Monitoramento florestal com radar orbital

Programa Xingu / Componente Monitoramento
SIRAD - Sistema de Indicação Radar

de Desmatamento
Guia de utilização
Brasília, novembro de 2017

Apostila SIRAD - Sistema de Indicação Radar de Desmatamento
Sumário
1 Introdução ............................................................................................................................. 3
2 Noções básicas de monitoramento florestal com Radar Orbital .......................................... 4
2.1 Radar orbital: história e princípio de funcionamento ................................................... 4
2.1.1 O Radar de Abertura Sintética (SAR) ..................................................................... 4
2.1.2 Funcionamento do Radar SAR orbital ................................................................... 5
2.1.3 Bandas de aquisição .............................................................................................. 6
2.1.4 Imagens radar e tipos de reflexão ......................................................................... 6
2.2 Resposta radar Na floresta ............................................................................................ 9
2.3 Mosaicos multitemporais ............................................................................................ 12
2.4 O programa Copernicus e os Satélites Sentinel .......................................................... 13
3 Introdução ao Google Earth Engine .................................................................................... 16
3.1 Princípio de funcionamento ........................................................................................ 16
3.2 O Edito de Código do GEE ........................................................................................... 17
3.3 Exemplos de utilização ................................................................................................ 18
3.3.1 Remoção de nuvens de imagens óticas .............................................................. 18
3.3.2 Calculo de relevo, hillshade, declividade, etc ..................................................... 18
3.3.3..................................................................................................................................... 18
3.3.4 Busca e download de imagens de satélite .......................................................... 18
3.4 Para saber mais ........................................................................................................... 19
4 Utilização do Script SIRAD ................................................................................................... 20
4.1 Inicialização do Script .................................................................................................. 20
4.2 Primeiros passos: navegação e recálculo de mosaico................................................. 22
4.3 Principais funcionalidades ........................................................................................... 22
4.3.1 Cálculo do mosaico e ajuste de datas ................................................................. 22
4.4 Funcionalidades auxiliares .......................................................................................... 23
4.4.1 Tipos de visualização ........................................................................................... 23
4.4.2 Filtro Lee .............................................................................................................. 23
4.5 Bases de referencia ..................................................................................................... 23
4.6 Mapeamento de desmatamento e alterações na floresta ......................................... 24
4.7 Exportação de polígonos mapeados ........................................................................... 25
4.8 Exportação dos mosaicos ............................................................................................ 27
4.9 Para terminar: dicas de utilização ............................................................................... 28
2
1 INTRODUÇÃO
O Sistema de indicação radar de desmatamento (SIRAD) é uma ferramenta baseada no sistema
Google Earth Engine, e permite que o usuário possa explorar qualquer região da Amazônia,
visualizando imagens do satélite Sentinel-1, já processadas e prontas para determinar mudanças
na cobertura florestal. Também permite visualizar outras informações de suporte, como limites
de áreas protegidas, polígonos PRODES e imagens óticas.
O propósito principal do script SIRAD é possibilitar o mapeamento manual de desmatamento e

alterações na cobertura florestal da Amazônia, utilizando imagens radar Sentinel-1, disponíveis
o ano inteiro, em intervalos de 12 dias.
Cadastro no Google Earth Engine

Para usar o Sistema você precisa ter cadastro no Google Earth Engine. Para se cadastrar, acesse,
https://signup.earthengine.google.com/ e preencha o formulário após entrar com a sua conta
de e-mail. A princípio, após o preenchimento do formulário, você deverá receber um e-mail
notificando a sua admissão no sistema
A presente apostila pressupõe que o leitor possui noções básicas de geoprocessamento e de

sensoriamento remoto, e que já tem utilizado imagens de satélite ótico (Landsat, Sentinel-2,
CBERS, etc) para determinar mudanças na cobertura e uso do solo.
3
2 NOÇÕES BÁSICAS DE MONITORAMENTO FLORESTAL COM RADAR

ORBITAL
O imageamento da superfície terrestre mediante Radar orbital é substancialmente diferente ao
realizado pelos satélites normalmente utilizados no monitoramento. As informações obtidas
não oferecem uma interpretação tão intuitiva, e o processamento das mesmas costuma ser
pesado e matematicamente complexo. Isso, somado ao custo das imagens e à complexidade de
obtenção das mesmas contribui à pouca popularidade do Radar entre os profissionais de
geoprocessamento. No entanto, a aparição do Google Earth Engine, que simplifica
enormemente as etapas de processamento e download, e do satélite Sentinel-1 da agência
espacial europeia (ESA) pode mudar esse cenário.
A seguir vamos discorrer sobre as principais características do processo de imageamento Radar.
2.1 RADAR ORBITAL: HISTÓRIA E PRINCÍPIO DE FUNCIONAMENTO

O sistema Radar, a princípio, nada mais é do que a emissão de energia eletromagnética e a sua
posterior recepção e processamento para determinar a posição e natureza dos alvos
‘iluminados’, um pouco como o morcego faz
utilizando ultrassons. Historicamente, foi
desenvolvido paralelamente por vários
cientistas no início do século XX. O sistema
Radar atingiu a sua máxima relevância durante
a Batalha de Inglaterra, em 1940. Graças a um
conjunto de grandes antenas posicionadas no
litoral, os engenheiros ingleses conseguiam
detectar os bombardeiros alemães
precocemente e otimizar os esforços da
enfraquecida aviação aliada.
Figura 1- 'Chain Home', ou sistema de antenas no litoral
da Inglaterra utilizadas para detectar incursões aéreas
2.1.1 O Radar de Abertura Sintética (SAR)
Em 1951 um matemático da Goodyear, Carl A. Wiley, desenvolveu uma serie de algoritmos que
permitiam combinar diversas observações Radar para simular a utilização de grandes antenas.
O método, chamado Synthetic Aperture Radar (SAR), permitiu a utilização de pequenos
aparelhos e o seu transporte em aviões e pequenas embarcações.
Justamente, é esse sistema o que é utilizado nas plataformas orbitais (satélites). A antena
embarcada emite energia em uma determinada frequência e recebe a energia refletida, que
depois de processada, informa sobre as características de uma banda muito estreita de terreno.
A medida que o satélite se desloca na atmosfera, vai ‘varrendo’ a superfície da terra, gerando
assim o imageamento completo da superfície terrestre.
Para obter informações precisas sobre a posição de cada feição, o aparelho deve visar
lateralmente (porque? Tente adivinhar), conforme o esquema a seguir:
4
Figura 2- Configuração básica de imageamento SAR. Fonte: curso SAR/DPI
Conforme mostra a ilustração, é possível situar cada feição computando o tempo de retorno
do sinal, da mesma forma que o morcego determina a distância a uma parede escutando o eco
da sua vocalização.
2.1.2 Funcionamento do Radar SAR orbital

Basicamente, o SAR orbital ‘varre’ a superfície da terra de forma semelhante aos satélites de
observação comuns, visando lateralmente e obtendo perfis (chamados ‘swaths’) que depois de
processados e referenciados poderão ser representados como imagens e integrados em
sistemas de informação geográficas.
Fonte: https://commons.wikimedia.org/w/index.php?curid=53176262
5
2.1.3 Bandas de aquisição

Os satélites SAR normalmente utilizam uma única frequência de energia eletromagnética, a
diferença dos satélites óticos, que captam energia em diversas bandas (azul, ver, vermelho,
infravermelho, etc). As principais bandas utilizadas e o correspondente comprimento de onda
são detalhados a seguir:
Fonte:
curso SAR/DPI
Cada banda tem características próprias. É correto dizer que, quanto maior o comprimento de
onda, maior é a penetração da mesma, menos sensível às nuvens e menos resolução tem a
imagem resultante. Assim, os satélites que usam a banda X tem uma resolução bem elevada,
mas podem sofrer interferências em situações de muita nebulosidade. Já a banda P é muito útil
para determinar características do solo, mas é menos sensível à vegetação e possui uma
resolução inferior.
2.1.4 Imagens radar e tipos de reflexão

A imagem Radar é bem diferente à imagem ótica (Landsat, por exemplo). Ela responde a
características do terreno que não estamos acostumados a observar.
Chamamos retroespalhamento à energia que volta para antena após ser refletida pelo terreno.
Em termos simples, as características mais importantes do terreno que determinam o
retroespalhamento são:
6
- Geometria/Rugosidade: a forma em que a onda emitida é refletida pelo objeto determina a

quantidade de energia que vai voltar à antena, conforme é ilustrado a seguir:
Figura 3 - Tipos de reflexão radar. Fonte: curso SAR/DPI
Assim, em função da geometria e rugosidade do terreno teremos quatro tipos de reflexão:
 Especular: o raio de energia se perde, o retorno à antena é nulo,

retroespalhamento mínimo. É o caso das superfícies planas como lagos e rios
calmos.
 Reflexão mista: áreas com pouca rugosidade (solos expostos, por exemplo). O
retroespalhamento fraco.
 Reflexão difusa: áreas rugosas (como o dossel florestal). Retroespalhamento
médio, bastante ‘speckle’ (ruído aleatório)
 Reflexão de canto: produzida pelo rebote duplo de uma onda no chão e num
objeto vertical (uma parede, uma grande árvore). Retroespalhamento muito
alto.
- Umidade: a transmissão do sinal eletromagnético é fortemente influenciada pelo conteúdo de

umidade do material. Se quiser uma prova, tente enfiar um dedo seco numa tomada, e depois
o mesmo dedo umedecido. No caso do SAR, o aumento de umidade do terreno aumenta
sensivelmente o retroespalhamento. A imagem a seguir, do Satélite ERS-1 ilustra esse efeito:
7
Figura 4 - Efeito da umidade após uma forte chuva no sinal radar retroespalhado numa floresta. Fonte: curso
SAR/DPI
8
2.2 RESPOSTA RADAR NA FLORESTA

Se você acompanhou até aqui, não vai se surpreender com a seguinte ilustração:
Fonte: Freitas et al. (INPE)
Nela é confrontada uma imagem Landsat (a) com uma imagem Radar (b), especificamente do
satélite JERS-1. É obvia a diferença entre a quantidade de informações presentes em uma e outra
imagem. A princípio, seria mais vantajoso usar a imagem Landsat, mas tem alguns elementos
que merecem ser considerados:
1) A imagem Radar não é influenciada por nuvens, conforme podemos ver em diferentes
pontos das imagens apresentadas. Isso é uma vantagem enorme na Amazônia, em que
muitos lugares permanecem cobertos por nuvens a maior parte do ano.
2) A imagem radar tem muitas características que não podemos visualizar diretamente,
que podem ser tratadas e utilizadas na interpretação, como a polarização das ondas.
Para entender como que a imagem radar mostra uma floresta, precisamos avaliar os tipos de
reflexão no meio florestal:
9
Figura 5 - Tipos de reflexão SAR no meio florestal. Fonte: curso SAR/DPI
Uma área densamente florestada irá produzir um retroespalhamento do tipo A, B ou C,

dependendo do comprimento de onda do radar. Clareiras abertas irão produzir reflexões de tipo
D e E. Assim, a detecção da remoção de floresta se dá, sobretudo, pela aparição de ‘duplas
reflexões’ (tipo D) e de ‘sombras’ (tipo E), que contribuem a delimitar a área desmatada no meio
de uma região de ruído mais ou menos uniforme. O desenho a seguir ilustra esse fenômeno:
Figura 6 - Detecção de mudanças na cobertura florestal com SAR-C (Radarsat).
10
Igualmente, a remoção da floresta muda a textura da superfície do solo, o que ocasiona uma
alteração (normalmente diminuição, mas não sempre) do retroespalhamento da parte
desmatada. É possível então detectar desmatamento com imagens de radar, permanecendo
atento à aparição de reflexões fortes e fracas conjuntamente e a alterações no
retroespalhamento das áreas compreendidas entre as mesmas.
Mudanças em áreas já abertas: Mudanças na cobertura do solo, como o crescimento do capim,

queimadas ou colheitas vão provocar mudanças também em áreas já consolidadas. Não devem
ser confundidas com mudanças devidas a desmatamento da floresta.
Alagamento: quando uma área é alagada, a mudança da reflexão de tipo difusa a reflexão
especular provoca uma diminuição muito evidente do sinal (veja figura a seguir).
Figura 7 - Enchimento do reservatório da UHE Belo Monte (Altamira, PA). A primeira imagem é de janeiro de 2016. A
segunda é um promédio das imagens do segundo semestre de 2016, uma vez terminado o enchimento do reservatório.
Observar como o alagamento provoca uma queda brutal no sinal.
11
2.3 MOSAICOS MULTITEMPORAIS

Para detectar mudanças na cobertura florestal de forma visual com imagens de Radar, é
corriqueira a utilização de mosaicos multitemporais. Da mesma forma que para visualizar uma
área combinamos bandas de uma imagem Landsat para produzir uma imagem colorida (RGB),
nesse caso iremos combinar imagens Radar adquiridas em diferentes momentos. Assim,
colocaremos uma imagem adquirida em p1 no canal vermelho, uma imagem p2 no canal verde
e outra p3 no canal azul. A letra ‘p’ é utilizada para denominar um período, já que normalmente
as imagens de um certo período, e não de uma única data, são mediadas para diminuir o ruído
‘speckle’.
Os mosaicos multitemporais tem uma propriedade interessante: qualquer mudança irá se

refletir em uma coloração no lugar modificado. Tons cinzas indicam que não houve mudança no
local.
A figura a seguir ilustra o caso apresentado anteriormente:
Figura 8 – Detelhe de mosaico multitemporal do reservatório intermediário da UHE Belo Monte, composto pelas
mesmas imagens apresentadas na figura anterior para os canais vermelho (p1) e verde (p2), e uma posterior (p3) para
o canal azul. A cor vermelha denota a queda no retroespalhamento provocada pelo enchimento do reservatório. A cor
amarela mostra a diminuição da vazão na região da Volta Grande do Xingu entre p2 e p3, provocada justamente pelo
desvio do Xingu.
12
Figura 9 - Mosaico multitemporal da região de Novo Progresso (PA). As cores mostram mudança na cobertura dos
pastos da região.
Os mosaicos multitemporais são ferramentas muito úteis para determinar visualmente se houve
modificações no dossel florestal de uma determinada região. A experiência do interprete
permite atribui a cada cor um tipo de mudança, em um determinado período.
2.4 O PROGRAMA COPERNICUS E OS SATÉLITES SENTINEL

A agência espacial europeia (ESA) lançou em 2014 um programa chamado Copernicus, que
atualmente é o maior e mais ambicioso programa de observação da Terra. O componente
espacial é composto por seis missões de satélites, chamadas Sentinel. A primeira, Sentinel-1, é
um conjunto de satélites idénticos (atualmente dois se encontram operacionais, Sentinel-1A e
Sentinel-1B) de tipo SAR, operando na frequência C.
Seguindo o exemplo da NASA, a ESA abriu completamente o acesso a todos os dados dos
satélites Sentinel, e é possível baixar todos os dados produzidos diariamente pelos satélites.
O mapa a seguir mostra a frequência de cobertura Sentinel-1:
13
Figura 10 - Cobertura global do sistema Sentinel-1 válida a partir de maio de 2017. Fonte:ESA
Podemos ver que o Brasil é coberto, atualmente, a cada 12 dias, em trajetórias descendentes,
isto é, orbitas norte a sul.
A resolução das imagens Sentinel-1 varia em função do modo de aquisição de imagens:
Figura 11 - Diferentes modos de aquisição dos satélites Sentinel-1. fonte: ESA
14
Figura 12 - Modos de aquisição de imagem do satélite Sentinel-1. Atualmetne o Brasil é coberto pelo modo
Interferometric Wide Swath (IW).
A tabela a seguir mostra a resolução de todos os modos:
No nosso caso, iremos trabalhar com o modo IW em full resolution, isso implica uma resolução
de 20x22 metros e um ‘swath’ (área imageada de uma vez) de 250 km.
Atenção!
Por questões técnicas (obliquidade das visadas), o pixel das imagens Sentinel-1 GRD-IW (o modo
mais usual) tem um tamanho de 10x10 metros. Isso não quer dizer que a resolução do satélite
seja de 10 metros. A resolução é de 20 metros, no sentido E-W e de 22 metros no sentido N-S.
15
3 INTRODUÇÃO AO GOOGLE EARTH ENGINE

O Google Earth Engine (GEE) é, provavelmente, a mudança mais revolucionaria do século XXI na
forma de trabalhar imagens de satélite. E podemos dizer que foi uma ideia brasileira! Com
efeito, foi o pesquisador do Imazon Carlos Souza Jr. quem propôs à Google utilizar a sua enorme
capacidade de computação para tratar imagens de satélite e disponibilizá-las aos usuários de
forma ao mesmo tempo simples e funcional. A Google aceitou o desafio. Duas pessoas
importantes nesse processo foram Rebecca Moore, ‘inventora’ do Google Earth e David Thau, o
‘gurú’ do GEE.
3.1 PRINCÍPIO DE FUNCIONAMENTO

Basicamente, o GEE é uma plataforma que disponibiliza dados de satélite e ferramentas para
trabalhar com esses dados, em um mesmo ambiente. Até aí, não é muito diferente de um
computador de geoprocessamento pessoal, que tem dados no HD e um programa que processa
os mesmos. O grande diferencial do GEE é a escala, que é planetária. Com efeito, o usuário de
GEE tem à disposição catálogos (chamados coleções) completos de todos os satélites e
informações de sensoriamento remoto disponíveis hoje em dia de forma livre, incluindo
Copernicus, Landsat, MODIS, etc. As informações são ingeridas e disponibilizadas em tempo real,
e assim todas as coleções estão sempre atualizadas.
Figura 13- Algumas das coleções de dados disponíveis e atualizadas no ambiente GEE
Adicionalmente aos dados, o GEE fornece um conjunto de ferramentas para trata-los. Essas
ferramentas são disponibilizadas num ambiente de programação baseado na linguagem
‘javascript’. O ‘javascript’ ´uma linguagem muito simples, que permite selecionar, processar e
visualizar os dados das coleções do GEE.
Conceitos mais importantes:
 Script: conjunto de instruções, escritas em linguagem de programação Javascript, que

permitem ao usuário solicitar dos ‘clusters’ de servidores da plataforma GEE
processamentos complexos dos dados nela contidos.
 Imagem: é uma cena de uma imagem de satélite ou um dado georeferenciado. No caso
de Landsat, é uma cena normal. No caso do SRTM (relevo), a imagem SRTM cobre toda
a Terra.
 Coleção: é um conjunto de imagens. Por exemplo, a coleção LANDSAT/LC8_L1T_TOA
agrupa todas as imagens do satélite Landsat 8, ortoretificadas (L1T) e convertidas a
refletância acima da atmosfera (TOA).
 Filtros: são formas de selecionar elementos de uma coleção. Assim, usamos
FilterDate(Data1,Data2) para selecionar as imagens entre duas datas. Podemos também
filtrar por localização, por atributos determinados (quantidade de nuvens), etc.
16
 Redutores: são formas de converter coleções de imagens em uma imagem única. Por
exemplo, posso pedir para calcular a média das imagens Landsat de um determinado
local. O resultado é uma imagem única.
O código a seguir ilustra um processo bem simples no GEE: selecionar uma coleção, filtrá-la
e calcular a mediana.
// Faz um composite de todas as imagens Landsat 8 de 2017.

// Leitura da coleção.
var collection = ee.ImageCollection('LANDSAT/LC8_L1T_TOA');
// Filtramos para selecionar só as imagens de 2017.
var filtered = collection.filterDate('2017-01-01', '2017-12-
31');
// Para cada pixel e cada banda é calculada a media e feita uma
imagem
var medianImage = filtered.median();
// Coloca a imagem no mapa
Map.addLayer(medianImage, {bands:['B6', 'B5', 'B4'], min:0.04,
max:0.8});
Para ver o resultado, pode visitar o link:

https://code.earthengine.google.com/a39e7f0b79ec7b90502db4cc2fc3d258
3.2 O EDITOR DE CÓDIGO DO GEE

O editor de código é a ferramenta principal do GEE. Acessamos mediante um navegador
(preferentemente Chrome). Isso é o que temos quando entramos em
https://code.earthengine.google.com:
Figura 14 – Ambiente de desenvolvimento do GEE
Os elementos principais do ambiente de desenvolvimento são:
1. Editor de código
2. Painel de arquivos, documentação e acervo
3. Consola, debug e saídas
4. Painel do mapa de resultados
17
5. Ferramentas de desenho e navegação
A melhor forma de se familiarizar com o editor de Código é...editando código. Para tal,
convidamos a, no painel de arquivos, abrir a pasta ‘Examples’ e escolher alguns dos exemplos
apresentados, começando pelos primeiros. Para rodar um script devemos apertar o botão ‘Run’
do painel editor de código.
3.3 EXEMPLOS DE UTILIZAÇÃO

3.3.1 Remoção de nuvens de imagens óticas
O GEE permite criar mosaicos anuais de imagens tirando os pixels com nuvens e calculando a
mediana do resto de pixels válidos utilizando algoritmos simples.
O código a seguir demonstra essa potencialidade sobre uma área no salgado paraense,
normalmente coberto por nuvens:
Map.setCenter(-47.6735, -0.6344, 12);

var L8 = ee.ImageCollection('LANDSAT/LC8_L1T');
var composite = ee.Algorithms.Landsat.simpleComposite({
collection: L8.filterDate('2015-1-1', '2015-7-1'),
asFloat: true});
Map.addLayer(composite, {bands: 'B7,B6,B1', max: [0.3, 0.4,
0.3]});
3.3.2 Calculo de relevo, hillshade, declividade, etc

O GEE disponibiliza uma série de funções para processar dados de relevo SRTM, podendo
calcular e exportar uma variedade de produtos derivados.
Por exemplo, o código a seguir produz uma versão estilizada do relevo, útil para colocar em
fundos de mapa e para analisar feições topográficas:
https://code.earthengine.google.com/20e8933a7297a98ef4a27bac196990ff
Figura 15 - Relevo da região norte de Roraima, estilizado com ajuda do GEE
3.3.3 Busca e download de imagens de satélite

O Explorer do Google Earth (https://explorer.earthengine.google.com) permite visualizar e
baixar imagens de satélite sem necessidade de programação. Mais limitado do que o editor do
18
código, o Explorador tem a vantagem de ser mais rápido para operações de visualização e
download simples:
Figura 16- Utilizando o GEE Explorer para baixar imagens de satélite de forma rápida.
3.4 PARA SABER MAIS

Google Earth Engine é um mundo fascinante e complexo. Existem muitos recursos para quem
quiser se aprofundar na sua utilização. Seguem algumas pistas:
 https://developers.google.com/earth-engine/ - Plataforma de ajuda GEE, cheia de

recursos, exemplos e ajudas. Recomendamos a sua exploração ao iniciante.
 https://developers.google.com/earth-engine/edu – cursos de GEE, para aprofundar na
programação
 https://developers.google.com/earth-engine/ttt – recursos para professores
19
4 UTILIZAÇÃO DO SCRIPT SIRAD

No final de 2015, os programadores do GEE criaram uma série de funcionalidades dentro do
sistema que permitiram a criação de GUIs, isto é, de elementos gráficos que permitiriam
executar scripts, modificar parâmetros e selecionar elementos sem ter que mudar o código do
script.
Utilizando essa funcionalidade programamos um script que permite calcular mosaicos

multitemporais de imagens de Radar Sentinel-1, e visualizar, ao mesmo tempo, camadas
auxiliares como desmatamento, limites de unidades de conservação e terras indígenas, imagens
Landsat ou Sentinel-2, etc.
O script permite ao usuário trocar os parâmetros principais da visualização sem ter que mexer
no código, e permite exportar os resultados dos cálculos e até mapear polígonos de
desmatamento detectados.
4.1 INICIALIZAÇÃO DO SCRIPT

Para iniciar o script, seguimos dois passos simples:
1- No navegador Chrome, acessar https://code.earthengine.google.com/

Se tudo der certo, e após identificação, acessaremos a uma tela similar a esta:
Figura 17 - Tela inicial do edito de código do GEE
Tente reconhecer na tela os principais elementos: painéis de código, de arquivos, de

console, janela de mapa resultado.
2- No painel de arquivos, na aba ‘Scripts’, procure pela pasta ‘Shared’ e acesse a ela
clicando na seta à esquerda do nome. Na lista de pastas compartilhadas, deve aparecer
20
uma pasta ‘SIRAD_ISA’. Se não aparecer, por favor, peça para o instrutor compartilhar a
pasta com você. No interior da pasta deve ter um único script e uma pasta com script
auxiliares:
3- Clique no nome do script principal (‘SIRAD_ddmmyy’)

4- Para executar o script, clique no botão ‘Run’ do painel central:
5- Se quiser melhorar a sua visualização, aperte a tecla ‘F11’ (tela cheia no navegador) e
oculte os painéis superiores deslizando o divisor horizontal:
6- Se tudo der certo, você deve ter uma tela muito parecida com esta aqui:
21
4.2 PRIMEIROS PASSOS: NAVEGAÇÃO E RECÁLCULO DE MOSAICO

Inicialmente iremos procurar o lugar que nos interessa. Para isso podemos, por exemplo, colocar
na janela de pesquisa (na parte superior da tela) o nome de um lugar. Por exemplo, Porto Velho:
Depois disso iremos recalcular o mosaico radar, clicando no botão ‘Aplicar datas e centro’:
Pronto, já temos um mosaico calculado e mostrado na tela para essa região. Usando os
controles clássicos do mouse e do teclado podemos navegar pela região. Como exercício,
procure barragens perto de Porto Velho. Tem duas. Olhando para as imagens pode dizer qual é
a situação delas?
4.3 PRINCIPAIS FUNCIONALIDADES

4.3.1 Cálculo do mosaico e ajuste de datas
O mosaico radar multitemporal é construído mediante a composição RGB de três imagens radar
correspondentes a três períodos, delimitados por quatro datas, como segue:
Cada vez que o usuário clica no botão ‘Criar mosaico’, o script:
1) Seleciona o conjunto de imagens Sentinel-1 (modo IW-GRD) disponíveis para toda a

extensão do mapa que está sendo visualizado (opção ‘Tela completa’) ou apenas para o
centro do mapa (opção ‘Centro’).
Figura 18 - Diferença dos resultados com modo de visualização 'Tela completa' ou 'Centro'
22
2) Separa as imagens, em função das data especificadas pelo usuário, como pertencentes
aos períodos p1, p2 e p3.
3) Calcula e mostra o número de imagens disponíveis para cada período, e imprime, no
painel ‘Console’, as datas das imagens.
4) Calcula a média das imagens calculadas para cada período
5) Compõe e mostra um mosaico com as imagens médias para cada período. O canal
vermelho recebe a média do p1, o verde do p2 e o azul do p3.
Assim, para calcular um mosaico o usuário deve centrar o mapa na região alvo, especificar as
datas, determinar a extensão do mesmo e clicar em ‘Criar mosaico’.
Se, após clicar em ‘Criar mosaico’ nada acontecer, verifique que o número de cenas calculado
para cada período é maior que zero. Se algum período tiver zero cenas, ajustar as datas e
verificar o formato das mesmas.
4.4 FUNCIONALIDADES AUXILIARES

4.4.1 Tipos de visualização
A opção ‘Tipo de visualização’ permite observar com maior detalhe as informações radar.
Podemos visualizar a média calculada para cada período, nas duas polarizações disponíveis, VV
e VH (normalmente VH é a mais sensível a mudanças na floresta), trocar a polarização do
mosaico (de VH, que é o default, para VV), e calcular a diferença entre as duas imagens dos
períodos p2 e p3 (essa funcionalidade ainda está em testes).
A atualização é imediata, não precisa clicar em ‘Criar mosaico’.
4.4.2 Filtro Lee

O filtro Lee é uma função matemática complexa que diminui sensivelmente o ‘speckle’ (esse
ruído que parece de uma TV mal sintonizada) das imagens radar. Pode ser interessante na hora
de criar mosaicos para exportação e análise em GIS. Para ativá-lo, clique no botão
correspondente no painel esquerdo do script. A atualização é automática, não precisa recriar o
mosaico.
4.5 BASES DE REFERENCIA

O script SIRAD oferece a possibilidade de mostrar no mapa algumas camadas que podem ser
úteis na hora de mapear alterações na cobertura florestal. As mais importantes são os dados
PRODES, que permitem discriminar o que já foi desmatado anteriormente e o que é novidade.
Outras camadas, como Áreas Protegidas (Tis e UCs), municípios e assentamentos, podem ser
úteis na hora de determinar a região de interesse para o mapeamento.
Adicionalmente, o script oferece a possibilidade de visualizar uma grade de referência, que pode
ser utilizada para ajudar o intérprete nas tarefas de mapeamento de uma grande área. O valor
de espaçamento da grade é de 18 km., o que permite o mapeamento de uma quadrícula inteira
em uma tela de 23’ full HD. Esse valor pode ser mudado no código do script.
23
4.6 MAPEAMENTO DE DESMATAMENTO E ALTERAÇÕES NA FLORESTA

Uma vez criado o mosaico das nossas datas e regiões de interesse, passamos a analisá-lo
procurando alterações na floresta. Se procuramos alterações recentes, devemos ligar as
camadas PRODES, para mascarar mudanças em pastos e áreas já abertas anteriormente.
As alterações na floresta devem aparecer como feições coloridas. Atenção: muitas alterações
podem ser naturais. Dentre outras causas naturais de alterações, podemos citar:
1- Mudança no nível dos rios: vai produzir uma borda colorida, mostrando o nível de cheia.
Veja imagem a seguir:
Figura 19 - Alagamento natural nas margens do Rio Madeira. Não confundir com desmatamento.
2- Manchas de floresta humedecida. Provocam um aumento do retroespalhamento.

Normalmente tem um formato irregular, e não alteram a textura da imagem.
É importante lembrar que as cores não representam, em nenhum caso, propriedades da

superfície, se não mudanças no retroespalhamento nos períodos considerados.
Na Figura 20 reproduzimos um exemplo de chave de interpretação em um contexto de

alagamento (especificamente, no reservatório da UHE Belo Monte). Em função de cada caso e
do seu conhecimento sobre a dinâmica da área, o intérprete deverá construir uma chave de
interpretação própria.
Figura 20 - Exemplo de chave de interpretação dinâmica de mosaicos multitemporais
24
Uma vez identificado um mapeamento ou uma alteração, usamos a ferramenta ‘Draw a shape’
para desenhar um polígono correspondente à área alterada:
Figura 21- Detecção de área desmatada na APA Triunfo de Xingu e mapeamento da mesma
Podemos mapear todos os polígonos que consideremos necessários. Depois de encerrado o

mapeamento, clicamos no botão ‘Exit’, para gravar as alterações.
4.7 EXPORTAÇÃO DE POLÍGONOS MAPEADOS

Para exportar os polígonos mapeados no entorno GEE, precisamos fazer uma manobra que pode
parecer complexa, mas que não é tanto. Vamos lá:
1- Localize, no início do painel de código (é possível que tenha que puxar a divisória para
baixo), a seção de ‘imports’:
2- Clique no ícone azul que mostra linhas horizontais ( )

3- Copie o texto que aparece selecionado, que começa por ‘var geometry =’
4- Em uma nova janela do navegador, vá em https://code.earthengine.google.com/ e
procure o Script ‘Salvar_poligonos’:
25
5- Cole o código copiado no passo 3 na linha indicada (linha 4), e aperte o botão ‘Run’.
6- Não acontece. Pera, sim, à direita, no painel Console, tem uma aba, ‘Tasks’, ligada. Vá
lá e clique em ‘Run’:
7- Na janela que aparece, coloque um nome que faça sentido no nome dos polígonos
que serão exportados e aperte de novo (pela última vez) o botão ‘Run’:
8- Pronto. Em alguns segundos, os polígonos, em formato kml (Google Earth) estarão

disponíveis no seu google drive (https://drive.google.com):
9- Os polígonos podem ser baixados e utilizados no Google Earth, QGIS, ArcMap, etc.
26
4.8 EXPORTAÇÃO DOS MOSAICOS

É possível exportar os mosaicos de imagens radar gerados pelo script. Existem duas opções de
exportação:
a. Exportar o mosaico como imagem: essa opção gera um arquivo ‘.tif’ que pode ser
carregado diretamente em programas SIG como QGIS ou ArcMap. Essa é a opçaõ mais
simples.
b. Exportar o mosaico como tiles: essa opção permite exportar o mosaico que está sendo
visualizado em formato tiles, em um repositório específico na nuvem. Essa é uma opção
avançada que exige conhecimentos específicos de programação.
Atenção: abrangência da exportação de imagem
As duas opções de exportação vão exportar o dado que aparece na tela, nem mais nem menos.
Se quiser exportar uma área reduzida, feche o zoom sobre essa área. Se quiser uma área mais
ampla, abra o zoom até visualizar ela toda, antes de exportar.
O procedimento de exportação da imagem é detalhado a seguir:
1- Coloque no mapa central a região exata de dado que você quer exportar
2- Aperte o botão ‘Exportar o mosaico como imagem’
3- Vá na aba ‘Tasks’ do painel superior direito (painel de Console)
4- Aperte o botão ‘Run’

5- Na janela que vai aparecer, você pode especificar:
a. O nome da tarefa de exportação. É bom colocar a região e os períodos
contemplados.
b. A escala do arquivo, isto é, a sua resolução. Normalmente usaremos a resolução
máxima, 10 metros.
c. A pasta dentro do ‘Drive’: é muito conveniente organizar os nossos arquivos
dentro do Google Drive.
d. O nome do arquivo. É fundamental colocar o nome da área e os períodos
contemplados no mosaico.
27
6- Uma vez terminada a parametrização da exportação, apertamos ‘Run’ e acompanhamos

no painel ‘Tasks’ a evolução da tarefa de exportação. Passados uns minutos, o indicador
do lado da tareda de exportação irá mostrar um ‘tick’ de validação. Já podemos buscar
o arquivo exportado no nosso Drive.
4.9 PARA TERMINAR: DICAS DE UTILIZAÇÃO

 Durante o processo de mapeamento, aperte F11 para ter mais espaço na sua tela.
Também é bom ocultar temporariamente os painéis superiores (código, arquivos e
console), para ter mais espaço e menos distrações.
 Se alguma camada da base de referência não aparece, desligue e ligue ela.
 Se você apertou o botão de ‘Aplicar datas’ e não acontece nada, provavelmente você
errou no formato das datas, ou definiu intervalos que não tem nenhuma aquisição
Sentinel-1 neles (veja o resultado da mensagem ‘Número de imagens promediadas nos
três períodos definidos’). Um erro muito comum é colocar, por exemplo 2017-02-31,
sendo que esse dia, 31 de fevereiro, não existe...
 Se você reparou, no mapa tem um botão ‘Layers’. Recomendamos experimentar com as
funcionalidades do mesmo, que permitem alterar a transparência e outros atributos
gráficos das camadas disponíveis.
 O Google Drive, quando de graça, tende a se encher rapidamente. Uma solução para
isso é a contratação de um serviço da Google, chamado Cloud Storage, que permite
armazenar grandes quantidades de informação. Peça mais informações ao seu instrutor.
28

Monitoramento florestal com radar orbital

Enviado por

Dados do documento

Descrição original:

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

Monitoramento florestal com radar orbital

Enviado por

Direitos autorais:

Formatos disponíveis

Programa Xingu / Componente Monitoramento

SIRAD - Sistema de Indicação Radar

Brasília, novembro de 2017

O propósito principal do script SIRAD é possibilitar o mapeamento manual de desmatamento e

Cadastro no Google Earth Engine

A presente apostila pressupõe que o leitor possui noções básicas de geoprocessamento e de

2 NOÇÕES BÁSICAS DE MONITORAMENTO FLORESTAL COM RADAR

A seguir vamos discorrer sobre as principais características do processo de imageamento Radar.

2.1 RADAR ORBITAL: HISTÓRIA E PRINCÍPIO DE FUNCIONAMENTO

Figura 2- Configuração básica de imageamento SAR. Fonte: curso SAR/DPI

2.1.2 Funcionamento do Radar SAR orbital

2.1.3 Bandas de aquisição

2.1.4 Imagens radar e tipos de reflexão

- Geometria/Rugosidade: a forma em que a onda emitida é refletida pelo objeto determina a

Figura 3 - Tipos de reflexão radar. Fonte: curso SAR/DPI

Assim, em função da geometria e rugosidade do terreno teremos quatro tipos de reflexão:

 Especular: o raio de energia se perde, o retorno à antena é nulo,

- Umidade: a transmissão do sinal eletromagnético é fortemente influenciada pelo conteúdo de

2.2 RESPOSTA RADAR NA FLORESTA

Fonte: Freitas et al. (INPE)

Figura 5 - Tipos de reflexão SAR no meio florestal. Fonte: curso SAR/DPI

Uma área densamente florestada irá produzir um retroespalhamento do tipo A, B ou C,

Figura 6 - Detecção de mudanças na cobertura florestal com SAR-C (Radarsat).

Mudanças em áreas já abertas: Mudanças na cobertura do solo, como o crescimento do capim,

2.3 MOSAICOS MULTITEMPORAIS

Os mosaicos multitemporais tem uma propriedade interessante: qualquer mudança irá se

A figura a seguir ilustra o caso apresentado anteriormente:

2.4 O PROGRAMA COPERNICUS E OS SATÉLITES SENTINEL

O mapa a seguir mostra a frequência de cobertura Sentinel-1:

A resolução das imagens Sentinel-1 varia em função do modo de aquisição de imagens:

Figura 11 - Diferentes modos de aquisição dos satélites Sentinel-1. fonte: ESA

A tabela a seguir mostra a resolução de todos os modos:

3 INTRODUÇÃO AO GOOGLE EARTH ENGINE

3.1 PRINCÍPIO DE FUNCIONAMENTO

Conceitos mais importantes:

 Script: conjunto de instruções, escritas em linguagem de programação Javascript, que

// Faz um composite de todas as imagens Landsat 8 de 2017.

Para ver o resultado, pode visitar o link:

3.2 O EDITOR DE CÓDIGO DO GEE

Figura 14 – Ambiente de desenvolvimento do GEE

Os elementos principais do ambiente de desenvolvimento são:

5. Ferramentas de desenho e navegação

3.3 EXEMPLOS DE UTILIZAÇÃO

Map.setCenter(-47.6735, -0.6344, 12);

3.3.2 Calculo de relevo, hillshade, declividade, etc

Figura 15 - Relevo da região norte de Roraima, estilizado com ajuda do GEE

3.3.3 Busca e download de imagens de satélite

3.4 PARA SABER MAIS

 https://developers.google.com/earth-engine/ - Plataforma de ajuda GEE, cheia de

4 UTILIZAÇÃO DO SCRIPT SIRAD

Utilizando essa funcionalidade programamos um script que permite calcular mosaicos

4.1 INICIALIZAÇÃO DO SCRIPT

1- No navegador Chrome, acessar https://code.earthengine.google.com/

Figura 17 - Tela inicial do edito de código do GEE

Tente reconhecer na tela os principais elementos: painéis de código, de arquivos, de

3- Clique no nome do script principal (‘SIRAD_ddmmyy’)

4.2 PRIMEIROS PASSOS: NAVEGAÇÃO E RECÁLCULO DE MOSAICO

4.3 PRINCIPAIS FUNCIONALIDADES

Cada vez que o usuário clica no botão ‘Criar mosaico’, o script:

1) Seleciona o conjunto de imagens Sentinel-1 (modo IW-GRD) disponíveis para toda a

4.4 FUNCIONALIDADES AUXILIARES

A atualização é imediata, não precisa clicar em ‘Criar mosaico’.