, <CTRL> + Botão esquerdo do mouse) pode-se
definir níveis de aproximação (zoom) dentro do gráfico.(NOTA: As curvas mostradas
acima provavelmente não correspondem a realidade e são meramente ilustrativas,
escolhidas empiricamente. Qualquer semelhança com a realidade é mera coincidência).

3. Decomposição espectral ("Spectral Unmixing")

Normalmente, as superfícies naturais são heterogêneas. Uma mistura espectral aparece
quando vários materiais são registrados em um só pixel. Se as dimensões de um pixel
forem grandes (pixel macroscópico), a mistura ocorre de uma maneira linear; se o pixel for
microscópico, a mistura ocorre de maneira não-linear.
Etapas da decomposição espectral no ENVI
1. Correção atmosférica;
2. Transformação MNF ("minimum noise fraction");
3. Análise do índice de pixels puros ("pixel purity analysis");
4. Definição dos espectros ("endmembers"), pela aplicação do visualizador n-

dimensional ("n-dimensional visualizer");
5. Análise dos erros residuais e das repetições.
3.1 Transformação MNF ("minimum noise fraction")
A transformação MNF é utilizada para determinar as dimensões inerentes nos dados de

imagem, para segregar o ruído nos dados e para
reduzir as exigências no processador. A
transformação implementada no ENVI é feita em
dois passos:
Primeira transformação
A primeira transformação é baseada em uma

matriz de covariânca do ruído, que descorrelaciona
e reescalona o ruído dos dados.
Segunda transformação
A segunda transformação consiste na análise dos

componentes principais dos dados, em que o ruído
é excluído.
A seguir, determina-se a dimensionalidade
inerente dos dados pelo exame dos autovalores
("eigenvalues") e da imagem associada.
Os dados provenientes podem ser divididos em
duas partes: uma parte associada com autovalores
e auto-imagens coerentes.
Figura L-6: Caixa
de diálogo da
transformação MNF.

Neste caso, o ruído tem uma variância igual; não há mais correlações entre as bandas;
outra parte complementada com autovalores quase iguais às imagens dominadas pelo
ruído. Utilize somente as partes coerentes, para o ruído poder ser eliminado dos dados.
• Selecione "Análise Espectral – Rotação MNF – MNF Adiante – Estimar Estatística

de Ruído de Dados". Use esta função quando uma imagem estiver bem escura ou
quase invisível. Selecione a imagem cup95eff.int, dentro do diretório
\RSI\IDL60\products\envi40\data.
• Aparece a caixa de diálogo "Forward MNF Transform Parameters" (Figura L-4).
- estatística do ruído: ..\ruído.sta

- estatística do MNF: ..\mnf.sta
- imagem de saída: ..\mnf.img
Depois da transformação, as bandas do arquivo cup1.sta aparecem na lista de bandas

disponíveis e a plotagem dos autovalores é feita automaticamente. A curva de autovalores
(Figura L-7) indica as imagens que são dominadas por autovalores associados às
primeiras bandas. As imagens dominadas pelo ruído correspondem à curva rebaixada.
Seleção dos espectros ("endmembers")
Compare algumas bandas e determine a

correlação das bandas entre a plotagem de
autovalores. Use o dispersograma
bidimensional entre as bandas 1 e 2 e observe
as correlações dos pixels da nuvem com os
pixels correspondentes na imagem. Exporte
esses pixels como regiões de interesse e
transfira-os para a caixa de diálogo das
regiões de interesse. Use dispersogramas
diferentes e digite nomes diferentes para as
regiões diferentes.
Clique no botão "Mean All" na caixa de diálogo
das regiões de interesse. Evite a sobreposição Figura L-7: Autovalores do MNF.
de regiões de interesse diferentes. - região de
interesse de saída: ..\ cupunmix.roi .
3.2 Resultados da decomposição espectral

Nesta seção, os valores médios das regiões de interesse vão ser usados pelo
procedimento de decomposição espectral das primeiras oito bandas do MNF.
• Selecione, dentro do menu principal, a cadeia de comandos “Análise Espectral –

Métodos de mapeamento - Decomposição Espectral Linear ("Linear Spectral
Unmixing").

• Aparece a caixa de diálogo entitulada "Linear Spectral Unmixing Parameters".

"Import Spectra - From ROI Mean":
• Transfira o arquivo de ROI escolhido e aplique um aumento de contraste. Utilize
um perfil Z nos dados de reflectância para reconciliar as bandas de absorção em
função da abundância dos espectros. A seguir, carregue as frações diferentes
como RGB em outras telas e tente explicar o aparecimento de cores mistas.
3.3 Índice de pureza de pixel ("pixel purity index")
O índice de pureza de pixels utiliza a informação da geometria convexa para chegar aos
pixels puros, dividindo toda a imagem em pixels puros e impuros (BOARDMAN et al.:
1995). Para calcular o PPI, os espectros são calculados iterativamente em
dispersogramas multidimensionais, e depois, projetados ao vetores uniformes. Os pixels
extremos em todas bandas são marcados e o número total, em que um pixel foi marcado
como pixel extremo, será anotado. Finalmente, uma imagem é calculada, na qual o valor
de cinza de cada pixel se refere ao número, que foi marcado como pixel extremo.
Selecione, no menu principal, a cadeia de comandos “Análise Espectral – Pixel Purity

Index – [RÁPIDO] Nova Banda de Saída
Selecione a imagem desejada (no nosso caso, foi escolhida a imagem hiperespectral
cup95eff.int)
OBS.: Os sensores hiperespectrais são os mais adequados para fazer a análise de índice
de pureza de pixel, pois contém inúmeras bandas e a análise é mais refinada, e o
resultado, mais confiável.
• Aparecerá a janela “Fast Pixel Purity Index Parameters.
Number Of Iterations & Threshold Factor
Banda Y
Reta A
Solo
Vegetação
Banda X

Imagine um Scattegrama ilustrativo como o do gráfico acima, aonde temos solo e

vegetação distribuídos em duas bandas genéricas X e Y. Como pode ser visto a nuvem
de pixels do solo e da vegetação, representadas pelas elipses, estão distintas entre si.
Como é de deduzir, os pixels mais puros de solo e vegetação são os que estão nas duas
extremidades da reta A. Logicamente, os pixels mais impuros são os que estão entre as
duas nuvens de pixels, no caso, pode representar uma vegetação rasteira que contém
solo, por exemplo. O desenho acima é representado para duas bandas. Aonde se tem
mais bandas, mais refinado é o processo. Por isso que o sensor hiperespectral é o
indicado para fazer análise de PPI.
A opção “Number Of Iterations” é o número de vezes que a reta que define a pureza do
pixel é disposta para coletar os pixels da extremidade e determinar o nível de pureza. No
nosso caso, escolhemos 1000 iterações (sempre é preciso um bom número de iterações
para que o refinamento seja maior).
Em “Threshold Factor”, o usuário determina a diferença do valor digital limite para ser
indicado como pixel de pureza. Por exemplo: Se o software computou o pixel de valor 200
como puro, e na opção Threshold Factor for escolhido o valor 1, o pixel de valor 199
também será escolhido como puro. Para sensores hiperespectrais, é indicado o valor 1.
Caso se queria extrair níveis de pureza em sensores LandSat, pode ser indicado o valor
2, ou no máximo 3.
• Escolha File ou Memory e clique em OK.
Figura L-8: Gráfico das várias etapas do processo de determinação de

índice de pureza do pixel.

Quando a função estiver sendo executada, o gráfico vai mudar de iteração para iteração
em tempo real para separar os pixels puros. Note que o gráfico descreve uma curva
assintótica, o que é próprio de métodos iterativos.
• Aparecerá na janela “Available Bands List” a imagem PPI. Carregue no display.

Depois, dentro da janela do display, selecione “Ferramentas – Valor/Localização do
Cursor” e veja no campo “Data” o número de vezes que o dado pixel foi dito como
puro pelas iterações.
Obs.: Os pixels escuros correspondem aos espectros misturados (impuros).
Dica: Carregue a imagem hiperespectral em outro display e compare as regiões da

imagem que contém pixels puros através do comando Link Display (dentro da janela do
display, em Ferramentas – Link”.
4. Spectral Feature Fitting (SFF) e Análise

Spectral Feature Fitting (SFF) é um método a base de absorção que ajusta o espectro de
imagem ao espectro de referência (por exemplo bibliotecas espectrais). A maioria dos
métodos são incapazes de identificar materiais específicos e só indicam a semelhança de
um material comparando-se com outros materiais conhecidos. Já existem técnicas para
identificação de materiais através da extração de espectros especiais de imagem ou
através de curvas espectrais retiradas em laboratórios. Essas técnicas são utilizadas
especialmente em aplicações geológicas, mas também é comum o seu uso em projetos
de agricultura, florestais e meio-ambiente. Todos esses métodos requerem uma redução
de dados de radiância para dados de reflectância.
4.1 Remoção de contínuo (Continuum Removal)

O contínuo e uma função matemática usada para
isolar uma absorção especial que serve como uma
entrada de análise (KRUSE et al., 1988; KRUSE,
1988; KRUSE, 1990; CLARK et al., 1990, 1991, 1992;
CLARK & CROWLEY, 1992; KRUSE et al., 1993b,
1993c; SWAYZE et al., 1995).
A remoção de contínuo é um meio de normalizar

espectros de reflectância para que seja possível a
comparação de feições de absorção individuais a partir
de um valor de base comum. Entende-se por contínuo
uma superfície envolvente convexa ajustada a parte
superior de uma curva espectral que utiliza segmentos
retilíneos que conectam os máximos locais da curva. A
remoção do contínuo se faz pela sua divisão pelo
espectro real de cada pixel da imagem.
Figura L-9: Comparação entre os

espectros "Effort" e "Continuum Removed"

Os pontos dos espectros resultantes são iguais a 1,0 onde há ajuste entre o contínuo e os
espectros da imagem e menores que 1,0 onde ocorrem feições de absorção.
• Selecione, no menu principal, a cadeia de comandos "Análise Espectral – Métodos

de Mapeamento - Continuum Removal". Escolha a imagem de entrada na caixa de
diálogo "Continuum Removal Input File" e clique "OK"
- imagem de entrada:..\cup95eff.int
- imagem de saída:..\cup95_cr.dat
• Carregue a banda 193 (2.20µm) como imagem em tons de cinza, examine um

perfil-Z.
• Selecione no menu "Options" da janela do perfil Z a opção "Auto-scale Y-axis Off".

Em seguida, entre no menu "Edit - Plot Parameters" e mude os valores de intervalo
para eixo-Y em 0.5 - 1.0.
• Compare os espectros entre os dados cup95eff.int e cup95_cr.dat usando a função

"Link" entre as imagens..
• Mova o reticulado que indica a posição da janela Zoom para atualizar o perfil de
outras posições. Use também o localizador de pixels e para examinar os espectros
das posições 503/581 e 542/533.
• Compare as composições coloridas usando as bandas 183, 193 e 207 entre os

dados cupp95eff.int e cup95_cr.dat.
• Notar a correspondência entre as áreas escuras e examine os perfis

correspondentes.
• Compare também as imagens na banda 207 (2.34 µm).
• Examine um perfil Z das áreas escuras dos dados cup95cr.dat e compare a curva
espectral com aquela, que foi examinada da imagem "Effort".
• Obs.: As áreas escuras na banda 207 correspondem com a faixa de absorção

perto de 2,34 µm.
4.2 Ajuste de feição espectral (Spectral Feature Fitting)

O ajuste de feição espectral é uma metodologia que permite que se avalie o ajuste de
espectros de imagem a espectros de referência por meio do método de mínimos
quadrados. As escalas dos espectros da imagem são redimensionadas para se ajustar
aos espectros de referência após a remoção de contínuo de ambos os conjuntos.

Em seguida, espectros da imagem e de referência são comparados dois a dois em

determinados valores de comprimento de onda e o erro médio quadrático é calculado em
relação a cada espectro de referência.
O resultado consiste ou em imagens separadas correspondentes ao erro de escala e ao

erro médio quadrático ou em uma imagem da razão entre os erros de escala e médio
quadrático para cada espectro de referência. As imagens de erro separadas podem ser
utilizadas em dispersogramas bidimensionais para determinar onde determinados
materiais ocorrem. As imagens da razão entre os erros mostram a distribuição de cada
espectro de referência, em que os melhores ajustes aparecem como pixels claros.
A função de ajuste espectral deve ser aplicada a dados cujos contínuos já tenham sido
removidos. Entretanto, o sistema executa a remoção simultaneamente ao ajuste, caso
não tenha sido feita preliminarmente.
4.3. Cálculo de Imagens de Escala e RMS

• Selecione, no menu principal, a cadeia de comandos "Spectral Tools - Spectral
Feature Fitting" e utilize uma imagem de entrada cujo continuum já tenha sido
removido.
- imagem de entrada: ..\cup95_cr.dat
Selecione os espectros de referência da maneira usual.
- imagem de saída: ..\cup95sff.dat
Carregue as imagens de escala "Scale (Mean: Alunite 2.16...)" e "Scale (Mean: Kaolinite)
como imagem em tons em novas telas e aplique a função "Link" para comparar naquelas
com a imagem cujo contínuo já tenha sido removido.
Selecione, no menu das funções, a cadeia de comandos "Interactive Analysis - Cursor

Location/Value".
Obs.: Apesar de as imagens serem parecidas, os valores entre as duas imagens de

escala diferem.
Carregue as imagens de RMS "RMS (Mean: Alunite 2.16...)" e "RMS (Mean: Kaolinite)
como imagem em tons de cinza nas telas que foram usados para visualizar as imagens
de escala e aplique novamente a função "Link" para comparar aquelas com a imagem
cujo contínuo já tenha sido removido.
Obs.: Valores RMS baixos indicam um bom ajuste espectral.

Dispersograma bidimensional entre as Imagens de Escala e RMS

Examine dispersogramas bidimensional do imagem RMS carregando as imagens de
escala e RMS nas bandas x e y para os materiais diferentes !
Defina uma ROI na dispersograma para valores baixos de RMS para todos intervalos do
Scale
4.4 Razões das Imagens de Ajuste de feição espectral ("Fit Images")

• Selecione, no menu principal, a cadeia de comandos "Spectral Tools - Spectral
Feature Fitting" e utilize uma imagem de entrada cujo contínuo já tenha sido
removido.
• Selecione os espectros de referência da maneira usual usando o botão "Toggle"

no diálogo dos parâmetros de SFF para escolher imagens de razão Scale/RMS
para cada espectro como output.
• Carregue a imagem "FIT(Mean: Kaolinite...)" numa tela e compare-a com as

imagens de Escala e RMS correspondentes e tente explicar a interação entre as
imagens Scale/RMS para produzir a imagem "FIT".
Figura L-10: Caixa de diálogo dos parâmetros SSF
5. Assistente de classificação hiperespectral

O Assistente de Classificação Hiperespectral (ou ENVI Spectral Mapping Wizard) é um
assistente de classificação automática para imagens hiperespectrais. Ele
automaticamente faz a rotação MNF, PPI, visualização n-dimensional, classificação pelo
método Spectral Angle Mapper faz a investigação dos resultados de mapeamento. Com
ele, fica mais fácil analisar e extrair dados das suas imagens hiperespectrais!!!
• Selecione, dentro do menu principal, a cadeia de comandos “Análise Espectral –

Assistente de Classificação Hiperespectral”

• Aparecerá a janela igual à da figura L-11.
Note que existe um texto em português que

guiará o usuário na sua classificação...
• Clique em “Next”. Agora o assistente

pedirá para selecionar o arquivo de entrada e
dar um nome genérico para o arquivo de
saída. Os nomes dos resultados ficará da
seguinte maneira: NOME_MNF para o
resultado da rotação, NOME_PPI para a
imagem que representará o nível de pureza de
pixels, etc... clique novamente em “Next”.
Figura L-11: Assistente de

classificação hiperespectral
• Agora é a etapa da transformação MNF Adiante. Digite o número de bandas

desejadas para a banda de saída e clique em OK.
O assistente calculará os principais componentes das imagens (MNF) e apresentará o

gráfico MNF Eigenvalues, que é um gráfico de autovalores, já explicado mais acima neste
capítulo. O usuário pode notar que a rotação MNF coloca o que tem de “mais importante e
comum” de cada imagem nas primeiras bandas, na ordem, e nas últimas bandas ficam
apenas o que ocorrem em poucas bandas. A análise de principais componentes serve
para detectar alvos específicos e tem aplicação em pesquisas geológicas, por exemplo.
Clicando em “Load Animation of MNF Bands…” pode-se fazer a animação dos resultados
do MNF.
• Clique em “Next” e o próximo passo do assistente será o cálculo da

dimensionalidade dos dados.
• Clique em “Next” e o próximo passo é a escolha dos “Endmembers”
• Agora o passo é a determinação do nível de pureza dos pixels (Pixel Purity

Index[PPI]). Detalhes de como funciona o PPI encontra-se na seção 3.3 deste
capítulo.
• Logo após, aparece o gráfico assintótico e a imagem PPI aparece na lista de

bandas disponíveis.

• O próximo passo é a geração do visualizador n-dimensional, aonde as classes

ficarão separadas por nuvens de diferentes cores. Ou seja, cada nuvem é uma
classe que o assistente criou automaticamente.
Figura L-12: Visualizador n-D criado pelo assistente. Note que cada
classe é representada por uma cor.
• Depois, clique em “Next” , e depois, em “Retrieve Endmembers”, que daí o

assistente coletará os endmembers separados pelo visualizador n-D, ou seja, as
classes. Clique em Next e o assistente pedirá se você deseja incluir bibliotecas
espectrais já prontas, arquivos de estatísticas, etc... Clique, novamente, em “Next”.
• Após isso, o usuário já pode gerar uma imagem classificada usando o método do
Spectral Angle Mapper, o assistente explicará, através do título “Métodos de
Mapeamento” , os parâmetros necessários que o usuário deverá fornecer. Clique
em “next” e o software já criará a imagem classificada. Para visualizar a imagem
classificada, clique em “Load SAM Class Result”
• Depois disso, o ENVI criará um relatório de estatística, esse relatório carregará na

janela “Spectral Mapping Wizard Summary Report”

M Produção de Carta – Imagem
1. Grade de Coordenadas
A função de grade de coordenadas (Grades) possibilita a visualização simultânea de

grades de coordenadas de pixel, coordenadas cartográficas planas e lat/lon, variando-se
cores, espessura, tipos e tamanhos de caracteres, bem como a gravação, a recuperação
desses parâmetros e a sobreposição de uma ou mais grades. A implementação dos
reticulados facilita a orientação numa imagem, especialmente, antes de sua retificação.
• Para o traçado das grades de coordenadas, primeiramente abra a imagem em que

se queira fazer a carta imagem, depois, selecione, dentro do menu da janela
gráfica, a cadeia de comandos “Overlay – Grid Lines” (Figura M -1).
• Defina os parâmetros na caixa de diálogo "#n Grid Line Parameters" (n refere-se

ao número da janela) (Figura M -2).
• Com a seleção dos parâmetros da grade, aparece a caixa de diálogo "Grid Line
Parameters", que controla os parâmetros do traçado das grades de coordenadas,
como o tamanho e o sistema de coordenadas.
Figura M-1: menu

Overlay
Figura M-2: Dialogo de

parâmetros da grade.
Grades baseadas em pixels

As imagens que ainda não foram georreferenciadas só podem ser visualizadas com um
reticulado baseado nos pixels. Neste caso, o tamanho do reticulado é especificado em
pixels (o pixel [1,1] situa-se no canto superior esquerdo). As linhas do reticulado são
determinadas em coordenadas de pixel.

Grades em imagens georreferenciadas
As imagens georreferenciadas são baseadas em coordenadas retangulares ou

geográficas. O tamanho do retículo de coordenadas é especificado em unidades de
projeção (normalmente em metros), baseado no pixel de referência determinado no
arquivo de cabeçalho. As coordenadas do reticulado são marcadas com as coordenadas
análogas.
• Depois da implementação dos reticulados, eles podem ser carregados ou

descarregados com a opção "Toggle Grid On/Off".
As caraterísticas dos três reticulados de

coordenadas podem ser controladas
independentemente, no menu em
cascata, com a seleção do tipo de
reticulado "Pixel", [On/Off] para grades
baseadas em pixels; "Map Grid", [On/Off]
para grades baseadas em coordenadas
retangulares; e "Geographic Grid",
[On/Off] para grades baseadas em
coordenadas geográficas. Note que os
três tipos de grade podem ser utilizados
simultaneamente
Tamanho do retículo
O tamanho do retículo é definido na

opção "Grid Spacing", para grades
baseadas em pixels ou em coordenadas
retangulares; ou na opção "Spacing
(DMS)", para grades baseadas em
coordenadas geográficas. "Grid Spacing"
é definido pelo número de pixels para
grades em pixels; em metros, para
grades retangulares; ou em graus,
minutos e segundos ou em graus
decimais, para grades em coordenadas
geográficas. Figura M-3: Retículo de coordenadas

2. Composição de mapa e anotações
• Para fazer anotações, deve-se, inicialmente, dentro da

janela gráfica, selecionar a cadeia de comandos
“Overlay – Annotation”.
• Carregará a janela “#n Annotation: ...” , igual à da

figura M-4.
Para posicionar a anotação na janela de imagem ("image") ,

janela global ("scroll") ou de aproximação ("zoom") escolha
a opção apropriada no topo da caixa de diálogo "#n
Annotation:". Quando selecionada a opção, todas as outras
operações serão desabilitadas na janela escolhida. A
anotação pode ser temporariamente suspensa pela escolha
Figura M-4: Janela de Anotações
da opção "Off", e neste caso todas as operações normais do
mouse serão possíveis novamente em todas as janelas.
Todos os objetos de anotação possuem um pequeno
marcador com a forma de um diamante que serve para posicioná-los. Para posicionar a
anotação na posição escolhida da janela, sendo um texto ou um objeto gráfico, siga os
procedimentos indicados na tabela 1:
Tabela 1
Botão do
Ação Interação Onde
mouse
Posicionar a anotação corrente Esquerdo Clique e solte Na posição desejada
Clique, segure e
Mover a anotação corrente Esquerdo Na área da imagem
arraste
Qualquer lugar na
Deletar a anotação corrente Meio Clique e solte
imagem
Fixar a anotação corrente e seguir
Qualquer lugar na
para a próxima operação de Direito Clique e solte
imagem
anotação
Preparar para selecionar uma Clique e abra o Opção selecionável no
Esquerdo
anotação fixada menu "pull down" menu "Object"
Clique e arraste Ao redor dos cantos do
Re-selecionar uma anotação Esquerdo
para a caixa "draw" objeto de anotação
Suspender anotação (todas as
Esquerdo Clique Botão de opção "off"
funções normais habilitadas)
Botões de opção:
Continuar anotação (funções
Esquerdo Clique "Image", "Scroll",
normais suspensas)
"Zoom"

2.1 O Menu "Object"

As opções do menu "Object" permitem que se possa selecionar os tipos de objetos
(Texto, símbolos, "shapes", dados do mapa, rampas de cor são disponíveis como objetos
de anotação). Mostramos neste item como aproveitar os recursos disponíveis desta
ferramenta, e também de que maneira podemos inserir e editar objetos numa imagem de
forma simples.
Além de textos, podemos inserir símbolos, polígonos regulares, imagens e gráficos; tudo
sobreposto a imagem ou mapa. Um dos recursos mais interessantes desta aplicação é a
possibilidade que temos de inserir como símbolo, fontes "True Type". A vantagem é que
existem fontes "True Type" de símbolos disponíveis para praticamente todas as áreas de
trabalho, desde geografia, passando por aviação, planejamento urbano, agricultura, etc.
Isto cria uma oportunidade muito boa de enriquecer e o mapa ou imagem em termos de
informação gráfica.
Para obter os arquivos de fontes "True Type" basta adquiri-las na Internet e gravá-los no
diretório de fontes do sistema operacional (geralmente C:\Windows\Fonts para quem
trabalha com o sistema operacional Windows).
Inserindo Objetos
Na opção "Object" escolher o objeto e configurá-lo, arrastando-o até a posição desejada
na imagem ou mapa, e clicar no botão esquerdo.
Então podemos, caso se queira, editar o objeto, mudando sua cor, tamanho ou fonte.
Quando estiver concluída a edição do objeto, clique em qualquer parte da imagem com o
botão direito do "mouse" para finalizar.
Na figura M-6 é mostrado um exemplo onde

temos como símbolos objetos representando
região com neve, área de trilha e de ocupação
urbana. Além de objetos texto identificando a
área montanhosa e a cidade.
Editando Objetos
Caso se queira modificar alguns dos objetos
inseridos na imagem, a edição dos mesmos é
simples. Podemos fazer de duas maneiras:
Caso a opção "Hide Object Corners" do

submenu "Options" da janela "Annotation"
estiver ativa, a seleção deve ser feita em um ou
mais objetos, criando uma moldura apertando o
botão esquerdo do "mouse" e arrastando-o até
que a moldura cubra todos os objetos
desejados. Figura M-5: Escolha de símbolos para a
imagem ou mapa.

Caso a opção "Show Object Corners" do

submenu "Options" da janela "Annotation"
estiver ativa, ao invés de a moldura cobrir o
objeto, ela pode cobrir os pontos de canto
("corners") de cada objeto desejado.
Conforme a seleção que foi feita, agora

podemos editar o(s) objeto(s), movendo-o(s),
modificando sua fonte, tamanho e o que mais
for necessário.
Após concluir as modificações, basta

proceder como anteriormente e clicar com o
botão direito do "mouse" em qualquer parte
da imagem ou do mapa.
Figura M-6: Imagem contendo objetos
3. Gerando Mapas Automaticamente

A partir da versão 3.5 do ENVI, foi adicionado a função Quick Map, em que o usuário
pode gerar mapas e carta-imagens de forma automática, e também facilitando a produção
de mapas em série. Neste capítulo veremos mais detalhadamente como utilizar o Quick
Map.
Figura M-7: menu de acesso ao QuickMap

• Selecione, dentro do menu da janela gráfica, a

cadeia de comandos “Arquivo – Quick Map –
Novo QuickMap”.
• Aparecerá a janela “QuickMap Default Layout”

(Figura M-8).
Defina os parâmetros de escala do mapa e tamanho do

papel. Em Width e Height, coloque as dimensões do
papel em que se deseja que fique o mapa. Por
exemplo, as dimensões da folha A4 é 21cm por 29,7cm.
Figura M-8: Janela de entrada
Defina também a opção de orientação do papel (Portrait dos parâmetros iniciais da
ou Landscape). carta-imagem
• Clique em OK e aparecerá a janela “QuickMap Image Selection” (Figura M-9).
Figura M-9: Produção de uma

carta-imagem utilizando uma
cena do sensor ASTER,
georreferenciada,
composição colorida 2-3-1
(equivalente a 3-4-2 do
LandSat).

• Clique em OK e aparece a janela #n QuickMap parameters (Figura M-10).
• Digite o título desejado da carta em “Main Title”; clicando com o lado direito do
mouse nos campos “Lower Left/Right Text”, aparece as informações de
georreferenciamento da imagem.
• Para salvar as definições, clique em “Save Template”. Para abri-las novamente,

clique em “Restore Template” e selecione o arquivo desejado.
Figura M-10: Janela dos parâmetros do

QuickMap.

Figura M-11: Carta Imagem gerada automaticamente pelo QuickMap
Clicando-se em “Apply”, automaticamente o ENVI abre um novo display com a carta-

imagem pronta, com linhas de grade, Rosa-Dos-Ventos, barra de escala, Informações de
projeção e título (Figura M-11).
Note que ainda dá para fazer alguns consertos no nosso mapa, por exemplo, colocar em
português as palavras “Map Scale” , tirar as barras das milhas... para isso, basta
selecionar, dentro do menu da janela gráfica em que se abriu a carta-imagem, a
seqüência “Overlay – Annotation”; selecione com o botão esquerdo do mouse o que se
queira mudar, ou deletar.

Explorando o ENVI Zoom

Sumário
Apresentação da Interface do ENVI Zoom .................................................................. 3
Iniciando o ENVI Zoom ................................................................................................. 4
Configurando Preferências .......................................................................................... 4
Abrindo e Visualizando Imagens ................................................................................. 5
Trabalhando com o Data Manager .............................................................................. 5
Trabalhando com Layers .............................................................................................. 6
Reordenando Layers .................................................................................................... 6
Ocultando Layers .......................................................................................................... 6
Explorando a Interface ENVI Zoom ............................................................................. 6
Usando as Ferramentas de Visualização .................................................................... 7
Trabalhando com a Janela Global de Visualização ................................................... 8
Trabalhando com a Janela Portal Raster .................................................................... 8
Acesso a Barra de Ferramentas do Portal .................................................................. 9
Trabalhando com Combinação, Alternação e Subset de Layers ............................. 9
Combinação de Layers ............................................................................................ 10
Alternação de Imagens ................................................................................................. 10
Transposição de imagens ............................................................................................ 10
Cortando e Salvando Layers ........................................................................................ 11

ENVI Zoom
ENVI Zoom é um novo modo de visualização disponível a partir do ENVI 4.3. Sua
interface robusta e fácil de usar permite executar tarefas de visualização e manipulação
de imagens obtidas por técnicas de sensoriamento remoto. Dentre as ferramentas de
visualização estão as funções de contraste, brilho, realce e transparência. O dispositivo
também permite trabalhar com múltiplos “layers” de dados para serem visualizados em
uma única janela. Além disso, ENVI Zoom reprojeta e reamostra as imagens
instantaneamente.
A ferramenta de detecção de anomalias “RX Anomaly Detection” é outra funcionalidade

inclusa no ENVI Zoom. Este dispositivo detecta diferenças espectrais ou de cor entre
layers e detecta alvos desconhecidos que são espectralmente distintos do restante da
imagem.
Nas próximas versões do ENVI, serão implementadas novas funções para o ENVI Zoom.
Apresentação da Interface do ENVI Zoom

A figura a seguir sintetiza os principais componentes presentes na interface do modo
ENVI Zoom.
Barra de menus
Barra de Ferramentas
Barras de Categorias
Janela Global
Modo 1
Modo 3
Modo 4
Barra de status
Portal Raster Janela Principal Gerenciador de Processos

Iniciando o ENVI Zoom
Windows: selecione -> Iniciar -> Programas -> RSI ENVI 4.3 -> ENVI Zoom, ou clique
duas vezes sobre o ícone de atalho “ENVI Zoom 4.3” da área de trabalho;
UNIX: digite “envizoom” na linha de comando do UNIX.
Configurando Preferências
Por “default” quando você abre um arquivo de imagem no ENVI Zoom, automaticamente,
a imagem é mostrada em verdadeira cor ou em tons de cinza, baseado no tipo de arquivo
que é carregado. Nesta demonstração, mostraremos como alterar as preferências de
visualização e a forma de gerenciar dados.
1. A partir da barra de menus, selecione “File > Preferences”; para que a caixa de
diálogo “ENVI Zoom Preferences” apareça.
2. No lado esquerdo da caixa de diálogo, selecione “Data Manager".

3. No lado direito da caixa diálogo, clique duas vezes sobre o campo “Auto Display
Method for Multispectral Files” e selecione “Color IR” (color infrared). Isso fará com
que os arquivos de imagens sejam visualizados na composição falsa cor por default.
4. Clique duas vezes sobre o campo “Launch Data Manager After File/Open” e selecione
“Always”. Isto permitirá que a janela Data Manager seja visualizada cada vez que um
arquivo é aberto.

5. Certifique-se que as seguinte configurações estão selecionadas:

Auto Display Files = True
Clear Display When Loading New Data = False
Close Data Manager After Loading New Data = False.
6. Clique “OK” na caixa de diálogo “ENVI Zoom Preferences” para salvar as novas
preferências.
Abrindo e Visualizando Imagens
1. Clique no botão abrir na barra de ferramentas. A caixa de diálogo aparecerá.

2. Navegue até o diretório ENVIZoom \data\ e abra o arquivo qb_boulder_msi. Em razão
de você ter configurado as preferências anteriormente , a imagem é automaticamente
carregada em composição falsa cor e a janela Data Manager também é mostrada.
Trabalhando com o Data Manager
O Data Manager lista os arquivos que você

possui abertos e permite que eles sejam
acessados para serem carregados no display.
Quando você abre um arquivo no ENVI Zoom,
um novo item é adicionado ao topo da árvore de
arquivos do Data Manager. Você pode abrir
múltiplos arquivos em uma única sessão do
ENVI Zoom e é possível escolher os arquivos
que devem ser visualizados em tela e com que
composição, através do Data Manager.
1. quando você clica sobre os nomes das bandas na janela Data Manager, elas são
associadas automaticamente à sequência de canais RGB. Experimente selecionar
diferentes combinações de bandas, clicando sobre o nome de uma das bandas para
ser associada ao canal R.
2. Repita o processo para associar uma das bandas ao canal G e depois ao B.
3. Você, originalmente, tem uma imagem falsa cor carregada dentro da janela de
visualização. Na janela Data Manager, clique com o botão direito sobre o nome do
arquivo (qb_boulder_msi) e selecione “Load True Color”. O ENVI Zoom selecionará
as bandas apropriadas para carregar a imagem em verdadeira cor na janela principal
de visualização (Image window).
4. Clique no link “Tip:Working with the Data Manager” para acessar informações sobre a
funcionalidade do Data Manager (ENVI Zoom Help).
5. Para fechar o ENVI Zoom Help clique sobre o botão X no topo direito da janela.

6. Explore os botões da barra de ferramentas do Data Manager. A partir da barra de

ferramentas do Data Manager, você pode abrir novos arquivos , expandir ou minimizar
arquivos, fechar arquivos e congelar o Data Manager para manter-se ativo sobre a
tela ou descongelar para automaticamente fechar quando você carrega um arquivo
dentro da tela.
7. Para fechar o Data Manager clique sobre o botão X no topo direito da caixa de
diálogo.
Trabalhando com Layers
Você pode carregar múltiplos Layers dentro de somente uma sessão do ENVI Zoom e
também gerenciá-los através do Layer Manager. No exercício anterior, você havia criado
separadamente layers em falsa cor e verdadeira cor de um mesmo arquivo. Ambos
podem ser visualizados no campo “Layer Manager”.
Reordenando Layers
Você pode controlar a ordem dos layers e visualizar janelas arrastando e soltando layers
presentes na árvore do gerenciador de camadas “Layer Manager tree” ou através do uso
do menu “options”.
1. Clique e arraste “Raster1: qb_boulder_pan” , presente no Layer Manager, sobre o
“Raster 2: qb_boulder_msi”.
Ocultando Layers
Por padrão, todos layers da janela Layer Manager são mostrados na janela principal de
visualização. Você pode, temporariamente, esconder a visualização do layer para que
possa trabalhar com outros layers na janela principal de visualização (Image window).
1. Clique com botão direito do mouse sobre Raster1: qb_boulder_msi no “Layer
Manager” e desabilite a opção “Show Layer” para oculta-lo na janela principal do
visualização.
2. Clique com o botão direito sobre Raster1: qb_boulder_msi, novamente, e habilite a
opção “Show Layer” para voltar a visualizar o layer, anteriormente desligado.
Explorando a Interface ENVI Zoom

A interface ENVI Zoom inclui uma barra de menus, barra de ferramentas, barra de
gerenciamento e barra de status. As diversas funções da interface ENVI Zoom são
customizadas e fornece opções para aplicações em múltiplos monitores.
1. É possível destacar a categoria “Layer Manager”, clicando no botão de destacar, à
direita”;
2. Reconecte, novamente, a categoria “Layer Manager” através do símbolo X no topo
direito da janela “Layer Manager”;

3. Desmonte inteiramente o painel da categorias, clicando sobre a seta de colapso à

direita das categorias. Isto permite que você visualize a imagem em grande amplitude.
Agora, visualize as categorias clicando, novamente, sobre a mesma seta (na esquerda
da janela principal de visualização);
4. Desmonte a categoria “Cursor Value” através do clique na seta à esquerda da barra
de categoria “Cursor Value”. Agora, remonte-a clicando, novamente, sobre a mesma
seta.
Usando as Ferramentas de Visualização
1. Clique no botão Zoom e, em seguida, clique e arraste o cursor do mouse gerando

um retângulo ao redor de uma área que apresente a borda da lagoa, próximo ao lado
direito inferior da imagem. Assim, a área selecionada será ampliada na janela de
visualização da imagem.
2. Clique no botão Pan e, em seguida, clique e arraste o cursor do mouse sobre a
janela principal de visualização para efetuar deslocamentos direcionais com auxílio do
mouse. Você pode usar, também, o botão central do mouse para executar o pan.
3. Clique no botão Fly e, em seguida, mantenha continuamente a linha de direção
orientada pelo cursor do mouse. Movimento avante em relação ao centro (para qualquer
lado) causa o aumento da velocidade;
4. Clique no botão Rotate e em seguida, clique e arraste o cursor no sentido horário

ou anti-horário para rotacionar a imagem. A lista de seleção em cascata presente na barra
de ferramentas informa interativamente o grau de rotação corrente.
5. Clique no botão Select para sair da ferramenta de rotação.
6. Clique sobre a lista de seleção em cascata Rotate to e selecione 0º.
7. Experimente as funções de Brilho, Contraste, Realce e Transparência

Clique sobre o símbolo de incremento ou decremento, posicionados à direita e
esquerda do indicador da barra móvel (movimento unitário) ou ainda clique na
barra móvel e use as teclas “Page Up” ou “Page Down” para mover o indicador
para cima e para baixo incrementando a cada 10 %.
Clique na barra deslizante e aperte a tecla “Home” do teclado para mover a barra
deslizante para o máximo (100) e na tecla “End” para mover o indicador da barra
deslizante para o mínimo (0).

8. Clique no botão “Reset” de cada barra deslizante para retornar a posição inicial do
indicador.
9. Experimente diferentes tipos de realces, selecionando as opções disponíveis no menu

em cascata “Stretch Types” (realce linear é o padrão ).
Trabalhando com a Janela Global de Visualização
A janela global de visualização (Overview) fornece

uma visão completa da extensão dos layers
carregados dentro da janela principal de
visualização. Cada vez que você carrega um novo
layer para o display, a janela global de visualização
é redimensionada para ser estendida a todos
layers da janela da imagem. A janela global não
estará disponível até que a pirâmide de layers seja
gerada. Deste modo ela aparecerá vazia por
alguns segundos.
1. Aumente ou diminua o tamanho da janela global, clicando e arrastando o cursor do

mouse sobre o canto inferior direito;
2. Clique dentro da caixa de delimitação da janela principal e arraste-a para qualquer
posição dentro da janela global para atualizar dinamicamente a visualização da
imagem;
3. Clique fora da caixa de delimitação, na janela global, para re-centralizar a caixa de
delimitação no local onde você clicou.
Trabalhando com a Janela Portal Raster

A janela Portal encontra-se dentro da janela principal e permite que você visualize,
simultaneamente, múltiplos layers presentes no Layer Manager. A janela portal funciona
como um layer a parte (dentro da pasta de portais) no Layer Manager. Nesta etapa, você
irá comparar os layers referentes a composição falsa cor e verdadeira cor da imagem
qb_boulder_msi.
1. A partir do Layer Manager, clique com o botão direito sobre Raster2: qb_boulder_msi
(composição em verdadeira cor) e selecione “Order Layer Bring to Front”. Isso fará
com que o Raster2 image para o topo da lista de layers.

2. Clique no botão Portal da

barra de ferramentas. O ENVI
Zoom cria uma janela portal para
visualização do segundo layer
listado no Layer Manager, o qual é
a imagem Raster 1 (composição
falsa cor). O ENVI Zoom adiciona
o novo Portal para a pasta de
Portais do Layer Manager;
3. Clique e arraste dentro do Portal
para move-lo ao redor da janela
principal;
4. Clique e arraste sobre um dos
cantos ou lados para
redimensioná-lo;
5. Clique sobre o botão Pan na barra de ferramentas do ENVI Zoom. Acione a

imagem verdadeira cor (clique fora do Portal) e arraste-a ao redor da janela principal.
Observe como o Portal permanece centralizado enquanto a imagem move-se por trás
dele.
6. Clique no botão Select para sair da ferramenta Pan.
Acesso a Barra de Ferramentas do Portal

1. Clique uma vez dentro do Portal para selecioná-lo, então coloque seu cursor na parte
superior do Portal para visualizar a barra de ferramentas do Portal.
2. Clique no botão “Pin” .
3. Clique sobre o botão Pan da barra de ferramentas do ENVI Zoom. Ative a imagem
verdadeira cor (clique fora do Portal) e arraste ele ao redor da Image window.
Observe como o portal não acompanha mais o movimento gerado pela função Pan.
4. Clique no botão Select da barra de ferramentas ENVI Zoom para sair da função
Pan;
5. Clique uma vez dentro do portal para selecioná-lo, então coloque seu cursor na parte
superior do portal para visualizar, novamente, a barra de ferramentas do Portal.
6. Clique sobre o botão “Unpin” da barra de ferramentas do Portal.

Trabalhando com Combinação, Alternação e Subset de Layers

O ENVI Zoom possui ferramentas que ajudam a comparar diferenças entre dois layers.
Você pode usar essas ferramentas para comparar imagens inteiras ou efetuar a
comparação dentro do portal. Estas ferramentas são ativadas somente quando você tiver
dois ou mais layers carregados no layer manager e quando você visualiza ao menos um
layer na janela principal. Para uma melhor visualização, quando usamos estas
ferramentas, recomenda-se não usar a barra móvel de transparência.
Combinação de Layers
A função “Blending” permite executar uma transição gradual de uma imagem para outra,
pelo aumento da transparência de uma das imagens.
1. clique com o botão direito dentro do Portal e selecione, através do menu de atalho, a
função “Blend”. O mistura automática começa a partir da imagem verdadeira cor em
direção a imagem falsa cor.
2. Experimente aumentar a velocidade da mistura, usando os “botões direcionais” ,
disponíveis na barra de ferramentas do Portal.
3. Clique no botão “pause” na barra de ferramentas para encerrar a combinação de
imagens.
Alternação de Imagens
Esse recurso permite a alternação da visualização de dois layers dentro do Portal.
1. Clique com o botão direito do mouse sobre o Portal e selecione “Flicker”. A alternação
das imagens tem inicio a partir da imagem verdadeira cor para a imagem falsa cor.
2. Experimente aumentar ou diminuir a velocidade de alternação das imagens, clicando
sobre os “botões direcionais” da barra de ferramentas.
3. Clique sobre o botão “pause” da barra de ferramentas do portal para encerrar a
função.
4. Se você encerrar a função “flicker” enquanto a imagem verdadeira cor estiver sendo
visualizada, seu portal aparecerá transparente. Clique com o botão direito sobre o
portal e selecione “ Load New Layer Raster 1 : qb_boulder_msi.
Transposição de imagens
A função “swiping” permite executar uma transposição espacial entre uma imagem e outra
através de uma linha vertical divisória que move-se entre as duas imagens.
1. clique com o botão direito sobre o portal e selecione “Swipe”. Essa função
automaticamente inicia a transição entre a imagem cor verdadeira e a falsa cor.

2. Experimente aumentar ou diminuir a velocidade de transição, clicando sobre os

“botões direcionais” na barra de ferramentas do portal.
3. Clique sobre o botão “pause” na barra de ferramentas do portal para encerrar a
função.
Cortando e Salvando Layers

Nesta etapa, você irá usar o recurso “Chip from Display” para capturar o conteúdo da
janela principal e salva-la. Qualquer manipulação de realce, ampliação, rotação ou
Portais que estiverem sendo visualizados na image window são desfeitos na imagem de
saída. O ENVI Zoom vai gerar uma imagem de 8 bit em três bandas de resolução de tela.
1. clique sobre o botão “chip from display” na barra de ferramentas do ENVI Zoom para
que a caixa de diálogo “chip from display parameters ” apareça.
2. A partir do menu em cascata “output file”, selecione JPEG e aceite a opção padrão
“No Compression

BIBLIOGRAFIA
BOARDMAN, J.W. (1993). Automated spectral unmixing of AVIRIS data using convex geometry
concepts. In: 4th JPL Airborne Geoscience Workshop. Summaries. JPL Publication 93-26, v. 1, p.
11-14.
BOARDMAN, J.W. & KRUSE, F.A.. (1994). Automated spectral analysis: a geologic example using
AVIRIS data, North Grapevine Mountains, Nevada. In: 10th Thematic Conference on Geologic
Remote Sensing. Proceedings. Environmental Research Institute of Michigan, Ann Arbor, MI, p.
407-418.
BOARDMAN, J.W., KRUSE, F.A. & GREEN, R.O. (1994). Mapping target signatures via partial
unmixing of AVIRIS data. In: Summaries of the Summaries of the 5th JPL Airborne Earth Science
Workshop, JPL Publication 95-1, Jet Propulsion Labratory, Pasadena, Ca, p. 23-26.
CLARK, R.N., GALLAGHER, A.J. & SWAYZE, G.A. (1990). Material absorption band depth
mapping of imaging spectrometer data using the complete band shape least-squares algorithm
simultaneously fit to multiple spectral features from multiple materials. In: Preceedings of the 3rd
Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) workshop, JPL Publication 90-54, Jet
Propulsion Labratory, Pasadena, Ca, p. 176-186.
CLARK, R.N., SWAYZE, G.A., GALLAGHER, A.J., GORELICK, N. & KRUSE, F.A. (1991). Mapping
with imaging spectrometer data using the complete band shape least-squares algorithm
simultaneously fit to multiple spectral features from multiple materials. In: Preceedings of the 3rd
Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) workshop, JPL Publication 91-28, Jet
CLARK, R.N., SWAYZE, G.A. & GALLAGHER, A.J. (1992). Mapping the minerology and lithology
of Canyonlands, Utah with imaging spectrometer data and the multiple spectral feature algorithm.
In: Summaries of the 3rd Annual JPL Airborne Geoscience Workshop, JPL Publication 92-14, v 1,
Jet Propulsion Labratory, Pasadena, Ca, p. 11-13.
CLARK, R.N. & CROWLEY, J.K. (1992). AVIRIS study of Death Valley evaporite deposits using
least-squares band fittting methods. In: Summaries of the 3rd Annual JPL Airborne Geoscience
Workshop, JPL Publication 92-14, v 1, Jet Propulsion Labratory, Pasadena, Ca, p. 29-31.
CONEL, J.E., GREEN, R.O., VANE, G., BRUEGGE, C.J., ALLEY, R.E., & CURTISS, B.J. (1987).
Airborne imaging spectrometer-2: radiometric spectral characteristics and comparision of ways to
compensate for the atmosphere. In: SPIE, v. 834, p.140-157.
CONGALTON, R.G., A Review of Assessing the Accuracy of Classifications of Remotely Sensed

Data, Remote Sensing Environment, V37, 1991, pp 35-46
CRÓSTA, A.P. (1993). Processamento digital de imagens de sensoriamento remoto. UNICAMP,

Instituto de Geociências, Departamento de Metalogênese e Geoquímica, Campinas.
EASTMAN, J.R. (1994). IDRISI - exercícios tutorais. UFRGS, Instituto de Biociências, Centro de
Ecologia, Porto Alegre.
FOLEY, J.D., van DAM, A., FEINER, S.K., HUGHES, J.F. (1990). Computer Graphics: Principles
and Practice. Addison-Wesley, Reading, Massachusetts

GEGG, G. (1989). Klassifizierung von Siedlungsflächen und Verkehrsnetz mit Landsat TM Daten im
Raum Rosenheim. Diplomarbeit am Institut fuer Geographie der LMU. München.
GOETZ, A.F.H. & SRIVASTAVA, V. (1995). Minerological mapping in the Cuprite Mining District,
Nevada. In: Proceedings of the Airborne Imagimg Spectrometer Data Analysis Workshop, JPL
Publication 85-41, Jet Propulsion Labratory, Pasadena, Ca, p. 22 - 29.
HUDSON, W.D. & RAMM, C.W., Correct Formulation of the Kappa Coefficient of Agreement,
Photogrammetric Engeneering and Remote Sensing, V53, N 4, Apr 1987, pp 421-422.
KRONBERG, P. (1985). Fernerkundung der Erde - Grundlagen und Methoden der remote sensing
in der Geologie. Enke-Verlag, Stuttgart.
KRUSE, F.A. & RAINES, G.L.. (1984). A technique for enhancing digital color images by contrast
stretching in Munsell color space. In: International Symposium on Remote Sensing of Environment,
3rd Thematic Conference, 16-19 April, Colorado Springs, Colorado. Proceedings. ERIM, Ann Arbor,
MI, p. 755-760.
KRUSE, F.A., RAINES, G.L. & WATSON, K. (1985). Analytical techniques for extracting geological
information from multichannel airborne spectroradiometer and airborne imaging spectrometer data.
In: Proceedings of the 4th Thematic Conference on Remote Sensing for Exploration Geology,
Environmental Research Institute of Michigan (ERIM), Ann Arbor, MI, p. 309-324.
KRUSE, F.A. (1988). Use of Airborne Imaging Spectrometer Data To map minerals associated with
hydrothermally altered rocks in the nirthern Grapevine Mountains, Nevada and California. In:
Remote Sensing of Environment, v.24, no. 1, p.31-51.
KRUSE, F.A. , CALVIN, W.M. & O. SEZNEC (1988). Automated extraction of absorption features
from Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) and Geophysical Environmental
Research imaging spectrometer (GERIS) data. In: Proceedings of the Airborne Visible/Infrared
Imaging Spectrometer (AVIRIS) performance evaluation workshop, JPL Publication 88-38, Jet
KRUSE, F.A. (1990). Artificial Intelligence for Analysis of Imaging Spectrometer Data. In:
Proceedings, ISPRS Commission VII, Working Group 2: “Analysis of High Spectral Resolution
Imaging Data”, Victoria, B.C., Canada, 17-21 September 1990, p. 59-68.
KRUSE, F.A. & LEFKOFF, A.B. (1993b). Knowledge-based geological mapping with imaging
spectrometers. In: Remote Sensing Reviews, Special Issue on NASA Innovative Research Program
(IRP) results, v. 8, p. 3-28.
KRUSE, F.A., LEFKOFF, A.B. & DIETZ, J.B. (1993c). Expert System-Based Mineral Mineral
Mapping in nothern Death Valley, California/Nevada using the Airborne Visible/Infrared Imaging
Spectrometer (AVIRIS) In: Remote Sensing of Environment, Special Issue on AVIRIS, May - June
1993, v.44, p. 309-336.
LILLESAND, T.M. & KIEFER (1979). Remote sensing and image interpretation. New York.
LOUGHLIN, W.P. (1991). Principal component analysis for alteration mapping. In: Photogrammetric
Engineering and Remote Sensing, 57(9): 1163-1169, Sept. 1991.
RAINES, G.L. (1977). Digital color analysis of color ratio Landsat scenes.
In: 11th International Symposium on Remote Sensing of Environment. Proceedings: University of
Michigan, Ann Arbor, p. 1463-1472.

RICHARDS, J.A. (1993). Remote sensing digital image analysis - an introduction.

2nd ed. Springer-Verlag, Berlin.
ROBERTS, D.A., YAMAGUCHI, Y & LYON, R.J.P. (1985): Calibration of Airborne Imaging
Spectrometer Data to percent reflectance using field measurements. In: Proceedings of the 19th
International Symposium on Remote Sensing of Environment, Ann Arbour, MI, Oct. 21-25.
ROBERTS, D.A., YAMAGUCHI, Y & LYON, R.J.P. (1986): Comparision of various techniques for
calibration of AIS data. In: Proceedings of the 2nd AIS Workshop, JPL Publication 86-35, Jet
Propulsion Labratory, Pasadena, Ca, p. 21 - 30.
SACHS, L. (1984). Angewandte Statistik. 6. Aufl., Berlin.
SMITH, H.J. (1993). Putting colors in order. Dr. Dobbs Journal, p. 40, July 1993.
SHIH, T.Y. (1995). The reversibility of six geometric color spaces.

In: Photogrammetric Engineering & Remote Sensing, 61(10): 1223-1232, Oct. 1995.
SWAYZE, G.A. & CLARK, R.N. (1991). Spectral identification of minerals using imaging
spectrometry data: evaluation of the effects of signal to noise and spectral resolution using the
Tricorder. In: Summaries of the 5th Annual JPL Airborne Earth Science Workshop, JPL Publication
95-1, Jet Propulsion Labratory, Pasadena, Ca, p. 157-158.
VALENTE, C.R. (1993).
VANE, G.; GOETZ, A..F.H.; GREGG (1985). Introduction to the proceedings of the Airborne
Imaging Spectrometer (AIS) Data Analysis Workshop. In: Airborne Imaging Spectrometer Data
Analysis Workshop. Proceedings. JPL Publication 85-41, Jet Propulsion Laboratory, Pasadena, CA,
p. 1-21.

Guia Do ENVI e Teledeteccion

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Guia Do ENVI e Teledeteccion

Enviado por

Direitos autorais:

Formatos disponíveis

Guia do ENVI em Português

A: Conceitos Básicos do Sensoriamento Remoto

2. Resolução das imagens de sensoriamento remoto ...................................................... 6

3. Sistemas de satelites ......................................................................................................... 7

B: Começar a trabalhar com o ENVI

2. Conceitos de visualização ......................................................................................................... 3

SulSoft Serviços de Processamento de Dados Ltda. - Todos os direitos reservados

2.6. "Link Displays" ......................................................................................................... 7

3. Importar Dados do Sensoriamento Remoto ................................................................ 17

4.Análise de Dados ................................................................................................................... 22

5. Editando cabeçalhos no ENVI .......................................................................................... 26

6. A janela “Select Spatial Subset” .......................................................................................... 27

6. A janela “Select Spatial Subset” .......................................................................................... 27

2. Examinar estatísticas ......................................................................................................... 5

4. Operações Matemáticas ......................................................................................................... 7

5. Reamostragem Espectral ......................................................................................................... 9

6. Subset de Imagens via ROI´s .......................................................................................... 10

7. Rotacionando e Girando Imagens .......................................................................................... 10

8. Outras Ferramentas ....................................................................................................... 11

9. Novo Menu para Detecção de Mudanças ............................................................................. 12

D: Registro, Correção Geométrica e Mosaico

3. Ortorretificação (ou Ortocorreção) .......................................................................................... 15

4. Outras funções do menu Mapa .......................................................................................... 20

5. Para Entender Melhor: Correção Geométrica ................................................................ 21

SulSoft Serviços de Processamento de Dados Ltda. - Todos os direitos reservados

6. Para Entender Melhor: Projeções cartográficas ................................................................ 23

2. Transformação por principais componentes .................................................................. 5

3. Rotação MNF (MNF Rotation) ............................................................................................ 6

4. Merge de Imagens (Fusão) ......................................................................................................... 6

5. Realce por decorrelação ......................................................................................................... 7

6. Realce de saturação ......................................................................................................... 9

7. Transformação de cores RGB – HSV – RGB ................................................................ 10

8. Para Entender Melhor: O sistema de cores ................................................................ 10

SulSoft Serviços de Processamento de Dados Ltda. - Todos os direitos reservados

2. Classificações supervisionadas ............................................................................................ 3

3. Visualizador N-Dimensional ("N-dimensional Visualizer") .................................................... 11

4. Comparação dos resultados das classificações ................................................................ 13

6. Homogenização do resultado de classificação ................................................................ 24

7. Classificação supervisionada usando rede neural .................................................... 26

8. Classificação por árvore de decisão ............................................................................. 29

2. Filtros morfológicos ......................................................................................................... 5

3. Filtros de textura ..................................................................................................................... 6

4. Filtro FFT (Transformada de Fourier) ............................................................................... 8

SulSoft Serviços de Processamento de Dados Ltda. - Todos os direitos reservados

4.2. Definição de filtro e remoção manual das altas freqüencias ......................................... 9

H: Visualização e Análise de Dados Vetoriais

2. Usando o menu Vetor ....................................................................................................... 10

3. Para Saber Mais: Dados vetoriais e "raster" ................................................................ 14

2. Processamento de Imagens MODIS ............................................................................. 13

3. Processamento de Imagens NOAA ............................................................................. 24

3.3. Carregando as imagens AVHRR no display .................................................... 26

J: Ferramentas Topográficas ........................................................................................... 1

2. Modelagem Topográfica ......................................................................................................... 2

3. Classificar Características Topográficas ............................................................................... 3

4. Criar Visualização “Hill Shade” ............................................................................................ 4

5. Substituir Valores Incorretos ............................................................................................ 6

6. Gradear Pontos Irregulares ............................................................................................ 7

7. Visualização Interativa 3D ......................................................................................................... 8

8. Geração de MDT a partir de arquivos .dxf ou .evf ................................................................ 18

K: Tratamento de Dados de Radar

1.3. Slant Range para Ground Range ............................................................................... 5

2. Para Saber Mais: Imageamento por RADAR .................................................................. 9

L: Tratamento de Dados Hiperespectrais