Escolar Documentos
Profissional Documentos
Cultura Documentos
REMOTO
Definição 5. Pré-Processamento
SUMÁRIO
Definição
Na literatura são encontradas as mais variadas definições de sensoriamento
remoto, algumas mais simples e outras mais científicas. A definição maissimples
de Sensoriamento Remoto é: Sensoriamento Remoto é a coleta de dados sem o
contato direto ou proximidade com o objeto ou superfície analisada.
3
97
SUMÁRIO 1. Princípios físicos > 1.1 Radiação eletromagnética > 1.1.1 Modelo ondulatório
1. Princípios Físicos
1.1 Radiação eletromagnética A radiação eletromagnética se propaga no vácuo à velocidade da luz. Fora do vácuo,
a energia eletromagnética pode afetar partículas em um meio físico qualquer,
Entender a maneira como a radiação eletromagnética é gerada, propagada mudando as propriedades eletrônicas, vibracionais e rotacionais de tais partículas.
e modificada possui considerável importância, pois é com base nesse
entendimento que os diferentes sensores são projetados e seus produtos
utilizados para as mais variadas aplicações (Drury, 2001). Segundo Jensen Campo Elétrico E
E
(2011), a radiação eletromagnética é gerada toda vez que uma carga elétrica é Comprimento da onda
4
97
SUMÁRIO 1. Princípios físicos > 1.1 Radiação eletromagnética > 1.1.2 Modelo corpuscular
No comportamento ondulatório, são considerados os seguintes parâmetros: Segundo a teoria quântica, a frequência da radiação eletromagnética é função
da energia do quantum envolvido:
Comprimento de onda (λ) é a distância entre “cristas ou vales”. Pode ser
representado em metros (m), onde nanômetro(nm) é igual a 10-9 m, e
micrômetro(µm) igual a 10-6 m. E = νh (eq.1.2)
onde,
Frequência (ν) é o número de vibrações ou ciclos que passa por um ponto em
E = energia,
1 segundo. É expresso em herz (Hz), onde megaherz(MHz) corresponde a 106
ν = frequência,
Hz e kiloherz (kHz) é igual a 103 Hz.
h = constante de Planck (6,62 x 10-34Joules.seg)
O modelo ondulatório pode ser representado pela equação 1.1, que mostra
a relação inversamente proporcional entre comprimento de onda (λ) e
frequência (ν), onde c é igual a velocidade da luz (3x108m/s). A equação1.2 indica que energia é diretamente proporcional a frequência
do comprimento de onda. Assim, quanto mais alta frequência da radiação
λ = c/ν (eq.1.1) eletromagnética maior a energia gerada.
5
97
SUMÁRIO 1. Princípios físicos > 1.2 Fonte de radiação eletromagnética
6
97
SUMÁRIO 1. Princípios físicos > 1.3 Interação da radiação eletromagnética com a matéria > 1.3.1 Interação da radiação eletromagnética com a matéria na atmosfera
da matéria, absorvida, refletida pela sua superfície, espalhada pelas suas Refração Atmosférica
atmosfera
mais densa θ2
n3
Atmosfera
Refração opticamente
menos densa
θ3
A refração refere-se ao desvio da luz quando ela passa de um meio a outro com Percurso da energia afetada
pela refração atmosférica
densidades diferentes (Jensen, 2011). A figura 1.3 mostra a refração em três Figura 1.3 – Exemplo de refração em três camadas atmosféricas nãoturbulentas
camadas atmosféricas não turbulentas. A energia radiante incidente é desviada (Jensen, 2011).
de sua trajetória normal quando atravessa uma camada atmosférica para outra.
A Lei de Snell pode ser usada para explicar quanto de desvio ocorrerá com base Espalhamento
no ângulo de incidência (θ) e no índice de refração de cada nível atmosférico
O espalhamento da radiação eletromagnética ocorre devido à presença
(n1, n2 e n3). O índice de refração (n) é a razão entre avelocidade da luz no vácuo
de partículas (moléculas e aerossóis)na atmosfera em diferentes altitudes
(C) e a velocidade da luz no meio atravessado (Cn):
(Figura 1.4).Ao contrário da refração, a direção associada ao espalhamento é
imprevisível (Jensen, 2011).
n = C / Cn (eq.1.3)
7
97
SUMÁRIO 1. Princípios físicos > 1.3 Interação da radiação eletromagnética com a matéria > 1.3.1 Interação da radiação eletromagnética com a matéria na atmosfera
10 km
• Espalhamento não-seletivo ocorre nas porções mais baixas da atmosfera,
8 km onde existem partículas (gotículas de água e cristais de gelo que formam as
Moléculas de gás
(espalhamento Rayleigh) nuvens e nevoeiros) com tamanhos superiores a 10 vezes o comprimento
2-3 km
H2O, aerossóis estratosféricos de onda da radiação eletromagnética. O espalhamento ocorre de forma
Superfície doTerreno
não seletiva onde todos os comprimentos de ondas da região do visível são
espalhados, fazendo com que a nuvem pareça branca.
Figura 1.4 – Principais subdivisões da atmosfera e os tipos de moléculas e aerossóis
encontrados em cada camada(Jensen, 2011).
Espalhamento Atmosférico
Existem basicamente três tipos de espalhamento atmosférico (Figura 1.5): Espalhamento Rayleigh
a. Molécula de gás
• Espalhamento Rayleigh ocorre quando o diâmetro efetivo das moléculas
Espalhamento Mie λ
de gás envolvidas, como por exemplo, oxigênio (O2) e nitrogênio (N2), é
b. diâmetro Fumaça, poeira
menor que o comprimento de onda da radiação eletromagnética incidente.
Fóton de energia
A intensidade do espalhamento Rayleigh é inversamente proporcional à Espalhamento Não-seletivo eletromagnética
modelado como
quarta potência do comprimento de onda (λ-4) da radiação (Figura1.6). uma onda
8
97
SUMÁRIO 1. Princípios físicos > 1.3 Interação da radiação eletromagnética com a matéria > 1.3.1 Interação da radiação eletromagnética com a matéria na atmosfera
60 H2O
O2, H2O
1000
H 2O
40 H 2O
H2O
500
H2O CO2
20
O3 H2O CO2 H2O CO2
0
B G Y O R
0 0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0 2,2 2,4 2,6 2,8 3,0 3,2
0,4 0,5 0,6 0,7
Comprimento de Onda, µm Comprimento de Onda, µm
Figura 1.6 – A intensidade do espalhamento Rayleigh é inversamente proporcional à Figura 1.7 – Curvas de radiação solar mostrando a energia absorvida pelos gases em
quarta potência do comprimento de onda (Jensen, 2011). diferentes comprimentos de onda (Drury, 2001).
9
97
SUMÁRIO 1. Princípios físicos > 1.3 Interação da radiação eletromagnética com a matéria > 1.3.2 Interação da radiação eletromagnética com a matéria na superfície
NEAR INFRARED
UV VNIR FAR
VISIBLE SWIR MID INFRARED INFRARED
100
Transmission (%)
80
60
40
20
0
0,3 0,5 1 1,5 2 3 5 10 15 20 30
θ θ
Wavelength (µm)
Transmission (%)
80
60
40
(a) (b) (c)
20
0
300 500 1000 0,5 1 5 10 50 80
0,1
(µm) Wavelength (µm)
Figura 1.8 –Principais janelas atmosféricas ao longo do espectro eletromagnético em Figura 1.9 – Exemplos de reflexão. a) Reflexão especular;b) Reflexão difusa ou
escala logarítmica e a porcentagem de transmissão da radiação eletromagnética na Lambertiana; c) Reflexão envolvendo as componentes especular e difusa (Drury, 2001).
atmosférica (Drury, 2001).
1.3.2 Interação da radiação eletromagnética com a matéria na
Reflectância superfície
A maior parte da radiação eletromagnética é refletida de volta ao espaço pelo Aradiação eletromagnéticaao atingir a superfície pode sofrer três tipos de interação
topo das nuvens e outros materiais na atmosfera por reflexão especular ou com a matéria:Reflexão, absorção e transmissão. A Lei da Conservação de Energia
reflexão difusa (Lambertiana).Na reflexão especular, toda a energia é refletida determina que para qualquer interação radiação eletromagnéticaematéria, o fluxo
em um ângulo oposto e igual ao ângulo de incidência(Figura1.9). Na reflexão radiante incidente em umdeterminado comprimento de onda (ΦIλ) é divididoem
difusa ou Lambertiana, a energia refletida é aproximadamente igual em todas fluxo radiante refletido(ΦRλ), fluxo radiante absorvido (ΦAλ) e fluxo radiante
as direções, independentemente do ângulo de incidência. O mesmo princípio transmitido(ΦTλ)pela matéria envolvida.
da reflexão especular ou difusa também é aplicada à matéria na superfície.
ΦIλ = ΦRλ + ΦAλ + ΦTλ (eq. 1.4)
10
97
SUMÁRIO 1. Princípios físicos > 1.3 Interação da radiação eletromagnética com a matéria > 1.3.2 Interação da radiação eletromagnética com a matéria na superfície
Dividindo a equação acimapelo fluxo radiante incidente (ΦIλ)é gerada uma A irradiância é a quantidade de fluxo radiante incidente sobre uma superfície
expressão que permite que as propriedades espectrais dos materiais sejam por unidade de área, e a emitânciaou excitânciaé a quantidade de fluxo
definidas em termos de reflectância (ρλ=ΦRλ/ΦIλ), absortância(τλ=ΦAλ/ΦIλ) e radiante emitida de uma superfície por unidade de área (Jensen, 2011; Novo,
transmitância(αλ=ΦTλ/ΦIλ) espectral. 2010). As duas grandezas são medidas em Watts por metro quadrado (W m-2).
Área A
L = (Φ/Ω)/A cos θ
Figura 1.10 –Conceito de radiância de uma área projetada em uma direção específica e
normal à superfície (Novo, 2009).
11
97
SUMÁRIO 1. Princípios físicos > 1.4 Espectro eletromagnético
A figura 1.11 mostra as principais regiões espectrais utilizadas em atomic molecular molecular Phenomena
processes vibration rotation eletric and magnetic
electron shifts
field fluctuations
heating heating
sensoriamento remoto, bem como a relação entre o comprimento de onda (λ),
Wavelength
frequência (ν) e os fenômenos que estão envolvidos na geração e interação da 10 pm 100 pm 1 nm 10 nm 100 nm 1 µm 10 µm 100 µm 1 mm 1 cm 10 cm 1m 10 m 100 m 1 km 10 km 100 km 103 km 104 km 3 x 105 km
radiação eletromagnética. Os limites das regiões e a nomenclatura das regiões 1020 1018 1016 1014 1012 1010 108 106 104 102 1
12
97
SUMÁRIO 2. Produtos de Sensores Remotos > 2.1 Estrutura de uma imagem digital
56
37
40
37
39
35
45
31
39
27
32
26
27
35
26
58
36
66
52
38
50
13
28
17
14
21
13
19
14
Pixel (pictureelement)
42 34 24 30 60 67 49 33 27 28 31 47 51 35 24
26 29 26 44 76 76 49 37 33 30 29 29 44 52 44
20
31
31
36
39
50
51
85
72
70
56
36
35
37
35
38
37
30
35
25
31
29
27
28
29
40
31
52
36
21 26 36 46 58 49 37 35 36 37 34 33 26 29 30
21 20 29 43 54 53 40 31 30 32 30 29 24 22 27
2.1 Estrutura de uma imagem digital Figura 2.1 – Imagem digital com sua estrutura na forma de uma matriz com a
representação dos números digitais em cada pixel.
A imagem digital é constituída por um arranjo de elementos sob a forma
de uma matriz, com linhas e colunas (Figura2.1). Cada cela ou pixel 2.2 Resolução espacial
(pictureelement) da matriztem sua localização definida em um sistema de A resolução espacial é a capacidade do sensor de enxergar objetos ou alvos
coordenadas X e Y. Cada pixel possui ainda um atributo numérico Z que indica na superfície. Quanto menor o objeto ou alvo discriminado maior a resolução
o nível de cinza, denominado de Número Digital (ND) ou Digital Number (DN). espacial (Figura 2.2).
O ND de cada pixel corresponde à intensidade de radiânciado terreno.
13
97
SUMÁRIO 2. Produtos de Sensores Remotos > 2.3 Resoluçãoradiométrica
IFOV
Swath
Figura 2.3 – O IFOV define o campo de visada que projeta sobre a superfície a
14 dimensão mínima da área vista pelo sensor.
97
SUMÁRIO 2. Produtos de Sensores Remotos > 2.4 Resolução espectral
Day
1
2
3
4
50 5
band 4 6
3 TM band AVIRIS 7
2 8
1
1 9
10
11
12
13
14
y 15
y
16
1
λ λ Equador
900 900
15
97
SUMÁRIO 3. Sistemas Sensores
3. Sistemas Sensores
Segundo Novo (2010) os sensores são os sistemas responsáveis pela
conversão da energia proveniente dos objetos em um registro na forma de
Passive Remote Sensing Active Remote Sensing
Atmospheric
imagem ou gráfico, os quaispermite associar a distribuição da radiância, Sun Absorbtion Radar Imaging
Os sistemas sensores podem ser classificados de acordo com a sua fonte de Emitted
Reflected
by objects
by objects
energia em sensores passivos e sensores ativos (Figura 3.1):
16
97
SUMÁRIO 3. Sistemas Sensores > 3.1 Sensores não imageadores
Lentes
3.2.1 Sistema fotográfico
A fotografia aérea foi a primeira forma de sensoriamento remoto usado para
inventariar e mapear sistematicamente as feições da Terra (Figura 3.2). Mesmo
com o desenvolvimento de sistemas eletrônicos sofisticados para o registro de
Objeto
imagens da Terra, a fotografia aérea com sua alta resolução espacial continua
sendo um dos principais produtos de sensoriamento remoto.
17
97
SUMÁRIO 3. Sistemas Sensores > 3.2 Sensores imageadores > 3.2.1 Sistema fotográfico
Montagem do
nesse intervalo do comprimento de ondas:
Cone das Lentes
Lente traseira do
ponto nodal Lente
• Filme pancromático em preto e branco cobre as regiões do ultravioleta
Obturador Diafragma
Lente dianteira e do visível, especificamente no intervalo do comprimento de onda de
Filtro do ponto nodal
0,3 a 0,7μm. A presença de névoa/neblina causada pelo espalhamento
atmosférico é mais intensa em comprimentos de onda mais curtos (regiões
Figura 3.3 – Vista do perfil da câmera métrica e dos componentes do sistema
(Jensen, 2011). do ultravioleta e azul). Para eliminar a perda de contraste da fotografia
causada pela névoa, um filtro que absorve esses comprimentos de onda é
colocado na lente da câmera.
Figura 3.4 – Câmera com múltiplas objetivas
(Jensen, 2011).
• Filme colorido no visível possui três camadas de emulsão sensíveis à
radiação eletromagnética na região do azul, verde e vermelho. O filme
colorido na região do visível tem a vantagem de contribuir para a nossa
capacidade de distinguir diferentes cores, ao contrário dos tons de cinza.
18
97
SUMÁRIO 3. Sistemas Sensores > 3.2 Sensores imageadores > 3.2.2 Sistema de imageamento eletro-óptico
infravermelho. O filme em preto e branco no infravermelho é utilizado Os sistemas de imageamento eletro-ópticos podem ser classificados em:
geralmente para o inventário e mapeamento de florestas. As fotografias sistema de imageamento de quadro, sistema de varredura mecânica e sistema
aéreas obtidas com filmes no infravermelho também são recomendadas de varreduraeletrônica.
para mapear e delimitar o limite de rios, lagos e outras feições hidrográficas.
Principalmente pelo fato da água absorver a radiação eletromagnética na Sistema de imageamento de quadro
região do infravermelho. No imageamento de quadro a imagem de uma área é adquirida de forma
instantânea e projetada sobre um arranjo de detectores, ou sobre tubos
• Filme infravermelho colorido possui três camadas de emulsão sensíveis
fotossensíveis conhecidos como câmaras RBV (ReturnBeamVidicon) com sistema
à radiação eletromagnética na região do verde, vermelho e infravermelho.
de varredura por feixe de elétrons.O sistema de imageamento de quadro foi
As três emulsões são sensíveis ao azul, portanto um filtro amarelo (que
utilizado até 1970 quando foi substituído pelo sistema de varredura mecânica.
absorve o azul) é usado para expor corretamente cada camada. Este filme
foi desenvolvido na Segunda Guerra Mundial e foi denominado de filme
Sistema de varredura mecânica
de detecção de camuflagem, o qual auxiliou os militares na distinção de
O sistema de varredura mecânica é constituído por um espelho plano que oscila
camuflagens artificiais a partir da vegetação saudável. As folhas das plantas
ortogonalmente em relação ao deslocamento da plataforma (Figura 3.5). Com
saudáveis refletem no infravermelho enquanto que a camuflagem não.
esse movimento oscilatório a cena é imageada linha por linha. Atualmente, tal
3.2.2 Sistema de imageamento eletro-óptico tecnologia não é mais empregada nos sistemas de imageamento.
19
97
SUMÁRIO 3. Sistemas Sensores > 3.2 Sensores imageadores > 3.2.2 Sistema de imageamento eletro-óptico
Óptica
Espelho
oscilatório Óptica
Matriz linear
projetada no terreno
Direção de avanço
da plataforma
Direção de avanço
da plataforma
Figura 3.5 – Sistema de varredura mecânica com espelho oscilatório (Novo, 2010). Figura 3.6 – Sistema de varredura eletrônicacom arranjo linear de detectores CCD
(Novo, 2010).
Sistema de varredura eletrônica
Sensores multiespectrais
O sistema de varredura eletrônica possui um sistema óptico angular onde
Os sensores multiespectrais obtêm imagens simultâneas de uma mesma área
uma área é imageada através de um arranjo linear de detectores do tipo
em várias regiões do espectro eletromagnético. Devido a essa característica
CCD (Charge Coupled Detector). O CCD é um chip de metal semicondutor
as imagens obtidas por sensores multiespectrais fornecem informações
montado em matrizes bidimensionais, onde cada detector produz um sinal
da resposta da interação da radiação eletromagnética com os objetosda
elétrico proporcional àintensidade de fótons recebida (Figura 3.6). Cada chip
superfície em diferentes comprimentos de ondas.A maior parte dos programas
corresponde a um pixel de uma imagem.
espaciais possui como sensor o sistema de imageamento multiespectral com
bandas no visível (VIS), infravermelho próximo (NIR), infravermelho de ondas
curtas (SWIR) e infravermelho termal (TIR).
20
97
SUMÁRIO 3. Sistemas Sensores > 3.2 Sensores imageadores > 3.2.3 Sensores termais
O sistema do sensor multiespectral é constituído por vários componentes 3.2.3 Sensores termais
como por exemplo, espelho, prisma e detectores eletrônicos (Figura 3.7).
Sensores termais detectam energia do infravermelho médio no intervalo
6
de 3 a 14μm. A energia detectada na região do infravermelho termal é mais
Eixo de 8
fracaem comparação àquela detectada na região do visível e do infravermelho
Radiação
rotação refletida 5 7
9
3
2 4
Motor
Radiação
10
próximo. Os sensores termais utilizam principalmente detectores de telureto
emitida
11
1 de mercúrio e cádmio (HgCdTe) ou o composto germânio-mercúrio (Ge(Hg)).
1 – Telescópio
Outro componente fundamental no sensor termal é o sistema de refrigeração
2 – Espelhofigratório
3
4
5
– Óptica
– Grade dicrômica
– Prisma
para manter a temperatura dos detectores entre 30 e 77K (Novo, 2010). Esse
6 – Detectores
sistema de refrigeração tem a função de controlar o aumento da temperatura
Direção do voo
7 – Controle eletrônico
8 – Tubo de raios catódicos
9 – Filme
10
11
– Gravador
– Conversor analógico/digital e gravador dos detectores que podem interferir sobre o sinal registrado.
Faixa de terreno sendo imageado
21
97
SUMÁRIO 3. Sistemas Sensores > 3.2 Sensores imageadores > 3.2.5 Sensores ativos de micro-ondas
Por ser um sistema ativo o imageamento pode ser efetuado de dia ou de noite. Pulso
Atualmente o sistema de radar transmite quase que exclusivamente radiação Retroespalhamento
22
97
SUMÁRIO 3. Sistemas Sensores > 3.2 Sensores imageadores > 3.2.5 Sensores ativos de micro-ondas
X 2,4 -3,8
C 3,8 – 7,5 A2 A2
S 7,5 – 15 r - Δr r
L 15 – 30
P 30 - 100
h
Tabela 3.1 - Códigos usados na região das micro-ondas pelos sensores de radar y
(Drury, 2001).
Radar de visada lateral Figura 3.10 – Aquisição de imagens por Radar de Abertura Sintética por interferometria.
23
97
SUMÁRIO 4. Aquisição de Dados > 4.1 Níveis de aquisição
4. Aquisição de Dados
utilizadas para aquisição de dados no nível de campo. Veículos Aéreos
4.1 Níveis de aquisição Não Tripulados e aeronaves são plataformas que adquirem dados no nível
de aeronave. Os produtos aeroportadosobtidos por sensores remotos e
Os produtos de sensores remotos podem se divididos em imagens obtidas atualmente mais utilizados para o mapeamento da superfície terrestre são
em diferentes níveis de aquisição de dados. Nesse caso, o nível de aquisição asfotografias aéreas, dados Lidar (Light DetectionAndRanging) e imagens
de dados é definido pela altura do sensor acoplado na plataforma e o alvo RADAR.No nível orbital são utilizadas principalmente as plataformas satelitais
analisado. Três tipos principais de níveis são conhecidos: nível de laboratório que ficam em órbitaao redor da Terra. Os produtos de sensores remotos
ou campo, nível de aeronave e nível orbital (Figura 4.1). orbitais podem ser divididos em duas categorias:
1. Para análise regional: As imagens são disponibilizadas sem custo para o público
Figura 4.1 – Diferentes níveis de aquisição
em geral(exemplo de programas espaciais: LANDSAT, ASTER, CBERS, SRTM);
de dados por sensoriamento remoto
(Novo, 2010).
2. Para análise de detalhe: Geralmente são utilizadas imagens dos
satélites IKONOS, WORLDVIEW ou ALOS que envolve um custo mediano a
relativamente elevadopara a sua aquisição.
24
97
SUMÁRIO 4. Aquisição de Dados > 4.3 Sistemas aeroportados > 4.3.1 Fotografia aérea
Fotografia Aérea
Plano do filme Vertical de um
da câmera Terreno Plano
60% de
sobreposição
Altura acima da Modelo estereoscópico
superfície (AAS) Campo de Cobertura da fotografia
visada terreno registrado em três
fotografia sucessivas
Eixo
óptico
Figura 4.3 – Fotografias aéreas obtidas ao longo da linha de voo com 60% de
Ponto principal sobreposição.
(PP) 900
25
97
SUMÁRIO 4. Aquisição de Dados > 4.3 Sistemas aeroportados > 4.3.2 Lidar (Light DetectionAndRanging) – Detecção de luz e distância
medição baseia-se no tempo que o pulso de luz leva do transmissor ao alvo IMU
κ
e do alvo para o receptor (Figura 4.5). O receptor capta o retorno da luz laser transmissor/receptor
espelho de Φ
γ
alcan
varredura
na forma de múltiplos retornos. Como resultado do levantamento Lidar, um Altitude AGL, h
ce (R
conjunto de pontos com dados de localização e elevação (x, y e z) denominados ângulo de varredura
θ
a
divergência
nge)
do feixe
de masspoints é obtido ao longo da linha de voo (Figura 4.6).
γ
laser γ
área de visada
instantânea
O GPS Diferencial obtem dados precisos de localização do conjunto de pontos. do laser
26
97
SUMÁRIO 4. Aquisição de Dados > 4.4 Sistemas orbitais > 4.4.1 LANDSAT
Retornos de LIDAR
4.4 Sistemas orbitais
LIDAR
4.4.1 LANDSAT
pulso A pulso B
distân
Desde 1972 os satélites do Programa Landsat, desenvolvido pela NASA,
cia (ra
monitoram e observam a superfície da Terra. São mais de quatro décadas
nge)
pulso
1°
2°
de imageamento contínuo da superfície terrestre, contribuindo para as
1° e
último
retornos último
mais diversas áreas da ciência: geologia, geografia, ambiental, agricultura,
planejamento regional, educação, mapeamento e pesquisa sobre mudança
área de cobertura
laser instantânea
global. Atualmente o Serviço Geológico dos EUA (USGS) é responsável pelo
Figura 4.5 – Oreceptor registra múltiplos retornos do pulso de luz laser em uma área armazenamento e preservação do maior acervo contínuo da superfície
de cobertura (Jensen, 2011).
terrestre vista do espaço.
27
97
SUMÁRIO 4. Aquisição de Dados > 4.4 Sistemas orbitais > 4.4.1 LANDSAT
As características das imagens obtidas peloLandsat8são apresentadas e ondas curtas, e 100 x 100m para o infravermelho termal. O Landsat8 coleta
na tabela4.1. As bandas multiespectrais cobrem as regiões do visível, dados em uma faixa imageada de 183km e com intervalo de revisita de 16
infravermelho próximo, infravermelho de ondas curtas e infravermelho dias. Para maiores informações sobre o programa Landsat8, dados técnicos
termal. A resolução espacial varia de 15 x 15m para a imagem pancromática, dos sensores e as características das bandas espectrais consultar o sítio
30 x 30m para as imagens multiespectrais do visível ao infravermelho próximo eletrônico da NASA e USGS.
Resolução espectral
Bandas espectrais Sensores Resolução espacial (m) Resolução temporal Faixa Imageada
(micrometros)
1 - Ultra azul 0,43 – 0,45
2 - Azul 0,45 – 0,51
3 - Verde 0,53 – 0,59
4 - Vermelho 0,64 – 0,67
5 - Infravermelho próximo 0,85 – 0,88 30
OLI
6 - Infravermelho de
1,57 – 1,65
ondas curtas 16 dias 183 km
7 - Infravermelho de
2,11 – 2,29
ondas curtas
8 - Pancromático 0,5 – 0,68 15
9 - Cirrus 1,36 – 1,38 30
10 - Infravermelho termal 10,6 – 11,19 100
TIRS
11 - Infravermelho termal 11,5 – 12,51 100
28
97
SUMÁRIO 4. Aquisição de Dados > 4.4 Sistemas orbitais > 4.4.2 ASTER (Advanced Spaceborne Thermal Emission and Reflectance Radiometer)
O primeiro satélite Terrada série Earth Observing System (EOS) foi lançado 3B 3N
705 km
3N
H
29
97
SUMÁRIO 4. Aquisição de Dados > 4.4 Sistemas orbitais > 4.4.3 CBERS
4.4.3 CBERS
Resolução Resolução Faixa
Bandas Resolução
espectrais
espectral
espacial (m)
radiométrica imageada O CBERS é um programa espacial desenvolvido a partir da parceria
(micrometros) (bits) (km)
entre Brasil e China. Atualmente encontra-se em órbita o quinto satélite
desenvolvido pelo programa CBERS, o CBERS-4 lançado em dezembro de
1 0,52 – 0,60
2014 (Figura 4.6). O CBERS-4 opera com quatro sistemas sensores: Câmera
Visível e 2 0,63 – 0,69 pancromática e multiespectral (PAN), câmera multiespectral regular (MUX),
infravermelho 15
próximo - VNIR 3N 0,76 – 0,86 Câmera de campo largo (WFI) e Imageador multiespectral e termal (IRS)
3B 0,76 – 0,86 (Tabela 4.3). Cada câmera possui suas especificações em termos de resoluções
espectral, espacial e radiométricaconferindo ao CBERS-4 uma variedade de
4 1,6 – 1,7
8 produtos para o estudoda superfície da Terra. Informações detalhadas sobre
5 2,145 – 2,185 os sistemas sensores que compõem o CBERS-4 devem ser consultadas no sítio
Visível e 6 2,185– 2,225 eletrônico do Instituto Nacional de Pesquisas Espaciais do Brasil – INPE.
infravermelho 30
próximo - VNIR 7 2,235 – 2,285 60
Figura 4.6 – Satélite CBERS-4 (Fonte: INPE).
8 2,295 – 2,365
9 2,360 – 2,430
10 8,125 – 8,475
11 8,475 – 8,825
Visível e
infravermelho 12 8,925 – 9,275 90 12
próximo - VNIR
13 10,25 – 10,95
14 10,95 – 11,65
Resolução
Bandas Resolução espectral Resolução Resolução Faixa
Sensores radiométrica
espectrais (micrometros) espacial (m) temporal imageada
(bits)
Tabela 4.3 – Características das quatro câmeras a bordo do CBERS-4 (Fonte: INPE).
31
97
SUMÁRIO 4. Aquisição de Dados > 4.4 Sistemas orbitais > 4.4.4. ALOS (AdvancedLandObservingSatellite)
Figura 4.7 – Satélite ALOS 2. Tabela 4.4 – Características dos sensores PRISM, AVNIR-2 e PALSAR acoplados no
satélite ALOS-2.
32
97
SUMÁRIO 4. Aquisição de Dados > 4.4 Sistemas orbitais > 4.4.5 IKONOS
4.4.5 IKONOS
Resolução Resolução Resolução
Bandas Resolução Faixa
O IKONOS foi lançado em 1999 como o primeiro satélite comercial de alta espectrais
espectral
espacial (m)
radiométrica
imageada
temporal
(micrometros) (bits) (dias)
resolução espacial pela empresa DigitalGlobe, e desativado em janeiro de
2015 devido a problemas técnicos (Figura 4.8). Osatélite IKONOSoperava Azul 0,45 – 0,52 3,2
no modo pancromático com uma banda espectral entre 0,45μm e 0,9 μm e Verde 0,52 – 0,6 3,2
resolução espacial de 0,8m x 0,8m,e modo multiespectralcom quatro bandas Vermelho 0,63 – 0,69 3,2 11 11,3 km 3
espectrais nas regiões do visível e infravermelho próximo e resolução espacial
Infravermelho 0,76 – 0,90 3,2
de 3,2m x 3,2m (Tabela 4.5). Possui um acervo de imagens de alta resolução
Pancromático
com mais de 15 anos de imageamento da superfície da Terra. 0,45 – 0,9 0,8
33
97
SUMÁRIO 4. Aquisição de Dados > 4.4 Sistemas orbitais > 4.4.6 Worldview
1 banda
pancromática
WorldView-3 0,45 – 2,365 0,31 – 3,7 1 13,2
e 16 bandas
multiespectrais
1 banda
pancromática
WorldView-4 0,45 – 0,92 0,31 – 1,24 1 13,1
e 4 bandas
multiespectrais
34
97
SUMÁRIO 4. Comportamento
7. Aquisição de Dados
Espectral
> 4.4 Sistemas
de Alvosorbitais > 4.4.7 SRTM
> 7.1 Assinatura (SHUTTLE
espectral > 7.1.4RADAR
Materiais
TOPOGRAPHIC
urbanos MISSION)
35
97
SUMÁRIO 5. Pré-Procesamento > 5.1 Eliminação de ruídos
5. Pré-Processamento
O pré-processamento é uma etapa que precede o processamento digital
Figura 5.1- Imagem com linhas com valores
de imagens de sensoriamento remoto. Na etapa de pré-processamento
saturados (Meneses e Almeida, 2012).
são aplicadas funções operacionais para remover ou corrigir os erros e as
distorções introduzidas nas imagens dos sistemas sensores pelos seguintes
fatores (Meneses e Almeida, 2012):
36
97
SUMÁRIO 5. Pré-Procesamento > 5.2 Correção geométrica > 5.2.1 Pontos de controle
• Pontos de controle;
• Tabelas de correlação; Dentre os fatores mais importantes a serem considerados na obtenção dos
• Precisão; pontos de controle destacam-se asua distribuição por toda a área a ser
georreferenciada,o número adequado de pontos,a precisão na marcação e a
• Reamostragem.
inserção correta de coordenadas.
5.2.1 Pontos de controle As principais formas de obtenção dos pontos de controle são:
Os pontos de controle são feições bem definidas e facilmente reconhecíveis • Uso do GPS (Global Position System) no terreno.
no terreno, nas imagens e mapas georreferenciados e não georreferenciados. • Grades de coordenadas em mapas, imagens, cartas-imagens.
Dependendo da resolução espacial da imagem, os pontos de controle podem
ser identificados com maior ou menor detalhe. Em áreas urbanizadas os • Mapas georreferenciados com elementos pontuais.
pontos de controle são representados por cruzamento ou bifurcação de vias • Imagens ortorretificadase/ougeorreferenciadascom elementos pontuais.
de acesso (rodovias, estradas, ruas, pontes), monumentos, limite do terreno
ou imóvele feições naturais e artificiais geométricas (Figura 5.2).
37
97
SUMÁRIO 5. Pré-Procesamento > 5.2 Correção geométrica > 5.2.1 Pontos de controle
38
97
SUMÁRIO 5. Pré-Procesamento > 5.2 Correção geométrica > 5.2.2 Tabelas de correlação
A tabela de correlação é utilizada para definir a correlação entre as coordenadas A precisão fornece uma estimativa do erro associado ao processo de
X e Y da imagem de referência georreferenciadae aimagem nãogeorreferenciada georreferenciamento. A precisãodecorre em grande parte da qualidade dos
(Figura5.7).As transformações polinomiaissão comuns no georreferenciamento dados e informações espaciais utilizadas, bem como da habilidade empreendida
de imagens e permitemvincular tais coordenadas. Segundo Meneses e Almeida no georreferenciamento.Cada ponto de controle utilizado terá um erro residual
(2012) as transformações polinomiais de 1ª e 2ª ordem são usadas nas imagens associado denominado de erro quadrático médio ou Root Mean Square (RMS)
de baixa à média resolução espacial. Para as imagens de alta resolução espacial (Figura 5.8). O RMS do ponto de controle é calculado com base na distância total
são empregadas ordens polinomiais mais altas. entre a coordenada na imagem de referênciae a coordenada a ser estimada
(Equação 5.1, Figura 5.9).O valor do RMS pode ser expresso em número de pixel
ou unidade na qual está sendo efetuado o georreferenciamento. No exemplo,
recomenda-se um erro máximo de 1 pixel. O ponto de controle com erro muito
alto deve ser reavaliado ou descartado do processo.
39
97
SUMÁRIO 5. Pré-Procesamento > 5.2 Correção geométrica > 5.2.4 Reamostragem
PC saída
O erro RMS é calculado pela equação:
40
97
SUMÁRIO 5. Pré-Procesamento > 5.3 Correção radiométrica
da imagem corrigida a partir do brilho da imagem original, com base na 5.3 Correção radiométrica
extrapolação dos valores digitais dos pixels. Para o processo de reamostragem
dos pixels podem ser utilizados os seguintes interpoladores: vizinho próximo, A correção radiométrica é necessária principalmente devido à distorção
bilineare convolução cúbica. radiométrica causada pela presença e interferência da atmosfera. A
intensidade da degradação ou distorção radiométricadepende do
comprimento de onda, da data de imageamento e da trajetória da
radiação. A atmosfera absorve a radiação eletromagnética atenuando a
intensidade de energia que ilumina o alvo na superfície, e reflete a radiação
eletromagnética adicionando radiância extra ao sinal que é detectado pelo
sensor. A transparência da atmosfera pode se tornar opaca em determinados
comprimentos de onda quando a atenuação atinge um determinado valor,
mapa imagem impossibilitando a obtenção de imagens.Portanto, deve-se verificar a
degradação causada pelo espalhamento atmosférico, avaliando quanto de
radiação foi adicionado ao pixel e que não é proveniente do alvo (Meneses
e Almeida, 2012). Portanto, aradiância medida pelo sensor é diferente da
Figura 5.10 – Condição ideal na qual o centro do pixel do mapa de referência
radiância real do material, devido ao efeito aditivo do espalhamento causados
corresponde com o centro do pixel da imagem que foi georreferenciada (Meneses e
Almeida, 2012). pelos aerossóis, gases e moléculas d’água da atmosfera.
41
97
SUMÁRIO 5. Pré-Procesamento > 5.3 Correção radiométrica
57
44
32
28
20
11
Figura 5.11 – Histogramas das seis bandas do Landsat7 sensor ETM com a indicação
do valor digital que mede a quantidade de espalhamento atmosférico adicionada ao
sinal (Meneses e Almeida, 2012).
42
97
SUMÁRIO 6. Processamento Digital de Imagens
43
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.1 Espaço de cores RGB
44
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.2 Histograma e aumento de contraste
preto
Figura 6.5 – Imagens do Landsat da
green
(0,255,0)
região do estado do Ceará. a) imagem sem
blue contraste, b) imagem com contraste, c)
(0,0,255)
histograma com aumento de contraste linear.
45
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.3 Intensidade, Matiz, Saturação
histograma assimétrico para distribuir de forma desigual os valores de brilho entre 6.3 Intensidade, Matiz, Saturação
0 a 255. Os valores são redistribuídos com base na sua frequência de ocorrência.
Espaço IHS trata dos atributos da cor em termos de intensidade, matiz e
• Na expansão Gaussiana dois parâmetros são analisados a média e variância.
saturação.Intensidade (I) é a quantidade de brilho de uma cena (medida do
O contraste é controlado pela média dos resultados e pelo desvio padrão.
albedo).Saturação (S) é o grau de diluição de uma cor pura por luz branca
Aumentando o desvio padrão há um aumento da distribuição dos dados.
(pureza da cor).Matiz define a cor espectral dominante (Figura 6.7).
0.0 preto
Figura 6.6 – Histograma com aumento de contraste linear e por equalização
(Lillesand e Kiefer, 1994)
Figura 6.7 – Modelo de representação dos atributos IHS da cor
(Meneses e Almeida, 2012).
46
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.4 Operação aritmética > 6.4.1 Índice de vegetação
Figura 6.8 – Operações aritméticas executadas pixel a pixel entre duas bandas
(Menese e Almeida, 2012).
47
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.5 Filtros
por gradientes inclinados, e são conhecidos como bordas. Por variar bastante em
6.5 Filtros
áreas pequenas são denominadas de feições de alta frequência.
Variação no Número Digital (ND) ao longo de uma linha em uma imagem A mistura de frequências em uma imagem dificulta a interpretação de feições
pode ser representada na forma de um gráfico. Essa curva complexa pode ser com frequências específicas. Portanto, para realçar de forma seletiva as
decomposta em um conjunto de ondas senoidais com diferentes frequências e feições de alta, média e baixa frequência são aplicadas técnicas de filtragem
amplitudes (Figura 6.9). espacial.A aplicação de filtros permite destacar principalmente bordas, feições
(a)
lineares de determinadas direções e padrões de textura.Existem duas técnicas
de filtragem:
Fourier não será abordada nesta apostila, mas os conceitos básicos sobre o tema
podem ser consultados emLillesand e Kiefer (1994) e Schowengerdt (1997).
Distance
48
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.5 Filtros > 6.5.1 Filtro por convolução
No conceito da janela móvel a janela 3x3 inicia a filtragem a partir do canto O filtro passa-baixa elimina as feições de altafrequência da imagem deixando
superior esquerdo da imagem (Figura6.10). Cada número digital das 9 células ou passar as de baixa frequência. O filtro passa-baixa remove os ruídos eletrônicos
pixels da imagem é multiplicado pelo respectivo valor das 9 células da janela 3x3. comuns nos produtos de sensores remotos (Crósta, 1992). Portanto, a imagem
O valor do pixel central dessa área da imagem é substituído pela soma desses 9 com filtro passa-baixa mostra feições suavizadas (Figuras 6.11a e 6.11b).
valores, atribuindo um novo valor de pixel para a imagem de saída. A imagem de Filtro passa-baixa mais comum é o filtro de média que substitui o número digital (ND)
saída irá possuir valores iguais a zero nos pixels situados nas bordas resultando do pixel original central pela média aritmética do pixel e seus vizinhos (Figura 6.12).
em uma imagem com efeito de bordas (Schowengerdt, 1997;Crósta, 1993).
(c)
49
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.5 Filtros > 6.5.1 Filtro por convolução
Filtro passa-alta
1/9 1/9 1/9 26 27 32 20 21 19 24
1 1 1 19 22 23 32 29 27 25
1 1 1 x 1/9 17 19 25 27 30 31 22
26 25 23 22 22
O tipo mais comum de filtro passa-alta é o filtro Laplaciano que é útil para
central =
pixel
1
9
x
24 + 26 + 22
+ 28 + 30 + 27 = 27
+ 28 + 32 + 29
25
25
26
27
25
27
24
27
26
26
detectar principalmente bordas. A soma dos pesos é geralmente igual a zero.
23
22
26
25
28
27
29
27
27
25
Os principais tipos de filtros Laplacianos são apresentados a seguir:
(c) (d)
Figura 6.12 – Filtro de média com uma janela de 3x3 (a), e estrutura matricial da imagem
com os números digitais (ND) comdestaque para a área sombreada (b), onde o número
0 -1 0 -1 -1 -1
digital do pixel central resulta da média aritmética do pixel e seus vizinhos(c), A imagem
resultante com aplicação do filtro passa-baixa (Drury, 2001).
-1 4 -1 -1 8 -1
0 -1 0 -1 -1 -1
50
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.6 Classificação
0 -1 -1 0
6.6 Classificação
1 0 0 1
O processo de classificação consiste em associar à cada pixel de uma imagem ou
conjunto de imagens (bandas) um “rótulo”, o qual descreverá a presença de um
Filtros de Sobel objeto real (exemplos: vegetação, solo, tipos de rocha). Cada objeto real recebe, em
N-S NE-SW alguns casos, a denominação genérica de tema. Deste modo, o resultado final de
um processo de classificação pode ser um mapa temático mostrando a distribuição
1 2 1 0 1 2 geográfica de um ou mais temas em uma região.
51
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.6 Classificação > 6.6.1 Classificação não supervisionada (sem áreas-treino)
A classificação é implementada de três formas: não supervisionada (sem que passam nos critérios estabelecidos pelas regras definidas são então
áreas-treino), supervisionada (com áreas-treino) e segmentada (orientado “rotulados” com o nome da classe à qual apresentaram maior afinidade.
a objeto). Nos dois primeiros processos de classificação (supervisionada e As regras de decisão podem ser não-paramétricas ou paramétricas. No
não supervisionada) as regras e parâmetros estatísticos estabelecem se um primeiro caso a classificação de um determinado pixel pode ser feita
determinado pixel pertencerá a uma determinada classe ou não. interativamente no próprio espaço de atributos. A seleção de um determinado
agrupamento de pixels é realizada no espaço de atributos que consiste em
(a)
um gráfico bi-dimensionaldo tipo diagrama de dispersão. No segundo caso, a
Key
classificação é unicamente feita com base em parâmetros estatísticos.
corn
hay
Uma vez que um conjunto de informações associadas aos pixels da imagem foi
determinado (áreas-treino supervisionadas ou não), a classificação é efetuada
comparando as características do conjunto de pixels com as características
determinadas para cada classe. A decisão de alocar um determinado pixel
em uma determinada classe é feita de acordo com algumas regras. Pixels
52
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.6 Classificação > 6.6.2 Classificação supervisionada
Band Y DN
hay
uma determinada área-treino sejam os mais representativos da classe definida.
equiprobability
contours sand Os números digitais dos pixels das classes são então comparados com os números
urban digitais de cada pixel nas imagens. Geralmente a precisão de um processo de
water
classificação aumenta com o número de bandas utilizadas.
Band X DN
Método do Paralelepípedo
Figura 6.15 – Diagrama do espaço de atributos com a distribuição de todos os pixels
O método do paralelepípedo considera uma área retangular ao redor do
na forma de contornos (Drury, 2001).
conjunto de pixels identificados nas áreas-treino, a qual pode ser definida
6.6.2 Classificação supervisionada pelos valores mínimos e máximos (Figura 6.16). Pode-se usar também o valor
médio e o desvio-padrão.
A classificação supervisionada requer que o usuário tenha conhecimento
sobre a área a ser analisada. A área de interesse deve idealmente ter passado • Vantagens: A implementação do método do paralelepípedo é rápida e
por um tipo de monitoramento de campo (groundtruth) na época da coleta simples, uma vez que os pixels a serem classificados são comparados à
das imagens. As observações de campo devem ser efetuadas em regiões valores e limites que permanecem constantes. Este método é geralmente
específicas e que serão representadaspelas áreas-treino no processo de utilizado em um primeiro passo de análise. Após o resultado analisado pode-
classificação. Nesse contexto, cada pixel da imagem será então comparado se então partir para processos de classificação mais robustos.
às diferentes áreas-treino e associado às áreas commaior compatibilidade • Desvantagens: Os pixels situados fora dos limites dos paralelepípedos não
espectral. Na prática o groundtruth nem sempre é possível e as áreas de podem ser classificados.
treinamento são definidas com base em produtos cartográficos existentes e/
ou nas características identificadas nas próprias imagens utilizadas.
53
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.6 Classificação > 6.6.2 Classificação supervisionada
corn
método por distância mínima é o método de classificação mais rápido de ser
forest processado.
Band Y DN
hay
equiprobability
contours sand
• Desvantagens: Todos os pixels serão obrigatoriamente classificados.
urban
water
(d)
Band X DN
Key
corn
Band Y DN
1
urban
54
97
SUMÁRIO 6. Processamento Digital de Imagens > 6.6 Classificação > 6.6.3 Classificação por segmentação (Orientada a objeto)
55
97
SUMÁRIO 7. Comportamento Espectral de Alvos > 7.1 Assinatura espectral > 7.1.1 Vegetação
50 Soil
Na região do visível são observadas duas regiões do espectro eletromagnético
40
com absorção em 0,45 e 0,52 μm e em 0,63 e 0,69 μm. Essaabsorção se deve
Reflectance (%)
Green
30 vegetation
a clorofila da folha e está associado com apigmentação foliar existente no
20
mesófilo palaçádico. Na região do infravermelho próximo a vegetação sadia
10
Water
apresenta alta reflectância e alta transmitância. A camada do mesófilo
0.5 0.7 0.9 1.1 1.3 1.5 1.7 1.9 2.1 2.3 2.5
esponjoso controla a energia do infravermelho próximo refletida. Na região
Wavelength (μm)
do infravermelho médio, quanto maior a quantidade de água contida na folha
menor a reflectância da energia.
Figura 7.1 – Diagrama mostrando a variação da reflectância ao longo do comprimento
de ondas de diferentes materiais caracterizandodiferentes assinaturas espectrais.
56
97
SUMÁRIO 7. Comportamento Espectral de Alvos > 7.1 Assinatura espectral > 7.1.2 Água
4
Fatores dominantes Reflectância de Água Clara e
Pigmentos Estrutura
da folha da célula
Conteúdo de água que controlam a
3.5 de Água com Algas
reflectância das folhas
Percentagem de Reflectância
80
3
70 Absorção Absorção Principais bandas Água
pela clorofila pela água de absorção clara Água contendo algas
60 2.5
Reflectância (%)
50
40
2
30
1.5
20
10 1
0
0.4 0.6 0.8 1.0 1.3 1.4 1.6 1.8 2.0 2.2 2.4 2.6 0.5
Comprimento de onda (μm)
0
Visível Infravermelho Infravermelho
azul próximo médio
400 500 600 700 800 900
verde
vermelho
Comprimento de Onda (nm)
Figura 7.2 – Assinatura espectral da vegetação na região do visível e do infravermelho. Figura 7.3 - Assinaturas espectrais da água clara e da água contendo algas no
espectro eletromagnético.
57
97
SUMÁRIO 7. Comportamento Espectral de Alvos > 7.1 Assinatura espectral > 7.1.4 Materiais urbanos
As assinaturas espectrais do folhelho e andesito mostram as características de reflectância de alguns materiais urbanos como, por
comportamentosespectrais distintos quanto areflectância ao longo do exemplo, a ardósia, concreto, tijolo vermelho, asfalto, telha de asfalto e grama
espectro eletromagnético (Figura 7.4). A curva espectral do folhelho mostra sintética. A assinatura espectral do asfalto apresenta reflectância crescente
alta reflectância em relação ao andesito. É caracterizada por regiões de de 10 para 15% em 0,4 a 0,6 μm e de 15 para 20% em 0,4 a 1,05μm. O concreto
absorção causadas pelo ferro, pela água e pela hidroxila (OH). Para um estudo apresenta alta reflectância de 27 a 30% na região do visível (0,4 a 0,6μm)se
mais detalhado sobre a assinatura espectral de rochas e minerais, consultar comparado aos demais materiais urbanos.
Drury (2001), Novo (2010) e Jensen (2011).
40
Percentagem de Reflectância
0.6
20 Ardósia (vermelha)
0.4 Asfalto
Concreto
p Folhelho Grama saudável
10
Grama senescente
0.2 Grama sintética
Telha de asfalto (preta)
Andesito Tijolo (vermelho)
0
0,4 0,5 0,6 0,7 0,8 0,9 1,0
0 Comprimento de Onda, μm
0.3 0.5 1.0 1.5 2.0 2.5
λ, μm
58
97
SUMÁRIO
Referência Bibliográfica
CRÓSTA, A. P. 1992. Processamento digital de imagens de Sensoriamento ROBINSON, A.H.; MORRISON, J.L.; MUEHRCKE, P.C.; KIMERLING, A.J.; GUPTILL,
Remoto. IG/UNICAMP, Campinas, 170p. S.C. 1995. ElementsofCartography. Ed. John Wiley& Sons, 6 edição, 674p.
CURRAN, P. J. 1985. Principlesof Remote Sensing. SCHOWENGERDT, R.A. 1997. Remote Sensing. Modelsandmethods for
LongmanScientific&Technical, Essex, 282 p. imageprocessing. Academic Press. 521p.
DRURY, S. A., 2001. Imageinterpretation in geology. Blackwell, 290p. SOARES, P.C. & FIORI, A.P. 1976. Lógica e sistemática na interpretação
geológica de fotografias aéreas. Rev. Pesquisas, UNESP, Rio Claro.
JENSEN, J. R.; EPIPHANIO, J. C. N. 2011. Sensoriamento remoto do
ambiente: uma perspectiva em recursos terrestres. São José dos Campos, SOUZA FILHO, C.R. & CRÓSTA, A.P. 2003. Geot
SP: Parêntese, 598 p.
59
97
SUMÁRIO
Contato
geospu@planejamento.gov.br
Saiba mais:
http://www.planejamento.gov.br/assuntos/gestao/
patrimonio-da-uniao/geoinformacao
60
97
SUMÁRIO
Imagens
61
97
SUMÁRIO
Campo Elétrico E
E
Comprimento da onda
Campo Magnético M
M
Figura 1.1 – Flutuação dos campos elétrico (E) e magnético (M) com a propagação da radiação eletromagnética a velocidade da luz (Meneses & Almeida, 2012).
SUMÁRIO
100
90
80
Radiação
70
Solar
60
50
40
30
20 Radiação
10 Terrestre
0
0,1 0,5 1,0 1,5 2,0 10 20 30 40 50
Comprimento de onda em micrômetros
Figura1.2 – Intensidade da energia radiante emitida pelo Sol e pela Terra(Meneses & Almeida, 2012).
Refração Atmosférica
SUMÁRIO
Atmosfera
θ1
n1 = índice de refração
opticamente para esta camada
menos densa da atmosfera
Percurso da
energia na
n2 atmosfera
homogênea
Atmosfera
opticamente
mais densa θ2
n3
Atmosfera
opticamente θ3
menos densa
Figura 1.3 – Exemplo de refração em três camadas atmosféricas não turbulentas (Jensen, 2011).
SUMÁRIO
10 km
8 km
Moléculas de gás
(espalhamento Rayleigh)
2-3 km
H2O, aerossóis estratosféricos
Superfície doTerreno
Figura 1.4 – Principais subdivisões da atmosfera e os tipos de moléculas e aerossóis encontrados em cada camada(Jensen, 2011).
SUMÁRIO
Espalhamento Atmosférico
Espalhamento Rayleigh
a. Molécula de gás
Espalhamento Mie λ
Fóton de energia
Espalhamento Não-seletivo eletromagnética
modelado como
uma onda
c. Vapor
d’água
Figura 1.5 – O tipo de espalhamento atmosférico é uma função do comprimento de onda e o tamanho da molécula de gás, partículas de poeira e fumaça, e gotículas
de vapor d’água (Jensen, 2011).
3 2,75 2,5 2,25 2 1,75
SUMÁRIO
100
Energia em elétro-volts (eV)
80
40
20
B G Y O R
0
0,4 0,5 0,6 0,7
Comprimento de Onda, µm
Figura 1.6 – A intensidade do espalhamento Rayleigh é inversamente proporcional à quarta potência do comprimento de onda (Jensen, 2011)
SUMÁRIO
Radiação solar no
2000 topo da atmosfera
Comprimento de Onda, µm
Figura 1.7 – Curvas de radiação solar mostrando a energia absorvida pelos gases em diferentes comprimentos de onda (Drury, 2001).
SUMÁRIO
NEAR INFRARED
UV VNIR FAR
VISIBLE SWIR MID INFRARED INFRARED
100
Transmission (%)
80
60
40
20
0
0,3 0,5 1 1,5 2 3 5 10 15 20 30
Wavelength (µm)
Figura 1.8 –Principais janelas atmosféricas ao longo do espectro eletromagnético em escala logarítmica e a porcentagem de transmissão da radiação eletromagnética
na atmosférica (Drury, 2001).
SUMÁRIO
θ θ
Figura 1.9 – Exemplos de reflexão. a) Reflexão especular;b) Reflexão difusa ou Lambertiana; c) Reflexão envolvendo as componentes especular e difusa (Drury, 2001).
SUMÁRIO
Fluxo Φ
Normal à superficie
Área A
θ
Área projetada
A cos θ
Área A
L = (Φ/Ω)/A cos θ
Figura 1.10 –Conceito de radiância de uma área projetada em uma direção específica e normal à superfície (Novo, 2009).
SUMÁRIO
Wavelength
1020 1018 1016 1014 1012 1010 108 106 104 102 1
radio bands
gamma visible
Frequency (Hz)
radiation radar
(waves s1)
X-rays ultra- microwave
violet
near mid far
infrared
Figura 1.11– Espectro eletromagnético mostrando a relação entre comprimento de onda e frequência, e os fenômenos envolvidos na geração e interação da radiação
eletromagnética, e a nomenclatura de diferentes partes do espectro (Drury, 2001).
SUMÁRIO
54 40 31 27 27 28 39 51 52 50 45 25 24 24 23
55 37 37 35 31 27 26 35 58 66 38 13 17 21 19
56 40 39 45 39 32 27 26 36 52 50 28 14 13 14
Pixel (pictureelement)
52 39 33 42 49 48 36 31 26 33 51 51 31 16 16
42 34 24 30 60 67 49 33 27 28 31 47 51 35 24
26 29 26 44 76 76 49 37 33 30 29 29 44 52 44
14 31 36 50 85 70 36 37 38 30 25 29 28 40 52
20 31 39 51 72 56 35 35 37 35 31 27 29 31 36
21 26 36 46 58 49 37 35 36 37 34 33 26 29 30
21 20 29 43 54 53 40 31 30 32 30 29 24 22 27
Figura 2.1 – Imagem digital com sua estrutura na forma de uma matriz com a representação dos números digitais em cada pixel.
SUMÁRIO
Figura 2.2 – Imagens dos satélites Landsat com resolução espacial de 30m, SPOT com 10m e IKONOS com 1m (Meneses e Almeida, 2012).
SUMÁRIO
FOV
IFOV
Swath
Figura 2.3 – O IFOV define o campo de visada que projeta sobre a superfície a dimensão mínima da área vista pelo sensor.
SUMÁRIO
Figura 2.4– Imagens com resoluçãoradiométrica distinta. a) Imagem com resolução radiométrica de 1 bit (branco e preto); b) imagem com resolução radiométrica de
16bits (65.536 níveis de cinza).
SUMÁRIO
4
50
band
3 TM band AVIRIS
1 2
1
y y
λ λ
900 900
Figura 2.5 – Resolução espectral do Landsat5/TM (multiespectral com 4 bandas) e AVIRIS (hiperespectral com 50 bandas) no intervalo do comprimento de ondas do
visível e infravermelho próximo (Schowengerdt,2007).
SUMÁRIO
Day
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
1 Equador
Spacing between
successive orbits
2752 km
Atmospheric
Sun Absorbtion Radar Imaging
Atmospheric
Reflectance Reflected
Emitted
by objects
by sensor
Reflected
by objects
Emitted
by objects
Figura 3.1 – Sensores passivos e ativos e a sua relação com as fontes naturais (Sol e Terra) e artificiais de radiação eletromagnética
SUMÁRIO
Fotografia Imagem
Lentes
Objeto
Superfície
de vácuo
Bobina de para Bobina de Carretel
recolhimento aplanar filme virgem do Filme
o filme
Filme
Corpo da
Eixo Câmera
Plano Focal
óptico
Distância
Focal. ƒ
Montagem do
Cone das Lentes
Lente traseira do
ponto nodal Lente
Obturador Diafragma
Lente dianteira
Filtro do ponto nodal
Figura 3.3 – Vista do perfil da câmera métrica e dos componentes do sistema (Jensen, 2011).
SUMÁRIO
Detectores
Óptica
Espelho
oscilatório
Direção de avanço
da plataforma
Figura 3.5 – Sistema de varredura mecânica com espelho oscilatório (Novo, 2010).
SUMÁRIO
Matriz linear
de detectores
Óptica
Matriz linear
projetada no terreno
Direção de avanço
da plataforma
Figura 3.6 – Sistema de varredura eletrônicacom arranjo linear de detectores CCD (Novo, 2010).
SUMÁRIO
6
Eixo de Radiação 8
rotação refletida 5 7
9
3
2 4
10
Motor
Radiação
emitida
11
1
1 – Telescópio
2 – Espelhofigratório
3 – Óptica
4 – Grade dicrômica
5 – Prisma
Direção do voo 6 – Detectores
7 – Controle eletrônico
8 – Tubo de raios catódicos
9 – Filme
10 – Gravador
11 – Conversor analógico/digital e gravador
Figura 3.7 - Sistema de varredura multiespectral com os principais componentes (Novo, 2010).
SUMÁRIO
Range
ou
alcance
Pulso
Retroespalhamento
Figura 3.9 - Configuração de um sistema RADAR com transmissor e detector de energia (Novo, 2010).
SUMÁRIO
z
B
A2 A2
r - Δr r
h
y
Figura 3.10 – Aquisição de imagens por Radar de Abertura Sintética por interferometria.
SUMÁRIO
Figura 4.1 – Diferentes níveis de aquisição de dados por sensoriamento remoto (Novo, 2010).
SUMÁRIO
Fotografia Aérea
Plano do filme Vertical de um
da câmera Terreno Plano
Altura acima da
superfície (AAS) Campo de
visada
Eixo
óptico
Ponto principal
(PP) 900
Direção de voo
Posição de exposição
#1 #2 #3
Altitude
lente acima do
nível do
solo, H
60% de
sobreposição
Modelo estereoscópico
Cobertura da fotografia
terreno registrado em três
fotografia sucessivas
Figura 4.3 – Fotografias aéreas obtidas ao longo da linha de voo com 60% de sobreposição.
SUMÁRIO
Z
Y
GPS
X
IMU
κ
transmissor/receptor γ
espelho de Φ
alcan
varredura
Altitude AGL, h
ce (R
ângulo de varredura
θ
ange
divergência
do feixe
)
γ
laser γ
área de visada
instantânea
do laser
Figura 4.4 – O Lidar possui um sistema de imageamento por varredura que emite o pulso de luz laser em uma área com uma forma aproximadamente circular.
SUMÁRIO
Figura 4.6 – Conjunto de pontos coletados pelo receptor do Lidar para uma área com vegetação (Fonte: Embrapa)
SUMÁRIO
2a Aquisição 1a Aquisição
Fim Início Fim Início
3B 3N
64 55 9 0 seg.
6.7 km/seg B
3B
705 km
3N
H
0
27,6
B - Base
Estereoscópica Cena
H - Altitude da órbita Estereoscópica 1
Figura 4.10 – Sistema sensor da missão SRTM por interferometria (Drury, 2004).
SUMÁRIO
Figura 5.1- Imagem com linhas com valores saturados (Meneses e Almeida, 2012).
SUMÁRIO
Figura 5.2 – Imagens de satélite com a identificação de pontos de controle (pista de aeroporto, bifurcação e cruzamento de vias de acesso) em área urbanizada
destacados com círculo vermelho.
SUMÁRIO
Figura 5.3 – GPS diferencial e a ortofoto com a localização dos pontos de controle representados por pontos no limite do terreno.
SUMÁRIO
Figura 5.4 – Parte da carta planialtimétrica (IBGE, escala 1:50.000) com a grade de coordenadas em UTM e os pontos de controle destacados com círculo vermelho.
SUMÁRIO
Figura 5.5 – Mapa planialtimétrico com pontos de controle identificados para o georreferenciamento da imagem de satélite (Meneses e Almeida, 2012).
SUMÁRIO
Figura 5.6 - Georreferenciamento de imagem para imagem, na qual uma das imagens está ortorretificada ou georrerferenciada.
SUMÁRIO
Figura 5.7 – Tabela de correlação com as coordenadas X e Y da imagem georreferenciada e não georreferenciada.
SUMÁRIO
PC fonte Residual X
PC saída
Figura 5.9 – Representação geométrica da medida do erro RMS de um ponto de controle (Meneses e Almeida, 2012).
SUMÁRIO
mapa imagem
Figura 5.10 – Condição ideal na qual o centro do pixel do mapa de referência corresponde com o centro do pixel da imagem que foi georreferenciada
(Meneses e Almeida, 2012).
SUMÁRIO
57
44
32
28
20
11
Figura 5.11 – Histogramas das seis bandas do Landsat7 sensor ETM com a indicação do valor digital que mede a quantidade de espalhamento atmosférico adicionada
ao sinal (Meneses e Almeida, 2012).
SUMÁRIO
Figura 6.1 – Fluxograma do processamento digital de imagens para realce de dados espectrais, espaciais e classificação.
SUMÁRIO
RGB
Vermelho Verde
Red Green
Azul
Blue
Figura 6.2 - Mostra as cores primárias (vermelho, verde e azul), secundárias (magenta, amarelo e ciano) e a cor branca.
SUMÁRIO
red
(255,0,0)
amarelo
magenta
branco
preto
green
(0,255,0)
blue
(0,0,255)
Figura 6.5 – Imagens do Landsat da região do estado do Ceará. a) imagem sem contraste, b) imagem com contraste, c) histograma com aumento de contraste linear.
SUMÁRIO
(b) No strech
0 60 158 255 Display levels (DN’)
Figura 6.6 – Histograma com aumento de contraste linear e por equalização (Lillesand e Kiefer, 1994)
SUMÁRIO
1,0 branco a p’
ciano Red (0 )
0
S p
ciano Red
o b
0.0 preto
Figura 6.7 – Modelo de representação dos atributos IHS da cor (Meneses e Almeida, 2012).
SUMÁRIO
–
=
x
/
Figura 6.8 – Operações aritméticas executadas pixel a pixel entre duas bandas (Menese e Almeida, 2012).
SUMÁRIO
(a)
Brightness
(b)
Brightness
Distance
Figura 6.9 – Variação do número digital ao longo da linha em uma imagem (a) representado na forma de ondas senoidais (b) com diferentes amplitudes e frequências
(Drury, 2001).
SUMÁRIO
(a) (b)
(c)
Figura 6.10 - Mostra o conceito da janela móvel de uma janela 3x3 (Lilesand e Kiefer, 1994).
SUMÁRIO
Figura 6.11 – Imagens com aplicação dos filtros passa-baixa e passa-alta. a) imagem original com as componentes de alta e baixa frequência; b) imagem com passa-
baixa com feições suavizadas; c) imagem com passa-alta destacando as bordas e limites entre áreas com valores diferentes de ND.
SUMÁRIO
or 23 25 28 30 27 25 27
1 1 1 19 22 23 32 29 27 25
1 1 1 x 1/9 17 19 25 27 30 31 22
1 1 1 20 21 25 23 21 19 17
(a) (b)
26 25 23 22 22
24 + 26 + 22 25 26 25 24 26
1
central = x + 28 + 30 + 27 = 27
9 25 27 27 27 26
pixel + 28 + 32 + 29
23 26 28 29 27
22 25 27 27 25
(c) (d)
Figura 6.12 – Filtro de média com uma janela de 3x3 (a), e estrutura matricial da imagem com os números digitais (ND) comdestaque para a área sombreada (b), onde o número
digital do pixel central resulta da média aritmética do pixel e seus vizinhos(c), A imagem resultante com aplicação do filtro passa-baixa (Drury, 2001).
SUMÁRIO
Figura 6.13 – Imagem do relevo obtido pela missão Shuttle Radar TopographyMission (SRTM) com a aplicação dos filtros passa-baixa, passa-alta e direcional Roberts NW. a) imagem do relevo
original com as componentes de alta frequência e baixa frequência; b) imagem com filtros passa-baixa e direcional Roberts NW; c) imagem com filtros passa-alta e direcional Roberts NW.
SUMÁRIO
(a)
Key
corn
forest
Band Y DN
hay
sand
urban
water
Band X DN
(e)
Key
corn
forest
Band Y DN
hay
equiprobability
contours sand
urban
water
Band X DN
Figura 6.15 – Diagrama do espaço de atributos com a distribuição de todos os pixels na forma de contornos (Drury, 2001).
SUMÁRIO
(b)
Key
corn
forest
Band Y DN
hay
equiprobability
contours sand
urban
water
Band X DN
Figura 6.16 –Diagrama do espaço de atributoscom a localização dos pixels pertencentes a um conjunto de áreas-treinos. Os limites de decisão da classificação pelo
método do paralelepípedo são mostrados em torno de cada classe (Drury, 2001).
SUMÁRIO
(d)
Key
corn
forest
Band Y DN
1
hay
equiprobability
contours sand
urban
water
Band X DN
Figura 6.17 - Diagrama do espaço de atributos com a localização dos pixels e a classificação baseada no método da distância mínima (Drury, 2001).
SUMÁRIO
50 Soil
40
Reflectance (%)
Green
30 vegetation
20
10
Water
0.5 0.7 0.9 1.1 1.3 1.5 1.7 1.9 2.1 2.3 2.5
Wavelength (μm)
Figura 7.1 – Diagrama mostrando a variação da reflectância ao longo do comprimento de ondas de diferentes materiais caracterizandodiferentes assinaturas espectrais.
SUMÁRIO
Fatores dominantes
Pigmentos Estrutura
da célula
Conteúdo de água que controlam a
da folha
reflectância das folhas
80
Reflectância (%)
50
40
30
20
10
0
0.4 0.6 0.8 1.0 1.3 1.4 1.6 1.8 2.0 2.2 2.4 2.6
Comprimento de onda (μm)
4
Reflectância de Água Clara e
3.5 de Água com Algas
Percentagem de Reflectância
3
Água
clara Água contendo algas
2.5
1.5
0.5
0
400 500 600 700 800 900
Comprimento de Onda (nm)
Figura 7.3 - Assinaturas espectrais da água clara e da água contendo algas no espectro eletromagnético.
SUMÁRIO
0.4
p Folhelho
0.2
Andesito
0
0.3 0.5 1.0 1.5 2.0 2.5
λ, μm
40
30
Percentagem de Reflectância
20 Ardósia (vermelha)
Asfalto
Concreto
Grama saudável
10
Grama senescente
Grama sintética
Telha de asfalto (preta)
0 Tijolo (vermelho)
0,4 0,5 0,6 0,7 0,8 0,9 1,0
Comprimento de Onda, μm
Figura 7.5 – Assinaturas espectrais para materiais urbanos comuns no espectro eletromagnético (Novo, 2010).