Sensoriamentoremoto - Peter Zeilhofer PDF

Sensoriamento Remoto
Peter Zeilhofer
ndice
1. Introduo ao Geoprocessamento e Sensoriamento Remoto 1

1.1 Definies 1
1.2 Dicas para leitura 1
2. Conceitos, termos tcnicos e aplicaes 2
3. Radiao eletromagntica 4
3.1 Princpios fsicos 4
3.2 Espectro eletromagntico 5
3.3 Interaes da radiao na atmosfera e superfcie da terra 8
3.4 Assinaturas espectrais 9
4. Foto areas 10
5. Sistemas sensores orbitais 16

5.1 Sistemas orbitais passivos e ativos 16
5.2 rbitas 16
5.3 Sistemas passivos mais usados 17
5.3.1 Landsat 18
5.3.2 Spot 19
5.3.3 Sistemas orbitais de alta resoluo 19
5.4 Radares imageadores 20
6. Avaliao de imagens de satlite 23

6.1 Imagens digitais 23
6.2 Interpretao visual 25
6.3 Processamento digital de imagens 26
6.3.1 Introduo 26
6.3.2 Pr-processamento 26
6.3.2.1 Correes radiomtricas 26
6.3.2.2 Correes geomtricas 27
6.3.3 Realce 29
6.3.3.1 Realce de contraste 29
6.3.3.2 Filtragem 31
6.3.4 Operaes aritmticas entre bandas 35
6.4 Classificao digital de imagens 35
6.4.1 Conceitos 35
6.4.2 Mtodo de fatiamento 38
6.4.3 Mtodo do paraleleppedo 38
6.4.4 Mtodo da Distncia Euclidiana 39
6.4.5 Mtodo da Mxima Verossimilhana 39
7. Bibliografia selecionada 41
Anexo Curso prtico do CCRS: Anlise digital de dados de SR

A Utilizao
B Formulrios
_______________
Obs.: a maioria das figuras e parte dos textos explicativos desta apostila baseada em FUNCATE (1997),
Tutorial of Remote Sensing (CCRS), e o Tutorial SPRING 3.3 (INPE) e no so separadamente citadas.
Introduo ao Geoprocessamento e Sensoriamento Remoto 1
________________________________________________________________________
1. Introduo ao Geoprocessamento e Sensoriamento Remoto

1.1 Definies
O Geoprocessamento pode ser definido como um conjunto de tecnologias voltadas a
coleta e tratamento de informaes espaciais para um objetivo especfico. Assim as
atividades que envolvem o Geoprocessamento so executadas por sistemas especficos
para cada aplicao. Estes sistemas so mais comunentes tratados como Sistemas de
Informao Geogrfica (SIG).
Um sistema de Geoprocessamento pode ser tratado como tal, destinado ao

processamento de dados referenciados geograficamante (ou georeferenciados), desde a
sua coleta at a gerao de sadas na forma de mapas convencionais, relatrios, arquivos
digitais, etc; devendo prever recursos para sua estocagem, gerenciamento, manipulao e
anlise. Com a evoluo da tecnologia de Geoprocessamento e de softwares grficos
vrios termos surgiram para as vrias especialidades. O nome Sistemas de Informao
Geogrfica - SIG (ou Geographic Information System - GIS) muito utilizado e em
muitos casos confundido com Geoprocessamento. O Geoprocessamento o conceito
mais abrangente e representa qualquer tipo de processamento de dados georeferenciados,
enquanto um SIG processa dados grficos e no grficos (alfanumricos) com nfase a
anlises espaciais e modelagens de superfcies.
Sensoriamento Remoto descreve tcnicas e mtodos para aquisio de informaes sobre

objetos ou fenmenos sem que haja contato direto entre eles atravs de sensores. Estes
sensores remotos podem ser sistemas fotogrficos (-> fotos areas) ou ptico-eletrnicos
(-> imagens de satlite). Basta ser observado que Sensoriamento Remoto no sempre
considerado como parte do Geoprocessamento.
1.2 Dicas para leitura

Livros: ROSA (1996): Introduo ao Geoprocessamento; RICHARDS (1993): Remote
Sensing Digital Image Processing; BURROUGHS (1991): Geographical Information
Systems
Revistas: International Journal of Remote Sensing; Remote Sensing of Environment;
Photogrammetric Engeneering and Remote Sensing, GIS World, FatorGis;
Alm das publicaes tradicionais (livros, revistas, anais de congressos) a Internet uma
fonte quase infinita de dados e informaes sobre Sensoriamento Remoto. Confira por
exemplo:
Instituto Nacional de Pesquisas Espaciais INPE: www.inpe.br

Revista FatorGis: www.fatorgis.com.br
Canadian Centre of Remote Sensing: www.ccrs.nrcan.gc.ca
National Centre: www.ncgia.ucsb.edu
NASA: rst.gsfc.nasa.gov
Sites com links: www.gislinx.com, www.geoplace.com
2. Conceitos,termos tcnicos e aplicaes 2
________________________________________________________________________
2. Conceitos, termos tcnicos e aplicaes

Sensoriamento remoto consiste na utilizao de sensores para a aquisio de informaes
sobre objetos ou a medio de fenmenos relacionados a esse objeto, sem que haja
contato direto entre eles.
Os sensores so equipamentos capazes de coletar energia proveniente do objeto,
converte-la em sinal passvel de ser registrado e apresenta-lo em forma adequada
extrao de informaes.
A histria do sensoriamento remoto pode ser dividida em dois perodos: o primeiro entre
1860 e 1960, no qual este era baseado na utilizao de fotografas areos, e o perodo de
1960 at hoje, caracterizado pela multiplicidade de sistemas sensores (Novo 1989).
Dois grandes eventos que marcaram o segundo perodo dessa hist6ria foram: a primeira
fotografia orbital, tirada a bordo da nave Mercury, em 1960; e o primeiro satlite de
recursos terrestres (ERTS-1) colocado em orbita, em 1972.
Em geral, Sensoriamento Remoto envolve os seguintes elementos (Figura 1):
1. Fonte de energia ou iluminao (A) o primeiro requerimento de SR a

disponibilidade de uma fonte de energia que ilumina o objeto de interesse.
2. Radiao e atmosfera (B) como a energia se desloca da sua fonte para os
objetos monitorados, ela ter contato e interaes com a atmosfera pela qual ela
passa. Esta interao se repete uma segunda vez na volta da radiao dos objetos
para o sensor.
3. Interao com o objeto monitorado (C) aps a passagem pela atmosfera, a
energia interage com o objeto. As interaes dependem das caratersticas do
objeto e da radiao.
4. Registro da energia pelo sensor (D) aps a reflexo da energia pelo objeto ou
aps a emisso pelo objeto, necessrio um sensor para coletar e mensurar o
fluxo da radiao eletromagntica.
Figura 1: Elementos de
Sensoriamento Remoto.
2. Conceitos,termos tcnicos e aplicaes 3
________________________________________________________________________
5. Transmisso, recepo, e processamento (E) a energia registrada pelo sensor

deve ser transmitida, normalmente em forma eletrnica, para uma estao de
recepo e processamento, onde os dados so processados e gerada uma imagem
(hardcopy e/ou digital).
6. Interpretao e Anlise (F) a imagem processada interpretada, visualmente
e/ou digitalmente, para extrair informao sobre os objetos que foram iluminados.
7. Aplicao (G) o elemento final do processo de SR alcanado, quando
aplicada a informao extrada da imagem sobre os objetos para um entendimento
melhor, a criao de nova informao, ou para assistir na soluo de um problema
especfico.
A listagem em seguida uma seleo aleatria e somente incompleta das possveis

aplicaes de Sensoriamento Remoto.
Uso da terra e vegetao

estimativas sobre a produo agrcola (na Europa: controle anual)
desmatamento
monitoramento da desertificao
monitoramento de queimadas
cobertura e distribuio dos tipos de vegetao
estimativas de biomassa
estrutura da paisagem
Geologia e pedologia
explorao/minerao
caractersticas do solo
mapeamento de litologia, estruturas geolgicas
Meteorologia/Climatologia
balano de radiao
anlise da concentrao de ozone
previso do tempo
direo e velocidade do vento
Recursos hdricos
monitoramento de inundaes
qualidade de gua
temperatura da superfcie do mar
umidade do solo
delineao de bacias hidrogrficas
concentrao de fitoplncton
evaporao
________________________________________________________________________
Em funo do objetivo da aplicao, seleciona-se o tipo de imagem apropriado. Alguns

exemplos:
Fotos areas para planejamento urbano: a grande escala importante para delineao
de lotes ou prdios
Imagens de LANDSAT TM para mapeamento vegetal em bacias hidrogrficas: as
bandas do infravermelho so importantes para diferenciao dos tipos de vegetao
Imagens GOES para previso do tempo: repetio regular e cobertura de grandes
regies so necessrias para a observao do movimento das nuvens
Leia mais sobre aplicaes de Sensoriamento Remoto nas pginas:

http://www.ccrs.nrcan.gc.ca/ccrs/eduref/tutorial/indexe.html
http://rst.gsfc.nasa.gov/Front/tofc.html
3. Radiao eletromagntica
3.1 Princpios fsicos
Um sensor registra a quantidade de energia radiante refletida ou emitida pelos objetos.
Esta radiao (ondas) eletromagntica constituda por diversas caractersticas fsicas
(intensidade, comprimento de onda, freqncia, energia, polarizao, etc...).
Fig. 2.: Onda eletromagntica (E =

Campo eltrico; M = Campo
magntico)
Entretanto, independente dessas caractersticas, todas as ondas eletromagnticas (Fig. 2)

so essencialmente idnticas, apresentando uma independncia com relao existncia
ou no de um meio de propagao (propriedade importante deste processo de
transferncia de energia). Esta independncia fcil de entender pela figura a seguir, o
campo eltrico e o campo magntico so perpendiculares entre si e ambos oscilam
perpendicularmente direo de propagao da onda, assim o campo eltrico gera um
campo magntico e do campo magntico gera um campo eltrico. A velocidade de
propagao da onda eletromagntica no vcuo a velocidade da luz C (3 x 108 m/s). O
nmero de ondas que passa por um ponto do espao num determinado tempo define a
freqncia (f) da radiao. A freqncia de onda diretamente proporcional velocidade
de propagao da radiao.
________________________________________________________________________
Quanto maior a velocidade de propagao da onda, maior o nmero de ondas que

passaro por um ponto num dado tempo (t) e maior ser sua freqncia. A velocidade de
propagao (v) num dado meio constante.
A onda eletromagntica pode tambm ser caracterizada pelo comprimento de onda ()

que pode ser expresso pela equao:
=v/f
A faixa de comprimentos de onda ou freqncias em que se pode encontrar a radiao
eletromagntica ilimitada. Com a tecnologia atualmente disponvel, pode-se gerar ou
detectar a radiao eletromagntica numa extensa faixa de freqncia, que se estende de 1
a 1024 Hz, ou comprimentos de onda na faixa de 108 metros a 0.01A.
3.2 Espectro eletromagntico

A radiao eletromagntica subdividida em faixas, representando regies que possuem
caractersticas peculiares em termos dos processos fsicos, geradores de energia em cada
faixa, ou dos mecanismos fsicos de deteco desta energia.
Na figura 3 apresentado este Espectro Eletromagntico, que mostra o conjunto dos
diferentes tipos de energia radiante conhecidos.
Figura 3. Espectro Eletromagntico (Steffen & Moraes 1993).
A radiao eletromagntica total (M) emitida por um corpo uma funo da temperatura
(T) deste corpo. Esta relao expressa pela lei de Stefan-Boltzmann
________________________________________________________________________
M = T4
= constante de Stefan-Boltzmann, 5.6697 * 10-8 W m2 oK-4

Segundo a lei de deslocamento de Wien, o comprimento de onda no qual o mximo de
energia emitida (m) tambm muda em funo da temperatura (T).
m = A / T
A = 2898 m oK
A figura 4 mostra a distribuio espectral da radiao emitida por diferentes corpos, entre
outros do sol (mximo de energia emitida no comprimento de onda ~ 0.5 m) e da
prpria terra (mximo de energia no comprimento de onda ~ 10 m).
Figura 4: Distribuio espectral da energia emitida por corpos pretos de diferentes

temperaturas (wavelength = comprimento de onda, spectral radiant exitance = exitncia
espectral (razo entre o fluxo radiante que deixa uma amostra de superfcie e a rea dessa
amostra).
________________________________________________________________________
A figura 5 mostra mais detalhada as caratersticas espectrais da radiao emitida pelo sol
e a terra, como a atmosfera interfere na radiao proveniente do sol e em quais faixas os
diferentes sistemas sensores trabalham. So diferenciadas as faixas espectrais do
Ultravioleta (UV), Visvel e Infravermelho. Observa-se que a atmosfera absorve
diferenciadamente as faixas espectrais. Faixas nas quais a transmisso da atmosfera
quase total (ex. luz visvel, infravermelho entre 8 e 12 m) se chamam janelas
atmosfricas nas quais a maioria dos sistemas sensores trabalham (Fotografia
convencional, Escaneadores multiespectrais e termais). Sistemas de radar (microondas)
so sensveis a uma radiao de um comprimento de onda bem maior, uma faixa onde a
transmisso da atmosfera quase total.
Figura 5: Caratersticas espectrais de fontes de energia (a), efeitos atmosfricos (b) e

sistemas de sensoriamento remoto (c).
________________________________________________________________________
3.3 Interaes da radiao na atmosfera e superfcie da terra

A figura 6 mostra todas as interaes da radiao eletromagntica na atmosfera e na
superfcie de terra. Na atmosfera podem ser citados efeitos tais como a difuso, absoro
e reflexo (nas nuvens). A difuso pode prejudicar a qualidade/contraste de imagens de
sensores ticos-passivos em dias com alta concentrao de aerossol. To mais curto o
comprimento de onda da radiao, to mais intensa a difuso pela atmosfera. No caso
do sistema sensor Landsat TM, so sobretudo as bandas (= faixa espectral na qual um
sensor registra a reflexo) #1, #2 e #3 que sofrem fortes alteraes pela difuso. Em
funo do comportamento dos alvos na superfcie pode ser diferenciada a reflexo difusa
(em todas as direes) e a reflexo especular (direcionada).
Sensor no
satlite
Insolao
Absoro por
vapor, poeira,
CO2 e O3
Difuso por Difuso
partculas do ar
Reflexo
nas nuvens
Radiao
do ceu
Emisso por
vapor, CO 2 e
outros gases
Reflexo
difusa Reflexo
especular
Emisso de calor
Absoro, emisso
e aquecimento
Figura 6: Interaes da radiao na atmosfera e superfcie da terra (modificado conforme

KRONBERG)
________________________________________________________________________
A reflexo diferenciada dos diferentes alvos a componente da radiao solar que

determina o contraste nas imagens de sistemas passivos. A qualidade das imagens de
sistemas passivos evidentemente determinada pela quantidade de nuvens que refletem
tambm a radiao proveniente do sol. A parte no refletida da radiao absorvida pela
superfcie da terra o que causa o aquecimento da prpria. Por sua vez a terra emite
radiao (calor) que medida por sensores termais. Da mesma forma as partculas da
atmosfera e as nuvens emitem radiao.
3.4 Assinaturas espectrais

Como visto na figura 6, os sistemas sensores (passivos) medem a reflexo dos alvos na
superfcie terrestre. Um conjunto destas informaes de todos os alvos registrados produz
a imagem da regio monitorada. Para poder interpretar uma imagem corretamente
precisa-se conhecer a reflexo dos alvos.
A figura 7 mostra a reflexo espectral (reflexo nos diferentes comprimentos de onda) de
solo seco aberto (dry bare soil), vegetao verde (vegetation, green) e gua clara (water,
clear).
Figura 7: Curvas tpicas de reflexo espectral de alguns alvos na superfcie terrestre.
A reflexo do solo aberto aumenta gradativamente at o infravermelho intermedirio.

Solo mido tem uma curva semelhante, s com valores mais baixos em todas as faixas
espectrais. Vegetao verde tem baixa reflexo na luz azul e vermelho e um pico na luz
verde (em funo disso ela aparece verde para nossos olhos). A vegetao utiliza a luz
vermelha para a fotosntese.
4. Fotos areas 10
________________________________________________________________________
caraterstico um forte aumento da reflexo no infravermelho prximo. A gua clara

geralmente reflete pouco. No infravermelho toda radiao do sol absorvida. Portanto,
gua com alta concentrao de sedimentos tem uma reflexo expressiva nas faixas da luz
visvel.
Por sua vez, os sistemas sensores no so capaz de registrar as curvas de reflexo
continuas como esquematizadas na figura anterior e tambm na Figura 2.8 B. Eles
trabalham em bandas, faixas espectrais tecnicamente definidas (Fig. 2.8 A). No exemplo
so quatro bandas situadas nas faixas espectrais da luz azul B (blue) entre ~0.4 e 0.5 m),
da luz verde G (green) entre ~0.5-0.6 m, da luz vermelho R (red) entre ~0.6-0.7 m e do
Infravermelho prximo IR (~0.7-0.8 m).
Figura 8: Assinatura espectral da uma folha verde e a reflexo determinada em quatro

bandas espectrais.
O sensor registra ento a reflexo mdia (ou mais exatamente integra a reflexo) nestas
faixas espectrais e grava estas quatro informaes sobre o alvo.
4. Fotos areas
Fotos areas e os mtodos da sua interpretao no so sempre mencionados nos cursos
de Sensoriamento Remoto. Mas devido a sua escala normalmente grande (bom
detalhamento) e sua geometria especfica, as fotos areas so uma fonte extremamente
importante para mapeamentos e para a calibragem e controle de classificaes de
imagens de satlite.
A figura 9 mostra a trajetria tpica de uma campanha de levantamento areo-
fotogramtrico. Na direo do vo a sobreposio das fotos cerca de 60%, entre duas
faixas de cerca de 35%.
4. Fotos areas 11
________________________________________________________________________
Figura 9: Trajetrias de uma campanha areo-fotogramtrica.
As cmaras areas produzem fotografias com uma geometria central, diferente da

geometria paralela de mapas ou quase paralela das imagens de sistemas orbitais.
A figura 10 mostra que atravs da geometria central, um objeto diferentemente
orientado e deslocado em funo do relevo. Devido a baixa altura do vo a escala de uma
foto area muda significativamente mesmo em terreno plano, com a maior escala no
ponto central da foto (principal point) diminuindo centripetamente.
4. Fotos areas 12
________________________________________________________________________
Figura 10: Comparaes da geometria de um mapa (ou com restries imagem de

satlite) e uma fotografia area. Observe as diferenas no tamanho, orientao e
localizao das duas rvores.
Atravs da utilizao de um estereoscpio e um par de fotos da mesma regio

(fotografada em diferentes ngulos), o avaliador forma uma viso tridimensional da rea
sobreposta (Figura 11).
Figura 11: Estereoscpio.

4. Fotos areas 13
________________________________________________________________________
Este efeito pode ser valorizado para a melhor interpretao dos objetos (ex. engenheiros
florestais podem diferenciar algumas espcies de rvores devido a sua altura) ou
diretamente para a mensurao do relevo. Para conseguir a impresso tridimensional so
necessrios alguns passos preparativos (Figura 12).
Figura 12: Preparao das fotografias para interpretao num estereoscpio (Localizao
e transferncia dos pontos principais sobre e entre as fotografias).
Alm da prpria reproduo do terreno, as fotos contm vrias informaes importantes

para uma interpretao correta (Figura 13).
Desenhando linhas transversais entre as marcas fiduciais da foto pode ser determinado
seu ponto central (Fig. 12). Dados sobre a altitude do vo ajudam estimar a escala da
foto. A altitude, tipo de lente e distncia focal devem ser informadas para a orientao
correta das fotos na utilizao em aparelhos fotogramtricos sofisticados (Stereoplotter).
O ndice da foto e contador ajudam na localizao das fotos na rea de estudo. Data e
horrio informam sobre as condies de insolao e ajudam na aquisio de informaes
correlatas (dados climticos, trabalho de campo etc.).
4. Fotos areas 14
________________________________________________________________________
Figura 13: Informaes registradas em fotografias areas (Cmera Wild)
Figura 14: Exemplo para uma chave de mapeamento geomorfolgico.

4. Fotos areas 15
________________________________________________________________________
Para a avaliao dos fotos j existem chaves de interpretao prontas para as diferentes
aplicaes. A figura 14 mostra um exemplo de um manual de interpretao de unidades
geomorfolgicas ( IBGE 1995).
Em diversos casos so predefinidos os smbolos para a representao das diferentes
classes no mapeamento resultante (p. ex. mapa geomorfolgico).
Leia mais sobre fotos areas:
CARVER, A.J. (1988): Fotografia area para planejadores de uso da terra. Ministrio de
Agricultura, Brasilia.
________________________________________________________________________
5. Sistemas sensores orbitais

5.1 Sistemas passivos e ativos
Os equipamentos capazes de transformar alguma forma de energia em um sinal passvel
de ser convertido em informao so denominados sistemas sensores. Esses sistemas
podem ser divididos em (Figura 15):
Sensores passivos: detectam a radiao solar refletida ou a radiao emitida pelos
objetos;
Sensores ativos: produzem sua prpria radiao, por exemplo, radares;
Passivo Ativo
Figura 15: Sistema sensores passivos e ativos
Sensores que operam na regio ptica do espectro, sendo que esses dividem-se em:
+ sensores termais, que operam na faixa do espectro entre 7 e 15 m, e
+ sensores de energia solar refletida, que operam entre 0,38 e 3 m;
+ sensores de microondas (radar)
+ sistemas sensores no-imageadores: no fornecem uma imagem da superfcie
sensoriada;
+ Sistemas sensores imageadores: fornecem como resultado uma imagem da superfcie
sensoriada, podendo ser classificados em razo do processo utilizado na formao da
imagem:
- sistemas de quadro, que adquirem a linha da imagem num mesmo instante,
- sistemas de varredura, em que as linhas da imagem so formadas pela aquisio
seqencial de elementos de resoluo ('pixel', abreviao de picture element)
5.2 rbitas
Os sistemas sensores instalados em satlites so chamados sistemas orbitais. Eles podem
ser classificados conforme suas rbitas (Figura 16). Sistemas sensores geoestacionrios se
movimentam com a mesma velocidade do que a rotao da terra e eles monitoram
________________________________________________________________________
consequentemente sempre a mesma regio da superfcie. Eles circulam numa grande

distncia da superfcie (alguns mais do que 30.000 km), e so usados para aplicaes
meteorolgicas (ex. previso de tempo), que exigem imagens repetitivas da mesma regio
em curtos intervalos. O detalhamento das imagens restrito.
Geoestacionrio Hliosincrono
Figura 16: rbitas de satlites de sensoriamento remoto.
Para aplicaes que exigem um maior detalhamento (uso e ocupao do solo, cobertura
vegetal, mapeamento geolgico etc.) so usados sistemas com rbitas muito mais baixas
(700-850 km). As rbitas destes sistemas sensores tem as seguintes caratersticas:
a rbita sncrona com o Sol (heliosincrono), para que as condies de iluminao da

superfcie terrestre se mantivessem constantes;
a rbita circular, para garantir que as imagens tomadas em diferentes regies da
Terra tivessem a mesma resoluo e escala;
a rbita permite o imageamento cclico da superfcie, para garantir a observao
peridica e repetitiva dos mesmos lugares;
o horrio da passagem do satlite atende s solicitaes de diferentes reas de
aplicao (geologia, geomorfologia, agricultura, etc..).
5.3 Sistemas passivos mais usados

Trataremos neste item com maior profundidade do sistema Landsat e menos do sistemas
SPOT. Estes sistemas, no atual estado da arte, representa a maior fonte da dados de
sensoriamento remoto e com maior potencial de continuidade ao longo do tempo. Alm
disso temos disponvel no pas, atravs do INPE - Instituto Nacional de Pesquisas
Espacias, toda uma infraestrutura para recepo, processamento e distribuio das
imagens enviadas por estes sistemas.
________________________________________________________________________
5.3.1 LANDSAT
O sistema LANDSAT compe-se at o momento de 6 satlites, que foram desenvolvidos
pela NASA (National Aeronautics and Space Administration, recebendo inicialmente o
nome de Earth Resouces Technology Satellite-1 (ERST-1), que passou a ser chamado de
LANDSAT em janeiro de 1975.
O Landsat 1 e 2 carregaram a bordo dois sistemas sensores com a mesma resoluo
espacial, mas com diferentes concepes de imageamento: o sistema RBV, com
imageamento instantneo de toda a cena e o sistema MSS, com imageamento do terreno
por varredura de linhas (line-scanner).
Ambos os sistemas propunham-se aquisio de dados multespectrais, mas o
desempenho do sistema MSS, em termos de fidelidade radiomtrica, fez com que o 3
satlite da srie tivesse seu sistema RBV modificado, de modo a prover dados com
melhor resoluo espacial em uma nica faixa do espectro. Por outro lado, foi
acrescentada uma faixa espectral ao sistema MSS, para operar na regio do infravermelho
termal.
A partir do Landsat 4, ao invs do sensor RBV, a carga til do satlite passou a contar
com o sensor TM (Thematic Mapper), operando em 7 faixas espectrais. Esse sensor
conceitualmente semelhante ao MSS pois um sistema de varredura de linhas (line-
scanner). Incorprora, entretanto, uma srie de aperfeioamentos, quer nos seus
componentes pticos, quer nos seus componentes eletrnicos. O recm lanado Lansat 7
(o lanamento do Landsat 6 no tive sucesso) possua alm das bandas multiespectrais um
canal pancromtico com uma resoluo espacial de 15 metros.
Os instrumentos mais usados so os imageadores MSS e TM:
IMAGEADOR MSS
MSS (Multispectral Scanner): um sistema sensor que permite o imageamento de linhas
do terreno numa faixa de 185 km, perpendicularmente rbita do satlite. A varredura do
terreno realizada com auxlio de um espelho que oscila perpendicularmente ao
deslocamento do satlite. Durante a oscilao do espelho, a imagem do terreno, ao longo
da faixa, focalizada sobre uma matriz de detectores. A dimenso de cada detector que
compe a matriz de detectores, responsvel pelo seu campo de visada instantneo (rea
observada por cada detector na superfcie da Terra). A energia registrada por cada
detector transformada em um sinal eltrico e este transmitido para as estaes em terra.
A cada oscilao do espelho, o satlite desloca-se ao longo da rbita, para proporcionar o
imageamento contnuo do terreno. Entretanto, o movimento de rotao da Terra provoca
um pequeno deslocamento do ponto inicial da varredura para oeste a cada oscilao do
espelho, ou seja, a cada seis linhas imageadas. Se considerarmos o deslocamento de 185
km ao longo da rbita do satlite, h um deslocamento de 12,5 cm entre a primeira e a
ltima coluna de pixels.
IMAGEADOR TM
TM (Thematic Mapper): um sistema avanado de varredura multiespectral concebido
para proporcionar: resoluo espacial mais fina, melhor discriminao espectral entre
objetos da superfcie terrestre, maior fidelidade geomtrica e melhor preciso
radiomtrica em relao ao sensor MSS.
________________________________________________________________________
A energia proveniente da cena atinge o espelho de varredura que oscila

perpendicularmente direo de deslocamento do satlite em sentido leste-oeste e oeste-
leste. O sinal atravessa um telescpio e um conjunto de espelhos, cuja funo principal
corrigir o sinal coletado pelo espelho de varredura. Dessa maneira, o sinal detectado em
cada matriz de detectores de cada canal transferido para um amplificador e convertido
em sinal digital atravs de um sistema A/D (analgico/digital). A sada de dados , ento
transmitida via telemetria.
5.3.2 SPOT
O sistema SPOT um programa espacial francs semelhante ao programa Landsat, que
foi concebido pelo Centre National d'Etudes Spatiales (CNES) e leva a bordo dois
sensores de alta resoluo (HRV - HAUT Resolution Visible). Estes sensores foram
concebidos para operarem em dois diferentes modos.
O modo multiespectral permite a aquisio de dados em trs faixas do espectro
eletromagntico com uma resoluo espacial de 20 metros. E o modo pancromtico com
uma banda de resoluo espacial de 10 metros.
Uma das caractersticas marcantes dos instrumentos a bordo do SPOT a possibilidade
de observao "off-nadir" (apontamento direcional). O sensor poder ser direcionado de
modo a observar cenas laterais rbita em que se encontra inserido o satlite em dado
momento. Esta possibilidade de observao "off-nadir" aumenta os meios de obter-se um
aumento no recobrimento repetitivo de determinadas reas. Outra vantagem da visada
"off-nadir" a possibilidade de serem obtidos pares estereoscpicos de determinadas
reas.
A luz proveniente da cena atinge um espelho plano, que pode ser controlado a partir das
estaes terrenas variando em ngulos de +/- 0,6 at 27o em relao ao eixo vertical.
A energia que atinge o espelho plano focalizada sobre uma matriz linear de detectores
do tipo CCD (Charge-Coupled Device). Cada matriz consiste em 6000 detectores
arranjados linearmente, formando o que se convenciona chamar de push-broom
scanner ou sistema de varredura eletrnica. Este sistema permite o imageamento
instantneo de uma linha completa no terreno, perpendicularmente direo de
deslocamento do satlite em sua rbita.
5.3.3 Sistemas orbitais de alta resoluo

Recentemente foram lanados ou esto sendo lanados num futuro prximo sistemas
orbitais comerciais de alta resoluo geomtrica (imagens com grande detalhamento).
Baseados na maioria em tecnologia militar, eles chegam a resolues de 1 m. A figura 17
mostra uma imagem do IKONOS da cidade de Washington.
________________________________________________________________________
Figura 17: Cidade de Washington (EU) numa imagem do satlite IKONOS, banda
pancromtica.
Estas imagens sero uma forte concorrncia para as fotos areas em aplicaes como
planejamento urbano. Devido a sua alta resoluo (que resulta em arquivos extremamente
grandes) e o tamanho pequeno das cenas (ex. 8 * 8 km), imagens destes sistemas sensores
no so apropriadas para mapeamentos de escalas intermedirias.
Leia mais sobre sistemas sensores recentes:

www.geoplace.com/gw/current/1199stch.asp
5.4 Radares imageadores

A maioria dos sistemas ativos trabalham na faixa espectral de microondas (radar) e tem
caractersticas tcnicas significativamente diferentes dos sistemas passivos.
Sensoriamento remoto de microondas deve ser ento tratado num captulo separado que
no se encaixa neste curso de introduo. Entretanto, como esto crescendo as aplicaes
baseadas no Radar, seguem algumas observaes bsicas (Figura 18).
________________________________________________________________________
Figura 18: Sistema imageador de

microondas (radar)
Sistemas ativos de radar emitem radiao (B) em pulsos de uma seqncia definida (A)
atravs de uma prpria fonte de energia. Os sinais emitidos so refletidos pelos alvos (C)
e recebidos por uma antena.
As caractersticas de imagens de radar so influenciadas pelo comprimento de onda
(banda) utilizado, sua polarizao na emisso e recepo (Vertical ou Horizontal) e os
ngulos nos quais os sinais so emitidos. Cabe observar que so parmetros bem
diferentes dos quais de SR passivo que determinam a aparncia da imagem (Figura 19),
tais como rugosidade da superfcie do alvo (A), o ngulo de incidncia (B) e a umidade e
as propriedades eltricas do alvo.
(A) rugosidade (B) ngulo de incidncia
Figura 19: Parmetros influenciando o sinal de radar
A figura 20 mostra como alguns alvos refletem radar ativo. Superfcies lisas refletem
pouca radiao para a antena. Florestas com rvores de diferentes alturas e estruturas
refletem mais forte do que campo ou plantaes homogneas. Observa-se tambm uma
forte influncia do relevo na claridade da imagem. A reflexo de objetos lineares (p. ex.
construes) varia extremamente em funo da sua orientao.
________________________________________________________________________
Figura 20:
Reflexo de
alguns alvos
numa imagem
de radar.
Tabela 1 mostra os mais usados sistemas de radar e suas principais caratersticas. As

bandas mais usadas so X, C e L. O look-angle descreve o ngulo com o qual as
microondas so emitidas (Fig. 19), uma caraterstica de todos os sistemas ativos de radar.
Tabela 1: Sistemas de radar ativo
A resoluo geomtrica das imagens geradas pode variar em funo do look-angle e do

mtodo do processamento dos dados (ex. Radarsat com resoluo geomtrica entre 10 e
100 m).
Leia mais sobre SR com radar:

southport.jpl.nasa.gov/
________________________________________________________________________
6. Avaliao de imagens de satlite

6.1 Imagens digitais
Toda imagem de satlite anloga (impressa) ou digital o produto dos dados registrados
e transmitidos pelos sistemas sensores. A colorao de compostos coloridos dos dados
tem na grande maioria dos casos nenhuma relao com a colorao dos objetos
percebidos pelos nossos olhos. Para interpretar imagens visualmente (Cap. 6.2) devem ser
ento consideradas o procedimento da composio de uma imagem, as bandas usadas
para a criao do composto colorido e o comportamento espectral dos objetos
monitorados nas faixas espectrais destas bandas. Para poder iniciar um processamento
digital das imagens (Cap. 6.3) devem ser em adio adquiridos conhecimentos sobre a
forma de gravao, processamento e visualizao destes dados atravs de computadores.
A figura 21 mostra os passos na formao de uma imagem digital no exemplo do sistema
sensor Landsat MSS de quatro bandas.
Intensidade
Reflexo
Bandas MSS Bandas MSS Formato digital banda

intercalada por pixel
Figura 21: Formao de uma imagem digital
O(s) sensor(es) de cada banda medem o fluxo energtico integral recebido atravs da
reflexo de um alvo na respectiva faixa espectral. O fluxo energtico transferido em
valores digitais por banda. No caso de um formato banda intercalada por pixel esto
gravados os valores das quatro bandas (4, 5, 6, 7) do primeiro pixel da imagem na
localizao 1,1, depois os valores do segundo pixel etc.
A figura 22 mostra como os valores de uma destas bandas so organizados para formar
uma imagem. A imagem pode ser entendida como uma matriz de celas (= pixels). A
localizao dos pixels descrita por coordenadas e cada cela (pixel) tem um valor de
intensidade que tambm chamado tom (=nvel) de cinza.
________________________________________________________________________
Figura 22: Estrutura raster de uma banda

de uma imagem digital. A imagem
uma matriz com celas de tamanho igual,
cuja localizao pode ser descrita por
coordenadas (1,1; 1,2 etc.). Cada cela
(pixel) tem um valor de cinza (33, 31).
A figura 23 mostra outras caractersticas fundamentais de dados digitais, as quatro

resolues de imagens. A resoluo espacial (=geomtrica) o tamanho de um pixel
(spatial resolution).
Figura 23: Resoluo espacial, radiomtrica, espectral e temporal de imagens de satlite.
A resoluo radiomtrica (radiometric resolution) descreve a sensibilidade do sensor. No

caso de Landsat TM a resoluo 8 bits (256 nveis de cinza). A resoluo espectral
(spectral resolution) a largura de uma banda normalmente descrita em m. A resoluo
temporal (temporal resolution) a freqncia com qual o satlite monitora a mesma
regio terrestre.
Para a interpretao visual os dados digitais podem ser impressos ou visualizados no

monitor do computador. Nos dois casos as intensidades das respectivas bandas so
codificadas com cores. Podem ser visualizadas simultaneamente 03 bandas, uma
codificada com vermelho, uma com verde e outra com azul. Uma rea vermelha numa
imagem significa que na banda que foi codificada com a cor vermelha (p. ex. atravs do
________________________________________________________________________
canal vermelho do monitor) foi registrada uma alta reflexo, enquanto nas outras bandas
havia uma reflexo relativamente baixa.
importante lembrar que no somente uma banda representando a reflexo na luz
vermelha pode ser codificada com a cor vermelha. Codificando p. ex. a banda 4 do
Landsat TM do infravermelho prximo com vermelho, vegetao verde (para nossos
olhos) aparece vermelho na imagem.
6.2 Interpretao visual

Uma interpretao pode ser efetuada de modo analgico atravs de uma imagem
impressa e papel transparente sobreposto. A interpretao no monitor/computador tem a
vantagem que j est sendo criado um resultado digital que pode ser depois modificado
no computador e diretamente integrado num SIG. Nos dois casos, um intrprete
experiente intuitivamente valoriza seis caratersticas das imagens (Figura 24).
Figura 24: Caractersticas de imagens valorizadas na interpretao
Alm da colorao, forma e tamanho de um elemento podem ajudar na identificao de

um objeto. A textura da imagem a freqncia na qual uma certa tonalidade se repete
(ex.: floresta e campo podem ter as mesmas tonalidades, mas a textura da floresta
geralmente mais irregular). Certas culturas podem ser identificados pelo padro no qual
eles esto plantadas. A localizao de construes pode ajudar na sua identificao (p. ex.
ETA perto de um rio).
________________________________________________________________________
6.3 Processamento digital de Imagens

6.3.1 Introduo
Por Processamento Digital de Imagens (PDI) entende-se a manipulao de uma imagem
por computador de modo que a entrada e a sada do processo sejam imagens. Por
comparao, na disciplina de reconhecimento de padres, a entrada do processo uma
imagem e a sada constitui-se numa classificao ou descrio da mesma.
O objetivo de se usar processamento digital de imagens, melhorar o aspecto visual de
certas feies estruturais para o analista humano e fornecer outros subsdios para a sua
interpretao, inclusive gerando produtos que possam ser posteriormente submetidos a
outros processamentos.
O processamento digital de imagens pode ser dividido em trs etapas independentes: pr-
processamento, realce e classificao. O pr-processamento refere-se ao processamento
inicial de dados brutos para calibrao radiomtrica da imagem, correo de distores
geomtricas e remoo de rudo. As tcnicas de realce mais comuns em PDI so: realce
de contraste, filtragem, operao aritmtica, transformao IHS e componentes
principais. J as tcnicas de classificao podem ser divididas em; classificao
supervisionada e classificao no supervisionada.
NOTA: O usurio pode escolher por no utilizar os algoritmos de classificao, uma vez
pode optar por fazer uma interpretao direta sobre uma imagem realada (Cap. 6.2).
Como veremos a seguir as tcnicas de PDI so realizadas sempre com os nveis de cinza
(NC) atribudos aos pixels de uma imagem. Dependendo da tcnica envolvida o usurio
trabalhar com uma nica imagem (banda ou PI) ou com vrias imagens, sendo est
ltima conhecida por tcnicas multi-espectrais, por tratar de vrias imagens da mesma
cena em regies diferentes do espectro eletromagntico.
6.3.2 Pr-processamento
As tcnicas de pr-processamento envolvem as correes radiomtricas e geomtricas das
imagens.
6.3.2.1 Correes radiomtricas

As correes radiomtricas visam eliminar rudos e degradaes, devidos aos efeitos
atmosfricos, e do sistema sensor.
A radincia detectada por um sensor composta pela radincia dos alvos da superfcie da
Terra somada com a radincia resultante do espalhamento que a radiao eletromagntica
sofre pela atmosfera (Fig. 6). Esse espalhamento maior quanto menor for o
comprimento de onda da radiao.
Pode-se corrigir os efeitos atmosfricos das imagens utilizando modelos matemticos que
consideram a temperatura, a umidade relativa e outros dados do local de interesse.
Porm, nem sempre esses dados esto disponveis. Outra tcnica utilizada consiste na
subtrao de uma constante dos valores de nvel de cinza de todos os pixels de uma
determinada banda. Essa constante corresponde ao menor valor de nvel de cinza dos
pixels daquela banda.
________________________________________________________________________
Os erros devidos ao sistema sensor causam rudos nas imagens. Estes rudos podem ser
pontuais ou apresentar-se em forma de linhas, e podem ser peridicos ou aleatrios. O
mtodo de correo a ser aplicado depender do tipo de erro. Por exemplo, se houver
perda de uma linha inteira, pode-se atribuir aos pixels dessa linha a mdia dos valores dos
pixels das linhas vizinhas.
Correes atmosfricas precisam ser aplicadas no caso da comparao dos nveis de cinza
de imagens de diferentes datas (p. ex. anlises de correlao regresso da concentrao
de sedimentos transportados em corpos de gua)
6.3.2.2 Correes geomtricas

Segundo Richards (1986), existem, potencialmente, mais fontes de distores
geomtricas que radiomtricas e seus efeitos so mais severos. Elas podem estar
relacionadas a alguns fatores como:
rotao da terra durante a aquisio dos dados,

taxa de varredura finita de alguns sensores,
extenso do campo de visada de alguns sensores
curvatura da terra
falta de linearidade de alguns sensores, variao de altitude e velocidade das
plataformas, e efeitos panormicos relacionados a geometria da imagem.
O processo de correo geomtrica envolve basicamente duas etapas. A primeira consiste

na determinao da funo que relaciona o sistema de referencia ao da imagem a ser
corrigida. Erros sistemticos relacionados aos orbitas dos sistemas sensores so
corrigidos desta forma, na maioria pelo fornecedor dos dados (p. ex. INPE)
A segunda consiste no clculo por re-amostragem dos valores de nvel de cinza dos pixels
na imagem corrigida. Esta segunda etapa precisa ser efetuada, em muitos casos, pelo
usurio, e ser portanto mais detalhadamente explicada em seguida:
Utilizando um mapa como sistema de referencia, pode-se registrar uma imagem de forma
que seus pixels se tornem referenciados a esse sistema, ou seja, a valores de latitude e
longitude ou coordenadas UTM. Esse processo se chama Georeferenciamento.
A funo aplicada para correo geomtrica determinada a partir das coordenadas de

pontos de controles na imagem a ser corrigida e no sistema de referncia utilizado
(coordenadas geogrficas ou planimtricas determinado atravs de mapas ou GPS).
Esses pontos de controle devem ser pequenos e bem definidos, podendo ser baseados em:
confluncia do sistema de drenagem,
cruzamento ou bifurcaes do sistema hdrico,
cruzamento entre o sistema de drenagem e pontes rodovirias,
barragens e extremidades de aeroportos.
O processo de re-amostragem utilizado para a correo geomtrica esquematizado na

Figura 25. A grade geometricamente corrigida no coincide com a grade definida pelas
________________________________________________________________________
coordenadas x, y dos pixels da cena em estudo. Podemos verificar que o pixel em

destaque (Z) da grade corrigida corresponde, no espao, a pores dos pixels a, b, c e d da
imagem original. Isto cria o problema de determinar o valor do nvel de cinza a ser
atribudo ao pixel na imagem geometricamente corrigida.
Figura 25: Correo geomtrica de imagens.
Para se determinar os valores de nvel de cinza do pixel da imagem corrigida, utiliza-se

mtodos de interpolao dos pixels (da imagem no corrigida) mais prximos a ele. Os
mtodos de interpolao mais comuns so: alocao de vizinho mais prximo,
interpolao bilinear e convoluo cbica.
Utilizando-se o mtodo do vizinho mais prximo, o valor a ser atribudo ao pixel Z
(Figura 25) igual ao valor do pixel b, pois este o valor mais prximo de seu centro.
As vantagens desse mtodo so a rapidez de processamento e a manuteno dos valores
originais dos nveis de cinza, porm, resulta em uma imagem de baixa qualidade visual.
Segundo o mtodo de interpolao bilinear, o valor do nvel de cinza a ser atribudo ao
pixel Z determinado pela mdia ponderada dos valores dos quatro vizinhos mais
prximos (a, b, c e d). Essa ponderao dada pela distancia do centro dos pixels
vizinhos ao centro do pixel Z. Nesse caso, o tempo de processamento maior que o
anterior, porm resulta em uma imagem de melhor qualidade visual. Ocorre ainda uma
perda de contraste, suavizando feies de bordas da imagem original.
Pelo mtodo de convoluo cbica, o nvel de cinza a ser atribudo ao pixel Z
determinado atravs de clculos realizados em uma matriz com os nveis de cinza dos 16
vizinhos mais prximos. Esse mtodo resulta em imagens de melhor qualidade visual,
embora seu processamento seja mais demorado que os anteriores. Tambm ocorre perda
de contraste.
________________________________________________________________________
6.3.3 Realce
6.3.3.1 Realce de Contraste
A tcnica de realce de contraste e tem por objetivo melhorar a qualidade das imagens sob
os critrios subjetivos do olho humano.
O contraste entre dois objetos pode ser definido como a razo entre os seus nveis de
cinza mdios. A manipulao do contraste consiste numa transferncia radiomtrica em
cada "pixel", com o objetivo de aumentar a discriminao visual entre os objetos
presentes na imagem. Realiza-se a operao ponto a ponto, independentemente da
vizinhana.
Esta transferncia radiomtrica realizada com ajuda de histogramas, que so
manipulados para obter o realce desejado. Veja mais sobre o que um Histograma:
Histogramas
A escolha do mapeamento direto adequado , em geral, essencialmente emprica.
Entretanto, um exame prvio do histograma da imagem pode ser til. O histograma
uma das formas mais comuns de se representar a distribuio dos nveis de cinza (NC) de
uma imagem, e a mais utilizada em PDI.
O histograma fornece a informao de quantos pixels na imagem possuem um
determinado NC, definido entre 0 (preto) a 255 (branco) para uma imagem quantificada
em 8 bits. Outra caracterstica que o histograma no apresenta nenhuma informao
espacial da imagem, e sim um funo de probabilidade de encontrar um NC referente a
um objeto qualquer da imagem. Normalmente tem-se no eixo X a distribuio dos NC e
no eixo Y a freqncia em que ocorrem (veja figura 26).
Figura 26: Histograma de uma banda de

uma imagem. O maior pico do
histograma representa NC intermedirias
que dominam sobretudo nas partes
centrais da imagem. O mximo
secundrio do histograma resultado das
reas escuras no canto esquerdo baixo da
imagem.
________________________________________________________________________
Um histograma descreve a distribuio estatstica dos nveis de cinza em termos do

nmero de amostras ("pixels") com cada nvel, e esta distribuio pode tambm ser dada
em termos da percentagem do nmero total de "pixels" na imagem. Pode ser estabelecida
uma analogia entre o histograma de uma imagem e a funo densidade de probabilidade,
que um modelo matemtico da distribuio de tons de cinza de uma classe de imagens.
Os histogramas pode ser uni-dimensionais (Fig. 26), isto , para apenas uma banda, ou
multi-dimensionais quando representa a distribuio de duas ou mais bandas, sendo o de
duas dimenses o mais simples. Um histograma de duas bandas, ou scattergrama,
permite analisar visualmente o grau de correlao entre duas bandas e decidir sobre tipo
de tcnica de aumento de contraste a ser aplicado a imagens multi-espectrais.
A forma do histograma fornece informaes importantes como a intensidade mdia e
espalhamento dos valores de NC, sendo este ltimo a medida de contraste da imagem.
Quanto maior o espalhamento ao longo do eixo dos NCs, maior o contraste da imagem. A
figura 27 ilustra esta distribuio dos NCs.
Figura 27: Histograma e imagem antes (A) e aps a aplicao de uma realce de contraste.
________________________________________________________________________
Para aumentar o contraste de uma imagem, deseja-se expandir o intervalo original de

nveis de cinza da imagem original, utilizando-se uma funo de transferncia que
consiste em mapear as variaes dentro do intervalo original de tons de cinza, para um
outro intervalo desejado (Fig. 28).
Figura 28: Funo de transferncia para aumento de contraste. Os valores originais (eixo
X) entre +/- 20 a 80 so transferidos para os valores resultantes entre +/- 40-255.
NOTA: Pode-se usar como parmetro de contraste a inclinao da funo de

transferncia, representada pela curva plotada em relao aos eixos XY. Como regra
geral um aumento na inclinao da curva, reflete um aumento de contraste. Se a
inclinao for maior do que 45 graus o contraste ser expandido, e se for menor do que
45 graus o contraste ser comprimido.
6.3.3.2 Filtragem
A aplicao de filtros amplamente discutida na literatura. Portanto a importncia prtica
destas operaes no trabalho com imagens de sistemas passivos limitada. Com a
crescente utilizao de imagens de Radar (que possuem um alto grau de rudo speckle),
as tcnicas de filtragem ganharam nova importncia.
As tcnicas de filtragem so transformaes da imagem "pixel" a "pixel", que no
dependem apenas do nvel de cinza de um determinado "pixel", mas tambm do valor dos
nveis de cinza dos "pixels" vizinhos, na imagem original.
Os filtros funcionam como janelas ou mscaras mveis que se deslocam sobre a imagem.
Por exemplo, uma janela de trs por trs pixels (nove ao todo) que percorre a imagem
________________________________________________________________________
(Figura 29). Inicialmente ela colocada no canto superior esquerdo da imagem, sendo
que o valor do pixel central dessa janela na imagem dado pela soma dos valores do 9
pixels da imagem multiplicados pelas 9 celas da janela. Essa janela se desloca, pixel a
pixel, e essa operao repetida, atribuindo-se novos valores aos pixels.
Figura 29: Representao de uma janela de trs por trs pixels transposta sobre uma
imagem.
Alguns exemplos de filtros so apresentados a seguir.
Filtro passa-baixa
O efeito visual de um filtro passa-baixa (Fig. 30) o de suavizao da imagem e a
reduo do nmero de nveis de cinza da cena. As altas freqncias, que
correspondem s transies abruptas so atenuadas. A suavizao tende a minimizar
rudos e apresenta o efeito de borramento da imagem.
* 1/9 * 1/25
(A) (B)
Figura 30: Filtros passa-baixo 3 x 3 e 5 x 5.
Algumas janelas que efetuam uma filtragem passa-baixa, numa vizinhana de dimenso
3x3, 5x5 ou 7x7 esto indicadas abaixo, estes filtros so conhecidos por filtros de mdia,
pois obtm a mdia entre pontos vizinhos.
________________________________________________________________________
Filtro Passa-Alta
A filtragem passa-alta tende a realar os detalhes, produzindo uma "agudizao"
(sharpering) da imagem, isto , as transies entre regies diferentes tornam-se mais
ntidas (Figura 31).
Figura 31: Filtros passa-baixo 3 x 3 e 5 x 5.
Exemplos: limites de um campo de cultivo, lineamento geolgico, etc. Estes filtros

podem ser usados para realar certas caractersticas presentes na imagem, tais como
bordas, linhas curvas ou manchas. O efeito indesejado o de enfatizar o rudo porventura
existente na imagem.
Os filtros de realce de bordas atribuem valores de nvel de cinza para os "pixels" da cena
original, segundo a influncia de seus "pixels" vizinhos. Esta maior ou menor influncia
ser funo de valores (positivos, nulos ou negativos) fornecidos pelo usurio e atribudos
aos elementos da mscara, considerados segundo a configurao do filtro utilizado.
atravs da combinao destes valores de entrada ou pesos, que se obter um realce maior
ou menor da cena, segundo direes preferenciais de interesse.
Para diminuir o rudo em imagens radar foram desenvolvidos filtros com um calculo mais
sofisticado. Entre outros podem ser citados os filtros Filtro de Frost (Frost 1982), Lee
(Lee 1981) ou Kuan/Nathan (Kuan et al. 1982). Figura 32 mostra os efeitos de vrios
filtros aplicados a uma banda de radar.
________________________________________________________________________
Imagem original Mdia 3 x 3
Frost Kuan
Figura 32: Filtros aplicados numa banda original do ERS-1
Leia mais sobre filtros:

Eric M. Eliason & Alfred S. McEwan (1990): Adaptive Box Filters for Removal of
Random Noise from Digital Images", Photogrammetric Engineering and Remote
Sensing, Vol. 56, No. 4, pp. 453-458.
INPE: Manual SPRING 3.3 (www.inpe.br)

________________________________________________________________________
6.3.4 Operaes aritmticas entre Bandas

Pode-se realizar operaes matemticas como adio, subtrao, multiplicao e diviso
entre bandas ou imagens. Essas operaes so feitas pixel a pixel. Em geral, a adio e
multiplicao so utilizadas para realar similaridades espectrais entre bandas ou entre
diferentes imagens. A subtrao e a diviso, por outro lado, so utilizadas para realar
diferencias espectrais (Crosta, 1992).
A diviso de imagens a operao aritmtica mais utilizada em processamento digital de

imagens de sensoriamento remoto, sendo usada na determinao dos ndices de vegetao
e na identificao de zonas de alterao hidrotermal relacionadas a concentraes de
minerais.
A operao entre bandas utilizada na determinao de ndices de vegetao, por
exemplo, o ndice desenvolvido para o sensor MSS/LANDSAT e calculado pela seguinte
equao:
MSS7 - MSS5
VI = MSS7 + MSS5
A presena de oxidos de ferro e minerais de argila de alterao hidrotermal realada

pelas razes entre bandas do sensor Landsat TM:
TM3/TM 5 e TM1/TM7 respectivamente.
6.4 Classificao Digital de Imagens

6.4.1 Conceitos
A classificao digital de imagens compe-se de um conjunto de procedimentos que
permitem associar objetos (pixels ou regies) presentes em uma imagem a um conjunto
de classes.
O resultado final de um processo de classificao uma imagem digital que constitue um
mapa de "pixels" classificados, representados por smbolos grficos ou cores. O processo
de classificao digital transforma ento um grande nmero de nveis de cinza em cada
banda espectral em um pequeno nmero de classes em uma nica imagem. As tcnicas de
classificao que podem ser aplicadas apenas a um canal espectral (banda da imagem)
so conhecidas como classificaes unidimensionais. As tcnicas em que o critrio de
deciso depende da distribuio de nveis de cinza em vrios canais espectrais so
definidas como tcnicas de classificao multiespectral.
Podem ser diferenciados dois conceitos principais de classificao. O critrio para a

diferenciao destes dois conceitos o primeiro passo em um processo de classificao, o
treinamento. Treinamento o reconhecimento da assinatura espectral das classes.
Existem basicamente duas formas de treinamento: supervisionado e no-supervisionado
(Figura 33).
________________________________________________________________________
(A) (B)
Figura 33: Classificao no-supervisionada (A) e supervisionada (B).
Quando o usurio utiliza algoritmos para reconhecer as classes presentes na imagem, o

treinamento dito no-supervisionado. Ao definir reas para o treinamento no-
supervisionado, o usurio no deve se preocupar com a homogeneidade das classes. As
reas escolhidas devem ser heterogneas para assegurar que todas as possveis classes e
suas variabilidades sejam includas. Os "pixels" dentro de uma rea de treinamento so
submetidos a um algoritmo de agrupamento ("clustering") que determina o agrupamento
do dado, numa feio espacial de dimenso igual ao nmero de bandas presentes. Este
algortmo assume que cada grupo ("cluster") representa a distribuio de probabilidade de
uma classe.
Quando existem regies da imagem em que o usurio dispe de informaes que
permitem a identificao de uma classe de interesse, o treinamento dito
supervisionado. Para um treinamento supervisionado o usurio deve identificar na
imagem uma rea representativa de cada classe. importante que a rea de treinamento
seja uma amostra homognea da classe respectiva, mas ao mesmo tempo deve-se incluir
toda a variabilidade dos nveis de cinza.
Recomenda-se que o usurio adquira mais de uma rea de treinamento, utilizando o
maior nmero de informaes disponveis, como trabalhos de campo, mapas, etc.
Para a obteno de classes estatisticamente confiveis, so necessrios de 10 a 100
"pixels" de treinamento por classe. O nmero de "pixels" de treinamento necessrio para
a preciso do reconhecimento de uma classe aumenta com o aumento da variabilidade
entre as classes.
O conceito da classificao supervisionada o mais utilizado. O usurio define as

classes a serem diferenciadas e classifica a imagem conforme as assinaturas
espectrais destas classes.
________________________________________________________________________
Para a compreenso dos mtodos de classificao digital de imagens necessrio o

conhecimento do conceito espao de atributos.
A representao do espao de atributos pode ser feita, como exemplo, pelo grfico dos
valorem dos nveis de cinza de duas bandas de uma imagem multispectral. Os trs pontos
do grfico representam os valorem dos nveis de cinza de trs diferentes materiais: A, B e
C. Pode-se observar que para separar os pixels pertencentes aos trs materiais
necessrio se considerar o nvel de cinza desses nas duas bandas. Tomando-se somente a
banda 1, no possvel separar B e C. No caso da banda 2, no possvel separar A e B
(Figura 34).
Figura 34: Espao de atributos de duas bandas espectrais contendo as caractersticas

espectrais do pixel de trs diferentes materiais.
A utilizao do nvel de cinza de apenas um pixel no suficiente para a separao dos

materiais. Pode-se selecionar amostras de pixels das bandas utilizadas e determinar os
intervalos de nveis de cinza, ou ainda, a distribuio dos nveis de cinza de cada
material. A representao grfica desses intervalos no espao de atributos mostrada na
Figura 35.
________________________________________________________________________
Figura 35: Espao de atributos de duas bandas espectrais contendo os intervalos de nveis
de cinza dos pixels de trs diferentes materiais.
No processo de classificao digital, pixels ou regies da imagem so associados a uma

classe previamente definida. A atribuio das classes pode estar baseada no valor do
nvel de cinza do pixel, na informao sobre sua vizinhana e na distribuio dos nveis
de cinza da imagem.
A seguir so apresentados alguns mtodos de classificao.
6.4.2 Mtodo do Fatiamento

O mtodo do fatiamento aplicado em apenas uma banda e consiste em dividir o
histograma da imagem em faixas de nveis de cinza. As faixas podem ser escolhidas de
forma que elas apresentem o mesmo intervalo de nveis de cinza, ou que contenham o
mesmo nmero de pixels, ou ainda, podem apresentar intervalos vari6veis. Os pixels que
apresentam valores dos nveis de cinza dentro de uma mesma faixa tm atribuda uma
mesma classe.
6.4.3 Mtodo do Paraleleppedo

Pelo mtodo do paraleleppedo tambm se faz a diviso do histograma em faixas, porm
pode-se realizar essa diviso em uma ou mais bandas. Na figura 36 pode-se observar o
espao de atributos de duas bandas espectrais e a representao da aplicao do mtodo
________________________________________________________________________
do paraleleppedo. Os pixels que se encontram dentro do retngulo formado pelos

intervalos de cinza selecionados nas duas bandas tm atribuda uma mesma classe.
Figura 36: Representao da partio do espao de atributos de duas bandas espectrais a

partir da aplicao do mtodo do paraleleppedo.
6.4.4 Mtodo da Distncia Euclidiana

O mtodo da distncia mnima baseia-se em medidas de distncia no espao de atributos
entre os valores de nveis de cinza de cada pixel da imagem e o valor mdio dos nveis de
cinza das classes. Uma classe atribuda a um pixel se a distncia entre o valor mdio de
seus nveis de cinza e o pixel analisado for menor que as distncias tomadas para as
demais classes.
6.4.5 Mtodo da Mxima Verossimilhana

O mtodo de mxima verossimilhana o mtodo mais utilizado de classificao
supervisionada de imagens de sensoriamento remoto.
Para a aplicao do mtodo supe-se que os nveis de cinza dos pixels de cada classe
apresentam uma distribuio normal. A classificao feita a partir da probabilidade de
cada pixel pertencer s classes previamente definidas, ou seja, ser atribuda a classe A ao
pixel x se a probabilidade dele pertencer a A for maior que a probabilidade dele pertencer
a outra classe qualquer.
A figura 37 ilustra os princpios da classificao por mxima verossimilhana

apresentando as curvas de probabilidade para as classes A, B e C no espao de atributos
de duas bandas espectrais. Os pontos 1, 2 e 3 representam os valorem de nveis de cinza
de trs pixels da imagem. Tomando-se como exemplo o pixel 2, ele classificado como
________________________________________________________________________
A pois, embora encontra-se mais prximo do valor central (valor mdio) da banda B,
situa-se em faixa de maior probabilidade de pertencer banda A.
Figura 37: Representao das curvas de probabilidade de ocorrncia de trs classes: A, B

e C , no espao de atributos de duas bandas espectrais; e dos valores dos nveis de cinza
de trs pixels: 1, 2 e 3.
7. Bibliografia selecionada
CMARA, G. et. al. (1996): Anatomia de Sistemas de Informao Geogrfica.

Campinas, Instituto de Computao/ UNICAMP.
Canadian Centre of Remote Sensing (CCRS): Tutorial of Remote Sensing

(http://www.ccrs.nrcan.gc.ca/)
CARVER, A.J. (1988): Fotografia area para planejadores de uso da terra. Ministrio de
Agricultura, Brasilia.
CROSTA, A., P. (1992): Processamento digital de imagens de Sensoriamento Remoto.

Campinas, SP, IG/UNICAMP.
FUNCATE (1997): Curso de Sensoriamento Remoto e Geoprocessamento.
INPE (1999): Manual SPRING 3.3 (www.inpe.br)
NOVO, E.,M.,L.,M. (1989): Sensoriamento Remoto: princpios e aplicaes, So Paulo,

Edgar Blucher.
RICHARDS, J.A. (1993): Remote Sensing Digital Image Analysis An Introduction,

Springer, Berlin.
ROSA, R. (1995): Introduo ao Sensoriamento Remoto, Universidade Federal de

Uberlndia, Edufu, Uberlndia.
ROSA, R. & BRITO, J., L., S. (1996): Introduo ao Geoprocessamento, Universidade

Federal de Uberlndia, Edufu, Uberlndia.
STEFFEN, C.A. & MORAES, E.C. (1993): Introduo radiometria. In simpsio

Brasileiro de Sensoriamento Remoto, 6., Curitiba, 10 a 14 de maio.
Bibliografia adicional citada no fim dos diferentes captulos

INTRODUO S IMAGENS DIGITAIS
E S TECNICAS DE ANLISE DIGITAL:
Curso de Iniciao a Anlise Digital

de Dados de Sensoriamento Remoto
Utilizao
(Formulrio dos exerccios)
(Respostas dos exerccios)
T. T. Alfldi
Applications Division
Nota Tcnica 78-1

Impresso Marco 1978
Re-impresso Outubro 1986
Verso Digital Agosto 1996
Canada Centre for Remote Sensing

Natural Resources Canada
(antepassado: Energy, Mines and Resources Canada)
Ottawa, Canada
1. Introduo
O Centro Canadense de Sensoriamento Remoto criou um exerccio que simula o tratamento digital de
imagens, afim de familiarizar o novato manipulao de dados digitais. No incio, este exerccio tinha
como objetivo principal permitir ao usurio sua iniciao aos princpios de funcionamento do sistema
IMAGE - 100 do Canada Centre for Remote Sensing (Centro Canadense de Sensoriamento Remoto).
Porm, as noes expostas no presente documento vo alm deste objetivo, podendo aplicar-se maioria
dos sistemas de tratamento digital de imagens. Se os estudantes se beneficiam com os servios de um
instrutor, o exerccio prtico deveria ser precedido de uma breve descrio das caractersticas espaciais,
temporais, espectrais e radiomtricas das imagens digitais.
Para permitir ao leitor imaginar uma simulao manual, unicamente com a ajuda de papel e lpis, as
imagens sofreram as seguintes simplificaes:
a) As dimenses da imagem proposta ao leitor foram reduzidas a 49 elementos (pixels), enquanto

que as imagens digitais contm habitualmente vrios milhes.
b) Uma imagem de ou canais de multiespectral, concentra, muitas vezes, entre 4 e 24 bandas

espectrais. Para este exerccio, as pseudo-imagens foram constituidas de apenas 2 bandas espectrais
(ou dimenses no espao espectral).
c) O nmero de intensidade que pode ser registrado por um detector se situa, habitualmente, entre 64
e 256. Como este nmero grande de mais para um tratamento manual, ns o reduzimos a 10 na
imagem proposta ao leitor.
As tcnicas manuais que vamos descrever assemelham-se muito s operaes executadas por um
computador. No entanto, dada sua grande velocidade de execuo, o computador capaz de tratar imagens
cobrindo superfcies bem maiores, bandas espectrais mais numerosas e numa escala radiomtrica mais
larga.
2. Disposio e apresentao dos dados
A figura 1 nos mostra os dados de um pequeno segmento de uma cena captada por um satlite em 2 bandas.
Em cada banda temos a intensidade luminosa subdividida em 10 nveis: de 0 a 9. Uma das bandas (A)
sensvel ao vermelho e a outra (B) cobre uma parte de infravermelho refletido. Nesta figura, os dados (de
cada banda) so intercalados por linha. No caso das imagens 7x7, representadas sobre fita magntica, os
sete primeiros nmeros correspondem intensidade dos pixels da primeira linha da Banda A, a partir do
lado esquerdo da imagem. Os sete nmeros seguintes se aplicam igualmente primeira linha, mas, desta
vez, da banda B. Os sete nmeros seguintes representam a segunda linha da banda A, e assim
sucessivamente. Portanto, para a superfcie da imagem 7x7, temos 2 bandas compostas de 7 linhas cada
uma e estas linhas constituidas de sete pixels cada uma, o que nos d 98 nmeros. Vamos agora dispor
estes nmeros sobre uma forma geomtrica til.
Etapa n 1
De incio, separe os grupos de 7 valores no sentido da seta, indicando banda A por cima dos 7
primeiros algarismos, a banda B por cima dos 7 seguintes, a banda A por cima dos 7 seguintes e
assim por diante.
A figura 2 representa de uma forma mais prtica a imagem digital. As bandas A e B representam a mesma
regio da superfcie terrestre, mas elas so codificadas separadamente porque correspondem a faixas
distintas no espectro eletromagntico (ou cores de luz).
Etapa n 2
Coloque cada um dos valores da banda magntica no quadrado apropriado no interior das grades.
Assim, os 7 primeiros valores da banda A ocuparo os pixels de 1 a 7 da primeira linha da matriz da
banda A, na figura 2. Os 7 valores seguintes correspondem aos pixels de 1 a 7 da primeira linha da
matriz da banda B. Continue assim at que todos os espaos sejam preenchidos.
As cartas digitais da figura 2 podem, agora, receber uma outra forma que torna possvel uma nova
apreciao visual da imagem. Produz-se uma "carta de nveis de cinza" afim de se visualizar os valores os
quais se dispem.
As cartas de nveis de cinza produzidas por computador apresentam, normalmente, um problema: o nmero
de intensidade (entre 64 e 256) ultrapassa largamente o nmero de tons de cinza disponveis que a
impressora capaz de produzir e o olho humano de distinguir. Cada pixel contido na imagem 7x7 recebe
um cdigo que vai de 0 a 9 e que corresponde a um dos 10 graus de intensidade. Convm, portanto, no
nosso exemplo, representar os 10 graus de intensidade por trs tons de cinza.
Etapa n 3
Para cada uma das imagens digitais das bandas A e B (figura 2), transforme o valor numrico de
cada pixel em um tom de cinza, baseando-se na seguinte escala de converso:
Valor numrico 0 1 2 3 4 5 6 7 8 9
Tons de cinza
Em seguida, transporte os pixels assim transformados at as grades da figura 3. Voc notar que
quanto menor as intensidades, mais escuros sero os tons.
Podemos observar semelhanas e diferenas nos desenhos das bandas A e B. Certas formas no meio da
imagem aparecam, mas claro que as cartas de cinza concentram muito menos informaes que as cartas
numricas. Abordaremos agora um certo nmero de tcnicas que nos permitaram aprofundar nosso
conhecimento sobre os dados tratados.
Um "perfil de intensidade" nos d uma viso unidimensional de apenas uma parte dos dados. Este
anlogo ao "perfil de densidade" ou densitometria, muito empregado em anlise fotogrfica.
Etapa n 4
Construiremos aqui um perfil de intensidade para a linha n 6 de cada imagem representada pelas
bandas A e B. Para isto, utilizaremos as grades da figura n 4. Para a linha n 6 da banda A,
determine a intensidade de cada pixel da carta digital e marque com um ponto cada posio
correspondente a um pixel e sua intensidade. Aps ter posto todos os pontos em sua posio, una-
os, atravs de uma linha, a partir do pixel n 1 at o pixel n 7. Faa o mesmo para a banda B.
Os grficos da figura 4 representam, agora, as intensidades da luz refletida pelo terreno que corresponde
linha n 6 da imagem. Podemos construir os perfis de intensidade para qualquer linha da imagem (qualquer
que seja o ngulo). Esta tcnica tem sempre limites que reduzem sua utilidade; existe outras formas de se
estruturar dados contendo muito mais informaes.
Por exemplo, um histograma unidimensional nos permite obter uma representao grfica da distribuio
de dados de uma nica banda. A curva (ver figura 5) indica o nmero de pixels que um dado nvel de
intensidade possui. Esta uma noo abstrata, mas importante. Inversamente, poderamos nos perguntar:
Qual zona da imagem corresponde a um dado nvel de intensidade ?.
Etapa n 5
Na banda A, calcule o nmero de pixels que tem uma intensidade nula (zero) utilizando a imagem
digital da figura 2. Escreva o nmero total no espao apropriado abaixo do grfico da Banda A da
figura 5. Agora, calcule o nmero de vezes que aparece o nvel de intensidade 1 e escreva o nmero
total obtido no espao apropriado abaixo da Banda A da figura 5. Repita o processo para todos os
nveis de intensidade. Assegure-se de que a soma destes valores seja igual a 49 (7 x 7). Transporte
estes valores para o grfico e una os pontos atravs de uma linha da esquerda para a direita.
Construa o histograma da banda B da mesma forma.
Vrias observaes podem ser feitas em relao a estes dois histogramas. Primeiro, os dois histogramas
obtidos se diferem sensivelmente. Isto significa que as 2 bandas nos fornecem informaes diferentes (e
que podem ser igualmente teis) em relao ao mesmo pixel (ou detalhe do terreno). Segundo, observe os
diversos picos dos histogramas; chamamos "moda" do histograma cada crista separada de seus vizinhos
pelas concavidades ou vales. Constatamos muitas vezes que uma "moda" corresponde a um tipo particular
de cobertura do solo. A presena de vrias modas (histograma multimodal) indica que vrios elementos
diferentes so representados na mesma imagem.
Veremos agora o histograma da Banda B. Este histograma contm duas modas maiores separadas por uma
concavidade que se acha ao nvel de intensidade 2. Como a banda B representa o infravermelho refletido,
um conhecimento das propriedades de reflectncia da terra e da gua no domnio do infravermelho pode ser
til identificao destas duas modas. A gua absorve muito o infravermelho e, consequentemente, tem
uma fraca reflectncia. Em compensao, os solos cobertos de vegetao tm uma reflectncia muito mais
forte durante os meses do vero. Podemos supor, portanto, que a moda da esquerda representa a gua e a
moda maior da direita, o solo coberto de vegetao. Contando o numero de pixels em cada moda, ja temos
uma ideia do tamahno relativo da zona de terra e agua na imagen.
A "assinatura espectral" de um pixel a combinao dos nveis de intensidade deste pixel representam nas
duas bandas. Esta caracterstica pode ser representada atravs de um histograma bidimencional. No
histograma de 2 dimenses, os 2 eixos representam os nveis de intensidade registrados nas duas bandas
(ver figura 6). Isto consiste na representao, atravs de uma curva, da frequncia de ocorrncia de uma
dada combinao de intensidades nas Banda A e B. Em outras palavras, um histograma bidimencional
indica o nmero de pixels na imagem que corresponde a uma dada combinao de intensidades das duas
bandas, isto , a uma assinatura espectral. Tomemos como exemplo o pixel n6 da linha n 2 (figura 2). Na
banda A este pixel tem a intensidade 4, e na banda B, a intensidade 6. Portanto, no grfico da figura 6 ele
ser representado pelas coordenadas 4,6 (4 para o eixo da banda A e 6 para o eixo da banda B). Uma vez
construido, o histograma mostrar simultaneamente a distribuio dos dados das duas bandas.
Etapa n 6
Neste exerccio voc dever transportar as coordenadas espectrais da imagem da figura 2 para o
histograma bidimencional. Para cada coordenada espectral de cada pixel, faa um trao na clula
apropriada da figura 6. Estes traos sero, em seguida, somados de maneira a nos dar o nmero total
em cada clula. Voc deve considerar somente os pixels que ocupam as 3 primeiras linhas da figura
2. Como podemos constatar na figura 6, as 4 ltimas linhas j foram feitas.
Etapa n 7
Remova os dados da figura 6 para a figura 7, adicionando os traos presentes em cada umas das
clulas e escrevendo o nmero na clula correspondente da figura 7.
Chamamos "clula" ou "vetor" cada um dos quadrados componentes do histograma bidimensional. O

algarismo que aparece em uma dada clula da figura 7 representa a frequncia de ocorrncia das
coordenadas de intensidade correspondente a esta clula na imagem original. O histograma bidimensional
representa igualmente o domnio da assinatura espectral; as clulas que esto na mesma vizinhana tm
caractersticas espectrais mais ou menos semelhantes. Assim, utilizando-se simultaneamente os 2 eixos
espectrais (histograma bidimensional) temos recursos para uma anlise muito mais apurada que se
utilizarmos separadamente os eixos (histograma unidimensional), como nos mostra os exemplos seguintes.
3. Classificao utilisando uma nica banda
A figura 8 representa um mapa de controle no campo de um elemento particular : a floresta. Trs lugares
foram reconhecidos no campo como sendo terrenos florestais e os especialistas, tendo recolhido dados
sobre esta regio, tm certeza que o conjunto representativo de todos os tipos de florestas podendo ser
encontrados na rea da imagem de sensoriamento remoto. O mapa de controle foi geometricamente
sobreposto imagem de maneira que um ponto no mapa possa ter uma coordenada linha-pixel que
corresponda imagem. Usando a assinatura espectral destas zonas florestais conhecidas, torna-se possvel
de encontrar todos os outros pixels da imagem associados floresta ou seja, ns iremos procurar todos os
outros pixels que tm a mesma assinatura espectral. A primeira etapa consiste, ento, na definio das
caractersticas espectrais das zonas de treinamento (assim chamadas a partir de agora).
Etapa n 8
Ache as intensidades correspondentes a cada zona de treinamento na banda A. Para conseguir, voc
deve anotar as coordenadas dos pixels das zonas de treinamento e achar as intensidades
correspondentes na figura 2 (banda A). Escreva estes valores na parte de baixo da figura 8. Podemos
ento supor que a categoria floresta est caracterizada pelo intervalo de intensidade registrado na
banda A da figura 2. Este intervalo definido pelo valor mnimo e mximo destas trs amostras
(zona de treinamento). Escreva estes valores no espao previsto na figura 8. Faa o mesmo para a
banda B.
A classificao consiste na procura de todos os pixels cuja a intensidade se situa dentro do intervalo de
intensidade registrado nas zonas de treinamento. Faremos tal processo separadamente para cada banda.
Etapa n 9
Utilizando a imagem digital da banda A na figura 2, anote todos os pixels que tm uma intensidade
dentro do intervalo definido para a banda A (etapa 8). Na figura 9A, escurea cada pixel
correspondendo a um pixel da banda A que tem uma intensidade dentro deste intervalo (inclusive o
mnimo e o mximo). Faa o mesmo para a imagem digital da banda B utilisando o intervalo
definido para esta banda e o diagrama da figura 9B.
Os dois mapas florestais das figuras 9A e 9B representam o mesmo objeto no terreno, isto , a floresta.
Porm, eles so difirentes por serem construidos a partir de dados de duas bandas diferentes. O mtodo para
produzir estes mapas poderia ser comparado a uma forma rudimentar da densitometria. Um intervalo de
intensidades foi extraido da dinmica completa da imagem. Podemos conseguir uma classificao melhor,
ou mais correta considerando, simutaneamente, as intensidades das duas bandas.
4. Classificao multiespectrais por paraleleppedos
Para classificar uma imagem de modo multibandas (ou multiespectral), todas as bandas precisam ser
consideradas simultaneamente. Na figura 10A, a floresta est representada por uma zona sombreada, ou
seja, pelas intensidades 2 a 5 da banda A e 3 a 7 da banda B. A superposio destes dois intervalos de
intensidade est ilustrada por hachuras cruzadas ("crosshatch" em ingls) e representa a assinatura
multibandas da classe floresta. Para fazer uma classificao multibandas da floresta, basta anotar todos os
pixels cujas coordenadas espectrais entram dentro da rea retangular de hachuras cruzadas ilustrada na
figura 10A.
Etapa n 10
Usando as imagens digitais da figura 2, anotar todos os pixels da banda A que tm uma intensidade
de 2, 3, 4 ou 5. Para cada pixel encontrado, verificar se a sua intensidade na banda B de 3, 4, 5, 6
ou 7. Se um pixel satisfaz estas duas condies escurea o pixel correspondente na figura 10B. Basta
fazer apenas as ltimas quatro linhas; as trs primeiras j foram feitas.
No total, 21 pixels devem ter sido classificados como floresta; verificar se o nmero est certo. Verificar
tambm se a figura 10B representa o cruzamento lgico (unio) das figuras 9A e 9B.
Enfim, uma classificao multibandas, como foi executada aqui, precisa de amostras representativas do
terreno para ser confivel. As intensidades dos pixels representativos so mapeadas para cada banda. Os
intervalos de intensidades das duas bandas so representados num grfico bidimensional onde cada eixo
representa uma banda (espao objeto). O retngulo assim delimitado neste espao representa a assinatura
espectral do objeto considerado. Quando utiliza duas dimenses (centenas de bandas multiespectral
aerotransportados no fora do comun) n bandas podem produzir uma assinatura espectral de n dimenses
representadas por um paraleleppedo retangular similar ao retngulo bidimensional que produzimos aqui
(sendo que mais que trs dimenses no podem ser representadas no papel).
5. Classificao multibandas (vetorial)
A assinatura espectral definida pela classificao multibandas retangular pode ser ainda melhorada. Para
isto, basta demonstrar a limitao mais fundamental da tcnica de classificao retangular (ou por
paraleleppedos).
Etapa n 11
O mapa florestal da figura 10B foi verificado por inspeco visual e populaes homognias de
conferas e de caduciflias foram identificadas. A figura 11A ilustra a distribuio espacial destes
dois tipos de florestas. Nosso trabalho consiste em delimitar as partes do espao espectral
correspondente a cada um destes tipos. Para cada pixel que identifica um tipo de floresta na figura
11A, voc deve achar as intensidades em banda A e B (figura 2). Registre estas coordenadas
espectrais na figura 11B usando o smbolo C para conferas e D para caduciflias. Depois, trace
um retngulo definindo a assinatura espectral da floresta de conferas. Os dois lados verticais deste
retngulo correspondem aos limites inferiores e superiores do intervalo de intensidades na banda A e
as linhas horizontais, aos limites do intervalo em banda B. Trace um retngulo similar para a
assinatura espectral das caduciflias. Observe que os dois retngulos se sobrepem parcialmente.
Esta superposio das assinaturas espectrais reduz bastante a eficincia do mtodo dos paraleleppedos. Se
um pixel qualquer tiver coordenadas espectrais que caem na rea de superposio, fica difcil saber se ele
pertencia classe conferas ou caduciflias.
A classificao multibandas vetorial permite scanear um retngulo do espao espectral e registrar cada
coordenada espectral (tambm chamada de clula ou de vetor) e o nmero de pixels associados a cada
uma. Ela define a distribuio das densidades no espao espectral.
O prximo exerccio consiste em utilizar um mtodo de classificao multibanda vetorial para mapear as
florestas de conferas e de caduciflias numa outra cena (imagem). A primeira cena foi utilizada nas figuras
11A e 11B para definir as assinaturas espectrais; esta primeira cena possui as zonas (ou reas) de
treinamento dos dois tipos de florestas que foram definidas. Entretanto, possvel extrapolar essas
assinaturas espectrais no outro meio (cena n 2) onde estamos procurando detalhes do terreno ou objetos
similares. bvio que um algoritmo e um computador vo apenas procurar objetos possuindo
caractersticas espectrais iguais. tarefa do pesquisador postular que assinaturas iguais refletem o mesmo
objeto, mesmo se a cena for outra. Neste nvel, preciso ser muito cuidadoso porque erros graves de
classificao podem ser induzidos com este mtodo se algumas das caractersticas-imagem mudam
(declinao do sol, condio atmosfrica, etc.) O pesquisador dever verificar se as assinaturas
correspondem a objetos idnticos. Se for preciso, ele dever aplicar uma correo radiomtrica imagem.
Etapa n 12
As figuras 12A e 12B ilustram as imagens digitais da banda A e da banda B da nova cena (n 2). A
figura 12C mostra a representao, no espao espectral, das assinaturas espectrais das florestas de
conferas (C) e de caduciflias (D), assim como fizemos anteriormente. Procure nas quatro primeiras
linhas da figura 12D (as ltimas trs j foram classificadas) os pixels que tm coordenadas
espectrais (nas figuras 12A e 12B) correspondendo a uma das classes (C ou D) da figura 12C e
coloque o smbolo apropriado na figura 12D. As coordenadas espectrais no devem apenas ser
incluidas no retngulo da assinatura mas devem coincidir tambm com um dos smbolos C ou D.
a nica maneira de evitar a ambiguidade da rea de superposio das duas assinaturas.
Este tipo de mtodo de treinamento e de classificao chamado de no-paramtrico porque, para

classificar um pixel da imagem, ns utilizamos a posio absoluta das coordenadas espectrais no espao
espectral e NO parmetros estatsticos como a mdia e o desvio-padro.
6. Interpretao (usando as assinaturas espectrais)
Um controle no campo essencial se queremos ter certeza da natureza dos elementos detectados na
imagem. Porm, possvel fazer dedues a respeito de elementos no verificados na base de
caractersticas espaciais e espectrais.
Etapa n 13
Assim que o vimos anteriormente, um histograma unidimencional da banda infravermelha (B)

mostra uma diferena marcante entre uma moda de baixa intensidade correspondendo gua e uma
moda de alta intensidade representando as feies do terreno. Esta diferena pode ser observada
facilmente no histograma da banda B da cena 2 (figura 13A). A moda esquerda do histograma,
com valores inferiores a 2 na banda B, representa com certeza pixels de gua (ou, no caso extremo,
poderiam ser reas de sombra de nuvens ou de relevo tambm caracterizados por valores baixos).
Identifique os pixels da figura 12B tendo intensidade inferiores a 2 e marque um E nos pixels
correspondentes da figura 12D.
A figura 13B mostra os nveis de ocupao (populao de pixels) para os objetos da cena 2.
Identifique as 3 clulas de baixa intensidade correspondendo gua. Some o nmero de pixels
representativos destas 3 clulas e certifique-se de que o total corresponde ao nmero de pixels
identificados por um E na figura 12D.
As partes do espao espectral, estabelecidas como representativas das florestas de conferas e de

caduciflias esto ilustradas na figura 13B. Podemos supor que a parte do espao localizada entre
as duas assinaturas espectrais corresponde a um objeto misto. Assim, as clulas localizadas entre as
reas (espectrais) de conferas e de caduciflias podem ser consideradas como a representao
espectral de uma mistura destes dois tipos de floresta. Procure os pixels possuindo esta mesma
caracterstica espectral e os identifique com um M na figura 12D. Certifique-se de que o nmero
de pixels marcados como floresta mista (M) o mesmo que a soma das populaes de pixels das 3
clulas do espao espectral da figura 13B.
7. Classificao no supervisionada
Os mtodos de classificao vistos at agora utilizam reas de treinamento para definir a assinatura
espectral, das quais o pesquisador j conhece suas caractersticas. Depois, extrapolamos esta assinatura
outras partes da imagem ou a uma outra imagem afim de se identificar outros elementos possuindo a
mesma caracterstica espectral. uma variao da classificao supervisionada.
Um pesquisador pode querer inverter o processo. De fato, frequentemente desejvel distinguir reas da
imagem possuindo caractersticas espectrais diferentes, mesmo sem saber nada sobre a natureza das
subdivises ou das classes resultantes. Estabelecemos cartas das classes resultantes e as levamos para o
campo afim de definir a natureza das subdivises criadas. Este mtodo conhecido como classificao
no-supervisionada, pois no se usa rea de treinamento. Sua principal vantagem de ser baseada nos
parmetros estatsticos das classes que cobrem geralmente grandes reas geogrficas no lugar de pequenas
amostras (reas de treinamento) que podem se revelar pouco representativas da variabilidade real da cena a
ser mapeada.
Existem vrios algoritmos matemticos, baseados em diversos mtodos, que permitem achar e distinguir
grupos estatisticamente representativos no espao espectral e que podem representar objetos importantes
da cena. A maioria destes algoritmos so baseados na procura de zonas de alta populao de pixels (no
espao espectral) separadas por reas de baixa populao. O exerccio seguinte ilustra este mtodo usando
um algoritmo menos complexo que aqueles que so usados na prtica.
Etapa n 14
A representao espectral da cena n 2 est representada na figura 14A. Copie na figura 14B as
clulas da figura 14A que tm uma populao de pixels igual ou superior a 3.
Podemos agora observar, na figura 14B, trs grupos de clulas de populao alta. Cada um deles
representa na realidade o ncleo de um grupo maior ainda. A prxima etapa consiste em delimit-
los. O ncleo de duas clulas ser chamado de grupo A no espao espectral e de classe A uma
vez que ele ser representado no espao imagem (espacial). Marque com um A na figura 14B
todas as clulas contguas ao grupo A inclusive aquelas encostadas apenas por uma quina (deve
haver 10).
Faa o mesmo para o grupo B (grupo de trs clulas) marcando um B e para o grupo C (grupo
de uma clula s) marcando um C. Se houver conflito, resolva pela atrao mais forte (dar clula
a etiqueta do grupo de populao maior).
Na figura 14B, delimite os trs grupos por um trao em negrito (cercando as clulas de mesma
etiqueta). O grupo A dever ter 11 clulas, 15 no B e 6 no C. Reproduzir estes limites na figura
14A tambm.
Vamos agora fazer a representao final do espao espectral dividido em grupos. Transfira para a
figura 14C as clulas da figura 14A que tm uma densidade igual ou superior a 1 dentro do grupo
A e marque-as com um A. Faa o mesmo com os grupos B e C.
Agora que o espao espectral foi subdividido em grupos uniformes usando um critrio pseudo-
estatstico, s falta trazer os grupos de volta s suas posies geogrficas. Para cada pixel da figura
14D, voc dever anotar as coordenadas espectrais nas duas bandas ilustradas nas figuras 12A e
12B, reporte estas coordenadas na figura 14C, e associe a etiqueta apropriada, ou seja, o smbolo
representativo (A, B ou C). S as ltimas trs linhas precisam ser classificadas, as quatro
primeiras j o foram.
A prxima etapa da classificao no supervisionada, ilustrada na figura 14D, consiste em identificar cada
uma das classes (A, B e C) em relao ao seu ambiente prprio. Para isto, podemos utilisar vrias tcnicas
como a interpretao de fotos areas ou, quando for possvel, a verificao com trabalhos de campo. Porm,
no ser necessrio cobrir a cena inteira mas apenas uma amostra de cada categoria. Uma outra vantagem
da classificao no supervisionada que ela permite a orientao do trabalho de campo (ou outra forma de
verificao) atravs da procura de lugares pequenos, prticos e representativos das classes estabelecidas.
Por exemplo, o lugar marcado por um asterisco na figura 14D timo por nos dar uma amostra de cada
classe. Geralmente, bastam alguns destes lugares para conferir a classificao e adquirir um nvel de
confiana para a cena inteira. Este mtodo pode ser usado tambm para estabelecer a preciso da
classificao.
Esta verificao pode tambm servir para a identificao de pixels que no foram classificados (como o
pixel n 4 da linha n 6 na figura 14D). A no-classificao de uma rea pode ser causada por uma falha da
tcnica ou por ruido na imagem; mas se esta rea for representativa, ela poder corresponder a um objeto
particular no terreno.
8. Otros Estudios
Grabau, W.E., "Pixel Problems", Miscellaneous Paper M-76-9 Mobility and Environmental Systems
Laboratory, U.S. Army Engineering Waterways Experiment Station, P.o. Box 631, Vicksburg,
Miss. 39180. May, 1976.
Landgrebe, D.A.. "Machine Processing for Remotely Acquired Data", LARS Information Note 031573,
Purdue University, West Lafayette, Indiana. 1973.
Lindenlaub, J. and J. Russell, "An Introduction to Quantitative Remote Sensing", LARS Information Note
ll0474, Purdue University, West Lafayette, Indiana, 1974.
Orhaug, T. and 1. Akersten, "A Workshop Introduction to Digital Image Processing, FOA Report
D-30053-El. Research Institute of Sweden National Defense, S-l04 50 Stockholm 80, Sweden.
September 1976.
Smith, J.A., L.D. Miller, and T. Ells, "Pattern Recognition Routines for Graduate Training in the Automatic
Analysis of Remote Sensing Imagery -- RECOGIl, Science Series No. 3A, Colorado State
University, Fort Collins, Colorado. February, 1972.
Temos que lembrar que esta lista foi compilada em 1978. Depois, um grande numero de documentos foram
publicados sobre o assunto. Podem se achar referencias nos jornais e livros de sensoriamento remoto, atas
de symposio e tamben no WWW.
INTRODUO S IMAGENS DIGITAIS
E S TECNICAS DE ANLISE DIGITAL:
Courso de Iniciao a Anlise Digital

de Dados de Sensoriamento Remoto
(Utilizao)
Formulrio dos exerccios
(Respostas dos exerccios)
T. T. Alfldi
Applications Division
Nota Tcnica 78-1

Impresso Marcio 1978
Re-impresso Outubro 1986
Verso Digital Agosto 1996
Canada Centre for Remote Sensing

Natural Resources Canada
(antepassado: Energy, Mines and Resources Canada)
Ottawa, Canada
FIGURA 1
Imagem digital, 2 bandas, 7 x 7, linhas intercaladas
Incio
5 3 4 5 4 5 5 5 5 4 6 7 7 7 2 2 3 4 4 4 6 2 4
6 5 5 6 5 2 2 3 3 6 6 8 5 3 5 7 6 6 8 2 2 6 6
9 8 7 3 4 5 6 8 8 7 3 6 8 8 8 7 4 3 5 8 8 8 7
1 3 6 8 7 2 3 2 4 5 8 7 1 0 0 4 6 7 3 3 2 1 3
6 7 0 0 0 0
Fim
FIGURA 2
Imagem digital na forma geomtrica apropriada.
PIXELS PIXELS
1 2 3 4 5 6 7 1 2 3 4 5 6 7
L 1 L 1
I 2 I 2
N 3 N 3
H 4 H 4
A 5 A 5
S 6 S 6
7 7
BANDA A BANDA B
FIGURA 3
Mapas de nveis de cinza.
PIXELS PIXELS
1 2 3 4 5 6 7 1 2 3 4 5 6 7
L 1 L 1
I 2 I 2
N 3 N 3
H 4 H 4
A 5 A 5
S 6 S 6
7 7
BANDA A BANDA B
FIGURA 4
Perfil de intensidade
I BANDA A I BANDA B
N 9 N 9
T 8 T 8
E 7 E 7
N 6 N 6
S 5 S 5
I 4 I 4
D 3 D 3
A 2 A 2
D 1 D 1
E 0 E 0
1 2 3 4 5 6 7 1 2 3 4 5 6 7
No do PIXELS No do PIXELS
FIGURA 5
Histograma unidimensional
BANDA A BANDA B
o
N 1 N 1
o
1 1
1 1
0 0
d 9 d 9
e 8 e 8
7 7
P 6 P 6
i 5 i 5
x 4 x 4
e 3 e 3
l 2 l 2
s 1 s 1
0 0
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9
Nvel de intensidade Nvel de intensidade
Nmero de pixels: Nmero de pixels:
Soma = Soma =
FIGURA 6
Histograma bidimencional
Banda B
Intensidade
9
//// /
8
////
7
//
6
///
5
/ /
4
/ / /
3
2
/ /
1
/ // ///
0
0 1 2 3 4 5 6 7 8 9
Banda A Intensidade
FIGURA 7
Histograma bidimencional
Banda B
Intensidade
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9
Banda A Intensidade
FIGURA 8
Mapa de controle no campo: Mata
PIXELS
1 2 3 4 5 6 7
L 1 F
I 2 F
N 3
H 4 F
A 5
S 6
7
Nveis de intensidade da bandaA: __ , __ , __
Intervalo de intensidade da bandaA:

Mnimo: __
Mximo: __
Nveis de intensidade da bandaB: __ , __ , __
Intervalo de intensidade da banda B:

Mnimo: __
Mximo: __
FIGURA 9A
Mapa forestal em Banda A
PIXELS
1 2 3 4 5 6 7
L 1
I 2
N 3
H 4
A 5
S 6
7
FIGURA 9B
Mapa florestal em Banda B
PIXELS
1 2 3 4 5 6 7
L 1
I 2
N 3
H 4
A 5
S 6
7
FIGURA 10A
Parte do espao espectral representando a mata
BandA B
Intensidade
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9
Banda A Intensidade
FIGURA 10B
Representao da Mata em banda A e B
PIXELS
1 2 3 4 5 6 7
L 1
I 2
N 3
H 4
A 5
S 6
7
FIGURA 11A
Mapa de controle no campo: tipo de mata
PIXELS
1 2 3 4 5 6 7
L 1 D D D D D
I 2 C D
N 3 C C D
H 4 C C
A 5 C
S 6 C
7 C
C = conferas
D = caduciflias
FIGURA 11B
Identificao dos tipos de mata no espao espectral
Banda B
Intensidade
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9
Banda A Intensidade
FIGURA 12A
Cena #2, Banda A
PIXELS
1 2 3 4 5 6 7
L 1 3 4 1 1 2 2 2
I 2 4 4 4 2 1 2 2
N 3 3 3 5 2 2 2 2
H 4 5 5 2 2 2 2 2
A 5 4 5 5 2 2 2 2
S 6 4 3 3 4 4 5 5
7 5 5 3 4 4 5 4
FIGURA 12B
Cena #2, Banda B
PIXELS
1 2 3 4 5 6 7
L 1 7 7 0 0 0 3 3
I 2 7 7 6 0 0 3 4
N 3 4 4 7 1 1 3 4
H 4 7 7 4 4 3 4 4
A 5 6 7 7 4 5 5 5
S 6 7 5 5 5 7 7 6
7 7 6 6 7 7 7 7
FIGURA 12C
Cena #2, Espao espectral
Banda B
Intensidade
9
8
7 D D D
6 D D
5 C D
4 C C Assinaturas
Espectrais
3 C C C Rectangular
2
1
0
0 1 2 3 4 5 6 7 8 9
Banda A Intensidade
FIGURA 12D
Cena #2, Theme Map xxx
PIXELS
1 2 3 4 5 6 7
L 1
I 2
N 3
H 4
A 5 D D D C C C C
S 6 D D D D
7 D D D D D D
C = conferas
D = caduciflias
FIGURA 13A
Cena #2, Banda B, Histograma unidimencional
17
16
N 15
o
14
d 13
e 12
11
P 10
i 9
x 8
e 7
l 6
s 5
4
3
2
1
0 1 2 3 4 5 6 7 8 9
Banda B Intensidade
FIGURA 13B
Cena #2, Histograma bidimencional.
Banda B
Intensidade
9
caduciflia
8
7 1 8 8
6 1 2 2
5 3 2 1
4 7 2
3 5
2
conferas
1 2
0 3 2
0 1 2 3 4 5 6 7 8 9
Banda A Intensidade
FIGURA 14A
Banda B
Intensidade
9
8
7 1 8 8
6 1 2 2
5 3 2 1
4 7 2
3 5
2
1 2
0 3 2
0 1 2 3 4 5 6 7 8 9
Banda A Intensidade
FIGURA 14B
Banda B
Intensidade
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9
Banda A Intensidade
FIGURA 14C
Cena #2, Espao espectral.
Banda B
Intensidade
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9
Banda A Intensidade
FIGURA 14D
Cena #2, Classificao no supervisionada
PIXELS
1 2 3 4 5 6 7
L 1 A A C C C B B
I 2 A A A C C B B
N 3 B B A C C B B
H 4 A A B B B B B *
A 5
S 6
7

Sensoriamentoremoto - Peter Zeilhofer PDF

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

Sensoriamentoremoto - Peter Zeilhofer PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Sensoriamento Remoto

1. Introduo ao Geoprocessamento e Sensoriamento Remoto 1

2. Conceitos, termos tcnicos e aplicaes 2

5. Sistemas sensores orbitais 16

6. Avaliao de imagens de satlite 23

Anexo Curso prtico do CCRS: Anlise digital de dados de SR

1. Introduo ao Geoprocessamento e Sensoriamento Remoto

Um sistema de Geoprocessamento pode ser tratado como tal, destinado ao

Sensoriamento Remoto descreve tcnicas e mtodos para aquisio de informaes sobre

1.2 Dicas para leitura

Instituto Nacional de Pesquisas Espaciais INPE: www.inpe.br

2. Conceitos, termos tcnicos e aplicaes

Em geral, Sensoriamento Remoto envolve os seguintes elementos (Figura 1):

1. Fonte de energia ou iluminao (A) o primeiro requerimento de SR a

5. Transmisso, recepo, e processamento (E) a energia registrada pelo sensor

A listagem em seguida uma seleo aleatria e somente incompleta das possveis

Uso da terra e vegetao

Em funo do objetivo da aplicao, seleciona-se o tipo de imagem apropriado. Alguns

Leia mais sobre aplicaes de Sensoriamento Remoto nas pginas:

Fig. 2.: Onda eletromagntica (E =

Entretanto, independente dessas caractersticas, todas as ondas eletromagnticas (Fig. 2)

Quanto maior a velocidade de propagao da onda, maior o nmero de ondas que

A onda eletromagntica pode tambm ser caracterizada pelo comprimento de onda ()

3.2 Espectro eletromagntico

Figura 3. Espectro Eletromagntico (Steffen & Moraes 1993).

= constante de Stefan-Boltzmann, 5.6697 * 10-8 W m2 oK-4

Figura 4: Distribuio espectral da energia emitida por corpos pretos de diferentes

Figura 5: Caratersticas espectrais de fontes de energia (a), efeitos atmosfricos (b) e

3.3 Interaes da radiao na atmosfera e superfcie da terra

Figura 6: Interaes da radiao na atmosfera e superfcie da terra (modificado conforme

A reflexo diferenciada dos diferentes alvos a componente da radiao solar que

3.4 Assinaturas espectrais

Figura 7: Curvas tpicas de reflexo espectral de alguns alvos na superfcie terrestre.

A reflexo do solo aberto aumenta gradativamente at o infravermelho intermedirio.

caraterstico um forte aumento da reflexo no infravermelho prximo. A gua clara

Figura 8: Assinatura espectral da uma folha verde e a reflexo determinada em quatro

Figura 9: Trajetrias de uma campanha areo-fotogramtrica.

As cmaras areas produzem fotografias com uma geometria central, diferente da

Figura 10: Comparaes da geometria de um mapa (ou com restries imagem de

Atravs da utilizao de um estereoscpio e um par de fotos da mesma regio

Figura 11: Estereoscpio.

Alm da prpria reproduo do terreno, as fotos contm vrias informaes importantes

Figura 13: Informaes registradas em fotografias areas (Cmera Wild)

Figura 14: Exemplo para uma chave de mapeamento geomorfolgico.

Leia mais sobre fotos areas:

5. Sistemas sensores orbitais

Figura 15: Sistema sensores passivos e ativos

consequentemente sempre a mesma regio da superfcie. Eles circulam numa grande

Figura 16: rbitas de satlites de sensoriamento remoto.

a rbita sncrona com o Sol (heliosincrono), para que as condies de iluminao da

5.3 Sistemas passivos mais usados

Os instrumentos mais usados so os imageadores MSS e TM:

A energia proveniente da cena atinge o espelho de varredura que oscila

5.3.3 Sistemas orbitais de alta resoluo

Leia mais sobre sistemas sensores recentes:

5.4 Radares imageadores

Figura 18: Sistema imageador de

(A) rugosidade (B) ngulo de incidncia

Figura 19: Parmetros influenciando o sinal de radar

Tabela 1 mostra os mais usados sistemas de radar e suas principais caratersticas. As

Tabela 1: Sistemas de radar ativo

A resoluo geomtrica das imagens geradas pode variar em funo do look-angle e do

Leia mais sobre SR com radar: