TRADUÇÃO DA SEGUNDA EDIÇÃO

Sensoriamento Remoto
P t ».•[itr • * H all S e r
ui Gèf.n.}raphic
ios do Ambiente
Information. Sciênoe Uma Perspectiva em Recursos Terrestres
KF.ITH C CLARKE

T ra d iiça o
( p e s q u i s a d o r e s do INPE)

•:|.n i|o --. N . E [ i i ; >1 1. i n i

Atl

a rente
John R. Jensen
Prentice-Hall Series
in Geographic
Information Science

KEITH C. CLARKE,
Series Advisor

Avery/Berlin, Fundamentais ofRemote Sensing and Air Photo Interpretation, Sixth Edition

Clarke, Getting Started witk Geographic Information Systems, Fourth Edition

Clarke/Parks/Crane, Geographic Information Systems and Environmental Modeling

Green/Pick, Exploring the Urban Community: A GIS Approach

Heywood/Cornelius/Carver, Introduction to Geographical Information Systems, 1 hird Edition

Jensen, Introductory Digital Image Processing: A Remote Sensing Perspective, Third Edition

Jensen, Remote Sensing ofthe Environment: An Earth Resource Perspective, Second Edition

Lo/Yeung, Concepts and Techniques o f Geographic Information Systems, Second Edition

Slocum/McMaster/Kessler/Howard, Thematic Cartography and Geographic Visualization,

Second Edition

Upper Saddler River, NJ 07458

 Sensoriamento Remoto do Ambiente:
Uma Perspectiva em Recursos Terrestres
Tradução da Segunda Edição

John R. Jensen
University of South Carolina

TRADUÇÃO:

JOSÉ CARLOS NEVES EPIPHANIO (Coordenador) - INPE

ANTONIO ROBERTO FORMAGGIO - INPE
ATHOS RIBEIRO DOS SANTOS - INPE
BERNARDO FRIEDRICH THEODOR RUDORFF - INPE
CLÁUDIA MARIA DE ALMEIDA - INPE
LÊNIO SOARES GALVÃO - INPE

(V arêntese
São José dos Campos, SP, Brasil
2009
www.parentese.com.br
Authorized translation from the English language edition, entitled REMOTE SENSING O FTH E ENVIRONMEN T: AN EARTH RESOURCE PERSPECTIVE,
2nd Edition by JO HN JENSEN, publishcd by Pearson Education, Inc., publishing as Prentice Hall, Copyright © 2007. All rights reserved. No part of this book may
bc reproduced or transmitted in any form or by any means, electronic or mechanical, including photocopying, recording or by any information storage retrieval system,
without permission from Pearson Education, Inc. PORTUGUESE language edition published by PARENTESE EDI I ORA, Copyright © 2009.
Créditos da edição norte-americana
Editor de Aquisições: JefF Howard Editor Chefe, Área de Ciência: Daniel Kaveney Editora Executiva: Kathleen Schiaparelli
Editor de Produção: Edward Thomas Comprador de Manufatura: Alan Fischer Dir. de Marketing - Ciência: Patrick Lynch
Assistente de Marketing: Renee Hanenberg Editor de Cópias: Barbara Booth Assistente Editorial: Margaret Ziegler
Assistente de Produção: Nancy Bauer Diretor de Arte: Jayne Conte

Créditos da Capa: (superior esquerdo) Dispersão da luz branca usando um prisma (cortesia de David Parker, Photo Researchers, Inc.); (superior direito) Concepção artís­
tica do satélite Terra (cortesia da NASA); (centro esquerdo) Imagem de Denver, CO, em alta resolução espacial e em cores naturais, gravada pelo satélite QuickBird em 13
de Julho de 2003 (cortesia da DigitalGlobe, Inc.); (inferior esquerdo) Composição colorida do Landsat Thematic Mapper 30 x 30 m do Monte Kilimanjaro, na Tanzânia
(cortesia da NASA e Earth Satellite, Inc.); (inferior direito) Modelo digital de elevação do Monte Kilimanjaro (30 x 30 m) visto de uma visada oblíqua na direção W-NW,
derivado de dados interferométricos SAR da Space Shuttle Topography Mission (SRTM) (cortesia do USGS EROS Data Center e NASA Jet Propulsion Lab).

Sensoriamento Remoto do Ambiente: Uma Perspectiva em Recursos Terrestres (Tradução da Segunda Edição)
Copyright © 2009 da Editora Parêntese, mediante acordo firmado com a editora original.
Créditos da edição traduzida
Editor Chefe: Anderson da Silva Vieira (anderson@parentese.com.br)
Editoração: Caroline Melo Duran e Jackson Costa Oliveira - Feira Livre Design (www.feiralivredesign.com)
Processo Gráfico: In Revisão e Produção Editorial Impresso nas oficinas da Gráfica Prol - São Paulo
CIP-BRASIL. CATALOGAÇÃO-NA-FONTE
SINDICATO NACIONAL DOS EDITORES DE LIVROS, RJ

J53s

Jensen, John R., 1949-

Sensoriamento remoto do ambiente : uma perspectiva em recursos terrestres / John R. Jensen ; tradução José Carlos
Neves Epiphanio (coordenador)... [et al.]. - São José dos Campos, SP : Parêntese, 2009.
il.

Tradução de: Remote sensing of the environment : an earth resource perspective, 2nd ed.
Inclui bibliografia
ISBN 978-85-60507-06-1

1. Geociências - Sensoriamento remoto. I. Epiphanio, José Carlos Neves. II. Título.

09-1162. CDD: 550.28

CDU: 55:528.8

16.03.09 18.03.09 011517

Iodos os direitos reservados e protegidos pela Lei 5988 de 14/12/73. Nenhuma parte deste livro, sem autorização prévia por escrito da editora, poderá ser reproduzida
ou transmitida sejam quais forem os meios empregados: eletrônico, mecânico, fotográfico, gravação ou quaisquer outros. Todo o esforço foi feito para fornecer a
mais completa e adequada informação, contudo a(s) editora(s) e o(s) autor(es) não assume(m) responsabilidade pelos resultados e usos da informação fornecida.
Recomendamos aos leitores testar a informação bem como tomar todos os cuidados necessários (como o backup), antes da efetiva utilização. Este livro não contém
CD-ROM, disquete ou qualquer outra mídia nem oferece qualquer tipo de suporte técnico.

Erratas e atualizações: Sempre nos esforçamos para entregar a você leitor um livro livre de erros, gramaticais, técnicos ou de conteúdo, porém nem sempre isto é
conseguido, seja por motivo de alteração de software, interpretação ou mesmo quando alguns deslizes constam na versão original de alguns livros que traduzimos. Sendo
assim, criamos em nosso site a seção Erratas no site www.parentese.com.br, onde, se algum erro for encontrado em nossos livros, este será relatado com a devida correção.

Avisos e Renúncia de Direitos: Este livro é vendido como está, sem garantia de qualquer tipo, seja expressa ou implícita.

Marcas Registradas: Todos os termos mencionados e reconhecidos como Marca Registrada e/ou comercial são de responsabilidade total de seus proprietários. A
Editora informa não estar associada a nenhum produto e/ou fornecedor apresentado no livro. No decorrer da obra, imagens, nomes de produtos e fabricantes podem
ter sido utilizados e desde já a Editora informa que o uso é apenas informativo, ilustrativo e/ou educativo, não visando lucro, favorecimento ou desmerecimento do
produto/fabricante.

Parêntese Editora
Rua República de Israel, 303, CEP 12210-000 - São José dos Campos - SP - Brasil
www.parentese.com.br / parentese@parentese.com.br
arêntese
edit ra Tel/Fax: (12) 3027 3047
 it

Conteúdo

Capítulo 1 — Sensoriamento Remoto do Ambiente.................................................................................................. 1

Capítulo 2 — Princípios de Radiação Eletromagnética......................................................................................... 39

Capítulo 3 — História da Fotografia Aérea e das Plataformas Aéreas................................................................ 63

Capítulo 4 — Fotografia Aérea - Visada, Câmeras, Filtros e Filme.................................................................... 93

Capítulo 5 — Elementos de Interpretação Visual de im agens............................................................................129

Capítulo 6 — Fotogrametria...................................................................................................................................... 151

Capítulo 7 — Sistemas Multiespectrais de Sensoriamento Remoto................................................................... 195

Capítulo 8 — Sensoriamento Remoto no Infravermelho Termal....................................................................... 251

Capítulo 9 — Sensoriamento Remoto por Micro-ondas Ativas e Passivas....................................................... 293

Capítulo 10 — Sensoriamento Remoto por LIDAR..............................................................................................337

Capítulo 11 — Sensoriamento Remoto da Vegetação............................................................................................357

Capítulo 12 — Sensoriamento Remoto da Agua.................................................................................................... 411

Capítulo 13 — Sensoriamento Remoto da Paisagem Urbana.............................................................................445

Capítulo 14 — Sensoriamento Remoto de Solos, Minerais e Geomorfologia.................................................. 511

Capítulo 15 — Medidas de Reflectância In Situ ..................................................................................................... 573

Apêndice — Fontes de Informação em Sensoriamento Remoto........................................................................ 583

índice..............................................................................................................................................................................587
 Sumário

Capítulo 1 — Sensoriamento Remoto do Ambiente.................................................................................................. 1

Coleta de Dados In Situ ................................................................................................................................................ 1
Coleta de Dados por Sensoriamento Remoto............................................................................................................ 2
Definições Máximas/Mínimas.............................................................................................................................4
Vantagens e Limitações do Sensoriamento Remoto ........................................................................................8
O Processo do Sensoriamento Remoto................................................................................................................... 9
Enunciado do Problema.....................................................................................................................................10
Identificação dos Requisitos de Dados In situ e de Sensoriamento Remoto ............................................II
Coleta de Dados de Sensoriamento Remoto .................................................................................................. 13
Análise de Dados de Sensoriamento Remoto ................................................................................................. 26
Apresentação da Informação ........................................................................................................................... 30
Economia da Observação da Terra........................................................................................................................... 31
Perspectiva da Análise de Recursos Terrestres........................................................................................................ 32
Organização do Livro.................................................................................................................................................34

Capítulo 2 — Princípios de Radiação Eletromagnética......................................................................................... 39

Condução, Convecção e Radiação........................................................................................................................... 39
Modelos de Radiação Eletromagnética......................................................................................... y....................... 40
Modelo Ondulatório da Energia Eletromagnética .......................................................................................40
O Modelo de Partícula: Radiação das Estruturas Atômicas ...................................................................... 44
Interações Energia-Matéria na Atmosfera................................................................................................................48
Refração......u.:..................... 49
Espalhamento ...................................................................................................................................................... 50
Absorção .............................................................................................................................................................. 52
Reflectância ..........................................................................................................................................................53
Interações Energia-Matéria no Terreno.................................................................................................................... 53
Reflectância, Absortãncia e Transmitância.................................................................................................... 55
Densidade de Fluxo Radiante .......................................................................................................................... 57
Interações Energia-Matéria na Atmosfera................................................................................................................58
Interações Energia-Matéria no Sensor..................................................................................................................... 58

Capítulo 3 — História da Fotografia Aérea e das Plataform as Aéreas............................................................... 63

Luz e C or.....................................................................................................................................................................63
A Câmera Escura ................................................................................................................................................64
Invenção das Emulsões Sensíveis à Luz e Métodos para Fixar a Imagem .............................................64
Fotografias a Partir de Plataformas A éreas..............................................................................................................68
Ornitópteros .........................................................................................................................................................68
Voos com Balões Mais Leves do que o Ar ..................................................................................................... 68
Voos mais Leves do que o Ar Utilizando Pipas ............................................................................................ 71
Voos mais Pesados do que o Ar Utilizando Foguetes .................................................................................72
Voos mais Pesados do que o Ar Utilizando Pombos, Planadores e Aviões ............................................72
Reconhecimento Fotográfico nas Ia e 2a Guerras M undiais................................................................................. 74
Fotografia Aérea na 1“Guerra Mundial......................................................................................................... 76
Fotografia Aérea na 2“Guerra Mundial......................................................................................................... 76
Reconhecimento Fotográfico na Guerra F ria.......................................................................................................... 77
Balões de Reconhecimento Genetrix.............................................................................................................. 79
Programa de Reconhecimento com a Aeronave U-2 .................................................................................. 79
O SR-71 ................................................................................................................................................................ 82
VIII Sensoriamento Remoto do Ambiente

Tecnologia de Camuflagem de Aeronave ....................................................................................................... 82

Sensoriamento Remoto por Satélites........................................................................................................................ 82
Corona...................................................................................................................................................................83
Programas Atuais de Satélite Ligados à Defesa ......................................................................................... 85
Veículos Aéreos Não-Tripulados...............................................................................................................................87
Veículos Aéreos Não-Tripulados: Tática e Autonomia ................................................................................ 87
Carga Útil dos Veículos Aéreos Não-Tripulados .......................................................................................... 88
Considerações Sobre os Veículos Aéreos Não-Tripulados.......................................................................... 88
Plataformas Comerciais de Sensoriamento Remoto...............................................................................................89

Capítulo 4 — Fotografia Aérea - Visada, Câmeras, Filtros e Filme................. . ..93

Visada Vertical e Oblíqua....................................................................................... ..93
Fotografia Aérea Vertical............................................................................... . 93
Fotografia Aérea Obliqua .............................................................................. . 94
Câmeras Aéreas....................................................................................................... ..95
Comparação entre os Elementos da Câmera Aérea e do Olho Humano . 97
Tipos de Câmeras Aéreas ............................................................................... . 99
Filtragem em Fotografia Aérea.............................................................................. 106
Tipos, Tamanhos e Cores de Filtros ............................................................. 109
Filmes para Fotografia Aérea................................................................................. 111
Características Gerais das Emulsões Fotográficas ................................. 112
Emulsões Fotográficas Preto-e-branco ..................................................... 113
Emulsões de Fotografias Coloridas ............................................................. 124
Planejamento de Missões de Fotografias Aéreas.................................................. 127
Hora do Dia - Angulo Solar ........................................................................... 127
Tempo ................................................................................................................ 127
Plano de Voo.................................................................................................... 127

Capítulo 5 — Elementos de Interpretação Visual de Im agens...........................................................................129

Introdução.................................................................................................................................................................. 129
A Perspectiva Aérea/Regional........................................................................................................................ 130
Percepção de Profundidade Tridimensional................................................................................................130
Obtendo Conhecimento Além do Sistema Visual Humano...................................................................... 131
Documentação de Registro Histórico de Imagens e a Detecção de Mudanças................................... 132
Elementos de Interpretação de Imagem................................................................................................................. 132
Localização x,y..........................................................................................................................................................133
Métodos de Pesquisa................................................................................................................................................ 146
Usando a Informação Colateral.................................................................................................................... 146
Convergência de Evidências ...........................................................................................................................147
O Conceito Multi............................................................................................................................................... 147

Capítulo 6 — Fotogram etria...................................................................................................................................... 151

Linhas de Voo da Fotografia Aérea Vertical...........................................................................................................152
Marcas Fiduciais e Pontos Principais..................................................................................................................... 154
Geometria da Fotografia Aérea Vertical................................................................................................................. 155
Medição de Escala e Altura em Fotografias Aéreas Verticais Simples..............................................................157
Escala de Fotografia Aérea Vertical Adquirida sobre Terreno Plano .................................................. 157
Escala de Fotografia Aérea Vertical Adquirida sobre Terreno Acidentado ........................................... 160
Medição de Altura em Fotografias Aéreas Simples ................................................................................... 161
Medição Estereoscópica da Altura de Objetos ou Elevação do Terreno............................................................164
Fundamentos da Estereoscopia Humana ..................................................................................................... 164
Estereoscopia Aplicada à Fotografia Aérea ................................................................................................164
Como Funciona a Fotografia Aérea Estereoscópica? ............................................................................... 167
Modelos Digitais de Elevação, Ortofotos e Atributos Planimétricos Usando Fotogrametria Digital.............175
 Sensoriamento Remoto do Ambiente IX

Aquisição de Pontos de Controle Horizontais e Verticais no Terreno.................................................. 176

Aquisição de Fotografia Aérea Estereoscópica ou Outros Dados de Sensores Remotos .................. 176
Tecnologia de Digitalização de Imagens ................................................................................................... 177
Fotogrametria Digital.................................................................................................................................... 179
Extração de Cotas Altimétricas de Referência, Curvas de Nível e MDEs Usando
Fotogrametria Digita!......................................................................................................................................181
Criação de Ortoimagens Digitais .......................................................................................................................................k ... 185
Extração de Atributos Temáticos de Interesse Usando Fotogrametria Digital ...................................190
Medição de Á rea...................................................................................................................................................... 190
Medição de Area de Formas Geométricas Bem Conhecidas.................................................................. 191
Medição de Area de Polígonos com Formato Irregular .......................................................................... 191

Capítulo 7 — Sistemas Multiespectrais de Sensoriamento Remoto.................................................................. 195

Aquisição de Dados Multiespectrais Digitais........................................................................................................195
Terminologia de Imagens Digitais ................................................................................................................ 196
Sistemas de Sensoriamento Remoto para Discussão ................................................................................. 196
Imageamento Multiespectral usando Detectores Discretos e Espelhos de Varredura...................................... 199
Satélites Tecnológicos de Recursos Terrestres e Sistemas Sensores Landsat ...................................... 199
Sensores de Varredura Multiespectral da National Atmospheric and Oceanic Administration ......212
ORBIMAGE, Inc., e NASA Sea-viewing Wide Field-of-view Sensor (SeaWiFS)................................ 219
Varredores Multiespectrais de Aeronave ..................................................................................................... 220
Imageamento Multiespectral Usando Arranjos Lineares ....................................................................................224
Os Sistemas Sensores SPOT........................................................................................................................... 224
Sistemas de Sensoriamento Remoto da índia .............................................................................................. 230
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER)................................ 232
Multiangle Imaging Spectroradiometer (MISR) ......................................................................................... 234
Sistemas de Sensoriamento Remoto com Arranjo Linear e Alta Resolução Espacial....................... 235
Espectrometria Usando Arranjos Lineares e de Área (Sensoriamento Remoto Hiperespectral).................... 239
Airborne Visible/lnfrared Imaging Spectrometer (A VIRIS).................................................................... 242
Compact Airborne Spectrographic Imager 1500 (C A SI1500)...............................................................243
Moderate Resolution Imaging Spectroradiometer (MODIS)....................................................................243
Câmeras Digitais de Quadro Baseadas em Arranjos de Área (Matrizes Bidimensionais)...............................244
Aquisição de Dados Digitais de Pequeno Formato: Leica Geossystems Emeige Digital Sensor System.... 245
Aquisição de Dados Digitais de Grande Formato: Z/I Digital Modular Camera ............................. 246
Aquisição de Dados Digitais de Grande Formato: Vexcel Ultracam baseada em Arranjos de Area ..... 246

Capítulo 8 — Sensoriamento Remoto no Infravermelho Term al...................................................................... 251

História do Sensoriamento Remoto no Infravermelho Termal ......................................................................... 252
Propriedades da Radiação Infravermelha Termal.................................................................................................254
Calor Cinético, Temperatura, Energia Radiante e Fluxo Radiante....................................................... 254
Métodos de Transferência de Calor.............................................................................................................. 255
Janelas Atmosféricas no Infravermelho Termal....................................................................................................255
Leis da Radiação Termal......................................................................................................................................... 256
Lei de Stefan-Boltzmann ................................................................................................................................. 256
Lei do Deslocamento de Wien........................................................................................................................ 257
Emissividade ..................................................................................................................................................... 257
Lei da Radiação de Kirchoff .......................................................................................................................... 259
Propriedades Térmicas do Terreno......................................................................................................................... 262
Coleta de Dados Infravermelhos Termais............................................................................................................. 263
Sensoriamento Remoto no Infravermelho Termal Baseado em Escaneadores Multiespectrais .......263
Sensoriamento Remoto no Infravermelho Termal baseado em Matrizes Lineares ou
Bi-dimensionais de Detectores....................................................................................................................... 273
Considerações Ambientais no Infravermelho Termal.......................................................................................... 276
Ciclo Diário da Temperatura de Materiais Típicos................................................................................... 276

i
X Sensoriamento Remoto do Ambiente

Exemplos de Sensoriamento Remoto no Infravermelho Termal.........................................................................278

Monitoramento de Poluição da Água: Identificação de Efluentes Termais no Rio Savannah ......... 278
Monitoramento da Poluição da Água: Identificação de Vazamentos em Tanques Sépticos
que Contribuem para a Contagem de Coliformes Fecais ...................................................................... 284
Levantamentos Infravermelhos Termais de Isolamentos Residenciais..................................................284
Levantamentos Infravermelhos Termais de Umidade em Tetos Comerciais/lndustriais .................. 286
Análise do Efeito de Ilha de Calor Urbana ............................................................................................... 288
Uso da Imagem Infravermelha Termal para Aplicações Florestais ...................................................... 289
Sensoriamento Remoto para Graus-Dia de Estresse em Plantas .......................................................... 290

Capítulo 9 — Sensoriamento Remoto por Micro-ondas Ativas e Passivas.......................................................293

História do Sensoriamento Remoto por Micro-ondas Ativas (RADAR)...........................................................293
Componentes do Sistema Ativo de Micro-ondas.................................................................................................296
Enviando e Recebendo um Pulso de Energia Eletromagnética na Região das Micro-ondas........... 297
A Geometria da Imagem de RADAR: Slant-Range versus Ground-Range........................................... 301
Deslocamento de Relevo no RADAR, Foreshortening, Layover, Sombra e Speckle ........................... 307
Sistemas de Radar de Abertura Sintética ................................................................................................... 310
Considerações sobre a Influência dos Parâmetros Ambientais no RADAR......................................................315
Características da Rugosidade Superficial................................................................................................ 315
Características Elétricas e a Relação com o Conteúdo de Umidade ....................................................317
Resposta da Vegetação à Energia de Micro-ondas................................................................................... 319
Resposta da Agua à Energia nas Micro-ondas......................................................................................... 323
Resposta da Estrutura Urbana à Energia de Micro-ondas .................................................................... 324
Sensoriamento Remoto SAR a Partir do Espaço.................................................................................................325
Seasat ..................................................................................................................................................................325
Shuttle Imaging Radar SIR-A, SIR-B, SIR-C, Shuttle Radar Topographv Mission SR TM ................ 326
RADARSATe RADARSAT-2........................................................................................................................... 326
ERS-1 e ERS-2 da Agência Espacial Européia (ESA - European Space Agency) ............................. 328
Envisat ASAR da Agência Espacial Européia............................................................................................329
JERS-1 ................................................................................................................................................................ 330
A lm a z-l .............................................................................................................................................................. 330
Interferometria de R adar......................................................................................................................................... 330
Mapeamento Topográfico por Interferometria............................................................................................ 330
Mapeamento Interferométrico de Velocidade............................................................................................. 332
Sensoriamento Remoto por Micro-ondas Passivas.............................................................................................. 332
Radiômetros de Micro-ondas Passivas ........................................................................................................ 332

Capítulo 10 — Sensoriamento Remoto por LID A R ..............................................................................................337

Princípios do LID AR...............................................................................................................................................338
LIDAR: Laser e Sistema de Varredura......................................................................................................... 338
Localização do Laser LIDAR ......................................................................................................................... 340
Atitude (Orientação) da Antena do LIDAR ..................................................................................................340
Pós-Processamento dos Retornos Múltiplos de LIDAR .............................................................................341
Extração de Modelos Digitais de Superfície do Primeiro, do Intermediário e/ou do Ultimo ...........342
Extração de Modelos Digitais do Terreno (DTMs) da Superfície Desnuda da Terra ....................... 343
Acurácia das Medidas de LIDAR.......................................................................................................................... 351
Padrão de Acurácia Horizontal e Vertical NSSDA .................................................................................... 351
A Influência da Cobertura do Solo, da Declividade e das Condições de Presença/Ausência
de Folhagem na Acurácia da Elevação Obtida pelo LIDAR .................................................................. 353
Informações Sobre Vegetação Obtidas pelo LIDAR............................................................................................ 353
Informações Sobre Áreas Urbanas Obtidas pelo LIDAR....................................................................................354
O Futuro do Sensoriamento Remoto por LIDAR ........................................................................................354
Sensoriamento Remoto do Ambiente XI

Capítulo 11 — Sensoriamento Remoto da Vegetação.......................;!................................................................. 357

Fundamentos sobre Fotossíntese............................................................................................................................ 357
Características Espectrais da Vegetação.................................................................................................................358
Principais Fatores que Controlam a Reflectância Foliar ....................................................................... 358
Características Temporais da Vegetação................................................................................................................376
Ciclos Fenológicos Naturais ..............................................................................................................y......... 377
Ciclos Fenológicos de Vegetação sob Manejo...........................................................................................379
índices de Vegetação............................................................................................................................................... 384
Métricas de Ecologia da Paisagem......................................................................................................................... 396
Indicadores de Paisagem e Métricas de Polígonos................................................................................................397
Biodiversidade e Análise de Vazios........................................................................................................................ 399
Sensoriamento Remoto das Mudanças da Vegetação........................................................................................... 400
Sensoriamento Remoto das Mudanças Sucessionais de uma Planície de Inundação ...................... 400
Sensoriamento Remoto da Agricultura na África do Sul ......................................................................... 403

Capítulo 12 — Sensoriamento Remoto da Agua................................................................................................... 411

Características Biofísicas da Agua de Superfície Detectadas por Sensoriamento Remoto.............................412
Radiância de Superfície da Agua , Radiância Volumétrica de Subsuperficie e Radiância de Fundo412
Resposta Espectral da Agua em Função do Comprimento de Onda .................................................... 413
Resposta Espectral da Agua em Função dos Constituintes Orgânicos e Inorgânicos
- Monitorando Sedimentos em Suspensão (Turbidez), Clorofila e Matéria Orgânica Dissolvida... 416
Penetração na Agua e Batimetria ................................................................................................................. 425
Temperatura da Superfície da Agua .............................................................................................................. 428
Precipitação.............................................................................................................................................................. 430
Técnicas do Visível - Infravermelho ............................................................................................................. 431
Técnicas de Micro-ondas Ativas e Passivas.................................................................................................432
Aerossóis e Nuvens................................................................................................................................................. 433
Aerossóis ............................................................................................................................................................ 434
Nuvens ................................................................................................................................................................ 434
Vapor d’A gua........................................................................................................................................................... 437
N eve.......................................................................................................................................................................... 438
Neve no Espectro Visível................................................................................................................................. 438
Neve nas Regiões do Infravermelho Médio e de Micro-ondas ................................................................ 438
Modelagem da Qualidade de Agua........................................................................................................................ 439
Um Modelo de Qualidade de Agua Integrado por Sensoriamento Remoto e GIS.............................. 439

Capítulo 13 — Sensoriamento Remoto da Paisagem U rb a n a .............................................................................445

Base Nacional de Dados Espaciais......................................................................................................................... 446
Considerações sobre a Resolução Urbana..............................................................................................................446
Considerações sobre a Resolução Temporal Urbana/Periurbana ..........................................................446
Considerações sobre a Resolução Espectral Urbana/Periurbana ..........................................................447
Considerações sobre a Resolução Espacial Urbana/Periurbana............................................................ 451
Sensoriamento Remoto de Cobertura da Terra e de Uso da Terra...................................................................... 453
Esquemas de Classificação de Cobertura da Terra/Uso da Terra...........................................................453
Classificação de Uso da Terra/Cobertura da Terra com o Uso de Dados de Sensores Remotos .... 457
Uso do Solo Para Comércio e Serviços..............i................................................................................................. 468
Uso do Solo Industrial............................................................................................................................................. 482
Infraestrutura de Transporte....................................................................................................................................493
Comunicações e Serviços de Infraestrutura.......................................................................................................... 499
Criação de Modelos Digitais de Elevação Urbanos..............................................................................................500
Dados Meteorológicos............................................................................................................................................. 501
Flidrologia Urbana....................................................................................................................................................502
Identificação de Áreas Ambientais Críticas.......................................................................................................... 503
Resposta a Emergências em Desastres...................................................................................................................503
XII Sensoriamento Remoto do Ambiente

Capítulo 14 — Sensoriamento Remoto de Solos, Minerais e Geom orfologia................................................. 511

Características e Taxonomia dosSolos................................................................................................................. 512
Horizontes dos solos ........................................................................................................................................ 512
Tamanho das Partículas do Solo e Textura................................................................................................ 513
Taxonomia de Solos .......................................................................................................................................... 514
Sensoriamento Remoto de Propriedades dos Solos..............................................................................................515
Textura e Conteúdo de Umidade do Solo ................................................................................................... 517
Matéria Orgânica e Crostas Biológicas do Solo ...................................................................................... 519
Oxidos de Ferro ................................................................................................................................................519
Salinidade do Solo............................................................................................................................................ 520
Rugosidade Superficial.................................................................................................................................... 521
Sensoriamento Remoto de Rochas e de Minerais.................................................................................................522
Geologia....................................................................................................................................................................526
Litologia ............................................................................................................................................................. 526
Estrutura ............................................................................................................................................................ 527
Morfometria e Padrões de Drenagem ...........................................................................................................529
Geomorfologia......................................................................................................................................................... 534
Formas de Terreno Igneas ..............................................................................................................................535
Formas de Terreno Desenvolvidas sobre Estratos Horizontais............................................................... 538
Formas de terreno desenvolvidas em estratos dobrados .......................................................................... 541
Formas de Terreno Controladas por Falhas............................................................................................... 543
Formas de Terreno Fluviais ........................................................................................................................... 544
Formas Cársticas ............................................................................................................................................. 550
Formas Costeiras ............................................................................................................................................. 553
Formas Glaciais................................................................................................................................................560
Geoformas Eólicas ........................................................................................................................................... 564

Capítulo 15 — Medidas de Retlectância In Situ ..................................................................................................... 573

Reflectância Espectral de um Material...................................................................................................................574
Material de Referência............................................................................................................................................ 574
Considerações sobre a Iluminação......................................................................................................................... 575
Medição da Reflectância Espectral In Situ Usando Iluminação Solar ................................................. 575
Medição da Reflectância Espectral In Situ Usando Iluminação Artificial no Laboratório ...............577
Características do Espectrorradiômetro Usado para Obter o Espectro de Reflectância In Situ ........................578
Região Espectral de Interesse ........................................................................................................................ 578
Resolução Espectral......................................................................................................................................... 579
Intervalo de Amostragem Espectral.............................................................................................................. 580
Projeto do Espectrorradiômetro e Velocidade de Coleta de Dados ....................................................... 580
Geometria de Visada e Campo de Visada.................................................................................................... 580
Espectrorradiômetros Candidatos para Coleta de Dados de Reflectância In Situ ............................... 581

Apêndice — Fontes de Informação em Sensoriamento R em oto........................................................................ 583

índice...............................................................................................................................................................................587
 -j-

ensoriamento remoto é a arte e a ciência de obter informação sobre um objeto

sem estar em contato físico direto com o objeto. O sensoriamento remoto pode
ser usado para medir e monitorar importantes características biofísicas e ativida­
des humanas na Terra. Este livro Sensoriamento Remoto do Ambiente: Uma
Perspectiva em Recursos Terrestres, 2a edição, foi escrito para introduzir o leitor:

• às características da radiação eletromagnética e como a energia interage

com os materiais da superfície da Terra, tais como vegetação, solo, rocha,
água e infraestrutura urbana,

• ao entendimento de como a energia eletromagnética refletida ou emitida

por esses materiais é registrada usando uma variedade de instrumentos de
sensoriamento remoto (p.ex., câmeras, escâneres multiespectrais, instru­
mentos hiperespectrais, RADAR, LIDAR), e

• ao conhecimento de como podemos extrair informação biofísica ou de

uso/cobertura da terra a partir de dados de sensores remotos para resolver
problemas importantes.

O livro introduz os princípios de fotointerpretação visual e análise de imagens.

Ele é um texto complementar ao volume Introductory Digital Image Analysis:
a Remote Sensing Perspective (2005) publicado pela Pearson Education, Inc.,
que introduz os fundamentos da análise digital de imagens.

Este livro foi escrito para pesquisadores em ciências físicas, naturais e sociais
interessados em saber como o sensoriamento remoto do ambiente pode ser usa­
do para resolver problemas do mundo real. O leitor deve ter uma experiência
educacional ou prática num corpo de conhecimento sistemático (p.ex., geogra­
fia física, biogeografia, geologia, hidrologia, planejamento urbano, agricultura,
floresta, ciências marinhas, etc.) ao qual a ciência do sensoriamento remoto
pode ser aplicada. Este leitor deve ter um conhecimento mínimo de álgebra
elementar. Este livro pode ser usado na graduação ou pós-graduação, em cursos
de um ou dois semestres em fotointerpretação e/ou sensoriamento remoto.

As pessoas responsáveis pelo gerenciamento de recursos naturais da Terra e

pelo desenvolvimento de planejamento futuro reconhecem a importância da
informação espacial e precisa residente num sistema de informações geográficas
(GIS). Muitos dos mais importantes planos de informação biofísicos, de uso/
cobertura da terra, e sócio-econômicos são derivados a partir de uma análise
de dados de sensoriamento remoto. Consequentemente, estamos presenciando
um aumento significativo na demanda por dados de sensoriamento remoto.
Centenas de sistemas de sensoriamento remoto públicos e comerciais ao redor
do mundo coletam dados com sensores remotos. Alguns dos dados de sensores
XIV
remotos estão disponíveis a um custo razoável por km2 e
podem ser obtidos pelo usuário via internet. Alguns dados
de sensores remotos são muito caros.
Para utilizar os dados de sensoriamento remoto no seu po­
tencial pleno, eles precisam ser interpretados corretamente.
Isso requer um entendimento de como a energia interage
com a atmosfera e o terreno, como funciona o sistema de
sensoriamento remoto, e como se extrai informação útil a
partir dos dados dos sensores remotos.
Espera-se que as seguintes características tomem a infor­
mação contida neste livro fácil de compreender e aplicar:
• Cada capítulo inclui ilustrações que foram especial­
mente feitas para fazer com que conceitos complexos
sejam entendidos mais facilmente.
• Cada capítulo contém uma alentada lista de referências.
• O seu formato grande permite que imagens e diagra­
mas sejam legíveis e visualmente informativos.
• Esta segunda edição contém 48 páginas com pran­
chas coloridas para mostrar imagens ou informação
biofísica que pode ser extraída de dados de sensores
remotos.
• Um apêndice contém endereços na internet para
muitas das mais importantes fontes de informação de
sensoriamento remoto e fontes públicas e privadas de
dados de sensoriamento remoto.
A seguir apresenta-se um breve resumo dos tópicos discu­
tidos em cada capítulo e os aprimoramentos introduzidos
nesta segunda edição.
Capítulo 1. Sensoriamento Remoto do Ambiente. O livro co­
meça definindo cuidadosamente a aquisição de dados in
situ e por sensoriamento remoto. Os elementos do pro­
cesso de sensoriamento remoto são atualizados, incluindo
a enunciação do problema, a coleta de dados pelo sensor
remoto, a análise de dados (visual e digital) e as alternati­
vas para a apresentação das informações. São definidas as
resoluções espacial, espectral, temporal e radiométrica bem
como são feitas considerações de solução de compromisso
(trade-off). Foi incluída uma nova seção sobre economia
ligada ao sensoriamento remoto para observação da Terra.
O capítulo faz uma revisão sobre como o sensoriamento re­
moto é usado para uma variedade de programas nacionais e
internacionais de monitoramento de recursos da Terra.
Sensoriamento Remoto do Ambiente
Capítulo 2. Princípios de Radiação Eletromagnética. Con­
dução, convecção e radiação são introduzidos como meca­
nismos de transferência de energia. Os modelos de onda e
partícula são usados para descrever como a radiação eletro­
magnética é gerada e transportada através do espaço. Apre-
senta-se ao leitor como a energia eletromagnética interage
com a atmosfera, o terreno, e como a energia refletida ou
emitida é registrada por um sistema de sensoriamento re­
moto. Conceitos radiométricos importantes são definidos
cuidadosamente. Novas curvas espectrais de materiais sele­
cionados são introduzidas. Coloca-se ênfase na minimiza-
ção dos efeitos do espelhamento atmosférico para maximi­
zar o sinal de sensoriamento proveniente do terreno.
Capítido 3. História da Fotografia Aérea e das Plataformas
Aéreas. E fornecida uma história da fotografia, incluindo
a invenção de tipos específicos de emulsões e agentes fixa­
dores. Faz-se uma revisão da história da aquisição de foto­
grafia aérea por uma variedade de plataformas, incluindo:
balões, pipas, foguetes, pombos, planadores, aeronaves e
satélites. É apresentada uma história do fotorreconheci-
mento na Guerra Civil (norte americana), nas 1 e II Guer­
ras Mundiais, na Crise dos Mísseis de Cuba, na Guerra
Fria, na guerra do Oriente Médio. Apresentam-se novos
desenvolvimentos na tecnologia de plataformas, incluindo
veículos aéreos não-tripulados (UAV) e tecnologia antide-
tecção (invisibilidade de plataformas).
Capítulo 4. Fotografia Aérea —Visada, Câmeras, Filtros e Fil­
mes. As fotografias aéreas verticais e oblíquas são apresen­
tadas usando exemplos do Furacão Katrina. Apresentam-se
os componentes da câmera aérea, as câmeras aéreas mais
importantes e os filtros passa-banda usados durante a aqui­
sição de dados. Novas seções descrevem as características
das câmeras digitais de pequeno, médio e grande formato.
Os principais filmes (emulsões) preto e branco e coloridos
usados para fotografia aérea são identificados, incluindo o
filme infravermelho colorido. São descritos métodos de di­
gitalização de fotografias coloridas.
Capítulo 6. Fotogrametria. Os métodos de extração de in­
formação quantitativa de fotografias aéreas verticais são
apresentados. O capítulo define a nomenclatura e a geome­
tria de uma fotografia aérea isolada e como são feitas me­
dições de escala e altura. Os princípios de estereoscopia são
introduzidos. Novas seções descrevem a orientação interior
e exterior das imagens estereoscópicas usando fotograme­
tria digital e extração de elevação de elementos isolados,
contornos, modelos digitais de elevação e ortofotos. Uma
nova seção descreve como feições temáticas de interesse são
extraídas com base nos princípios da marca flutuante. A
seção final descreve como são obtidas medições de área a
partir de dados de sensores remotos verticais.
Sensoriamento Remoto do Ambiente
Capítulo 7. Sistemas de Sensoriamento Remoto Multiespec-
trais. A terminologia de sensoriamento remoto multies-
pectral é definida. Os principais tipos de instrumentos de
sensoriamento remoto são descritos junto com informação
significativamente atualizada sobre os mais importantes
sistemas de sensoriamento remoto. Sistemas sensores exis­
tentes e propostos são apresentados, como: os WorldView
1 e 11 da DigitalGlobe, o Landsat Data Continuity Mission
da NASA, e o NPOESS da NOAA. O Global Visualization
Viewer do USGS é apresentado para auxiliar os estudantes
a localizar os vários tipos de dados de sensores remotos.
Capítulo 8. Sensoriamento Remoto no Infravermelho Termal.
Este capítulo descreve como o mapeamento da tempera­
tura superficial é feito usando sensoriamento remoto no
infravermelho termal. A história do sensoriamento remoto
por infravermelho termal inclui mais informação sobre o
experimento de Herschel. As propriedades da radiação in­
fravermelha termal, leis de radiação e janelas atmosféricas
são descritas. Introduzem-se as características de tempe­
ratura diária da vegetação, solo, rocha, água e fenômenos
urbanos. As características dos instrumentos de varredura
no infravermelho termal e dos sensores de infravermelho
de visada avante (FLIR) são apresentadas. São introduzidos
novos sistemas aerotransportados de sensoriamento remoto
no infravermelho termal, tais como o Canadian Thermal
Airborne Broadband Imager (TABI) e o Thermal Airbor-
ne Spectrographic Imagery (TASI). Novos estudos de caso
são fornecidos, incluindo: mapeamento da temperatura de
cursos d’água no Oregon, mapeamento de vazamento em
tanque de decantação séptico na Carolina do Sul, moni­
toramento de umidade em tetos industriais na Carolina
do Norte, e monitoramento de graus-dia de estresse em
culturas agrícolas.
Capítulo 9. Sensoriamento Remoto Ativo e Passivo nas M i­
cro-ondas. A história do sensoriamento remoto por micro­
ondas ativo é revisto. Os métodos de envio e recepção de
um pulso de energia nas micro-ondas são apresentados.
Uma nova tabela sintetiza as características dos Radares de
Abertura Sintética para observação da Terra mais impor­
tantes. Importantes parâmetros dos sistemas radares, tais
como frequência, polarização, tamanho de pulso, ângulo
de depressão, direção de visada, ângulo de incidência, e
geometria de imagem de distância inclinada e distância no
terreno são discutidos. Os principais fatores ambientais que
influenciam o sinal de retorno dos sistemas de micro-ondas
ativos são apresentados, incluindo rugosidade, constante
dielétrica complexa e o efeito cardinal. As seções sobre a
resposta da vegetação, da água superficial e dos fenômenos
urbanos à energia nas micro-ondas ativas estão ampliadas.
São fornecidas novas informações sobre os Radarsat 1 e
2 do Canadá; os ERS 1 e 2, e Envisat ASAR da ESA; e
XV
sobre o TRM M Microwave Imager e o Shuttle Radar To-
pography Mission (SRTM) da NASA. A seção sobre in-
terferometria por micro-ondas ativas inclui novos exem­
plos do SRTM em Utah e na Tanzânia. O sensoriamento
remoto por micro-ondas passivo é discutido com novos
dados sobre o Advanced Microwave Scanning Radiometer
(AMSR-E) da NASA.
Capítulo 10. Sensoriamento Remoto por LIDAR. Este capí­
tulo completamente novo introduz os princípios funda­
mentais do sensoriamento remoto usando tecnologia Light
Detection and Ranging (LIDAR). A ênfase é colocada em
como os sensores LIDAR funcionam e em como extrair in­
formação útil do primeiro, intermediário e último dado de
retorno LIDAR. Um estudo de caso documenta a utilidade
do LIDAR para fornecer modelos digitais de superfície e
modelos digitais do terreno detalhados. Também é dada
atenção aos dados de intensidade do LIDAR.
Capítulo 11. Sensoriamento Remoto da Vegetação. São intro­
duzidos os fundamentos da fotossíntese. Depois, o capítulo
identifica os fatores dominantes que controlam a reflectân-
cia da folha nas porções do visível, infravermelho próximo e
infravermelho médio do espectro. O conceito da função de
distribuição da reflectância bidirecional (BRDF) é discutido.
Enfatiza-se a importância do entendimento do ciclo feno-
lógico temporal dos tipos de vegetação em estudo. A seção
sobre os índices de vegetação derivados do sensoriamento
remoto incluem agora mais de 20 algoritmos entre aqueles
mais largamente adotados. Há novas informações sobre a
relação não-linear entre o índice Simpe Ratio e o Normali-
zed Difference Vegetation Index (NDVI). O uso de dados
de sensoriamento remoto para calcular métricas de ecologia
da paisagem e para auxiliar na avaliação da biodiversidade é
introduzido. Um novo estudo de caso documenta como a
agricultura na África do Sul pode ser monitorada para prever
a demanda agrícola por água.
Capítulo 12. Sensoriamento Remoto da Água. Este capítulo
introduz como a energia eletromagnética interage com a
água superficial, água subsuperficial, e com o fundo em
função do comprimento de onda. O impacto do material
orgânico (p.ex., clorofila) e/ou inorgânico (p.ex., sedimen­
to em suspensão) na coluna d’água sobre a reflectância es­
pectral é discutido. Oito dos mais importantes algoritmos
usados para medir a abundância de fitoplâncton na água
são fornecidos agora. Uma nova seção revisa os avanços no
mapeamento batimétrico usando sensoriamento remoto
óptico passivo (fotografia aérea) e sensoriamento remoto
ativo (SONAR e LIDAR). São apresentados os métodos de
sensoriamento remoto para monitoramento da temperatu­
ra da superfície da água, precipitação, aerossóis e nuvens,
vapor d’água e neve. Os principais sistemas orbitais de sen-
XVI Sensoriamento Remoto do Ambiente

soriamento remoto usados para medir a cor do oceano são

agora descritos.

Capítulo 13. Sensoriamento Remoto da Paisagem Urbana. A

extração de informação urbana a partir de sensoriamento
remoto é agora colocada no contexto do National Spatial
Data Infrastructure (NSDI, dos Estados Unidos). São in­
troduzidas considerações sobre resolução espacial, espectral
e temporal para questões urbanas. Os mais importantes es­
quemas de classificação de uso da terra e/ou cobertura da
terra são agora fornecidos. Também são fornecidas muitas
novas imagens de sensoriamento remoto de uso da terra
para condomínios residenciais, áreas comerciais e indus­
triais, transporte, comunicações e serviços. O uso de foto-
grametria digital e LIDAR para a extração de informação
tridimensional em áreas urbanas é apresentado. Há novas
seções sobre mapeamento de superfícies impermeabiliza­
das e delineamento de áreas de inundação.

Capítulo 14. Sensoriamento Remoto de Solos, Geologia e Geo-

morfologia. Novas informações sobre a influência da textura
do solo, conteúdo de umidade, matéria orgânica, óxido de
ferro, salinidade, crostas biológicas e rugosidade superficial
na reflectância espectral de solos são apresentadas. É discu­
tida a discriminação de rochas e minerais usando técnicas
de espectroscopia de imageamento. O capítulo identifica
como a litologia geológica, estrutura, densidade e padrões
de drenagem podem ser monitorados usando sensoriamen­
to remoto. As morfometrias de drenagem que podem ser
extraídas dos dados de sensores remotos agora estão inclu­
ídas. O capítulo fornece muitos novos exemplos de como
os dados de sensores remotos podem ser usados para iden­
tificar feições geomórficas na superfície da Terra.

Capítulo 15- Medição da Reflectância In Situ. Este novo ca­

pítulo introduz os princípios fundamentais da medição de
reflectância espectral in situ usando iluminação solar no
campo ou iluminação artificial em laboratório. As carac­
terísticas de espectrorradiômetros portáteis são revisadas,
incluindo: resolução espectral, intervalo de amostragem,
projeto, velocidade de coleta de dados, geometria de visada
e campo de visada.
Sensoriamento Remoto do Ambiente
Agradecimentos
Gostaria de agradecer a Marsha, minha esposa, que me deu
um paciente encorajamento. Judith Berglund, Jungho Im,
Maria Garcia-Quijano, Shaen Callihan, Charles Huang e
Brian Hadley revisaram alguns capítulos. O pessoal da Pe-
arson Education, Inc. foi muito solícito, incluindo Dan
Kaveney (Editor Chefe da área de Ciência), Jeff Howard
(Editor), Barbara Booth (Editora de Cópias) e Ed Thomas
(Produção).
A American Society for Photogrammetry and Remote
Sensing, Association of American Geographers, Geocarto
International Centre, Inc. e Taylor and Francis, Inc. deram
permissão para o autor extrair material sob direito autoral
de artigos publicados na Photogrammetric Engineering
and Remote Sensing, no Manual of Remote Sensing, Ma­
nual of Color Aerial Photography, Geocarto International
e International Journal of Remote Sensing.
A Elsevier, Inc. deu permissão para uso de figuras dos ar­
tigos da Remote Sensing of Environment (RSE) e Geo-
derma: Torgersen, C. E. et al., 2001, “Airborne Thermal
Remote Sensing for Water Temperature Assessment in Ri-
vers and Streams,” RSE, 76:386-398; Metternicht, G. I.
and J. A. Zinck, 2003, “Remote Sensing of Soil Salinity:
Potentials and Constraints,” RSE, 85:1-20; Legleiter, C.
J. et ah, 2004, “Passive Optical Remote Sensing of River
Channel Morphology and In-stream Habitat: Physical Ba-
sis Feasibility,” RSE, 93:493-510; Chen, J. et al., 2005,
“A New Index for Mapping Lichen-dominated Biological
Soil Crusts in Desert Areas,” RSE, 96:165-175; Farifteh,
J. et al., 2006, “Assessing Salt-affected Soils Using Remote
Sensing, Solute Modelling, and Geophysics,” Geoderma,
130:191-206.
John Pike (Federation of American Scientists) colocou à
disposição várias imagens de sensoriamento remoto. As fo­
tografias de pipas foram fornecidas pelo Dr. Cris Benton
(University of Califórnia Berkeley). O Dr. Stefan Sand-
meier forneceu a maioria do material de BRDF. Várias fo­
tografias históricas foram colocadas à disposição por Harry
Ransom Humanities Research Center, University ofTexas,
Austin, TX, e Deutsches Museum, Munich, Germany.
XVII
Várias agências foram úteis, incluindo: Smithsonian Na­
tional Air and Space Museum, Library of Congress, NASA
Observatorium, NASA Goddard Tropical Rainfall Measu-
rement Mission Office (Alan Nelson), NASA Goddard
Solar and Heliospheric Observatory (Joseph Gurman),
NASA Johnson Space Center (Dr. Kamlesh Lulla), NASA
Jet Propulsion Lab, USGS Desert Processes Working
Group, USGS Western Region Coastal and Marine Ge-
ology, USGS Imaging Spectroscopy Lab (Roger Clark),
National Optical Astronomy Observatory (Kathie Coil),
NOAA, e Geological Survey of Canada.
Os fornecedores comerciais de dados de sensoriamento re­
moto colocaram à disposição exemplos de suas plataformas,
sensores e produtos de imagens. Agradecimentos especiais
para: DigitalGlobe, Inc. (Chuck Herring), ImageSat Inth,
Inc. (Karen Anisfeld), Space Imaging, Inc. (Linda Lidov),
SPOT Image, Inc. (Clark Nelson), Lockheed Martin, Inc.
(Jeannie Duisenberg e Eric Schulzinger), Litton Emerge
Spatial, Inc. (Don Light), Positive Systems, Inc. (Kim Hi-
ckman), ORBIMAGE, Inc. (Sue Hale), Intermap, Inc.,
Aeromap USA, Inc., RADARSAT, Inc., Eastman Kodak,
Inc. (Robert Lundquist e Mary Skerrett), e Hughes Santa
Barbara Research Center, Inc. As Jempresas de engenha­
ria fotogramétrica forneceram informação e imagens de
seus sensores, incluindo: Leica-GeoSystems, Inc. (Alistair
Wells), L-H Systems, Inc. (Dr. A. Stewart Walker), Mar-
coni Integrated Systems, Inc. (Bob Hayes), E. Coyote
Enterprises and Z/I Imaging, Inc. (Marylin 0 ’Cuilinn),
Analytical Spectral Devices, Inc., Stockton Infrared Ther-
mographic Services, Inc. (Cindy Hawkes), e Vexcel, Inc.
John R. Jensen
University of South Carolina
Sensoriamento Remoto do Ambiente

ientistas observam a natureza, fazem medições, e depois temam acei-

C
tar ou rejeitar hipóteses referentes a esses fenômenos. A coleta de da-
dos pode ocorrer diretamente no campo (chamada coleta de dados
in situ ou in loco), ou a alguma distância remota do objeto em apreço
(referida como sensoriamento remoto do ambiente).

Coleta de Dados In Situ

Um tipo de coleta de dados in situ envolve o cientista indo ao campo e ques­

tionando o fenômeno de interesse. Por exemplo, um entrevistador de censo
pode ir de porta em porta perguntando às pessoas questões sobre sua idade,
sexo, educação, rendimento, etc. Esses dados são gravados e usados para do­
cumentar as características demográficas da população.

Por outro lado, um cientista pode usar um transdutor ou outro dispositivo de

medição in situ na área de estudo para fazer medições. Geralmente, transdu-
tores são colocados em contato físico direto com o objeto de interesse. Muitos
tipos diferentes de transdutores são disponíveis. Por exemplo, um cientista
poderia usar um termômetro para medir a temperatura do ar, solo ou água;
um anemômetro para medir a velocidade do vento; ou um psicrômetro para
medir a umidade do ar. Os dados gravados pelos transdutores podem ser um
sinal elétrico analógico com variações de voltagem relacionadas à intensidade
da propriedade sendo medida. Em geral, esses sinais analógicos são trans­
formados em valores digitais usando procedimentos de conversão analógico-
digital (conversão A-D). A coleta de dados in situ usando transdutores alivia o
cientista da monótona coleta de dados, geralmente em condições meteoroló­
gicas inclementes. Também, o cientista pode distribuir transdutores em locais
geográficos importantes da sua área de estudo, permitindo que o mesmo tipo
de medida seja obtido em muitos locais ao mesmo tempo. Às vezes, os dados
dos transdutores são tele-transmitidos eletronicamente para um ponto central
de coleta para rápida avaliação e arquivamento (p.ex., Teillet et al., 2002).

Dois exemplos de coleta de dados in situ são demonstrados na Figura 1-1. As

medidas de índice de área foliar IAF) estão sendo coletadas por um cientista
numa área de estudo usando um ceptômetro portátil na Figura 1-1 a. As medi­
das de reflectância espectral da vegetação estão sendo obtidas na área de estudo
usando um espectrorradiômetro portátil na Figura 1-lb. As medidas de IAF e
reflectância espectral obtidas no campo podem ser usadas para calibrar as medi­
das de IAF e reflectância espectral coletadas por um sistema de sensoriamento
remoto localizado numa aeronave ou num satélite (Jensen et al., 2005).
2 C A P ÍT U L O 1 Sensoriamento Remoto do Ambiente

M edição In S itu

a. Medição do índice de área foliar b. Medição da reflectância espectral

(IAF) usando um ceptômetro. usando um espcctrorradiômetro.

Figura 1-1 Dados in situ (no local) são coletados no campo, a) Um pesquisador está coletando medidas de índice de área foliar (IAF) de
soja (Glycine max L. Merrill) usando um ceptômetro, que mede o número de regiões do substrato que foram iluminadas dire­
tamente sem interceptação pelo dossel vegetal. As medições são feitas bem acima do dossel e no solo, sob o dossel. As medidas
de IAF in situ podem ser usadas para calibrar as estimativas de IAF derivadas de dados de sensores remotos, b) Medidas de
reflectância espectral de vegetação estão sendo coletadas usando um espectrorradiômctro colocado a aproximadamente 1 m
acima do dossel. As medidas de reflectância espectral in situ podem ser usadas para calibrar medidas de reflectância espectral
obtidas por um sistema de sensoriamento remoto.

As coletas de dados pelos cientistas no campo ou por ins­
trumentos colocados no campo fornecem muitos dos dados
para as pesquisas científicas físicas, biológicas e sociais. En­
tretanto, é importante lembrar que não importa quão cuida­
doso seja o cientista, erros podem ser introduzidos durante
o processo de coleta de dados in situ. Primeiro, no campo o
cientista pode ser um intruso. Isso significa que a menos que
seja tomado um grande cuidado, o cientista pode realmente
alterar as características do fenômeno sendo medido duran­
te o processo de coleta de dados. Por exemplo, um cientista
pode inclinar-se de um barco para obter uma amostra de
água-superficial de um lago. Infelizmente, o movimento do
barco na área de estudo pode ter mexido a coluna d’água nas
vizinhanças da amostra de água, resultando numa amostra
não-representativa, ou viesada. De forma similar, um cien­
tista fazendo uma medição de reflectância espectral poderia
inadvertidamente pisar no local da amostragem, alterando o
dossel vegetal antes da coleta de dados.
Os cientistas também podem coletar dados no campo usan­
do procedimentos viesados. Isso introduz o erro produzido
pelo método. Ele pode envolver o uso de um delineamento
amostrai viesado, ou o uso impróprio e sistemático de uma
parte do equipamento. Finalmente, o dispositivo de medi­
ção para coleta de dados in situ pode estar calibrado incorre­
tamente. Isso pode resultar em sérios erros de medição.
A intrusão na coleta de dados in situ, junto com o erro hu­
mano produzido pelo método e a má calibração do equipa­
mento de medição, todos contribuem para o erro na coleta
de dados in situ. Portanto, é impróprio referir aos dados in
situ como dados de verdade terrestre. Em seu lugar, deveri­
amos simplesmente referir a eles como dados de referência
terrestre in situ, reconhecendo que eles contêm erros.
Coleta de Dados por
Sensoriamento Remoto
Felizmente, também é possível coletar informação sobre
um objeto ou área geográfica a partir de um ponto dis­
tante privilegiado usando instrumentos de sensoriamento
remoto (Figura 1-2). A coleta de dados por sensoriamento
remoto foi originalmente feita usando câmeras montadas
Coleta de Dados por Sensoriamento Remoto
M edição por Sensoriamento Remoto
Plataforma
suborbital
/ H acima .
altitude
do nível do solo
(AGL)
diâmetro do IFOV
projetado no terreno
Figura 1-2 Um instrumento de sensoriamento remoto coleta
informação sobre um objeto ou fenômeno dentro
do campo de visada instantâneo (IFOV) do sistema
sensor sem estar em contato físico direto com ele. O
instrumento de sensoriamento remoto pode estar lo­
calizado a apenas poucos metros acima do solo e/ou a
bordo de uma aeronave ou de um satélite.
3
em aeronaves suborbitais. A fotogrametria foi definida nas
primeiras edições do M anual o f Photogrammetry como:
a arte ou ciência de obter medidas confiáveis por
meio da fotografia (American Society o f Photo­
grammetry, 1952; 1966).
Interpretação fotográfica é definida como:
o ato de examinar imagens fotográficas para fins
de identificar objetos e julgar sua significância
(Colwell, 1960).
Sensoriamento remoto foi formalmente definido pela Ameri­
can Society for Photogrammetry and Remote Sensing (AS-
PRS) como:
a medição ou aquisição de informação de alguma
propriedade de um objeto ou fenômeno, por um
dispositivo de registro que não esteja em contato
físico ou íntimo com o objeto ou fenômeno em
estudo (Colwell, 1983).
Em 1988, a ASPRS adotou uma definição combinada de
fotogrametria e sensoriamento remoto:
Fotogrametria e sensoriamento remoto são a
arte, ciência e tecnologia de obter informação
confiável sobre objetos físicos e o ambiente por
meio do processo de registro, medição, e inter­
pretação de imagens e representações digitais dos
padrões de energia derivados de sistemas senso­
res sem contato físico (Colwell, 1997).
Mas de onde veio o termo sensoriamento remoto? A real
cunhagem do termo remonta a um artigo não-publicado do
começo dos anos 1960 feito pelo grupo do Office o f Naval
Research (ONR) Geography Branch (Pruitt, 1979; Fussell
et al., 1986). Evelyn L. Pruitt era a autora do artigo. Walter
H. Bailey era seu colaborador e membro do grupo. A fo-
tointerpretação aérea tinha se tornado muito importante na
II Guerra Mundial. A era espacial estava apenas começando
com os lançamentos do Sputnik (U.R.S.S.) em 1957, do Ex-
plorer 1 (E.U.A.) em 1958, e com a coleção de fotografias do
então secreto programa CO RO N A iniciado em 1960 (Tabe­
la 1-1). Além disso, o Grupo de Geografia do O N R estava
expandindo suas pesquisas usando instrumentos além de câ­
meras (p.ex., escâneres, radiômetros) e abrangendo regiões do
espectro eletromagnético além do visível e do infravermelho
próximo (p.ex., infravermelho termal e micro-ondas). Assim,
no final dos anos 1950 estava claro que o prefixo “foto” estava
sendo muito forçado em vista do fato de que a palavra raiz,
fotografia, literalmente significa “escrever com luz [visível]”
(Colwell, 1997). Evelyn Pruitt (1979) escreveu:
4 C A P ÍT U L O
Todo o campo esrava avançando e era difícil para
o Programa de Geografia saber em que direção se
mover. Finalmente, em 1960, foi decidido levar o
problema ao Comitê Assessor. Eu e o Walter H.
Bailey ponderamos por um longo tempo sobre
como apresentar a situação e sobre como denomi­
nar o campo mais abrangente que sentíamos deve­
ria ser encampado num programa para substituir
o projeto de fotointerpretação aérea. O termo “fo­
tografia” era muito limitado porque ele cobria as
regiões do espectro eletromagnético além da faixa
do “visível”, e era nessas frequências não-visíveis
que parecia estar o futuro da interpretação. “Aérea”
também estava muito limitada em função do po­
tencial para observar a Terra a partir do espaço.
O termo sensoriamento remoto foi promovido numa série de
simpósios patrocinados pelo O N R nos Laboratórios Willow
Run da Universidade de Michigan em conjunto com o Na­
tional Research Council durante os anos 1960s e inícios dos
1970s, e desde então tem sido usado (Estes e Jensen, 1998).
Definições Máximas/Mínimas
Numerosas outras definições de sensoriamento remoto
têm sido propostas. De fato, Colwell (1984) sugere que
“uma medida de quão nova uma ciência é, ou da rapidez
com a qual está se desenvolvendo, está na preocupação dos
seus cientistas com assuntos de terminologia.” Alguns têm
proposto uma definição máxima globalizante:
Sensoriamento remoto é a aquisição de dados
sobre um objeto sem tocá-lo.
Tal definição é curta, simples, geral e memorizável. Infeliz-
mente, ela exclui pouco da esfera do sensoriamento remoto
(Fussel et al., 1986). Ela abrange virtualmente todos os dis­
positivos de sensoriamento remoto, incluindo câmeras, escâ-
neres opto-mecânicos, dispositivos de imageamento lineares
ou matriciais, lasers, sistemas de radar, sonares, sismógrafos,
gravímetros, magnetômetros e cintilômetros.
Outros têm sugerido uma definição m ínim a, mais focada
de sensoriamento remoto, que adicione qualificadores e
mais qualificadores numa tentativa de assegurar que ape­
nas funções legítimas sejam incluídas na definição do ter­
mo. Por exemplo:
Sensoriamento remoto é o registro da informa­
ção das regiões do ultravioleta, visível, infraver­
melho e micro-ondas do espectro eletromagné­
tico, sem contato, por meio de instrumentos
tais como câmeras, escâneres, lasers, dispositivos
1 Sensoriamento Remoto do Ambiente
lineares e/ou matriciais localizados em platafor­
mas tais como aeronaves ou satélites, e a análise
da informação adquirida por meio visual ou pro­
cessamento digital de imagens.
Robert Green, do JP L (Jet Propulsion Laboratory), da
NASA (National Aeronautics and Space Administration),
sugere que o termo medição remota poderia ser usado ao
invés de sensoriamento remoto porque os dados obtidos
usando os novos sistemas de sensoriamento remoto hipe-
respectral são muito precisos (Robbins, 1999). Cada uma
das definições é correta num contexto apropriado. E útil
discutir brevemente os componentes dessas definições de
sensoriamento remoto.
Sensoriamento Remoto: Arte e/ou Ciência?
Ciência: Uma ciência é definida como um grande campo
do conhecimento humano interessado em fatos unidos por
princípios (regras). Os cientistas descobrem e testam fatos
e princípios pelo método científico, úm sistema ordenado
para solução de problemas. Geralmente, os cientistas con­
sideram que qualquer assunto que o ser humano possa es­
tudar usando o método científico e outras regras especiais
de pensamento possa ser chamado de uma ciência. As ciên­
cias incluem: 1) matemática e lógica, 2) ciências físicas, tais
como a física e a química, 3) ciências biológicas, tais como
a botânica e a zoologia, e 4) as ciências sociais, tais como a
geografia, sociologia e antropologia (Figura 1-3). É interes­
sante que algumas pessoas não considerem a matemática e
a lógica como ciências. Mas os campos do conhecimento
associados com a matemática e a lógica são ferramentas tão
valiosas para a ciência que não podemos ignorá-las. As pri­
meiras questões da raça humana estavam ligadas ao “quan­
to” e ao “o que pertence ao mesmo conjunto.” Eles lutaram
para contar, para classificar, para pensar sistematicamente e
para descrever precisamente. Sob muitos aspectos, o nível
de desenvolvimento de uina ciência é indicado pelo uso que
faz da matemática. Uma ciência parece começar com uma
matemática simples para medir, depois trabalha em direção
a uma matemática mais complexa para explicar.
O sensoriamento remoto é uma ferramenta ou técnica simi­
lar à matemática. O uso de sofisticados sensores para medir
a quantidade de energia eletromagnética que emana de um
objeto ou área geográfica à distância, e depois a extração de
informação importante dos dados usando algoritmos base­
ados em matemática e estatística é uma atividade científica
(Fussell et al., 1986). O sensoriamento remoto funciona
em harmonia com outras ciências da informação geográfica
(frequentemente chamadas de GIScience), incluindo carto­
grafia, levantamento, e sistemas de informações geográficas
(GIS) (Curran, 1987; Clarke, 2001; Jensen, 2005). Dahl-
berg e Jensen (1986) e Fisher e Lindenberg (1989) suge-
Coleta de Dados por Sensoriamento Remoto
Figura 1-3 Modelo de interação mostrando a relação entre as
ciências de informação geográfica (sensoriamento re­
moto, cartografia, sistemas de informações geográfi­
cas e levantamento) à medida que elas se relacionam
com a matemática e a lógica, e com as ciências físicas,
biológicas e sociais.
riram um modelo onde há interação entre sensoriamento
remoto, cartografia, levantamento e GIS, em que nenhuma
sub-disciplina domina, e todas são reconhecidas como tendo
áreas únicas, ainda que com sobreposição, de conhecimento
e atividade intelectual à medida que são usadas na pesquisa
científica física, biológica e social (Figura 1-3).
A teoria da ciência sugere que as disciplinas científicas
passam por quatro estádios clássicos de desenvolvimento.
Wolter (1973) sugeriu que o crescimento de uma discipli­
na científica, tal como o sensoriamento remoto, que tem
suas próprias técnicas, metodologias e orientação intelec­
tual parece seguir a curva sigmóide ou logística ilustrada
na Figura 1-4. Os estádios de crescimento de um campo
científico são: Estádio 1 - um período de crescimento ini­
cial com poucos incrementos de literatura; Estádio 2 - um
período de crescimento exponencial quando o número de
publicações dobra a intervalos regulares; Estádio 3 - um
período quando a taxa de crescimento começa declinar,
mas os incrementos anuais permanecem constantes; e Es­
tádio 4 - um período final quando a taxa de crescimento
aproxima-se de zero. As características de um campo do
conhecimento durante cada um dos estádios podem ser
brevemente descritas como se segue: Estádio 1 - pouca ou
nenhuma organização social; Estádio 2 - grupos de colabo­
radores e existência de colégios invisíveis, frequentemente
na forma de institutos e unidades de pesquisa nd hoc, etc.;
Estádio 3 - aumento da especialização e aumento das con-
5
Estádios de Desenvolvimento de um a D isciplina
Científica
Estádio 1 Estádio 2 Estádio 3 Estádio 4
Tempo ---------►
Figura 1-4 Estádios de desenvolvimento de uma disciplina cientí­
fica (Wolter, 1975; Jensen e Dahlberg, 1983).
trovérsias; e Estádio 4 - diminuição da participação tanto
de colaboradores como dos colégios invisíveis.
Usando esta lógica pode-se dizer que o sensoriamento re­
moto esteja no Estádio 2 de um campo científico, tendo
um crescimento exponencial desde meados dos anos 1960
com o número de publicações dobrando a intervalos re­
gulares (Colwell, 1983; Cracknell e Hayes, 1993; Jensen,
2005). A evidência empírica é apresentada na Tabela 1-1,
incluindo: 1) a organização de muitos institutos especiali­
zados e centros de excelência associados com sensoriamen­
to remoto, 2) a organização de numerosas sociedades pro­
fissionais dedicadas à pesquisa em sensoriamento remoto,
3) a publicação de numerosas novas revistas especializadas
em sensoriamento remoto, 4) significativo avanço tecno­
lógico, tais como avançados sistemas sensores e métodos
de análise de imagens, e 5) intensa auto-análise (p.ex.,
Dehqanzada e Florini, 2000). Podemos estar nos aproxi­
mando do Estádio 3, com aumento de especialização e de
controvérsia teórica. Porém, a taxa de crescimento do sen­
soriamento remoto não começou a declinar. De fato, houve
um enorme surto no número de pessoas especializando-se
em sensoriamento remoto e empresas comerciais usando
sensoriamento remoto durante os anos 1990 e início dos
anos 2000 (Davis, 1999; ASPRS, 2004). Os significativos
avanços na resolução espacial dos satélites de sensoriamen­
to remoto (p.ex., dados pancromáticos em 1 x 1 m mais
úteis) têm trazido à luz ainda mais pessoas ligadas à aplica­
ção de GIS às ciências sociais. Centenas de novos artigos
científicos de sensoriamento remoto são publicados em
revistas com revisão pelos pares todo mês.
Arte; O processo de interpretação visual de uma foto ou
imagem exige não apenas conhecimento científico, mas
todo o conhecimento que uma pessoa obteve durante toda
6 C A P IT U L O
Tabela 1-1. Principais marcos do sensoriamento remoto.
1600 e 1700s
1687 - O livro Principia1 de Sir Isaac Newton sumariza as leis
básicas da mecânica
1800s
1826 - Joseph Nicephore Niepce tira a primeira fotografia
1839 - Louis M. Daguerre inventa o daguerreótipo para
impressão em positivo da fotografia
1839 - William Henry FoxTalbot inventa o processo nega-
tivo/positivo chamado Calótipo
1855 - James Clerk Maxwell postula a teoria aditiva da cor
1858 - Gaspard Felix Tournachon tira uma fotografia aérea a
partir de um balão
1860s - James Clerk Maxwell desenvolve a teoria eletromagné­
tica ondulatória
1867 - O termo fotogrametria é usado num trabalho publicado
1873 - Herman Vogei estende a sensibilidade dos pigmentos
da emulsão a comprimentos maiores, abrindo o caminho para a
fotografia no infravermelho próximo
1900s
1903 - O avião2 é inventado pelos Irmãos Wright (17 de dezembro)
1903 - Alfred Maul patenteia a câmera para obter fotografias a
partir de um foguete
1910s
1910 - A Sociedade Internacional de Fotogrametria (Interna­
tional Society for Photogrammetry - ISP) é fundada na Áustria
1913 - Primeiro Congresso Internacional da ISP em Viena
1914a 1918 - Foto-reconhecimento na I Guerra Mundial (I GG)
1920s
1920 a 1930 - Aumento da fotointerpretação e fotogrametria
civis
1926 - Robert Goddard lança o primeiro foguete movido a
combustível líquido (16 de março)
1930s
1934 - Fundação da Sociedade Americana de Fotogrametria
(American Society of Photogrammetry - ASP)
1934 - Surge a revista Photogrammetric Engineering (ASP)
1938 - Surge a revista Photogrammetria (ISP)
1939 a 1945 - Avanços no foto-reconhecimento durante a II
Guerra Mundial
1940s
1940 s - Invenção do RADAR
1940s - Invenção do avião a jato pela Alemanha
1942 - A Kodak patenteia o primeiro filme infravermelho falsa-cor
1942 - Lançamento do foguete Alemão V-2 por Wernher Von-
Braun (3 de outubro)
1950s
1950s - Invenção do sensoriamento remoto no infravermelho
termal pelos militares
1950 a 1953 - Reconhecimento aéreo na Guerra da Coréia
1Há tradução cm português, pela editora EDUSP, com o título Principia - Livro 1:
princípios matemáticos de filosofia (N.T.).
"Santos Dumont foi o primeiro a decolar a bordo de um avião impulsionado por um mo­
tor aeronáutico. Foi o primeiro a cumprir um circuito pré-estabelecido sob testemunho
oficial de especialistas, jornalistas e da população parisiense. Em 23 de outubro de 1906,
voou cerca de 60 metros e a uma altura de dois a três metros com seu 14 Bis, no Campo
de Bagatcllc em Paris (N.T.).
Sensoriamento Remoto do Ambiente
Tabela 1-1. Continuação.
1950s
1953 - Surge a revista Photogrammetric Record (Photogram­
metric Society, Inglaterra)
1954 - A Westinghouse, Inc., desenvolve o sistema de radar de
visada lateral aerotransportado
1955 a 1956 - Programa Norte-Americano Gcnetrix de recon­
hecimento por balão
1956 a 1960 - Programa da Agência Central de Inteligência
(CIA) de reconhecimento com aviões U-2
1957 - A União Soviética lança o satélite Sputnik (4 de outubro)
1958 - Os Estados Unidos lançam o satélite Explorer 1 (31 de
janeiro)
1960s
1960s - Ênfase principal no processamento visual de imagens
1960s - Ativação do Laboratório de Michigan Willow Run -
que evoluiu para o ERIM (Environmental Research Institute of
Michigan - Instituto de Pesquisa Ambiental de Michigan)
1960s - Primeiro International Symposium on Remote Sensing
of Environment em Ann Arbor, Michigan
1960s - Ativação do Laboratório para Sensoriamento Remoto
Agrícola de Purdue (LARS - Purdue Laboratory for Agricultural
Remote Sensing)
1960s - Laboratório de Sensoriamento Remoto Florestal na
Universidade da Califórnia, em Berkeley (Robert Colwell)
1960s - ITC - em Delft, Holanda, começa a educação fotogra-
métrica para estudantes estrangeiros
1960s - Iniciou-se o processamento de imagens digitais no
LARS, em Berkeley, Kansas, no ERIM
1960s - Desclassificação (militar para civil) dos sistemas sen­
sores de radar e infravermelho termal
1960- 1972 - Programa Norte Americano de satélites espiões
CORONA
1960 - Manual o f Photo-interpretation (ASP)
1960 - O termo “remote sensing” (sensoriamento remoto) é
introduzido por Evelyn Pruitt e pelo pessoal do U. S. Olfice of
Naval Research
1961 - Yuri Gagarin torna-se o primeiro homem a viajar ao espaço
1961- 1963 - Programa espacial Mercury
1961 - Decreto presidencial cria o G O CN A E (Grupo de Orga­
nização da Comissão Nacional de Atividades Espaciais), embrião
do INPE, no Brasil
1962 - Crise dos Mísseis Cubanos - foto-reconhecimento pelo
U-2 é apresentado ao público
1964 - O SR-71 é apresentado pelo Presidente Lyndon Johnson
numa coletiva de imprensa
1965-1966 - Programa espacial Gemini
1965 - ISPRS Journal of Photogrammetry & Remote Sensing
1969 - Remote Sensing of Environment (Elsevier)
1969 - Início das atividades de sensoriamento remoto no INPE
1970s
1970s, 80s - E possível a especialização em sensoriamento remoto
nas universidades
1 9 7 0 s- Florescimento do processamento digital de imagens
1 970s- Sensoriamento remoto integrado com sistemas de
informações geográficas
1972 - ERTS-1 (Earth Resources Technology Satellite, poste­
riormente re-batizado como Landsat) lançado (NASA)
Coleta de Dados por Sensoriamento Remoto
Tabela 1-1. Continuação.
1970s
1972- 73 - Implantação da estação de recepção de dados de
satélite de sensoriamento remoto, em Cuiabá-MT
1972 - Implantação do Curso de Mestrado cm Sensoriamento
Remoto, no INPE
1973- 1979 - Programa Skylab (NASA)
1973 - Canadian Journal o f Remote Sensing (Canadian Remote
Sensing Society)
1975 —ERTS-2 lançado (renomeado para Landsat-2)
1975 - Manual of Remote Sensing (ASP)
1977 - METEOSAT-1 lançado (European Space Agency)
1978 - Landsat-3 lançado (NASA)
1978 - Nimbus 7 lançado - senscfr Coastal Zone Color Scanner
1978 -T IR O S -N lançado com o sensor AVHRR
1978 - SEASAT lançado (NASA Jet Propulsion Laboratory)
1978 - Primeiro Simpósio Brasileiro de Sensoriamento Remoto
I980s
1980s - AAG Remote Sensing Specialty Group >500 membros
1980s - Tentativa frustrada de comercialização (do Landsat) -
EOSAT, Inc.
1980 - ISP torna-se International Society for Photogrammetry
& Remote Sensing
1980 - European Space Agency (ESA) é criada (30 de outubro)
1980 - IEEE Transactions on Geoscience and Remote Sensing
(GRSS Society)
1981 - Primeiro International Geoscience and Remote Sensing
Symposium IGARSS)
1981 - Iniciado o programa Space Shuttle (STS-1), da NASA
1981 - Lançado o Space Shuttle Imaging Radar (SIR-A) (NASA)
1982 - Lançado o Landsat-4 com o Thematic Mapper ( FM) e o MSS
1983 - Manual of Remote Sensing, 2a edição (ASP)
1984 - Lançado o Landsat-5 - Thematic Mapper c MSS (NASA)
1984 - Lançado o Space Shuttle Imaging Radar (SIR-A) (NASA)
1986 - Lançado o SPOT-1 (SPOT Image, Inc.)
1986 - Início da Geocarto International (Geocarto International
Center)
1989 - T h e Earth Observer (NASA Goddard Space Flight Center)
1990s
1990s - Maturidade da fotogrametria digital computadorizada
(soft-copy)
1990s - São disponíveis programas de pós-graduação em senso­
riamento remoto em universidades
1990s - Maturidade dos Light Detection and Ranging (LIDAR)
1990s - NASA apóia o sensoriamento remoto comercial (Sten-
nis Space Center)
1990s - Aumento do uso de sensores hiperespectrais e LIDAR
1990 - Lançado o SPOT-2 (Spot Image, Inc.)
1991 - Começo da “Mission to Planet Earth” (NASA)
1991 - Lançado o ERS-1 (European Space Agency)
1992 - O U.S. Land Remote Sensing Act torna-se lei
1993 - O Landsat-6 não atinge sua órbita (EOSAT, Inc.)
1993 - Lançado o SPOT-3 (Spot Image, Inc.)
1993 - Space Shuttle Imaging Radar (SIR-C) (NASA)
1995 - Lançado o RADARSAT-1 (Canadá)
1995 - Lançado o ERS-2 (European Space Agency)
1995 - Lançado o IRS-1C ( 5 x 5 m) (Indian Remote Sensing
Program)
7
Tabela 1-1. Continuação.
1990s
1995 - Imagens do CORONA são desclassificadas e transferidas
para os Arquivos Nacionais (U.S.)
1996 - Manual oí Photographic Interpretation, 2a edição
(ASP RS)
1997 - O Earlybird não atinge sua órbita (EarthWatch, Inc.)
1998 - O programa Mission to Planet Earth torna-se Earth Science
Enterprise (NASA)
1998 - Manual of Remote Sensing —Radar (ASPRS)
1998 - Criação do Curso de Doutoramento em Sensoriamento
Remoto, no INPE
1999 - Lançado o Landsat-7 ETM+
1999 - Lançado o CBERS-1 (China-Brazil Earth Resources
Satellite, outubro)
1999 - O IKONOS não atinge sua órbita (Space Imaging, Inc.,
27 de Abril)
1999 - Lançado o IKONOS-2, (Space Imaging, Inc., 24 de
setembro)
1999 - Lançado o sistema de observação da Terra chamado Terra
1999 - Lançado o ImageSat (Israel ImageSat International)
2000s
2000 - Iniciou-se o programa New Millenium (NASA)
2001 - Lançado o QuickBird (DigitaIGlobe, Inc.)
2002 - Lançado o sistema de observação da Terra chamado Aqua
(NASA)
2002 - Lançado o ENVISAT (European Space Agency)
2002 - Introdução dos algoritmos de segmentação de imagens
orientada ao objeto
2003 - Lançado o OrbView-3 (ORBIMAGE, Inc.)
2003 - Lançado o CBERS-2 (China-Brazil Earth Resources
Satellite, outubro)
2004 - GIScience & Remote Sensing (Bcllwether Publishing,
Inc.)
2004 - Manual ol Photogrammetry, 5a edição (ASPRS)
2005 - Google Earth usa dados da DigitaIGlobe e do TM /
Landsat
2006 - A ORBIM AGE compra a Space Imaging e muda o
nome para GeoEye
2007 - Lançado o CBERS-2B (China-Brazil Earth Resources
Satellite, setembro)
a sua vida. Tal aprendizado não pode ser medido, progra­
mado, ou entendido completamente. A sinergia da com­
binação do conhecimento científico com a experiência de
mundo real do analista permite ao intérprete desenvolver
métodos heurísticos práticos para extrair informações im­
portantes de uma imagem. E conhecido o fato de que al­
guns analistas de imagens são superiores a outros analistas
de imagens porque eles: 1) entendem melhor os princípios
científicos, 2) têm maior experiência de campo e viram
muitos objetos da paisagem e áreas geográficas, e/ou 3)
podem sintetizar princípios científicos e experiência do
mundo real para chegarem a conclusões lógicas e corretas.
Então, a interpretação de imagens de sensoriamento remo­
to é tanto uma arte como uma ciência.
8 C A P ÍT U L O
Informação Sobre um Objeto ou Área
Os sensores podem obter uma informação muito específica
sobre um objeto (p.ex., o diâmetro da copa de um carvalho)
ou a extensão de um fenômeno geográfico (p.ex., o limi­
te poligonal de toda uma floresta de carvalho). A energia
eletromagnética emitida ou refletida por um objeto ou área
geográfica é usada como um substituto da propriedade real
sob investigação. As medições da energia eletromagnética
devem ser convertidas em informação usando técnicas visu­
ais e/ou técnicas de processamento digital de imagens.
O Instrumento (Sensor)
O sensoriamento remoto é realizado usando um instru­
mento, frequentemente chamado de sensor. A maioria dos
instrumentos de sensoriamento remoto registram a REM
(radiação eletromagnética) que se desloca a uma velocida­
de de 3 x 108 m s'1 a partir da fonte, diretamente através
do vácuo ou, indiretamente, por reflexão ou rerradiação
para o sensor. A REM representa um canal de comunica­
ção muito eficiente e em alta velocidade entre o sensor e o
fenômeno remoto. De fato, não conhecemos nada que se
desloque mais rápido que à velocidade da luz. Mudanças
na quantidade ou propriedade da REM tornam-se, pela
detecção pelo sensor, uma valiosa fonte de dados para in­
terpretar importantes propriedades do fenômeno (p.ex.,
temperatura, cor). Outros tipos de campos de força po­
dem ser usados em lugar da REM , tais como ondas acústi­
cas (sonar) (p.ex., Dartnell e Gardner, 2004). Entretanto,
a maioria dos dados de sensoriamento remoto coletados
para aplicações em recursos da Terra é o resultado de sen­
sores que registram a energia eletromagnética.
Distância: Quão Longe E Remoto?
O sensoriamento remoto ocorre a uma distância do objeto
ou área de interesse. O interessante é que não há uma dis­
tinção clara sobre quão grande essa distância deveria ser. A
distância poderia ser 1 cm, 1 m, 100 m, ou mais de 1 milhão
de metros do objeto ou da área de interesse. Muito da astro­
nomia é baseado em sensoriamento remoto. De fato, mui­
tos dos mais inovadores sistemas de sensoriamento remoto e
de métodos visuais e de processamento de imagens digitais
foram originalmente desenvolvidos para o sensoriamento
remoto de paisagens extra-terrestres, como a Lua, Marte, Io,
Saturno, Júpiter, etc. Este texto, porém, trata primariamen­
te com o sensoriamento remoto da Terra, usando sensores
colocados em aeronaves suborbitais na atmosfera ou em sa­
télites colocados no espaço, operando no vácuo.
As técnicas de sensoriamento remoto e de processamento
digital de imagens também podem ser usadas para analisar
espaços internos. Por exemplo, um microscópio eletrônico
1 Sensoriamento Remoto do Ambiente
pode ser usado para obter fotografias de objetos extrema­
mente pequenos na pele, no olho, etc. Um instrumento
de raios-x é um sistema de sensoriamento remoto onde
a pele e o músculo são como a atmosfera que podem ser
penetrados, e os ossos ou outra matéria internos são os
objetos de interesse.
Vantagens e Limitações do Sensoriamento Remoto
O sensoriamento remoto tem várias vantagens únicas bem
como algumas limitações.
Vantagens
O sensoriamento remoto é não-intrusivo se o sensor estiver
registrando passivamente a energia eletromagnética refletida
ou emitida pelo fenômeno de interesse. Esta é uma con­
sideração muito importante, uma vez que o sensoriamento
remoto passivo não perturba o objeto ou a área de interesse.
Os equipamentos de sensoriamento são programados para
coletar dados sistematicamente, tais como as fotografias
aéreas verticais de 23 x 23 cm ou uma matriz (raster, ou
bitmap, ou mapa de bits, ou uma matriz de pontos ou
pixels) de dados do Thematic M apper (Mapeador Temá­
tico) do Landsat-5. Esta coleta de dados sistemática pode
remover o viés de amostragem introduzido em algumas
investigações in situ (p.ex., Karaska et al., 2004).
A ciência do sensoriamento remoto também é diferente da
cartografia ou do GIS (Ciência da Informação Geográfica)
porque estas ciências assentam-se em dados obtidos por
outras. A ciência do sensoriamento remoto pode fornecer
nova e fundamental informação científica. Sob condições
controladas, o sensoriamento remoto pode fornecer in­
formação biofísica básica, incluindo localização em x t y,
elevação ou profundidade em biomassa; temperatura; e
teor de água. Nesse sentido, a ciência do sensoriamento re­
moto assemelha-se ao levantamento, fornecendo informa­
ção básica que outras ciências podem usar ao conduzirem
investigações científicas. Porém, ao contrário do levanta­
mento, os dados de sensoriamento remoto podem ser obti­
dos sistematicamente para áreas geográficas muito grandes
ao invés de observações apenas pontuais. De fato, a in­
formação derivada do sensoriamento remoto atualmente é
crítica para o satisfatório modelamento de numerosos pro­
cessos naturais (p.ex., estimativa do suprimento de água;
estudos de eutrofização; poluição por fontes não-pontuais)
e culturais (p.ex., conversão do uso da terra nas bordas ur­
banas; estimativa da demanda por água; estimativas popu­
lacionais) (Walsh et ah, 1999; Stow et al., 2003; Nemani
et al., 2003; Karaska et al., 2004). Um bom exemplo é o
modelo digital de elevação, que é tão importante em mui-
O Processo do Sensoriamento Remoto
tos modelos de GIS espacialmente distribuídos (Clarke,
2001). Agora, os modelos digitais de elevação são produ­
zidos principalmente a partir de imagens estereoscópicas
de LID A R (light detection and ranging ou detecção da luz
e medição de distância) (p.ex., Maune, 2001; Hodgson et
al., 2003b; 2005), de medições por RADAR (radio detec­
tion an d ranging ou detecção de ondas de rádio e medição
de distância), ou de imagens interferométricas de radares
de abertura sintética (IFSAR).
Limitações
A ciência do sensoriamento remoto tem limitações. Talvez
a maior limitação é que geralmente ela é superestimada. O
sensoriamento remoto não éum apanacéia que fornecerá todas
as informações necessárias à condução das pesquisas físicas,
biológicas ou das ciências sociais. Ele simplesmente provê
alguma informação espacial, espectral e temporal de valor,
de uma forma que esperamos seja eficiente e econômica.
Os seres humanos selecionam o sistema de sensoriamento
remoto mais apropriado para coletar os dados, especificam
as várias resoluções dos dados dos sensores remotos, cali­
bram os sensores, selecionam a plataforma que irá portar
o sensor, determinam quando os dados serão coletados e
especificam como os dados serão processados. O erro pro­
duzido pelo método humano pode ser introduzido quan­
do os parâmetros da missão e do instrumento de sensoria­
mento remoto são especificados.
Potentes sistemas sensores remotos ativos que emitem sua
própria radiação eletromagnética (p.ex., LIDAR, RADAR,
SONAR) podem ser intrusivos e afetar o fenômeno que está
sendo investigado. Mais pesquisas são necessárias para deter­
minar quão intrusivos podem ser esses sensores ativos.
Os instrumentos de sensoriamento remoto podem ficar
descalibrados, resultando em dados não-calibrados obtidos
por tais sensores remotos. Finalmente, os dados dos senso­
res remotos podem ser muito caros para serem coletados
e analisados. Espera-se, porém, que a informação extraída
dos dados dos sensores remotos justifique os gastos. E in­
teressante notar que o maior gasto numa típica investiga­
ção com sensoriamento remoto é com analistas de imagens
bem treinados, e não com os dados dos sensores remotos.
■ ■ ■ O Processo do Sensoriamento
RH
Remoto
Os cientistas vêm desenvolvendo procedimentos para
coleta e análise de dados de sensoriamento remoto por
mais de 150 anos. A primeira fotografia a partir de uma
plataforma aérea (um balão fixo) foi obtida em 1858 pelo
9
francês Gaspard Felix Tournachon (que se auto-apelidava
Nadar). Grandes passos na fotografia aérea e outros siste­
mas de coleta de dados por sensoriamento remoto ocor­
reram durante as I e II Guerras Mundiais, no conflito
da Coréia, na Crise dos Mísseis de Cuba, na Guerra do
Vietnã, na Guerra do Golfo, na guerra da Bósnia, e na
guerra contra o terrorismo. Muitos dos marcos signifi­
cativos estão sumarizados na Tabela 1-1 e no Capítulo 3
(História da Fotografia Aérea e das Plataformas Aéreas).
Basicamente, os contratos militares junto às companhias
privadas resultaram no desenvolvimento de sofisticados
sistemas eletro-ópticos multiespectrais e sistemas senso­
res de infravermelho termal e de micro-ondas (radar),
cujas características estão apresentadas nos Capítulos 7,
8 e 9, respectivamente. Embora a maioria dos sistemas de
sensoriamento remoto possa ter sido inicialmente desen­
volvida para aplicações de reconhecimento militar, esses
sistemas são também largamente usados para monitora­
mento dos recursos naturais da Terra.
Os procedimentos de coleta e análise de dados de sensoria­
mento remoto usados para aplicações aos recursos da Terra
são frequentemente implementados de um modo sistemá­
tico que pode ser chamado de o processo do sensoriamento
remoto. Os procedimentos no processo do sensoriamento
remoto são sumarizados aqui e na Figura 1-5:
• A hipótese a ser testada é definida usando um tipo es­
pecífico de lógica (p.ex., indutiva, dedutiva) e um mo­
delo adequado de processamento (p.ex., determinísti-
co, estocástico).
• São coletados dados colaterais e in situ necessários para
calibrar os dados do sensor remoto e/ou julgar suas ca­
racterísticas geométricas, radiométricas e temáticas.
• Os dados do sensor remoto são coletados passiva ou
ativamente usando instrumentos de sensoriamento
remoto analógicos ou digitais, idealmente ao mesmo
tempo em que se coletam os dados in situ.
• Os dados in situ e de sensoriamento remoto são proces­
sados usando a) processamento de imagem analógica,
b) processamento digital de imagens, c) modelagem, e
d) visualização a «-dimensões.
• Os metadados, os passos do processamento e a exati­
dão da informação são fornecidos, e os resultados são
comunicados usando imagens, gráficos, tabelas estatís­
ticas, base de dados GIS, Sistemas Espaciais de Suporte
à Decisão (SD SS), etc.
E útil revisar as características desses procedimentos do
processo do sensoriamento remoto.
10 C A P IT U L O 1 Sensoriamento Remoto do Ambiente

O Processo do Sensoriamento Remoto

• Formulação de Hipóteses
(se apropriado)
• Seleção da Lógica
Apropriada
- Indutiva e/ou
- Dedutiva
- Tecnológica
• Seleção do Modelo
Apropriado
- Determinístico
- Empírico
- Baseado no conhecimento
- Baseado no processo
- Estocástico
• Medições /’// situ
- Campo (p.ex., x, y, z com
GPS, biomassa, reflectância)
- Laboratório (p.ex., reflectân­
cia, índice de área foliar)
• D ados Colaterais
- Modelos digitais de elevação
- Mapas de solos
- Mapas de geologia de
superfície
- Densidade populacional, etc.
• Sensoriamento Remoto
- Analógico passivo
- Câmera métrica
- Videografia
- Digital passivo
- Câmera métrica
- Escânercs
- Multiespectral
- Hiperespectral
- Matrizes lineares e de área
- Multiespectral
- Hiperespectral
- Ativo
- Micro-ondas (RADAR)
- Laser (LIDAR)
- Acústico (SONAR)
• Processamento Analógico (Análise • M etadados de Imagens
Visual) de Imagens - Pontes
- Usando os Elementos de Interpretação de - Passos do Processamento
Imagens
• Avaliação da Exatidão
• Processamento Digital de Imagens - Geométrica
- Pré-processamento - Radiométrica
- Correção radiométrica - Temática
- Correção geométrica - Detecção de mudanças
- Realce
- Análise fotogramétrica • Analógica e Digital
- Paramétrica, como - Imagens
- Máxima verossimilhança - Não-retificadas
- Não-paramétrica, como - Ortorretificadas
- Redes neurais artificiais - Ortofotomapas
- Não-métrica, como - Mapas temáticos
- Sistemas especialistas - Base de dados GIS
- Classificadores por árvore de decisão - Animações
- Aprendizado pela máquina - Simulações
- Análise hiperespectral
- Detecção de mudanças • Estatísticas
- Modelagem - Univariada
- Modelagem espacial usando dados GIS - Multivariada•
- Modelagem de cena
- Geo-visualização científica • Gráficos
- 1,2, 3, n dimensões - 1, 2 e 3 dimensões
• Teste de Hipóteses
- Aceitação ou Rejeição das hipóteses

Figura 1-5 Os cientistas geralmente usam o processo tio sensoriamento remoto quando extraem informação a partir de dados de
sensoriamento remoto.

Enunciado do Problema O método científico é normalmente usado em conjunto

com modelos ambientais que são baseados em dois tipos
primários de lógica:
Às vezes o público leigo e mesmo as crianças olham uma fo­
tografia aérea ou outro dado de um sensor remoto e extraem • lógica dedutiva
informação útil. Geralmente, eles fazem isso sem uma hipó­
tese formal em mente. Com muito mais frequência, entre­ • lógica indutiva
tanto, eles interpretam a imagem incorretamente porque não
entendem a natureza do sistema do sensoriamento remoto M odelos baseados na lógica dedutiva e/ou indutiva po­
usado para coletar os dados ou não valorizam a perspectiva dem ser ainda subdivididos de acordo com o seu proces­
oblíqua ou vertical do terreno registrada na imagem. samento, seja deterministicam ente ou estocasticamente
(Jensen, 2005). Alguns cientistas extraem novas infor­
Os cientistas que usam o sensoriamento remoto, por outro mações temáticas diretamente da imagem de sensoria­
lado, geralmente são treinados no método científico - uma mento remoto mesmo sem nunca usar explicitamente
maneira de pensar sobre os problemas e resolvê-los. Usam um a lógica indutiva ou dedutiva. Eles estão interessados
plano formal que tem pelo menos cinco elementos: 1) enun­ apenas na extração da informação a partir da imagem
ciado do problema, 2) formulação das hipóteses da pesquisa usando métodos e tecnologias apropriados. Esta abor­
(isto é, uma possível explicação), 3) observação e experimenta­ dagem tecnológica não é tão rigorosa, mas é comum no
ção, 4) interpretação dos dados, e 5) delineamento das conclu­ sensoriamento remoto aplicado. E também pode gerar
sões. Não é necessário seguir exatamente este plano formal. novos conhecimentos.
O Processo do Sensoriamento Remoto
O sensoriamento remoto é usado tanto na abordagem
científica (indutiva e dedutiva) quanto na tecnológica
para obter conhecimento. Há controvérsia sobre como
os diferentes tipos de lógica usados no processo do sen­
soriamento remoto fornecem novos conhecimentos cien­
tíficos (p.ex., Fussel et ah, 1986; Curran, 1987; Fisher e
Lindenberg, 1989; Dobson, 1993; Skidmore, 2002).
Identificação dos Requisitos de Dados In situ
e de Sensoriamento Remoto
Se uma hipótese é formulada usando lógica indutiva e/
ou dedutiva, é identificada* uma lista de variáveis ou ob­
servações que serão usadas durante a investigação. O b­
servações in situ e/ou de sensoriamento remoto podem
ser usadas para coletar informação sobre a maioria das
variáveis importantes.
Cientistas usando tecnologias de sensoriamento remoto
deveríam ser bem treinados nos procedimentos de cole­
ta de dados no campo e no laboratório. Por exemplo, se
um cientista quer mapear a temperatura superficial de um
lago, em geral é necessário coletar algumas medidas da
temperatura do lago in situ de forma precisa e empírica ao
mesmo tempo em que os dados do sensor remoto forem
coletados. As observações in situ podem ser usadas para
1) calibrar os dados do sensor remoto, e/ou 2) fazer uma
avaliação não-viesada da precisão dos resultados finais
(Congalton e Green, 1998). Os livros-textos de sensoria­
mento remoto fornecem alguma informação sobre téc­
nicas de amostragem no campo e no laboratório. Entre­
tanto, os procedimentos de amostragem in situ são mais
bem aprendidos durante os cursos formais de ciência (por
exemplo, química, biologia, floresta, solos, hidrologia,
meteorologia). Também é importante saber como coletar
de forma precisa informação sócio-econômica e demográ­
fica em ambientes urbanos com base no treinamento em
geografia humana, sociologia, etc.
Atualmente, a maioria dos dados in situ é coletada em con­
junto com dados x, y, z do sistema de posicionamento glo­
bal (GPS) (Jensen e Cowen, 1999). Os cientistas deveriam
saber como coletar os dados de GPS em cada estação (local)
de coleta de dados in situ e como fazer a correção diferencial
para obter coordenadas x,y, z precisas (Rizos, 2002).
Requisitos de Dados Colaterais
Muitas vezes os dados colaterais (frequentemente cha­
mados dados auxiliares), tais como modelos digitais de
elevação, mapas de solos, mapas geológicos, arquivos
com limites políticos, e estatísticas populacionais agru­
padas, são importantes no processo de sensoriamento
11
remoto. Idealmente, os dados colaterais ficam residen­
tes em um G IS (Clarke, 2001).
Requisitos de Dados de Sensoriamento Remoto
Uma vez que tenhamos uma lista de variáveis, é útil deter­
minar quais delas podem ser obtidas por sensoriamento re­
moto. O sensoriamento remoto pode fornecer informação
sobre duas classes de variáveis: biofísicas e híbridas.
Variáveis biofísicas: Algumas variáveis biofísicas podem
ser medidas diretamente por um sistema de sensoriamen­
to remoto. Isso significa que os dados de sensoriamento
remoto podem fornecer diretamente informação bioló­
gica e/ou física (biofísica) fundamental, geralmente sem
ter de usar outros dados substitutos ou auxiliares. Por
exemplo, os sistemas de sensoriamento remoto no infra­
vermelho termal podem registrar a temperatura aparente
de um corpo rochoso pela medição da energia radiante
que emana dessa superfície. Similarmente, é possível fa­
zer sensoriamento remoto numa região muito específica
do espectro e identificar a quantidade de vapor d’água na
atmosfera. E possível também medir o teor de umidade
do solo diretamente usando técnicas de sensoriamento
remoto na faixa de micro-ondas (Engman, 2000). O Mo-
derate Resolution Imaging Spectrometer (M O D IS), da
NASA, pode ser usado para medir a radiação fotossin-
teticamente ativa absorvida (APAR) e o índice de área
foliar (LAI). A localização x, y, e a altura {z) precisas de
um objeto podem ser extraídas diretamente da fotografia
aérea estereoscópica, de imagem de satélite com recobri-
mento (p.ex., SPO T ), de dados de sensor de detecção de
luz e distância (LIDAR), ou de imagem interferométrica
de radar de abertura sintética (IFSAR).
A Tabela 1-2 é uma lista selecionada de variáveis biofísicas
que podem ser obtidas por sensoriamento remoto usando
sensores adequados para adquirir os dados. As característi­
cas de muitos desses sistemas de sensoriamento remoto são
discutidas nos Capítulos 4, 7, 8 e 9. Foram dados grandes
passos no sensoriamento remoto de muitas dessas variáveis
biofísicas. Elas são importantes para o esforço nacional e
internacional em andamento para modelar o ambiente
global (Jensen et ah, 2002; Asrar, 2004).
Variáveis Híbridas: O segundo grupo geral de variáveis
que podem ser obtidas por sensoriamento remoto inclui as
variáveis híbridas, criadas pela análise sistemática de mais
de uma variável biofísica. Por exemplo, pelo sensoriamen­
to remoto das características de uma planta quanto à sua
absorção pela clorofila, temperatura e teor de umidade,
seria possível modelar esses dados para detectar estresse
de vegetação — uma variável híbrida. A diversidade de
variáveis híbridas é grande; consequentemente, nenhuma
12 C A P ÍT U L O 1 Sensoriamento Remoto do Ambiente

Tabela 1-2. Seleção de variáveis biofísicas e híbridas, e o potencial dos sistemas de sensoriamento remoto usados para
obter a informação.

Variáveis Biofísicas Sistemas de Sensoriamento Remoto Potenciais

Controle Geodésico x, y, z - Sistemas de Posicionamento Global (GPS)

Localização x, y a partir de Imagem Ortocorrigida - Fotografia aérea estereoscópica analógica ou digital, Ikonos
da Space Imaging, QuickBird da DigitalGlobe, OrbView-3
da Orbimage, HRV-SPOT da França, Landsat (Thematic
Mapper, Enhanced TM*), IRS-1CD da índia, Sensor de
micro-ondas dos ERS-1 e 2 da Europa, MERIS-ENVISAT
da Europa, M ODIS (Moderate Resolution Imaging Spectro-
meter), LIDAR, Radarsat 1 e 2 do Canadá, CBERS-1, 2 e 2B
do Brasil-China.
Topografia/Batimetria z
- Modelo Digital de Elevação (DEM) - GPS, fotografia aérea estereoscópica, LIDAR, SPOT, RA­
DARSAT, IKONOS, QuickBird, OrbView-3, Shuttle Radar
Topography Mission (SRTM), Radar Interferométrico de
- Modelo Batimétrico Digital (DBM) Abertura Sintética (IFSAR)
- SONAR, LIDAR batimétrico, fotografia aérea estereoscópica
Vegetação
- Pigmentos (p.ex., clorofilas a e b) - Fotografia área colorida, ETM* Landsat, IKONOS, Qui­
ckBird, OrbView-3, SeaWiFS da Orbimage, Advanced
Spaceborne Thermal Emission and Reflection Radiometer
-Estrutura e altura do dossel (ASTER), ENVISAT, hiperespectral aerotransportado (p.ex.,
AVIRIS, HyMap, CASI)
- Biomassa derivada de índices de vegetação - Fotografia aérea estereoscópica, LIDAR, RADARSAT, IFSAR
- índice de área foliar (LAI ou IAF) - Fotografia aérea infravermelha colorida (CIR), fotogra­
- Radiação fotossinteticamente ativa absorvida fia aérea, Landsat (TM, ETM*), IKONOS, QuickBird,
- Evapotranspiração OrbView-3, Advanced Very High Resolution Radiometer
(AVHRR), CBERS (CCD, WFI), Multiangle Imaging Spec-
troradiometer (MISR), sistemas hiperespectrais aerotrans-
portados (p.ex., AVIRIS, HyMap, CASI)
Temperatura Superficial (terra, água, atmosfera) - ASTER, AVHRR, GOES, Hyperion, MISR, M ODIS, Sea­
WiFS, infravermelho termal aerotransportado
Solos e Rochas
- Umidade -ASTER, micro-ondas passivo (SSM/1), RADARSAT, MISR,
ALMAZ, Landsat (TM, ETM*), ERS-1 e 2, Intermap Star 3/
- Composição mineral - ASTER, M ODIS, sistemas hiperespectrais (p.ex., AVIRIS,
HyMap, CASI)
- Taxonomia - Fotografia área colorida de alta resolução e fotografia
aérea infravermelha colorida (CIR), sistemas hiperespectrais
aerotransportados (p.ex., AVIRIS, HyMap, CASI)
- Alteração hidrotermal - Landsat (TM, ETM*), ASTER, M O DIS, hiperespectrais
aerotransportados (p.ex., AVIRIS, HyMap, CASI)
- Fotografia aérea, ALMAZ, ERS-1 e 2, RADARSAT, Intermap
Rugosidade Superficial
Star 3i, IKONOS, QuickBird, ASTER, ENVISAT ASAR
Água - Fotografia aérea colorida normal e infravermelha, Landsat
- Cor (TM, ETM +), SPOT, IKONOS, QuickBird, OrbView-3,
- Hidrologia de superfície ASTER, SeaWiFS, M ODIS, sistemas hiperespectrais
- Minerais em suspensão aerotransportados (p.ex., AVIRIS, HyMap, CASI), AVHRR,
- Clorofila/material orgânico em suspensão GOES, LIDAR batimétrico, MISR, CERES, Hyperion,
- Material orgânico dissolvido TOPEX/POSEIDON, MERIS
O Processo do Sensoriamento Remoto
Tabela 1-2. Continuação.
Variáveis Biofísicas
Neve e Gelo Marinho
- Extensão e características
Efeitos Vulcânicos
- Temperatura, gases
BRDF (Função de Distribuição da Reflectância
Bidirecional)
Variáveis Híbridas Selecionadas
Uso da Terra
- Comercial, residencial, transporte, etc.
- Cadastral (propriedades)
- Mapeamento para taxação
Vegetação
- Estresse
tentativa é feita para identificá-las. Entretanto, é impor­
tante salientar que o uso da terra e a cobertura da terra
em escala nominal são variáveis híbridas. Por exemplo, a
cobertura da terra de uma área particular numa imagem
pode ser derivada a partir da avaliação de diversas vari­
áveis biofísicas ao mesmo tempo [p.ex., localização (x,
y) do objeto, altura (z), cor e/ou tonalidade, biomassa
e talvez temperatura]. Tamanha atenção foi colocada no
sensoriamento remoto dessas variáveis híbridas de escala
nom inal que as variáveis biofísicas escalonadas por inter­
valo ou fração foram muito negligenciadas até meados
dos anos 1980s. O mapeamento em escala nominal do
uso da terra e da cobertura da terra são potencialidades
importantes da tecnologia do sensoriamento remoto e
não deveríam ser minimizadas. Muitos cientistas sociais e
físicos usam rotineiramente tais dados em suas pesquisas.
Entretanto, agora há um dramático aumento na extração
de dados biofísicos escalonados por intervalo e fração que
são incorporados em modelos quantitativos que podem
aceitar informação espacialmente distribuída.
Coleta de Dados de Sensoriamento Remoto
Os dados de sensoriamento remoto são coletados usando
sistemas de sensoriamento remoto passivos ou ativos. Os
13
Sistemas de Sensoriamento Remoto Potenciais
- Fotografia aérea colorida normal e infravermelha, AVHRR,
GOES, Landsat (TM, ETM 4), SPOT, SeaWiFS, IKONOS,
QuickBird, ASTER, M ODIS, MERIS, ERS-1 e 2, RA­
DARSAT
- ASTER, MISR, Hyperion, M ODIS, sistemas hiperespec­
trais aerotransportados
- MISR, M ODIS, CERES
Sistemas de Sensoriamento Remoto Potenciais
- Fotografia aérea estereoscópica de alta resolução pan-
cromática, colorida normal ou infravermelha, imagem
de satélite de alta resolução espacial (<1 x 1 m: IKONOS,
QuickBird, OrbView-3), SPOT (2,5 m), LIDAR, sistemas
hiperespectrais de alta resolução espacial aerotranspor­
tados (p.ex., AVIRIS, HyMap, CASI)
- Fotografia aérea colorida normal ou infravermelha,
Landsat (TM, ETM 4), IKONOS, QuickBird, OrbView-3,
AVHRR, SeaWiFS, MISR, M ODIS, ASTER, MERIS,
sistemas hiperespectrais aerotransportados (p.ex., AVIRIS,
HyMap, CASI)
sensores passivos registram a radiação eletromagnética que
é refletida ou emitida pelo terreno (Shippert, 2004). Por
exemplo, câmeras e gravadores de vídeo podem ser usa­
dos para registrar a energia visível e infravermelha refletida
pelo terreno. Um escâner multiespectral pode ser usado
para registrar a quantidade de fluxo radiante termal que
deixa o terreno. Sensores ativos, tais como os de micro­
ondas (RADAR), LIDAR ou SO NA R, cobrem o terreno
com energia eletromagnética gerada pelo próprio equipa­
mento, e depois registram a quantidade de fluxo radiante
espalhado de volta em direção ao sistema sensor.
Os sistemas de sensoriamento remoto coletam dados
analógicos (p.ex., fotografias aéreas em papel ou dados
de vídeo) e/ou dados digitais [p.ex., uma matriz (raster)
de valores de brilho obtidos usando um escâner, uma
matriz linear, ou uma matriz de área ou bidim ensional].
Um a lista selecionada de alguns dos mais importantes
sistemas de sensoriamento remoto é apresentada na Ta­
bela 1-3.
A magnitude da radiância eletromagnética, L (watts m'2
sr'1; watts por metro quadrado por esterradiano), registra­
da dentro de um IFO V de um sistema de sensoriamento
remoto óptico (p.ex., um elemento de imagem numa ima­
gem digital), é uma função de:
Tabela 1-3. Seleção de sistemas de sensoriamento remoto e suas características.
Resolução

Espectral

Vermelho '"fravermelho |nfravermelh0 Infravermelho ... . Espacial Temporal

Sistemas de Sensoriamento Remoto Azul Verde Micro-ondas
termal (m) (dias)
Proxlm° médio (SWIR) I
Sensores Suborbitais

Filme pancromático (preto e branco) 0,5 - 0,7 pm Variável Variável

Filme colorido 0,4 - - 0,7 pm Variável Variável

Filme infravermelho colorido 0,5 ..................... 0,9 pm Variável Variável

1 1 1 0,25 - 5 Variável

CAPÍTULO
Câmeras métricas digitais (CCD) 1

CASI 1500 0,40 ---------288 bandas ............................ 1,0 pm Variável Variável

AVIRIS - Airborne Visible Infrared 224 bandas ------------------------------ 2,5 pm 2,5 ou 20 Variável
0,40
Imaging Spectrometer

Intermap Star-3i Radar banda 1 Variável Variável

X
Sensores em Satélites

NOAA-9 AVHRR LAC 1 1 3 1.100 14,5/dia

Sensoriamento Remoto do Ambiente

NOAA-K, L, M 1 1 2 2 1.100 14,5/dia

Landsat Multispectral Scanner (MSS) 1 1 2 79 16-18

Landsat 4 e 5 Thematic Mappers (TM) 1 1 1 1 2 1 30 e 120 16

Landsat 7 Enhanced TM (E FM+) 1 2 1 30 e 60 16

1 1 1
- Multiespectral

- Pancromático 0,52 — -........0,9 pm 15 16

com aponta­
SPOT 4 HRV - Multiespectral 1 1 1 20
mento
com aponta­
- Pancromático 0,51 ------- 0,73 pm 10
mento

O Processo do Sensoriamento Remoto

Tabela 1-3. Seleção de sistemas de sensoriamento remoto e suas características (continuação).
Resolução

Espectral

Sistemas de Sensoriamento Remoto Azul Verde Vermelho lnfravermelho Infravermelho Espacial Temporal
Infravermelho Micro-ondas
proximo termal (m ) (dias)
médio (SWIR)
Sensores Suborbitais

Série GO ES (Leste e Oeste) 0 ,5 2 ......... ...................... 0,72 pm 700 0,5/dia

European Remote Sensing Satellite
Polarização W Banda C (5,3 GHz) 2 6-28 -
(ERS-1 e 2)

RADARSAT Canadense (vários modos) Polarização HH Banda C (5,3 GHz) 9-100 1-6 dias

Shuttle Imaging Radar (SIR-C) 30 Variável

iv ,9f*n-
Sea-Viewing Wide Field-of-View Sen­
3 2 1 2 1.130 1
sor (SeaWiFS)
M O DIS —Moderate Resolution Imag­ 250, 500,
0 ,4 0 5 ------------------------ 36 bandas------ 14,385 pm 1-2
ing Spectrometer 1000
ASTER - Advanced Spaceborne 0,52 - 3 bandas - 0,86 pm 15 5
Thermal Emission and Reflection 1 ,6 - 6 bandas - 2,43 pm 30 16
Radiometer 8 ,1 2 - 5 bandas - 11,6 pm 90 16
M ISR - Multiangle Imaging Spectro-
Nove câmeras C C D em quatro bandas (440, 550, 670, 860 nm) 2 7 5 e 1000 1-2
Radiometer
NASA Topex/Poseidon —TO PEX radar
altimeter (18, 21, 37 GHz)
315.000 10
—PO SEIDO N single-frequency radi- (13,65 GHz)
ometer
Space Imaging IKONOS com aponta­
1 4
- Multiespectral mento

- Pancromático 0 ,4 5 ------------------------------------- 0,9 pm 1

DigitaIGlobe QuickBird com aponta­

2.44
- Multiespectral mento

- Pancromático 0 ,4 5 ------------------------------------ 0,9 pm 0,61

oi
16 C A P ÍT U L O
L = f ( X , s ^ , t , Q , P,Q) (1-1)
onde
A, = comprimento de onda (resposta espectral medida em
várias bandas ou em frequências específicas). O compri­
mento de onda (À.) e a frequência (v) podem ser usados
intercambiavelmente com base na sua relação com a velo­
cidade da luz (c) onde c = X x v.
svi = localização x, y, z do pixel e seu tamanho (x, y);
t = informação temporal, i.e, quando, durante quanto tem­
po, e com que frequência os dados são adquiridos;
0 = conjunto de ângulos que descrevem as relações geo­
métricas entre a fonte de radiação (por exemplo, o Sol), o
objeto de interesse no terreno (por exemplo, um campo ou
talhão de milho), e o sistema de sensoriamento remoto;
P = polarização da energia retroespalhada registrada pelo
sensor; e
Q = resolução radiométrica (precisão) com que os dados
(i.e., radiação refletida, emitida, ou retroespalhada) foram
registrados pelo sistema de sensoriamento remoto.
E interessante revisar brevemente as características dos parâ­
metros associados com a Equação 1-1 e como eles influenciam
a natureza dos dados de sensoriamento remoto coletados.
Informação Espectral e Resolução
A maioria das pesquisas de sensoriamento remoto é ba­
seada no desenvolvimento de uma relação determinística
(i.e., um modelo) entre a quantidade de energia eletro­
magnética refletida, emitida, ou retroespalhada em bandas
ou frequências específicas e as características químicas, bio­
lógicas e físicas dos fenômenos em investigação (p.ex., um
dossel de campo de milho). Resolução espectral é o número
e a dimensão (tamanho) de intervalos de comprimentos
de onda específicos (chamados de bandas ou canais) no
espectro eletromagnético aos quais um instrumento de
sensoriamento remoto é sensível.
Os sistemas de sensoriamento remoto imiltiespectrais re­
gistram a energia em múltiplas bandas do espectro ele­
tromagnético. Por exemplo, nos anos 1970s e início dos
1980s, o Multispectral Scanner do Landsat (M SS) regis­
trou dados de sensoriamento remoto de grande parte da
Terra que ainda são de valor significativo para estudos de
detecção de mudanças. As larguras das quatro bandas do
M SS são mostradas na Figura l-6a (banda 1 = 500 - 600
nm; banda 2 = 600 - 700 nm; banda 3 = 700 - 800 nm;
e banda 4 = 800 - 1.100 nm). A largura nominal de uma
1 Sensoriamento Remoto do Ambiente
banda pode ser grande (isto é, grosseira), como a banda
4 do M SS Landsat no infravermelho próximo (800 -
1.100 nm) ou relativamente menor (isto é, mais fina),
como a banda 3 do M SS do Landsat (700 — 800 nm).
Neste caso, os detectores da banda 4 do M SS do Landsat
registravam um intervalo relativamente largo de fluxo
radiante refletido no infravermelho (300 nm de largura)
enquanto os detectores da banda 3 do M SS registravam
um intervalo bem mais reduzido de fluxo radiante no
infravermelho (100 nm de largura).
As quatro bandas multiespectrais da câmera métrica digital
do ADAR 5500 da Positive Systems são mostradas para
fins comparativos (Figura l-6a, c e d). As larguras de banda
da câmera foram refinadas para registrarem informação em
regiões mais específicas do espectro (banda 1 = 450 —515
nm; banda 2 = 525 - 605 nm; banda 3 = 640 - 690 nm,
e banda 4 = 750 - 900 nm). Há espaços entre as sensibili­
dades espectrais dos detectores. Observe que esse sistema
de câmera digital também é sensível à energia refletida no
comprimento de onda do azul.
A terminologia mencionada anteriormente é tipicamente
usada para descrever a resolução espectral nominal de um sen­
sor. Entretanto, é difícil criar um detector que tenha limites
de comprimento de onda extremamente bem definidos tais
como aqueles mostrados na Figura l-6a. Mais propriamen­
te, o método mais preciso para estabelecer o intervalo de
comprimento de onda é observar a forma Gaussiana típica
da sensibilidade do detector, como mostrado no exemplo da
Figura 1-6b. O analista então determina a Largura Com ­
pleta na Metade do Máximo (FW HM ). Neste exemplo hi­
potético, a banda 3 do infravermelho próximo do M SS do
Landsat em análise é sensível à energia entre 700 e 800 nm.
Um instrumento hiperespectral de sensoriamento remoto
adquire os dados tipicamente em centenas de bandas es­
pectrais (Goetz, 2002). Por exemplo, o Airborne Visible
Infrared Imaging Spectrometer (AVIRIS) tem 224 bandas
na região de 400 a 2.500 nm espaçadas de apenas 10 nm
entre elas com base no critério de FW HM (Clark, 1999;
NASA, 2006). Um cubo de dados hiperespectrais AVIRIS
de uma porção da área da Usina Nuclear de Savannah Ri-
ver, perto de Aiken, Carolina da Sul, é mostrado na Figura
1-7. O sensoriamento remoto ultraespectralenvolve a cole­
ta de dados em muitas centenas de bandas.
Certas regiões ou bandas espectrais do espectro eletromag­
nético são ótimas para obter informações sobre parâmetros
biofísicos. As bandas são normalmente selecionadas para ma­
ximizar o contraste entre o objeto de interesse e o seu subs­
trato (i.e., o contraste objeto—substrato). A seleção cuidadosa
das bandas espectrais pode melhorar a probabilidade de que
a informação desejada vá ser extraída do sensor remoto.
O Processo do Sensoriamento Remoto 17

Resolução Espectral
M ultispectral Scanner do Landsat (M SS)

G R NIR Infravermelho
próximo

1 2 3 banda 4
I-----1-----C— l------1----- 1----- 1----- 1
0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1

ADAR 5500 da Positive Systems

b. Medição precisa do intervalo espectral de

um detector com base no critério da Largura
Completa à Metade do Máximo (FWHM).
Comprimento de onda, pm
a. Resolução espectral nominal do Multispectral
Scanner do Landsat e da câmera métrica digital
ADAR 5500 da Positive Systems.
banda do azul
( 4 5 0 - 515 nm)

banda do v<
(525 - 605

banda do vermelho
(640 - 690 nm)

banda do infravermelho
próximo (750 - 900 nm)

c. Dados de uma única banda do ADAR 5500. d) Sensoriamento remoto multiespectral.

Figura 1-6 a) Intervalos espectrais das quatro bandas (verde, vermelho, e duas no infravermelho próximo) do Multispectral Scanner do
Landsat (MSS) comparados com os intervalos espectrais de uma câmera métrica digital ADAR 5500. b) O intervalo espectral
verdadeiro é a largura do perfil espectral de uma forma Gaussiana na Largura Completa na Metade da Máxima (FWHM)
intensidade (Clark, 1999). Este exemplo tem intervalo espectral de 0,1 pm (100 nm) entre 700 e 800 nm. c) Se desejável, é
possível coletar energia refletida numa única banda do espectro eletromagnético (p.ex., 750 - 900 nm). Esta é uma imagem do
ADAR 5500 de 0,33 x 0,33 m de resolução espacial no infravermelho próximo, d) Sensores multiespectrais coletam dados em
múltiplas bandas do espectro eletromagnético (as imagens são uma cortesia da Positive Systems, Inc.).

Informação e Resolução Espacial
A maioria dos estudos de sensoriamento remoto registra os
atributos espaciais dos objetos no terreno. Por exemplo, cada
cristal de baleto de prata numa fotografia aérea analógica e
cada elemento de imagem (pixel) numa imagem digital de
sensoriamento remoto está localizado numa posição especí­
fica na imagem e associado com coordenadas x,y específicas
no terreno. Uma vez retificada para uma projeção cartográ­
fica padrão, a informação espacial associada com cada cristal
de baleto de prata ou pixel é de valor significativo porque
ela permite que a informação derivada do sensoriamento
remoto seja usada com outros dados espaciais num GIS ou
sistema de suporte à decisão (Jensen et al., 2002).
Há uma relação geral entre o tamanho de um objeto ou
área a ser identificada e a resolução espacial de um sistema
de sensoriamento remoto. Resolução espacialé uma medida
18 C A P ÍT U L O
C ubo de D ados H iperespectrais do Airborne Visible
Infrared Im aging Spectrom eter (AVIRIS) da área da
Usina do Savannah River próxim a a Aiken,
na C arolina do Sul.
400 nm
A imagem do infravermelho próximo no topo do cubo
de dados é apenas uma das 224 bandas com intervalo
espectral de 10 nm adquirida em 26 de Julho de 1999.
Figura 1-7 Imagem hiperespectral de uma área da Usina do Sa­
vannah River, Carolina do Sul, obtida pelo Airborne
Visible/Infrared Imaging Spectrometer (AVIRIS) da
NASA. A resolução espacial nominal é de 3,4 x 3,4
m. A atmosfera absorve a maioria da radiação ele­
tromagnética próxima aos comprimentos de onda de
1.400 e 1.900 nm, causando as bandas escuras no
cubo de dados hiperespectrais.
da menor separação angular ou linear entre dois objetos
que pode ser determinada pelo sistema de sensoriamento
remoto. A resolução espacial de fotografias aéreas pode ser
medida por 1) colocação de linhas pretas e brancas para­
lelas e calibradas sobre placas colocadas no campo, 2) ob­
tenção de fotografias aéreas da área de estudo, e 3) cálculo
do número de pares de linha por milímetro determinado na
fotografia. Também é possível determinar a resolução espa­
cial de uma imagem pelo cálculo da sua função de trans­
ferência de modulação (M TF), a qual está além do escopo
deste texto (Joseph, 2000).
Muitos sistemas de sensoriamento remoto em satélites
usam ópticas que têm um campo de visada instantâneo
(IFOV) constante (Figura 1-2). Assim, a resolução espacial
nominal de um sistema sensor é definida como a dimensão
em metros do IFOV projetado no terreno, onde o diâme­
1 Sensoriamento Remoto do Ambiente
tro do círculo (D )1 no terreno é uma função do campo de
visada instantâneo ((3) vezes a altitude (H) do sensor sobre
o nível do terreno (AGL) (Figura 1-2):
D = (3 x H (1-2)
Pixels são normalmente representados na tela do compu­
tador e em imagens em papel como retângulos com com­
primento e largura. Portanto, descrevemos um sistema de
resolução espacial nominal de um sistema sensor como sen­
do 10 x 10 m ou 30 x 30 m. Por exemplo, o QuickBird
da DigitalGlobe tem resolução espacial nominal de 61 x
61 cm para sua banda pancromática e 2,44 x 2,44 m para as
suas quatro bandas multiespectrais. O Enhanced Thematic
Mapper Plus do Landsat-7 (ET M +) tem resolução espacial
nominal de 15 x 13 m para a sua banda pancromática e 30
x 30 m para as suas seis bandas multiespectrais. Geralmente,
quanto menor a resolução espacial nominal, maior o poder
de resolução espacial do sistema de sensoriamento remoto.
A Figura 1-8 mostra uma imagem de câmera digital de
uma área em Mechanicsville, Nova Iorque, em resoluções
variando de 0,3 x 0,5 m a 80 x 80 m. Observe que não há
uma diferença significativa na interpretabilidade nos dados
de 0,5 x 0,5 m, nos de 1 x 1 m, e mesmo nos dados de 2 x 2
m. Entretanto, o conteúdo de informação urbana diminui
rapidamente quando se usa imagem de 5 x 5 m e é prati­
camente inútil para análises urbanas as resoluções espaciais
maiores de 10 x 10 m. Essa é uma razão histórica pela qual
os dados M SS Landsat (79 x 79 m) são de pouco valor para
a maioria da aplicações urbanas (Jensen e Cowen, 1999;
Jensen et al., 2002).
Uma regra heurística prática útil é a de que, a fim de
detectar uma feição, a resolução espacial nominal do sis­
tema de sensoriamento remoto deveria ser pelo menos a
metade do tamanho da feição medida na sua menor di­
mensão. Por exemplo, se quisermos identificar a localiza­
ção de pequenas árvores num parque, a resolução espacial
mínima aceitável seria aproximadamente a metade do di­
âmetro da menor copa de árvore encontrada no parque.
Mesmo esta resolução espacial, entretanto, não garantirá
sucesso se não houver diferença entre a resposta espectral
da árvore (o objeto) e o solo ou a grama que está ao redor
dela (isto é, o substrato).
Alguns sistemas sensores, como o LIDAR, não “mapeiam”
completamente a superfície do terreno. Mais propriamen­
te, a superfície é “amostrada” usando pulsos de laser en­
viados da aeronave num intervalo de tempo nominal (Ra-
' Em geral, como os detectores são retangulares ou quadrados, 6 comum usar as dimensões
dos seus lados para calcular o IFOV. São raros os detectores circulares. (N. I.)
O Processo do Sensoriamento Remoto 19

Resolução Espacial

40 x 40 m 80 x 80 m 1 10 20 80 m

Figura 1-8 Imagem de uma área residencial próxima a Mechanicsville, Nova Iorque, obtida em I o de Junho de 1998, na escala nominal de
0,3 x 0,3 m usando uma câmera digital (cortesia da Litton Emerge, Inc.). Os dados originais foram reamostrados para gerar a
imagem com as resoluções espaciais simuladas mostradas.

ber et al., 2002). A projeção do pulso de laser no terreno
pode ser muito pequena (p.ex., 1 0 - 1 5 cm de diâmetro)
com amostras localizadas aproximadamente a cada 1 a 6
m no terreno. A resolução espacial seria apropriadamente
descrita pela projeção do pulso de laser no terreno (p.ex.,
15 cm), mas a densidade de amostragem (i.e., o número de
pontos por unidade área) descreve a frequência das obser­
vações no terreno (Hodgson et al., 2005).
Informação e Resolução Temporal
Uma das coisas de muito valor quanto à ciência do senso­
riamento remoto é que ela obtém um registro das feições
da Terra num momento único no tempo. Registros múl­
tiplos da mesma feição terrestre obtidos através do tempo
podem ser úteis para identificar processos em desenvolvi­
mento e fazer previsões.

Com o temos informação espacial sobre a localização de
cada pixel (x,y) na imagem matricial, é também possível
examinar a relação espacial entre um pixel e seus vizinhos.
Consequentemente, a magnitude de auto-correlação es­
pectral e outras medidas geoestatísticas espaciais podem
ser determinadas com base na informação espacial inerente
na imagem (Walsh et al., 1999; Jensen, 2005).
A resolução temporal de um sistema de sensoriamento re­
moto geralmente se refere a quão frequentemente o sen­
sor registra imagens de uma área particular. A resolução
temporal do sistema sensor mostrado na Figura 1-9 é de
16 dias. Idealmente, o sensor obtém dados repetitivamente
para captar características discriminativas singulares de um
objeto sob investigação (Haack et al., 1997). Por exemplo,
20 C A P ÍT U L O
Resolução Temporal
Aquisição de Dados por um Sensor Remoto
Io de Junho 17 de Junho 3 de Julho
de 2006 de 2006 de 2006
16 dias
f 1f f uma enorme quantidade de dados.
------- o ------------ o ----------- o — ►
Figura 1-9 A resolução temporal de um sistema de sensoriamen­
to remoto refere-se à frequência com que ele registra
a imagem de uma certa área. Este exemplo mostra a
coleta sistemática de dados a cada 16 dias, presumi­
velmente aproximadamente à mesma hora do dia. Os
Thematic Mappers dos Landsat-4 e 5 tinham ciclos de
revisita de 16 dias.
as culturas agrícolas têm ciclos fenológicos bem definidos
em cada região geográfica (discutido no Capítulo 11). Para
medir variáveis agrícolas específicas, é necessário adquirir
dados de sensoriamento remoto em datas críticas no ciclo
fenológico (Johannsen et al., 2003). A análise de imagens
de múltiplas datas fornece informação sobre como as va­
riáveis estão mudando através do tempo. A informação de
mudança fornece indicativos sobre os processos influencia-
dores do desenvolvimento da cultura (Jensen et al., 2002).
Felizmente, vários sistemas sensores em satélites, como
o SPOT, IK O N O S, ImageSat e QuickBird são apontá-
veis, significando que eles podem adquirir imagens fora
do nadir. N adir é o ponto diretamente abaixo do satélite
ou plataforma. Isso aumenta substancialmente a probabi­
lidade de que a imagem será obtida durante a estação de
crescimento ou durante uma emergência. Entretanto, a
visada oblíqua fora do nadir também introduz problemas
quanto à função de distribuição da reflectância bidirecio-
nal (BRD F), discutida na próxima seção.
Frequentemente, há análises de relações custo/benefício
associadas com as várias resoluções que devem ser feitas
ao coletar dados de sensoriamento remoto (Figura 1-10;
Prancha Colorida 1-1). Geralmente, quanto maior o
requisito de resolução temporal (p.ex., monitoramento
de furacões a cada meia hora), menor o requisito de re­
solução espacial (p.ex., o satélite meteorológico NOAA
G O E S registra imagens com pixels d e 4 x 4 a 8 x 8 km).
Por outro lado, quanto maior o requisito de resolução
espacial (p.ex., monitoramento do uso da terra em área
urbana com dados de 1 x 1 m), menor o requisito de
resolução temporal (p.ex., a cada 1 a 10 anos). Por exem­
plo, a Figura 1-11 documenta o sensível desenvolvimen­
to residencial e comercial do uso da terra para uma área
perto de Atlanta, Geórgia, usando fotografias aéreas de
1 Sensoriamento Remoto do Ambiente
alta resolução espacial (1 x 1 m) obtidas em 1993 e 1999.
Algumas aplicações, tais como tipo de cultura ou estima­
tiva de safras, poderíam requerer dados de alta resolução
temporal (p.ex., várias imagens obtidas durante a estação
de crescimento) e dados de resolução espacial moderada
(p.ex., pixels de 230 x 250 m). Aplicações de resposta a
emergências podem necessitar de coletas de dados com
resoluções espaciais e temporais muito altas, que geram
Um outro aspecto da informação temporal é a forma como
muitas observações são registradas a partir de um pulso
único de energia que é dirigido à Terra por um sensor
ativo, tal como um LIDAR. Por exemplo, a maioria dos
sensores LIDAR emite um pulso de energia a laser e grava
múltiplas respostas desse pulso. Medições de diferença no
tempo entre as múltiplas respostas permitem a determina­
ção da altura dos objetos e da estrutura do terreno. Tam­
bém, a duração do tempo necessário para emitir um sinal
de energia por um sensor ativo é chamada de duração do
pulso. Pulsos de curta duração permitem medições precisas
de distância (i.e., extensão).
Inform ação e Resolução R adiom étrica
Alguns sistemas de sensoriamento remoto registram a ra­
diação eletromagnética refletida, emitida, ou retroespalhada
com mais precisão que outros sistemas sensores. Isso é aná­
logo a fazer uma medição com uma régua. Se você quiser
medir precisamente o comprimento de um objeto você pre­
feriría usar uma régua que tivesse 16 ou 1.024 subdivisões?
Resolução radiométrica é definida como a sensibilidade de um
detector de sensoriamento remoto a diferenças na potência
do sinal à medida que ele registra o fluxo radiante refletido,
emitido, ou retroespalhado pelo terreno. Ele define o nú­
mero de níveis de sinal claramente discriminados. Portanto,
a resolução radiométrica pode ter um impacto significativo
em nossa habilidade para medir as propriedades dos obje­
tos da cena. O Multispectral Scanner do Landsat-1 lançado
em 1972 registrava a energia refletida com uma precisão de
6 bits (valores variando 0 a 63). Os sensores do Thematic
Mapper dos Landsat-4 e 5 lançados em 1982 e 1984, res­
pectivamente, registravam os dados em 8 bits (valores de 0 a
255) (Figura 1-12). Assim, os sensores TM /Landsat tiveram
a resolução radiométrica (sensibilidade) melhorada quando
comparados com os M SS/Landsat originais. Os sensores
QuickBird e IKO N O S registram a informação em 11 bits
(valores de 0 a 2.047). Vários novos sistemas sensores têm
resolução radiométrica de 12 bits (valores variando de 0 a
4.095). As vezes a resolução radiométrica é chamada de ní­
vel de quantização. Uma alta resolução radiométrica geral­
mente aumenta a probabilidade de que os fenômenos sejam
avaliados com mais exatidão pelo sensoriamento remoto.
O Processo do Sensoriamento Remoto 21

Resolução Espacial e Temporal para Aplicações Selecionadas

100

r X
it Clima
)
V y

C
£
o
irs 0,01 -
O’
"õ
C
d
0,001 -

0,0001 -

m - 1—1—
i—r n iii
10 m 100 m 10 km 100 km
Resolução Espacial Nomi nal

Figura 1-10 Há considerações sobre resolução espacial e temporal que precisam ser feitas para certas aplicações (Prancha Colorida
1-1). Um maior detalhamento dos requisitos espaciais e temporais para aplicações urbanas encontra-se no Capítulo 13.

O rtofotos D igitais de uma Área Próxim a a Atlanta, Geórgia

a. ortofoto de 1993 b. ortofoto de 1999

Figura 1-11 Trechos de ortofotos digitais de uma área próxima a Atlanta, Geórgia. Esses dados ficam no banco de dados da Geórgia
Spatial Data Infrastructure e são úteis para o monitoramento da mudança de uso-da-terra ao longo do tempo e do pro­
cesso de urbanização.
22 C A P ÍT U L O
Resolução Radiométrica
7 bits
• —O (0-127)
8 bits
(0-255)
9 bits
-O (0-511)
10 bits
-O (0-1023)
Figura 1-12 A resolução radiométrica de um sistema de sensoria­
mento remoto é a sensibilidade dos seus detectores a
diferenças na potência do sinal ao registrarem o fluxo
radiante refletido, emitido ou retroespalhado pelo ter­
reno. A energia normalmente é quantizada durante o
processo de conversão analógico-para-digital (A-D) em
8, 9, 10 bits ou mais.
Informação de Polarização
As características de polarização da energia eletromagnéti­
ca registradas por um sistema de sensoriamento remoto são
uma variável importante que pode ser usada em muitas das
investigações dos recursos terrestres (Curran et al., 1998). A
luz solar é fracamente polarizada. Entretanto, quando a luz
solar atinge um objeto não-metálico (p.ex., grama, floresta,
ou concreto) ela se torna despolarizada e a energia incidente
é espalhada diferenciadamente. Geralmente, quanto mais
lisa a superfície, maior é a polarização. É possível usar filtros
de polarização em sistemas de sensoriamento remoto pas­
sivos (p.ex., câmeras aéreas) para registrar a luz polarizada
em vários ângulos. Também é possível transmitir e receber
seletivamente energia polarizada usando sistemas ativos de
sensoriamento remoto, como o RADAR (p.ex., enviar ra­
diação polarizada horizontal, receber radiação polarizada
vertical - HV; enviar vertical, receber horizontal - VH; en­
viar vertical, receber vertical —W ; enviar horizontal, receber
horizontal - HH). A imagem de RADAR multipolarizada é
uma aplicação especialmente útil da energia polarizada.
Informação Angular
Os sistemas de sensoriamento remoto registram caracterís­
ticas angulares muito específicas associadas com cada cristal
de haleto de prata exposto ou pixel (Barnsley, 1999). As ca­
racterísticas angulares são uma função da (Figura 1-13a):
• localização na esfera tridimensional da fonte de ilumi­
nação (p.ex., o Sol para um sistema passivo ou o pró­
prio sensor no caso do RADAR, LIDAR e SONAR) e
seus ângulos azimutais e zenitais associados,
• da orientação da face do terreno (pixel) ou cobertura
do terreno (p.ex., vegetação) sob investigação, e
1 Sensoriamento Remoto do Ambiente
• da localização do sistema de sensoriamento remoto or­
bital ou suborbital e seus ângulos azimutais e zenitais
associados.
H á sempre um ângulo de incidência associado à energia
incidente que ilumina o terreno e um ângulo de exitância
do terreno para o sistema sensor. Sabe-se que esta na­
tureza bidirecional da coleta de dados de sensoriamento
remoto influencia as características espectrais e de pola­
rização da radiância no sensor, L, registrada pelo sistema
de sensoriamento remoto.
Um goniômetro pode ser usado para documentar as m u­
danças de radiância no sensor, L , causadas pela mudança
da posição do sensor e/ou da fonte de iluminação (p.ex.,
o Sol) (Figura l-13b). Por exemplo, a Figura 1-13c apre­
senta gráficos tridimensionais dos dados de B R D F de
grama (Spartina alterniflora) coletados às 8 a.m., 9 a.m.,
12 p.m., 4 p.m. de 21 de março de 2000, para a banda
de 624,20 nm. A única coisa que m udou entre as obser­
vações foi o ângulo azimutal e zenital do Sol. Os ângulos
azimutais e zenitais do espectrorradiômetro foram m an­
tidos constantes enquanto se visava a grama em estudo.
Idealmente, os gráficos de B R D F seriam idênticos, su­
gerindo que não importa em que hora do dia coletamos
os dados de sensoriamento remoto, uma vez que as ca­
racterísticas de reflectância espectral da grama lisa per­
manecem constantes. Fica claro que este não é o caso e
que a hora do dia influencia a resposta espectral. O Mul-
tiangle Imaging Spectroradiometer (M ISR ), a bordo do
satélite Terra, foi planejado para investigar os fenômenos
de BRDF. A pesquisa continua sobre como incorporar a
informação de BR D F no sistema de processamento de
imagens digitais para melhorar nosso entendimento do
que é registrado numa imagem de sensoriamento remo­
to (Sandmeier, 2000; Schill et al., 2004). A informação
angular é central para usar os dados de um sensor remoto
em aplicações fotogramétricas. A análise de uma imagem
estereoscópica é baseada na pressuposição de que o senso­
riamento remoto de um objeto no terreno dá-se a partir
de dois ângulos. A visada do mesmo terreno sob duas vi­
sadas diferentes introduz a paralaxe estereoscópica, que é o
fundamento para a análise fotogramétrica estereoscópica e
radargramétrica (Light e Jensen, 2002).
Sistemas Suborbitais (Aeronave) de
Sensoriamento Remoto
Câmeras fotogramétricas de alta qualidade montadas a
bordo de aeronaves continuam a fornecer fotografias aéreas
para muitas aplicações em recursos terrestres. Por exemplo,
o U.S. Geological Surveys National Aerial Photography
Program (NAPP) sistematicamente coletava fotografias aé­
reas preto e branco ou infravermelhas coloridas na escala de
O Processo do Sensoriamento Remoto 23

Função de D istribuição da Reflectância Bidirecional (BRD F)

b. Goniômetro de Campo de Sandmeier.

a. Relações angulares.

T) o
"O
O 5
CL,

Banda 624,20 nm 8:00 a.m. 0. 20.4 ° tp 103.4° Banda 624,20 nm 9:00 a.m. 0. 32.3°(pi 113.0°

Banda 624,20 nm 12:00 p.m. 0. 57.1°(p. 169.0° Banda 624,20 nm 4:00 p.m. 0 29.8°($ 248.7°

c. Comparação dos gráficos horários e tridimensionais dos dados de BRDF do capim praturá (Spartina alterniflora) às 8 a.m., 9
a.m., 12 p.m., e 4 p.m. num campo vegetado em 21-22 de Março de 2000, para a banda de 624,20 nm.

Figura 1-13 a) Conceitos e parâmetros da função de distribuição da reflectância bidirecional (BRDF). Um alvo recebe uma irradiância (dE)
a partir de um ângulo Solar zenital e azimutal específico, e o sensor registra a radiância (dL} emergindo do alvo de interesse
num ângulo azimutal e zenital específico, b) O Goniômetro de Campo de Sandmeier fazendo medições de BRDF em gramínea
capim praturá (Spartina alterniflora) em North Inlet, Carolina do Sul. As medições espectrais são feitas com o ângulo zenital do
Sol 0. e ângulo azimutal do Sol (p., e um ângulo zenital do sensor 0 e ângulo azimutal do sensor (p. Um espectrorradiômetro
GER 3700, acoplado à plataforma móvel deslizante no arco zenital, registra a quantidade de radiância que deixa o alvo em 704
bandas e 76 ângulos (Sandmeier, 2000; Schill et al., 2004). c) Gráficos horários tridimensionais de dados BRDF.
24 C A P ÍT U L O
1:40.000 da maior parte do Estados Unidos a cada cinco
ou 10 anos. Alguns desses dados fotogramétricos agora es­
tão sendo coletados usando câmeras métricas digitais. Além
disso, sofisticados sistemas de sensoriamento remoto são
rotineiramente montados em aeronaves para fornecerem
dados de sensoriamento remoto em altas resoluções espa­
ciais e espectrais. Os exemplos incluem sensores hiperespec-
trais tais como o AVIRIS da NASA, o Canadian Airborne
Imaging Spectrometer (CASI - Espectrômetro Imageador
Aerotransportado), e o sistema hiperespectral australiano
HyMap. Esses sensores podem coletar dados sob demanda
quando ocorrem desastres (por exemplo, derramamentos
de óleo ou enchentes) se as condições de cobertura de nu­
vem assim o permitirem. Também há numerosos radares,
como o Star-3/ da Intermap, que podem voar em aerona­
ves dia e noite e sob tempos inclementes. Infelizmente, os
dados de sensores remotos suborbitais geralmente têm um
alto custo por km2. A turbulência também pode fazer com
que os dados tenham severas distorções geométricas, que
podem ser de difícil correção.
Sistemas de Sensoriamento Remoto por Satélite
Atuais e Propostos
Os sistemas de sensoriamento remoto a bordo de satélites
fornecem dados de alta qualidade e relativamente baratos
quando analisados por km 2. Por exemplo, os satélites Eu-
ropean Remote Sensing (ERS-1 e 2) coletam imagens de
micro-ondas ativas (RADAR) na banda C com resolução
espacial de 26 x 28 m mesmo através das nuvens. Da
mesma forma, o RADARSAT da Agência Espacial C a­
nadense obtém imagens de micro-ondas ativas na banda
C. Os Estados Unidos fizeram progresso com os siste­
mas de varredura multiespectrais (M SS/Landsat lançado
em 1972), e com sistemas mais avançados de varredu­
ra (Enhanced Them atic M apper Plus, do Landsat-7 em
1999). O Land Remote Sensing Policy Act (Ato N or­
mativo de Política de Sensoriamento Remoto Terrestre)
de 1992, dos Estados Unidos, especificou o futuro dos
programas norte americanos de satélites de sensoriamen­
to remoto (Asker, 1992; Jensen, 1992). Infelizmente, o
Landsat-6 com o seu Enhanced Them atic M apper não
atingiu a órbita quando lançado em 5 de Outubro de
1993. O Landsat-7 foi lançado em 13 de Abril de 1999
para minimizar o problema norte americano de ausên­
cia de dados de sensoriamento remoto terrestre. Infeliz-
mente, ele agora enfrenta sérios problemas com o seu
corretor de linhas de varredura. O Capítulo 7 revisa os
planos de proposta de continuidade da missão do Land-
sat —Landsat Data Continuity Mission. Enquanto isso,
os franceses foram pioneiros no desenvolvimento da tec­
nologia de matrizes lineares para sensoriamento remoto,
com o lançamento dos satélites SPOT-1 ao 5 em 1986,
1990, 1993, 1998, e 2002, respectivamente.
1 Sensoriamento Remoto do Ambiente
O International Geosphere-Biosphere Program (IGBP -
Programa International de Geosfera - Biosfera) e o Uni­
ted States Global Change Research Program (U SG C R P
- Programa de Pesquisa em Mudanças Globais dos Estados
Unidos) visam à pesquisa científica para esclarecer e enten­
der os processos interativos físicos, químicos e biológicos
que regulam todo o sistema terrestre. O sistema espacial de
sensoriamento remoto é uma parte integrante desses pro­
gramas de pesquisa porque fornece o único meio de obser­
vação dos ecossistemas globais de uma forma consistente
e sinóptica. O Earth Science Enterprise (ESE - Programa
de Ciência Terrestre) da NASA é o nome dado ao plano
coordenado para fornecer as plataformas e instrumentos
orbitais necessários e um Sistema de Dados e Informações
para o Sistema de Observação da Terra (Earth Observing
System Data and Information System - EO SD IS), e pes­
quisas científicas relacionadas para o IGBP. O Sistema de
Observação da Terra (Earth Observing System - EO S) é
uma série de satélites que orbitam a Terra e que fornecerão
observações globais por 15 anos ou mais. Os primeiros sa­
télites foram lançados no final dos anos 1990s. O EO S é
complementado por missões e instrumentos em parcerias
internacionais. Por exemplo, a Missão de Mapeamento
da Chuva Tropical (Tropical Rainfall M apping Mission -
T RM M ) é uma missão conjunta NASA/Japão.
O Plano Científico do EOS: Asrar e Dozier (1994) conce­
beram a condução da ciência do sensoriamento remoto como
parte do ESE da NASA. Sugeriram que a Terra consiste de
dois subsistemas: 1) o clima físico, e 2) os ciclos biogeoquí-
micos ligados pelo ciclo hidrológico global, como mostrado
na Figura 1-14. O subsistema de clima físico é sensível a flu­
tuações no balanço de radiação da Terra. As atividades huma­
nas têm causado mudanças no mecanismo de aquecimento
radiativo do Planeta que iguala ou excede as mudanças na­
turais. Os aumentos dos gases de efeito estufa entre 1765 e
1990 causaram uma forçante radiativa de 2,5 W m'2. Se essa
taxa for mantida, pode resultar num acréscimo da tempera­
tura média global de cerca de 0,2 a 0,5 °C por década du­
rante este século. As erupções vulcânicas e a capacidade dos
oceanos para absorver calor podem impactar as projeções.
Não obstante, as seguintes questões estão sendo colocadas
usando sensoriamento remoto (Asrar e Dozier, 1994):
• Como as nuvens, vapor d’água, e aerossóis mudam os ba­
lanços de radiação e calor terrestre com o acréscimo das
concentrações atmosféricas dos gases de efeito estufa?
• Com o os oceanos interagem com a atmosfera no trans­
porte e absorção de calor?
• Como as propriedades da superfície terrestre, como a neve
e a cobertura de gelo, evapotranspiração, uso da terra ur-
bana/suburbana, e a vegetação influenciam a circulação?
O Processo do Sensoriamento Remoto
Os ciclos biogeoquímicos da Terra também têm sido mu­
dados pelo ser humano. O dióxido de carbono atmosféri­
co aumentou em 30% desde 1859, o metano em mais de
100%, e as concentrações de ozônio na estratosfera têm
diminuído, causando aumentos nos níveis de radiação ul­
travioleta que atingem a superfície terrestre. As pesquisas
em mudanças globais ressaltam as seguintes questões:
• Que papel os componentes da biosfera oceânica e ter­
restre desempenham na mudança do balanço global de
carbono?
• Que efeitos nos ecossistemas naturais e manejados são
causados pelo acréscimo de dióxido de carbono e de­
posição ácida, alterações nos padrões de precipitação,
e mudanças na erosão dos solos, química dos rios, e
concentração de ozônio na atmosfera?
O ciclo hidrológico liga os ciclos biogeoquímicos e o clima
físico. As mudanças de fase da água em seu estado gasoso,
líquido e sólido envolvem o armazenamento e a liberação
de calor latente; assim, ele influencia a circulação atmos­
férica e redistribui globalmente a água e o calor (Asrar e
Dozier, 1994). O ciclo hidrológico é o processo integrador
para os fluxos de água, energia e elementos químicos entre
os componentes do sistema terrestre. Questões importan­
tes a serem assinaladas incluem essas três:
• Como a variabilidade atmosférica, as atividades humanas
e as mudanças climáticas afetam os padrões de umidade,
precipitação, evapotranspiração e umidade do solo?
• Com o a umidade do solo varia no tempo e no espaço?
• Podemos prever mudanças no ciclo hidrológico glo­
bal usando modelos e sistemas de observações atuais e
futuros?
Essas e outras questões científicas são atualmente articu­
ladas nas áreas focais da Ciência do Sistema Terrestre da
NASA (Asrar, 2004). Os modelos que levam em conta
essas questões científicas requerem sofisticadas medições
de sensoriamento remoto. Para este fim, o satélite Terra
do EO S foi lançado em 18 de Dezembro de 1999. Ele
contém cinco instrumentos de sensoriamento remoto
(M O D IS, A STER, M ISR, CERES, e M O PIT T) proje­
tados para considerarem muitos desses tópicos de pesqui­
sa (King, 2003). O satélite Aqua do EO S foi lançado em
Maio de 2002. O Moderate Resolution Imaging Spectro-
radiometer (M O D IS - Espectrômetro Imageador de Re­
solução Moderada) tem 36 bandas de 0,405 a 14,385 pm
que coletam dados com resoluções espaciais de 250 x 250
m, 500 x 500 m, e 1 x 1 km. O M O D IS cobre a superfície
terrestre inteira a cada 1 ou 2 dias, fazendo observações em
25
36 bandas espectrais da superfície terrestre e oceânica, da
temperatura, da produtividade primária, da cobertura da
superfície terrestre, nuvens, aerossóis, vapor d’água, perfis
de temperatura, e incêndios florestais.
O Advanced Spaceborne Thermal Emission and Reflec-
tion Radiometer (A STER - Radiômetro Espacial Avan­
çado de Emissão Térmica e Reflexão) tem cinco bandas
na região do infravermelho termal entre 8 e 12 pm com
pixels de 90 m. Ele também tem três bandas largas entre
0,5 e 0,9 pm com pixels de 15 m e capacidade estéreo,
e seis bandas na região do infravermelho de ondas curtas
(1,6 - 2,5 pm) com resolução espacial de 30 m. O AS­
T E R é o sistema sensor que tem a melhor resolução es­
pacial na plataforma Terra do EO S e fornece informação
sobre a temperatura superficial, que pode ser usada em
modelos de evapotranspiração.
O Multiangle Imaging SpectroRadiom eter (M ISR - Es-
pectrorradiômetro Imageador Multiangular) tem nove
câmeras de varredura eletrônica baseadas em dispositi­
vos de carga acoplada (C C D ) para observar a Terra em
quatro bandas espectrais e em nove ângulos de visada.
Ele fornece dados de nuvens, aerossóis atmosféricos, e
visadas em múltiplos ângulos de desertos, vegetação e
cobertura de gelo da Terra. O Clouds and the Earths
Radiant Energy System (C E R E S - Sistema de Nuvens e
Energia Radiante Terrestre) consiste de dois radiômetros
de varredura que medem o balanço de radiação terres­
tre e fornecem estimativas de propriedades das nuvens
para avaliar seu papel nos fluxos radiativos da superfície
da Terra para o topo da atmosfera. Finalmente, o Me-
asurements o f Pollution in the Troposphere (M O P IT T
- Sistema de Medição de Poluição na Troposfera) é um
radiômetro de varredura que fornece informação sobre
a distribuição, transporte, fontes e sum idouros de m o­
nóxido de carbono e metano na troposfera.
O Projeto Preparatório (NPP - Preparatory Projet to
N PO ESS) do National Polar-Orbiting Operational Envi-
ronmental Satellite System (N PO ESS - Sistema Nacional
de Satélites Ambientais Operacionais de Órbita Polar) a
ser lançado ampliará as medições chaves do EO S como
suporte ao monitoramento de longo prazo das tendências
climáticas e da produtividade biológica global até que o
N PO ESS possa ser lançado em algum momento do fu­
turo. O NPP conterá instrumentos parecidos com os do
M O D IS, tais como o Visible Infrared Imaging Radiome­
ter Suite (VIIRS - Conjunto de Radiômetros Imageadores
no Visível e Infravermelho). Com uma vida útil projetada
de cinco anos, o NPP fornecerá dados entre o final das
vidas úteis projetadas dos satélites Terra e Aqua do EO S e
o lançamento do N PO ESS (NOAA N PO ESS, 2006).
26 C A P ÍT U L O 1 Sensoriamento Remoto do Ambiente

Funções
Forçantes
Externas

Q uím ica e D inâm ica Estratosféricas

----------V----------------------
Sistem a Clim ático Físico Ciclos Biogeoquím icos

Biogeoquímica
Dinâmica marinha
oceânica

Dinâmica e Umidade global Química

~ física atmos­ troposférica
férica

Energia e
umidade Ecossistemas
terrestre terrestres
Química do solo
e da água

Mudança
Climática D ióxido de Carbono e outros Gases-Traços

Figura 1-14 O sistema Terra pode ser subdividido cm dois subsistemas - o sistema climático tísico c os ciclos biogeoquímicos —que são
ligados pelo ciclo hidrológico global. Alterações significativas nas funções forçantes externas c nas atividades humanas têm
impacto no sistema climático físico, nos ciclos biogeoquímicos, e no ciclo hidrológico global. O exame desses subsistemas e
suas ligações definem as questões críticas que o Sistema de Observação da Terra (EOS - Earth Observing System), da NASA,
está tentando responder (adaptado de Asrare Dozier, 1994).

Empresas Comerciais: A Space Imaging, Inc., lançou
o IK O N O S-2 em 24 de setembro de 1999. O sistema
sensor do IK O N O S-2 tem uma banda pancromática e
quatro bandas multiespectrais de 4 x 4 m (Tabela 1-3).
A DigitalGlobe, Inc., lançou o QuickBird em 18 de O u­
tubro de 2001, com uma banda pancromática e quatro
bandas multiespectrais de 2,44 x 2,44 m. A Orbimage,
Inc., lançou o OrbView-3 em 26 Junho de 2003 com
uma banda pancromática de 1 x lm e bandas multies­
pectrais de 4 x 4m.
Análise de Dados de Sensoriamento Remoto
Os dados de um sensor remoto são analisados usando uma
variedade de técnicas de processamento de imagens (Figu­
ras 1-5 e 1-15), incluindo:
• Processamento analógico (visual) de imagens, e
• Processamento digital de imagens.
O Processo do Sensoriamento Remoto
As análises analógica e digital de dados de sensoriamento
remoto buscam detectar e identificar Fenômenos impor­
tantes na cena. Uma vez identificados, geralmente os fenô­
menos são medidos, e a informação é usada na solução de
problemas (Estes et al., 1983; Haack et al., 1997). Assim,
tanto a análise visual como a digital têm os mesmos fins
genéricos. Entretanto, para atingir esses objetivos é preciso
seguir diferentes percursos.
Os seres humanos são adeptos da interpretação visual de
imagens produzidas por certos tipos de dispositivos de
sensoriamento remoto, especialmente de câmeras. Po­
deriamos perguntar, “por que tentar imitar ou melhorar
esta capacidade?” Primeiro, há certos limiares acima dos
quais o intérprete humano não pode detectar “pequenas
diferenças” na imagem. Por exemplo, é sabido que um
analista pode discriminar apenas cerca de nove níveis de
cinzas ao interpretar uma fotografia preto e branco de
tons contínuos. Se os dados forem originalmente grava­
dos com 256 níveis de cinza, haveria mais informações
sutis presentes na imagem do que o intérprete poderia
extraí-las visualmente. Além disso, o intérprete traz para
o trabalho toda a pressão do dia a dia, tornando a in­
terpretação subjetiva e geralmente não-reproduzível. Por
outro lado, os resultados obtidos pelo computador são
reproduzíveis (mesmo quando errados!). Também, quan­
do é necessário manter o registro de uma grande quan­
tidade de informação quantitativa detalhada, como as
características espectrais de um campo vegetal agrícola
durante uma estação de crescimento para fins de identi­
ficação de culturas, o computador é muito prático para
armazenar e manipular tais informações tediosas e possi­
velmente obter uma conclusão mais definitiva sobre qual
cultura está em crescimento naquele campo. Isso não
significa dizer que o processamento digital de imagens
seja superior à análise visual de imagens. Significa apenas
que pode haver situações em que a abordagem digital seja
mais adequada ao problema em apreço. Frequentemente
são obtidos ótimos resultados usando uma combinação
sinérgica de ambos os processamentos de imagens, tanto
digital quanto visual.
Processamento Analógico (Visual) de Imagens
Os seres humanos usam os elementos fundamentais de
interpretação de imagens apresentados na Figura 1-15, in­
cluindo escala de cinza, tom, cor, altura (profundidade),
tamanho, forma, sombra, textura, localização, associação
e arranjo. A mente humana é muito boa para reconhe­
cer e associar esses elementos complexos numa imagem
ou fotografia porque nós constantemente processamos (a)
vistas de perfil das feições da Terra todo dia, e (b) imagens
vistas em livros, revistas, televisão e internet. Além disso,
somos competentes em juntar todo o nosso conhecimento
27
pessoal antecedente e informações colaterais. Então, con­
vergimos todas essas evidências para identificar fenômenos
nas imagens e julgar sua significância. Medições precisas
dos objetos (comprimento, área, perímetro, volume, etc.)
podem ser feitas usando técnicas fotogramétricas aplicadas
seja a imagens monoscópicas (fotos isoladas) ou a imagens
estereoscópicas (imagens com sobreposições). Muitos li­
vros foram escritos sobre como fazer interpretação visual
de imagens e medição fotogramétrica. Há um ressurgi­
mento na arte e ciência da interpretação visual de imagens
à medida que os sistemas digitais de sensoriamento remoto
fornecem imagens cada vez mais com maior resolução es­
pacial. Muitos estão mostrando imagens IK O N O S 1 x 1
m e QuickBird 6 1 x 6 1 cm na tela de computadores e in­
terpretando visual mente os dados. Os dados também são
frequentemente usados como mapas-bases em projetos de
GIS (Clark, 2001).
Processamento Digital de Imagens
Os cientistas têm feito significativos avanços no processa­
mento digital de imagens de sensoriamento remoto para
visualizações científicas e testes de hipóteses (p.ex., Estes e
Jensen, 1998; Townshend e Justice, 2002; Kraak, 2003). Os
métodos estão resumidos em Donnay et al. (2001), Boss-
ler et al. (2002), Jensen (2005) e outros. O processamento
digital de imagens faz uso de muitos elementos de interpre­
tação de imagens usando as técnicas resumidas na Figura
1-15. Os principais tipos de processamento digital de ima­
gens incluem o pré-processamento de imagens (correções
radiométricas e geométricas), o realce das imagens, o reco­
nhecimento de padrões usando estatísticas inferenciais, o
processamento fotogramétrico de imagens usando imagens
estereoscópicas, sistemas especialistas (árvores de decisão) e
análises de imagens usando redes neurais, análises de dados
hiperespectrais, e detecção de mudanças (Figura 1-5).
Correção Radiom étrica de D ados de Sensores Rem o­
tos: Imagens analógicas e digitais provenientes de sen­
sores remotos podem conter ruídos ou erros que foram
introduzidos pelo sistema sensor (p.ex., ruído eletrôni­
co) ou pelo ambiente (p.ex., espalhamento atm osféri­
co da luz na direção do cam po de visada do sensor).
Têm havido avanços na nossa habilidade de remover
esses efeitos deletérios por meio de técnicas simples de
normalização de imagens, e de técnicas mais avançadas
de calibração radiométrica absoluta dos dados para a
reflectância superficial escalonada (para dados ópticos).
Os dados calibrados de um sensor remoto permitem
que imagens e produtos derivados obtidos em diferentes
datas sejam comparados (p.ex., para medir a mudança
no índice de área foliar entre duas datas). Os princípios
fundamentais de processamento digital de imagem são
discutidos em Jensen (2005).
28 C A P ÍT U L O 1 Sensoriamento Remoto do Ambiente

Tarefas Fundamentais da Análise de Imagens

Detectar, Identificar, Medir
Resolver problemas

Aplicação do conceito M ulti

Multiespectral - Multifrequência, Multipolarização,
iMultitemporal, Multiescala, Multidisciplinar

Use de Informação Colateral

- Literatura - Espectros de laboratório - Chaves Dicotômicas - Probabilidades a p rio ri- Locais de treinamento
de campo - Locais de testes de campo - Mapas de solos - Mapas de geologia de superfície

Processamento Analógico Processamento Digital

(Visual) de Imagens de Imagens

Como os Elementos de Interpretação de Imagens são

Elementos de Interpretação de Imagens
Extraídos ou Usados no Processamento Digital de Imagens

• Tons de cinza (do preto ao branco) • Valores de brilho em 8 - 1 2 bits ou escalonados para
reflectância ou emitância de superfície
• Cor (RGB = vermelho, verde, azul) • Tabelas de conversão de cores em 24 bits
- Composições coloridas RGB multibandas
- Transformações (p.ex., intensidade, matiz, saturação)
• Altura (elevação) c profundidade • Fotogrametria computadorizada, radargrametria,
interferometria RADAR, LIDAR, SO NA R
• Tamanho (comprimento, área, perímetro, volume) • Fotogrametria computadorizada, radargrametria,
interferometria RADAR
• Forma • Fotogrametria computadorizada, radargrametria,
interferometria RADAR, métricas de ecologia da
paisagem, segmentação de imagens orientada ao objeto
• Textura • Transformações de textura, análise geoestatística,
análises fractais
• Padrão • Auto-correlação, análise geoestatística, métricas de
ecologia da paisagem, análises fractais
• Sombra • Fotogrametria computadorizada, radargrametria,
medições a partir de imagens retificadas
• Local • Análise contextual, sistemas especialistas, redes neurais
• Associação • Análise contextual, sistemas especialistas, redes neurais
• Arranjo • Análise contextual, sistemas especialistas, redes neurais

Figura 1-15 Os processamentos analógico (visual) e digital de imagens de sensoriamento remoto usam os elementos de interpretação de imagens.

Correção Geométrica de D ados de Sensores Remotos:
A maioria dos dados analógicos e digitais de sensores re­
motos é agora processada de tal forma que os elementos
de imagens individuais fiquem em suas posições plani-
métricas apropriadas numa projeção cartográfica padrão.
Isto facilita o uso da imagem e produtos derivados em
sistemas de suporte à decisão espacial ou em GIS.
Realce de Imagens: As imagens podem ser realçadas di-
gitalmente para identificar informações sutis em imagens
analógicas ou digitais que de outra forma seriam perdidas.
Foram feitos avanços significativos na nossa habilidade
para realçar contrastes e filtrar dados para realçar compo­
nentes de alta ou baixa frequência, bordas e texturas em
imagens (p.ex., Emerson et al., 1999). Além disso, os da­
dos de sensores remotos podem ser linearmente e/ou não-
linearmente transformados em informação que seja mais
altamente correlacionada com os fenômenos do mundo
real por meio de análises de componentes principais e vá­
rios índices de vegetação (Townshend e Justice, 2002).
O Processo do Sensoriamento Remoto
Fotogrametria: Avanços significativos foram feitos na aná­
lise de dados estereoscópicos de sensores remotos obtidos
por plataformas aerotransportadas ou por satélites usando
estações de trabalho computadorizadas e algoritmos de
processamento fotogramétrico de imagens digitais (p.ex.,
Adams e Chandler, 2002). Imagens digitais trabalhadas
em estações de trabalho fotogramétricas podem ser usadas
para extrair modelos digitais de elevação precisos (DEM s)
e ortofotografias corrigidas diferencialmente a partir de fo­
tografias aéreas ou imagens trianguladas (Light e Jensen,
2002; Linder, 2003). A tecnologia está revolucionando o
modo como os D EM s e as ortofotos são produzidos para
aplicações rurais e urbanas/suburbanas.
Extração de Informação Paramétrica: Cientistas ten­
tando extrair informação de cobertura da terra a partir de
dados de sensoriamento remoto agora rotineiramente es­
pecificam se a classificação vai ser:
• rígida (hard) com classes discretas e mutuamente ex­
clusivas, ou nebulosa (fuzzy), onde são extraídas as pro­
porções dos materiais no interior dos pixels (Seong e
Usery, 2001);
• baseada em pixels individuais (chamada de classificação
por pixel) ou se será usado um algoritmo de segmenta­
ção de imagens orientada ao objeto que leve em con­
ta não apenas as características espectrais de um pixel,
mas também as características espectrais dos pixels da
vizinhança contextual. Assim, os algoritmos levam em
conta a informação espectral e espacial (Herold et al.,
2003; Hodgson et ah, 2003a; Tullis e Jensen, 2003).
Uma vez colocados esses assuntos, trata-se de determi­
nar se se deve usar técnicas de classificação paramétrica,
não-paramétrica, e/ou não-métrica. O algoritmo de clas­
sificação por máxima verossimilhança continua a ser o
algoritmo de classificação paramétrica mais largamente
empregado. Infelizmente, o algoritmo requer que os da­
dos de treinamento sejam distribuídos normalmente em
n bandas (raramente o caso) para computar a variância da
classe e as matrizes de covariância. E difícil incorporar da­
dos categóricos que não sejam imagens numa classificação
de máxima verossimilhança. Felizmente, os algoritmos de
classificação por máxima verossimilhança nebulosos são
agora disponíveis (p.ex., Foody, 1996).
Extração de Informação Não-Paramétrica: Algoritmos de
agrupamento não-paramétricos, como o ISODATA, conti­
nuam a ser largamente usados em pesquisa em processamento
digital de imagens. Infelizmente, tais algoritmos dependem
de como os dados de treinamento sementes são extraídos, e
geralmente é difícil rotular os agrupamentos para torná-los
classes de informação. Por essas razões tem havido um signifi­
29
cativo aumento no desenvolvimento do uso de redes neurais
artificiais (ANN - Artificial Neural Networks) para aplica­
ções de sensoriamento remoto (p.ex., Qiu e Jensen, 2005).
A A N N não precisa de dados de treinamento normalmente
distribuídos. A A N N pode incorporar virtualmente qualquer
tipo de dados distribuídos espacialmente na classificação. O
único inconveniente é que algumas vezes é difícil determi­
nar exatamente como a A N N chega a uma certa conclusão
porque a informação é conjugada com os pesos nas camadas
ocultas. Os cientistas estão trabalhando numa maneira de ex­
trair a informação oculta de tal forma que as regras usadas
possam ser mais formalmente estabelecidas. A habilidade de
uma A N N para aprender não deve ser subestimada.
Extração de Informação Não-Métrica: E difícil fazer um
computador entender e usar as regras heurísticas práticas e
o conhecimento que um especialista humano usa ao inter­
pretar uma imagem. Não obstante, tem havido progresso
no uso da inteligência artificial (AI) para tentar fazer com
que os computadores façam coisas que, no momento, as
pessoas fazem melhor. Uma área de AI que tem grande po­
tencial na análise de imagens é o uso de sistemas especialis­
tas que colocam toda a informação contida numa imagem
num contexto apropriado com dados auxiliares e extraem
informações valiosas. Duda et ah (2001) descrevem vários
tipos de classificadores do tipo sistemas especialistas basea­
dos em árvore de decisão como sendo não-métricos.
As técnicas de classificação digital de imagens paramé-
tricas são baseadas primariamente em estatísticas bási­
cas, tais como média, variância e matrizes de covariân­
cia. Classificadores de árvore de decisão ou baseados em
regras não são baseados em estatísticas inferenciais, mas
sim no “deixe os dados falarem por si mesmos” (Gahegan,
2003). Em outras palavras, os dados retêm sua precisão e
não seria fora de propósito sumarizá-los pela média, etc.
Os classificadores por árvore de decisão podem processar
qualquer tipo de dados distribuídos espacialmente, e po­
dem incorporar probabilidades a priori (Mclver e Friedl,
2002). Há três abordagens para a criação de regras: 1) ex­
plicitamente pela extração de conhecimento e criação de
regras a partir de especialistas, 2) implicitamente extrain­
do variáveis e regras usando métodos cognitivos (Lloyd
et ah, 2002), e 3) empiricamente gerando regras a partir
de dados observados e métodos de indução automática
(Tullis e Jensen, 2003). O desenvolvimento de uma ár­
vore de decisão usando regras baseadas no conhecimento
humano é difícil e muito demandante de tempo. Entre­
tanto, ela recompensa o usuário com informação deta­
lhada sobre como as decisões individuais de classificação
foram feitas (Zhang e Wang, 2003).
Idealmente, os computadores podem derivar as regras a
partir de dados de treinamento sem a intervenção hum a­
30 C A P IT U L O
na. A isso se chama aprendizagem da m áquina (Huang e
Jensen, 1997; Jensen, 2005). O analista identifica áre­
as de treinamento representativas. A máquina aprende
os padrões a partir desses dados de treinamento, cria as
regras, e as usa para classificar os dados de sensoriamen­
to remoto. As regras são disponíveis para documentar
como as decisões são feitas.
Hiperespectral: São necessários softwares especiais para
processar dados hiperespectrais obtidos por espectrôme-
tros imageadores como o AVIRIS e o M O D IS. Kruse et al.
(1992), Landgrebe e Biehl (2006), Digital Research Syste­
ms (2006) e outros foram pioneiros no desenvolvimento
de software de análise de imagens hiperespectrais. O sof­
tware reduz a dimensionalidade dos dados (números de
bandas) a um grau gerenciável, embora retenha a essência
dos dados. Sob certas condições o software pode ser usado
para comparar as curvas de reflectância espectral obtidas
por sensoriamento remoto com uma biblioteca de curvas
de reflectância espectral. Os analistas também são capazes
de identificar o tipo e a proporção dos diferentes materiais
contidos num elemento de imagem individual (chamada
de análise de mistura espectral dos membros individuais)
(Lu e Weng, 2004; Platt e Goetz, 2004).
Modelagem de Imagem de Sensoriamento Remoto
Usando uma Abordagem GIS: Dados de sensoriamen­
to remoto não deveríam ser analisados num vácuo, sem o
benefício de informações colaterais, tais como mapas de
solos, hidrologia e topografia (Ramsey et al., 1995). Por
exemplo, o mapeamento de cobertura da terra usando
dados de sensoriamento remoto é significativamente me­
lhorado pela incorporação de informação topográfica a
partir de modelos digitais do terreno e outros dados GIS
(p.ex., Stow et al., 2003). Os estudos de GIS requerem
atualizações precisas e periódicas das variáveis distribuídas
espacialmente na base de dados, as quais o sensoriamen­
to remoto pode fornecer. O sensoriamento remoto pode
beneficiar-se do acesso à informação auxiliar precisa para
melhorar a exatidão da classificação e outros tipos de mo­
delagem. Tal sinergia é crítica para que as análises com
sistemas especialistas e redes neurais sejam feitas satisfato­
riamente (Tullis e Jensen, 2003). A estrutura conceituai da
modelagem da incerteza entre o sensoriamento remoto e
os sistemas de informação geográfica foi desenvolvida por
Gahegan e Ehlers (2000).
Modelagem de Cena: Strahler et al. (1986) descrevem a
estrutura conceituai para a modelagem em sensoriamen­
to remoto. Basicamente, um modelo de sensoriamento
remoto tem três componentes: 1) um modelo de cena,
que especifica a forma e a natureza da energia e da matéria
no interior da cena e sua ordem espacial e temporal; 2)
um modelo atmosférico, que descreve a interação entre a
1 Sensoriamento Remoto do Ambiente
atmosfera e a energia incidente e emitida da cena; e 3)
um modelo de sensor, que descreve o comportamento do
sensor em resposta aos fluxos de energia incidentes sobre
si e na produção das medidas que constituem a imagem.
Eles sugerem que o problema da inferência da cena, então,
torna-se um problema de inversão de modelo, no qual a
ordem na cena é reconstruída a partir da imagem e do mo­
delo de sensoriamento remoto. Por exemplo, Woodcock et
al. (1997) inverteram o modelo de reflectância de dossel de
Li-Strahler para o mapeamento da estrutura da floresta.
Basicamente, uma modelagem satisfatória em sensoria­
mento remoto prevê quanto do fluxo radiante em certos
comprimentos de onda deveria deixar um objeto particular
(p.ex., um dossel de coníferas), mesmo sem efetivamente
estar fazendo o sensoriamento remoto do objeto. Quando
a predição do modelo é a mesma da medição pelo sensor, a
relação foi corretamente modelada. O cientista então tem
uma melhor avaliação das interações energia—matéria na
cena e pode ser capaz de estender com confiança a lógica a
outras regiões ou aplicações. Os dados de sensores remotos
podem então ser usados mais efetivamente em modelos fí-
sico-determinísticos (p.ex., modelos de escoamento super­
ficial da água em bacias de drenagem, produtividade primá­
ria líquida, e evapotranspiração), que são tão importantes
para a modelagem de grandes ecossistemas. Um trabalho
recente permite que se modele a utilidade de sensores com
diferentes resoluções espaciais para aplicações particulares,
como análises urbanas (Collins e Woodcock, 1999).
Detecção de Mudança: Dados de sensoriamento remoto
obtidos em múltiplas datas podem ser usados para identifi­
car o tipo e a distribuição de mudanças que ocorrem na pai­
sagem (Friedl et al., 2002; Zhan et al., 2002). A informação
de mudanças fornece preciosa intuição compreensiva sobre
os processos em ação (Alberti et al., 2002; Auch et al., 2004).
Os algoritmos de detecção de mudanças podem ser usados
em classificações por pixel e orientadas ao objeto (polígo­
no). Infelizmente, ainda não há um método universalmen­
te aceito para detecção de mudança ou para avaliação da
exatidão dos produtos em mapas de detecção de mudança.
Os princípios de processamento digital de imagens para de­
tecção de mudanças são discutidos em Jensen (2005).
Apresentação da Informação
A informação derivada dos dados de sensores remotos é
geralmente apresentada como uma imagem realçada, um
mapa-imagem, ortofotomapas, mapas temáticos, arqui­
vos espaciais em bancos de dados, estatísticas, ou gráficos
(Figura 1-5). Assim, os produtos de saída finais frequen­
temente requerem conhecimentos de sensoriamento re­
moto, cartografia, GIS e estatísticas espaciais, assim como
Economia da Observação da Terra
da ciência sistemática sob investigação (p.ex., solos, agri­
cultura, estudos urbanos). Os cientistas que entendem as
regras e as relações sinergísticas das tecnologias podem ge­
rar produtos de saída que comuniquem efetivamente os
resultados. Aqueles que violam regras fundamentais (p.ex.,
teoria cartográfica ou projeto topológico de base de dados)
frequentemente geram produtos de saída pobres que não
comunicam efetivamente os resultados.
Os mapas-imagens oferecem aos cientistas uma alternativa
aos mapas de linha para muitas aplicações cartográficas.
Milhares de mapas-imagens de satélite foram produzidos
a partir do MSS/Landsat-(escalas 1:250.000 e 1:500.000),
TM /Landsat (escala 1:100.000), e de dados AVHRR e
M O D IS. Mapas-imagens em escalas >1:24.000 são pos­
síveis usando imagens com uma resolução espacial <1 x
1 m (Light e Jensen, 2002). Em função de os produtos
de mapas-imagens poderem ser produzidos a uma fração
do custo dos mapas convencionais de linha, eles fornecem
a base para as séries de mapas nacionais orientados à ex­
ploração e ao desenvolvimento econômico de áreas menos
desenvolvidas do mundo, a maioria das quais não foram
mapeadas em escalas 1:100.000 ou maiores.
Dados de sensores remotos que foram geometricamente
retificados para uma projeção cartográfica padrão estão se
tornando indispensáveis em bases de dados GIS mais so­
fisticadas. Isto é especialmente verdadeiro para os ortofo-
tomapas, que têm as qualidades métricas de um mapa de
linha e o conteúdo informativo de uma fotografia aérea ou
de outro tipo de imagem.
Infelizmente, erros são introduzidos no processo de sensoria­
mento remoto e devem ser identificados e relatados. As ino­
vações na redução de erros incluem: 1) registro dos passos
operacionais aplicados aos dados originais de sensoriamento
remoto, 2) documentação dos erros geométricos (espacial) e
erros temáticos (atributo) dos materiais-fontes, 3) melhoria
da legenda, especialmente para produtos que são mapas de
detecção de mudanças derivados de sensoriamento remoto,
e 4) melhoria da avaliação da exatidão. A comunidade de
sensoriamento remoto e GIS deve incorporar tecnologias
que rastreiem o erro nos produtos finais, sejam mapas ou
imagens. Isso resultará em informação mais exata sendo usa­
da nos processos de tomada de decisão.
| Economia da Observação da Terra
O National Research Council (Conselho Nacional de
Pesquisa) reconheceu que há um sistema econômico em
jogo quando dados de sensoriamento remoto são usados
para aplicações de gerenciamento dos recursos terrestres
31
(Figura 1-16) (Miller et al., 2001). Ele consiste de um
sistema de transmissão de informação com três com ­
ponentes: coleta de dados, processamento de imagens e
consumo da informação (usuário).
y
O sistema de coleta de dados é composto por empresas
comerciais e agências públicas que operam sistemas de
sensoriamento remoto. A indústria privada fornece in­
formação a valor de mercado. As agências públicas geral­
mente fornecem dados de sensoriamento remoto ao custo
da geração do produto pedido pelo usuário (CO FU R ). O
sensoriamento remoto existe desde cerca de 1960. Há um
número crescente de especialistas que podem usar técnicas
de processamento de imagens digitais e ou analógicas para
extrair informação de imagens. Finalmente, há o consu­
midor (usuário) da informação derivada do sensoriamento
remoto. O usuário normalmente precisa de informação
que tenha valor econômico, social, estratégico, ambiental
e/ou político (Liverman et al., 1998).
A fim de que o lucro produzido pelo sistema de geração
de informação seja suficiente para fazer frente aos custos
de capital e operação do sistema, é preciso que haja um
balanço (equilíbrio) entre o valor da informação, como é
percebido pelo usuário (consumidor), e o lucro necessá­
rio para sustentar o sistema (Miller et al., 2 0 0 1 ,2 0 0 3 ). O
equilíbrio tem sido conseguido para aplicações de mapea­
mento com levantamentos fotogramétricos e por LIDAR
há várias décadas. O tempo dirá se o balanço entre o va­
lor sentido pelo usuário e o custo pode ser mantido no
caso de sistemas orbitais. Estão ocorrendo agrupamentos
de empresas. Em 12 de Janeiro de 2006 a O R BIM A G E
adquiriu os bens da Space Imaging e agora opera como
GeoEye, Inc., fornecendo produtos e imagens IK O N O S,
OrbView-2 e Orbview-3. A GeoEye lançou um novo
sensor em 2008 com uma resolução espacial de 0,41 x
0,41 m (GeoEye, 2006).
O equilíbrio também pode ser impactado pelos espe­
cialistas em tecnologia de sensoriamento remoto que
não têm um bom entendimento dos requisitos de in­
formação pelos usuários. De fato, alguns especialistas
em sensoriamento remoto ficam desconcertados quanto
ao porquê de os usuários não se entusiasmarem com a
informação derivada do sensoriamento remoto. O que
eles falham em considerar é que os usuários geralmente
não têm motivação para migrarem para uma inform a­
ção derivada de sensoriamento remoto sobre parâmetros
econômicos, sociais, ambientais, estratégicos ou políti­
cos simplesmente porque tal informação é baseada em
nova tecnologia. Além do mais, os usuários que estão do
lado direito do gráfico da Figura 1-16 geralmente têm
pouco conhecimento da tecnologia de sensoriamento
ou como ela é usada para extração de informação.
32 C A P ÍT U L O 1 Sensoriamento Remoto do Ambiente

Econom ia do Sensoriam ento Remoto para Observação da Terra

Consumidor
Sistema de Difusão da Informação da informação
Coleta de dados (Usuário)
Hiato de Conhecimer, to
Plataforma e
sensores Processamento
analógico (análise
Dados —► visual) e/ou digital Informação
brutos
de imagens
Energia radiante
(fótons)
Percepção do valor
econômico, social,
estratégico, ambi­
ental ou político

Equilíbrio $ Custo

-► Facilidade de uso

Dificuldade para
entender
baixo alto

Figura 1-16 Economia do sensoriamento remoto para observação da Terra. O objetivo é minimizar o hiato de conhecimento entre o sistema
de geração de informação, o especialista em sensoriamento remoto, e o consumidor da informação (usuário). A informação
econômica, social, estratégica, ambiental, e/ou política gerada pelo sensoriamento remoto deve ser custo-efetiva, e ser fácil de
usar a fim de atingir um equilíbrio (adaptado de Miller et al., 2003).

Miller et al. (2001; 2003) sugerem que esta situação cria mendo impacto na opinião e no uso dos dados de sensoria­
um vazio de conhecimento entre os especialistas em sen­ mento remoto pelo público em geral (Fallows, 2006).
soriamento remoto e os consumidores de informação
(usuários) (Figura 1-16). Fazer a ponte para superar esse H | Perspectiva da Análise de Recursos
vazio é mandatório se vamos usar o sensoriamento remo­
to para resolver problemas de gerenciamento ambiental.
E improvável que a comunidade de usuários vá devotar
tempo para aprender a física do sensoriamento remoto e
E 'mt Terrestres

os métodos de análise e processamento de imagens ana­

O sensoriamento remoto é usado para muitas aplicações, tais
lógicas e/ou digitais e a modelagem em GIS necessários
como análise de imagens médicas (p.ex., raios-x de um braço
para produzir uma informação útil. Por outro lado, há
quebrado), avaliação não-destrutiva de produtos numa linha
um considerável interesse pelo lado tecnológico do pro­
de montagem, e análise de recursos da Terra. O foco deste livro
blema para construir uma ponte de comunicação. Por­
é na arte e ciência da aplicação do sensoriamento remoto para a
tanto, uma maneira de diminuir o tamanho do vazio de
extmção de informação sobre os recursos da Tena (Figura 1-17).
conhecimento é que os técnicos em sensoriamento re­
Informação dos recursos da Terra é definida como qualquer
moto trabalhem ao lado da comunidade de usuários para
informação concernente à vegetação, solos, minerais, rochas,
entender seus requisitos. Isso levará a uma informação de
água e infraestrutura urbana terrestres, bem como certas ca­
sensoriamento remoto mais útil e que seja de valor para
racterísticas atmosféricas. Tais informações podem ser úteis
as comunidades de usuários.
para a modelagem do ciclo global do carbono, da biologia
e bioquímica dos ecossistemas, de aspectos dos ciclos globais
Os avanços nos sistemas de entrega de imagens de senso­
da água e da energia, da variabilidade e previsão do clima, da
riamento remoto por empresas comerciais como a Google,
química atmosférica, das características da Terra sólida, das
Inc., e seu aplicativo Google Earth estão tendo um tre­
estimativas populacionais, e do monitoramento da mudança
de uso da terra e desastres naturais (Johannsen et al., 2003).
Perspectiva da Análise de Recursos Terrestres 33

Organização do
livro Sensoriamento Remoto do Ambiente
Capítulo 1. Capítulo 7.
Sensoriamento Remoto do Ambiente Sensoriamento Remoto Multiespectral
• Coleta de Dados In Situ • Coleta de Dados Multiespectrais
Coleta de Dados de Sensoriamento Remoto • Detectores Discretos e Espelhos de Varredura
• O Processo do Sensoriamento Remoto Imageamento Multiespectral Usando Matrizes Lineares
• Espectroscopia por Imageamento
• Câmeras Métricas Digitais
• Sistemas Fotográficos em Satélites
Capítulo 2.
Princípios de Radiação Eletromagnética
• Condução, Convecção e Radiação
• Interações Energra-Matéria na Atmosfera Capítulo 8.
1Interações Energia-Matéria com o Terreno Sensoriamento Remoto no Infravermelho Termal
------------- |--- • História
• Propriedades da Radiação no Infravermelho Termal
Capítulo 3. • Janelas Atmosféricas
• Leis da Radiação Termal
História da Fotografia Aérea e das Plataformas Aéreas
• Coleta de Dados no Infravermelho Termal
• História da Fotografia
• Considerações Ambientais no Infravermelho Termal
• Fotografia a partir de Plataformas Aéreas
'
• Foto-Reconhecimento na I-GG e na II-GG
• Foto-Reconhecimento na Guerra Fria
• Satélites como Sentinelas Celestes
Capítulo 9.
• Veículos Aéreos Não-Tripulados
— Micro-ondas Ativo e Passivo
-
• História
• Componentes do Sistema de Micro-ondas Ativo
Capítulo 4. • Considerações Ambientais do RADAR
Fotografia Aérea • Sensoriamento Remoto SAR a partir do Espaço
• Visadas Verticais e Oblíquas • Interferometria SAR
• Câmeras Aéreas Sensoriamento Remoto com Micro-ondas Passivo
• Filtros e Filmes —
Planejamento de Missões Fotográficas Aéreas
--------------------------------------------------- -----------------------------------—
Capítulo 10.
Sensoriamento Remoto com LIDAR
Capítulo 5.
• Princípios (retornos, densidade, intensidade)
Elementos de Interpretação Visual de Imagens • Processamentos para Criar DEM, DSM , D TM
• Elementos de Interpretação de Imagens • Precisão dos Produtos Derivados do LIDAR
• Métodos de Pesquisa —
—

Capítulo 11.
Capítulo 6. Sensoriamento Remoto da Vegetação
Fotogrametria • Fundamentos da Fotossíntese
• Linhas de Voo de Fotografia Aérea • Características Espectrais da Vegetação
• Nomenclatura de Imagens • Características Temporais da Vegetação
• Medições de Altura/Escala em Fotos Isoladas • índices de Vegetação
• Medições Estereoscópicas • Métricas em Ecologia da Paisagem
• Ortofotos e Modelos Digitais de Elevação • Biodiversidade e Análise GAP
• Medição de Área • Detecção de Mudanças em vegetação
— ---- •> .......... ..... "

Figura 1-17 Organização do livro.

34 C A P IT U L O 1 Sensoriamento Remoto do Ambiente

Organização do
livro Sensoriamento Remoto do Ambiente

Capítulo 12.
Sensoriamento Remoto da Agua
Características Biofísicas da Água Superficial
• Precipitação
• Aerossóis e Nuvens
• Vapor D ’Água e Neve
• Modelagem da Qualidade da Água

Capítulo 13.
Sensoriamento Remoto das Feições Urbanas
1Considerações sobre Resolução Urbana/Periurbana
Sensoriamento Remoto do Uso/Cobertura da Terra
• Residencial
• Comércio e Serviços
• Industrial e Transportes
• Comunicações e Infraestrutura
• Dados Meteorológicos Urbanos
• Avaliação de Áreas Ambientais Críticas
• Resposta a Desastres Emergenciais

Figura 1-17 Organização do livro (continuação).

Organização do Livro cer uma informação única sobre a infraestrutura urbana/

Este capítulo definiu termos e forneceu uma perspectiva
de como a ciência do sensoriamento remoto pode ser útil
para pesquisas sobre os recursos da Terra (Figura 1-17). O
Capítulo 2 introduz princípios de energia eletromagnéti­
ca e como ela é usada para fazer o sensoriamento remoto
do ambiente. O Capítulo 3 revê a história da fotografia, e
as plataformas aéreas e os satélites. O Capítulo 4 introduz
a fotografia aérea, filtros e filmes. O Capítulo 5 apresenta
os elementos de fotointerpretação. O Capítulo 6 revê os
princípios de fotogrametria usados para extrair informa­
ção quantitativa da fotografia aérea. O Capítulo 7 revê
os sistemas opto-mecânicos de sensoriamento remoto. O
Capítulo 8 introduz o sensoriamento remoto no infraver­
melho termal. O Capítulo 9 revê o sensoriamento remoto
passivo e ativo (RADAR) nas micro-ondas. O Capítulo
10 introduz o sensoriamento remoto usando a tecnologia
de detecção e medição de distância pela luz (LIDAR). O
Capítulo 11 descreve como o sensoriamento remoto é
usado para extrair características biofísicas da vegetação
terrestre e aquática. O Capítulo 12 fornece idéias sobre
o sensoriamento remoto da água, gelo e neve, bem como
do vapor d’água e temperatura atmosféricos. O Capítulo
13 demonstra como o sensoriamento remoto pode forne­
periurbana. O Capítulo 14 descreve como características
selecionadas de solos e minerais podem ser obtidas por
sensoriamento remoto e como importantes feições geo-
mórficas da superfície da Terra podem ser identificadas.
O Capítulo 15 descreve como são obtidas medidas de
reflectância espectral in situ.
Referências
Adams, J. C. and J. H. Chandler, 2002, “Evaluation of
Lidar and Médium Scale Photogrammetry for Detecting
Soft-cliff Coastal Change,” PhotogrammetricRecord, 17(99):
405-418.
Alberti, M., Weeks, R. and S. Coe, 2004, “Urban Land-Cover
Change Analysis in Central Puget Sound,” Photogrammetric
Engineering& Remote Sensing, 70(9): 1043-1052.
American Society for Photogrammetry and Remote Sensing,
1952, 1966, M anual o f Photogrammetry, Bethesda: ASP&RS.
Asker, J. R., 1992, “Congress Considers Landsat ‘Decom-
mercialization Move,” Aviation Week & Space Technology.,
May 11, 18-19.
Referências
Asrar, G., 2004, Earth Science Applications Plan, Washing­
ton: NASA, 89 p. Asrar, G. and J. Dozier, 1994, EOS: Scien­
ce Strategy for the Earth Observing System, Woodbury, MA:
American Institute of Physics, 342 p.
Auch, R., Taylor, J. and W. Acevedo, 2004, Urban Growth
in American Cities —Glimpses ofU . S. Urbanization, Circular
#1252, Washington: U.S. Geological Survey, 52.
Barnsley, M., 1999, “Digital Remotely Sensed Data and
Their Characteristics,” in Longley, P. E., Goodchild, M. F.,
McGwire, D. J. and D. W. Rhind (Eds.), Geographical Infor­
mation Systems, NY.: John Wiley, 451-466.
Bossler, J. D., Jensen, J. R., McMaster, R. B. and C. Rizos,
2002, M anual o f Geospatial Science 8c Technolog)', London:
Taylor & Francis, 623 p.
Clark, R. N., 1999, Spectroscopy o f Rocks and Minerais, and
Principies o f Spectroscopy, Denver: U.S. Geological Survey,
http://speclab.cr.usgs.gov, 58 p.
Clarke, K. C., 2001, Getting Started with Geographic Informa­
tion Systems, Upper Saddle River: Prentice-Hall, 353 p.
Collins, J. B. and C. E. Woodcock, 1999, “Geostatistical
Estimation o f Resolution-Dependent Variance in Remotely
Sensed Images,” Photogrammetric Engineering & Remote Sen­
sing, 65( 1):4 1—50.
Colwell, R. N. (Ed.), 1960, Manual of Photographic Inter-
pretation, Falis Church: ASP&RS.
Colwell, R. N. (Ed.), 1983, M anual o f Remote Sensing, 2nd.
Ed., Falis Church: ASP&RS.
Colwell, R. N., 1984, “From Photographic Interpretation to
Remote Sensing,” Photogrammetric Engineering and Remote
Sensing, 50(9): 1305.
Colwell, R. N., 1997, “Fíistory and Place of Photographic
Interpretation,” in M anual of Photographic Interpretation, 2nd
Ed., W. R. Phillipson (Ed.), Bethesda: ASPRS, 33-48.
Cracknell,. A. P. and L. W. B. Hayes, 1993, Introduction to
Remote Sensing, London: Taylor & Francis, 293 p.
Curran, P. J., 1987, “Remote Sensing Methodologies and Ge-
ography,” Intl. Journal o f Remote Sensing, 8:1255-1275.
Curran, P. J., Milton, E. J., Atkinson, P. M. and G. M. Foody,
1998, “ Remote Sensing: From Data to Understanding,” in P.
E. Longley, et al. (Eds.), Geocomputation: A Primer, NY: John
Wiley, 33-59.
35
Dahlberg, R. W. and J. R. Jensen, 1986, “Education for Car-
tography and Remote Sensing in the Service of an Informa­
tion Society: The United States Case,” American Cartogmpher,
13 (1): 51 —71.
Dartnell, P. and J. V. Gardner, 2004, “Prcdicting Seafloor Facies
from Multibeam Bathymetry and Backscatter Data,” Photogram-
metric Engineering & Remote Sensing, 70(9): 1081—1091.
Davis, B. A., 1999, “OverView of NASAs Commercial Re­
mote Sensing Program,” Earth Observation, 8(3):58-60.
Digital Research, 2006, Environment for Visualizing Images:
ENVI, www.digitalresearch.com
Dehqanzada, Y. A. and A. M. Florini, 2000, Secrets for Sale:
How Commercial Satellite Imagery Will Change the World, Wa­
shington: Carneggie Endowment for Intl. Peace, 45 p.
Dobson, J. E., 1993, “Commentary: A Conceptual Fra-
mework for Integrating Remote Sensing, Geographic Infor­
mation Systems, and Geography,” Photogmmmetric Enginee­
ring & Remote Sensing, 59(10):l491 —1496.
Donnay, J., Barnsley, M. J. and P. A. Longley, 2001, Remote
Sensing and Urban Analysis, NY: Taylor & Francis, 268 p.
Duda, R. O., Hart, P. E. and D. G. Stork, 2001, Pattern Clas-
sification, N.Y: John Wiley, 394—452.
Emerson, C. W., Lam, N. and D. A. Quattrochi, 1999,
“Multiscale Fractal Analysis of Image Texture and Pattern,”
Photogrammetric Engineerhig & Remote Sensing, 65 (1):51 —61.
Engman, E. T., 2000, “Soil Moisture,” in Schultz, G. A. and
E. T. Engman (Eds.), Remote Sensing in Hydrology and Water
Management, Berlin: Springer, 197—216.
Estes, J. E. and J. R. Jensen, 1998, “Development o f Remote
Sensing Digital Image Processing Systems and Raster GIS,”
Histoiy o f Geognphic Information Systems, T. Foresman (Ed.),
NY: Longman, 163-180.
Estes, J. E., Hajic, E. J. and L. R. Tinney, 1983, “Fundamen­
tais of Image Analysis: Visible and Thermal Infrared Data,”
M anual o f Remote Sensing, R. N. Colwell, (Ed.), Bethesda:
ASPRS, 987-1125.
Fallows, J., 2006, “Spy’s-Eye View,” Atlantic Monthly,
(March): 140-144.
Fisher, P. F. and R. E. Lindenberg, 1989, “On Distinctions
arnong Cartography, Remote Sensing, and Geographic In­
formation Systems,” Photogrammetric Engineering & Remote
Sensing, 55(10): 1431-1434.
36 C A P IT U L O
Foody, G. M., 1996, “Approaches for the Production and
Evaluation of Fuzzy Land Cover Classifications from Remo-
tely Sensed Data,” Intl. Journal o f Remote Sensing, 17(7): 1317—
1340.
Friedl, M. A., Mclver, D. K., Hodges, J. C. F., Zhang, X. Y.,
Muchoney, D., Strahler, A. H., Woodcock, C. E., Gopal, S.,
Schneider, A., Cooper, A., Baccini, A., Gao, F. and C. Scha-
af, 2002, “Global Land Cover Mapping from MODIS: Al-
gorithms and Early Results,” Remote Sensing o f Environment,
83:287-302.
Fussell, J., Rundquist, D. and J. A. Harrington, 1986, “On
Defining Remote Sensing,” Photogrammetric Engineering &
Remote Sensing., 52(9): 1507—1511.
Gahegan, M., 2003, “Is Inductive Machine Learning Just
Another Wild Goose (or Migbt It Lay the Golden Egg)?” Intl.
Journal o f GIScience, 17(1):69-92.
Gahegan, M. and M. Ehlers, 2000, “A Framework for the
Modelling of Uncertainty Between Remote Sensing and Ge-
ographic Information Systems,” ISPRS Journal o f Photogram-
metry & Remote Sensing, 35:176-188.
GeoEye, 2006, ORBIMAGE Acquires Space Imaging and
Changes BrandName to GeoEye, Dnlles: GeoEye, Inc., http://
www. o rb im age-acq u is itio n.co m/ news / geo Eye.htm.
Goetz, S. J., 2002, “Recent Advances in Remote Sensing of
Biophysical Variables: An OverView of the Special Issue,” Re­
mote Sensing o f Environment, 79:145—146.
Haack, B., Guptill, S. C., Holz, R. K., Jampoler, S. M.,
Jensen, J. R. and R. A. Welch, 1997, “Urban Analysis and
Planning,” M anual o f Photographic Interpretation, Bethesda:
ASP&RS, 517-553.
Herold, M., Guenther, S. and K. Clarke, 2003, “Mapping
Urban Areas in the Santa Barbara South Coast Using IKO-
NOS Data and eCognition,” eCognition Application Note,
Munich: Definiens Imaging GmbH, 4(1):3.
Hodgson, M. E., Jensen, J. R., Tullis, J. A., Riordan, K. D.
and C. M. Archer, 2003a, “Synergistic Use of LIDAR and
Color Aerial Photography for Mapping Urban Parcel Imper-
viousness,” Photogrammetric Engineering & Remote Sensing,
69(9):973-980.
Hodgson, M. E., Jensen, J. R., Schmidt, L., Schill, S. and
B. A. Davis, 2003b, “An Evaluation of LIDAR- and IFSAR-
derived Digital Elevation Models in Leaf-on Conditions with
USGS Levei 1 and Levei 2 DEM S,” Remote Sensing o f Envi­
ronment, 84(2003):295-308.
1 Sensoriamento Remoto do Ambiente
Hodgson, M. E., Jensen, J. R., Raber, G., Tullis, J., Davis,
B. , Thompson, G. and K. Schuckman, 2005, “An Evaluation
of LIDAR derived Elevation and Terrain Slope in Leaf-off
Conditions,” Photogrammetric Engineering & Remote Sensing,
71 (7):817-823.
Huang, X. and J. R. Jensen, 1997, “A Machine Learning Ap-
proach to Automated Construction of Knowledge Bases for
Image Analysis Expert Systems That Incorporate Geographic
Information System Data,” Photogrammetric Engineering &
Remote Sensing, 63(10): 1185-1194.
Jensen, J. R., 1992, “Testimonyon S. 2297, The Land Remo­
te Sensing Policy Act of 1992,” Senate Committee on Com-
merce, Science, and Transportation, Congressional Record,
(May 6): 5 5-69.
Jensen, J. R., 2005, Introductory D igital Image Processing: A
Remote Sensing Perspective, Upper Saddle River: Prentice-
Hall, 525 p.
Jensen, J. R. and D. C. Cowen, 1999, “Remote Sensing of
Urban/ Suburban Infrastructure and Socioeconomic At-
tributes,” Photogrammetric Engineering & Remote Sensing,
65(5):611-622.
Jensen, J. R. and R. E. Dahlberg, 1983, “Status and Con-
tent of Remote Sensing Education in the United States,” Intl.
Journal o f Remote Sensing, 4 (2): 23 5—245.
Jensen, J. R. and S. Schill, 2000, “ Bi-directional Reflectance
Distribution Function (BRDF) of Smooth Cordgrass (Sparti-
na alterniflora)," Geocarto International, 15(2):21-28.
Jensen, J. R., Botchway, K., Brennan-Galvin, E., Johannsen,
C . , Juma, C., Mabogunje, A., Miller, R., Price, K., Reining,
P., Skole, D., Stancioff, A. and D. R. F. Taylor, 2002, Down to
Earth: Geographic Information for Sustainable Development in
Afi-ica, Washington: National Academy Press, 155 p.
Jensen, J. R., Qiu, F. and K. Patterson, 2001, “A Neural
Network Image Interpretation System to Extract Rural and
Urban Land Use and Land Cover Information fro Remote
Sensor Data,” Geocarto International, 16(1): 19-28.
Jensen, J. R., Saalfeld, A., Broome, F., Cowen, D., Price, K.,
Ramsey, D., Lapine, L. and E. L. Usery, 2005, “Chapter 2:
Spatial Data Acquisition and Integration,” in R. B. McMaster
and E. L. Usery (Eds.), A Research Agenda for Geogaphic Infor­
mation Science, Boca Raton: CRC Press, 17—60.
Johannsen, C. J., Petersen, G. W., Carter, P. G. and M. T. Mor­
gan, 2003, “Remote Sensing: Changing Natural Resource Ma­
nagement,^” JournalofSoil& Water Conservation, 58(2):42—45.
Referências
Joseph, G., 2000, “How Well Do We Understand Earth Ob-
servation Electro-optical Sensor Parameters?” ISPRS Journal
of Photogmmmetry & Remote Sensing, 55:9-12.
Karaska, M. A., Huguenin, R. L., Beacham, J. L., Wang, M.,
Jensen, J. R., and R. S. Kaufman, 2004, “AVIRIS Measurements
of Chlorophyll, Suspended Minerais, Dissolved Organic Car-
bon, and Turbidity in the Neuse River, N.C.,” Photogrammetric
Engineering & Remote Sensing, 70(1): 125—133.
Kraak, M., 2003, “Geovisualization Illustrated,” ISPRS Journal
o f Photogrammetry & Remote Sensing, (2003):390-399.
Kruse, E A., Lefkoff, A. B., Boardman, J. W., Heidebrecht,
K. B., Shapiro, A. T., Barloon, P. J. and A. E H. Goetz, 1992,
“The Spectral Image Processing System,” Proceedings, Intl.
Space Year Conference, Pasadena, 10 p.
Landgrebe, D. and L. Biehl, 2006, An Introduction to MUL-
TISPEC, W. Lafayette: Purdue University, 50 p.
Light, D. L. and J. R. Jensen, 2002, “Photogrammetric and
Remote Sensing Considerations,” in M anual o f Geospatial
Science Sc Technology, Bossler, J. D., Jensen, J. R., McMaster,
R. B. and C. Rizos (Eds.), London: Taylor & Francis, 233-
252.
Linder, W., 2003, Digital Photogrammetry: Theory and Ap­
plications, Berlin: Springer-Verlag, 189 p.
Liverman, D., Moran, E. F., Rindfuss, R. R. and P. C. Stern,
1998, People and Pixels: Linking Remote Sensing and Social
Science, Washington: NRC, 244 p.
IJoyd, R., Hodgson, M. E. and A. Stokes, 2002, “Visual Ca-
tegorization with Aerial Photographs,” Armais o f the Associa-
tion o f American Geographers. 92(2):241-266.
Lu, D. and Q. Weng, 2004, “Spectral Mixture Analysis of
the Urban Landscape in Indianapolis with Landsat ETM+
Imagery,” Photogrammetric Engineering & Remote Sensing,
70(9):1053-1062.
Maune, D. F., (Ed.), 2001, Digital Elevation Model Technolo­
gies and Applications, Bethesda: ASP&RS, 538 p.
Mclver, D. K. and M. A. Friedl, 2002, “Using Prior Proba-
bilities in Decision-tree Classification of Remotely Sensed
Data,” Remote Sensing o f Environment, 81:253-261.
Miller, R. B., Abbott, M. R., Harding, L. W., Jensen, J. R.,
Johannsen, C. J., Macauley, M., MacDonald, J. S. and J. S.
Pearlman, 2001, Transforming Remote Sensing Data into Infor­
mation and Applications, Washington: NRC, 75 p.
37
Miller, R. B., Abbott, M. R., Harding, L. W., Jensen, J. R.,
Johannsen, C. J., Macauley, M., MacDonald, J. S. and J. S.
Pearlman, 2003, Using Remote Sensing in State and Local Go­
vernment: Information for Management and Decision Malúng,
Washington: NRC, 97 p.
NASA, 2006, Airborne Visible/Infiared Imaging Spectrometer
(AVIRIS) home page, http://aviris.jpl.nasa.gov/.
NOAA NPOESS, 2006, National Polar Orbiting Operational
Environmental Satellite System, http://www.ipo.noaa.gov/.
Nemani, R. R., Keeling, C. D., Hashimoto, H., Jolly, W. M.,
Piper, S. C., Tucker, C. J., Myneni, R. B. and S. W. Run-
ning, 2003, “Climate-Driven Increases in Global Terres-
trial Net Primary Production from 1982 to 1999,” Science,
300(6): 1560-1563.
Platt, R. V. and A. F. H. Goetz, 2004, “A Comparison of
AVIRIS and Landsat for Land Use Classification at the Ur­
ban Fringe,” Photogrammetric Engineering & Remote Sensing,
70(7):813—819.
Pruitt, E. L., 1979, “The Office of Naval Research and Geo-
graphy,” Atinais, Association of American Geographers,
69(1):106.
Qiu, F. and J. R. Jensen, 2005, “Opening the Neural NetWork
Black Box and Breaking the Knowledge Acquisition Bottle-
neck of Fuzzy Systems for Remote Sensing Image Classifica­
tion,” Intl. Journal o f Remote Sensing, 25(9): 1749-1768.
Raber, G. T., Jensen, J. R., Schill, S. R. and K. Schuck-
man, 2002, “Creation o f Digital Terrain Models using an
Adaptive LIDAR Vegetation Point Removal Process,” Pho­
togrammetric Engineering & Remote Sensing, 68(12): 1307-
1315.
Ramsey, R. D., Falconer, A. and J. R. Jensen, 1995, “The Re-
lationship Between NOAA-AVHRR Normalized Difference
Vegetation Index and Ecoregions in Utah,” Remote Sensing o f
En vironrnent, 53:188—198.
Rizos, C., 2002, “Introducing the Global Positioning Sys­
tem,” in M anual o f Geospatial Science and Technolog)’, Bossler,
J. D., Jensen, J. R., McMaster, R. B. and C. Rizos (Eds.),
London: Taylor & Francis, 77-94.
Robbins, ]., 1999, “High-Tech Camera Sees What Eyes Can-
not,” New York Times, Science Section, September 14, D5.
Sandmeier, S. R., 2000, “Acquisition of Bidirectional Reflec-
tance Factor Data with Field Goniometers,” Remote Sensing o f
Environment, 73:257-269.
Princípios de Radiação Eletromagnética

energia registrada por um sistema de sensoriamento remoto sofre certas inte­

A rações fundamentais que precisam ser entendidas para que os dados de senso­
riamento remoto possam ser interpretados apropriadamente. Por exemplo, se a
energia do sensoriamento remoto vem do Sol, tal energia

• é radiada pelas partículas atômicas na fonte (o Sol),

• viaja no vácuo espacial à velocidade da luz,

• interage com a atmosfera da Terra,

• interage com a superfície da Terra,

• interage com a atmosfera da Terra novamente, e

• finalmente atinge o sensor, onde ela interage com vários componentes óp­
ticos, filtros, emulsões de filmes, ou detectores.

É instrutivo examinar cada uma dessas interações fundamentais que a ener­

gia eletromagnética realiza à medida que progride da sua origem até o(s)
detector(es) do sistema de sensoriaménto remoto. O entendimento dessas in­
terações ajuda o analista de imagens a extrair informações úteis dos dados de
sensoriamento remoto (p.ex., Tuominen e Pekkarinen, 2004).

Condução, Convecção e Radiação

Q

Energia é a capacidade de realizar trabalho. No processo de realizar trabalho,

a energia frequentemente é transferida de um corpo a outro ou de um lugar
a outro. Os três tipos básicos pelos quais a energia pode ser transferida in­
cluem condução, convecção e radiação (Figura 2-1). A maioria das pessoas é
familiar com a condução, que ocorre quando um corpo (molécula ou átomo)
transfere sua energia cinética a outro pela colisão com este. É desse modo que
uma panela de metal é aquecida pela chapa do fogão. Na convecção, a energia
cinética dos corpos é transferida de um lugar a outro pela movimentação física
dos corpos. Um bom exemplo é o aquecimento do ar próximo ao solo nas
primeiras horas da manhã. O ar mais quente próximo à superfície sobe, for­
mando correntes convectivas na atmosfera, as quais podem produzir nuvens
do tipo cúmulos. A transferência de energia por radiação eletromagnética é de
fundamental interesse para a ciência do sensoriamento remoto porque ela é a
única forma de transferência de energia que pode ocorrer no vácuo, como é a
região entre o Sol e a Terra.
40 CAPITULO Princípios de Radiação Eletromagnética

Convecção
Transferência de Energia

Condução
Pulso de
ar quente
Panela em contato
com a chapa do fogão Terreno

Figura 2-1 A energia pode ser transferida de trcs modos: condução, convecção e radiação, a) A energia pode ser conduzida diretamente
de um objeto a outro como quando uma panela está em contato físico direto com a chapa de um fogão, b) O Sol banha a
superfície da Terra com energia radiante fazendo com que o ar próximo ao solo aumente de temperatura. O ar menos denso
sobe, criando correntes convectivas na atmosfera, c) A energia eletromagnética na forma de ondas eletromagnéticas pode ser
transmitida através do vácuo espacial desde o Sol até a Terra.

Modelos de Radiação Eletromagnética retos (ortogonais) entre si, e ambos são perpendiculares à
direção do deslocamento da onda.

Como uma onda eletromagnética é criada? Radiação ele­

Para entender como a energia eletromagnética é criada,
como ela se propaga no espaço e como ela interage com
outra matéria, é útil descrever os processos usando dois
diferentes modelos: o modelo ondulatório e o modelo de
partícula (Englert et al., 1994).
Modelo Ondulatório da Energia Eletromagnética*1
0 distância média entre dois máximos (ou mínimos) con­
Nos anos 1860s, James Clerk Maxwell (1831-1879) con­
cebeu a radiação eletromagnética (REM) como uma onda
eletromagnética que se desloca pelo espaço à velocidade da
luz. Decorreram muitos anos para que os cientistas Leon
Foucault e Albert A. Michelson determinassem a velocida­
de da luz, c, como 299.702.458 metros por segundo (i.e.,
m s'1). Este valor é frequentemente generalizado para 3 x
10s m s'1, ou 300.000 km s'1. Uma relação útil em cálculos
rápidos é que a luz avança a 1 pé (0,3048 m) por nanos-
segundo (10‘9 s) (Rinker, 1999). A onda eletromagnética
consiste de dois campos flutuantes - um elétrico e outro
magnético (Figura 2-2). Os dois vetores estão em ângulos
tromagnética é gerada toda vez que uma carga elétrica
é acelerada. O comprimento de onda (X) da radiação
eletromagnética depende da duração do tempo pelo
qual a partícula carregada é acelerada. Sua frequência
(v) depende do número de acelerações por segundo. O
comprimento de onda é formalmente definido como a
secutivos de um padrão grosseiramente periódico (Figu­
ras 2-2 e 2-3) e é normalmente medido em micrômetros
(pm) ou nanômetros (nm). Frequência é o número de
comprimentos de onda que passam por um ponto por
unidade de tempo. Uma onda que envia uma crista a
cada segundo (completando um ciclo) é dita como ten­
do uma frequência de um ciclo por segundo. O u um
hertz, abreviado como 1 Hz. As unidades de medida
frequentes para comprimento de onda e frequência são
apresentadas na Tabela 2-1.
A relação entre o comprimento de onda (X) e a frequência
(v) da radiação eletromagnética baseia-se na seguinte fór­
mula, onde cé a velocidade da luz (Rott, 2000):
Modelos de Radiação Eletromagnética
Figura 2-2 Uma onda eletromagnética é composta pelos vetores elétrico e magnético, que são ortogonais (em ângulos de 90°) entre si. As
ondas deslocam-se da fonte à velocidade da luz (3 x 10's m s 1)-
c = )IV, (2-1)
V (2-2)
e M. = <3T 4
^ =— (2-3)
v
Observe que a frequência é inversnmente proporcional ao
comprimento de onda. Essa relação é mostrada diagramati-
camente na Figura 2-3, onde quanto maior o comprimen­
to de onda, menor a frequência; menor o comprimento de
onda, maior a frequência. Quando a radiação eletromag­
nética passa de uma substância para outra, a velocidade
da luz e o comprimento de onda mudam, enquanto que a
frequência permanece constante.
Todos os objetos acima do zero absoluto (-273 °C ou 0 K)
emitem energia eletromagnética, incluindo a água, solo,
rocha, vegetação e a superfície do Sol. O Sol representa a
fonte inicial da maioria da energia eletromagnética regis­
trada pelos sistemas de sensoriamento remoto (exceto o
RADAR, LIDAR e SONAR) (Figura 2-4; Prancha Colo­
rida 2-1). Podemos ver o Sol como um corpo negro a 3.770
- 6.000 K (um ente teórico que absorve e radia energia à
maior taxa unitária possível por unidade de área em cada
comprimento de onda (7) e para uma dada temperatura).
O total de radiação emitida por um corpo negro (M.) me­
dida em watts por n r2 é proporcional à quarta potência da
41
sua temperatura absoluta (7) medida em kelvin (K). Esta
é conhecida como a lei de Stefan-Boltzmann e é expressa
como (Rott, 2000):
(2-4)
Onde a é a constante de Stefan-Boltzmann, 5,6697 x 10 s
W n r2 KL E importante lembrar que a quantidade de
energia emitida por um objeto tal como o Sol ou a Terra
é uma função de sua temperatura. Quanto maior a tem­
peratura, maior a quantidade de energia que emana do
objeto. A quantidade de energia emitida por um objeto é
computada pela soma (integração) da área sob sua curva
(Figura 2-5). É claro a partir dessa ilustração que o total de
radiação emitida pelo Sol a 6.000 K é muito maior que a
emitida pela Terra a 300 K.
Além do computo do total de energia que emana de um
corpo negro teórico como o Sol, podemos determinar seu
comprimento de onda dominante (A, ) com base na lei do
deslocamento de Wien:
Onde k é uma constante equivalente a 2.898 pm K, e T
é a temperatura absoluta em kelvin. Assim, como o Sol se
aproxima de um corpo negro a 6.000 K, o comprimento
de onda dominante (7N max
) é 0,483 rum:
0,4 8 3 ^ = 2fo O O K K
42 CAPÍTULO Princípios de Radiação Eletromagnética

Relação Inversa Entre Comprimento de Onda e Frequência

Comprimento de onda relativamente mais longo
2 1
H----------------------A.-----------------------N

Comprimento de onda relativamente mais curto

4 3 2 1

JW V R A A A A Frequência maior

Figura 2-3 Este corte transversal de várias ondas eletromagnéticas ilustra a relação inversa entre comprimento de onda (A.) e frequência
(V). Quanto maior o comprimento de onda, menor a frequência; quanto menor o comprimento de onda, maior a frequência.
A amplitude de uma onda eletromagnética é a altura da crista da onda em relação à posição fixa. Cristas de onda sucessivas são
numeradas como 1, 2, 3 e 4. Um observador na posição do relógio registra o número de cristas que passam a cada segundo.
Esta frequência é medida em ciclos por segundo, ou hertz.

Figura 2-4 A fusão termonuclear ocorrendo na superfície do Sol gera um espectro contínuo de energia eletromagnética. A temperatura
de 5.770 - 6.000 K desse processo produz uma grande quantidade de energia de comprimentos de onda relativamente curtos
que se desloca através do vácuo do espaço à velocidade da luz. Parte dessa energia é interceptada pela Terra, onde ela interage
com a atmosfera e com os materiais da superfície. A Terra reflete parte dessa energia diretamente de volta para o espaço exterior
ou pode absorver a energia de comprimentos de onda menores e então reemiti-la em comprimentos de onda maiores (após
Strahler e Strahler, 1989).
Modelos de Radiação Eletromagnética 43

Tabela 2-1. Unidades de medida padrões para compri­

mento de onda e frequência.

Comprimento de onda (A)

Quilômetro (km) 1.000 m

Metro (m) 1,0 m
Centímetro (cm) 0,01 m = 10'2 m
Milímetro (mm) 0,1 m = 10'3 m
Micrômetro (pm) 0,000001 m = 106 m
Nanômetro (nm) 0,000000001 m = 10'9 m
Angstrom (Â) * 0,0000000001 m= 1010m
Frequência (ciclos por segundo)

Hertz (Hz) 1
Quilohertz (kHz) 1.000= 103
Megahertz (MHz) 1.000.000= 106
Gigahertz (GHz) 1.000.000.000= 109

A energia eletromagnética proveniente do Sol leva oito mi­

nutos para se deslocar pelos 150 milhões de quilômetros
de espaço até a Terra. Como mostrado na Figura 2-5, a
Terra aproxima-se de um corpo negro a 300 K (27 °C) e
tem um comprimento de onda dominante em aproxima­
damente 9,66 (.tm:

2.898 pm K
9,66 pm =
300 K
Embora o Sol tenha um comprimento de onda dominante
em 0,48 pm, ele produz um espectro contínuo de radia­
ção eletromagnética variando desde ondas muito curtas,
de extrema alta Frequência como os raios gama e cósmicos,
até ondas de rádio de muito baixa frequência (Figuras 2-6
e 2-7). A Terra intercepta uma porção muito pequena da
energia eletromagnética produzida pelo Sol.
Como mencionado no Capítulo 1, na pesquisa em sen-
soriamento remoto frequentemente especificamos uma
região particular do espectro eletromagnético (p.ex., luz
vermelha) identificando um comprimento de onda (ou
frequência) inicial e final e depois colocando uma descri­
ção. Este intervalo de comprimento de onda (ou frequên­
cia) no espectro eletromagnético é comumente chamado
de banda, canal, ou região. As principais subdivisões da luz
visível estão resumidas na Tabela 2-2 e apresentadas dia-
gramaticamente na Figura 2-7 e na Prancha Colorida 2-2.
Geralmente pensamos na luz visível como sendo composta
de energia nas bandas do azul (0,4 - 0,5 pm), verde (0,5
- 0,6 pm) e vermelho (0,6 - 0,7 pm) do espectro eletro­
Figura 2-5 Curvas de radiação de corpo negro para diversos ob­
jetos, incluindo o Sol e a Terra, que se aproximam de
corpos negros às temperaturas de 6.000 K e 300 K,
respectivamente. A área sob cada curva pode ser in­
tegrada para computar a energia radiante total (M.)
emanando de cada objeto (Equação 2-4). Assim, o Sol
produz mais exitância radiante do que a Terra porque
sua temperatura é maior. À medida que a temperatura
do corpo aumenta, seu comprimento de onda domi­
nante (7mi ) desloca-se em direção aos menores com­
primentos de onda do espectro.
magnético. A energia eletromagnética no infravermelho
próximo refletida na região de 0,7 a 1,3 pm é comumente
usada para expor filmes preto e branco e filmes coloridos
sensíveis ao infravermelho.
A região do infravermelho médio (frequentemente cha­
mada de infravermelho de ondas curtas, SWIR - short
wavelength infrared) inclui energia com comprimentos
de onda de 1,3 a 3,0 pm. A região do infravermelho ter­
mal tem duas bandas muito úteis em 3 a 5 pm e 8 a
44 CAPÍTULO Princípios de Radiação Eletromagnética

Tabela 2-2. Métodos de descrição da cor espectral (após Nassau, 1983).

Descrição em Comprimento de Onda Descrição em Energia

Número de
Nanômetro Micrômetro Frequência Elétron-volt
Cora Angstrom (Â) Onda0
(nm) (pm) (Hz x 1014) (eV) = 1240IX
(ip cm*1)
Ultravioleta, sw 2.537 254 0,254 11,82 39.400 4,89
Ultravioleta, lw 3.660 366 0,366 8,19 27.300 3,39
Violeta (limite)b 4.000 400 0,40 7,50 25.000 3,10
Azul 4.500 450 0,45 6,66 22.200 2,75
Verde 5.000 500 0,50 6,00 20.000 2,48
Verde 5.500 550 0,55 5,45 18.200 2,25
Amarelo 5.800 580 0,58 5,17 17.240 2,14
Laranja 6.000 600 0,60 5,00 16.700 2,06
Vermelho 6.500 650 0,65 4,62 15.400 1,91
Vermelho (limite)1’ 7.000 700 0,70 4,29 14.300 1,77
Infravermelho,
10.000 1.000 1,0 3,00 10.000 1,24
próximo
Infravermelho,
300.000 30.000 30,00 0,10 333 0,041
distante
'Apenas valores típicos; lw = comprimentos de onda longos; sw = comprimentos de onda curtos. ‘'O limite exato depende
do observador, intensidade da luz, adaptação da vista, e outros fatores. cO número de onda (l|J) é o número de ondas numa
unidade de comprimento (usualmente por cm). Assim, LjJ = 1 / X (cm) = 10.000 / X (pm) = 100.000.000 / X (Â) em c m 1.

14 pm. A porção das micro-ondas do espectro eletro­
magnético consiste de comprimentos de onda muito
maiores (1 mm — 1 m). A porção das ondas de rádio do
espectro pode ser subdividida em UHF, VHF, e frequên­
cias de rádio HF, LF e ULF.
A resolução espectral da maioria dos sistemas de sensoria-
mento remoto é descrita em termos de bandas do espectro
eletromagnético. Por exemplo, as dimensões espectrais das
quatro bandas dos sensores Multispectral Scanner (MSS)
do Landsat e do High Resolution Visible (HRV) do SPOT
são mostradas na Figura 2-8, junto com a resolução es­
pacial de cada banda para fins de comparação. As especi­
ficações exatas das bandas MSS/Landsat e do SPOT são
fornecidas no Capítulo 7.
A energia eletromagnética pode ser descrita não apenas
em termos de comprimento de onda e frequência, mas
também em unidades de energia do fóton tais como jou-
les (J) e elétronvolts (eV), como mostrado na Figura 2-7.
Diversas das mais importantes conversões de massa, ener­
gia e potência são mostradas na Tabela 2-3.
O Modelo de Partícula: Radiação das
Estruturas Atômicas
Na Opticks' (1704), Sir Isaac Newton afirmou que a luz era
um feixe de partículas, ou corpúsculos, deslocando-se em
linhas retas. Ele também sabia que a luz tinha caracterís­
ticas ondulatórias com base em seus trabalhos com placas
de vidro. Não obstante, durante os duzentos anos antes de
1905, a luz foi encarada primariamente como uma onda
plana e contínua. Depois, Albert Einstein (1879 - 1955)
descobriu que quando a luz interage com elétrons, tem
um caráter diferente (Figura 2-9). Concluiu que quando a
luz interage com a matéria, ela comporta-se como se fosse
composta de muitos corpos individuais chamados fótons,
os quais portam propriedades parecidas com as de partícu­
las, como energia e momento (Meadows, 1992). Como re­
sultado, hoje a maioria dos físicos responderíam à pergun­
ta, “O que é a luz?” dizendo que a luz é um tipo particular
de matéria (Feinberg, 1985). Assim, às vezes descrevemos
1 N .T .: há trad u ção em p o rtu g u ês, feita p o r A n d ré K och Torres Assis, pela ed ito ra
ED U SP, co m o títu lo Ó p tica .
Modelos de Radiação Eletromagnética 45

10 n
Infravermelho Tabela 2-3. Conversões de massa, energia e potência.
5
Radiação de ondas curtas do Sol a Conversão do Sistema Inglês para o SI
6.000 K incidente na Terra, com (Sistema Internacional)
um comprimento de onda domi­
nante de 0,48 pm Para obter: Multiplique: Por:

Radiação de ondas newtons'1 libras 4,448

longas emitida
H 0,5 pela Terra a 300 joules1’ BTUsc 1055
~a
"O K para o espaço
exterior, com um joules calorias*1 4,184
1 0,2
u comprimento de
C onda dominante
joules kilowatt-horas1' 3,6 x 106
~ 0,1 de 9,66 pm joules pés-libras* 1,356
0,05 joules cavaloss 745,7
Conversão do SI (Sistema Internacional) para 0
0,02
Sistema Inglês
0,01
0,1 0,2 0,30,4 0,7 1 2 3457 10 20 30 50 100 Para obter: Multiplique: Por:

Comprimento de Onda, pm BTUs joules 0,00095

Figura 2-6 O Sol aproxima-se de um corpo negro a 6.000 K com
um comprimento de onda dominante de aproxima­
damente 0,48 um. A Terra aproxima-se de um corpo
negro a 300 K com um comprimento de onda domi­
nante de aproximadamente 9,66 pm. O Sol a 6.000
K produz aproximadamente 41% da sua energia 11a
região do visível, de 0,4 a 0,7 pm (luz azul, verde e
vermelha). Os outros 59% da energia estão em com­
primentos de onda menores que os da luz azul (<0,4
pm) e maiores do que os da luz vermelha (>0,7 pm).
Nossos olhos são sensíveis apenas à luz de 0,4 a 0,7
pm (após Straher, 1989). Felizmente, é possível fazer
detectores para sensores remotos sensíveis à energia
dessas regiões não-visíveis do espectro.
a energia eletromagnética em termos de suas propriedades
de onda. Mas quando a energia interage com a matéria,
é útil descrevê-la como pacotes discretos de energia, ou
quanta. E prático revisar como a energia eletromagnética é
gerada no nível atômico; isso fornece uma compreensão de
como a luz interage com a matéria.
Elétrons são as pequenas partículas carregadas negativa­
mente que se movem ao redor do núcleo carregado positi­
vamente de um átomo (Figura 2-10). Os átomos de dife­
rentes substâncias são constituídos de um número variável
de elétrons arranjados de diferentes modos. A interação
entre o núcleo carregado positivamente e o elétron carre­
gado negativamente mantém o elétron em órbita. Embora
sua órbita não seja explicitamente fixa, cada movimento
do elétron é restrito a certas distâncias definidas do núcleo.
Os percursos orbitais permitidos dos elétrons que se mo­
vem ao redor de um átomo podem ser vistos como clas-
calorias joules 0,2390
kilowatt-horas joules 2,78 x IO’7
pés-libras joules 0,7375
cavalos watts 0,00134
'newton: força necessária para acelerar uma massa de 1 kg a
1 m s'2.
hjoule: uma força de 1 newton atuando por 1 metro.
cUnidade térmica britânica, ou BTU: energia necessária para
elevar a temperatura de 1 libra de água de 1 grau Fahrenheit.
llcaloria: energia necessária para elevar a temperatura de 1
quilograma de água de 1 grau Celsius.
cquilowatt-hora: 1.000 joules por segundo por 1 hora.
'pé-libra: uma força de 1 libra atuando por 1 pé.
^cavalo: 550 pés-libras por segundo.
ses ou níveis de energia (Figura 2 -10a). A fim de que um
elétron possa saltar para uma classe maior, é preciso que
um trabalho seja realizado. Entretanto, a menos que uma
quantidade de energia seja disponível para mover o elétron
de pelo menos um nível energético acima, ele não aceitará
o trabalho. Se uma quantidade suficiente de energia é rece­
bida, o elétron irá saltar para um novo nível e diz-se que o
átomo está excitado (Figura 2 -10b). Uma vez que o elétron
esteja numa órbita mais alta, ele possui energia potencial.
Após cerca de 10's segundos, o elétron retorna ao nível de
energia ou órbita de mais baixa energia livre do átomo e
libera radiação (Figura 2 -10c). O comprimento de onda
da radiação liberada é uma função da quantidade de traba­
lho realizado no átomo, i.e., o quantum de energia que ele
absorveu para fazer com que o elétron fosse excitado e se
movesse para uma órbita mais alta.
46 CAPITULO Princípios de Radiação Eletromagnética

Espectro Eletromagnético e a Energia do

Comprimentos de Fóton da Luz Visível
onda em metros (m)
Energia do fóton
da luz visível em Comprimento de onda
elétron-volt (eV) em nanômetros (nm)
4,0

Ultravioleta

Limite do
violeta
Azul

Verde
Limite do verde
Amarelo
Laranja
Vermelho
Limite do
vermelho

Infravermelho
próximo

Micro-ondas e
ondas de rádio 0,5 Infravermelho
-► 0,41 30k- distante

10

Figura 2-7 O espectro eletromagnético c a energia do fóton da luz visível. O Sol produz um espectro contínuo de energia desde os raios
gama até as ondas de rádio, que banha continuamente a Terra com energia. A porção visível do espectro pode ser medida
usando comprimentos de onda (medidos em micrômetros ou nanômetros, i.e., pm ou nm) ou elétron-volt (eV).

As órbitas eletrônicas são como degraus de uma escada.
Ganhos de energia movem o elétron para cima na escada
de energia; emissão de energia move-o para baixo. Porém,
a escada de energia difere de uma escada comum, pois seus
degraus não são igualmente espaçados. Isso significa que
a energia que um elétron necessita absorver, ou ceder, a
fim de saltar de uma órbita para a próxima pode não ser
a mesma que a troca energética necessária para alguns dos
outros degraus. Além disso, um elétron não usa necessaria­
mente degraus consecutivos. Ao invés disso, ele usa o que
os físicos denominam regras de seleção. Em muitos casos,
um elétron usa uma sequência de degraus à medida que
sobe a escada e outra sequência à medida que desce (Nas-
sau, 1983; 1984). A energia que fica disponível quando o
elétron eletricamente carregado se move de um estado ex­
citado (Figura 2 -10b) para um estado não-excitado (Figura
2 -10c) é emitida pelo átomo como um pacote único de
radiação eletromagnética, uma unidade de luz com com­
portamento de partícula, chamado fóton. Toda vez que um
elétron salta de um nível energético maior para um menor,
um fóton move-se para fora à velocidade da luz.
De alguma forma um elétron deve desaparecer de sua órbi­
ta original e reaparecer na sua órbita de destino sem nunca
ter que atravessar quaisquer das posições intermediárias.
Este processo é chamado de passo quântico ou salto quân-
tico. Se o elétron salta do seu estado de excitação mais alto
para o estado basal num único salto, ele emitirá um único
fóton de energia. Também é possível ao elétron saltar de
uma órbita excitada até o nível de base numa série de saltos
Modelos de Radiação Eletromagnética
Sensor High
Resolution
Visible - SPOT-3
Mutispectral
Scanner (MSS)
- Landsat
0,5 0,6 0,7 0,8 0,9 1,0 1,1
Comprimento de Onda, pm
Figura 2-8 As larguras nominais das bandas espectrais individuais
dos sistemas sensores MSS/Landsat e do HRV/SPOT
são resumidas ao longo das abscissas. A resolução espa­
cial de cada banda individual c mostrada no eixo das
ordenadas.
(p.ex., do 4 para o 2 para o 1). Se ele dá dois passos para
atingir o nível de base, então cada um desses saltos emitirá
fótons de um pouco menos de energia. As energias nesses
dois saltos devem produzir uma soma total igual a um úni­
co salto maior (Trefil e Hazen, 1995).
Niels Bohr (1885-1962) e Max Planck (1858-1947) reco­
nheceram a natureza discreta das trocas de energia radiante
e propuseram a teoria quântica da radiação eletromagnéti­
ca. Esta teoria postula que a energia é transferida em paco­
tes discretos chamados quanta ou fótons, como discutido.
A relação entre a frequência da radiação expressa pela teo­
ria ondulatória e o quantum é:
Q = hv (2-6)
Onde Q é a energia de um quantum medida em joules,
h é a constante de Planck (6,626 x 10'34 J s), e v é a fre­
quência da radiação (Figura 2-11). Tomando a Equação
2-3, podemos multiplicar a equação por h/h, ou 1, sem
alterar seu valor:
X= ( 2 - 7 ) (Figura 2-12). A energia liberada neste último salto parece
Substituindo Q por h v (da Equação 2-6), podemos ex­
pressar o comprimento de onda associado com o quantum
de energia como:
( 2- 8)
ou
(2-9)
47
Albert Einstein
Figura 2-9 Albert Einstein (1879-1955) (cortesia da Library
of Congress).
Assim, vemos que a energia de um quantum é inversamen­
te proporcional ao seu comprimento de onda, i.e., quanto
maior o comprimento de onda envolvido, menor seu conteú­
do energético. Esta relação inversa é importante para o senso-
riamento remoto porque ela sugere que é mais difícil detectar
a energia de comprimentos de onda maiores sendo emitida
em comprimentos de onda do infravermelho termal do que
aquela nos menores comprimentos de onda do visível. De
fato, é necessário fazer o sensor olhar ou permanecer visando
por mais tempo uma parcela do terreno se estivermos tentan­
do medir a energia em comprimentos de onda maiores.
As substâncias têm cores por causa das diferenças nos seus
níveis de energia e nas regras de seleção. Por exemplo, con­
sidere o vapor de sódio energizado que produz uma luz
amarela brilhante que é usada em algumas lâmpadas de
ruas. Quando a lâmpada de vapor de sódio é ligada, vários
milhares de volts de eletricidade energizam o vapor. O elé­
tron mais externo em cada átomo energizado do vapor de
sódio sobe para um degrau mais alto na escada de energia e
depois retoma a descida da escada numa certa sequência de
degraus, dos quais os dois últimos são separados por 2,1 eV
com um fóton de luz amarela com um comprimento de
onda de 0,58 pm com 2,1 eV de energia (Nassau, 1983).
A matéria pode ser aquecida a temperaturas tão altas que
os elétrons, que normalmente se movem em órbitas fixas
e não-radiantes, tornam-se livres. Este é o chamado efeito
fotoelétrico (Figura 2-10d). Quando isso acontece, o átomo
permanece com uma carga positiva igual à do elétron ne­
gativamente carregado que escapou. O elétron torna-se um
elétron livre e o átomo é chamado de íon. Nas partes do
ultravioleta e visível (azul, verde e vermelho) do espectro
48 CAPÍTULO Princípios de Radiação Eletromagnética

Criação de Luz a Partir de uma Partícula Atômica e o Efeito Fotoelétrico

emitido quando um
elétron muda de um
estado de maior ener­
gia para um estado
de menor energia

c.

Emissão de um
elétron portando a
mesma quantidade
de energia

Efeito fotoelétinco

Figura 2-10 a-c) Um fóton de energia eletromagnética é emitido quando um elétron num átomo ou molécula salta de um estado de maior
energia para um estado de menor energia. A luz emitida (i.e., seus comprimentos de onda) é uma função das mudanças nos
níveis de energia do elétron de valência mais externa. Por exemplo, luz amarela é produzida por uma lâmpada de vapor de sódio
na Figura 2-12. d) A matéria também pode ser submetida a temperaturas tão altas que os elétrons, que normalmente se movem
em órbitas fixas e não-radiantes, tornam-se livres. Quando isso acontece, o átomo permanece com uma carga positiva igual à do
elétron negativamente carregado que escapou. O elétron torna-se um elétron livre e o átomo é chamado de íon. Se um outro elé­
tron livre completa o nível de energia vazio criado pelo elétron liberado, então é produzida radiação de todos os comprimentos de
onda, i.e., um espectro de energia contínuo. O intenso calor na superfície do Sol produz um espectro contínuo desta maneira.

eletromagnético, a radiação é produzida por mudanças nos
níveis de energia dos elétrons de valências mais externas.
Os comprimentos de onda da energia produzida são uma
função dos níveis orbitais particulares dos elétrons envol­
vidos no processo de excitação. Se os átomos absorvem su­
ficiente energia para serem ionizados e se um elétron livre
cai para preencher o nível de energia disponível, então a
radiação liberada não é quantizada e um espectro contínuo é
produzido ao invés de uma banda ou uma série de bandas.
Cada encontro de um desses elétrons livres com um nú­
cleo carregado positivamente causa mudanças rápidas nos
campos elétrico e magnético, de tal forma que é produzida
radiação em todos os comprimentos de onda. A superfície
quente do Sol em sua grande parte é um plasma no qual
é produzida radiação de todos os comprimentos de onda.
Como mostrado anteriormente na Figura 2-7, o espectro
de um plasma como o do Sol é contínuo.
Em átomos e moléculas, mudanças nas órbitas dos elétrons
produzem as radiações de menores comprimentos de onda,
mudanças nos movimentos vibracionais das moléculas produ­
zem energia no infravermelho e/ou no infravermelho médio,
e mudanças nos movimentos rotacionais produzem radiação
no infravermelho distante ou nas micro-ondas. No Capítulo
8 (Sensoriamento Remoto no Infravermelho Termal) será dito
mais sobre como a radiação no infravermelho termal é produ­
zida e registrada pelos sistemas de sensoriamento remoto.
Interações Energia-Matéria
na Atmosfera
Energia radiante é a capacidade de a radiação numa banda
espectral realizar trabalho. Uma vez que a radiação eletro­
magnética é gerada, ela é propagada através da atmosfera da
Interações Energia-Matéria na Atmosfera 49

Energia Frequência C om prim ento de Tipo de Absorção pela

(J) (Hz) onda (A,) radiação atmosfera
1000 km Ondas longas
, 0 -3° . 103 de rádio
100 km
io
29
- 104
10 km
'5b
Ui 1028- 105
O 1 km
CS 1 0 -27- 106 Rádio IransmissaoT
<u 100 m AM 1
O 1 0 26- 107
c 10 m
<u
£ 10'25- 108
1m
Transmissão Janela do
1 0 ' 24- 109 ■ FM, TV
10 cm Micro-ondas rádio
1 0 '2 3 - IO10-
1 cm ^ Ondas curtas
10-2 2 - 10"- dc rádio
1 mm
1021- IO'2
Tõmm Infravermelho
1020- 1013-
-d - mm
100
1 0 '9- 1014-
ljim = 106m
10 , s - IO'5-
Visível Janela óptica
2 l í r >,m
'5b
u 1 0 17- 1016- i Ultravioleta
<u Tõõ t,m -----
CS 1 0 16-
1017- A 1
<u 10‘3 |im
V) í *
•a 1 0 15- 1018-
Raios X
£ 10 ,om -----
io1
4
- 1019-
10" m ------ i t
ío 13- 102°. Raios pama
1012 m ----

Figura 2-11 A energia dos quanta (fótons) variando dos raios gama às ondas de rádio no espectro eletromagnético.

Terra quase à velocidade da luz num vácuo. Ao contrário de
um vácuo no qual nada acontece, porém, a atmosfera pode
afetar não apenas a velocidade da radiação como também
seu comprimento de onda, sua intensidade e sua distribui­
ção espectral. A radiação eletromagnética pode também ser
desviada da sua direção original devido à refração.
A velocidade da luz numa substância nunca pode atingir a
velocidade da luz no vácuo. Portanto, o índice de refração
sempre deve ser maior do que 1. Por exemplo, o índice de
refração para a atmosfera é 1,0002926 e é 1,33 para a água.
A luz desloca-se mais lentamente através da água por causa
da maior densidade desta.

Refração
A velocidade da luz no vácuo é de 3 x 108 m s'1. Quando a
radiação eletromagnética encontra substâncias de diferen­
tes densidades, como ar e água, pode ocorrer a refração. A
refração refere-se ao desvio da luz quando ela passa de um
meio a um outro de densidade diferente. A refração ocorre
porque os meios são diferentes em densidade e a veloci­
dade da REM (radiação eletromagnética) é diferente em
cada um deles. O índice de refração (n) é uma razão entre a
velocidade da luz no vácuo, c, e a velocidade da luz numa
substância como a atmosfera ou água, c :
n =— . (2-10)
cn
A refração pode ser descrita pela lei de Snell, que postula
que para uma dada frequência da luz (devemos usar fre­
quência uma vez que, ao contrário do comprimento de
onda, ela não muda quando a velocidade da luz muda), o
produto do índice de refração pelo seno do ângulo entre o
raio e a linha normal à interface é constante:
«j sen 0! = «,sen 0, (2-11)
Na Figura 2-13 podemos ver que uma atmosfera não-
turbulenta pode ser vista como uma série de camadas de
gases, cada uma delas com uma densidade um pouco dife­
rente. Toda vez que a energia propaga-se através da atmos­
fera por uma distância apreciável num ângulo diferente
do vertical, ocorre refração.
50 CAPÍTULO
Criação de Luz a Partir de Partículas Atômicas
numa Lâmpada de Vapor de Sódio
Mudança de energia
em elétron-volt (eV)
Figura 2-12 Criação de luz a partir de partículas atômicas numa
lâmpada de vapor de sódio. Após ser energizado por
vários milhares de volts de eletricidade, o elétron mais
externo em cada átomo energizado do vapor de sódio
sobe para um degrau mais alto na escada de energia
c depois retoma a descida da escada numa certa se­
quência de degraus de uma maneira previsível. O dois
últimos degraus na descendente são separados por 2,1
eV. Isso produz um fóton de luz amarela, o qual tem
2,1 eV de energia (veja Tabela 2-2).
A quantidade de refração é uma função do ângulo feito
com a vertical (0), da distância envolvida (na atmosfera,
quanto maior a distância, maior a mudança na densida­
de), e da densidade do ar envolvido (o ar geralmente é
mais denso próximo do nível do mar). Sérios erros de lo­
calização devidos à refração podem ocorrer em imagens
formadas a partir da energia detectada em altas altitudes
ou sob ângulos muito agudos. Entretanto, esses erros de
localização são previstos pela lei de Snell e, portanto, po­
dem ser removidos.
Observe que
Assim, se conhecermos o índice de refração dos meios n] e
» , e o ângulo de incidência da energia no meio n p é pos­
sível prever a quantidade de refração que ocorrerá (sen 0,)
Princípios de Radiaçao Eletromagnética
no meio usando relações trigonométricas. É interessante
notar, porém, que a maioria dos analistas de imagens nun­
ca se preocupa em computar o índice de refração.
Espalhamento
Um sério efeito da atmosfera é o espalhamento da radiação
pelas partículas atmosféricas. O espalhamento difere da refra­
ção no sentido de que a direção associada ao espalhamento
é imprevisível, enquanto a direção da refração (para resumir
a definição) é previsível. Essencial mente, há três tipos de es­
palhamento: Rayleigh, Mie e espalhamento não-seletivo. As
principais subdivisões da atmosfera e os tipos de moléculas e
aerossóis encontrados em cada camada são mostrados na Fi­
gura 2-14 (Miller e Vermote, 2002). O tamanho relativo do
comprimento de onda da radiação eletromagnética inciden­
te, do diâmetro dos gases, do vapor d’água, e/ou da poeira
com os quais a energia interage, e o tipo de espalhamento
que deverá ocorrer estão resumidos na Figura 2-15.
O espalhamento Rayleigh (frequentemente chamado de es­
palhamento molecular) ocorre quando o diâmetro efetivo da
matéria (geralmente moléculas de ar, tais como oxigênio e
nitrogênio na atmosfera) é muitas vezes menor (geralmente
<0,1) que o comprimento de onda da radiação eletromag­
nética incidente (Figura 2-15a). O espalhamento Rayleigh
é chamado assim em homenagem ao físico inglês Ford Ray­
leigh, que forneceu a primeira explicação coerente para ele.
Todo espalhamento ocorre com absorção e re-emissão de
radiação pelos átomos ou moléculas da maneira previamen­
te descrita na seção sobre radiação das estruturas atômicas.
É impossível prever a direção na qual um átomo ou molé­
cula específicos emitirá um fóton, portanto espalhamento.
A energia requerida para excitar um átomo está associada
com a potente radiação de ondas curtas, de alta frequência.
A quantidade aproximada de espalhamento Rayleigh
na atmosfera nos comprimentos de onda ópticos (0,4 —
0,7 pm) pode ser computada usando o algoritmo de espa­
lhamento pela seção-transversal de Rayleigh (x ) (Crack-
nell e Hayes, 1983):
x = 8 7 tW -l)2 (2-13)
m 3A/2A/4
Onde n = índice de refração, N = número de moléculas de
ar por unidade de volume, X = comprimento de onda. A
quantidade de espalhamento é inversamente relacionada
à quarta potência do comprimento de onda da radiação.
Por exemplo, a luz ultravioleta de 0,3 pm é espalhada
aproximadamente 16 vezes mais do que a luz vermelha de
0,6 pm, i.e., (0,6/0,3)4 = 16. A luz azul de 0,4 pm é es­
palhada cerca de cinco vezes mais que a luz vermelha de
Interações Energia-Matéria na Atmosfera 5

Refração Atmosférica Camadas e Constituintes Atmosféricos

Energia radiante Normal à C3 i
incidente superfície 1 t1 CQ aerossóis estratosféricos
o
-o 20 km
« ] = índice de refra­ y
Atmosfera ção para esta camada Z O,, CO,, gases traços
opticamente °i o 15 km -
da atmosfera "O
menos densa
’G 10 km
< 8 km
Percurso da
V
-o Lk Moléculas de gás
energia na 2-3 km (espalhamento Rayleigh)
. atmosfera <
, 'v homogênea ' yr ^ H,O, aerossóis estratosféricos
Atmosfera
opticamente mais Superfície do Terreno
densa
Figura 2-14 Principais subdivisões da atmosfera e os tipos d<
moléculas e aerossóis encontrados em cada camack
(adaptado de Miller e Vermote, 2002).

V
Atmosfera
opticamente
menos densa
_______________ B ______ ----
\
Percurso da energia afetada
violeta e do azul são espalhados ainda mais durante os seus
agora longos percursos através do ar que quando o Sol está
a pino, o que vemos quando olhamos em direção ao pôi
do Sol é o resíduo - os comprimentos de onda da luz solar
que dificilmente são espalhados, especialmente os referen­
pela refração atmosférica tes ao laranja e vermelho.

Figura 2-13 Refração em três camadas atmosféricas não-turbulen-
tas. A energia incidente é desviada de sua trajetória
normal quando se desloca de uma camada atmosférica
para outra. A lei de Snell pode ser usada para predizer
quanto desvio ocorrerá, com base no ângulo de in­
cidência (0) c no índice dc refração de cada nível at­
mosférico, tf , //, e «v
0,6 pm, i.e., (0,6/0,4)'4 = 5,06. A quantidade de espalha­
mento Rayleigh esperada em todo o espectro visível (0,4
- 0,7 pm) é mostrada na Figura 2-16.
A maioria do espalhamento Rayleigh por moléculas de gás
ocorre na atmosfera, de 2 a 8 km acima do solo (Figura
2-14). O espalhamento Rayleigh é responsável pela apa­
rência azul do céu. Os comprimentos de onda mais curtos
do violeta e azul são mais eficientemente espalhados que os
comprimentos de onda maiores do laranja e do vermelho.
Quando olhamos para cima num dia sem nuvens e admi­
ramos o céu azul, estamos testemunhando o espalhamento
preferencial dos menores comprimentos de onda da luz so­
lar. O espalhamento Rayleigh também é responsável pelo
vermelho do pôr do Sol. Como a atmosfera é uma fina
concha de ar que cerca gravitacionalmente a Terra sólida,
a luz solar é obrigada a passar por um caminho inclinado
mais longo de ar ao entardecer (e ao amanhecer) do que
ao meio dia. Uma vez que os comprimentos de onda do
O espalhamento Mie (às vezes denominado de não-mole-
cular ou por partículas de aerossóis) ocorre nos 4,5 km in­
feriores da atmosfera, onde podem estar muitas partículas
essencialmente esféricas com diâmetros aproximadamente
iguais ao tamanho do comprimento de onda da energia
incidente (Figura 2-15b). O tamanho real das partículas
pode variar de 0,1 a 10 vezes o comprimento de onda da
energia incidente. Para a luz visível, os principais agentes
de espalhamento são a poeira e outras partículas variando
de poucos décimos de micrômetro a vários micrômetros
em diâmetro. A magnitude desse espalhamento é maior
que a do espalhamento Rayleigh, e os comprimentos de
onda espalhados são maiores. Quanto maior a quantidade
de partículas de fumaça e de poeira na coluna atmosfé­
rica, mais a luz violeta e azul será removida e apenas os
comprimentos de onda maiores de luz laranja e vermelha
atingirão nossos olhos. A poluição também contribui para
belos amanheceres e entardeceres.
O espalhamento não-seletivo ocorre nas porções mais baixas
da atmosfera, onde há partículas >10 vezes o comprimen­
to de onda da radiação eletromagnética incidente (Figura
2-15c). Este tipo de espalhamento é não-seletivo, i.e., todos
os comprimentos de onda são espalhados, e não apenas o
azul, verde, ou vermelho. Assim, as gotículas de água e os
cristais de gelo que formam as nuvens e os nevoeiros espa­
lham todos os comprimentos de onda da luz visível igual-
50 CAPÍTULO
Criação de Luz a Partir de Partículas Atômicas
numa Lâmpada de Vapor de Sódio
Mudança de energia
em elétron-volt (eV)
Figura 2-12 Criação de luz a partir de partículas atômicas numa
lâmpada de vapor de sódio. Após ser energizado por
vários milhares de volts de eletricidade, o elétron mais
externo em cada átomo energizado do vapor de sódio
sobe para um degrau mais alto na escada de energia
e depois retoma a descida da escada numa certa se­
quência de degraus de uma maneira previsível. O dois
últimos degraus na descendente são separados por 2,1
eV. Isso produz um fóton de luz amarela, o qual tem
2,1 eV de energia (veja Tabela 2-2).
A quantidade de refração é uma função do ângulo feito
com a vertical (0), da distância envolvida (na atmosfera,
quanto maior a distância, maior a mudança na densida­
de), e da densidade do ar envolvido (o ar geralmente é
mais denso próximo do nível do mar). Sérios erros de lo­
calização devidos à refração podem ocorrer em imagens
formadas a partir da energia detectada em altas altitudes
ou sob ângulos muito agudos. Entretanto, esses erros de
localização são previstos pela lei de Snell e, portanto, po­
dem ser removidos.
Observe que
n] sen Oj
sen 0, = ( 2-
W2
Assim, se conhecermos o índice de refração dos meios nt e
n , e o ângulo de incidência da energia no meio «/# é pos­
sível prever a quantidade de refração que ocorrerá (sen 0,)
Princípios de Radiação Eletromagnética
no meio usando relações trigonométricas. É interessante
notar, porém, que a maioria dos analistas de imagens nun­
ca se preocupa cm computar o índice de refração.
Espalhamento
Um sério efeito da atmosfera é o espalhamento da radiação
pelas partículas atmosféricas. O espalhamento difere da refra­
ção no sentido de que a direção associada ao espalhamento
é imprevisível, enquanto a direção da refração (para resumir
a definição) é previsível. Essencialmente, há três tipos de es­
palhamento: Rayleigh, Mie e espalhamento não-seletivo. As
principais subdivisões da atmosfera e os tipos de moléculas e
aerossóis encontrados em cada camada são mostrados na Fi­
gura 2-14 (Miller e Vermote, 2002). O tamanho relativo do
comprimento de onda da radiação eletromagnética inciden­
te, do diâmetro dos gases, do vapor d’água, e/ou da poeira
com os quais a energia interage, e o tipo de espalhamento
que deverá ocorrer estão resumidos na Figura 2-15.
O espalhamento Rayleigh (frequentemente chamado de es­
palhamento molécula}) ocorre quando o diâmetro efetivo da
matéria (geralmente moléculas de ar, tais como oxigênio e
nitrogênio na atmosfera) é muitas vezes menor (geralmente
<0,1) que o comprimento de onda da radiação eletromag­
nética incidente (Figura 2-15a). O espalhamento Rayleigh
é chamado assim em homenagem ao físico inglês Lord Ray­
leigh, que forneceu a primeira explicação coerente para ele.
Podo espalhamento ocorre com absorção e re-emissão de
radiação pelos átomos ou moléculas da maneira previamen­
te descrita na seção sobre radiação das estruturas atômicas.
E impossível prever a direção na qual um átomo ou molé­
cula específicos emitirá um fóton, portanto espalhamento.
A energia requerida para excitar um átomo está associada
com a potente radiação de ondas curtas, de alta frequência.
A quantidade aproximada de espalhamento Rayleigh
na atmosfera nos comprimentos de onda ópticos (0,4 -
0,7 pm) pode ser computada usando o algoritmo de espa­
lhamento pela seção-transversal de Rayleigh (xm) (Crack-
nell e Hayes, 1983):
T = 87t3(n--l)2 (2-13)
m 3Ar-v
Onde n = índice de refração, N = número de moléculas de
ar por unidade de volume, À, = comprimento de onda. A
quantidade de espalhamento é inversamente relacionada
12) à quarta potência do comprimento de onda da radiação.
Por exemplo, a luz ultravioleta de 0,3 pm é espalhada
aproximadamente 16 vezes mais do que a luz vermelha de
0,6 pm, i.e., (0,6/0,3)4 = 16. A luz azul de 0,4 pm é es­
palhada cerca de cinco vezes mais que a luz vermelha de
Interações Energia-Matéria na Atmosfera 51

Refração Atmosférica Camadas e Constituintes Atmosféricos

Energia radiante Normal à i
incidente superfície
o
“O 20 km 1 O,, aerossóis estratosféricosj.1
= índice de refra­ v> •v
Atmosfera ção para esta camada 2 O,, CO,, gases traços
o 15 km -
opticamente °i da atmosfera ~o
menos densa
10 km
< 8 km
V
Percurso da -d3 L Moléculas de gás
energia na 2-3 km 1 (espalhamento Rayleigh)
ni
Atmosfera
atmosfera
homogênea Jr ^ H,O, aerossóis estratosféricos ■
opticamente mais Superfície do Terreno
densa
9A Figura 2-14 Principais subdivisões da atmosfera e os tipos de
moléculas e aerossóis encontrados em cada camada
(adaptado de Miller e Vcrmote, 2002).

«3 .
Atmosfera violeta e do azul são espalhados ainda mais durante os seus
opticamente agora longos percursos através do ar que quando o Sol está
menos densa a pino, o que vemos quando olhamos em direção ao pôr
___________________ ! \ do Sol é o resíduo - os comprimentos de onda da luz solar
Percurso da energia afetada que dificilmente são espalhados, especialmente os referen­
pela refração atmosférica tes ao laranja e vermelho.

Figura 2-13 Refração em três camadas atmosféricas não-turbulen-
tas. A energia incidente é desviada de sua trajetória
normal quando se desloca de uma camada atmosférica
para outra. A lei de Snell pode ser usada para predizer
quanto desvio ocorrerá, com base no ângulo de in­
cidência (0) e no índice dc refração de cada nível at­
mosférico, « , //, e «v
0,6 pm, i.e., (0,6/0,4)4 = 5,06. A quantidade de espalha­
mento Rayleigh esperada em todo o espectro visível (0,4
- 0,7 pm) é mostrada na Figura 2-16.
A maioria do espalhamento Rayleigh por moléculas de gás
ocorre na atmosfera, de 2 a 8 km acima do solo (Figura
2-14). O espalhamento Rayleigh é responsável pela apa­
rência azul do céu. Os comprimentos de onda mais curtos
do violeta e azul são mais eficientemente espalhados que os
comprimentos de onda maiores do laranja e do vermelho.
Quando olhamos para cima num dia sem nuvens e admi­
ramos o céu azul, estamos testemunhando o espalhamento
preferencial dos menores comprimentos de onda da luz so­
lar. O espalhamento Rayleigh também é responsável pelo
vermelho do pôr do Sol. Como a atmosfera é uma fina
concha de ar que cerca gravitacionalmente a Terra sólida,
a luz solar é obrigada a passar por um caminho inclinado
mais longo de ar ao entardecer (e ao amanhecer) do que
ao meio dia. Uma vez que os comprimentos de onda do
O espalhamento Mie (às vezes denominado de não-mole-
cular ou por partículas de aerossóis) ocorre nos 4,5 km in­
feriores da atmosfera, onde podem estar muitas partículas
essencialmente esféricas com diâmetros aproximadamente
iguais ao tamanho do comprimento de onda da energia
incidente (Figura 2-15b). O tamanho real das partículas
pode variar de 0,1 a 10 vezes o comprimento de onda da
energia incidente. Para a luz visível, os principais agentes
de espalhamento são a poeira e outras partículas variando
de poucos décimos de micrômetro a vários micrômetros
em diâmetro. A magnitude desse espalhamento é maior
que a do espalhamento Rayleigh, e os comprimentos de
onda espalhados são maiores. Quanto maior a quantidade
de partículas de fumaça e de poeira na coluna atmosfé­
rica, mais a luz violeta e azul será removida e apenas os
comprimentos de onda maiores de luz laranja e vermelha
atingirão nossos olhos. A poluição também contribui para
belos amanheceres e entardeceres.
O espalhamento não-seletivo ocorre nas porções mais baixas
da atmosfera, onde há partículas >10 vezes o comprimen­
to de onda da radiação eletromagnética incidente (Figura
2-15c). Este tipo de espalhamento é não-seletivo, i.e., todos
os comprimentos de onda são espalhados, e não apenas o
azul, verde, ou vermelho. Assim, as gotículas de água e os
cristais de gelo que formam as nuvens e os nevoeiros espa­
lham todos os comprimentos de onda da luz visível igual-
52 CAPÍTULO
Espalhamento Atmosférico
Espalham ento Rayleigh
a. O Molécula de gás
Espalham ento Mie
1 © “
Fóton de energia
Espalham ento Não-seletivo eletromagnética
modelado como
uma onda
Figura 2-15 O tipo de espalhamento é uma função do 1) com­
primento de onda da energia radiante incidente e 2)
tamanho da molécula de gás, partícula de poeira, e/ou
gotículas de vapor d’água encontradas.
mente bem, fazendo com que a nuvem pareça branca, O
espalhamento não-seletivo de aproximadamente iguais pro­
porções de luz azul, verde e vermelha sempre aparece como
luz branca ao observador comum. Esta é a razão porque ao
usarmos a luz alta do nosso veículo durante um nevoeiro
apenas torna pior o problema, pois espalhamos não-seleti-
vamente ainda mais luz no nosso campo de visada.
O espalhamento é uma consideração muito importante
em pesquisas em sensoriamento remoto. Ele pode redu­
zir severamente o conteúdo de informação dos dados de
sensoriamento remoto até o ponto que a imagem perde
contraste e torna-se difícil diferenciar um objeto de outro.
Absorção
Absorção é o processo pelo qual a energia radiante é absorvi­
da e convertida em outras formas de energia. A absorção da
energia radiante incidente ocorre na atmosfera ou no terre­
no. Uma banda de absorção é um intervalo de comprimen­
tos de onda (ou frequências) do espectro eletromagnético
no qual a energia radiante é absorvida por uma substân­
cia. Os efeitos da água (H ,0 ), dióxido de carbono (CO,),
oxigênio (O,), ozônio (O,) e oxido nitroso (N ,0 ) sobre a
transmissão da luz através da atmosfera estão resumidos na
Figura 2 -17a. O efeito cumulativo da absorção pelos vários
Princípios de Radiação Eletromagnética
Intensidade do Espalhamento Rayleigh
Varia Inversamente com À.'4
3 2,75 2,5 2,25 2 1,75
Comprimento de Onda, pm
Figura 2-16 A intensidade do espalhamento Rayleigh varia in­
versamente com a quarta potência do comprimento
de onda (7"')-
constituintes pode fazer com que a atmosfera se “feche”
completamente em certas regiões do espectro. Isso é ruim
para o sensoriamento remoto porque nenhuma energia fica
disponível para ser registrada por sensoriamento remoto.
Por outro lado, na porção visível do espectro eletromagné­
tico (0,4 —0,7 pm), a atmosfera não absorve toda a energia
incidente, mas a transmite efetivamente bem. Porções do
espectro que transmitem a energia radiante com eficiência
são chamadas d &janelas atmosféricas.
A absorção ocorre quando a energia incidente de mesma
frequência que a frequência ressonante de um átomo ou
molécula é absorvida, produzindo um estado excitado. Se
ao invés de rerradiar um fóton do mesmo comprimento de
onda, a energia for transformada em calor e for subsequen­
temente rerradiada num comprimento de onda maior,
ocorre absorção. Quando se trata de um meio como o ar,
a absorção e o espalhamento são frequentemente com­
binados num coeficiente de extinção (Konecny, 2003). A
Interações Energia-Matéria na Atmosfera
transmissão é inversamente relacionada ao coeficiente de
extinção e à espessura da camada. Certos comprimentos de
onda da radiação são mais afetados pela absorção do que
pelo espalhamento. Isso é particularmente verdade para o
infravermelho e para os comprimentos de onda menores
do que a luz visível. Os efeitos combinados de absorção,
espalhamento e reflectância (dos topos das nuvens) atmos­
féricos podem reduzir dramaticamente a quantidade de
radiação solar atingindo a superfície da Terra ao nível do
mar, como mostrado na Figura 2 -17b.
A clorofila na vegetação absorve muito da luz azul e verme­
lha incidente para fins de fotossíntese. O Capítulo 10 des­
creve a importância dessas bandas de absorção da clorofila e
seus papéis durante o sensoriamento remoto da vegetação.
Similarmente, a água é um excelente absorvedor de ener­
gia (Capítulo 11). Muitos minerais têm características úni­
cas de absorção em porções muito específicas do espectro
eletromagnético que nos permitem usar o sensoriamento
remoto para identificá-los (Capítulo 13), assumindo que
não haja vegetação sobrejacente (Clark, 1999).
A energia que atinge o sistema de sensoriamento remoto
deve passar pela atmosfera duas vezes. Assim, é comum
identificar dois coeficientes de transmissão atmosférica: um
para a energia chegando à atmosfera (Tj,) num ângulo de
incidência relacionado à fonte de energia (p.ex., o Sol), e
um para a energia refletida ou emitida pela superfície da
Terra que deve passar pela atmosfera para atingir o sistema
sensor remoto (TQ). Veremos o quanto esses dois parâme­
tros são importantes na discussão sobre correção atmosfé­
rica, posteriormente neste capítulo.
Reflectância
A reflectância é o processo pelo qual a radiação “resva­
la” num objeto como o topo de uma nuvem, um corpo
d’água, ou um solo exposto. Verdadeiramente, o processo
é mais complicado, envolvendo re-radiação de fótons em
uníssono por átomos ou moléculas numa camada de apro­
ximadamente metade do comprimento de onda em pro­
fundidade. A reflexão exibe características fundamentais
que são importantes no sensoriamento remoto. Primeiro, a
radiação incidente, a radiação refletida, e uma vertical à su­
perfície a partir da qual os ângulos de incidência e reflexão
são medidos, todos ficam no mesmo plano. Segundo, o
ângulo de incidência e o ângulo de reflexão (exitância) são
aproximadamente iguais, como mostrado na Figura 2-18.
Há vários tipos de superfícies refletoras. A reflexão especular
ocorre quando a superfície a partir da qual a radiação é
refletida é essencialmente lisa (i.e., a altura média do perfil
da superfície é várias vezes menor que o comprimento de
53
onda da radiação que está atingindo a superfície). Várias
feições, como corpos d’água calmos, atuam como refleto­
res especulares quase perfeitos (Figura 2-18a,b). Se houver
muito poucas ondulações na superfície, a energia incidente
deixará a superfície do corpo d’água num ângulo igual e
oposto ao da energia incidente. Sabemos que isso ocor­
re pela nossa própria experiência. Se à noite iluminarmos
com um farolete um lago tranquilo, a luz irá resvalar na
superfície e atingir as árvores na outra margem num ângu­
lo igual e oposto ao da radiação incidente.
Se a superfície tem uma grande altura superficial (rugosa)
relativamente ao tamanho do comprimento de onda da
energia incidente, os raios refletidos vão em muitas dire­
ções, dependendo da orientação das superfícies refletoras
menores. Esta reflexão difusa não produz uma imagem es­
pelho, mas sim uma radiação difusa (Figura 2-18c). Papel
branco, pó branco, e outros materiais refletem a luz visível
desta maneira difusa. Se a superfície for muito rugosa, en­
tão pode ocorrer um espalhamento imprevisível. Lambert
definiu uma superfície perfeitamente difusa; assim, a co-
mumente chamada superfície Lambertiana é aquela na qual
o fluxo radiante que deixa a superfície é constante para
qualquer ângulo de reflectância (Figura 2-18d).
A maior parte do fluxo radiante incidente é refletida pelo topo
das nuvens e outros materiais na atmosfera. Uma quantidade
substancial dessa energia é rerradiada de volta para o espaço.
Como veremos, os princípios da reflexão especular e difusa
que se aplicam às nuvens também se aplicam ao terreno.
A reflectância espectral pode ser medida a grandes distâncias
usando sistemas multiespectrais de sensoriamento remoto.
Os sistemas ópticos de sensoriamento remoto que registram
a reflectância espectral são apresentados resumidamente
nos Capítulos 4 e 7. Também é possível obter medições de
reflectância espectral do terreno (p.ex., culturas agrícolas,
solo e água) segurando um espectrorradiômetro a apenas
poucos centímetros acima do solo como mostrado na Figu­
ra 1-1. Os métodos de obtenção de medidas de reflectância
espectral in situ estão apresentados no Capítulo 15.
Interações Energia-Matéria
no Terreno
A taxa temporal do fluxo de energia em direção a, para
fora de, ou através de uma superfície é chamada de fluxo
radiante (O) e é medida em watts (W) (Tabela 2-4). As
características do fluxo radiante e o que acontece com ele
quando interage com a superfície da Terra é de importân­
cia crucial no sensoriamento remoto. De fato, este é o foco
fundamental da maioria das pesquisas em sensoriamento
remoto. Pelo monitoramento cuidadoso da natureza exata
54 CAPÍTULO Princípios de Radiação Eletromagnética

100%
N ,0

0
100 O .e O ,

0 1
III
100
CO,

0
100
_c
< HO

0
100
^ ■ i v
Atmosfera
“fechada”
a.
0,2 0,3 0,4 0,6 0,8 1 1,5 2 3 4 5 6 8 10 20 30

Figura 2-17 a) Absorção da energia eletromagnética do Sol incidente na região de 0,1 a 3,0 pm por vários gases atmosféricos. Os
primeiros quatro gráficos mostram as características de absorção do N ,0 , O, e O^, CO, e H ,0 , enquanto o último gráfico
mostra o resultado acumulado de todos esses constituintes estando na atmosfera ao mesmo tempo. A atmosfera essencial-
mente “se fecha” em certas porções do espectro, enquanto “janelas atmosféricas” existem em outras regiões, as quais efeti­
vamente transmitem energia ao terreno. São nessas janelas que os sistemas de sensoriamento remoto devem funcionar, b)
O efeito combinado da absorção, espalhamento e reflectância atmosféricos reduzem a quantidade de irradiância solar que
atinge a superfície da Terra ao nível do mar.
 Interações Energia-Matéria no Terreno 55

Reflectância Especular versus Difusa

c. Refletor difuso quasc-perfeito. d. Refletor difuso perfeito, ou

superfície Lambcrtiana.

Figura 2-18 A natureza da reflectância especular e difusa.

do fluxo radiante que chega (incidente) em comprimentos Reflectância, Absortância e Transmitância

de onda selecionados e como ele interage com o terreno, é
possível obter importantes informações sobre o terreno.
A reflectância hemisférica (p.) é definida como a razão adi-
Foram identificadas grandezas radiométricas que permi­ mensional entre o fluxo radiante refletido por uma super­
tem ao analista manter um registro cuidadoso do fluxo fície e o fluxo radiante incidente nela (Tabela 2-4):
radiante incidente ou emergente (Tabela 2-4). Começa­
mos com a simples equação do balanço de radiação, que _ ^ re fle tid o ). ( 2 - 15)
estabelece que a quantidade total de fluxo radiante em ®.
o.
comprimentos de onda específicos (À.) incidente no ter­
reno (® .) deve ser balanceada pela avaliação da quanti­ A transmitância hemisférica (x.) é definida como a razão
dade de fluxo radiante refletido pela superfície (®r fl (i) ), adimensional entre o fluxo radiante transmitido por (atra­
quantidade de fluxo radiante absorvido pela superfície vés de) uma superfície e o fluxo radiante incidente nela
(^absorvido;e quantidade de fluxo radiante transmitido
pela
1
superfície
r
(® transm itido)/): Z =
transmitido^ (2-16)
®
a
®
i\
= ® ,
refletido^
+ ®
absorvido^ (2-14)
A absortância hemisférica (a ; ) é definida pela relação adi­
É importante notar que essas grandezas radiométricas mensional:
são baseadas na quantidade de energia radiante incidente
numa superfície em qualquer ângulo num hemisfério (i.e., a. absorvido)w (2-17)
metade de uma esfera). ®
•X
56 CAPÍTULO Princípios de Radiação Eletromagnética

Tabela 2-4. Conceitos radiométricos (Colwell, 1983).

Nome Símbolo Unidades Conceito

Capacidade de a radiação, numa banda espectral

Energia radiante a joules, J
específica, realizar trabalho.

Taxa temporal do fluxo de energia em direção à,

Fluxo radiante ®x watts, W emergente da, ou através
da superfície.

Densidade de fluxo
radiante na superfície
Irradiância E,. watts por metro Fluxo radiante incidente sobre a superfície por
quadrado, W m'2 unidade de área da superfície.

Exitância radiante Mx watts por metro Fluxo radiante emergente da superfície por
quadrado, W m’2 unidade de área da superfície.

watts por metro

Intensidade radiante por unidade de área-fonte
Radiância L. quadrado, por
projetada numa direção específica.
esterradiano, W m'2 sr'1

O refletido^
Reflectância hemisférica Pz adimensional
(D
'X

cl)transmitido^
..
Transmitância hemisférica Tx
adimensional
(D.
•X

O absorvido^
Absortância hemisférica a x
adimensional
cD
•X

ou e a multiplicarmos por 100, obtemos uma expressão para

a
.=1-(
p .+x
x)
. (
2-18)
Essas definições implicam que a energia radiante deve
ser conservada, i.e., ela é refletida de volta por reflexão,
transmitida através de um material, ou absorvida e trans­
formada em alguma outra forma de energia no interior
dos componentes do terreno. O efeito líquido da absorção
de radiação pela maioria das substâncias é que a energia é
convertida em calor, causando um subsequente aumento
da temperatura da substância.
Essas grandezas radiométricas são úteis na produção de
afirmações gerais sobre as características de reflectância,
transmitância e absortância das feições do terreno. De fato,
se tomarmos a simples equação da reflectância hemisférica
a reflectância em percentagem (p.%):
O
rcflccidox x 100> (2 -1 9 )
*% o
'X
que é frequentemente usada na pesquisa em sensoriamento
remoto para descrever as características de reflectância espec­
tral de vários fenômenos. Exemplos de curvas de reflectância
espectral percentual para fenômenos urbano-periurbanos
selecionados são mostrados na Figura 2-19. As curvas de
reflectância espectral não fornecem nenhuma informação
sobre a absorção e transmitância da energia radiante. Mas
porque muitos dos sistemas sensores, como câmeras e al­
guns escâneres multiespectrais, registram apenas a energia
refletida, esta informação ainda é de grande utilidade e pode
formar a base para a avaliação e identificação do objeto.
Interações Energia-Matéria no Terreno 57

Reflectância Espectral de Materiais Selecionados

Comprimento de Onda (nm)

Figura 2-19 Curvas de reflectância espectral para fenômenos urbano-periurbanos na região espectral 400 - 2.500 nm obtidas usando um
espcctrorradiômetro portátil (o Capítulo 15 descreve como as medidas de reflectância espectral in situ são coletadas).

Por exemplo, é claro a partir da Figura 2-19 que a grama
Centipede reflete apenas cerca de 3 a 4 por cento da energia
radiante incidente no vermelho (0,6 - 0,7 pm), enquanto
reflete até aproximadamente 35 por cento do fluxo radian­
te incidente no infravermelho próximo (0,7 —0,9 pm). Se
queremos discriminar entre grama e turfa artificial, a porção
ideal do espectro para o sensoriamento remoto é a região do
infravermelho próximo, pois a turfa artificial reflete apenas
cerca de 5 por cento da energia incidente no infravermelho
próximo. Isso faria com que urna imagem infravermelho
preto-e-branco do terreno mostrasse a grama Centipede em
tons brilhantes e a turfa artificial em tons mais escuros.
As grandezas reflectância, transmitância e absortância he­
misféricas não fornecem informações sobre a quantidade
exata de energia atingindo uma área específica no terreno
proveniente de uma direção específica ou sobre a quanti­
dade exata de fluxo radiante emergindo do terreno numa
certa direção. Os sistemas de sensoriamento remoto podem
ficar posicionados num ponto do espaço durante apenas
um ponto único no tempo, e geralmente observam uma
pequena porção da Terra num certo instante. Portanto, é
importante refinarmos nossas técnicas de medição radio-
métrica de tal forma que informações radiométricas mais
precisas possam ser extraídas dos dados de sensoriamento
remoto (Du et ah, 2002). Isso requer a introdução de di­
versas grandezas radiométricas que fornecem informações
radiométricas gradativamente mais precisas.
Densidade de Fluxo Radiante
Uma área plana (p.ex., com dimensões de 1 x 1 m) sendo
iluminada pelo Sol com um fluxo radiante (O) em com­
primentos de onda específicos (X) é mostrada na Figura
2-20. A quantidade de fluxo radiante interceptado divi­
dida pela área da superfície plana é a densidade de fluxo
radiante média.
Irradiância e Exitância
A quantidade de fluxo radiante incidente sobre uma su­
perfície por unidade de área da superfície é chamada de
irradiância (E.fl:
58 CAPÍTULO Princípios de Radiação Eletromagnética

Densidade de Fluxo Radiante

F =_LL_ (2-20)
x A Fluxo radiante, (D.
A quantidade de fluxo radiante que emerge de uma su­
perfície por unidade de área da superfície é chamada de
exitância (M.)\

( 2- 21 )

Ambas as grandezas são geralmente medidas em Watts por

metro quadrado (W m'2). Embora não tenhamos informa­
ção da direção, seja da energia incidente seja da emergente Área, A
(i.e., a energia pode chegar e sair em qualquer ângulo de
todo o hemisfério), temos que refinar a medida para incluir
informação sobre o tamanho da área de estudo de interesse
no solo em m2. Após isso, precisamos refinar nossas técni­
cas de medição radiométrica para incluir informação sobre
qual direção o fluxo radiante deixará a área de estudo.

Radiância

A radiância é a medida radiométrica mais precisa em

sensoriamento remoto. Radiância (L.) é a intensidade ra­
diante por unidade de área-fonte projetada numa direção
específica. E medida em Watts por metro quadrado por
esterradiano (W m"2 s r 1). O conceito de radiância é mais
bem entendido pela análise da Figura 2-21. Primeiro, o
fluxo radiante deixa a área-fonte projetada numa dire­
ção específica em direção ao sensor remoto. Não estamos
preocupados com quaisquer outros fluxos radiantes que
poderíam estar deixando a área-fonte em qualquer outra
direção. Estamos interessados apenas no fluxo radiante em
certos comprimentos de onda (O.) deixando a área-fonte
projetada (A) numa certa direção (cos 0) e num ângulo
sólido (Q) (Milman, 1999):
cD.
L ~Q~ (2-22)
2 A cos 0
Uma maneira de visualizar o ângulo sólido é considerar
o que você veria se estivesse num avião e olhasse com um
telescópio para o solo. Apenas a energia que emergisse do
terreno e viesse em direção ao telescópio num ângulo es­
pecífico (medido em esterradianos) seria interceptado pelo
telescópio e visto por seus olhos. Assim, o ângulo sólido é
como um cone tridimensional (ou tubo) que afunila o fluxo
radiante vindo de uma fonte pontual no terreno em dire­
ção ao sistema sensor. Espera-se que a energia proveniente
da atmosfera ou de outras partes do terreno não seja espa­
lhada para dentro do campo de visada do ângulo sólido e
contamine o fluxo radiante proveniente da área de interesse
no terreno. Infelizmente, com frequência não é isso o que
ocorre, pois o espalhamento na atmosfera e em outras áreas
Figura 2-20 Conceito de densidade fluxo radiante para uma área
sobre a superfície da Terra, a) Irradiância é uma me­
dida da quantidade de fluxo radiante incidente na su­
perfície por unidade de área da superfície, medida em
Watts por m ’. b) Exitância é uma medida da quanti­
dade de fluxo radiante deixando uma superfície por
unidade de área da superfície, medida em Watts m'2.
próximas no terreno pode contribuir com energia espectral
espúria, que entra no campo de visada do ângulo sólido.
Interações Energia-Matéria
na Atmosfera
O fluxo radiante refletido ou emitido pela superfície da Ter­
ra entra novamente na atmosfera, onde interage com vários
gases, vapor d’água e particulados. Assim, o espalhamento,
a absorção, a reflexão e a refração atmosféricos influenciam
o fluxo radiante uma vez mais antes que a energia seja regis­
trada pelo sistema de sensoriamento remoto.
Interações Energia-Matéria no Sensor
Finalmente, interações energia-matéria ocorrem quando a
energia atinge o sensor remoto. Se uma câmera aérea esti­
ver sendo usada, então a radiância interagirá com o filtro,
as lentes ópticas de vidro da câmera, e finalmente com a
Interações Energia-Matéria no Sensor
Radiância
Normal à
superfície
Fluxo radiante, O.K
cj). Área-fonte projetada = A cos 0
Q zida por um sistema sensor remoto frequentemente é
L./.
A cos 0
Figura 2-21 Conceito de radiância deixando uma área-fonte pro­
jetada específica no terreno, numa direção específica,
e num ângulo sólido específico.
emulsão do filme com seus cristais de haleto cie prata sen­
síveis à luz. A emulsão deve então ser revelada e impressa
antes que uma cópia analógica seja disponível para análise.
Ao invés de armazenar uma imagem latente no filme, um
detector óptico-mecânico registrará digitalmente o núme­
ro de fótons atingindo o sensor em regiões espectrais de
comprimentos de onda muito específicos.
Alvo e Radiância de Trajetória*•
Idealmente, a radiância (Z) registrada por uma câme­
ra ou detector é uma função verdadeira da quantida­
de de radiância emergindo do alvo no terreno dentro
do campo de visada instantâneo (IFOV) num ângulo
sólido específico, como discutido previamente. Infeliz-
mente, outras energias radiantes provenientes de várias
outras trajetórias podem adentrar no campo de visada e
introduzir ruído/confusão no processo de sensoriamen­
to remoto. Assim, definições de variáveis radiométricas
adicionais são necessárias para identificar as principais
fontes e trajetórias dessa energia (Cracknell e Hayes,
1993; Green, 2003). As variáveis estão sintetizadas na
Tabela 2-5. As várias trajetórias e fatores que determ i­
nam a radiância atingindo um sensor remoto estão resu­
midos na Figura 2-22, incluindo:
• A trajetória 1 contém a irradiância espectral solar (E )
que foi muito pouco atenuada antes de iluminar o ter­
reno contido no IFOV. Note neste caso que estamos
interessados na irradiância solar proveniente de um
ângulo zenital solar específico (0 ) e que a quantida­
de de irradiância atingindo o terreno é uma função da
59
transmitância atmosférica neste ângulo (TQ). Se toda a
irradiância atinge o terreno, então a transmitância at­
mosférica (Tn ) é um. Se nenhuma irradiância atinge o
terreno, então a transmitância atmosférica é zero.
• A trajetória 2 contém a irradiância espectral solar difusa
(Ef) que nunca atinge a superfície da Terra (o alvo na
área de estudo) por causa do espalhamento na atmos­
fera. Infelizmente, tal energia é frequentemente espa­
lhada diretamente no IFOV do sistema sensor. Como
discutido previamente, o espalhamento Rayleigh da luz
azul contribui bastante para a irradiância solar difusa.
E por causa disso que a imagem da banda azul produ­
mais clara que qualquer das outras bandas. Ela contém
muito da irradiância solar difusa indesejável que foi
espalhada inadvertidamente para o IFOV do sistema
sensor. Assim, se possível, devemos minimizar esses
efeitos. Green (2003) refere-se a essa grandeza como
reflectância ascendente da atmosfera (A/h).
• A trajetória 3 contém a energia proveniente do Sol que
sofreu algum espalhamento Rayleigh, Mie, e/ou espa­
lhamento não-seletivo e talvez alguma absorção e re-
emissão antes de iluminar a área de estudo. Assim, sua
composição espectral e polarização pode ser um pouco
diferente da energia que atinge o terreno segundo a tra­
jetória 1. Green (2003) refere-se a esta grandeza como
reflectância descendente da atmosfera (EM ).
• A trajetória 4 contém a radiação que foi refletida ou
espalhada pelo terreno próximo (p. ) coberto por neve,
concreto, solo, água, e/ou vegetação para dentro do
IFOV do sistema sensor. A energia não ilumina efeti­
vamente a área de interesse. Portanto, se possível, deve­
riamos minimizar seus efeitos.
• A trajetória 5 é a energia que também foi refletida pelo
terreno próximo para a atmosfera, mas que então foi
espalhada ou refletida para a área de estudo.
Portanto, para um dado intervalo espectral no espectro
eletromagnético (p.ex., A, a X poderia ser 0,6 - 0,7 pm ou
luz vermelha), a irradiância solar total atingindo a superfí­
cie da Terra, E , é uma integração de vários componentes:
K
Es. . f (£_ r 0 COSe ♦ £,_)dX (W m'2
' \
Ela é uma função da irradiância solar espectral no topo da
atmosfera (E ) multiplicada pela transmitância atmosféri­
ca (7" ) num certo ângulo zenital solar (0 ) mais a contri­
buição da irradiância solar difusa (£ ).
60 CAPITULO
Tabela 2-5. Variáveis radiométricas usadas em
sensoriamento remoto.
Variáveis Radiométricas
E j = irradiância solar no topo da atmosfera (W m'2)
Eo = irradiância solar espectral no topo da atmosfera
'' (W nr2 pm'1)
Ed = irradiância solar difusa (W n r2)
E(1 = irradiância solar espectral difusa (W nr2 pm 1)
E,du^ = a reflectância ascendente da atmosfera
Edd^
.." = a reflectância descendente da atmosfera
E^ = irradiância global incidente na superfície (W m 2)
E = irradiância global espectral incidente na superfície
8X (W m'2 pm'1)
T = espessura óptica atmosférica normal
T0 = transmitância atmosférica num ângulo 9 com o
zênite
0 = ângulo zenital solar
9v = ângulo de visada do sensor a bordo do satélite
(ou ângulo de varredura)
p = cos 0
p. = reflectância superficial do alvo num comprimento
de onda específico
p. = reflectância de uma área vizinha
= radiância total no sensor (W m'2 s r ')
L.: = radiância total do alvo de interesse em direção ao
sensor (W m'2 sr *)
L. = radiância intrínseca do alvo (W m'2 s r 1) (i.e., o que
um radiômetro portátil registraria no terreno sem a
interferência da atmosfera)
L = radiância de trajetória de múltiplos espalhadores
r (W n r2 s r 1)
Apenas uma pequena quantidade desta irradiância é real­
mente refletida pelo terreno na direção do sistema sensor
a bordo do satélite. Se assumirmos que a superfície da
Terra seja um refletor difuso (uma superfície Lambertia-
na), a quantidade total de radiância emergindo do alvo
da área de estudo (L.) em direção ao sensor é:
K tral in situ que podem ser usadas para corrigir atmosferi-
/ P>T o,(E„To„coS0„ + EJ;) d ^ . (2-24)
A reflectância média da superfície do alvo (p.) é incluída
porque a vegetação, o solo, e a água dentro do IFOV ab­
sorvem seletivamente parte da energia incidente. Portanto,
nem toda a energia incidente para o IFOV (E ) emerge
para o IFOV. Com efeito, o terreno atua como üm filtro,
absorvendo seletivamente certos comprimentos de onda da
luz enquanto refletindo outros. Note que a energia emer­
gindo do terreno está num ângulo (0 ), requerendo o uso
de um fator de transmitância atmosférica T “nv outra vez.
Princípios de Radiação Eletromagnética
Seria maravilhoso se a radiância total registrada pelo
sensor, se igualasse à radiância retornada do alvo
em estudo na área de interesse, Lr Infelizmente, L
L porque há alguma radiância adicional de diferentes
trajetórias que podem adentrar ao IFOV do detector do
sistema sensor (Figura 2-22). Isso é geralmente chamado
de radiância de trajetória, Lp. Assim, a radiância total
registrada por um sensor torna-se:
L s = Lt + Lp (W n r2 sr'1). (2-25)
Vemos pela Equação 2-25 e Figura 2-22 que a radiân­
cia de trajetória (Lp) é um componente intrusivo (mau)
na quantidade total de radiância registrada pelo sistema
sensor {Lj. Ela é composta de energia radiante prove­
niente primariamente da irradiância solar difusa (E ) da
trajetória 2 e também da reflectância de áreas do terreno
próximas (p. ) da trajetória 4. A radiância de trajetória
introduz erros no processo de coleta de dados por senso­
riamento remoto. Ela pode impedir-nos de obter medi­
das espectrais exatas.
Uma grande quantidade de trabalhos foi feita para desen­
volver métodos de remoção da contribuição da radiância
de trajetória {Lf). Os métodos para computar a radiância
de trajetória estão sumarizados em Richards e Jia (1999).
Programas de modelos de transferência radiativa como o
MODTRAN, o Second Simulation of the Satellite Signal
in the Solar Spectrum (6S), e outros podem ser usados
para predizer a radiância de trajetória num dia particular
para uma particular área de estudo (p.ex., Matthew et al.,
2000; InSpec, 2002; Vermote et al., 2002). Tal informa­
ção pode então ser usada para remover a contribuição da
radiância de trajetória {Lj) para o sinal de sensoriamen­
to remoto ( L j (p.ex., Research Systems, 2003; Green,
2003). Song et al. (2001) e Jensen (2005) fornecem in­
formação sobre quando e como remover os efeitos deleté­
rios da radiância de trajetória. O processo é comumente
chamado de correção radiométrica.
Os métodos de coleta de medidas de reflectância espec­
camente os dados de sensoriamento remoto são apresen­
tados no Capítulo 15.
Referências 61

Várias Radiâncias de Trajetória Sistema de

Recebidas por um Sistema de sensoriamento
Sensoriamento Remoto remoto

Radiância total
/
L,
no sensor

uma área vizinha área de estudo

PA.n Px

Figura 2-22 As radiâncias (Lr) das trajetórias 1,3 e 5 contêm informação espectral intrínseca importante sobre o alvo de interesse. Por outro
lado, a radiância de trajetória (LJ das trajetórias 2 e 4 incluem irradiância solar difusa ou radiância de áreas vizinhas no terreno.
Esta radiância de trajetória geralmente introduz ruído radiométrico indesejável nos dados de sensoriamento remoto e complica
o processo de interpretação de imagens.

Referências Englert, B., Scully, M. O. and H. Walther, 1994, “The Duality

S
Colwell, R. N., (Ed.), 1983, Manual ofRemote Sensing, 2nd
in Matter and Light,” Scientific American, 271(6):86-92.

Feinberg, G., 1985, “Light,” in R. K. Holz (Ed.), The

Surveillant Science: Remote Sensing o f the Environment, 2nd
ed., Bethesda: ASP&RS, 2440 p. Ed., NY.: John Wiley, 2-11.

Cracknell, A. P. and L. W. Hayes, 1993, “Atmospheric
Corrections to Passive Satellite Remote Sensing Data,”
Chapter 8 in Introduction to Remote Sensing, NY.: Taylor &
Francis, 116-158.
Du, Y., Teillet, P. M. and J. Cihlar, 2002, “Radiometric
Normalization of Multitemporal High-resolution Satellite
Images with Quality Control for Land Cover Change
Detection,” Remote Sensing o f Environment, 82:123.
Green, R. O., 2003, “Introduction to Atmospheric
Correction,” Chapter 2 in ACORN Tutorial, Boulder:
Analytical Imaging and Geophysics, LLC, 12-18.
InSpec, 2002, ACORN 4.0 Users Guide, Boulder: Analytical
Imaging and Geophysics, LLC, 76 p.
Jensen, J. R., 2005, Introductory DigitalImageProcessing: A Remote
Sensing Perspective, Upper Saddle River: rentice-Hall, 525 p.
62 CAPÍTULO
Konecny, G., 2003, Geoinformation: Remote Sensing, Photo-
grammetry and GIS, N.Y.: Taylor & Francis, 248 p.
Matthew, M. W. and 13 co-authors, 2000, “Status of Atmo-
spheric Correction Using a MODTRAN4-based Algorithm,”
SPIE Proc. Algorithmsfor Multispectral, Hyperspectral, and Ul-
traspectral Imagery VI, 4049:199-207.
Miller, S. W. and E. Vermote, 2002, NPOESS Visible/Infrared
Imager/Radiometer Suite: Algorithm Theoretical Basis Docu-
ment, Version 5, Lanham: Raytheon, 83 p.
Milman, A. S., 1999, Matbematical Principies o f Remote Sens­
ing: Making Inferences f'om Noisy Data, Ann Arbor: Ann Ar-
bor Press, 37 p.
Nassau, K., 1983, The Physics and Chemistiy o f Color: The
Fifieen Causes o f Color, NY.: John Wiley. Nassau, K., 1984,
“The Physics of Color,” in Science Year 1984, Chicago:
World Book, 126-139.
Research Systems, 2003, FLAASH— Fast Line-of-sight Atmo-
spheric Analysis ofSpectral Hypercuhes, Boulder: Research Sys­
tems, http://www.rsinc.com/envi/flaash.asp.
Richards, J. A. and X. Jia, 1999, Remote Sensing Digital hnage
Analysis, N.Y.: Springer-Verlag, 363 p.
Princípios de Radiação Eletromagnética
Rinker, J. N., 1999, Introduction to Spectral Remote Sensing,
Alexandria: U.S. Army Topographic Engineering Center,
http://www.tec.army.mil/terrain/desert/tutorial.
Rott, H., 2000, “Physical Principies and Technical Aspects of
Remote Sensing,” in Schultz, G. A. and E. T. Engman (Eds.),
Remote Sensing in Hydrology and Water Management, Berlim
Springer, 16-39.
Song, C., Woodcock, C. E., Soto, K. C., Lenney, M. P. and
S. A. Macomber, 2001, “Classification and Change De-
tection Using Landsat TM Data: When and How to Cor-
rect Atmospheric Effects?” Remote Sensing of Environment,
75:230-244.
Trefil, J. and R. M. Hazen, 1995, The Sciences: An Integrated
Approach, NY.: John Wiley, 634 p.
Tuominen, S. and A. Pekkarinen, 2004, “Local Radio-
metric Correction of Digital Aerial Photographs for Multi
Source Forest Inventory,” Remote Sensing o f Environment,
89:72-82.
Vermote, E. F., El Saleous, N. Z. and C. O. Justice, 2002,
“Atmospheric Correction of MODIS Data in the Visible to
Middle Infrared: First Results,” Remote Sensing o f Environ­
ment, 83:97-111.
 História da Fotografia Aérea e das Plataformas
Aéreas

energia eletromagnética refletida pela superfície terrestre pode ser gravada

A por uma diversidade de sistemas de sensoriamento remoto. O mais antigo

é a câmera, que ainda está entre os instrumentos mais úteis e confiáveis de
sensoriamento remoto. Na parte inicial deste capítulo é feita uma revisão
da história da fotografia. Em seguida, é relatado o desenvolvimento das pla­
taformas suborbitais utilizadas para adquirir fotografias aéreas. No final do
capítulo é apresentado um breve histórico sobre a obtenção de fotografias
aéreas orbitais.

História da Fotografia

A fotografia é uma invenção que foi concretizada entre 1833 e 1839. É interessante
notar que dois componentes tecnológicos básicos da fotografia já se encontravam dis­
poníveis há muito tempo, mas faltava alguém para colocá-los em funcionamento: 1)
uma correta teoria sobre a luz e as cores, e 2) um instrumento de captação da cena (a
câmera escura). Ainda faltava inventar uma emulsão sensível à luz e que pudesse ser
í- fixada para gravar a cena de forma permanente.

Luz e Cor

Há mais de mil anos astrólogos indianos já afirmavam que a luz branca do Sol é com­
posta pela combinação de todas as cores. Contudo, a crença errônea de Aristóteles de
que as cores são formadas pela mistura do preto e do branco prevaleceu até o final do
século XVII (Wolinsky, 1999). Até Leonardo da Vinci tinha dúvidas sobre o número
de cores primárias, achando que eram seis ou oito. Somente em 1672 Isaac Newton
apresentou um conceito correto sobre a luz e as cores publicado em sua obra Nova
Teoria sobre Luz e Cores, em que ele escreveu,

No início do ano de 1666... eu peguei um prisma triangular de vidro e com

ele obtive o célebre Fenômeno das Cores.

Newton verificou que o prisma dispersava a luz branca num espectro de cores —ver­
melho, laranja, amarelo, verde, azul, anil e violeta. Ele verificou ainda que com um
segundo prisma o feixe de cores podia ser recombinado em luz branca. Ele foi o pri­
meiro a documentar cientificamente a natureza espectral da luz, e suas idéias ajudaram
a iniciar a era da óptica moderna.
64 CAPITULO
Figura 3-1 A lente (A) de uma câmera escura portátil focaliza a
luz refletida dos objetos sobre um espelho (B), que por
sua vez projeta a luz refletida sobre um vidro trans­
parente (C) onde era possível desenhar as formas dos
objetos em suas dimensões relativas sobre um papel
transparente. A câmera escura foi um importante mar­
co tecnológico no desenvolvimento das câmeras e da
fotografia (segundo Ganot, 1855).
A Câmera Escura
Os princípios fundamentais da câmera escura já eram
conhecidos no início do século IV a.C., tanto na Chi­
na quanto na Grécia. Um instrumento conhecido como
camera obscura (câmera escura) já era utilizado há muito
tempo por artistas para auxiliar em seus desenhos (Figura
3-1). A câmera escura utiliza uma lente simples inserida
em uma caixa para focalizar imagens da parte exterior da
câmera sobre um espelho, que por sua vez projeta a ima­
gem sobre um vidro transparente. Colocando um papel
transparente sobre este vidro é possível desenhar a imagem
projetada guardando as formas e as dimensões relativas dos
objetos da cena. Para inventar a fotografia faltava apenas
uma forma de captar e preservar a imagem projetada sobre
o vidro (Fanton, 1989).
Invenção das Emulsões Sensíveis à Luz e Métodos
para Fixar a Imagem
A primeira imagem fotográfica (Figura 3-2) foi produzida
na França por Joseph Nicephore Niepce (1763-1833) em
1826 (Gernsheim e Gernsheim, 1952). Esta imagem foi
obtida de uma janela do andar superior de sua propriedade
“Les Gras” no vilarejo de Saint Loup de Varenne na Fran­
ça, registrando as edificações e a vegetação do pátio (Figura
História da Fotografia Aérea e das Plataformas Aéreas
Figura 3-2 Joseph Nicephore Niepce (1763-1833).
3-3). Na parte esquerda da fotografia vemos o andar de
cima da casa da família Niepce; à direita encontra-se uma
pereira e podemos observar uma parte do céu por entre os
galhos da árvore; ao centro encontra-se o telhado inclina­
do do armazém da propriedade; mais ao fundo à direita é
possível ver parte de uma outra casa.
Esta é a primeira fotografia permanente ou duradoura obtida
com sucesso (ou seja, uma imagem sensoriada remotamen­
te). Para obter esta fotografia Niepce dissolveu betume da
Judéia (tipo de asfalto utilizado antigamente) em óleo de
lavanda (solvente para verniz), colocou esta mistura sobre
uma lâmina feita de liga metálica (pilter) formando uma
emulsão mole e sensível à luz, pois a emulsão endurecia
com a ação da luz solar. Em seguida ele colocou esta lâmina
dentro da câmera escura posicionada sobre uma janela com
vista para o pátio de sua mansão. A lâmina ficou exposta
dentro da câmera escura por um período de oito horas!
Isto fez com que o sombreamento da casa ficasse estranho
devido às diferentes condições de iluminação solar da cena
durante as oito horas de exposição. A luz solar refletida que
incidiu sobre a folha metálica endureceu a emulsão para
á
as áreas claras da cena enquanto que para as áreas escuras
da cena a emulsão continuou mole. Após as oito horas de
exposição, Niepce lavou a folha metálica com um solvente
para remover as partes moles da emulsão que não foram ex­
postas à luz, resultando numa gravura onde as áreas ilumi­
nadas da cena são representadas pelo betume endurecido e
as áreas escuras ou sombreadas são representadas pela folha
metálica (Gernsheim e Gernsheim, 1952). Desta forma,
Niepce tinha encontrado uma maneira de fixar a imagem
removendo as partes da emulsão que não tinham sido ex­
postas aos raios solares refletidos da cena e que, portanto,
ainda eram sensíveis à luz. Niepce denominou isto de he-
liografia, do grego hélio para “Sol” e grafia para “desenho”
(London e Upton, 1994). Niepce faleceu em 1833 e não
/
História da Fotografia
Primeira Fotografia
Figura 3-3 Joseph Nicephore Niepce foi quem tirou a primeira
fotografia em 1826 de uma janela de sua propriedade.
Ele usou uma câmera escura e uma placa metálica co­
berta com uma emulsão sensível à luz composta de be­
tume da Judeia (tipo de asfalto) dissolvido em óleo de
lavanda (solvente). O tempo de exposição para obter a
fotografia foi de oito horas! As partes da placa expostas
à luz endureceram enquanto que as partes não expos­
tas permaneceram moles. Após a exposição da placa,
Niepce removeu as partes moles da emulsão (não ex­
postas à luz) com um solvente resultando na primeira
imagem fotográfica (Gernsheim e Gernsheim, 1952;
© Coleção Gernsheim, Centro de Pesquisa de Ciên­
cias Humanas Harry Ransom, Universidade do Texas,
Austin, EUA; usado com permissão).
pôde observar o grande impacto que a fotografia veio a ter
sobre a sociedade desde o início de seu advento.
Louis Jacques Mande Daguerre (1787-1851) era um artista
cênico que criava palcos para óperas e teatros (Figura 3-4).
Ele e Niepce correspondiam-se com frequência e ficaram
sócios em 1829. Após o falecimento de Niepce em 1833,
Daguerre continuou fazendo experiências com diversas
emulsões e “fixadores”. Em 7 de janeiro de 1839, ele apre­
sentou para a Academia Francesa de Ciências o processo do
dagueneótipo, que envolvia os seguintes passos (Quacken-
bush, 1960; Newhall, 1993; London e Upton, 1994):
• Uma superfície de prata polida foi aplicada sobre uma
placa de cobre;
• Esta placa foi exposta a vapores de cristais de iodo, que
reagiam com a prata formando iodeto de prata, que é
sensível à luz;
• A placa sensibilizada foi colocada em uma câmera es­
cura e exposta a uma cena por alguns minutos. Du­
rante este tempo os elementos da cena (pessoas ou
65
Figura 3-4 Fotografia de Louis Jacques Mande Daguerre (1787-
1851).
paisagem) tinham que permanecer imóveis para serem
registrados sobre a placa e assim formar a imagem la­
tente da cena, que estava quimicamente presente mas
era invisível ao olho humano.
• A imagem latente foi revelada colocando a placa expos­
ta (filme) em uma caixa com uma vasilha com mercúrio
aquecido. Nas partes da placa onde incidiram diversos
fótons durante a tomada da cena o vapor de mercúrio
reagiu com a prata e formou cristais de amálgama - re­
velando as partes claras da imagem. Nas partes onde in­
cidiram poucos fótons na placa não se formou amálga­
ma - revelando as partes escuras da imagem. A placa foi
então colocada em um banho de sal (cloreto de sódio),
que fazia com que o iodeto de prata - não exposto cà luz
- se tornasse insensível à ação da luz. A placa foi então
lavada em água e colocada para secar obtendo-se como
resultado deste processo uma única fotografia em po­
sitivo chamada de “miniatura desenhada pelo Sol”, já
que a palavra fotografia ainda não havia sido cunhada.
Alguns anos depois, o tiossulfato (hipo) de sódio, que
Herschel havia descoberto em 1819, passou a ser usado
como agente fixador em lugar do cloreto de sódio.
Daguerre considerava que esta invenção era somente sua
e deu a este novo processo o nome de dagueneótipo, mas
como tinha a sociedade com Isidore Niepce (filho de Joseph
Nicephore) concordou que ele fosse publicado juntamente
com o antigo processo, a fim de que o nome de Joseph Nice­
phore Niepce constasse nesta invenção (Fouque, 1867).
O secretário da Academia Francesa de Ciências ficou ma­
ravilhado com a invenção de Daguerre e afirmou - “isto
66 CAPÍTULO
Daguerreótipos
a. Capitólio dos Estados Unidos, 1846.
Figura 3-5 Daguerreótipos do: a) Capitólio dos Estados Unidos e b) Presidente Abraham Lincoln (cortesia da Biblioteca do Congresso).
supera todas as teorias da luz e óptica, e irá revolucionar a
arte do desenho”. Outros membros eminentes da Academia
Francesa de Ciências, tal como Alexander von Humboldt (o
geógrafo que criou o conceito de “isolinha”), confirmaram
a importância do invento. O processo do daguerreótipo foi
comprado pelo governo francês, e Daguerre e Isidore Niepce
receberam uma pensão por toda a vida. Daguerre escreveu
um livro de 79 páginas descrevendo o processo do daguerre­
ótipo, que foi publicado em mais de 30 edições e distribuído
ao redor do mundo. Contudo, os primeiros fotógrafos que
faziam daguerreótipos enfrentaram um sério problema cau­
sado pelo envenenamento pela exposição prolongada aos va­
pores de mercúrio, que levou muitos fotógrafos à loucura.
Nos Estados Unidos, milhares de daguerreótipos foram feitos
de paisagens e de pessoas por fotógrafos famosos como Mat-
thew Brady. Os daguerreótipos preservados pela biblioteca
do Congresso americano são importantes documentos histó­
ricos. Daguerreótipos do Capitólio dos Estados Unidos e do
presidente Abraham Lincoln são mostrados na Figura 3-3.
Os daguerreótipos, como eram chamadas as primeiras fo­
tografias tiradas com um daguerreótipo, registravam a cena
com bastante detalhe e tornaram-se muito populares. No en­
tanto, faltava uma forma de reproduzir estas fotografias para
obter cópias, o que só era possível tirando uma fotografia do
original. Em 1839, WilliamHenry FoxTalbot (1800-1877),
membro da Sociedade Real inglesa (equivalente à Academia
Francesa de Ciências), descobriu que uma imagem formada
sobre um papel com uma emulsão de iodeto de prata podia
História da Fotografia Aérea e das Plataformas Aéreas
b. Presidente Abraham Lincoln, 1864.
ser revelada com ácido gálico e nitrato de prata. Utilizando
fotografias negativas em papel transparente ele obtinha có­
pias contato positivas em papel, chamadas de calótipos (do
grego kalos para “lindo” e tipos para “impressão”), mas não
tinham a mesma qualidade dos daguerreótipos em brilho
ou nitidez. O livro de Talbot Lápis da Natureza (1844) foi o
primeiro a ser ilustrado com fotografias.
O processo negativo-positivo de Talbot é basicamente o
mesmo que utilizamos hoje em fotografias terrestres e aé­
reas. Talbot contestou que o seu processo era anterior ao de
Daguerre e apresentou seu caso à Sociedade Real. Interes-
santemente, quando o renomado astrônomo inglês John
F. W. Flerschel foi chamado para a França para comparar
os dois processos, ele praticamente desqualificou as foto­
grafias do inglês Talbot por sua baixa qualidade, dizendo
“Devo dizer aos senhores que, comparado a essas obras de
arte de Daguerre, o senhor Talbot não produz mais do que
coisas vagas e nebulosas. Há tanta diferença entre esses dois
produtos como há entre a Lua e o Sol” (Newhall, 1993).
Herschel foi quem apresentou a palavra fotografia em lugar
do termo “desenho fotogênico”, de Talbot, e consagrou os
termos positivo e negativo.
Em 1839 a fotografia era considerada milagrosa, pois antes
era impossível saber exatamente como uma pessoa ou um
lugar se parecia sem conhecê-los pessoalmente. A pintura
de retratos era algo disponível somente para os ricos e esta­
va sujeita a modificações pelo artista. Mesmo as melhores
descrições dos mais lindos lugares do mundo eram tão so­
História da Fotografia
mente palavras. A fotografia permitiu ao cidadão comum
adentrar no fluxo do tempo fazendo-o parar por um ins­
tante para então preservá-lo para a posteridade.
Em 1851, o inglês Frederick Scott Archer descobriu que
uma placa de vidro coberta com colóide (nitrocelulose dis­
solvido em éter e álcool) podia ser usada como emulsão.
Ele desenvolveu um jeito para cobrir a placa de vidro com
esta substância (Newhall, 1969). A placa foi sensibilizada
mergulhando-a em nitrato de prata. Os íons de prata com­
binavam com os íons de iodo e formavam iodeto sensível
à luz, dentro do colóide. A placa era exposta quando ainda
úmida para então ser revelada em ácido pirogálico, fixada
em hipossulfito e lavada em água. O processo da placa de
colóide úmido tinha que ser feito no local. Isto requeria
um laboratório móvel completamente escuro para obter
fotografias no campo. De 1851 até 1888, esta era a forma
mais comum de se obter fotografias, e os processos do da­
guerreótipo e do calótipo caíram em desuso.
Em 1855, o notável físico inglês James Clerk Maxwell
(1831-1879) (Figura 3-6) sugeriu que os objetos pode­
ríam ser fotografados em cores. Num artigo publicado nos
Anais da Sociedade Real inglesa ele apresenta uma discus­
são básica sobre a visão colorida. Referindo-se a trabalhos
anteriores de Thomas Young, o qual ele diz ter sido o pri­
meiro a entender as sugestões de Newton sobre a mistura
de cores, Maxwell faz as seguintes afirmações:
A teoria das cores pode ser explicada através de
uma suposição com base na arte da fotografia.
Digamos que estejamos querendo reproduzir as
cores de uma certa paisagem por meio da exposi­
ção de um filme fotográfico branco e preto igual­
mente sensível aos diferentes raios de cada cor.
Seja colocado um filtro vermelho na frente da
câmera e obtida uma fotografia. O filme positivo
desta fotografia será transparente onde a luz ver­
melha for abundante na paisagem, e opaca onde
ela for ausente. Seja ela agora colocada num pro­
jetor juntamente com o filtro vermelho. Isto irá
projetar uma imagem vermelha sobre a tela.
Seja esta mesma operação repetida para os filtros
verde e violeta, respectivamente. As três imagens
(vermelho, verde e violeta) projetadas na tela de­
vem estar sobrepostas. A cor de cada ponto na tela
vai depender da cor daquele ponto correspondente
na paisagem. Se a intensidade da luz de cada proje­
tor for ajustada adequadamente devemos ter na tela
uma imagem colorida da paisagem (Niven, 1890).
Em 17 de maio de 1861, Maxwell, com a ajuda do fotógra­
fo Thomas Sutton, demonstrou a técnica aditiva da com­
binação de cores. Ele fotografou quatro vezes uma vareta
67
Figura 3-6 Fotografia do físico James Clerk Maxwell (1831-1879).
com fitas de múltiplas cores utilizando filme branco e pre­
to. Cada exposição foi feita através de um filtro diferente:
vermelho (sulfo-cianeto de ferro), verde (cloreto de cobre),
azul (sulfato amoniacal de cobre), e amarelo (vidro colori­
do de limão). Ele então projetou luz através das fotogra­
fias em branco e preto do vermelho, verde e azul, com os
respectivos filtros, e conseguiu recriar a imagem da vareta
com as fitas coloridas. Ele verificou que o filtro amarelo era
desnecessário. O Capítulo 4 fornece informações adicionais
sobre os princípios da combinação aditiva de cores.
Grandes avanços foram feitos na fotografia a partir de 1871
quando o físico e fotógrafo inglês Richard L. Maddox in­
ventou o processo da placa seca, que utiliza gelatina como
meio de suspensão para os sais de prata sensíveis à luz (Ma­
ddox, 1871). Este processo era muito superior ao colóide de
placa úmida, pois além de ser quase 60 vezes mais rápido,
ou seja, bem mais sensível à luz, ele podia ser revelado com
a emulsão seca. Não era mais necessário ter um laboratório
junto ao local de obtenção das fotografias. A emulsão mais
sensível também tinha a vantagem de paralisar a cena mais
rapidamente, o que melhorou grandemente a qualidade dos
detalhes em fotografias aéreas e terrestres. Com base neste
conceito foi inventado o filme em rolo por Leon Warnerke
em 1875.
Em 1873, Herman Vogei descobriu que ao imergir haleto
de prata em diversos corantes, ele podia ampliar a sensibi­
lidade do filme a comprimentos de ondas mais longos. In­
vestigações subsequentes mostraram que corantes podiam
ampliar a sensibilidade das emulsões para porções dentro do
espectro do infravermelho próximo (Thompson, 1966).
Até 1888, o uso da fotografia estava restrito àqueles que
sabiam revelar o filme e obter as cópias fotográficas. Foi
68 CAPÍTULO História da Fotografia Aérea e das Plataformas Aéreas
então que George Eastman revolucionou a fotografia po­
pularizando o seu uso. Ele deu continuidade ao trabalho
de Warnerke, usando emulsão de gelatina para manter em
suspensão os sais de prata sensíveis à luz. Este material foi
então colocado sobre um filme e produzido em formato
de rolo. Este suporte transparente e flexível teve um im­
portante papel no avanço e no aumento da utilidade da
fotografia (Thompson, 1966). George Eastman fundou a
Companhia Eastman Kodak e desenvolveu um sistema de
foto-acabamento que tinha o seguinte lema, “Você aperta o
botão, nós fazemos o resto.” As pessoas compravam câme­
ras fotográficas relativamente baratas, tiravam 100 fotogra­
fias e encaminhavam a câmera com o filme para a Kodak,
onde ele era processado. A Kodak revelava o filme e fazia as
cópias, que eram enviadas para o cliente juntamente com
a câmera e um novo filme. Este procedimento é muito se­
melhante ao das máquinas fotográficas recicláveis vendidas
até hoje. Com o advento da fotografia digital, as câmeras
fotográficas convencionais estão caindo em desuso.
Outro grande avanço registrado na história da fotografia
foi observado em 1924 quando Mannes e Godousky pa­
tentearam a primeira parte de seu trabalho sobre filmes
de múltiplas camadas, que deu origem ao primeiro filme
colorido comercial de três camadas - o Kodachrome, em
1935 (McCamy, 1960).
Fotografias a Partir de Plataformas
Aéreas
Por muito tempo o homem teve o desejo de voar como um
pássaro e ter uma perspectiva aérea ou ver a Terra como os
pássaros a viam. Já na antiga mitologia se observa o envol­
vimento do homem com o sonho de voar. Por exemplo, a
mitologia grega nos conta que Daedalus construiu asas de
penas e cera para ele e seu filho ícaro escaparem da prisão.
Mas ícaro ficou tão envolvido com a alegria de voar que
chegou perto demais do Sol. As asas derreteram e ele caiu
na Terra. O herói grego Perseu usou sandálias aladas para
voar e salvar Andrômeda (Lopez, 1995). Após sonhar em
voar durante séculos, a criatividade humana finalmente
resultou em uma série de invenções que permitiram ven­
cer a gravidade e obter uma perspectiva aérea da superfície
terrestre. Algumas das plataformas aéreas inventadas eram
mais úteis e seguras do que outras.
Ornitópteros
As primeiras tentativas que o homem fez para voar con­
sistiam em imitar pássaros por meio da construção de ob­
jetos chamados ornitópteros (Figura 3-7). Os ornitópteros
batiam as asas com o movimento dos braços do homem,
Figura 3-7 Um ornitóptero movido por força humana. O batimen­
to das asas deveria gerar suficiente impulso aerodinâmi­
co para sustentar o voo. Experimentos com ornitópteros
frequentemente resultavam em acidentes graves.
que se lançava de lugares altos e com frequência aconte­
ciam acidentes graves na queda. Por exemplo, em 1010
um monge chamado Eilmer, equipado com um ornitóp­
tero, decolou de um mosteiro na Inglaterra e quebrou as
pernas. Na França, em 1536, Denis Bolori tentou voar
usando asas que batiam por meio de uma mola que se
quebrou e ele morreu na queda. Os livros de anotações
de Leonardo da Vinci escritos entre 1488 e 1514 tinham
desenhos de ornitópteros e helicópteros simples. Não se
sabe se da Vinci construiu algum desses objetos, mas ele
sugeria que os voos deveríam ser feitos sobre a água por
razões de segurança.
Voos com Balões Mais Leves do que o A r
O balão de ar quente foi inventado por Joseph e Etien-
ne Montgolfier em 1783, na França (Lopez, 1995). O ar
quente e menos denso que erguia o balão e a cesta do chão
era produzido por meio da queima de palha e lã. Os pri­
meiros testes foram feitos com animais. Pilatre de Rozier
e o Marquês d’Arlandes foram os primeiros aeronautas a
voarem neste balão sobre Paris.
A primeira fotografia aérea de que se tem conhecimento
foi obtida em 1858, pelo fotógrafo retratista parisiense e
apaixonado aeronauta Gaspard Felix Tournachon, mais
conhecido por Nadar (Figura 3-8). Ele tinha a percepção
de que a fotografia aérea poderia ter uma importante con­
tribuição no futuro, e em 23 de outubro de 1858 paten­
teou aquilo que hoje chamamos de levantamento aéreo
- o mapeamento da superfície a partir de uma série de
fotografias aéreas sobrepostas (Newhall, 1969). Ainda em
outubro de 1858 ele subiu num balão cativo sobre Paris
para obter a primeira fotografia aérea. Nadar teve algumas
dificuldades para registrar a fotografia, pois o gás que es­
capava da boca do balão tirava a sensibilidade da emulsão
úmida da placa de vidro, mas finalmente ele teve êxito com
Fotografias a Partir de Plataformas Aéreas
jilj— » j
"V ** K - Nadar referia-se à fotografia com um certo desprezo di­
Figura 3-8 O famoso fotógrafo parisiense Gaspard Felix Tour-
nachon (1820-1910), mais conhecido por Nadar, é
visto nesta fotografia ajoelhado numa frágil gôndola
de balão. Ele foi o primeiro a obter uma fotografia
aérea a partir de um balão próximo a Paris em 1858
e a patentear o levantamento aéreo tal como o conhe­
cemos hoje em dia. Infelizmente, a primeira fotogra­
fia aérea foi perdida (© Roger-Viollet, Paris, França;
usado com permissão).
uma fotografia sobre o Vai de Bievre nos arredores de Paris.
Ele expôs a placa fotográfica subindo num balão cativo até
uma altura de 80 m; em seguida foi rapidamente puxado
de volta para a superfície onde correu para dentro de uma
casa para revelar a fotografia. Esta primeira fotografia aérea
foi perdida; no entanto, Nadar descreveu seu conteúdo;
Estou revelando a minha foto...Boa sorte! Tem
algo aparecendo nela!... Ninguém pode negar:
bem aqui abaixo de mim estão as três casas da
pequena vila: a fazenda, a estalagem e a delegacia
de polícia... Você pode distinguir perfeitamen-
te um veículo de entregas parado na estrada, e
sobre o telhado tem dois pombos que tinham
69
acabado de pousar. Então eu estava certo! (Le
Monde Illustre, 30 de outubro de 1858).
zendo que era “um simples positivo sobre um vidro” feito
com um “material detestável”. Apesar disso, a fotografia
aérea acabava de nascer. A primeira fotografia aérea de que
temos registro foi obtida com sucesso por James W. Bla­
ck e Samuel A. King dois anos depois, em 13 de outubro
de 1860, a uma altura de 350 m a partir do balão cativo
“Rainha dos Ares” sobre a cidade de Boston, Massachu-
setts, EUA (Figura 3-9). Também aqui foi utilizada uma
emulsão de placa úmida, que precisava ser revelada logo
após a exposição da fotografia (Tennant, 1903). Black era
um fotografo profissional da firma Black & Bathelder, en­
quanto que King tinha seu próprio negócio de fotografia
—King & Allen. Ao final daquele dia, em 1860, King fez o
seguinte comentário:
Esta fotografia tirada a partir de um balão é, sem
dúvida, a precursora de outras numerosas expe­
riências, e ninguém pode negar que é chegado o
tempo em que aquilo que era utilizado apenas
para diversão agora pode ser usado para uma fi­
nalidade prática.
Em julho de 1863, Oliver Wendell Holmes (um estudante
de fotografia de Samuel King) fotointerpretou o conteúdo
desta fotografia para a revista mensal The Atlantic Monthly
(Newhall, 1969):
Boston, tal como a águia e o ganso selvagem a
vêem, é um objeto bem diferente do que visto de
baixo para cima por uma pessoa que olha para
as calhas e chaminés. O Velho Sul e a Igreja da
Trindade são dois pontos de referência inconfun­
díveis. A rua Washington inclina-se através da
fotografia como se fosse uma estreita rachadura.
A construção dos edifícios comerciais ao longo
da rua do Leite vão mudando de direção pare­
cendo a trilha seguida pelo gado leiteiro, de onde
veio o nome da rua. A vista da parte central da
imagem chama a atenção aos olhos pelas inúme­
ras janelas, chaminés e clarabóias perfeitamente
definidas... Como uma primeira tentativa, esta
foto é um extraordinário sucesso; contudo, seu
maior interesse está em mostrar o que podemos
esperar que aconteça na mesma direção.
Durante a guerra civil americana, a União Geral de Mc-
Clellan utilizou balões para observar as posições e os mo­
vimentos do exército confederado. Por exemplo, em ju­
lho de 1862 a União do Exército utilizou balões cativos
a uma altura de cerca de 400 m para obter informações
70 CAPÍTULO História da Fotografia Aérea e das Plataformas Aéreas

Primeira Fotografia Aérea de um Balão Cativo

nos Estados Unidos: Boston, MA

Figura 3-9 Uma fotografia de parte do centro de Boston, MA, ob­

tida pelos aeronautas James W. Black e Samuel A. King,
em 13 de outubro de 1860, a partir de um balão cativo
a urna altura de cerca de 350 m. Acredita-se que esta
seja a primeira fotografia aérea obtida de um balão cati­
vo nos Estados Unidos e que ainda existe. Ela foi obtida
utilizando uma placa com emulsão úmida (usado com
permissão do Instituto Smithsonian, Washington, DC,
EUA; #3B-15472).
e desenhar mapas das posições de defesa em Richmond,
Virgínia, EUA. A Figura 3-10 mostra as tropas segurando
o balão Intrepid no campo de batalha de Fair Oaks no dia
Io de junho de 1862 (Quackenbush, 1960; Fischer, 1975).
O Intrepid foi inflado usando um sistema de produção de
hidrogênio (Figura 3-11). Acredita-se que algumas foto­
grafias aéreas foram obtidas por observadores em balões
cativos, mas nenhuma fotografia aérea sobreviveu à Guerra
Civil Americana (1861 a 1865) (Colwell, 1997).
Durante esta mesma época, na Europa, Gaspar Felix Tour-
nachon (Nadar) continuava ativamente envolvido na ob­
tenção de fotografias aéreas por meio de balões. Em 1863
ele projetou e construiu um enorme balão chamado Le
Geant (O Gigante), que tinha uma capacidade para 6.000
m 3 de gás e sua gôndola era literalmente uma casa de dois
andares com beliche de três camas, um banheiro, e até uma
pesada impressora. A gôndola tinha espaço para abrigar
confortavelmente até 12 passageiros (Newhall, 1969). So­
bre o balão Nadar escreveu o seguinte;
Figura 3-10 0 balão Intrepid segurado por tropas da União do
Exército no dia I o de junho de 1862, durante a bata­
lha de Fair Oaks, Virgínia, EUA (utilizado com per­
missão do Instituto Smithsonian, Washington, DC,
EUA; #2A-03710).
O balão Le Geant será empregado para obter
diversas fotografias aerostáticas... cujos resul­
tados serão muito im portantes para levanta­
mentos planimétricos, cadastrais, estratégicos,
entre outros.
Infelizmente, em outubro de 1863, o gigantesco balão
desceu muito rápido e nove passageiros, incluindo Nadar,
quase morreram quando o balão foi arrastado por cerca de
40 km numa área rural na França. Não restou nenhuma
fotografia aérea obtida pelo Le Geant. Contudo, em 1868
Nadar foi bem sucedido na obtenção de fotografias aéreas
oblíquas a partir do balão Hipódromo preso a uma altura
de quase 500 m sobre a cidade de Paris utilizando uma
câmera área com múltiplas lentes (Figura 3-12).
Fotografias a Partir de Plataformas Aéreas 71

Figura 3-11 O balão Intrepid sendo inflado utilizando o sistema portátil gerador de hidrogênio de Thaddeus Lowe durante a Guerra Civil
Americana na batalha de Fair Oaks, Virgínia, EUA, em Io de junho de 1862 (utilizado com permissão do Instituto Smithsonian,
Washington, DC, EUA; #2A-03675).

O processo da placa-seca desenvolvido por Richard Maddox

em 1871 facilitou a obtenção de fotografias aéreas a partir de
balões, pois não era mais necessário dispor de um laboratório
na gôndola ou próximo ao balão no solo. Além disso, a emul­
são do filme era bem mais sensível à luz, proporcionando
imagens bem mais nítidas. Assim, durante as últimas décadas
do século XIX foram obtidas diversas fotografias aéreas a par­
tir de balões. Gaston Tissandier publicou o primeiro manual
de fotografias aéreas de plataformas de balões - A Fotografia
em Balões (Newhall, 1969).

Fotografias aéreas de balão cativo (preso a uma corda) e

de voo livre continuam sendo tiradas até hoje. Apesar da
dificuldade de manter o balão estável durante a exposição
da fotografia e de navegar sobre o alvo de interesse ainda
existem cientistas e grupos interessados em obter fotogra­
fias por meio de balões. Algumas das organizações mais
ativas nesta área estão listadas no Apêndice A.

Voos mais Leves do que o Ar Utilizando Pipas

Figura 3-12 Fotografia oblíqua sobre Paris tirada por Gaspard Fe-
lix Tournachon (Nadar) do balão cativo Hipódromo
Câmeras aéreas conduzidas por grandes pipas também têm 500 m acima do solo, em 1868 (adaptado de Newhall,
sido usadas para a obtenção de fotografias aéreas. Fotografias 1969).
aéreas de câmeras presas a pipas foram obtidas pela primeira
vez pelo francês Arthur Batut. Em 1890 ele publicou o livro
“A fotografia aérea por pipas” em que propunha o uso da fo­
tografia aérea por pipas para o explorador (a fim de ter uma
visão ampla do terreno), o arqueólogo (a fim de localizar
ruínas), as forças armadas (para fins de reconhecimento), e o
72 CAPÍTULO
Figura 3-13 Fotografia aérea dos escombros de São Francisco, EUA, obtida por George R. Lawrence após o terremoto de 18 de abril de 1906
usando uma câmera de 22,5 kg presa a uma aeronave cativa com uma sequência de 17 pipas amarradas a um navio na Baia de São
Francisco. As pipas atingiram uma altura de cerca de 610 m (cortesia da Biblioteca do Congresso, #LC-USZ 62-16440).
agrônomo (a fim de localizar focos de doença em vinhedos).
Batut achava que através da pipa o uso da fotografia aérea
pudesse ser popularizado (Batut, 1890; Tennant, 1903).
George R. Lawrence, de Chicago, EUA, depois de ter sofri­
do dois acidentes com balões cativos tornou-se um grande
adepto da fotografia aérea a partir de pipas. Em certa oca­
sião o seu balão caiu de uma altura de 70 m, mas ele foi
salvo porque a gôndola caiu sobre cabos telegráficos que
amorteceram a queda. Ele usava uma sequência de pipas
conectadas à qual chamava de Aeronave Cativa. Com essas
pipas ele podia içar câmeras que pesavam até 23 kg (Baker,
1994). Na pipa mais baixa da sequência ele prendia um
suporte que permitia posicionar a câmera em qualquer
direção antes de suspendê-la. Um sistema composto de
mastros, linhas e pesos de chumbo fazia com que a câmera
ficasse na posição correta e também diminuía a tendência
de a câmera balançar. O obturador da câmera era acionado
por um fio encapado preso ao cabo de aço da pipa e que era
usado para enviar uma corrente elétrica à câmera (Newhall,
1960; Baker, 1994). Algumas das mais célebres fotogra­
fias aéreas de Lawrence foram obtidas seis semanas após o
terremoto do dia 18 de abril de 1906 em São Francisco,
EUA, utilizando 17 pipas de uma só vez (Figura 3-13). Na
primeira tentativa para obter essas fotografias a chuva mo­
lhou a linha da pipa e não foi possível acionar o obturador.
Depois, o Sol saiu secando o fio e o obturador voltou a
funcionar. O filme negativo de 48 x 122 cm da fotografia
aérea foi adquirido utilizando uma câmera panorâmica de
22,5 kg. Cópias por contato foram obtidas a partir deste
negativo. Estas foram as maiores fotografias produzidas na­
quela época a partir de plataformas aéreas. A câmera tinha
lentes que cobriam um ângulo de 160° em uma única visa­
da, produzindo fotografias grande angulares extremamente
detalhadas dos escombros da cidade (Baker, 1994).
História da Fotografia Aérea e das Plataformas Aéreas
O maior problema com as pipas e os balões está na dificul­
dade de navegá-los. Ainda assim, muitas fotografias aéreas
de excelente qualidade foram obtidas por tais plataformas.
Existe um grupo de usuários na Internet dedicado a obter
fotografias aéreas com pipas (Apêndice A).
Voos mais Pesados do que o Ar Utilizando Foguetes
Fotografias aéreas de câmeras lançadas ao espaço através de
foguetes foram obtidas mesmo antes da invenção do avião.
Em 1888, La Nature descreveu um “foguete para fotogra­
fia” inventado por Amadee Denisse. Em 1891, Ludwig
Rahrmann recebeu uma patente alemã para um sistema
fotográfico lançado por meio de um foguete ou de uma
espingarda de calibre grosso. A câmera retornava ao solo
por meio de um pára-quedas (Newhall, 1969). Em 1903,
Alfred Maul patenteou uma câmera para foguete. Fotogra­
fias aéreas de um foguete que atingiu uma altura de quase
800 m foram publicadas na Illustrated London News, em 7
de dezembro de 1912.
\/oos mais Pesados do que o A r Utilizando Pombos,
Planadores e Aviões
Todos os objetos mais pesados do que o ar, como pássaros,
planadores e aviões alcançam sustentação para o voo com
base no princípio da força de sustentação aerodinâmica. Se
a asa tiver a forma adequada, então o vento que sopra por
cima e por baixo da asa faz com que ela atinja a força de
sustentação aerodinâmica. Uma asa em forma plana difi­
culta o fluxo, causando resistência do ar ao avanço, enquan­
to que uma asa em forma curvada (Figura 3-14) permite
que o ar flua suavemente sobre ela. Uma asa curvada na
Fotografias a Partir de Plataformas Aéreas
Relação entre o Projeto da Asa e a Força de
Sustentação Aerodinâmica
Força de sustentação
Resistência
do ar ao
avanço do
avião
Área de maior pressão
Figura 3-14 Uma asa curvada na parte superior e relativamente
plana na parte inferior cria uma força de sustentação
aerodinâmica (segundo Lopez, 1995).
parte superior e quase plana na parte inferior cria força de
sustentação aerodinâmica. As moléculas de ar que passam
pela parte superior da asa têm que percorrer uma distância
maior e, consequentemente, devem se mover mais rapida­
mente, criando uma pressão menor do que o ar que flui por
baixo da asa. A maior pressão do ar que flui por baixo da asa
exerce pressão para cima, fazendo com que a asa se levante.
Inclinando a asa para cima vai fazer com que a força de
sustentação aerodinâmica aumente ainda mais. Contudo,
se ela for inclinada demais, a força de sustentação aerodinâ­
mica da asa será perdida e o avião irá cair (Lopez, 1995).
Pombos
Em 1903, Julius Neubronner patenteou uma câmera aérea
atada ao peito de pombos correios que pesava apenas 70 g
(Figura 3-15a, b). Um artigo da época descreve o processo
de coleta de dados pelos pombos:
Após a decolagem dos pombos correios, eles pri­
meiramente descrevem uma linha em espiral, o
que permite a obtenção de uma série de visadas
de diferentes pontos de uma determinada região.
Uma vez que o pombo conseguiu identificar a
localização do seu abrigo (o qual ele reconhece
a mais de 32 km de distância) ele voa em linha
reta a uma velocidade uniforme, equivalente a
um trem expresso, em direção ao seu objetivo
(abrigo), de tal forma que o trajeto a ser registra­
do fotograficamente pode ser definido a priori
(Scientific American, 1909).
As fotografias eram tiradas automaticamente por meio de
exposições em intervalos de 30 s (Quackenbush, 1960;
73
Fischer, 1975). Por razões diversas, os pombos não são
uma plataforma ideal para sensoriamento remoto.
Planadores
A aerodinâmica e os mecanismos de controle dos planado­
res - mais pesados do que o ar - foram aprimorados pelos
ingleses George Cayley e John Stringfellow. O primeiro a
voar com sucesso num planador foi o cocheiro de Cayley,
em 1853. Entre 1891 e 1896 o engenheiro civil alemão
O tto Lilienthal fez quase 2.000 voos com um planador.
Ele chegou a planar por uma distância de mais de 16 km
e veio a falecer num acidente com planador em 1896 (Lo­
pez, 1995). O engenheiro americano Octave Chanute deu
sequência ao projeto de Lilienthal e melhorou drastica­
mente o controle do planador. Ele também foi um grande
incentivador do trabalho de aviação dos irmãos Wright.
Orville e Wilbur Wright (Figura 3-16) eram fascinados
com o conceito de voar. Inicialmente, eles tiveram uma
experiência com planadores em Kitty Flawk, NC, EUA,
onde o vento era consistente e o único obstáculo eram as
dunas e a arrebentação das ondas. Deram continuidade
aos projetos desenvolvidos por Lilienthal e Chanute, e por
fim projetaram seu próprio planador em 1900. A Figura
3 -17a mostra um dos irmãos Wright deitado de bruços em
um planador em 1902.
Aeronave
Em 1903, os irmãos Wright construíram o primeiro avião
operado com hélice e um motor com potência de 12 cava­
los. Wilbur Wright teve a chance de realizar o primeiro voo
em uma máquina motorizada mais pesada do que o ar em
14 de dezembro de 1903. Ele perdeu sustentação e caiu,
sem contudo se machucar. Em 17 de dezembro de 1903,
em Kill Devil Hills, em Kitty Flawk, NC, EUA, Orville
Wright voou durante 12 segundos uma distância de 35
m (Figura 3-17b). Os dois irmãos voaram diversas vezes
naquele dia, e W ilbur chegou a voar uma distância de 260
m 1. Assim, se deu início aos voos tripulados em máquinas
mais pesadas do que o ar.
O modelo original do Voador Wright era controlado pelo
piloto deitado de bruços sobre a asa dupla inferior (Figura
3-17b). As manobras eram feitas jogando o corpo de um
lado para o outro. Isto movia o leme e envergava as asas.
0 piloto usava a mão esquerda para controlar o movimen­
to de subida e de descida (ascendente e descendente) por
meio de um “elevador” e a mão direita era usada para se
1 N.T.: Santos Dumont foi o primeiro a decolar a bordo de um avião impulsionado por
um motor aeronáutico. Foi o primeiro a cumprir um circuito pré-estabelecido sob teste­
munho oficial de especialistas, jornalistas e da população parisiense. Em 23 de outubro
de 1906, voou cerca de 60 metros e a uma altura de dois a três metros com seu 14 Bis,
no Campo de Bagatelle em Paris.
74 CAPÍTULO História da Fotografia Aérea e das Plataformas Aéreas

b. Fotografia aérea obtida por um pombo.

Figura 3-15 a) Uma esquadra de pombos equipada com câmeras leves (cerca de 70 g) com lente de 70 mm. b) Parte de uma fotografia aérea
oblíqua obtida por uma câmera presa a um pombo. As asas do pombo podem ser vistas na foto (© Museu Alemão, Munique,
Alemanha; usado com permissão).

segurar firmemente. Não é de surpreender que nenhuma Reconhecimento Fotográfico nas 1a e

fotografia aérea foi obtida com este modelo original, pois
as duas mãos do piloto estavam devidamente ocupadas. Os
irmãos Wright construíram uma aeronave bem mais de­
senvolvida em 1907, em que o piloto e mais um tripulante
podiam voar sentados sobre a asa inferior.
A primeira vez que um avião foi utilizado como platafor­
ma para obter uma fotografia aérea foi em 1908, quando
um fotógrafo acompanhou W ilbur Wright e tirou uma
sequência de fotografias sobre o Camp d ’Auvours, pró­
ximo a Le Mans, na França. Esta sequência de fotogra­
fias foi utilizada para fazer uma cena animada (filme).
O filme se perdeu (Newhall, 1969), mas a ampliação de
uma das cenas do filme de animação foi publicada numa
revista Francesa, em 1908.
2a Guerras Mundiais
Numerosas companhias de aviação começaram a surgir
entre 1907 e 1930. Muitos dos nomes dos fundadores ain­
da estão associados às companhias de aviação nos Estados
Unidos nos dias de hoje (Lopez, 1993):
• Glenn Curtiss em 1907 —Curtiss
• Irmãos Wright em 1909 - futuramente Curtiss-Wright
• Glenn Martin em 1912 - atualmente Martin Marietta
• William Boeing em 1916 - Boeing
Reconhecimento Fotográfico nas 1a e 2a Guerras Mundiais 75

a. Orville Wright. b. W ilbur Wright.

Figura 3-16 Orville e W ilbur Wright colaboraram no desenvolvimento dos planadores e do avião motorizado (cortesia da Wikipedia).

Figura 3-17 a) Um dos irmãos Wright em um planador em Kitty Hawk, N C, EUA, em 1902. b) O Voador Wright tinha um motor com potên­
cia de 12 cavalos e hélices especialmente projetadas. Orville realizou o primeiro voo motorizado com uma máquina mais pesada
do que o ar em 17 de dezembro de 1903. O voo teve a duração de 12 segundos num percurso de 35 m (usado com permissão do
Instituto Smithsonian, Washington, DC, EUA).

Donald Douglas em 1920 — atualmente McDonnell • Leroy Grumman em 1929 - atualmente Northrop/
Douglas Grumman

Alan Lockheed em 1926 — atualmente Lockheed- Os aviões produzidos por estas companhias e outras na
Martin Alemanha, França e Inglaterra foram utilizados para reco­
nhecimento fotográfico militar e outras finalidades duran­
John Northrop em 1929 - Northrop te as duas primeiras guerras mundiais.
76 CAPÍTULO História da Fotografia Aérea e das Plataformas Aéreas

Figura 3-1 8 a) Um fotógrafo aéreo e um piloto em um avião Curtiss AH-13 com uma câmera Graflex, em 1915. b) detalhe de um Curtiss
JN -4 Jenny da I a Guerra Mundial com uma câmera montada do lado direito (usado com permissão do Instituto Smithsonian,
Washington, DC, EUA; #2B-41742 e 2B-41668, respectivamente).

Fotografia Aérea na 1a Guerra Mundial
Para obter uma fotografia aérea no início da Ia Guerra
Mundial, era necessário que o fotógrafo segurasse a câmera
com a mão para fora do avião, fizesse a exposição, e então
trocasse a placa fotográfica antes de tirar uma outra foto­
grafia. No início, as câmeras eram atadas ao peito do fotó­
grafo ou presas na lateral do avião (Figura 3-18ab). Tirar
fotografias aéreas era uma tarefa perigosa, especialmente
nos primeiros anos do seu desenvolvimento.
No início, o uso da fotografia aérea, em tempo de guerra,
não era bem aceita. Com efeito, mapas das trincheiras, obti­
dos por fotografias tiradas por iniciativa própria dos pilotos
durante a I a Guerra Mundial, eram rejeitados e tidos como
sendo “a mais desgraçada das coisas a ser feita” (Newhall,
1969). Contudo, mais à frente, os comandantes reconhe­
ceram o valor das fotografias aéreas de reconhecimento, e
as táticas militares usadas na 1a Guerra Mundial mudaram
completamente. Inicialmente, as fotografias aéreas foram
utilizadas para fazer mapas relativamente precisos sobre
áreas com pouca informação para orientar o planejamen­
to da estratégia militar. O conhecimento sobre as estradas
existentes ou destruídas, as barreiras e os pontos de estran­
gulamento era muito valioso para planejar o movimento
de tropas e materiais. Além disso, não era possível esconder
uma grande quantidade de material bélico diante das lentes
das câmeras fotográficas (Quackenbush, 1960). O movi­
mento das tropas e o armazenamento de material bélico e
suprimentos podiam ser documentados. Por exemplo, em
22 de agosto de 1914, o reconhecimento aéreo fotográfico
britânico da Ia Guerra Mundial mostrou uma significativa
alteração no direcionamento das forças alemãs que avan­
çavam sobre Paris. Esta informação veio em tempo hábil
para que o Exército Aliado pudesse fortificar suas posições
no rio Mame e retardar o avanço dos alemães sobre Paris
(Lopez, 1995). A Ia Guerra Mundial foi marcada por com­
bates em trincheiras. A Figura 3-19 mostra trincheiras ca­
vadas num campo de batalha na I a Guerra Mundial numa
área desconhecida. Fotointérpretes treinados analisavam
repetidamente as fotografias estereoscópicas das trincheiras
para localizar o posicionamento de armamentos e depósi­
tos de munição. Em 1918, durante os períodos de intensa
atividade militar, as unidades aéreas da França chegaram a
revelar e imprimir até 10.000 fotografias por noite. Duran­
te a ofensiva de Meuse-Argonne, 56.000 fotografias aéreas
foram feitas e enviadas em quatro dias para as Forças Expe­
dicionárias americanas. Ao final da I a Guerra Mundial, o
Tenente Edward Steichen da Seção de Fotografias das For­
ças Expedicionárias americanas afirmou,
O consenso da opinião de especialistas, expressa
em várias conferências dos Aliados sobre foto­
grafia aérea, é que pelo menos dois terços de toda
a informação militar foi obtida ou verificada em
fotografias aéreas.
Fotografia Aérea na 2a Guerra Mundial
O reconhecimento aerofotográfico teve um papel signifi­
cativo na 2a Guerra Mundial. Em 1938, o General Werner
von Fritsch, Chefe do Estado Maior Geral da Alemanha,
Reconhecimento Fotográfico na Guerra Fria
Figura 3-19 Fotografia aérea vertical de trincheiras na Europa du­
rante a I a Guerra Mundial. A análise de pares este­
reoscópicos de fotografias mostrava a localização de
homens, o posicionamento de armas e os abrigos de
munições. Milhões de homens morreram em com­
bates nas trincheiras durante a I a Guerra Mundial
(usado com permissão do Instituto Smithsonian, Wa­
shington, D C, EUA; #2B-41711).
fez um pronunciamento anunciando que a nação com o
melhor reconhecimento aerofotográfico vencería a próxi­
ma guerra. Em 1940, a Alemanha liderava o mundo no
reconhecimento aerofotográfico militar, mas estagnou à
medida que a guerra progrediu. Os Estados Unidos não
tinham quase nenhuma capacitação em fotointerpretação
militar quando entraram na 2a Guerra Mundial (Fischer,
1975). Contudo, a capacitação dos ingleses e americanos
melhorou rapidamente no que se refere à fotografia aérea,
tanto na coleta de dados quanto na fotointerpretação.
Após a retirada dos ingleses do continente, em Dunkirk,
em 1940, eles foram praticamente isolados das suas fontes
convencionais de informação militar e tiveram que de­
pender das fotografias aéreas como sua principal fonte de
informação. A fotoidentificação de embarcações invasoras
alemãs em canais próximos à costa da França no verão de
1940 constituiu a maior evidência de que uma invasão à
Inglaterra aconteceria em menos de 48 horas. Os britâni­
cos lançaram um ataque aéreo tão efetivo contra as forças
invasoras que a Alemanha foi forçada a adiar a invasão e
por fim abandoná-la (Quackenbush, 1960). A fotografia
aérea também ajudou a destruir a base de lançamento do
foguete alemão V-2 no final da guerra (Figura 3-20).
A maioria das aeronaves de reconhecimento da 2a Guerra
Mundial tinha pouca capacidade de defesa. Desta forma,
era importante que fossem escoltadas por aviões de caça.
Milhões de fotografias aéreas de reconhecimento foram
obtidas durante a 2a Guerra Mundial por aeronaves modi­
77
Figura 3-20 Fotografia aérea vertical da base de lançamento do fo­
guete V-2 em Peenemunde na 2a Guerra Mundial. O b­
serve o grande revestimento circular de terra em torno
da base de lançamento, projetado para reter a explosão
durante o lançamento ou minimizar a destruição em
caso de um acidente. Esta base foi destruída no final da
guerra (cortesia da Federação dos Cientistas America­
nos, Programa de Pesquisa em Informação).
ficadas, como a P-38. Além disso, bombardeiros obtinham
com frequência fotografias aéreas durante bombardeios e
que eram usadas para subsequente avaliação dos danos. A
Figura 3-2 lab documenta um acidente ocorrido durante
o bombardeio em uma área rural de Berlin na Alemanha.
Um bombardeiro B-17 Flying Fortress (Fortaleza Voadora)
da 8a Força Aérea dos Estados Unidos estava voando por
baixo de uma frota bem no momento do lançamento das
bombas. A primeira fotografia aérea mostra um detalhe do
bombardeiro B-17 e a bomba lançada pelo avião de cima,
prestes a colidir com o estabilizador horizontal (cauda).
A fotografia seguinte (Figura 3-2 lb) mostra o estrago da
bomba feito no estabilizador, além de outras duas bom­
bas lançadas na sequência. É pouco provável que o B-17
danificado tenha conseguido retornar com segurança. A
Alemanha introduziu o uso de aviões a jato no final da 2a
Guerra Mundial (Boyne, 1993).
Reconhecimento Fotográfico na Guerra
Fria
A corrida armamentista entre os Estados Unidos e a União
Soviética teve início após a 2a Guerra Mundial quando o
governo americano achava que havia uma tremenda discre­
pância de bombas e/ou mísseis entre as duas nações. Assim,
foi dada uma grande ênfase no desenvolvimento de tecno­
logias para coleta de informações para espionar o arsenal bé­
lico do inimigo. Da mesma forma, a União Soviética queria
78 CAPÍTULO História da Fotografia Aérea e das Plataformas Aéreas

a. b.

Figura 3-21 a) Um bombardeiro B-17 Flying Fortress (Fortaleza Voadora) da 8“ Força Aérea dos Estados Unidos voando numa frota abaixo
de outra frota bem no momento do lançamento das bombas, b) A exposição seguinte documenta que a bomba do avião acima
estraçalhou o estabilizador horizontal (cauda) do avião abaixo (usado com permissão do Instituto Smithsonian, Washington, DC,
EUA; #3A-20850 e 20851, respectivamente).

obter informações sobre as atividades bélicas dos Estados
Unidos. Qualquer sobrevoo de reconhecimento aéreo feito
por um outro país sem prévia autorização das autoridades
competentes era considerado um ato ilegal e inimigo. Ape­
sar disso, os Estados Unidos consideravam essencial realizar
este tipo de sobrevoo para saber o que estava acontecendo na
União Soviética e em outros países considerados inimigos.
Em dezembro de 1954, o presidente dos Estados Unidos
Dwight Eisenhower aprovou o programa denominado U-2
para reconhecimento aéreo (Brugioni e Doyle, 1997). Em
21 de julho de 1955 o presidente Eisenhower participou da
Conferência das Quatro-Potências (Four-Power Summit),
em Genebra, Suíça, onde apresentou o que a imprensa cha­
mou de “Doutrina dos Céus Abertos”. Ele insinuou que
a falta de confiança e a presença de terríveis armamentos
em certos países causavam em todo o mundo preocupa­
ção e o perigo de ataques-surpresa. A fim de eliminar tais
preocupações ele recomendou que a União Soviética e os
Estados Unidos colaborassem no fornecimento dos meios
para obter fotografias aéreas em voos de reconhecimento e
que seriam mutuamente supervisionados. Embora o secre-
tário-geral do Partido Comunista, Khruschev, ter rejeitado
no mesmo dia a proposta da “Doutrina dos Céus Abertos”
(Hall, 1996), o conceito tinha sido apresentado.
Alguns dias mais tarde, em 29 de julho de 1955, o presi­
dente Eisenhower anunciou publicamente um plano para
lançar “satélites de pequeno porte não-tripulados como
parte da participação dos Estados Unidos no Ano Inter­
nacional da Geofísica de 1957-1958”. Contudo, isto foi
apenas um pretexto para estabelecer o princípio da “li­
berdade do espaço” na legislação internacional e tudo o
que isto implicaria na questão do reconhecimento estra­
tégico conduzido em altitudes acima do “espaço aéreo”,
uma vez que abaixo desse espaço cada país reivindicava sua
soberania exclusiva (Hall, 1996). Com efeito, Eisenhower
estava lançando os fundamentos para aquilo que já havia
sido concebido nos Estados Unidos: a) o projeto de reco­
nhecimento por balões chamado Genetrix sobre a União
Soviética para obter fotografias aéreas e informações; b) o
projeto da aeronave de espionagem suborbital U-2; e c) o
reconhecimento por satélites orbitais.
Reconhecimento Fotográfico na Guerra Fria
Balões de Reconhecimento Genetrix
A Força Aérea dos Estados Unidos e a Agência Central de
Inteligência (CIA) conduziram diversas pesquisas entre
1954 e 1955 no uso de balões não-tripulados em alta
altitude e equipados com máquinas fotográficas em suas
gôndolas para obter informações de reconhecimento so­
bre extensas áreas geográficas. A CIA lançou um balão
experimental a partir da Escócia e que foi levado pelos
ventos sobre a União Soviética, sendo resgatado pelos
americanos na Coréia do Sul. Balões semelhantes tam ­
bém foram lançados e recuperados com sucesso nos Esta­
dos Unidos (Peebles, 1997).
Com base no êxito do lançamento deste balão, foi
iniciado em outubro de 1955 o Projeto de Balões de
Reconhecimento Genetrix. Este programa tinha por
objetivo obter uma completa cobertura fotográfica do
território soviético com base no lançamento e recupe­
ração de 2.500 balões não-tripulados de alta altitude.
O presidente Eisenhower autorizou o início dos lança­
mentos em 27 de dezembro de 1955. De 10 de janeiro
a 6 de fevereiro de 1956 foram lançados 448 balões da
Escócia, Noruega, Alemanha Ocidental e Turquia (Pe­
ebles, 1997). As gôndolas foram recuperadas por meio
de aviões situados num grande arco desde o Japão até
o Alaska. M uitos dos primeiros balões lançados foram
recuperados. C ontudo, as defesas aéreas dos países do
Leste Europeu, da União Soviética e da China C om u­
nista responderam rapidamente e interceptaram m ui­
tos desses balões.
Em 4 de fevereiro de 1956 o Ministro do Exterior sovié­
tico Andrei A. Gromyko protestou junto ao Embaixador
dos Estados Unidos. Antecipando a reação da União So­
viética, o presidente Eisenhower recomendou no dia 7 de
fevereiro de 1956 que o Secretário de Estado John Foster
Dulles suspendesse a operação para não parecer que ti­
nham sido pegos em flagrante (Day et al., 1998). No dia
9 de fevereiro os soviéticos deram uma entrevista coletiva
à imprensa e mostraram cerca de 50 balões e caixas de
equipamentos para constranger os Estados Unidos (Day
et al., 1998), que afirmaram serem apenas balões mete­
orológicos. Somente 44 dos 448 balões foram resgata­
dos pelos americanos. Contudo, as câmeras desses balões
obtiveram 13.813 fotografias aéreas cobrindo uma área
de quase 2,89 milhões de km2 dos territórios soviético
e chinês, incluindo as instalações da refinaria nuclear de
Dononovo, na Sibéria (Peebles, 1997). Este evento mar­
cou o fim deste breve programa dos Estados Unidos para
reconhecimento aéreo. O programa de reconhecimento
aéreo por meio da aeronave U-2 foi iniciado apenas al­
guns meses mais tarde, em julho de 1956.
79
Programa de Reconhecimento com a Aeronave
U-2
Em dezembro de 1954, o presidente Eisenhower deu or­
dens à CIA para contratar a empresa Lockheed para, em
cooperação com a Força Aérea dos Estados Unidos, desen­
volver uma aeronave a jato para reconhecimento fotográ­
fico que pudesse voar livremente sobre a União Soviética e
documentar sua capacidade militar. Isto levou à criação do
projeto secreto “Lockheed Skunk Works” (nome tirado do
desenho animado de LiT Abner), em Burbank, e mais tar­
de em Palmdale, na Califórnia, EUA, onde Kelly Johnson
e seus engenheiros desenvolveram a aeronave de alumínio
denominada U-2 (Rich e Janos, 1994).
As aeronaves U-2 originais eram pintadas em preto fosco
para evitar que brilhassem no Sol (Figura 3-22a). A ae­
ronave podia voar a uma altitude de -21.000 m (70.000
pés) e expor quase 1.000 m de filme de alta resolução
em uma única missão. A câmera foi desenvolvida por
Edwin Land, inventor da câmera Polaroid. A carga útil
original do U-2 consistia de duas câmeras de alta reso­
lução - uma com lente de grande distância focal capaz
de resolver objetos de até 60 a 90 cm a uma altitude de
21.000 m, e a outra uma câmera de rastreamento capaz
de produzir uma imagem contínua de toda a faixa de
voo (Rich e Janos, 1994). O primeiro sobrevoo Russo
ocorreu no dia 4 de julho de 1956. O U-2 decolou de
Weisbaden, Alemanha Ocidental para obter informação
dos estaleiros navais e das construções dos submarinos
soviéticos. A aeronave sobrevoou a Polônia, a Belorús-
sia, Moscou, Leningrado e os Estado Bálticos da União
Soviética. Para grande desapontamento dos americanos,
o radar soviético detectou e rastreou o primeiro U-2 à
altitude de 21.000 m (Hall, 1996).
Apesar de os soviéticos terem detectado o U-2, os mísseis
terra-ar e as aeronaves soviéticas não puderam atingir o
U-2 por vários anos. As informações obtidas pelos sobre-
voos do U-2 tiveram um enorme impacto sobre o conhe­
cimento que os Estados Unidos adquiriram durante os
anos de 1950 e começo dos anos de 1960. Contudo, o
avanço no desenvolvimento da tecnologia de mísseis fez
com que no dia I o de maio de 1960 um agrupamento
de 14 mísseis ar-ar SA-2 derrubassem o U-2 com o pi­
loto Francis Gary Powers (Figura 3-22b). Durante dois
meses ele foi interrogado diariamente por longas horas.
Em agosto de 1960 as autoridades soviéticas fizeram um
julgamento aberto e amplamente divulgado para cons­
tranger os Estados Unidos e sentenciaram Francis Gary
Powers a 10 anos de prisão; contudo, após 21 meses ele
foi trocado pelo espião soviético Rudolph Abel, que esta­
va preso nos Estados Unidos (Powers, 1997).
80 CAPÍTULO História da Fotografia Aérea e das Plataformas Aéreas
Lockheed U-2
a. Aeronave U-2.
c. Aeronave ER-2.
Após o incidente de Francis Gary Powers, os U-2 conti­
nuaram fornecendo importantes informações estratégicas
de reconhecimento ao redor do mundo. Por exemplo, em
julho de 1962, o diretor da CIA enviou um memorando
ao presidente John F. Kennedy dizendo que ele acredita­
va que os soviéticos estavam se preparando para instalar
mísseis balísticos de médio alcance em Cuba, a cerca de
150 km do território dos Estados Unidos (Walter, 1992;
Goldberg, 1993). Em 9 de outubro de 1962, o presiden­
te Kennedy autorizou a realização de voos de reconhe­
cimento sobre a parte ocidental de Cuba utilizando as
aeronaves U-2 de alta altitude. O furacão Ella manteve
as aeronaves em solo até o dia 14 de outubro de 1962.
As fotografias foram interpretadas no dia 15 de outubro
e mostradas ao presidente Kennedy no dia 16 de outubro
de 1962. Parte de uma das fotografias tiradas pelo U-2 e
mostradas ao presidente Kennedy encontra-se na Figura
3-23a. Uma fotografia aérea oblíqua obtida por uma ae­
ronave RF-101 registrou as instalações de mísseis balísti-
b.
Figura 3-22 a) A aeronave de reconhecimento de alta altitude Lo­
ckheed U-2 foi desenvolvida no “Skunk Works”, em
Burbank e em Palmdale, na Califórnia, EUA, por
ordem do presidente Eisenhower. Este programa foi
supervisionado pela CIA. b) Francis Gary Powers em
frente à aeronave U-2 (cortesia da Lockheed Martin
Inc.). c) Diversas aeronaves U-2 ainda estão em opera­
ção para levantamentos aéreos de observação da Terra.
Neste exemplo é mostrado um U-2 à frente e um ER-2
ao fundo voando próximo a São Francisco, na Califór­
nia, EUA (cortesia NASA e Lockheed Martin, Inc.).
cos de médio alcance próximo a San Cristobal, Cuba, no
dia 25 de outubro de 1962 (Figura 3-23b).
No dia 25 de outubro de 1962 o embaixador dos Esta­
dos Unidos das Nações Unidas Adiai Stevenson desafiou
o embaixador soviético Valerian A. Zorin a desmentir a
acusação feita pelos Estados Unidos de que a União So­
viética tinha instalado uma base de mísseis ofensivos em
Cuba. Em resposta o embaixador soviético Zorin disse:
“No tempo certo, senhor, terá sua resposta. Não se preocu­
pe”. Stevenson respondeu: “Estou preparado para esperar
até que o inferno congele, se esta é sua decisão. Também
estou preparado para apresentar a evidência nesta sala”. O
embaixador americano apresentou as provas da acusação e
mostrou as fotografias aéreas com as instalações da base de
mísseis. Em agosto, não havia nada em Cuba, mas em ou­
tubro a infraestrutura de mísseis estava lá. Vinte e quatro
horas mais tarde havia sinais inequívocos das instalações
de mísseis. O presidente Kennedy iniciou então um blo-
Reconhecimento Fotográfico na Guerra Fria 81

A Crise dos Mísseis Cubanos em Outubro de 1962

QUATRO ELEVADORES PtíkDÍTElS/,' f S j l tf' '■ -

M ()UlL’AMl NTO DEI.ÁNÇAMi.NTO . ‘

Va £ ’
< . „>-.•.. / ,4\±*~ ' i ,
r **- t .£ *r V Arfa das barracas
• W-M-i* FíJ T v / /
W i,l ;v «...f *4 •* x . % /r «

*T •

v H E B f : * .< < S,
•- * , V*. oito trah .ekS
trailekí ■ ' '**' I< &r v / • j *
J ' 'f -
*> ,£ ■ '* ' ^[>'¥* MfS^ES
* 1 ^ ' , '- EQUIPAMEWÓS; 7 " '
EQUIP^MENTÓS;.1* j' <«
* ,T f' ‘1 !y / • '' ■ *' . '

W»
r-V» j: • S A ? * v :r. ■ s f k - f '
a. Fotografia aérea vertical de San Cristobal, Cuba.

25 de outubro de 1962
Sítio 1 de lançamento
dos mísseis
San Cristobal, Cuba

b. Fotografia aérea oblíqua de San Cristobal, Cuba.

Figura 3-23 a) Parte de uma fotografia aérea do U-2 de San Cristobal, Cuba, obtida em 14 de outubro de 1962, a uma altitude de 21.300 m.
A fotografia foi mostrada ao presidente Kennedy em 16 de outubro de 1962 pelo fotointérprete Arthur Lundahl indicando os
trailers dos mísseis, alguns lançadores e as barracas usadas para preparar os mísseis e as ogivas para lançamento. O presidente Ken­
nedy perguntou ao fotointérprete se ele tinha certeza sobre o que havia identificado na fotografia e ele afirmou categoricamente
que estava convencido que eram mísseis (Brugioni, 1996) (Fotografia da Força Aérea dos Estados Unidos), b) Fotografia aérea
oblíqua, obtida em 25 de outubro de 1962 pela aeronave RF-101 voando a baixa altitude sobre o sítio de lançamento dos mísseis
balísticos de médio alcance próximo a San Cristobal, Cuba. Abrigos para os mísseis e caminhões transportando mísseis podem ser
vistos nesta fotografia (Fotografia da Força Aérea dos Estados Unidos; cortesia da Federação dos Cientistas Americanos).

queio naval sobre Cuba. Após muita negociação política
temerária, em 28 de outubro de 1962 o primeiro ministro
soviético Khruschev cedeu e o mundo retornou da beira de
uma possível guerra nuclear.
Curiosamente, os detalhes identificados pela CIA nas fo­
tografias foram em grande parte ignorados pelos destrei­
nados assessores presidenciais. O Procurador-Geral Robert
F. Kennedy afirmou na primeira reunião de emergência
que tinha que acreditar naquilo que a CIA estava dizendo,
pois ao examinar cuidadosamente as fotografias, não via
nada mais do que uma área desmatada para uso agrícola e
a fundação de uma casa. Afirmou ainda, que tinha ficado
aliviado quando quase todas as outras pessoas presentes na
reunião tiveram esta mesma impressão, incluindo o presi­
dente Kennedy. Mesmo após alguns dias, quando novas
fotografias foram tiradas, ele comentou que a área parecia
um campo de futebol americano (Kennedy, 1969).
82 CAPITULO
Aeronave Lockheed SR-71
Figura 3-24 Duas vistas da aeronave de reconhecimento Lockheed SR-71. Ela pode voar a altitudes maiores do que 21.350 m e atingir
velocidade aérea superior a 3.500 km/h (cortesia Lockheed Martin, Inc.).
Outros presidentes utilizaram a plataforma suborbital U-2
como fonte de dados para obter informação. Por exem­
plo, o presidente Reagan ordenou o sobrevoo de um U-2
na Nicarágua para identificar a formação de armamentos
soviéticos em apoio às forças rebeldes. O presidente Bush
usou as aeronaves U-2 na Guerra do Golfo em 1991. O
presidente Clinton usou os U-2 na guerra na Bósnia-Her-
zegovina em 1998-1999. Aeronaves U-2 especialmente
adaptadas também são usadas para dar suporte a vários
projetos de sensoriamento remoto dos recursos terrestres
da NASA (Brugioni, 1985).
O SR-71
Em 1958, dois anos antes da derrubada de um U-2 pe­
los soviéticos, os americanos já previam que isto pode­
ría acontecer e que havia a necessidade de substituí-lo
por uma aeronave que podia voar ainda mais alto, mais
veloz e com maior autonomia, dando origem ao desen­
volvimento do SR-71 (Figura 3-24), que foi entregue
à Força Aérea dos Estados Unidos em 1965. Em 1976,
ele estabeleceu os recordes mundiais de velocidade e al­
titude com 3.530 km /h em voo cruzeiro a 25.963 m de
altitude, o que excede a velocidade da bala de um rifle
30.06. Tanto quanto se sabe, esta aeronave continua
sendo recordista. A primeira missão do SR-71 foi em
1965 sobre Ffanói, Vietnã do Norte. Ele realizou mis­
sões diárias de reconhecimento sobre o Vietnã do Norte
e em nenhum a ocasião foi pêgo. O SR-71 detectou a
brigada de combate soviética em Cuba, em 1979. O
SR-71 tem a bordo apenas equipamentos de sensoria­
mento remoto e de informação de sinais. Muitos deles
ainda estão em operação, apesar de oficialmente terem
sido aposentados diversas vezes.
História da Fotografia Aérea e das Plataformas Aéreas
Tecnologia de Camuflagem de Aeronave
De 1975 até o presente, a empresa Lockheed Skunk Works
e outras companhias aeroespaciais ao redor do mundo têm
desenvolvido uma tecnologia que torna a aeronave “invisí­
vel” ao radar. Esta tecnologia consiste na construção de uma
aeronave com facetas de metal desenhadas por computador
com formas e orientações especialmente projetadas para des­
viar as ondas incidentes - emitidas por um radar em solo ou
em outra aeronave no espaço - evitando que elas retornem
ao radar emissor. Além disso, é aplicado na superfície da ae­
ronave um material especialmente composto para absorver
a radiação de micro-ondas (radar) incidente (Rich e Janos,
1994). Estas condições fazem com que a aeronave na prática
não possa ser detectada pelo radar ou então se torne “invi­
sível”. A assinatura (aparência) de um avião não camuflado
na tela do radar é semelhante a uma grande carroceria de
um caminhão com nove eixos. Por outro lado, um avião
F-117 camuflado fica com a assinatura equivalente a uma
pequena bola de vidro. Esta capacidade de camuflagem foi
amplamente desvendada ao mundo durante a Guerra do
Golfo, em 1990, quando as aeronaves F-117 (Figura 3-25)
foram utilizadas para voos de reconhecimento e missões tá­
ticas secretas sobre o Iraque e o Kuwait antes do início da
guerra. Esta tecnologia de camuflagem também foi ampla­
mente utilizada durante o conflito na Bósnia-Herzegovina,
em 1998-1999.
Sensoriamento Remoto por Satélites
O primeiro satélite a orbitar a Terra, feito pelo homem, foi
o Sputnik, lançado pela União Soviética em 24 de outubro
de 1957. Foi neste momento que se confirmou a política
Sensoriamento Remoto por Satélites
F-117 Nighthawk
e.
Figura 3-25 Diversas vistas da aeronave Lockheed F-117 Nighthawk “invisível” ao radar. A geometria da fuselagem e o material absorvedor de
energia dificulta a detecção da aeronave por meio de radares convencionais.
de “céus abertos” em todo o mundo para objetos lançados
em órbita. Os Estados Unidos iniciaram o projeto Corona,
que era parte de um programa de satélites de reconheci­
mento iniciado no final dos anos 1950 e que entrou em
operação no dia 28 de fevereiro de 1959. O programa era
administrado conjuntamente pela CIA e pela Força Aérea
dos Estados Unidos. As primeiras oito missões de reconhe­
cimento não produziram nenhuma imagem (McDonald,
1997b). Contudo, no dia 18 de agosto de 1960, a Missão
9009 foi a primeira a ser recuperada em ar e retornar do
espaço com um filme de reconhecimento. Além disso, foi
a primeira vez que um objeto retornando do espaço foi re­
cuperado no ar (McDonald, 1997a). A era dos reconheci­
mentos a partir do espaço havia iniciado. Em apenas uma
missão foram obtidas mais fotografias aéreas cobrindo a
União Soviética do que durante todas as missões do U-2.
Corona
Keyhole (KH), ou seja, buraco da fechadura, foi o codinome
dados às atividades de reconhecimento espacial dos Estados
Unidos para os programas Corona, Argon e Lanyard. A abre­
viação KE1 refere-se aos sistemas das câmeras (ou sensores)
associadas a esses programas de reconhecimento, por exem­
plo, KH-1, KH-2, KH-3 e KH-4 foram os sensores do pro­
83
f.
grama Corona; KH-5 e KE1-6 foram os sensores do Argon e
do Lanyard, respectivamente. A resolução espacial do KH-1
era de 12,2 m em 1960, chegando a 1,4 a 1,8 m para o sen­
sor KH-4B, em 1972 (Ruffuer, 1995; McDonald, 1997b).
Todas as câmeras tinham distância focal de 600 mm.
A primeira fotografia do Corona foi obtida da antiga base
aérea militar de Mys Shmidta na Chukotka, Rússia (Figura
3-26a). Os satélites com as câmeras KH-4 (1962 a 1972)
tinham câmeras pancromáticas gêmeas para obterem pares
de fotografias estereoscópicas. A Figura 3-26b apresenta uma
concepção artística da plataforma KH-4B e de seus compo­
nentes internos. Detalhes sobre o lançamento de cada Coro­
na desde o início em 25 de junho de 1959 até a última mis­
são em 25 de maio de 1972 são encontrados em McDonald
(1997b). Uma fotografia pancromática obtida pelo Corona
KH-4 em 20 de outubro de 1964, quarto dias após o pri­
meiro teste nuclear da China na base de Lop Nor é mostrada
na Figura 3-27a. O programa Corona teve uma importante
participação no monitoramento da proliferação nuclear.
Apesar do seu grande valor e importância, os primeiros
satélites de reconhecimento estavam longe de serem per­
feitos. As imagens que eles adquiriam do espaço voltavam
para a Terra numa cápsula por meio de pára-quedas. Isto
podia demorar muitas vezes dias ou até mesmo semanas
84 CAPÍTULO História da Fotografia Aérea e das Plataformas Aéreas
Primeira Fotografia obtida pelo Satélite Corona da
Base Aérea de Mys Shmidta, da União Soviética, em
18 de agosto de 1960
Concepção Artística do Satélite Corona
KH-4B em Voo
Figura 3-26 a) Primeira fotografia obtida pelo satélite Corona KH-1.
A resolução espacial era de aproximadamente 12,2 m. b)
Concepção artística dos componentes internos da plata­
forma orbital Corona KH-4B (cortesia da Unidade de
Reconhecimento Nacional dos EUA).
(Figura 3-27b), e esta demora era crucial. A Guerra dos
Seis Dias em 1967 em Israel e a invasão soviética na Che-
coeslováquia em 1968 terminaram antes que os Estados
Unidos tivessem obtido imagens dos satélites das zonas de
conflito (Richelson, 1992).
E importante salientar que tanto os Estados Unidos quan­
to a União Soviética iniciaram seus programas espaciais de
reconhecimento orbital em 1956. Contudo, os Estados
Unidos lançaram o primeiro Corona em 1959, enquanto
que a União Soviética lançou o Zenit-2 em 1961. Ambas
as plataformas Zenit e Corona atenderam aos objetivos
propostos de serem sistemas confiáveis de reconhecimento
operando numa dimensão espacial totalmente nova (Gor-
gin, 1997). A última imagem do Corona foi obtida em 31
de maio de 1972. Mais de 800.000 imagens foram adqui­
ridas pelo programa Corona, o que consiste em aproxi­
madamente 640.500 m de filme, distribuídos em 39.000
rolos de filme (Clarke, 1999).
Em 1967, o presidente Lyndon Johnson dirigiu-se a um
grupo de professores com a seguinte mensagem:
Eu não gostaria de ser lembrado pelo fato de ter
gastado trinta e cinco bilhões de dólares no pro­
grama espacial. Mas, se nada mais fosse aproveita­
do deste programa do que o conhecimento adqui­
rido por meio das fotografias orbitais, isto já teria
valido mais de dez vezes tudo o que já foi gasto
no programa. Sem a informação dos satélites nós
estaríamos no campo das suposições. Mas nesta
noite nós sabemos quantos mísseis o inimigo tem
e verificamos que as nossas suposições iniciais
estavam muito erradas. Nós estávamos fazendo
coisas que não precisaríamos fazer. Nós estávamos
construindo coisas que não precisaríamos cons­
truir. Nós estávamos tendo medos que não preci­
saríamos ter (Richelson, 1992; Walter, 1992).
O presidente Johnson estava respondendo às críticas que di­
ziam que ele gastou dinheiro demais no programa espacial e
não o suficiente em programas de combate à pobreza.
Apenas recentemente foi divulgado que as imagens obtidas
no programa Corona também foram utilizadas na com­
pilação e atualização de mapas nos Estados Unidos. Por
exemplo, o Serviço de Levantamento Geológico dos Esta­
dos Unidos (U.S. Geological Survey) utilizou estes dados
para compilar e atualizar a série de mapas americanos nas
escalas de 1:250.000 e 1:24.000 (McDonald, 1997a; Cla­
rke, 1999). A Figura 3-27c mostra uma imagem do Pentá­
gono em Washington, DC, EUA, adquirida pelo Corona.
A ordem executiva de número 12951, emitida pelo presi­
dente William Clinton em 22 de fevereiro de 1995, mudou
o mundo das fotografias de reconhecimento por satélites:
As imagens de reconhecimento adquiridas pelos
sistemas espaciais das missões Corona, Argon e
Lanyard deixam de ser secretas 18 meses após a
emissão desta ordem.
O endereço na Internet para obter cópias de fotografias do
Corona encontra-se no Apêndice A. Uma excelente visão geral
Sensoriamento Remoto por Satélites 85

Fotografia do Corona da base de testes

nucleares de Lop Nor, na China, obtida
em 20 de outubro de 1964

Figura 3-27 a) Fotografia aérea vertical pancromática tirada pelo Corona

KH-4 da base de testes nucleares de Lop Nor, China, no dia 20 de
outubro de 1964. b) Fotografia do pára-quedas de uma cápsula do
satélite de reconhecimento Corona sendo recuperada no ar. O fil­
me dentro da cápsula era então revelado e as fotografias interpre­
tadas (cortesia da Federação Americana de Cientistas), c) Imagem
do Pentágono em Washington, D C, obtida na Missão 1101 do
Corona, em 25 de setembro de 1967 (cortesia USGS).

c. Pentágono

do programa Corona e do uso potencial dos dados para análi­

se dos recursos terrestres são encontrados em Clarke (1999). Avaliação do Dano de uma Bomba Durante
a Guerra do Golfo
Programas Atuais de Satélite Ligados à Defesa

Bailey e Kearney escreveram o seguinte na revista Defense

News (1991):

Os patrulhamentos de reconhecimento feitos

pelos olhos do comandante foram substituídos
por dados de satélites e radares de aeronaves....
Embora no começo da guerra ainda existissem
dúvidas que não podiam ser eliminadas, a visão
que o General Schwarzkopf tinha do campo de
batalha ultrapassava qualquer coisa que já tivesse
sido alcançada anteriormente. Havia bem menos
dúvida sobre a vulnerabilidade do inimigo.

Eles chamaram a Guerra do Golfo de hyperwar (hiper

guerra) pelo fato de tantas decisões terem sido tomadas
com base em fotografias de aeronave, fotografias de sa­
télites e de informação de inteligência (Walter, 1992). A
Figura 3-28 apresenta um exemplo de uma imagem com
informação de inteligência da Guerra do Golfo.
Figura 3-28 Um depósito ao sul da cidade de Kuwait, Kuwait, com
suspeita de armazenar aeronaves do Iraque (Marinha
dos Estados Unidos, imagem liberada sob a lei da Li­
berdade de Informação de William M. Arkin).
86 CAPÍTULO História da Fotografia Aérea e das Plataformas Aéreas

Imagem do Keyhole (buraco de fechadura) 12 (KH-12)

a. O suspeito campo de treinamento de terroristas de Zhawar Kili, b. Indústria farmacêutica de Shifa, no Sudão, suspeita
no Afeganistão. de produzir armamentos químicos.

Figura 3-29 Exemplo de uma imagem do Keyhole (buraco de fechadura) 12 (KH-12). a) Campo de treinamento de Zhawar Kili, no Afe­
ganistão (resolução espacial de aproximadamente 1 0 x 1 0 cm), b) Indústria farmacêutica de Shifa, no Sudão. Estas imagens
de satélite foram utilizadas pelo Secretário de Estado William S. Cohen durante seu relato de missão após ataque dos mísseis
teleguiados no dia 20 de agosto de 1998, no Afeganistão e no Sudão (cortesia da Federação Americana de Cientistas, Programa
de Pesquisa em Informação).

Nos Estados Unidos, pelo menos quatro tipos de satélites
atualmente coletam informações secretas. O LaCrosse co­
bre a Terra com imagens de micro-ondas (radar) e pode
imagear objetos menores que um metro mesmo através de
cobertura de nuvens, ampliando o trabalho feito pelos sa­
télites de sensoriamento remoto óptico, que não podem
obter imagens na presença de nuvens. Os atuais sistemas
de sensoriamento remoto óptico são bem mais poderosos
do que os antigos sistemas Corona. Acredita-se que alguns
sensores ópticos têm resolução espacial de 15 cm utilizan­
do a tecnologia de C CD (charge-coupled-device ou disposi­
tivo de cargas acopladas), discutida nos Capítulos 4 e 7.
Os sistemas Ferrets (satélites para informações de inteligên­
cia ou signal intelligence satellites - SIGINT) detectam trans­
missões de rádio e de micro-ondas por meio de receptores
muito sensíveis. Mesmo no início dos anos de 1970, um
ferret de nome Rhyolite podia gravar sinais provenientes de
mísseis soviéticos e chineses, e ao mesmo tempo monitorar
até 11.000 conversas telefônicas e por transceptores portá­
teis [walkie-talkies). Sistemas de rastreamento e de trans­
missão de dados de satélite (Tracking and Data Relay Satelli-
te Systems - TDRS) estão em órbita geoestacionária a cerca
de 44.000 km acima do equador, tal como sugere o artigo
de Arthur C. Clarke, escrito em 1945 para a revista ingle­
sa Wireless World (Mundo sem Fio) (Walter, 1992). Esses
satélites podem ser utilizados para transmitir dados de sa­
télites de sensoriamento remoto para estações na Terra. Por
exemplo, um satélite de sensoriamento remoto pode estar
fora do alcance de uma estação de recepção direta de dados
na Terra, mas, através de um TDRS, os dados do satélite de
sensoriamento remoto podem chegar até esta estação.
Imagens de alta resolução espacial adquiridas por satélites
são utilizadas para monitorar a adesão a tratados, o cumpri­
mento de acordos para controle de armamentos, as disputas
por limites de territórios, entre outros (Richelson, 1990).
Por exemplo, a imagem pancromática obtida pelo KH-12,
de Zhawar Kili, no Afeganistão, aponta um suspeito com­
plexo de apoio para campo de treinamento de terroristas
(Figura 3-29a). Outro exemplo de uma imagem do KH-12
é a indústria farmacêutica no Sudão, suspeita de produzir
armamentos químicos (Figura 3-29b). Estas imagens foram
utilizadas pelo Secretário de Estado William S. Cohen du­
rante seu relato sobre o ataque feito pelos Estados Unidos
com os mísseis teleguiados no dia 20 de agosto de 1998.
Felizmente, a humanidade também destinou alguns dos
seus recursos e esforços para colocar no espaço platafor­
mas de sensoriamento remoto para aplicações pacíficas
relacionadas à observação dos recursos terrestres e do
meio ambiente. As mais notáveis são: o Skylab (primei­
ra estação espacial dos EUA), de 1973 a 1979; o Lan-
dsat-MSS (Multispectral Scanner Subsystem), de 1972
a 1984; o Landsat-TM (Thematic Mapper), de 1984
até o presente; o Landsat ETM*, de 1999 até o presen-
Veículos Aéreos Não-Tripulados
Imagem de Boston, MA, EUA, Obtida
pelo QuickBird
Figura 3-30 Imagem pancromática com resolução de 61 x 61 cm ob­
tida pelo QuickBird em 27 de dezembro de 2001 sobre
Boston, MA, EUA, com uma ampla e detalhada visão
do porto de Boston (cortesia da DigitalGlobe, Inc.).
te (operação normal até maio de 2003); o Programa de
Fotografias do Space Shuttle (em andamento); e diversos
satélites meteorológicos (p.ex., o GOES e o AVHRR dos
Estados Unidos, o METEOSAT e o ENVISAT, da Euro­
pa). O Sistema de Observação da Terra (Earth Observing
System) da NASA lançou seu primeiro satélite voltado
para observação da Terra em 1999 (chamado de Terra)
e o segundo em 2002 (chamado Aqua). O Brasil e C hi­
na mantêm seu programa CBERS, com três satélites já
lançados (CBERS-1, em 1999, CBERS-2, em 2003, e
o CBERS-2B, em 2007). Empresas comerciais lançaram
o IKONOS-2 em 1999, o ImageSat em 1999; o Quick­
Bird em 2001; o OrbView-3 in 2003, entre outros, todos
com resolução espacial nominal < 2 x 2 m. O Capítulo
7 fornece detalhes sobre muitas dessas plataformas e seus
sistemas sensores. A Figura 3-30 mostra uma imagem
pancromática obtida pelo QuickBird com resolução de
6 1 x 6 1 cm sobre Boston, MA, EUA. Imagens digitais de
alta resolução espacial como esta contêm tantos detalhes
da superfície que podem ser fotointerpretadas tal como se
fossem fotografias aéreas analógicas.
Veículos Aéreos Não-Tripulados
É lamentável constatar o fato de que os grandes avanços
no desenvolvimento tecnológico tanto da coleta de dados
por fotografias aéreas analógicas e digitais quanto na arte
e na ciência da fotointerpretação ocorreram durante a Ia
87
Guerra Mundial, a 2a Guerra Mundial, a Guerra da Co­
réia, a Guerra do Vietnã, a Guerra do Golfo, o conflito na
Bósnia-Herzegovina e a Invasão do Iraque, em 2003. Um
dos mais importantes avanços recentes é o uso de veículos
aéreos não-tripulados {Unmanned Aerial Vehicles - UAV)
(McDaid e Oliver, 1997; Lockheed Martin, 2006).
¥
Os veículos aéreos não-tripulados mais sofisticados são con­
trolados a partir de uma base principal por um operador.
A localização exata da aeronave durante todo o percurso
é conhecida por meio de um GPS a bordo. Além disso, a
aeronave é equipada com uma câmera de videografia ou de
infravermelho termal (Forward-Looking Infrared - FLIR,
ou Imageador Infravermelho de Visada Frontal).
Veículos Aéreos Não-Tripulados: Tática
e Autonomia
Desde os anos de 1980, o Departamento de Defesa dos
Estados Unidos (DOD) investiu bilhões de dólares no
desenvolvimento de veículos aéreos não-tripulados para
atender aos requisitos de missões específicas táticas ou
daquelas que precisem de grande autonomia de voo para
reconhecimento ou vigilância. Veículos aéreos não-tripula­
dos táticos funcionam dentro de um raio de ação de 200
km da base principal por um período relativamente curto.
Contrariamente, os veículos aéreos não-tripulados com
grande autonomia de voo podem voar por diversas horas e
a distâncias superiores a 200 km da base. Alguns veículos
aéreos não-tripulados permanecem no ar por horas a fio
realizando um monitoramento contínuo de uma mesma
área geográfica. Devido ao seu reduzido tamanho eles são
praticamente imperceptíveis no espaço aéreo.
Na Tabela 3-1 são apresentadas as características dos prin­
cipais veículos aéreos não-tripulados. Estes veículos vão
desde pequenos, leves e portáteis (p.ex., o Desert Hawk
tem 80 cm de comprimento e pesa apenas 3 kg), até ver­
dadeiros monstros que precisam de pista de decolagem e
pesam milhares de quilogramas (p.ex., o Global Hawk tem
13,5 m de comprimento e pesa quase 12.000 kg). Apesar
do elevado custo dos veículos aéreos não-tripulados mili­
tares, eles têm a vantagem de não envolverem a perda de
vida humana e custam bem menos do que uma aeronave
tripulada. Cada Global Hawk custa cerca de US$ 15 mi­
lhões. Um Predator custa US$ 4,5 milhões. Um Sbadow
200 ou um pacote com seis Desert Hawks custa US$ 300
mil. Obviamente, esses preços estão sujeitos a variações.
O Predator é um veículo aéreo não-tripulado dos Estados
Unidos que foi utilizado em missões de vigilância sobre
áreas sensíveis na Bósnia-Herzegovina em 1995 (Figura
3-31a,b), na Invasão do Iraque em 2003, e no Afeganistão.
88 CAPITULO História da Fotografia Aérea e das Plataformas Aéreas

Imagem Obtida pelo Veículo Aéreo Não-Tripulado Predãtor sobre uma Fábrica de Armamentos
em Saraievo, Bósnia-Herzegovina

a. 26 de maio de 1995 - antes do ataque b. I o de setembro de 1995 - depois do ataque

Figura 3-31 Imagem de uma fábrica de armamentos em Saraievo, Bósnia-Herzegovina, obtida pelo veículo aéreo não-tripulado Predãtor antes do
ataque (a) e depois do ataque (b) (cortesia John Pike, Federação de Cientistas Americanos, Programa de Pesquisa em Informação).

O Shadow 200 foi amplamente utilizado durante a Inva­
são do Iraque, em 2003. A Tabela 3-1 mostra um soldado
americano do 101° Batalhão de Inteligência Militar pre­
parando um Shadow 200 para uma missão sobre o Iraque,
em 22 de setembro de 2004.
O Desert Hawk foi desenvolvido pela Lockheed Martin
Skunk Works e usado na Invasão do Iraque, em 2003 (Lo­
ckheed Martin, 2006). Ele é moldado em espuma de po-
lipropileno e movido por uma hélice propulsora acionada
por um motor elétrico. O seu lançamento é feito com uma
corda flexível (bungee), esticada por duas pessoas até uma
distância de cerca de 100 m, que impulsiona o avião para
levantar voo. O Desert Hawk opera a uma altitude de 150
m podendo voar por cerca de uma hora a uma velocidade
de 92 km/h num raio de 11 km a partir da base. Ele pousa
sobre sua barriga feita de Kevlar, e sua carga útil consiste de
uma câmera colorida para operação diurna ou uma câmera
infravermelha termal para vigilância noturna.
Carga Útil dos Veículos Aéreos Não-Tripulados
Os veículos aéreos não-tripulados sumarizados na Tabela
3-1 podem carregar uma carga útil que vai desde alguns
gramas até quase 1.000 kg. Os veículos aéreos não-tripu­
lados podem carregar câmeras digitais, câmeras infraver­
melho-termais de visada frontal (FLIR), sensores hiperes-
pectrais, ou ainda sistemas sensores de radares de abertura
sintética para obtenção de imagens em qualquer condição
de tempo. Veículos aéreos não-tripulados normalmente
utilizam a tecnologia sem fio para transmitir imagens em
tempo real para a base principal, ou armazenam os dados
em gravadores a bordo.
Considerações Sobre os Veículos Aéreos Não-
Tripulados
A tecnologia de veículos aéreos não-tripulados pode ser
uma faca de dois gumes. Por um lado, o uso não militar
desta tecnologia é útil para aquisição de dados de sensoria-
mento remoto a baixo custo para fins de vigilância, aná­
lise de recursos terrestres, planejamento urbano, etc. Por
exemplo, há muito tempo cientistas vêm equipando ae-
romodelos com câmeras leves para obter fotografias aéreas
de qualidade com alta resolução espacial (p.ex., Hinckley
e Walker, 1993). Jackson e Hardin (2005) documentaram
o uso de aeromodelos relativamente baratos para adquirir
fotografias aéreas de grande escala utilizando câmeras di­
gitais, conforme exemplificado na Figura 3-32. Detalhes
sobre esta plataforma são fornecidos no Capítulo 4. Por
outro lado, os veículos aéreos não-tripulados de uso militar
são extremamente úteis para reconhecimento. McDaid e
Plataformas Comerciais de Sensoriamento Remoto 89

Tabela 3-1. Principais características de alguns veículos aéreos não- tripulados. As imagens dessas aeronaves estão
em diferentes escalas (as imagens são cortesia do Departamento de Defesa dos Estados Unidos, 2005 e NASA, 2006).
Altura
Autonomia
Veículos Aéreos Peso Altitude (m) Comprimento
Fabricante de Voo
Não-Tripulados (kg) Alcance (km) Envergadura da
(horas)
asa (m)

Aerosonde n.d.
(Aerosonde 40 6.100
14,2 1,64 m
Robotic Aircraft, 3.333
LLC) 2,89 m

Cypher 0,61 m
(United 1.525
2,5 138 n.d.
Technologies/ 30
n.d.
Sikorsky, Inc.)

Desert Hawk n.d.

152
(Skunk Works: 1 3 80 cm
Lockheed Martin) 12,4
132 cm

Global Hawk n.d.

19.825
(Teledyne Ryan, 42 11.750 13,5 m
Inc.) 26.000
35,4 m

Predãtor 2,25 m
> 12.200
(General Atomics, 29 2.983 11,0 m
Inc.) n.d.
19,5 m

Shadow 200 n.d.

4.575
(AAI, Inc.) 4 98,7 2,7 m
60
(DOD, 2005) 3,9 m

Oliver (1997) previram que o soldado do futuro poderá Plataformas Comerciais de

usar um pássaro mecânico para obter imagens, sons e mes­
mo cheiros do alvo de seu interesse. Hoje, isto já é uma
realidade. Contudo, essa mesma tecnologia pode ser usada
para espionagem em geral ou em atividades ilícitas, como
por exemplo monitorar um banco para realizar um roubo
ou fazer espionagem industrial. A atual geração de cien­
tistas da área de sensoriamento remoto deve estar ciente
sobre o bom uso da tecnologia de sensoriamento remoto
(Slonecker et al., 1998).
Sensoriamento Remoto
A grande maioria das fotografias aéreas comerciais de uso
não-militar é coletada por aviões comuns. As grandes
companhias de fotogrametria e sensoriamento remoto e
algumas agências governamentais não-militares têm aces­
so a aviões a jato. Esses aviões não conseguem voar tão
alto nem tão rápido quanto as aeronaves militares, mas
90 CAPÍTULO História da Fotografia Aérea e das Plataformas Aéreas

Fotografia Aérea Digital Obtida por um Veículo Aéreo Não-Tripulado Barato

Figura 3-32 Fotografia aérea de grande escala de uma parte da ilha de South Padre no Texas, EUA, obtida em 2005, utilizando um veículo aéreo
não-tripulado barato. Note que o detalhe da fotografia permite identificar os je t skis, as docas dos je t skis, pequenas embarcações e
automóveis. O veículo aéreo não-tripulado utilizado para coleta destas imagens é discutido no Capítulo 4 (cortesia de Perry Hardin
e Mark Jackson, Departmento de Geografia da Brigham Young University, Provo, Utah, EUA).

são adequados para adquirir fotografias aéreas métricas
de boa qualidade e outros dados de sensoriamento remo­
to para planejamento urbano, manejo dos recursos na­
turais, etc. As atuais aeronaves são equipadas com GPS,
que mantêm a aeronave na exata localização planejada
durante a aquisição dos dados de sensoriamento remoto,
não necessitando mais da navegação visual do piloto ou
do navegador.
Referências
Brugioni, D. A., 1996, “The Art and Science of
Photoreconnaissance,” Scientific American, 274(3):78-85.
Brugioni, D. A. and F. J. Doyle, 1997, “Arthur C. Lundahl:
Founder of the Image Exploitation Discipline,” Corona:
Between the Sun & the Earth, R. A. McDonald (Ed.), Bethesda:
ASP&RS, 159-166.
Clarke, A. C., 1945, “Extra-terrestrial Relays: Can Rocket
Stations Give World-wide Radio Coverage?” Wireless World,
October, 305-309.

Clarke, K., 1999, Project Corona, sponsored by the National

Bailey, R. and T. Kearney, 1991, “Combat Enters Hyperwar Science Foundation, Santa Barbara: UCSB http://www.geog.
Era,” Defense News, July 22,1991. ucsb.edu/--kclarke/Corona/Corona.html.

Baker, S., 1994, “San Francisco in Ruins: The 1906 Aerial
Photographs of George R. Lawrence,” Landscape, 10(10):9-14.
Batut, A., 1890, La PhotographieAeriennepar Cerf-volant, Paris:
Gauthier- Villars.
Boyne, W. J., 1993, Silver Wings: A History o f the United States
Air Force, NY: Simon & Schuster, 366 p.
Brugioni, D., 1985, “New Roles for Recce,” Air Force
Magazine, October, 94-101.
Colwell, R. N., 1997, “Flistory and Place of Photographie
Interpretation,” Manual o f Photographie Interpretation, W.
Philipson (Ed.), 2nd Ed., Bethesda: ASP&RS, 3-48.
Day, D. A., J. M. Logsdon and B. Latell, Eds., 1998, Eyein the
Sky: The Story ofthe Corona Spy Satellites, History of Aviation
Series, Washington: Smithsonian Institution, p. 128.
DOD, 2005, September 22, 2004 image ofShadow 200 UA
V, DOD photograph #040922-A-69575-035, Washington:
Department of Defense, U.S. Army, on-line Oct. 29.
Referências
Eder, J. M., 1945, History o f Photography, translated by
Edward Epstean, NY: Columbia University Press, 318-324.
Fanton, B., 1989, “Photography: 150th Anniversary,” Sky,
84-91.
Fischer, W. A., 1975, “History of Remote Sensing,” in R. G.
Reeves, (Ed.), Manual o f Remote Sensing, Bethesda: ASP&RS,
27-50.
Fouque, V., 1867, La Verite sur Tinvention de Ia photographie:
Nicephore Niepce, sa vie, ses essais, ses travaux, Paris: Libraire
des Auteurs et de I’ Academie des Bibliophiles, p. 61.
Ganot, A., 1855, Traite elementaire dephysique, Paris.
Gemsheim, H. and A. Gernsheim, 1952, “Re-discovery of
the Worlds First Photograph,” The Photographie Journal,
Section A (May): 118-121.
Goldberg, V., 1993, The Power o f Photography, NY:
Abbeville, 287.
Gorgin, P. A., 1997, “Zenit: Coronas Soviet Counterpart,”
Corona: Between the Sun & the Earth, R. A. McDonald (Ed.),
Bethesda: ASP&RS, 85-107.
Hall, R. C, 1996, “Post War Strategic Reconnaissance and
the Genesis of Project Corona,” Corona: Between the Sun &
the Earth, R. A. McDonald (Ed.), Bethesda: ASP&RS, 25-
58.
Hardin, P. J. and M.W. Jackson, 2005, “An Unmanned Aerial
Vehicle for Rangeland Photography,” Rangeland Ecology and
Management, 58:439-442.
Hinckley, T. K., and J. W. Walker, 1993, “Obtaining and
Using Low-altitude/Large-scale Imagery,” Photogrammetric
Engineering & Remote Sensing. 59:310-318.
Kennedy, R. F., 1969, Thirteen Days: A Memoir ofthe Cuban
Missile Crisis, New York: Mentor Co., 192 p.
King, S. A., 1860, “The Late Balloon Photographie
Experiment,” Boston Herald, October 16, 1860.
Lockheed Martin, 2006, Desert Hawk specifications, www.
lockheedmartin.com.
London, B. and J. Upton, 1994, Photography, 5th Ed., NY:
Harper Collins, 422 p.
91
Lopez, D. S., 1995, Aviation, NY: Macmillan, 256 p.
Maddox, R. L., 1871, BritishJournal of Photography, 18:422-423.
McCamy, C. S., 1960, “A Demonstration of Color Perception
with Abridged Color Projections Systems,” Photographie
Science & Engineering, 4(3): 156.
McDaid, H. and D. Oliver, 1997, Smart Weapons: Top Secret
History o f Remote Controlled Airborne Weapons, NY: Barnes &
Noble, 208 p.
McDonald, R. A. (Ed.), 1997a, CORONA: Between the Sun
and the Earth: The First NRO Reconnaissance Eye in Space,
Bethesda: ASP&RS, 400 p.
McDonald, R. A., 1997b, “Corona, Argon, and Lanyard:
A Revolution for U.S. Overhead Reconnaissance,” Corona:
Between the Sun & the Earth, Bethesda: ASP&RS, 61-74.
NASA UAV, 2006, Unmanned Aerial Vehicles, Washington:
NASA Wallops Space Flight Center; NASA Goddard Space
Flight Center, http://uav.wff.nasa.gov/.
Newhall, B., 1969, Airborne Camera: The Worldfrom the Air
and Outer Space, NY: Hastings House, 144 p.
Newhall, B., 1993, The History o f Photography, NY: Museum
ofModern Art, 319 p.
Niven, W. D., Ed., 1890, The Scientific Papers o f James
Clerk Maxwell, Cambridge: Cambridge Univ. Press, I:
136-137.
Peebles, C., 1997, The Corona Project: America s First Spy
Satellites, ISBN 1-55750-688-4,31-33.
Pike,J., Xyjü-XWI,IntelligenceResearch-Progrow, Washington:
Federation of American Scientists, www.FAS.org.
Powers, F. 0., Jr., 1997, “Foreward: From theU-2 to Corona,”
CORONA: Between the Sun and the Earth: The First NRO
Reconnaissance Eye in Space, R. A. McDonald, Ed., Bethesda:
ASP&RS, vii-ix.
Quackenbush, R. S., 1960, “Development of Photo
Interpretation,” Manual o f Photographie Interpretation,
Bethesda: ASP&RS, 1-18.
Rich, B. R. and L. Janos, 1994, Skunk Works - A Personal
Memoir ofMy Years at Lockheed, NY: Little Brown, 370 p.
Richelson, J. T., 1990, “From CORONA to LACROSSE: A
Short History of Satellites,” The Washington Post, February
25, 1990, BI-B4.
92 CAPÍTULO História da Fotografia Aérea e das Plataformas Aéreas

Richelson, J. T., 1992, “Spies in Space,” Air & Space, Tennant, J. A., 1903, “Aerial Photography,” The Photo-
6(5):75-80. Miniature, 5(52): 144-173.

Ruffner, K. C., 1995, CORONA: Américas First Satellite Thompson, M. M., 1966, Manual o f Photogrammetry,
Program, Washington: CIA, 360 p. Bethesda: ASP&RS, 3rd Ed„ 1 :244-245.

Scientific American, 1909, “Pigeon Cameras,” Scientific Walter, W. J., 1992, Space Age, NY: Random House, 335 p.
American, 100(4):27.
Wolinsky, C., 1999, “The Quest for Color,” National
Slonecker, E. T., D. M. Shaw and T. M. Lillesand, 1998, Geographic, 196(l):72-93.
“Emerging Legal and Ethical Issues in Advanced Remote
Sensing Technology,” Photogrammetric Engineering & Remote
Sensing, 64(6):589-595.
Fotografia Aérea - Visada, Câmeras,
Filtros e Filme
4
primeira vista, pode parecer que a técnica de obter e interpretar fotografias aéreas

A seja uma tarefa rotineira, uma vez que ela já existe há mais de um século. Contudo,
esta tarefa pode ser complexa, pois frequentemente importantes decisões têm que
ser tomadas para assegurar que sejam obtidas fotografias aéreas de boa qualidade a
fim de que possam ser interpretadas corretamente (Narumalani et al., 2002).
Muitas dessas decisões têm por base princípios físicos da óptica e da interação
da energia luminosa com materiais sensíveis à luz, sendo que algumas questões
importantes precisam ser consideradas ao se obter uma fotografia aérea:

• Visada (p.ex., vertical, oblíqua-baixa, oblíqua-alta),

• Câmera (p.ex., analógica, digital, tipo de objetiva),

• Filtros (p.ex., filtro amarelo {haze ou névoa), menos azul, filtro passa banda), e

• Tipo de filme (branco e preto, colorido, infravermelho branco e preto, ou

infravermelho-colorido).

Quanto maior for o entendimento do intérprete sobre a forma como a fotografia

aérea foi obtida, melhor será a sua capacidade de interpretação. Devido ao crescen­
te uso do meio digital tanto na aquisição quanto no processamento das imagens,
este capítulo também descreve o processo de digitalização de imagens analógicas.

Visada Vertical e Oblíqua

Uma fotografia aérea pode ser obtida com visada vertical ou oblíqua em fun­
ção dos requisitos do projeto.

Fotografia Aérea Vertical

Uma fotografia aérea é considerada vertical quando o eixo óptico da câmera está
dentro de ±3° da vertical (perpendicular) à superfície da Terra (Figura 4-la). A
Figura 4-lb apresenta uma fotografia aérea vertical branco e preto mostrando
parte dos meandros, em formato de pescoços de ganso (Goosenecks), do rio San
Juan em Utah, EUA. Dentro do campo de visada vertical desta fotografia aé­
rea podem ser obtidas informações qualitativas detalhadas sobre a geologia da
superfície, geomorfologia e hidrologia. Esta fotografia aérea, em conjunto com
outras fotografias aéreas verticais sobrepostas e obtidas em posições ligeiramente
diferentes, pode ser analisada aplicando-se os princípios quantitativos da foto-
grametria (discutidos no Capítulo 6) para gerar as seguintes informações:
94 CAPÍTULO
Fotografia Aérea
Vertical de um
Plano do filme Terreno Plano
da câmera
Figura 4-1 a) Uma fotografia aérea vertical tem <3° de inclinação em relação a uma linha perpendicular ao terreno, b) Uma fotografia aérea
vertical mostrando os meandros em forma de pescoços de ganso (Goosenecks) do rio San Juan em Utah, EUA.
• mapasplanimétricos (coordenadas x, y) de alvos, e feições
naturais (p.ex., rede de drenagem, afloramentos rocho­
sos) e artificiais (p.ex., trilhas, estradas, edificações);
• mapas topográficos (altitude z);
• modelos digitais de elevação (DEMs);
• ortofiotos (fotografias aéreas geometricamente corrigidas
em x,y).
Os analistas envolvidos no gerenciamento dos recursos na­
turais às vezes esquecem-se de que os mapas planimétricos
ou topográficos e as ortofotos, utilizadas em quase todos
os sistemas de informação geográfica (SIG), são criados a
partir dos princípios fundamentais da fotogrametria apli­
cados às fotografias aéreas verticais (Jensen et al., 2002;
2005). Por exemplo, a série de mapas na escala 1:24.000
do Levantamento Geológico dos Estados Unidos (USGS)
e vários modelos digitais de elevação são gerados com base
na fotogrametria (Linder, 2003).
Fotografias aéreas verticais são adquiridas para uma gran­
de variedade de aplicações na área dos recursos naturais e
do planejamento (Miller et al., 2003; Paine e Kiser, 2003).
Veja por exemplo a fotografia aérea vertical de Gulfport,
Fotografia Aérea - Visada, Câmeras, Filtros e Filme
Mississippi, EUA, apresentada na Figura 4-2. Ela mos­
tra os danos causados pelo vento e pela ressaca ao Grand
Cassino, indicando que uma parte do cassino rompeu-se
e foi levada pela ressaca até a rodovia 1-90. Também os
containeres de um armazém próximo ao cassino foram
espalhados pela força da ressaca e do vento. Uma versão
colorida desta fotografia aérea vertical pode ser vista na
Prancha Colorida 4-1.
Para interpretar de forma correta e eficiente uma fotografia
aérea vertical do terreno é necessária uma boa prática e
experiência, pois não estamos acostumados a ver de cima
prédios, árvores, estradas, etc.
Fotografia Aérea Oblíqua
Uma fotografia aérea oblíqua ou inclinada é aquela em que
o eixo óptico da câmera está deslocado da vertical em al­
guns graus (Wolf e DeWitt, 2000). Quando o horizonte
da fotografia não for visível então ela é chamada de fotogra­
fia aérea oblíqua-baixa (Figura 4-3a). A Figura 4-3b mostra
uma. fotografia aérea oblíqua-baixa obtida a uma altura de
183 m (600 pés) sobre uma ponte do rio Congaree na
Carolina do Sul, EUA. Uma análise visual da fotografia
mostra os detalhes da estrutura da ponte.
Câmeras Aéreas 95

Fotografia Aérea Vertical do D ano Causado pelo Furacão Katrina em Gulfport, MS,
EUA em 30 de Agosto de 2005

Figura 4-2 Fotografia aérea vertical obtida em 30 de agosto de 2005 registrando os danos causados pelo vento e pela tempestade do furacão
Katrina em Gulfport no Estado de Mississippi, EUA (cortesia da Divisão de Sensoriamento Remoto da NOAA).

Uma fotografia aérea oblíqua-alta é aquela em que o hori­
zonte é visível na fotografia (Figura 4-4a). A Figura 4-4b
mostra uma fotografia oblíqua-alta da barragem de Grand
Coolee no Estado de Washington, EUA. Esta fotografia
oblíqua foi obtida em 1940 durante a construção da barra­
gem e representa um valioso registro histórico da paisagem
criada para abrigar os trabalhadores da obra.
Em geral, é mais fácil interpretar uma fotografia aé­
rea oblíqua do que uma fotografia aérea vertical, pois
estamos acostumados a ver as coisas lateralmente. Por
exemplo, é bem mais fácil identificar as feições na fo­
tografia aérea oblíqua-baixa de Gulfport, Mississippi
apresentada na Figura 4-5 do que na fotografia aérea
vertical da Figura 4-2. Observamos com facilidade na
Figura 4-5 a parte do Grand Cassino que foi desloca­
da para a rodovia 1-90 e a fachada do Grand Hotel ao
fundo. Uma versão colorida da fotografia aérea oblíqua-
baixa é encontrada na Prancha Colorida 4-1.
Para analisar uma fotografia aérea oblíqua ela deve ser
posicionada de tal forma que os objetos de interesse apa­
reçam em sua perspectiva natural. Normalmente, isto
significa que os objetos com elevação aparentemente se
afastem de quem vê a imagem.
Em geral, as fotografias aéreas oblíquas não são utiliza­
das para extrair informações quantitativas e, portanto,
os princípios fotogramétricos destas fotografias não se­
rão tratados neste livro, mas podem ser consultados no
M anual de Fotogrametria (McGlone, 2004). A discussão
aqui apresentada tem seu foco na obtenção de fotografias
aéreas quase-verticais e na extração de informações quali­
tativas e quantitativas.
Câmeras Aéreas
Uma das primeiras câmeras comercialmente disponíveis foi
feita por Samuel F. B. Morse, o inventor do código Morse
(Figura 4-6). As atuais câmeras são muito mais sofisticadas
do que esta simples câmera em forma de caixa, mas exis­
tem entre elas algumas características básicas em comum.
96 CAPÍTULO Fotografia Aérea - Visada, Câmeras, Filtros e Filme

b.
Figura 4-3 a) Uma fotografia aérea oblíqua-baixa é inclinada em >3° da vertical e o horizonte não é visível, b) Uma fotografia aérea oblíqua-
baixa de uma ponte do rio Congaree próximo a Columbia no Estado da Carolina do Sul, EUA. A fotografia foi obtida a uma
altura de aproximadamente 183 m (600 pés). Uma fotografia aérea oblíqua deve ser vista de tal forma que as feições mais impor­
tantes, como a ponte, se distanciem do observador.

Figura 4-4 a) Uma fotografia aérea oblíqua-alta é inclinada em >3° da vertical e o horizonte é visível, b) Uma fotografia aérea oblíqua-alta da
barragem de Grand Coulee em Washington, EUA obtida em 1940. As casas foram construídas para os trabalhadores durante a
construção da barragem.
Câmeras Aéreas
Fotografia Aérea Oblíqua-baixa dos Danos
Causados pelo Furacão Katrina em Gulfport, MS,
EUA em 30 de Agosto de 2005
Figura 4-5 Fotografia aérea oblíqua-baixa obtida em 30 de agosto
de 2005 mostrando os danos causados pelo furacão Ka­
trina (cortesia do USGS, Programa de Geologia Costei­
ra e Marinha).
Figura 4-6 Uma das primeiras câmeras comercialmente disponí­
veis foi encomendada por Louis Daguerre e feita por
Samuel F. B. Morse, o inventor do código Morse.
Uma boa maneira para se entender o funcionamento de
uma câmera moderna é comparar os seus componentes
com os do olho humano (Figura 4-7).
Comparação entre os Elementos da Câmera Aérea
e do Olho Humano
A retina do olho humano é análoga ao filme sensível à luz
que está no plano do filme localizado no fundo da câmera.
97
Tanto o olho quanto a câmera usam lentes para focalizar
a luz refletida do mundo real sobre a retina ou filme. No
olho, a quantidade de luz que entra para iluminar a retina
é controlada pela íris, que pode expandir-se ou contrair-se
em função da intensidade luminosa, e pela pálpebra, que
atua como um obturador. Na câmera, a quantidade de luz
que chega ao plano do filme é controlada pela abertura da
lente e por um obturador que controla o tempo de exposi­
çãoi, ou seja, o tempo que a objetiva fica aberta para per­
mitir a passagem da luz que chega ao filme. O obturador
pode ser colocado dentro da objetiva ou em frente ao filme
no fundo da câmera, sendo que neste caso é chamado de
obturador de plano focal.
Plano Focal e Distância Focal
A parte da câmera em que o filme é mantido para ser expos­
to é chamado de plano focal ou plano dofilme. Quando a câ­
mera está focada no infinito, a distância entre o ponto nodal
traseiro da objetiva e o plano do filme é conhecido como dis­
tânciafocal. As distâncias focais de algumas objetivas utiliza­
das para levantamentos aerofotográficos são: 88 mm (3,5”),
152 mm (6”), 210 mm (8,25”) e 305 mm (12”). As objeti­
vas com zoom têm uma distância focal variável. Já a maioria
das câmeras aéreas métricas tem uma distância focal fixa, tal
como 152 mm (6”). Distâncias focais maiores, tal como as
objetivas de 305 mm (12”) são especialmente indicadas para
obtenção de fotografia aérea em altas altitudes. Operações
de reconhecimento fotográfico militar comumente empre­
gam objetivas de 915 mm (3’) a 1830 mm (6’) para obter
fotografias com detalhes a partir de altas altitudes ou para
adquirir fotografias oblíquas de áreas além fronteiras.
y/stop
A razão entre a distância focal da objetiva da câmera ( f )
e o diâmetro da abertura da objetiva (d) é conhecida por f l
stop ou abertura relativa da objetiva ou do sistema óptico:
Distância focal da objetiva ^
diâmetro da abertura da objetiva
A razão y^stop é também usada para designar a definição da
vek/cidade do sistema óptico da câmera. Por exemplo, uma câ­
mera com distância focal de 100 mm e um diâmetro máximo
de abertura da lente de 10 mm (chamada de abertura máxi­
ma) terá uma objetiva com velocidade defi 10, ou seja, esta é a
abertura relativa máxima da objetiva ou do sistema óptico:
100 mm
fl\h =
10 mm
Se o diâmetro máximo de abertura da objetiva fosse o do­
bro, ou seja, 20 mm ao invés de 10 mm, a razão entre a
98 CAPÍTULO
Figura 4-7 Comparação entre os elementos ópticos da câmera e do
olho humano.
distância focal e a abertura máxima seria _//5 o que significa
que esta objetiva é mais veloz do que a de^710, pois ela per­
mite que mais luz passe por ela, em sua abertura máxima,
por unidade de tempo. A aeronave está sempre em grande
velocidade durante a obtenção das fotografias aéreas (ex­
ceto para helicópteros, balões cativos ou pipas). Portanto,
é importante que a fotografia aérea seja obtida de forma
rápida para que os alvos apareçam nítidos na fotografia,
e não tremidos ou borrados em função do movimento do
avião durante o tempo de exposição do filme. Assim, as
câmeras aéreas geralmente têm objetivas bem velozes que
permitem obter fotografias estáticas da superfície como se
a aeronave não estivesse em movimento. As câmeras com
objetivas velozes são usadas em conjunto com filmes muito
sensíveis (a ser discutido) para diminuir ainda mais o tem­
po de exposição do filme.
Uma sequência completa de valores de f stop começando
em f!\ pode ser gerada multiplicando o valor da abertura
relativa da objetiva (flstop) por 1,4142136 (raiz quadrada
de 2) o que resulta em aberturas relativas sempre meno­
res. Por exemplo, a sequência de incrementos da abertura
relativa de uma objetiva é f l \ , fl\.4 \4 2 , f!2, JJ2.828, f!A,
fl5-656,f/8,fll \, f \ G , f 2 2 , flò2, etc., conforme mostrado
na Tabela 4-1. Cada valor da abertura relativa da objetiva
desta série transmite metade da quantidade de luz do valor
da abertura anterior {i.e., f l 8 transmite metade da quanti­
dade de luz de f l 5.6). Por exemplo, se a abertura relativa
for diminuída á t f l W para f! 16, então a quantidade de luz
Fotografia Aérea - Visada, Câmeras, Filtros e Filme
Tabela 4-1. Série Internacional d e /s to p s e de
velocidades do obturador.
Abertura Relativa ou //stop
Maior abertura relativa da objetiva —Menor abertura relativa da objetiva
/ l — 1.4—2—2.8—4—5.6—8— 11— 16—22—32—etc.
Velocidades do obturador
Mais lento------------------------------------------------------ Mais rápido
1-1/2-1/4-1/8-1/16-1/30-1 /60-1/125-1/250-1/500-1/1000-1/2000-etc.
que chega ao plano do filme será reduzida pela metade. Se
a abertura relativa for aumentada de f 16 para f! 11 então a
abertura do diafragma fica duplicada e, consequentemente,
a quantidade de luz que chega ao plano do filme será du­
plicada. A Figura 4-8 ilustra a abertura do diafragma e os
valores de^/stop. A velocidade de uma objetiva é dada pela
abertura relativa máxima da objetiva quando o diafragma
está todo aberto. Assim, a velocidade da objetiva apresenta­
da na Figura 4-8 é f!2 .8 (London e Upton, 1994).
Velocidade do Obturador
Para assegurar que a emulsão do filme irá receber a quan­
tidade correta de luz, o fotógrafo aéreo deve selecionar a
correta combinação entre a abertura do diafragma (i.e., o f l
stop) por onde passa a luz e o tempo que o filme fica expos­
to à luz que passa pela objetiva. O tempo que o obturador
permanece aberto é chamado de tempo de exposição, que é
controlado pelo mecanismo do obturador. A velocidade do
obturador ou tempo de exposição do filme em uma câmera
normalmente varia de “bulbo” (bulb em inglês), que dura o
tempo que o fotógrafo permanece com o disparador acio­
nado, de 1 segundo, 0,75; 0,5; 0,25, 1/100, 1/200, 1/400,
1/500, 1/1.000 e 1/2.000 segundo. Por exemplo, a expo­
sição ideal para uma fotografia aérea tirada às 13:00 horas
em condições de céu aberto pode ser de abertura relativa
de y/16 com velocidade do obturador de 1/200 segundo.
Se o céu acima da aeronave repentinamente ficar nublado
o terreno receberá menor iluminação, e o fotógrafo aéreo
terá que aumentar o tempo de exposição ou a abertura do
diafragma para compensar a menor quantidade de radiação
refletida pela superfície e propiciar que o filme seja exposto
corretamente. Se ele aumentar a abertura relativa d e f l G
p a r a t i 1 ele irá dobrar a área de abertura para a passagem
da luz. Mas ele também pode manter a câmera com aber­
tura relativa de f/16 e alterar a velocidade do obturador de
1/200 para 1/100 o que irá dobrar o tempo de exposição
do filme. Qualquer uma das duas alternativas irá resultar
no mesmo aumento da quantidade de luz que chega ao
filme. Agora vamos assumir que o fotógrafo estivese com
a exposição correta do filme em f l 16 e 1/200 s, e que por
alguma razão o piloto dissesse que teria que aumentar a
Câmeras Aéreas
Figura 4-8 Aberturas relativas ou número f( fls tops) para a objetiva
de uma câmera e o tamanho da abertura do diafragma.
Neste exemplo, os//stops variam de f l 2.8 a fl 22, com
o tamanho do diafragma mostrado pelos círculos bran­
cos. O menor fl stop tem a maior abertura e permite
que mais luz passe pela objetiva. Quanto maior o valor
do //stop menor é a quantidade de luz que passa pela
objetiva. A cada variação do fls top para menos ou para
mais, entra o dobro ou a metade de luz, respectivamen­
te. Por exemplo, são necessários quatro círculos com
abertura de diafragma de f l 5.6 para igualar a quanti­
dade de luz que passa por um diafragma de abertura de
^ 2 .8 (segundo London e Upton, 1994).
velocidade da aeronave. Neste caso o fotógrafo deverá au­
mentar a velocidade do obturador para, digamos, 1/400
segundo a fim de que a imagem não fique tremida. Mas
isto fará com que o tempo de exposição seja reduzido pela
metade. Para compensar esta redução no tempo de exposi­
ção o fotógrafo deverá dobrar a área de entrada da luz pelo
diafragma passando d e / / 16 paraf l l l . Isto deverá resultar
em fotografias de boa qualidade com a correta exposição
do filme às condições de iluminação do terreno.
99
Apesar de as fotografias aéreas serem obtidas por empresas
especializadas em engenharia fotogramétrica, é importante
que se tenha uma noção sobre os parâmetros envolvidos
na exposição de uma fotografia aérea. Nuvens altas do tipo
stratus, sombras de nuvens e variação na elevação do Sol
ao longo do dia podem aumentar ou diminuir a ilumi­
nação do terreno e fazer com que a fotografia aérea fique
superexposta ou subexposta, respectivamente. O ajuste
correto do//stop e da velocidade do obturador em função
das variações das condições de iluminação da cena faz com
que a exposição correta seja mantida ao longo do período
de obtenção das fotografias aéreas. Às vezes é preciso re­
jeitar um lote inteiro de fotografias aéreas se elas tiverem
sido expostas incorretamente. E possível também que em
algum momento seja necessário que você tire fotografias
apontando uma câmera 35-mm pela janela de um avião
de pequeno porte e tenha que selecionar a melhor combi­
nação do//stop e da velocidade do obturador para obter
uma boa fotografia. Outra possibilidade é que veículos aé­
reos não-tripulados de custo relativamente baixo e espe­
cialmente projetados para obtenção de fotografias aéreas
estejam disponíveis no mercado em breve. Por exemplo,
Hinckley e Walker (1993) e Hardin e Jackson (2005) for­
necem informações sobre como adquirir fotografias aéreas
usando veículos aéreos não-tripulados de baixa altitude.
Tipos de Câmeras Aéreas
Diversos tipos de câmeras são frequentemente usados para
obter fotografias aéreas, incluindo:
• câmeras métricas com uma objetiva;
• câmeras com múltiplas objetivas (múltiplas-bandas);
• câmeras digitais;
• câmeras variadas.
Câmeras (métricas) de Mapeamento com uma Objetiva
Câmeras métricas com uma objetiva obtêm a maioria das
fotografias aéreas utilizadas no mapeamento planimétrico
(x, y) para localização de feições e para obtenção de mapas
topográficos (curvas de nível). Estas câmeras cartográficas
são calibradas para fornecer fotografias aéreas da mais alta
qualidade geométrica e radiométrica. Elas consistem nor­
malmente do corpo da câmera, do cone de montagem das
lentes, do obturador, de um conjunto motorizado para
alimentação e rebobinagem do filme no plano do filme, e
uma plataforma de suporte da câmera na aeronave. Filtros
colocados na frente da objetiva limitam o comprimento de
onda da luz que chega ao plano do filme. Uma concepção
100 CAPÍTULO Fotografia Aérea - Visada, Câmeras, Filtros e Filme

Câmera Métrica Analógica Câmera Métrica Analógica

T
Carretei
do Filme

Corpo da
Câmera

Montagem do
Cone das Lentes

Lente traseira
ponto nodal Lente
Obturado Diafragma
.ente dianteira
do ponto nodal

b.

Figura 4-9 a) Os componentes do sistema de uma câmera métrica consistem em 1) elementos de isolação da vibração, 2) placa de pressão do
filme, 3) unidade motora, 4) unidade de controle, 5) carretei de alimentação do filme, 6) carretei de rebobinagem, 7) carretei do
filme, 8) bobina com filme virgem, 9) unidade motora, 10) mecanismo de compensação do movimento de arraste, 11) berço, 12)
obturador universal, 13) cone de montagem das lentes e 14) objetiva, b) Vista do perfil da câmera métrica e dos componentes do
sistema, c) Exemplo de uma câmera métrica instalada no piso de uma aeronave, com um console para o operador e um instru­
mento que permite visualizar o terreno através de um buraco para fins de navegação, d) Uma aeronave com duas aberturas para
câmeras pode obter fotografias com dois tipos de filmes ao mesmo tempo (p.ex., colorido e infravermelho-colorido). Note que
nesta fotografia aparecem duas aberturas para câmeras e o compartimento das duas rodas do trem de pouso (cortesia E. Coyote
Enterprises, Inc., Marilyn 0 ’Cuilinn; Z /i Imaging).

artística dos componentes internos de uma câmera métrica
é mostrada na Figura 4-9a. Uma visão do perfil de uma
câmera métrica típica é mostrada na Figura 4-9b.
Nos Estados Unidos, é necessário que a Administração Fe­
deral de Aviação (FAA) aprove que seja feito um buraco na
fuselagem do avião para instalação de uma câmera aérea.
Um exemplo de uma câmera com uma objetiva montada
no piso da fuselagem de um avião é mostrado na Figura
4-9c. Se duas câmeras aéreas estiverem montadas na aero­
nave (Figura 4-9d), é possível obter ao mesmo tempo foto­
grafias com dois tipos de filmes diferentes (p.ex., colorido
e infravermelho-colorido) sincronizando o mecanismo de
disparo do obturador.
Câmeras Aéreas 101

Figura 4-10 a) Quanto maior for o ângulo de visada da objetiva da câmera, maior será a área fotografada no terreno para uma mesma altitude
da aeronave. A figura mostra a visada com objetivas de ângulo estreito (tele-objetiva) (40°), normal (70°), grande-angular (90°),
e super-gande angular (110°). b) Utilizando a câmera com objetiva de ângulo estreito (tele-objetiva) (40°) uma área maior no
terreno pode ser fotografada posicionado-se a aeronave a uma altitude maior.

O cone de montagem das lentes é a parte mais importante da
câmera. Geralmente ele consiste de uma objetiva com múlti­
plos elementos de lentes caras que projetam imagens do mun­
do real, sem distorção, sobre o plano do filme. O elemento
com as múltiplas lentes está focado no infinito, pois a aerona­
ve normalmente voa a milhares de metros acima do terreno
enquanto coleta os dados. Câmeras métricas de mapeamento
utilizam diversas objetivas com diferentes campos de visada
angular, dependendo dos requisitos da missão. O campo de
visada angular das câmeras com teleobjetiva é <60°, com ob­
jetiva normal é de 60° - 75°, com objetiva grande angular é
de 75° - 100°, e com super-grande angular é >100°. Quanto
mais largo for o campo de visada angular, maior será a área
recoberta no terreno pelo filme a uma dada altitude. Quanto
maior for a altitude da aeronave acima do terreno maior será
a área fotografada na superfície para uma mesma objetiva.
Estas relações estão sumarizadas na Figura 4-10.
Um intervalômetro é utilizado para expor o filme em inter­
valos específicos de tempo (dependendo da altitude da ae­
ronave e da sua velocidade), que irá resultar na quantidade
adequada de sobreposição entre fotografias para permitir
uma cobertura estereoscópica.
Câmeras aéreas geralmente têm filmes com 24 cm (9,5
pol.) de largura em rolos de >30,5 m (100 pés) a 152,4
m (500 pés) de comprimento, dependendo da espessura
do filme. As fotos individuais são geralmente de 23 x 23
cm (9 x 9 pol.). No momento da exposição o filme é preso
sobre uma superfície plana localizada no plano focal. A
placa sobre a qual o filme se encontra aplica uma pressão a
vácuo instantes antes da exposição para eliminar bolhas de
ar ou qualquer outra irregularidade na superfície do filme
virgem. Após a exposição, o vácuo é suspenso e o mecanis­
mo de avanço move o filme para a bobina do filme exposto
para se preparar para a próxima exposição.
Dependendo da velocidade da aeronave (v) e da altitude da
aeronave acima do terreno (h), o filme pode ser avançado
suavemente durante a exposição para compensar o movi­
mento da imagem também chamado de arraste. Magazines
para aplicações específicas podem mover o filme sobre o
plano focal para compensar o movimento da imagem a
uma velocidade variável que pode chegar até 64 mm por
segundo. A correção do movimento da imagem é obtida
por meio do deslocamento da placa com o filme prensado
a vácuo na direção de voo de acordo com a razão veloci-
dade-altura (v/h) e a distância focal da objetiva. Isto me­
lhora muito a qualidade da fotografia aérea. Um exemplo
da efetividade do uso da compensação do movimento da
imagem (IMC —Image Motion Compensation) e da esta­
bilização é mostrado na Figura 4-11. Note a melhora nos
detalhes da fotografia aérea que foi obtida usando a com­
pensação do movimento da imagem.
102 CAPÍTULO Fotografia Aérea - Visada, Câmeras, Filtros e Filme

Importância da Compensação do Movimento da Imagem - Arraste

a. Sem compensação. b. Com compensação.

Figura 4-11 a) Fotografia aérea vertical de uma piscina obtida sem compensação do movimento de arraste da imagem. Observe o quadro
para teste de resolução espacial que está do lado da piscina, b) Fotografia obtida com compensação do movimento de arraste
da imagem. Mais elementos podem ser discernidos no quadro de resolução (cortesia E. Coyote Enterprises, Inc., Marilyn
0 ’Cuilinn; Z /I lmaging).

Anotações

Figura 4-12 As anotações ao redor da fotografia aérea são muito importantes. Esta câmera métrica em particular fornece a seguinte infor­
mação: 1) uma escala de níveis de cinza, 2) anotação básica, 3) altímetro, 4) marcas fiduciais, 5) relógio, 6) número de série do
cone da objetiva, 7) distância focal em mm, 8) número da fotografia, 9) nome da missão e data e 10) data da navegação (não
visível). Somente metade desta fotografia aérea de Mineral Wells, TX, EUA, é mostrada (cortesia E. Coyote Enterprises, Inc.,
Marilyn 0 ’Cuilinn; Z /I lmaging).

A maioria das câmeras métricas modernas fornece detalhes vertical de Mineral Wells, TX, EUA, mostrada na Figura
sobre as anotações da imagem ao redor do filme de 23 x 23 4-12. Um diodo emissor de luz (LED) dentro da câmera é
cm (Paine e Kiser, 2003). Por exemplo, diversas informa­ programado e expõe informação de texto no filme. Entre
ções auxiliares são apresentadas ao redor da fotografia aérea as informações importantes apresentadas incluem-se: 1)
Câmeras Aéreas
uma escala de nível de cinza para determinar se a exposi­
ção correta foi utilizada, 2) um lugar em que o fotógrafo
aéreo pode fazer anotações sobre a missão com lápis se for
necessário, 3) altímetro, 4) linhas das marcas fiduciais, 5)
relógio, 6) número de série do cone da objetiva, 7) distân­
cia focal em mm, 8) número da fotografia do projeto, 9)
nome da missão e data e 10) data da navegação (não visí­
vel). Marcas fiduciais serão discutidas no Capítulo 6.
Algumas vezes vamos analisar fotografias aéreas obtidas há
vários anos atrás. Assim, as anotações com as informações
detalhadas sobre a imagem são muito importantes para
que a informação extraída da imagem seja correta, espe­
cialmente se for necessário calibrar algum instrumento fo-
togramétrico sofisticado ou se a fotografia for ser utilizada
em forma digital em aplicações fotogramétricas a serem
discutidas no Capítulo 6.
Câmeras com Múltiplas Objetivas (Multi-Bandas)
Normalmente, extraem-se mais informação do meio am­
biente em estudos feitos com fotografias obtidas simulta­
neamente em diversas regiões do espectro eletromagnético
(bandas) do que com fotografias obtidas em uma única
banda. Ao conduzir um reconhecimento aéreo com múl­
tiplas bandas espectrais (Colwell, 1997), cada uma das câ­
meras grava simultaneamente fotografias da mesma área
geográfica, mas utilizando diferentes filmes e/ou combina­
ções de filtros. Por exemplo, uma configuração de quatro
câmeras Hasselblad 70 mm é mostrada na Figura 4 -13a.
Ao selecionar cuidadosamente as combinações de filme e
de filtro, comprimentos de onda específicos refletidos de
alvos da cena serão registrados em cada uma das câmeras.
Uma fotografia aérea multi-banda de Century City, Los
Angeles, CA, EUA, é mostrada na Figura 4 -13b. Note as
diferentes informações gravadas nas fotografias individuais
do azul, verde, vermelho e infravermelho-próximo. Uma
composição colorido-normal pode ser produzida com es­
tas fotografias ao projetar sobre uma tela simultaneamen­
te luz azul através da fotografia azul, luz verde através da
fotografia verde, e luz vermelha através da fotografia ver­
melha. Uma composição infravermelho-colorida pode ser
produzida com estas fotografias ao projetar sobre uma tela
simultaneamente luz azul através da fotografia verde, luz
verde através da fotografia vermelha, e luz vermelha através
da fotografia infravermelho-próximo. Mais adiante, neste
capítulo, falaremos mais sobre composições coloridas.
Câmeras Digitais Aéreas
Câmeras digitais estão revolucionando a coleta de dados
aerofotogramétricos. O sensor de imageamento de uma
câmera digital é normalmente um circuito integrado de
103
detector por carga acoplada (CCD, Charge-Coupled De-
vicé) ou de Semiconductor Metal-Óxido Complementar
(CMOS, Complementary Metal Oxide Semiconductor). O
detector do sensor converte luz em elétrons que podem ser
medidos e convertidos em valores de intensidade radiomé-
trica (McGlone, 2004). As câmeras digitais são baseadas
em conjuntos de detectores em linha ou em área (Figura
4-14). A Tabela 4-2 sumariza o número de detectores en­
contrados em alguns dos conjuntos de detectores de área
atualmente disponíveis no mercado.
Câmeras digitais também utilizam objetivas com diafrag­
ma para controlar oy7stop, com obturador para controlar
o tempo de exposição, e com um mecanismo para focali-
zação. Contudo, a maior diferença consiste no uso de uma
matriz uni- ou bi-dimensional de CCD ao invés de um
filme. A objetiva focaliza a luz proveniente da cena sobre
a matriz de detectores uni- ou bi-dimensional. Os fótons
de luz que iluminam cada um dos detectores produzem
uma carga elétrica diretamente relacionada com a quan­
tidade de energia radiante incidente. Este sinal analógi­
co é então eletronicamente amostrado e convertido num
valor digital de brilho que varia de 8-bit (valores 0-255)
a 12-bit (valores de 0 a 4095). O valor de brilho obtido
na conversão analógico-para-digital (A-para-D) pode ser
armazenado e lido por um computador. Os CCDs são na
verdade mais sensíveis a mudanças na reflectância espectral
da cena do que os cristais de haleto de prata utilizados na
fotografia aérea analógica convencional.
Câmeras Digitais de Pequeno-Formato: Estas câmeras
normalmente têm <15 megapixels (MP). Por exemplo, a
câmera digital mostrada na Figura 4 -15a tem uma matriz
de 3.456 colunas e 2.304 linhas, resultando em quase 8
MP (Tabela 4-2). No momento da exposição, a câmera
rapidamente grava três versões da cena utilizando filtra­
gem interna. O resultado é uma imagem gerada a partir
da luz azul refletida pela superfície, outra gerada a partir
da luz verde refletida pela superfície, e uma última ima­
gem gerada a partir da luz vermelha refletida pela super­
fície. As três imagens individuais em preto-e-branco são
gravadas na memória de acesso aleatório (RAM) e podem
ser compostas numa imagem colorida utilizando a teoria
aditiva de cores para produzir uma imagem colorido-nor­
mal. Também é possível ter detectores sensíveis à radiação
no infravermelho-próximo.
Este veículo aéreo não-tripulado (UAV) de baixo custo mos­
trado na Figura 4-15b possui um intervalômetro para obter
fotografias em intervalos de tempo específicos com o reco-
brimento necessário entre fotos. As imagens são rapidamen­
te armazenadas em um gravador de dados. Com base no
uso de uma antena de GPS a bordo da aeronave o operador
no terreno sabe a localização da aeronave (não mostrado). A
104 CAPÍTULO Fotografia Aérea - Visada, Câmeras, Filtros e Filme

Fotografia Aérea Multi-banda

a. Câmeras Multi-banda.

b. Azul (0,4 - 0,5 pm)

d. Vermelho (0,6 —0,7 pm) e. Infravermelho-próximo (0,7 —1,0 pm)

Figura 4-13 a) Quatro câmeras Hasselblad de 70 mm dispostas em uma base que pode ser instalada em um buraco especialmente confeccio­
nado na parte inferior da aeronave. Todas a quatro câmeras são expostas eletronicamente ao mesmo tempo. Diferentes combina­
ções de filme e de filtro podem ser utilizadas em cada uma das câmeras, b-e) Fotografia aérea multi-banda de Century City, Los
Angeles, CA, EUA. Os grandes painéis localizados no estacionamento foram utilizados para calibrar a fotografia. Observe como é
clara a vegetação em torno do hotel curvilíneo no centro da fotografia no infravermelho-próximo preto-e-branco e como aparece
escura nas fotografias no azul, verde e vermelho.

câmera digital de 8 MP obtém fotografias aéreas de resolu­
ção muito alta (Figuras 4-15cd). Assim como para qualquer
aeronave, é preciso que se tome muito cuidado quando se
utiliza um veículo aéreo não-tripulado para assegurar que ele
não provoque acidentes. Este assunto não é trivial.
tradicionais câmeras analógicas de grande-formato. Con­
tudo, as câmeras digitais de médio-formato têm-se mostra­
do úteis para diversas aplicações. A Emerge Digital Sensor
System (DSS) é um bom exemplo de uma câmera digital de
médio-formato (a ser discutido no Capítulo 7).

Câmeras Digitais de Médio-Formato: Estas câmeras são
normalmente baseadas em matriz bi-dimensional com
aproximadamente 4.000 x 4.000 detectores (16 MP) uti­
lizando chips Fairchild CCD486 ou Kodak KAF-1680
(Tabela 4-2). Devido ao número relativamente limitado
de pixels a cobertura do terreno não é tão boa quanto as
Câmeras Digitais de Grande-Formato: Estas câmeras
têm desempenho superior ao das câmeras analógicas de
grande-formato. Algumas câmeras como a Leica Geosys-
tems Airborne Digital Sensor 40 (ADS-40) são baseadas
em múltiplas matrizes lineares. A ADS-40 utiliza diversas
matrizes lineares com visada frontal, nadir e à popa cada
Câmeras Aéreas 105

Detector por Carga Acoplada

(CCD charge-coupled-device)

Matriz Linear ou U ni-dim ensional

2048 detectores

Figura 4-14 a) Vista ampliada de uma matriz linear de um CCD de 2.048 elementos, b) Vista ampliada de uma matriz bi-dimensional de um
C C D de 3.456 x 2.304 elementos.

Tabela 4-2. Características de diversos CCDs disponíveis no mercado (McGlone, 2004; Nikon, 2005).

Tamanho
Fabricante Sensor Pixels
(horizontal x vertical)

Nikon D70 3008 x 2000 6.016.000

Kodak DCS-460 3060 x 2036 6.230.160
Canon APS-C 3456 x 2304 7.962.624
DALSA DALSA 4027 4008 x 2672 10.709.376
Kodak KAl-11000 4008 x 2672 10.709.376
Nikon D2X 4288 x 2848 12.212.224

Fairchild CCD486 4096 x 4096 16.777.216

Kodak KAF-1680 4096 x 4096 16.777.216

DALSA FTF4052M 5344 x 4008 21.418.752

Phillips DALSA-DMC 7168 x4096 29.360.128

BAE CCD595 9216x9216 84.346.656

uma com 12.000 elementos de detecção (Figura 4-1 lb).
Outras câmeras, como a Z/I Imaging Digital Modular
Camera (DMC) e a Vexcel são baseadas no uso de múlti­
plas matrizes bi-dimensionais. A Z/I usa quatro matrizes
de 7.000 x 4.000 elementos para obter dados pancro-
máticos e quatro matrizes de 3.000 x 2.000 elementos
para obter dados multiespectrais. A câmera digital Vexcel
usa 13 matrizes de C CD com 4.000 x 2.700 elementos.
As características das câmeras digitais de grande-formato
(Emerge DSS, Leica ADS40, Z/I DM C e Vexcel) são
apresentadas no Capítulo 7 (Sistemas Multiespectrais de
Sensoriamento Remoto). Devido ao grande número de
câmeras analógicas ainda em existência as câmeras digi­
tais ainda serão utilizadas junto com as analógicas por
um bom tempo. Daqui a algum tempo, contudo, a maio­
ria das fotografias aéreas fotogramétricas será obtida uti­
lizando as câmeras métricas digitais de grande-formato
(McGlone, 2004).
Câmeras Diversas
Existe uma variedade de câmeras relativamente simples e de
baixo custo que são utilizadas tanto comercialmente quanto
para pesquisa para obter fotografias aéreas de alta qualida­
de. Por exemplo, câmeras de 35-mm montadas dentro do
avião ou seguradas pela mão do cientista são amplamente
utilizadas para obter fotografias aéreas de pequenas áreas de
pesquisa (Warner et al., 1996). Esses sistemas podem forne-
106 CAPÍTULO Fotografia Aérea - Visada, Câmeras, Filtros e Filme

Características dos Veículos Aéreos Não-Tripulados de Baixo Custo

c. Pomar de citrus próximo a Weslaco, TX, EUA. d. Estação de tratamento de água em South Padre Island, TX, EUA.

Figura 4-15 a) Um veículo aéreo não-tripulado modificado para portar uma câmera digital, b) Os componentes do sistema incluem um
gravador de dados, um intervalômetro e uma antena de GPS (não mostrada), c e d) Exemplos de fotografias aéreas obtidas
usando o veículo aéreo não-tripulado [cortesia de Perry Hardin e Mark Jackson, Departamento de Geografia da Universidade
de Brigham Young; Hardin e Jackson (2005)].

cer fotografias aéreas de excelente qualidade a baixo custo se publicou a pesquisa sobre as propriedades da luz no livro
forem adequadamente montados, expostos e processados. Opticks em 1704 (Figura 4 -17b).

Filtragem em Fotografia Aérea
Em 1666, Sir Isaac Newton (1642-1727) (Figura 4-17a),
enquanto fazia experimentos com um prisma, verificou
que ele podia dispersar a luz branca em um espectro de
cores (vermelho, laranja, amarelo, verde, azul, índigo e vio­
leta - ROYGBIV) (Figura 4-18). Um exemplo colorido do
que acontece quando a luz branca é direcionada através
do prisma é fornecido na Prancha Colorida 4-2a. Utili­
zando um segundo prisma, Newton verificou que ele po­
dia recombinar as cores em luz branca (Figura 4-19). Ele
A síntese aditiva das cores está baseada no que acontece quan­
do a luz é misturada. A Prancha Colorida 4-2b mostra que
a luz branca consiste nas cores do espectro visível. Preto é
a ausência destas cores. Azul, verde e vermelho são as cores
primárias. Combinando de forma aditiva a luz verde e ver­
melha será formada a luz amarela. Combinando de forma
aditiva a luz azul e verde será formada a luz ciano. Combi­
nando de forma aditiva a luz azul e vermelha será formada
a luz magenta. Amarelo, magenta e ciano são chamadas de
cores complementares pois, quando unidas, elas produzem luz
branca, p.ex., amarelo mais azul, magenta mais verde, e ciano
mais vermelho. A relação entre as cores está sumarizada na
Tabela 4-3.
Filtragem em Fotografia Aérea 107

Câmera Digital de Grande-Formato

Leica Geosystems Airborne Digital Sensor 40
(ADS-40)

a. Sir Isaac Newton (1642-1727)

|O P T IC K S :! O R, A

I T R E A T I S E
O F T H E

RF .F L EXIONS , R E F R A C T I O N S ,
I N F L E X I O N S and COLOUR S

L I GUSO
H Ct , -—,.jl
7 Two T R E A T I S E S
OF Tfll

S P F . C I E S and M A G N I T U D E
o F
Figura 4-16 A câmera digital Leica Geosystems ADS-40 utiliza Curvilincar Figures.
múltiplas matrizes lineares de 12.000 elementos (cor­
tesia da Leica Geosystems, Inc.). Priiirct for S ,\i. S m i t h , and B e m . W a l f o r i ?.
P n n tc n i" tlie R oyal Sotictv , a : th c - ir n i in
S:. P .sfs Churcb-yari M ÍrZciV -

b. Pesquisa de Newton sobre as

propriedades da luz publicado no
Tabela 4-3. Cores de um objeto visto sob luz branca. seu livro Opticks.

Cores Vistas na Luz Figura 4-17 Frontispício do livro Opticks, de Sir Isaac Newton,
Cores da Luz Absorvida
Branca publicado em 1704. Este trabalho acabou levando à
invenção do telescópio reflexivo.
Azul Verde e vermelho
Verde Azul e vermelho
Vermelho Azul e verde A síntese aditiva das cores é utilizada para mostrar as ima­
gens na tela da televisão e nos monitores de computador.
Amarelo (verde e vermelho) Azul Cada elemento (pixel) da tela do monitor (que normal­
Magenta (azul e vermelho) Verde mente tem 480 colunas por 525 linhas de pixels) consiste
de três canhões de cores —azul, verde e vermelho. A in­
Ciano (azul e verde) Vermelho tensidade do canhão de cor em cada pixel é modulada de
Preto Azul, verde e vermelho acordo com a quantidade da cor primária presente na cena
que está sendo transmitida da emissora de TV ou da uni­
Branco Nenhuma
dade central de processamento do computador (Jensen,
Partes iguais de azul, verde e 2005). O resultado é uma apresentação visual colorida do
Cinza
vermelho fenômeno com base na síntese aditiva das cores.
108 CAPÍTULO Fotografia Aérea - Visada, Câmeras, Filtros e Filme

o
O
s> Ph

Figura 4-18 A luz branca pode ser separada em seus componentes espectrais utilizando um prisma, conforme inicialmente descoberto por Sir
Isaac Newton em 1666 e publicado em Opticks, em 1704. Somente a luz azul, verde e vermelha são visíveis ao olho humano.

O Experimento Clássico de Newton

Figura 4-19 Uma representação diagramática do experimento clássico de Newton no qual a luz branca é decomposta em seus com ponen­
tes espectrais utilizando um prisma, e em seguida recombinando de volta em luz branca usando um segundo prisma, antes
de ser projetado num a tela.

A síntese subtrativa das cores é baseada no uso de pigmentos
ou tinturas e não na luz. Nós usamos a síntese subtrativa
das cores quando pintamos ou trabalhamos com filtros.
Por exemplo, nós sabemos que quando misturamos por­
ções iguais de tinta azul, verde e vermelha, não vamos che­
gar no branco mas sim obter uma certa cor cinza escuro.
A síntese subtrativa das cores é baseada no uso das cores
complementares - amarelo, magenta e ciano. Um exemplo
da síntese subtrativa das cores é apresentado na Prancha
Colorida 4-2c. Se nós projetarmos luz branca em um fil­
tro translúcido feito de tinta amarela, o filtro vai subtrair a
luz azul e permitir a passagem da luz verde e vermelha. Si­
milarmente, um filtro de tinta magenta subtrai a luz verde
e permite que a luz azul e vermelha sejam transmitidas.
Um filtro de tinta ciano subtrai a luz vermelha e permi­
te que a luz azul e verde sejam transmitidas. Mas o que
acontece se sobrepusermos dois destes filtros? Se sobrepu­
sermos o filtro da tinta magenta e o filtro da tinta ciano,
tudo menos a luz azul será subtraído. Isto ocorre porque
o filtro magenta subtrai a luz verde enquanto que o filtro
ciano subtrai a luz vermelha. Se nós sobrepusermos os fil­
tros amarelo e ciano só a luz verde será percebida. Final­
mente, se nós sobrepusermos os filtros amarelo e magenta
só a luz vermelha será percebida. Se todas as três tintas
subtrativas (amarelo, magenta e ciano) forem usadas, elas
irão subtrair (filtrar) toda a luz branca e nenhuma cor será
percebida; vai aparecer preto. Será demonstrado como as
tintas de cores subtrativas são utilizadas para criar as cores
que nós vemos em: 1) negativos coloridos revelados, e 2)
impressões coloridas positivas.
Um cientista pode gravar a luz refletida da cena sobre a
emulsão fotográfica de forma seletiva em comprimentos
de onda bem específicos. Isto é feito usando combinações
específicas de filtro e filme. Primeiro, vamos investigar as
várias opções de filtros.
Filtragem em Fotografia Aérea
Reflexão Transmissão
a. Objeto vermelho absorve luz b. Filtro vermelho absor-
verde e azul, por isso tem apa- ve verde e azul, por isso
rência vermelha. tem aparência vermelha
Figura 4-20 a) Um objeto vermelho absorve principalmente luz in­
cidente azul e verde e reflete principalmente luz verme­
lha em direção aos nossos olhos ou um sensor remoto,
b) Um filtro vermelho aparece vermelho porque ele ab­
sorveu seletivamente a luz azul e verde enquanto deixou
transmitir através dele a luz vermelha.
Tipos, Tamanhos e Cores de Filtros
Um filtro colocado na frente da objetiva de uma câmera
faz exatamente o que seu nome diz, i.e., ele filtra certos
comprimentos de onda da luz evitando que eles cheguem
a expor o filme. Para entender como os filtros funcionam,
considere por que um pedaço de papel vermelho aparece
vermelho (Figura 4-20). A luz branca, formada de iguais
porções de energia de comprimentos de onda do azul, ver­
de e vermelho, ilumina o pedaço de papel vermelho que,
por sua vez, absorve a luz azul e verde, mas reflete a luz
vermelha. Portanto, tudo aquilo que absorver (subtrair)
tanto luz azul quanto luz verde e refletir luz vermelha vai
aparecer vermelho. Refira-se à Tabela 4-3 para um sumá­
rio destas relações. De modo oposto, se nós segurarmos
um filtro vermelho contra uma luz branca, ele aparecerá
vermelho para nós porque ele deixa passar (i.e., transmi­
te) só a luz vermelha enquanto que absorve tanto a luz
azul quanto a luz verde. Esta é a chave para se entender
filtragem fotográfica. Filtros subtraem parte da luz refletida
de uma cena antes que a luz chegue ao filme na câmera.
Habitue-se a pensar num filtro vermelho não tanto quanto
um filtro que parece vermelho, mas como um filtro que
absorve (subtrai) luz azul e verde.
Utilizando esta lógica, um filtro amarelo absorve luz azul
e transmite a luz verde e vermelha (Tabela 4-3). Nossos
olhos percebem uma mistura de luz vermelha e verde
como sendo amarelo (i.e., falta de azul). Devido ao espa-
lhamento Rayleigh (Capítulo 2), a luz azul é espalhada na
atmosfera de forma muito mais intensa do que a luz ver­
109
de ou vermelha, de tal forma que a fotografia aérea pode
gravar uma quantidade considerável e indesejada de luz
azul espalhada. Portanto, é comum usar um filtro amarelo
para remover seletivamente parte da radiância de trajetória
espalhada (especialmente ultravioleta e alguma luz azul)
antes que ela atinja a emulsão. Este filtro menos-azul é de
particular importância para obtenção de fotografias aéreas
no infravermelho-próximo.
A maioria das fotografias aéreas é adquirida usando pelo
menos um filtro padrão. A transmitância espectral caracte­
rística de filtros Kodak Wratten selecionados no intervalo de
comprimento de onda de 200 a 1.100 nm (0,2 — 1,1 |tm)
são mostrados na Figura 4-21. As curvas de transmitância
para os filtros Kodak HF3 e Wratten 12 também são mos­
tradas nas Figuras 4-22a e 4-22b, respectivamente (Kodak,
1999). Estes filtros são importantes para a fotografia aérea.
Quando se obtêm fotografias aéreas em colorido normal, é
desejável que se elimine boa parte da radiação ultravioleta
espalhada causada pela névoa atmosférica. Para esta finali­
dade e também para se obter um balanço mais satisfatório
das cores foram desenvolvidos os filtros névoa (HF; haze
filters), que absorvem a luz de comprimentos de onda me­
nores do que 400 nm. Similarmente, quando se obtêm fo­
tografias aéreas infravermelho-coloridas, um filtro amarelo
é usado, o qual subtrai quase toda a luz azul (comprimentos
de onda menores do que 500 nm). Este filtro menos-azul
reduz o efeito do espalhamento atmosférico e permite que a
energia de interesse interaja com cada uma das camadas do
filme, conforme discutiremos adiante. Também é possível
configurar uma combinação de filme/filtro de forma seleti­
va para que seja gravada no filme uma banda bem específica
da energia eletromagnética refletida. Isto é chamado de fil­
tragem passa-banda espectral. Por exemplo, se alguém quiser
fotografar somente a luz verde refletida, para um projeto
de fotografia aérea específico, um filtro Kodak Wratten 58
pode ser usado (refira-se à Figura 4-21).
Além dos filtros normais, podem ser usados também filtros
polarizadores para fotografia aérea. Para entender como os
filtros polarizadores funcionam, é necessário revisar breve­
mente a natureza da luz. Lembre-se de que um quanta de
luz eletromagnética discutido no Capítulo 2 vibra em to­
das as direções, perpendicular à sua direção de propagação,
conforme mostrado na Figura 4-23. Quando um quanta
de luz incide sobre uma superfície não-metálica, a vibração
em apenas uma direção, ou plana, é refletida completa­
mente. Reciprocamente, todas as vibrações são refletidas
por uma superfície metálica exposta. Agora, dependendo
do ângulo com que a câmera ou nosso olho observa o obje­
to, as vibrações em outros planos são reduzidas ou elimina­
das completamente. Esta luz refletida vibrando em apenas
um plano é chamada de luz polarizada. A luz de um céu
azul é polarizada porque ela é refletida por partículas não-
110 CAPÍTULO Fotografia Aérea - Visada, Câmeras, Filtros e Filme

Diagrama de Barras da Transmitância Espectral de Alguns Filtros Wratten

Comprimento de onda Comprimento de onda Comprimento de onda

Transmitância Transmitância Transmitância

200 300 400 500 600 700 800 900 1000 1100 200 300 400 500 600 700 800 900 1000 1100 200 300 400 500 600 700 800 900 1000 1100

96*

98 |

102 |

200 300 400 500 600 700 800 900 10001100

C o m p rim e n to de o n d a (nm )

*Para d en sid ad e visual =1,0

Legenda

| T ran sm ite < 1 %

□ T ran sm ite 1% a 10%

□ T ran sm ite > 10%

Figura 4-21 Características de transmissão de alguns filtros Wratten (cortesia Eastman Kodak Co.).
Filmes Para Fotografia Aérea 111

0, 1%

1 1
Filtro HF3 B
CO ,
£ 10 - C 1

100 j
200 300 400 500 600 700 800 900
Comprimento de onda (nm)

0,1

1 - 2

Filtro
4 -4 -
Wratten 12
F 10

100
200 30 40A. , - â 6 700 S00 m
Comprimento de onda (nm)

Figura 4-22 a) Características da transmitância de um filtro de névoa HF3 frequentemente utilizado na obtenção de fotografias aéreas, b)
Características da transmitância de um filtro Wratten 12 (menos-azul) utilizado para obter fotografias infravermelho-coloridas
(cortesia Eastman Kodak Co.).

metálicas na atmosfera. Da mesma forma, a luz refletida
de um campo de trigo ou de um corpo d’água dentro do
campo de visada da câmera é polarizada, uma vez que o
trigo e a água são não-metálicos.
As vezes pode ser útil ver apenas um certo “ângulo” da luz
polarizada que emerge da cena. Por exemplo, a Figura 4-24
demonstra como um filtro polarizador colocado na frente
da objetiva da câmera deixa passar as vibrações de um raio
de luz em apenas um plano de cada vez. Alguns filtros até
têm alças para serem ajustados e deixarem passar as vibra­
ções da luz no plano paralelo à alça.
Uma das aplicações dos filtros polarizadores mais ampla­
mente utilizadas é quando se fotografa corpos d’água. Ao
manipular o filtro polarizador, é possível filtrar as reflexões
indesejadas de alguns tipos de luz polarizada refletida da
superfície da água. Isto pode aumentar a nossa capacidade
de observar mais fundo na coluna d’água. Os óculos po­
larizados utilizados por pessoas são simplesmente filtros
polarizadores que desempenham a mesma função. Curio­
samente, as pessoas nunca perguntam se o óculos deve
polarizar os raios vertical ou horizontalmente, uma vez
que eles proporcionam diferentes visões do mundo para
os nossos olhos. A energia polarizada também é impor­
tante no sensoriamento remoto por micro-ondas (radar)
discutido no Capítulo 9.
Assim, os filtros permitem filtrar seletivamente alguns tipos
de luz indesejada enquanto permitem a passagem de certos
comprimentos de onda bem específicos. A luz transmitida
pelo filtro passa através da objetiva e ilumina os cristais de
haleto de prata na emulsão do filme.
Filmes Para Fotografia Aérea
S sB »
O filme utilizado para fotografias aéreas é geralmente ex­
posto em câmeras fotográficas montadas em aeronaves
que se movem a velocidades relativamente altas (p.ex.,
>300 km/h). Por isso, esses filmes foram desenvolvidos
para obter fotografias aéreas de alta qualidade, em que
os objetos aparecem como se a aeronave estivesse para­
da, desde que: 1) a combinação adequada de filme/filtro
seja usada, 2) a abertura da lente (flstop) seja apropria­
da, e 3) o tempo de exposição seja correto. Muitas vezes,
os analistas são forçados a interpretar fotografias aéreas
112 CAPÍTULO
Luz Polarizada
Feixe de luz
Figura 4-23 A luz que chega no topo da atmosfera é não-polariza-
da. Ela é polarizada quando é refletida pelas superfícies
não-metálicas, como partículas atmosféricas, água, ár­
vores, concreto, etc.
subexpostas (muito escuras; faltou luz para expor ade­
quadamente o filme) ou superexpostas (muito claras; luz
em excesso foi usada para obter a fotografia). Portanto, é
muito importante para os fotointérpretes entenderem a
natureza fundamental da emulsão dos filmes e sua veloci­
dade a fim de interpretarem adequadamente a fotografia
aérea ou entender porque ocorrem problemas com algu­
mas fotografias aéreas.
Características Gerais das Emulsões Fotográficas*•
Sensitometria é a ciência que mede a sensibilidade de
materiais fotográficos (McGlone, 2004). Ela é utiliza­
da para controlar as operações de exposição e processa­
mento dos materiais fotográficos. Um corte transversal
através de quarto filmes típicos (Figura 4-25) revela que
eles são formados de:
• Camada(s) de emulsão contendo os cristais de haleto
de prata sensíveis à luz (AgXem que X é o símbolo do
haleto) embutido na gelatina;
• uma base ou material de suporte, que pode ser transpa­
rente (filme de acetato ou vidro) ou opaco (papel);
• uma camada anti-halo, que absorve a luz que passa
através da emulsão e da base para prevenir que retorne
uma reflexão para a emulsão.
A sensibilidade de uma emulsão fotográfica é função do
tamanho, da forma e do número de cristais de haleto
de prata na emulsão por unidade de área, e do compri­
mento de onda da luz ao qual os grãos são sensíveis. Tais
grãos são de prata verdadeira, e apesar de a prata estar
presente em quantidades relativamente pequenas num
rolo de filme, ela contribui para o custo relativamente
elevado do filme.
Fotografia Aérea - Visada, Câmeras, Filtros e Filme
Luz Polarizada Verticalmente
Figura 4-24 a) A luz polarizada verticalmente pode passar por
um filtro polarizador vertical, b) Luz polarizada ho­
rizontalmente não pode passar por um filtro polari­
zador vertical.
Tamanho, Densidade e Formato dos Grãos de Cristal
de ldaleto de Prata
Para entender a relação entre o tamanho e a densidade dos
grãos, nós vamos representar um pedaço de filme foto­
gráfico negativo como sendo composto simplesmente de
grãos de cristal de haleto de prata e de uma base para su­
porte (Figura 4-26a). O filme A tem 10 cristais de haleto
de prata por unidade de distância enquanto que o filme
B tem apenas sete cristais. A medida que o tamanho dos
grãos aumenta, o número total de grãos por unidade de
distância diminui. Se os grãos de uma emulsão têm a me­
tade do tamanho dos grãos de uma outra emulsão, vai ser
necessário aproximadamente o dobro de luz para expô-la.
Portanto, o filme B é tido com mais rápido do que o filme
A, pois requer menos luz para uma exposição adequada.
Num microscópio eletrônico de varredura, os cristais de
haleto de prata convencionais têm a aparência de cubos,
de octaedros ou de pequenas pedras com forma irregular
(Figura 4-26b). Note também que os cristais não têm exa­
tamente o mesmo tamanho.
Para fotografar objetos que passam rapidamente na frente
do plano do filme, como é o caso das fotografias aéreas, é
vantajoso utilizar filmes mais rápidos. Infelizmente, à me­
dida que a sensibilidade e o tamanho do grão aumentam, a
imagem resultante fica mais grosseira e a resolução (nitidez
ou definição da imagem) pode ser piorada. A resolução do
filme pode ser testada fotografando um modelo de teste
padrão que consiste num grupo de pares de linhas (linhas
paralelas de espessura variável separadas entre si por espaços
iguais à espessura da linha). Um exemplo de um modelo
de teste de resolução foi mostrado anteriormente na Figura
4-11. O número de linhas por milímetro no menor padrão
de linhas que pode ser claramente discernido no filme reve­
lado é a resolução do filme. E comum poder resolver 25 a
Filmes Para Fotografia Aérea 113

Corte Transversal Genérico de Filmes Pancromático Preto-e-Branco, Infravermelho Preto-e-Branco,

Colorido Normal e Infravermelho-Colorido
Filme Preto-e-Branco
Pancromático - emulsão
de cristais de haleto de pra-
ta sensível ao azul, verde e
vermelho
Filme Infravermelho
Preto-e-Branco
.+jt++ +++*;+V +.#+ + ++ + ++Í+ Camada sensível ao
+í.++V++++V++ +++++í++t+++4
++f+ 2+ + 2 + + + V+4. + +4.+++ V- Infravermelho-próximo

Base Base

Camada anti-halo Camada anti-halo

a.
Filme C olorido Normal
Camada sensível ao azul
[camada que forma a cor amarela]
Filtro interno amarelo bloqueia a luz azul
Camada sensível ao verde (e azul)
[camada que forma a cor magenta]
Camada sensível ao vermelho (e azul)
[camada que forma a cor ciano]
b.
Filme Infravermelho-
Colorido
.+> ++ +++++ +. + + >+++-*-+.+ ++ Camada sensível ao Infravermelho-
próximo (e azul)
+++++++++++++-^ + +++++++ +J+ [camada que forma a cor ciano]
Camada sensível ao verde (e azul)
[camada que forma a cor amarela]
Camada sensível ao vermelho (e azul)
[camada que forma a cor magenta]

Base Base

WÊÊKÊÈÊÊÈÊÈÊÊÊKÊÊ Camada anti-halo ■ Camada anti-halo

d.

Figura 4-25 C orte Transversal Genérico de Filmes, a) Pancromático Preto-e-Branco, b) Infravermelho Preto-e-Branco, c) Colorido N or­
mal, e d) Infravermelho-Colorido.

100 pares de linhas por milímetro em cópias de fotografias
aéreas na escala de 1:10.000. Esta resolução espacial resulta
em fotografias aéreas com detalhe espacial muito elevado.
Emulsões Fotográficas Preto-e-branco
Da mesma forma que a retina do olho humano é sensível a
diferentes comprimentos de onda de luz variando do azul
ao vermelho (0,4 - 0,7 pm), é possível fabricar filmes com
emulsões fotográficas preto-e-branco com as seguintes sen­
sibilidades (McGlone, 2004):
• emulsões ortocromdticas são sensíveis à luz azul e verde
até aproximadamente 0,6 pm;
• emulsões pancromáticas são sensíveis à luz ultravioleta,
azul, verde e vermelha até aproximadamente 0,7 pm;•
• emulsões infravermelho-próximas são sensíveis à luz
azul, verde, vermelho e infravermelho-próximo até
aproximadamente 0,9 pm.
O limite inferior do comprimento de onda da luz ao qual
o filme é sensível é aproximadamente 0,35 pm, e resulta
das características de absorção da luz pela gelatina que
está associada à emulsão.
As sensibilidades espectrais padrões para papel fotográfico
preto-e-branco, filme pancromático, e filme infraverme­
lho-próximo estão sumarizadas na Figura 4-27. O diagra­
ma mostra porque é possível utilizar uma “luz de segu­
rança” vermelha em um laboratório fotográfico. O papel
fotográfico simplesmente não é sensível à luz vermelha.
Todavia, o filme pancromático preto-e-branco é sensível
à luz azul, verde e vermelha. Portanto, um filtro de névoa
(como o Kodak HF3 anteriormente discutido) é frequen­
temente utilizado para evitar que tanto a luz ultravioleta
quanto a luz azul cheguem a expor o filme. O filme aéreo
pancromático preto-e-branco é o mais amplamente utili­
zado, uma vez que ele gera tons de cinza que são esperados
e reconhecidos pelo homem, i.e., a água aparece escura, a
areia aparece branca, o concreto aparece cinza, as nuvens
aparecem brancas. As fotografias aéreas obtidas para fins
114 CAPÍTULO Fotografia Aérea - Visada, Câmeras, Filtros e Filme

D ois Filmes com Diferentes Tamanhos e Fotografia em M icroscópio Eletrônico

Densidades de Cristais de Haleto de Prata de Cristais de Flaleto de Prata

Cristais
de haleto Filme A

--------- 1 unidade de distância ------ ► ]

b.
Figura 4-26 a) Os filmes A e B representam perfis hipotéticos de dois filmes com diferentes tamanhos e densidades de cristais de haleto de
prata, b) Uma fotografia obtida em microscópio eletrônico mostra os cristais de haleto de prata. Observe que os cristais não são
perfeitamente uniformes em tamanho, formato ou espaçamento (cortesia Eastman Kodak Co.).

Sensibilidade Espectral de Filmes e Papéis Fotográficos Preto-e-Branco

Figura 4-27 Sensibilidade espectral da emulsão de um filme preto-e-branco e papel fotográfico no intervalo de comprimento de onda de
0,35 a 0,9 pm (cortesia Eastman Kodak Co.).

fotogramétricos para fazer mapas planimétricos e topográ­
ficos são geralmente de filmes pancromáticos. Filmes aére­
os pancromáticos típicos comercializados pela Kodak estão
sumarizados na Tabela 4-4.
Uma fotografia aérea pancromática preto-e-branco é
mostrada na Figura 4-28a. Uma fotografia preto-e-bran­
co infravermelho-próximo da mesma área é mostrada na
Figura 4-28b. É preciso tomar cuidado quando se inter­
pretam fotografias infravermelho-próximo porque a câ­
mera registrou uma energia que está além da percepção
dos nossos olhos. Consequentemente, certas tonalidades
podem não representar na imagem aquilo que estaría­
mos antecipando. Por exemplo, uma vegetação verde
sadia aparece escura na fotografia pancromática pois ela
absorve quase 80-90% da energia radiante incidente do

y
Filmes Para Fotografia Aérea 115

Tabela 4-4. Filmes para fotografia aérea da Kodak (cortesia Eastman Kodak Co.; todos os nomes dos filmes são
marcas registradas).

Filmes Aéreos Preto-e-Branco Características

Velocidade-média, alta estabilidade dimensional, filme para mapeamento e

Plus-X A E R O G R A PH IC 2402
reconhecimento aéreo.

Plus-X A E R E C O N II 3404 Velocidade-média, grão-fino, filme para reconhecimento de média a alta altitude.

Velocidade-alta, alta estabilidade dimensional para mapeamento sob condições de

Tri-X A E R O G R A PH IC 2403
baixa luminosidade.

Tri-X A E R E C O N SO-50 Similar ao 2403; base fina para maior número de fotografias por rolo de filme.

Velocidade-média a -alta, filme para mapeamento e planejamento, estabilidade

D uble-X A ER O G R A PH IC 2405
dimensional.

Velocidade-intermediária, grão-muito-fino, filme para mapeamento e

Aero LX 2408
reconhecimento de média a alta altitude.

Velocidade-intermediária, grão-muito-fino, filme para mapeamento e

Panatomic-X A ER O G R A PH IC II 2412
reconhecimento de média a alta altitude.

Similar ao 2412; base fina para maior número de fotografias por rolo de filme,
Panatomic-X A ER O G R A PH IC II 3412
filme para mapeamento de média a alta altitude.

Base fina, grão-extremamente-fino, filme de alta definição para alta-altitude,

A E R E C O N H igh A ltitude 3409 câmeras aéreas com plataforma estabilizada com sistemas ópticos de alta-
qualidade.

Reduz o efeito da névoa em levantamentos de vegetação, realça a água, fotografia

Infravermelho A E R O G R A PH IC 2424
multiespectral.

Filmes Aéreos Coloridos

A E R O C O L O R II Negative 2445 Velocidade média para mapeamento e reconhecimento.

Filme colorido reversível para mapeamento e reconhecimento a baixas- e médias-

A E R O C H R O M E II MS 2448
altitudes.

A E R O C H R O M E HS SO-358 Filme colorido negativo de velocidade alta para fotografia aérea de baixa-altitude.

Filme colorido reversível de velocidade alta para mapeamento e reconhecimento a

A E R O C H R O M E HS SO-359
baixa- e média-altitude.

Filme falsa-cor reversível, alra estabilidade dimensional para levantamentos de

A E R O C H R O M E II Infravermelho 2443
vegetação, detecção de camuflagem e pesquisa de recursos terrestres.

A E R O C H R O M E II Infravermelho NP Similar ao 2443; maior resposta ao infravermelho, adequado para altitudes acima
SO -134 de 4.500 m.

azul, verde e vermelho para realizar a fotossíntese. Por
outro lado, uma vegetação sadia aparece clara na fotogra­
fia preto-e-branco infravermelho-próximo pois ela reflete
40-70% da energia incidente no infravermelho-próximo.
O ser humano faz pouca ideia sobre a quantidade de
energia radiante do infravermelho-próximo que é refle­
tida por alvos comuns como vegetação, água e concreto.
Portanto, é importante tomar como referência as curvas
de reflectância espectral, pois elas sintetizam a quantida­
de de energia do verde, do vermelho e do infravermelho-
próximo que tipicamente é refletida pelos objetos (veja
Capítulo 2). Desta forma, podemos entender e mesmo
prever como certos objetos do mundo real vão aparecer
numa fotografia no infravermelho. E instrutivo rever o
processo pelo qual são formados os filmes negativos e as
cópias positivas de fotografias aéreas preto-e-branco.
116 CAPITULO Fotografia Aérea - Visada, Câmeras, Filtros e Filme

Pancromático Infravermelho Preto-e-Branco

b.

Figura 4-28 a) Fotografia pancromática preto-e-branco da Tivoli North Bay no rio Hudson, NY, EUA. A vegetação aparece em tonalidades
relativamente escuras, pois ela absorve boa parte da energia incidente do verde e do vermelho. Alguma energia do verde e do ver­
melho passa através da coluna d’água e fornece informação sobre o padrão dos sedimentos em suspensão e da vegetação aquática
submersa (V = gramínea aquática, Vallisneria americana (w ild celery)). b) A fotografia infravermelho-próximo preto-e-branco
mostra bem a interface terra-água, pois a água absorve grande parte da energia incidente no infravermelho-próximo fazendo
com que apareça escura. Por outro lado as árvores caducifólias na ilha e a vegetação de mangue (tidal wetland) (T = cattail; Typha
angustifolia (planta de habitat úmido); P = common reed; Phragmites aus. (grama)) aparecem claras pois a vegetação sadia reflete
muita energia incidente no infravermelho-próximo (Berglund, 1999) (veja a Prancha Colorida 4-4ab).

Criando um Negativo de uma Fotografia Aérea após Exposição e Posterior

Revelação dos Cristais de Haleto de Prata
D enso (a praia) Claro (o mar)
S u p o rte __ h □ Negativo depois
Cristais de haleto •OOOOOOOOOOOOOOOOOD- de revelado
de prata revelados
p Imagem latente antes
Cristais de haleto de prata—^ ( 0 ) ( 0 ) ® © ( 0 ) ( Õ ) © @ @ O O O O O O O O p/ de ser revelada
expostos, mas não revelados

5 Lentes da Câmera

^ / r l u x o radiante pequeno Fluxo radiante g r a n d e ^ ^

saindo da cena saindo da cena

Agua clara do m ar absorve bas­ Praia arenosa reflete m uito o

tante o fluxo radiante incidente fluxo radiante incidente

Figura 4-29 Uma representação diagramática de como um negativo preto-e-branco de uma cena de mar-praia é exposta e revelada.
Filmes Para Fotografia Aérea 117

Criando um Impresso Positivo a partir de uma Fotografia

Aérea em Negativo

U U U 1U I U
Denso (a praia) Claro (o mar)
Cristais de haleto
de prata revelados •oooooooooooooooooo Negativo depois
de revelado

© @ @ @ ( â x s ) ( 5 ) @ @ p o o o o o o o c > ^ ‘“ Ç |7 J
não revelado
..# ® ,# # # ® ® # ® O Q Q Q Q O O Q Q __1papei fotográfico
após revelação
Mar Praia arenosa

Impresso positivo da paisagem - água escura e praia com areia clara

Figura 4-30 Uma representação diagramática de como uma cópia positiva preto-e-branco da cena de mar-praia é exposta e revelada.

Gerando um Negativo de uma Fotografia Aérea Preto-
e-Branco
Considere os dois tipos de alvos da superfície terrestre que es­
tão representados na Figura 4-29. Eles consistem de um mar
calmo e claro e de uma praia arenosa sem vegetação. Assuma
que os cristais de haleto de prata no filme da câmera aérea
sejam sensíveis à luz azul, verde e vermelha de 0,4 a 0,7 pm.
A água clara do mar vai absorver grande parte do fluxo de
radiação do Sol no azul, verde e vermelho. Por outro lado, a
praia arenosa vai refletir a maior parte do fluxo de radiação
incidente. Uma parte desta energia será coletada pelos com­
ponentes ópticos da objetiva da câmera e focalizada sobre os
cristais de haleto de prata no plano do filme. Quando a quan­
tidade apropriada de luz expõe um cristal de haleto de prata
em suspensão na emulsão, todo o cristal fica exposto, inde­
pendentemente do seu tamanho. Basicamente, a ligação entre
a prata e o haleto é enfraquecida quando os cristais de haleto
de prata são expostos à luz. Note que no nosso exemplo hou­
ve energia suficiente para expor os cristais de haleto de prata
na parte esquerda do filme, mas a energia foi insuficiente para
expor os cristais no lado direito do filme. Uma emulsão que
loi exposta à luz contém uma imagem invisível do objeto, que
se chama imagem latente. Para converter a imagem latente na
emulsão em um negativo, ela precisa ser revelada.
Quando a imagem latente é revelada com as soluções quí­
micas adequadas, as áreas da emulsão que foram expostas à
luz intensa passam para prata livre (denso ou opaco), con­
forme mostrado. As áreas da emulsão que não receberam
luz ficam claras se a base da emulsão for um filme plástico
transparente. O negativo revelado vai ficar mais escuro ou
mais claro em função da exposição total (produto da ilu-
minância e do tempo de exposição), que é responsável pela
formação da imagem latente na emulsão.
Gerando uma Fotografia Aérea Positiva a partir de um
Negativo Preto-e-Branco
Para que serve o negativo? A maioria das pessoas não inter­
preta um negativo, pois ele é o reverso tanto da tonalidade
quanto da geometria daquilo que foi fotografado, conforme
118 CAPÍTULO
mostrado na Figura 4-29. Portanto, é de costume que se pro­
duza uma cópia positiva da cena a partir do negativo (Figu­
ra 4-30). Uma impressão positiva é produzida colocando-se
o negativo em um ampliador e a luz branca é transmitida
através do negativo. Ela passa pela objetiva do ampliador e
incide sobre o papel fotográfico, que tem os cristais de haleto
de prata com sua própria sensibilidade e velocidade do filme.
Neste caso, a área densa (escura) do negativo que correspon­
dente à praia quase não permite a passagem de luz através do
filme, enquanto que a área clara (mar) do negativo permite
que passe bastante luz através do filme. A energia é focalizada
pela objetiva do ampliador sobre o papel fotográfico virgem
(não exposto nem revelado), e normalmente os cristais de ha­
leto de prata individuais são ou não expostos completamen­
te, formado uma imagem latente sobre o papel fotográfico.
Após a revelação, a área do mar fica escura no papel e a praia
arenosa fica clara. Assim, nós temos a tonalidade e a geome­
tria correta (a imagem não está mais invertida) na forma de
uma impressão fotográfica positiva em papel e que pode ser
visualmente interpretada. Se quisermos ver a fotografia aérea
em um filme transparente positivo então basta utilizar filme
transparente ao invés de papel fotográfico. Isto vai gerar uma
fotografia aérea com detalhe mais fino e com mais tons de
cinza.
Características Radiométricas Avançadas dos Filmes
Preto-e-Branco
Transmitância: A capacidade que uma pequena porção de
um filme revelado tem em deixar passar a luz é chamada
de transmitância ( T f . Uma porção escura do filme pode
não deixar passar luz alguma, enquanto que uma porção
bem clara do filme pode deixar passar quase 100% da luz
incidente. Portanto, a transmitância numa porção i,j da
fotografia é (Mikhail et al., 2001):
y. Luz que passa através do filme ^ 2)
Luz incidente total
Opacidade: A opacidade (O ) é o inverso da transmitân­
cia. Algo que é muito opaco não transmite bem a luz:
Densidade: Transmitância e opacidade são duas boas me­
didas sobre quão escuro é qualquer porção de um negativo
após sua revelação. Todavia, psicólogos verificaram que o
sistema visual humano não responde de forma linear aos
estímulos da luz, mas sim de forma logarítmica. Portanto,
é comum utilizar a densidade (D. ), que é o logaritmo da
opacidade, para medir o quão escuro está um filme:
Di,i = logio °i,j = log ,o (^ ) (4-4)
Fotografia Aérea - Visada, Câmeras, Filtros e Filme
Tabela 4-5. Relação entre Transmitância, Opacidade e
Densidade.
Transmitância Transmitância Opacidade Densidade
Percentual 0 D .
li I.J i .j
100 1 1 0,00
50 0,50 2 0,30
25 0,25 4 0,60
10 0,10 10 1,00
0,01 100 2,00
1,0
0,1 0,001 1000 3,00
Se 10% da luz incidente pode ser transmitida através do
filme em uma certa porção i,j do filme, a transmitância é
1/10, a opacidade é 1/0,10 ou 10, e a densidade é o loga­
ritmo de 10 ou 1,0. A Tabela 4-5 resume a relação geral
entre os valores de transmitância, opacidade e densidade.
Curva Característica: Diversas variáveis como: tempo de
exposição, tempo de revelação, tipo de emulsão, e veloci­
dade do filme podem influenciar na forma como um ob­
jeto é registrado no filme e na sua densidade. Portanto, é
importante entender a natureza da curva característica dos
filmes e como isto impacta na geração de áreas correta­
mente expostas no negativo fotográfico.
As curvas características de dois filmes negativos preto-e-
branco hipotéticos, X e Y, são mostradas na Figura 4-31.
Estas são chamadas de curvas D logE em que a densidade da
porção analisada no filme é plotada no eixo-y (já na forma
logarítmica, conforme discutido anteriormente) e o total de
exposição do filme é plotado em medidas logarítmicas no
eixo-x (McGlone, 2004). Utilizamos aqui unidades relativas
do log da Exposição ao invés de ergs/cm2 ou metro-candela-
segundo utilizado na ciência fotométrica. Diferentes filmes
têm diferentes curvas D log E, mas as formas são geralmen­
te parecidas, consistindo de três partes —o pé, uma linha reta
ou seção linear, e o ombro. As curvas fornecem importantes
informações sobre a emulsão do filme.
Mesmo que o filme não tenha sido exposto (p.ex., antes de se
obter uma fotografia aérea), já existe alguma densidade pre­
sente no filme. A densidade do filme virgem é chamada de
fog. Também existe alguma densidade que vem da base do
filme. O fog bruto é a soma da densidade da base do filme não
exposto (virgem) e o fog da emulsão. O fog bruto está localiza­
do no pé da curva e rotulado de D na Figura 4-31. Para ini-
ciar a formação de uma imagem na fotografia é preciso que se
tenha uma exposição que seja maior do que o valor de D .
s
Filmes Para Fotografia Aérea 119

Curva Característica de D ois Filmes

Figura 4-31 Curvas características de dois filmes hipotéticos preto-e-branco. Para obter uma densidade de 0,5 no filme negativo revelado, o
Filme X precisa de 0,9 unidades de log Exposição relativa, enquanto que o Filme Y precisa de 1,6 unidades. Assim, o Filme X é
mais veloz do que o Filme Y. Isto significa que podemos obter as mesmas densidades no Filme X utilizando um tempo de expo­
sição menor. Isto pode ser muito importante se quisermos obter uma imagem parada e, consequentemente, uma fotografia aérea
de boa qualidade. O Filme X tem uma curva mais inclinada com um valor dz gama (y) maior, o que significa que ele tem maior
variação de densidade (i.e., contraste) do que o Filme Y na parte linear da curva D log E (linha-reta).

A esta altura é útil dar uma definição formal à exposição
(E), que é função dos diversos fatores anteriormente discu­
tidos, incluindo f l stop (i,e .,fd ), a quantidade de energia
radiante que vem da cena (r) medida em Joules mm'2 sec'1,
e o tempo de exposição (í) em segundos:
Com o início da exposição, a densidade aumenta de forma
curvilinear do ponto a para o ponto b. Isto é chamado de
pé da curva. Se os objetos forem gravados com apenas este
tempo de exposição, eles ficarão subexpostos. A medida
que o tempo de exposição aumenta, tem início uma parte
da curva que vai de b até c em que o aumento da densidade
é praticamente linear com o aumento do log da exposição.
Esta parte da curva característica é chamada de linear ou
linha-reta. Uma fotografia aérea de alta qualidade pode ser
obtida se a exposição for feita dentro da parte linear da
curva e um pouco da parte do pé da curva. Com o aumen­
to do tempo de exposição de c para d, a densidade decresce
numa taxa curvilinear. Este é o ombro da curva. A densida­
de máxima do filme é D . Os objetos gravados na parte
do ombro da curva normalmente estão superexpostos.
A inclinação da parte linear da curva D log E é chamada de
gama (y) e fornece informação valiosa sobre o contraste do fil­
me. Quanto maior for a inclinação da linha da curva caracte­
rística em sua parte linear, maior será o valor dzgama e maior
o contraste do filme. Note que os filmes X e Y da Figura 4-31
têm valores de gama bem diferentes. Se o mesmo tempo de
exposição (p.ex., 1,6 unidades de log Exposição relativa) for
usado para os dois filmes, o Filme X terá uma maior variação
de densidade (aproximadamente 2,2) enquanto que o Filme
Y terá apenas uma densidade de aproximadamente 0,5 para
esta mesma exposição. O Filme X irá fornecer toda a variação
de tons de cinza do branco ao preto, com muitos tons de
cinza intermediários para esta exposição. Já o Filme Y não
terá toda esta variação de tons de cinza com esta exposição. É
muito importante que os tons de cinza intermediários sejam
bem definidos nas fotografias aéreas, pois eles contêm muita
informação sobre a paisagem (solos, rochas, vegetação, água),
que têm contrastes relativamente baixos.
Retornando novamente à velocidade do filme, vemos que al­
guns filmes são mais sensíveis à luz do que outros. No exem­
plo da Figura 4-31 vemos que o Filme X é mais veloz. Ele
requer um tempo de exposição menor para gerar uma maior
variação de densidades (e, consequentemente, contraste).
120 CAPÍTULO
Este conhecimento é útil para a obtenção da fotografia aé­
rea, pois a cena deve ficar “parada” à medida que a aeronave
desloca-se a centenas de km/h sobre a superfície a ser foto­
grafada. Os filmes mais velozes têm cristais de haleto de prata
maiores, o que reduz a resolução espacial do filme e diminui
a sua capacidade de resolver objetos que são espectralmen­
te diferentes, mas estão muito próximos entre si. Já para o
Filme Y, será necessário um tempo maior de exposição para
formar uma imagem com a mesma variação de densidades.
Este filme tem cristais de haleto de prata menores. Se o Filme
Y for adequadamente exposto, ele deverá fornecer fotografias
aéreas com alta resolução espacial e uma detalhada escala de
níveis de cinza. Mas se o Filme Y não for veloz o suficiente
para obter uma imagem parada ela ficará embaçada (tremi­
da). Obviamente, tem que haver uma forma quantitativa
para comparar a velocidade de filmes diferentes.
Todo sistema de velocidade do filme requer a seleção do ponto
de velocidade para comparar a velocidade de dois filmes. Para
filmes de fotografia aérea, o ponto de velocidade é “densidade
= 0,3 + densidade acima da bruma bruta (Kodak, 1988).
Portanto, uma vez que a bruma bruta é 0,2 para ambos os
filmes aéreos hipotéticos, o ponto de velocidade para ambos os
filmes é 0,3 + 0,2 = 0,5, conforme mostrado na Figura 4-31.
A linha para a densidade de 0,5 que intercepta os dois filmes
pode ser usada para determinar quanto um filme é mais veloz
(sensível) do que o outro. Por exemplo, para gerar uma densi­
dade de 0,5 no Filme X, é necessário 0,9 unidade relativa do
logaritmo da exposição. Para gerar a mesma densidade (0,5)
no Filme Y, é necessário aproximadamente 1,6 unidade rela­
tiva do logaritmo da exposição. Consequentemente, o Filme
X é mais veloz que o Filme Y por aproximadamente 0,7 uni­
dade relativa do logaritmo da exposição (E). Para cada 0,3 log
E, existe um^/stop de diferença na exposição (Kodak, 1988).
Assim, estes dois filmes diferem em velocidade por mais do
que dois f stops (i.e., 0,7/0,3 = 2,33). Para se obter uma boa
variação de níveis de cinza na fotografia, como p.ex. 2,0 (i.e.,
tons de cinza, preto e branco bem expostos) e se for neces­
sário utilizar um tempo de exposição pequeno para “parar”
a cena, o que é muito comum em fotografias aéreas, então
deve-se escolher o Filme X, pois ele fornece uma boa variação
de níveis de cinza com um log E bem menor do que para o
Filme Y. É possível calcular a velocidade exata de um filme
aéreo (FS) utilizando a seguinte equação (Kodak, 1988):
em que E é a exposição medida em metro-candela-segun-
do (MCS) no ponto da curva característica onde a den­
sidade é 0,3 unidade acima de D m in (i.e.,
v bruma bruta),
77
conforme já discutido.
Fotografias aéreas podem ser obtidas também com uma
câmera portátil utilizando filme fotográfico comum. A ve­
Fotografia Aérea - Visada, Câmeras, Filtros e Filme
locidade dos filmes comerciais é determinada pelo sistema
de velocidade do filme da American Standards Association
(ASA), que determina um número para o filme que é apro­
ximadamente igual ao inverso da velocidade do obturador
(em segundos) que seria ideal para obter uma correta expo­
sição do filme sob boas condições de iluminação solar para
uma abertura da objetiva de //1 6. Portanto, se um filme
foi exposto corretamente sob boas condições de iluminação
solar com uma abertura defl 16 e uma velocidade do obtu­
rador de 1/200 segundo, ele é classificado como sendo um
filme de ASA 200 (Wolf e DeWitt, 2000). O filme original
Kodacolor comercializado a partir de 1942 tinha uma velo­
cidade de apenas ASA 25. Em 1955 esta velocidade passou
para ASA 32, e em 1963 para ASA 64 com a entrada do
filme Kodacolor-X. Em 1977, a Kodak lançou o filme Ko­
dacolor II com ASA 100 e o Kodacolor 400 com ASA 400.
Em 1983, o filme Kodacolor VR 1000 foi lançado com
ASA 1000, que foi o avanço mais significativo observado
na tecnologia de haletos de prata em mais de 50 anos.
No planejamento de missões para obtenção de fotografias
aéreas pode-se utilizar o Kodak Aerial Exposure Computer
para determinar a abertura mais indicada da objetiva (//
stop) e velocidade do obturador, uma vez que são forne­
cidas informações sobre as seguintes variáveis: velocidade
efetiva do filme aéreo, fator de névoa, velocidade da aero­
nave, altura acima da superfície, latitude e hora do dia.
Digitalização de Filme Preto-e-Branco (e Colorido)
Densitometria é a medição das características de transmi-
tância ou reflectância de objetos ou feições em imagens
fotográficas. As características de densidade (D) de um fil­
me transparente negativo ou positivo podem ser medidas
usando um densitômetro. Existem diversos tipos de densi-
tômetros, incluindo: microdensitômetros de mesa (Figura
4-32) e de tambor, densitômetros de vídeo, e densitôme-
tros de CCD linear ou de área.
Digitalização por Microdensitômetro: As características de
um típico microdensitômetro de mesa são mostradas na Fi­
gura 4-32. Este instrumento pode medir a característica da
densidade de porções muito pequenas de uma transparên­
cia negativa ou positiva, que chega a alguns micrômetros
em tamanho, daí o nome microdensitômetro. Basicamente,
uma quantidade de luz conhecida é enviada da fonte de luz
para o receptor. Se a luz incide sobre uma parte bem densa
do filme, pouca luz será transmitida para o receptor. Se a
luz incide sobre uma parte clara do filme, então boa parte
da luz será transmitida para o receptor. O densitômetro
pode fornecer informação sobre a característica da trans-
mitância, opacidade ou densidade em cada ponto i,j da
fotografia, conforme discutido anteriormente. A quantida­
de de luz gravada pelo receptor é normalmente convertida
Filmes Para Fotografia Aérea
Densitôm etro de Mesa
Receptor Disco com
filtros coloridos
Valor de brilho
na fotografia
digitalizada
BV
Superfície
da mesa
Eixo-x (j colunas)
Fonte de luz
Figura 4-32 Esquema de um microdensitômetro de mesa. Uma
transparência preto-e-branco negativa ou positiva é
convertida de uma imagem fotográfica analógica para
uma matriz de valores digitais de brilho, BV Uma
transparência colorida negativa ou positiva é separada
em três matrizes com base na densidade de cada um
dos três pigmentos coloridos (amarelo, magenta e cia-
no) encontrados em cada ponto da fotografia. O ta­
manho do ponto que é analisado durante o processo
de digitalização é muito pequeno, chegando a alguns
micrômetros, daí o nome microdensitômetro.
em um certo valor digital de brilho, BV. .k que se refere à
linha /, coluna / e banda k da fotografia. No final de cada
linha varrida a fonte de luz move-se um certo Ay na dire­
ção y para varrer uma nova linha abaixo e paralela à linha
anterior. A medida que a fonte de luz é varrida ao longo da
imagem, a informação contínua do receptor é convertida
para uma série de valores numéricos discretos para cada pi­
xel, pixel por pixel. Este processo de conversão analógico-
digital (A-para-D) resulta em uma matriz de valores que
normalmente são gravados em 8-bit (valores variam de 0
a 255) ou mais (p.ex., dados em 12-bit). Estes dados são
então armazenados em disco ou fita para análise posterior.
A varredura de imageamento em pontos de <12 pm pode
resultar em ruído nos dados digitalizados, pois o tamanho
do ponto se aproxima das dimensões dos cristais de haleto
de prata do filme (McGlone, 2004). A Tabela 4-6 sumariza
a relação entre o tamanho do ponto do escâner digitaliza-
dor (IFOV, campo de visada instantâneo) medido em pon­
tos por polegada (DPI, dots per inch) ou micrômetros e a
resolução do pixel no terreno em diferentes escalas da foto­
grafia aérea ou imagem. Para investigações fotogramétricas
simples, um valor de 600 DPI pode ser utilizado, pois uma
resolução de 600 DPI (42 pm) está próxima da acurácia
121
geométrica da maioria dos escâneres de mesa (cerca de 50
pm) (Linder, 2003). Os algoritmos de conversão de DPI
para pm e vice-versa são apresentados na Tabela 4-6.
Uma fotografia analógica preto-e-branco tem apenas uma
banda, k=l, a ser digitalizada. Para digitalizar fotografias aé­
reas coloridas é preciso utilizar três filtros específicos que de­
terminam a quantidade de luz a ser transmitida por cada uma
das camadas de cor do filme (Figura 4-32). A transparência
negativa ou positiva é escanerizada (imageada) três vezes (k =
1, 2 e 3), cada vez com um filtro diferente. Isto permite ex­
trair informação espectral de cada uma das camadas de cores
encontradas nos filmes de fotografias aéreas coloridas e infra-
vermelho-coloridas, e resulta em um conjunto digital de três
bandas registradas para posterior processamento da imagem.
Digitalização com Vídeo: Também é possível digitalizar
uma cópia em papel ou transparência por meio de uma câ­
mera de vídeo e fazer a conversão analógico-digital nas 525
linhas por 512 colunas de dados que estão dentro do campo
de visada padrão (conforme estabelecido pelo Comitê Nacio­
nal do Sistema de Televisão dos EUA). A digitalização com
câmera de vídeo consiste na paralização e posterior digitali­
zação do quadro da imagem analógica de entrada do vídeo.
Um quadro inteiro de entrada do vídeo pode ser lido em até
1/30 s. Uma placa de vídeo de alta velocidade para conversão
analógico-digital (A/D), digitaliza e armazena os dados numa
memória temporária. A memória é então lida pelo computa­
dor e a informação digital é armazenada em disco ou fita.
A digitalização de fotografias com câmeras de vídeo é feita
de forma bastante rápida, mas o resultado nem sempre é
satisfatório para fins de processamento digital de imagens.
Por exemplo, existem diferenças marcantes na sensibilidade
radiométrica e repetibilidade das diversas câmeras de vídeo.
Um dos problemas sérios é o “vignetting (redução do brilho
da imagem ou saturação nas bordas em relação à parte cen­
tral da imagem) que aparece fora do centro da imagem di­
gitalizada. Isto afeta a assinatura espectral extraída da cena.
Também, qualquer distorção no sistema óptico do vidicon
será transferida para o sensor remoto digital, dificultando o
ajuste entre imagens nas bordas das imagens digitalizadas.
1
Digitalização com matriz linear e matriz bidimensional
de CCD: Os avanços verificados na indústria de computa­
dores pessoais aceleraram o desenvolvimento de escâneres
digitalizadores de mesa com matriz linear (linear array) de
CCD que podem ser utilizados para digitalizar cópias de
negativos, de impressões fotográficas ou transparências com
300 a 3.000 pixels por polegada (Figura 4-33ab). A fotogra­
fia em papel é colocada sobre o vidro, e o sistema óptico do
digitalizador ilumina uma linha inteira da fotografia de uma
só vez com uma quantidade de luz conhecida. Uma fileira
linear de detectores grava a quantidade de luz refletida ou
122 CAPITULO Fotografia Aérea - Visada, Câmeras, Filtros e Filme

Tabela 4-6. Relação entre o campo de visada instantâneo (IFOV) do digitalizador medido em pontos por polegada
(DPI, dots per inch) ou micrômetros (pm) e a resolução espacial do pixel no terreno para fotografias em
diferentes escalas.

Resolução do Pixel no Terreno para Diversas Escalas

IFOV do Detector do Digitalizador
das Fotografias (metros)

DPI pm 1:40.000 1:20.000 1:9.600 1:4.800 1:2.400 1:1.200

100 254,00 10,16 5,08 2,44 1,22 0,61 0,30

200 127,00 5,08 2,54 1,22 0,61 0,30 0,15

300 84,67 3,39 1,69 0,81 0,41 0,20 0,10

400 63,50 2,54 1,27 0,61 0,30 0,15 0,08

500 50,80 2,03 1,02 0,49 0,24 0,12 0,06

600 42,34 1,69 0,85 0,41 0,20 0,10 0,05

700 36,29 1,45 0,73 0,35 0,17 0,09 0,04

800 31,75 1,27 0,64 0,30 0,15 0,08 0,04

900 28,23 1,13 0,56 0,27 0,14 0,07 0,03

1000 25,40 1,02 0,51 0,24 0,12 0,06 0,03

1200 21,17 0,85 0,42 0,20 0,10 0,05 0,03

1500 16,94 0,67 0,34 0,16 0,08 0,04 0,02

2000 12,70 0,51 0,25 0,12 0,06 0,03 0,02

3000 8,47 0,33 0,17 0,08 0,04 0,02 0,01

4000 6,35 0,25 0,13 0,06 0,03 0,02 0,008

Conversões úteis de escâneres

DPI = pontos por polegada;
De DPI para micrômetros:
De micrômetros para DPI:
De polegadas para metros:
De metros para polegadas:
pm = micrômetro; I = polegada; M = metros
pm = (2,54 /D PI) 10.000
DPI = (2,54 / pm) 10.000
M = I x 0,0254
1= M x 39,37

Cálculo da resolução do pixel no terreno:

PM = tamanho do pixel em metros; PF = tamanho do pixel em pés; S = escala da foto
Utilizando DPI: PM = (S/DPI)/39,37 PF = (S/DPI)/12
Utilizando micrômetros: PM = (S x \xm) 0,000001 PF = (S x \i.m) 0,00000328
Por exemplo, se uma fotografia na escala 1:6.000 é escanerizada em 500 DPI, o tamanho do pixel será (6000/500)139,37 =
0,3048 metros por pixel ou (6000/500)/12 = 1,00 pé por pixel. Se uma fotografia na escala de 1:9.600 é escanerizada com 50,8
pm, o tamanho do pixel será (9.600 x 50,8)(0,000001) = 0,49 metros ou (9.600 x 50,8)(0,00000328) = 1,6 pé por pixel.

transmitida através da fotografia ao longo da fileira e realiza
a conversão A/D. Existem CCD lineares com até 20.000
elementos e CCDs tri-lineares com até 14.000 elementos
(McGlone, 2004). A matriz linear de detectores avança
na direção y e uma nova linha de dados é digitalizada. E
possível comprar escâneres de mesa de boa qualidade por
menos de US$ 300. Diversos laboratórios de processamen­
to digital de imagens utilizam esses digitalizadores de baixo
custo para converter os dados analógicos de sensoriamento
remoto em formato digital. Escâneres de mesa têm uma
precisão espacial muito boa e uma curva característica ra­
zoável quando fotografias preto-e-branco são escanerizadas.
Um “transiluminador” opcional pode ser comprado para
iluminar o filme (ou slide 35-mm) por detrás. Infelizmente,
Filmes Para Fotografia Aérea
Digitalizador da Mesa com Matriz Linear de CCD
Figura 4-33 a) Digitalizador de mesa de baixo custo com matriz linear de CCD . b) Um digitalizador de imagem baseado na tecnologia de
matriz bidimensional de C CD (cortesia Vexcel, Inc.).
a maioria dos escâneres de mesa são feitos para escanerizar
originais no formato A4 (8,5 x 14 polegadas), mas a maioria
das fotografias aéreas são obtidas no formato de 9 x 9 pole­
gadas. Neste caso, o analista tem que digitalizar a fotografia
em duas partes (p.ex., 8,5 x 9 pol e 0,5 x 9 pol) e depois
juntar as duas partes digitalmente o que pode introduzir
erros tanto geométricos quanto radiométricos.
CCDs em fileira linear são utilizados em escâneres digita-
lizadores de baixo custo, tal como o mostrado na Figura
4-33a. CCDs em matriz bidimensional são utilizados em
certos digitalizadores como o mostrado na Figura 4-33b,
que digitaliza de 160 dpi até 3.000 dpi (aproximadamente
160 pm a 8,5 pm,) uma imagem com área de 254 mm x
508 mm (10 x 20 pol.). O sistema escaneriza o filme (o
negativo original ou a transparência positiva) na forma de
uma série de segmentos retangulares de imagens. Depois,
ele ilumina e escaneriza uma grade de linhas finas gravadas
em uma placa de vidro [reseau grid), formando quadrados
de tamanho padrão com localização precisamente conheci­
da. As coordenadas desta grade são utilizadas para localizar
a exata orientação da câmera CCD durante a escaneriza-
ção e para corrigir geometricamente cada um dos segmen­
tos retangulares da imagem em relação a todos os outros.
Algoritmos de calibração radiométrica são então utilizados
para compensar variações na iluminação em qualquer re­
gião do segmento retangular. Quando se escaneriza uma
imagem colorida, o escâner pára numa seção retangular
da imagem e captura a informação sequencialmente para
cada um dos quatro filtros (azul, verde, vermelho e neutro)
antes de se mover para o retângulo seguinte. A maioria dos
outros escâneres digitalizam toda a imagem com um filtro
colorido e então repetem o processo com os demais filtros.
Isto pode resultar em problemas de registro das cores e em
perda na qualidade da imagem. A tecnologia de digitali­
zação matricial tem alcançado acurácia geométrica de <2
123
Digitalizador de Imagem com Matriz
Bidimensional de CCD
pm para imagens de 23 x 23 cm quando escanerizadas a
25 pm por pixel, e repitibilidade de - 3 pm.
É interessante notar que existe uma relação entre o valor de
brilho {BV..k) ou densidade (ZX) em qualquer localização
particular no filme e a energia refletida pelo objeto da cena
(O ) naquela exata localização. Muitos cientistas se benefi­
ciam desta relação fazendo cuidadosas observações de campo
in situ para verificar a quantidade de biomassa em uma área
de 1 x 1 m na superfície localizada em O e medem o valor
1 x>y
de brilho (7i Q ou densidade do objeto na exata localização
na fotografia utilizando um densitômetro. Com uma quanti­
dade suficiente de amostras selecionadas no campo e na foto­
grafia, é possível estabelecer uma correlação entre os pontos
da superfície do terreno e os pontos na imagem. Esta é uma
importante aplicação das fotografias aéreas digitalizadas.
Dados do Programa de Digitalização de Fotografias Aé­
reas nos EUA: Este programa de digitalização de fotografias
aéreas dos EUA é denominado de NAPP (Digitized Natio­
nal Aerial Photography Program) e foi iniciado em 1987
em substituição ao Programa de Fotografias Aéreas de Alta
Altitude dos EUA (NHAP, National High Altitude Aerial
Photography Program). O objetivo do NAPP foi adquirir e
arquivar a cobertura fotográfica de todo território dos EUA
na escala de 1:40.000 com filme infravermelho-colorido ou
infravermelho preto-e-branco. As fotografias foram adquiri­
das a uma altitude de 6.100 m (20.000 pés) acima do ter­
reno (AGL - above ground levei) com uma câmera métrica
com distância focal de 152,4 mm (6 pol.). A cobertura foto­
gráfica deveria ser adquirida idealmente em ciclos de cinco
anos, fornecendo uma base de dados fotográficos de todo
o território dos EUA disponibilizada através do Centro de
Dados da EROS em Sioux Falis, SD, EUA, ou do Escritório
Regional de Fotografias Aéreas (Aerial Photography Field
Office) em Salt Lake City, UT, EUA (USGS, 1994).
124 CAPÍTULO
Essas fotografias de alta resolução espacial do NAPP são mui­
to valiosas para extrair informação por meio de trabalhos de
fotointerpretação na própria tela do computador a fim de
gerar mapas-base de alta resolução. Esses mapas podem ser
analisados em conjunto com outras informações em SIG
(p.ex., limites de parcelas, rede de linhas de serviços públi­
cos, imposto territorial) numa projeção cartográfica padrão
após digitalização e retificação das fotografias. Light (1993)
sumariza os métodos mais adequados para converter os da­
dos do NAPP numa base de dados nacionais de fotografias
aéreas digitalizadas que atendam aos padrões de acurácia para
mapeamento (National Map Accuracy Standards). As foto­
grafias escaneadas com microdensitômetros utilizando um
tamanho de ponto de 15 pm preserva a resolução espacial
original das fotografias do NAPP, que é de 27 pares de linhas
por milímetro (line pair per mm; lp/mm). Este processo ge­
ralmente resulta em um conjunto de dados digitais que tem
uma resolução espacial de 1 x 1 m, dependendo do contraste
da imagem original. Isto atende à maioria dos requisitos para
mapeamento do uso e cobertura do solo.
Caso haja interesse, as fotografias aéreas coloridas digitali­
zadas podem ser separadas em bandas espectrais. O tama­
nho do campo de visada instantânea da varredura (scan-
ning spot size) de 15 pm serve para a maioria dos arquivos
digitais fotogramétricos para os quais as medidas das co­
ordenadas são feitas utilizando um computador e a tela
do monitor (Light, 1993). Devido à grande utilidade dos
dados digitalizados do NAPP como mapas-base de alta re­
solução espacial em SIG, diversos Estados nos EUA estão
dividindo os custos com o Serviço de Levantamento Geo­
lógico dos EUA (USGS) para digitalizarem sua cobertura
e obterem ortolotomapas digitais. Uma grande quantidade
de fotografias do NAPP já foi digitalizada e convertida em
mapas de ortofotos. Boa parte dos dados digitais está dis­
ponível e pode ser buscado e pedido na página da Internet
do USGS citada no Apêndice A.
Emulsões de Fotografias Coloridas
Emulsões de fotografias em colorido-normal e infraver-
melho-colorido são muito utilizadas em fotogrametria e
fotointerpretação.
Fotografia Aérea em Colorido Normal
A fotografia aérea em colorido-normal grava a energia da re­
gião de 0,4 —0,7 pm (luz azul, verde e vermelha) e representa
a superfície do terreno com as mesmas tonalidades (cores)
que os nossos olhos vêem a paisagem. Um filtro névoa (haze)
é normalmente utilizado para evitar que a luz ultravioleta
exponha o filme (p.ex., Kodak HF3). Emulsões de filmes
coloridos geralmente consistem de três camadas de cristais
Fotografia Aérea - Visada, Câmeras, Filtros e Filme
Tabela 4-7. Cores primárias e complementares.
Cores Primárias Cores Complementares
azul amarelo
verde magenta
vermelho ciano
de haleto de prata dispostas conforme mostrado na Figura
4 -25c. A camada superior é sensível à luz azul, a camada
intermediária é sensível à luz azul e verde, e a camada in­
ferior é sensível à luz vermelha e azul. Para impedir que a
luz azul atinja as duas camadas inferiores do filme, coloca-se
um filtro amarelo entre as duas camadas superiores evitando
assim que as camadas intermediária e inferior recebam luz
azul (McGlone, 2004). A sensibilidade espectral das camadas
das emulsões azul, verde e vermelho é mostrada na Figura
4-34a. Filmes coloridos para fotografia aérea comercializados
pela Companhia Kodak estão sumarizados na Tabela 4-4. A
luz azul, verde e vermelha refletida pelos diversos objetos
da cena interagem com os cristais de haleto de prata ati­
vando as camadas sensíveis à luz azul, verde e vermelha,
formando a imagem latente. Uma reprodução em cores do
processo é mostrada na Prancha Colorida 4-3a.
A revelação do filme colorido é exatamente igual ao pri­
meiro passo da revelação do filme preto-e-branco, i.e., os
cristais de haleto de prata expostos em cada camada tor­
nam-se cristais pretos de prata. O restante do processo,
contudo, depende de o filme ser colorido negativo ou co­
lorido reverso. Com o filme colorido negativo, um negativo
é produzido, e impressões coloridas são feitas a partir deste
negativo. O filme colorido reverso produz uma transparên­
cia colorida-normal diretamente no filme. Este processo é
utilizado para fazer slides ou transparências positivas.
O segundo passo na geração do positivo de uma fotogra­
fia colorido-normal em papel ou transparência a partir de
um negativo colorido envolve o uso de pigmentos coloridos
(,dyes) especiais. Os haletos de prata que ficaram pretos em
cada uma das camadas durante a primeira parte do processo
são substituídos por cores complementares da cor da cama­
da (Prancha Colorida 4-3a; Tabela 4-7). Os grãos de prata
densos e escuros da camada sensível ao azul são substituí­
dos com a cor amarela (amarela é a cor complementar do
azul e é composta pela luz verde e vermelha). Contudo, a
quantidade de tinta da cor colocada em cada ponto da camada
do filme é inversamente proporcional à intensidade da luz que
iluminou aquele ponto. Consequentemente, quanto mais luz
azul tiver iluminado a área, menos cor amarela vai estar pre­
sente. Cristais de prata pretos na camada sensível ao verde
são substituídos pela tinta da cor magenta. Cristais de prata
pretos na camada sensível ao vermelho são substituídos pela
Filmes Para Fotografia Aérea 125

Sensibilidade Espectral das Três Camadas do Filme Colorido Normal

Sensibilidade Espectral das Três Camadas do Filme Infravermelho-Colorido

Comprimento de onda, pm

Figura 4-34 a) A sensibilidade espectral das três camadas de um filme colorido normal. Um filtro de névoa (haze) (p.ex., HF3) pode ser
utilizado para filtrar boa parte da luz menor do que 0,4 pm. b) A sensibilidade espectral das três camadas de um filme infraver-
melho-colorido. Um filtro amarelo Wratten 12 é muito utilizado para filtrar a luz em comprimentos de onda menores do que
0,3 pm (cortesia Eastman Kodak Co.).

tinta da cor ciano. Este processo resulta em um negativo que
é composto pelas tintas nas cores amarelo, magenta e ciano.
Por isso, quando olhamos para um negativo colorido nós ve­
mos cores estranhas (amarelo, magenta e ciano) ao invés das
cores naturais azul, verde e vermelho que aparecem na paisa­
gem. Nós não estamos acostumados a ver a natureza em to­
nalidades de amarelo, magenta e ciano; por isso, raramente
interpretamos o negativo de uma fotografia colorida.
Para gerar uma fotografia colorida em positivo a partir de
um negativo a fim de se poder interpretar a fotografia, uma
luz branca é projetada através do filme negativo para expor
as três camadas da emulsão de um papel fotográfico colo­
rido. O negativo colorido age como um filtro, expondo as
três camadas do papel fotográfico às três cores amarelo, ma­
genta e ciano. Contudo, ao revelar a cópia em papel as cores
complementares do amarelo, magenta e ciano (i.e., azul,
verde e vermelho) são geradas. Esta segunda reversão forma
as cores originais da cena na cópia positiva que então está
em condições de ser interpretada (Prancha Colorida 4-3a).
Uma fotografia aérea em colorido-normal de Tivoli North
Bay, NY, EUA é mostrada na Prancha Colorida 4-4a.
126 CAPÍTULO
Fotografia Aérea In fraverm elha-C olorida
O filme infravermelho-colorido foi originalmente desenvolvi­
do durante a II Guerra Mundial, quando havia muito interesse
em aumentar a sensibilidade dos filmes na região do espectro
eletromagnético do infravermelho para detectar camuflagem.
Em 1941, S. Q. Duntley, do M IT (Massachusetts Institute of
Technology), liderou um estudo para detecção visual e óptica
de camuflagem. A pesquisa concluiu que seria difícil replicar
uma camuflagem que simulasse a vegetação, que tem uma
banda de absorção na região espectral do vermelho (0,60 -
0,68 pm) e uma banda de reflexão intensa da radiação na re­
gião de comprimentos de onda maiores que 0,7 pm, ou seja,
no infravermelho-próximo. Consequentemente, em 1942,
Duntley pediu que a Companhia Kodak produzisse um fil­
me falsa-cor para detecção de camuflagem. Os resultados dos
testes feitos pela Companhia Kodak foram apresentados em
19 de outubro de 1942. Foi durante esta época que se decidiu
que a folhagem deveria aparecer em tonalidade vermelha na
imagem positiva da fotografia aérea infravermelha-colorida.
O filme foi disponibilizado para uso militar sob o nome de
“Aero Kodacolor Reversal Film, Camouflage Detection” (Fil­
me Reverso Kodacolor, Detecção de Camuflagem) (Colwell,
1997). Fotografias aéreas com o filme infravermelho-colorido
foram obtidas com sucesso durante a guerra para localizar
alvos cobertos com redes ou pintados. Ele também provou
ser um filme de valor significativo para monitoramento das
condições e identificação da vegetação em levantamentos dos
recursos terrestres. Os filmes infravermelhos comercializados
pela Companhia Kodak estão sumarizados na Tabela 4-4. O
mais popular continua sendo o Filme Infravermelho 2443
Kodak AEROCHROMEII.
O filme infravermelho-colorido registra a energia refletida
na região do espectro eletromagnético que vai de aproxi­
madamente 0,35 pm até em torno de 0,9 pm (ultravioleta,
azul, verde, vermelho e infravermelho-próximo) e retrata a
energia no filme em falsas cores (Rundquist e Sampson,
1988; Kodak, 1999). Tal como o filme colorido normal,
o filme infravermelho-colorido também tem três camadas
de emulsão, cada uma sensível a diferentes partes do espec­
tro (Figura 4-25d; 4-34b). A camada superior é sensível à
radiação do ultravioleta até o infravermelho-próximo. A
camada intermediária é mais sensível à luz verde e azul. A
camada inferior é mais sensível à luz azul e vermelha.
O filme infravermelho-colorido é exposto através de um fil­
tro amarelo escuro (geralmente um filtro Kodak Wratten 12
menos-azul) que permite que a luz do verde, vermelho e infra­
vermelho-próximo do terreno exponha o filme enquanto que
a luz menor do que 0,5 pm não chega até o filme (McGIone,
2004). A Prancha Colorida 4-3b ilustra como as cores (dyes)
introduzidas em cada uma das camadas do filme são diferen­
tes quando comparadas com um filme colorido padrão. Ba­
Fotografia Aérea - Visada, Câmeras, Filtros e Filme
sicamente, elas estão “deslocados por um”, significando que
a camada sensível ao verde recebe a cor amarela, a camada
sensível ao vermelho recebe a cor magenta, e a camada sen­
sível ao infravermelho recebe a cor ciano. Assim, quando a
luz branca é finalmente projetada através do negativo e uma
cópia positiva é produzida, qualquer coisa que reflita apenas
luz verde na cena aparece como azul claro, qualquer coisa
que reflita apenas luz vermelha na cena aparece em matizes
de verde claro, e qualquer coisa que reflita apenas energia no
infravermelho-próximo na cena aparece como matizes de ver­
melho claro. Se algo refletir quantidades iguais de luz verme­
lha e infravermelho-próximo, mas nenhuma luz verde, então
vai aparecer em matizes de amarelo no filme infravermelho-
colorido. Similarmente, quantidades iguais de luz refletida da
cena no verde, vermelho e infravermelho-próximo, tal como
superfície de concreto, vai aparecer em tons médios de cinza.
Assim, o filme infravermelho-colorido exibe um desloca­
mento no balanço das cores quando comparado com as fo­
tografias aéreas tradicionais. O que pode ser confuso para o
fotointérprete é o fato de que o ser humano não tem idéia
sobre quanta energia do infravermelho-próximo é refleti­
da por certos alvos uma vez que nós não podemos ver ou
apreciar a energia nesta região. Por exemplo, uma fotografia
aérea infravermelha-colorida é mostrada na Prancha Co­
lorida 4-4b. Esta fotografia foi obtida utilizando um filme
Kodak AEROCHROME II Infravermelho 2443 com uma
objetiva de distância focal de 152,4 mm (6 pok). Água clara
profunda absorve quase todo o fluxo de radiação incidente
no infravermelho-próximo enquanto reflete um pouco mais
de luz verde e vermelha. Portanto, se a água é profunda e
sem sedimentos em suspensão ou qualquer outro material
orgânico, ela aparecerá escura ou quase preta no filme in­
fravermelho-colorido. Contudo, se houver uma quantidade
considerável de sedimentos em suspensão na água, ela pode­
rá aparecer em tons relativamente escuros de azul e verde na
fotografia do infravermelho-próximo. De modo oposto, a
vegetação absorve aproximadamente 80% do fluxo radiante
incidente do verde e vermelho que incide sobre ela e reflete
aproximadamente 40-70% do fluxo de radiação incidente
no infravermelho próximo. Esta condição faz com que a
vegetação verde e sadia seja registrada em tons de verme­
lho devido à predominância da radiação no infravermelho
próximo. Estradas pavimentadas com concreto ou cascalho
refletem porções iguais de energia no verde, vermelho e in­
fravermelho-próximo e são gravadas em assinaturas de cinza
azulado nas fotografias infravermelhas-coloridas.
Reversões de cores similares são evidenciadas no exemplo
de um edifício da Universidade de Nebraska, EUA, utili­
zando fotografias de filmes colorido-normal e infraverme­
lho-colorido (Prancha Colorida 4-5ab). Objetos que refle­
tem exclusivamente azul claro são registrados em preto na
fotografia infravermelho-colorido (p.ex., carro à esquerda).
Planejamento de Missões de Fotografia aéreas
O tapete vermelho nas escadarias do edifício está registra­
do em tons de verde. O telhado está registrado em tons
de amarelo, significando que a telha absorve muita luz no
verde claro enquanto que reflete fortemente nas porções
do vermelho e infravermelho-próximo do espectro.
A fotografia aérea infravermelha-colorida continuará sendo
uma das ferramentas mais importantes do sensoriamento re­
moto. O filme infravermelho-colorido foi escolhido pelo Pro­
grama de Fotografia Aérea do USGS. As novas resoluções espa­
ciais (< 1 x 1 m pancromático e < 4 x 4 m multiespectral) dos
dados digitais de satélites de sensoriamento remoto de empre­
sas comerciais como a Space Imaging e a Digital Globe estão
reduzindo nossa dependência por fotografias aéreas em grande-
escala com os filmes infravermelhos-coloridos analógicos.
Planejamento de Missões de
Fotografias Aéreas
Hora do Dia - Ângulo Solar
A hora ideal do dia para obter fotografias aéreas ocorre
quando o Sol está entre 30° e 52° acima do horizonte, i.e.
duas horas antes e depois do meio-dia. Um ângulo solar
menor do que 30° pode não fornecer suficiente ilumina­
ção ou reflectância adequada da cena. Isto pode resultar
numa subexposição da fotografia aérea e dificultar a in­
terpretação. Além disso, fotografias tiradas com ângulo
solar muito baixo são normalmente inaceitáveis devido às
grandes sombras projetadas por árvores e edificações, que
podem obscurecer informações importantes da cena. Con­
tudo, alguns cientistas (especialmente geólogos) preferem
fotografias obtidas com ângulos solares baixos para realçar
representações no terreno (Lyon e Falkner, 1995).
Um ângulo solar maior do que 52° pode resultar em pe­
quenas áreas com reflexão especular (hotspots) na fotogra­
fia. Estas áreas aparecem extraordinariamente claras na
fotografia e são resultantes da orientação da câmera em
relação ao Sol. Elas podem atrapalhar bastante se houver
muitos corpos d’água na área de estudo.
A orientação das linhas de voo pode seguir qualquer direção
desde que fatores do terreno e de segurança sejam considera­
dos. O ângulo solar para uma certa latitude e numa hora espe­
cífica do dia pode ser obtido de tabelas de efemérides solares.
Tempo
A fotografia aérea é idealmente obtida alguns dias após
a passagem de um sistema frontal, que remove o vapor
127
d’água e partículas (especialmente poluição) do ar e per­
mite que o vento associado ao sistema frontal diminua. A
fotografia aérea obtida em condições de muita umidade
fica degradada devido ao espalhamento indesejado da luz
que ocorre na atmosfera e que chega ao campo de visada
da câmera. Além disso, o vapor d’água pode absorver parte
da energia refletida pelos alvos da cena qúe deveriam ser
registrados no filme.
Ventos fortes podem tirar o avião da rota e causar defeitos
no recobrimento das linhas de voo, perdendo a sobreposi­
ção necessária para estereoscopia e até mesmo obter foto­
grafias oblíquas ao invés de verticais. Nuvens em fotografias
aéreas são evidentemente inaceitáveis. Não somente uma
parte do terreno é obscurecida pela presença da nuvem,
mas também a sombra causada pela nuvem acarreta varia­
ções na tonalidade da fotografia, que pode ser interpretada
erroneamente. As fotografias aéreas obtidas antes da passa­
gem de um sistema frontal podem ser ideais se a umidade
relativa for baixa e os ventos não forem fortes.
Plano de Voo
Para obter as fotografias aéreas desejadas é necessário saber
qual a escala que as fotografias devem ter (p.ex., 1:10.000),
a escala do mapa-base em que as informações das fotogra­
fias serão plotadas (p.ex., 1:12.000), as coordenadas x,y
dos quatro cantos da área de estudo (latitude, longitude
ou UTM), o tamanho da área geográfica a ser fotografada
(p.ex., 100 km2), o recobrimento médio frontal de cada fo­
tografia (p.ex., 60%), o recobrimento lateral de cada foto­
grafia (p.ex., 20%), o formato do filme (p.ex., 9 x 9 pol.), e
a distância focal da objetiva. Uma vez que essas informações
são conhecidas é possível calcular: 1) a altitude do voo; 2)
o número de linhas de voo requeridas; 3) a distância entre
linhas de voo; 4) a distância no terreno entre as exposições;
5) a distância no mapa entre exposições, e 6) o número
total de exposições requeridas. Muitas dessas variáveis estão
descritas no Capítulo 6 (Fotogrametria).
Referências
Berglund, J. A., 1999, Evaluatingthe Use ofRADARSATSAR
and JERS-l SAR for Estimating LAI and Delineating Upland
Land Cover and Tidal Freshwater Wetland Vegetation Species in
tbe Tivoli North Bay, Area, NY, Columbia, SC: Department of
Geography, tese de mestrado não publicada, 310 p.
Bossler, J. D., Jensen, J. R., McMaster, R. B. e C. Rizos, 2002,
Manual o f Geospatial Science and Technology, London: Taylor
& Francis, 623 p.
128 CAPÍTULO
Colwell, R. N., 1997, “History and Place of Photographic
Interpretation,” Philipson, W., (Ed.), Manual o f Photographic
Interpretation, Berhesda: ASP&RS, 2nd Ed., 3-47.
USGS, 1994, Digital Orthophotos Fact Sheet, Washington,
DC: U.S. Geological Survey, 2 p.
Hinckley, T. K. e J. W. Walker, 1993, “Obtaining and
Using Low Altitude, Large-Scale Imagery,” Photogrammetric
Engineering & Remote Sensing, 59 (3) :310-318.
Hooper, N. J. e G. C. Gustafson, 1983, “Automation and
Recording of the Image Interpreters Mensuration Tasks for
Man-made Objects,” SPIE Proceedings, 424:56-67.
Jensen, J. R., 1995, “Issues Involving the Creation of Digital
Elevation Models and Terrain Corrected Orthoimagery Using
Soft-copy Photogrammetry,” Geocarto International, 10(1):5-21.
Jensen, J. R., 2005, lntroductory Digital Image Processing:
A Remote Sensing Perspective, 3rd Ed., Upper Saddle River:
Prentice-Hall, Inc., 525 p.
Jensen, J. R., Botchway, K., Brennan-Galvin, E., Johannsen,
C., Juma, C., Mabogunje, A., Miller, R., Price, K., Reining,
P., Skole, D., Stancioff, A. e D. R. E Taylor, 2002, Down to
Earth: Geographic Information for Sustainable Development in
África, Washington: National Research Council, 155 p.
Jensen, J. R., Saalfeld, A., Broome, E, Cowen, D., Price, K.,
Ramsey, D., Lapine, L. eE. L. Usery, 2005, “Chapter2: Spatial
Data Acquisition and lntegration,” in R. B. McMaster e E.
L. Usery (Eds.), A Research Agenda for Geographic Information
Science, Boca Raton: CRC Press, 17-60.
Kodak, 1988, “Kodak Technical Information (Part III): The
Characteristic Curve,” Kodak Technical Bits, Summer:12-16.
Kodak, 2006, Kodak Home Page, Rochester, NY: Eastman
Kodak, Co., http://www.kodak.com.
Liang, S., 2004, Quantitative Remote Sensing ofLandSurfaces,
New York: John Wiley & Sons, 534 p.
Light, D. L., 1993, “The National Aerial Photography
Program as a Geographic Information System Resource,”
Photogrammetric Engineering & Remote Sensing, 48 (1) :61-65.
Light, D. L., 1996, “Film Cameras or Digital Sensors? The
Challenge Ahead for Aerial Imaging,” Photogrammetric
Engineering & Remote Sensing, 62(3):285-291.
Linder, W., 2003, Digital Photogrammetry: Theory and
Applications, Berlin: Springer-Verlag, 189 p.
Fotografia Aérea - Visada, Câmeras, Filtros e Filme
London, B. e J. Upton, 1994, Photography, 5th Ed., NY:
Harper Collins, 422 p.
Lunetta, R. S. e C. D. Elvidge, 1998, Remote Sensing Change
Detection, Ann Arbor: Ann Arbor Press, 318 p.
Lyon, J. G. e E. Falkner, 1995, “Estimating Cost for
Photogrammetric Mapping and Aerial Photography, "Journal
ofSurveying Engineering, 121 (2) :63-86.
McGlone, J. C. (Ed.), 2004, Manual o f Photogrammetry, 5th
Ed., Bethesda: ASP&RS, 1 151 p.
Meadows, J., 1992, The Great Scientists, NY: Oxford
University Press, 250 p.
Mikhail, E. M., Bethel, J. S. ej. C. McGlone, 2001, Introduction
to Modem Photogrammetry, N.Y.: John Wiley, 479 p.
Miller, R. B., Abbott, M. R., Harding, L. W., Jensen, J.
R. , Johannsen, C. J., Macauley, M., MacDonald, J. S. e J.
S. Pearlman, 2003, Using Remote Sensing in State and Local
Government: Information for Management and Decision
Making, Washington: National Research Council, 97 p.
Narumalani, S., Hlady, J. e J. R. Jensen, 2002, “Information
Extraction from Remotely Sensed Data,” in Bossler, J. Jensen,
J. R., McMaster, R. B. e C. Rizos, Manual GeospatialScience
and Technology, London: Taylor & Francis, 298-324 p.
Nikon, 2005, Nikon homepage, www.Nikon.com.
Paine, D. P e J. D. Kiser, 2003, Aerial Photography and Image
Interpretation, NY: John Wiley, 632 p.
Philipson, W., 1997, Manual o f Photographic Interpretation,
Bethesda, MD: ASP&RS, 2nd Ed., 689 p.
Rasher, M. E. e W. Weaver, 1990, Basic Photo Interpretation,
Washington: USDA Soil Conservation Service, 320 p.
Rundquist, D. C. e S. A. Sampson, 1988, A Guide to the
Practical Use o f Aerial Color-Infrared Photography in Agriculture,
Lincoln, NB: Conservation and Survey Division, 27 p.
Warner, W. S., R. W. Graham e R. E. Read, 1996, Small
Format Aerial Photography, Scotland: Whittles, 348 p.
White, L., 1995, Infrared Photography Handbook, Amherst:
Amherst Media, 108 p.
Wolf, P. R. e B. A. DeWitt, 2000, Elements o f Photogrammetry
with Applications in GIS, 3rd Ed., NY: John Wiley, 608 p.
Elementos de Interpretação Visual de Imagens

s seres humanos são adaptados para interpretar imagens de objetos. Na realidade,

O o homem faz isso ao longo de toda a sua vida. Com alguma instrução, ele pode
tornar-se um excelente analista de imagem. A interpretação de foto ou imagem é
definida como

O exame de imagens com o propósito de identificar objetos e

avaliar o seu significado (Philipson, 1997; McGlone, 2004).

Este capítulo introduz os conceitos fundamentais associados com a interpre­

tação visual de imagens de objetos registrados, principalmente, por sistemas
de sensoriamento remoto que operam nas porções ópticas do espectro eletro­
magnético: azul, verde, vermelho e infravermelho refletivo. As imagens inter­
pretadas podem ser adquiridas usando-se uma variedade de sensores, incluin­
do as tradicionais câmeras analógicas (p.ex., Leica RC 30), câmeras digitais
(p.ex., Leica ADS 40), sistemas de varredura (escâneres) multiespectrais (p.ex.,
Landsat Thematic Mapper) e sistemas com sensores por arranjo de detectores
em linha ou em área (p.ex., SPOT, IRS-1C, MODIS, 1KONOS, QuickBird,
OrbView-3, ImageSat). Métodos quantitativos de extração de informação
de imagens de sensoriamento remoto obtidas na porção óptica do espectro
são apresentados no Capítulo 6 (Fotogrametria). Elementos característicos
de interpretação de imagem associados com o infravermelho termal (p.ex.,
temperatura superficial) e imageamento por micro-ondas ativas (RADAR) são
apresentados nos Capítulos 8 e 9, respectivamente.

Introdução

Há um número significativo de aspectos que tornaram a interpretação de foto­

grafia ou imagem uma poderosa ferramenta científica, incluindo:

• a perspectiva aérea/regional;

• a percepção tridimensional de profundidade;

• a habilidade para obter conhecimento além da percepção visual humana;

• a habilidade para obter imagens históricas que permitam documentar mudanças.

Este capítulo discute essas considerações e, em seguida, introduz os elementos

fundamentais de interpretação de imagem usados pelos analistas de imagens.
Vários métodos de pesquisa também são apresentados, incluindo o uso de
informação colateral (auxiliar), a convergência de evidências, e a aplicação do
conceito multi na análise de imagens.
130 CAPÍTULO
A Perspectiva Aérea/Regional
Uma fotografia aérea vertical ou oblíqua, ou outro tipo de
imagem do visível/infravermelho próximo registra uma ver­
são detalhada, mas bem reduzida da realidade. Uma única
imagem normalmente engloba muito mais área geográfi­
ca do que a que um ser humano possa percorrer ao longo
de um dia. Por exemplo, considere uma fotografia obtida
por um astronauta através de uma janela da Apollo 17, que
capta, em uma única cena, a metade de toda a Terra (um
hemisfério) (Figura 5-1). Grande parte da África é visível,
desde o árido Sahara, a vegetação escura do Congo, até o
Cabo da Boa Esperança, encoberto por nuvens. Por outro
lado, uma única fotografia aérea vertical de 23 x 23 cm na
escala 1: 63.360 (1 cm= 633 m), cobre somente 210 km2
de área geográfica.
A observação da Terra segundo uma perspectiva aérea per­
mite aos cientistas e ao público em geral identificar obje­
tos, padrões e as interações entre o homem e o seu planeta,
que poderíam nunca ser completamente compreendidos
se as observações fossem limitadas a uma visada a partir
da superfície terrestre. Não importa se a perspectiva aérea
é obtida do topo de um prédio, de uma colina elevada,
de uma pequena aeronave, de um jato a grandes altitu­
des ou da plataforma de um satélite, a imagem resultante,
obtida remotamente, fornecerá informações espaciais do
terreno, que não seriam possíveis de adquirir ou apreciar
de qualquer outra maneira. Este é o motivo pelo qual a
interpretação de imagens de sensoriamento remoto é tão
importante para as atividades de reconhecimento militar e
para as investigações civis sobre os recursos da Terra.
Alguns cuidados, no entanto, precisam ser observados quan­
do se interpretam imagens verticais e oblíquas. Os seres hu­
manos estão acostumados a observar lateralmente os objetos
a partir de sua perspectiva na superfície terrestre e, normal­
mente, não têm uma avaliação precisa dos objetos imageados
a partir de uma perspectiva vertical ou oblíqua (Haack et al.,
1997). Além disso, nós não estamos acostumados a observar
e interpretar, ao mesmo tempo, o significado de muitos qui­
lômetros quadrados de terreno. Nosso campo de observação
no solo é, normalmente, menor do que um quilômetro. Por­
tanto, a análise regional de dados de sensoriamento remoto
verticais ou oblíquos requer treinamento e prática.
Percepção de Profundidade Tridimensional
E possível observarmos uma única fotografia aérea ou ima­
gem e obter uma avaliação da distribuição das feições na
paisagem. Além disso, é também possível obter uma visão
tridimensional do terreno, como se estivéssemos observan-
Elementos de Interpretação Visual de Imagens
A Terra Vista da Apoio 17
Figura 5-1 Uma fotografia da Terra obtida pelos astronau­
tas da Apoio 17, tomada através da escotilha da
espaçonave. Quase todo o continente africano é
visível, assim como a Arábia Saudita e parte do
Iraque e da índia. Note a região árida do Sahara
e as áreas escuras das florestas tropicais ao longo
do equador, na África Central. A Antártica está
bem visível no Pólo Sul. Fotografias como esta
ajudaram a humanidade a perceber como a Terra
é vulnerável e preciosa, repousando como uma
jóia multicolorida na escuridão do espaço (corte­
sia da NASA).
do a partir de um balão ou de uma aeronave. Uma forma
para se conseguir este efeito tridimensional é através de
duas fotografias ou imagens do terreno, obtidas a partir de
perspectivas ligeiramente diferentes. Os nossos olhos po­
dem ser treinados para observar duas imagens do terreno
ao mesmo tempo. Nossas mentes fundem esta informação
estereoscópica em um modelo tridimensional, que repro­
duz de forma real a paisagem registrada nas fotos ou ima­
gens (Linder, 2003). Por exemplo, o estéreopar do centro
da cidade de St. Louis, Missouri, mostrado na Figura 5-2,
fornece informação tridimensional detalhada quando ana­
lisado através de um estereoscópio.
O homem aprendeu que é importante conhecer não apenas
o tamanho e a forma de um objeto, mas também que a sua
altura, a sua profundidade e o seu volume são importantes
características diagnosticas. A análise estereoscópica de ima­
gens permite avaliar a natureza tridimensional de um terreno
ondulado, a declividade e a aparência das formas de relevo.
Além disso, o processo de análise estereoscópica exagera a al­
tura e a profundidade do terreno, permitindo discernir dife­
renças muito sutis na altura de objetos e na declividade do
terreno, que, de outra forma, não poderíam ser caracterizadas.
O Capítulo 6 (Fotogrametria) introduz os princípios da es-
tereoscopia e como eles são usados para extrair informação
tridimensional de dados de sensores remotos. A informação
tridimensional também pode ser obtida através de dados de
sensoriamento remoto por RADAR, LIDAR e SONAR.
Introdução 131

Perspectiva Tridimensional:
Imagem Estereoscópica de St. Louis, Missouri

Figura 5-2 Este estéreopar de St. Louis, Missouri, consiste de duas cenas do terreno obtidas em duas diferentes estações (posições)
de exposição ao longo de uma única linha de voo. A informação tridimensional do terreno pode ser obtida obser­
vando o modelo (par de fotos) com um estereoscópio. A mente humana usa a informação da paralaxe, inerente às
imagens, para produzir um modelo tridimensional que pode conter informações detalhadas sobre o terreno.

Obtendo Conhecimento Além do Sistema Visual
Humano
Os nossos olhos são sensíveis, primariamente, à luz azul,
verde e vermelha. Portanto, nós amostramos uma porção
muito limitada da energia eletromagnética que de fato
está atuando no ambiente e interagindo com o solo, a
água, a vegetação, a atmosfera e a estrutura urbana. Feliz­
mente, sensores engenhosos foram desenvolvidos com a
capacidade de medir a atividade de raios-x, do ultraviole­
ta, do infravermelho próximo, do infravermelho médio,
do infravermelho termal, das micro-ondas e das ondas
de rádio. Sensores remotos cuidadosamente calibrados
fornecem novas informações sobre um objeto, as quais o
ser humano jamais teria habilidade para avaliar (Robbins,
1999). Por exemplo, consideremos a área de agricultura
na Arábia Saudita mostrada na Figura 5-3. A vegetação
sadia absorve mais a luz verde e vermelha do Sol para
a sua fotossíntese. Portanto, as áreas agrícolas mostram
tons de cinza escuro no imageamento multiespectral no
verde e no vermelho. Por outro lado, a maior quantida­
de de biomassa presente nas plantações representa uma
maior quantidade de energia refletida no infravermelho
próximo, tornando brilhantes (tons de cinza claros) as
áreas densamente vegetadas em imagens no infraverme­
lho próximo. As imagens no verde e no vermelho suge­
rem, pelos tons escuros, que a vegetação está presente em
quase todos os pivôs centrais. O imageamento do infra­
vermelho próximo dá uma informação mais definitiva
sobre a distribuição e quantidade de vegetação (biomas­
sa) encontrada no interior dos campos. Uma composição
colorida é mostrada na Prancha Colorida 5-1.
132 CAPÍTULO Elementos de Interpretação Visual de Imagens

O Sensoriamento Remoto Pode Fornecer Informações Através da Medição das Características

da Energia em Regiões Espectrais Além da Percepção Visual Humana

a. Reflectância no verde b. Reflectância no vermelho c. Reflectância no infravermelho

próximo
Figura 5-3 Imageamento IRS-1C LISS III (índia) (23 x 23 m) de uma área de agricultura na Arábia Saudita, a, b) A vegetação
absorve mais da energia incidente verde e vermelha, resultando em campos vegetados com tons escuros, c) Inversa­
mente, a vegetação reflete uma quantidade substancial da energia incidente no infravermelho próximo, resultando
em tons claros. Neste exemplo, diversos campos aparecem em tons escuros nas imagem no verde e no vermelho (pos­
sivelmente devido à irrigação recente, restos de uma colheita anterior, ou preparação do solo para plantio), sugerindo
a presença de vegetação. O exame cuidadoso dos mesmos campos na imagem do infravermelho próximo revela que a
presença de vegetação é muito pequena. A imagem do infravermelho próximo provê, também, informação detalhada
sobre a distribuição espacial da biomassa presente em cada campo. Uma composição colorida deste imageamento é
apresentada na Prancha Colorida 5-1 (as imagens são cortesia da Indian National Remote Sensing Agency).

Documentação de Registro Histórico de Imagens um caminho promissor para o desenvolvimento sustentável

e a Detecção de Mudanças
Uma única fotografia aérea ou imagem registra a atmos­
fera e a superfície da Terra em um momento único no es­
paço e no tempo, que não se repetirá novamente. Estas
fotografias ou imagens são valiosos registros históricos de
fenômenos naturais e da atuação do homem. Quando ad­
quirimos imagens múltiplas da Terra, podemos comparar
o imageamento histórico com o novo para determinar se
há qualquer mudança sutil, drástica ou particularmente
significante (Jensen e Cowen, 1999; McCoy, 2005). Nor­
malmente, o estudo das mudanças aumenta o nosso en­
tendimento sobre os processos - naturais e induzidos pelo
homem - que atuam sobre uma paisagem. O conhecimen­
to sobre as dinâmicas espacial e temporal dos fenômenos
permitiu o desenvolvimento de modelos de previsão, que
consideram o que aconteceu no passado e o que poderá
acontecer no futuro (Lunetta e Elvidge, 1998). A mode­
lagem com vistas à previsão é um dos principais objetivos
da ciência. A interpretação de imagens de sensoriamento
remoto tem desempenhado um papel de importância cres­
cente na simulação e na modelagem previsionais (Goetz,
2002; Miller et al., 2003; Jensen et al., 2005).
O sensoriamento remoto é especialmente útil no monitora­
mento da atividade do homem através do tempo, indicando
e para as decisões governamentais. Por exemplo, considere
a Figura 5-4, que documenta os efeitos da decisão do Presi­
dente Robert G. Mugabe, que ordenou, em 2005, a demoli­
ção dos estabelecimentos rurais construídos informalmente
pela população pobre do Zimbabwe. O Presidente Mugabe
afirmou que sua campanha de limpeza urbana Operação
Murambatsvina era necessária para “restabelecer o equilíbrio
mental” nas cidades do Zimbabwe que se tornaram, segun­
do o presidente, infestadas por criminosos. O partido polí­
tico de oposição, que tem a sua base de apoio na população
urbana pobre, afirmou que a Operação Murambatsvina teve
como objetivo forçar o deslocamento dessa população para
a área rural, onde o Governo Mugabe poderia controlá-la
mais facilmente. Estima-se que mais de 200.000 pessoas
tornaram-se sem teto. O sensoriamento remoto forneceu
um registro detalhado desses trágicos eventos (BBC, 2005).
Elementos de Interpretação de
Imagem
Para desenvolver análises regionais, observar o terreno em
três dimensões, interpretar imagens obtidas de múltiplas
regiões do espectro eletromagnético e detectar mudanças,
é habitual o uso de princípios de interpretação de imagens,
que foram desenvolvidos por mais de 150 anos através de
experiências empíricas (Estes et al., 1983; Kelly et al., 1999;
Elementos de Interpretação de Imagem 133

Imageamento de Sensoriamento Remoto como um Registro Histórico:

Demolição de Moradias Informais em Harare, Zimbabwe, em 2005

Figura 5-4 A imagem de satélite pancromática de alta resolução espacial (61 x 61 cm) registrou a destruição de moradias
informais em Harare, Zimbabwe, que começou em 25 de maio de 2005. O Presidente Mugabe ordenou que a
polícia, com tratores e marretas, demolisse mais de 20.000 estruturas de habitações informais, tornando mais de
200.000 pessoas sem teto (as imagens são cortesia da DigitalGlobe, Inc.).

McGlone, 2004). Os princípios mais fundamentais são os
elementos de interpretação de imagem, que são usados rotinei­
ramente quando se faz uma fotointerpretação visual em uma
imagem (Bossler et al., 2002). Os elementos de interpretação
de imagem incluem localização, tonalidade e cor, tamanho,
forma, textura, padrão, sombra, altura e profundidade, volu­
me, declividade, aspecto, sítio, situação, e associação (Figura
5-5). Alguns dos adjetivos associados com cada um desses
elemento de interpretação de imagem estão resumidos na
Tabela 5-1. Cada imagem é composta por cristais de haleto
de prata ou pixels individuais que têm uma cor ou tonalida­
de únicas, em uma determinada localização geográfica. Estes
aspectos constituem o bloco fundamental no qual os outros
elementos estão baseados. Portanto, pode-se considerar esses
elementos de interpretação de imagem como primários ou
de primeira ordem (Konecny, 2003). Os elementos secun­
dários e terciários são, basicamente, arranjos de tom e cor.
Os elementos de ordem mais alta, sítio, situação e associação
são frequentemente baseados em diferentes métodos de pes­
quisa, incluindo: o uso de informação colateral (auxiliar), a
convergência de evidências e o uso do conceito multi.
Um intérprete de imagens bem treinado utiliza de forma inte­
grada os elementos de interpretação de imagem, sem ter que
pensar neles individualmente (Lloyd et al., 2002). Por outro
lado, um intérprete inexperiente pode ter que, sistemática e
conscientemente, avaliar um objeto desconhecido com relação
a cada um desses elementos para, finalmente, identificar e jul­
gar o seu significado em relação a outros fenômenos na cena.
Localização x,y
Há dois métodos primários para obter informações precisas
de coordenadas x,y de um objeto: 1) através de medidas de
campo utilizando técnicas tradicionais de levantamento to-
134 CAPÍTULO Elementos de Interpretação Visual de Imagens

Elementos de Interpretação de Imagem:

Ordem e Métodos de Pesquisa

Ordem

Primário

Arranjo [amanho Forma Textura - Secundário ■i

espacial de \ I
tom/cor Padrão Sombra f"
Altura Profundidade Volume Terciário <o
Declividade Aspecto
S t—
Sítio Situação Associação

Métodos de Uso de Dados Colaterais Convergência de Evidências

Uso do Conceito Multi

Figura 5-5 A interpretação de foto ou imagem é, normalmente, baseada no uso de elementos de interpretação de imagem. A
localização de um cristal individual de haleto de prata em uma fotografia, ou pixels em uma imagem, representa os
elementos primários (primeira ordem) de interpretação de imagem. Elementos secundários e terciários são arran­
jos espaciais de tom e cor. Os elementos de ordem mais alta (superior), como sítio, situação, e associação utilizam,
normalmente, diversos métodos de pesquisa para desenvolver interpretações precisas de imagem.

pográfico ou instrumentos que utilizam o sistema de posicio­
namento global (GPS), ou 2) a coleta de dados de sensoria-
mento remoto do objeto, o registro (retificação) da imagem
para um mapa-base, e então a extração das informações de
coordenadas x,y diretamente da imagem retificada.
Se a opção um for a selecionada, a maioria dos cientistas,
hoje, utiliza no campo o instrumento GPS (Figura 5-6), de
custo relativamente baixo, para obter medidas precisas da
localização de um objeto em graus de longitude e latitude
no globo terrestre, ou em metros a leste e a norte, em uma
projeção em mapa (p.ex., Universal Transverse Mercator -
UTM) (McCoy, 2005). E preciso, então, transferir as co­
ordenadas de um ponto (p.ex., a localização de uma árvore
específica) ou polígono (p.ex., o perímetro de um pequeno
lago) para um mapa planimétrico preciso. Nos Estados
Unidos é comum o uso de quadrículas de 7,5 minutos do
U. S. Geological Survey. Na Grã-Bretanha usam-se os ma­
pas da Agência Ordinance Survey.
A maioria das aeronaves e satélites utilizados para coletar
dados de sensoriamento remoto têm um receptor GPS.
Isto permite que os instrumentos de sensoriamento remo­
to a bordo obtenham coordenadas GPS x,y,z precisas em
cada estação de exposição fotográfica ou no centro de cada
linha de varredura. No caso das fotografias aéreas, significa
que nós podemos obter informações sobre a localização
exata do centro de cada cena (i.e., o ponto principal) no
instante da exposição. Podemos usar a informação GPS
coletada pelo sensor (e talvez, também, algumas coleta­
das no terreno), para registrar (retificar) a foto ou imagem
não-controlada numa projeção cartográfica com padrão de
mapa (UTM ou outra projeção). Se corrigirmos, também,
o deslocamento de relevo da topografia, então a foto ou
imagem torna-se uma ortofoto ou ortoimagem com todas as
qualidades métricas de um mapa (McGlone, 2004). As co­
ordenadas geográfica: \x,y) de pontos e polígonos podem,
então, ser extraídas diretamente da imagem retificada. O
Capítulo 6 (Fotogrametria) discute como as ortofotos são
criadas. Jensen (2005) descreve os métodos usados para
retificar digitalmente (i.e., registrar) dados de sensores re­
motos para uma projeção padrão de mapa.
Tom e Cor
Os materiais superficiais naturais, como a vegetação, a
água e o solo descoberto, refletem diferentes proporções
de energia nas porções do espectro eletromagnético do
azul, do verde, do vermelho e do infravermelho próximo.
Podemos plotar a quantidade de energia refletida por cada
um desses materiais em comprimentos de onda específicos
e criar uma curva de reflectância espectral, algumas vezes
chamada de assinatura espectral (Jensen et ah, 2005). Por
exemplo, curvas de reflectância espectral, generalizadas
para objetos encontrados no ecossistema de mangue no sul
da Flórida, são mostradas na Figura 5-7a (Davis e Jensen,
1998). As curvas de reflectância de materiais selecionados
dão indicações para que possamos entender como esses
materiais aparecem em um imageamento branco-e-preto
Elementos de Interpretação de Imagem 135

Coleta de Dados por GPS

Tabela 5-1 Elementos de interpretação de imagem.
QTrin
A d je tiv o s C o m u n s
E le m e n to
(q u a n tita tiv o s e q u a lita tiv o s )

Localização • coordenadas x,y de imagem: coordena-

x,y da (x) coluna e (y) linha em uma imagem
não-retificada
• coordenadas x,y de carta-imagem: os
cristais de haleto de prata ou pixels em
fotografia ou imagem são retificados para
projeção de mapas (p.ex., UTM)

Tom, cor • tom de cinza: claro (brilhante), interme­

diário (cinza), escuro (negro)
• cor: IHS = intensidade, matiz (PI), sa­
turação;
RGB = vermelho, verde e azul; Munsell
Figura 5-6 Cientista coletando dados de localização x,y em
Tamanho • comprimento, largura, perímetro, área capim liso (Sfartina alterniflora) na Enseada de
(m2) Murrels, Carolina do Sul, pelo sistema de posicio­
• pequeno, médio (intermediário), grande namento global (GPS).

Forma • características geométricas de um objeto:

linear, curvilinear, circular, elíptico, radial, ou colorido. Inicialmente, iremos considerar por que os
quadrado, retangular, triangular, hexago- objetos aparecem em uma certa escala de tons de cinza em
nal, pentagonal, estrela, amorfo, etc. imagens branco-e-preto.

Textura • arranjo e disposição característicos de re­ Tom

petições de tom e cor
• liso, intermediário (médio), rugoso Uma banda de energia eletromagnética (p.ex., luz verde de
(grosseiro), mosqueado, salpicado 0,5 - 0,6 pm) registrada por um sistema de sensoriamento
• arranjo espacial de objetos no terreno: remoto pode ser representada por variações de cinza, do
Padrão
sistemático, não-sistemático ou randômi- preto ao branco. Essas variações de cinza são, normalmente,
co, linear, curvilinear, retangular, circular, referidas como tom. Frequentemente dizemos “Esta parte de
elíptico, paralelo, centrípeto, serrilhado, uma imagem tem um tom ‘brilhante, esta área tem um tom
estriado, trançado ‘escuro’, e esta feição tem um tom ‘cinza intermediário.” Na­
turalmente, o quanto é escuro ou brilhante é uma função da
Sombra • uma silhueta causada por iluminação so­ quantidade de luz refletida de uma cena, dentro do intervalo
lar lateral específico dos comprimentos de onda (banda). Por exem­
Altura/ • Elevaçao-z (altura), batimetria-z (pro- plo, considere três imagens branco e preto do ecossistema de
Profundidade fundidade), volume (m3), declividade(°) , mangue do sul da Flórida (Figura 5-7 b-d). As três imagens
Volume/ aspecto (°) registraram, respectivamente, as quantidades de energia refle­
Declividade/ tidas pela cena no verde, no vermelho e no infravermelho.
Aspecto
A luz verde (0,5 - 0,6 pm) incidente penetra na coluna de
Sítio • Sítio: elevação, declividade, aspecto, ex- água mais do que a energia vermelha e a infravermelha, e
Situação posição, adjacente a água, meios de trans- é refletida pelo fundo arenoso ou pelo recife de coral (Fi­
Associação porte, serviços públicos gura 5-7b). Portanto, a banda no verde fornece detalhes de
• Situação', os objetos estão colocados em sub-superfície sobre a estrutura do recife nos arredores das
uma ordem ou orientação um em relação ilhas de mangue. A vegetação de mangue absorve, apro­
ao outro ximadamente, 86 por cento da luz verde incidente para a
• Associação', fenômenos relacionados es­ sua fotossíntese e reflete, aproximadamente, 14 por cen­
tão, normalmente, presentes to. Por isso, o mangue aparece relativamente escuro em
uma imagem com uma única banda no verde. A areia tem
136 CAPÍTULO Elementos de Interpretação Visual de Imagens

Tom e Cor

Areia

Mangue

Agua

Vermelho IníravermelhoH
,6 - ,7 jam ,7 - ,9 pm

a. Curvas de reflectância espectral para b. Fotografia branco e preto da energia refle­ c. Fotografia branco e preto da energia refle­
areia, mangue e água, na Flórida. tida no verde, de mangues da Flórida. tida no vermelho.

d. Fotografia branco e preto da energia refle­ f. A vegetação é escura, o solo descoberto é

tida no infravermelho próximo. verde) circundado por floresta (folhagem sa­ brilhante, e as águas turbulentas são cinza
zonal) (cortesia de Emerge, Inc.). (GeoEye, Inc.).

g. Fotografia U-2 do local de lançamento de um i. Fotografia terrestre de alto contraste de

Sputnik Russo (cortesia de John Pike, FAS). uma vaca.

Figura 5-7 Elementos de Interpretação de Imagem - Tom e Cor.

alta reflexão da energia incidente, em proporções iguais de
azul, verde, vermelho e infravermelho, resultando em tons
de alto brilho em todas as imagens.
O mangue reflete aproximadamente 9 por cento da energia
da luz vermelha (0,6 - 0,7 pm), enquanto absorve cerca de
91 por cento da energia incidente para realizar a fotossíntese.
Isto causa uma resposta do mangue em tons muito escuros
na fotografia no vermelho (Figura 5-7c). A luz vermelha não
tem grande penetração na coluna de água, resultando em tons
levemente escuros, especialmente nos canais mais profundos.
Como esperado, áreas arenosas apresentam tons brilhantes.
Elementos de Interpretação de Imagem
Nas imagens branco e preto sensíveis somente à energia do
infravermelho próximo (0,7 - 0,92 pm), a vegetação apa­
rece em tons brilhantes (Figura 5-7d). A vegetação sadia
reflete grande parte da energia incidente no infravermelho
próximo (aproximadamente 28 por cento). Geralmente,
os tons mais brilhantes de uma superfície vegetada relacio-
nam-se a uma maior quantidade de matéria biológica (bio-
massa) presente (Jensen et al., 1999). Inversamente, a água
absorve grande parte da energia incidente no infraverme­
lho próximo, aparecendo em tons escuros na imagem. Há
um grande contraste entre as áreas emersas brilhantes, pela
resposta da vegetação e da areia, e a água escura. Portanto,
não é surpreendente que a região do infravermelho próxi­
mo seja considerada a melhor para a discriminação entre as
áreas emersas e a interface com a água.
Uma imagem infravermelho branco e preto de uma plan­
tação de pinheiro (folhagem perene) circundada por uma
floresta decídua (folhagem sazonal) é mostrada na Figura
5-7e. O contraste tonal torna fácil a discriminação entre as
duas espécies principais.
Deve-se, no entanto, ser cuidadoso quando se interpretam
bandas individuais de imagens branco e preto. Por exem­
plo, considere a imagem TM (Thematic Mapper) Landsat
na banda 3 (vermelho) de uma área de agricultura no Co­
lorado (Figura 5-7f). Como esperado, a maior quantidade
de vegetação significa uma maior absorção da luz vermelha
incidente e, consequentemente, áreas mais escuras na ima­
gem dentro do sistema de irrigação do pivô central. Por
outro lado, campos descobertos e áreas que não se encon­
tram em produção agrícola mostram tonalidades muito
mais brilhantes. Infelizmente, o lago também aparece em
tons intermediários de cinza. Isto acontece porque o lago
recebeu uma quantidade substancial de sedimentos em sus­
pensão, causando uma maior reflexão da energia radiante
no vermelho, do que seria normalmente esperado se a água
do lago fosse profunda e límpida. Se estivéssemos anali­
sando bandas adicionais no azul, no verde e, talvez, no in­
fravermelho próximo, provavelmente ficaria evidente que
se trata de um corpo d’água. Portanto, neste caso, quando
observamos uma única imagem com variações de tons en­
tre o branco e o preto, nós podemos chegar à conclusão
de que o lago é, simplesmente, um grande campo vege-
tado, talvez em seus estágios iniciais de desenvolvimento,
quando alguma quantidade do solo arenoso é ainda visível
através do dossel. De fato, o lago tem aproximadamente o
mesmo tom de cinza de diversas áreas adjacentes no inte­
rior dos sistemas de irrigação por pivô central.
O ser humano pode diferenciar aproximadamente 40-50
gradações de cinza em uma fotografia ou imagem de senso-
riamento remoto em branco e preto. Entretanto, é necessário
prática e habilidade para extrair a informação útil de imagens
137
branco e preto pancromáticas ou em bandas individuais. Por
exemplo, considere a fotografia U-2 da base de lançamento
de um Sputnik Russo, mostrado na Figura 5-7g. O exame
cuidadoso dos tons de cinza e das sombras por um analista
treinado revela que a terra escavada da depressão da área de
lançamento foi, em grande parte, depositada em uma eleva­
ção nas proximidades. O ser humano não está acostumado
a ver a parte superior dos objetos em tons de cinza. Ele pre­
cisa ser treinado. Além do mais, o homem frequentemente
tem grande dificuldade para identificar feições se a cena é
composta de informações com contraste muito alto. Isto é
exemplificado pela observação de fotografias de dois objetos
muito bem conhecidos: um Dálmata e uma vaca nas figuras
5-7h e i, respectivamente. Muitos analistas inexperientes não
conseguem identificar o Dálmata ou a vaca nas fotografias.
Isto sugere que fotografias aéreas ou imagens de contraste ex­
tremamente alto são difíceis para interpretar, e que é melhor
adquirir e interpretar imagens de sensoriamento remoto que
tenham uma escala de cinza contínua, com tons variando do
preto para o cinza até o branco, se possível.
Cor
Nós podemos utilizar técnicas de combinação de cores
aditivas para criar composições coloridas a partir de ban­
das individuais de dados de sensoriamento remoto, como
discutido anteriormente no Capítulo 4. Essas composições
introduzem o matiz (cor) e a saturação à escala de tons de
cinza (intensidade). A Prancha Colorida 5-2 mostra uma
composição colorida de bandas do verde, do vermelho e do
infravermelho próximo em área de mangue. Observe que
há um grande ganho de informação visual na composição
colorida. O homem tem a capacidade de diferenciar cer­
ca de mil variações sutis de cores. Nesta imagem falsa-cor,
toda a vegetação está representada por matizes de vermelho
(magenta), a areia aparece como um branco brilhante e a
água em vários matizes de azul. Muitos estudiosos preferem
adquirir dados de diferentes tipos para criar as suas compo­
sições coloridas. Tais dados podem incluir fotografias aéreas
em cores naturais, fotografias aéreas infravermelho coloridas
ou dados multiespectrais, onde muitas bandas individuais
são coletadas, e algumas são selecionadas e combinadas por
adição de cores para produzir imagens coloridas.
Infelizmente, a percepção de cores, em algumas pessoas,
não é bem desenvolvida. Isto significa que elas não experi­
mentam a mesma sensação mental de uma cor (p.ex., ver­
de) como acontece com a grande maioria da população.
Apesar das naturais dificuldades que essa disfunção repre­
senta no dia-a-dia das pessoas, muitos excelentes analistas
de imagem apresentam algum tipo de limitação na percep­
ção de cores. Existem testes especiais, como aquele exem­
plificado na Prancha Colorida 5-3, que podem determinar
a capacidade de percepção das cores.
138 CAPÍTULO
Tamanho
a. Automóveis: diversos, mas aproximada­ b. Ferrovia: 1,43 m de bitola e 20 cm entre
mente com 4,5 m de comprimento e 1,8 m dormentes.
de largura.
d. Baseball: 27 m entre bases; 18 m do arre- e. Trampolim: aproximadamente 3,6 m de
messador à sua base. comprimento.
Figura 5-8 Elementos de Interpretação de Imagem -Tam anho.
Tamanho - Comprimento, Largura, Perímetro e
Área
O tamanho de um objeto é uma de suas características mais
distintivas e um dos mais importantes elementos de inter­
pretação de imagem. Os parâmetros mais comumente me­
didos são comprimento (m), largura (m), perímetro (m),
área (m2), e ocasionalmente, volume (m3). O analista deve
medir, rotineiramente, o tamanho de objetos desconheci­
dos. Para fazer isto, é necessário conhecer a escala da foto­
grafia (p.ex., 1:24.000) e a sua unidade geral equivalente ou
escala verbal (i.e., 1 cm = 240 m). No caso do imageamento
digital é necessário conhecer a resolução espacial nominal
no terreno do sistema sensor (p.ex., 1 x lm).
A medição do tamanho de um objeto desconhecido permite
ao intérprete excluir muitas alternativas possíveis. No entan­
to, é necessário ser cuidadoso, porque todos os objetos nos
dados de sensoriamento remoto estão em uma escala menor
do que 1:1 e nós não estamos acostumados a observar a ver­
Elementos de Interpretação Visual de Imagens
c. Uma carreta tem aproximadamente 13,5 a
15 m de comprimento.
f. Carros e caminhões podem ser usados
como escala para determinar o tamanho das
unidUes de ar condicionado.
são miniaturizada de um objeto, que pode medir, em uma
imagem, somente uns poucos centímetros de comprimen­
to e de largura. A medição, numa imagem, do tamanho de
alguns objetos bem conhecidos, tais como o comprimento
de um carro, a largura de uma rodovia e de uma ferrovia,
o tamanho de uma típica residência familiar, etc., permi-
te-nos uma melhor compreensão do tamanho das feições
desconhecidas na imagem e, possivelmente, identificá-las.
Há diversos adjetivos subjetivos e relativos que descrevem o
tamanho dos objetos, incluindo pequeno, médio e grande.
Esses adjetivos devem ser usados moderadamente.
Objetos que apresentam tamanhos relativamente padroni­
zados podem ser usados para avaliar o tamanho de outros
objetos na cena. Por exemplo, nos Estados Unidos um carro
de tamanho médio tem, aproximadamente, 4,5 m de com­
primento por 1,8 m de largura (Figura 5-8a). Eles podem ter
dois terços desse tamanho na Europa, na Ásia, etc. Observe
que é possível diferenciar carros de caminhonetes. Note, tam­
bém, que a linha branca de 15 cm separando os espaços de es­
tacionamento é bem visível, dando indicações sobre a alta re­
Elementos de Interpretação de Imagem
solução espacial desta fotografia aérea. A bitola padrão para as
ferrovias nos Estados Unidos é de 1,43 m (Figura 5-8b). Esta
é uma informação diagnostica para se inferir o comprimen­
to dos vagões ferroviários. O comprimento médio de uma
carreta de um caminhão é de 13,5 a 15,0 m (Figura 5-8c),
permitindo-nos avaliar o tamanho do depósito adjacente.
As dimensões dos campos das principais modalidades es­
portivas, como o futebol, o baseball (Figura 5-8d) e o tênis
são padronizadas no mundo todo. A distância entre as ba­
ses no baseball é de 27 m, enquanto a distância do arre-
messador à sua base é de 18 m. A maioria dos trampolins
em piscinas (Figura 5-8e) tem um comprimento de 3,6 m.
Exemplos adicionais podem ser encontrados no Capítulo
13 (Sensoriamento Remoto de Áreas Urbanas).
Se esses objetos são visíveis em uma imagem, é possível
determinar o tamanho de outros objetos na cena pela com­
paração entre as suas dimensões. Por exemplo, o diâmetro
das duas unidades de ar condicionado de teto mostradas
na Figura 5-8f, equivale, no mínimo, ao comprimento do
carro e do caminhão, também visíveis na imagem.
E arriscado fazer medições precisas de comprimento, pe­
rímetro, e área de objetos em fotografias aéreas (ou outros
dados de sensoriamento remoto) não-retificadas. São raras
as superfícies totalmente planas dentro do campo de visada
instantâneo de uma fotografia aérea ou de outro tipo de
imagem. Isso faz com que pontos que sejam mais altos do
que a elevação média estejam mais próximos do sensor, e
pontos que sejam menores do que a elevação média estejam
mais distantes do sistema sensor. Assim, diferentes partes da
imagem têm diferentes escalas. Prédios altos, montes e de­
pressões podem ter escalas significativamente diferentes do
que a escala calculada pela elevação média na fotografia.
Portanto, a situação ideal é aquela em que os dados da
fotografia aérea, ou de outra imagem, tenham sido reti­
ficados e corrigidos geometricamente para se tornarem,
de fato, uma ortofotografia ou ortoimagem, onde todos
os objetos estão em sua real localização planimétrica x, y.
Então, é possível medir o comprimento, o perímetro, e a
área das feições usando-se diversos métodos, incluindo o
planímetro polar, mesa digitalizadora, análise de grade de
pontos (dot-grid) ou análise digital de imagem. Estes mé­
todos de medição do tamanho de objetos estão descritos
no Capítulo 6 (Fotogrametria).
Forma
Seria maravilhoso se todas as coisas tivessem uma única
forma que pudesse ser facilmente discernida a partir de
uma perspectiva vertical ou oblíqua. Infelizmente, intér­
139
pretes inexperientes muitas vezes encontram dificuldades
para identificar até mesmo a forma do prédio em que se
encontram. Essa dificuldade é ainda maior quando se ava­
lia a forma planimétrica x,y de objetos naturais ou feitos
pelo homem, registrados em uma fotografia aérea ou outro
tipo de imagem. Há numerosos adjetivos para descrever a
forma, tais como (Tabela 5-1) linear, curvilinear, circular,
elíptico, radial, quadrado, retangular, triangular, hexago-
nal, estrela, alongado e amorfo (sem uma forma clara).
Há, no mundo real, uma infinidade de objetos cujas for­
mas devem-se a eventos da natureza ou à interferência do
homem. Infelizmente, podemos mostrar apenas alguns
poucos exemplos (Figura 5-9). Uma moderna aeronave a
jato (Figura 5-9a) tem, tipicamente, uma forma triangular
e sombras com formato característico. Construções resi­
denciais e públicas/comerciais podem variar, desde a for­
ma retangular muito simples de construções residenciais
(Figure 5-9b) até padrões geométricos complexos como o
Pentágono, em Washington, D.C. (Figura 5-9c). A ima­
gem infravermelha branco e preto foi obtida usando-se
uma câmera digital. Normalmente, os sistemas de trans­
porte do homem (Figura 5-9d) têm uma forma curvilinear
e exibem grandes obras de engenharia.
O ser humano modifica a natureza de modos muito di­
versos, alguns deles muito interessantes. Por exemplo, a
Figura 5-9e realça a forma curvilinear de pequenos aterros
cuidadosamente construídos (elevando-se cerca de 60cm
acima da superfície do terreno), que direcionam a água
continuamente através de um campo de arroz, em Loui-
siana. Um campo adjacente apresenta-se sistematicamente
arado. No entanto, a natureza constrói as mais bonitas for­
mas, padrões e texturas, como exemplificado pelo padrão
radial das palmeiras na Figura 5-9f.
O bom intérprete de imagens dedica uma grande quanti­
dade de tempo no campo observando e avaliando as for­
mas dos objetos naturais e feitos pelo homem. O intérpre­
te adquire, então, uma melhor capacidade para entender
como essas formas aparecem quando registradas em uma
imagem vertical ou oblíqua.
Textura
A Textura é a disposição e o arranjo característico dos tons
de cinza ou cores que se repetem em uma imagem. Em uma
fotografia aérea, ela é criada pelas repetições tonais de gru­
pos de objetos, que podem ser muito pequenos para serem
discernidos individualmente. Muitas vezes, duas feições que
tenham características espectrais muito similares (p.ex., tons
branco e preto ou cores similares) mostram características de
textura diferentes, que permitem a um intérprete experiente
140 CAPITULO Elementos de Interpretação Visual de Imagens

Forma

a. Forma triangular (delta) de um típico jato b. Formas retangulares de residências com mó- c. Imagem infravermelho branco e preto do
de passageiros. dulos de larguras simples ou duplas, para venda. Pentágono (cortesia de Positive Systems, Inc.).

d. Trevo de auto-estrada de forma curviline- e. Formas curvilineares de barreiras cuida­ f. Forma radial de copas de palmeiras em San
ar, nos Estados Unidos. dosamente construídas em um campo de Diego, CA.
arroz na Louisiana.
Figura 5-9 Elementos de Interpretação de Imagem —Forma.

distinguir entre elas. Para caracterizar textura, frequente­
mente utilizamos os adjetivos liso (uniforme, homogêneo),
intermediário, e rugoso (grosseiro, heterogêneo).
E importante entender que a textura em uma certa porção
de uma fotografia é, estritamente, uma função da escala.
Por exemplo, em uma fotografia aérea de escala muito
grande (p.ex., 1:500) é possível identificar as folhas e os
galhos no dossel de um conjunto de árvores e descrever a
área como tendo uma textura grosseira. Entretanto, quan­
do se diminui a escala do imageamento (p.ex., 1:5.000), as
folhas e galhos individuais, e até mesmo a copa das árvores,
poderão coalescer, dando-nos a impressão que o conjunto
de árvores tem, agora, uma textura intermediária, i.e., ela
não é lisa mas, definitivamente, não é rugosa. Quando es­
sas mesmas árvores são observadas em uma escala muito
pequena (p.ex., 1: 50.000), elas vão aparecer como uma
floresta uniforme com uma textura lisa. Portanto, a textu­
ra é função da escala do imageamento e da habilidade do
intérprete de percebê-la e de descrevê-la.
Outros adjetivos são frequentem ente utilizados para
descrever a textura, entre os quais mosqueado, ponti­
lhado, etc. É difícil definir exatamente o que signifi­
ca cada uma dessas texturas. E melhor mostrar alguns
exemplos, como os apresentados na Figura 5-10. Tanto
o pomar de abacate como as árvores têm uma textura
grosseira na fotografia de grande escala da Figura 5 -10a.
Por outro lado, a estrada de concreto e o gramado apre­
sentam uma textura lisa. Próximo à piscina, o solo exibe
graus variados de conteúdo de umidade, resultando em
uma textura mosqueada.
Na Figura 5-10b, a floresta de pinheiro, à esquerda, tem
uma textura relativamente grosseira, onde as copas das ár­
vores são visíveis. A areia da praia em tons claros apresenta
uma textura lisa. As plantas ”rabo-de-gato” mais próximas
e os aguapés mais distantes no Lago-L da Usina Nuclear do
Rio Savannah, apresentam texturas intermediárias a rugo-
sas. Finalmente, os aguapés dão lugar aos tons escuros da
água, com uma textura lisa.
Elementos de Interpretação de Imagem 141

Textura

a. Textura relativamente grosseira de planta­ b. O pinheiro tem uma textura grosseira; os c. Textura grosseira de troncos de pinheiro de
ção de abacate. O gramado e a rodovia têm “rabo-de-gato” e os aguapés apresentam tex- corte recente, em uma serraria na Geórgia,
textura lisa. tura intermediária.

d. Textura grosseira de um campo de milho e. Textura mosqueada em solo exposto em i. Variedades de texturas ao longo de um tri­
na Carolina do Sul, entremeado com pés de um sistema de irrigação de pivô central na butário do Mississipi.
maconha circulares . Geórgia.

Figura 5-10 Elementos de Interpretação de Imagem - Textura.

Duas pilhas de troncos de pinheiro com 15 m em uma ser­
raria na Geórgia, são mostradas na Figura 5-10c. Os troncos
apresentam uma textura grosseira heterogênea com um pa­
drão linear. A sombra entre as pilhas tem uma textura lisa.
A Figura 5-10d é uma fotografia interessante mostrando
uma plantação de pés de maconha de forma circular sis­
tematicamente dispostos entremeados em um campo de
milho. A fisiologia (estrutura) dos dois tipos de plantas,
seu espaçamento e orientação combinam para produzir
uma textura grosseira. As sombras produzidas pelos pés de
maconha contribuem substancialmente para a textura da
área. Poucos intérpretes inexperientes notariam as diferen­
ças sutis de textura na fotografia.
de solos, resultando em uma textura mosqueada. Uma parte
da região com textura mosqueada mostra, ainda, os sulcos cir­
culares das seis rodas do sistema de irrigação de pivô central.
Diversas texturas formadas pela vegetação e cordões areno­
sos estão presentes em uma fotografia de grande escala de
um tributário do Rio Mississipi, na Figura 5-10f. Um den­
so conjunto de salgueiros paralelos à margem inferior cria
uma textura relativamente fina, quando comparada com a
textura grosseira da floresta com a qual faz limite. Os cor­
dões de areia entremeados com a água criam uma textura
sinuosa, única, assim como um padrão serrilhado. Muitas
das copas das árvores, na porção superior da imagem, estão
bem espaçadas criando uma textura mais grosseira.

Uma parte do campo na Figura 5-10e está sendo cultivada, Padrão

enquanto a parte restante permanece sem cultivo. A porção
sudoeste do sistema de irrigação de pivô central é vegetada e
apresenta uma textura relativamente lisa. A porção remanes­
cente, sem cultura, parece ter áreas com variações na quantida­
de de umidade no solo, ou ser constituída por diferentes tipos
Padrão é o arranjo espacial dos objetos na paisagem (Figura
5-11). Os objetos podem estar arranjados aleatória ou sis­
tematicamente. Os objetos podem ser naturais, como em
142 CAPÍTULO Elementos de Interpretação Visual de Imagens

Padrão

a. Padrão triangular e sistemático dos B-52 . Sete silos de armazenagem de grãos mos­ c. Padrão sinuoso de canais em forma de
sendo desmontados (cortesia USGS). trando um padrão curvilinear, em uma fa­ trança, dispostos aleatoriamente, em um
zenda no SW dos EUA. solo arenoso no braço do Rio Pen, SC.

d. Padrão de distribuição de glebas em um e. Fileiras de batatas lineares e sistemáticas, f. Padrão de ruas radiais em Paris (Sovinfor-
solo mosqueado, no Texas. mostrando áreas escuras onde a batata foi msputnik and Aerial Images, Inc.).
afetada por doença.
Figura 5-11 Elementos de Interpretação de Imagem - Padrão.

um padrão de drenagem, ou feitos pelo homem, como o
sistema de posse de terra subdividida em distritos, comum
no oeste dos EUA. O padrão é uma característica bastan­
te diagnostica de muitas feições. Os adjetivos típicos de
padrão incluem aleatório, sistemático, circular, centrípeto,
oval, curvilinear, linear, radial, retangular, hexagonal, pen­
tagonal, octogonal, etc.
Exemplos de padrões típicos observados em dados de sen-
soriamento remoto são mostrados na Figura 5-11. O pri­
meiro exemplo representa um padrão triangular e sistemá­
tico dos B-52 sendo desmontados, na Base da Força Aérea
de Monthan (Figura 5-11 a). Uma grande lâmina de metal
corta a fuselagem em um número determinado de partes.
As partes precisam permanecer visíveis por um certo nú­
mero de dias, para que os outros países possam, através de
sua própria tecnologia de reconhecimento aéreo, verificar
que o número especificado de B-52 foi desativado, como
parte do processo estratégico de limitação de armas. O
equipamento pesado movendo-se entre as aeronaves cria
um padrão único curvilinear.
Sete grandes silos de estocagem de grãos podem ser vistos
na Figura 5-1 lb. Os silos são circulares e estão dispostos
na paisagem em um padrão curvilinear. Numerosas edifi­
cações retangulares da fazenda, orientadas norte-sul, estão
dispostas em um arranjo aleatório.
Um padrão sinuoso e aleatório de canais em forma de tran­
ças presente na desembocadura do braço do Rio Pen é apre­
sentado na Figura 5-1 lc. Este padrão particular assemelha-
se a uma trança de cabelo, daí a terminologia. Os principais
padrões de drenagem que podem ser identificados em dados
de sensoriamento remoto são discutidos no Capítulo 13.
A Figura 5-11 d representa o sistema cadastral de subdivi­
são de glebas (Township & Range) superimposto em uma
região de agricultura no Texas. A fotografia NAPP (Pro­
grama Nacional de Fotografias Aéreas) revela pequenas áreas
de trabalho da fazenda, separadas por grandes campos de
terra agriculturável. As diferenças de conteúdo de umidade
nos tipos de solo dos campos combinam-se para criar uma
textura mosqueada, não sistemática.
Elementos de Interpretação de Imagem 143

Sombra

b. Disposição das sombras do I.a Gloriette - c. As sombras da placa de sinalização e da

Cris Benton). Arco da Glória - em Viena, na Áustria. ponte fornecem informações úteis.

^ , X
\v I
P
,'Á' ij'
•T *>M i>'\* Vr

V ,/ ]
t: ' \ 1

d. As Pirâmides de Glsã (cortesia de Sovin- e. As sombras dão informações sobre a altura f. Imagem orientada, durante a análise, de
forsputnik and Aerial Images, Inc). dos objetos (Emerge, Inc). forma que as sombras posicionem-se em di­
reção ao observador.
Figura 5-12 Elementos de Interpretação de Imagem - Sombra.

As batatas arranjadas em fileiras lineares espaçadas sistema­
ticamente são mostradas na Figura 5-1 le. As fileiras estão
arranjadas em um padrão retangular. Esta fotografia do in­
fravermelho próximo revela que alguns desses campos apare­
cem em tons escuros, indicando áreas afetadas por doença.
Uma fotografia do satélite russo KVR-1000 revela o pa­
drão radial de ruas centradas no Arco do Triunfo, em Paris
(Figura 5-1 lf).
imagem dão mais informações do que os próprios objetos.
La Gloriette —Arco da Glória —em Viena, na Áustria, tem
uma única estátua em seu topo (Figura 5-12b). Através de
uma avaliação cuidadosa das sombras em uma fotografia
vertical, é possível determinar a localização da estátua no
topo do prédio. De forma similar, as sombras da placa de
sinalização da rodovia e da pista elevada sobre a rodovia
(Figura 5-12c) dão mais informação que os próprios obje­
tos, em uma fotografia aérea vertical.

Sombra Imagens ou fotografias em escalas muito pequenas, nor­

A maioria dos dados de sensoriamento remoto é coletada
num intervalo de ± 2 horas ao redor do meio dia, para
evitar sombreamentos extensivos nas imagens. Isto ocorre
porque as sombras podem obscurecer outros objetos, difi­
cultando a sua detecção e identificação. Por outro lado, a
sombra ou silhueta de um objeto pode ser o único indica­
dor real para a sua identificação. Por exemplo, considere
as sombras formadas por duas pessoas em pé no cais do
porto e por dois bancos, na Figura 5-12a. As sombras na
malmente, não contêm sombras de objetos, a não ser que
tenham um grande destaque em relação à topografia ao seu
redor, como montanhas, construções extremamente altas,
etc. Por exemplo, as sombras feitas pelas grandes pirâmides
de Gisa, no Egito (Figura 5-12d). As sombras distintivas
são bastante diagnosticas na interpretação de imagens.
Algumas vezes, quando o intérprete não tem acesso a um
imageamento estereoscópico, as sombras podem dar in­
formações sobre a altura de um objeto. Por exemplo, as
sombras do edifício, na Figura 5-12e, contêm informações
144 CAPÍTULO Elementos de Interpretação Visual de Imagens

Altura e Profundidade

a. Deslocamento de relevo como um importante b. Sombras e mascaramentos na cidade de São c. A batimetria da Baia de Monterey, CA
indicativo monoscópico sobre a altura de objetos. Francisco (cortesia GeoEye Inc.). (cortesia HJW, In cS P O T Im a g e, Inc.).

Figura 5-13 Elementos de Interpretação de Imagem - Altura e Profundidade.

valiosas sobre a altura do edifício, permitindo identificá-lo Altura e Profundidade

como uma residência familiar térrea. O Capítulo 6 (Foto-
grametria) descreve como a sombra pode ser usada para
medir a altura de objetos.
Quando se interpreta uma imagem com uma quantidade
substancial de sombra, deve-se orientar a imagem de for­
ma que as sombras se posicionem em direção ao intérprete,
como mostrado na Figura 5-12f. Isto evita que o intérpre­
te tenha a ilusão pseudoscópica, onde há uma inversão da
percepção de profundidade: os pontos mais baixo aparecem
como os mais elevados e vice-versa. Por exemplo, é difícil
interpretar a floresta e as áreas alagadas da Figura 5-12f,
quando se posicionam as sombras no sentido contrário ao
observador. Por favor, rotacione 180° e perceba como é di­
fícil interpretar corretamente. Infelizmente, muitas fotogra­
fias aéreas do hemisfério norte são obtidas durante os meses
de primavera, quando o Sol posiciona as sombras no sentido
norte. A solução é reorientar as fotografias, invertendo o sul
e o norte. No entanto, se estivermos fazendo um fotomapa
ou ortofotomapa, é convenção cartográfica a colocação do
norte no topo do mapa. Isto pode causar alguns problemas
na interpretação do fotomapa se o intérprete não tiver co­
nhecimento sobre a ilusão pseudoscópica.
As sombras no imageamento de radar são completa­
mente negras e não contêm nenhum tipo de informa­
ção. Felizmente, não é isso o que ocorre com as sombras
em uma fotografia aérea. Ainda que as áreas sombreadas
apareçam em tons relativamente escuros, elas podem
conter ainda alguma luz espalhada das áreas vizinhas,
suficiente para iluminar o terreno, em diferentes graus,
e perm itir que se obtenha alguma informação a respeito
da área sombreada.
A habilidade para observar e medir a altura (elevação) ou
profundidade (batimetria), de um objeto ou forma de re­
levo, é um d' s mais diagnósticos elementos de interpre­
tação de imagem (Figura 5-13). A paralaxe estereoscópica
está presente nos dados de sensoriamento remoto quando
o mesmo objeto é observado sob duas diferentes perspecti­
vas. A observação, através de instrumentos estereoscópicos,
dessas imagens ou fotografias tomadas com superposição
de áreas, é o melhor método para visualizar tridimensional­
mente um terreno e para extrair informações precisas x,y,z
de topografia e/ou batimetria. As técnicas de análise estere­
oscópica são apresentadas no Capítulo 6 (Fotogrametria).
Entretanto, também há indicadores monoscópicos que permi­
tem avaliar a altura ou profundidade de um objeto. Por exem­
plo, qualquer objeto, como um prédio que se projete acima de
um datum local, apresentará um deslocamento radial a partir
do ponto principal em uma fotografia aérea vertical. Assim,
poderemos ver um dos lados de uma feição, como mostrado
na Figura 5-13a. Além disso, todos os objetos que se projetem
acima do datum local apresentarão uma sombra que fornece­
rá informações diagnosticas sobre suas alturas ou elevações,
como exemplificado pelos vários edifícios de São Francisco,
mostrados na Figura 5-13b. Ocorre, também, que a sombra
de objetos obscureçam outros ao seu lado, tornando claro que
um objeto tem maior elevação do que outro. Por exemplo, o
edifício no topo da Figura 5-13b está mascarando o edifício
ao seu lado, sugerindo que ele tem uma altura maior.
A melhor forma de obter medidas batimétricas é através do
equipamento de sensoriamento remoto denominado so-
Elementos de Interpretação de Imagem
Sítio, Situação e Associação
a. Planta da Usina Termelétrica de Haynes b. Uma serraria com suas pilhas de troncos
em Long Beach, CA. enfileirados e tábuas serradas.
Figura 5-14 Elementos de Interpretação de Imagem - Sítio, Situação e Associação.
nar, que envia um pulso de som e mede o tempo necessário
para que ele atravesse a coluna d’água, seja refletido pelo
fundo, e retorne ao sensor. A imagem da Baia de Monte-
rey, CA, mostrada na Figura 5-13c, foi obtida usando-se
sonar e integrada com uma imagem SPOT.
Sítio, Situação e Associação
Sítio, situação e associação são características muito impor­
tantes quando se busca identificar um objeto ou atividade.
Um sítio tem características físicas e/ou sócio-econômicas
únicas. As características físicas podem incluir elevação, de-
clividade, aspecto e tipo de cobertura superficial (p.ex., solo
descoberto, grama, arbusto/cerrado, pastagem nativa, flores­
ta, água, asfalto, concreto, residência, etc.). As características
sócio-econômicas do sítio incluem o valor da terra, o sistema
de posse da terra, a proximidade da água, e/ou a certo tipo
de população (profissional, horista, aposentado).
A situação refere-se à organização e orientação de certos objetos
na cena, um em relação ao outro. Frequentemente, conjuntos
de materiais, de construções, de oleodutos, de produtos, etc.,
estão distribuídos de uma maneira lógica, previsível.
A associação refere-se ao fato de que, quando se avalia um
certo fenômeno ou atividade, quase que invariavelmente en-
contram-se feições ou atividades relacionadas ou associadas.
Quando se analisa uma imagem, os elementos de interpreta­
ção sítio, situação e associação raramente são usados de forma
independente. O normal é serem usados sinergicamente para
atingir uma conclusão lógica. Por exemplo, as estações de tra­
tamento de esgoto são quase sempre localizadas em uma área
(sítio) plana, próximas de uma fonte de água, para que possa
dispor de água tratada, e relativamente próximas da comu­
nidade. Alamedas que compõem grandes centros comerciais
145
de Augusta, GA.
têm, tipicamente, múltiplos edifícios térreos, muitas áreas de
estacionamento e são, idealmente, situadas próximo às princi­
pais artérias de transporte e centros populacionais.
Plantas de usinas termelétricas, como a de Flaynes Steam
em Long Beach mostrada na Figura 5-14a, normalmente
estão localizadas em áreas planas, com diversas obras de
engenharia e próximas a grandes reservatórios de petróleo
(ou outro tipo de recurso natural), para serem utilizados na
geração de vapor d água que irá movimentar os geradores
de energia elétrica. Anteparos feitos pelo homem, normal­
mente envolvem a área onde se situa o tanque, para conter
o petróleo em caso de ocorrer algum acidente. As plantas
das usinas termelétricas são, frequentemente, refrigeradas
pela circulação de algum tipo de líquido armazenado em
pequenos lagos. A água é utilizada para refrigerar os com­
ponentes críticos geradores de vapor d’água.
Serrarias, como a mostrada na Figura 5-l4b, estão, normal­
mente, situadas em um terreno plano, com muitas árvores
disponíveis num raio de 20 km e contendo muitas pilhas de
troncos enfileirados e outras pilhas de tábuas bem organiza­
das, uma fornalha para queimar os restos de madeira, e amplas
instalações de processamento da madeira. Frequentemente,
um ramal ferroviário é utilizado para escoar a madeira.
As plantas de usinas nucleares localizam-se em áreas carac­
terizadas por grandes obras de engenharia. Elas contêm um
(ou mais) grande edifício de concreto onde se situa o reator.
A área pode conter grandes lagos, para a recirculação da água
que refrigera o reator, ou possuir enormes torres refrigerado-
ras, como aquelas em construção na Usina Nuclear de Vogle,
próximo de Augusta, GA, mostrada na Figura 5-14c. Como
a eletricidade pode ser transportada economicamente a gran­
des distâncias, não há necessidade de que as usinas nucleares
sejam construídas próximas à população consumidora.
146 CAPÍTULO Elementos de Interpretação Visual de Imagens

Um intérprete experiente traz o seu conhecimento sobre sí­ Tabela 5-2 Informações colaterais frequentemente usadas na
tio, situação e associação para a solução de um problema de interpretação de fotografias aéreas e outros dados
interpretação de imagem. Esse conhecimento é obtido pela de sensoriamento remoto nos Estados Unidos.
observação dos fenômenos que ocorrem no mundo real. O
T ó p ic o In fo r m a ç ã o C o la te r a l
intérprete mais eficiente é aquele que teve a oportunidade de
observar um grande número de ambientes naturais e modi­ Orientação Mapa Internacional do Mundo: 1:1.000.000
ficados pelo homem. E difícil identificar um objeto em uma Geral National Geospatial-Intelligence Agency
imagem se ele nunca foi observado in situ e nunca teve as (NGA) 1:100.000, 1:250.000
suas características de sítio, situação e associação avaliadas. USGS 7,5 min 1:24.000
USGS 15 min 1:63.300
Métodos de Pesquisa Sistemas de navegação de imagens: Google
Earth,
Space Imaging, DigitalGlobe, SPOT
Limites ou USGS 7,5 min 1:24.000
A fotointerpretação tem sido utilizada desde que Gaspard
Distritos USGS 15 min 1:63.300
Felix Tournachon (Nadar) obteve, com sucesso, a primeira
Estado, município, cidade, escola, corpo
fotografia aérea na França, em 1858. Nesses anos, os cientis­ de bombeiro (incêndio), cadastro eleitoral,
tas desenvolveram muitas abordagens para interpretar dados
água/esgoto
de sensores remotos, incluindo: 1) utilização de informações
colaterais (auxiliares), 2) aplicação da convergência de evidên­ Cadastral Mapas de tributos de cidades e municípios
cias, e 3) aplicação do conceito multi na análise de imagens. Controle USGS gráfico linear digital - elevação
Geodésico NGS - cartas náuticas e batimétricas
Usando a Informação Colateral
Floresta USFS - informações florestais
Geologia USGS - superfície e sub-superfície
Os intérpretes experientes raramente analisam uma foto­ Desastres 1EMA - mapas de inundação
grafia aérea, ou outros dados de sensoriamento remoto, USCG - índice de sensibilidade ambiental
sem ter, previamente, algum outro tipo de informação. Na
Hidrologia USGS gráfico linear digital - elevação
realidade, o intérprete deve coletar o maior número possí­
NGS - cartas náuticas e batimétricas
vel de informações colaterais (frequentemente chamadas de
USGS - relatórios sobre abastecimento de água
anteriores ou auxiliares) sobre a área e o objeto de estudo.
USGS - relatórios de descarga volumétrica
Os principais tipos de informações colaterais estão resumi­
(fluxo)
dos na Tabela 5-2, incluindo o uso de uma variedade de
mapas para orientação, informação sobre limites políticos, Sócio- Bureau of the Census —dados demográficos
dados cadastrais de propriedades, controle geodésico (x, Econômico -Blocos de dados TIGER (Topologically
y, z), dados florestais, dados geológicos, informação sobre Integrated Geographic and Reference)
riscos, dados hidrológicos de superfície e sub-superfície, -Censo de cidades e municípios (Census tract)
dados sócio-econômicos, taxonomia do solo, dados topo­ Solos SCS, NRCS - mapas de taxonomia de solos
gráficos e batimétricos, características de transporte, infor­
Topografia/ USGS —Dados nacionais de elevação (NET)
mação sobre áreas alagadas ou úmidas. O ideal é que esses
Batimetria NGA - Banco de dados digitais de elevação
dados estejam arquivados em um Sistema de Informações do terreno (DTED)
Geográficas (SIG), para que sejam facilmente acessados e USCG - cartas náuticas e batimétricas
superpostos aos dados de sensoriamento remoto.
Transporte USGS gráfico linear digital - transporte
É importante contactar um serviço nacional de previsão de Mapas de transporte de Estados e municípios
tempo, que forneça informações quantitativas sobre as con­ Tempo/ Serviço Meteorológico Nacional - NEXRAD
dições meteorológicas (cobertura de nuvens, visibilidade e atmosfera
precipitação) no dia em que os dados de sensoriamento re­ Áreas USGS - Mapas do Inventário Nacional de
moto foram coletados e nos dias imediatamente anteriores. alagadas/ áreas Alagáveis
úmidas NOAA - Programa de análise de mudanças
Pode-se obter, também, mapas sobre as ruas locais, fotogra­ costeiras
fias terrestres, livros sobre a geografia local e regional, e ar­
tigos e revistas populares sobre o local ou objeto de estudo.
Pode-se, também, obter informações com a população local.
Métodos de Pesquisa
O bom fotointérprete vai ao campo fazer uma avaliação ini­
cial da configuração do terreno, das características de vege­
tação e solo, da drenagem e das condições geomórficas, e do
impacto cultural causado pelo homem na região.
Frequentemente, essas informações espaciais estão arqui­
vadas em um SIG. Isto é importante porque os dados de
sensoriamento remoto podem ser registrados geometrica­
mente com as informações da base de dados do SIG, facili­
tando a superposição e análise conjunta desses dados.
Convergência de Evidências
É importante que se desenvolva o trabalho a partir do conhe­
cido para o desconhecido. Por exemplo, talvez nós tenhamos
dificuldade para identificar um tipo particular de indústria
em uma fotografia aérea. Um exame cuidadoso dos objetos
familiares que se posicionam ao redor do objeto de interesse,
e que, de alguma forma o influenciam, pode nos fornecer
indicações valiosas que nos permitam identificá-lo. Este exa­
me pode incluir uma interpretação cuidadosa das caracterís­
ticas do edifício (comprimento, largura, altura, número de
depósitos, tipo de construção), do padrão de transporte nos
arredores (p.ex., características de estacionamento, ramal de
ferrovia para o edifício, proximidade de rodovias), da decli-
vidade e do aspecto da área, das características de drenagem,
das instalações que entram ou saem do edifício (oleoduto,
entrada ou saída de água), dos materiais dispostos de ma­
neira não natural ou de produtos manufaturados na parte
exterior do edifício, dos métodos e dos equipamentos de
transporte (tratores, docas de carga, rampas, etc.). Trazemos,
então, todo o conhecimento que temos para a interpretação
da imagem e convergimos nossas evidências para identificar o
processo ou objeto de estudo.
Vamos considerar um outro exemplo de convergência de
evidências. Suponha que tenhamos que descrever o tipo e
as instalações do aeroporto mostrado na Figura 5-15. Em
uma primeira análise, nós poderiamos concluir que este é
um aeroporto civil, com jatos comerciais. Entretanto, após
uma inspeção mais detalhada, veremos que os jatos 2, 3
e 6 parecem normais (Boeing 707, na forma de grandes
deltas), mas os jatos 4 e 5 mostram padrões de sombras
com diferenças substanciais na fuselagem e no solo. O jato
número 1 exibe, também, algumas características inco-
muns de sombras. Além do mais, nota-se que os jatos 4 e 5
apresentam um objeto circular de cor negra com uma faixa
branca, situado no topo da aeronave.
Um analista de imagem que já tenha visto uma aerona­
ve Boeing E-3 da Airborne Warning and Control System
(AWACS) no solo, provavelmente identificará com facili­
dade a aeronave. Um analista não-militar precisará:
147
• notar a ausência de instalações de rampas para embar­
que/ desembarque de passageiros, comuns em aeroportos
comerciais, sugerindo tratar-se de um aeroporto militar;
• examinar os padrões incomuns de sombra;
• consultar manuais que contenham exemplos de aero­
naves compatíveis com os padrões de sombra (p.ex.,
Figura 5-11 b);
• convergir as evidências para chegar a uma conclusão
correta.
O primeiro passo para camuflar um E-3 em um aeroporto
seria alinhar a barra branca com a fuselagem (por favor,
observe o jato 1).
O Conceito Multi
Robert Colwell, do Departamento de Floresta da Universi­
dade da Califórnia em Berkeley, apresentou o conceito multi
em interpretação de imagem, na década de 1960 (Colwell,
1997). Ele sugeriu que o método científico mais útil e preci­
so de interpretação de imagem consistia no desenvolvimento
dos seguintes tipos de análise: multiespectral, multidisciplinar,
mídtiescala e multitemporal. O conceito multi sofreu uma ela­
boração posterior por Estes et al. (1983) eTeng (1997).
Colwell foi o pioneiro no uso de fotografias aéreas mídtibandã
e de dados multiespectrais de sensores remotos. Ele observou
que, em ambientes de agricultura e floresta, as medidas feitas
em múltiplos intervalos (bandas) discretos de comprimento
de onda do espectro eletromagnético, eram, normalmente,
mais valiosas que as adquiridas em uma única imagem banda
larga, do tipo pancromática. Por exemplo, a Figura 5-7 docu­
menta a diferença significativa no conteúdo de informação
encontrado nas imagens multiespectrais, nas bandas verde,
vermelho e infravermelho próximo, de uma área de mangue.
Colwell realçou, também, a importância de se utilizarem fo­
tografias ou imagens mídtiescala (frequentemente denomi­
nadas de multiestágio). O imageamento em escalas meno­
res (p.ex., 1:80.000) permite integrar as imagens em escalas
intermediárias (p.ex., 1:40.000) em seu contexto regional.
Assim, o imageamento em escala muito grande (p.ex., >
1:10.000) pode ser usado para fornecer informações deta­
lhadas sobre o fenômeno local. A investigação in situ no
campo é a maior escala utilizada, e é muito importante.
Cada escala do imageamento fornece informações únicas,
que podem ser usadas para calibrar as outras escalas.
O Professor Colwell acreditava na necessidade de agrupar
especialistas multidisciplinares para se focar numa análise
148 CAPITULO Elementos de Interpretação Visual de Imagens

Convergência de Evidências

a. Aeronaves no pátio do Aeroporto de Riyadh, Arábia Saudita.

10,6 m de diâmetro 12,5 m __

b. Aeronave E-3 (Airborne Warning and Control System - AWACS)

da Real Força Aérea Saudita.

Figura 5-15 a) Imagem pancromática (61 x 61 cm) de um aeroporto em Riyadh, Arábia Saudita, obtida em 9 de Dezembro
de 2001 (cortesia da DigitalGlobe, Inc.). b) Vista terrestre da aeronave E-3 (.Airborne Warning and Control System -
AWACS) da Real Força Aérea Saudita. A E-3 é equipada com um radar “look down , que pode identificar alvos no
solo e no mar. Seu radar tem uma visão de 360° no horizonte e tem um alcance superior a 320 km. A Força Aérea dos
Estados Unidos, a NATO, o Reino Unido, a França e a Arábia Saudita operam AWACS. [Velocidade > 800 km/h;
Teto > 10.670 m; Autonomia de voo > 11 horas; Alcance > 9.250 km] (Boeing, 2005).

de sensoriamento remoto ou um problema de extração de
informações. O mundo real consiste de solos, de geologia
de superfície e sub-superfície, de vegetação, de água, de at­
mosfera e de estruturas urbanas feitas pelo homem. Nesta
época, em que a especialização científica é cada vez maior,
é difícil para qualquer pessoa ter a habilidade de entender
e extrair todo o tipo de informação pertinente presente em
uma imagem de sensoriamento remoto. Por isso, Colwell
foi o grande incentivador da inclusão de cientistas multidis-
ciplinares no processo de interpretação de imagens. Esta fi­
losofia e a sinergia do processo permitem, frequentemente,
resultados originais e inesperados, com cada cientista mul-
tidisciplinar trazendo o seu conhecimento e sua visão sobre
o problema analisado (Donnay et ah, 2001). A Tabela 5-3
lista as disciplinas dos profissionais que, normalmente, co­
laboram no estudo sistemático de um determinado tópico.
Conclusão 149

Tabela 5-3 A contribuição de cientistas multidisciplinares no calendários estejam disponíveis, eles podem ser utilizados
processo de interpretação de imagens. para selecionar as melhores datas para adquirir os dados
de sensoriamento remoto durante a época de desenvolvi­
T ó p ic o D is c ip lin a s
mento das culturas. Muitos outros fenômenos que se de­
Agricultura Agronomia, engenharia agronômica, senvolvem ao longo do tempo, como o desenvolvimento
biologia, biogeografia, geologia, ecologia residencial urbano, podem ser monitorados usando-se da­
da paisagem, ciência do solo dos de sensoriamento remoto. Um intérprete de imagem
Biodiversidade, Biologia, zoologia, biogeografia, ecologia experiente, entende o ciclo fenológico de um fenômeno
habitat da paisagem, ciência marinha, ciência do interpretando esta informação e usando-a para escolher o
solo melhor tipo de sensor remoto para o estudo e os dias mais
Preparação de Cartografia, SIG, ciência da computação, favoráveis do ano para a aquisição dos dados.
base de dados e fotogrametria, programação, modelagem
algoritmos analítica Conclusão
Floresta, Floresta, agronomia, ecologia de pasta-
pastagem gem nativa, ecologia da paisagem, bio­
geografia e ciência do solo Nós, agora, conseguimos um bom entendimento sobre os
Controle Geodésia, topografia, fotogrametria elementos fundamentais de interpretação de imagem. Po­
geodésico demos utilizar os elementos de interpretação de imagem
Geologia Geologia, geomorfologia, agronomia, para uma análise cuidadosa de uma fotografia aérea ou de
solos geografia outros tipos de dados de sensores remotos ópticos (com­
primentos de onda do azul, verde, vermelho e infraver­
Desastres Geologia, hidrologia, geografia urbana e
melho). Baseados neste fundamento, estamos preparados
física
para progredir para técnicas mais sofisticadas de análise de
Hidrologia Hidrologia, química, geologia, geografia imagens, que incluem a extração quantitativa de informa­
Topografia/ Geodésia, topografia, fotogrametria ções dos dados de sensores remotos, usando os princípios
batimetria de fotogrametria.
Transporte Engenharia de transporte, planejamento
de cidades, geografia urbana
Referências
Estudos Geografia urbana, econômica e política,
urbanos planejamento de cidades, engenharia de
transporte, engenharia civil e ecologia da
paisagem
BBC, 2005, “What Lies Behind the Zimbabwe Demolitions?”
Tempo/ Meteorologia, climatologia, física, quí­ BBC News World Edition, London: BBC NEWS, July 26.
atmosfera mica, ciência atmosférica
Áreas alagadas Biologia, ecologia da paisagem, Boeing, 2005, Airborne Warning and Control (AWACS)
e úmidas biogeografia Aircraft, Seattle: Boeing Aircraft Corporation, www.boeing.
com/defense-space/ic/awacs/e3svcww/e3overview.html.

A utilização de dados de sensoriamento remoto obtidos
em uma única data podem fornecer informações impor­
tantes sobre o objeto de estudo, porém nem sempre per­
mitem entender os processos desenvolvidos na área. Por
outro lado, a investigação que utilize dados de sensoria­
mento remoto multitemporais permite a obtenção de mais
de uma imagem de um determinado objeto. O monitora­
mento de fenômenos através do tempo permite-nos enten­
der os processos que atuam na área e desenvolver modelos
prognósticos (Lunetta e Elvidge, 1998; Schill et al., 1999).
Colwell foi pioneiro a introduzir o conceito de calendário
fenológico no desenvolvimento de culturas, com o objeti­
vo de monitorar as mudanças espectrais que ocorrem nas
plantas durante o seu desenvolvimento. Uma vez que esses
Bossler, J. D., Jensen, J. R., McMaster, R. B. and C. Rizos,
2002, Manual o f Geospatial Science and Technology, London:
Taylor & Francis, 623 p.
Colwell, R. N., 1997, “History and Place of Photographic
Interpretation,” Manual o f Photographic Interpretation, W.
Philipson (Ed.), 2nd Ed., Bethesda: ASP&RS, 3-48.
Davis, B. A. and J. R. Jensen, 1998, “Remote Sensing of
Mangrove Biophysical Characteristics,” Geocarto International,
13(4):55-64.
Donnay, J., Barnsley, M. J. and P. A. Longley, 2001, Remote
Sensing and Urban Analysis, NY.: Taylor & Francis, 268 p.
150 CAPITULO
Estes, J. E., Hajic, E. J. andL. R.Tinney, 1983, “Fundamentais
of Image Analysis: Analysis of Visible and Thermal Infrared
Data,” Manual o f Remote Sensing, R. N. Colwell, (Ed.),
Bethesda: ASP&RS, 1:1039-1040.
Goetz, S. J., 2002, “Recent Advances in Remote Sensing of
Biophysical Variables: An OverView of the Special Issue,”
Remote Sensing o f Environment, 79:145-146.
Haack, B., Guptill, S., Holz, R., Jampoler, S., Jensen, J. R.
and R. A. Welch, 1997, “Urban Analysis and Planning,”
Manual o f Pbotographic Interpretation, W. Philipson (Ed.),
2nd Ed., Bethesda: ASP&RS, 517-547.
Jensen, J. R., 2005, Introductory Digital Image Processing: A
Remote Sensing Perspective, 3rd Ed., Upper Saddle River:
Prentice-Hall, Inc., 525 p.
Jensen, J. R. and D. C. Cowen, 1999, “Remote Sensing of
Urban/ Suburban Infrastructure and Socioeconomic Attributes,”
Photogrammetric Engineering&Remote Sensing, 65(5):611-622.
Jensen, J. R., Coombs, C., Porter, D., Jones, B., Schill, S. and
D. White, 1999, “Extraction of Smooth Cordgrass (Spartina
alterniflora) Biomass and LAI Parameters from High
Resolution Imagery,” Geocarto International, 13(4):25—34.
Jensen, J. R., Saalfeld, A., Broome, F., Cowen, D., Price, K.,
Ramsey, D., Lapine, L. and E. L. Usery, 2005, “Chapter 2:
Spatial Data Acquisition and Integration,” in R. B. McMaster
and E. L. Usery (Eds.), A Research Agenda for Geographic
Information Science, Boca Raton: CRC Press, 17—60.
Jensen, R. R., Gatrell, J. D. and D. D. McLean (Eds.),
2005, Geo-Spatial Technologies in Urban Environments, N.Y.:
Springer, 176 p.
Kelly, M., Estes, J. E. and K. A. Knight, 1999, “Image
Interpretation Keys for Validation of Global Land-Cover
Data Sets,” Photogrammetric Engineering & Remote Sensing,
65:1041-1049.
Elementos de Interpretação Visual de Imagens
Konecny, G., 2003, Geoinformation: Remote Sensing,
Photogrammetry and GIS, London: Taylor & Francis, 248 p.
Linder, W., 2003, Digital Photogrammetry: Theory and
Applications, Berlin: Springer-Verlag, 189 p.
Lloyd, R., fdodgson, M. E. and A. Stokes, 2002, “Visual
Categorization with Aerial Photographs,” Annals o f the
Association o f American Geographers. 92(2):24l-266.
Lunetta, R. S. and C. D. Elvidge, 1998, Remote Sensing
Change Detection: Environmental Monitoring Methods and
Applications, Ann Arbor: Ann Arbor Press, 318 p.
McCoy, R. M., 2005, FieldMethods in Remote Sensing, N.Y.:
Guilford Press, 159 p.
McGlone, J. C., 2004, Manual o f Photogrammetry, 5th Ed.,
Bethesda: ASP&RS, 1151 p.
Miller, R. B., Abbott, M. R., Harding, L. W., Jensen, J. R.,
Johannsen, C. J., Macauley, M., MacDonald, J. S. and J.
S. Pearlman, 2003, Using Remote Sensing in State and Local
Government: Information for Management and Decision
Making, Washington: National Academy Press, 97 p.
Philipson, W., I .97, Manual o f Pbotographic Interpretation,
2nd Ed., Bethesda: ASP&RS, 555 p.
Robbins, J., 1999, “High-Tech Camera Sees What Eyes
Cannot,” New York Times, Science Section, September
14, D5. Schill, S., Jensen, J. R. and D. C. Cowen, 1999,
“Bridging the Gap Between Government and Industry: the
NASA Affiliate Research Center Program,” Geo Info Systems,
9(9):26-33.
Teng, W. L., 1997, “Fundamentais of Photographic
Interpretation,” Manual o f Photographic Interpretation, W.
Philipson (Ed.), 2nd Ed., Bethesda: ASP&RS, 49—113.
Wolf, P. R. and B. A Dewitt, 2000, ElementsofPhotogrammetry
with Applications in GIS, NY.: McGraw Hill, 608 p.
I
Fotogrametria 6
otogrametria é a arte e a ciência de realizar medições precisas por meio de foto­

F grafia aérea. A. fotogrametria analógica é realizada usando-se dados em formato

palpável, tais como fotografias aéreas impressas em papel fotográfico de 23 x
23 cm' ou então cópias em transparência positiva (diafilmes ou diapositivos).
A fotogrametria digital é realizada usando-se um computador e fotografias aé­
reas digitais ou digitalizadas. Nenhum dos métodos é superior ao outro. Cada
abordagem tem um papel apropriado, dependendo da natureza dos dados de
sensoriamento remoto e dos objetivos da análise de imagem. Este capítulo en­
foca métodos para a extração de informação quantitativa de fotografia aérea
usando técnicas de fotogrametria tanto analógica quanto digital.

A seguir, encontram-se listadas medições importantes que podem ser obtidas a

partir de uma simples fotografia aérea vertical, com base em técnicas de foto­
grametria analógica ou digital:

• escala da fotografia;

• altura do objeto;

• comprimento do objeto;

• área de um objeto ou polígono;

• perímetro de um objeto ou polígono;

• o tom em escala de cinza ou cor de um objeto.

As seguintes informações quantitativas podem ser extraídas usando múltiplas

fotografias aéreas estereoscópicas (sobrepostas entre si) e medição analógica ou
digital de paralaxe estereoscópica (a ser definida):

• localização planimétrica {x,y) precisa de objetos, como projeção horizontal

de edificações, vias, hidrografia e linhas costeiras em uma projeção cartográ­
fica padrão;

• altura precisa de um objeto (z).

Em adição a isso, técnicas de fotogrametria digital aplicadas à fotografia

aérea estereoscópica podem fornecer:

• modelos digitais de elevação (MDE);

1 N.T. Sempre que cabível, procurou-se converter as unidades de medida para o sistema métrico, com arredondamentos. Em
algumas situações, mantiveram-se as mesmas unidades de medida do autor.
152
L inha de Voo de Fotografias Aéreas
. Direção de voo ■
——■ ^
Posição de exposição
#1 #2 #3
Figura 6-1 Uma simples linha de voo de fotografias aéreas ver­
ticais com 60% de sobreposição estereoscópica ob­
tida em três posições de exposição, H metros acima
do nível do solo.
• modelos batimétricos;
• informação de declividade e orientação de vertentes de­
rivada dos modelos digitais de elevação e batimétricos;
• ortofotos com acurácia planimétrica (x,y).
Linhas de Voo da Fotografia Aérea
Vertical
É necessário entender como as fotografias aéreas indivi­
duais são adquiridas nas várias tomadas (exposições) ao
longo de uma linha de voo, antes de se poderem aplicar
corretamente técnicas de fotogrametria para a extração de
informações quantitativas.
Uma linha de voo de fotografia aérea vertical é obtida pela
instalação de uma câmera em um avião, helicóptero ou saté­
lite, e aquisição de fotografias do terreno diretamente abaixo
da plataforma em uma sequência de tomadas ou exposições
específicas. A geometria de três fotografias aéreas verticais
hipotéticas adquiridas sucessivamente sobre um terreno
plano é apresentada na Figura 6 - 1 . 0 tempo entre as ex­
posições individuais ao longo de uma linha de voo é deter­
minado pelo intervalômetro. O responsável pelas fotografias
aéreas deve levar em consideração a velocidade da aerona­
ve e a escala desejada da fotografia, para então configurar
o intervalômetro de modo que cada fotografia aérea verti­
cal sobreponha-se à fotografia seguinte na linha de voo em
aproximadamente 60% (denominada como sobreposição
estereoscópica) (Linder, 2003). Essa sobreposição é muito
CAPÍTULO Fotogrametria
B loco de Fotografias Aéreas
Fotografias oblíquas
Figura 6-2 Um bloco de fotografias aéreas é produzido fotogra­
fando-se múltiplas linhas de voo, as quais possuem de
20 a 30% de sobreposição lateral. Algumas fotogra­
fias aéreas oblíquas podem ser adquiridas ao final da
linha de voo, se a câmera não for desligada durante o
giro de retorno da aeronave.
importante porque fornece pelo menos duas e, em alguns
casos, três visadas fotográficas de cada objeto do mundo real
ao longo de uma linha de voo (Figura 6-1). Algumas vezes,
as fotografia'- aéreas são adquiridas com mais de 80% de
sobreposição ém terreno montanhoso (Konecny, 2003).
A maior parte dos levantamentos por fotografia aérea re­
quer múltiplas linhas de voo para recobrir a área geográfica
de interesse. Quando isso ocorre, as linhas de voo se so­
brepõem entre si em cerca de 20-30%, o que é conhecido
como sobreposição lateral (Figuras 6-2 e 6-3). Para adqui­
rir múltiplas linhas de voo, o piloto deve fazer um giro de
180° ao final de uma linha de voo e então voar na direção
oposta. Deve-se tomar cuidado na análise de fotografias
aéreas verticais adquiridas ao final da linha de voo, por­
que alguma das fotografias, obtida no momento em que
a aeronave voava de forma inclinada durante o giro, pode
resultar oblíqua. Os algoritmos apresentados neste capí­
tulo operam melhor com fotografias aéreas praticamente
verticais (< 3o do nadir). Algumas vezes, o vento ou erro
do piloto levarão a aeronave a desviar-se para a esquerda
ou direita da linha de voo desejada. Quando isto ocorre,
a área de imageamento de cada fotografia (“footprint”) ou
até mesmo toda a linha de voo poderão apresentar-se des­
locadas, conforme mostrado na Figura 6-3b. Isto não re­
presenta um problema sério, desde que não se torne muito
severo e que a sobreposição estereoscópica de 60% e a so­
breposição lateral de 20-30% sejam mantidas.
Múltiplas linhas de voo com 20-30% de sobreposição
lateral são denominadas como bloco de fotografias aéreas
(Figura 6-2). Por exemplo, uma porção de um bloco de
fotografias aéreas verticais do centro da cidade de Colum-
Linhas de Vôo da Fotografia Aérea Vertical 153

B loco de Fotografias Aéreas C om pilado para Criar um F otom osaico N ão-C ontrolado

Figura 6-3 a) Duas linhas de voo (n° 3 e n° 4) de fotografias aéreas verticais da cidade de Columbia, SC (South Carolina), EUA, com
escala de 1:6.000, obtidas a 914,4 m acima do nível do solo e com lente de distância focal de 152,82 mm. b) Um fotomosaico
não-controlado do bloco de fotografias aéreas.

bia, SC, nos EUA, é apresentada na Figura 6-3a. O bloco
consiste de três fotografias em cada uma das duas linhas de
voo (n° 3 e n° 4). As fotografias foram adquiridas em 30 de
março de 1993, a uma altitude de aproximadamente 914
m acima do nível do solo e com lentes de distância focal
de 152,82 mm, usando-se uma câmera Wild RC 10, pro­
duzindo fotografias na escala aproximada de 1:6.000. Há
60% de sobreposição ao longo de cada linha de voo e 20%
de sobreposição lateral entre as duas linhas de voo.
E possível combinar várias fotografias verticais do bloco
para criar um fotomosaico não-controlado (Figura 6-3b).
154 CAPITULO Fotogrametria

Figura 6-4 Linha de voo n° 4, Foto n° 5 da fotografia aérea pancromática vertical de Columbia, SC, obtida em 30 de março de 1993, a
aproximadamente 914,4 m acima do nível do solo e com lente de distância focal de 152,82 mm, usando-se uma câmera Wild
RC 10. A fotografia mostra o Capitólio do Estado no canto inferior direito e o campus da Universidade da Carolina do Sul
(University o f South Carolina) no centro da imagem. Oito marcas fiduciais são encontradas na foto. Os dados auxiliares da
legenda nas bordas da foto contêm informações importantes, incluindo uma escala verbal (1 pol. = 500 pés), mas infelizmente
não descrevem a altitude exata, período do dia, grau de inclinação, etc., que muitas câmeras métricas hoje em dia fornecem
regularmente. Esta é uma redução da fotografia original de 23 x 23 cm, com escala de 1:6.000.

Esse exemplo reúne apenas seis fotografias em escala
1:6.000. O levantamento aerofotogramétrico de um mu­
nicípio, Estado ou país requer algumas vezes milhares de
fotografias, dependendo do tamanho da unidade admi­
nistrativa ou país e da escala da fotografia. A Tabela 6-1
fornece várias unidades métricas e inglesas equivalentes
que podem ser valiosas para a medição do comprimento e
largura das linhas de voo.
A maior parte das fotografias aéreas adquiridas anualmente
nos EUA é obtida no início da primavera, período em que
as árvores ainda se encontram sem folhas e a neve não está
mais presente. Isto facilita ao analista de imagem visuali­
zar a superfície do solo através dos galhos do dossel. Isso
também é especialmente importante nos casos de extração
de informação topográfica a partir de fotografia aérea este­
reoscópica (a ser discutido).
Marcas Fiduciais e Pontos Principais
Uma típica fotografia aérea vertical pancromática de 23
x 23 cm é mostrada na Figura 6-4 (reduzida para fins
de impressão). Observam-se as oito marcas fiduciais
localizadas nos quatro cantos e nos centros das quatro
laterais. Algumas câmeras métricas apresentam apenas
quatro marca fiduciais. Ao traçar uma linha entre mar-
Geometria da Fotografia Aérea Vertical 155

Marca fiducial

Linha de voo g

/
Ponto Principal Ponto
da Foto n° 1 Principal da
PP. Foto n° 2
PP,

Figura 6-5 a) Geometria de uma fotografia aérea (Foto n° 1). O ponto principal (PP) está localizado na intersecção das linhas unindo
marcas fiduciais opostas, b) Geometria da Foto n° 2. c) Sobreposição da Foto n° 1 e Foto n° 2. A área de 60% de sobreposição
pode ser visualizada estereoscopicamente. Observa-se a localização do ponto principal (PP) e pontos principais conjugados
(PPC) em cada fotografia. Uma linha desenhada entre os pontos principais identifica a linha de voo.

cas fiduciais opostas, localiza-se o ponto principal (PP) da Geometria da Fotografia Aérea
fotografia, que é o ponto exato na Terra para onde o eixo
óptico da câmera estava apontando durante o momento
da exposição (Figura 6-5). Examinando-se cuidadosa­
mente a vizinhança do ponto principal de uma aerofoto,
pode-se visualmente transferir a sua localização para cada
uma das duas fotos adjacentes na linha de voo. O ponto
a Vertical

Um diagrama da geometria de uma simples fotografia aé­

rea vertical do centro da cidade de Columbia, SC, é apre­
principal transferido é denominado de ponto p rincipal
sentado na Figura 6-6. Neste exemplo, um negativo de 23
conjugado —PPC (“conjugate principalpoint —CPP”). A
x 23 cm foi obtido no momento de exposição L, a uma
verdadeira linha de voo (em oposição à linha de voo de­
altitude de 975 m acima do nível do mar (H), com uma
sejada) pode ser determinada desenhando-se sobre as fo­
elevação local de 61 m (h). O espaço-imagem do negativo
tografias uma linha através dos pontos principais e ponto
revelado (d, b\ c’e d) é o reverso tanto em termos de tom
principal conjugado (Figura 6-5).
como de geometria do espaço-objeto na Terra (A, B, C e D)
e está situado a uma distância idêntica à distância focal f
156 CAPITULO Fotogrametria

Negativo
(reverso do tom c
e geometria)

Distância
Focal,
/

Posição de exposição, L Lentes da câmera

Altitude
acima
nível do
do mar,
H
Positivo
impresso em papel ou
transparência

Elevação acima
do nível do
A mar, h
Nível do mar

Figura 6-6 Geometria de uma fotografia aérea vertical adquirida sobre terreno plano (Columbia, SC).

(distância oL) atrás do ponto nodal traseiro das lentes da
câmera. Uma versão positiva da cena pode ser produzida
pela impressão do negativo em papel fotográfico ou em
transparência positiva (diapositivo ou diafilme). O resul­
tado é uma impressão positiva ou transparência positiva,
com o mesmo tom e geometria do espaço-objeto original.
O reverso na geometria do espaço negativo para o positivo
é visto pela comparação das localizações dos pontos a\ b\ c
e d ’na imagem negativa com os correspondentes pontos a,
b, c e d na imagem positiva (Figura 6-6).
Os eixos das coordenadas fotográficas x e y irradiam-se
a partir do ponto principal na impressão positiva. Esses
eixos são importantes para medições fotogramétricas, as
quais serão discutidas posteriormente neste capítulo. De­
vido ao fato de que fotointérpretes trabalham frequen­
temente com impressões positivas ou transparências po­
sitivas, eles se interessam basicamente pelas posições de
imagens no plano positivo. Consequentemente, a maior
parte dos desenhos neste capítulo descreve o plano posi­
tivo ao invés O negativo.
Medição de Escala e Altura em Fotografias Aéreas Verticais Simples 157

Tabela 6-1. Unidades selecionadas e seus equivalentes. de maior escala, que é a com escala 1/11.000, i.e., um campo
de futebol americano de 100 jardas será maior na foto com
Métrico Inglês Conversão escala 1/11.000 do que na fotografia com escala 1/12.000.
Medição Linear A Tabela 6-2 apresenta uma útil escala de conversão.
centímetro (cm) polegada (pol.) 1 cm = 0,3937”
ou (”) 1” = 2,54 cm A escala verbal é algumas vezes encontrada na informação
auxiliar da legenda nas bordas de fotografias aéreas. Em­
metro (m) pé (’) 1 m = 3,28’ bora essa escala seja correta, é muito preferível calcular a
T = 0,305 m escala exata de toda fotografia que for usada para extrair
quilômetro milha (mi) 1 km = 0,621 mi medições fotogramétricas. Vários métodos encontram-se
(km) 1 mi = 1,61 km disponíveis para o cálculo da escala de fotografias aéreas
Medição de Área obtidas sobre terreno plano ou de relevo acidentado.
centímetro polegada 1 cm2 = 0,155 pol,2
quadrado (cm2) quadrada (pol,2) 1 pol,2 = 6,4516 cm2 Escala de Fotografia Aérea Vertical Adquirida
sobre Terreno Plano
metro quadrado pé quadrado 1 m2 = 10,764 pés2
(m2) (pé2) 1 pé2 = 0,0929 m2
Há dois métodos principais para a determinação da escala
quilômetro milha quadrada 1 km2 = 0,3861 mi2 de fotografias aéreas simples adquiridas sobre terreno pla­
quadrado (km2) (mi2) 1 mi2 = 2,59 km2 no. Um envolve a comparação do tamanho dos objetos
medidos no mundo real ou a partir de um mapa (p.ex., o
hectare (ha) acre 1 ha = 10.000 m2
1 ha = 2,471 acres comprimento de um trecho de estrada) com o correspon­
1 acre = 43.560 pés2 dente objeto medido na fotografia aérea. O segundo méto­
1 acre = 0,4047 ha do envolve o cálculo da relação entre a distância focal das
Medição de Volume lentes da câmera e a altitude da aeronave acima do solo.

centímetro polegada cúbica 1 cm3 = 0,061 pol,3 Cálculo da Escala pela Comparação do Tamanho do Objeto
cúbico (cm3) (pol,3) 1 pol,3 = 16,387 cm3
no Mundo Real com o Tamanho na Imagem Fotográfica
metro cúbico pé cúbico (pé3) 1 m3 = 35,315 pés3
(m3) 1 pé3 = 0,02832 m3 A escala, s (scale), de uma fotografia aérea vertical obtida
litro (1) galão (gal) 11= 1.000 cm3 sobre um terreno plano consiste na razão entre o tamanho
1 1 = 0,264 gal do objeto medido na fotografia aérea, ab, e o verdadeiro
1 gal = 231 pol,3 comprimento do objeto no mundo real, AB:
1 gal = 3,7853 1

Medição de Escala e Altura em

Fotografias Aéreas Verticais Simples
A escala de uma fotografia aérea pode ser expressa como
escala verbal ou fração representativa (adimensional). Por
exemplo, se 1 cm em uma fotografia aérea representa 200
m (20.000 cm) no solo, a escala pode ser expressa por:
• Escala verbal: 1 cm = 200 m
• Fração representativa: ----- ------- ou 1:20.000.
r 20.000
Quando se comparam duas escalas, deve-se lembrar que
quanto maior for o número na expressão da escala, menor
será a escala. Um exemplo é a comparação das expressões de
escala 1/11.000 e 1/12.000. A imagem de certo objeto na
fotografia aérea será na verdade maior na escala na fotografia
Essa relação é baseada na geometria de triângulos seme­
lhantes Lab e LAB, conforme mostrado nas Figuras 6-6 e
6-7. Para calcular a escala usando a Equação 6-1, o analista
de imagem inicialmente identifica um objeto na fotografia
aérea vertical, cujo comprimento (AB) foi medido no solo
ou, de forma mais usual, medido a partir de um mapa de
referência. Depois, o analista mede a distância correspon­
dente na fotografia (ab) e enfim calcula s.
Um outro exemplo a ser considerado é o da fotografia aérea
vertical do centro da cidade de Columbia, SC, apresentado
anteriormente na Figura 6-4. A informação da legenda afir­
ma que a fotografia original foi obtida com uma escala no­
minal de 1” = 500’ (1:6.000, pois 1 pé = 12 polegadas; ou 1
polegada na foto = 500 x 12 polegadas no terreno). Mas isto
está correto? Muitos cálculos subsequentes farão uso do parâ­
metro de escala, o que torna importante saber com certeza a
escala real da fotografia e não somente a escala nominal.
158 CAPÍTULO Fotogrametria

Tabela 6-2. Quadro de conversão de escala.

Escala pés pol. milha acres ha m cm km
por pol. por milha por pol. por pol,2 por pol,2 por cm por km por cm
(a) (b)
1:500 41,67 126,72 0,008 0,03986 0,0161 5,00 200 0,005
1:600 50,00 105,60 0,009 0,05739 0,0232 6,00 166,66 0,006
1:1.000 83,33 63,36 0,016 0,15940 0,0645 10,00 100 0,010
1:2.000 166,67 31,68 0,032 0,63771 0,2581 20,00 50,00 0,020
1:3.000 250,00 21,12 0,047 1,4348 0,5807 30,00 33,33 0,030
1:4.000 333,33 15,84 0,063 2,5507 1,0323 40,00 25,00 0,040
1:5.000 416,67 12,67 0,079 3,9856 1,6129 50,00 20,00 0,050
1:6.000 500,00 10,56 0,095 5,7392 2,3226 60,00 16,66 0,060
1:10.000 833,33 6,336 0,158 15,9421 6,4517 100 10,00 0,100
1:12.000 1.000,00 5,280 0,189 22,9568 9,29058 120,00 8,33 0,120
1:15.000 1.250,00 4,224 0,237 35,8700 14,5164 150,00 6,66 0,150
1:20.000 1.666,67 3,168 0,316 63,7692 25,8070 200,00 5,0 0,200
1:24.000 2.000,00 2,640 0,379 91,8273 37,1620 240,00 4,166 0,240
1:25.000 2.083,33 2,534 0,395 99,6387 40,3234 250,00 4,00 0,250
1:48.000 4.000,00 1,320 0,758 367,309 148,6481 480,00 2,08 0,480
1:50.000 4.166,67 1,267 0,789 398,556 161,2935 500,00 2,00 0,500
1:63.360 5.280,00 1 1 640,000 259,0056 633,60 1,58 0,634
1:100.000 8.333,33 0,634 1,578 1.594,00 645,174 1.000,00 1 1
1:250.000 20.833,33 0,2534 3,946 9.963,90 4.032,338 2.500,00 0,40 2,50
1:500.000 41.666,67 0,1267 7,891 39.855,63 16.129,35 5.000,00 0,2 5,00
1:1.000.000 83.333,33 0,0634 15,783 159.422,49 64.517,41 10.000,00 0,100 10,00
escala 63.360 escala (a)1 (b) escala 100.000 escala
12 escala 63.360 43.560 2,471 100 escala 100.000

Neste exemplo, será inicialmente determinada a escala da na fotografia aérea. Usando a largura da calçada para calcu­
fotografia, usando-se a via mostrada na Figura 6-8. A lar­ lar a escala da fotografia, obtém-se o valor de 1:6.000:
gura da via, de uma margem a outra, é de 17,09928 m
(AB), conforme medido em campo usando uma fita mé­ ab 0,03048 cm _ 0,03048 cm _ 1 cm
trica de topógrafo. A largura da mesma via foi de 0,28702 AB 1,8288 m 182,88 cm 6.000 cm
cm {ab) na fotografia aérea vertical (Figura 6-8).
Fração representativa : 1
Usando a Equação 6-1, a escala da fotografia é: 6.000

= (ó = 0,28702 cm = 0,28702 cm = 1 cm Escala verbal: 1 cm = 60 m.

AB 17,09928 cm 1709,928 cm 5957,52 cm
Fração representativa : 1 entrada, de modo que o numerador tenha valor um, e tanto
5.957
Escala verbal: 1 cm = 59,57 m.
Ainda um outro exemplo refere-se à largura da calçada la­
teral da via, a qual foi medida do mesmo modo. A calçada
possui 1,8288 m de largura no mundo real e 0,03048 cm
Quando se calcula a escala, a meta é modificar os valores de
o numerador como o denominador estejam na mesma uni­
dade, p.ex., polegadas, pés, centímetros ou metros. Algumas
vezes, isto requer a multiplicação de ambos, numerador e
denominador, pelo inverso do numerador. A melhor manei­
ra para conceituar a escala é a fração representativa. Portan­
to, neste último exemplo, 1” na fotografia equivale a 6.000”
no mundo real 1’ na fotografia equivale a 6.000’; 1 cm na
Medição de Escala e Altura em Fotografias Aéreas Verticais Simples
Figura 6-7 Geometria de uma fotografia aérea vertical adquirida
sobre terreno relativamente plano.
fotografia equivale a 6000 cm; e 1 m na fotografia equivale a
6.000 m. Com uma fração representativa, pode-se trabalhar
com qualquer unidade, conforme desejado.
Para eliminar os efeitos da oscilação da aeronave no momen­
to da exposição, a medição da escala usando este método
deve ser baseada na média de vários pontos de verificação
de escala na fotografia. Sempre que possível, alguns analistas
gostam de calcular a escala selecionando objetos ao longo de
elementos lineares, como estradas que se cruzam aproxima­
damente em ângulo reto e estão situadas de forma centra­
lizada na fotografia. Eles então calculam uma escala média,
utilizando várias medições de escala (Mikhail et al., 2001).
A escala de fotografias aéreas verticais também pode ser de­
terminada se objetos, cujos comprimentos são conhecidos,
aparecem na fotografia. Um campo de beisebol (em forma
de losango), um campo de futebol ou futebol americano
podem ser medidos na fotografia, e a escala da foto deter­
minada como a razão entre a distância medida na foto e a
distância em solo conhecida. Por exemplo, qual é a escala
de uma fotografia aérea vertical, na qual a distância entre
a base do rebatedor (“home plate”) e a primeira base (“first
base”) equivale a 1,27 cm? A distância entre a base do reba­
tedor e a primeira base é de 27,36 m. Portanto:
f _ ab 1,27 cm _ 1,27 cm _ 1,27 cm
~ Ã B ~ 27,432 m ” 27,432 m x 100 cm ~ 2743,2 cm
r- ^cm
2.160 cm
Fração representativa: 1 .
2.160
159
Figura 6-8 Uma ampliação da porção da fotografia aérea mostra­
da na Figura 6-4. As setas indicam a largura da via de
uma margem a outra (17,099 m) e a largura da cal­
çada (1,83 m), conforme medido em campo usando
uma fita métrica de topógrafo. Esses valores corres­
pondem na fotografia aérea a 0,28702 cm e 0,03048
cm, respectivamente. Essas medições podem ser usa­
das para calcular a escala nesta porção da fotografia.
Exemplos de dimensões de campos e quadras esportivas
existentes no mundo encontram-se sumarizados no Capí­
tulo 13 (Sensoriamento Remoto da Paisagem Urbana).
Cálculo da Escala pela Relação entre D istância Fo­
cal e A ltitude Acima do Nível do Solo (AGL - Above
Ground Levei)
A escala também pode ser expressa em termos de distância
focal da câmera, e altura de voo acima do solo, H, pelo
equacionamento dos triângulos geometricamente seme­
lhantes Loa e LPA, conforme a Figura 6-7:
r= X (6-2)
H '
Com base na Equação 6-2, torna-se evidente que a escala
de uma fotografia aérea vertical é diretamente proporcio­
nal à distância focal da câmera (distância da imagem) e in­
versamente proporcional à altura de voo acima do nível do
solo (distância do objeto). Isto significa que se a altitude
acima do nível do solo for mantida constante, o aumento
no tamanho da distância focal resultará em imagens maio­
res dos objetos no plano do filme. De forma oposta, se a
distância focal for mantida constante, as imagens dos ob­
jetos serão menores conforme se aumenta a altitude acima
do nível do solo. Se a distância focal da câmera e a altitude
160
da aeronave acima do nível do solo são desconhecidas, o
analista de imagem terá que consultar a informação auxi­
liar constante nas bordas da fotografia, o relatório de voo
ou o resumo da missão do aerolevantamento.
Por exemplo, uma fotografia aérea vertical é adquirida sobre
terreno plano com uma câmera com distância focal de 30,48
cm e situada a uma altitude de 18.288 m acima do nível do
solo. Usando-se a Equação 6-2, a escala é dada por:
/ _ 30,48 cm 0,3048 m
S H 18.288 m * 18.288 m
Fração representativa : qqq~
Escala verbal: 1 cm = 600 m.
Invertendo-se a Equação 6-2,
//= _ / (6-3)
r no solo. Por meio dos triângulos semelhantes Lab e LAB, a
ou
f= H xs, (6-4)
é possível determinar a altitude acima do nível do solo, H,
da fotografia no momento de exposição, ou a distância focal,
f da câmera, se a escala da fotografia, s, for conhecida junta­
mente com uma das demais variáveis. Por exemplo, no caso
da fotografia do centro da cidade de Columbia, SC (Figura
6-4), sabe-se que a escala da fotografia baseada na medição
da largura da via é 1:5.957 ou 1 cm = 5.957 cm, e a distância
focal é 15,24 cm. Usando a Equação 6-3, a altitude da aero­
nave acima do datum local no momento da exposição é:
U _ 15,24 cm _ 90.784,68 cm = 907,8468 m.
/ 2,54 cm \
Vl5.130.78 cm /
Do mesmo modo, conhecendo-se a altitude acima do da­
tum (907,8468 m) e a escala (1:5.957), pode-se calcular a
distância focal da câmera usando a Equação 6-4:
^ _ 907,8468 m y 0,3048 m = 0,1524 m = 15,24 cm.
1513,078 m
Escala de Fotografia Aérea Vertical Adquirida
sobre Terreno Acidentado
Uma das principais diferenças entre uma fotografia aérea
quase-vertical e um mapa planimétrico é que, para fotos
adquiridas sobre terreno plano, há um número infinito de
CAPÍTULO Fotogrametria
diferentes escalas presentes na fotografia aérea. Se a eleva­
ção topográfica diminui dentro de certa porção da foto­
grafia aérea em relação a outras áreas, então essa porção da
fotografia terá uma escala menor do que o resto, porque o
solo “terá se distanciado” da câmera aérea, que se mantém
em altitude constante. De forma inversa, se uma feição
topográfica, tal como uma montanha ou uma edificação
elevada, estiver acima da média da elevação do terreno lo­
cal, então a escala nessa área da fotografia será maior, uma
vez que o solo “terá se aproximado” da câmera aérea.
A geometria de uma simples fotografia aérea vertical ad­
quirida sobre terreno de relevo acidentado a partir da esta­
ção de exposição L é mostrada na Figura 6-9. Os pontos A
e B no espaço-objeto do mundo real estão localizados em
terreno plano e registrados no espaço-imagem da impres­
são positiva como a z b, respectivamente. Os pontos A z B
estão localizados em uma elevação de h unidades acima do
nível do mar. Conforme discutido anteriormente, a escala
da fotografia aérea na localização ab na impressão positiva
é igual à razão entre a distância ab na foto e a distância AB
escala da foto na localização ab da fotografia aérea vertical
pode ser calculada usando várias relações, incluindo:
s - ab _ Lb (6-5)
ah AB LB '
E também pelos triângulos semelhantes Lob e LPB,
= ( 6- 6)
LB LP H-h '
Substituindo a Equação 6-6 na Equação 6-5,
S _ ab _ f (6-7)
ah ÃB HLh '
Se a linha entre os pontos a z b na fotografia aérea vertical
for considerada infinitamente pequena, a Equação 6-7 re-
duz-se a uma expressão para o cálculo da escala da foto em
um ponto específico. Eliminando-se os termos subscritos,
a escala em qualquer ponto onde a elevação acima do nível
do mar seja h e a altitude da câmera acima do nível do mar
seja H, pode ser expressa por:
S. J _ ( 6 - 8)
H-h
No exemplo da Figura 6-9, diferentes valores de escala se­
riam calculados nas localizações c e d da fotografia aérea.
Um valor de escala seria uma função da mínima elevação
acima do nível do mar na foto enquanto o outro
seria uma função da máxima elevação acima do nível do
mar na foto ( 0 :
Medição de Escala e Altura em Fotografias Aéreas Verticais Simples 161

Posição da exposição, L Lentes da 5 = 0,1524 m

6.096 m — 3.048 m

s max 0,1524 m
3.048 m

S
max
1:20.000

Smin. _ f
H-hmm

S . = 0,1524 m
6.096 m - 1.828,8 m

5min 0,1524 m
~
4.267,2 m

smin = 1:28.000

Figura 6-9 Geometria de uma fotografia aérea vertical ad­

II
^med
quirida sobre terreno de relevo acidentado.

£
5 / (6-9) 0,1524 m
med
H-h m, 6.096 m —2.438,4 m

S = / S - 0,1324 m
H-h ( 6- 10) mcd~ 3.657,6 m

Normalmente, uma escala média ou nominal é calculada smed, = 1:24.000 •

para definir a escala geral da fotografia aérea adquirida so­
bre terreno de relevo acidentado: Medição de Altura em Fotografias Aéreas Simples

Sm'd = f ( 6-
H-h med
Deve-se salientar que a escala média é válida apenas nos pon­
tos que se situam em elevação média, e que ela é somente uma
escala aproximada para as outras localizações na fotografia.
Para demonstrar essas relações, pode-se considerar a ele­
vação máxima, hmax, a elevação média, hmeJ, e a elevação
mínima, h , do terreno na Figura 6-9 como sendo 3.048
m, 2.438,4 m e 1.828,8 m, respectivamente. A altura de
voo da aeronave acima do nível do mar é de 6.096 m, e a
distância focal da câmera é de 152,4 mm. As escalas máxi­
ma, mínima e média da fotografia aérea vertical seriam:
5 /
H-h max
11)
Há dois métodos principais para a determinação da altura dos
objetos em fotografias aéreas verticais simples. O primeiro en­
volve a medição do deslocamento do relevo na imagem, e o
segundo é baseado na medição do comprimento da sombra.
Medição da Altura Baseada no Deslocamento do Relevo
A imagem de qualquer objeto situado acima ou abaixo do
plano horizontal que passa pela elevação do ponto prin­
cipal apresenta-se deslocada em relação à sua verdadeira
localização planimétrica (x,y) em uma fotografia aérea ver­
tical autêntica. O deslocamento do relevo é externo ao ponto
principal para aqueles objetos cujas elevações estão acima
do datum local, e interno ou em direção ao ponto prin­
cipal para aqueles objetos cujas elevações estão abaixo do
datum local. A direção de deslocamento de relevo é radial
a partir do ponto principal da fotografia.
162
A magnitude de deslocamento de relevo, d', é:
• diretamente proporcional à diferença na elevação, A, en­
tre o topo do objeto cuja imagem está deslocada e o da-
tum local, i.e., quanto maior a altura do objeto acima
do datum local, maior o deslocamento.
• diretamente proporcional à distância radial, r, entre o
topo da imagem deslocada e o ponto principal, i.e.,
quanto mais distante estiver o objeto do ponto princi­
pal, maior o deslocamento.
• inversamente proporcional à altitude, H, da câmera aci­
ma do datum local. Portanto, uma redução no deslo­
camento de relevo de um objeto pode ser conseguida
aumentando-se a altura de voo.
Essas relações são descritas na Figura 6-10. A partir dos
triângulos semelhantes no diagrama, nota-se que:
] ^ = d_ (6-12)
H r '
Reorganizando a relação, pode-se observar que a magnitu­
de de deslocamento, d, é diretamente proporcional à altura
do objeto, />, e à sua distância do ponto principal, r, e inver­
samente proporcional à altitude acima do datum local, H:
d - ^xr (6-13)
H Resolvendo-a para a altura, tem-se que:
Resolvendo-a para a altura do objeto, h, a equação torna-se:
h - dxH (6-14)
r ser previsto usando-se uma tabela de efemérides solares.
Portanto, pode-se computar a altura de um objeto a partir
das características do seu deslocamento de relevo em uma fo­
tografia aérea vertical simples. É importante que tanto o topo
como a base do objeto sendo medidos estejam claramente vi­
síveis, e que a base esteja situada sobre terreno plano.
Como exemplo, pode-se considerar o cálculo da altura do
Edifício do Senado Norteamericano mostrado na Figura
6 -10a. A fotografia foi rotacionada 90° no sentido anti-
horário para facilitar a visualização (as sombras encon-
tram-se na direção do observador, e a fachada deslocada
do edifício inclina-se na direção oposta ao observador).
Baseando-se nas medições anteriores, a altitude da câmera
acima do datum local, H, é sabidamente 907,8468 m, a
distância radial do ponto principal ao topo do edifício,
r, é medida em 3,6642 cm, e o deslocamento de relevo
do edifício, d, é de 0,32766 cm. A altura do Edifício do
Senado, h, calculada pela fotogrametria, é de:
CAPÍTULO ^3 Fotogrametria
h _ 0,32766 cm x 907,8468 m _ 52,51704 m .
5,6642 cm
A verdadeira altura do edifício medida com uma fita de
topógrafo é de 52,6542 m. Para se obterem medições pre­
cisas da altura de objetos usando esta técnica, é imperativo
que a altitude da aeronave acima do datum local seja tão
precisa quanto possível. Do mesmo modo, deve-se ter cui­
dado na medição de r e d na fotografia. Deve-se sempre ter
em mente que r é medido a partir do ponto principal em
direção ao topo do objeto.
Medição da Altura Baseada no Comprimento da Sombra
A altura de um objeto, h, pode ser calculada através da me­
dição do comprimento da extensão da sombra, L, em uma
fotografia aérea vertical. Em vista de os raios solares serem
essencialmente paralelos ao longo da área compreendida pe­
las fotografias aéreas verticais, o comprimento da sombra
de um objeto em uma superfície horizontal é proporcional
à sua altura. A Figura 6-11 ilustra a relação trigonométrica
envolvida na determinação da altura de objetos a partir de
medições das sombras. Observa-se que a tangente do ângulo
a é igual à razão entre o cateto oposto, h, e o cateto adjacen­
te, que corresponde ao comprimento da sombra, L, i.e.:
h = L x tana . (6-16)
O ângulo de elevação solar, a, acima do horizonte local pode
Isto requer um conhecimento das coordenadas geográficas
do sítio (longitude e latitude), a data e o horário de aqui­
sição. De forma alternativa, a altitude solar pode ser empi-
ricamente calculada se sombras bem definidas e de altura
conhecida estiverem presentes na fotografia. Por exemplo,
sabe-se a partir dos cálculos prévios que a altura do Edifício
do Senado na Figura 6-12 é de 52,6542 m. Ele forma uma
sombra no solo, a qual possui o comprimento de 0,61214
cm na fotografia. A escala da fotografia é 1:5.957 ou 1 cm =
59,57 m. Portanto, o comprimento da sombra que aparece
na fotografia é 36,46932 m. A tangente do ângulo a pode
ser encontrada, usando a Equação 6-15:
, „ h 52,6542 m , ÁÁ
tan a =— = — ------------= 1,44.
L 36,46932 m
Outros comprimentos de sombras na mesma fotografia
aérea podem ser medidos e multiplicados por 1,44 para se
determinarem as respectivas alturas. Por exemplo, a torre
Medição de Escala e Altura em Fotografias Aéreas Verticais Simples 163

Figura 6-10 Medição da altura de um objeto (neste caso, o Edifício do Senado em Columbia, SC) a partir de uma simples fotografia
aérea vertical com base nos princípios de deslocamento de relevo, a) A distância radial do ponto principal (PP) ao topo do
edifício é r. A distância da base ao topo do edifício é d. b) A altura do edifício (h) acima do datum local é calculada com
base na relação entre triângulos semelhantes.

M edição da Altura de O bjetos Baseada no

próxima à estrutura de estacionamento na Figura 6-12 for­
C om prim ento da Som bra
ma uma sombra que é de 0,50546 cm, e que corresponde
na fotografia a um comprimento de 18,01368 m no nível
do solo. Portanto, a altura da torre é:
cateto oposto ‘^
tan a
h = L x tan a = 18,01368 m x 1,44 = 25,9397 m. cateto adjacente

altura, h ^
A verdadeira altura da torre, medida com uma fita de topó- tan# = -------------
grafo, é de 26,2128 m. sombra, L
h = I x tan a
Deve-se tomar cuidado quando se calcula a altura de ob­
jetos com base no comprimento da sombra em fotografias sombra
aéreas. Fatores importantes a serem considerados incluem h ----------- L ---------- H
Figura 6-11 A altura de objetos pode ser medida a partir de fo­
sombras que recaem sobre terrenos acidentados, sombras tografias aéreas verticais, com base no comprimento
produzidas por objetos inclinados, sombras que não são das sombras formadas sobre o terreno plano.
164
produzidas pelo topo verdadeiro dos objetos, além de neve
ou outros tipos de cobertura que ocultam o verdadeiro ní­
vel do solo.
Medição Estereoscópica da Altura de
a Objetos ou Elevação do Terreno
Cada fotografia aérea capta um registro preciso das posições
dos objetos na cena no momento da exposição. Caso sejam
adquiridas múltiplas fotografias ao longo de uma linha de
voo, registram-se imagens da paisagem a partir de diferentes
pontos de perspectiva. Por exemplo, o topo de um edifício
elevado pode estar no lado esquerdo da foto de número 1 e
no meio da foto de número 2, que se sobrepõe à primeira,
uma vez que a aeronave moveu-se centenas de metros entre
as exposições. Se fosse aberta a parte traseira da câmera aérea
e se mantivesse o diafragma aberto, ao olhar-se pela lente
no plano focal enquanto a aeronave se deslocasse ao lon­
go da linha de voo, ver-se-ia literalmente o edifício elevado
inicialmente aparecer no campo de visada da lente, e então
atravessá-la até desaparecer do campo de visada da câmera.
A mudança na posição de um objeto com altura, de uma
fotografia para a seguinte, em relação ao seu fundo, é cau­
sada pelo deslocamento da aeronave, e isto é chamado de
paralaxe estereoscópica. A paralaxe é, portanto, o desloca­
mento aparente na posição de um objeto, com respeito
a uma estrutura de referência, causado pela alteração na
posição de observação. A paralaxe é uma característica nor­
mal da fotografia aérea e é a base para a visualização estere­
oscópica tridimensional. Diferenças na paralaxe de vários
objetos de interesse (denominadas de paralaxe diferencial!)
podem ser usadas para medir a altura de objetos e extrair
informação topográfica, como curvas de nível a partir de
fotografias aéreas por meio de instrumentos estereoscópi­
cos. A medição da paralaxe estereoscópica é a base para a
criação de quase todos os mapas topográficos (x, y e z) e
mapas planimétricos [x,y) e é um elemento de suma im­
portância para a fotogrametria e o sensoriamento remoto.
Fundamentos da Estereoscopia Humana
A estereoscopia é a ciência da percepção de profundidade
usando-se os dois olhos. Quando os dois olhos de um ser
humano (visão binocular) estão focados sobre certo ponto,
os eixos ópticos dos olhos convergem para aquele ponto, for­
mando um ânguloparalático (0 ). Quanto mais próximo esti­
ver o objeto, maior será o ângulo paralático. Por exemplo, na
Figura 6-13, os eixos ópticos do olho esquerdo e do direito, L
e R, estão separados pela base ocular ou distância interpupilar
(Konecny, 2003). A distância interpupilar de um adulto, em
média, situa-se entre 63 e 69 mm. Quando os olhos foca­
lizam o ponto A, os eixos ópticos convergem, formando o
CAPÍTULO Fotogrametria
ângulo paralático 0 . Da mesma forma, quando se olha para
o ponto B, os eixos ópticos convergem, formando o ângulo
paralático 0 t. O cérebro aprendeu a associar distâncias DA
e D |( com os correspondentes ângulos paraláticos 0 a e 0 ; e
fornece ao observador a impressão visual e mental de que o
objeto A está mais próximo do que o objeto B. Esta é a base
da percepção de profundidade. Se ambos os objetos estivessem
exatamente à mesma distância do observador, então 0 = 0 , ,
e o observador os percebería como igualmente distantes.
Quando se caminha ao ar livre, a máxima distância na qual
a percepção estereoscópica de profundidade é possível é de
aproximadamente 1.000 m para um adulto, em média.
Além desta distância, os ângulos paraláticos são extrema­
mente pequenos, e mudanças no ângulo paralático necessá­
rias para a percepção de profundidade podem não mais ser
discernidas. Isto explica por que os humanos têm proble­
mas para definir se uma casa está atrás de outra casa, ou um
carro está atrás de outro carro, quando esses objetos estão
a milhares de metros distantes do observador. De forma
oposta, se nós, humanos, pudéssemos afastar nossos olhos
um metro ou até mesmo centenas de metros um do outro,
então seríamos capazes de solucionar diferenças muito mais
sutis nos ângulos paraláticos e determinar quais objetos es­
tariam mais próximos de nós a distâncias muito maiores.
Essa percepção hiperestereoscópica de profundidade seria
ideal para caça e atividades esportivas, mas iria requerer
uma modificação substancial da cabeça humana. Felizmen­
te, há um método simples que pode ser empregado para a
obtenção de uma condição hiperestereoscópica na aquisi­
ção e interpretação de fotografias aéreas estereoscópicas.
Estereoscopia Aplicada à Fotografia Aérea
Fotografias aéreas com sobreposição (usualmente com 60%
de sobreposição) obtidas em sucessivas exposições ao longo
de uma linha de voo apresentam paralaxe estereoscópica.
Os instantes de exposição são separados por amplas distân­
cias. Contudo, é possível permitir aos nossos olhos visuali­
zarem as fotografias como se eles estivessem presentes nas
duas posições de exposição no instante da aquisição (Figura
6-14a). Isso resulta em uma condição hiperestereoscópica
que permite a visualização do terreno em três dimensões.
Normalmente, fotografias aéreas estereoscópicas são visua­
lizadas por meio de estereoscópios de lentes ou de espelhos
com lentes de aumento. Esses instrumentos realçam a na­
tureza tridimensional do modelo estereoscópico. Há ainda
outras alternativas para a visualização estereoscópica.
M étodos de Visualização Estereoscópica
O fotointérprete pode visualizar o modelo estereoscópico
com exagero vertical referente à área de 60% de sobrepo-
Medição Estereoscópica da Altura de Objetos ou Elevação do Terreno
Figura 6-12 A altura da torre da garagem pode ser calculada de-
terminando-se a relação entre o comprimento da sua
sombra e o comprimento da sombra formada por um
edifício cuja altura seja conhecida, tal como o Edifício
do Senado, situado nas vizinhanças. É importante que
a sombra recaia totalmente sobre terreno plano e que
tanto o seu início como o seu final sejam visíveis.
sição estereoscópica de duas fotografias aéreas sucessivas
usando um dos quatro métodos listados a seguir: 1) man­
tendo as linhas de visão paralelas com o auxílio de um es-
tereoscópio, 2) mantendo as linhas de visão paralelas sem
o auxílio de um estereoscópio, 3) cruzando a visão e rever­
tendo a ordem das imagens estereoscópicas, ou 4) usando
óculos anaglíficos ou polarizados.
A imensa maioria dos analistas de imagem prefere usar um
simples estereoscópio de lentes (ou de bolso) ou estereoscó­
pio de espelhos, que auxilia os olhos a manterem as linhas
de visão paralelas e adicionalmenre amplia as fotografias
(Figura 6-l4b,e). Isto produz algum tipo de estresse ocular.
Sugere-se que intérpretes novatos apenas visualizem foto­
grafias em estéreo de 1 0 a 15 minutos por vez, quando os
olhos ainda estão se acostumando a usar o estereoscópio.
Algumas pessoas são adeptas da prática de forçarem seus
olhos a permanecerem paralelos e não necessitam, portan­
to, do uso de estereoscópio (Figura 6-l4c,f). Eles simples­
mente colocam a porção de sobreposição das duas foto­
grafias estéreo lado a lado, posicionam a cabeça a cerca de
20 centímetros das fotografias e então deixam seus olhos
relaxarem como se estivessem olhando para o infinito.
Gradualmente, a mente irá fusionar as duas imagens este-
165
Figura 6 -1 3 Ângulos paraláticos são formados quando nossos
olhos focam objetos no mundo real. A mente associa
diferenças nos ângulos paraláticos com diferenças nas
distâncias aos vários objetos. Isto nos permite ter uma
percepção de profundidade muito aguçada.
reoscópicas em uma terceira imagem diretamente no meio
das duas fotos estéreo. Esta é uma excelente habilidade a se
conquistar, uma vez que se pode facilmente visualizar foto­
grafias estereoscópicas sem um estereoscópio, sempre que
houver necessidade. Isto é particularmente útil quando se
realizam trabalhos de campo. Entretanto, este não é um
procedimento natural para os olhos e pode ser desconfor­
tável e causar estresse ocular.
Alguns analistas de imagem são capazes de reverter a or­
dem das fotografias estéreo (Figura 6-l4d,g) e então fixar
a visão em um ponto diretamente à frente das fotos. Isto
causará o cruzamento da visão e produzirá uma verdadeira
impressão estereoscópica. Por ser muito extenuante para os
olhos, este procedimento não é recomendado.
Uma outra forma de assegurar que o olho esquerdo e o di­
reito visualizem imagens distintas é usar óculos anaglíficos
ou polarizados conjuntamente com materiais de imagem
específicos. E possível produzir fotografia aérea em que a
imagem esquerda é gerada em tons sombreados de azul e
a imagem direita é projetada em tons sombreados de ver­
melho. O analista usará então óculos anaglíficos com len­
tes vermelha (esquerda) e azul (direita). A mente fusiona
as duas visualizações e cria uma cena tridimensional. Do
mesmo modo, é possível visualizar as fotografias esquerda
e direita através de óculos polarizados especialmente fabri­
cados para esse fim (Konecny, 2003).
166
Estereoscópios de Lentes e de Espelhos e Câmeras Estéreo
O estereoscópio consiste em um sistema de visualização bi-
nocular especialmente desenvolvido para analisar fotogra­
fias estereoscópicas terrestres (não fotografias aéreas). Ele foi
inventado pelo físico inglês Charles Wheatstone em 1833,
embora ele não o tenha anunciado publicamente até 1838.
Wheatstone usou um par de espelhos, um à frente de cada
olho, orientado a 45° para permitir que as imagens localiza­
das de cada lado fossem fusionadas pelos olhos, conforme
mostrado na Figura 6-13a. David Brewster inventou um sis­
tema estereoscópico alternativo usando lentes, em 1849 (Fi­
gura 6-15b). As imagens eram menores, mas eram ampliadas
pelas lentes. Isto popularizou o estereoscópio de salão duran­
te o século XIX e início do século XX para a visualização de
fotografias estereoscópicas especialmente produzidas.
Ao longo da maior parte do século XIX, as fotografias esté­
reo eram obtidas pela aquisição inicial de uma foto, seguida
do deslocamento do tripé da câmera ligeiramente para a es­
querda ou direita, e nova aquisição de foto. Isto introduziu
a paralaxe estereoscópica entre duas fotografias sucessivas.
Por exemplo, pode-se considerar o estereograma de 1899
do Templo de Salt Lake, na cidade de Salt Lake, Utah,
mostrado na Figura 6-16a. Uma profusão de informação
histórica sobre o templo torna-se disponível quando o par
estereoscópico é visualizado usando-se um estereoscópio.
Fotografias estereoscópicas também podem ser adquiridas
usando-se câmeras estereoscópicas especiais que contenham
duas lentes idênticas, situadas de 60 a 70 mm uma da ou­
tra, e que adquiram duas fotografias da cena exatamente ao
mesmo tempo. Essas câmeras obtêm, assim, fotografias de
objetos a partir de pontos de observação ligeiramente dis­
tintos, introduzindo a paralaxe estereoscópica. Observam-
se duas lentes diferenciadas na câmera estereoscópica mos­
trada na Figura 6-16b. Companhias em diferentes países
continuam a produzir câmeras estereoscópicas.
O desenvolvimento do conceito de fotografias estereoscó­
picas e a invenção de câmeras estereoscópicas permitiram às
pessoas visualizarem maravilhosas cenas estereoscópicas de
paisagens locais e estrangeiras como se elas estivessem real­
mente nessas localidades. E há um contínuo e significativo
interesse do público na aquisição e coleção de fotografias
estereoscópicas. A Associação Nacional de Estereoscopia dos
EUA (“National Stereoscopic Association') promove o estudo
e a coleção de estereógrafos, câmeras estéreo e material rela­
cionado, além de editar e publicar a revista Stereo World.
Visualizando Fotografias Aéreas Estereoscópicas
Os mesmos princípios estereoscópicos usados nos primei­
ros estereoscópios são empregados nos nossos estereoscó­
CAPÍTULO Fotogrametria
pios fotogramétricos atuais. O simples estereoscópio de len­
tes ou de bolso consiste de duas lentes convexas dispostas
em um metal rígido ou estrutura plástica (Figura 6-17a).
A distância entre as duas lentes pode ser ajustada para
acomodar observadores com variadas distâncias interpu-
pilares. As lentes especiais auxiliam a manter as linhas de
visão do observador paralelas, além de atuarem como len­
tes de aumento para a fotografia. O método de arranjo de
fotografias estereoscópicas para análise por meio de um
estereoscópio de lentes é demonstrado na Figura 6-18a,b.
Inicialmente, o ponto principal e o ponto principal con­
jugado (PP e PPC, respectivamente) são localizados em
cada fotografia. Uma linha é então desenhada através des­
ses pontos em cada fotografia. Essa é a própria linha de
voo discutida anteriormente. As linhas de voo em cada
uma das fotografias são orientadas de modo a formar uma
linha contínua (i.e., elas se tornam colineares). O analista
então desliza uma das fotografias, esquerda ou direita, de
modo que uma porção da sobreposição estereoscópica se
torne visível. Na sequência, o estereoscópio é colocado
acima da área de sobreposição, e é dado início à visualiza­
ção estereoscópica. A área de sobreposição que usualmen­
te pode ser visualizada em um par estéreo de fotografias
aéreas de 23 x 23 cm, obtidas com 60% de sobreposição,
é de 13,716 cm. Infelizmente, quando as fotografias es­
tão alinhadas para a visão estéreo usando o estereoscópio
de bolso, nem toda a extensão de 13,716 cm do modelo
estéreo pode ser vista de uma vez. Quando isto ocorre, o
intérprete pode suavemente erguer a borda da fotografia
superior, para ver o que há embaixo dela.
Um estereoscópio de espelhos (Figura 6 -17b) permite
a visualização de todo o modelo estereoscópico de duas
fotografias aéreas com sobreposição entre si. Estereoscó­
pios de espelhos frequentemente apresentam opções de
aumento (p.ex., 2x, 3x, 6x) disponíveis, que aumentam
consideravelmente a habilidade do intérprete para incre­
mentar o tamanho e melhor interpretar detalhes finos
do modelo estéreo. Por exemplo, um estereoscópio de
espelhos sofisticado e com lentes de aumento, acoplado
a uma mesa de luz, é mostrado na Figura 6 -17c. Esta
configuração permite ao analista de imagem visualizar
estereoscopicamente sucessivas fotografias aéreas com so­
breposição entre si em um filme fotográfico contínuo,
sem a necessidade de cortar o rolo do filme. Instrumentos
ainda mais sofisticados, baseados no princípio da câmera-
lúcida, permitem ao analista visualizar simultaneamente
imagens estereoscópicas e um mapa em sobreposição (Fi­
gura 6-17d). Isto é comumente chamado de restituidor
aproximado (“zoom-transfer-scope") e é frequentemente
usado para transferir informação interpretada a partir das
fotografias aéreas para um mapa. Restituidores aproxi­
mados estereoscópicos digitais encontram-se atualmente
disponíveis no mercado (Figura 6-17e).
Medição Estereoscópica da Altura de Objetos ou Elevação do Terreno 167

Visualização Estereoscópica
Baseada em Olhos Paralelos Visualização Estereoscópica
Baseada em Olhos Paralelos

Visualização Estereoscópica
Baseada em Olhos Cruzados

Estereoscópio Olhos Paralelos Olhos Cruzados

g-

Figura 6-14 a) Uma condição hiperestereoscópica pode ser alcançada adquirindo-se fotografias aéreas verticais com sobreposição entre si,
ao longo de uma linha de voo. O analista então visualiza uma foto do par estéreo com o olho esquerdo e a foto adjacente com
o olho direito. Q uando o observador foca ambos os olhos em uma única feição dentro do modelo estereoscópico, tal como o
topo ou a base de um edifício, a mente subconscientemente associa as diferenças no ângulo paralítico entre a base e o topo do
edifício como informação de percepção de profundidade. Assim, o observador percebe um modelo tridimensional realístico
do terreno na sua mente. Isto significa que se pode literalmente visualizar qualquer paisagem do mundo de forma tridimen­
sional bem realística, caso se disponha de fotografias aéreas estereoscópicas e um adequado equipamento para visualização.
b,e) Um estereoscópio de lentes ou de espelhos auxilia as linhas de visão ocular humanas a se manterem paralelas ao invés de
convergentes, que é a tendência natural. O analista da figura está olhando para um par estéreo de fotografias especialmente
preparado para a visualização estereoscópica. c,f) E possível obter uma visão estereoscópica, treinando-se as linhas de visão dos
olhos para se manterem paralelas sem o uso de um estereoscópio. Isto é muito útil em campo. d,g) Algumas pessoas conseguem
ver de modo estéreo, focando em um ponto em frente das fotografias estereoscópicas, deixando suas linhas de visão cruzar
entre si. Isto não é um procedimento natural e pode causar estresse ocular.

Como Funciona a Fotografia Aérea Estereoscópica?
Um exemplo hipotético irá demonstrar como o analista
de imagem percebe a terceira dimensão em fotografias aé­
reas estereoscópicas usando um estereoscópio. Inicialmen­
te, pode-se considerar a vista em perfil de duas fotografias
aéreas estereoscópicas tiradas a partir de distintas exposi­
ções, Lt e /. ,, conforme mostrado na Figura 6-19. Neste
exemplo, consideram-se as características do topo de um
edifício alto (designado como objeto A no espaço-objeto
do mundo real) e o topo de um edifício mais baixo (objeto
B no espaço-objeto do mundo real) situados em terreno
muito plano ao nível do mar. A distância entre as duas
posições de exposição do filme, L { e Z.,, é chamada de base
aérea Cair base”ou ”A-base”). A base aérea torna-se efetiva-
f

168 CAPITULO Fotogrametria

Figura 6-15 a) O estereoscópio de espelhos de W heatstone usava dois espelhos inclinados a 45° (a e b) para refletir as imagens esquerda e
direita das fotografias (A e B) em direção ao observador. Um mecanismo de rotação ajustava as visualizações para acomodar
distintas distâncias interpupilares. b) Um exemplo do estereoscópio de lentes de Brewster.

Estereogram a

C âm era Estéreo

Figura 6-16 a) Um estereograma terrestre do templo em Salt Lake City, UT, EUA, obtido em 1899. b) Uma veterana câmera estéreo.

mente uma distância interpupilar alongada. Essa condição
é responsável pelo exagero da terceira dimensão quando se
analisam as fotografias estereoscopicamente.
Neste exemplo, os objetos A e B são registrados na foto­
grafia da direita (Z;) nas localizações a e b, respectivamen­
te (Figura 6 -19b). A aeronave continua então a deslocar-
se ao longo de sua linha de voo prevista. O deslocamento
da aeronave para frente leva os objetos da imagem a t b a
moverem-se através do plano focal da câmera em paralelo
à linha de voo. Quando é feita a exposição do filme em
L,, capta-se a imagem dos objetos A e B, nas localiza­
ções a’e b\ na fotografia da esquerda (Figura 6 -19a). Essa
mudança de posição na imagem de um objeto de uma
fotografia para a seguinte, causada pelo deslocamento da
aeronave, é denominada como paralaxe estereoscópica ou
paralaxe em x (Wolf e Dewitt, 2000).
Há propriedades muito interessantes associadas com a parala­
xe em x, que permitem a obtenção de medições fotogramétri-
cas precisas a partir de uma fotografia aérea vertical. Para en­
tender essas relações, pode-se considerar o exemplo da Figura
6-19c, que descreve as duas fotografias tiradas nas exposições
Z.; e L, em sobreposição. A sobreposição significa que se ajus­
tam as vistas em perfil das fotos Z.; e de modo que as linhas
verticais que passam pelos pontos principais de cada uma das
fotos (PPj e PP ) sejam perfeitamente sobrepostas uma à ou­
tra. Isto permite determinar quanto os objetos se moveram
através do plano do filme de uma exposição para outra.
Observa-se que a imagem do objeto A se moveu de a para
nas duas fotografias aéreas sucessivas. A paralaxe do pon­
to tf é /> = x/: —x . Da mesma forma, a imagem do objeto
B moveu-se de b para b’ nas duas fotografias aéreas suces­
sivas. A paralaxe do ponto b é p h = xh — xh. Um aspecto
Medição Estereoscópica da Altura de Objetos ou Elevação do Terreno 169

c. Estereoscópio com zoom.

e. Restituidor de aproximação estereoscópico

digital.

Figura 6-17 a) Estereoscópio de lentes com barra de paralaxe acoplada, situado sobre fotografias aéreas estereoscópicas com 60% de sobre­
posição entre si. Apenas uma porção de todo o modelo estereoscópico pode ser visualizada de cada vez, usando o estereoscópio
de lentes, b) Um analista usando um estereoscópio de espelhos pode visualizar todo o modelo estereoscópico de uma vez. c) Um
estereoscópio com zoom funciona como um estereoscópio de espelhos. Neste exemplo, fotografias em transparência positiva são
visualizadas em uma mesa de luz. d) Um restituidor de aproximação estereoscópico (“stereoscopic zoom-transfer-scope”) analógico
pode ser usado para visualizar fotografias aéreas estereoscópicas e um mapa ao mesmo tempo (cortesia de Image Interpretation
Systems, Inc.). e) Um restituidor de aproximação estereoscópico digital (cortesia de Optem, Inc.).

importante a ser reconhecido nisso é que a (o edifício mais
alto) moveu-se ao longo de uma distância maior através do
plano do filme em relação a b (o edifício mais baixo), uma
vez que a possui maior paralaxe estereoscópica que b.
Também é importante entender que todos os objetos na cena
com exatamente a mesma elevação terão uma quantia idêntica
deparalaxe em x. Por exemplo, qualquer ponto localizado no
topo do edifício A terá uma paralaxe em x exatamente com
o valor de p , quando se analisarem as fotografias estereos-
copicamente. Do mesmo modo, qualquer outro edifício no
modelo estereoscópico apresentando a mesma altura que o
edifício A terá o mesmo valor de paralaxe em x.
Uma outra forma de se entender a paralaxe em x seria colocar
uma bola de praia (neste caso, denominada como objeto A)
em qualquer ponto de uma superfície muito plana, tal como
a região das Salinas de Bonneville (Bonneville Salt Flats), em
Utah, nos EUA, ou então sobre um lago qualquer, e então
adquirir fotografias estereoscópicas. Não importa onde es­
teja a bola de praia no modelo estereoscópico, sua imagem,
a, na primeira fotografia se deslocaria exatamente a mesma
170 CAPÍTULO Fotogrametria

Preparação do Par Estéreo

área que pode ser visualizada usando

um estereoscópio de lentes
Figura 6-18 Preparação de um par estéreo para visualização usando um estereoscópio de lentes, a) O ponto principal e o ponto principal
conjugado são identificados em cada fotografia, e uma linha reta é desenhada através deles. Esta linha corresponde à linha de
voo. b) Uma porção da área de sobreposição comum, que é do interesse do intérprete, é deslocada paralelamente à linha de
voo. O intérprete então visualiza a área de sobreposição usando um estereoscópio de lentes.

distância ao longo do sistema de coordenada da imagem h = (H —h) x — —— (6-17)

para d na fotografia adjacente, com sobreposição em relação
à primeira, porque a bola teria exatamente a mesma quantia
de paralaxe em x em qualquer lugar do modelo estéreo! Por­
tanto, a paralaxe em x de qualquer ponto é:
• diretamente relacionada à elevação do ponto sobre o
terreno (considerando-se a cota média do terreno);
• maior para pontos mais altos (p.ex., aqueles mais pró­
ximos da câmera aérea) do que para os mais baixos.
A habilidade para medir pequenas diferenças na paralaxe
(i.e., a paralaxe diferencial) entre dois pontos quaisquer uti­
lizando duas fotografias com sobreposição entre si permite
determinar as diferenças de elevação com base em equações
de paralaxe estereoscópica. Esta é a forma pela qual são fei­
tos quase todos os mapas topográficos e também a forma
como medições precisas da altura de árvores e edifícios são
realizadas usando fotografias estéreo. Para se fazer isto, usa-
se a equação fundamental da paralaxe estereoscópica.
Medição da Paralaxe Absoluta e Diferencial
(P+dp)
em que H - h é a altitude da aeronave acima do nível do
solo; P é a paralaxe estereoscópica absoluta na base do ob­
jeto sendo medido (usa-se normalmente a base aérea para
esta medição), e dp è a paralaxe diferencial.
Esta equação pode fornecer resultados incorretos, a menos
que as seguintes condições sejam atendidas:
• as fotografias aéreas verticais devem apresentar uma in­
clinação igual ou inferior a 3o;
• as fotografias adjacentes devem ser expostas com prati­
camente a mesma altitude acima do nível do solo;
• os pontos principais (PPs) de ambas as fotografias de­
vem possuir aproximadamente a mesma elevação aci­
ma do nível do solo;
• a base de cada objeto de interesse deve apresentar apro­
ximadamente a mesma elevação dos pontos principais.

Para calcular a altura de um objeto, ho, usando técnicas de Se essas condições forem observadas, necessita-se realizar
fotogrametria estereoscópica, usa-se a equação da paralaxe: apenas três medições nas fotografias estereoscópicas para
Medição Estereoscópica da Altura de Objetos ou Elevação do Terreno
calcular a altura absoluta de um objeto presente na porção
de sobreposição estereoscópica do par estéreo. Por exemplo,
podem-se considerar as características estereoscópicas da
Foto4 . e Foto4 5 de Columbia, SC, mostradas previamente
na Figura 6-3 e apresentadas sob a forma de diagramas na
Figura 6-20. Recordando, a fotografia aérea foi adquirida
a uma altitude de 907,85 m acima do nível do solo, com
lentes de distância focal de 152,4 mm, fornecendo uma
escala nominal de aproximadamente 1:5.957. Será então
calculada a altura do Edifício do Senado. O cálculo da al­
tura do ediíício é realizado através dos seguintes passos:
1) determinação da altitude da aeronave acima do nível do
solo ( H —h), a qual é conhecida como sendo de 907,85 m.
Quando se usa a equação de paralaxe, é necessário expres­
sar a altura da aeronave acima do nível do solo (H —h) nas
unidades desejadas. Neste caso, será usado metro.
2) localização do ponto principal (PP) em cada uma das fo­
tografias, desenhando-se linhas através das quatro marcas
fiduciais opostas em cada fotografia.
3) encontrar o ponto principal conjugado (PPC) em ambas
as fotos, pela localização da posição do ponto principal de
cada foto na outra fotografia.
4) posicionamento das fotografias ao longo da linha de voo,
por meio do alinhamento do PP e PPC de cada fotografia, de
modo que eles se situem ao longo de uma linha reta. Esta re­
presenta a própria linha de voo. Observa-se que a linha de voo
segue da direita para a esquerda na Figura 6-20. Intérpretes
novatos frequentemente acham que as linhas de voo devem
proceder da esquerda para a direita, mas isto é errado.
5) determinação da base aérea média da foto (paralaxe este­
reoscópica absoluta, P). Inicialmente, mede-se a distância
entre o ponto principal (PP(4) e o ponto principal conju­
gado (PPC4 5) na Foto44, distância esta que será chamada
de Base Aérea4 4 (Figura 6-20b,d). A distância é de 8,6614
cm. Repete-se o procedimento para a Foto4.. Neste caso,
a Base Aérea4 é de 8,6106 cm (Figura 6-20a,c). A média
destes dois valores é a base aérea média da foto (P) entre
as duas exposições (i.e., a paralaxe estereoscópica absoluta,
P = 8,636 cm). A paralaxe estereoscópica absoluta (P) e a
paralaxe diferencial (dp) devem ser medidas nas mesmas
unidades, p.ex., milímetros ou milhares de centímetros.
6) medição da paralaxe diferencial (dp) entre a base e o topo
do edifício. Esta medição é mais bem realizada quando se
usa uma barra de paralaxe (frequentemente chamada de es-
tereômetro), a qual será brevemente abordada. No entanto,
também é possível calcular a diferença na paralaxe entre os
objetos usando uma régua de alta precisão. Neste exemplo,
o canto superior do edifício é designado como Objeto A, e a
171
base do edifício como Objeto B. Observa-se na Figura 6-20a,b
que o edifício é visível apenas na porção inferior esquerda da
Foto44, mas ele se moveu consideravelmente através do plano
do filme e está localizado próximo à linha vertical que cruza o
ponto principal na Foto(.. A localização do topo do edifício é
denominada a na Foto44 e d na Foto4.. A localização da base
do edifício é denominada b na Foto44 e b’nà" Foto4 . A para­
laxe em x do topo (de « a « ) e a paralaxe em x da base do edi­
fício (de b a b) podem ser medidas com o uso de uma régua
de três modos distintos: 1) medição usando linhas fiduciais,
2) medição baseada na sobreposição, ou 3) medição usando
uma barra de paralaxe (estereômetro).
Medição da Paralaxe em X com o Uso de Linhas Fiduciais
A Figura 6-20c,d descreve um plano de vista sob a forma
de diagrama do conteúdo da Foto44 e Foto4, . Observa-se
que a localização dos pontos principais (PP), pontos prin­
cipais conjugados (PPC), da base e do topo do edifício es­
tão indicados em cada fotografia. Também se observa que
o diagrama descreve o afastamento do edifício em relação
ao ponto principal devido ao deslocamento do relevo, con­
forme discutido anteriormente.
Fim adição ao mapa planimétrico, também é útil visualizar
a imagem do Edifício do Senado conforme registrado na
Foto44 e Foto^ . Há uma vista consideravelmente ampliada
na Figura 6-21. Observa-se que a linha do ponto principal
(linha fiducial) é visível próxima ao edifício na Foto (Fi­
gura 6-21 a), mas a linha do ponto principal está distante
do edifício na Foto , 4, necessitando de uma interrupção na
linha que demarca a distância entre ambos (Figura 6-2lb).
Usando a fotografia aérea real, é possível medir a paralaxe em
x do topo do edifício na Foto44 (denotada por xa = -9,7028
cm) e a paralaxe em x da base do edifício (denotada por xh
= -9,15924 cm) a partir da linha fiducial. De modo seme­
lhante, é possível medir a paralaxe em x do topo do edifício
na Foto , (denotada por xa. = -0,6858 cm) e a paralaxe em x
da base do edifício (denotada p orx,= -0,67818 cm) a partir
da linha fiducial. O valor absoluto da paralaxe em x do topo
do edifício é p = 9,017 cm e da paralaxe em x da base do
edifício é p h = 8,48106 cm. A paralaxe diferencial (dp) é a
diferença entre esses dois valores, dp = 0,53594 cm. Substi­
tuindo os valores medidos na Equação 6-17
dp
h = (H —h) x —
0 (P + dp)
fornece
0,53594 cm
h = 907,8468 m x
(8,636 cm + 0,53594 cm)
h0 = 53,0352 m .
A altura real do edifício é 52,4256 m.
172 CAPÍTULO Fotogrametria

Paralaxe Estereoscópica

Figura 6-1 9 A paralaxe estereoscópica é introduzida quando um objeto é visualizado a partir de dois pontos de perspectiva distintos. a,b)
Os objetos A e B no mundo real são registrados como os pontos a e b na posição de exposição L t e como a ' e b ' na posição de
exposição L , c) Quando as localizações de a c b são sobrepostas a a ' e b a imagem do objeto A apresenta paralaxe em x (/> )
maior que a imagem do objeto B (p Essa diferença na paralaxe (chamada de paralaxe diferencial, pode estar relacionada
à altura real dos objetos.

M edição da Paralaxe em X Baseada na Sobreposição
E possível orientar as duas fotografias com sobreposição
entre si, conforme mostrado nas Figuras 6-20e e 6-2 lc, de
modo que a base e o topo do edifício estejam paralelamente
alinhados com a linha de voo. Não importa qual a distância
que separa as duas fotografias. A paralaxe em x do topo do
edifício é medida como a distância do topo do edifício na
Foto| . ao topo do mesmo canto do edifício na Foto44 {p t
= 0,762 cm). A paralaxe em x da base do edifício é a dis­
tância da base do edifício na Foto/(. à base na Foto44 (/;, =
1,29794 cm). A paralaxe diferencial entre o topo e a base
do edifício é idêntica à que foi calculada usando o método
da linha fiducial, dp = 0,53594 cm, e fornecería a mesma
estimativa para a altura do edifício. Alguns analistas de ima­
gem preferem essa técnica simples de medição de paralaxe.
Com a altitude da aeronave acima do nível do solo ( / / - h)
e a paralaxe estereoscópica absoluta {P) calculadas para as
duas fotografias, é possível medir a base e o topo de outras
feições no modelo estereoscópico e calcular os seus valores
de paralaxe diferencial {dp). Embora seja simples e útil po­
der medir a magnitude da paralaxe diferencial usando uma
simples régua, conforme anteriormente descrito, também
é possível usar uma barra de paralaxe especialmente conce­
bida para a medição da paralaxe estereoscópica.
Medição da Paralaxe em X com o Uso de uma Barra de
Paralaxe
A paralaxe de objetos específicos em um par estereoscópico
pode ser calculada de forma rápida e precisa usando uma
barra de paralaxe (algumas vezes denominada como este-
reômetro). A barra de paralaxe consiste de uma barra com
dois discos de plástico transparente ou vidro acoplados a ela
(Figura 6-22). Um dos discos é fixo, enquanto o outro pode
ser movido para trás ou para frente ao longo do eixo da
barra, ajustando-se uma pequena roldana. Usualmente, há
um ponto vermelho brilhante demarcado em cada um dos
discos, os quais são conhecidos como marcas de medição.
Medição Estereoscópica da Altura de Objetos ou Elevação do Terreno 173

L,

Figura 6-20 Cálculo da altura do Edifício do Senado em Columbia, SC, por meio da medição da paralaxe em x estereoscópica do topo e da base
do edifício a partir da Foto44 e da Foto/(_f. Quando sobrepostas uma à outra (e), a paralaxe diferencial (dp) é determinada e pode ser
usada para calcular a altura do edifício. Favor consultar a próxima ilustração para ver as fotografias aéreas reais usadas neste cálculo.

O analista de imagem, ao usar um estereoscópio simples
de lentes, dispõe as fotografias de modo que o objeto de
interesse (tal como o canto do topo de um edifício) na
fotografia da esquerda seja visto pelo olho esquerdo, e o
mesmo objeto na fotografia da direita seja visto pelo olho
direito. Em seguida, o analista ajusta o estereômetro de
forma que 1) a marca de medição esquerda seja colocada
exatamente sobre o canto do topo do edifício na fotografia
da esquerda, e 2) a marca de medição direita seja colocada
exatamente sobre o mesmo canto do topo do edifício na
fotografia da direita. As marcas de medição têm as suas
posições deslocadas no estereômetro por meio de um dis­
positivo de roldana, até que elas visualmente se fusionem
em uma única marca, que parece existir no modelo estéreo
como uma bola vermelha tridimensional posicionada par­
ticularmente na elevação do canto do topo do edifício. Isto
174
produz o mesmo efeito caso a bola vermelha estivesse de
fato no canto do topo do edifício no momento em que as
duas fotografias foram adquiridas. Se as marcas de medição
forem fusionadas com perfeição e pairarem exatamente no
canto do topo do edifício, então a paralaxe em x estereos­
cópica deste ponto poderá ser facilmente lida a partir da
escala ajustável na barra de paralaxe. Este procedimento
refere-se ao uso do princípio da marca flutuante.
Caso se deseje medir a paralaxe da base do canto do mes­
mo edifício, basta simplesmente focar a visão estereos­
cópica na base e ajustar as duas marcas de medição (es­
querda e direita), até que elas mais uma vez se fusionem
em uma bola tridimensional que apenas toca a base do
edifício. Pode-se então ler a escala para obter o valor da
paralaxe em x na base do edifício.
A importância da marca flutuante para medições fotogra-
métricas é a de que ela pode ser usada para medir com
precisão a paralaxe de quaisquer pares de pontos em um
modelo estéreo. Ela pode ser posicionada no topo de um
objeto, tal como um edifício, e a paralaxe desse ponto
pode ser lida, p.ex., py Da mesma forma, a marca flutu­
ante pode ser posicionada na base do objeto, e a paralaxe
lida, p.ex., p y A diferença (pa - p b) resulta na medida de
paralaxe diferencial (dp) requerida como dado de entrada
para a Equação 6-17. Não importa neste caso se o obje­
to considerado foi construído pelo homem ou se é uma
feição topográfica, i.e., ele pode ser o topo ou a base de
um edifício ou uma torre, o pico de uma montanha ou
a planície inundável de um rio. A partir da paralaxe dife­
rencial entre os dois pontos de medição, pode-se derivar
a diferença de elevação.
O princípio da marca flutuante pode ser usado para mape­
ar linhas de elevação constante no terreno. Por exemplo, se
a marca flutuante (a bola tridimensional fusionada de cor
vermelha) se movesse ao longo do modelo estéreo de modo
que ela mantivesse contato com o terreno, i.e., não seria
permitido flutuar acima do terreno ou penetrar abaixo dele
(o que é possível em uma visualização estereoscópica!), en­
tão uma linha de paralaxe em x estereoscópica constante
seria identificada. Se isso fosse feito ao longo da encosta de
uma montanha, a linha de paralaxe em x constante poderia
ser determinada, o que poderia ser então diretamente con­
vertido na elevação acima do nível do mar. Esta linha de
paralaxe constante está relacionada à real elevação através
do uso de marcadores de pontos de controle horizontais
(x,y) e verticais (z) levantados em campo. E dessa forma
que são produzidos os mapas topográficos com curvas de
nível do “Serviço de Levantamento Geológico Americano”
(United States Geological Survey — USGS). O operador do
equipamento denominado de estereorrestituidor fstere-
oplotter”) posiciona a marca flutuante no terreno (repre­
CAPÍTULO Fotogrametria
sentando uma elevação específica) e então move a marca
flutuante pelo terreno no modelo estéreo, preocupando-se
em manter a marca firmemente sobre o solo. Pode-se con­
verter a medida de paralaxe em x para a elevação real, por
meio da localização de pontos de controle horizontal e ver­
tical no terreno (p.ex., 30,48 m acima do nível do mar na
localização x,y) inseridos no modelo estereoscópico, e da
consequente determinação dos seus valores de paralaxe em
x. Qualquer outro ponto dentro do mesmo modelo estere­
oscópico com o mesmo valor de paralaxe em x deve obri­
gatoriamente estar situado a 30,48 m acima do nível do
mar. Também é possível mapear os perímetros de edifica­
ções, posicionando a marca flutuante tridimensional sobre
o topo da cobertura dessas construções e traçar então uma
linha ao longo das bordas da cobertura. Isto resulta em um
mapa de localização planimétrica (x,y) dos edifícios.
A simples barra de paralaxe (estereômetro) é menos one­
rosa, porém se constitui em um dos instrumentos menos
precisos baseados no conceito de marca flutuante. Equi­
pamentos estereorrestituidores analíticos e digitais mais
caros estão disponíveis no mercado e permitem medições
mais precisas de paralaxe. Como exemplo, cita-se o es­
tereorrestituidor analítico da Zeiss, mostrado na Figura
6-23. Quando usado em conjunto com a informação de
pontos de controle coletados em campo, o sistema ana-
liticamente correlaciona e calcula a quantia de paralaxe
em x para cada elemento da imagem (pixel) em ambas
as fotografias aéreas estereoscópicas. Um operador de es­
tereorrestituidor interage com o equipamento analítico
para produzir mapas planimétricos e topográficos. Em
adição a isso, eles também podem ser usados para gerar
modelos digitais de elevação em formato matricial (ras-
ter). Um exemplo de planimetria (x,y) e curvas de nível
(z) típicas derivadas de um estereorrestituidor é apresen­
tado na Figura 6-24. Para uma discussão detalhada sobre
como funcionam os estereorrestituidores analíticos, favor
consultar a obra Manual o f Photogrammetry, publicada
pela “Sociedade Americana de Fotogrametria e Senso-
riamento Remoto” (American Society for Photogrammetry
and Remote Sensing) (McGlone, 2004).
Fotografias estereoscópicas também podem ser adquiridas
no solo. As fotografias estereoscópicas podem ser analisa­
das usando o princípio da marca flutuante para produzir
uma representação tridimensional detalhada da fachada dos
edifícios, se desejada (naturalmente, pontos de controle ho­
rizontais e verticais coletados em campo são requeridos para
conferir escala ao modelo estéreo). Isto é chamado de fo­
togrametria de curto alcance fclose-range photogrammetry”)
(Warner et al., 1996; Wolf e Dewitt, 2000). Técnicas de
fotogrametria estereoscópica podem ser aplicadas à fotogra­
fia terrestre para restaurar edifícios históricos, ou ainda, para
reconstruir um braço, perna ou face humanos.
Modelos Digitais de Elevação, Ortofotos e Atributos Planimétricos Usando Fotogrametria Digital 175

M étod os de M edição da Paralaxe em x E stereoscópica

a partir da Sobreposição de Fotografias Aéreas:
- Medição usando linhas fiduciais (a,b)
- Medição baseada na sobreposição (c) —s.
T ~\p
PP.
Foto 4-5

4-4
Foto 4-4 fl

Figura 6-21 a,b) Medição da paralaxe em x estereoscópica usando as linhas fiduciais para a Foto4 5 e a Foto4 4, respectivamente, c) Medição
da paralaxe em x estereoscópica usando sobreposição.

Modelos Digitais de Elevação, grammetry Suite) permitem ao analista processar imagens

Ortofotos e Atributos Planimétricos
Usando Fotogrametria Digital
Um dos eventos mais importantes na história do sensoria-
mento remoto e da fotogrametria foi o desenvolvimento da
fotogrametria digital (“soft-copy photogrammetry") . O ter­
mo sofi-copy significa que uma versão digital da fotografia
aérea estereoscópica é analisada ao invés de uma impressão
material da fotografia (em papel ou transparência positi­
va). James Case concebeu o primeiro sistema de fotogra­
metria digital no início da década de 1980. Sistemas atuais
de fotogrametria digital (p.ex., Leica GeoSystems Photo­
digitais em um computador pessoal (“personal Computer —
P C ’), visualizar o modelo estéreo em três dimensões na
tela do computador, derivar modelos digitais de elevação
(MDEs), extrair curvas de nível, produzir ortofotos, além
de extrair detalhes de atributos planimétricos. Um analista
operando um programa de fotogrametria digital e usando
óculos anaglíficos para analisar um modelo estéreo em três
dimensões é mostrado na Figura 6-25.
As etapas observadas para a geração de MDEs e imagens
ortorretificadas, bem como para a extração de atributos te­
máticos de interesse a partir de fotogrametria digital estão
176
E stereoscópio de Lentes e Barra de Paralaxe
Figura 6-22 Vista detalhada de uma barra de paralaxe com as mar­
cas flutuantes e o dispositivo de régua ajustável para
medição. A barra está acoplada ao estereoscópio de
lentes e posicionada sobre o par estéreo para a realiza­
ção de medidas de paralaxe.
descritas na Figura 6-26. Considerações importantes sobre
essas etapas incluem:
• coleta de pontos de controle no terreno;
• aquisição de fotografia aérea estereoscópica e outros da­
dos de sensores remotos;
• tecnologia de digitalização de imagens;
• programas de fotogrametria digital;
• extração de cotas altimétricas de referência, curvas de
nível e modelos digitais de elevação;
• criação de ortoimagens digitais;
• extração de atributos temáticos de interesse.
Aquisição de Pontos de Controle Horizontais e
Verticais no Terreno
Por muitos anos, dados de ponto de controle no terreno
(“ground control point - GCP") eram obtidos apenas por
topógrafos credenciados, usando equipamentos tradicio­
nais de topografia. Esta situação alterou-se de duas formas
importantes. Primeiro, o uso de sistemas globais de po­
sicionamento (“global positioning systems - GPS”) para a
coleta de pontos de controle tornou-se uma rotina (Figura
6-26a). A disponibilidade da tecnologia de levantamento
por GPS possibilita a coleta de pontos de controle com
CAPÍTULO Fotogrametria
Estereorrestituidor analítico
Figura 6-23 Um estereorrestituidor analítico, modelo “P3 Plani-
comp”, da Zeiss. O analista visualiza o modelo esté­
reo através do sistema de lentes binoculares e pode
ajustar a marca flutuante usando o cursor de mesa
(cortesia de Carl Zeiss).
precisão, em que o erro quadrático médio (“root-mean-
squared-error - RM SF’) das coordenadas X, Y,Z é inferior
a 3 cm, quando os dados são submetidos à correção dife­
rencial (McCoy, 2005). E bom lembrar, no entanto, que
o GPS ainda é mais frequentemente usado para calcular
a posição horizontal. A posição vertical derivada de GPS
(elevação ou cota Z) refere-se ao elipsoide, e não ao geoi-
de ou ao nível médio do mar. Portanto, para relacionar a
elevação derivada do GPS (altura do elipsoide) à elevação
convencional (altura ortométrica), um modelo de geoide
é necessário (Wolf e Dewitt, 2000). Segundo, os dados de
GCP derivados de GPS, necessários para montar um bloco
de fotografias aéreas para a extração de informação, podem
ser obtidos sem o auxílio de topógrafos (i.e., por geógrafos,
engenheiros florestais, geólogos, etc.).
Aquisição de Fotografia Aérea Estereoscópica ou
Outros Dados de Sensores Remotos
Fotografias aéreas estereoscópicas de alta qualidade são ne­
cessárias para a produção de MDEs e ortofotos com preci­
são, bem como para a extração de detalhes planimétricos
(Figura 6-26a). Uma quantidade considerável de fotogra­
fias aéreas métricas de média escala (1:20.000 a 1:40.000)
foi adquirida por empresas contratadas por agências go­
vernamentais norte-americanas (p.ex., Programa Nacional
de Levantamento Geológico Aerofotogramétrico dos EUA
ou “ (7.5. Geological Survey National Aerial Photography
Program ’, Levantamento Costeiro e Geodésico dos EUA
ou “ (7.5. Coast and Geodetic Survey ’, Agência de Gestão
Territorial ou “Bureau o f Land Management"). Empresas
Modelos Digitais de Elevação, Ortofotos e Atributos Planimétricos Usando Fotogrametria Digital
Figura 6-24 a) Uma fotografia aérea de um par estéreo de Covina,
CA, EUA. b) Um mapa vetorial indicando a localiza­
ção planimétrica (x,y) de vias, da projeção horizontal
de edifícios, de cercas e elementos da paisagem (árvo­
res, arbustos), assim como de curvas de nível espaça­
das de 0,3048 m, derivados do modelo estéreo.
comerciais de engenharia fotogramétrica continuam a
adquirir a maior parte das fotografias aéreas métricas de
grande escala (> 1:20.000). Elas utilizam sistemas sensores
analógicos e digitais, os quais fornecem melhor resolução
geométrica e radiométrica (p.ex., Leica ADS 40). A maior
parte das plataformas de aquisição de dados de sensoria-
mento remoto está atualmente equipada com GPS e sis­
temas de navegação inercial. MDEs, ortofotos e detalhes
de atributos planimétricos de alta e muito alta resolução
espacial podem ser derivados dessas imagens. Infelizmente,
a fotografia e os produtos dela derivados ainda são caros.
Alguns dados de sensoriamento remoto orbital adequados
para aplicações fotogramétricas de média escala estão dispo­
níveis. Por exemplo, é possível obter dados estéreo de sensores
remotos pancromáticos com uma resolução espacial nominal
de 5 x 5 m a partir do sensor francês SPOT e do sensor india­
no IRS-1C (consultar o Capítulo 7). Os dados pancromáticos
podem ser usados para gerar MDEs e ortoimagens de média
resolução, apesar do fato de que residências unifamiliares in­
dividuais e pequenas construções não são discerníveis.
Imagens com uma resolução espacial de 0,25 a 2,5 m são
necessárias para detectar alvos como trailers, casas, peque-
177
Figura 6-25 Uma analista de imagem olhando um modelo estéreo
tridimensional usando óculos anaglíficos e o conjunto
analítico Leica Geosystems 1’hotogrammetry Suite.
nas construções, vias estreitas e redes de drenagem, tão im­
portantes em aplicações urbanas (Jensen e Cowen, 1999).
Felizmente, muitas firmas comerciais oferecem atualmente
dados derivados de imagens orbitais de alta resolução espa­
cial que podem ser usados para produzir MDEs e ortoima­
gens, bem como para a extração de atributos planimétricos
(consultar o Capítulo 7):
• dados pancrom áticos de 1 x 1 m do IK O N O S
(GeoEye);
• dados pancromáticos de 1 x 1 m do OrbView-3 (Or-
blrnage);
• dados pancromáticos de 61 x 61 cm do QuickBird
(DigitalGlobe).
Embora esses dados de sensoriamento remoto orbital jamais
venham a substituir a demanda por fotografias aéreas de alta
resolução e qualidade, haverá muitas aplicações em que os
dados de satélite serão suficientes para a geração de MDEs e
ortoimagens. Portanto, uma limitação importante está sen­
do superada, na medida em que dados de sensoriamento
remoto orbital de alta resolução espacial tornam-se disponí­
veis para uso na produção de MDEs e ortoimagens.
Tecnologia de Digitalização de Imagens
A tecnologia de digitalização de imagens por meio de arran­
jos lineares ou matriciais de detectores instalados em dispo-
178 CAPÍTULO Fotogrametria

Extração de M odelos D igitais de Elevação, O rtoim agens e

A tributos P lanim étricos com o U so de Técnicas de Fotogram etria D ig ita l

Dados de sensoriamento remoto

Coleta dos dados de

pontos de controle Interior
no terreno com GPS

Anáglifo do par estéreo

(mostrado em preto e branco)
Exterior

C— " ” 'N f. Extração de Atributos Planimétricos

d. Extração de Modelo Digital
de Elevação (MDE)
- produção automática de MDE
a partir de uma grade especificada
pelo usuário
- edição dos pontos de elevação,
com base na sobreposição a uma
vista 3D do terreno
- atribuir o MDE ao arquivo de
saída
V_ _ _ _ _ _ _ _ _ _ _ _ _ _ J
e. Extração de Ortoimagens
Digitais
- uso do MDE para criação de or­
toimagens
- criação do mosaico de ortoima­
> gens a partir das cenas individuais
- sobreposição das ortoimagens aos
dados temáticos para a produção
de mapas de ortoimagens
V
- visualização do modelo estéreo trian-
gulado por meio de óculos anaglíficos
ou polarizados
- posicionamento da marca flutuante
sobre o atributo de interesse e sua de­
marcação
- criação de curvas de nível, manten­
do-se a marca flutuante sobre o terre­
no em uma elevação constante (i.e.,
quantia constante de paralaxe).

eixo de
simetria
da via

projeção
horizontal
do edifício

Figura 6-26 Etapas típicas na criação de modelos digitais de elevação, de ortoimagens e na extração de atributos planimétricos com o uso
de técnicas de fotogrametria digital.
Modelos Digitais de Elevação, Ortofotos e Atributos Planimétricos Usando Fotogrametria Digital
sitivos de carga acoplada (“charge coupled devices —CCDs”)
ou fotodiodos revolucionou a aquisição de imagens digitais.
Os cientistas passaram a ter acesso, em seus microcomputa­
dores, a sistemas capazes de digitalizar imagens em preto e
branco com 12 bits (valores de níveis de cinza de 0 a 4.095)
e imagens coloridas com 30 bits (mais de 1 bilhão de cores)
em resoluções espaciais inferiores a 10 pm. Os cientistas
podem escanear gratuitamente imagens históricas com ele­
vada resolução espacial para projetos fotogramétricos (Ko-
necny, 2003). A importância da digitalização de imagens
irá diminuir à medida que aumentar a aquisição de dados
por sistemas digitais de sensoriamento remoto para fins de
análise em programas computacionais de fotogrametria.
Fotogrametria Digital*•
Programas digitais de fotogrametria possibilitaram aos cien­
tistas e leigos criarem MDEs, produzirem ortofotos, extraí­
rem curvas de nível e mapearem atributos temáticos de inte­
resse. Essa capacidade é em grande parte devido a melhorias
nos programas de fotogrametria, que executam a) orientação
interior, b) orientação exterior, e c) aerotriangulação.
Orientação Interior
Orientação interior é o procedimento pelo qual as carac­
terísticas geométricas de uma fotografia aérea são relacio­
nadas matematicamente às características geométricas (in­
cluindo deformidades) do sistema da câmera que adquiriu
a fotografia. Isto significa estabelecer a relação entre 1) o
sistema de coordenadas internas da câmera e 2) o sistema
de coordenadas do pixel da imagem (Linder, 2003). Este
passo requer informação sobre o sistema da câmera, o qual
é comumente encontrado no relatório de calibração da câ­
mera. A maior parte das câmeras possui um relatório de
calibração, que é produzido na fabricação ou a cada nova
calibração da câmera. A informação típica requerida para
a orientação interior que está disponível no relatório de
calibração da câmera inclui:
• localização x,y do ponto principal (p.ex., x,y = 0,0; re­
ferir-se à Figura 6-6);
• localização x,y de todas as marcas fiduciais (mm);
• distância focal das lentes (cm);
• características de deformação das lentes.
O analista obtém assim essa informação do relatório de
calibração da câmera e a importa para o programa de
orientação interior. Depois, o analista de imagem identi­
179
fica a localização x,y das marcas fiduciais associadas a cada
fotografia produzida pela câmera. Como exemplo, pode-
se observar a Figura 6-27, em que um analista realiza o
processo de orientação interior para uma das fotografias da
cidade de Columbia, SC. O analista está coletando infor­
mação sobre a marca fiducial n° 2, localizada em um canto
da fotografia. As coordenadas de todas as quatro marcas
fiduciais do relatório de calibração da câmera são rotuladas
como Filme X e Filme Y na tela do monitor. As coordena­
das da imagem de todas as quatro marcas fiduciais medidas
pelo analista são rotuladas como Imagem X e Imagem Y na
tela do monitor. As coordenadas do relatório de calibração
da marca fiducial são então relacionadas às coordenadas
das marcas fiduciais medidas pelo analista de imagem, e
são calculados os resíduos. A relação entre esta imagem
particular e a informação de calibração da câmera tem um
erro quadrático médio de 1,12 pixels (56,76 pm), o que é
considerado muito bom. A orientação interior é executada
para cada fotografia do bloco. Ela relaciona as caracterís­
ticas geométricas da fotografia aérea às características geo­
métricas internas da câmera que a produziu.
Orientação Exterior
Todas as fotografias aéreas apresentam alguma inclinação.
Deve-se saber como modelar esta inclinação, para extrair
medidas úteis a partir da fotografia aérea. Há seis elementos
de orientação exterior que expressam a localização espacial
e orientação angular de uma fotografia aérea inclinada no
momento da exposição (XL, Y , Z r co, (j>, k). As coordenadas
tridimensionais da aeronave no momento da exposição são
X[t Yl,Zl , em que Z L é a altitude da câmera acima do datum
local. No instante da exposição, a câmera pode apresentar
arfagem, rolagem ou deriva. Estes três ângulos de orientação
são ômega, phi e kappa (co-<t>-K). Todos os métodos desen­
volvidos para determinar estes seis parâmetros para cada fo­
tografia aérea requerem imagens fotográficas de pelo menos
três pontos de controle no terreno, cujas coordenadas X, Y,Z
sejam conhecidas (Wolf e Dewitt, 2000). Caso se possam
determinar estes parâmetros para cada fotografia aérea, então
pode-se usar a informação para relacionar coordenadas da
imagem às coordenadas (exteriores) do mapa do mundo real.
A orientação exterior determina a relação matemática en­
tre coordenadas da imagem (x,y,z) e coordenadas do mapa
do mundo real (X,Y,Z) para pontos de controle no terreno
selecionados. Um ponto de controle no terreno (“ground
controlpoint —GCF’) é definido como qualquer objeto na
imagem para o qual as coordenadas no terreno no mundo
real X ,Y,Z são conhecidas (Linder, 2003). E necessário lo­
calizar pelo menos três pontos de controle bem distribuídos
em cada imagem. Isto significa que eles devem estar distri­
buídos de modo a formar um triângulo na imagem. Eles
não devem estar localizados formando uma linha reta.
180
Pontos de controle artificiais (ou de painel) de alta qua­
lidade são usualmente demarcados no campo usando
uma cruz branca, na qual cada uma das quatro pernas
tenham um comprimento de 5D e uma largura igual a D
(p.ex., 0,6 m) (Wolf e Dewitt, 2001). A cor de um ponto
de controle artificial deve contrastar com o material do
fundo (p.ex., uma cruz branca em um asfalto negro). A
maior parte dos analistas de imagem localiza pontos de
controle artificiais em cruzamentos de vias selecionados
em uma cidade. Algumas vezes, os pontos de controle no
terreno são posicionados em localizações estratégicas no
meio rural. A localização horizontal (X,Y) e/ou elevação
Z dos pontos de controle no terreno são obtidas usando
medições dos pontos corrigidas diferencialmente (de for­
ma estática ou cinemática) e o próprio modelo de geoi-
de. Quanto mais pontos de controle horizontais/verticais
puderem ser localizados no bloco de fotografias aéreas,
melhor. A orientação exterior mais precisa irá ocorrer
nas áreas circundadas pelos pontos de controle artificiais.
Pontos de controle horizontais são geralmente simboliza­
dos com um triângulo, e pontos de controle verticais são
simbolizados usando um círculo. Um ponto de controle
horizontal e vertical é simbolizado por meio de um triân­
gulo contido por um círculo.
Em adição aos pontos de controle artificiais horizontais/
verticais, o analista de imagem pode selecionar pontos de
passagem (pass points), algumas vezes denominados como
pontos naturais, dentro da área de sobreposição de um par
estéreo. Os pontos de passagem devem estar claramente
visíveis em cada fotografia do par estéreo (p.ex., esquina de
uma rua, base de um poste telefônico, cruzamento de duas
cercas). O analista obtém a localização x,y destes pontos
de passagem em cada imagem do par estéreo. Pontos de
passagem podem ser usados para passar o controle de uma
fotografia para a próxima, em uma sequência de fotogra­
fias aéreas. Pontos de ajuste (fiepoints) são pontos de pas­
sagem localizados na área de 20% de sobreposição lateral
(consultar Figura 6-2), que podem ser usados para passar
o controle de uma sequência de fotografias aéreas de uma
linha de voo para outra.
De forma diversa da orientação interior, que trabalha
apenas uma fotografia por vez, a orientação exterior requer
que o analista localize as coordenadas dos pontos de con­
trole em ambas as imagens do par estéreo. Por exemplo,
pode-se considerar a orientação exterior sendo executada
na Figura 6-28. O analista está adquirindo as coordena­
das da imagem para o ponto de controle no terreno de
n° 1, localizado nas imediações do Capitólio do Estado
da Carolina do Sul. A imagem esquerda é a Fore>44, e a
imagem direita é a Foto4 . O analista já entrou com as
coordenadas de referência no terreno X, Y,Z (Referência
X, Referência Y, Referência Z).
CAPITULO 6 Fotogrametria
Aerotriangulação
Uma vez que as orientações interior e exterior foram con­
cluídas, a informação pode ser usada para executar a aero­
triangulação. A aerotriangulação é o processo pelo qual as
coordenadas no terreno X, Y e Z podem ser determinadas
para qualquer pixel no par estéreo com base em medições
das coordenadas da foto (Wolf e Dewitt, 2000). Esta é
uma capacidade poderosa. Isso significa que as característi­
cas geométricas obtidas do número relativamente pequeno
de pontos de controle no terreno usados durante a orien­
tação exterior podem ser estendidas a cada pixel dentro de
um modelo digital estéreo e que se pode obter a localização
X, Ye a elevação Z em cada um desses pixels sem ter que ir
a campo para realizar o levantamento topográfico formal
de pontos de controle. A aerotriangulação permite que a
quantia relativamente pequena de pontos de controle no
terreno possa ser passada (ou estendida) de uma fotografia
para outra em um bloco de fotografias aéreas usando pon­
tos de passagem e de ajuste derivados da imagem.
O processo de aerotriangulação cria pares estéreos que po­
dem ser visualizados e usados para extrair modelos digitais de
elevação, ortofotos e atributos temáticos de interesse (Figu­
ra 6-25 e 6-26c). O analista geralmente visualiza a imagem
triangulada na tela usando óculos anaglíficos. Isto produz
um modelo tridimensional na mente do observador, confor­
me discutido anteriormente. A Prancha Colorida 6-1 apre­
senta um anáglifo do par estéreo da cidade de Columbia,
SC, produzido a partir dos procedimentos supramenciona-
dos de orientação interior e exterior e aerotriangulação.
A aerotriangulação utiliza um ajuste geral por mínimos
quadrados com restrição de pesos para orientar adequada­
mente todas as imagens em um bloco de fotografia aérea.
Este ajuste é baseado no uso de equações de colinearidade.
Colinearidade é a condição na qual a posição de exposição
da câmera (L), um objeto no solo (A) e sua correspondente
imagem na foto (d) situam-se todos em uma linha reta no
espaço tridimensional (p.ex., Figura 6-29) (Wolf e Dewitt,
2000). A condição de colinearidade para qualquer ponto
(a) em uma fotografia aérea pode ser expressa por duas
equações, uma para a coordenada x da foto (x ) e outra
para a coordenada y da foto ( y j :
(6-18)
m n (XA- X L) + m]2 (YA~ Yl) + W|3
YYl31 (XA- X L) + mi2 iYA- Y ^ m 3 V a - zÀ
(6-19)
YYl21 (XÁ- X L) + m22 (yA- Y L) + m 23 <Za ~ Z l)
m31 CXA ~ XL) + msi + 33 & a - z l)
Modelos Digitais de Elevação, Ortofotos e Atributos Planimétricos Usando Fotogrametria Digital 181

O rientação Interior: C oordenadas da Marca Fiducial na Im agem

Relacionadas às C oordenadas do R elatório de Calibração da Câmera

Marca Fiducial
•** 4
REI , n° 2

má 0
#2 1
W
1K ,
Çensoí fnteiioi Orienlatiun | Exterior Information |
Fiducial Oiienlation: Viewer Fiducial Localor:
rsr-u o - _ 1___ 100 RMSE 1 12ptxels

[□ V Q j n J f S O jiõ-Jjo - 10C or 56.76microns

i l W f l à l - J '
| fjg) Auto Locate... J AppH1 Resei Sol ve j
ÈdtÀiiimages... !

Point í? > Color Imaqe X Imaqe V Fim X Fim Y Residual X Residual Y

1 153 531 4350 531 -106.007 -106.006 -1 121 0047
2 > 4323 591 137 891 106.001 105.99b 1 121 •0.047
3 132 471 159 525 -106.002 105.996 1 121 0047
A 4340 169 4328 510 105.996 -106.006 1.1211 0 0471
d _____

Figura 6-27 Execução de orientação interior em uma das fotografias aéreas de Columbia, SC. O analista encontra-se na etapa de aquisição
de informação sobre a marca fiducial n° 2. As coordenadas de todas as quatro marcas fiduciais do relatório de calibração da
câmera são rotuladas como Filme X e Filme Y. As coordenadas da imagem de todas as quatro marcas fiduciais medidas pelo
analista são rotuladas como Imagem X e Imagem Y.

em que x e y são as coordenadas do ponto principal (PP)
do relatório de calibração da câmera; X [t Yj e Z L são as
coordenadas no terreno da posição de exposição L; as co­
ordenadas no terreno do ponto A são XA, YA e Z p a dis­
tância focal da câmera é f , e o s m são funções dos ângulos
de rotação ômega, phi e kappa (co-(j)-K) (Wolf e Dewitt,
2000). As equações de colinearidade são usadas na resseção
espacial (“space resection”) para determinar os seis elemen­
tos da orientação exterior para ambas as fotografias do par
estéreo. A intersecção espacial pode então ocorrer, a fim de
identificar as coordenadas no terreno do mundo real para
qualquer ponto no modelo estéreo. As complexidades da
resseção espacial e da intersecção espacial baseadas na co­
linearidade estão além do escopo deste livro introdutório.
Recomenda-se ao leitor consultar Wolf e Dewitt (2000),
Mikhail et al. (2001) ou a obra Manual ofPhotogrammetry
(McGlone, 2004) para informações adicionais.
Extração de Cotas Altimétricas de Referência,
Curvas de Nível e MD Es Usando Fotogrametria
Digital
O controle no terreno incorporado na orientação exterior
e aerotriangulação possibilita atribuir uma elevação (na
verdade, uma certa quantia de paralaxe) a cada par con­
jugado de pixels encontrado em um modelo estéreo. A in­
formação de elevação pode ser extraída a partir do modelo
estéreo triangulado:
• em localizações muito específicas identificadas pelo
operador;
• ao longo de linhas com a mesma elevação (criando cur­
vas de nível);
182 CAPÍTULO Fotogrametria

O rientação Exterior: A quisição Estereoscópica de C oordenadas

na Im agem dos Pontos de C ontrole no Terreno

\ + "h a «
Delete [
o a & a
Close |
• é 2 Z\j □ ç?
: Save |

8. <Si El Help |

f" Use Viewer As Refelence

LettVien |4-4.@500dpt
f “ Apply Image Shift

$ n õ fj0 — 7/ — 100
o n c T T j 07 3 'q - ; 100
i Apply ;| Reset |

RightView 14-5 @500 *

r Apply Image Shift

$ n õ jjo — ^ ™
® r™ í j ° 1“
Apply I Re sei I

I Horizontal: none
Vertical: none

5 J ' Coordenadas da i in agem

Imaqe tt Irnaqe Narne Active XFile Y Fite
1 4-5®500 X I 3885 6231 3248 755
I 4-4 <?5QQdpi X | 2192.0841 3231 947

Figura 6-28 Execução de orientação exterior em parte do par estéreo de Columbia, SC. O analista encontra-se no processo de aqui­
sição das coordenadas da imagem (Arquivo X, Arquivo Y) para o ponto de controle no terreno n° 1, localizado nas ime­
diações do Capitólio do Estado da Carolina do Sul. O analista já inseriu as coordenadas X,Y,Z de referência no terreno
[Referência X, Referência Y, Referência Z (oculta na visualização)]. As coordenadas na imagem de todos os pontos de
controle no terreno devem ser determinadas.

• em uma grade sistemática, criando um modelo digital
de elevação.
As elevações extraídas pelo analista em localizações muito
específicas (p.ex., em cruzamentos de vias, cantos de edifí­
cios, coberturas de poços de inspeção) no modelo estéreo
são comumente denominadas como cotas altimétricas de
referência. O analista obtém as coordenadas X, Y,Z de um
ponto situando a marca flutuante (discutida anteriormen­
te) firmemente sobre o terreno (nem abaixo e nem pairan­
do sobre a superfície) e efetuando a leitura.
Conforme previamente mencionado, o analista obtém cur­
vas de nível, especificando-as com uma elevação desejada,
p.ex., 100 m acima do nível do mar. Para isso, o analista
posiciona a marca flutuante no solo em uma localização
que se sabe situar a 100 m acima do nível do mar (basean­
do-se nas suas propriedades de paralaxe). Depois, ele move
a marca flutuante ao longo do terreno com a mesma eleva­
ção, criando assim uma curva de nível. Quando a linha da
curva de nível está completa, o analista então passa para o
próximo intervalo da curva de nível (p.ex., 110 m acima
do nível do mar), posiciona o cursor no solo em 110 m aci-
Modelos Digitais de Elevação, Ortofotos e Atributos Planimétricos Usando Fotogrametria Digital
C on d ição de C olinearidade
Figura 6-29 Condição de colinearidade associada a uma fotografia
aérea inclinada.
ma do nível do mar e repete os procedimentos conforme
descrito anteriormente. Este é um método preciso, porém
de alto custo humano, para a extração de curvas de nível.
Usando sistemas de fotogrametria digital, controle no
terreno e informação de calibração da câmera, é possível
realizar aerotriangulação da fotografia (ou de imagens) e
utilizar a informação obtida durante o processo para gerar
uma grade regular de valores de elevação dentro de cada
modelo estéreo de uma linha de voo (Figura 6-26d). O
programa realiza automaticamente a estereocorrelação em
porções ortorretificadas das imagens e calcula a paralaxe
(e correspondente elevação) associada a cada novo pon­
to no modelo estéreo. A estereocorrelação é realizada para
todos os pontos de uma grade especificada pelo usuário.
Os sistemas correntes podem processar milhares de pon­
tos no modelo estéreo por segundo (Konecny, 2003). Um
exemplo de um modelo digital de elevação produzido a
partir de um par estéreo para a cidade de Columbia, SC, é
apresentado na Figura 6-30a. O MDE foi processado para
ter a aparência de um modelo de relevo sombreado.
Os cientistas podem reamostrar e mosaicar o MDE final
para qualquer outra resolução espacial desejada (p.ex., 5 x
5 m, 20 x 20 m). Desta forma, o MDE pode apresentar
correspondência geométrica com dados em um SIG (Sis­
tema de Informações Geográficas). Portanto, os cientistas e
leigos têm a capacidade de criar MDEs de alta precisão, con­
forme a demanda de projetos específicos, usando programas de
fotogrametria digital em microcomputadores.
183
A precisão do modelo digital de elevação que pode ser ob­
tida usando métodos de fotogrametria é função da escala
e da resolução dos dados do sensor remoto, da altura de
voo na qual as imagens foram adquiridas, da relação base/
altura (i.e., geometria) das imagens estereoscópicas, da
precisão do controle no terreno, bem como da qualidade
do programa computacional de fotogrametria emprega­
do. Algumas vezes, os usuários acreditam que o M DE
derivado de fotogrametria digital está livre de erros, mas
isto nem sempre é procedente.
Estruturas Elevadas e Arvores Im pactam a Criação
de M odelos D igitais de Elevação D erivados de Fo­
togram etria
A estereocorrelação automática usada para criar MDEs
funciona bem quando o terreno está livre de árvores, edi­
ficações, viadutos, pontes, etc., os quais se elevam acima
do terreno nominal. No entanto, quando tais objetos estão
presentes os algoritmos assumem-nos como pertencentes
ao terreno e computam a paralaxe diferencial e altura re­
sultante de tais superfícies. As alturas são então inseridas
em um MDE. Por exemplo, a Figura 6-30a apresenta um
MDE de uma área com quatro quadras no campus da Uni­
versidade da Carolina do Sul (University o f South Carolina),
derivado de fotografia aérea na escala de 1:6.000. A aparên­
cia geometrizada do MDE deve-se à detalhada informação
de elevação para cada edifício e árvore da área de estudo.
M étodos U sados para Editar um M D E Im pactam
sua Precisão
Os sistemas de fotogrametria digital permitem aos usuá­
rios visualizar a grade de pontos de elevação de um M DE
sobreposta a um par estéreo em três dimensões. O ana­
lista pode editar individualmente os pontos de elevação,
movendo-os de forma que eles entrem em contato com o
terreno, usando o “princípio da marca flutuante”, em que
cada ponto se torna uma marca flutuante. O analista pode
1) corrigir pontos individualmente, selecionar um polígo­
no de pontos e passá-los todos para a mesma elevação, ou
3) selecionar um polígono de pontos ao longo de uma
encosta e reescaloná-Ios para que se situem entre os valo­
res máximo e mínimo encontrados dentro do polígono.
Quando usado criteriosamente, o analista pode corrigir a
maior parte dos problemas encontrados em um MDE. Por
exemplo, o M DE na Figura 6-30b foi editado de modo
que o topo de cada edifício estivesse com a elevação corre­
ta. Os MDEs que incluem informação de elevação sobre
edifícios e árvores podem ser de grande utilidade para os
casos em que o analista deseje sobrepor uma ortofoto ao
modelo digital de elevação urbano e realizar um voo digital
simulado sobre a cidade. Entretanto, se o analista quisesse
apenas um modelo nominal do terreno, i.e., um mode-
184
Figura 6-30 a) Modelo digital de elevação não-corrigido derivado de técnicas de fotogrametria digital, b) M D E corrigido, c) M D E com
edifícios e árvores removidos, d) Mapa de declividade produzido a partir do M DE com edifícios e árvores removidos.
Io digital de terreno ou M D T para a área do campus da
Universidade da Carolina do Sul, ele não o encontraria
disponível nas Figuras 6-30a e b.
Para criar um MDE da área do campus sem a informação
de edifícios e árvores, o analista deve editar manualmen­
te os pontos no M DE que correspondam à elevação de
edifícios e árvores, e efetivamente “reposicioná-los” para a
altura nominal do terreno na área. Isto pode tornar-se di­
fícil no caso de grandes edifícios ou conjuntos de árvores.
Entretanto, se os edifícios e as árvores não forem muito
grandes, é possível identificar a tendência geral do terreno
entre os edifícios e as árvores, de modo que os pontos cor­
respondentes à elevação desses objetos possam ser movidos
para a elevação nominal do terreno. Uma edição cuidadosa
do M DE original seguindo este procedimento pode pro­
duzir um MDE revisado que descreva apenas o relevo lo­
cal da área, sem edifícios e árvores, conforme mostrado na
Figura 6-30c. Um mapa da declividade em percentual da
área (importante em muitos estudos ambientais e hidro-
lógicos) não pode ser precisamente construído a partir do
CAPÍTULO Fotogrametria
M DE contendo edifícios e árvores. Ele pode ser produzido
apenas a partir do M DE com a remoção desses objetos,
conforme apresentado na Figura 6-30d.
Áreas urbanizadas com edifícios e árvores deverão ser ma­
nualmente editadas para a obtenção de um M DE somente
do terreno nominal. Este pode ser um processo trabalho­
so, além de estar sujeito a erros introduzidos pelo analista.
Quanto maior a escala da fotografia aérea e maior a altura
dos edifícios e das estruturas na área de estudo, maior a difi­
culdade para obter um MDE preciso do terreno. Os MDEs
são mais precisos e requerem menos edição quando produ­
zidos para áreas rurais que não apresentam cobertura arbó­
rea densa ou estruturas artificiais (edifícios, pontes, etc.).
Como exemplo, pode-se considerar o M DE de alta qua­
lidade extraído da fotografia aérea de grande escala, com
poucas árvores e edifícios, apresentado na Figura 6-31.
Essas quatro zonas de teste na região de Savannah River
Site - uma planta nuclear -, próxima a Aiken, SC, são usa­
das para avaliar a eficácia de vários materiais argilosos de
Modelos Digitais de Elevação, Ortofotos e Atributos Planimétricos Usando Fotogrametria Digital
cobertura para aterros de resíduos perigosos. Fotografias
aéreas estereoscópicas de grande escala das zonas de teste
são adquiridas rotineiramente, de modo que qualquer sub-
sidência (i.e., afundamento) nas camadas de cobertura de
argila seja documentada imediatamente. A Figura 6-31 a
documenta a seleção do ponto de controle no terreno de
n° 5 durante a fase de orientação exterior do projeto. O
ponto de controle de n° 3 refere-se a um duto plástico
de 15” de diâmetro, que se eleva 30 cm acima do solo e
que foi levantado com ± 3 cm de precisão, usando-se um
aparelho de GPS. O modelo digital de elevação extraído
após o modelo estéreo aerotriangulado é apresentado na
Figura 6-31 b. Esta vista foi criada sobrepondo-se uma das
fotografias do par estéreo sobre o M DE e visualizando-a
a partir de uma perspectiva oblíqua. Uma versão colorida
deste exemplo pode ser vista na Prancha Colorida 6-2.
Criação de Ortoimagens Digitais
Há mais de 30 anos, Thrower e Jensen (1976) fizeram uma
revisão sobre como ortofotos analógicas eram criadas e iden­
tificaram inúmeras aplicações cartográficas. Eles afirmavam:
O mapeamento por ortofotos representa uma
técnica pela qual dados espaciais podem ser
mais precisamente medidos e transferidos, em
vista dos atributos especiais do mapa de orto-
foto, que combina a imagem de uma fotografia
aérea com as qualidades métricas de um mapa
vetorial preciso.
Conforme foi previsto, houve um considerável aumento no
uso de ortofotos digitais e modelos digitais de elevação em
muitas aplicações. Leigos, planejadores, profissionais usuá­
rios de SIG, cartógrafos e a mídia (p.ex., jornais, revistas,
televisão) usam ortoimagens como fundo sobre o qual se
sobrepõe informação temática (p.ex., linhas divisórias de
propriedades imobiliárias, rede de serviços e infraestrutura,
rede de drenagem, curvas de nível, movimentação de tropas)
(Rumsey e Punt, 2004). Muitos analistas de imagem estão no
momento usando sistemas de fotogrametria digital em seus PCs
para gerar seuspróprios MDEs e ortofotos como dados de entra­
da em SIG. Esta seção descreve como as ortofotos são criadas
usando fotogrametria digital e aborda questões importantes
que devem ser consideradas na criação e uso de ortofotos.
Ortoimagens são criadas a partir de imagens de sensoria-
mento remoto. A geometria de uma fotografia digital não-
retificada altera-se de um feixe cônico de raios para uma
geometria de raios paralelos ortogonais ao solo e ao plano
da imagem no caso da fotografia ortorretificada ou ortofo-
to. Portanto, ao invés de se ter um centro de perspectiva,
a perspectiva de visualização é modelada como sendo de
185
uma distância infinita ao solo. A Figura 6-32 demonstra
a mudança na geometria da imagem e a remoção do des­
locamento induzido do terreno (At). O ponto P, que se
situa no terreno em uma elevação específica acima do nível
médio do mar, corresponde a p n o sistema de coordenadas
do plano da imagem, quando ele deveria estar localizado
em c. A correção do deslocamento de p para c (i.e., Ar) é a
meta da ortorretificação. Cada parte do terreno é corrigida
de forma independente durante o processo de retificação.
Os efeitos do deslocamento do relevo topográfico e de
variações na altitude da câmera são removidos nas ortoi­
magens. O resultado é uma ortoimagem corrigida plani-
metricamente. Por exemplo, a Figura 6-33 apresenta uma
linha de transmissão de energia em terreno acidentado. A
linha de transmissão foi implementada com o auxílio de
um levantamento topográfico rigoroso, de forma a estar
bem alinhada no mundo real; porém, o relevo local pro­
duz deslocamento de relevo na fotografia da área. Isto faz
com que a linha de transmissão não apareça na sua posição
planimétrica correta na fotografia aérea não-retificada. O
processo de retificação ortográfica diferencial bit-a-bit re­
move as distorções causadas pela inclinação da câmera no
momento da exposição e os efeitos de deslocamento de
relevo. A linha de transmissão passa então à sua posição
planimétrica devida, e sua forma e geometria tornam-se
corretas. A fotografia da Figura 6-33b é uma ortofoto com
a precisão de um mapa vetorial tradicional.
Esta precisão planimétrica permite aos analistas usarem or­
toimagens como mapas para a realização de medições de lo­
calização geográfica, distâncias, ângulos e área. Em imagens
não-retificadas, essas medições podem ser feitas somente de
maneira aproximada, por causa do deslocamento na imagem
e da mudança de escala causados por variações no relevo local
(i.e., deslocamento de relevo) e inclinação da foto aérea.
Instrumentos de fotogrametria digital podem produzir or­
toimagens com correção de terreno sob demanda. O pro­
cedimento geral empregado para isso encontra-se resumido
na Figura 6-26a-e. O usuário seleciona qualquer imagem
triangulada no bloco de fotografias aéreas (ou nos dados
SPOT) e seu correspondente MDE para gerar uma ortoi­
magem digital. Durante o processo de ortorretificação, os
efeitos da elevação sobre a perspectiva da imagem são re­
movidos para a produção de um conjunto de dados geo-
codificados, com um espaçamento regular entre pixels no
espaço do mapa. Para cada pixel da ortoimagem com latitu­
de e longitude conhecidas, o algoritmo usa inicialmente o
MDE para determinar a altura do ponto. As funções racio­
nais para a imagem são então usadas para determinar o pi­
xel na imagem triangulada que corresponde ao ponto sobre
o terreno no mundo real. A intensidade deste ponto (rea-
mostrado com base nos seus vizinhos usando um esquema
186 CAPÍTULO Fotogrametria

O rientação Exterior: W estinghouse S avan nah R iver S ite

A quisição E stereoscópica de C oordenadas na Im agem dos Pontos de C ontrole no Terreno

Save |

í I- UseViewerAsReference
LettView. |c /workspace/lps ^1
I- Apply Image Shift

)/;
o rwTj« —'Er. 100
Apply | Reset |

RighlViev|c/woikspace/lps ;
í~ Apply Image Shift

& rTcTjj0 100

CMÍõ-Í o—P 100
Apply | Reset |

a.

Fotografia Aérea Sobreposta a um M odelo D igital de

Elevação O btido por Fotogrametria

Figura 6-31 a) Orientação exterior executada sobre um par estéreo referente a zonas de teste na região de Westinghouse Savannah River Site,
próxima a Aiken, SC. A fotografia foi adquirida em 1995. b) Visualização do M DE obtido por fotogrametria sobreposto a
uma das fotografias do par estéreo.

de interpolação bilinear) é então atribuída ao pixel de saída
na ortoimagem. Este processo é tipicamente executado a
uma taxa de processamento superior a 200.000 pixels/s até
que a ortoimagem retificada de saída esteja totalmente pre­
enchida. O resultado é uma ortoimagem com correção de
terreno que pode ser usada como um mapa cartográfico.
Problemas e Soluções Associados com Ortoimagens
Derivadas de Fotogrametria D igital
A precisão de uma ortoimagem digital é função da quali­
dade das imagens, do controle no terreno, da triangulação
fotogramétrica, bem como do M DE usado para criá-la (Fi-
Modelos Digitais de Elevação, Ortofotos e Atributos Planimétricos Usando Fotogrametria Digital
Projeção Perspectiva Projeção Ortográfica
Figura 6-32 a) Uma fotografia aérea com projeção perspectiva dis­
tancia a imagem dos objetos de sua verdadeira posi­
ção planimétrica. Por exemplo, P está localizado em p
na fotografia, quando ele deveria estar localizado em
c. b) Uma projeção ortográfica reposiciona todas as
imagens dos objetos na sua correta posição planimé­
trica. A meta quando se cria uma ortofoto é deslocar
os objetos registrados em uma fotografia aérea em
distâncias e direções específicas, As, até que atinjam a
sua posição planimétrica devida.
gura 6-26). Uma ortoimagem pode ser produzida a partir
do M DE original, a partir de um MDE com a remoção
da cobertura dos edifícios, ou ainda, a partir de um MDE
com edifícios e árvores removidos. Um MDE produzido
a partir de pontos levantados em campo ou até mesmo
a partir de curvas de nível digitalizadas também pode ser
usado para criar a ortoimagem. Portanto, o analista sempre
deve ter acesso aos metadados (histórico) de como o MDE
foi gerado. Desta forma, somente os dados de M DE mais
apropriados serão usados na criação de ortoimagens.
Ortoimagens urbanas de grande escala (p.ex., 1:6.000) deri­
vadas de MDEs não-corrigidos frequentemente apresentam
severas distorções das bordas dos edifícios (Nale, 1994). Por
exemplo, a ortofoto na Figura 6-34a foi gerada a partir de
um M DE não-corrigido, ao passo que a ortofoto apresen­
tada na Figura 6-34b foi produzida usando um M DE com
elevações corrigidas de edifícios e árvores. As bordas das co­
berturas em “a” e “b” estão corretas na Figura 6-34b.
A importância da qualidade de um MDE pode ser aprecia­
da ainda mais quando a ortoimagem é sobreposta ao MDE
usado na sua criação. Como exemplo, pode-se considerar
as duas ortofotos na Figura 6-35ab criadas e sobrepostas
aos MDEs não-corrigido e corrigido, respectivamente. As
bordas dos edifícios estão indefinidas devido ao efeito de
187
Fotografia Aérea Vertical N ão-C orrigida
b.
Figura 6 -3 3 a) Uma fotografia aérea não-corrigida de uma linha
de transmissão de energia em terreno acidentado, b)
Ortofoto com precisão planimétrica após correção
para remover erros de rolagem, deriva e arfagem in­
troduzidos pela aeronave no momento da exposição,
bem como erros de deslocamento de relevo.
árvores adjacentes na Figura 6-35a. De forma oposta, quan­
do as elevações das coberturas e árvores estão corrigidas no
MDE, a ortoimagem resultante apresenta os mesmos edi­
fícios com bordas claras e diferenciadas dos demais alvos
(Figura 6-35b). Este é o tipo de ortoimagem que deve ser
usada em voos digitais simulados em ambientes urbanos.
Sistemas de fotogrametria digital mais sofisticados podem
produzir modelos digitais de elevação extremamente pre­
cisos e ortofotos com alta definição, a exemplo da vista
tridimensional da cidade de Rosslyn, VA, na Figura 6-36.
Ortorretificação Tradicional Não Elimina D eslocam en­
to Radial e de Relevo de Estruturas Elevadas
A maior parte dos usuários tem a falsa impressão de que os
topos de edifícios altos ou de árvores extremamente altas
em uma ortoimagem apresentam-se na sua correta posição
planimétrica, i.e., que as coberturas dos edifícios altos estão
exatamente sobre suas bases. Isto ocorre apenas quando o
sensor adquire os dados de uma altitude elevada e o deslo­
camento de relevo dos edifícios ou outras estruturas causa­
do pela distorção radial é mínima. Infelizmente, quando se
usam fotografias aéreas de grande escala com deslocamento
significativo de relevo em edifícios e árvores, somente as ba­
ses dos edifícios ou árvores encontram-se na sua correta lo­
calização planimétrica em uma ortoimagem. Uma ortofoto
digital tradicional não corrige a “inclinação de edificações”
causada pela distorção radial. De fato, a “inclinação de edi-
188 CAPÍTULO Fotogrametria

Figura 6-34 A qualidade do M D E influencia a qualidade da ortofoto.

a. Ortofoto sobreposta a um M D E não-corrigido. b. Ortofoto sobreposta a um M D E corrigido.

Figura 6-35 A qualidade do M D E influencia a qualidade da ortofoto. O impacto das árvores é minimizado, e a forma dos edifícios é re­
presentada corretamente, quando a ortofoto é sobreposta a um M D E corrigido.

ficações” no caso de edifícios elevados ou outras estruturas
(pontes, viadutos, etc.) pode ocultar completamente a ima­
gem da superfície terrestre por dezenas de metros. Caso se
tentasse digitalizar edifícios a partir de uma ortoimagem
digital tradicional, descobrir-se-ia que as localizações dos
edifícios na superfície do terrestre estão deslocadas em rela­
ção às suas respectivas alturas (Nale, 1994).
Felizmente, um método preciso para a criação de ortofotos
verdadeiras foi desenvolvido. Para entender como ele é exe­
cutado, seria útil revisar inicialmente como uma ortofoto
tradicional é produzida. O valor de brilho de um pixel a é
obtido, iniciando-se pela posição x,y de a no terreno, in-
terpolando-se a elevação a partir do M DE, transferindo-se
o modelo matemático para a imagem, interpolando-se o
próprio tom de cinza a partir da imagem e, finalmente,
atribuindo-se o tom de cinza resultante ao pixel a na nova
ortofoto (Figura 6-37a). O processo é aceitável para o pi­
xel a, porque não há obstrução (p.ex., edifício) entre a
câmera e a localização x,y,z de a no terreno que oculte a
visualização do terreno a partir da posição da exposição.
O problema que surge é ilustrado pelo pixel b. Na ima­
gem original, o terreno “atrás” do edifício em b não é mos­
trado devido à altura do edifício. O pixel b terá o tom ou
cor da cobertura do edifício. A ortofoto tradicional final
mostrará o edifício distanciando-se do centro da forogra-
Modelos Digitais de Elevação, Ortofotos e Atributos Planimétricos Usando Fotogrametria Digital
Figura 6-36 Uma ortofoto com alta qualidade da cidade de Ros-
slyn, VA, EUA, sobreposta a um modelo digital de
elevação cuidadosamente editado (cortesia de L-H
Systems, Inc. e Marconi, lnc.\ © SO CET Ser).
fia, conforme a Figura 6-37a. A cobertura será mostrada
onde deve haver terreno, isto é, nos fundos do edifício,
e a lateral do edifício será mostrada onde deveria estar a
cobertura. O terreno atrás do edifício não será mostra­
do. Esses deslocamentos estão relacionados com a altura
e a posição do edifício na foto original. Quanto maior a
altura do edifício e mais próximo ele estiver da lateral da
fotografia original, pior será o deslocamento.
Uma solução elegante para os problemas da ortofoto
acima foi desenvolvida (Walker, 1994; BAE Systems,
2005). Na Figura 6-37b, observam-se três fotografias aé­
reas trianguladas e um M DE cobrindo toda a projeção
horizontal da área de estudo. Usando-se ferramentas es­
tereoscópicas tridimensionais tradicionais para a extração
de atributos, os limites de edificações, pontes e outros
obstáculos são identificados. Contudo, o valor de brilho
ou nível de cinza para o pixel a é interpolado a partir da
posição de exposição mais próxima ao nadir (diretamente
acima), que no caso corresponde à posição de n° 3 (Figu­
ra 6-37b), a qual possui a melhor visualização do terreno
na localização a. O algoritmo então examina o M DE e os
dados de atributos e determina que a visualização do ter­
reno para o pixel b é ocultada pelo edifício na posição de
exposição n° 2, e em seguida automaticamente seleciona
a imagem da posição de exposição n° 1, visando obter
a cor de pixel correta para o pixel b. A aplicação desses
algoritmos resulta na ortofoto verdadeira, em que:
• as coberturas dos edifícios são mostradas na sua correta
localização planimétrica x,y,*
* os terrenos adjacentes a todos os edifícios são mostra­
dos na sua devida localização;
189
Método de Extração de
Valores de Brilho do Pixel Posição de
a partir de Fotografia Aérea Exposição n° 2
Triangulada para Produzir
uma Ortofoto Tradicional
O solo
nesta região é
ocultado pelo
deslocamento
do edifício
b Pixels da ortofoto a
Extração de Valores de Brilho do Pixel a partir de Múltiplas Fotografias
Aéreas Trianguladas para Produzir uma Ortofoto Verdadeira
Figura 6-37 a) O valor de brilho do pixel b em uma ortofoto tradi­
cional seria extraído a partir do topo do edifício devi­
do ao deslocamento do relevo. O pixel a apresentaria
o correto tom ou nível de cinza, porque ele não está
oculto à visualização. Observa-se que ambos os pixels
foram extraídos a partir de uma foto adquirida em
uma única posição de exposição, b) Os pixels a e b em
uma ortofoto verdadeira são derivados da foto triangu­
lada na linha de voo que é mais adequada. Por exem­
plo, o pixel a é derivado da foto adquirida na Posição
de Exposição n° 3. O tom de b é extraído da Posição
de Exposição n° 1, na qual ele não foi ocultado pelo
deslocamento do edifício (Southard, 1994; cortesia de
L-H Systems, Inc. e Marconi, Inc.\ © SO CET Set).
• os topos e bases de viadutos são mostrados nas suas
localizações corretas;
• ortofotos e mapas podem ser gerados com dimensões
que excedem a qualquer uma das imagens de entrada.
Uma comparação entre uma ortofoto tradicional e uma or­
tofoto verdadeira do Capitólio dos EUA é apresentada na
Figura 6-38. A inclinação do edifício (deslocamento) foi
190 CAPITULO Fotogrametria

removida, e todas as coberturas dos edifícios encontram-se

na sua correta localização planimétrica. A capacidade de
geração de ortoimagens verdadeiras está acelerando a apli­
cação de ortoimagens em SIG (BAE Systems, 2005).

Extração de Atributos Temáticos de Interesse

Usando Fotogrametria Digital

Quase todo detalhe encontrado em mapas planimétricos

e/ou topográficos tradicionais, tais como os produtos em
escala 1:24.000 ou 7,5 min do Serviço de Levantamento
Geológico Americano (USGS), é extraído usando técnicas
de fotogrametria. Com o adequado controle no terreno,
imagens estereoscópicas de alta qualidade, bem como pro­
gramas de fotogrametria, tornou-se possível aos leigos a
extração de inúmeros tipos de informação temática. Isto
representa um evento significativo na história da análise
de dados cartográficos e de sensoriamento remoto, uma
vez que os cientistas e outros pesquisadores não depen­
dem mais de nenhuma agência para lhes fornecer a infor­
mação de que necessitam. Eles podem gerar seus próprios
produtos temáticos de acordo com especificações por eles
estabelecidas.
Figura 6-38 A diferença entre uma ortofoto convencional (a) e
O procedimento de extração de informação temática é exa­ uma ortofoto verdadeira (b) do Capitólio dos EUA.
tamente igual àquele descrito anteriormente para a criação A inclinação do edifício foi removida, e todas as co­
de curvas de nível, à exceção de que, neste caso, o analista berturas dos edifícios encontram-se na sua correta
extrai vários atributos temáticos de interesse. Por exemplo, posição planimétrica (Southard, 1994; cortesia de
a Figura 6-39 apresenta três tipos de atributos sendo extra­ L-H Systems, Inc. e Marconi, Inc.\ © SO CET Set).
ídos a partir de um par estéreo aerotriangulado da cidade
de Columbia, SC, mostrado nas Pranchas Coloridas 6-1 e
6-3. Para extrair a informação da projeção horizontal do & & Medição de Área
edifício, o analista sistematicamente posiciona a marca
flutuante tridimensional em vários cantos do edifício. O
programa automaticamente cria uma linha de um canto a
outro do edifício. O resultado é um polígono que contém E possível obter medições de áreas diretamente a partir de
a localização planimétrica da projeção horizontal do edifí­ fotografias aéreas verticais não-retificadas, se o terreno for
cio, como se as coordenadas X, Y da base fossem medidas consideravelmente plano. Entretanto, se a elevação topo­
no terreno. A localização planimétrica do espelho d'água gráfica local dentro do campo de visada da fotografia variar
situado em frente ao edifício é obtida da mesma forma. mais do que cerca de 5% da altura de voo acima do nível
do solo (p.ex., 200 m se H = 4.000 m), então sérios erros
Serviços de emergência (p.ex., resgate, polícia, bombeiros) de medição de área poderão ocorrer. Se o relevo local va­
requerem informação detalhada sobre o eixo de simetria de riar mais que 5%, o intérprete de imagem pode cuidado­
ruas e vias. Isto é obtido, mantendo-se a marca flutuante samente compartimentar a fotografia em áreas geográficas
firmemente sobre o terreno, enquanto o analista traça a que têm aproximadamente a mesma escala. Por exemplo,
linha ao longo do eixo central da via ao mesmo tempo se uma simples fotografia aérea consistiu basicamente da
em que visualiza o anáglifo tridimensional do par estéreo. imagem de um platô plano em uma elevação (p.ex., 400
Procedimentos semelhantes são usados para mapear linhas m acima do nível do mar) e um vale suavemente inclinado
de transmissão telefônica e de outros serviços visíveis na em outra elevação (p.ex., 150 m acima do nível do mar),
superfície terrestre. Um mapa de rede de drenagem pode o intérprete poderia seccionar a fotografia em duas partes.
ser criado mantendo-se a marca flutuante sobre o terreno, Ele então calcularia a escala exata da porção da fotografia
enquanto se traça o eixo de simetria de cursos d'água de que contém o platô, e a escala exata da porção da fotografia
maior importância e de seus afluentes. que contém o vale. Essas duas escalas diferenciadas seriam
Medição de Área
Extração de A tributos P lanim étricos U sando Fotogram etria D igital
Figura 6-39 Projeção horizontal do edifício, projeção horizontal do espelho d'água e eixo de simetria da rua extraídos de um anáglifo do
par estéreo, o qual é mostrado na Prancha Colorida 6-3. Recomenda-se visualizar este par estéreo com um estereoscópio.
usadas para a medição da área de atributos selecionados,
encontrados nessas duas paisagens distintas. A solução óti­
ma é a conversão da fotografia aérea em uma ortoimagem,
conforme discutido anteriormente. As medições de área
serão obviamente precisas, uma vez que a ortofoto possui
uma escala uniforme.
Medição de Área de Formas Geométricas Bem
Conhecidas
A determinação da área de figuras geométricas conhecidas
(p.ex., retângulos, quadrados e círculos) em fotografias aé­
reas é uma tarefa simples e exata. O analista inicialmente
mede o comprimento, largura, lado ou diâmetro da feição
na imagem. Ele então converte o valor medido para uma
distância em solo, com base na escala da fotografia. A dis­
tância em solo é então usada para o cálculo da área, por
meio da adequada relação matemática, conforme segue:
Área de um círculo = nr2
Área de um quadrado = F
Área de um retângulo = / x w
em que s é o lado (side) de um quadrado; lé o comprimento
(,lengtb) de um retângulo; e w é a largura (widtb) de um
retângulo. Por exemplo, se o diâmetro de um sistema de
191
projeção horizontal
do edifício
eixo de simetria
da via
projeção horizontal
do edifício
projeção horizontal
do edifício
projeção horizontal
do espelho d'água
irrigação agrícola por pivô central é de 1,27 cm quando me­
dido em uma fotografia aérea com escala de 1:24.000 (1 cm
= 240 m), então o diâmetro {d) da distância em solo é 304,8
m, e o raio (r) é 132,4 m. O sistema de irrigação agrícola por
pivô central possui assim 3,1416 x 152,42 ou 72.966 m2.
Um hectare (ha) contém lO.OOOnr (Tabela 6-1). Portanto,
o sistema de irrigação agrícola por pivô central é de 7,3 ha.
Medição de Área de Polígonos com Formato
Irregular
Há vários métodos para a obtenção de medições precisas
de área de feições poligonais com formato irregular, tais
como lagos, manchas de floresta e áreas urbanizadas, en­
contradas em fotografias aéreas verticais. Os métodos mais
populares incluem o uso de grades de pontos e digitaliza­
ção em tela, usando técnicas de processamento digital de
imagens ou de fotogrametria digital.
Grade de Pontos
Uma grade de pontos é simplesmente um pedaço de acetato
transparente que possui um número de pontos inscritos sobre
ele, número este especificado pelo usuário e que é dado por
pol,2 ou cm2, p.ex., 25 pontos/cm2 (Figura 6-40). A meta é
usar uma grade que tenha uma densidade de pontos suficiente
para capturar a essência do fenômeno que se pretende medir
(p.ex., a área em acres de certa cobertura florestal), mas que ao
192 CAPÍTULO Fotogrametria

mesmo tempo não seja excessivamente densa de modo a gerar Grade de P ontos
um enorme número de pontos a serem contados. É útil criar
uma grade que seja a mais adequada possível à escala da foto­
grafia ou do mapa em análise. Por exemplo, se um analista for
usar uma grade de pontos sobre uma fotografia aérea de escala
1:24.000, seria recomendável produzir uma grade com nove
pontos por pol,2, porque na escala 1:24.000, 1 pol,2 equivale
a aproximadamente 9 acres (1 acre = 4.046,8252519 m2 ou
0,4046863 hectares). Caso se deseje mais precisão, 18 pontos
poderíam ser sistematicamente colocados em cada polegada
quadrada da grade. O analista então aleatoriamente posiciona
a grade sobre um polígono de interesse e conta o número de
pontos que recaem sobre ele. Um método alternativo para se
aumentar a precisão na medição consiste em, após a primeira
contagem, erguer a grade de acetato, aleatoriamente recolocá-
la sobre o polígono e então proceder a uma nova contagem.
Extraindo-se a média das duas contagens, obtém-se um re­
sultado que é geralmente próximo ao valor verdadeiro. Este
procedimento pode ser repetido tantas vezes quantas forem
desejadas. Os melhores resultados são obtidos quando os po­
lígonos fotointerpretados são transferidos para um mapa-base
e a grade de pontos é sobreposta ao mapa.
Figura 6-40 Uma grade de pontos consistindo de 25 pontos por
A ortofoto de 15,24 x 15,24 cm na Figura 6-40 possui
polegada quadrada, sobreposta a uma fotografia aérea
a escala de 1:600 (1 cm = 6 m). Portanto, ela contém na escala de 1:6.00 (1 cm = 6 m). Neste exemplo, a
8.360 m2 de terreno (2,066 acres ou 0,836 ha). A ela foi meta é determinar a quantidade de hectares (acres) de
sobreposta uma grade de pontos consistindo de 25 pontos terreno coberto por floresta.
por pol,2. Nesta escala, cada polegada quadrada contém
232,2576 m2. Cada ponto representa, portanto, 9,290304
m2. O intérprete analisa a imagem e sinaliza aqueles pon­ fotografias aéreas ou de dados de sensoriamento remoto
tos que aparentam coincidir com a localização de floresta é a análise da imagem por meio de sistemas de proces­
(eles estão exagerados neste exemplo, a fim de melhorar samento digital ou SIG (Figura 6-41). Embora seja fácil
a visibilidade). O analista simplesmente conta o número escanear uma fotografia aérea não-retificada de 23 x 23 cm
de pontos correspondendo a floresta, no caso 336, o que e executar cálculos de área usando um sistema digital, é
equivale a 0, 316 ha (ou 0,771 acres). A floresta ocupa as­ melhor desempenhar esta tarefa quando a fotografia, após
sim 37,3% da área de estudo (0,316/0,836 hectares). o escaneamento, tenha sido registrada geometricamen­
te a um mapa-base ou de referência. Todos os principais
Torna-se evidente a partir deste exemplo que há algumas sistemas de processamento digital de imagens (ERDAS,
pequenas manchas escuras florestadas que não se encon­ PCI, ER Mapper, ENVI, etc.) e de SIG (ESRI, Autodesk,
tram exatamente abaixo de um ponto e que não foram con­ SPRING, etc.) apresentam essa capacidade fundamental.
tadas. Um outro intérprete poderia ter incluído os pontos Detalhes sobre como é feito o registro de imagens podem
mais próximos a essas manchas na contagem. Portanto, o ser encontrados em Jensen (2005).
uso de uma grade de pontos envolve “erros induzidos pelo
método”, o que é basicamente uma função da metodologia Com a fotografia aérea registrada a um mapa-base, torna-se
(lógica) usada pelo analista de imagem, conforme ele aloca uma tarefa simples utilizar um sistema digital e gerar uma
os pontos para contagem. Um aspecto importante a ser máscara vetorial em torno da área de interesse. Por exem­
lembrado quando se usa uma grade de pontos é a busca plo, a Figura 6-41 a mostra polígonos digitalizados à mão
pela consistência. Algumas grades de pontos são disponi­ em torno da cobertura florestal. Os vértices dos polígonos
bilizadas por companhias do setor florestal. podem ser facilmente editados. O mérito desta abordagem
de medição em tela reside no fato de que cada um dos po­
Digitalização em Tela lígonos possui um registro em uma “tabela de atributos de
polígonos”, a eles associada, que compreende informações
Provavelmente, o método mais amplamente utilizado para sobre o tipo de atributo (p.ex., floresta ou não-floresta),
a obtenção de estimativas de áreas de polígonos a partir de perímetro e área (em hectares ou acres). Por exemplo, há
Referências
D igitalização em Tela
Figura 6-41 a) Exemplo de digitalização em tela usando um sistema de processamento digital de imagens, b) Tabelas de atributos de po­
lígonos contêm para cada um dos polígonos individuais informações sobre o perímetro e a área.
apenas 14 polígonos de floresta na Figura 6-4 lb. Os atri­
butos para todos os 14 polígonos (p.ex., hectares) podem
ser somados pelo programa de processamento de imagens
ou pelo SIG para gerar os totais.
Em resumo, não é aconselhável digitalizar polígonos dire­
tamente a partir de fotografias aéreas que não tenham sido
corrigidas geometricamente, especialmente quando o terre­
no apresenta variação substancial no relevo local. Por exem­
plo, nunca se deve extrair informação de área digitalizan-
do-se polígonos sobre mapas de fotos não-redficadas. Se o
relevo local não for acidentado, algumas medições de áreas
relativamente precisas podem ser feitas se as imagens tive­
rem sido geometricamente registradas de acordo com um
sistema de projeção geográfica, com base no uso de técnicas
descritas em Jensen (2005). No entanto, deve-se sempre
lembrar que qualquer deslocamento de relevo presente nas
imagens introduzirá erro nessas medições de área. O méto­
do preferido para a extração de informação de área consiste,
inicialmente, em aerotriangular as fotografias aéreas e então
utilizar técnicas de fotogrametria digital para a extração de
informação temática, discutidas anteriormente.
BAE Systems, 2005, SOCETSet: Ortho Module, San Diego:
BAE Systems, Inc., www.tailsin.com.
193
P olígon os D igitalizados
Bossler, J. D., Jensen, J. R., McMaster, R. B. and C. Rizos,
2002, Manual o f Geospatial Science and Technology, London:
Taylor & Francis, 623 p.
Jensen, J. R., 2005, Introductory Digital Image Processing:
A Remote Sensing Perspective, 3rd Ed., Upper Saddle River:
Prentice-Hall, 525 p.
Jensen, J. R. and D. J. Cowen, 1999, “Remote Sensing
of Urban/Suburban Infrastructure and Socio-Economic
Attributes,” Photogrammetric Engineering & Remote Sensing,
65(5):611-622.
Konecny, G., 2003, Geoinformation: Remote Sensing,
Photogrammetry and Geographic Information Systems, London:
Taylor & Francis, 248 p.
Linder, W., 2003, Digital Photogrammetry: Theory and
Applications, Berlin: Springer-Verlag, 189 p.
McCoy, R. M., 2005, FieldMethods in Remote Sensing, N.Y.:
Guilford Press, 159 p.
McGlone, J. C., 2004, Manual o f Photogrammetry, 5th Ed.,
Bethesda: ASP&RS, 1151 p.
Mikhail, E. M., Bethel, J. S. and J. C. McGlone, 2001,
Introduction to Modem Photogrammetry, NY: John Wiley,
479 p.
Referências
Nale, D. K., 1994, “Digital Orthophotography: “What It Is
and Isnt,” GIS World, 7(6):22.
Rumsey, D. and E. M. Punt, 2004, Cartograpbica
Extraordinai?'e: The Historical Map Transformed, Redlands:
ESRI Press, 147 p.
Southard, G. W., 1994, True Orthophoto Capabilities of
SOCETSET, Englewood, CO: Leica Helava, Inc., 8 p.
Thrower, N. J. W. and J. R. Jensen, 1976, “The Orthophoto
and Orthophotomap: Characteristics, Development and
Application,” The American Cartographer, 3(1):39—56.
194
Walker, A. S., 1994, Correspondence concerning the SOCET
SET, San Diego: Leica AG Photogrammetry and Metrology,
Inc., December 20.
Warner, W. S., R. W. Graham and R. E. Read, 1996, Small
Format Aerial Photography, Scotland: Whittles, 348 p.
Wolf, P. R. and B. A Dewitt, 2000, Elements o f Photogrammetry
with Applications in Geographic Information Systems, NY:
McGraw Hill, 608 p.
Sistemas Multiespectrais de Sensoriamento
Remoto

s sistemas multiespectrais de sensoriamento remoto registram a energia refletida

O ou emitida de um objeto ou área de interesse em múltiplas bandas (regiões,

canais) do espectro eletromagnético. Os sistemas hiperespectrais de sensoria­
mento remoto registram dados em centenas de bandas. Os sistemas ultraespec-
trais coletam dados em milhares de bandas. A maioria dos sistemas multies­
pectrais e hiperespectrais de sensoriamento remoto coleta dados em formato
digital. Inicialmente, esse capítulo introduz a estrutura fundamental de uma
imagem digital. Depois, as características dos sistemas multiespectrais e hipe­
respectrais históricos, atuais e propostos são então apresentadas.

Aquisição de Dados Multiespectrais Digitais

O Capítulo 4 discutiu a digitalização de fotografias aéreas em papel. As fo­

tografias aéreas digitalizadas coloridas e infravermelho-coloridas podem ser
consideradas como dados multiespectrais de três bandas. As fotografias aéreas
coloridas naturais (cor-verdadeira) digitalizadas podem ser convertidas para
as bandas do azul, verde e vermelho. As fotografias aéreas infravermelho-co­
loridas podem ser convertidas para as bandas do verde, vermelho e infraver­
melho próximo. Embora esses conjuntos multiespectrais de três bandas sejam
suficientes para atender muitas aplicações, algumas vezes há necessidade de
utilizar bandas espectrais adicionais, posicionadas em localizações ótimas no
espectro eletromagnético, para atender uma aplicação mais específica. Feliz­
mente, os engenheiros têm desenvolvido detectores que são sensíveis a cente­
nas de bandas no espectro eletromagnético.

Uma revisão de como os dados digitais de sensoriamento remoto são transforma­

dos em informação útil é apresentada na Figura 7 -1 .0 sistema de sensoriamento
remoto primeiro detecta a energia eletromagnética que deixa o fenômeno de inte­
resse e atravessa a atmosfera. A energia detectada é registrada como um sinal elé­
trico analógico, que é normalmente convertido em um valor digital por meio de
uma conversão analógico-digital (A para D). Se uma plataforma aérea for usada,
os dados digitais simplesmente retornam para a Terra. Se uma plataforma orbital
for utilizada, os dados digitais podem ser enviados diretamente por telemetria
para as estações de recepção na Terra, ou indiretamente através de satélites de ras-
treamento e envio de dados (TDRS). Em cada caso, pode ser necessária a execu­
ção de algum pré-processamento radiométrico e/ou geométrico dos dados digitais
medidos para melhorar sua interpretação. Os dados podem ser então realçados
para análise visual humana subsequente ou processados posteriormente usando
algoritmos de processamento de imagens digitais. A informação biofísica e/ou
da cobertura do terreno extraída, usando interpretação visual ou processamento
digital de imagens, é distribuída e utilizada para tomar decisões. Espera-se que tais
decisões possam resultar em desenvolvimento sustentável (Jensen et al., 2002).
 196 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Sistema Sensor
Sistema de Sensoriamento
Conversão
Remoto
analógico-digital a
bordo e calibração

Telemetria direta para a Terra ou

indiretamente através dos denominados
“Tracking and Data Relay Satellites”
(TDRS)
O

Distribuição
e Uso da
Informação

Figura 7-1 Uma revisão do modo como os dados medidos remotamente são transformados em informação útil. Os dados registrados
pelos detectores são frequentemente convertidos de um sinal elétrico analógico para um valor digital e calibrado. O pré-pro-
cessamento terrestre remove distorções geométricas e radiométricas. Isto pode envolver o uso de efemérides ou dados auxiliares
(colaterais) como coordenadas x,y de mapas, um modelo digital de elevação, etc. Os dados estão então prontos para análise
visual ou digital, visando extrair informação biofísica ou de uso e cobertura da terra. Futuros sistemas sensores poderão fazer o
pré-processamento e a extração de informação a bordo do sistema de sensoriamento remoto.
«
Terminologia de Imagens Digitais A conversão analógico-digital, que ocorre a bordo do sis­
tema sensor, geralmente cria pixels com uma variação no
valor de brilho de 8 a 12 bits. Isto é chamado de nível de
Os dados digitais dos sensores remotos são normalmente quantização do dado do sensor remoto. Dados de sensores
armazenados como uma matriz (arranjo) de números. Cada remotos quantizados para 8 bits têm valores de brilho que
valor digital está localizado em uma linha (i) e coluna (j) variam de 0 a 255 (28). Dados quantizados para 10 bits
específica na matriz (Figura 7-2). Um pixel é definido como variam de 0 a 1023 (210), etc. Quanto maior for a variação
um elemento de cena bidimensional que constitui o menor possível de valores de brilho, mais precisas serão as me­
elemento não-divisível de uma imagem digital. Cada pixel didas da quantidade de radiação registrada pelo detector.
na linha (i) e coluna (j) na imagem tem um valor de brilho Pode-se pensar a quantização como uma espécie de régua.
(BV) associado. Alguns cientistas denominam esse valor de Podemos obter medidas mais precisas de um objeto usan­
número digital (DN). O conjunto de dados pode ser com­ do uma régua que tem 1024 subdivisões do que usando
posto por n bandas individuais (k) resultantes de um ima- outra régua que tem apenas 256 subdivisões.
geamento multiespectral ou hiperespectral. Portanto, é pos­
sível identificar o valor de brilho (BV) de um determinado Sistemas de Sensoriamento Remoto para
pixel no conjunto de dados por meio de suas coordenadas de Discussão
linha (/), coluna (j) e banda (k), isto é, BV.jk. E importante
compreender que as n bandas são todas geometricamente
registradas entre si. Por conseguinte, uma intersecção de es­ Existe uma variedade de sistemas digitais de sensoriamento
trada, na banda 1, linha 4 e coluna 4 (i.e., BV441), deverá remoto multiespectral e hiperespectral. Está fora do esco­
estar localizada na mesma linha e coluna na quarta banda po desse livro fornecer informação sobre todos eles. Entre­
(i.e., BV444). Supostamente, os valores de brilho nas duas tanto, é possível rever seletivamente alguns deles que são
posições devem ser diferentes; caso contrário, o conteúdo de ou que serão de valor significativo para as investigações de
informação das duas imagens é redundante. recursos da Terra. Eles estão organizados de acordo com
Aquisição de Dados Multiespectrais Digitais 197

Terminologia de Imagens Digitais

Variação do valor de Escala de cinza
Colunas (j) brilho (normalmente 8 bits) associada

Figura 7-2 Dados digitais de um sensor remoto no formato de uma matriz. Os valores de brilho (B V - brightness values) dos elementos de cena
(pixel) estão localizados na linha i, coluna j e banda k no conjunto de dados multiespectral ou hiperespectral. Os valores digitais
de brilho do sensor remoto são normalmente armazenados em bytes de 8 bits com valores variando de 0 a 255. Entretanto, vários
sistemas de digitalização de imagens e alguns sistemas de sensoriamento remoto agora rotineiramente adquirem dados em 10, 11
ou 12 bits.

o tipo de tecnologia de sensoriamento remoto utilizada, • Indian Remote Sensing System (IRS) Linear Imaging
conforme resumido na Figura 7-3, incluindo: Self-scanning Sensor (LISS-III e LISS-1V)

Imageamento Multiespectral Usando Detectores Dis­ • NASA Terra Advanced Spaceborne Thermal Emission
cretos e Espelhos de Varredura and Reflection Radiometer (ASTER)

• Landsat Multispectral Scanner (MSS) • NASA Terra Multiangle Imaging Spectroradiometer

(MISR)
• Landsat Thematic Mapper (TM)
• Digital Globe, Inc. (QuickBird)
• Landsat 7 Enhanced Thematic Mapper Plus (ETM+)
• Space Imaging, Inc. (IKONOS)
• NOAA Geostationary Operational Environmental Sa-
tellite (GOES) • ImageSat International, Inc. (EROS Al)

• NOAA Advanced Very High Resolution Radiometer
(AVHRR)
• NASA e ORB1MAGE, Inc., Sea-viewing Wide Field-
of-view Sensor (SeaWiFS)
• Daedalus, Inc., Aircraft Multispectral Scanner (AMS)
• ORBIMAGE, Inc. (OrbView-3 e OrbView-5)
• Leica Geosystems, Inc. Airborne Digital Sensor System
(ADS-40)
Espectrometria de Imageamento Usando Arranjos Li­
neares e de Área

• NASA Airborne Terrestrial Applications Sensor • NASA Jet Propulsion Laboratory Airborne Visible/In-
(ATLAS) frared Imaging Spectrometer (AVIRIS)

Imageamento Multiespectral Usando Arranjos Lineares
• Sensores High Resolution Visible (HRV) dos satéli­
tes SPOT 1, 2 e 3 e High Resolution Visible Infrared
(HRVIR) e Vegetation dos satélites SPOT 4 e 5
• Compact Airborne Spectrographic Imager 1500 (CASI
1500) e sensor hiperespectral do SWIR (SASI 600)
• NASA Terra Moderate Resolution Imaging Spectrora­
diometer (MODIS)
198 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Sistemas de Sensoriamento Remoto Usados para Obter Imagens Multiespectrais e Hiperespectrais

Câmera Analógica de “Pushbroom” (arranjo linear)

Quadro e Filme (cristais Varredor
D e te c to re s.
de haleto de prata) Espelho de varredura

Fotografia /Im ag em NIR

a 'É55 Vermelho Objetiva
Verde
Azul
Detectores
discretos

Arranjo de Area Hiperespectral

Arranjos de Área de Câmera
Digital de Quadro

“Whiskbroom”
(Arranjo linear)

Figura 7-3 Seis tipos de sistemas de sensores remoto usados para aquisição de dados multiespectrais e hiperespectrais: a) fotografias aéreas
tradicionais, b) imageamento multiespectral usando um espelho de varredura e detectores discretos, c) imageamento multiespec-
tral com arranjos lineares (frequentemente denominado de tecnologia "pushbroom”), d) imageamento com espelho de varredura
e arranjos lineares (tecnologia “whiskbroom’), e) espectrometria de imageamento usando arranjos lineares e de área, e f) fotografia
aérea de câmera digital de quadro com base em arranjos de área.
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura
• NASA Earth Observer (EO-1) Advanced Land Imager
(ALI), Hyperion, e LEISA Atmospheric Corrector (LAC)
Câmera Digital de Quadro com Base em Arranjos de Area
• Leica Geosystems Emerge Digital Sensor System
• Vexcel UltraCam Large Format Camera
• Z/I Digital Modular Camera
Sistemas Fotográficos de Astronauta
• NASA Space Shuttle e International Space Station
Imagery
A discussão seguinte identifica as características espaciais,
espectrais, temporais e radiométricas dos sistemas de sen­
soriamento remoto.
Imageamento Multiespectral usando
Detectores Discretos e Espelhos de
Varredura
A aquisição de dados multiespectrais por sensores remotos,
usando detectores discretos e espelhos de varredura, que
funcionam como escaneadores do terreno, iniciou-se em
meados da década de 60. Apesar da idade dessa tecnologia,
vários sistemas de sensoriamento remoto ainda a usam.
Satélites Tecnológicos de Recursos Terrestres e
Sistemas Sensores Landsat
Em 1967, a “National Aeronautics & Space Administration”
(NASA), encorajada pelo Ministério do Interior americano,
iniciou o programa denominado “Earth Resource Technolo­
gy Satellite” (ERTS). Esse programa resultou no lançamento
de sete satélites com uma diversidade de sistemas de senso­
riamento remoto construídos para adquirir informação dos
recursos da Terra. Os sensores mais marcantes foram os de
varredura multiespectral (“Landsat Multispectral Scanners”)
e os mapeadores temáticos (“Landsat Thematic Mappers”)
(Figura 7-4; Tabelas 7-1 e 7-2). O programa Landsat é o
sistema de satélites de observação da Terra mais antigo dos
Estados Unidos, tendo adquirido dados desde 1972. Esse
programa tem tido uma história difícil de gerenciamento e
de fontes de financiamento.
A cronologia de lançamentos e fim-de-operações dos saté­
lites são mostrados na Figura 7-4. O satélite ERTS-1, lan­
çado em 23 de julho de 1972, foi um sistema experimental
construído para testar a possibilidade de adquirir dados de
recursos da Terra por satélites não-tripulados. Antes do lan­
çamento do ERTS-B em 22 de janeiro de 1975, a NASA
199
rebatizou o programa ERTS de Landsat, distinguindo-o
do satélite de micro-ondas ativas Seasat, lançado em 26 de
junho de 1978. Nesta época, o ERTS-1 foi retroativamen-
te denominado de Landsat-1 e o ERTS-B de Landsat-2 no
lançamento. O Landsat-3 foi lançado em 5 de março de
1978; o Landsat-4 em 16 de Julho de 1982; e o Landsat-5
em 1 de março de 1984.
A companhia denominada “Earth Observation Satellite
Company (EOSAT)” obteve o controle dos satélites Landsat
em setembro de 1985. Infelizmente, o Landsat-6, com seu
sensor “Enhanced Thematic Mapper (ETM)” (uma banda
pancromática de 15 x 15 m foi adicionada) falhou em ser
colocado em órbita em 5 de outubro de 1993. O Landsat-7,
com seu sistema sensor “Enhanced Thematic Mapper Plus
(ETM+)”, foi lançado em 15 de abril de 1999. Favor consul­
tar a homepage do Landsat-7 da NASA para uma história
detalhada do programa Landsat (NASA Landsat 7, 2006).
Os Landsats 1 a 3 foram lançados em órbitas polares sín-
cronas com o Sol em uma altitude nominal de 919 km. A
plataforma é mostrada na Figura 7-5a. Os satélites tiveram
uma inclinação orbital de 99°, que os tornava aproximada­
mente polares (Figura 7-5b), fazendo com que eles cruzas­
sem o equador em um ângulo de aproximadamente 9° da
normal à superfície. Os satélites cobriam a Terra uma vez a
cada 103 minutos, resultando em 14 órbitas por dia (Figu­
ra 7-5c). Durante cada órbita polar, os satélites cruzavam
o equador aproximadamente à mesma hora local (9:30 às
10:00 horas da manhã) no lado iluminado da Terra.
As Figuras 7-5c e 7-6 ilustram como a cobertura repetitiva
de uma área geográfica era obtida. Da primeira órbita para a
seguinte, a posição diretamente abaixo da plataforma movia-
se 2875 km no equador quando a Terra rotacionava abaixo
dela. No dia seguinte, 14 órbitas depois, a plataforma volta­
va para a sua localização original, com a órbita 15 deslocada
a oeste da órbita 1 por 159 km no equador. Isto continuava
por 18 dias, após os quais a órbita 252 sobrepunha-se dire­
tamente à órbita 1 novamente. Portanto, os sistemas senso­
res Landsat tinham a capacidade de observar todo o globo
(exceto os pólos acima de 81°) a cada 18 dias, ou cerca de 20
vezes ao ano. Flavia aproximadamente 26 km de sobrepo­
sição entre órbitas sucessivas. Essa sobreposição era máxima
em 81° de latitudes norte e sul (cerca de 85%) e mínima no
equador (cerca de 14%). Essa sobreposição mostrou-se de
utilidade para aplicações de análise estereoscópica.
A natureza da órbita do Landsat resultou em um sistema
de órbita e ponto conhecido como “Worldwide Reference
System (WRS) ” (Sistema de Referência Mundial) para lo­
calizar e obter imagens Landsat de qualquer área da Terra.
O sistema WRS catalogou 57.784 cenas de todo o mundo.
Cada cena tem dimensões aproximadas de 185 x 170 km.
200 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Cronologia de lançamentos e fim de operações dos Satélites Landsat

86 88 90 92 94 96 98 00 02 04

D atas de Lançamento e Fim de Operações

Landsat 1 - 23/07/1972 a 06/01/1978
Landsat 2 - 22/01/1975 a 27/07/1983
.andsat 3 - 05/03/1978 a 07/09/1983
.andsat 4 - 16/07/1982
.andsat 5 -01/03/1984
Landsat 6 - 05/10/1993, falhou em atingir a órbita
Landsat 7 - 15/04/1999
Landsat 8 - aprovado pela OSTP em 23/12/2005.

■
ETMi ETM
6 7
j_

Figura 7-4 Cronologia de lançamentos e fim de operações da série de satélites Landsat (1 a 7) de 1972 a 2004.

Um método elegante de determinar se os dados de sensores
remotos (p.ex., Landsat MSS, Thematic Mapper, Enhanced
Thematic Mapper Plus) estão disponíveis para um determi­
nado local é usar o sistema de visualização de imagens deno­
minado “U.S. Geological Survey's Global VisualizationViewer
(USGS GloVis, 2006)”. Por exemplo, suponha que estejamos
interessados em localizar uma imagem Landsat Thematic
Mapper de Charleston, SC. Podemos entrar no sistema de
visualização mencionado e inserir a órbita e ponto WRS,
buscando a imagem desejada no banco de dados, conforme
mostra a Figura 7-7. Se não conhecermos a órbita/ponto,
podemos: a) mover o cursor sobre o mapa regional e posi­
cioná-lo sobre Charleston, SC, ou b) introduzir as coordena­
das de latitude e longitude de Charleston, SC (33,2° N, -81“
W). Podemos especificar o mês e ano (p.ex., maio, 2005) e
a quantidade aceitável de cobertura de nuvens, assim como
determinar também se a busca deve ser feita regionalmente,
como na Figura 7-7a (pixels reamostrados para 1000 m), ou
localmente como na Figura 7-7b (pixels reamostrados para
240 m). Uma versão colorida da interface do sistema “Global
Visualization Viewer” é mostrada na Prancha Colorida 7-1.
Nessa seção, estamos interessados nos tipos de sensores pre­
sentes nos satélites Landsat e na natureza e qualidade dos
dados de sensores remotos fornecidos para as investigações
de recursos da Terra. Os sensores mais importantes são os de
varredura multiespectral (“Landsat Multispectral Scanner”)
e o Mapeador Temático (“Landsat Thematic Mapper”).
Landsat Multispectral Scanner
O sensor Landsat Multispectral Scanner (MSS) foi inclu­
ído nos satélites Landsat 1 a 5. O arranjo de múltiplos
detectores do MSS e o sistema de varredura (escaneamento
do terreno) são mostrados diagramaticamente na Figura
7-8. Sensores como o Landsat MSS (e o Thematic Mapper,
que será discutido adiante) são sistemas ópticos-mecânicos
em que um espelho varre o terreno perpendicularmente
à direção de voo. Enquanto varre, ele focaliza a energia
refletida ou emitida do terreno sobre elementos detectores
discretos. Os detectores convertem o fluxo radiante me­
dido dentro de cada campo de visada instantâneo (“ins-
tantaneous field o f vieu) - IFOV”) na cena em um sinal
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura 201

Tabela 7-1. Características dos sistemas sensores Landsat Multispectral Scanner (MSS) e Landsat Thematic Mapper (TM).

Landsat Multispectral Scanner (MSS) Thematic Mapper (TM) do Landsat 4 e 5

Resolução Sensibilidade Resolução Sensibilidade

Espectral Radiométrica Espectral Radiométrica
Banda (pm) (IMEAp)3 Banda (pm) (NEAp)
4b 0,5 - 0,6 0,57 1 0,45 - 0,52 0,8
5 0,6- 0,7 0,57 2 0,52 - 0,60 0,5
6 0,7 - 0,8 0,65 3 0,63 - 0,69 0,5
7 0,8-1,1 0,70 4 0,76 - 0,90 0,5
8“ 10,4-12,6 1,4K (NEAT) 5 1,55-1,75 1,0
6 10,40- 12,5 0,5 (NEAT)
7 2,08 - 2,35 2,4
IFOV no 79 x 79 m para as bandas 4 a 7 30 x 30 m para as bandas 1 a 5 e 7
nadir 240 x 240 m para a banda 8 120 x 120 m para a banda 6
Taxa de dados 15 Mb/s 85 Mb/s
Níveis de
6 bits (valores de 0 a 63) 8 bits (valores de 0 a 255)
quantização
Cobertura da 18 dias para Landsat 1,2, 3
16 dias para Landsat 4, 5
Terra 16 dias para Landsat 4, 5
Altitude 919 km 705 km
Faixa de
185 km 185 km
Imageamento
Inclinação 99° 98,2°
a As sensibilidades radiométricas são diferenças de reflectância equivalentes de ruído para os canais refletivos expressos em %
(NEAp) e diferenças de temperatura para as bandas do infravermelho termal (NEAT).
b As bandas 4, 5, 6 e 7 do MSS foram renumeradas para bandas 1, 2, 3 e 4 nos Landsats 4 e 5.
c A banda 8 do MSS esteve presente apenas no Landsat 3.

elétrico (Figuras 7-3b e 7-8a). Os elementos detectores são
colocados atrás dos filtros em que passam porções amplas
de energia do espectro. O MSS tinha quatro conjuntos de
filtros e detectores, enquanto o TM tem sete. A limitação
primária dessa abordagem é o curto tempo de residência
da visada do detector em cada IFOV. Para obter uma re­
lação sinal/ruído adequada sem sacrificar a resolução espa­
cial, esse tipo de sensor deve operar em bandas espectrais
amplas com largura > 1 0 0 nm, ou deve usar uma óptica
com razões de distância focal/abertura ( f l stop) pequenas
(muitas vezes não realísticas).
O espelho de varredura do MSS oscilava com um desloca­
mento angular de ±5,78° em relação ao nadir. Este campo
de visada (Field-of-View - FOV) de 11,56“ resultava em uma
faixa de imageamento de 185 km para cada órbita. Seis detec­
tores paralelos sensíveis às quatro bandas (canais) no espectro
eletromagnético visualizavam o terreno simultaneamente:
0,5-0,6 pm (verde), 0,6-0,7 pm (vermelho), 0,7-0,8 pm (in­
fravermelho próximo refletido) e 0,8-1,1 pm (infravermelho
próximo refletido). Essas bandas foram originalmente nume­
radas 4, 5, 6 e 7, respectivamente, porque o sistema sensor
Return Beam Vidicon (RBV) - também presente no satélite
- registrava a energia em três bandas denominadas 1, 2 e 3.
Quando não estava vendo a Terra, os detectores do MSS
eram expostos às fontes de calibração de luz interna e do
Sol. A sensibilidade espectral das bandas está resumida na
Tabela 7-1 e é mostrada diagramaticamente na Figura 7-8b.
Observe que existe sobreposição espectral entre as bandas.
Antes do lançamento do satélite, o modelo de engenharia
do ERTS MSS foi testado fazendo o imageamento da cena
que ficava atrás do Centro de Pesquisa de Santa Bárbara
em Goleta, CA. As bandas 4 e 6 (verde e infravermelho
próximo, respectivamente) da área são mostradas na Fi­
gura 7-9. Observe o detalhe espacial presente quando o
sensor está localizado há apenas 1 a 2 km das montanhas.
A resolução espacial é muito inferior quando o sensor está
posicionado 919 km acima da Terra, em órbita.
202 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Vidicon (RBV)

Órbita 16, dia 2

Órbita 2, dia 1
Órbita 15, dia 2
Órbita 1, dia 1

Figura 7-5 a) Plataforma tipo Nimbus usada para os satélites

185 km
Landsat 1, 2 e 3 e sensores e sistemas de telecomu­
de largura nicação associados, b) Inclinação da órbita Landsat
para manter uma órbita síncrona com o Sol. c) Da
órbita 1 para a seguinte, a posição diretam ente abai­
xo do satélite moveu-se 2875 km no equador quando
a Terra rotacionou sob o satélite. No dia seguinte,
2875 km •| |«- 159 km 14 órbitas depois, o satélite retorna aproximadamen­
no equador te à sua posição original, com a órbita 15 deslocada
para oeste da órbita 1 em 159 km (99 milhas). Essa é
maneira como a cobertura repetitiva da mesma área
geográfica era obtida.

O IFOV de cada detector era quadrado e resultava em
um elemento de resolução no terreno de aproximada­
mente 79 x 79 m. O sinal analógico de voltagem de cada
detector era convertido para um valor digital usando um
conversor A/D a bordo. Os dados eram quantizados para
6 bits com uma variação de valores de 0 a 63. Estes dados
eram então re-escalados para 7 bits (0 a 127) para três
das quatro bandas em processamento subsequente em
estação terrena (isto é, as bandas 4, 5 e 6 foram descom­
pactadas para uma variação de 0 a 127). É importante
lembrar que os primeiros dados MSS da década de 70
foram quantizados para 6 bits, enquanto que os dados da
década de 80 foram coletados em 8 bits.
Durante cada varredura, a voltagem produzida por cada
detector era amostrada a cada 9,95 ps. Para um detector,
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura 203

Trajetórias Orbitais do Landsat

Figura 7-6 Trajetórias orbitais dos satélites Landsat 1,2 e 3 durante um único dia de cobertura. O satélite cruzava o equador a cada 103 minutos,
tempo em que a Terra rotacionava uma distância de 2875 km sob o satélite no equador. A cada 14 órbitas, transcorriam 24 horas.

aproximadamente 3300 amostras eram tomadas ao longo Landsat Thematic Mapper

de uma linha de 185 km de extensão. Portanto, o IFOV
de 79 m x 79 m transformava-se em cerca de 56 m no
terreno entre cada amostra (Figura 7-10). A área de 56
x 79 m é chamada de um elemento de cena do Landsat
MSS. Portanto, embora a medida do brilho do terreno
tenha sido feita de uma área de 6241 m2, cada pixel foi
reformatado como se a medida tivesse sido feita de uma
área de 4424 m 2 (Figura 7-10). Observe a sobreposição
das áreas a partir das quais as medidas de brilho foram
feitas para pixels adjacentes.
Os sistemas sensores Landsat Thematic Mapper (TM) fo­
ram lançados em 16 de julho de 1982 (Landsat 4) e em 1
de março de 1984 (Landsat 5). O TM é um sensor óptico-
mecânico “whiskbroom” que registra a energia nas regiões
do visível, infravermelho refletido, infravermelho de ondas
curtas (SWIR) e infravermelho termal do espectro eletro­
magnético. Ele coleta imagens multiespectrais que têm
melhores resoluções espacial, espectral, temporal e radio-
métrica do que as do MSS.

O MSS varria cada linha perpendicular à trajetória do
satélite de oeste para leste à medida que a órbita do saté­
lite para sul promovia a progressão ao longo da trajetória.
Cada cena MSS representa um paralelograma de 185 x
170 km resultante do contínuo imageamento de uma
órbita e tem aproximadamente 10% de sobreposição
nas proximidades do equador. Uma típica cena contém
aproximadamente 2340 linhas com cerca de 3240 pixels
por linha, ou cerca de 7.581.600 pixels por canal. As
quatro bandas juntas representam um conjunto de dados
de mais de 30 milhões de valores de brilho. As imagens
Landsat MSS forneceram uma oportunidade inédita para
observar áreas geográficas amplas numa única imagem.
Por exemplo, são necessárias aproximadamente 5.000 fo­
tografias aéreas verticais na escala de 1:15.000 para igua­
lar a cobertura geográfica de uma única imagem Landsat
MSS. Isto possibilita que a análise regional do terreno
seja feita usando uma única fonte de dados ao invés de
um número enorme de fotografias aéreas.
A plataforma do Landsat 4 e 5 é mostrada na Figura 7-11.
A configuração do sistema sensor Thematic Mapper é
apresentada na Figura 7-12. Um telescópio direciona o
fluxo radiante incidente, obtido ao longo de uma linha de
varredura, através de um corretor de linhas para: 1) o plano
focal primário do visível e infravermelho próximo, ou 2)
o plano focal resfriado do infravermelho de ondas curtas e
infravermelho termal. Os detectores para as bandas do vi­
sível e do infravermelho próximo (1-4) são quatro arranjos
lineares, cada qual contendo 16 detectores de silício. Os
detectores para as duas bandas do infravermelho médio são
16 células de antimoneto de índio em um arranjo linear, e
o detector do infravermelho termal é um arranjo de quatro
elementos de células de telureto de mercúrio e cádmio.
Os dados do Landsat TM têm um IFOV projetado no ter­
reno de 30 x 30 m para as bandas 1 a 5 e 7. A banda 6
do infravermelho termal tem uma resolução espacial de 120
x 120 m. As bandas espectrais do TM apresentam impor-
204 CAPITULO Sistemas Multiespectrais de Sensoriamento Remoto

Uso do USGS Global Visualization Viewer

para Localizar Dados do Landsat
Global Visualization Viewer

a. Busca para imagens de Charleston, SC, usando os critérios: órbita/ponto (16/37), Landsat 4-5
TM , Maio de 2005, 100% de cobertura máxima de nuvens; reamostrado para pixels de 1.000 m.

b. Busca por Charleston, SC, usando pixels reamostrados para 240 m.

Figura 7-7 Uso do sistema de visualização de imagens denominado “USGS Global Visualization Viewer" para localizar imagens Landsat
Thematic Mapper de Charleston, SC.
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura
Landsat Multispectral Scanner
100
£ 80
S 60
£
e i
<u™
bí) 40
C
<u
Abertura com 20
protetor solar
0,4
tantes diferenças em relação às bandas encontradas no tra­
dicional MSS, também presente a bordo dos Landsats 4 e
5. O posicionamento e a largura das bandas do MSS' foram
selecionados com base em sua utilidade para inventários de
vegetação e estudos geológicos. De forma oposta, as bandas
do TM foram escolhidas após anos de análise quanto à sua
importância na penetração na água, discriminação de tipos e
vigor de vegetação, medidas de umidade de plantas e solos,
diferenciação de nuvens, neve e gelo, e identificação de alte­
ração hidrotermal em certos tipos de rochas (Tabela 7-2). As
bandas mais refinadas e a melhor resolução espacial do Lan­
dsat TM, em comparação com as do MSS e de vários outros
sistemas sensores (Landsat 7 e SPOTs 1-5), são mostradas
graficamente na Figura 7-13. Exemplos de imagens de ban­
das individuais do Landsat Thematic Mapper de Charleston,
SC, obtidas em 1994, são apresentados na Figura 7-14.
205
Bandas do Landsat Multispectral Scanner
r
5 'E i 7 ^
1
1 m ^
0,5 0,6 0,7 0,8 0,9 1,0
Comprimento de Onda, |im
b.
Figura 7-8 a) Principais componentes do sistema Landsat Mul­
tispectral Scanner nos Landsats 1 a 5 (o Landsat 3
também tinha uma banda no infravermelho termal).
Um conjunto de 24 detectores (seis para cada uma das
quatro bandas) media a energia refletida da Terra de
um campo de visada instantâneo de 79 m x 79 m. b)
Função de resposta dos filtros das bandas do Landsat
Multispectral Scanner. Observe que as bandas não ter­
minam abruptamente, como sugerido na nomencla­
tura usual, p.ex., banda 4 (0,5 - 0,6 pm).
As bandas do Landsat TM foram selecionadas para maximizar
o uso dos fatores dominantes que controlam a reflectância das
folhas, tais como pigmentação da folha, estrutura da folha e do
dossel, e conteúdo de umidade, conforme demonstrado na Fi­
gura 7-15. A vegetação absorve a maior parte do fluxo radiante
incidente no azul, verde e vermelho para fins fotossintéticos;
consequentemente, áreas com vegetação aparecem escuras nas
imagens das bandas 1 (azul), 2 (verde) e 3 (vermelho), como
visto nos dados Landsat TM de Charleston, SC (ver Figura
7-14). A vegetação reflete aproximadamente metade do fluxo
radiante incidente no infravermelho próximo, fazendo com
que a vegetação apareça clara na imagem da banda 4 (infra­
vermelho próximo). Ambas as bandas 5 e 7 fornecem mais
detalhes em terrenos úmidos, porque elas são sensíveis às con­
dições de umidade dos solos e plantas (Tabela 7-2). A imagem
da banda 6 (termal) fornece informação de valor limitado.
206 CAPÍTULO
b. Banda 6 do Landsat MSS (0,7 - 0,8 fim).
Figura 7-9 Duas imagens terrestres adquiridas pelo modelo de
engenharia do Landsat MSS em 4 de março de 1972
no centro de pesquisa denominado “Santa Barbara Re­
search Center o f Hughes Aircraft, Inc.” A imagem de
cima (a) foi obtida usando os detectores da banda 4 do
MSS (0,5-0,6 fim) e a imagem de baixo (b) foi adquiri­
da usando os detectores da banda 6 (0,7-0,8 pm). O b­
serve a alta fidelidade espacial das imagens obtidas em
campo, que é possível quando o terreno está próximo e
não a 919 km de distância, como o satélite Landsat.
O horário de passagem equatorial foi às 9:45 horas para
os Landsats 4 e 5, com uma inclinação orbital de 98,2°.
Os Landsats 4 e 5 foram posicionados em uma órbita de
705 km. A órbita mais baixa também aumentou a quantida­
de de deslocamento do relevo introduzido no intageamento
de terrenos montanhosos. A nova órbita também diminuiu
o período de cobertura repetitiva de 18 para 16 dias para
dados do MSS e TM coletados pelos Landsats 4 e 5.
Houve uma substancial melhoria no nível de quantização
de 6 para 8 bits por pixel (Tabela 7-1). Isto, além do maior
número de bandas e da melhor resolução espacial, aumen­
tou a taxa de dados de 15 para 85 Mb/s. Estações de re­
cepção terrenas foram modificadas para processar o fluxo
crescente de dados. Com base nas melhorias das resoluções
espectral, espacial e radiométrica, Salomonson (1984) su-
Sistemas Multiespectrais de Sensoriamento Remoto
Figura 7-10 Relação entre o IFOV original projetado no terreno
(79 x 79 m) e a taxa em que ele foi amostrado (isto é, a
cada 9,95 ps). Isto resultava em pixels com 56 x 79 m
nos dados obtidos do EROS Data Center em Sioux
Falis, SD.
Thematic Mappers dos Satélites Landsat 4 e 5
Antena de ganho alto
L Antena do Sistema
de Posicionamento
Módulo Global (GPS)
de controleV. I
Figura 7-11 Plataforma do Landsat 4 e 5 e sistemas sensores e de
telecomunicação associados.
geriu que “parece que o TM pode ser descrito como sendo duas
vezes mais efetivo em fornecer informação do que o Landsat
MSS. Isto se baseia em sua habilidade para diferenciar mais
classes em uma determinada área do que o MSS, fornecer
numericamente dois vetores mais independentes nos dados ou
demonstrar através da teoria clássica de informação que duas
vezes ou mais de informação existe nos dados TM. ”
Os esforços para transferir o Programa Landsat para o setor
comercial iniciaram-se na Administração Carter em 1979
e resultaram na legislação aprovada em 1984, que pressio­
nava a “National Oceanic and Atmospheric Administra-
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura
Tabela 7-2. Características das bandas espectrais do
sensor Thematic Mapper do Landsat 4 e 5.
Banda 1: 0,45 - 0,52 \xm (azul). Essa banda tem maior penetração
em corpos d água, assim como fornece suporte para análises de uso
da terra, solo e características da vegetação. O limite inferior do com­
primento de onda é abaixo do pico de transmitância da água clara. O
limite superior é o de absorção por clorofila no azul para a vegetação
verde saudável. Comprimentos de onda <0,45 pm são substancial­
mente influenciados por espalhamento e absorção atmosférica.
Batida 2: 0,52 - 0,60 p m (verde). Essa banda cobre a região
entre as bandas de absorção pela clorofila no azul e no vermelho e
responde à reflectância da vegetação sadia no verde.
Banda 3: 0,63 - 0,69 p m (vermelho). Essa é a banda vermelha de
absorção por clorofila da vegetação verde sadia e é útil para discri­
minação da vegetação. É também útil para delinear os limites de
classes de solos e tipos de rochas. Essa banda pode exibir mais con­
traste do que as bandas 1 e 2 devido ao efeito reduzido da atenuação
atmosférica. O limite superior de 0,69 pm é importante porque
compreende o início de uma região espectral de 0,68 a 0,75 pm
em que a reflectância muda abruptamente (borda vermelha ou red
edge), o que pode reduzir a precisão das investigações da vegetação.
Banda 4: 0,76 - 0,90 p m (infravermelho próximo). Pelas ra­
zões discutidas anteriormente, o limite inferior dessa banda foi
posicionado acima de 0,75 pm (término da borda vermelha). Esta
banda é muito sensível à quantidade de biomassa da vegetação e/
ou área foliar presente. É útil para identificação de culturas e para
realçar contrastes entre solo/cultura e terra/água.
B anda 5: 1,55 - 1,75 p m (infiavermelho médio - SW IR ). Essa
banda é sensível à turgidez ou quantidade de água nas plantas.
Esta informação é útil em estudos de estresse de culturas e em
investigações de vigor das plantas. Essa é uma das poucas bandas
que podem ser usadas para discriminar entre nuvens, neve e gelo.
Banda 6: 10,4 - 12,5 p m (infiavermelho termal). Essa banda
mede a quantidade de energia radiante infravermelha emitida das
superfícies. A temperatura aparente é uma função da emissivi-
dade e da temperatura verdadeira (cinética) da superfície. E útil
para focalizar atividade geotermal, mapeamento de inércia termal
para investigações geológicas, classificação e análise de estresse de
vegetação, e para estudos de umidade de solos. Esta banda fre­
quentemente capta informação única sobre diferenças em aspecto
topográfico em áreas montanhosas.
Banda 7: 2,08 - 2 ,3 5 p m (infiavermelho médio - S W IR -
shortivave infia red, ou infravermelho de ondas curtas). Essa
é uma importante banda para a discriminação de formações
geológicas de rochas. Ela tem sido efetiva para identificar zonas de
alteração hidrotermal em rochas.
tion (NOAA)” para transferir o programa para o setor pri­
vado. A companhia “Earth Observing Satellite Company
(EOSAT)” começou a operar em 1985 e foram-lhe dados
os direitos para comercializar os dados Landsat TM. Esse
foi um período muito difícil para o sensoriamento remoto
orbital nos Estados Unidos, com cada cena Landsat TM
custando aproximadamente 4.500 dólares.
E importante destacar a impressionante longevidade do sis­
tema Landsat 5 Thematic Mapper, lançado em 1 de março
de 1984. Mesmo após a falha de colocação em órbita do
207
Landsat 6 em 5 de outubro de 1993, o Landsat 5 TM con­
tinuou a fornecer dados de alta qualidade. A aquisição de
dados foi suspensa por algum tempo em 26 de novembro
de 2005 devido a problemas no satélite (USGS Landsat 5,
2006). Atualmente (Janeiro de 2009), ele ainda continua
em operação, ainda que com certas deficiências.
Enhanced Thematic Mapper Plus do Landsat 7
Em outubro de 1992, o Presidente Clinton, dos Estados Uni­
dos, assinou o Decreto da Política de Sensoriamento Remoto
Terrestre (Lei Pública 102-555). A lei autorizou a construção
do Landsat 7 e seu lançamento em um período de 5 anos após
o lançamento do Landsat 6. Em ações paralelas, o Congresso
financiou o Landsat 7 e estipulou que dados de sistemas sa­
télites de sensoriamento remoto como os do Landsat, finan­
ciados com recursos públicos, deveríam ser vendidos para as
agências de governo dos Estados Unidos e suas afiliadas ao
custo de produção e atendimento do pedido do usuário.
Com a aprovação da Lei Pública de 1992, o programa
Landsat começou a retornar do setor comercial para o do
governo federal. A NASA foi responsável pelo projeto,
desenvolvimento, lançamento e verificação em órbita do
Landsat 7 (Figura 7-16), assim como pela instalação e ope­
ração do sistema de solo. O Serviço Geológico americano,
conhecido como “U.S. Geological Survey (USGS)”, foi
responsável pela aquisição, processamento e distribuição
dos dados do Landsat 7, gerenciamento da missão e ma­
nutenção do arquivo de dados do Landsat 7.
O Landsat 7 foi lançado em 15 de abril de 1999, da Base Aérea
de Vandenburg, CA, numa órbita síncrona com o Sol (Figura
7-16). O Landsat 7 foi projetado para trabalhar em sintonia
com os satélites EOS Terra e Aqua da NASA. Foi projetado
para atingir três objetivos (NASA Landsat 7, 2006):
• manter a continuidade de dados, fornecendo dados que
são consistentes com dados Landsat prévios em termos
de geometria, resolução espacial, calibração, caracterís­
ticas de cobertura e características espectrais;
• gerar e periodicamente atualizar um arquivo global de
imagens substancialmente livres de cobertura de nu­
vens e com boas condições de iluminação;
• continuar a tornar os dados do tipo Landsat disponíveis
para os Estados Unidos e para usuários internacionais a
custos satisfatórios e expandir o uso desses dados para
pesquisas de mudanças globais e propósitos comerciais.
O Landsat 7 é uma plataforma estabilizada em três eixos
portando um instrumento apontado para o nadir, o ETM +
(Figura 7-16). O instrumento F.TM' é um subproduto dos
208 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Landsat Thematic Mapper

Dispositivos de
controle térmico

Resfriador
radiativo

Abertura com
proteção solar
Protetor contra
radiação terrestre

Figura 7-12 Principais componentes do sistema sensor Thematic Mapper dos Landsats 4 e 5. O sensor é sensível às sete bandas do espectro
eletromagnético resumidas na Tabela 7-1. Seis das sete bandas têm uma resolução espacial de 30 x 30 m; a banda do infravermelho
termal tem uma resolução espacial de 120 x 120 m. O diagrama inferior exibe o sensor em sua posição operacional.

sensores Thematic Mapper dos Landsats 4 e 5. Portanto,
é possível consultar a Figura 7-12 para uma revisão de seu
projeto de espelho e detectores. O ETM* tem como base
a tecnologia de varredura mecânica (Figura 7-3b), a des­
peito do fato de que a tecnologia “pushbroom” (varredura
eletrônica) de arranjo linear já tivesse sido disponibilizada
comercialmente desde o lançamento do satélite francês
SPOT 1 em 1986. Apesar disso, o instrumento ETM* era
um excelente sensor com várias melhorias notáveis sobre
os seus precursores Landsats 4 e 5.
As características do Landsat 7 ETM* podem ser vistas na
Tabela 7-3. As bandas 1 a 5 e 7 do ETM* são idênticas
às dos Landsat 4 e 5 e têm a mesma resolução espacial de
30 x 30 m. A banda 6 do infravermelho termal tem uma
resolução espacial de 60 x 60 m (ao invés de 120 x 120 m).
Talvez a mais notável mudança seja a nova banda pancro-
mática de 15 x 13 m (0,52-0,90 pm). As imagens Landsat
7 ETM* de San Diego, CA, são mostradas na Figura 7-17.
Uma composição colorida ETM* de San Diego, CA, é
apresentada na Prancha Colorida 7-2.
O Landsat 7 está numa órbita de 705 km acima da Terra,
coleta dados em uma faixa de 185 km e não pode observar
fora do nadir. Seu intervalo de revisita é de 16 dias. Ele tem
um gravador de estado sólido de 378 gigabits que pode gra-
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura 209

Resolução Espacial e Espectral do Landsat Multispectral Scanner, do Landsat

Thematic Mapper e dos Sistemas Sensores do SPOT

w
o
taJ
O
d

04

0,4 ,5 ,6 ,7 ,8 ,9 1,0 1,1 1,55 1,75 2,0 2,1 2,2 2,3 2,4 10 11 12
Comprimento de Onda, (lm

Figura 7-13 Resolução espacial e espectral do Landsat Multispectral Scanner (MSS) e do Thematic Mapper (TM) dos Landsat 4 e 5, do
Enhanced Thematic Mapper Plus (ETM*) do Landsat 7, do High Resolution Visible (HRV) dos SPOT 1,2 e 3, e do High Re-
solution Visible Infrared (HRVIR) dos SPOT 4 e 5. As características do sensor Vegetation dos SPOT 4 e 5 não são mostradas
(ele consiste de quatro bandas com 1 ,1 5 x 1 ,1 5 km de resolução espacial).

var 42 minutos de dados de imagem e 29 horas de dados de
telemetria. O ETM + registra 150 megabits de dados a cada
segundo. O Landsat 7 pode transmitir os dados diretamen­
te para as estações receptoras no EROS Data Center em
Sioux Falis, SD, ou para Fairbanks, AK. Os dados interna­
cionais do Landsat 7 podem ser adquiridos por transmissões
usando satélites TDRS (Track and Data Relay Satellite, ou
Satélites Auxiliares para Rastreio, Recepção e Transmissão
de Dados) ou por estações receptoras internacionais.
O Landsat 7 ETM* tem excçlente calibração radiométrica,
que é feita usando abertura parcial e total para calibração
solar. A calibração em solo é executada adquirindo ima­
gens de certos alvos terrestres de calibração. As caracterís­
ticas biofísicas e atmosféricas destes alvos são bem docu­
mentadas em solo.
Flouve uma época em que aproximadamente 250 imagens
ETM + eram processadas diariamente pelo EROS Data
Center. Infelizmente, o Scan Line Corrector (SLC) do
ETM* falhou em 31 de maio de 2003, resultando em ima­
gens com significativa perda de dados. O SLC compensava
os efeitos do movimento para frente do satélite. Os esfor­
ços para recuperar o SLC não foram bem sucedidos.
A equipe do Landsat do USGS/NASA refinou técnicas de
compensação de ausência de dados que fazem a fusão de
múltiplas aquisições do ETM*. Eles desenvolveram modifi­
cações no esquema de aquisição do Landsat 7 para a obten­
ção de duas ou mais cenas limpas e próximas no tempo para
facilitar essa estratégia de preenchimento ou substituição de
dados. Esta fusão de imagens soluciona alguns problemas
de ausência de dados (USGS Landsat 7, 2006).
210 CAPITULO Sistemas Multiespectrais de Sensoriamento Remoto

Dados do Landsat-5 Thematic Mapper de Charleston, SC

a. Banda 1 b. Banda 2 c. Banda 3

d. Banda 4 e. Banda 5 f. Banda 6 (infravermelho termal)

Figura 7-14 Dados do Landsat Thematic Mapper de Charleston, SC,

obtidos em 3 de fevereiro de 1994. As bandas 1 a 5 e 7
têm resolução espacial de 30 x 30 m. A banda 6 tem reso­
lução de 120 x 120 m.

Continuidade dos Dados Landsat
Um memorando do President's Office of Science and Te­
chnology Policy (OSTP), dos Estados Unidos, assinado
em 23 de dezembro de 2005, resume o futuro do Landsat
(OSTP, 2005). Os Departamentos de Comércio, Defesa,
Interior e a NASA tomarão as seguintes ações:
• Prosseguir com o programa NPOESS sem incorporar
um instrumento do tipo Landsat;•
• O DOI (Department of Interior), por meio do USGS,
será responsável pelas operações da missão de continui­
dade dos dados Landsat e pela aquisição, arquivamento,
processamento e distribuição dos dados da superfície
terrestre para o governo americano e outros usuários;
• As agências procurarão implementar uma abordagem
para esta missão de forma que não torne impossível
uma solução de longo prazo para a continuidade de
dados do tipo Landsat.

• A NASA irá executar uma missão dedicada de continuida­ Ainda permanece como objetivo do governo americano a
de de dados Landsat com um satélite para obter os dados transição do programa Landsat de uma série de missões pla­
necessários da superfície terrestre e enviá-los para o U.S. nejadas independentemente para um programa operacional
Geological Survey (USGS) do Departamento do Interior; financiado e gerenciado por uma agência operacional do go-
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura 211

Reflectância de uma Folha de Plátano em Diferentes Condições de Umidade

Figura 7-15 Mudanças progressivas na percentagem de reflectância de uma folha de plátano em função de seu conteúdo de umidade. Os
fatores que controlam a reflectância das folhas e a localização das seis bandas do Landsat Thematic Mapper são indicados.

Landsat 7 Enhanced Thematic Mapper Plus

Figura 7-16 Satélite Landsat 7 com seu sistema sensor Enhanced Thematic Mapper Plus (ETM*) (cortesia de Lockheed Martin, Inc.).

verno americano ou por agências, consórcio internacional,
e/ou por parcerias comerciais. Concomitantemente com
as ações acima citadas, o National Science and Technology
Council, em coordenação com a NASA, DOI/USGS e outras
agências e escritórios EOP (Executive Office of the President,
dos Estados Unidos) quando apropriado, farão esforços para
desenvolver um plano de longo prazo para obter estabilidade
técnica, financeira e gerencial para o imageamento operacio­
nal da superfície terrestre de acordo com os objetivos do U.S.
Integrated Earth Observation System (OSTP, 2005).
Earth Observer (EO-1)
A missão Earth Observer (EO-1) foi lançada em 21 de
novembro de 2000 (NASA EO-1, 2006). O satélite foi
posicionado em uma órbita síncrona com o Sol a 705 km
de altitude com uma inclinação de 98,7° de tal forma a
voar em formação 1 minuto atrás do Landsat 7, com mes­
ma trajetória no terreno. Essa separação próxima entre os
dois satélites possibilitou ao satélite EO-1 a observação das
mesmas localizações no terreno (cena) através da mesma
região atmosférica. Consequentemente, comparações de
cenas obtidas pelos dois satélites puderam ser feitas.
As especificações do satélite EO-1 estão resumidas na Ta­
bela 7-3. O sensor Advanced Land Imager (ALI) contém
uma matriz linear de 10 bandas, de 0,4 a 2,35 pm com
resolução espacial de 30 x 30 m. O sensor hiperespectral
Hyperion registra dados em 220 bandas, de 0,4 a 2,4 pm
com resolução espacial de 30 x 30 m. O sensor Linear Eta-
212 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Imagem Landsat 7 Enhanced Thematic Mapper Plus de San D iego, CA

d. Banda 4 (0,75 - 0,90 pm) e. Banda 5 (1,55 - 1,75 |imj f. Banda 6 do termal (10,4 - 12,5 pm)

g. Banda 7 (2,08 - 2,35 pm j

Figura 7-17 Imagem Landsat 7 ETM* de San Diego, CA, obtida em 24 de abril de 2000. As bandas 1 a 5 e 7 têm 30 x 30 m de resolução
espacial. A banda 6 do infravermelho termal tem 60 x 60 m. A banda 8 pancromática tem 15 x 15 m (cortesia da NASA).

lon Imaging Spectrometer Array (LEISA) Atmospheric

Corrector é um instrumento hiperespectral de 256 bandas,
sensível à região de 0,9 a 1,6 pm, com resolução espacial
de 250 x 250 m. Foi construído para fins de correção de
vapor d’água da atmosfera. Todos os três instrumentos do
EO-1 observam toda a cena Landsat 7 ou porções dela.
Projeto Preparatório NPOESS (NPP)
Visible/Infrared Imager Radiometer Suite (VIIRS), Cross-
track Infrared Sounder, Advanced Technology Microwave
Sounder, ATMS Photos (NOAA NPOESS, 2006).
Sensores de Varredura Multiespectral da National
Atmospheric and Oceanic Administration (NOAA)

O Goddard Space Flight Center da NASA selecionou o
Bali Aerospace para construir um satélite para o denomi­
nado NPOESS Preparatory Project (NPP), o precursor da
missão NPOESS. O NPP foi concebido para funcionar
como uma ponte entre o programa EOS da NASA e o
NPOESS para o desenvolvimento dos seguintes sensores:
A NOAA opera duas séries de satélites de sensoriamento
remoto: os denominados Geostationary Operational En-
vironmental Satellites (GOES) e os Polar-orbiting Opera­
tional Environmental Satellites (POES). Ambos se baseiam
atualmente em tecnologia de varredura multiespectral. O
U.S. National Weather Service usa os dados desses sensores
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura 213

Tabela 7-3. Comparação do sensor Landsat Enhanced Thematic Mapper Plus (ETM+) com os instrumentos do satélite
Earth Observer (EO-1).
Landsat 7 Enhanced Thematic Mapper Plus (ETM+) EO-1 Advanced Land Imager (ALI)

Resolução Resolução
Resolução Espacial (m) Resolução Espacial (m)
Banda Espectral (pm) no Nadir Banda Espectral (pm) no Nadir
1 0,450-0,515 30x30 MS-1 0,433 -0,453 30 x30
2 0,525 - 0,605 30 x 30 MS-1 0,450 -0,510 3 0x30
3 0,630 - 0,690 30 x 30 MS-2 0,525 - 0,605 30 x 30
4 0,750 - 0,900 30x30 MS-3 0,630 - 0,690 30 x 30
5 1,55 - 1,75 30x30 MS-4 0,775 - 0,8605 30 x 30
6 10,40 - 12,50 60x60 MS-4’ 0,845 - 0,890 30 x 30
7 2,08 - 2,35 30x30 MS-5’ 1,20 - 1,30 3 0x30
8 (pancromática) 0,52 - 0,90 15 x 15 MS-5 1,55 - 1,75 30 x 30
MS-7 2,08 - 2,35 30 x 30
Pancromática 0,480 - 0,690 10x 10
Sensor hiperespectral EO-1 Hyperion com 220 bandas de 0,4 a
2,4 pm e 30 x 30 m de resolução espacial

Corretor Atmosférico LEISA do EO-1 (LAC) com 256 bandas de

0,9 a 1,6 pm e 250 x 250 m de resolução espacial

O sensor ALI - Advanced Land Imager, Imageador Terrestre Avan­

Tecnologia do _ A . . .. çado - é um radiômetro de varredura eletrônica. O Hyperion é um
° hspectrometro de varredura por espelho
Sensor espectrorradiômetro de varredura eletrônica
O LAC usa matrizes bidimensionais

^ xade 185 km ALI = 37 km; Hyperion = 7,5 km; LAC = 185 km

Imageamento
Taxa de Dados 250 imagens por dia@31.450 km2
Revisita 16 dias 16 dias
Órbita e (Síncrona com o Sol; Inclinação = 98,2° 705 km, Síncrona com o Sol; Inclinação = 98,2°; Cruzamento
Inclinação Cruzamento Equatorial = 10 horas ± 15 min.) Equatorial = Landsat 7 + 1 minuto
Lançamento 15 de abril de 1999 21 de novembro de 2000

para previsão de tempo. Frequentemente vemos as imagens
GOES mostrando os padrões de tempo das Américas do
Norte e do Sul nos noticiários diários. O Advanced Very
High Resolution Radiometer (AVHRR) foi desenvolvido
para fins meteorológicos. Entretanto, pesquisas de mudan­
ças climáticas globais têm usado os dados do AVHRR para
mapear a vegetação e as características da superfície do mar.
Geostationary Operational Environmental Satellite
(GOES)
O GOES é operado pelo National Environmental Sa­
tellite Data and Inform ation Service (NESDIS) da
NOAA. A mais recente geração de satélites geoestacio-
nários da NOAA iniciou-se com o GOES-8, que foi
lançado em abril de 1994. O GOES-9 foi lançado em
23 de maio de 1995. O GOES-10 Oeste foi lançado em
25 de abril de 1997 e tornou-se operacional em 7 de
julho de 1998. O GOES-12 Leste foi lançado em 23 de
julho de 2001 e tornou-se operacional em 1 de abril de
2003 (NOAA GOES, 2006).
O sistema GOES consiste de vários subsistemas de ob-
servaçao:
• GOES Imager (fornece os dados de imagem multies-
pectral);
• GOES Sounder (fornece dados de sondagens a cada
hora em 19 canais);
214 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Tabela 7-4. Características do sistema sensor imageador NOAA Geostationary Operational Environmental Satellite
(GOES l-M) Imager.

Resolução Resolução
Bandas do GOES Espectral Espacial
8, 9, 10 e 12 (pm) (km) Utilidade da Banda

1 0,52 - 0,72 1x 1 Nuvens; poluição; detecção de neblina e identificação de tempestades.

2 3,78-4,03
3 6,47 - 7,02
4 10,2- 11,2
5 11,5 - 12,5
Detecção de nevoeiro; separação entre água, nuvens neve ou nuvens
4x4 de gelo durante o dia; detecção de incêndios e vulcões; obtenção da
temperatura da superfície do mar (SST).
Estimativa de vapor d’água de nível intermediário e superior; detec­
8x8 ção de advecção; rastreamento de movimento atmosférico de nível
intermediário.
Ventos de deriva de nuvens; tempestades; altura do topo das nuvens;
4x4
chuva intensa.
Identificação de vapor d’água do nível inferior; SST; poeira e cinza
4x4
vulcânica.

• um sistema de coleta de dados (data-collection System
- DCS) que envia dados de locais in situ na superfície
da Terra para outras localidades.
O satélite GOES é um projeto estabilizado em três eixos
(.x,y,z) capaz de continuamente apontar a óptica de visada
dos radiômetros de imageamento e sondagem na direção da
Terra. Os instrumentos GOES são posicionados em órbita
geoestacionária a aproximadamente 35790 km acima do
equador. Os satélites permanecem em um ponto estacionário
acima do equador e rotacionam na mesma velocidade e dire­
ção da Terra. Isto faz com que os sensores permaneçam sobre
uma porção da Terra em uma órbita geossíncrona e, portanto,
mais frequentemente obtenham imagens de nuvens, monito­
rem a temperatura da superfície da Terra e as características
de vapor d’água e meçam a atmosfera da Terra em termos de
suas estruturas verticais termais e de vapor d água.
O G O ES-12 Leste está normalmente situado a 75" de
longitude oeste e o GO ES-10 Oeste a 135° de longitude
oeste. A cobertura geográfica do GOES Leste e do GOES
Oeste está ilustrada na Figura 7-18a. Esses satélites vêem a
maior parte da Terra, de aproximadamente 20° W a 165"
E de longitude. A cobertura na direção dos pólos é entre
aproximadamente 77° de latitudes norte e sul. Os satélites
GOES Leste e Oeste monitoram os 48 Estados america­
nos, a América do Sul e as principais porções do centro e
leste do Oceano Pacífico e do centro e oeste do Oceano
Atlântico. A cobertura no Pacífico inclui as ilhas do Havaí
e o Golfo do Alasca, este último local conhecido pelos me­
teorologistas como “o berço dos sistemas climáticos norte-
americanos” (NOAA GOES, 2006).
GOES Imager: O Imager (imageador) é um varredor
multiespectral com cinco canais. As bandas e a resolução
espacial são apresentadas na Tabela 7-4. Por meio de um
espelho giratório com dois eixos, em conjunto com um
telescópio de 31,1 cm de diâmetro, os canais multiespec­
trais do Imager podem simultaneamente varrer de norte
para o sul uma faixa de 8 km ao longo de uma trajetória
de leste para oeste ou de oeste para leste a uma taxa de
20" (óptica) por segundo. O telescópio concentra ambos
os fluxos radiantes do visível e do termal, provenientes do
terreno, sobre um espelho secundário de 5,3 cm (Figura
7-18b). Filtros dicróicos separam a radiância incidente e a
focalizam sobre 22 detectores (8 do visível e 14 do termal).
A energia do visível passa através do filtro e é focalizada
sobre 8 elementos detectores de silício. Cada um dos 8
detectores do visível tem um IFOV de aproximadamente
1 x 1 km no ponto suborbital do satélite na Terra.
A energia do infravermelho termal é redirecionada para os
detectores especializados no resfriador radiativo. A energia
do infravermelho termal é posteriormente separada para os
canais posicionados em 3,9 pm, 6,75 |tm, 10,7 pm e 12 pm.
Cada um dos quatro canais do infravermelho tem um con­
junto separado de detectores: quatro elementos detectores
de antimoneto de índio (InSb) para a banda 2; dois elemen­
tos detectores de telureto de mercúrio e cádmio (Hg:Cd:Te)
para a banda 3; e quatro elementos detectores de telureto de
mercúrio e cádmio (Hg:Cd:Te) para as bandas 4 e 5.
Os canais do GOES têm precisão radiométrica de 10 bits.
A utilidade primária da banda 1 do visível ( l x l km) é o
monitoramento diurno de tempestades, sistemas frontais e
ciclones tropicais. A banda 2 (4 x 4 km) é sensível tanto à
radiação terrestre emitida, quanto à radiação refletida. E útil
para identificar nevoeiro, para discriminar entre nuvens de
água e de gelo, discriminar neve de nuvens, e para detectar
incêndios extensos ou muito intensos. A banda 2 pode ser
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura
Cobertura do GOES Leste e Oeste
10,7 mi
12 pm
6,75 pm
3,9 fim
Figura 7-18 a) Cobertura geográfica do GOES Leste (75° W ) e do GOES Oeste (135° W ). b) o fluxo radiante do terreno é refletido por um
espelho de varredura (não mostrado) para espelhos primários e secundários. Um filtro dicróico separa a luz visível da energia
do infravermelho termal. Outros separadores de feixes subsequentes separam a energia do termal em bandas específicas (após
Loral Space Systems, 1996).
usada à noite para rastrear nuvens de nível inferior e monito­
rar a circulação do vento próximo à superfície. A banda 3 (8
x 8 km) responde ao vapor d’água e às nuvens do nível médio
e superior. E útil para identificar as correntes aéreas, campos
de vento do nível superior e tempestades. A energia registrada
pela banda 4 (4 x 4 km) não é absorvida significantemente
pelos gases atmosféricos. É ideal para medir a altura de topo
das nuvens, identificar as feições do topo das nuvens, avalian­
do a intensidade de algumas tempestades e rastreando nuvens
e sistemas frontais à noite. A banda 5 do termal (4 x 4 km) é
similar à banda 4, exceto pelo fato de que essa região espectral
tem uma sensibilidade única ao vapor d água de nível infe­
rior. As imagens GOES-8 Leste do visível e do infravermelho
termal e as imagens vapor d’água do furacão Bonnie de 25 de
agosto de 1998 são apresentadas nas Figuras 7-19a-e.
O Imager varre os Estados Unidos continental a cada 15
minutos; cobre a maior parte do hemisfério, das proximida­
des do Pólo Norte até aproximadamente 20° S de latitude
a cada 30 minutos; e varre todo o hemisfério a cada 3 horas
em modo programado de “rotina”. Opcionalmente, progra­
mações especiais de imageamento estão disponíveis, o que
possibilita aquisição de dados em intervalos mais rápidos de
tempo sobre áreas geográficas reduzidas. Durante as ope­
rações denominadas de “Rapid Scan Operations (RSO)”
e “Super Rapid Scan Operations (SRSO)”, as imagens são
adquiridas sobre setores de áreas cada vez mais reduzidos em
intervalos de 7,5 minutos (RSO) e 1 minuto ou 30 segun­
dos (SRSO). Uma imagem típica adquirida em intervalos de
30 segundos cobre um retângulo de cerca de 10° de latitude
e 15° de longitude. O SRSO, com 1 minuto de intervalo,
adquire 22 imagens por hora com 2 segmentos de 1 minuto,
possibilitando varreduras operacionais regularmente progra­
madas em intervalos de 15 minutos.
215
Elementos Ópticos do GOES Imager
_i_ detectores do visível (8)
iÇ 0,52 - 0,72 pm
Espelho ;■
II Filtro despolarizador
Lentes colimadoras " da faixa do visível
?
Separador de
Lentes j S feixe dicróico
Espelho Fluxo radiante (O)
Filtro janela de Janela de lentes de do terreno
vácuo resfriamento foco
b.
GOES Sounder: O GOES Sounder (sonda) usa 1 canal
do visível e 18 canais de sondagem do infravermelho para
registrar dados de norte para sul, com varreduras perpen­
diculares de leste para oeste. Os instrumentos Sounder e
Imager fornecem um imageamento completo da Terra,
ou um imageamento setorial, ou varreduras de áreas de
regiões locais. As 19 bandas fornecem os produtos essen­
ciais de sondagem de perfis verticais de temperatura at­
mosférica, perfis verticais de umidade, temperatura média
da camada atmosférica, umidade média da camada, água
total precipitável e o índice de ascensão (uma medida de
estabilidade). Esses produtos são usados para incrementar
os dados do Imager para fornecer informação sobre os per­
fis de temperatura e umidade atmosférica, temperaturas de
superfície e de topo das nuvens e a distribuição do ozônio
atmosférico (Loral Space Systems, 1996).
Advanced Very High Resolution Radiometer
(AVHRR)
O órgão denominado “Satellite Services Branch of the Na­
tional Climatic Data Center”, sob os auspícios do NES-
DIS, estabeleceu um arquivo digital de dados coletados
pelos Polar-orbiting Operational Environmental Satellites
(POES) da NOAA (Kidwell, 1998). Esta série de satélites
começou com o satélite TIROS-N (lançado em outubro
de 1978) e continuou com o NOAA-A (lançado em mar­
ço de 1983 e rebatizado de NOAA-8). O NOAA-18 foi
lançado em 20 de maio de 2005. Esses satélites de órbita
polar síncrona com o Sol transportam o Advanced Very
High Resolution Radiometer (AVHRR) (Tabela 7-5). Um
substancial progresso tem sido obtido com o uso dos dados
do AVHRR para a caracterização de classes de cobertura
da terra e para o mapeamento diurno e noturno de nu-
216 CAPITULO Sistemas Multiespectrais de Sensoriamento Remoto

Imagens do Geostationary Operational Environmental Satellite (GOES)

c. GOES-8 Leste visível; 25/08/2008 d. GOES-8 Leste infravermelho termal; 25/08/1998

f. Satélite GOES-8.

e. GOES-8 Leste vapor d ’água; 25/08/1998

Figura 7-19 a-e) Exemplos de imagens GOES-8 Leste obtidas em 25 de agosto de 1998. f) O satélite GOES-8 (cortesia da NOAA).

vens, neve, gelo e temperatura de superfície. Ao contrário
dos sistemas sensores Landsat TM e Landsat 7 ETM +, com
ciclos de revisita ao nadir de 16 dias, os sensores AVHRR
adquirem imagens de toda a Terra duas vezes por dia
(NOAA AVHRR, 2006). Essa alta frequência de cobertura
aumenta a probabilidade que observações livres de nuvens
possam ser feitas em janelas temporais específicas e torna
possível o monitoramento de mudanças na cobertura do
terreno em curtos períodos de tempo, como a estação de
crescimento. Além disso, a resolução moderada (1,1 x 1,1
km) dos dados do AVHRR torna possível a coleta, arma­
zenamento e processamento de conjuntos de dados con­
tinentais ou globais. Por essas razões, a NASA e a NOAA
iniciaram o programa denominado “AVHRR Pathfinder
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura 217

Tabela 7-5. C aracterísticas do sistem a sensor N O A A A dvanced Very High R esolution R adiom eter (AVHRR).

Resolução Resolução
Resolução Espectral Espectral do
Espectral do NOAA-7, AVHRR/3 do
do NOAA-6, 9, 11, 12, 13 NOAA-15
Banda 8 e 10 (pm)a e 14 (pm)a ao 18 (pm) Utilidade da Banda

Detecção diurna de nuvens, neve, gelo; mapeamento

1 0,580 -0,68 0,580-0,68 0,580 - 0,68
da vegetação; usada para calcular NDVI
Interface terra/água, neve, gelo e mapeamento da ve­
2 0,725 - 1,10 0,725 - 1,10 0,725 - 1,10
getação; usada para calcular NDVI
3A-. 1,58 - 1,64 Discriminação neve/gelo; Mapeamento diurno/notur­
3 3,55-3,93 3,55 - 3,93
3B-. 3,55 - 3,93 no da temperatura da superfície do mar e das nuvens
Mapeamento diurno/noturno da temperatura da su­
4 10,50 - 11,50 10,30 - 11,30 10,30 - 11,30
perfície do mar e das nuvens
Temperatura de superfície e nuvens, mapeamento
5 Nenhum 11,50 - 12,50 11,50 - 12,50 diurno/noturno de nuvens; remoção da radiância de
trajetória do vapor d’água atmosférico.
IFOV no nadir 1,1 x 1,1 km
Faixa de 2700 km
imageamento no nadir

a O TIROS-N foi lançado em 13 de outubro de 1978; o NOAA-6 em 27 de junho de 1979; o NOAA-7 em 23 de junho de
1981; o NOAA-8 em 28 de março de 1983; o NOAA-9 em 12 de dezembro de 1984; o NOAA-IO em 17 de setembro de
1986; o NOAA-11 em 24 de setembro de 1988; o NOAA-12 em 14 de maio de 1991; o NOAA-13 em 9 de agosto de 1993;
o NOAA-14 em 30 de dezembro de 1994; o NOAA (K)-15 em 13 de maio de 1998; o NOAA (L)-16 em 21 de setembro de
2000; o NOAA (M)-17 em 24 de junho de 2002; o NOAA (N)-18 em 20 de maio de 2005.

Program” para criar um banco de dados de sensoriamento
remoto de longo prazo que ficasse universalmente disponí­
vel para estudar mudanças climáticas globais.
Os satélites NOAA com os AVHRR operam em órbita
de aproximadamente 833 km acima da Terra, com uma
inclinação de 98,9° e registram dados continuamente em
uma faixa de imageamento de 2700 km com 1,1 x 1,1 km
de resolução espacial no nadir. Normalmente, dois satéli­
tes da série NOAA estão operacionais em um dado tem­
po (um ímpar, outro par). O satélite com número ímpar
tipicamente cruza o equador às 14:30 horas e 2:30 horas,
enquanto que o de número par cruza o equador às 19:30
horas e 7:30 horas, hora local. Cada satélite circula a Terra
14,1 vezes por dia (a cada 102 minutos) e faz uma cobertu­
ra global completa a cada 24 horas. A trajetória orbital do
satélite NOAA-17 em 17 de outubro de 2003 é mostrada
na Figura 7-20. Pelo fato de o número de órbitas por dia
não ser um número inteiro, as trajetórias suborbitais não
se repetem diariamente, embora o horário local de passa­
gem do satélite permaneça exatamente o mesmo para qual­
quer latitude. Entretanto, a deriva orbital do satélite com
o tempo causa uma mudança sistemática nas condições de
iluminação e no horário local de observação, o que é uma
fonte de não-uniformidade na análise de dados multitem-
porais do AVHRR.
O AVHRR é um sistema de varredura perpendicular à traje­
tória. A taxa de varredura do AVHRR é de 360 escaneamen-
tos por minuto. Um total de 2048 amostras (pixels) é obtido
por canal por varredura da Terra, que alcança um ângulo de
±55,4° do nadir. O IFOV de cada banda é aproximadamen­
te 1,4 milirradianos, o que produz uma resolução espacial
de 1,1 x 1,1 km (Figura 7-21 a). Os sistemas AVHRR mais
recentes têm cinco canais (Tabela 7-5; Figura 7-2lb).
Dados AVHRR obtidos com resolução completa de 1,1
x 1,1 km compreendem a denominada “local area covera-
ge (LAC)”. Os dados podem ser reamostrados para 4 x 4
km, compreendendo a denominada “global area coverage
(GAC) Os dados GAC contêm apenas uma das três linhas
originais AVHRR. O volume de dados e a resolução são
posteriormente reduzidos iniciando com a terceira amos­
tra ao longo da linha de varredura, calculando a média das
218 CAPÍTULO
Passagens do NOAA 17 em 17 de Outubro de 2003
Figura 7-20 Passagens do satélite NOAA-17 em 17 de outubro de 2003. O AVHRR está a bordo do NOAA-17 (cortesia da NOAA).
próximas quatro amostras e descartando a seguinte. A se­
quência de “média de quatro” e “um descarte” continua até
o final da linha. Alguns estudos usam os dados GAC, en­
quanto outros usam os dados LAC de resolução completa.
O AVHRR fornece informação regional sobre a condição
de vegetação e a temperatura da superfície do mar. Por
exemplo, uma porção de uma imagem AVHRR da costa
da Carolina do Sul obtida em 13 de maio de 1993, às 15
horas, é mostrada na figura 7-22. A banda 1 é aproximada­
mente equivalente à banda 3 do LandsatTM. A vegetação
aparece em tons escuros devido à absorção da luz vermelha
pela clorofila. A banda 2 é aproximadamente equivalente à
banda 4 do TM . A vegetação reflete a maior parte do flu­
xo incidente do infravermelho próximo produzindo tons
claros, enquanto a água absorve a maior parte da energia
incidente. A interface terra-água é completamente distin­
ta. As três bandas do termal fornecem informação sobre
a superfície da Terra e a temperatura da água. A escala de
cinza é invertida para os dados do infravermelho termal.
Nuvens frias e altas aparecem em preto, enquanto águas
e terras mais quentes aparecem em tons mais claros. Essa
imagem, em particular, captou um grande lóbulo de água
mais quente da Corrente do Golfo.
Os dados do AVHRR também são usados rotineiramen­
te para o levantamento da tem peratura de superfície do
mar (“sea surface temperature —SST”). A Prancha C o­
lorida 7-3 é um mapa de tem peratura da superfície do
mar obtido do NOAA-16 AVHRR em 16 de outubro
de 2003 (Gasparovic, 2003).
Os cientistas frequentemente calculam o índice de vegeta­
ção por diferença normalizada conhecido como “Normali-
Sistemas Multiespectrais de Sensoriamento Remoto
zed Difference Vegetation Index (NDVI)” a partir dos da­
dos AVHRR, usando as bandas do visível (AVHRR,) e do
infravermelho próximo (AVI IRR,). O objetivo é mapear a
condição da vegetação em nível regional e nacional. O ín­
dice é uma transformação simples que se baseia na seguinte
razão:
p . - p . AVHRR, - AVHRR,
NDVI = r mr 1 red _ _____________2___________________1_ (7-1)
p + p “ AVHRR, + AVHRR,
r mr ' red 2 1
A equação do NDVI produz valores que variam de -1,0 a
1,0, em que valores positivos crescentes indicam aumento
de vegetação verde, enquanto valores negativos indicam
superfícies sem vegetação como água, solo exposto e neve
ou nuvens. Para obter maior precisão, o NDVI é calculado
de dados AVHRR dos canais 1 e 2 calibrados e atmosfe-
ricamente corrigidos em 16 bits, antes do registro geomé­
trico e amostragem. Os resultados finais do NDVI, de -1
a 1, são normalmente escalonados de 0 a 200. Índices de
vegetação são discutidos em detalhe no Capítulo 10. Os
dados de NDVI, ohtidos de múltiplas datas a partir do
AVHRR, podem ser compostos para fornecer uma infor­
mação sazonal resumida. A composição NDVI de «-dias
é produzida examinando-se cada valor de NDVI, pixel a
pixel para cada observação durante o período da composi­
ção, visando identificar o valor máximo do índice. A reten­
ção do valor de NDVI mais alto reduz o número de pixels
contaminados por nuvens.
O NDVI e outros índices de vegetação (ver Capítulo
10) têm sido usados amplamente com dados do AVHRR
para monitorar a vegetação natural e as condições de cul­
turas agrícolas, para identificar desmatamento nos trópi­
cos e para monitorar áreas de desertificação e secas. Por
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura
3,3
b. 11
Figura 7-21 a) Relações entre a Terra, o Sol e o Satélite NOAA. O subponto do satélite fica no nadir. b) Função de resposta das bandas 1 a
5 do NOAA-14 AVHRR.
exemplo, o U.S. Geological Survey organizou um banco
de dados denominado “Global Land Cover Characteriza-
tion”, que se baseia em classificação não-supervisionada
de composições de 10 dias de dados NDVI obtidos do
AVHRR (1 km). A fonte de dados compreende as ima­
gens AVHRR adquiridas no período de abril de 1992
a março de 1993. Fontes complementares incluem da­
dos digitais de elevação, interpretação de ecorregiões e
mapas de vegetação e de uso da terra de escala local ou
regional (USGS Global Land Cover, 2006). Os produ­
tos “NOAA Global Vegetation Index” que se baseiam nos
dados AVHRR são resumidos no NOAA GVI (2006): pri­
meira geração (maio de 1982 a abril de 1985); segunda
geração (abril de 1985 até a presente data) e terceira gera­
ção de novos produtos (abril de 1985 até a presente data).
Uma composição colorida AVHRR dos Estados Unidos é
mostrada na Prancha Colorida 7-4a. O NDVI médio para
a maior parte do Canadá e dos Estados Unidos, calculado
a partir dos dados AVHRR de 1981 a 2000, é exibido na
Prancha Colorida 7-4b.
219
Comprimento de Onda, nm
3,4 3,5 3,6 3,7 3,8 3,9 4,0 9,5 10 10,5 11 11,5 12
Comprimento de Onda, pm
Bandas do
AVHRR
11,25 11,5 11,75 12 12,25 12,5
Comprimento de Onda, pm
ORBIMAGE, Inc., e NASA Sea-viewing Wide
Field-of-view Sensor (SeaWiFS)
Os oceanos cobrem mais de dois terços da superfície da Terra
e têm um importante papel no sistema climático global. O
SeaWiFS é um sistema avançado de varredura projetado espe­
cificamente para monitorar oceanos. O satélite SeaStar (Orb-
View-2), desenvolvido pela ORBIMAGE, Inc., em conjunto
com a NASA, portava o SeaWiFS, que foi colocado em órbita
em 1 de agosto de 1997 usando um foguete Pegasus (NASA/
Orbimage SeaWiFS, 2006). O foguete Pegasus foi transporta­
do por um Lockheed L-1011 e liberado a uma altitude de cer­
ca de 39.000 pés (cerca de 13 quilômetros), posição em que
houve ignição do foguete e o posicionamento subsequente em
órbita do satélite. A órbita final foi 705 km acima da Terra. O
horário de passagem no equador é às 12 horas.
O SeaWiFS foi construído a partir do que se aprendeu
sobre sensoriamento remoto dos oceanos usando o Co-
220 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Tabela 7-6. Características do Sea-viewing W ide Field-of-view Sensor (SeaWiFS).

Banda do Centro da Intervalo

SeaWiFS Banda (nm) Espectral (nm) Utilidade da Banda

1 412 402 - 422 Identificação de substâncias amarelas

2 443 433 -453 Concentração de clorofila

3 490 480 - 500 Melhor sensibilidade para concentração de clorofila

4 510 500 - 520 Concentração de clorofila

5 555 545 - 565 Gelbstoffe (substância amarela)

6 670 660 - 680 Concentração de clorofila

7 765 745 - 785 Vegetação de superfície, interface terra-água, correção atmosférica

8 865 845 - 885 Vegetação de superfície, interface terra-água, correção atmosférica

astal Zone Color Scanner (CZCS) do satélite Nimbus-7,

lançado em 1978. O CZCS cessou sua operação em
1986. O instrumento SeaWiFS consiste de um varredor
óptico com um campo de visada total de 58,3o- A ra­
diação de cena incidente é coletada por um telescópio e
refletida para um espelho de rotação. A radiação é então
enviada para filtros dicróicos que separam a radiação em
oito intervalos de comprimentos de onda (Tabela 7-6). O
SeaWiFS tem uma resolução espacial de 1,13 x 1,13 km
(ao nadir) e uma faixa de imageamento de 2800 km. Seu
tempo de revisita é de 1 dia.
O SeaWiFS registra a energia em oito bandas espectrais
com intervalos estreitos de comprimento de onda (Tabela
7-6) para a detecção e monitoramento de fenômenos oce­
ânicos muito específicos, incluindo a produção primária
oceânica e os processos do fitoplâncton, a influência dos
oceanos sobre os processos climáticos (formação de aeros­
sóis e armazenamento de calor), e os ciclos do carbono, en­
xofre e nitrogênio. Em particular, o SeaWiFS tem bandas
especialmente configuradas centradas em 412 nm (para
identificar substâncias amarelas através de sua absorção no
azul), 490 nm (sensível à concentração de clorofila), e no
infravermelho próximo em 765 nm e 865 nm (para ajudar
na remoção da atenuação atmosférica).
As observações do SeaWiFS ajudam os cientistas a compre­
ender a dinâmica das correntes oceânicas e costeiras, a física
da mistura de águas, e as relações entre a física dos oceanos
e os padrões de larga escala de produtividade. Os dados
preenchem o espaço vazio nas observações biológicas dos
oceanos entre aquelas produzidas pelos CZCS e MODIS.
O SeaWiFS também fornece imageamento laser de profun­
didade de penetração na água para operações navais.
Varredores Multiespectrais de Aeronave
Sensores orbitais como os Landsat MSS, TM e ETM*
adquirem dados em um ciclo repetitivo e com resoluções
espaciais e espectrais fixas. Frequentemente é necessário
adquirir dados de sensoriamento remoto em datas que não
coincidem com as passagens programadas do satélite e, às
vezes, com diferentes resoluções espaciais e espectrais. A
rápida coleta e a análise de dados de alta resolução podem
ser necessárias para estudos de locais específicos. Quando
tais condições ocorrem, ou quando uma configuração de
sensor diferente das dos sensores Landsat ou SPOT é ne­
cessária, as agências e companhias frequentemente usam
um varredor (escaneador) multiespectral colocado a bordo
de uma aeronave para adquirir dados. Existem vários siste­
mas sensores públicos ou comercialmente disponíveis para
voar a bordo de aeronaves, incluindo o Daedalus Airborne
Multispectral Scanner (AMS) e o Airborne Terrestrial Ap­
plications Sensor (ATLAS —Sensor Aerotransportado para
Aplicações Terrestres) da NASA.
Daedalus DS-1260, DS-1268 e Airborne Multiespec­
tral Scanner (AMS)
Vários laboratórios de sensoriamento remoto e agências
governamentais de muitos países compraram nos últi­
mos 40 anos os sensores Daedalus DS-1260 e DS-1268,
ou o instrumento Airborne Multispectral Scanner (AMS)
(SenSyTech, 2004). Esses sistemas sensores caros fornece­
ram a maior parte dos dados de varredura multiespectral
de alta resolução espacial e espectral (incluindo o infra­
vermelho termal) úteis para monitorar o ambiente. Por
exemplo, o AMS tem detectores que cobrem a região do
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura 221

a. AVHRR Banda 1 b. AVHRR Banda 2

c. AVHRR Banda 3 d. AVHRR Banda 4

Imagem NOAA-11 AVHRR

da Costa da Carolina do Sul
Obtida em 13 de Maio de 1993

e. AVHRR Banda 5

Figura 7-22 Porção de uma imagem NOAA-11 AVHRR da costa da Carolina do Sul obtida em 13 de maio de 1993, às 15 horas (veja a
Tabela 7-5 para as especificações das bandas). A vegetação aparece escura na banda 1 devido à absorção da luz vermelha pela
clorofila. A vegetação aparece clara na banda 2 porque ela reflete a maior parte do fluxo radiante incidente no infravermelho
próximo. A água absorve a maior parte da energia incidente; portanto, a interface terra-água é geralmente distinta. As três ban­
das termais (3, 4 e 5) fornecem informação sobre a temperatura da superfície. A escala de cinza é invertida, com nuvens altas
e frias em preto e com terra e água aquecida em tons claros. Um extenso lóbulo de água mais quente da Corrente do Golfo é
facilmente identificado (as imagens são cortesias da NOAA).

ultravioleta até o infravermelho próximo (0,42-1,05 jim),
um detector de alvos quentes no infravermelho termal
(3,0-5,5 pm, usado em monitoramento de queimadas, por
exemplo), e um detector padrão do infravermelho termal
(8,5-12,5 pm). A Tabela 7-7 resume as características do
sistema sensor AMS.
Os princípios básicos de operação e os componentes do
Airborne Multispectral Scanner (AMS) são mostrados na
Figura 7-23. O fluxo radiante refletido ou emitido do
terreno é coletado por um sistema óptico de varredura
e projetado sobre uma grade dicróica. A grade separa
o fluxo radiante refletido do fluxo radiante emitido. A
222 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Escaneador Multispectral Detectores do visível

Aerotransportado (AMS) e do infravermelho
próximo, pm
da Daedalus
Eletrônica

A
Fluxo radiante da
superfície da Terra Monitor, bateria,
digitalizador e
gravador de dados

Figura 7-23 Características do sensor Escaneador Multispectral Aerotransportado (AMS - Airborne Multispectral Scanner) da Daedalus e da ele­
trônica associada a bordo de uma aeronave durante a obtenção dos dados. O diâmetro da área circular do terreno vista pelo sensor, D,
é uma função do campo de visada instantâneo do imageador, p, e da altitude da aeronave acima do nível do terreno, H, no momento
de obtenção dos dados. O fluxo radiante da superfície da Terra é transmitido de um sistema óptico para uma grade dicróica, que envia
os vários comprimentos de onda de luz para os detectores, que são continuamente monitorados pela eletrônica do sistema sensor.

energia na parte refletida do espectro é dirigida da grade D =pxH (7-2)

para um prisma (ou grade de difração), que separa pos­
teriormente a energia em bandas específicas. Ao mesmo
tempo, a energia termal emitida incidente é separada da
energia refletida incidente. A energia eletromagnética é
então focalizada sobre um banco de detectores discretos
situados atrás da grade e do prisma. Os detectores que
registram a energia emitida são normalmente resfriados
com nitrogênio líquido ou com outra substância. Os
sinais registrados pelos detectores são amplificados pelo
sistema eletrônico e gravados.
As altitudes de voo para os levantamentos com os sistemas
escaneadores multiespectrais (MSS) aerotransportados são
determinadas avaliando-se o tamanho desejado do pixel e o
tamanho da área de estudo. O diâmetro de uma área circular
no terreno vista pelo sensor, D, é uma função do campo de vi­
sada instantâneo do sensor, p, e da altitude de voo, H, onde
Por exemplo, se o IFOV do escaneador é 2,5 mrad, o tama­
nho do pixel no terreno em metros é o produto do IFOV
(0,0025) pela altitude em metros. A Tabela 7-8 apresenta
as altitudes de voo e os tamanhos de pixels corresponden­
tes ao nadir para um IFOV de 2,5 mrad.
Os seguintes fatores devem ser considerados na coleta de
dados MSS de aeronave:
• O IFOV do sistema óptico do MSS e a altitude definem
a largura de uma única linha do voo de recobrimento.
Em baixas altitudes, a alta resolução espacial pode ser
mais importante do que o fato de que mais linhas de
voo serão necessárias para cobrir a área em compara­
ção com a cobertura espacial mais eficiente feita em
maiores altitudes e com pixels maiores. O tamanho do
Imageamento Multiespectral Usando Detectores Discretos e Espelhos de Varredura 223

Tabela 7-7. Características do sistema Daedalus Airborne Multispectral Scanner (AMS) e do NASAAirborne Terrestrial Ap­
plications Sensor (ATLAS).
NASAAirborne Terrestrial Applications Sen-
Airborne Multispectral Scanner (AMS) sor (ATLAS)

Resolução Resolução
Espectral Resolução Espectral Resolução
Banda (pm) Espacial (m) Banda (pm) Espacial (m)
1 0,42 - 0,45 Variável, 1 0,45-0,52 2,5 a 25 m,
2 0,45 - 0,52 dependendo da 2 0,52-0,60 dependendo da
altitude de voo altitude de voo
3 0,52 - 0,60 3 0,60 - 0,63
4 0,60 - 0,63 4 0,63 - 0,69
5 0,63 - 0,69 5 0,69 - 0,76
6 0,69 - 0,75 6 0,76 - 0,90
7 0,76 - 0,90 7 1,55 - 1,75
8 0,91 - 1,05 8 2,08 - 2,35
9 3,00-5,50 9 removida
ÍO
Oá
0°
Oi
O

10 10 8,20 - 8,60
11 8,60 - 9,00
12 9,00 - 9,40
13 9,60- 10,20
14 10,20 - 11,20
15 11,20- 12,20
IFOV 2,5 mrad 2,0 mrad
Quantizaçao 8 - 1 2 bits 8 bits
Altitude variável variável
Faixa de
714 pixels 800 pixels
Imageamento

pixel e a extensão geográfica da área de levantamento
são considerados, os objetivos são ponderados, e um
compromisso é obtido.
• Mesmo linhas de voo simples de dados MSS aerotrans-
portados são difíceis de retificar em relação a mapas pa­
dronizados em função do rolamento (“roll”), arfagem
(“pitch”) e guinada (“yaw”) da aeronave durante a aqui­
sição de dados. Cortes dos dados nas bordas da linha de
voo indicam rolagem da aeronave. Estes dados reque­
rem recursos humanos e computacionais significativos
para torná-los planimetricamente precisos. Várias agên­
cias usam unidades de GPS na aeronave para obterem
coordenadas precisas das linhas de voo, que são úteis
durante a retificação de dados MSS de aeronave.
Em muitas ocasiões os sistemas de varredura multiespectral
da Daedalus foram modificados para simular a aquisição
de dados por sensores remotos de satélites. Por exemplo,
a “NASA Ames Airborne Sensor Facility ar Moffet Field,
CA” (órgão da NASA que centraliza as aquisições de da­
dos por aeronave) continua a operar os seguintes sistemas:
Thematic Mapper Simulator, MODIS Airborne Simula-
tor, Airborne Ocean Color Simulator e o Multispectral
Atmospheric Mapping Sensor (NASA Airborne, 2006).
Uma imagem da banda 10 do infravermelho próximo do
Daedalus DS-1260 de uma área do delta do córrego Four
Mile, na usina da Westinghouse no Rio Savannah na
Carolina do Sul, é mostrada na Prancha Colorida 7-5a.
Uma composição colorida das bandas 10, 6 e 4 (infra­
vermelho próximo, vermelho e verde) é apresentada na
Prancha Colorida 7-5b. A imagem da banda 10 do in­
fravermelho próximo da mesma região, obtida em 23 de
abril de 1992, é apresentada na Prancha Colorida 7-5c.
A Prancha Colorida 7-5d é uma composição colorida das
bandas 10, 6 e 4. Não se permitiu a entrada do efluen-
224 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto
Tabela 7-8. Altitude de voo de um escaneador multi-
espectral aerotransportado e tam anho do
pixel, assum indo um IFOV de 2,5 milirra-
dianos (mrad).
Tamanho do Pixel (m)
Altitude do Voo (m)
1.000 2,5
2.000 5,0
4.000 10,0
16.000 40,0
50.000 125,0
te termal no córrego Four Mile após 1985. O exame da
imagem revela que a regeneração da vegetação ocorreu
em muitas áreas de alagamento.
NASA Airborne Terrestrial Applications Sensor (ATLAS)
O escaneador multiespectral ATLAS da NASA é operado
pelo Stennis Space Center, MS. O ATLAS tem 14 canais
com uma faixa espectral de 0,45 a 12,2 pm. Existem seis
bandas no visível e infravermelho próximo, duas no infra­
vermelho médio (idênticas às bandas 5 e 7 do Thematic
Mapper) e outras seis no infravermelho termal. As bandas
estão resumidas na Tabela 7-7. O sensor tem um campo
de visada total de 72° e um IFOV de 2,0 mrad. O ATLAS
voa em um Learjet 23, de 6000 a 41000 pés acima do
solo, fornecendo pixels com uma resolução no terreno de
aproximadamente 2,5 x 2,5 m a 25 x 25 m, dependendo
das especificações do usuário. Existem normalmente 800
pixels por linha e mais três pixels da fonte de calibração.
Os dados são quantizados em 8 bits.
A calibração dos dados do termal é feita usando dois corpos
negros internos. A calibração do visível e do infravermelho
próximo é complementada no terreno entre as missões usan­
do uma esfera integradora. Um GPS a bordo documenta a
localização no espaço de cada linha de dados coletada.
O sensor ATLAS é ideal para obter dados de alta resolução
espacial no visível, infravermelho próximo, infravermelho
médio e infravermelho termal, que são importantes para
muitas aplicações comerciais de sensoriamento remoto. O
Learjet é uma plataforma suborbital ideal em função de
sua estabilidade em voo e de sua habilidade para sobrevoar
a área de estudo rapidamente. E particularmente útil para
obter dados imediatamente após desastres, como os dos fu­
racões Hugo e Andrew. Um exemplo de dados ATLAS da
banda 6 (infravermelho próximo), obtidos com 2,5 x 2,5
m de resolução espacial em 1998 sobre uma área adjacente
a Sullivans Island, SC, é apresentado na Figura 7-24.
Imageamento Multiespectral Usando
Arranjos Lineares
Sistemas sensores baseados em arranjos lineares usam dio-
dos ou dispositivos de CCD (“Charge-Coupled-Devices” —
ou dispositivos de cargas acopladas) para registrar a radiân-
cia refletida ou emitida do terreno. Sensores com arranjos
lineares são frequentemente chamados de “pushbroom” (ou
varredura eletrônica), porque, como as linhas de fios em
uma vassoura de pêlo, os arranjos lineares visam constante­
mente o terreno enquanto a plataforma aérea realiza o des­
locamento para frente (ver Figura 7-3c). O resultado é uma
medida mais precisa do fluxo radiante refletido, porque: 1)
não existe espelho móvel, e 2) os detectores do arranjo line­
ar permanecem mais tempo sobre uma porção específica do
terreno, produzindo uma medida mais precisa.
Os Sistemas Sensores SPOT
O primeiro satélite SPOT foi lançado em 21 de fevereiro
de 1986 (Figura 7-25). Ele foi desenvolvido pelo Centro
Francês de Estudos Espaciais - “Centre National d'Etudes
Spatiales (CNES)” em cooperação com a Bélgica e a Suécia.
Seus sensores tinham uma resolução espacial de 10 x 10
m (modo pancromático) e de 20 x 20 m (modo multies­
pectral), e forneceu várias outras inovações em termos de
projeto de sistemas de sensores remotos (Tabela 7-9). Os
satélites SPOT 2 e 3, com cargas úteis idênticas, foram lan­
çados em 22 de janeiro de 1990 e 25 de setembro de 1993,
respectivamente. O SPOT 4 foi lançado em 24 de março
de 1998, com a adição do sensor Vegetation ( l x l km) e
uma banda no infravermelho de ondas curtas. O SPOT 5
foi lançado em 3 de maio de 2002 com bandas no visível,
infravermelho próximo e infravermelho de ondas curtas
(shortwave infrared - SWIR) com 10 x 10 m de resolução
espacial e uma banda pancromática com 2,5 x 2,5 m.
Desde 1986, os satélites de observação da Terra SPOT têm
sido fontes consistentes de informação de alta resolução dos
recursos terrestres. Enquanto muitos países têm visto seus
sistemas de monitoramento de recursos terrestres ir e vir, de­
pendendo principalmente da política, pode-se sempre contar
com a SPOT Image, Inc. para fornecer imagens de qualida­
de. Infelizmente, a imagem tem sido relativamente cara, nor­
malmente mais de 2000 dólares por cena pancromática ou
multiespectral, embora o preço tenha se reduzido em anos
recentes. O custo pode exceder 4000 dólares se ambas as
imagens pancromáticas e multiespectrais forem necessárias.
SPOT 1, 2 e 3
Esses satélites são todos idênticos e consistem de duas par­
tes: 1) a plataforma SPOT, que é uma plataforma padrão
Imageamento Multiespectral Usando Arranjos Lineares 225

Imagem do Airborne Terrestrial Applications Sensor (ATLAS) de Sullivans Island, SC

Figura 7-24 Imagem da banda 6 (0,76-0,90 pm) do infravermelho próximo do sensor Airborne Terrestrial Applications Sensor (ATLAS), adqui­
rida próxima a Sullivans Island, SC. Os dados, com 2,5 x 2,5 m de resolução espacial, foram obtidos em 15 de outubro de 1998.

História Cronológica de Lançamento dos Satélites SPOT

1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003

D atas de Lançamento
SPOT 1 -2 1 /0 2 /1 9 8 6
SPOT 2 -2 2 /0 1 /1 9 9 0
SPO T 3 -2 5 /0 9 /1 9 9 3
SPO T 4 -2 4 /0 3 /1 9 9 8
SPOT 5 - 03/05/2002 I 4

Figura 7-25 História cronológica do lançamento dos satélites SPOT (SPOT, 2006).

multimissão, e 2) os instrumentos (Figura 7-26b), com­
preendendo dois sensores idênticos HRV e um pacote
com dois gravadores de dados e um transmissor de tele-
metria. Os satélites operam em uma órbita síncrona com
o Sol, quase-polar (inclinação de 98,7°) em uma altitude
de 822 km. Os satélites passam no mesmo horário solar;
o horário local varia com a latitude.
Os sensores HRV operam em dois modos nas porções do
visível e do infravermelho refletido do espectro. O primei­
ro é um modo pancromático correspondendo à observação
numa banda espectral ampla (similar a uma típica fotografia
em branco e preto). O segundo é um modo multiespectral
(cor) compreendendo a observação em três bandas relativa­
mente estreitas (Tabela 7-9). Portanto, a resolução espectral
dos SPOT 1 a 3 não é tão boa quando aquela do Landsat
Thematic Mapper. A resolução no terreno, no entanto, é 10 x
10 m para a banda pancromática e 20 x 20 m para as bandas
multiespectrais, quando os instrumentos operam no nadir.
A energia refletida do terreno incide sobre o HRV via es­
pelho plano e é então projetada sobre dois arranjos de
CCD . Cada arranjo de CCD consiste de 6000 detectores
organizados linearmente. Uma imagem feita por micros­
cópio eletrônico de alguns dos detectores individuais do
226 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Tabela 7-9. C aracterísticas dos sistem as sensores High Resolution Visible (HRV - ou Alta R esolução no Visível) dos
SPOT 1, 2 e 3 e High Resolution Visible and Infrared (HRVIR - ou Alta Resolução no Visível e Infraver­
melho) e V e g e ta tio n dos SPOT 4 e 5.

SPOT 1, 2, 3 HRV e 4 HRVIR SPOT 5 HRVIR SPOT 4 e 5 V egetation

Resolução Resolução Resolução

Resolução Espacial Resolução Espacial Resolução Espacial
Espectral no Nadir Espectral no Nadir Espectral no Nadir
Banda (pm) (m) Banda (pm) (m) Banda (pm) (km)
1 0,50 - 0,59 2 0x20 1 0,50-0,59 lOx 10 0 0,43 - 0,47 1,15 x 1,15
2 0,61 - 0,68 2 0x20 2 0,61 - 0,68 10 x 10 2 0,61 - 0,68 1,15 x 1,15
3 0,79 - 0,89 20x20 3 0,79 - 0,89 10 x 10 3 0,78 - 0,89 1,15 x 1,15
Pan 0,51 - 0,73 10 x 10 Pan 0,48 - 0,71 2,5 x 2,5
Pan (4) 0,61 -0,68 10 x 10

SWIR (4) 1,58 x 1,75 2 0x20 SWIR 1,58 x 1,75 20x20 SWIR 1,58 x 1,75 1,15 x 1,15
“pushbroom” de arranjo
Sensor “pushbroom” de arranjo linear “pushbroom” de arranjo linear
linear
Faixa 60 km í 50,5° 60 km ± 27° 2250 km ±50,5°
Taxa 25 Mb/s 50 Mb/s 50 Mb/s
Revisita 26 dias 26 dias 1 dia
822 km, Síncrona com o Sol,
822 km, Síncrona com o Sol, 822 km, Síncrona com o Sol,
Órbita ^nclÍnaçã° = 98’7°’ Inclinação = 98,7°, Inclinação = 98,7°,
Cruzamento
Cruzamento equatorial = 10:30 horas Cruzamento equatorial = 10:30 horas
equatorial = 10:30 horas

arranjo linear é mostrada na Figura 7-27a,b. Esse sensor
“pushbroom” de arranjo linear imageia uma linha comple­
ta da cena terrestre na direção perpendicular à trajetória,
à medida que o sistema sensor avança em sua trajetória
(ver Figura 7-26c). Essa capacidade rompe a tradição dos
sensores Landsat MSS, TM e Landsat 7 ETM +, porque
nenhum dispositivo de varredura mecânica é utilizado.
Um sensor de arranjo linear é superior, porque não existe
espelho que deva escanear de lado a lado para adquirir os
dados (a velocidade do espelho de varredura é um pro­
blema sério). Isso permite que os detectores literalmente
“enxerguem” a superfície por um tempo mais longo de
observação, obtendo um registro mais preciso do fluxo
radiante espectral que deixa o terreno. Os satélites SPOT
foram os pioneiros na tecnologia “pushbroom” de arranjo
linear em atividades comerciais de sensoriamento remoto
de recursos terrestres ainda nos idos de 1986.
Quando observam diretamente o terreno abaixo do sistema
sensor, os dois instrumentos HRV podem ser apontados para
cobrir campos adjacentes, cada um com 60 km de largura
de imageamento (Figura 7-26c). Nessa configuração, a faixa
total imageada é de 117 km e os dois campos se sobrepõem
em 3 km. E também possível apontar seletivamente o espe­
lho para ângulos de visada fora do nadir usando comandos
da estação terrestre. Nessa configuração, é possível observar
qualquer região de interesse dentro de uma faixa de 950 km
centrada na trajetória do satélite no terreno (isto é, a região
observada pode não estar centrada na trajetória no terreno)
(Figura 7-28a). A largura da faixa de imageamento realmente
observada varia de 60 km (visada no nadir) a 80 km (visadas
extremas fora do nadir) para cada instrumento HRV.
Se os instrumentos HRV fossem capazes de operar apenas
ao nadir, a frequência de revisita para uma dada região
do mundo seria de 26 dias. Este intervalo geralmente é
inaceitável para a observação de fenômenos envolvendo
escalas de tempo variando de poucos dias a poucas sema­
nas, especialmente quando a cobertura de nuvens atrapa­
lha a aquisição de dados úteis. Durante o período de 26
dias, que separa duas passagens sucessivas do SPOT sobre
um dado ponto da Terra e levando em conta a capacidade
de controlar os instrumentos, o ponto em questão pode
ser observado em sete diferentes passagens se localizado
próximo ao equador e em 11 ocasiões se posicionado em
uma latitude de 45° (Figura 7-28b). Uma dada região
pode ser revisitada em datas separadas alternativamente
em 1 a 4 (ou ocasionalmente 5) dias.
Os sensores do SPOT podem também adquirir pares
estereocópicos de imagens para uma área geográfica (Fi-
Imageamento Multiespectral Usando Arranjos Lineares 227

Satélite SPOT e Sistemas Sensores

Unidade de

HRV 1 (SPOT
1-3) ou HRVIR
1 (SPOT 4 e 5)

HRV 2 (SPOT
1-3) ou HRVIR -*■
2 (SPOT 4 e 5)

Figura 7-26 Os satélites SPOT são compostos por uma plataforma, que é uma plataforma multimissão, e pela carga útil que é o sistema
sensor propriamente dito. Dois sensores idênticos High Resolution Visible (HRV) foram colocados nos SPOT 1, 2 e 3 e dois
sensores High Resolution Visible Infrared (HRVIR) nos SPOT 4 e 5. A energia radiante do terreno é captada no HRV ou H R­
VIR por um espelho plano e é então projetada sobre dois arranjos de CCD . Cada arranjo de C CD consiste de 6000 detectores
dispostos linearmente. Isto resulta em uma resolução espacial de 10 x 10 m ou de 20 x 20 m, dependendo do modo que o
sensor esteja sendo usado. A largura da faixa de imageamento no nadir é 60 km para cada sensor. Os sensores HRV e HRVIR
podem ser apontados fora do nadir para adquirir dados. Os SPOT 4 e 5 transportam o sensor Vegetation com 1,15 x 1,15 km
de resolução espacial e 2250 km de faixa de imageamento (adaptado de SPOT Image, Inc.).

gura 7-28c). Duas observações podem ser feitas em dias
sucessivos de tal forma que as duas imagens são adquiri­
das em ângulos laterais ao percurso do satélite em cada
lado da vertical. Nesses casos, a razão entre a base da
observação (distância entre as duas posições do satélite)
e a altura (altitude do satélite) é aproximadamente 0,75
no equador e 0,50 em uma latitude de 45°. Os dados do
SPO T com essas razões base/altura podem ser usados
para mapeamento topográfico. Os dados pancromáticos
10 x 10 m do SPOT são de tão alta fidelidade geométrica,
que muitas vezes eles podem ser fotointerpretados como uma
típica fotografia aérea. Por essa razão, os dados pancromáticos
do SPOT frequentemente são registrados com mapas topo­
gráficos e usados como ortofotomapas. Essas cartas-imagens
são úteis em banco de dados GIS, porque contêm informação
planimétrica mais precisa (p.ex., novas estradas, subdivisões)
do que mapas topográficos de 7,5 minutos desatualizados. A
resolução espacial melhorada disponível é demonstrada na
Figura 7-29, que apresenta uma imagem da banda 3 do TM
e uma imagem pancromática SPOT de Charleston, SC (Ca-
rolina do Sul).
228 CAPITULO Sistemas Multiespectrais de Sensoriamento Remoto

Ampliações do Arranjo Linear de Detectores do SPOT

100 pm a 10 pm

Figura 7-27 a) Imagens de microscópio de varredura eletrônica da superfície de um arranjo linear de C C D usado nos sistemas sensores
HRV do SPOT. Aproximadamente 58 detectores C CD são visíveis, com linhas de registros de leitura em ambos os lados, b)
Sete detectores do arranjo linear de C CD são mostrados com maior ampliação (CNES 2004, Spot Image Corporation).

Os sensores do SPOT coletam dados sobre uma área re­
lativamente pequena de 60 x 60 km (3600 km2), quando
comparada com as áreas das imagens Landsat MSS eTM de
170 x 185 km (31450 km2) (Figura 7-30). São necessárias
8,74 imagens do SPOT para cobrir a mesma área vista pelo
Landsat TM ou MSS. Isso pode ser um fator limitante para
estudos regionais. Entretanto, o SPOT permite a compra de
imagens por km2 (p.ex., para uma bacia ou distrito escolar)
ou por km linear (p.ex., ao longo de uma estrada).
SPOT 4 e 5
A SPOT Image, Inc. lançou o SPOT 4 em 24 de março de
1998 e o SPOT 5 em 3 de maio de 2002. Suas características
estão resumidas na Tabela 7-9. O ângulo de visada do seu
sensor pode ser ajustado para ±27° fora do nadir1*. Os SPOT
4 e 5 têm várias feições notáveis de significativo valor para o
sensoriamento remoto de recursos terrestres, incluindo:
• a adição de uma banda de infravermelho de ondas cur­
tas (SWIR) (1,58-1,75 pm) de 20 x 20 m para aplica­
ções em vegetação e umidade de solo;
• um sensor independente chamado Vegetation para es­
tudos de pequena escala em vegetação, mudanças glo­
bais e oceanografia;
• o SPOT 4 tem registro a bordo das bandas espectrais,
obtido pela substituição da banda original pancromáti-
1 ’ Também faz parte da carga útil do SPO T 5 um sensor denominado HRS - HRS (High
Resolution Stereo - ou Imageador Estéreo de Alta Resolução), pancromático, com largura
de imageamento de 120 km, e resolução espacial de 10 m. Consiste basicamente de duas
ópticas: uma com visada avante e outra a ré. Dessa forma, duas imagens do mesmo local são
adquiridas sob dois ângulos diferentes, defasadas de um pequeno intervalo de tempo e na
mesma órbita, permitindo a geração de pares estéreos de forma altamente propícia. (N.T.)
ca HRV (0,51-0,73 pm) pela banda 2 (0,61-0,68 pm)
operando em modo de resolução de 10 e 20 m;
• as bandas pancromáticas do SPOT 5 (0,48-0,7 pm) po­
dem coletar imagens de 2,5 x 2,5 m. Uma composição
colorida de Los Angeles, CA, incorporando os dados
pancromáticos, é mostrada na Prancha Colorida 7-6.
Devido ao fato de os sensores HRV (SPOT 1 a 3) te­
rem evoluído no sentido de serem sensíveis à energia do
SWIR, nos SPOT 4 e 5 os sensores HRV são chamados
de HRVIR 1 e HRVIR2.
O sensor Vegetation do SPOT 4 e 5 é um instrumento
independente dos sensores HRVIR. E um radiômetro de
varredura eletrônica multiespectral operando em compri­
mentos de onda ópticos com objetivas separadas para cada
uma das quatro bandas espectrais: (azul = 0,43-0,47 pm
usada primariamente para correção atmosférica; vermelho
= 0,61-0,68 pm; infravermelho próximo = 0,78-0,89 pm;
SWIR = 1,58-1,75 pm). Cada banda tem um C CD com
arranjo linear de 1728 elementos, localizado no plano fo­
cal das objetivas correspondentes. A resolução espectral das
bandas individuais é resumida na Tabela 7-9. O sensor Ve­
getation tem uma resolução espacial de 1,15x1,15 km. As
objetivas fornecem uma campo de visada de ±50,5°, que
se traduz em uma faixa de imageamento de 2250 km. O
sensor Vegetation tem várias características importantes:
• a precisão de calibração radiométrica em múltiplas
datas é melhor que 3% e a calibração absoluta é me­
lhor que 5%. Essas características são superiores às do
AVHRR, tornando-o mais útil para levantamentos de
vegetação repetitivos globais e regionais;
Imageamento Multiespectral Usando Arranjos Lineares 229

Capacidade de Visada Estereoscópica do SPOT

Passagem no dia D Passagem no dia D + 1

^ _____A n

Figura 7-28 a) Os instrumentos SPOT HRV e HRVIR podem ser

apontados e usados para cobrir áreas que não estão
diretamente abaixo do satélite (isto é, áreas fora do na­
dir). Isso é útil para coletar informação sobre desastres,
quando a trajetória do satélite não é adequada para
obter imagens estereoscópicas, b) D urante o período
de 26 dias, separando duas passagens sucessivas do sa­
télite SPOT, um ponto da Terra pode ser observado
em 7 diferentes passagens se localizado no equador
e em 11 ocasiões se posicionado em uma latitude de
45°. Uma dada região pode ser revisitada em datas
separadas alternadamente por 1, 4, e ocasionalmente
5 dias. c) Duas observações podem ser feitas em dias
sucessivos de tal forma que as duas imagens sejam ad­
quiridas em cada lado da vertical, resultando em um
imageamento estereoscópico. Tais imagens podem ser
usadas para produzir mapas topográficos e altimétri-
cos (adaptado de SPOT Image, Inc.).
230 CAPÍTULO
Comparação do Landsat TM (30 x 30 m) com o SPOT HRV (10 x 10 m)
a. Banda 3 (30 x 30 m) do Landsat Thematic Mapper em 3 de
fevereiro de 1994.
Figura 7-29 Comparação entre o detalhe dos dados da banda 3 do Landsat TM (30 x 30 m) e o dos dados pancromáticos do SPO T (10 x
10 m) de Charleston, SC (Spot Image Corporation, Inc.).
• o tamanho do pixel é uniforme em toda a faixa de ima-
geamento, com precisão geométrica melhor que 0,3
pixels e registro inter-bandas melhor que 0,3 km por
causa da tecnologia “pushbroom”;
• o horário de passagem no equador às 10:30 horas é
mais adequado para estudos de cobertura da terra do
que o horário do AVHRR às 14:30 horas;
• a banda no infravermelho de ondas curtas pode melho­
rar o mapeamento da vegetação;
• torna-se mais fácil relacionar os dados de 10 x 10 m ou
de 20 x 20 m do HRV1R existentes na faixa de image-
amento do Vegetation (2250 x 2250 km);•
• imagens individuais podem ser obtidas ou os dados po­
dem ser resumidos em um período de 24 horas (chama­
do de síntese diária). Os dados de síntese diária podem
ser compilados em uma síntese de «-dias. Os conjuntos
de dados NDVI podem ser computados com base em
imagens de sínteses diárias ou de 10 dias. Um exemplo
de uma síntese de 10 dias de índice de vegetação, para
uma região centrada na Europa, Meio Leste e África, é
mostrado na Prancha Colorida 7-7.
Sistemas Multiespectrais de Sensoriamento Remoto
b. Banda pancromática do SPOT HRV (10 x 10 m) de 10 de
janeiro de 1996.
A constelação dos satélites SPOT oferece uma capacidade
ímpar de aquisição de imagens de quase qualquer ponto
do globo diariamente.
Sistemas de Sensoriamento Remoto da índia
A agência denominada “Indian National Remote Sen-
sing Agency (NRSA)” lançou vários satélites intitulados
Indian Remote Sensing (IRS): IRS-1A em 17 de mar­
ço de 1988, IRS-1B em 29 de agosto de 1991, IRS-1C
em 1995 e IRS-D em setembro de 1997 (Tabela 7-10).
Os IRS-P3 e IRS-P4 foram lançados em 21 de março de
1996 e 26 de maio de 1999, respectivamente. O IRS-P6
(RESOURCESAT-1) foi lançado em 17 de outubro de
2003. Os sensores a bordo dos satélites usam tecnologia
de arranjo linear (NRSA, 2006).
IRS-1A, -1B, -IC e -lD
Os satélites IRS-1A e IRS-1B adquiriam dados com os
sensores denominados “Linear Imaging Self-scanning Sen-
sors” (LISS-I e LISS-II) com resoluções espaciais de 72,5 x
72,5 m e 36,25 x 36,25 m, respectivamente (Tabela 7-10).
Os dados eram coletados em quatro bandas espectrais, pra­
ticamente idênticas às bandas do visível e do infravermelho
próximo do Landsat. A altitude dos satélites era de 904
Imageamento Multiespectral Usando Arranjos Lineares 231

Tabela 7-10. C aracterísticas dos satélites Indian Remote Sensing (IRS - Sensoriam ento Remoto Indiano) da National
Remote Sensing Agency (NRSA).

IRS-1A e 1B IRS-1C e 1D
Resolução Resolução
Bandas do Resolução Espacial (m) no Bandas do LISS- Resolução Espacial (m) no
LISS-I e LISS-II Espectral (pm) Nadir III, Pan e WiFS Espectral (pm) Nadir

1 n /o n Cl LISS-I @72,5 m 1
1 0,42- 0,52 TTCCTTffljrní
LISS-II @36,25 m

2 °>52-0,59 2 0,52 - 0,59 23,5 x23,5

LISS-II @36,25 m

3 0,62 - 0,68 [ic fn 3 0,62- 0,68 23,5 x23,5

LISS-II @36,25 m
/ n -7-7 n Qr LISS-I @72,5 m
4 0,77- 0,86 ttcc ti 4 0,77- 0,86 23,5 x 23,5
LISS-II @36,25 m
5 1,55 - 1,70 70,5 x70,5
Pan 0,50 - 0,75 5,2 x 5,2
WiFS 1 0,62-0,68 188x 188
WilS 2 0,77-0,86 188 x 188
Sensor “Pushbroom” de arranjo linear “Pushbroom” de arranjo linear

Faixa de LISS-I - 148 km; LISS-II - 146 km LISS-III = 141 km para as bandas 2, 3 e 4; banda 5 = 148
Imageamento km; Pan = 70 km; WiFS = 692 km
24 dias no equador para o LISS-III; 5 dias para a banda Pan com
Revisita 22 dias no equador
visada fora do nadir de ±26°; 5 dias no equador para o WiFS
904 km, síncrona com o Sol 817 km, síncrona com o Sol
Órbita Inclinação = 99,5° Inclinação = 98,69°
Cruzamento equatorial = 10:26 horas Cruzamento equatorial = 10:30 horas ± 5 minutos
IRS-1A em 17 de março de 1988; IRS-
Lançamento 1B em 29 de agosto de 1991 IRS-1C em 1995; IRS-1D em setembro de 1997

km com órbita síncrona com o Sol, cobertura repetitiva a
cada 22 dias no equador (11 dias de cobertura repetitiva
com dois satélites) e inclinação orbital de 99,5°. A faixa de
imageamento era de 146 x 148 km.
Os satélites IRS-1C e IRS-1D transportam três sensores
(Tabela 7-10): o sensor multiespectral LISS-III, um sensor
pancromático e o instrumento Wide Field Sensor (WiFS).
O LISS-III tem quatro bandas, com as bandas do verde,
vermelho e infravermelho próximo com resolução espacial
de 23,5 x 23,5 m e a banda do SWIR com resolução espa­
cial de 70,5 x 70,5 m. A faixa de imageamento é de 141 km
para as bandas 2, 3 e 4 e de 148 km para a banda do SWTR.
O ciclo de cobertura repetitiva é de 24 dias no equador.
O sensor pancromático tem uma resolução espacial de
aproximadamente 5,2 x 5,2 m e capacidade de imagea­
mento estereoscópico, obtido por visadas laterais. A banda
pancromática tem uma faixa de imageamento de 70 km
com cobertura repetitiva de 24 dias no equador e um tem­
po de revisita de 5 dias com ângulo de visada fora do nadir
de ±26°. Um exemplo dos dados pancromáticos (5,2 x 5,2
m) do centro de San Diego, CA (reamostrados para 5 x 5
m) é apresentado na Figura 7-31.
O instrumento Wide Field Sensor (WiFS) tem uma reso­
lução espacial de 188 x 188 m. O WiFS tem duas bandas
comparáveis às bandas do NOAA AVHRR (0,62 —0,68 pm
e 0,77 - 0,86 pm) com uma faixa de imageamento de 692
km. A cobertura repetitiva é de cinco dias no equador.
IRS-P3 e IRS-P4
O IRS-P3 WiFS é similar ao IRS-1D WiFS, exceto pela
inclusão de uma banda adicional na região do infraverme­
lho médio (1,55-1,70 pm). O IRS-P3 tem o instrumento
Modular Opto-electronics Scanner (MOS), que coleta da-
232 CAPÍTULO
Área da imagem dos Sensores
Landsat Thematic Mapper e
Multispectral Scanner
Área da
60 km imagem do
SPOT HRV
60 km
185 km
Figura 7-30 Cobertura geográfica do sensor SPO T HRV e dos
instrumentos Landsat Multispectral Scanner e T he­
matic Mapper.
dos em três resoluções espaciais (MOS A, B, C = 1569 x
1395 m; 523 x 523 m; e 523 x 644 m, respectivamente)
em três bandas (MOS A, B, C = 0,755-0,768 pm; 0,408-
1,01 pm; 1,5-1,7 pm).
O satélite 1RS-P4 é voltado primariamente às aplicações
oceanográficas baseadas em seu sensor Ocean Color Mo­
nitor (OCM), que adquire dados em 8 bandas, de 402 a
885 nm, com uma resolução espacial de 360 m x 236 m
e com 12 bits de resolução radiométrica. A faixa de ima-
geamento é de 1420 km. O IRS-P4 também transporta o
sensor Multifrequency Scanning Microwave Radiometer
(MSMR) (NRSA, 2006).
IRS-P5 (CARTOSAT-1)
O CARTOSAT-1 foi projetado para fornecer imagens
para aplicações cartográficas em larga escala. O satélite está
numa órbita polar síncrona com o Sol (618 km), regis­
trando imagens de todo o globo em 1867 órbitas com um
ciclo repetitivo de 126 dias. O CARTOSAT-1 tem duas
câmeras pancromáticas (0,5-0,85 pm) com 2,5 x 2,5 m de
resolução espacial, que adquirem duas imagens simultane­
amente, uma visando 26° à frente e outra para trás (-5°) em
modo estéreo. Cada câmera usa um arranjo linear contendo
12000 detectores (Krishnaswamy e Kalyanaraman, 2006).
A faixa de imageamento é de 26 km. Todos os dados são
coletados com 10 bits de quantização.
A plataforma pode ser manobrada para obter duas imagens
pancromáticas, lado a lado, cobrindo 55 km. Os usuários
podem especificar dados corrigidos radiometricamente e
geometricamente, ou dados de precisão ortorretificados
(NRSA, 2006).
Sistemas Multiespectrais de Sensoriamento Remoto
Imagem Obtida pelo Indian Remote Sensing
Satellite de San D iego, CA
Figura 7-31 Imagem pancromática do Indian Remote Sensing
Satellite (IRS-1D) do centro de San Diego, CA.
A imagem de 5,2 x 5,2 m foi reamostrada para 5
x 5 m (cortesia da Indian National Remote Sensing
Agency).
IRS-P6 (RESOURCESAT-I)
O RESOURCESAT-1 opera em órbita polar síncrona com
o Sol a 817 km de altitude (NRSA, 2006). Transporta três
sistemas sensores: LISS-III, LISS-IV e AWiFS. O sensor
LISS-III é idêntico ao LISS-III do IRS-1C/1-D, exceto por
algumas poucas mudanças. O LISS-IV tem exatamente as
mesmas bandas multiespectrais do LISS-III. Entretanto, os
dados multiespectrais são gravados com resolução espacial
de 5,8 x 5,8 m. O usuário pode selecionar uma das bandas
(p.ex., a banda do vermelho) e obter dados pancromáticos.
Em modo multiespectral, as imagens têm largura de 23
km, enquanto que em modo pancromático elas possuem
70 km. A resolução espacial da banda 5 (1,55-1,70 pm)
melhorou para 23,5 x 23,5 m. Os dados são registrados
usando arranjos lineares de 10.000 elementos com quanti­
zação de 10 bits. O sensor LISS-IV pode ser apontado late­
ralmente, o que possibilita um tempo de revisita de 5 dias.
O sensor AWiFS é uma versão melhorada do sensor WiFS
do IRS-1C/1D. O AWiFS opera em quatro bandas espec­
trais idênticas às do LISS-III, com uma resolução espacial
de 56 x 56 m, cobrindo uma faixa de 740 km.
Advanced Spaceborne Thermal Emission and
Reflection Radiometer (ASTER)
O ASTER é um esforço de cooperação entre a NASA e
o Ministério do Comércio Internacional e Indústria do
Imageamento Multiespectral Usando Arranjos Lineares 233

Tabela 7-11. C aracterísticas do sensor Advanced Spaceborne Therm al Emission and Reflection Radiom eter (ASTER)
da NASA.

Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER)

Resolução Resolução Resolução
Espectral do Espectral do Espectral do TIR
Banda VNIR (pm) Banda SWIR (pm) Banda (pm)
1 (nadir) 0,52 - 0,60 4 1,600 - 1,700 10 8,125 - 8,475
2 (nadir) 0,63 - 0,69 5 2,145 - 2,185 11 8,475 - 8,825
3 (nadir) 0,76 - 0,86 6 2,185 -2,225 12 8,925 - 8,275
3 (para trás) 0,76 - 0,86 7 2,235 - 2,285 13 10,25 - 10,95
8 2,295 - 2,365 14 10,95 - 11,65
9 2,360 - 2,430
“Pushbroom - “Whiskbroom -
“Pushbroom -
Tecnologia varredura varredura
varredura
(detector) eletrônica” mecânica”
PtSitSi Hg:Cd:Te
Resolução
15x15 30 x 30 90 x 90
Espacial (m)
Faixa de
60 km 60 km 60 km
Imageamento
Quantização 8-bits 8-bits 12-bits

Japão. O ASTER obtém informação detalhada sobre a
temperatura de superfície, emissividade, reflectância e ele­
vação (NASA ASTER, 2006). É o único instrumento com
resolução espacial relativamente alta a bordo do satélite
Terra (Tabela 7-11). É usado em conjunto com os sensores
MODIS, MISR e CERES, que monitoram a Terra com
resoluções espaciais moderadas a grosseiras. O ASTER ser­
ve como uma lente zoom para os outros instrumentos do
satélite Terra e é importante para a detecção de mudanças
e estudos de calibração/validação (King, 2003).
O ASTER obtém dados em 14 canais posicionados des­
de a região do visível até a do infravermelho termal do
espectro eletromagnético. Consiste de três subsistemas de
instrumentos separados. As bandas individuais e as carac­
terísticas dos subsistemas estão resumidas na Tabela 7-11.
O subsistema de detecção do VNIR opera em três bandas
espectrais nos comprimentos de onda do visível e do infra­
vermelho próximo com uma resolução espacial de 15 x 15
m. Esse subsistema consiste de dois telescópios - um diri­
gido ao nadir com detectores CCD em três bandas espec­
trais e outro para trás com detector CCD em uma única
banda. O telescópio de retrovisada fornece uma segunda
visada da área de estudo na banda 3 para observações este­
reoscópicas. O apontamento perpendicular à trajetória em
um ângulo de 24° do nadir é possível pela rotação de todo
o conjunto telescópico. Uma imagem da banda 3 (0,76-
0,86 pm) do infravermelho próximo (15 x 15 m) de Pearl
Harbor, H l, obtida em 3 de junho de 2000, é mostrada
na Figura 7-32. Composições coloridas ASTER da ilha de
Oahu e Pearl Harbor, obtidas em 3 de junho de 2000,
podem ser vistas na Prancha Colorida 7-8.
O subsistema do SWIR opera em seis bandas espectrais na
região de 1,6 a 2,43 pm por meio de um único telescópio
apontado ao nadir, que fornece uma resolução espacial de
30 x 30 m. O apontamento lateral (±8,55“) para recobri-
mento das faixas adjacentes à faixa do nadir pode ser efeti­
vado com um espelho de apontamento.
O subsistema do TIR opera em cinco bandas na região
do infravermelho termal usando um único telescópio de
posição fixa e com visada ao nadir, com uma resolução
espacial de 90 x 90 m. Ao contrário dos outros subsistemas
com tecnologia “pushbroom”, esse sistema é de varredura
“whiskbroom” (ou mecânica) (Figura 7-3d). Cada banda
usa 10 detectores em um arranjo espacial com filtros ópti­
cos específicos para cada banda sobre cada elemento detec­
tor. O espelho de varredura funciona tanto para a varredu­
ra, quanto para o apontamento lateral (±8,55°). Durante a
varredura, o espelho move-se a 90° do nadir para observar
um corpo negro interno. A Figura 7-33 mostra imagens
noturnas de diferentes datas da banda 14 (10,95-11,65
pm) do infravermelho termal (90 x 90 m), ilustrando o
234 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Imagem ASTER do Infravermelho Próximo de Pearl Harbor, Hawaii

Figura 7-32 Imagem da banda 3 do infravermelho próximo (0,76-0,86 pm, resolução de 15 x 15 m) do sensor ASTER/ Terra, obtida em
3 de junho de 2000 em Pearl Harbor, Hawaii (cortesia da NASA/GSFC/M1TI/ERSDAC/JAROS e do U.S./Japan ASTER
Science Team e Califórnia Institute ofTechnology).

fluxo de lava do Pu’u 0 ’o entrando no mar em Kamoku-
na, no lado sudeste da Ilha do Hawaii.
Multiangle Imaging Spectroradiometer (MISR)
O Multiangle Imaging Spectroradiometer (MISR - Es-
pectrorradiômetro Imageador Multiângulo) foi construído
pelo Jet Propulsion Laboratory da NASA e é um dos cin­
co instrumentos a bordo do satélite Terra. O instrumento
MISR mede o brilho da Terra em quatro bandas espectrais
e em nove ângulos de visada ao longo da linha de voo,
distribuídos nas direções de espalhamento frontal e retro-
espalhamento. A amostragem espacial é feita a cada 275 m.
Em um período de 7 minutos, uma faixa de imageamento
de 360 km da Terra é registrada em todos os nove ângulos
de visada (King, 2003; NASA MISR, 2006).
Uma ilustração dos nove ângulos de visada é apresen­
tada na Figura 7-34. Os sensores digitais “pushbroom ”
imageiam a Terra nos ângulos de 26,1°, 45,6°, 60° e
70,5° para frente e para trás da visada vertical (nadir,
0o). Observe que os ângulos são os mesmos em torno
do nadir, ou seja, as câmeras estão dispostas sim etri­
camente em torno do nadir. Em geral, maiores ângu­
los de visada são mais sensíveis aos efeitos de aerossóis
atmosféricos e aos efeitos de reflectância de nuvens,
enquanto ângulos menores são mais úteis para obser­
vação da superfície terrestre.
Cada câmera MISR vê instantaneamente uma única linha
de pixels em ângulos perpendiculares à trajetória do saté­
lite projetada no terreno em um formato “pushbroom”.
Cada câmera registra dados em quatro bandas: azul, verde,
vermelho e infravermelho próximo. Os comprimentos de
onda de cada banda são indicados na Figura 7-34. Cada câ­
mera tem quatro arranjos lineares de C CD independentes
(um por filtro) com 1054 pixels ativos por arranjo linear.
A câmera de visada ao nadir (rotulada de “An” na Figura
7-34) fornece um imageamento menos distorcido pelos
efeitos da topografia do que o visto nas demais câmeras
MISR. E também a câmera menos afetada pelo espalha­
mento atmosférico. A câmera do nadir fornece: 1) uma
referência útil para navegação dentro de todo o processo
de imageamento MISR, e 2) uma imagem-base para fins
de comparação com as demais imagens adquiridas em di­
ferentes ângulos de visada. Essas comparações geram in­
formação importante sobre a Função de Distribuição de
Reflectância Bidirecional (BRDF) introduzida no Capítu­
lo 1. A câmera do nadir oferece uma oportunidade para
comparar observações com outros sensores de visada ao
nadir como os Landsat TM e ETM +. A câmera de visada
ao nadir também facilita a calibração dos dados.
As câmeras com ângulo de visada de 26,1° para frente
e para trás (Af e Aa) fornecem informação estereoscópi­
ca útil para medidas de elevação topográfica e altura de
nuvens. As câmeras com ângulo de visada de 45,6° (Bf e
Ba) foram planejadas para serem especialmente sensíveis às
Imageamento Multiespectral Usando Arranjos Lineares 235

Imagens ASTER do Infravermelho Termal de um Derrame de Lavas no Hawaii

Figura 7-33 Uma sequência de imagens noturnas da banda 14 (10,95-11,65 pm) do infravermelho termal (90 x 90 m) do sensor ASTER/
Terra, mostrando o fluxo de lava do Pu’u 0 ’o entrando no mar em Kamokuna, no lado sudeste da Ilha do Hawaii. As imagens
foram obtidas em a) 22 de maio de 2000, b) 30 de junho de 2000, e c) 1 de agosto de 2000. Quanto mais claro for o pixel,
maior é a temperatura da lava (cortesia da NASA/GSFC/MIT1/ERSDAC/JAROS e do U.S./Japan ASTER Science Team e
Califórnia Institute ofTechnology).

propriedades atmosféricas dos aerossóis. As câmeras com
ângulos de visada de 60° avante e a ré (Cf e Ca) fornecem
observações visando através da atmosfera com o dobro da
quantidade de ar da visada ao nadir (vertical). Isto fornece
informação ímpar sobre o albedo hemisférico da superfí­
cie terrestre. As câmeras com ângulos de visada de 70,5°
avante e a ré (D f e Da) fornecem máxima sensibilidade aos
efeitos de visada fora do nadir. A comunidade científica
está interessada em obter informação quantitativa sobre
nuvens e sobre a superfície da Terra no maior número pos­
sível de ângulos de visada.
Sistemas de Sensoriamento Remoto com Arranjo
Linear e Alta Resolução Espacial
Em 1994, o governo americano deu permissão às compa­
nhias civis para comercializar dados de sensores remotos
de alta resolução espacial (de aproximadamente 1 x 1 m
a 4 x 4 m). Isto resultou na criação de consórcios comer­
ciais para ter o capital necessário para produzir, lançar e
comercializar tais dados. As companhias que se destacam
são a Space Imaging, Inc., a ORBIMAGE, Inc., a Digital-
Globe, Inc. e a ImageSat International, Inc. Essas com­
panhias entraram no mercado de Sistemas de Informação
Geográfica (GIS) e de mapeamento cartográfico, que era
tradicionalmente dominado pela indústria de aerofoto-
grametria. Alguns estimam o crescimento da indústria de
observação da Terra em 5 a 15 bilhões de dólares por ano.
As companhias comerciais de sensoriamento remoto espe­
ram ter um impacto em mercados tão diversos como os da
agricultura, manejo de recursos naturais, governos locais e
regionais, transporte, resposta a emergências ou desastres,
mapeamento e eventualmente em outras aplicações (Space
Imaging, 2006). A guerra, durante o início do século 21,
tem criado uma demanda militar significativa para o ima­
geamento comercial de alta resolução espacial.
Todas as empresas oferecem um serviço de compra on-line
na internet. As empresas oferecem um conjunto padrão
e não-padrão de produtos que podem ser adaptados às
necessidades do usuário, incluindo a criação de modelos
digitais de elevação a partir dos dados de sensores remotos.
As companhias comerciais de sensoriamento remoto tipi­
camente estabelecem o preço do imageamento de acordo
com o tipo de produto solicitado e a quantidade de cober­
tura geográfica desejada (km2). Os sensores usados por es­
sas companhias são baseados primariamente em tecnologia
C CD de arranjo linear (Figura 7-3c). As características dos
sistemas sensores estão resumidas na Tabela 7-12.
DigitalGlobe, Inc., EarlyBird e QuickBird
A companhia Earth Watch, Inc., lançou o EarlyBird em 1996
com uma banda pancromática (3 x 3 m) e com três bandas
no visível e infravermelho próximo (VNIR) com resolução
espacial de 15 x 15 m. Infelizmente, a EarthWatch perdeu
contato com o satélite. A EarthWatch (agora DigitalGlobe,
Inc.) lançou o QuickBird em 18 de outubro de 2001 em
uma órbita de 600 km. É interessante observar que o satélite
está em uma órbita de 66° que não é síncrona com o Sol. Os
tempos de revisita variam de 1 a 5 dias, dependendo da lati­
tude. Ele tem uma faixa de imageamento de 20 a 40 km. O
QuickBird tem uma banda pancromática de 0,61 x 0,61 m
e quatro bandas no visível/infravermelho próximo de 2,44
x 2,44 m de resolução espacial (Tabela 7-12). Os dados são
236 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Multiangle Imaging Spectroradiometer

Sensores Df Cf Bf Af An Aa Ba Ca Da
Ângulo de
70,5” 60” 45,6“ 26,1" 0” 26,1" 45,6" 60" 70,5"
visada
425 - 467 nm

5 4 3 -5 7 1 nm

660 - 682 nm

846 - 886 nm

275 x 275 m 1,1 x 1,1 km 275 m 1,1 km

Figura 7-34 Representação artística do Multiangle Imaging Spectroradiometer (MISR) do EOS Terra. O MISR usa tecnologia de arranjo
linear para adquirir imagens do terreno em quatro bandas e nove ângulos de visada: Nadir (0”) e em 26,1°, 45,6°, 60°, e 70,5°
para frente e para trás do nadir (adaptado de NASA Jet Propulsion Laboratory).

quantizados em 11 bits (os valores de brilho variam de 0 a com meio metro de resolução2*. O WorldView I será capaz
2047). O sensor pode ser apontado para diversas direções de transmitir diretamente as imagens para os clientes.
para obter dados estereoscópicos (Digital-Globe, 2006).

A Digital-Globe planeja lançar uma nova geração de siste­
mas de sensoriamento remoto de alta resolução denomi­
nada WorldView I e WorldView II (Digital Globe, 2005).
O WorldView I fornecerá imageamento pancromático com
resolução espacial de 0,5 x 0,5 m, com um tempo de revisi­
ta de 1,7 dias e com uma faixa de imageamento de 16 km.
Será capaz de coletar até 500.000 km2 por dia de imagens
O WorldView II coletará dados pancromáticos de 0,5 x
0,5 m e dados multiespectrais de 1,8 x 1,8 m. Além das
quatro bandas multiespectrais tradicionais, ele incorpo­
rará quatro novas bandas (costeira, amarelo, borda ver­
melha e infravermelho próximo-2).

2 * O WorldView-I foi lançado em 18 de Setembro de 2007. (N.T.)

Imageamento Multiespectral Usando Arranjos Lineares 237

Tabela 7-12. Características dos sensores da Space Imaging/GeoEye, Inc., (satélite /KOA/OS); da ORBIMAGE, Inc.,
(satélite O rb V ie w -3 ) e da Digital-Globe, Inc., (satélite Q u ic k B ird ).
Space Imaging/GeoEye, Inc. ORBIMAGE, Inc. Digital-Globe, Inc.
IK O N O S O rb V ie w -3 Q u ic k B ir d
Resolução Resolução Resolução
Resolução Espacial Resolução Espacial Resolução Espacial
Espectral ao Nadir Espectral ao Nadir Espectral ao Nadir
Banda (pm) (m) Banda (pm) (m) Banda (pm) (m)

1 0,45 - 0,52 4x4 1 0,45-0,52 4x4 1 0,45 - 0,52 2,44 x 2,44

2 0,52 - 0,60 4x4 2 0,52 - 0,60 4x4 2 0,52 - 0,60 2,44 x 2,44
3 0,63 - 0,69 4x4 3 0,625 - 0,695 4x4 3 0,63 - 0,69 2,44 x 2,44
4 0,76 - 0,90 4x4 4 0,76 - 0,90 4x4 4 0,76 - 0,89 2,44 x 2,44
Pan 0,45 - 0,90 1 X1 Pan 0,45 - 0,90 1X1 Pan 0,45 - 0,90 0,61 x 0,61
“Pushbroom” de arranjo
Sensor “Pushbroom” de arranjo linear “Pushbroom” de arranjo linear
linear
Faixa de
11 km 8 km 20 a 40 km
Imageamento
Taxa 25 Mb/s 50 Mb/s 50 Mb/s
Revisita < 3 dias < 3 dias 1 a 5 dias dependendo da latitude
681 km, síncrona com o 600 km, não-síncrona com o Sol,
470 km, síncrona com o Sol, Cruza­
Órbita Sol, Cruzamento equato­ horário variável de cruzamento
mento equatorial às 10:30 horas
rial às 10-11 horas equatorial
27 de abril de 1999
Lançamento (falhou), 24 de setembro 26 de junho de 2003 18 de outubro de 2001
de 1999

planejamento urbano e de recursos terrestres. A imagem

Space Imaging/GeoEye, Inc., IKONOS
A companhia Space Imaging, Inc., lançou o IKONOS em
27 de abril de 1999. Infelizmente, o satélite não atingiu
sua órbita. A Space Imaging lançou um segundo IKONOS
em 24 de setembro de 1999. O sensor do satélite IKONOS
tem uma banda pancromática de 1 x 1 m e quatro bandas
multiespectrais no visível e no infravermelho próximo com
4 x 4 m de resolução espacial (Space Imaging, 2006). As
características do sensor estão resumidas na Tabela 7-12.
O IKONOS está em órbita de 681 km síncrona com o Sol
com um horário descendente de cruzamento equatorial
entre 10 e 11 horas. Ele tem instrumentos para observação
ao longo da trajetória do satélite e perpendicular a ela, o
que torna a aquisição de dados flexível e o tempo de re­
visita frequente: <3 dias com resolução espacial de 1 x 1
m (para ângulos de visada <26°) e 1,5 dias com resolução
espacial de 4 x 4 m. A faixa nominal de imageamento é de
11 km. Os dados são quantizados em 11 bits. A primeira
imagem pancromática IKONOS (1 x 1 m) foi obtida em
30 de setembro de 1999 sobre o centro de Washington,
DC (Figura 7-35). A imagem contém detalhe de alta re­
solução espacial suficiente para muitas investigações de
IKONOS de Columbia, SC, é mostrada na Prancha Co­
lorida 7-9.
Em 12 de janeiro de 2006, a ORBIMAGE Holdings Inc.
comprou a Space Imaging, Inc. (GeoEye, 2006). A com­
panhia resultante dessa operação faz agora negócios sob
a denominação de GeoEye, Inc. A GeoEye opera três sa­
télites de sensoriamento remoto, incluindo o IKONOS,
o OrbView-2 e o Orb-View-3. A GeoEye planeja lançar
outro satélite em 2007 com uma resolução espacial de 0,4
x 0,4 m (GeoEye, 2006).3*
ImageSat International, Inc., EROS A l
A companhia ImageSat International, Inc., lançou com
sucesso, em 5 de dezembro de 2000, o satélite EROS A l,
usando um foguete Star-1 da Rússia a partir de Svobodni,
Sibéria (ImageSat, 2006). O EROS Al foi construído pela
Aircraft Industry's MBT Division de Israel. O satélite está
em órbita de 480 km, síncrona com o Sol, com um horá­
rio de cruzamento equatorial às 9:45 horas. O EROS Al
3 ' O GeoEye-1 foi lançado com sucesso em 26/09/2008. (N.T.)
238 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

Imagem Pancromática do IKONOS de Washington, D C

a. Imagem pancromática IK ON OS (1 x 1 m) de Washington, DC b. Visão ampliada do M onum ento de Washington.

Figura 7-35 a) Imagem pancromática IKONOS ( l x l m) de Washington, DC, obtida em 30 de setembro de 1999. O M onum ento de Wa­
shington e a Casa Branca são visíveis, b) Ampliação do Monumento de Washington (cortesia Space Imaging/GeoEye, Inc.).

é um sistema de sensoriamento remoto com uma única
banda pancromática. A resolução espacial é de 1,8 x 1,8
m (padrão) ou de 1 x 1 nr (modo superamostrado). Uma
imagem EROS Al da Base Submarina de Kamchatka na
Rússia é mostrada na Figura 7-36. A ImageSat planeja lan­
çar o EROS B e outros satélites para criar uma constelação
de satélites comerciais de alta resolução.
ORBIMAGE, Inc., OrbView-3
A ORBIMAGE, Inc., lançou o OrbView-3 em 26 de junho
de 2003 com dados pancromáticos com 1 x 1 m e quatro
bandas multiespectrais no visível e infravermelho próximo
com 4 x 4 m de resolução espacial (Orbimage, 2006). O
OrbView-3 tem uma órbita de 470 km síncrona com o Sol
com um horário de cruzamento equatorial às 10:30 horas e
uma faixa de imageamento de 8 km. O sensor revisita cada
local da Terra em menos de três dias com uma habilidade
de girar de um lado para outro de até 45°. As especificações
do sensor OrbView-3 estão resumidas na Tabela 7-12.
A ORBIMAGE, Inc. planeja lançar o OrbView-5 (Orbi­
mage, 2006). Ele terá a mesma configuração de bandas do
OrbView-3, mas a banda pancromática terá 0,41 x 0,41
m e as bandas multiespectrais terão 1,64 x 1,64 m de re­
solução espacial. Ele poderá ser apontado e terá uma faixa
de imageamento de 15,2 km. O OrbView-5 será útil para
aplicações de engenharia fotogramétrica.
Airbome Digital Sensor System-40 da Leica Geosystems
A câmera digital ADS-40 da Leica Geosystems usa a tec­
nologia de arranjo linear de detectores. Ela se baseia no ar­
ranjo linear de CCDs com 12000 elementos. Os arranjos
lineares funcionam em harmonia para obter imagens es­
tereoscópicas para aplicações fotogramétricas. O ASD-40
coleta dados de acordo com as especificações resumidas na
Tabela 7-13 e a lógica mostrada na Figura 7-37. Três dos
arranjos lineares coletam dados pancromáticos: um olha
para frente com 28,4°, o outro ao nadir e o último para
trás com -14,2° [existem de fato dois arranjos lineares com
12000 elementos em cada um desses três locais, que são
analisados em conjunto para fornecer dados pancromáti­
cos] (McClone, 2004).
Os arranjos lineares sensíveis ao azul, verde e vermelho co­
letam dados com ângulo de 14,2° fora do nadir. As medi­
das do azul, verde e vermelho são obtidas com um sistema
óptico tricróide, que segmenta a luz incidente nas compo­
nentes vermelho, verde e azul usando filtros dicróicos. Isso
resulta em informação perfeitamente registrada no azul,
verde e vermelho. Um arranjo linear sensível ao infraver-
Espectrometria Usando Arranjos Lineares e de Área (Sensoriamento Remoto Hiperespectral) 239

Imagem Pancromática do EROS A l da Base Submarina de Kamchatka, Rússia

Figura 7-36 Imagem pancromática (1,8 x 1,8 m) da Base Submarina de Kamchatka na fronteira leste da Rússia, obtida pelo sistema de
sensoriamento remoto EROS A l em 25 de dezembro de 2001 (cortesia da ImageSat, International, Inc.).

melho próximo visa 2o fora do nadir adjacente ao arranjo
linear pancromático ao nadir.
Espectrometria Usando Arranjos
Lineares e de Área (Sensoriamento
Remoto Hiperespectral)
Esta seção descreve um importante avanço no sensoria­
mento remoto, conhecido pela denominação “espectrome­
tria de imageamento ou sensoriamento remoto hiperespectral”,
definido como a aquisição simultânea de imagens em um
grande número de bandas espectrais relativamente estrei­
tas, contíguas d ou não-contíguas nas porções ultravioleta,
visível e infravermelho do espectro eletromagnético.
No passado, a maioria dos dados de sensoriamento remoto
era adquirida em 4 a 12 bandas espectrais. A espectrometria
de imageamento torna possível a aquisição simultânea de
dados em centenas de bandas espectrais. Devido à natureza
muito precisa dos dados adquiridos pela espectrometria de
imageamento, alguns problemas associados com recursos
terrestres podem ser investigados com maior detalhe.
O valor de um espectrômetro de imageamento reside em
sua habilidade de fornecer um espectro de reflectância de
alta resolução para cada elemento de cena (pixel) na ima­
gem. O espectro de reflectância na região de 0,4 a 2,5 |tm
pode ser usado para identificar diversas classes de materiais
de cobertura da superfície que não podem ser identifica­
das com sistemas de imageamento de banda larga ou baixa
resolução espectral, como os Landsat MSS, TM e SPOT.
Muitos materiais de superfície, mas não todos, possuem
feições de absorção com largura de 20 a 40 nm diagnosticas
da sua presença na cena. Portanto, sistemas de imageamen­
to espectral que adquirem dados em bandas contíguas de
10 nm de largura produzem dados com resolução espectral
suficiente para a identificação direta desses materiais nas
imagens hiperespectrais. Por exemplo, a Figura 7-38 exibe
espectros de culturas agrícolas obtidos com alta resolução
espectral no intervalo de 400 a 1000 nm usando um espec­
trômetro de imageamento em uma área agrícola próxima a
Bakersfield, CA. Os espectros de absorção para o algodão
Pima e Royale diferem um do outro em torno de 725 nm,
comprimento de onda onde a borda vermelha (“red edge”)
está localizada, até 900 nm. Isso indica a possibilidade de
que espécies dentro de um mesmo tipo de cultura possam
ser discriminadas (SBRC, 1994). Os sensores do Landsat e
SPOT HRV, que têm bandas relativamente largas, podem
não ser capazes de medir essas diferenças espectrais.
O imageamento simultâneo em muitas bandas espectrais
contíguas requer novas abordagens para a construção de
sistemas sensores remotos. Uma abordagem é aumentar
o tempo de permanência de um detector em cada IFOV
usando um arranjo linear de elementos detectores (Figura
7-3c). Nesta configuração, há um elemento detector de­
dicado para cada pixel no sentido transversal à órbita, o
que aumenta o tempo de permanência para o intervalo
necessário para mover um IFOV ao longo da direção da
linha de voo.
Duas abordagens mais práticas para a espectrometria de ima-
240 CAPITULO Sistemas Multiespectrais de Sensoriamento Remoto

Airborne Digital Sensor (ADS-40)

Reflectância de um
pixel no IFOV

Figura 7-37 Características do Airborne Digital Sensor - Sensor Digital Aerotransportado - (ADS-40) da Leica Geosystems. a) Comparti­
mento da câmera digital, b) Sistema óptico tricróide. c) Configuração dos arranjos lineares com 12000 elementos das cameras
com visada para frente, para trás e ao nadir (adaptado de Leica Geosystems, Inc.).
Espectrometria Usando Arranjos Lineares e de Area (Sensoriamento Remoto Hiperespectral) 241

Tabela 7-13. Características do Airborne Digital sensor

40 (ADS-40) da Leica GeoSystems.

Resolução Resolução
Espectral Espacial (cm)
Banda (nm) ao Nadir

variável
15 cm @
Pan 465 - 680
1450 m de
altitude
Azul 430 - 490 variável
Verde 535 - 585 variável
Vermelho 610-660 variável
Infravermelho Próximo 835 - 885 variável
Figura 7-38 Espectros de culturas agrícolas obtidos por um espec­
Sensor 7 arranjos lineares de CCDs trômetro de imageamento para algodão Pima e Royale
e para uma estrada. Os espectros foram extraídos de
Faixa de
12.000 pixels dados de 2 x 2 m de resolução espacial, coletados pró­
Imageamento
ximo a Bakersfield, CA.
Tamanho do Detector 6,5 pm
Detectores por Arran­ Pancromático = 2 x 12.000 gura de banda. De forma oposta, espectrômetros de ima­
jo Linear Multiespectral = 12.000 geamento amostram em intervalos espectrais próximos
Resolução (bandas da ordem de dezenas de nanômetros de largura de
12 bits
Radiométrica banda) e têm um número suficiente de bandas espectrais
Distância Focal 62,7 mm que permite a obtenção de espectros que se assemelham
1:500 - 1:5.000 (dependendo aos medidos por instrumentos de laboratório. A análise
Maior Escala de Apli­
cação da altitude de voo) de dados de espectrômetros de imageamento possibilita a
extração de um espectro detalhado para cada pixel na ima­
Applanix POS IMU com gem (Figura 7-39). Esses espectros frequentemente permi­
Georreferenciamento
GPSe INS tem a identificação direta de materiais específicos dentro
do IFOV do sensor com base em suas características de
geamento são mostradas nas Figuras 7-3d e 3e. A abordagem reflectância, incluindo minerais, gases atmosféricos, vege­
“whiskbroom” com arranjo linear (Figura 7-3d) é análoga tação, neve e gelo, e matéria dissolvida em corpos d’água.
àquela usada para o Landsat MSS e ETM+, exceto que o flu­
xo radiante proveniente de um IFOV é transmitido para um A análise de dados hiperespectrais normalmente requer o
espectrômetro, onde sofre dispersão e é focalizado sobre um uso de aplicativos sofisticados de processamento de ima­
arranjo linear de detectores. Portanto, cada pixel é simultane­ gens digitais (p.ex., ENVI). Isto ocorre devido ao fato de
amente medido em tantas bandas espectrais quantos forem os que normalmente é necessário calibrar (converter) os da­
elementos detectores no arranjo linear. Para o imageamento de dos de radiância para valores de reflectância de superfície
alta resolução espacial, esta abordagem é adequada apenas para antes da interpretação propriamente dita. Isto equivale a
um sensor aerotransportado, que voa lentamente e quando o remover os efeitos atmosféricos, efeitos topográficos (de-
tempo de leitura do arranjo de detectores for uma pequena clividade, aspecto), e de qualquer anomalia do sensor. De
fração do tempo de integração. Devido à alta velocidade dos forma similar, para otimizar a extração de informação,
satélites, a espectrometria de imageamento orbital requer o uso normalmente é necessário usar algoritmos que: 1) anali­
de arranjos bidimensionais de área (Figura 3-e). Isto elimina a sem os espectros para determinar os seus materiais consti­
necessidade do mecanismo de varredura óptica. Nesta situação, tuintes, e 2) comparem os espectros dos pixels com os de
existe uma coluna de elementos detectores espectrais dedicada uma biblioteca espectral obtida, por exemplo, usando es-
para cada pixel no sentido transversal na cena. pectrorradiômetros portáteis, como a biblioteca colocada à
disposição pelo U.S. Geological Survey (Jensen, 2005).
Portanto, sistemas tradicionais de sensoriamento remo­
to de banda larga, como os Landsat MSS e SPOT HRV, As agências governamentais e firmas comerciais têm pro­
subamostram a informação disponível em um espectro de jetado centenas de espectrômetros de imageamento capa­
reflectância por fazerem apenas umas poucas medidas em zes de adquirir dados hiperespectrais. Está fora do escopo
bandas espectrais com até centenas de nanômetros de lar- deste livro listar todos eles. Apenas três sistçmas são des-
242 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto

NASA Airborne Visible Infrared Imaging Spectrometer

Escâner
“whiskbroom”
do AVIRIS

— 400 nm

224
bandas (k)
com largu­
ra espectral
de 10 nm
— 2500 nm

l:^ Z (6’4

'to j reH.
7/ C ^

O fluxo radiante (O), num IFOV (P) de 1,0 mrad é direcionado por
um espelho de varredura para arranjo linear de detectores:
• Silício (Si) para as bandas do visível;
• Antimoneto de índio (InSb) para as bandas do infravermelho

500 1000 1500 2000 2500

Comprimento de O nda (nm)

Figura 7-39 Representação conceituai da espectroscopia de imageamento com o uso do Airborne Visible/Infrared Imaging Spectrometer
(AVIRIS - Espectrômetro Imageador Visível e Infravermelho Aerotransportado) da NASA/JPL. O espelho de varredura
focaliza o fluxo radiante sobre arranjos lineares que contêm 224 elementos detectores com uma sensibilidade espectral de
400 a 2500 nm. Um espectro de radiância (L) ou reflectância pode ser obtido para cada pixel. A cena AVIRIS foi adquirida
sobre o Kennedy Space Center, FL. Apenas a banda 30 (655 nm) é exibida (adaptado de Filippi, 1999).

critos: o Airborne Visible/Infrared Imaging Spectrometer
(AVIRIS) da NASA/JPL, o sensor comercialmente dis­
ponível Compact Airborne Spectrographic Imager 1500,
e o Moderate Resolution Imaging Spectroradiometer da
NASA a bordo do satélite Terra.
Airborne Visible/Infrared Imaging Spectrometer
(AVIRIS)
O primeiro espectrômetro de imageamento aerotrans­
portado (denominado AIS) foi construído para testar o
conceito de espectrometria de imageamento com arran­
jos de área para o infravermelho (Vane e Goetz, 1993). A
cobertura espectral do instrumento era de 1,9 a 2,1 pm
no “modo árvore” e de 1,2 a 2,4 pm no “modo rocha” em
bandas contíguas com 9,3 nm de largura.
Para adquirir dados com maior cobertura espectral e espa­
cial, o AVIRIS foi desenvolvido pelo Jet Propulsion Labo-
ratory da NASA em Pasadena, CA (Tabela 7-14). Usando
um espelho de varredura “whiskbroom” e arranjos lineares
de silício (Si) e antimoneto de índio (InSb), configurados
como mostrado na Figura 7-3d, o AVIRIS adquire ima­
gens em 224 bandas na faixa de 400 a 2500 nm, cada ban­
da com 10 nm de largura (NASA AVIRIS, 2006). 1 ipica-
Espectrometria Usando Arranjos Lineares e de Área (Sensoriamento Remoto Hiperespectral) 243

Tabeia 7-14. Características dos sistemas de sensoriamento remoto hiperespectral Airborne Visible/Infrared Imaging
Spectrom eter (AVIRIS) da NASA e do Compact Airborne Spectrographic Imager 1500 (CASI 1500) da
ITRES Research, Ltd.
Resolução Intervalo Campo
Espectral Espectral Quantização IFOV de Visada
Sensor Tecnologia (nm) (nm) Número de Bandas (bits) (mrad) Total (°)
AVIRIS Arranjo linear 400 - 2500 10 224 12 1,0 30°
“whiskbroom”

CASI CCD em 400 - 1050 2,2 288 bandas possíveis 14 0,49 40,5”
1500 arranjo linear com 2,2 nm de largura;
(1480) o número de bandas e o
e de área número de pixels no sentido
(1480 x288) transversal são programáveis

mente, o sensor voa a bordo de uma aeronave NASA/ARC
ER-2 a 20 km de altitude e tem um campo de visada total
de 30° e um 1FOV de 1,0 mrad, o que resulta em pixels
de 20 x 20 m. Os dados são gravados em 12 bits (valores
de 0 a 4095).
As características do AVIRIS estão resumidas na Figura
7-39. O diagrama exibe a imagem de uma única banda
do AVIRIS (banda 30; 655 nm), obtida sobre o Kenne-
dy Space Center, FL, e um espectro de radiância extraída
para um único pixel de vegetação de um tipo de palmeira
denominada “saw palmetto (Serenoa reppens)”. A Prancha
Colorida 7-10 exibe a porção de uma imagem AVIRIS ad­
quirida sobre Moffett Field, CA, no extremo sul da Baía de
São Francisco. Três das 224 bandas espectrais foram usadas
para produzir a composição colorida da face do cubo hipe­
respectral. As áreas pretas no cubo representam bandas de
absorção atmosférica por vapor d’água em 1,4 e 1,9 pm.
Compact Airborne Spectroqraphic Imaqer 1500
(CASI 1500)
do CCD de área, quando a aeronave move-se ao longo da
trajetória de voo, uma imagem bidimensional de alta reso­
lução espectral é formada. Visto que os fluxos radiantes de
todos os pixels em uma determinada varredura são regis­
trados simultaneamente, o co-registro espacial e espectral é
assegurado. A resolução espacial perpendicular à trajetória
de voo é determinada pela altitude do CASI e pelo IFOV,
enquanto a resolução ao longo da trajetória depende da ve­
locidade da aeronave e da taxa de leitura do CCD.
O CASI 1500 pode ser programado para coletar dados em
14 bits em vários modos (Tabela 7-14) (ITRES, 2006):
• Modo espacial - onde a resolução máxima de 1480 pixels
é obtida para até 19 bandas espectrais sem superposição,
sendo possível programar o centro e a largura das bandas.
• Modo hiperespectral —até 1480 pixels adjacentes pro-
gramáveis e até 288 bandas em toda a faixa espectral.
• Modo completo - 1480 pixels (perpendicular à trajetó­
ria) e 288 bandas espectrais.

As bandas específicas são selecionadas de acordo com a

A companhia ITRES Research, Ltd., do Canadá comerciali­
za o sistema de sensoriamento remoto CASI. O CASI 1500
é um espectrômetro de imageamento “pushbroom” baseado
no uso de um CCD em arranjo linear transversal de 1480
elementos e de um CCD em arranjo de área (matriz bidi­
mensional) de 1480 x 288 (Figura 7-3e) elementos. O ins­
trumento opera na faixa espectral de 400 a 1050 nm e tem
um campo de visada total de 40,5° (ITRES, 2006).
Uma única linha do terreno com largura de 1480 pixels,
perpendicular à trajetória de voo, é vista pela óptica do es­
pectrômetro (Figura 7-40). A radiância proveniente de um
determinado IFOV é espectralmente dispersa ao longo do
eixo do CCD matricial bidimensional, de tal forma que um
espectro de energia (do azul ao infravermelho próximo) é
obtido para cada pixel. Pela leitura repetitiva do conteúdo
aplicação (p.ex., mapeamento batimétrico, concentração
de clorofila a). O resultado é um sistema de sensoriamento
remoto de arranjo programável que pode ser o precursor
de futuros satélites com sistemas sensores hiperespectrais.
O ITRES também comercializa o SASI 600. Este é o pri­
meiro sistema hiperespectral no SWIR que coleta dados
no infravermelho em 100 bandas posicionadas na faixa de
950 a 2450 nm, em intervalos de 15 nm, com uma faixa
de imageamento de 600 pixels (ITRES, 2006).
Moderate Resolution Imaging Spectroradiometer
(MODIS)
Embora não seja um sensor hiperespectral, o Moderate Re-
244 CAPÍTULO
Aquisição de Dados Hiperespectrais Usando Arran­
jos Lineares e de Área (matrizes bidimensionais)
Figura 7-40 Aquisição de dados hiperespectrais usando um sensor
“pushbroom” com arranjo linear, que distribui a ener­
gia sobre um arranjo de área de 1480 x 228 elementos
sensíveis à faixa espectral de 400 a 1050 nm.
solution Imaging Spectroradiometer (MODIS) representa
um importante avanço em termos de resolução espectral.
O M ODIS voa a bordo dos satélites da NASA EOS Ter­
ra (horário de cruzamento equatorial pela manhã) e Aqua
(horário de cruzamento equatorial à tarde). O MODIS
fornece observações de longo prazo para obter um me­
lhor conhecimento da dinâmica global e dos processos
que ocorrem na superfície da Terra e na baixa atmosfera
(King, 2003; NASA M ODIS, 2006). Ele fornece obser­
vações simultâneas das feições atmosféricas (cobertura de
nuvens e propriedades associadas), oceânicas (temperatura
da superfície do mar e clorofila) e terrestres (mudanças de
cobertura da terra, temperatura da superfície do terreno e
propriedades da vegetação).
O M ODIS está em uma órbita de 705 km síncrona com
o Sol. Ele observa toda a superfície da Terra a cada um ou
dois dias. Tem um campo de visada de ±55° do nadir, o
que resulta numa faixa de imageamento de 2330 km. O
M ODIS obtém imagens de alta resolução radiométrica (12
bits) da radiação solar refletida e da emissão termal diurna/
noturna sobre todas as regiões do globo. O MODIS é um
radiômetro de imageamento por varredura “whiskbroom”,
que consiste de um espelho de varredura com movimento
Sistemas Multiespectrais de Sensoriamento Remoto
perpendicular ao deslocamento do satélite, de uma óptica
coletora e de um conjunto de arranjos lineares de detecto­
res com filtros espectrais de interferência localizados em
quatro planos focais (Figura 3-d). O instrumento coleta
dados em 36 bandas espectrais coregistradas: 20 bandas na
faixa de 0,4 a 3 pm e 16 bandas na faixa de 3 a 15 |tm. As
bandas e suas aplicações estão resumidas na Tabela 7-15.
A resolução espacial grosseira do M ODIS varia de 250 x
250 m (bandas 1 e 2) a 500 x 500 m (bandas 3 a 7) e 1
x 1 km (bandas 8 a 36). Uma imagem da banda 4 (ver­
de; 0,545-0,565 pm) do Delta do Nilo, no Rio Nilo, e
grande parte das vizinhanças do Mar Morto é apresentada
na Figura 7-41 a. A vegetação sadia absorve a maior parte
do fluxo radiante incidente do verde e, portanto, as áreas
com vegetação são registradas em tons escuros na imagem
MODIS. O MODIS fornece imagens da reflexão diurna
e emissão diurna/noturna de qualquer ponto da Terra a
cada dois dias. A faixa de imageamento é 2330 km. Uma
imagem composta da cobertura global do M ODIS em 19
de abril de 2000 é mostrada na Figura 7-4 lb.
O MODIS tem um dos mais compreensivos subsistemas
de calibração já existentes em um instrumento de sensoria­
mento remoto. O hardware de calibração inclui um difu­
sor solar, um monitor de estabilidade do difusor solar, um
instrumento de calibração espectrorradiométrica, um cor­
po negro para calibração termal e uma abertura para visada
do espaço. A calibração possibilita que os dados ópticos
sejam convertidos para reflectância. Os dados do M ODIS
são também processados para criar diversos bancos de da­
dos globais, incluindo (NASA M ODIS, 2006):
• variáveis dos ecossistemas terrestres (p.ex., índices de
vegetação, índice de área foliar, fração de radiação fo-
tossinteticamente ativa, produção primária total da ve­
getação);
• variáveis atmosféricas (p.ex., fração de nuvens, espessu­
ra óptica das nuvens, profundidade óptica de aerossóis,
etc.);
• variáveis dos oceanos (p.ex., temperatura da superfície
do mar e clorofila).
Câmeras Digitais de Quadro
Baseadas em Arranjos de Área
(Matrizes Bidimensionais)
O Dispositivo de Cargas Acopladas (charge-coupled-devi-
ce —CCD) foi inventado no final de 1960 pelos cientistas
da Bell Labs. Ele foi originalmente concebido como um
novo tipo de circuito de memória de computador, mas
logo se tornou evidente que ele tinha muitas outras aplica-
Câmeras Digitais de Quadro Baseadas em Arranjos de Area (Matrizes Bidimensionais) 245

Tabela 7-15. Características do Moderate Resolution Imaging Spectroradiometer (MODIS) a bordo do satélite Terra.

R e s o lu ç ã o E s p e c tra l
B anda (p m ) R e s o lu ç ã o E s p a c ia l U tilid a d e d a B a n d a

1 0,620 - 0,670 250 x 250 m Classificação de cobertura da terra, absorção por

2 0,841 - 0,876 250 x 250 m clorofila, mapeamento do índice de área foliar
3 0,459 - 0,479 500 x 500 m Propriedades da terra, nuvens e aerossóis
4 0,545 - 0,565 500 x 500 m
5 1,230- 1,250 500 x 500 m
6 1,628 - 1,652 500 x 500 m
7 2,105-2,155 500 x 500 m
8 0,405 - 0,420 1 x 1 km Cor dos oceanos, fitoplâncton, biogeoquímica
9 0,438 - 0,448 l x l km
10 0,483 - 0,493 1 x 1 km
11 0,526-0,536 1 x 1 km
12 0,546-0,556 l x l km
13 0,662 - 0,672 1 x 1 km
14 0,673 - 0,683 1 x 1 km
15 0,743 - 0,753 l x l km
16 0,862 - 0,877 1 x 1 km
17 0,890 - 0,920 l x l km Vapor d água atmosférico
18 0,931 -0,941 1 x 1 km
19 0,915-0,965 1 x 1 km
20 3,600 - 3,840 l x l km Temperatura de superfície-nuvem
21 3,929 - 3,989 1 x 1 km
22 3,929 - 3,989 1 x 1 km
23 4,020 - 4,080 1 x 1 km
24 4,433 - 4,498 1 x 1 km Temperatura atmosférica
25 4,482 - 4,549 1 x 1 km
26 1,360- 1,390 1 x 1 km Nuvens cirrus
27 6,535 - 6,895 l x l km Vapor d água
28 7,175 -7,475 1 x 1 km
29 8,400 - 8,700 1 x 1 km
30 9,580 - 9,880 1 x 1 km Ozônio
31 10,780- 11,280 l x l km Temperatura de superfície-nuvem
32 11,770- 12,270 l x l km
33 13,185 - 13,485 1 x 1 km Altitude do topo das nuvens
34 13,485 - 13,785 l x l km
35 13,785 - 14,085 1 x 1 km
36 14,085 - 14,385 l x l km

ções, incluindo a coleta de dados de imagens, em função formato, que se baseiam em tecnologia de arranjo de área
da sensibilidade do silício à luz. (quadro) (Z/I DM C e Vexcel Ultracam).

As características gerais das câmeras digitais de pequeno,
médio e grande formato foram introduzidas no Capítulo
4. Esta seção resume as características e fornece exemplos
de três câmeras digitais modernas. Iniciamos com a câme­
ra de pequeno formato da Leica Geosystems, denominada
Emerge Digital Sensor System (DSS), que se baseia em
tecnologia de arranjo de área (Figure 3-f). Em seguida,
discutimos câmeras digitais mais sofisticadas de grande
Aquisição de Dados Digitais de Pequeno
Formato: Leica Geossystems Emerge Digital
Sensor System
A Digital Sensor System (DSS) usa uma câmera digital
de arranjo de área que adquire imagens contendo 4092 x
4079 pixels (Tabela 7-16). Cada pixel no arranjo de área é
246 CAPITULO Sistemas Multiespectrais de Sensoriamento Remoto

Imagem do Moderate Resolution Imaging Spectroradiometer (M ODIS)

do Nilo, obtida em 28 de fevereiro de 2000. Terra M ODIS em 19 de abril de 2000.

Figura 7-41 Imagem da banda 4 (verde: 0,545-0,565 (.im) do sensor M O D IS /Terra, do Delta do Rio Nilo com vegetação densa, e dos arre­
dores do Mar Morto. A imagem da banda 4 tem uma resolução espacial de 500 x 500 m. b) Uma imagem composta da banda
1 (vermelho: 0,62-0,67 pm) da cobertura global do M O D IS/ Terra em 19 de abril de 2000. A largura da laixa de imageamento
do M O DIS é de 2330 km (cortesia da NASA Goddard Space Flight Center).

Aquisição de Dados Digitais de Grande Formato:

de 9 x 9 mícrons. Os usuários podem especificar imagens
coloridas normais (azul, verde e vermelho) ou infraverme-
ZJ\ Digital Modular Camera
lho-coloridas (verde, vermelho e infravermelho próximo)
na região espectral de 0,4 a 0,9 pm. No modo infraverme­
A Z/I Digital Modular Camera (DCM) usa quatro C CD
lho próximo, o sensor tem uma resposta espectral similar à
do filme infravermelho colorido Kodak Aerochrome 2443, de matriz de área de 7000 x 4000 elementos. Todos os
CCD têm sua própria óptica e funcionam como espécies
mas com maior faixa dinâmica. Os dados podem ser regis­
de câmeras digitais individuais que são sincronizadas para
trados em 8 ou 16 bits por pixel. A câmera coleta dados em
obter dados no mesmo instante. Quatro C C D adicionais
tempo real corrigidos por GPS diferencial para cada qua­
com 3000 x 2000 detectores são usados para obter no
dro digital de imageamento. Esses dados são usados para
mesmo instante dados multiespectrais no azul, verde, ver­
compor os mosaicos e para ortorretificar as imagens, usan­
melho e infravermelho próximo. Dessa forma, as bandas
do as técnicas fotogramétricas introduzidas no Capítulo 6.
multiespectrais têm resolução reduzida no terreno quando
A precisão de posicionamento do pixel atinge os padrões
comparadas com a dos dados pancromáticos. Quadros in­
nacionais estabelecidos de precisão de mapas (Light, 2001;
dividuais de imageamento são obtidos de forma similar aos
Leica Emerge, 2006).
de uma câmera tradicional com os limites entre quadros
Diferentes altitudes de voo e lentes Nikon podem ser definidos pelo usuário (Hinz et al., 2001).
usadas para obter imagens com resoluções espaciais va­
riando de 0,15 a 3 m. A Figura 7-42 exibe imagens de
Aquisição de Dados Digitais de Grande Formato:
bandas multiespectrais da Emerge (1 x 1 m) obtidas sobre
Vexcel Ultracam baseada em Arranjos de Área
Dunkirk, N.Y. Esses dados de alta resolução podem ser
adquiridos sob demanda em condições de tempo bom.
Uma composição infravermelho-colorida da mesma cena A câmera digital de grande formato Vexcel usa oito cones
pode ser vista na Prancha Colorida 7-1 la. Uma cena em ópticos (isto é, aberturas de visada) com 13 CCD em ar­
cor natural da Emerge, de uma área adjacente ao local ranjo de área estrategicamente localizados atrás das oito
denominado New York Power Authority, é ilustrada na aberturas. Nove dos CCD em matriz de 4000 x 2700 são
Prancha Colorida 7-1 lb. usados para adquirir dados pancromáticos. Quatro dos
CCD matriciais são usados para obter dados multiespec-
Espectrometria Usando Arranjos Lineares e de Area (Sensoriamento Remoto Hiperespectral) 247

Imagem de Câmera Digital de Quadro de Dunkirk, NY

Figura 7-42 Imagens multiespectrais de Dunkirk, NY, obtidas pela câmera F,merge Digital Sensor System (DSS) da Leica Geosystems. Os
dados foram coletados em 12 de dezembro de 1998 com uma resolução espacial de 1 x 1 m (cortesia da Litton Emerge, Inc.).

trais no azul, verde, vermelho e infravermelho próximo. Tabela 7-16. Características da Emerge Digital Sensor
Cada quadro de imageamento tem dimensões de 11500 System (DSS) da Leica Geosystems.
x 7500 pixels. Quadros individuais de imageamento são
obtidos de acordo com as especificações do usuário (Vex­ Resolução Resolução
cel, 2006). Espectral Espectral
(nm) em (nm) em Modo
Fotografia Digital do U.S. Space Shuttle Modo Cor Infravermelho Resolução
Banda Natural Próximo Espacial (m)
1 400 - 500 Variável,
Os astronautas da NASA documentam os processos da mas normal­
Terra durante as missões do Space Shuttle Transportation mente de
System (STS) usando sistemas de câmeras analógicas e di­ 0,15 a 3 m
gitais (Lulla e Dessinov, 2000). As fotografias são cataloga­ 2 500 - 600 510-600 Variável,
das em um banco de dados de acordo com a missão espe­ mas normal­
cífica (p.ex., STS-74) ou com o assunto temático (NASA mente de
Shuttle Photograph, 2006). 0,15 a 3 m
3 600 - 680 600 - 700 Variável,
Câmeras Analógicas do Space Shutle mas normal­
mente de
Câmeras analógicas Hasselblad e Linhof são usadas nas mis­ 0,15 a 3 m
sões do Space Shuttle. As quatro janelas na parte dianteira 4 800 - 900 Variável,
do Space Shuttle são usadas para obter fotografias da Terra. mas normal­
As janelas permitem a passagem de luz entre 0,4 a 0,8 pm. mente de
Uma fotografia com um ângulo solar muito baixo fornece 0,15 a3 m
visões topográficas únicas de áreas montanhosas distantes e S ensor Arranjo de área (4092 x 4079)
pobremente mapeadas. Setenta e cinco por cento das foto­ Faixa de 4092 pixels
grafias no arquivo cobrem as regiões entre 28° N e 28° S de Im ageam ento
latitude, fornecendo cobertura para muitas áreas tropicais
pouco conhecidas. O projeto denominado Space Shuttle T am an h o do 0,009 mm
Earth Observations Project (SSEOP) da NASA Johnson D e tec to r
Space Center contém o registro de mais de 400.000 fotos Resolução 8 e 16 bits
(http://images.j sc.nasa.gov). R adiom étrica
248 CAPÍTULO Sistemas Multiespectrais de Sensoriamento Remoto
Fotografia Digital do Space Shuttle e da Estação
Espacial
A Estação Espacial, conhecida como International Space
Station (ISS), foi lançada em 2 de novembro de 2000.
O módulo conhecido como “The United States ISS La-
boratory M odule” tem uma janela óptica especialmente
desenhada com uma abertura de 5 0 ,8 cm de diâmetro,
que é perpendicular à superfície da Terra na maior parte
do tempo. Em 2 0 0 1 , os astronautas começaram a adqui-
rir imagens usando uma câmera Kodak DCS 760 com
lentes Nikon. Tanto imagens coloridas como monocro-
máticas podem ser obtidas. A câmera usa um C C D com
3032 x 2088 elementos. As imagens digitais são trans­
mitidas diretamente para a Terra. Uma fotografia digital
de uma mina de cobre (Toquepala C opper Mine) no sul
do Peru, tom ada em 22 de setembro de 2003 a partir da
Estação Espacial, é mostrada na Figura 7-43.
Imagem de Câmera Digital de Quadro da Mina de
Cobre Toquepala no Sul do Peru, Obtida da
Estação Espacial Internacional
Figura 7-43 Fotografia obtida por um astronauta em 22 de setem-
bro de 2003, a partir da Estação Espacial (ISS), usando
uma câmera digital Kodak DCS 760 (foto #ISS007-E-
15222). A fotografia mostra uma mina de cobre aberta
(Toquepala) no sul do Peru, com largura de cerca de 6,5
km e profundidade de mais de 3000 metros. Uma linha
escura na parede da escavação é a principal estrada de
acesso para o fundo da mina. Os rejeitos da mineração
estão organizados em pilhas no lado noroeste da mina
(cortesia da NASA Earth Observatory e do Dr. Kam-
lesh Lulla, NASA Johnson Space Center).
m Referências
Wf
DigitalGlobe, 2005, DigitalGlobe Unveils Plans fo r WorldView I and
II, Oct., 4; www.digitalglobe.com.
DigitalGlobe, 2006, DigitalGlobe, www.digitalglobe.com.
Filippi, A., 1999, Hyperspectral Image Classification Using A Batch
DescendingFuzzyLeamingVectorQuantizationArtificialNeuralNetwork:
Vegetation Mapping at the John F. Kennedy Space Center, unpublished
Masters thesis, Columbia: University o f South Carolina, 276 p.
Gasparovic, R. F., 2003, Ocean Remote Sensing Program, John
Hopkins University Applied Physics Laboratory, http://ferm i.
jhuapl.edu/avhrr/index.html.
GeoEye, 2006, ORB1MAGE Completes Acquisition o f 'Space Imaging;
Changes Brand Name to GeoEye, Dulles, VA: GeoEye, Inc. Press
release January 12; www.geoeye.com.
Hinz, A., C. Doerstel, and H. Meier, 2001, D M C — The Digital
Sensor Technology o fZ /I Imaging, in D. Fritsch and R. Spiller (Eds.),
Photogrammetric Week 2001 Heidelberg: W ichm ann, 93-103.
ImageSat, 2006, EROS-1A, www.imagesatintl.com/.
ITRES, 2006, Calibrated Airborne Spectrographic Imager 1500,
Canada: ITRES Research Ltd., www.itres.com.
Jensen, J. R., 2005, Introductory Digital Image Processing: A Remote
Sensing Perspective, Upper Saddle River: Prentice-Hall, 525 p.
Jensen, J. R., Botchway, K., Brennan-Galvin, E., Johannsen, C.,
Juma, C., Mabogunje, A., Miller, R., Price, K., Reining, P.,Skole, D.,
Stancioff, A. and D. R. F. Taylor, 2002, Down to Earth: Geographic
Information for Sustainable Development in África, Washington:
National Academy Press, 155 p.
Kidwell, K. B., 1998, NOAA Polar Orbiter Data Users Guide:
TIRO S-N through NOAA-14, Washington: NOAA U.S. Dept. of
Commerce, 50 p.
King, M., 2003, EOS Data Product Handbook - Volume 1,
Washington: NASA, 258 p.
Krishnaswamy, M. and S. Kalyanaraman, 2006, “Indian Remote
Sensing Satellite Cartosat-1: Technical Features and Data Products,”
GISDevelopment: The GeospatialPortal, http://www.gisdevelopment.
net/technology/rs/techrs023.htm.
Leica Emerge, 2006, Leica Emerge, http://gis.leica-geosystems. com/
products/emerge_digital_sensor/emerge_dss.asp.
Referências
Light, D. L., 2001, “An Airborne Direct Digital Imaging System,”
Pbotogrammetric Engineering & Remote Sensing, 67(11): 1299-1305.
Loral Space Systems, 1996, GOES 1-M DataBook, Loral Space
Systems, #DRL 101-08, Revision 1; 200 p.
Lulla, K. and L. Dessinov, 2000, Dynamic Earth Environments:
Remote Sensing Observations from Shuttle-Mir Missions, N.Y.: John
Wiley, 268 p.
NASA Airborne, 2006, NASA Airborne Sensor Facility, Moffett
Field, CA: NASA Ames Airborne Sensor Facility, http://asapdata.
arc.nasa.gov/.
NASA ASTER, 2006, Advanced Spaceborne Thermal Emission and
Reflection Radiometer, http://asterweb.jpl.nasa.gov/.
NASA AVIRIS, 2006, Airborne Visible InfraredImaging Spectrometer,
http://aviris.jpl.nasa.gov/.
N ASA EO -1, 2006, Earth Observer-1, http://eol.gsfc.nasa.gov/.
NASA ESE, 2006, Earth Science Enterprise, http://science. hq.nasa.
gov/strategy/.
NASA Landsat 7, 2006, Landsat 7, http://landsat.gsfc.nasa.gov/.
NASA LDCM , 2006, Landsat Data Continuity Mission, http://
ldcm.nasa.gov.
NASA MISR, 2006, Multiangle Imaging Spectrometer, http://www-
misr.jpl.nasa.gov/index.html.
NASA M O DIS, 2006, Moderate Resolution Imaging Spectrometer,
http://modis.gsfc.nasa.gov/.
NASA/Orbimage SeaWiFS, 2006, Sea-viewing Wide Field-ofriew
Sensor, http://oceancolor.gsfc.nasa.gov/SeaWiFS/.
NASA Shuttle Photography, 2006, Space Shuttle Earth Observation
Photography, http://earth.jsc.nasa.gov/sseop/efs/.
NOAA AVHRR, 2006, Advanced Very High Resolution Radiometer,
http://www.oso.noaa.gov/poes/.
NOAA DMSP, 2006, Defense Meteorological Satellite Program,
http://www.oso.noaa.gov/dmsp/.
NOAA GOES, 2006, Geostationary Operational Environmental
Satellite, http://www.nesdis.noaa.gov/satellites.html.
NOAA GVI, 2006, Global Vegetation Index Products, http://www2.
ncdc.noaa.gov/docs/gviug/.
249
NOAA/NASA POES, 2006, NOAA/NASA Polar Operational
Environmental Satellites (NPOES), http://goespoes.gsfc.nasa.gov/.
NOAA NPOESS, 2006, National Polar Orbiting Operational
Environmental Satellite System, http://www.ipo.noaa.gov/.
NOAA NPP, 2006, National Polar Orbiting Operational
Environmental Satellite System Preparatory Project, http://www.ipo.
noaa.gov/Projects/npp.html.
NRSA, 2006, Indian National Remote Sensing Agency, http://www.
nrsa.gov.in/engnrsa/sitemap.html.
Orbimage, 2006, OrbView-3 and OrbView-5, www.orbimage.com.
OSTP, 2005, Memorandum: Landsat Data Continuity Strategy
Adjustment, Washington: Office o f Science, Technology, and
Policy, http://ldcm.gsfc.nasa.gov/docs/OSTP_ Landsat_memo_12-
lA F496.pdf
SBRC, 1994, Space Sensors, Goleta: Santa Barbara Research
Center, 33 p.
SenSyTech, 2004, Airborne Multispectral Scanner, www.sensystech.com.
Solomonson, V., 1984, “Landsat 4 and 5 Status and Results from
Thematic Mapper Data Analyses,” Proceedings, Machine Processing
o f Remotely Sensed Data, W. Lafayette: Lab for the Applications of
Remote Sensing, 13-18.
Space Imaging, 2006, Space Imaging, www.spaceimaging.com.
SPOT Image, 2006, SPOT, www.spotimage.com/home/.
USGS Global Landcover, 2006, Global Landcover Characterization,
http://edcsnsl7.cr.usgs.gov/glcc/.
USGS GloVis, 2006, Global Visualization Viewer, http://glovis.
usgs.gov.
USGS Landsat 5, 2006, Landsat 5 Update, Sioux Falis: USGS EROS
Data Center, http://landsat.usgs.gov.
Vane, G. and A. F. H. Goetz, 1993, “Terrestrial Imaging
Spectrometry: Current Status, Future Trends,” Remote Sensing o f
Environment, 44:117-126.
Vexcel, 2006, UltraCam Large Format Digital Camera, http://www.
vexcel.com/.
Sensoriamento Remoto no Infravermelho
Termal
8
bjetos que têm temperatura acima do zero absoluto (0 K) emitem energia

O eletromagnética. Portanto, todas as feições que encontramos cotidianamente

na paisagem, como vegetação, solo, rocha, água e pessoas emitem radiação
eletromagnética infravermelha termal na porção de 3,0 - 14 pm do espectro.
Experimentamos essa energia termal primariamente pelo nosso sentido do
tato. Por exemplo, sentimos em nossa face a energia radiante termal prove­
niente do Sol ou a energia radiante de um incêndio. Porém, nossos olhos não
podem detectar diferenças sutis em energia infravermelha termal vinda de
objetos do mundo real porque nossos olhos são sensíveis primariamente aos
comprimentos de onda curtos da luz visível de 0,4 - 0,7 pm. Felizmente, os
engenheiros desenvolveram detectores que são sensíveis à radiação infraver­
melha termal. Esses sensores de infravermelho termal permitem aos humanos
conhecerem um mundo de informação anteriormente invisível, ao monitora­
rem as características térmicas da paisagem.

Quando estamos doentes, uma das primeiras coisas que fazemos é medir nossa
temperatura para determinar se ela está diferente dos 37 “C (98,6 °F) normais.
Se nossa temperatura estiver alta, geralmente significa que há algo errado. Da
mesma forma, os vários componentes da paisagem, tais como vegetação, solo,
rocha, água, concreto e coberturas asfálticas têm características termais previ­
síveis, com base em como eles seletivamente absorvem energia solar nos com­
primentos de onda curtos e radiam energia infravermelha termal. Os sistemas
infravermelhos termais de sensoriamento remoto registram a radiação infraver­
melha termal, a qual podemos usar para determinar: 1) o tipo de material com
base nas suas características de emissão térmica, e/ou 2) se mudanças significa­
tivas ocorrerem nas características termais desses fenômenos ao longo do tempo
(Quattrochi e Luvall, 2004). Dessa maneira, é possível identificar a manifesta­
ção física superficial de certas doenças em humanos (p.ex., talvez a existência de
um tumor), estresse em plantas, poluição termal em corpos d'água, ou a perda
de calor em edificações causada por falhas no isolamento térmico.

O imageamento infravermelho termal aéreo não tem sido largamente dis­

ponível ao público em geral por causa de: 1) custo relativamente alto do
sensor termal, 2) custo de mobilização de uma aeronave para aquisição dos
dados de sensoriamento remoto, e 3) dificuldade de calibrar e interpretar
corretamente a imagem. O público sabe sobre o sensoriamento remoto no in­
fravermelho termal principalmente pelas aplicações de curta distância como
aquelas mostradas na Figura 8-1, incluindo: estudos de isolamento térmico
em edificações residenciais e comerciais, uso de unidades de imageamento
termal portáteis para localizar pontos quentes em residências e encontrar pes­
soas num incêndio ou à noite, imagens termais de pessoas para detectar uma
variedade de problemas médicos (algumas vezes chamada de termogmfid), e
testes e avaliações não-destrutivas de componentes eletrônicos.
252 CAPITULO
O público também vê o imageamento infravermelho ter­
mal sendo usado para alocar recursos anti-incêndio duran­
te um incêndio florestal ou para identificar alvos inimi­
gos, como na Guerra do Golfo em 1991 ou na Guerra do
Iraque em 2006. O público em geral não percebe que as
imagens noturnas de frentes climáticas geradas pelo GOES
mostradas no noticiário noturno são imagens infraverme­
lhas termais.
O sensoriamento remoto no infravermelho termal vai tor-
nar-se mais importante no futuro à medida que sensores
orbitais obtiverem dados termais e os custos decrescerem.
Também, as agências governamentais (p.ex., polícia, forças
anti-drogas, polícia de imigração que opera nas fronteiras)
atualmente usam rotineiramente sensores de infraverme­
lho termal portáteis e sensores de infravermelho de visada
avante (FLIR) montados em aeronaves para procurar pes­
soas perdidas ou investigar atividades criminosas.
História do Sensoriamento Remoto no
Infravermelho Termal
Sir Frederick William Herschel (1738-1822, Figura 8-2),
provavelmente o mais famoso astrônomo do século 18,
descobriu a porção infravermelha do espectro eletromag­
nético e descreveu-a no seu famoso artigo “Investigations
of the Powers of the Prismatic Colours to Heat and Illumi-
nate Objects: with Remarks.”1ÊEm 1800, Herschel criou
um espectro de cores usando um prisma e mediu as dife­
rentes partes do espectro com um termômetro para ver se
algumas cores eram mais quentes que outras. A medida que
movia o termômetro em direção à porção do vermelho do
espectro, a temperatura aumentava. Pareceu-lhe razoável
mover o termômetro um pouco além do final do vermelho
para ver se o efeito de aquecimento desaparecia. Não de­
saparecia. Ao contrário, a temperatura continuava a subir
além do final do vermelho do espectro (Figura 8-3). Hers­
chel chamou esta região do espectro eletromagnético de
infravermelho, que significa “abaixo do vermelho” (Omega,
2005). Herschel também foi o primeiro a descrever corre­
tamente a forma da nossa galáxia, a Via Láctea.
Em 1879, S. P. Langley começou um programa de pesquisa
para encontrar um detector de radiação melhor. Um ano de­
pois ele inventou o bolômetro, que era capaz de medir varia­
ções de temperatura de 1/10.000 °C. Na I Guerra Mundial,
S. O. Hoffman foi capaz de detectar homens a 120 m e mes­
mo aeronaves. Nos anos 1930s, a Alemanha desenvolveu o
sistema Kiel para discriminar entre bombardeiros e caças no­
turnos. A Inglaterra e os Estados Unidos também desenvolve­
ram técnicas de reconhecimento infravermelho na II Guerra
1 * Investigações das forças das cores prismáticas para aquecer e iluminar objetos: com
comentários. (N.T.)
Sensoriamento Remoto no Infravermelho Termal
Mundial. De fato, o mais importante desenvolvimento na
tecnologia do infravermelho foi a invenção do elemento de­
tector pelas nações beligerantes durante a II Guerra Mundial.
Os primeiros detectores de infravermelho consistiam de
fotodetectores de sais de chumbo (Fischer, 1983). Agora
temos detectores muito rápidos consistindo de germânio e
mercúrio dopado (Ge:Hg), antimoneto de índio (In:Sb),
e outras substâncias que são muito sensíveis à radiação in­
fravermelha. Também temos computadores para processar
rapidamente a energia registrada pelos sensores e exibir as
características termais da cena.
Portanto, levou cerca de um século para que os governos
entendessem que o sensoriamento remoto na região do in­
fravermelho termal poderia produzir importante informa­
ção tática de reconhecimento, especialmente em função
de que as imagens podiam ser tomadas tanto de dia quanto
à noite. Nos anos 1950s, o governo (dos Estados Unidos)
contratou empresas privadas para melhorar a tecnologia
de infravermelho termal (p.ex., a Texas Instruments). Nos
anos 1960s, algumas dessas empresas receberam permissão
do governo para usarem os sensores classificados (restritos
ao uso militar) e produzirem imagens infravermelhas ter­
mais para alguns seletos clientes civis (Estes, 1966). Em
1968, o governo desclassificou (abriu para o meio civil) a
produção de sistemas de sensoriamento remoto no infra­
vermelho termal que não excedessem uma certa resolução
espacial e sensibilidade térmica. Os sistemas de sensoria­
mento remoto no infravermelho termal desenvolvidos
pela Texas Instruments, Inc., Deadalus Enterprises, Inc.,
Rockwell International, Inc., etc., foram inicialmente uti­
lizados em aeronaves. Companhias de petróleo conduzin­
do exploração geológica foram as que mais requisitaram os
primeiros dados de infravermelho termal e continuam a ser
os maiores usuários. Os sistemas de sensoriamento remoto
no infravermelho termal montados a bordo de aeronaves
continuam a coletar a maioria dos dados de infravermelho
termal demandados pelas agências públicas (p.ex., Environ-
mental Protection Agency, Department of Energy, agências
estaduais de recursos naturais) e governos estrangeiros.
O primeiro dado de um sensor remoto desclassificado (li­
berado para uso civil) e a bordo de satélite foi coletado pelo
U.S. Television IR Operational Satellite (TIROS), lançado
em 1960. Os dados de infravermelho termal de resolução
grosseira foram ideais para o monitoramento de padrões
regionais de nuvens e movimentos de frentes. A NASA
lançou o Heat Capacity Mapping Mission (HCMM ) em
26 de abril de 1978. Ele obtinha dados de infravermelho
termal com resolução espacial de 600 x 600 m (10,5 - 12,6
pm) de dia (1:30 p.m.) e à noite (2:30 a.m.). Este foi um
dos primeiros sistemas de infravermelho termal dirigido à
comunidade científica (geologia). O Nimbus 7 da NASA,
lançado em 23 de outubro de 1978, tinha um Coastal
História do Sensoriamento Remoto no Infravermelho Termal 253

Imagens Infravermelhas Termais

Figura 8-1 a) Imagem infravermelha termal de um jato F-l 16 em voo. Note os escapamentos da turbinas aquecidos, b) Imagem infraver­
melha termal da energia radiante emanando de uma casa residencial, especialmente pelas janelas. Note como o teto isolado e a
calha metálica são frios, c) Esta casa sobre blocos está perdendo muito da sua energia pelo piso. d) Imagem termal de um crime
acontecendo à noite, e) Imagem infravermelha termal de um helicóptero Apache com seus motores quentes, f) Imagem infra­
vermelha termal de um jato F-l 17. g) Imagem termal de um transformador de força mostrando vários cabos muito quentes,
h) Teste termal não-destrutivo de uma placa de circuito impresso, i) Imagem termal de um barco de pedalinho e passageiros
(cortesia de FLIR Systems, Inc. e outros).
254 CAPÍTULO
Frederick W illiam Herschel
Figura 8-2 Sir Frederick William Herschel (1738-1822) desco­
briu a porção infravermelha do espectro eletromagné­
tico em 1800 (do Herschel Space Observatory, NASA
Jet Propulsion Lab).
Zone Color Scanner (CZCS) que incluía um sensor de
infravermelho termal para monitoramento da temperatura
de superfície do mar. Em 1980, a NASA e o Jet Propulsion
Laboratory desenvolveram o Thermal Infrared Multispec-
tral Scanner (TIMS) de seis canais, que adquiria energia
no infravermelho termal em seis bandas em intervalos
de comprimento de onda <1,0 pm (Quattrochi e Ridd,
1994). O sucesso dos estudos usando o TIMS resultou
no desenvolvimento do Airborne Terrestrial Applications
Sensor (ATLAS) de 15 canais (Lo et al., 1997).
O NOAA Geostationary Operational Environmental Sa-
tellite (GOES) coleta dados no infravermelho termal com
resolução espacial de 8 x 8 km para previsão meteorológica.
Imagens do disco completo da Terra são obtidas a cada 30
minutos tanto de dia quanto à noite pelo sensor de infra­
vermelho termal. Também, o NOAA Advanced Very High
Resolution Radiometer (AVHRR) coleta dados de 1,1 x 1,1
km no modo de cobertura de área local (LAC - local area
coverage) no infravermelho termal, e de 4 x 4 km no modo
de cobertura de área global (GAC - global area coverage).
O sensor Thematic Mapper dos Landsat-4 e 5 foram lan­
çados em 16 de julho de 1982 e 1 de março de 1984, res­
pectivamente, e coletavam dados infravermelhos termais
(10,4 - 12,5 pm) de 120 x 120 m, junto com duas bandas
no infravermelho médio (1,55 - 1,75 e 2,08 - 2,35 pm).
O Landsat-7 foi lançado em 15 de abril de 1999 com um
sensor de infravermelho termal (10,4 - 12,5 pm) bem
calibrado. O Advanced Spaceborne Thermal Emission
and Reflection Radiometer (ASTER) a bordo do Terra
tem seis canais de 1,60 - 2,43 pm e cinco canais de 8,125
Sensoriamento Remoto no Infravermelho Termal
Figura 8-3 Herschel usou um prisma e um termômetro para des­
cobrir que a temperatura aumentava além da porção
vermelha do espectro.
- 11,65 pm. O Capítulo 7 fornece informação detalhada
sobre as características espaciais, espectrais, temporais e
radiométricas desses e de outros sistemas sensores de in­
fravermelho termal.
Propriedades da Radiação
Infravermelha Termal
M -'
Um analista de imagens não deve interpretar uma imagem
de infravermelho termal como se ela fosse uma fotografia
aérea ou uma imagem típica produzida por um escaneador
opto-mecânico multiespectral ou um sistema sensor de dis­
positivo de carga acoplada (CCD). Ao invés disso, o analista
deve pensar termalmente. Deve entender 1) como a energia
de comprimentos de onda curtos radiada pelo Sol interage
com a atmosfera, 2) como ela interage com os materiais da
superfície da Terra (i.e., parte da energia é transformada em
energia de comprimentos de onda maiores), 3) como a ener­
gia emitida pelo terreno interage com a atmosfera novamente,
e finalmente, 4) como um detector de sensoriamento remoto
registra a radiação eletromagnética infravermelha termal. O
analista também deve entender como ambos o próprio sis­
tema sensor e o terreno podem introduzir ruídos na imagem
infravermelha termal que poderíam tornar os dados menos
úteis ou levar a uma interpretação incorreta da imagem.
Calor Cinético, Temperatura, Energia Radiante e
Fluxo Radiante
Todos os objetos do mundo real tendo temperatura acima
do zero absoluto (0 K; -273,16 °C; -459,69 °F) apresentam
movimento aleatório. A energia das partículas da matéria
molecular em movimento aleatório é chamada calor cinéti­
co (também chamada de calor interno, real ou verdadeiro).
Quando essas partículas colidem, elas mudam seu estado
de energia e emitem radiação eletromagnética, como dis­
cutido no Capítulo 2. A quantidade de calor pode ser me-
Janelas Atmosféricas no Infravermelho Termal
Figura 8-4 Regressão linear da temperatura da água obtida por
sensoriamento remoto (T d) versus a temperatura ci-
nética verdadeira da água obtida por medição in situ
(Tk.n) para quatro anos de levantamento e em cinco
diferentes córregos (Torgersen et al., 2001; reproduzi­
do com permissão da Elsevier).
dida em calorias. Podemos medir a temperatura cinética
verdadeira (7jj.) ou concentração desse calor usando um
termômetro. Podemos medir a temperatura in situ (no lo­
cal) colocando um termômetro em contato físico direto
com uma planta, solo, rocha ou corpo d'água.
Felizmente, o calor cinético interno de um objeto também
é convertido em energia radiante (frequentemente cha­
mada de energia externa ou aparente), o que nos permite
utilizar a tecnologia de sensoriamento remoto. A radiação
eletromagnética deixando um objeto é chamada de fluxo
radiante (<f>) e é medido em Watts, como discutido no Ca­
pítulo 2. A concentração da quantidade de fluxo radian­
te deixando (emitido por) um objeto é a sua temperatura
radiante (T J . Para a maioria dos objetos do mundo real
(exceto para aqueles compostos de vidro e metal), geral­
mente há uma alta correlação positiva entre a temperatura
cinética verdadeira do objeto (7^ ) e a quantidade de fluxo
radiante radiado pelo objeto ( T f . Por exemplo, a Figura
8-4 correlaciona a temperatura radiante da água obtida por
sensoriamento remoto com a temperatura da água medida
in situ em rios (Torgensen et al., 2001). As temperaturas
obtidas por sensoriamento remoto estiveram consistente­
mente no intervalo de ±0,5 °C em relação às medidas de
referência terrestre em quatro levantamentos anuais em
cinco diferentes rios. Estudos recentes confirmam esses re­
sultados (Oregon DEC, 2003). Exemplos de temperatura
de superfície da água obtida com dados coletados por siste­
255
mas de infravermelho com visada avante (FLIR) para dois
rios no Oregon são mostrados na Prancha Colorida 8-1.
Relações como essas sugerem que podemos utilizar radiô-
metros colocados a alguma distância de um objeto para me­
dir sua temperatura radiante, a qual espera-sç que se correla­
cione bem com a temperatura cinética verdadeira do objeto.
Esta é a base da medição da temperatura por sensoriamento
remoto no infravermelho termal.
Infelizmente, a relação não é perfeita, com as medidas re­
motas da temperatura radiante sendo sempre um pouco
menores que a temperatura cinética verdadeira do objeto,
especialmente para superfícies terrestres. Isso é devido à
propriedade termal chamada emissividade, a ser discutida
adiante (Schmugge et al., 2002).
Métodos de Transferência de Calor
O calor gerado pelo movimento aleatório das partículas
pode ser transferido de um local a outro por condução, con­
vecção e radiação, como discutido no Capítulo 2. A fusão
termonuclear que ocorre no Sol produz um plasma de fluxo
radiante que consiste basicamente de luz visível de compri­
mentos de onda curtos que se deslocam por 150 milhões
de quilômetros através do vácuo do espaço à velocidade da
luz (3 x 108 m s'1). Parte dessa energia de comprimentos de
onda curtos passa através da atmosfera, é absorvida pelos
materiais da superfície da Terra, e é rerradiado (emitido) em
comprimentos de onda mais longos. Parte dessa radiação
eletromagnética de comprimentos de onda longos passa
através da atmosfera de novo e pode ser registrada usando
detectores de infravermelho termal colocados em aeronaves.
Provavelmente, a radiação de comprimentos de onda longos
registrada pelos detectores fornece valiosa informação sobre
as características de temperatura da superfície da Terra.
Janelas Atmosféricas no
Infravermelho Termal
Depois da região do visível do espectro eletromagnético,
encontramos a região do infravermelho refletido de 0,7 - 3
pm e a região do infravermelho termal de 3 - 14 pm (Fi­
gura 8-5). A única razão pela qual usamos instrumentos
de sensoriamento remoto para detectar a energia infra­
vermelha nessas regiões é porque a atmosfera permite que
uma porção da energia infravermelha seja transmitida do
terreno para os detectores (Schmugge et al., 2002). Cha­
mamos de janelas atmosféricas a essas regiões pelas quais
a energia passa. Por outro lado, as áreas escuras na Figu­
ra 8-5 denotam regiões do espectro eletromagnético nas
quais a atmosfera absorve a maior parte da energia infra-
256 CAPÍTULO Sensoriamento Remoto no Infravermelho Termal

Janelas Atmosféricas no Espectro Eletromagnético

Visível Infravermelho Refletido Infravermelho Termal
0,4 -0 ,7 0 ,7 -3 ,0 3 - 14

0,1 0,2 0,3 0,4 0,5 0,6 0,8 1 1,5 2 3 4 5 6 7 8 10 12 15 20 30

Comprimento de Onda, pm

Figura 8-5 As janelas atmosféricas no espectro eletromagnético mostradas aqui são de valor significativo para o sensoriamento remoto da
energia refletida e da energia no infravermelho termal. Os filmes fotográficos podem ser produzidos com sensibilidade à energia
refletida de 0,7 - 1,3 pm. Os sistemas sensores eletro-ópticos podem registrar a energia infravermelha de 0,7 - 14 pm. A região
de 3 - 5 pm é especialmente útil para o monitoramento de alvos quentes como incêndios florestais e atividades geotermais.
Vegetação, solo e rocha são mais bem monitorados usando a região de 8 - 14 pm em coletas de dados sub-orbitais. A região de
10,5 - 12,5 pm é usada quando a imagem termal é adquirida por sensores orbitais acima da camada de ozônio da Ierra.

vermelha presente. Chamamos a estas regiões de bandas
de absorção. O vapor d'água (H ,0 ), dióxido de carbono
( C 0 2), e ozônio ( 0 3) são responsáveis pela maior parte
da absorção. A atmosfera “fecha-se”, fazendo com que
seja quase impossível fazer sensoriamento remoto am­
biental nessas regiões. Por exemplo, o vapor d'água at­
mosférico (H ,0 ) absorve a maioria da energia que deixa
o terreno na região de 5 - 7 pm, tornando-a inútil para o
sensoriamento remoto infravermelho termal.
remoto no infravermelho termal geralmente registram
dados na região de 10,5 - 12,5 pm (Figura 8-5) para evi­
tar esta banda de absorção. Por exemplo, a banda 12 do
ASTER é de 8,925 - 9,275 pm e a banda 13 é de 10,25 -
10,95 pm. A região de 9,276 - 10,24 pm não é observada
por causa da absorção atmosférica.
v Leis da Radiação Termal

Os instrumentos de sensoriamento remoto podem ser

construídos para serem sensíveis apenas à energia infra­
vermelha presente nas janelas atmosféricas. Por exem­
plo, as emulsões dos filmes podem ser feitas para serem
sensíveis à energia infravermelha refletida na janela de
0,7 - 1,3 pm. O filme infravermelho colorido 2443 da
Eastman Kodak trabalha nesta região do infravermelho
fotográfico e é ideal para monitoramento de vegetação e
água (Capítulo 4). Os detectores eletro-ópticos do The-
matic Mapper dos Landsat-4 e 5 são sensíveis à janela do
infravermelho médio refletido de 1,55 - 1,75 pm (banda
TM 5) e 2,08 - 2,35 pm (banda TM 7).
Os detectores eletrônicos também podem ser sensíveis a
fótons de energia radiante infravermelha termal em duas
janelas importantes do infravermelho termal: 3 - 5 pm
e 8 - 14 pm. Os sistemas suborbitais de sensoriamento
remoto no infravermelho termal utilizam essas bandas
espectrais. Entretanto, a camada de ozônio ( 0 5) da Terra
absorve a maioria da energia termal que emana do terre­
no numa banda de absorção em aproximadamente 9,2
- 10,2 pm. Assim, os sistemas orbitais de sensoriamento
Um corpo negro é uma entidade teórica que absorve toda a
radiação que o atinge e radia energia na máxima taxa possí­
vel por unidade de área em cada comprimento de onda para
uma dada temperatura. Nenhum objeto da natureza é um
corpo negro verdadeiro; porém, podemos tomar o Sol como
se aproximando de um corpo negro a 6.000 K e a Terra
como um corpo negro a 300 K. Se apontarmos um sensor
para um corpo negro, seremos capazes de registrar uma in­
formação quantitativa sobre a quantidade total de energia
radiante em comprimentos de onda específicos emanando
do objeto e o comprimento de onda dominante para o ob­
jeto. Para fazer isso, utilizamos duas importantes leis físicas:
a lei de Stefan-Boltzmann e a lei do deslocamento de Wien.
Lei de Stefan-Boltzmann
A exitância radiante espectral total (M f medida em Watts
m'2 deixando um corpo negro (veja a Tabela 2-4) é propor­
cional à quarta potência da sua temperatura (7). Esta é a
chamada lei de Stefan-Boltzmann e é expressa como:
Leis da Radiação Termal 257

Curvas de Radiação de Corpo Negro

M b= a r ( 8- 1)

onde cté a constante de Stefan-Bolzmann no valor de 5,6697

x 108 W m'2 K'4, e T é a temperatura em graus Kelvin. A
exitância radiante total é a integração de toda a área sob
a curva de radiação do corpo negro (Figura 8-6). Observe
como o Sol produz mais exitância espectral radiante (M j a
6.000 K do que a Terra a 300 K. À medida que a temperatu­
ra aumenta, a quantidade total de energia radiante medida
em Watts por m2 (a área sob a curva) aumenta e o pico da
energia radiante desloca-se em direção dos comprimentos
de onda menores. Para determinar o comprimento de onda
dominante para um corpo negro a uma temperatura especí­
fica, usamos a lei do deslocamento de Wien.

Lei do Deslocamento de Wien

A relação entre a temperatura verdadeira de um corpo ne­

gro (7) em graus Kelvin e seu pico de exitância espectral
ou comprimento de onda dominante (A, ^ é descrita pela
lei do deslocamento de Wien:

onde k é uma constante igual a 2.898 pm K. Podemos

determinar o comprimento de onda dominante de qual­
quer objeto substituindo sua temperatura na Equação 8-2.
Lembre-se do Capítulo 2 e Figura 8-6 que o comprimento
de onda dominante do Sol a 6.000 K é 0,48 pm. O com­
primento de onda dominante para um objeto no ponto de Comprimento de Onda, pm
vermelho a 800 K (Figura 8-6) é: Figura 8-6 Curvas de radiação de corpo negro para diversos objetos,
x 2.898 pm K incluindo o Sol e a Terra, que se aproximam de corpos
negros a 6.000 K e 300 K, respectivamente. O compri­
800 K
mento de onda dominante, A, , desloca-se em direção à
X = 3 ,6 2 pm porção dos menores comprimentos de onda do espectro
à medida que aumenta a temperatura do objeto.

Vemos um deslocamento dos maiores para os menores

comprimentos de onda à medida que a temperatura do
corpo negro aumenta. Podemos observar a lei do desloca­
mento de Wien no nosso cotidiano. Por exemplo, quando
um pedaço de ferro é colocado no fogo a ponta progride de
um vermelho escuro passando pelo laranja e então para o
amarelo. Ele nunca se desloca até a porção do verde ou azul
do espectro porque a temperatura não é suficientemente
alta. Por outro lado, um bico de acetileno de maçarico tem
uma flama quente de cor azul.
Por que o conhecimento do comprimento de onda dominante
de um objeto é importante para o sensoriamento remoto no
infravermelho termal? O comprimento de onda dominante
fornece uma informação importante quanto à parte do es­
pectro eletromagnético que deve ser escolhida para obser-
var remotamente um objeto. Por exemplo, se procuramos
incêndios florestais a 800 K que têm um comprimento de
onda dominante de aproximadamente 3,62 pm, então o
sistema de sensoriamento remoto mais apropriado pode
ser um detector de infravermelho termal de 3 - 5 pm. Por
outro lado, se estamos interessados em solo, água e rochas
à temperatura ambiente da superfície da Terra (300 K)
com um comprimento de onda dominante de 9,67 pm,
então um detector de infravermelho termal operando na
região de 8 - 14 pm é mais apropriado.
Emissividade
O mundo não é composto de corpos negros radiadores. Ao
contrário, é composto de corpos que radiam seletivamente,
258 CAPITULO
í
corpo negro
- ----- radiador seletivo
■J
corpo cinza
\ das curvas for somada (integrada) no intervalo de compri­
S _ J ___
0,1 1 10 100
Comprimento de O nda, pm
Figura 8-7 a) Emissividade espectral de um corpo negro, um cor­
po cinza, e um radiador seletivo hipotético, b) Distri­
buição espectral da exitância radiante de um corpo ne­
gro, um corpo cinza e um radiador seletivo hipotético
(adaptado de Slater, 1980).
como rocha, solo, vegetação e água, que emitem uma certa
proporção da energia emitida por um corpo negro à mes­
ma temperatura. Emissividade (s) é a razão entre a radiân-
cia real emitida por um corpo do mundo real radiando se­
letivamente (M ), e um corpo negro à mesma temperatura
termodinâmica (cinética) {M f (Jacob et al., 2004):
e =ML. (8-3)
Mb
Todos os corpos que radiam seletivamente têm emissivida­
des variando de 0 < 1, que flutua dependendo dos compri­
mentos de onda sendo considerados. Um corpo cinza tem
uma emissividade constante que é menor que 1 em todos os
comprimentos de onda. A Figura 8-7a mostra a emissividade
de um corpo negro, de um corpo cinza e de um radiador
seletivo hipotético em todo o intervalo espectral de 0,1 - 100
pm (Slater, 1980). Observe como a emissividade espectral do
radiador seletivo hipotético flutua entre os níveis de 0; 0,1;
0,3; e 1,0. A exitância radiante espectral de cada um desses
corpos a 6.000 K é mostrada na Figura 8-7b. Observe como
as diferentes emissividades dão origem a mudanças muito
grandes na distribuição espectral da exitância radiante do
radiador seletivo. Onde a emissividade do radiador seletivo
é 1,0, ele emite a mesma quantidade de energia radiante que
Sensoriamento Remoto no Infravermelho Termal
um corpo negro. Onde a emissividade do radiador seletivo é
0, ele não emite exitância espectral radiante.
A exitância espectral radiante para vários corpos radiadores
do mundo real é mostrada na Figura 8-8. Observe que a
energia radiante emanando da substância é aproximada­
mente a mesma que a de um corpo negro à mesma tempe­
ratura para a maior parte do intervalo espectral, mas que as
curvas afastam-se em certas partes. Se a área sob cada uma
mentos de onda espectrais de interesse no eixo x, obser­
vamos que a exitância espectral radiante do mundo real é
sempre menor do que a exitância espectral radiante do cor­
po negro à mesma temperatura. Portanto, a emissividade
dos materiais do mundo real deve ficar em algum lugar en­
tre 0 e 1 mas nunca igualar-se a 1. Alguns materiais como
água destilada têm emissividades próximas a 1 (0,99) no
intervalo de comprimentos de onda de 8 - 14 pm, como
apresentado na Tabela 8-1. Outros, como alumínio polido
(0,08) e aço inoxidável (0,16) têm emissividades baixas.
Por que é importante saber sobre a emissividade ao conduzir uma
investigação de sensoriamento remoto no infravermelho termal? A
razão é que dois objetos que estejam próximos um ao outro no
terreno podem ter a mesma temperatura cinética verdadeira
mas terem diferentes temperaturas aparentes quando medidas
por sensoriamento remoto usando um radiômetro termal sim­
plesmente porque suas emissividades são diferentes. A emissi­
vidade de um objeto pode ser influenciada por diversos fato­
res, incluindo (Schmugge et al., 2002; Weng et al., 2004):
• cor - objetos de coloração escura são melhores absor-
vedores e emissores (i.e., eles têm maior emissividade)
que objetos de coloração clara, que tendem a refletir
mais a energia incidente;
• composição química;
• rugosidade superficial - quanto maior a rugosidade super­
ficial de um objeto em relação ao tamanho do compri­
mento de onda incidente, maior a área superficial do ob­
jeto e o potencial para absorção e re-emissão de energia;
• teor de umidade - quanto mais umidade um objeto
contém, maior é a capacidade para absorver energia e
tornar-se um bom emissor. Partículas de solo úmido
têm uma alta emissividade, similar à da água;
• compactação - o grau de compactação do solo pode
afetar a emissividade do solo;
• campo de visada - a emissividade de uma única folha
medida com um radiômetro termal de resolução muito
alta será diferente da emissividade da copa inteira de
Leis da Radiação Termal 259

b. c.

Figura 8-8 Energia radiante sendo emanada da a) água, b) granito, e c) dunito aquecido a 350 K comparada com um corpo negro
à mesma temperatura.

uma árvore vista usando um radiômetro de resolução pej çja Radiação de Kirchoff
espacial mais grosseira;
No Capítulo 2 aprendemos que o terreno intercepta o flu­
• comprimento de onda - a emissividade de um objeto xo radiante incidente (<t>) (que está chegando). Esta ener­
é geralmente considerada como sendo dependente do gia incidente interage com os materiais da superfície. A
comprimento de onda. Por exemplo, enquanto a emis­ quantidade de fluxo radiante refletido pela superfície (®p),
sividade de um objeto é frequentemente considerada a quantidade de fluxo radiante absorvido pela superfície
como sendo constante na região de 8 - 14 pm, sua emis­ (®m), e a quantidade de fluxo radiante transmitido atra­
sividade na região de 3 - 5 pm pode ser diferente; e vés da superfície (® ) podem ser cuidadosamente medidos
quando aplicamos o princípio da conservação da energia
• ângulo de visada - a emissividade de um objeto pode e tentamos manter controle sobre o que acontece a toda
variar com o ângulo de visada do sensor. a energia incidente. A equação geral para a interação do
fluxo radiante espectral (k) com o terreno é:
Salisbury e D A ria (1992) calcularam a emissividade para
diversos materiais terrestres na região espectral de 8 -14 pm, ® =® +® + ct> . (8-4)
'X PX ax Tx
incluindo rochas ígneas, metamórficas e sedimentares, ro­
chas do deserto, solo, vegetação, água e gelo. Snyder et al. Dividindo cada uma das variáveis pelo fluxo radiante inci­
(1997) forneceram informação adicional sobre medidas de dente original, ®. :
reflectância bidirecional de areias e solos na região espectral
de 3 - 14 pm. Devemos levar em conta a emissividade de ® ® o Cp
‘X ax
um objeto quando tentamos usar sensoriamento remoto no - Px t 1 lx
® ® ® ®
infravermelho termal para medir a temperatura cinética ver­ •x ‘X •X •X

dadeira de um objeto (Peres e DaCamara, 2004). Isso é feito

com a aplicação da Lei da radiação de Kirchoff. permite-nos re-escrever a Equação 8-4 como:
260 CAPÍTULO Sensoriamento Remoto no Infravermelho Termal

Tabela 8-1. Emissividade de 8 - 14 |jm para materiais S. . Em função disso, diz-se frequentemente que "bons ab-
selecionados (McDonnelI Douglas, 1982; Sa- sorvedores são bons emissores e bons refletores são maus emis­
bins, 1997; Lillesand and Kiefer, 2003). sores”. Também, a maioria dos materiais do mundo real
geralmente são opacos à radiação infravermelha termal,
Material Emissividade, e
significando que pouco fluxo radiante emerge do outro
água destilada 0,99 lado do elemento do terreno. Portanto, podemos assumir
a transmitância, x. = 0. Substituindo a emissividade pela
água 0,92-0,98
absortância e removendo a transmitância da equação, fica
água com filme de petróleo 0,972 (Vaughn et al., 2003):
concreto 0,71 - 0,90
1 = Px + h • (8-7)
asfalto 0,95
cimento/pedra 0,97 Esta relação é importante pois descreve porque os objetos
aparecem do jeito que aparecem na imagem infraverme­
solo siltoso seco 0,92
lha termal. Como o terreno teoricamente não perde nenhu­
solo siltoso úmido 0,95 ma energia por transmitância, toda a energia que emana do
objeto tem que ser explicada pela relação entre a reflectância
solo arenoso 0,90
(p f e a emissividade (s.). Se a refletividade aumenta, então
tijolo, vermelho e áspero 0,93 a emissividade deve diminuir. Por exemplo, a água absorve
vegetação, dossel fechado 0,98 quase toda a energia e reflete muito pouco. Portanto, a
água é um emissor muito bom e tem uma alta emissivi­
vegetação, dossel aberto 0,96 dade, perto de 1. Ao contrário, um teto metálico reflete a
grama 0,97 maior parte da energia incidente e absorve muito pouco,
gerando uma emissividade muito menor que 1. Portanto,
madeira, carvalho aplainado 0,90
objetos metálicos, como carros, aeronaves e tetos metálicos
floresta decídua 0,97 - 0,98 geralmente aparecem muito frios (escuros) numa imagem
floresta de coníferas 0,97 - 0,99 infravermelha termal. Por exemplo, o hangar metálico e
a aeronave na imagem infravermelha termal noturna na
aço inoxidável 0,16 Figura 8-9 aparecem frios. Note que várias aeronaves estão
alumínio, folha 0,05 com seus motores ligados, que aparecem brilhantes, e que
as suas turbinas estão aquecendo o piso.
alumínio, pintura 0,08
alumínio, polido 0,55 Ao medir a temperatura do solo ou de uma superfície d'água,
metais polidos o objetivo do sensoriamento remoto termal é ser capaz de
0,16-0,21
apontar um radiômetro para um objeto e ter o registro da
aço anodizado 0,70 temperatura radiante aparente (T J igual à temperatura ciné-
granito 0,86 tica verdadeira (f f do objeto. Infelizmente, o fluxo radiante
de um objeto do mundo real a uma dada temperatura não é
dunito 0,78 igual ao fluxo radiante proveniente de um corpo negro à mes­
basalto, grosseiro 0,95 ma temperatura, devido largamente aos efeitos da emissivida­
de. Saber a emissividade de um objeto torna possível modificar
neve 0,83 - 0,85
a lei de Stefan-Boltzmann originalmente aplicável a corpos ne­
pintura 0,90 - 0,96 gros (Mh= ctT), de tal forma que ela se ajuste ao fluxo radian­
pele humana 0,98 te espectral total dos materiais do mundo real (M):

M , = e a T kin ■ (S -8 )
1 = px + ctÀ+ X, (8-6)
A equação leva em conta a temperatura do objeto e sua
onde p; é a reflectância espectral hemisférica do terreno,
emissividade para criar uma estimativa mais exata do fluxo
a x é a absortância espectral hemisférica, e t , é a transmi-
radiante que emana de um objeto e é registrado por um
tância espectral hemisférica (Slater, 1980).
sensor de infravermelho termal.
O físico Russo Kirchoff observou que na porção do infra­
vermelho do espectro a emissividade espectral de um obje­ Os sistemas de sensoriamento remoto de infravermelho ter­
to geralmente é igual à sua absortância espectral, i.e., a. = mal geralmente registram a temperatura radiante aparente,
Leis da Radiação Termal 261

Tabela 8-2. Emissividade, temperatura cinética verda­

deira e temperatura radiante de materiais
selecionados a 300 K e 27 °C.
temperatura Temperatura
Cinética Radiante T rad.
Material Emissividade
Verdadeira T,km T ~ e 1/4 T
rad & kin

8 K °C K °C
c o rp o
1,00 300 27 300,0 27,0
n e g ro

água
0,99 300 27 299,2 26,2
d e s tila d a

b a s a lto
0,95 300 27 296,2 23,2
1'UgOSO

Figura 8-9 Imagem infravermelha termal noturna de um aero­
porto com diferentes tipos de aviões a jato. O hangar
metálico e a aeronave aparecem frios (escuros) por
causa da baixa emissividade do metal. O piso de con­
creto tem uma emissividade relativamente alta e apa­
rece em tons de cinza mais claros. Várias das turbinas
dos aviões a jato estão ativas, como evidenciado pela
feição brilhante ao longo das suas fuselagens e das suas
emissões aquecendo o piso. As turbinas de um ou dois
aviões foram desligadas recentemente.
T , do terreno e não a tenrperatua cinética verdadeira, 7 7 .
rad r . . . *,n
Se assumirmos que a incorporação da emissividade na Equa­
ção 8-1 tenha melhorado nossa medição ao ponto que
M = 8 ct TkJ e assumirmos que
M.b = d Tkm* e
M r = s M.b então,
CT 7radV = sct T.km. 4 (8-9)
Portanto, a temperatura radiante de um objeto registrada
por um sensor remoto está relacionada à sua temperatura
cinética verdadeira e à sua emissividade pela seguinte rela­
ção (Sabins, 1997):
r rad
, = e l/4 7 km
7. (8-10)
As relações entre a temperatura cinética verdadeira e a ra­
diante para vários diferentes tipos de materiais estão apre­
sentadas na Tabela 8-2. E claro a partir desta tabela que,
exceto para a água, se o efeito da emissividade não for le­
vado em conta quando se analisa a temperatura radiante
aparente ( T J registrada por um sensor remoto, então a
temperatura verdadeira (TkjJ do objeto será subestimada
(Torgensen et al., 2001; Peres e DaCamara, 2004). E se
quiséssemos determinar a emissividade de vários objetos
no interior de nossa área de estudo? Isso pode ser feito
v e g e ta ç ã o 0,98 300 27 298,5 25,5
s o lo s ilto s o
0,92 300 27 293,8 20,8
se c o
usando um termômetro e um radiômetro portátil de infra­
vermelho termal. Se medimos a temperatura verdadeira de
um objeto com um termômetro (Tjj.) e sua temperatura
radiante aparente ( T J com um radiômetro termal, pode­
mos estimar sua emissividade, £, usando a equação:
Idealmente, poderiamos coletar ambas as medidas da
temperatura in situ e da temperatura medida remota si­
multaneamente. Também, para obter a melhor aproxi­
mação da emissividade, seria bom coletar a medida re­
mota a partir de um helicóptero para tentar simular 1)
o tamanho do IFOV de interesse (p.ex., 20 x 20 m), e
2) os efeitos atmosféricos (Peres e DaCamara, 2004) que
poderíam ser encontrados.
Muitos estudos geológicos não estão interessados na
informação de temperatura que poderia ser extraída da
imagem infravermelha termal. Ao invés disso, a radiância
aparente da superfície emergindo do terreno é analisada
de tal forma que os efeitos da temperatura são removidos
e tudo o que resta é a informação de emissividade do
terreno. A informação de emissividade então é usada para
mapear minerais na superfície terrestre com base nas ca­
racterísticas documentadas de suas emissividades (p.ex.,
Kirkland et al., 2002; Vaughn et al., 2003; Jacob et al.,
2004). Peticolin e Vermote (2002) descrevem como a re­
flectância superficial no infravermelho termal médio e a
informação de emissividade derivada, obtidas a partir do
M ODIS, podem ser usadas em conjunção com a radiân­
cia infravermelha termal para resolver o problema da se­
paração emissividade/temperatura. Sobrino et al. (2004)
262 CAPÍTULO Sensoriamento Remoto no Infravermelho Termal

usaram bandas do visível e infravermelho próximo e o

Tabela 8-3. Propriedades térmicas de materiais comuns
NDVI (Normalized Difference Vegetation Index - índice a 20 °C (Janza, 1975).
de Vegetação da Diferença Nomalizada) para extrair valo­
res de emissividade superficial do solo a partir de imagens Condutividade Densidade Capacidade Inércia
térmica, térmica térmica termal
termais da banda 6 do TM /landsat-5.
k P c P

Propriedades Térmicas do Terreno Materiais

vidro 0.0021 2,6 0,16 0,029

água 0,0013 1,0 1,0 0,036

Água, rocha, solo, vegetação, atmosfera e tecidos huma­
nos, todos têm capacidade de conduzir calor diretamente madeira 0,0050 0,5 0,327 0,009
através deles (condutividade térmica) para outra superfície
e armazenar calor (capacidade térmica). Alguns materiais Materiais Geológicos
respondem a mudanças na temperatura mais rápida ou basalto 0,0050 2,8 0,20 0,053
mais lentamente que outros (inércia termal). E útil revi­
sar essas propriedades térmicas, pois elas têm impacto em dolomito 0,0120 2,6 0,18 0,075
nossa capacidade de obter remotamente informação ter­
mal sobre vários tipos de materiais. granito 0,0075 2,6 0,16 0,056
cascalho,
O calor ou capacidade térmica (c) é uma medida da capa­ 0,0060 2,1 0,20 0,050
areia
cidade de um material para absorver energia calórica. E a
quantidade de calor necessária para elevar a temperatura calcáreo 0,0048 2,5 0,17 0,045
de um grama do material de 1 °C (cal g 1 °C '). A Tabela
8-3 apresenta a capacidade térmica de diversos materiais a obsidiana 0,0030 2,4 0,17 0,035
20 °C. A água tem maior capacidade térmica que qualquer
substância comum (1,00). A temperatura de um lago ge­ arenito 0,0120 2,5 0,19 0,075
ralmente varia pouco entre a noite e o dia. Ao contrário,
rochas não armazenam calor bem e exibem temperaturas folhelho 0,0042 2,3 0,17 0,041
diurnas e noturnas significativamente diferentes.
ardósia 0,0050 2,8 0,17 0,049
A condutividade térmica (K) é uma medida da taxa com solo
0,0014 1,8 0,24 0,024
que uma substância transfere calor por ela. É medida como arenoso
o número de calorias que passa por 1 cm3 do material em 1 solo
segundo quando duas faces opostas são mantidas a uma di­ argiloso 0,0030 1,7 0,35 0,042
ferença de temperatura de 1 °C (cal cm '1s'1°C_I). A condu­ úmido
tividade do material pode ser variável em função da quan­
tidade de umidade presente. A condutividade térmica de
diversos materiais é apresentada na Tabela 8-3. Note que Seria ótimo se pudéssemos fazer sensoriamento remoto de
muitas rochas e solos são maus condutores de calor. cada uma dessas variáveis anteriores e simplesmente calcular a
inércia termal. Infelizmente, esse não é o caso, porque a con­
A inércia termal {P) é uma medida da resposta térmica do dutividade, a densidade e a capacidade térmica devem ser me­
material a mudanças de temperatura e é medida em calorias didas in situ. Não obstante, é possível medir remotamente e
por cm2 pela raiz quadrada do segundo por 1 °C (cal cm 2 calcular uma inércia termal aparente por pixel da seguinte ma­
s'1/2oC'i). A inércia termal é calculada usando a equação neira. Uma imagem infravermelha termal é adquirida sobre o
mesmo terreno à tarde e durante o dia logo pela manhã. As
P = ^{K.p.c) (8-12) duas imagens são geométrica e radiometricamente registra­
das uma com a outra, e a mudança na temperatura, AT, para
onde Ké a condutividade térmica, p é a densidade (g cm'3), um pixel específico é determinada subtraindo a temperatura
e c é a capacidade térmica. A densidade é uma variável bio­ aparente da imagem da manhã da temperatura aparente da
física muito importante nesta equação porque geralmente imagem da tarde. A inércia termal aparente (ATI) por pixel é
a inércia termal aumenta linearmente com o aumento da
densidade do material. A Tabela 8-3 mostra a inércia ter­ ATI~ (8-13)
mal de diversos materiais.
Coleta de Dados Infravermelhos Termais
com A sendo o albedo (reflectância) medido no espectro
visível durante o dia para o pixel de interesse (Kahle et al.,
1981; Sabins, 1997).
A melhor maneira de pensar sobre a inércia termal é
associá-la numa relação inversa com a mudança de tem­
peratura medida, AT. Basicamente, um alto valor de AT
geralmente está associado com materiais do terreno que
têm um baixo valor de inércia termal. E um baixo valor
de A A geralmente está associado com materiais do terreno
que têm um alto valor de inércia termal. Geólogos e outros
cientistas de sensoriamento remoto marcam áreas numa
imagem que tenham características homogêneas ou hete­
rogêneas de inércia termal aparente para distinguir limi­
tes entre rochas e materiais aluvionares, discriminar entre
unidades rochosas com propriedades espectrais similares,
e identificar zonas de alteração hidrotermal (Kahle et al.,
1984). Price (1985) chamou a atenção para o fato de que
imagens de inércia termal aparente não devem ser usadas
em regiões que tenham variabilidade na umidade superfi­
cial (evaporação), como áreas agrícolas.
Um dos primeiros sistemas orbitais de sensoriamento re­
moto de infravermelho termal a coletar imagens no infra­
vermelho termal tanto diurnas (1:30 p.m.) como noturnas
(2:30 a.m.) com valor significativo para o mapeamento de
inércia termal aparente foi o Heat Capacity Mapping Mis-
sion (HCM M ) lançado em 1978, mas que teve vida curta.
O HCM M adquiria dados de 600 x 600 m na região de
10,5 - 12,6 |tm. O sensor ASTER a bordo do satélite Terra
coleta dados de infravermelho termal diurnos e noturnos
em cinco bandas com uma resolução espacial de 90 x 90 m
e com uma largura de faixa de imageamento de 60 km (Ja-
cob et al., 2004). As cinco bandas termais do ASTER estão
centradas em 8,28; 8,63; 9,07; 10,65 e 11,28 pm. O sen­
sor M ODIS a bordo do Terra e do Aqua tem três bandas
no infravermelho médio centradas em 3,75; 3,95 e 4,05
pm, e três canais no infravermelho termal centrados em
8,55; 11,03 e 12,02 pm. Jacob et al. (2004) compararam a
emissividade e a temperatura radiométrica de superfície de
solos derivadas dos sensores MODIS e ASTER. Imagens
infravermelhas termais diurnas e noturnas também podem
ser coletadas a partir de aeronaves suborbitais usando di­
versos sensores, p.ex., os da NASA (TIMS e ATLAS) e o
Itres TABI (Quattrochi e Ridd, 1998; Schmugge et al.,
2002; Itres TABI, 2006).
Coleta de Dados Infravermelhos
Termais
Dados de sensoriamento remoto no infravermelho termal
podem ser coletados por:
263
• Escaneadores termais de varredura transversal; e
• Detectores de CCD (Charge Coupled Device - Dispo­
sitivo de Carga Acoplada) de varredura eletrônica em
formação linear ou matriz bidimensional.
E útil revisar a natureza dos sistemas sensores de infraver­
melho termal e seus componentes, e como os vários pa­
râmetros do sistema influenciam o tipo e qualidade dos
dados infravermelhos termais coletados.
Sensoriamento Remoto no Infravermelho Termal
Baseado em Escaneadores Multiespectrais
O Capítulo 7 mostrou como os escaneadores multiespec­
trais funcionam. Esta seção fornece informação adicional
sobre os escaneadores infravermelhos termais.
Daedalus DS-1260, D S-I268, Airborne Multispectral
Scanner (MAS), NASA TIMS e NASA ATLAS
Esses escaneadores têm fornecido muitos dos dados infraver­
melhos termais de alta resolução espacial para o monitora­
mento ambiental. O DS-1260 registra dados em 10 bandas
incluindo um canal no infravermelho termal (8,5 - 13,5 pm).
O DS-1268 incorpora as bandas do infravermelho médio do
Landsat Thematic Mapper (1,55 — 1,75 pm e 2,08 —2,35
pm). O MAS contém detector para alvos quentes, que opera
no infravermelho termal (3,0 —5,5 pm) em adição a um de­
tector de infravermelho termal padrão (8,5 - 12,5 pm).
Os cientistas continuam a usar imagens infravermelhas ter­
mais adquiridas pelo Thermal Infrared Multispectral Scan­
ner (TIMS) da NASA, que tem seis bandas cobrindo de
8,2 — 12,2 pm (p.ex., Schmugge et al., 2002; Coll et al.,
2003). Muitos cientistas também usam o Airborne Terres-
trial Applications Sensor (ATLAS) da NASA, que tem seis
bandas no visível e infravermelho próximo, duas bandas do
Thematic Mapper no infravermelho médio, e seis bandas
no infravermelho termal de 8,2 — 12,2 pm. As larguras de
banda específicas estão apresentadas no Capítulo 7. Ambos
os sensores TIMS e ATLAS têm IFOV de 2,0 ou 2,5 mi-
lirradianos (mrad) (Wallace, 1999; Coll et al., 2003). Os
princípios básicos de operação e os componentes do MAS,
TIMS e ATLAS estão mostrados na Figura 8-10. O diâ­
metro da área circular do terreno vista pelo sensor, D2*, é
uma função do campo de visada instantâneo, B, do esca-
neador medido em milirradianos e da altitude do sensor
acima do nível do terreno (AGL), H, onde
D =H xB . (8-14)
2 * Embora o autor mencione um diâmetro, na maioria dos casos os detectores são
quadrados (N.T.).
264 CAPITULO
D isco rígido
Por exemplo, se o IFOV do escaneador é 2,5 mrad, o
tamanho do pixel no terreno em metros é um produto do
IFOV (0,0025) pela altitude AGL em metros. A Tabela
8-4 apresenta altitudes de voo e correspondentes tama­
nhos de pixels no nadir (o ponto diretamente abaixo da
aeronave) para um IFOV de 2,5 mrad. Tipicamente, os
IFOVs variam de 0,5 —5 mrad.
Para fazer uma varredura transversal {across-track), há um
motor elétrico orientado paralelo à fuselagem da aerona­
ve e à direção de voo. Este motor aciona um espelho de
varredura facetado em 45° localizado no final do eixo ro­
tativo que tem um campo de visada instantâneo preciso
Sensoriamento Remoto no Infravermelho Termal
R ecipiente
— de n itro g ên io
líq u id o
D ete c to r
] E spelhos de
\ / focalização
C a m p o de visada
an g u lar total
Fluxo radiante, <f> no in terio r do
cam po de visada in stan tân eo , P
Figura 8-10 Características de um escaneador infravermelho ter­
mal de varredura transversal aerotransportado. O diâ­
metro da área circular de terreno visada pelo sensor, D,
é uma função do campo de visada instantâneo, p, do
escaneador e da altitude acima do nível do solo (AGL)
da aeronave, H , no momento da coleta de dados. O
fluxo radiante infravermelho termal registrado pelo
sensor é uma função da energia radiante emitida por
todos os materiais do terreno no interior do elemen­
to de resolução no terreno. Neste caso, isso incluiría
a energia dos pinheiros sadios, árvores mortas, solo e
qualquer energia radiante vinda da atmosfera interve-
niente. O detector também visa as fontes de calibração
fria e aquecida durante cada linha de varredura.
(p.ex., 2,5 mrad). O espelho varre o terreno num ângulo
reto (perpendicular) à direção de voo. Normalmente, o es­
pelho cobre um campo de visada angular total de 90 —120°
durante cada varredura, dependendo do sistema sensor. O
espelho também visa fontes de calibração quentes e frias in­
ternas (alvos) durante cada varredura. A temperatura exa­
ta dessas fontes de calibração é conhecida. Os fótons do
fluxo radiante no infravermelho termal, <t>, emitidos pelo
terreno, são canalizados para o espelho que focaliza esses
fótons no detector. O detector converte a energia radiante
que chega num sinal elétrico analógico. Quanto maior o
número de fótons impactando o detector, maior a potên­
cia do sinal. Geralmente, os detectores de infravermelho
são compostos de:
Coleta de Dados Infravermelhos Termais
Tabela 8-4. Altitudes de voo de aeronave com escaneador
multiespectral e tamanho de pixel baseado num
ângulo de visada instantâneo de 2,5 mrad.
Altitude de Voo AGL, m Tamanho do Pixel, m
1.000 2,5
2.000 5,0
4.000 10,0
6.000 15,0
20.000 50,0
50.000 125,0*•
• In:Sb (antimoneto de índio) com um pico de sensibili­
dade próximo a 5 |im;
• Ge:Hg (germânio dopado com mercúrio) com um pico
de sensibilidade próximo a 10 |im;
• Hg:Cd:Te (telureto de cádmio-mercúrio) que é sensível
no intervalo de 8 —14 pm.
Os detectores são refrigerados a baixas temperaturas (-196
°C; -243 °F; 73 K) usando hélio líquido ou nitrogênio
líquido. O resfriamento dos detectores assegura que a
energia radiante (fótons) registrada pelos detectores vem
do terreno e não da temperatura ambiente dos objetos in­
ternos que compõem o próprio escaneador. A Terra não
emite muita radiação infravermelha termal; em função
disso, o sinal relativamente fraco geralmente é amplifi­
cado. O sinal é então registrado numa fita magnética ou
outro dispositivo de armazenamento para futura conver­
são analógico-digital (A-D) e análise. Se desejável, o sinal
também pode ser usado para modular uma fonte de luz
que reflete luz visível sobre o espelho de um gravador lo­
calizado na outra extremidade do eixo motorizado. Aqui
o processo é revertido e o fluxo radiante de luz visível
proporcional à quantidade de energia infravermelha re­
cebida é usado para expor um filme fotográfico pixel-a-
pixel e linha-a-linha, criando uma imagem infravermelha
termal do terreno. Para que o filme fotográfico seja ex­
posto adequadamente, ele precisa ser avançado à mesma
velocidade de rotação do eixo que contém o espelho. A
imagem infravermelha termal pode ser processada como
um filme negativo ou positivo.
E im portante lembrar que o fluxo radiante infraverme­
lho registrado pelo sistema sensor é uma integração de
todos os fluxos radiantes emitidos pelos diversos mate­
riais que compõem o IFOV e qualquer fluxo radiante
265
Detectores de Infravermelho Termal
Figura 8-11 O pico de sensibilidade espectral de um detector de
antimoneto de índio (In:Sb) para o infravermelho ter­
mal é em aproximadamente 5,0 pm, enquanto que o
pico de sensibilidade espectral do detector de germânio
dopado com mercúrio (Ge:Hg) é em aproximadamente
10 pm (adaptado de McDonnell Douglas, 1982).
que a atmosfera tenha espalhado para dentro do IFOV
do sensor. Por exemplo, o fluxo radiante emitido por ár­
vores de pinheiro sadias, pinheiros mortos, solo exposto
e atmosfera devem ser integrados numa única medida
do terreno mostrada na Figura 8-10. Os seguintes fatores
devem ser considerados ao coletar dados de infravermelho
termal a partir de Sistemas de Varredura Multiespectrais
(MSS - Multispectral Scanner Systems) em aeronave:
• Há uma relação inversa entre ter alta resolução espacial
e alta resolução radiométrica quando se coletam dados
de infravermelho termal. Quanto maior o campo de
visada instantâneo do radiômetro, P, maior o tempo de
permanência de um detector individual visando o ter­
reno num IFOV durante cada uma das varreduras do
espelho. Um IFOV grande provê boa resolução radio­
métrica, que é a capacidade de discriminar entre dife­
renças muito pequenas na energia radiante que emerge
de um elemento do terreno. Na realidade, o sinal de
energia radiante medido pode ser bem mais forte que
qualquer ruído introduzido como fruto dos compo­
nentes do sistema sensor. Quando isso ocorre, dizemos
266 CAPÍTULO
Lei do Inverso do Quadrado
Figura 8-12 A lei do inverso do quadrado revela que a intensidade
da radiação termal emitida por uma fonte pontual de
corpo negro, S, varia com o inverso do quadrado da
distância, d, entre a fonte e os detectores em sensores
remotos, D l e D2.
que temos uma boa relação sinal-ruído. Obviamente,
quanto maior o IFOV, pior a capacidade para resolver
detalhes espaciais finos. A seleção de um IFOV menor
aumentará (melhorará) a resolução espacial, mas o sen­
sor permanecerá um tempo menor em cada elemento
do terreno durante a varredura do espelho, resultando
numa resolução radiométrica mais pobre e talvez numa
relação sinal-ruído mais baixa.•
• A diminuição pela metade da distância entre um de­
tector de um sistema de sensoriamento remoto e uma
fonte pontual quadruplica a energia infravermelha re­
cebida por tal detector. A lei do inverso do quadrado
diz que “a intensidade da radiação emitida por uma
fonte pontual varia com o inverso do quadrado da
distância entre a fonte e o receptor.” Assim, podemos
obter um sinal de infravermelho termal mais intenso,
forte, se chegarmos o detector do sistema de sensoria­
mento remoto tão próximo do solo quanto possível.
Por exemplo, considere um corpo negro como uma
fome pontual, S, e dois detectores de sensoriamen­
to remoto (D l e D ) de iguais áreas de sensibilidade,
digamos, 1 cm2. O detector D 7 está a uma distância
d cm de S, e o detector D está à distância 2d cm de
S (Figura 8-12). Segundo a lei de Stefan-Boltzmann
(Equação 8-1), a energia infravermelha total radiada
por S numa hemisfera é M h Watts/cm2 da superfície
radiante. Assim, M h é a energia infravermelha total
radiada numa hemisfera de raio d na qual o detector
D t está localizado, isto é, numa superfície de área nd2
cm2. Mas M h também é a energia infravermelha total
radiada numa hemisfera de raio 2 d na qual o detector
D 2 está localizado, especificamente, num a superfície
de área 4jtd2 cm2. Portanto,
Sensoriamento Remoto no Infravermelho Termal
Energia infravermelha detectada por
d ,1 = M ^n = m b; . (8 - 15)
Kcr
Energia infravermelha detectada por
D = M ^ = Me . (8-16)
2 471^° 4
• A maioria das investigações de sensoriamento remoto no
infravermelho termal tentam manter boas resoluções es­
pacial e radiométrica por meio de 1) seleção de um IFOV
relativamente grande, como 2,5 mrad, e 2) fazer o voo a
altitudes relativamente mais baixas para conseguir pixels
de tamanhos menores. Infelizmente, a altitudes menores,
a alta resolução espacial pode ser confrontada com o fato
de que mais linhas de voo são necessárias para cobrir uma
área comparado à cobertura mais eficiente feita a altitu­
des maiores com pixels maiores. O tamanho do pixel e
o tamanho geográfico do levantamento são considera­
dos, os objetivos são ponderados, e um compromisso é
estabelecido. Múltiplas linhas de voo com dados de MSS
aerotransportado são difíceis de serem mosaicadas.
Correção Geométrica de Dados de Escaneadores de In­
fravermelho Termal
Os sistemas de infravermelho termal por varredura (real­
mente, todos os sistemas de varredura) introduzem numero­
sos tipos de erros geométricos que precisam ser entendidos,
porque eles impactam 1) a qualidade da imagem para análise
visual ou o processamento digital das imagens, e 2) a criação
de mapas planimétricos a partir de dados infravermelhos
termais. As considerações mais importantes incluem:
• largura da faixa de imageamento;
• tamanho da célula de resolução espacial no terreno;
• deslocamento unidimensional do relevo; e
• distorção tangencial da escala.
Largura da Faixa de Imageamento do Terreno (gsw -
ground swath width): A largura da faixa de imageamento
do terreno é a extensão da faixa imageada remotamente pelo
sistema durante uma varredura transversal completa do espe­
lho de varredura. E uma função do campo de visada angular
total do sistema sensor, 0, e da altitude do sistema sensor aci­
ma do nível do solo, H (Figura 8-13). E computada como
gsw = tan jxH x2 (8-17)
Coleta de Dados Infravermelhos Termais 267

Figura 8-13 O tamanho da célula de resolução no terreno ao longo de um dada linha de varredura transversal é uma função de: a) distância
da aeronave até o ponto de observação, i.e., H é a altitude da aeronave acima do nível do solo (AGL) no nadir e H sec® fora
do nadir; b) campo de visada instantâneo do sensor, P, medido em milirradianos; e c) ângulo de varredura fora do nadir, ®.
Assim, os pixels fora do nadir têm semi-eixos maiores e menores (diâmetros) que definem o tamanho da célula de resolução. O
deslocamento uni-dimensional do relevo e a distorção tangencial de escala também ocorrem na direção perpendicular à linha
de voo e paralela à linha de varredura.

Por exemplo, a largura da faixa de imageamento de um A maioria dos cientistas que trabalham com dados de es-
sistema de varredura transversal com um ângulo de visada caneadores transversais usam apenas os 70% centrais da
total de 100° e a uma altitude acima do nível do solo de largura da faixa (35% de cada lado do nadir) basicamente
6.000 m seria 14.301 m: porque os elementos de resolução do terreno têm maiores
tamanhos de células quanto mais distantes estão do nadir.
gsw = tan x 6000 x 2
Tamanho da Célula de Resolução no Terreno (D): O di­
gsw = 1,191753 x 6000 x 2 âmetro da área circular de terreno vista pelo sensor, D , no
nadir é uma função do campo de visada instantâneo, p, do
gsw = 14.301 m.
escaneador medido em milirradianos (mrad) e da altitude
Se o campo de visada total fosse 90°, a largura da faixa de do escaneador acima do nível do solo, H, onde D = H x p. E
imageamento seria de 12.000 m: interessante notar que à medida que o campo de visada ins­
tantâneo do escaneador afasta-se para longe de cada lado do
gsw = tan x 6000 x 2 nadir o círculo torna-se um elipsoide. Uma das principais
razões é que a distância da aeronave à célula de resolução
gsiv = 1 x 6000 x 2 está aumentando, como mostrado na Figura 8-13. De fato,
a distância da aeronave à célula de resolução no terreno,
gsw = 12.000 m. //. , é uma função do ângulo de varredura off-nadir (fora
268 CAPÍTULO Sensoriamento Remoto no Infravermelho Termal

Geometria Perspectiva da Fotografia Aérea Vertical Geometria de Varredura Transversal com

Deslocamento Unidimensional de Relevo
e Distorção Tangencial de Escala

□ a <u*
(U 1 \ _c3>_l

/ V

mm 1 mm -drü
F—
çu
tanque

7 T

CD
1r □ \r significativa
compressão
geométrica na
0
extremidade
0 3 de uma linha
00**X á c __________ y _ 6 -4— de varredura

distorção sigmóide de deslocamento unidimensional

uma feição linear de relevo

Figura 8-14 a) Geometria perspectiva hipotética de uma fotografia aérea vertical obtida acima do nível do solo. Q uatro tanques de 50 pés
(15,24 m) estão distribuídos pelo terreno e sofrem graus variados de distorção de relevo quanto mais distantes estão do ponto
principal (PP). b) Sistemas de varredura transversal introduzem deslocamento unidimensional de relevo perpendicular à linha
de voo, e distorção tangencial de escala e compressão quanto mais distante o objeto se afasta do nadir. Feições lineares que
tendem a cruzar o terreno são frequentemente registradas com características de curvas sigmóides ou em formato de s por causa
da distorção tangencial de escala e compressão.

do nadir), <)), no momento da coleta do dado e à altitude reduz o impacto dos pixels maiores encontrados nos extre­
verdadeira da aeronave, H (Lillesand e Kiefer, 2003): mos das bordas da faixa de imageamento.

H^ = H . sec<t>. (8-18) Deslocamento Unidimensional de Relevo: Fotografias

Assim, o tamanho da célula de resolução no terreno aumenta
à medida que o ângulo aumenta para longe do nadir. O di­
âmetro nominal (médio) da célula de resolução elíptica, D ,
nesta posição angular em relação ao nadir tem a dimensão:
D^ = (H . sec4>). p (8-19)
na direção da linha de voo, e
D^= ( H . sechj)) . (5 (8-20)
na direção ortogonal de varredura (perpendicular à li­
nha de voo).
Os cientistas que usam dados termais de escaneador trans­
versal geralmente preocupam-se com a resolução espacial
da célula no terreno no nadir, D. Se for necessário fazer um
trabalho quantitativo preciso com pixels a algum ângulo
(|) fora do nadir, então é importante lembrar que o fluxo
radiante registrado é uma integração do fluxo radiante pro­
veniente de todos os materiais da superfície numa célula de
resolução no terreno que está permanentemente mudando
de diâmetro. O uso de apenas 70% da largura da faixa
aéreas verdadeiramente verticais têm um ponto principal e
único no nadir, diretamente abaixo da aeronave, no instante
da exposição. Esta perspectiva de geometria faz com que to­
dos os objetos que se elevem acima da elevação local do ter­
reno sejam deslocados da sua posição planimétrica própria
radialmente para fora do ponto principal (discutido no Ca­
pítulo 6). Por exemplo, os quatro tanques teóricos na Figura
8-l4a têm cada um 50 pés (15,24 m) de altura. Quanto
maior a distância do ponto principal, maior o deslocamento
radial de relevo do topo do tanque em relação à sua base.
Imagens infravermelhas termais adquiridas usando um
sistema de varredura transversal também possuem deslo­
camento de relevo. Porém, ao invés de ser radial a partir
de um ponto principal, o deslocamento ocorre na direção
perpendicular à linha de voo para cada uma e para todas
as linhas de varredura, como mostrado na Figura 8-l4b.
Com efeito, o elemento de resolução no terreno no nadir
funciona como um ponto principal para cada linha de var­
redura. No nadir, o sistema de varredura visa diretamente
abaixo para o tanque, e ele aparece como um círculo per­
feito na Figura 8-14b. Quanto maior a altura do objeto
acima do terreno local e maior a distância do topo do obje­
to em relação ao nadir (i.e., da linha de voo), maior a mag-
Coleta de Dados Infravermelhos Termais 269

Fotografia Aérea Vertical

prédios de
ciência

dormitórios

a.

Imagem Infravermelha Termal de Antes do Amanhecer

deslocamento
unidimensional
de relevo

Figura 8-15 a) Fotografia aérea vertical

pancromática do campus da
linhas de Universidade da Carolina do
vapor Sul obtida em 26 de abril de
1980. Note que o desloca­
mento de relevo dos prédios
de ciência é radial para fora
tampa da rede do ponto principal, b) Ima­
de esgoto —| gem infravermelha termal 1 x
1 m de antes do amanhecer.
Note a intrincada rede sub­
terrânea do sistema de aque­
planta do
cimento a vapor. O prédio de
sistema de
aquecimento ciência apresenta um desloca­
a vapor mento de relevo unidimen­
sional causado pelo sistema
de varredura transversal.

nitude do deslocamento unidimensional de relevo presente.
O deslocamento unidimensional de relevo é introduzido
em ambas as direções para fora do nadir para cada varre­
dura do espelho de varredura transversal.
O deslocamento unidimensional de relevo pode ser be­
néfico ou causar problemas na interpretação das imagens.
Por exemplo, considere a fotografia aérea e a imagem in­
fravermelha termal de antes do amanhecer do campus da
Universidade da Carolina do Sul mostrada na Figura 8-15.
Os prédios da área de ciência exibem deslocamento radial
de relevo na fotografia aérea para fora do ponto principal, e
deslocamento unidimensional de relevo na imagem infra­
vermelha termal perpendicular à linha de voo. Note como
é fácil ver o lado (fachada) dos prédios de ciências na ima­
gem infravermelha termal. Isso é importante se quisermos
estudar as características de temperatura das laterais desses
prédios. Porém, se quisermos avaliar as características tér­
micas da estrada ou dos objetos imediatamente atrás dos
prédios, eles estão obscurecidos à vista.
A fotografia aérea e a imagem infravermelha termal de antes
do amanhecer da Cidade de Nova Iorque permitem uma
apreciação ainda maior do deslocamento unidimensional
de relevo (Figura 8-16). Neste caso, o deslocamento radial
de relevo na fotografia aérea torna difícil obter informação
270 CAPÍTULO Sensoriamento Remoto no Infravermelho Termal

Fotografia aérea em perspectiva da Imagem infravermelha termal de antes do

região central de Nova Iorque amanhecer do centro de Nova Iorque

Figura 8-16 a) Fotografia aérea em perspectiva da região central de Nova Iorque. Note o deslocamento radial de relevo do Empire State
Building para fora do ponto principal (não mostrado), b) Imagem infravermelha termal de antes do amanhecer do centro de
Nova Iorque. Note o deslocamento unidimensional de relevo que é perpendicular à linha de voo. O metal no topo do Empire
State Building mostra-se como sendo muito frio por causa da sua baixa emissividade. O prédio à esquerda está muito frio,
enquanto o Empire State Building radia uma significativa quantidade de energia. Os carros, que são de metal, têm baixa emis­
sividade, da mesma forma que os resfriadores evaporativos metálicos circulares no topo do prédio próximo.

sobre o padrão de arruamento. De fato, o padrão das ruas
é quase completamente obscurecido à vista. Por outro lado,
como a imagem termal foi obtida ao longo de uma linha de
voo que era paralela à orientação das ruas, o deslocamento
unidimensional de relevo cria uma excelente vista das ca­
racterísticas dos prédios e ruas, especialmente daquelas que
ficam perpendiculares à direção do voo. Observe a quan­
tidade significativa de detalhe termal na lateral do Empi­
re State Building, que é visível por causa do deslocamento
unidimensional de relevo. Note também o metal radiome-
tricamente frio do topo do Empire State Building.
Enquanto alguns aspectos do deslocamento unidimensio­
nal de relevo podem ser úteis na interpretação visual de
uma imagem infravermelha termal, ele desloca seriamente
os topos dos objetos que se projetam acima do terreno lo­
cal para fora das suas posições planimétricas. Mapas pro­
duzidos a partir de tais imagens contêm sérios erros plani-
métricos. As imagens infravermelhas termais precisam ser
retificadas geometricamente a fim de produzir mapas com
alguma exatidão geométrica. Os métodos de retificação ge­
ométrica são apresentados em Jensen (2005).
Distorção Tangencial de Escala: Num sistema infraver­
melho termal de varredura transversal o espelho gira numa
velocidade constante e tipicamente visa o terreno de 70° a
120° durante uma linha de varredura completa. Natural­
mente, esses valores dependem do sistema sensor específi­
co. Pela Figura 8-13 fica claro que o terreno diretamente
abaixo da aeronave (no nadir) fica mais perto da aeronave
do que o terreno que está nas bordas durante uma certa
varredura do espelho. Consequentemente, como o espelho
gira a uma taxa constante, o sensor varre uma distância
geográfica menor no nadir do que nas bordas da imagem.
Esta relação tende a comprimir as feições ao longo do eixo
que fica perpendicular à linha de voo. Quanto maior a
distância entre o nadir e a célula de resolução no terreno,
maior a compressão de escala na imagem. Isso é chamado
de distorção tangencial de escala. Objetos próximos do na­
dir exibem sua forma própria. Objetos próximos à borda
da linha de voo tornam-se comprimidos e têm sua forma
distorcida. Por exemplo, considere a distorção geométrica
tangencial e compressão das piscinas circulares e do ter­
reno de um hectare à medida que se afastam do nadir no
diagrama hipotético da Figura 8-14b.
Coleta de Dados Infravermelhos Termais
Esta distorção geométrica tangencial e compressão na dis­
tância mais afastada faz com que feições como estradas,
linhas de trem, linhas de transmissão, etc., tenham uma
forma de s ou distorção sigmóide quando registradas numa
imagem infravermelha termal (Figura 8-14b). E interes­
sante observar que se a feição linear for paralela ou perpen­
dicular à linha de voo ela não sofre distorção sigmóide.
Alguns sistemas de varredura transversal sofisticados levam
em conta a distorção tangencial de escala e fazem com que
o feixe de luz de exposição no gravador de filme tenha sua
varredura a uma velocidade com variação contínua. Ideal­
mente, este é o tipo de imagem infravermelha termal dis­
ponível para análise. Quando a distorção tangencial de es­
cala não for removida, é melhor 1) usar os 70% da porção
central do campo de visada para análise a fim de minimizar
os efeitos de distorção, e 2) retificar geometricamente o
dado do sensor remoto usando pontos de controle de cam­
po para retificação, como discutido em Jensen (2005).
Mesmo dados do MSS aerotransportado provenientes de
linhas de voo únicas são difíceis de serem retificados para
uma projeção cartográfica padrão por causa dos movimen­
tos de rolamento (roll), arfagem (pitch) e deriva (yaw) da
aeronave durante a coleta de dados (Jensen et al., 1988).
Falhas nas bordas de uma linha de voo de dados são in­
dicativas de rolamento da aeronave. Tais dados requerem
significativos recursos humanos e de máquina para torná-
los planimetricamente precisos. Diversas empresas colocam
GPS e sistemas de navegação inercial (INS) a bordo das ae­
ronaves para obter a localização exata da aeronave e os dados
de rolamento, arfagem e deriva no instante exato da coleta
do dado. Essas informações podem ser usadas para corrigir
geometricamente cada linha de dados do sensor remoto sem
a necessidade de coleta de pontos de controle no terreno.
Calibração Radiométrica de Dados de Escaneador Termal
A fim de obter temperaturas de superfície a partir de dados de
sensoriamento remoto no infravermelho termal, dois impor­
tantes problemas precisam ser resolvidos (Coll et al., 2003):
(i) compensação pela absorção e emissão atmosféricas na ra-
diância que chega ao sensor; e (ii) correção para os efeitos de
emissividade da superfície, que estão acoplados com a tempe­
ratura, na radiância emitida pela superfície. Esta calibração ra­
diométrica pode ser feita usando 1) fonte de referência de um
corpo negro interno, ou 2) referência empírica externa basea­
da em coleta de dados in situ (Quattrochi e Goel, 1995).
Fonte de Referência Interna: Quando um sistema de var­
redura transversal é usado para coletar dados infravermelhos
termais, o detector visa inicialmente um alvo de referência
“frio”, a um ângulo de aproximadamente 120° do terreno, e
depois um alvo de referência “quente” em cada linha de var­
271
redura, como demonstrado na Figura 8-10. A temperatura
cinética verdadeira desses alvos frios e quentes é constante­
mente monitorada pelo sistema de sensoriamento remoto e
é gravada em disco, fita ou algum outro meio junto com os
dados de imagem para cada linha de varredura. Se deseja­
do, todos os valores de brilho do terreno coletados durante
uma varredura podem então ser calibrados (convertidos)
para valores de temperatura aparente verdadeira com base
em sua relação com as informações dos alvos frios e quentes
armazenadas para cada linha de varredura. A resolução ra­
diométrica geralmente tem precisão de ±0,2 °C. Este seria o
método ideal de calibração radiométrica porque não envolve
trabalho de campo. Infelizmente, este método não leva em
conta a atmosfera interveniente 1) emitindo energia radian­
te espúria no IFOV do sistema sensor, ou 2) absorvendo
energia emitida pelo terreno antes que ela atinja a óptica do
sensor (e o detector).
Referência Externa: Para incorporar efeitos atmosféricos,
pode ser necessário fazer uma referenciação empírica exter­
na. Isso envolve a tomada de medidas in situ com 1) um
termômetro que meça a temperatura cinética verdadeira
de um material ou corpo d'água, 2) um radiômetro portá­
til que meça a temperatura radiante emanando do terreno
num campo de visada instantâneo específico, ou 3) uma
radiossonda (um balão portando instrumentos meteoroló­
gicos sensíveis) lançada para obter perfis atmosféricos de
temperatura, pressão barométrica e vapor d’água.
Termômetros são equipamentos de medida direta in situ.
Um radiômetro é um instrumento portátil de sensoria­
mento remoto que você aponta para o terreno e ele fornece
uma leitura de temperatura radiante aparente. Qualquer
um dos tipos de medida precisa ser obtida no momento
exato em que os dados do sensor remoto estão sendo co­
letados acima. Idealmente, mais de 30 amostras in situ são
obtidas. Infelizmente, isso nem sempre é prático devido à
dificuldade de contratar pessoal, barcos, etc., e obter um
número suficiente de termômetros e/ou radiômetros de
alta qualidade. A localização exata de cada medição com
termômetro ou radiômetro é obtida usando GPS. As lo­
calizações dos pontos de coleta de dados in situ são então
localizados nos dados retificados do sensor remoto, e os
valores de brilho desses locais são extraídos. A exatidão
da correção geométrica dos dados infravermelhos termais
torna-se muito importante neste ponto.
As n medidas coletadas com termômetros ou radiômetros
in situ são então registradas com os correspondentes n valo­
res de brilho obtidos pelo sensor remoto obtidos nas mes­
mas localizações geográficas. Por exemplo, considere as oito
medidas de temperatura da água in situ na Figura 8-17 e os
correspondentes valores de temperatura de brilho não-cali-
brados obtidos pelo sensor remoto de infravermelho termal
272 CAPÍTULO Sensoriamento Remoto no Infravermelho Termal

-D yí'
80"
■% 2
2 o
-o
— (£U
« Oi 6 0 --
A O
i° <
Z gU
O6
4 0 -- 4 0 --
5s
\ 8.
20 - Linear 20 - -
Não-linear: Polinomial de 2 a Ordem
BV. = 0,659x + 56,173 B V = -0,015x2 + 2,12x + 26,3
R2 1 0,863 R2 = 0,989

0 ------------ 1------------ 1------------ 1------------ 1 0 ------------- 1-------------1

------------- 1
-------------1
0 20 40 60 80 b. 0 20 40 60 80
Medida de Temperatura Cinética Verdadeira In Situ, Tkin, °F Medida de Temperatura Cinética Verdadeira In Situ, Tkin, °F

Figura 8-17 a) Linha de ajuste por regressão linear entre oito medidas de temperatura in situ e valores de brilho não-calibrados obtidos por
sensoriamento remoto para o mesmo local geográfico, b) Equação de ajuste não-linear por um polinômio de 2a ordem para as
mesmas observações.

{BV) para as mesmas oito posições. Curvas lineares e/ou
não-lineares são ajustadas para as observações. A equação
linear explicou 86% da variância enquanto o polinômio
de 2o grau explicou 99% da variância. Qualquer uma das
equações pode ser usada para relacionar as medidas de tem­
peratura in situ com os valores de brilho obtidos por senso­
riamento remoto, e consequentemente calibrar radiometri-
camente os dados do sensor remoto. Este método não leva
em conta os fatores intervenientes da atmosfera presentes
no momento da coleta de dados. Note que a equação linear
é da forma BVij = a I km + b. Se quisermos levar em conta a
emissividade (s) do terreno, utilizamos o intercepto {/>) e a
inclinação da relação (a) e a equação:
BVij = a . e . T.km 4 + b .
O rearranjo da equação permite que a temperatura ciné­
tica 7Q de qualquer pixel BV.. na matriz de dados não-
calibrados do sensor remoto seja determinada:
{BV
T„ 4 "
kin
a.c
Os dados radiometricamente calibrados de um sensor re­
moto podem então ser usados para fazer mapas de tempera­
tura. Este método requer um programa de coleta de dados
de campo custoso e bem coordenado. Também, todos os
instrumentos, como termômetros, radiômetros e GPS pre­
cisam ser cuidadosamente calibrados, e as medições in situ
devem ser feitas exatamente ao mesmo tempo, se possível.
Mas e se não for prático coletar medidas com term ô­
metro ou radiômetro no campo em grandes áreas ou
a distâncias muito grandes sim ultaneam ente ao sobre­
voo de sensoriamento remoto? Como podemos levar
em conta os efeitos perniciosos da absorção e emissão
atmosféricas em nossas medidas de infravermelho ter­
mal? A resposta é o uso de 1) radiossondas e modelagem
de transferência radiativa atmosférica, ou 2) técnicas de
correção atmosférica por split-window.
Como observado, a atmosfera interveniente tem um im­
pacto significativo sobre a energia emitida pelo terreno
antes que ela seja realmente registrada pelo sistema de
sensoriamento remoto infravermelho termal. De fato,
( 8- 21) a transmitância atmosférica máxima para a radiação in­
fravermelha termal na região espectral de 8 - 14 |im é
de cerca de 80%. A magnitude da absorção atmosférica
é função principalmente do conteúdo de vapor d água
na atmosfera, embora haja uma banda de absorção por
ozônio ao redor de 9,5 |tm. Para obter valores exatos de
(8 - 22 ) radiância termal de superfície, os lançamentos de radios­
sondas precisam ser feitos em coincidência com os sobre-
voos diurnos e noturnos. Perfis atmosféricos de tempe­
ratura, pressão barométrica e umidade obtidos usando a
radiossonda são transmitidos para o solo. Esses dados são
então incorporados num modelo de transmissão atmos­
férica (p.ex., LOWTRAN ou M ODTRAN) para calcular
as características de transmissão atmosférica (Quattrochi
e Goel, 1995). A saída do modelo LOW TRAN ou M O-
Coleta de Dados Infravermelhos Termais
Tabela 8-5. Sensibilidade espectral e temperaturas de
operação para planos focais matriciais ele-
tro-ópticos infravermelhos selecionados.
Comprimento de Material Temperatura de
onda fiim) Detector Operação (K)
0,3 - 5,5 In:Sb <90
1,0-3,0 PV Hg:Cd:Te >150
3 ,0 -5 ,0 PV Hg:Cd:Te <120
8,0- 12,0 PV Hg:Cd:Te 50- 80
12,0 - 25,0 Si:As 10
DTRAN é combinada com curvas de resposta espectral
calibradas para as bandas individuais dos detectores de
infravermelho termal usados e com dados da fonte de
referência de corpo negro interno registrados durante
o voo. Todos esses dados são então modelados e usados
para produzir uma tabela de conversão do valor de bri­
lho de cada pixel em medidas de temperatura cinética
verdadeira (p.ex., Luvall, 1999; Coll et al., 2003). Este
é o método mais rigoroso de calibração de imagens in­
fravermelhas termais. Infelizmente, pouquíssimas pesso­
as têm acesso à tecnologia de radiossonda. Às vezes, a
informação meteorológica de perfil atmosférico de uma
estação meteorológica (ou aeroporto) próxima pode ser
usada ao invés dos dados de radiossondas como entrada
para o modelo de transmissão atmosférica (Quattrochi e
Goel, 1995).
Cientistas tentando remover efeitos atmosféricos e deter­
minar dados de temperatura de superfície ( T) também
observaram que uma abordagem split-window funciona
bem em certas situações (Czajkowski et ah, 1997; Ou-
aidrari et ah, 2002). Basicamente, as temperaturas de
brilho observadas num canal termal (p.ex., banda l 'f do
AVHRR) são corrigidas para efeitos atmosféricos por
uma diferença linear entre as temperaturas de brilho em
outros canais termais (p.ex., banda T5 do AVHRR). Um
exemplo de uma equação split-window é
T= a + T4 + b{T4 - T ) (8-23)
onde a e b são constantes que podem ser estimadas por
modelos de simulação (Becker e Li, 1995) ou por correla­
ção com observações de campo. Seis equações split-window
são apresentadas em Ouaidrari et ah (2002) e em Czajko­
wski et ah (2004). Coll et ah (2003) descrevem a obtenção
da temperatura de superfície do terreno usando métodos
split-windows, dados TIMS e medições de campo.
273
Figura 8-18 M atriz bidimensional de 640 x 480 elementos de
Hg:Cd:Te (telureto de cádmio mercúrio) para m e­
dição de infravermelho de ondas longas (LWIR) e
respectivo dispositivo de leitura. Esta matriz de de­
tectores é resfriada a 50 - 80 K. Novas matrizes têm
> 1000 x 1000 detectores.
Sensoriamento Remoto no Infravermelho Termal
baseado em Matrizes Lineares ou Bi-dimensionais
de Detectores
Até recentemente, era difícil tornar comercialmente dispo­
níveis detectores CCDs que tivessem sensibilidade espec­
tral à radiação infravermelha termal nos comprimentos de
onda médios e longos. Portanto, a maioria dos dados de
sensores remotos de infravermelho termal eram coletados
com um único detector e um espelho de varredura, como
discutido anteriormente. Isso mudou (FLIR, 2006). Agora
é possível fazer matrizes lineares ou bi-dimensionais (algu­
mas vezes chamadas de matrizes com plano focal “fixo”)
que sejam sensíveis à radiação no infravermelho médio e
termal, como exemplificado na Tabela 8-5. Por exemplo,
uma matriz bi-dimensional de 640 x 480 de Hg:Cd:Te
para o infravermelho de ondas longas e todo o conjunto
de medição associado é mostrado na Figura 8-18. Matrizes
de detectores com mais de 1024 x 1024 elementos são ago­
ra disponíveis para aplicações extremamente corriqueiras.
Matrizes “fixas” de detectores feitos de silicato de platina
(Pt:Si) também são populares.
As matrizes lineares e fixas permitem uma melhoria na rea­
lização do sensoriamento remoto no infravermelho termal
porque (FLIR, 2006):
• os detectores microeletrônicos de estado sólido são me­
nores em tamanho (p.ex., 20 x 20 pm) e peso, reque­
rem menos potência para operarem, têm poucas partes
móveis e são mais confiáveis;
274 CAPÍTULO
Figura 8-19 Helicóptero com um sistema sensor de infravermelho
de visada avante (FLIR) localizado abaixo do nariz
(cortesia de FLIR Systems, Inc.).
• cada detector da matriz pode visar o elemento de re­
solução do terreno por um tempo maior (i.e., ele tem
um maior tempo de medição), permitindo que mais
fótons de energia provenientes do IFOV sejam registra­
dos pelo detector individual, resultando numa melhor
resolução radiométrica (a habilidade de distinguir pe­
quenas diferenças de temperatura);
• cada elemento detector da matriz linear ou bi-dimen-
sional fica fixo em relação a todos os outros elementos;
portanto, a geometria da imagem de infravermelho ter­
mal é muito melhorada em relação à produzida por um
sistema de varredura transversal;•
• alguns detectores termais lineares e bi-dimensionais
agora usam um sistema miniaturizado de resfriamento
de ciclo fechado do tipo Sterling que não requer o apa­
rato de resfriamento por gás comprimido (nitrogênio
ou argônio líquido) discutido anteriormente.
Sistemas Infravermelhos de Visada Avante (FLIR)
Durante a Guerra do Golfo de 1991 e a Guerra do Iraque
iniciada em 2004, o público viu imagens infravermelhas de
visada avante (FLIR) diurnas e noturnas do terreno e de
vários alvos. Por décadas, organizações militares ao redor
do mundo financiaram o desenvolvimento de sistemas do
tipo FLIR que visam obliquamente à frente da aeronave e
adquirem imagens infravermelhas termais de alta qualida­
de, especialmente à noite. De fato, seu objetivo geralmen­
te é “vasculhar a noite”. Alguns sistemas FLIR coletam a
energia infravermelha com base em alguns princípios seme­
lhantes aos de um escaneador transversal (discutido previa­
mente), exceto que o espelho aponta a cerca de 45° à frente
e projeta a energia do terreno durante cada varredura do
espelho numa matriz linear de detectores infravermelhos
Sensoriamento Remoto no Infravermelho Termal
Figura 8-20 Imagem infravermelha termal noturna de uma incur­
são (cortesia de FLIR Systems, Inc.).
termais. Alguns sistemas usam tecnologia de matriz bilinear
de detectores. Um exemplo de sistema FLIR montado sob
o nariz de uma aeronave é mostrado na Figura 8-19.
Os FLIR e outros sistemas de infravermelho termal são
usados rotineiramente pelas forças policiais para verem
atividades criminosas e encontrar pessoas perdidas à noi­
te. Por exemplo, um criminoso está a ponto de entrar no
segundo pavimento de uma residência na Figura 8-20. A
pessoa está a aproximadamente 36,6 “C, enquanto o terre­
no está entre 21, 1- 26,6 °C. O teto úmido é relativamente
frio (escuro), o tronco e a copa da árvore são relativamen­
te quentes (claros), e os componentes metálicos da escada
são frios (escuros). Guardas florestais e bombeiros usam o
FLIR para localizar o perímetro dos incêndios florestais e
alocar com eficiência os recursos de combate a incêndio. O
pessoal da segurança do Aeroporto Gatwick em Londres
usa sistemas de vigilância FLIR montados em torres para
monitorar as cercas perimetrais e assegurar que nenhuma
pessoa não-autorizada ganhe acesso ao aeroporto. Várias
outras imagens FLIR são apresentadas na Figura 8-21.
Imageador Termal de Banda Larga
Aerotransportado (TABI)
A Itres, Inc., do Canadá desenvolveu dois dos mais ino­
vadores sistemas de sensoriamento remoto infravermelho
termal aerotransportados baseados na tecnologia de matriz
linear de varredura eletrônica. O Imageador Termal de Ban­
da Larga Aerotransportado (TABI) obtém dados num único
e largo canal de infravermelho termal de 8,0 - 12,0 pm. A
matriz linear contém 320 elementos que têm dimensões
de 50 x 50 pm. O IFOV é 2,8 mrad, com um campo de
visada total de 48°. Os dados são quantizados em 12 bits (0
Coleta de Dados Infravermelhos Termais 275

FLIR (infravermelho de visada avante) aerotransportado

e. f.

Figura 8-21 Exemplos de imagens FLIR (infravermelho de visada avante) aerotransportado. a) Imagem noturna de pessoas num bote sendo
resgatadas, b) Imagem noturna de uma pessoa num teto metálico sendo perseguida por outra pessoa no solo. Note os trans­
formadores quentes nos postes telefônicos e a baixa emissividade das linhas de telefone metálicas, c) Vista de helicóptero de
um policial fazendo uma prisão armada, d) Imagem noturna de um veículo militar Hummer com o motor ligado, e) Tanque
de armazenamento cujo conteúdo da parte inferior está relativamente frio. f) Imagem noturna de uma área urbana com água,
bote, automóveis e pedestres (cortesia de FLIR Systems, Inc.).
276 CAPITULO Sensoriamento Remoto no Infravermelho Termal

- 4095). O sensor pode funcionar a uma altitude máxima Tabela 8-6. Características do Imageador Termal de
de 10.000 pés (3.048 m) acima do nível do solo (AGL). Banda Larga Aerotransportado (TABI-320)
A retificação geométrica é feita usando dados de GPS e e do Imageador Termal Espectrográfico
INS a bordo, tornando desnecessária a coleta de pontos de Aerotransportado (TASI-600).
controle no solo. As características do Itres TABI-320 são TABI-320 TASI-600
mostradas na Tabela 8-6 (Itres TABI, 2006).
Sensibilidade
8 -1 2 pm 8 - 11,5 pm
Imageador Termal Espectrográfico Aerotransportado espectral (nin)
(TASI) Resolução espacial Variável baseada na altitude da
(cm) no Nadir aeronave acima do nível do solo (AGL)
O Imageador Termal Espectrográfico Aerotransportado (TASI) Número bandas
é um dos primeiros sistemas de sensoriamento remoto in­ 1 32
termais
fravermelho termal hiperespectral baseados em tecnologia
de matriz linear de detectores. Ele coleta dados em 32 canais Sensor matriz ;linear de CCD
termais na região de 8,0 - 11,5 pm. O tamanho do pixel é IFOV 2,8 mrad 1,25 mrad
de 30 x 30 pm e o IFOV é de 1,25 mrad. A matriz linear
Campo de visada
contém 600 pixels. O campo de visada total é de 40°. Os 48° 40°
total
dados são quantizados em 14 bits. As características do Itres
TASI são apresentadas na Tabela 8-6 (Itres TASI, 2006). Largura da faixa de
320 pixels 600 pixels
iinageamento
Considerações Ambientais no Tamanho do
50 x 50 pm 30 x 30 pm
Infravermelho Termal detector
Detectores na
320 600
matriz linear
Ao interpretar uma imagem infravermelha termal, é útil Resolução
entender o ciclo diário e como ele se relaciona à tempera­ 12-bit 14-bit
radiométrica
tura dos objetos na superfície da Terra.
Software Applanix POS com GPS e
dados do Sistema de Navegação Iner-
Ciclo Diário da Temperatura de Materiais Típicos Georreferenciamento
cial (INS). Pontos de controle no ter­
reno não são necessários.
O ciclo diário compreende 24 horas. Começando ao nas­
cer do Sol, a Terra passa a interceptar principalmente ener­ As variações diárias típicas da temperatura para solos, ro­
gia de comprimentos de onda curtos (0,4 - 0,7 pm) do Sol chas, água, vegetação, solo úmido e objetos metálicos são
(Figura 8-22a). De manhã até o anoitecer, o terreno inter­ mostradas na Figura 8-22b. Se todas essas curvas ficassem
cepta a energia incidente de comprimentos de onda curtos exatamente uma em cima da outra, então o sensoriamen­
e reflete a maioria dessa energia de volta para a atmosfera, to remoto na porção do infravermelho termal do espectro
e podemos usar sensores remotos ópticos para medir tal não teria valor porque todos os fenômenos teriam a mesma
energia refletida. Porém, parte da energia de comprimen­ temperatura radiante aparente. Não havería contraste entre
tos de onda curtos incidente é absorvida pelo terreno e de­ os diferentes fenômenos na imagem. Felizmente, há apenas
pois rerradiada de volta para a atmosfera como radiação de dois momentos durante o dia (após o nascer do Sol e pró­
comprimentos de onda no infravermelho termal ( 3 - 1 4 ximo ao poente) quando alguns materiais como solo, rocha
pm). O pico de emissão de radiação de comprimento de e água têm exatamente a mesma temperatura radiante. Du­
onda longo tem um deslocamento de duas a quatro horas rante esse período de cruzamento não é aconselhável adquirir
após o pico do meio-dia de incidência da radiação de onda dados de sensoriamento remoto no infravermelho termal.
curta, devido ao tempo necessário para aquecer o solo. A
contribuição da energia de comprimentos de onda curtos Felizmente, alguns materiais armazenam calor mais efi­
refletida e da energia de comprimentos de onda longos cientemente que outros, i.e., eles têm uma maior capacida­
emitida causa uma sobra de energia que ocorre durante o de térmica. Por exemplo, a água tem uma capacidade tér­
dia, como mostrado na Figura 8-22a. Ambas as radiações mica muito maior do que o solo ou a rocha (Tabela 8-3).
de onda curta incidente e emergente tornam-se zero de­ Sua variação diária de temperatura flutua pouco quando
pois do pôr do Sol (exceto para a luz da lua e das estrelas), comparada com a forte variação de temperatura do solo e
mas a radiação de onda longa emergindo do terreno con­ da rocha durante um período de 24 horas.
tinua durante toda a noite.
Considerações Ambientais no Infravermelho Termal 277

Temperatura Temperatura
mínima:

Energia Incidente Total Energia Emergente Total

(principalmente comprimentos (principalmente comprimentos
de onda curtos) de onda longos)

Figura 8-22 a) Ciclo diário da energia de comprimentos de onda curtos refletida e da energia de comprimentos de onda longos emitida.
Observe o período de pico da radiação emanada em comprimentos de onda longos e da temperatura diária máxima geral, b)
Temperatura radiante diária de solo exposto e rocha, concreto, vegetação, solo exposto úmido e objetos metálicos.

Se estivermos interessados em fazer um mapeamento da
temperatura de um terreno consistindo apenas de solo, ro­
cha e água, podemos prever como a imagem parecerá se
adquirirmos a imagem infravermelha termal próximo das
2:00 p.m. ou às 4:00 a.m da manhã. O solo e a rocha apa­
receríam mais claros que a água na imagem infravermelha
termal diurna por causa da sua temperatura aparente mais
alta. Rocha e solo continuam a radiar energia para a at­
mosfera durante a noite. Durante o começo da noite a ro­
cha e o solo (e o concreto) ainda estão mais quentes que a
maioria do terreno em volta. A meia noite essas superfícies
radiaram a maioria da energia calórica que eles absorveram
durante o dia, e gradualmente diminuem em brilho. Por
outro lado, a água com sua alta capacidade térmica, man­
tém uma temperatura de superfície relativamente estável
que bem pode ser mais alta que a do solo e da rocha (e do
278 CAPÍTULO
concreto) por volta das 4:00 a.m. Isso faz com que a água
seja mais clara na imagem infravermelha termal noturna
que o solo e a rocha, e mesmo que a vegetação em certas
situações. Como a vegetação contém água, ela geralmente
é mais fria (mais escura) que solo e rocha de dia às 2:00
p.m. e mais quente (mais clara) que o solo e a rocha na
imagem de antes do amanhecer.
A vegetação tende a ser um pouco mais quente que a água
durante todo o dia e mais fria que a água durante as horas que
antecedem o amanhecer. Solos muito úmidos tendem a ter
ciclos de temperatura diários estáveis, como mostrado na Fi­
gura 8-22b, porque quanto mais água há no solo, maior é sua
capacidade térmica. Objetos metálicos como carros e tetos de
alumínio aparecem frios (escuros) em ambas as imagens in­
fravermelhas termais diurna e noturna por causa da sua baixa
emissividade (lembre-se que metais bons refletores são maus
absorvedores e, portanto, maus emissores). De fato, frequen­
temente eles são os objetos mais escuros nas imagens.
Várias relações com ciclos diários de temperatura previa­
mente mencionados são mostradas na Figura 8-23. Uma
missão ATLAS voou numa grande área às margens do Rio
Mississipi às 3:00 a.m. e às 10:30 a.m. (Jensen et al., 2004).
Os dados tinham uma resolução espacial de 2,5 x 2,5 m. As
bandas termais diurnas 10, 11 e 12 revelam uma dramática
diferença nas propriedades de temperatura da areia e do
cascalho das margens. Os diferentes materiais absorvem a
energia solar diferenciadamente, resultando em diferenças
substanciais na exitância das superfícies de areia e cascalho
nessas três bandas do infravermelho termal. Durante o dia,
a água é mais fria que a maioria da vizinhança de terra fir­
me. A vegetação (V) às margens do rio também é relativa­
mente fria. Como esperado, a água é bem mais quente que
a vizinhança de terra firme à noite, e a vegetação é mais fria
que a água. Há ainda uma notável diferença entre as gran­
des áreas de cascalho e areia na imagem noturna, embora
não no grau presente na imagem diurna. O objetivo deste
projeto era ver se a imagem infravermelha termal seria útil
para discriminar entre areia e cascalho. Foi praticamente
impossível a discriminação entre áreas de areia e cascalho
numa fotografia aérea colorida normal na escala 1:8.000
obtida à mesma hora de 10:30 a.m. do sobrevoo.
A menos que os cientistas estejam especificamente tentan­
do computar a inércia termal, que requer ambas as imagens
diurnas e noturnas, eles frequentemente preferem coletar
imagens de antes do amanhecer porque:•
• a energia de ondas curtas proveniente do Sol e refletida
pode criar sombras indesejáveis na imagem infraverme­
lha termal diurna;
Sensoriamento Remoto no Infravermelho Termal
• ao redor das 4:00 a.m., a maioria dos materiais no ter­
reno tem temperaturas de equilíbrio relativamente es­
táveis, como mostrado na Figura 8-22b, i.e., os declives
das curvas são próximos de zero;
• as correntes convectivas de vento geralmente se acal­
mam de manhã cedo, resultando em voos mais precisos
(menos arraste da aeronave pelo vento) e ausência de
borramento ou faixas na imagem causadas pelo vento.
Atualmente, os pilotos são capazes de obter linhas de voo
precisas no imageamento infravermelho termal noturno
usando GPS a bordo.
Exemplos de Sensoriamento Remoto no
Infravermelho Termal
Monitoramento de Poluição da Água:
Identificação de Efluentes Termais no
A Usina Atômica do Rio Savannah na Carolina do Sul
extraía água do Rio Savannah e a usava para resfriar as
operações do reator nuclear. A água quente usada no
resfriamento voltava então para o sistema fluvial do
Rio Savannah via Córrego Four Mile (Figura 8-24). Às
vezes os efluentes termais atingiam o Rio Savannah e
criavam uma plum a termal como m ostrado na imagem
infravermelha termal obtida no voo de antes do ama­
nhecer na Figura 8-25.
Uma vista infravermelha termal da pluma em resolução
plena é mostrada na Figura 8-26. Diversas leis estadu­
ais e federais governavam as características da pluma no
Rio Savannah. Por exemplo, o Departam ento de Saúde
e Controle Ambiental da Carolina do Sul (DH EC) exi­
gia que a pluma fosse menos que um terço da largura
do rio e com temperatura não superior a 2,8 °C acima
da temperatura ambiente do rio. Depois de uma forte
chuva o Rio Savannah é perigoso, tem movimentos rá­
pidos e contém uma quantidade substancial de entulho.
E difícil obter medidas precisas de tem peratura colo­
cando pessoas com termômetros em barcos para ficarem
acompanhando as correntes. Além disso, não é prático
colocar termômetros in situ no rio por causa do entulho
escorrendo a alta velocidade. Portanto, a abordagem por
sensoriamento remoto foi usada para obter a requerida
informação espacial da temperatura.
A Tabela 8-7 sumariza os requisitos de usuário e os parâ­
metros do sistema sensor que foram usados para obter os
dados de temperatura necessários. Um sistema multiespec-
tral de varredura transversal equipado com um detector
Exemplos de Sensoriamento Remoto no Infravermelho Termal 279

c. Banda 12 diurna (9,0 - 9,4 pm)

Imagens Infravermelhas Termais

Diurnas e de Antes do Ama­
nhecer de um Banco de Areia
no Rio Mississipi obtidas pelo
ATLAS

10 de setembro de 1999

Resolução espacial de 2,5 x 2,5 m

5:00 a.m. e 10:30 a.m.

d. Banda 10 antes do amanhecer e. Banda 12 antes do amanhecer

Figura 8-23 Imagens infravermelhas termais de um grande banco de areia no Rio Mississipi obtidas às 5:00 a.m. e às 10:30 a.m. em
10 de setembro de 1999. O detector da Banda 11 do ATLAS não funcionou apropriadam ente durante a coleta de dados
antes do amanhecer (Jensen et ah, 2004).

infravermelho termal (Hg:Cd:Te) foi usado para registrar

a energia radiante emitida na região de 8 - 14 pm do es­
pectro. Esta região foi selecionada porque o terreno era re­
lativamente frio, com uma emitância máxima de energia
termal com pico em cerca de 9,7 pm.
A largura do Rio Savannah era de aproximadamente 90
m (300 pés) nas vizinhanças da pluma. Para os cientistas
obterem uma amostra representativa mínima de 30 pixels
do rio, cada pixel tinha de registrar a temperatura super­
ficial para uma área <3 x 3 m. Para atingir esta dimensão
de pixel, um sensor com um IFOV de 2,5 milirradianos
foi usado para produzir uma resolução espacial nominal
de aproximadamente 3,05 x 3,05 m no nadir quando o
sensor estivesse voando a 1.220 m (4.000 pés) acima do
nível do solo. Como um sistema de varredura transversal
foi usado para registrar a temperatura radiante dos objetos,
uma distorção tangencial de escala estava presente. Se não
fosse removida, a qualidade dos produtos cartográficos se­
ria prejudicada. Assim, a imagem foi corrigida geometrica­
mente pela modelagem de cada pixel como uma função do
desvio do ângulo de varredura em relação ao nadir. Isso fez
280 CAPÍTULO
Região do Rio Savannah
Figura 8-24 A Usina Atômica do Rio Savannah na Carolina do Sul
extraía água do Rio Savannah e a usava para resfriar
as operações do reator nuclear. Os efluentes termais
retornavam para o sistema fluvial do Rio Savannah via
Córrego Four Creek, onde ela era dissipada. Porém,
de vez em quando os efluentes termais atingiam o Rio
Savannah, resultando numa pluma termal.
com que cada pixel numa linha de varredura tivesse uma
resolução espacial efetiva de 2,8 x 2,8 m. Depois, os dados
foram corrigidos geometricamente pela seleção de pontos
de controle de campo e retificação dos dados usando rea-
mostragem pelo método do vizinho mais próximo, como
discutido em Jensen (2005). Para que os investigadores
possam identificar uma pluma termal e mapear sua tempe­
ratura e distribuição espacial, a pluma do rio, e o terreno
circunvizinho, todos têm que ser discerníveis na imagem
infravermelha termal obtida por sensoriamento remoto.
Em cada dia o contraste térmico máximo entre a água do
Rio Savannah e as outras superfícies de terra ocorre ime­
diatamente antes do amanhecer, como discutido previa­
mente, quando o rio é mais quente que a superfície externa
ao rio. Assumiu-se que a pluma quente seria discernível
do restante da água do Rio Savannah e do terreno externo
ao rio tanto de dia quanto à noite. Um fator adicional a
favor do voo pré-amanhecer foi o fato de que à noite não
havia sombras de árvores ao longo das margens do rio que
pudessem causar medidas espúrias da temperatura do rio
ou da pluma. Essas considerações resultaram na coleta dos
dados em 31 de março de 1981, às 4:28 a.m., sob a influ­
ência de um sistema meteorológico de alta pressão com
uma umidade absoluta de 27%.
Sensoriamento Remoto no Infravermelho Termal
Detecção Infravermelha Termal da Poluição Termal
da Agua no Rio Savannah
Figura 8-25 Imagem infravermelha termal de antes do amanhecer
de um efluente termal entrando no sistema fluvial do
Rio Savannah a partir do Córrego Four Mile em 31 de
março de 1981, às 4:28 a.m. A água migrou pelo sis­
tema fluvial e acabou entrando no Rio Savannah, pro­
duzindo uma pluma termal. A temperatura e a distri­
buição espacial dessa pluma era governada por diversas
legislações estaduais e federais. Esta é uma redução de
2x da imagem de uma parte da linha de voo e consiste
de 1.065 linhas por 632 colunas. Ela fornece uma visão
geral da distribuição espacial do efluente termal.
Para atender ao requisito de ±0,2 °C, os dados do escaneador
de infravermelho termal foram calibrados usando um corpo
negro interno de referência. Ao escanear cada linha de da­
dos, o detector visava uma placa fria com uma temperatura
conhecida, o terreno, e depois uma placa quente com uma
temperatura conhecida. Conhecendo a relação entre as tem­
peraturas dessas placas, o analista podia calcular a tempera­
tura aparente do terreno para cada pixel, de -3 a 48 °C. O
principal problema deste método de calibração era que ele
não incorporava o efeito da atmosfera interveniente no sinal
de resposta. Não obstante, parece que a calibração foi bem
satisfatória. Quando os dados calibrados foram comparados
com duas medidas de temperatura superficial in situ feitas
na pluma do Córrego Four Mile concomitantes ao sobre­
voo, ambas as medidas de sensoriamento remoto estiveram
no intervalo de ±0,2 °C em relação às medidas in situ.
Exemplos de Sensoriamento Remoto no Infravermelho Termal 281

Detecção Infravermelha Termal da Poluição Termal

Tabela 8-7. Requisitos do Usuário para monitoramento da
da Agua no Rio Savannah distribuição de uma pluma termal no Rio Sa­
vannah e parâmetros do sistema sensor.

Requisito do Usuário
A temperatura aparente de
cada pixel deve ter precisão
de ±0,2 °C em relação à
sua temperatura verda­
deira. As temperaturas
na cena > a temperatura
ambiente do rio são de
interesse primordial.
Parâmetro do Sistema de
Sensoriamento Remoto
Medição da região de 8- 14
pm usando detector de
telureto de cádmio-mercúrio
(Hg:Cd:Te) com um conver­
sor A-D de 8 bits (0 —255).
Calibração radiométrica para
0±0,2 °C com valores de pi­
xels variando de -3 a 48 °C.

Pelo menos 30 pixels de­ Use um sensor com um IFOV

Figura 8-26 Imagem infravermelha termal de antes do amanhecer
(8,0 - 14 |im) de efluentes termais fluindo para o Rio
vem cair dentro da largura de 2,5 mrad voando a 1.200
Savannah adquirida às 4:28 a.m. de 31 de março de de 90 m do rio. Portanto, m (4.000 pés) AGL. Remova
1981, usando um sistema de varredura multiespectral é necessário um elemento distorções geométricas do
Daedalus DS-1260. de resolução espacial de <3 sistema sensor e reamostre
x 3 m. Retificação de todos para elementos de imagem de
os pixels para estarem 2,8 x 2,8 m.
Análise de Dados dentro de ± 10% da sua
posição planimétrica.
Cientistas ambientais e ictiologistas têm interesse na Adquira imagens de antes Aquisição de dados de antes
tem peratura e distribuição espacial de plumas termais e do amanhecer na prima­ do amanhecer em condições
como elas se relacionam com a temperatura ambiente do vera e analise os resultados de atmosfera estável. Calibre
rio. Se existe uma pluma, é im portante determinar onde rapidamente. e analise.
a pluma tem um número de graus acima da temperatu­
Produza mapas de isoter- Aplique processamento de ima­
ra ambiente do rio. Dependendo da época do ano, as
mas e extraia informação gens e princípios cartográficos
plumas termais podem atrair certas espécies de organis­
quantitativa de temperatu­ para obter informação quanti­
mos aquáticos e excluir outras. Infelizmente, uma pluma
ra para intervalos de classe tativa dos mapas de isotermas e
quente que se estenda através de um rio e a uma certa
selecionados. transectos selecionados.
profundidade inibirá certas espécies de nadarem rio aci­
ma durante a estação reprodutiva.

Dois tipos de análise de dados foram utilizados para extrair
informação quantitativa de temperatura. Primeiro, mapeou-
se a distribuição espacial de intervalos selecionados de classes
de temperatura >2,8 °C acima da temperatura ambiente do
rio. Depois, foram traçados transectos pelo mapa de isoter-
mas para documentar a área superficial transversal da pluma
em intervalos de classes de temperatura específicos.
O mapeamento da distribuição espacial da temperatura fez
com que fosse necessário identificar:•
Às 4:28 o rio é muito mais quente que o terreno circunvi-
zinho e facilmente distinguível. Dois métodos foram usa­
dos para determinar a temperatura ambiente do rio. Pri­
meiro, as medidas de temperatura in situ do Rio Savannah
estavam disponíveis e indicavam a temperatura acima do
local da pluma como sendo 12 °C. Em segundo lugar, uma
amostra de 200 pixels bem acima da pluma do Córrego
Four Creek forneceu uma média de 12 “C e um desvio
padrão de ±0,2 °C. Então, a temperatura ambiente do rio
foi determinada como sendo de 12 °C.

• o terreno (solo e vegetação) para assegurar que não fos­
se confundida com a pluma termal;
• a temperatura ambiente do rio;
• a distribuição espacial da temperatura da pluma >2,8
°C acima da temperatura ambiente do rio.
Depois, sete intervalos de classe foram selecionados. Três dos
intervalos de classe eram para temperaturas <2,8 °C acima
da temperatura ambiente do rio e incluíam o terreno e o rio
não afetado termalmente. Quatro intervalos de classe foram
usados para realçar variações especiais de temperatura no in­
terior da pluma termal que estivessem a >2,8 °C acima da
temperatura ambiente do rio. A cada um dos sete intervalos
282 CAPÍTULO
Tabela 8-8. Transectos de temperatura aparente de plumas termais do Rio Savannah e lógica de codificação de cores
(intervalos de densidade).
Relações entre Classe e Temperatura Ambiente do Rio, 12 °C
Casse 1 Classe 2
Azul Azul claro
escuro +1 °C
ambiente
Transecto* Intervalo de Valores de B rilho para C ada Intervalo de C lasse
Largura M édia d o R io b 7 4 -7 6 7 7 -7 8
A 32 pixels = 15/42c 17/47,6
89,6 m
B 38 pixels = 25/70 1/2,8
106,4 m
C 34 pixels = 19/53,2 2/5,6
95,2 m
a Cada transecto tinha aproximadamente 285 m de comprimento (66 pixels de 2,8 m/pixel). As medições nos transectos no rio foram feitas apenas depois que a imagem foi rotacio-
nada, de tal forma que os pixels iniciais e finais dos transectos caíssem na mesma linha de varredura.
b Inclui um pixel misto de terra e água em cada lado do rio.
‘ Notação representa pixels e metros; por exemplo, 15 pixels representam 42 m.
de classe foi atribuída uma única cor, com amarelo, laran­
ja, vermelho e branco correspondendo às temperaturas mais
quentes na pluma (Tabela 8-8). A análise da Prancha Colori­
da 8-2a revela que a parte mais quente da pluma estava bem
na desembocadura do Córrego Four Creek (34,6 °C; 94,28
°F). A temperatura do córrego era a mesma que a da par­
te mais quente da pluma; entretanto, a vegetação arbustiva
e flutuante presa ao longo da borda do córrego diminuiu a
temperatura aparente obtida por sensoriamento remoto do
córrego ao longo do seu canal principal. Também, a borda
norte do Córrego Four Creek aqueceu a água um pouco aci­
ma da pluma à medida que ela entrava no Rio Savannah.
Um mapa de isotermas codificado com cores (técnica de
fatiamento - density-sliced) forneceu uma valiosa informa­
ção sobre a distribuição espacial da temperatura da pluma
à medida que ela entrava no Rio Savannah e prosseguia rio
abaixo. Entretanto, dados mais quantitativos foram obti­
dos ao traçar três transectos (A, B e C) cruzando a pluma,
como mostrado na Prancha Colorida 8-2b. Os valores de
brilho observados ao longo de cada transecto estão suma-
rizados na Tabela 8-8. Esses valores foram obtidos apenas
depois que a imagem original foi geometricamente rotacio-
nada de 16° no sentido horário de tal forma que os pontos
de cada transecto caíssem na mesma linha de varredura.
Isso assegurou que o número de metros em cada classe de
temperatura ao longo de cada transecto fosse determinado
precisamente. Se o analista extrai transectos onde os pon­
tos não caem na mesma linha de varredura (ou coluna), a
hipotenusa dos pixels serrilhados deve ser considerada ao
invés da simples distância horizontal dos pixels. Estas rela­
ções estão demonstradas na Prancha Colorida 8-2c.
Sensoriamento Remoto no Infravermelho Termal
Classe 3 Classe 4 Classe 5 Classe 6 Classe 7
Verde Amarelo Laranja Vermelho Branco
1,2-2,8 °C 3,0-5,0 °C 5,2-10 °C 10,2-20 °C >20 °C
81 - 89 90- 100 101 - 125 126- 176 177-255
1/2,8 2/5,6 1/2,8 5/14 3/8,4
2/5,6 2/5,6 6/16,8 3/8,4
Um histograma do transecto B é mostrado na Prancha Co­
lorida 8-2d. A relação entre os valores de brilho originais
e os intervalos de classe do mapa de fatiamento é apresen­
tado na Tabela 8-8. Pela contagem do número de pixels ao
longo do transecto nos intervalos de classe de temperaturas
específicas dentro da pluma, e pela contagem do número
total de pixels do rio, é possível determinar a proporção da
pluma termal que cai dentro dos intervalos de classes de
temperaturas específicos (Jensen et ah, 1983 e 1986). Por
exemplo, em 1981 na Carolina do Sul uma pluma termal
não podia ser >2,8 °C acima da temperatura ambiente do
rio para mais que um terço da largura do rio. As informa­
ções de transecto extraídas das imagens infravermelhas ter­
mais e sumarizadas na Tabela 8-8 foram usadas para deter­
minar se a pluma estava dentro dos limites estabelecidos.
A principal imagem infravermelha termal preto-e-branco
da pluma continha valiosa informação (Figura 8-27a). Po­
rém, também foi possível realçar digitalmente a imagem
infravermelha termal original para apreciar visualmente as
características mais sutis da pluma termal e dos fenômenos
circundantes. Por exemplo, a Figura 8-27b é uma imagem
filtrada com um filtro de baixa frequência aplicado sobre
a imagem original com realce de contraste. Ela enfatizou
as componentes que variavam pouco dentro da imagem.
Por outro lado, a aplicação de um filtro de alta frequência
realçou os detalhes de alta frequência na imagem. Observe
como diversos erros radiométricos nas linhas de varredu­
ra são mais pronunciados na imagem filtrada com o filtro
de alta frequência na Figura 8-27c. Um filtro de mínimos
realçou o núcleo da pluma, enquanto que um filtro de má­
ximos realçou a pluma toda (Figura 8-27d,e). Um filtro de
Exemplos de Sensoriamento Remoto no Infravermelho Termal 283

Realces Aplicados à Imagem Infravermelha Termal de uma Pluma Termal no Rio Savannah

Figura 8-27 a) Imagem original com realce de contraste da pluma termal do Córrego Four Mile no Rio Savannah registrada em 31 de março
de 1981, às 4:28 a.m. b) Imagem filtrada com um filtro passa-baixa. c) Imagem filtrada com um filtro passa-alta. d) Aplicação de
um filtro de mínimos, e) Aplicação de um filtro de máximos, f) Um filtro de relevo dá a impressão de um relevo sombreado, g)
Realce de bordas de Roberts. h) Realce de bordas de Sobel. i) Realce de bordas Laplaciano.

relevo criou uma impressão de relevo sombreado da pluma pluma e as bordas dos limites pluma/terreno/água (Figura
(Figura 8-27f). Três algoritmos de realce de bordas (Ro­ 8-27g,h,i). A lógica e a matemática desses algoritmos estão
berts, Sobel e Laplaciano) realçaram diferentes partes da mostrados em Jensen (2005).
284 CAPITULO Sensoriamento Remoto no Infravermelho Termal

Levantamentos infravermelhos termais da pluma do Cór­ Detecção por Infravermelho Termal de Vazamento
rego Four Creek eram rotineiramente feitos pelo menos duas Fossas Sépticas Próximas a Charleston,
duas vezes por ano de 1981 a 1988 para assegurar que a Carolina do Sul
pluma estava de acordo com os padrões estaduais e federais
quanto à qualidade da água. Torres de resfriamento foram
então construídas para receber os efluentes termais.

Monitoramento da Poluição da Água: Identificação de

Vazamentos em Tanques Sépticos que Contribuem
para a Contagem de Coliformes Fecais

Uma alta contagem de coliformes fecais em águas doces e

marinhas correntes podem indicar a presença de bactérias
que podem causar febre tifóide, hepatite A e cólera. Os
departamentos de saúde rotineiramente monitoram a água
potável, lagos recreativos, rios, represas, estuários e águas
oceânicas para verificarem a contaminação por coliformes
fecais. Moluscos marinhos com carapaça são sensíveis à
contaminação por coliformes fecais porque os organis­
mos que filtram os alimentos, como ostras, mexilhões e
mariscos podem acumular bactérias, protozoários e vírus.
As bactérias concentradas nos organismos marinhos com
carapaça por causa do seu método de alimentação não são
danosas a esses organismos, mas podem ser prejudiciais às
pessoas que consomem esses moluscos. Níveis aumentados Figura 8-28 Imagem FLIR de antes do amanhecer, num inverno, de
de coliformes fecais próximos a áreas de concentração de duas fossas sépticas que vazaram próximo à costa perto
organismos marinhos com carapaça levam a fechamentos de Charleston, Carolina do Sul (SC).
das áreas de concentração desses organismos.
muitos parâmetros importantes precisam ser conhecidos
para documentar quantitativamente as características exatas
O Departamento de Saúde e Controle da Carolina do Sul
do isolamento de cada residência ou escritório num bairro.
(DHEC-SC) investigou o uso do sensoriamento remoto
por infravermelho com visada avante (FLIR) para identi­
ficar vazamentos em tanques sépticos nas proximidades de Alguns dos mais importantes parâmetros a serem levados
Charleston, SC. Vazamentos de tanques sépticos são uma em conta ao fazer um levantamento residencial por infra­
fonte comum de coliformes fecais em baías, enseadas e estu­ vermelho termal para fins de isolamento estão apresentados
ários. Por exemplo, dois vazamentos em sistemas de tanques na Tabela 8-9. Colcord (1981) sugere que a resolução de
sépticos são identificados na imagem FLIR mostrada na Fi­ temperatura (radiométrica) deve ser ±0,8 °C para diferenciar
gura 8-28. A imagem foi obtida à noite no inverno quando uma casa padrão R-10 de uma R-203. Isso resulta numa dis­
o efluente quente do tanque séptico contrastava com a água criminação de aproximadamente quatro níveis de isolamen­
relativamente fria do mangue e da enseada. Imagens como to aparente (pobre, regular, bom e excelente) com base num
esta têm ajudado fiscais a saber onde obter amostras no ter­ exame visual. A maioria das casas estão a aproximadamente
reno para fazer com que os tanques sépticos passem a aten­ 80 °F (26,6 °C). Isso se aproxima de um corpo negro a 300
der à legislação de saúde (NOAA Coastal Services, 2006). K com um comprimento de onda dominante de aproxima­
damente 9,7 pm. Portanto, a cena deve ser imageada usan­
Levantamentos Infravermelhos Termais de do um detector de telureto de cádmio-mercúrio (Hg:Cd:Te)
Isolamentos Residenciais sensível na faixa de 8 - 14 pm. As temperaturas cinéticas
verdadeiras dos telhados de diversas casas são necessárias se
os dados tiverem que ser calibrados para ±0,8 °C.
Residências, prédios de escritórios e indústrias são isolados
de forma que no inverno o calor - que custa caro - não O sistema sensor precisa adquirir pixels suficientes num te­
vaze facilmente. E possível usar sensoriamento remoto para lhado para caracterizar seu ambiente termal. Um pixel por
monitorar a eficácia do isolamento. Porém, geralmente os
resultados são mais qualitativos do que quantitativos porque 3 Sistema de classificação residencial usado nos Estados Unidos.
Exemplos de Sensoriamento Remoto no Infravermelho Termal 285

Tabela 8-9. Emissividades de 8 - 14 pm para materiais de Tabela 8-10. Requisitos do usuário para condução de le­
construção (Colcord, 1981; Wolfe, 1985). vantamento de isolamento térmico por ima-
geamento termal em edificações.

Material Emissividade, s Parâmetro do Sistema de

Requisito do Usuário
Sensoriamento Remoto
cobertura asfáltica (seca) 0,97 A resolução da temperatu­ Sensoriamento remoto na re­
ra (radiométrica) deve ser gião 8-14 pm usando detector
cobertura asfáltica
1,00 ±0,8 °C para diferenciação de telureto de cádmio-mercú-
(úmida)
entre residências R-10 e rio (Hg:Cd:Te). As tempera­
cobertura de madeira R-20a (Colcord, 1981). turas cinéticas verdadeiras de
0,95
(seca) vários telhados são necessárias
cobertura de madeira para calibrar para ±0,8 °C.
0,99
(úmida)
Obter resolução espacial Use sensor com um IFOV
concreto/pedra 0,97 de 15 x 15 cm para con­ de 2,5 mrad voando a 400
alumínio (folha) 0,09 seguir muitas amostras de m AGL. Isso resultará numa
cada telhado; entretanto, resolução de 1 x 1 m no nadir.
cobre (oxidado) 0,78 uma resolução espacial de Remova distorção tangencial de
1 x 1 m pode ser suficien­ escala se possível e retifique para
ferro (folha enferrujada) 0,69 te. Retifique os dados para mapas planimétricos de grande
estarem no intervalo de escala usando pontos de contro­
latão (folha de metal) 0,07 ± 1 pixel da sua posição le no terreno e reamostragem
planimétrica. por vizinho mais próximo.
tijolo (vermelho comum) 0,93
Adquira imagens de antes Adquira imagens quando o céu
tinta (média de 16 cores) 0,94 do amanhecer na prima­ estiver limpo, o vento for <7
vera e analise os resultados km/h, houver baixa umidade
areia 0,90 rapidamente. e nenhuma água, neve ou
madeira (carvalho gelo no telhado. Imagens de
0,90
aplainado) antes do amanhecer não têm
cristais de gelo 0,98 sombras de prédios ou árvores
vizinhos para causar confusão.

Produza mapas de isoter- Obtenha características

telhado não é suficiente. Alguns têm recomendado uma cé­
mas e extraia informação de emissividade dos telha­
lula de resolução espacial de 15 x 15 cm, mas uma resolução qualitativa e quantitativa dos para o bairro. Observe
espacial de 1 x 1 m parece ser suficiente para a maioria das ca­ de temperatura. Reduza a diferenças nos materiais dos
sas, excluindo parques de trailers. Um sensor com um IFOV informação para níveis de telhados, orientação e inclina­
de 2,5 milirradianos voando a 400 m acima do nível do solo classe de temperatura que ção dos telhados e ocupação
atingiría uma resolução espacial no terreno de 1 x 1 m por pi­ o público possa entender das edificações. Use processa­
xel no nadir. Isso resultaria em problemas em terrenos mon­ (p.ex., pobre, razoável, mento digital de imagens para
tanhosos onde o relevo local atingisse 400 m. A distorção bom e excelente). obter informação quantitativa
de escala teria que ser removida e os dados serem retificados das imagens termais.
geometricamente. O levantamento infravermelho termal de­ a Sistema de classificação de bairros residenciais adotado nos Estados Unidos (N.T.).
veria ocorrer sob as seguintes condições, se possível:
É importante obter as características precisas de emissividade
• água, gelo ou neve não devem estar presentes no teto, dos telhados para o bairro residencial ou distritos empresa­
pois isso altera dramaticamente as características de riais de interesse porque diferentes materiais constituintes de
emissividade do teto, como mostrado na Tabela 8-10; telhados têm diferentes emissividades. Por exemplo, telhas
laminadas de cedro têm uma emissividade de 0,99 quando
• a velocidade do vento deve ser <7 km/h; úmidas e 0,95 quando secas, enquanto uma cobertura de
alumínio tem uma emissividade de 0,09 (Tabela 8-10).
• umidade e neblina no terreno devem ser mínimas;
Idealmente, todos os telhados são planos. Infelizmente, a in­
• a cobertura de nuvens deve ser mínima, já que as nu­ clinação (quão inclinado ele é) e a orientação na direção do
vens radiam calor de volta sobre o teto. sensor ou na direção oposta ao sensor impactará a precisão
dos valores de temperatura aparente obtidos. Finalmente,
286 CAPÍTULO
Figura 8-29 Imagem infravermelha termal de antes do amanhecer de uma subdivisão residencial em Forth W orth, Texas. A imagem foi
adquirida a uma altitude de 250 m acima do nível do solo com um sistema de varredura transversal e um campo de visada
instantâneo de 1 rnrad às 6:45 a.m. em 10 de janeiro de 1980. Isso gerou uma resolução espacial efetiva no terreno de 0,25 x
0,25 m por pixel no nadir. O céu estava limpo.
as pessoas tendem a diminuir a temperatura de suas casas
no inverno quando deixam suas cidades por alguns dias, de
aproximadamente 72 °F (22,2 °C) para aproximadamente
55 - 60 °F (12,8 - 15,6 °C). Consequentemente, alguns te­
tos que aparecem frios numa imagem infravermelha termal
(i.e., casas que parecem ter um bom sistema de isolamento)
podem de fato ser de casas desocupadas com o termostato
regulado para baixa temperatura. A imagem infravermelha
termal de um área residencial em Fort Worth, TX, é mos­
trada na Figura 8-29. Ela foi adquirida a uma altitude de
250 m acima do nível do solo com um sistema de varredura
transversal com um campo de visada de 1,0 milirradiano,
às 6:45 a.m. do dia 10 de janeiro de 1980 (época fria nos
Estados Unidos). Esta configuração fornecia uma resolução
espacial efetiva no terreno de 0,25 x 0,25 m por pixel no
nadir.
Ieoricamente, na Figura 8-29, a casa com pior isolamento
na região está em (a), enquanto a casa vizinha em (b) parece
estar bem isolada. Há fogo na lareira da casa (c). A rede
viária (d), as calçadas de concreto (e), e os revestimentos dos
pórticos de concreto (f) são muito mais quentes que o ter­
reno ao redor. Alguns dos terrenos ajardinados estão mais
úmidos (g) que outras áreas. Todos os veículos metálicos (h)
são escuros (frios) por causa da sua baixa emissividade. A
maioria das casas nesta região provavelmente recebeu mais
ou menos o mesmo isolamento; portanto, não é surpresa
que a temperatura de seus tetos pareçam similares.
Sensoriamento Remoto no Infravermelho Termal
Algumas companhias de serviço público subcontratam le­
vantamentos de dados infravermelhos termais e depois ten­
tam convencer os proprietários de que seus sistemas de isola­
mento não são tão bons quanto os de seus vizinhos. O único
problema com esta logística é que 1) a casa do vizinho pode­
ría ter um teto de material diferente, 2) a orientação do teto
do vizinho em relação ao sensor poderia ser diferente, e 3) o
vizinho poderia manter sua casa a uma temperatura muito
mais fria. Se esses parâmetros são levados em conta, então a
informação de temperatura do teto extraída de dados infra­
vermelhos termais pode ser de valor para o proprietário.
Levantamentos de energia infravermelha termal também
são feitos rotineiramente para prédios públicos e indus­
triais. A Figura 8-30 mostra uma fotografia aérea e uma
imagem infravermelha termal de antes do amanhecer da
casa de campo Solomon Blatt no campus da Universidade
da Carolina do Sul. A imagem infravermelha termal foi
adquirida às 4:30 a.m. em 10 de março de 1983, a 500
m acima do nível do solo usando um sistema sensor com
IFOV de 2,5 mrad. Isso resultava numa resolução espacial
de aproximadamente 1,25 x 1,25 m.
Levantamentos Infravermelhos Termais de
Umidade em Tetos Comerciais/lndustriais
A manutenção de telhados é uma indústria de bilhões
de dólares. Sempre será necessário para o contratante do
Exemplos de Sensoriamento Remoto no Infravermelho Termal
a. Fotografia Aérea Vertical
Figura 8-30 a) Fotografia aérea do galpão Solomon Blatt no campus da Universidade da Carolina do Sul, Colúmbia, Carolina do Sul. b)
Imagem infravermelha termal obtida às 4:30 a.m. de 10 de março de 1983, com uma resolução espacial de 1,25 x 1,25 m. Note
os 11 exaustores metálicos frios, o ar quente saindo de nove dos exaustores, e os beirais frios pendentes. Os beirais são expostos ao
ar frio matinal de ambos os lados.
serviço de telhado andar sobre o telhado para determinar
exatamente que reparos precisam ser feitos, mas tem se
tomado crescentemente útil conduzir estudos de sensoria­
mento remoto no infravermelho termal em telhados, es­
pecialmente quando uma quantidade substancial de água
puder estar presente em superfície e/ou sub-superfície. Isso
ajuda o contratante do serviço de telhado localizar todos os
problemas do telhado. O processo é chamado de levanta­
mento de umidade de telhado.
A expansão e resfriamento diários, vento, chuva, neve, gra­
nizo, gelo, produtos químicos, manchas e furos, e o tempo
eventualmente causam falhas nos telhados. Os problemas
dos telhados manifestam-se por si mesmos de dois mo­
dos: vazamentos e contaminação da água coletada. O va­
zamento é simples, embora o vazamento dentro do prédio
raramente reflita a localização exata no teto onde há um
buraco ou trinca do material do telhado. Como a maio­
ria dos isolantes absorvem uma certa quantidade de água,
é difícil localizar a água contaminada infiltrada porque o
teto pode não mostrar um vazamento até que o material
que fica entre o teto e o isolante tenha absorvido toda a
água que pode manter retida (Stockton, 2004a).
Três métodos não-destrutivos podem ser usados para localizar
umidade sub-superficial: 1) medidores nucleares que contam
nêutrons, 2) medidores de capacitância que medem resistên­
cia, e 3) sensoriamento remoto no infravermelho termal que
287
b. Imagem Infravermelha Termal de Antes do Amanhecer
pode ser usado para mapear padrões de temperatura do teto.
Um técnico pode usar uma sonda nuclear ou um medidor
de capacitância para medições numa grade de 1 x 1 m ou 5
x 5 m no teto. Esses pontos amostrais são então usados para
extrapolar onde está localizada a água sub-superficial do teto.
O sensoriamento remoto no infravermelho termal é o mé­
todo preferido para o levantamento de umidade de teto
(Stockton, 2004b). Durante o dia, a energia do Sol in­
cidente aquece o material do teto. Parte dessa energia é
transferida para baixo da superfície do teto para a água,
a madeira ou o isolante. Durante a noite, esses materiais
radiam essa energia armazenada de volta para a atmosfera.
Isso é chamado de resfriamento radiativo. Áreas de massas
maiores (úmidas) absorvem e dissipam calor em taxas di­
ferentes das áreas de massas menores (secas). As áreas de
massas maiores radiam calor por um período de tempo
maior à noite porque têm maior capacidade térmica, como
discutido previamente. O sensoriamento remoto infraver­
melho termal aéreo pode detectar essas fontes de calor e
identificar as maiores massas (áreas úmidas) durante esta
janela noturna de dissipação desigual de calor.
Por exemplo, considere o imóvel comercial mostrado na
Figura 8-31 a. Uma fotografia aérea vertical de grande es­
cala é mostrada na Figura 8-3 lb. Uma imagem infraver­
melha termal de antes do amanhecer é mostrada na Figura
8-31 c, e um mapa feito em CAD (computer aided design)
288 CAPÍTULO Sensoriamento Remoto no Infravermelho Termal

Levantamento Infravermelho Termal de Umidade em Telhado

a. Vista oblíqua de um imóvel comercial. b. Fotografia aérea vertical de grande escala.

Figura 8-31 a) Fotografia aérea vertical de um imóvel comercial na Carolina do N orte, b) Fotografia aérea vertical de grande escala.
c) Desenho em CAD m ostrando polígonos com provável umidade no telhado (cortesia de Stockton Infrared T herm o-
graphic Services; Stockton Infrared, 2006).

da extensão da umidade sub-superficial é mostrado na Fi­
gura 8-31 d. Essa informação é usada para estimar a quan­
tidade de teto que precisa ser trocado ou arrumado.
Análise do Efeito de Ilha de Calor Urbana
porte e usos industriais. As menores temperaturas diurnas
foram encontradas nos corpos d’água, vegetação e terras
de uso agrícola, nesta ordem. Áreas residenciais sendo
compostas de uma mistura heterogênea de casas, grama e
coberturas arbóreas exibiram uma temperatura intermedi­
ária, como esperado.

Sabe-se muito bem que uma ilha de calor urbana existe na
maioria das áreas urbanas em comparação à zona rural cir­
cundante relativamente mais fria. Ilhas de calor urbanas são
causadas pelo desflorestamento e substituição da superfície
do solo por materiais não-evaporativos e não-porosos, como
asfalto e concreto. Além disso, os sistemas de ar condicionado
introduzem uma significativa quantidade de energia calórica
na paisagem urbana. O resultado é uma reduzida evapotrans-
piração e um aumento geral na temperatura da paisagem.
À noite, as coberturas da terra com comércio, serviço, in­
dústria e transporte esfriaram relativamente rápido. Não
obstante, suas temperaturas mesmo nas horas matinais
antes do amanhecer ainda estavam ligeiramente mais altas
que aquelas de vegetação e agricultura. A água tem uma alta
capacidade térmica; consequentemente, ela tipicamente é a
cobertura da terra mais quente durante as horas que antece­
dem o amanhecer, como discutido anteriormente. Por outro
lado, a agricultura exibe a menor temperatura à noite.

Quattrochi e Ridd (1994) e Lo et al. (1997) avaliaram di­
versas cidades usando sistemas de sensoriamento remoto
infravermelhos termais de alta resolução espacial para do­
cumentar o efeito da ilha de calor urbana. Em geral, ob­
servaram que durante o dia as áreas comerciais exibiram as
temperaturas mais altas, seguidas pelas de serviços, trans­
Exemplos de imagens infravermelhas termais diurnas e no­
turnas de Atlanta, GA, confirmam essas observações (Figura
8-32ab). A imagem do canal 13 do ATLAS (9,60 — 10,2
pm) com resolução espacial de 10 x 10 m foi obtida como
parte da investigação do Projeto ATLANTA - parte do EOS
da NASA (Quattrochi e Luvall, 1999). Sombras de prédios
Exemplos de Sensoriamento Remoto no Infravermelho Termal 289

Atlanta, Geórgia

mj " ?

K l

nagem infravermelha termal rem infravermelha termal noturna.

diurna de Atlanta, GA.

Figura 8-32 a) Imagem infravermelha termal aérea diurna do canal 13 (9,60 - 10,2 gm) do ATLAS, de Atlanta, Geórgia. Feições ur­
banas proeminentes são identificadas para orientação, b) Imagem infravermelha termal noturna de antes do amanhecer, de
Atlanta, Geórgia (cortesia de D. Q uattrochi e J. Luvall, Project ATLANTA; NASA Marshall Space Flight Center, Global
Hydrology Climate Center, Huntsville, Alabama).

altos localizados no Distrito Central de Negócios de Atlan­
ta são observadas na imagem diurna. A intensa exitância
termal dos prédios, pavimentos e outras superfícies típicas
da paisagem urbana, bem como a distribuição heterogênea
dessas respostas, surgem em significativo contraste à relativa
monotonia da paisagem termal de Atlanta à noite. Também,
o efeito tampão que a floresta urbana tem sobre a resposta
da energia termal ascendente é evidente, particularmente na
porção nordeste da imagem diurna onde o dossel das ár­
vores residenciais é extenso. Na imagem noturna ainda há
evidência, mesmo bem de manhã, das elevadas respostas ter­
mais dos edifícios e outras superfícies no Distrito Central de
Negócios de Atlanta e das ruas e auto-estradas. As respostas
de energia termal para a vegetação em toda a imagem são re­
lativamente uniformes à noite, independentemente do tipo
de vegetação (p.ex., grama, árvores).
Tais informações termais têm sido usadas para 1) modelar as
relações entre o crescimento urbano de Atlanta, a mudança
na cobertura da terra e o desenvolvimento do fenômeno da
ilha de calor urbana através do tempo, 2) modelar a relação
entre o crescimento urbano de Atlanta e a mudança na co­
bertura da terra e a qualidade do ar através do tempo, e 3)
modelar os efeitos gerais do desenvolvimento urbano nas
características do balanço de energia na superfície ao longo
da paisagem urbana de Atlanta. Tais dados também podem
ser usados para recomendar programas de plantio de árvores
que possam ser capazes de diminuir substancialmente o efei­
to da ilha de calor urbana (Quattrochi e Ridd, 1998).
Weng et al. (2004) analisaram dados ETM+/Landsat-7 para
extrair informação de temperatura da superfície do solo para
estudos de ilha de calor urbana de Indianápolis, Indiana. Veri­
ficaram que a incorporação de quantidades de vegetação ver­
de, solo seco e sombra no interior de cada pixel era útil para
estimar a relação entre a temperatura da superfície/abundân­
cia de vegetação em estudos de ilha de calor urbana.
Uso da Imagem Infravermelha Termal para
Aplicações Florestais
Informação quantitativa sobre estrutura de dossel florestal,
biomassa, idade e condição fisiológica foi extraída de dados
290 CAPÍTULO
infravermelhos termais. Basicamente, uma mudança na tem­
peratura superficial pode ser medida por um sensor de infra­
vermelho termal aerotransportado (p.ex., TIMS ou ATLAS)
fazendo sobrevoos repetidos sobre a mesma área por algumas
vezes. Geralmente, uma separação de cerca de 30 minutos
resulta numa alteração mensurável da temperatura causada
por mudança na incidência de radiação solar; porém, um pe­
ríodo de tempo maior pode ser necessário. A radiação líquida
(RJ média na superfície é medida in situ para a área de estu­
do e é usada para integrar os efeitos dos fluxos não-radiativos.
A mudança na temperatura superficial do período de tempo
para t, (i.e., At) é o valor que revela como aqueles fluxos
não-radiativos estão reagindo às entradas de energia radiante.
A razão entre esses dois parâmetros é usada para computar a
propriedade de superfície definida por Luvall (1997) como
Número de Resposta Termal (TRN):
£ [ (Rn) (Ar) ]
(8-24)
TRN =Il_________
At
Terrenos contendo principalmente solo úmido e rocha expos­
ta têm os menores valores de TRN, enquanto florestas têm os
maiores. O TRN é uma propriedade específica do local, que
pode discriminar entre vários tipos de florestas de coníferas e
algumas das suas característica biofísicas (Luvall, 1997).
Sensoriamento Remoto para Graus-Dia de
Estresse em Plantas
Moran (2004) sintetizou várias medidas relativas de sani­
dade de ecossistemas vegetais que podem ser monitoradas
usando sensoriamento remoto no infravermelho termal.
Por exemplo, o grau-dia de estresse (SDD) foi definido
por Idso et al. (1977) como:
SDD= S ( T c 'Ta), (8' 25)
í= l
Onde T é a temperatura de dossel da planta (uma medi­
ção por sensoriamento remoto no infravermelho termal) 1
a 1,3 horas após o meio-dia, T é a temperatura do ar 1,5 m
acima do solo (uma medição in situ), e (T — T) é somado
para n dias começando no dia i. O índice SDD está rela­
cionado ao consumo de água pela planta e tem sido usado
para planejar irrigação agrícola, monitorar estresse em gra­
mados e melhorar as estimativas de produtividade.
Resumo
O sensoriamento remoto no infravermelho termal vai
tornar-se ainda mais importante no futuro. Temperatura
Sensoriamento Remoto no Infravermelho Termal
e emissividade são variáveis biofísicas críticas e poderosas
em muitas investigações. Agora temos detectores de infra­
vermelho termal lineares e matriciais muito sensíveis que
podem funcionar em bandas termais largas ou em configu­
rações hiperespectrais. No futuro, será comum encontrar
sensores infravermelhos termais miniaturizados em veí­
culos aéreos não-tripulados (UAV) usados por militares,
cientistas e pessoas comuns.
Referências
Becker, F. and A. L. Li, 1995, “Surface Temperature and
Emissivity at Various Scales: Definition, Measurement and
Related Problems,” Remote SensingofEnvironment, 12:225-253.
Colcord, J., 1981, “Thermal Imagery Energy Surveys,”
Photogrammetric Engineering& Remote Sensing, 47(2):237—240.
Coll, C., Caselles, V., Valor, E. and E. Rubio, 2003,
“Validation ofTemperature-Emissivity Separation and Split-
Window Methods from TIMS and Ground Measurements,”
Remote Sensing of Environment, 85:232-242.
Czajkowski, K. P., Goward, S. N., Mulhern, T., Goetz, S. J.,
Walz, A, Shirey, D., Stadler, S., Prince, S. and R. O. Dubayah,
2004, “Estimating Environmental Variables Using Thermal
Remote Sensing,” in D. A. Quattrochi and J. C. Luvall,
(Eds.), Thermal Remote Sensing in Land Surface Processes,
Boca Raton: CRC Press, 11-32.
Czajkowski, K. E, Goward, S. N., Mulhern, T., Goetz, S. J.,
Walz, A, Shirey, D., Stadler, S., Prince, S. and R. O. Dubayah,
1997, “Recovery of Environmental Variables from Thermal
Remote Sensing,” in D. A. Quattrochi and M. F. Goodchild
(Eds.), Scale in Remote Sensing and GIS, Chelsea: Lewis.
Estes, J. E., 1966, “Some Applications of Aerial Infrared
Imagery,” Annals of the Association of American Geographers,
56(4):673-682.
Fischer, W. A., 1983, “History of Remote Sensing,” Manual
of Remote Sensing, R. Reeves (Ed.), Bethesda: ASP&RS, 27-
50. FLIR Systems, 2006, Infrared Imaging Systems, Portland:
FLIR Systems, Inc., www.FLIR.com.
Idso, S. B., Jackson, R. D. and R. J. Reginato, 1977, “Remote
Sensing of Crop Yields,” Science, 196: 19-25.
Itres TABI, 2006, Thermal Airborne Broadband Imager
(TABI), Alberta, Canada: Itres Research, www.itres.com.
Referências
Itres TASI, 2006, Thermal Airborne Spectrographic Imager
(TASI), Alberta, Canada: Itres Research, www.itres.com.
Jacob, F., Francois, P., Schmugge, T. Vermote, E., French, A.
and K. Ogawa, 2004, “Comparison of Land Surface Emissivity
and Radiometric Temperature Derived from MODIS and
ASTER,” Remote Sensing o f Environment, 90:137—152.
Janza, F. J., 1975, “Interaction Mechanisms,” in Manual of
Remote Sensing, R. Reeves (Ed.), Bethesda: ASP&RS, 75-179.
Jensen, J. R., 2005, Introductory Digital Image Processing:
A Remote Sensing Perspective, 3rd Ed., Upper Saddle River:
Prentice-Hall, 525 p.
Jensen, J. R., Luders, J. K., SchilI, S. R. and G. T. Raber, 2004,
“Identifying Riverine Sand and Gravei Deposits Using A High
Resolution Day-nightTemperature Difference Map and Digitized
Aerial Photography,” Geocarto International, 19(2): 49-56.
Jensen, J. R., Hodgson, M. E., Christensen, E. J., Mackey,
H. E., Tinney, L. R. and R. Sharitz, 1986, “Remote Sensing
Inland Wetlands: AMultispectral Approach,” Photogrammetric
Engineering & Remote Sensing, 52(1)87-100.
Jensen, J. R., Pace, P. J. and E. J. Christensen, 1983,
“Remote Sensing Temperature Mapping: the Thermal Plume
Example,” The American Cartographer, 10:111—127.
Jensen, J. R., Ramsey, E., Mackey, H. E. and M. E. Flodgson, 1988,
“Thermal Modeling of Heat Dissipation in the Pen Branch Delta
Using Thermal Infrared Imagery,” Geocarto International, 4:17-28.
Kahle, A. B., Schieldge, J. P., Abrams, M. J., Alley, R. E. and
C. J. VeVine, 1981, Geologic Applications o f Thermal Inertia
Imaging Using HCMM Data, #81-55, Pasadena: JPL.
Kahle, A. B., Schieldge, J. P. and R. E. Alley, 1984, “Sensitivity
ofThermal Inertia Calculations to Variations in Environmental
Factors,” Remote Sensing o f Environment, 16:211—232.
Kirkland, L., Herr, K., Keim, E., Adams, P., Salisbury, J.,
Hackwell, J. and A. Treiman, 2002, “First Use of An Airborne
Thermal Infrared Hyperspectral Scanner for Compositional
Mapping,” Remote Sensing o f Environment, 80:447—459.
Lillesand, T. M. and R. W. Kiefer, 2003, Remote Sensing and
Image Interpretation, N.Y.: John Wiley, 750 p.
Lo, C. P., Quattrochi, D. A. and J. C. Luvall, 1997,
“Application of High-resolution Thermal Infrared Remote
Sensing and GIS to Assess the Urban Heat Island Effect,”
International Journal o f Remote Sensing, 18(2):287—304.
291
Luvall, 1997, “The Use of Remotely Sensed Surface
Temperatures from an Aircraft Based Thermal Infrared
Multispectral Scanner (TMS) to Estimate the Spatial Variability
of Latent Heat Fluxes from a White Pine (Pinus strobus L.)
Plantadon,” in D. A. Quattrochi and M. F. Goodchild (Eds.),
Scale in Remote Sensing and GIS, Chelsea: Lewis, 169—185.
Luvall, J. C., 1999, personal correspondence, NASA
Marshall Space Flight Center. McDonnell Douglas, 1982,
Reconnaissance Handy Book for the Tactical Reconnaissance
Specialist, St. Louis: McDonnell Douglas, 183 p.
Moran, M. S., 2004, “Thermal Infrared Measurement as an
Indicator of Plant Ecosystem Health,” in D. A. Quattrochi
and J. C. Luvall, (Eds.), Thermal Remote Sensing in Land
Surface Processes, Boca Raton: CRC Press, 257-282.
NOAA Coastal Services, 2006, Identifying Sources o f Fecal
Coliform Bactéria in Charleston, S.C., http://www.csc.noaa.
gov/crs/rs_apps/issues/septic.htm
Omega, 2005, Transactions in Measurement Control, Vol. 1, 2nd
Ed., Omega Engineering, LLC, http://www.omega.com, 86 p.
Oregon DEQ, 2003, Aerial Surveys in the Umpqua River
Basin: Thermal Infrared and Color Videography, Portland:
Oregon Department of Environmental Quality, 90 p., www.
deq. State, or.us/wq/tmdls/umpquabasin/flir/umpqualir.pdf.
Ouaidrari, H., Goward, S. N., Czajkowski, K. P., Sobrino,
J. A. and E. Vermote, 2002, “Land Surface Temperature
Estimation from AVHRR Thermal Infrared Measurements;
An Assessment for the AVHRR Land Pathfinder II Data Set,”
Remote Sensing o f Environment, 81:114-128.
Petitcolin, F and E. Vermote, 2002, “Land Surface
Reflectance, Emissivity and Temperature from MODIS
Middle and Thermal Infrared,” Remote Sensing o f
Environment, 83:112-134.
Peres, L. F. and C. C. DaCamara, 2004, “Land Surface
Temperature and Emissivity Estimation Based on the Two-
Temperature Methods: Sensitivity Analysis Using Simulated
MSG/SEVIRI Data,” Remote Sensing o f Environment,
91:377-389.
Price, J. C., 1985, “On the Analysis ofThermal Infrared
Imagery: The Limited Utility of Apparent Thermal Inertia,”
Remote Sensing o f Environment, 18:59-73.
Quattrochi, D. A. and N. S. Goel, 1995, “Spatial and
Temporal Scanning of Thermal Infrared Remote Sensing
Data,” Remote Sensing Reviews, 12:225—286.
Exemplos de Sensoriamento Remoto no Infravermelho Termal
Quattrochi, D. A. and J. C. Luvall, 2004, Thermal Remote
Sensing in Land Surface Processes, Boca Raton: CRC, 440 p.
Quattrochi, D. A. and J. C. Luvall, 1999, High Spatial
Resolution Airborne Multispectral Thermal Infrared Data to
Support Analysis and Modeling Tasks in the EOS IDS Project
ATLANTA, http: //wwwghcc.msfc.nasa.gov/atlanta/.
Quattrochi, D. A. and M. K. Ridd, 1994, “Measurement and
Analysis of Thermal Energy Responses frorn Discrete Urban
Surfaces Using Remote Sensing Data,” International Journal
o f Remote Sensing, 15(10): 1991—2022.
Quattrochi, D. A. and Merrill K. Ridd, 1998, “Analysis
of Vegetation within a Semi-arid Urban Environment
Using High Spatial Resolution AirborneThermal Infrared
Remote Sensing Data,” Atmospheric Environment,
32(1): 19—33.
Schmugge, T., French, A., Ritchie, J. C., Rango, A. and H.
Pelgrum, 2002, “Temperature and Emissivity Separation
trom Multispectral Thermal Infrared Operations,” Remote
Sensing of Environment, 79:189-198.
Sabins, F. F., Jr., 1997, Remote Sensing Principies and
Interpretation, NY: Freeman, 494 p.
Salisbury, J. W. and D. M. D Aria, 1992, “Emissivity oi
Terrestrial Materials in the 8 —14 Im Atmospheric Window,”
Remote Sensing o f Environment, 42:83—106.
Slater, P. N., 1980, Remote Sensing: Optics and OpticalSystems,
NY: Addison-Wesley, 575 p.
Snyder, W. C., Zhengming, W., Zhan, Y. and Y. Feng, 1997,
“Thermal Infrared (3 - 14 |m) Bi-directional Reflectance
Measurements of Sands and Soils,” Remote Sensing of
Environment, 60:101-109.
292
Sobrino, J. A., Jimenez-Munoz, J. C. and L. Paolini, 2004,
“Land Surface Temperature Retrieval from Landsat TM 5,”
Remote Sensing o f Environment, 90:434—440.
Stockton, G. R., 2004a, “Aerial Infrared Thermography,”
Cadalyst, September (2004):47—53.
Stockton, G. R., 2004b, “Finding Pollution with Aerial Infrared
Thermography,” IndustrialPhysicist, May (2004):24-27.
Stockton Infrared, 2006, Stockton Infrared Thermographic
Services, www.stocktoninfrared.com.
Torgersen, C. E., Faux, R. N., Mclntosh, B. A., Poage, N. J.
and D. J. Norton, 2001, “AirborneThermal Remote Sensing
for Water Temperature Assessment in Rivers and Streams,”
Remote Sensing o f Environment, 76:386-398.
Vaughn, R. G., Calvin, W. M. and J. V. Taranik, 2003,
“SEBASS Hyperspectral Thermal Infrared Data: Surface
Emissivity Measurement and Mineral Mapping,” Remote
Sensing o f Environment, 85:48-63.
Wallace, K., 1999, ATLAS - Airborne Terrestrial Applications
Sensor Specifications, SSC: NASA Stennis Space Ctr., 20 p.
Weng, Q., Dengsheng, L. andj. Schubring, 2004, “Estimadon
of Land Surface Temperature - Vegetation Abundance
Relationship for Urban Heat Island Studies,” Remote Sensing
o f Environment, 89:467-483.
Wolfe, W. L., 1985, Infrared Handbook, Ann Arbor:
Environmental Research Institute of Michigan.
'

Sensoriamento Remoto por Micro-ondas

Ativas e Passivas

s sistemas passivos de sensoriamento remoto registram a energia eletromagné­

O tica que é refletida (p.ex., luz azul, verde, vermelha e infravermelho próximo)
ou emitida (p.ex., radiação infravermelho termal) pela superfície da Terra. Há,
também, os sistemas ativos de sensoriamento remoto que não são dependen­
tes da energia eletromagnética do Sol, ou das propriedades termais da Terra.
Os sensores remotos ativos geram a sua própria energia eletromagnética, que
1) é transmitida do sensor para a superfície do terreno (e é pouco afetada pela
atmosfera), 2) interage com o terreno produzindo um retroespalhamento da
energia, e 3) é registrada pelo receptor do sensor remoto. Os sistemas de sen­
soriamento remoto ativos mais amplamente utilizados incluem:

• Micro-ondas ativos (RADAR), que são baseados na transmissão de micro­

ondas de comprimentos de onda mais longos (p.ex., 3 - 2 5 cm) através
da atmosfera e na detecção da quantidade de energia retroespalhada pela
superfície do terreno;

• LIDAR, que são baseados na transmissão de energia de comprimentos de

onda relativamente curtos da luz laser (p.ex., 1040nm) através da atmos­
fera e na detecção da quantidade de energia retroespalhada pela superfície
do terreno;

• SONAR, que são baseados na transmissão de ondas sonoras através da co­

luna de água e na detecção da quantidade de energia retroespalhada pelo
fundo, ou por objetos no interior da coluna de água.

Dos três sistemas, o RADAR é o mais amplamente utilizado para estudos dos
recursos naturais da Terra. O LIDAR e o SONAR são especialmente úteis
para o mapeamento topográfico e batimétrico, respectivamente. E possível,
também, registrar a energia das micro-ondas passivas que é emitida natural­
mente pela superfície da Terra, usando um radiômetro de micro-ondas passivas.
Este capítulo dará uma visão geral do sensoriamento remoto por micro-ondas
ativas e passivas. O sensoriamento remoto por LIDAR é discutido no Capítu­
lo 10 e o SONAR no Capítulo 12.

História do Sensoriamento Remoto por Micro-ondas

Ativas (RADAR)

James Clerk Maxwell (1831 —1879) fez a descrição matemática dos campos
magnético e elétrico associados com a radiação eletromagnética. Heinrich R.
Hertz (1857 - 1894) aumentou o nosso conhecimento sobre a criação e pro­
pagação da energia eletromagnética nas porções do espectro das micro-ondas
294 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
e do rádio. Hertz também estudou a interação das ondas de
rádio com superfícies metálicas e deu início aos conceitos
que levariam à invenção do rádio e do radar. Baseado nos
princípios físicos fundamentais descobertos por Maxwell
e Hertz, Guglielmo M. Marconi (1874 —1937) construiu
uma antena que transmitia e recebia sinais de rádio. Em
1901, ele enviou ondas de rádio através do Atlântico e, em
1909, recebeu o Prêmio Nobel de física pelo seu trabalho.
O RADAR, como nós o conhecemos, foi estudado por A.
H. Taylor e L. C. Young, em 1922. Estes cientistas posicio­
naram um transmissor de rádio de alta frequência de um
lado do Rio Anacostia, próximo a Washington, DC, EUA,
e um receptor no lado oposto. Os navios que passavam
rio acima e rio abaixo interrompiam o sinal de rádio de
comprimento de onda longo (1 - 10 m), enviado entre
o transmissor e o receptor. Essa experiência forneceu os
primeiros indicadores de que os sinais de rádio poderíam
ser úteis para a detecção da distância de navios no mar
(i.e, o alcance = range). Isto teve importantes implicações
na navegação, porque a transmissão e a recepção ativa de
rádio podem ser feitas tanto à noite como em condições
atmosféricas adversas. Os militares logo demonstraram in­
teresse no radar, porque durante a guerra é importante co­
nhecer a localização de todos os navios e aeronaves (amigos
e inimigos). A frase descrevendo o processo foi “radio de-
tection and ranging” ou RADAR. Embora os sistemas de
radar atualmente usem, quase que exclusivamente, energia
de comprimentos de ondas das micro-ondas ao invés das
ondas de rádio, o acrônimo nunca foi mudado.
Em 1935, Young e Taylor (e independentemente Sir Ro-
bert Watson-Watt, na Inglaterra) combinaram a antena
transmissora e o receptor em um mesmo instrumento.
Consequentemente, transmissões de alta potência, em
bandas muito específicas do espectro eletromagnético,
foram possíveis. Esses e outros avanços eletrônicos servi­
ram de fundamentos para o desenvolvimento do RADAR
durante a segunda guerra mundial, para a navegação e lo­
calização de alvos. No final de 1936, foram construídos
radares experimentais nos Estados Unidos, na Inglaterra,
na Alemanha e na União Soviética. Dessas nações, nenhu­
ma foi mais vulnerável ao ataque aéreo do que a Inglaterra.
Londres situa-se a 145 km da fronteira de países estrangei­
ros e a 440 km da Alemanha. Sob a direção do Marechal
Hugh Dowding, os britânicos construíram 21 radares ao
longo das costas sul e leste da Inglaterra e da costa leste da
Escócia. O nome-código “Chain Home — C H ” surgiu a
partir do plano de construção de uma “rede local” (“home
chain”) de radares na Inglaterra, que seria complementa­
da com uma rede ultra-marinha, para defender as porções
ameaçadas do império Britânico. Os radares C H foram
os primeiros radares britânicos de advertência e de longo
alcance a atuarem na II Guerra Mundial. Os radares per­
mitiam detectar a chegada de aeronaves com um alcance
máximo de 80 quilômetros. Sem os radares, os britânicos
não teriam tido efetividade para conter os bombardeiros e
caças da Luftwaffe Alemã durante a Batalha da Bretanha,
que teve início em Julho de 1940 (Price, 1990). O radar
Doppler de varredura circular, que nos alerta todos os dias,
nos programas de TV de previsão do tempo, sobre a locali­
zação geográfica de tempestades, é baseado no mesmo con­
ceito de radar de varredura circular (plan-position indicator
radar, PPI) encontrado nos radares originais utilizados na
II Guerra Mundial. Os radares PPI são utilizados, tam­
bém, no controle do tráfego aéreo nos aeroportos.
As imagens de RADAR obtidas de aeronaves ou satélites,
como nós as conhecemos hoje, não eram disponíveis duran­
te a II Guerra Mundial. A capacidade de mapeamento em
faixas contínuas do radar aerotransportado de visada lateral
(.side-looking airborne radar —SLAR) só foi desenvolvida na
década de 1950. Uma importante vantagem do SLAR é a sua
habilidade para obter imagens de reconhecimento cobrindo
uma ampla região, à esquerda ou à direita da aeronave (Sa-
bins, 1970). Esta capacidade é denominada de aquisição de
dados laterais de longo alcance, porque o piloto pode voar ao
longo do limite do espaço aéreo amigo enquanto obtém um
imageamento de radar detalhado do espaço aéreo inimigo.
Este avanço tecnológico tornou possível, também, a realiza­
ção de medidas radargramétricas —a ciência de extrair infor­
mações geométricas quantitativas de um objeto a partir de
imagens de radar (Leberl, 1990; Henderson e Lewis, 1998).
Os militares começaram a usar o SLAR na década de 1950.
Por volta da metade da década de 1960, alguns sistemas dei­
xaram de ser restritos aos militares. Há dois tipos primários
de SLAR: radar de abertura real (conhecido, também, como
radar de força bruta) e radar de abertura sintética (synthetic
aperture radar - SAR), onde a palavra “abertura” significa
antena. O radar de abertura real usa uma antena de com­
primento fixo, p.ex., 1 —2 m. O radar de abertura sintética
também usa uma antena de 1 —2 m, porém com a capacida­
de de simular uma antena muito maior (p.ex., talvez 600 m
de comprimento), melhorando a sua capacidade de resolu­
ção. Os SAR alcançam resoluções muito finas para grandes
distâncias. Por exemplo, uma antena SAR de 11 m em uma
plataforma orbital pode ser eletronicamente calibrada para
ter um comprimento sintético de 15 km. Posteriormente,
será demonstrado quão importante é esta capacidade para
a resolução em azimute de um SAR. Tanto os RADARES
militares como os civis comerciais são de abertura sintética.
Nas décadas de 1960 e 1970, os SLAR de abertura real e
sintética foram extensivamente utilizados em vastas áreas
para o reconhecimento e cartografia dos recursos naturais da
Terra. Os primeiros estudos foram desenvolvidos nos con­
tinentes onde a cobertura de nuvens é muito forte. O pri-
História do Sensoriamento Remoto por Micro-ondas Ativas (RADAR) 295

Tabela 9-1. Características dos principais radares de abertura sintética (SAR) orbitais.
Ângulo de
depressão,
Radar de Com­ y (do near Largura
Abertura primento ao far-range Resolução Resolução da
Sintética Lança­ de onda, [ângulo de Polari­ em azimute em range faixa, Altitude, Cober­ Dura­
(SAR) mento Origem cm incidência] zação m m km km tura ção
SEASAT 26-06-78 EUA L-(23,5) 73°-67° HH 25 25 100 800 10o- 105 d
[23o] 75°N
SIR-A 12-11-81 EUA L-(23,5) 43°-37° HH 40 40 50 260 4l°N - 2,5 d
150°] 36°S
SIR-B 05-10-84 EUA L-(23,5) 75°-35° HH 17-58 25 10-60 225 e 60°N- 8d
[15°-64°] 350 60°S
SIR-C/X-SAR 04-94 EUA X-(3,0) Variável HH, 30 10-30 15-90 225 57°N- 10 d
10-94 C-(5,8) [15°-55°] HV, W , 57°S
L-(23,5) VH
ALMAZ-1 31-03-91 URSS S-(9,6) 590-400 HH 15 15-30 20-45 300 73°N- 18 m
[30°-60°] 73°S

ERS-1,2 1991 ESA C-(5,6) 67° W 30 26 100 785 Órbita -

1995 [23o] polar
JERS-1 11-02-92 Japão L-(23,5) 51° HH 18 18 75 568 Órbita 6,5 a
[39o] polar
RADARSAT-1 11-95 Canadá C-(5,6) 70°-30° HH 8-100 8-100 50-500 798 Órbita
[ 10°-60°] polar
SRTM 11-02-00 EUA X-(9,6) " HH 30 30 X-50 225 60°N- 11 d
C-(5,3) W , HH 30 30 C-225 56°S
RADARSAT-2 14-12-07 Canadá C-(5,4) 70°-30° Quad- 3-100 2,4-100 20-500 798 Órbita “
[10°-60°] pol polar
Envisat 01-03-02 ESA C-(5,3) [15°-45°] W , HH, 30-1000 30-1000 5-150 786 Órbita -
ASAR VV/VH polar
HV/HH 98°
V H /W

meiro projeto SLAR de grande escala foi feito na província
de Darien, que conecta o Panamá e a América do Sul. Em
1968, a Westinghouse Electric, Inc., em cooperação com a
Raytheon, Inc., empregou um SLAR de abertura real, desen­
volvido pela Westinghouse para o exército americano, para
fazer, com sucesso, um mosaico com 20.000 km2 desta área.
Depois disto, a área jamais foi vista ou mapeada em sua tota­
lidade por causa da cobertura de nuvens quase perpétua.
A Goodyear Aerospace, Inc. e a Divisão de Serviço Aéreo da
Western Geophysical, Inc., adaptaram um radar de abertu­
ra sintética construído pela Goodyear e o instalaram em um
jato do Serviço Aéreo, para realizar levantamentos civis. Em
1971, eles iniciaram o Projeto RADAM (Radar da Amazô­
nia) para mapear a Bacia Amazônica na Venezuela e no Bra­
sil. Uma área de aproximadamente 4 milhões de km2 (cerca
de metade do tamanho dos Estados Unidos) foi levantada e
subdividida em mosaicos de radar. A Goodyear e o Serviço
Aéreo realizaram levantamentos na floresta tropical Amazô­
nica no Brasil, na Venezuela, no leste da Colômbia, no Peru
e na Bolívia. Investigações de radar subsequentes mapearam
a Guatemala, a Nigéria, o Togo, porções da Indonésia, das
Filipinas, do Peru e de outras regiões (Leber, 1990).
A NASA lançou, com sucesso, diversos SAR, como os ex­
perimentos SEASAT e o Space Shuttle Imaging Radar. O
SEASAT (satélite para o mar) foi lançado em 1978, para
obter informações oceanográficas na banda L (23,5 cm) e
com resolução espacial de 25 x 25 m (Tabela 9-1). Este foi
o primeiro SAR orbital a fornecer dados de domínio públi­
co (Evans et al., 2005). Ele forneceu, também, informações
valiosas sobre a superfície continental, mas funcionou por
somente 105 dias. O experimento “A” do Shuttle Imaging
Radar (SIR-A), com um SAR banda L (23,5 cm) e resolução
de 40 x 40 m, foi lançado em 1981. O SIR-B foi lança­
do em 1984, com uma resolução de 17 x 25 m. O SIR-C
foi lançado em 1994, com capacidade de multifrequência e
multipolarização. As missões SIR-A, SIR-B e SIR-C dura­
ram somente 2,5; 8 e 10 dias, respectivamente. A Shuttle To-
pography Mission (SRTM) foi lançada em 11 de Fevereiro de
2000 e durou 11 dias (NASA SRTM, 2006) (Tabela 9-1).
296 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas

Tabela 9-3. Comprimentos de onda e frequências de RA­

Tabela 9-2. Vantagens do sensoriamento remoto por radar.
DAR usados em investigações de sensoria­
Vantagens mento remoto por micro-ondas ativas.
Primárias RADAR
Designação
• Certas frequências de micro-ondas penetram as nuvens, das bandas Comprimento
permitindo o sensoriamento remoto em quaisquer condi­ (comprimentos de de onda (À) Frequência em
ções meteorológicas. onda mais comuns) em cm (u) GHz
• Visão sinóptica de grandes áreas para mapeamento nas K (0,86cm) 0,75-1,18 40,0-26,5
escalas de 1:10.000 a 1:400.000. A cobertura por satélite
de países com a presença de nuvens é possível. K 1,19-1,67 26,5-18,0

• A cobertura pode ser obtida em horários especificados Ku 1,67-2,4 18,0-12,5

pelo usuário, inclusive à noite.
• Permite o imageamento com ângulos de visada rasantes,
resultando em perspectivas diferentes, que nem sempre po­
dem ser obtidas por fotografias aéreas.
• Atua em comprimentos de onda fora das regiões do es­
pectro eletromagnético óptico e infravermelho, fornecendo
informações sobre rugosidade superficial, propriedades die-
létricas e conteúdo de umidade.
Secundárias
• Certas frequências da energia de micro-ondas penetram a
vegetação, a areia e os níveis superficiais da neve.
• Baseia-se em sua própria fonte de energia, podendo con­
trolar o ângulo de iluminação.
• Permite que a resolução seja independente da distância do
objeto, com tamanhos de célula de resolução de até 1 x lm.
• As imagens podem ser produzidas com diferentes tipos de
energia polarizada (HH, HV, W , VH).
• Pode operar, simultaneamente, em diversos comprimen­
tos de onda (frequências), ou seja, com um potencial de
atuação em multifrequências.
• Pode medir as propriedades das ondas dos oceanos, mes­
mo em altitudes orbitais.
• Pode produzir superposição de imagens para a observação
estereoscópica e para a radargrametria.
• Suporta operações interferométricas usando duas antenas
para o mapeamento 3D e análise da assinatura dos objetos
de acordo com o ângulo de incidência.
A antiga União Soviética lançou o ALMAZ-1, um radar ban­
da S (9,6 cm), em 1991. A Agência Espacial Européia (Euro-
pean Space Agency —ESA) lançou o ERS-1 (European Remote
Sensing Satellite), com um radar imageador na banda C, em
1991, e o ERS-2 em 1995. A ESA lançou o Envisat em 1 de
Março de 2002, com o Radar Avançado de Abertura Sintética
{AdvancedSynthetic Aperture Radar—ASAR) de banda C (5,3
cm), para dar continuidade aos radares ERS-1 e 2. O Japão
lançou o JERS-1 (Japanese Earth Resources Satellite —JERS)
em banda L (23,5 cm), em 1992. O governo canadense co­
locou em órbita o RADARSAT-1 em banda C (5,6 cm), em
1995. O RADARSAT-2 foi lançado em Dezembro de 2007.
X (3,0 e 3,2cm) 2,4-3,8 12,5-8,0
C (7,5; 6,0cm) 3,9-7,5 8,0-4,0
S (8,0; 9,6; 12,6cm) 7,5-15,0 4,0-2,0
L (23,5; 24,0; 5,0cm) 15,0-30,0 2,0-1,0
P (68,0cm) 30,0-100,0 1,0-0,3
As características desses sistemas orbitais SAR estão resumidas
na Tabela 9-1 e são discutidas ao longo desse capítulo.
O sensoriamento remoto por micro-ondas, ativas e passi­
vas, continuará a crescer em importância. Esses sensores
são a única fonte de informações viável para as porções tro­
picais da Terra, caracterizadas por ecossistemas frágeis e em
permanente risco, e por uma cobertura perene de nuvens.
Para uma história detalhada sobre o desenvolvimento do
radar, ver Henderson e Lewis (1998). As vantagens primá­
rias e secundárias do sensoriamento remoto por radar estão
sintetizadas na Tabela 9-2.
Componentes do Sistema Ativo de
Micro-ondas
O imageamento ativo por micro-ondas é obtido usando-
se instrumentos e princípios que são diferentes daqueles
utilizados na aquisição de dados nas porções do espectro
EM no visível, infravermelho próximo, médio e termal,
que se baseiam em técnicas de sensoriamento remoto pas­
sivo. Portanto, é necessário o conhecimento sobre os com­
ponentes do sistema ativo de micro-ondas e sobre como
a energia eletromagnética é enviada, recebida e registrada
pelo sistema sensor, antes que um analista possa fazer uma
interpretação detalhada da imagem de radar. A descrição
será baseada, inicialmente, nas funções e componentes do
sistema de um radar aerotransportado de visada lateral e
de abertura real (real aperture side-looking airborne radar
—SLAR). Na sequência, a discussão será expandida para
incluir os radares de abertura sintética {synthetic aperture ra­
d a r - SAR), que apresentam um melhor desempenho.
Componentes do Sistema Ativo de Micro-ondas 297

a. Intermap Learjet 36 Star3/.

pulso transmitido
>-

retroespalhado

antena

b. Componentes típicos de um sistema de micro-ondas ativas.

Figura 9-1 a) Um radar de visada lateral aerotransportado (SLAR) denominado de Star 3 i IFSAR (radar de abertura sintética interferomé-
trico) está montado na parte inferior de uma aeronave Learjet 36 (cortesia da Intermap Technologies, Inc.). b) Os componentes
de um sistema de micro-ondas ativas e o fluxo de energia através de um típico SLAR. Ele consiste de um equipamento gerador
de pulsos, um transmissor, um duplexer, uma antena, um receptor e um gravador digital. Alguns sistemas têm um monitor
CRT para avaliar os dados que estão sendo coletados. A antena de abertura sintética com 1 metro, como no exemplo, pode
sintetizar uma antena com centenas de metros de comprimento.

Enviando e Recebendo um Pulso de Energia Comprimento de Onda, Frequência e Duração do Pulso

Eletromagnética na Região das Micro-ondas -
Componentes do Sistema
Um típico sistema ativo de micro-ondas SLAR montado
em uma aeronave é mostrado na Figura 9-1 a. Ele consiste
de um equipamento gerador de pulsos, um transmissor,
um seletor (duplexer) que coordena, cuidadosamente, a
transmissão e a recepção da energia ativa das micro-ondas,
uma antena, um receptor, um equipamento de gravação
do tipo gravador digital de alta densidade ou um disco
rígido, e um monitor CRT para que o técnico na aeronave
possa acompanhar, detalhadamente, o imageamento que
está sendo registrado pelo radar (Figura 9-lb).
O radar pode ser montado, também, a bordo de um satéli­
te. O equipamento gerador envia ao transmissor um pulso
eletromagnético, em um comprimento de onda específico
(frequência). Quando no modo enviar, o seletor (duplexer)
envia, então, um pulso de energia polarizada, pela antena,
em direção à superfície da Terra.
O pulso de radiação eletromagnética enviada pelo transmis­
sor através da antena tem uma duração e comprimento de
onda específicos (i.e., duração do pulso medida em microsse-
gundos, pseg). Os comprimentos de onda mais comumente
usados em radares imageadores estão resumidos na Tabela
9-3. Os comprimentos de onda são muito maiores do que os
do visível, do infravermelho próximo, do infravermelho mé­
dio ou do infravermelho termal utilizados em outros sistemas
sensores (Figura 9-2). Assim, a energia das micro-ondas é
medida muito mais em centímetros do que em micrômetros
(Carver, 1988). A nomenclatura incomum associada com os
comprimentos de onda do radar (p.ex., K, Ka, Ku, X, C, S,
L e P) é consequência do trabalho secreto em sensoriamento
remoto de radar na II Guerra Mundial, quando era normal
usar um descritor alfabético ao invés do real comprimento
de onda ou frequência. Esses descritores são utilizados, ainda
hoje, na maioria da literatura científica sobre radar.
Os menores comprimentos de onda de radar são denomi­
nados de banda K. Os comprimentos de onda da banda
298 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
U,z pm
- I ------1-1-------------- 1----------------------------1“
Visível I IV-médio Infravermelho termal
UV Infravermelho próximo
Figura 9-2 Comprimento de onda e a frequência das principais bandas de RADAR. As antenas de RADAR transmitem e recebem a energia
de comprimentos de onda muito longos, da ordem de centímetros, ao contrário dos comprimentos de onda relativamente curtos
das regiões do visível, do infravermelho próximo, médio e termal, que são medidos em micrômetros.
K deveriam, teoricamente, fornecer a melhor resolução de
radar. Infelizmente, nos comprimentos de onda da banda
K, a energia é parcialmente absorvida pelo vapor d’água, e
a penetração em nuvens pode ser limitada. Esta é a razão
pela qual a maioria dos radares de solo usados para ma­
pear a trajetória das coberturas de nuvens e precipitações,
operam na banda K. A banda X inclui os menores com­
primentos de onda frequentemente utilizados por radares
imageadores orbitais e sub-orbitais (Mikhail et al., 2001).
Alguns sistemas de radar funcionam usando mais de uma
frequência e são denominados de radares multifrequência
(p.ex., SIR-C e SRTM) (Tabela 9-1).
A Tabela 9-3 e a Figura 9-2 também fornecem as bandas
de radar em unidades de frequência medida em bilhões de
ciclos por segundo (Gigahertz ou GHz, 109 ciclos seg')•
Os intérpretes que analisam os recursos naturais nas ima­
gens compreendem o conceito de comprimento de onda
com mais facilidade do que o de frequência, adotando
como convenção descrever o radar em termos de seu com­
primento de onda. Por outro lado, os engenheiros normal­
mente preferem trabalhar em unidades de frequência, por­
que, quando a radiação atravessa materiais de diferentes
densidades, a frequência mantém-se constante, enquanto
há uma alteração na velocidade e no comprimento de
onda. Sabendo-se que o comprimento de onda (X) e a fre­
quência (u) estão inversamente relacionados à velocidade
da luz (c), as seguintes relações podem ser obtidas:
c = À.U (9-1)
y 3 x l 0 8ms e g ' (9-2)
u
3 x 108m seg 1 (9-3)
U= X minação de radar, que está a ângulos retos com a direção
A seguinte equação simples pode ser usada para converter,
rapidamente, frequência em unidades de comprimento de
onda de radar:
Bandas de Micro-ondas
10 GHz l GHz
— I---------------------1-------- ►
■+
i i i i i — i r
K,K, X C S L P
X em centímetros = —------— ■ (9-4)
u (em GHz)
Direção de Azimute e de Alcance {Range), Angulo de
Depressão, Angulo de Visada, Angulo de Incidência e
Polarização
Há alguns parâmetros importantes sobre a natureza do
pulso de energia de micro-ondas que é enviado pela antena
à superfície da Terra, incluindo: direção de azimute, alcance
de radar (radar range) ou direção de visada, ângulo de depres­
são, ângulo de visada, ângulo de incidência e polarização. A
discussão a seguir é baseada no uso de um sistema de radar
aerotransportado, embora os princípios sejam igualmente
aplicáveis a um sistema de radar orbital.
Direção de Azimute: Em uma típica configuração S1AR,
a antena é montada abaixo e paralela à fuselagem da aero­
nave (Figura 9-3). A aeronave trafega em uma linha reta
denominada direção de azimute de voo. Pulsos ativos de
energia de micro-ondas iluminam faixas do terreno, for­
mando ângulos retos (ortogonais) com a direção de voo da
aeronave, que é denominada de direção de alcance {range)
ou de visada. A Figura 9-3 detalha uma aeronave equipada
com um sistema SLAR que está iluminando um terreno
em um dos lados da aeronave, porém não abaixo dela. Os
pulsos de energia enviados na direção range iluminam so­
mente uma determinada parte do terreno. O terreno ilu­
minado mais próximo da aeronave, ao longo da linha de
visada, é denominado de near range {alcance próximo) (Fi­
gura 9-3). O ponto mais distante iluminado pelo pulso de
energia, é chamado de far range {alcance distante).
Direção de Alcance (Range)-. A direção de alcance ou de
visada para qualquer imagem de radar é a direção da ilu­
de deslocamento da aeronave ou espaçonave. Em geral,
a direção de visada tem um impacto significativo na in­
terpretação das feições numa imagem. O nível de realce
ou supressão de feições lineares nas imagens depende,
Componentes do Sistema Ativo de Micro-ondas
Características Geométricas do RADAR
ângulos de depressão, i
y, do near- ao f
far-range
•^
ângulos de /
incidência, 0, /
do near- ao
far-range /
Figura 9-3 Características geométricas do imageamento adquirido por um radar de visada lateral aerotransportado (SLAR), através de
uma cobertura de nuvens. Todas as nomenclaturas assumem que o terreno é plano.
principalmente, da sua orientação relativa a uma dada
direção de visada da iluminação do radar. Geralmente, os
objetos que se posicionam em uma direção ortogonal (ou
próxima a ela) à direção de visada são muito mais realça­
dos do que aqueles paralelos à iluminação. Assim, feições
lineares que aparecem escuras ou imperceptíveis em uma
imagem de radar que utilize uma determinada direção de
visada podem aparecer brilhantes em uma outra imagem
de radar com uma direção de visada diferente. Um bom
exemplo disso é apresentado na Figura 9-4, que mostra
o imageamento de radar na Nigéria, África Oriental, ob­
tido usando-se duas diferentes direções de visada. Note
como algumas feições de terreno estão realçadas e/ou su­
primidas nas duas imagens.
299
direção de azimute de voo
ângidos de visada, cp,
do near- ao far-range
altitude acima
do nível do
terreno, H
projeção da linha de
voo no solo
Ângulo de Depressão: O ângido de depressão (y) é me­
dido entre o plano horizontal, que se estende a partir da
fuselagem da aeronave, e o pulso de energia da antena ao
longo da linha de visada do radar, em um ponto específico
no terreno (Figura 9-3). O ângulo de depressão, dentro de
uma faixa iluminada pelo radar, varia do near range para o
far range. O ângulo médio de depressão de uma imagem de
radar é determinado pelo ponto médio entre o near e o far
range. Sumários sobre sistemas de radar fornecem, muitas
vezes, apenas o ângulo médio de depressão.
Ângulo de Visada: O ângulo de visada (O) é medido entre
a vertical da antena à superfície do terreno e a linha de
visada do radar (Figura 9-3). O ângulo de visada varia,
300 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
a. Banda X, polarização H H ^ direção de visada
b. Banda X, polarização H H I direção de visada
Figura 9-4 a) Imagem banda X do Estado de Kaduma, na N i­
géria, obtida por sobrevoo leste-oeste, com visada
de RADAR para norte, b) Esta imagem foi obtida
por uma aeronave, em sobrevoo leste-oeste, com vi­
sada de RADAR para sul. Geralmente, orienta-se a
imagem de radar de forma que a direção de visada
posicione-se no sentido do observador. Dessa forma,
as sombras também estarão posicionadas em direção
ao observador, evitando-se o efeito da ilusão pseudos-
cópica (i.e., a inversão topográfica).
também, do near para o far range e é o complemento do
ângulo de depressão (Mikhail et al., 2001).
Angulo de Incidência: O ângulo de incidência (0) é forma­
do entre o pulso de energia de radar e a linha perpendicular
à superfície da Terra, no ponto onde o pulso faz contato.
Quando o terreno é plano, o ângulo de incidência (9) é o
complemento (0 = 90 —y) do ângulo de depressão (y). En­
tretanto, se o terreno apresenta declividade, não há relação
entre o ângulo de depressão e o ângulo de incidência. O
ângulo de incidência descreve melhor a relação entre o fei­
xe de radar e a declividade superficial. Um diagrama desta
relação é mostrado na Figura 9-5. Muitos estudos mate­
máticos de radar consideram que a superfície do terreno é
Normal à superfície
V
■jÂngulo de incidência, 9
\ q V
Ângulo de
declividade
local, a
Angulo de
Superfície
incidência local.
de espalhamento
Figura 9-5 As relações entre o ângulo de incidência do radar (0),
a vertical verdadeira e o ângulo de declividade local
(a) para um terreno não plano (após Henderson e
Lewis, 1998).
plana (horizontal), assumindo, portanto, que o ângulo de
incidência é o complemento do ângulo de depressão.
Polarização: A energia não-polarizada vibra em todas as
direções possíveis perpendiculares à direção de propagação.
As antenas de radar enviam e recebem energia polarizada.
Isto significa que o pulso de energia é filtrado para que as
vibrações do campo elétrico da onda ocorram somente em
um único plano, perpendicular à direção de propagação.
O pulso de energia eletromagnética enviado pela antena
pode ser polarizado vertical ou horizontalmente, como mos­
trado na Figura 9-6. O pulso de energia eletromagnética
transmitido interage com o terreno e parte dele é retro-
espalhado, à velocidade da luz, em direção à aeronave ou
ao satélite, onde ele passa, novamente, por um filtro. Se a
antena aceita a energia retroespalhada, ela é registrada. Há
vários tipos de energia polarizada retroespalhada que po­
dem ser registradas pelo radar. Por exemplo, é possível:
• enviar energia polarizada verticalmente e receber somen­
te energia polarizada verticalmente (designada W );
• enviar e receber energia polarizada horizontalmente
(HH);
• enviar energia polarizada horizontalmente e receber
verticalmente (H V); ou
• enviar energia polarizada verticalmente e receber hori­
zontalmente (VH).
As configurações H H e W produzem imageamento de
radar com polarização paralela ou co-polarização. As con­
figurações H V e VH produzem imageamento com polari­
zação cruzada. A capacidade para registrar diferentes tipos
de energia polarizada a partir de um elemento de resolução
no terreno possibilita, em certas circunstâncias, a obtenção
Componentes do Sistema Ativo de Micro-ondas 301

Polarização
a antena de radar
transmite energia envia
W polarizada verticalmente vertical

a energia polarizada verticalmente

é retroespalhada da Terra e
recebida pela antena
a antena de radar transmite energia
polarizada horizontalmente envia
horizontal

a energia polarizada horizontal­

mente é retroespalhada da Terra e
recebida pela antena
Figura 9-6 a) Polarização W . A antena de radar transmite energia polarizada verticalmente em direção ao terreno, b) Parte da energia po­
larizada verticalmente não é despolarizada pelo terreno. Um filtro vertical na antena permite que somente a energia polarizada
verticalmente retroespalhada pelo terreno seja registrada, c) Polarização H H . A antena de radar transmite energia polarizada ho­
rizontalmente para a superfície do terreno, d) Parte da energia polarizada horizontalmente não é despolarizada pelo terreno. Um
filtro horizontal na antena permite que somente a energia polarizada horizontalmente retroespalhada pelo terreno seja registrada.

de informações valiosas sobre os recursos naturais da Ter­
ra. Por exemplo, a Figura 9-7 documenta como é possível
obter diferentes informações registrando, seletivamente, a
luz visível (0,4 —0,7 pm) polarizada vertical ou horizontal­
mente. A cena consiste de água, vegetação e blocos flutu­
antes de madeira. Um filtro polarizado verticalmente colo­
cado em frente às lentes da câmera permitiu que somente a
luz polarizada verticalmente passasse através do filme. Um
outro filtro, polarizado horizontalmente e colocado em
frente às lentes, permitiu que somente a luz polarizada ho­
rizontalmente passasse através do filme. Neste exemplo, a
luz polarizada horizontalmente forneceu informações mais
detalhadas sobre a presença e a distribuição das rochas
abaixo da lâmina d’água. De forma semelhante, as rochas
e outros materiais superficiais apresentam características
únicas, de acordo com a polarização, na região das micro­
ondas (p.ex., banda Ka= 0,86 cm). Por exemplo, a Figura
9-8 demonstra como o fluxo de lava basáltica do norte do
Arizona é muito mais facilmente identificável na imagem
de radar de abertura real, banda K , de polarização H Fí,
do que na polarização HV, sendo que as imagens foram
adquiridas ao mesmo tempo e com a mesma direção de
visada. Mais detalhes sobre as interações do terreno com a
energia eletromagnética polarizada encontram-se na seção
de considerações ambientais sobre o radar.
A Geometria da Imagem de RADAR: Slant-Range
(Alcance Inclinado) versus Ground-Range (Alcance
no Terreno)
O imageamento de radar tem uma geometria diferente
daquela produzida pelos sistemas sensores mais convencio­
nais, como câmeras, sistemas multiespectrais de varredura
mecânica ou por matrizes de detectores de varredura eletrô­
nica. Portanto, é necessário considerar as características es­
pecíficas da geometria do imageamento de radar quando se
realizam medições radargramétricas. Em primeiro lugar, a
imagem de radar não-corrigida é aquela que se apresenta na
geometria slant-range (alcance inclinado), i.e., ela é baseada
302 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
O Uso de Filtros de Polarização Vertical e Florizontal
a. O filtro vertical permite somente a passagem da luz
polarizada verticalmente.
b. O filtro horizontal permite somente a passagem da luz
polarizada horizontalmente.
Figura 9-7 a) Um filtro polarizado verticalmente colocado
em frente às lentes de uma câmera permite apenas
a passagem da luz polarizada verticalmente, b) Um
filtro polarizado horizontalmente permite apenas a
passagem da luz polarizada horizontalmente. Nes­
te exemplo, baseado na luz visível, a luz polarizada
horizontalmente forneceu mais informações sobre as
rochas abaixo da lâmina d ’água, do que a luz pola­
rizada verticalmente. Sensores ativos de micro-ondas
podem ser configurados para enviar e receber energia
nas micro-ondas polarizada horizontal e verticalmen-
na distância real entre o radar e cada uma das feições con­
tidas na cena de radar. Por exemplo, na Figura 9-9 obser­
vamos dois campos, A e B, que são do mesmo tamanho no
terreno. Um dos campos está próximo à aeronave {near ran­
ge) e o outro, mais distante (far range). O campo A, próxi­
mo à aeronave, é muito mais comprimido do que o campo
B na direção do alcance inclinado (slant range) (Ford et al.,
b. Banda K , polarização H V norte --------►
Figura 9-8 a) Imagem de radar de abertura real na banda K , com
polarização H H , de um cone vulcânico e de um fluxo
de lava basáltica, no centro-norte do Arizona, b) Ima­
gem simultânea obtida com polarização HV e com a
mesma direção de visada. A forte resposta do fluxo
de lava na imagem com polarização paralela (H H) e
o fraco retorno na imagem com polarização cruzada
(HV) indicam que os blocos de lava são altamente
polarizados. Isto se deve à reflexão direta dos blocos,
que são relativamente grandes em relação ao compri­
mento de onda (cortesia NASA; Carver, 1988).
1980). E possível converter essas informações em geome­
tria slant range (S ) para a ground range (G J projetando-as
no eixo dos x, de forma que as feições na cena mantenham,
umas em relação às outras, as suas propriedades reais de
posicionamento planimétrico na imagem final de radar. A
equação, a seguir, baseada no teorema de Pitágoras aplicado
a um triângulo retângulo, transforma a distância no alcance
inclinado, áU, no início do campo A para uma distância
corrigida no alcance do terreno, Grd, baseado nas relações
trigonométricas entre a altitude do sensor acima de um da-
tum no terreno {H) e os outros dois lados do triângulo, Srd
e GrJ>mostrado na Figura 9-9:
(9-5)
 Resolução Espacial e Temporal para Aplicações Selecionadas
Resolução Temporal (Anos)

Resolução Espacial Nominal

Prancha colorida 1-1 Características de resolução espacial e temporal para aplicações selecionadas. Ao conduzir um projeto de sen-
soriamento remoto, é comum haver uma análise de custo-benefício entre os requisitos de resolução temporal e
espacial. Geralmente, à medida que a resolução temporal aumenta, é comum ser necessário diminuir os requi­
sitos de resolução espacial de tal forma que a quantidade de dados coletados pelo sensor remoto não se torne
de difícil gerenciamento. Felizmente, muitas aplicações que requerem informação espacial muito detalhada
(p.ex., mapeamento de uso da terra) normalmente não requerem dados de alta resolução temporal (isto é, dados
coletados uma vez a cada cinco a dez anos pode ser suficiente). Há exceções a essas regras gerais. Por exemplo,
agricultura de precisão, investigações sobre produtividade agrícola, estudos de tráfego, e aplicações de respostas
a emergências às vezes requerem dados de sensoriamento remoto de muito alta resolução espacial e temporal.
O volume de dados coletados pode criar sérios problemas de gerenciamento e análise de dados. Há também
custos-benefícios com outras resoluções (p.ex., espectral, radiométrica, polarização) que podem precisar de
consideração.
 Imagem do Sol produzida pelo Solar and Heliospheric Observatory (SOHO)
em 14 de setembro de 1999

Prancha colorida 2-1 Imagem do Sol obtida pelo instrum ento EIT do Solar and Heliospheric Observatory (SO H O ) em 14 de
setembro de 1999 (Cortesia do Solar Data Analysis Center, do NASA Goddard Space Flight Center). As
feições brilhantes são chamadas de regiões ativas. O Sol tem um diâmetro de 1.390.000 km. A tem peratura
do centro do Sol é de 15.600.000 K. A temperatura da superfície do Sol (fotosfera) é de 5.800 - 6.000 K.
Exatamente acima da superfície do Sol está a cromosfera. A região acima da cromosfera denomina-se corona e
estende-se por milhões de quilômetros no espaço mas é visível apenas durante os eclipses. As temperaturas na
corona estão acima dos 1.000.000 K. Uma imensa proeminência eruptiva é vista escapando do Sol na região
superior direita. Proeminências são plasmas relativamente “frios” a 60.000 K inseridos na corona circundante
muito mais quente. Se uma erupção como esta for dirigida na direção da Terra pode causar uma significativa
atividade geomagnética no ambiente terrestre. O Sol é o maior objeto no sistema solar e contém 99% da sua
massa (Júpiter contém a maioria do restante). Em massa, o Sol é constituído por 75% de hidrogênio e 25%
de hélio. A geração de energia pelo Sol é de 386 bilhões de bilhões de megawatts por segundo, produzida pe­
las reações de fusão nuclear. O gregos chamavam o Sol de Hélio, enquanto os romanos o denominavam Sol.
Ele é a fonte da maior parte da energia eletromagnética registrada pelos sistemas de sensoriamento remoto.
 Porção Visível do Espectro Eletromagnético de 400 a 700 nm

700
<U
violeta (limite)

|
O
- ti

a
o
>

105________IO'2 . - '3 102 104 106 (pm)

J—►
Gama 1 Raios-X 1 U l t r a - | | o 1 ti 1 I! oaJ 1| Rádio
violeta "+-J j-i ti
cti 01
_. »-< -a Íu-H
o ■<u
C/5 6Ph 2
> s <>U
<u cd
>
cd ti
Gt-i >—<
c

Prancha colorida 2-2
A porção do espectro eletromagnético visível pelos seres humanos é geralmente considerada como sendo de
400 a 700 nm, consistindo da luz azul (400 —500 nm), verde (500 —600 nm) e vermelha (600 - 700 nm). A
imagem do espectro solar foi observada com o Espectrômetro de Transformada de Fourier no McMath-Pierce
Solar Facility no Kitt Peak National Observatory, próximo a Tucson, Arizona, E.U.A. Cada uma das 50 faixas
cobre 60 angstroms e o comprimento de onda aumenta de cima para baixo ao longo de cada faixa. Note que
cada faixa contém linhas de Fraunhofer relativamente estreitas e escuras assim nomeadas em homenagem ao
físico Alemão Joseph von Fraunhofer (1787-1826) por ter “mapeado” a localização de mais de 570 delas no
espectro solar. Cientistas que vieram depois descobriram que as linhas escuras eram causadas por absorção por
elementos químicos nas camadas superiores do Sol e alguma absorção por moléculas de oxigênio na atmosfera
da Terra (usada com permissão de N. A. Sharp, N O A O /N SO /K itt Peak FTS/AURA/NSF).
 Dano do Furacão Katrina em
Gulfport, MS

30 de Agosto de 2003

a. Fotografia aérea oblíqua baixa de uma parte do Grand

Casino que se moveu pela forte tempestade sobre a
rodovia 1-90.

Prancha colorida 4-1 a) Fotografia aérea oblíqua baixa do dano causado por vento e tempestade pelo Furacão Katrina em Gulfport.
MS, obtida em 30 de agosto de 2005 (cortesia do USGS Coastal and Marine Geology Program - Programa de
Geologia Costeira e Marinha), b) Fotografia aérea vertical (cortesia da Divisão de Sensoriamento Remoto da
NOAA, National Oceanic and Atmospheric Administration).
 Dispersão da Luz Branca Através de um Prisma

a.

Síntese Aditivas das Cores Síntese Subtrativas das Cores

Prancha colorida 4-2 a) Sir Isaac Newton descobriu que a luz branca podia ser dividida ou dispersada em seus componentes espectrais
ao passar a luz branca através de um prisma (David Parker, Photo Researchers, Inc.). b) Síntese aditivas das cores
- iguais proporções de luz azul, verde e vermelha superimpostas umas sobre as outras cria luz branca, i.e., a luz
branca é composta pela luz azul, verde e vermelha. As cores complementares amarela, magenta e ciano são cria­
das seletivamente pela adição conjunta de vermelho e verde, azul e vermelho, e azul e verde, respectivamente, c)
Síntese subtrativas das cores - iguais proporções de pigmentos ciano, amarelo e magenta produz uma superfície
preta. Um filtro amarelo efetivamente absorve luz azul, um filtro magenta absorve toda a luz verde, e um filtro
ciano absorve toda a luz vermelha.
 Exposição, Revelação e Formação de Cores num Filme Colorido Normal
A. Reflectância
da Cena

B. Filme após
a exposição
Azul

imagem
Verde e azul latente

Vermelho e azul

C. Filme após o luz branca

processamento re- B G R B G R B G R B G R B G R
verso de revelação | | 1 ^ 1 |__jr J I 1 | | ^ !
Camada sensível ao transparente i v.ll \ 11 .1; l< ' >. . _
Amarelo
1 :
Camada sensível ao M . M •• :.
Magenta
V
Camada sensível ao ( 111hi 1 ( nu» ( li .
Ciano
▼ ▼ i t t t
B G R B G R
D. Cores na Transparência Positiva Vistas pelo Fotointérprete
1
1 | \ rdt Branco
Azul - a cor Verde - a cor Vermelho —a cor
complementar complementar complementar do
do amarelo do magenta ciano

Exposição, Revelação e Formação de Cores no Filme Infravermelho Falsa-Cor

A. Reflectância da
cena

B. Filme após a
exposição

Camada sensível ao
Ifravermelho
imagem
Camada sensível ao latente
Verde
Camada sensível ao
Vermelho
b.
C. Filme após o proces­
samento reverso de B G R B G R B G R B G R
revelação I I j l l-tJ i +, i i i
Camada sensível ao t 1t l> l 1:111 ( . UH)
Ciano
1 * 1'
Camada sensível ao ' \, . , iii i r o l o
Amarelo
f ir
Camada sensível ao V ■ 1 \ 1 ,, ,
Magenta
7
D. Cores na Transparência Positiva Vistas pelo Fotointérprete
preto
Azul - a cor Verde - a cor Vermelho - a cor
complementar complementar complementar do
do amarelo do magenta ciano

Prancha colorida 4 •3 Processo de exposição, revelação e formação das cores em a) filme colorido normal e b) filme colorido falsa-
(cortesia Eastman Kodak).
 Tivoli North Bay no Rio H udson, NY

Prancha colorida 4-4 a) Uma fotografia colorida normal (natural) da Tivoli North Bay ao lado do Rio Hudson, em Nova Iorque,
EUA. A fotografia aérea colorida registra a luz azul, verde e vermelha refletida pela cena. Um filtro anti-névoa
(HF3) geralmente é colocado na frente das lentes para evitar que a luz ultravioleta espalhada atinja o plano do
filme. A vegetação aparece em tons de verde porque as plantas absorvem mais a luz incidente azul e vermelha
do que a verde, b) Uma fotografia aérea infravermelha colorida registra a luz verde, vermelha e infravermelha
refletida pela cena. Um filtro amarelo (Wratten 12) geralmente é colocado na frente das lentes para evitar que
a luz azul atinja o plano do filme. A interface terra-água é especialmente bem delineada porque a água absorve
a maioria da luz incidente no infravermelho próximo fazendo com que ela apareça escura. A vegetação aparece
em tons de magenta porque a vegetação sadia reflete quantidades substanciais de luz no infravermelho próximo
enquanto absorve a maioria da incidente no verde e no vermelho (adaptado do Berglund, 1999).

Universidade de Nebraska, Lincoln, NB, EUA

a. Fotografia colorida normal. b. Fotografia infravermelha colorida.

Prancha colorida 4-5 a) Fotografia colorida normal (natural) de um prédio na Universidade de Nebraska. b) Fotografia infravermelha
colorida tirada usando um filtro menos-azul W ratten 12 (conforme Rundquist e Sampsom, 1988).
 O Sensoriamento Remoto Pode Fornecer Informações pela Medição das Características da Energia
em Regiões Espectrais Além da Percepção Visual Humana

a. Reflectância no verde de uma área de agricultura b. Reflectância no vermelho.

na Arábia Saudita.

c. Reflectância no infravermelho próximo. d. Composição colorida (RGB = infravermelho próximo,

vermelho, verde).

Prancha colorida 5-1 Imageamento multiespectral de uma agricultura com pivô central na Arábia Saudita, a, b) A vegetação absorve
a maior parte da energia incidente no verde e no vermelho fazendo com que os campos vegetados apareçam
em tons escuros nas imagens multiespectrais do verde e do vermelho, c) Por outro lado, a vegetação reflete uma
quantidade substancial de energia incidente no infravermelho próximo, tornando-a brilhante. Neste exemplo,
diversos campos aparecem em tons escuros nas imagens do verde e do vermelho (possivelmente devido à irriga­
ção recente, retirada de uma colheita anterior, ou preparo do solo para plantio), sugerindo a presença de vegeta­
ção. O exame cuidadoso dos mesmos campos na imagem do infravermelho próximo revela que a presença de
vegetação é muito pequena. A imagem do infravermelho próximo provê, também, informação detalhada sobre
a distribuição espacial da biomassa presente em cada campo, d) Uma composição colorida infravermelha torna
claro quais campos estão vegetados (as imagens IRS-1C LISS III são cortesia da Agência Espacial Indiana).
 Uma Ilha de Mangue próximo a Key West, Flórida

Prancha colorida 5-2 Dados do Calibrated Airborne Multispectral Scanner - CAMS (Imageador por Varredura Multiespectral
Aerotransportado) de uma das ilhas próximas a Key West, FL. A resolução espacial é de 2,5 x 2,5 m. A imagem
é uma composição colorida das bandas verde, vermelho e infravermelho próximo. O denso e saudável mangue
(Rhizophora mangale), em vermelho, tem uma altura de 6 a 12 m. As árvores mais altas são encontradas na
periferia, ao redor da ilha, onde as marés fornecem um fluxo contínuo de nutrientes. Duas áreas de areia sem
vegetação estão localizadas no interior da ilha. Um recife de coral circunda a ilha (Davis e Jensen, 1998).

Cartas de Percepção de Cores

Prancha colorida 5-3 Algumas pessoas não percebem a cor como a maioria da população. Isto não as exclui de tornarem-se excelentes
analistas de imagem. Eles apenas necessitam entender a natureza de suas diferenças de percepção das cores, e
ajustá-las. São apresentadas duas cartas de percepção de cores. O observador deve ver um ‘3’ em (a) e um '6 ’ em
(b). Se você vê um ‘5’, no seu próximo exame da visão você deve pedir ao seu oftalmologista que lhe faça o teste
de percepção de cores, para identificar a limitação de sua percepção (Cortesia de Smith, J.T., 1968, Manual of
Color Aerial Photography, American Society for Photogrammetry and Remote Sensing).
 Extração de Informação Planimétrica:
Par Estéreo Aerotriangulado Apresentado como Anáglifo

Prancha colorida 6-1 Anáglifo de um par de imagens estéreo da cidade de Columbia, SC, criado por meio de técnicas de fotograme-
tria digital. Favor usar óculos anaglíficos para visualizar o modelo tridimensional. A fotografia aérea à esquerda
deve ser visualizada com lentes vermelhas, e a fotografia aérea à direita, com lentes azuis.
 Orientação Exterior: P lanta (Usina) da Westinghouse no Rio Savannah
Aquisição Estereoscópica, na Imagem, de Coordenadas de Pontos de Controle no Terreno
Left Image c /W O R K S P "! /lps/ftames/SRS95_~2 TIF Right Imoge c /V»'0RKSP~1 /lps/fram es/SRS95_~3 TIF

Deletel

I- Use Viewer As Reterence

LeftView: jç /workspace/lps
I- Apply Image Shift

jíf nrtl0—.Y z
Re sei

Right VBMc /w Qrkspace/lp;

( ~ Apply Image Shitt

Apply | Reset [

Horizontal: none
Vertical: none

P o int# PointID Description Type Usaqe Active XReference Y Reterence Z Reterence maqe # Imaqe Name Active X File
laymax_pip Control 438912 700 3682631.232
laymax_pip Control 438907 990 3682623 710
Control 438912 870 3682623 110
entonitejoi 438931 951 3682650 304
=ntonite_pip Control 438945249
3ntomte_pip Control 438945250 3682623.192

a.

Fotografia Aérea Sobreposta a um M odelo Digital de Terreno O btido por Fotogrametria

Prancha colorida 6-2 a) Orientação exterior de um par de imagens estéreo da Planta da Westinghouse no Rio Savannah, próximo a
Aiken, SC. b) Modelo Digital de Terreno (M DT) extraído por meio de técnicas de fotogrametria digital ao qual
é sobreposta uma das fotografias aéreas em cor verdadeira do par estéreo, mostrados em perspectiva oblíqua.
Os quatro terraços de teste são usados para analisar a eficácia de vários materiais para cobertura de aterros de
rejeitos tóxicos. Qualquer subsidência devida a problemas associados com a cobertura pode ser documentada,
comparando-se MDTs da região obtidos por sensores remotos em diferentes datas.
 Extração de Informação Planimétrica:
Análise Estereoscópica de um Anáglifo de Par Estéreo Usando a Marca Flutuante

a. Anáglifo de um par estéreo aerotriangulado analisado em três dimensões para a extração

de detalhes planimétricos. Favor visualizar esse par estéreo com o uso de óculos anaglíficos.

b. A projeção horizontal dos edifícios, o perímetro do espelho d’água e o eixo de simetria da via foram extraídos a
partir do anáglifo do par estéreo apresentado acima. Favor visualizar esse par estéreo com o uso de um estereoscópio.

Prancha colorida 6-3 a) Este anáglifo de um par estéreo foi analisado em três dimensões usando a marca flutuante para a identificação
da projeção horizontal dos edifícios, do perímetro do espelho d ’água e do eixo de simetria da via. b) As feições
extraídas são mostradas no par estéreo aerotriangulado e podem ser visualizadas com um estereoscópio.
 Visualizador de Imagens “U SG S G lobal V isualization Vietver”

Órbita 15
Órbita 16
Órbita 17

Ponto 36

Ponto 37

Ponto 38

a. Busca de imagens de Charleston, SC, usando os critérios: órbita/ponto (16/37), Landsat 4-5
TM , Maio de 2005, 100% de cobertura máxima de nuvens; reamostrado para 1.000 pixels.

Sensor Resolution MapLayers Tools File Help

b. Busca por Charleston, SC, usando pixels reamostrados para 240 m.

Prancha colorida 7-1 Uso do sistema de visualização de imagens denominado “USGS Global Visualization Viewer” para localizar
imagens Landsat Thematic Mapper de Charleston, SC.
 Imagem do Sensor Enhanced Thematic M apper Plus do Satélite Landsat 7 de San Diego (Califórnia)

Órbita 40, Ponto 37

Composição colorida falsa-cor (RGB = bandas 4, 3, 2)

Prancha colorida 7-2 Composição colorida do sensor Enhanced Thematic Mapper Plus do satélite Landsat 7 de San Diego (Califór­
nia), obtida em 24 de abril de 2000 (cortesia da NASA).
 Imagem do Sensor Advanced Very High Resolution Radiometer (AVHRR) do Satélite NOAA-16

Temperatura, °C

Mapa de temperatura da superfície do mar (TSM) obtido na banda 4

(10,3 - 11,3 |im) do sensor AVHRR/NOAA-16 em 16 de outubro de 2003,

Prancha colorida 7-3 Mapa de temperatura da superfície do mar (TSM) obtido da imagem do infravermelho termal do sensor
AVHRR do satélite NOAA-16 (cortesia da NOAA e do "Ocean Remote Sensing Program” da Universidade Johns
Hopkins; Gasparovic, 2003).
 Mosaico AVHRR dos Estados Unidos a partir do AVHRR/NOAA

Prancha colorida 7-4 a) Mosaico AVHRR dos Estados Unidos obtido de 16 imagens NOAA-8 e NOAA-9 ( l x l km) adquiridas de
24 de maio de 1984 a 14 de maio de 1986, usando os canais 1 e 2 (Cortesia da NOAA e do USGS). b) Imagem
NDVI (média de agosto) da América do Norte obtida do imageamento feito pelo AVHRR no período de 1981
a 2000 (cortesia da NASA Goddard Space Flight Center Scientific Visualization Studio).
 Dados do Escaneador Multiespectral Aerotransportado do Delta do

b . Composição infravermelho-colorida
obtida em 31 de março de 1981. (RGB = bandas 10, 6, 4).

d. Composição infravermelho-colorida
(RGB = bandas 10, 6, 4).

Prancha colorida 7-5 Imagens do sensor aerotransportado de varredura multiespectral Daedalus D S-1260 do delta do Córrego Four
Mile na Usina Westinghouse do Rio Savannah (Carolina do Sul). a) Imagem da banda 10 do infravermelho próxi­
mo obtida em 31 de março de 1981. b) Composição infravermelho-colorida. c) Imagem da banda 10 obtida em
23 de abril de 1992. d) Composição infravermelho-colorida. Observe as diferenças na distribuição da vegetação
do pântano entre 1981 e 1992 (cortesia da Westinghouse Savannah River Company e do Department o f Energy).
 Imagem SPOT 5 de Los Angeles, Califórnia

colorida 7-6 Imagem SPO T 5 de Los Angeles

(Califórnia) criada pela fusão de
dados pancromáticos (2,5 x 2,5 m)
com dados muldespectrais (10 x 10
m). A imagem foi sobreposta a um
modelo digital de elevação (30 x 30
m) do USGS (© SPOT Image Inc.).

Porção do Primeiro Produto “Síntese Global de 10

Dias” Gerado do Sensor Vegetation do SPOT

Porção de um produto “Síntese de 10

Dias” gerado do sensor Vegetation do
SPOT 4. O produto diário fornece o
índice de vegetação para toda a Terra
na resolução espacial de 1 x 1 km. A
“Síntese Global de 10 Dias” é resul­
tante da análise de dados de “Síntese
Diária” (© SPOT Image, Inc.).

11 a 20 de Maio de 1998
 Imagem Óptica ASTER Terra de Oahu, Havaí.

b. Ampliação centralizada em Pearl Harbor.

Prancha colorida 7-8 Imagem ASTER Terra de Oahu, Havaí (cortesia da NASA/GSFC/MITI/ERSDAC/JAROS, do ASTER Science
Team e do Califórnia Institute o f Technology).
 Imagens Multiespectrais e Pancromáticas do IKONOS de Columbia (Carolina do Sul)

d. Banda pancromática (0,45 - 0,90 pm), 1 x 1 m.

f. Composição colorida resultante da fusão das ban­

das 4, 3, 2 e pancromática.

Prancha colorida 7-9 Imagem IK ON OS de um condomínio de negócios em Columbia (Carolina do Sul), a-d) As bandas multiespec­
trais individuais (4 x 4 m) e a banda pancromática (1 x 1 m) são exibidas, e) Composição colorida das bandas
IKONOS 4, 3 e 2. f) Composição colorida resultante da fusão de dados multiespectrais (4 x 4 m) e pancromá-
ticos (1 x 1 m) (cortesia da GeoEye, Inc.).
 Imagem AVIRIS de Moffett Field (Califórnia)

A imagem da face do cubo

é uma composição colorida
de três das 224 bandas
'
400 nm — - j£ Lagos de evaporação
/
400 nm

224 bandas
com largura
1400 i nominal de
10 nm cada

1400 nm
1900 nm

1900 nm
2500 nm —

2500 :

Prancha colorida 7-10 Cubo hiperespectral do sensor Airborne Visible Infrared Imaging Spectrometer (AVIRIS) de Moffett Field (Ca­
lifórnia), adjacente à Baía São Francisco. Os dados foram adquiridos em 20 de agosto de 1992 pela aeronave
ER-2 (um U-2 modificado) da NASA de uma altitude de 20 km, resultando em uma resolução espacial nominal
de 20 x 20 m. O AVIRIS adquire imagens em 224 bandas (10 nm de largura cada) na faixa espectral de 400 a
2500 nm. Três das 224 bandas do AVIRIS foram usadas para produzir a composição colorida da face do cubo
para realçar a água e os lagos de evaporação à direita. Os lados do cubo exibem apenas os pixels das bordas da
imagem para todas as 224 bandas de 400 nm (topo) a 2500 nm (base). As áreas escuras dos lados do cubo ex­
pressam a forte absorção atmosférica, especialmente em 1400 nm e 1900 nm (vapor d’água). Os lados são mos­
trados em pseudo-cor variando do preto-azul (baixa resposta espectral) ao vermelho (alta resposta espectral). De
particular interesse no cubo, destaca-se uma pequena região de alta resposta espectral no canto superior direito,
logo abaixo dos lagos. Essa resposta espectral alta no comprimento de onda do vermelho (680 nm) é causada
pela presença de 1 cm de salmoura vermelha de camarão nos lagos de evaporação (cortesia de R.O. Green da
NASA Jet Propulsion Laboratory).
 Imagens do Em erge D ig ita l Sensor System (D SS) de Nova Iorque

Fotografia infravermelho-colorida.

b. Fotografia cor-verdadeira.

Prancha colorida 7-11 Dados do Emerge Digital Sensor System (DSS). a) Imagem infravermelho-colorida (RGB = infravermelho próxi­
mo, vermelho e verde) de Dunkirk, Nova Iorque, obtida com resolução de 1 x 1 m em 12 de dezembro de 1998.
A quadra de tênis e a trilha são cobertas por astro-turfa. b) Imagem cor-verdadeira (RGB = vermelho, verde e
azul) de uma área adjacente ao lago Power Authority. Os dados de 30,5 x 30,5 cm foram adquiridos em 13 de
outubro de 1997. Essa bela imagem registrou a senescência de árvores decíduas (cortesia de D on Light).
 Imagem Infravermelha Termal e Videografia Colorida de Segmentos
da Bacia do Rio Umpqua no Oregon

17.0 J L 5

a. Fatiamento colorido da imagem infravermelha termal e videografia colorida natural da confluência do Rio Umpqua do
Sul (27,5 °C) com o Rio Umpqua do Norte (25,7 °C) na posição da milha 109,3 do rio.

b. Confluência do Córrego W olf (19,7 °C) com o Rio Little (22,8 °C) na posição da milha 11 do rio.

Prancha colorida 8-1 Imagens infravermelhas coloridas obtidas por um sistema de visada avante (FLIR) de dois segmentos da Bacia
do Rio Umpqua mostradas junto com videografias em cor natural obtidas ao mesmo tempo. Os dados in­
fravermelhos termais foram calibrados para temperatura superficial e codificados em cores (procedimento de
fatiamento density sliced). As medidas de temperatura superficial da água obtidas por sensoriamento remoto
geralmente estavam no intervalo ±0,5 °C da temperatura cinética verdadeira (as imagens são cortesia do Oregon
Departm ent of Environmental Quality, 2003).
 Detecção Infravermelho Termal da Poluição Térmica das Águas do Rio Savannah

a. Imagem infravermelha termal ( 8 - 1 4 (im) b. Extração de transectos após rotação de 16°.

fatiada de antes do amanhecer.

Histograma do Tansecto B

> 20 °C acima
branco da temperatura
200 ambiente do rio

■ca180
:§>i6o
Ui

O vermelho 10,2 - 20 °C
o 140
-C
m 120
<U laranja 5,2- 10 °C
*T3
io o --
amarelo 3,0_-_5,0 °C
__ verde + 1 °C
80
pantano 12 °C
terra
60 rio
ambiente
40
10 20 30 40 50 60
Pixel no Transecto
d.

Prancha colorida 8-2 a) Produto colorido do fatiamento de um dado infravermelho termal de antes do amanhecer de um pluma
termal do Córrego Four Mile no Rio Savannah em 28 de março de 1981 (resolução espacial de 2,8 x 2,8 m).
A codificação de cores dos dados está de acordo com os intervalos de classe mostrados na Tabela 8-8. b) Três
transectos passam através da pluma após rotacioná-la de 16o. c) Porque é importante rotacionar a imagem, d)
Informação de temperatura no Transecto B mostrada em formato de histograma.
 Fotografia do Ônibus Espacial e Imagem SAR do SIR-C/X do Rio N ilo, Sudão

Prancha colorida 9-1 a) Fotografia do Ônibus Espacial do Rio Nilo, Sudão, b) Composição colorida de imagens SAR do SIR-C/X com­
posta pela banda C com polarização HV, banda L com polarização H V e banda L com polarização H H . Os dados
foram adquiridos pelo Ônibus Espacial Endeavor em Abril de 1994 (cortesia de NASA Jet Propulsion Lab).

Imageamento SAR do SIR-C/X de Rondônia, Brasil

Prancha colorida 9-2 Imagem SAR do SIR-C/X de uma parte de Rodônia, Brasil, obtida em 10 de Abril de 1994. É uma composição
colorida da banda X com polarização W , banda C com polarização H V e banda L com polarização HV. Uma forte
precipitação de chuva aparece como uma nuvem negra na imagem banda X, mais tênue na imagem banda C e é
relativamente invisível na banda L. A floresta tropical aparece em rosa claro (cortesia de NASA Jet Propulsion Lab).
 Interferogramas das Bandas C e L do SIR-C, da Região de Fort Irwin, CA

Prancha colorida 9-3 Interferogramas do SIR-C/X de Fort Irwin, CA, no Deserto de Mojave. As bandas coloridas fornecem detalha­
das informações quantitativas de elevação, que podem ser usadas para construir um modelo digital do terreno
(cortesia de NASA Jet Propulsion Lab).

Imageamento SAR do SIR-C/X de Owens Valley, CA

Prancha colorida 9-4 Visão em perspectiva tridimensional de Owens Valley, perto de Bishop, CA, criada pela combinação de duas
imagens SAR orbitais do SIR-C/X obtidas em Outubro de 1994, usando-se técnicas interferométricas. As
Montanhas Brancas {WhiteMountains) estão no centro da imagem e elevam-se a 3.000m (-10.000 pés). O Rio
Owens e seus tributários podem ser observados (cortesia de NASA Jet Propulsion Lab).
 M odelo de Elevação Digital das Montanhas de Wasatch, em
Utah, Derivado dos Dados SRTM (Shuttle Radar Topography
Mission) e Integrado com Imagem TM Landsat

a. Modelo digital de elevação obtido dos dados SRTM e

visto em perspectiva, no sentido norte.

b. Estéreo-par anaglifo.

Prancha colorida 9-5 a) Modelo digital de elevação derivado dos dados SRTM e integrado com imagem TM Landsat (RGB = bandas
4, 3, 1). Os dados SRTM banda C foram obtidos em 12 de Fevereiro de 2000. b) Uma apresentação em ana­
glifo dos dados SRTM em banda C (por favor, use os óculos anaglifo). c) Um estéreo-par de dados T M Landsat
superpostos ao DEM obtido dos dados SRTM (as imagens são cortesia de NASA Jet Propulsion Lab).
 Comparação Entre o DEM G TOPO 30 e o DEM Derivado dos Dados SRTM do
M onte Kilimanjaro, na Tanzânia e no Quênia

a. Modelo digital de elevação G TO PO 30 de 1 x lkm . b. Modelo digital de elevação derivado dos dados SRTM de 30 x 30m.

c. Modelo digital de elevação G TO PO 30 de 1 x lkm , visto em d. Modelo digital de elevação derivado dos dados SRTM de 30 x 30m.
perspectiva oblíqua, a partir de W-NW.

Prancha colorida 9-6 a) Modelo digital de elevação G TO PO 30 de 1 x lkm . O modelo é parte da base de dados DEM G TO PO 30,
mantida pelo USGS (Serviço Geológico dos Estados Unidos da América), b) Modelo digital de elevação deriva­
do dos dados SRTM de 30 x 30m. c) DEM G TO PO30 visto a partir de W-NW. d) Modelo digital de elevação
derivado dos dados SRTM visto a partir de W-NW. Note os detalhes associados aos pequenos cones vulcânicos
no flanco da m ontanha (as imagens são cortesia de NASA Jet Propulsion Lab).
Radiômetro Avançado por Varredura de Micro-ondas {Advanced M icrow ave Scanning R adiom eter - AM SR-E)

a. Imagem composta da temperatura da superfície do mar (sêa surface temperature - SST)

obtida a partir de dados AMSR-E para Junho de 2002.

de Agosto de 2005.
Prancha colorida 9-7 a) Imagem composta da temperatura da superfície do mar (sea surface temperature - SST), derivada dos dados do
AMSR-E {AdvancedMicrowave Scanning Radiometer), do local de origem dos furacões, a zona de convergência
inter-tropical. b) Uma média de três dias da SST obtida pelo AMSR-E para o Mar do Caribe e o Oceano Atlân­
tico, no período de 25-27 de Agosto de 2005. A água aquecida dos oceanos dão energia aos furacões, e foi uma
grande quantidade de água aquecida que permitiu o crescimento do Furacão Katrina e forneceu-lhe energia
suficiente para cruzar a Flórida e se mover até o Golfo do México. Toda a água com as cores amarelo, laranja e
vermelho está com uma temperatura de > 27,8 °C (82 F). Um furacão requer SST neste nível de temperatura,
ou superior, para se fortalecer. Os dados sobre cobertura de nuvens foram extraídos do imageamento NOAA
GOES. Os dados da terra firme foram obtidos das imagens M O DIS (as imagens são cortesia da NASA e da
Agência Nacional de Desenvolvimento Espacial do Japão).
 L iquidâm bar
{Liquidâmbar styraciflua L.)

80-

70-
folha
60 vermelha

50^ folha
U folha verde folha
c
<w 40 f amarela marrom
ü<U
qq azul verde
30 vermel ho
I
20d

10- Infravermelho
Próximo
e- 0 “ | | | | | | | | | | | | | I
400 500 600 700 800 900 1000
Comprimento de onda (nm)
Prancha colorida 11-1 a) Folha verde fotossintetizante de liquidâmbar (Liquidâmbar styracifluaL.) obtida de uma árvore em 11 de novem­
bro de 1998. b-c) Folhas senescentes amarela e vermelha obtidas da mesma árvore, d) Folha velha de liquidâmbar
coletada no chão. e) Medições espectrorradiométricas de reflectância percentual no intervalo entre 400 e 1050 nm.
 Informações de Referência de Campo Mapa de Classificação da Vegetação,
Sobrepostas a um Canal AVIRIS, 3 de Setembro de 1993
San Luis Valley, CO

a. b.
cevada nenhuma
canola pastagem

aveia para feno vN. spinafre

batata

Mapa de Vegetação Senescente/Estressada

vegetação seca /
solo exposto

Prancha colorida 11-2 a) Informações de referência de campo sobrepostas a uma banda AVIRIS (20 x 20 m) obtida em 03 de setembro
de 1993. b) Mapa mostrando a classificação de espécies de vegetação, obtido pela análise de dados AVIRIS. c)
Mapa de vegetação senescente/estressada (modificado de Clark et al., 1995).
 Biomassa num Trecho da Enseada de Murrells, SC,
derivada a partir de dados do sensor CAMS
(Calibrated Airborne Multispectral Scanner,
Escâner Multiespectral Calibrado Aerotransportado)
Obtidos em 02 de agosto de 1997

Biomassa Total (g/m2)

500 - 749

750 - 999

| 1 1 0 0 0 - 1499

I 1 1 5 0 0 - 1999

I j 2 0 0 0 -2 4 9 9

I j 2 5 0 0 -2 9 9 9

Prancha colorida 11-3 a) Composição colorida natural de um pequeno trecho da Enseada de Murrells, SC, registrado pelo sensor
CAMS (NASA), em 2 de agosto de 1997. b) Composição colorida infravermelha, c) Informação de biomassa
(g/m2) extraída a partir de dados do sensor CAMS (Jensen et al., 1998).
Ciclos Fenológicos de Culturas Agrícolas nas Áreas do San Joaquin Valley e do Imperial Valley, Califórnia,
e Imagens Multiespectrais Landsat de um Campo Obtidas Durante o Ciclo de Crescimento.

Amadure- Colheita Preparo do Solo Plantio Emergência Desbaste

cimento

Algodão

Preparo do Solo Emergência Início dos Florescimento Início das Abertura Colheita Gradagem
Botões Maçãs das Maçãs -
Desfolhamento

Florescimento Primeiro Segundo Terceiro Quarto Q uinto Sexto

Corte Corte Corte Corte Corte Corte

Prancha colorida 11-4 Ciclos fenológicos de a) beterraba açucareira, b) algodão e c) alfafa cultivados no San Joaquin Valley e no Impe­
rial Valley, sul da Califórnia. As imagens MSS/Landsat foram obtidas durante um período de 12 meses em San
Joaquin Valley. As composições coloridas (RGB = bandas 4, 2, 1) de três campos agrícolas foram selecionadas e
colocadas sob os calendários agrícolas de cada uma das culturas citadas.
 Classificação de um Trecho do Imperial Valley, CA, Obtida de Imagem T M /
Landsat (Bandas 1-5 e 7) Coletada em 10 de Dezembro de 1982

a. Bandas T M 3, 2, 1 (RGB). b. Bandas TM 4, 3, 2 (RGB).

c. Bandas T M 5, .3, 2 (RGB). d. Bandas TM 7, 3. 2 (RGB).

Beterraba

Alfafa

Algodão

Pousio

Prancha colorida 11-5 a) Imagem composição colorida normal TM/Landsat de uma porção do Imperial Valley, CA, obtida em 10 de
dezembro de 1982. b - d) Vários tipos de composições coloridas falsa-cor. e) Mapa de classificação obtido via
processamento digital de imagens.
 Cobertura Agrícola da Terra na Região do Rio Mhlathuze, na África do Sul

de Manejo Hídrico #6: bacias dos rios Usutu e Mhlathuze, registrada por imagens SPOT coletadas
em 09 de janeiro de 2004 (RGB = bandas 3, 2, 1).

' >
i •- W ' " £ ■: - \ ,
, si. ■ Á A
1o Á - V
A
r f '>
a * V "'

1 \
. -v .
*
* \~ J H .
>-
-A >
r
/ h jy . * . a ; /
y t EU Cana de Açúcar
EU Citros
•T
cv ' f. •' < EU Floresta
\ />) \ ' \x □ Macega
_______ ... / , 'V '' I Estrada
□ Água
□ Solo Exposto
0 Quebra-Vento
1 I Banana
7 T A ..
b. Mapa de classificação derivado de dados multiespectrais e pancromáticos do satélite SPOT datados de 2004.

Prancha colorida 11-6 a) Imagem em composição colorida HRVIR/SPOT de uma área do Rio Mhlathuze, na República da África do
Sul. b) Mapa de classificação derivada a partir de dados de sensoriamento remoto da área de estudo. Este tipo
de informação é usado pelo Departamento de Assuntos Hídricos e Florestais da República da África do Sul
para inventariar a cobertura da terra como entrada para o sistema espacial de suporte à decisão WARMS (Water
Authorization and Resource Management) (cortesia de Jensen et al., 2006).
 Imagem do Sea-viewing Wide Field-of- View (SeaWiFS)

dezembro de 1997. Cores mais claras indicam maiores concentrações de clorofila.

b. Composição cor-verdadeira do SeaWiFS da costa leste

dos Estados Unidos obtida em 30 de setembro de 1997. SeaWiFS de 30 de setembro de 1997.

Prancha colorida 12-1 Exemplos de dados do sensor remoto Sea-viewing Wide Field-of-View (SeaWiFS, Imageador Oceânico de Gran
de Campo de Visada) (cortesia da NASA Goddard Space Flight Center e da Orbital Imaging Corporation (ORB1
MAGE); usado com permissão).
 Produto Clorofila a do sensor M O DIS

Prancha colorida 12-2 Distribuição de clorofila a em 23 de novembro de 2003 na porção sudeste dos Estados Unidos determinada
com o uso do algoritmo M O DIS Chlor_«_2 (cortesia da NASA).
 Lago Tahoe, Califórnia-Nevada

Profundidade (m)

a. Batimetria determinada por LIDAR e por SONAR b. Informação de retroespalhamento oriunda de

de múltiplos feixes para profundidades inferiores e SONAR de múltiplos feixes.
superiores a 15 m, respectivamente.

c. Visão oblíqua dos dados batimétricos olhando-se para oeste

(ver seta na Fig. a).

Prancha colorida 12-3 a) Batimetriado LagoTahoe resultante do uso do sistema SHOALS LIDAR para profundidades < 15 m e de um
SONAR Kongsberg de múltiplos feixes para profundidades > 15 m. b) Tons mais claros nos dados de retroespa-
lhamento acústico indicam superfícies mais duras, como rochas. Tons mais escuros indicam superfícies menos
compactas, como sedimentos. A superfície ao redor do lago é uma imagem de relevo-sombreado de um modelo
digital de elevação do USGS (10 m). c) O colapso da parte central da margem oeste resultou no lançamento de
grandes blocos com até 20 m de altura sobre o assoalho do lago. Essa grande falha é denominada de “avalanche
de escombros” e é muito similar em tamanho às feições de colapso encontradas ao longo de margens oceânicas
em áreas tectonicamente ativas e em torno de vulcões (cortesia do USGS, 2006).
 Temperatura da Superfície do Mar a partir de Dados NOAA AVHRR

! .õ 1C 22 2-S 26 28

b. Mapa Global de temperatura da superfície do mar (TSM) resultante dos dados NOAA-14 AVHRR.

Prancha colorida 12-4 a) Mapa de temperatura da superfície do mar (TSM) resultante de uma composição de três dias de dados do
infravermelho termal do NOAA AVHRR com a série centrada em 4 de março de 1999. Os pixels com maiores
temperaturas no período de três dias foram alocados para compor a imagem (cortesia da NOAA Coastal Services
Center). b) TSM (°C) em escala global (50 x 50 km) calculada a partir de dados NOAA-14 AVHRR obtidos de 9
a 13 de março de 1999 (95 horas) (cortesia da NOAA/NESDIS).
 Temperatura Mensal da Superfície do Mar (°C)

c. El Nino em dezembro de 1997.

Prancha colorida 12-5 Mapas Reynolds mensais de temperatura da superfície do mar (TSM) determinados a partir de dados in situ de
bóias e de sensoriamento remoto (cortesia NOAA/TAO/National Centerfo r Environment Prediction).
 Tropical Rainfall Measurement M ission (TRMM)

a. Dados do TRM M Microwave Imager (TMI) obtidos em 9 de março de 1998.

b. Dados TRM M de Radar de precipitação

obtidos em 9 de março de 1998.
Altura (km)

Distância (km)
c. Seção transversal ao longo da trajetória com dados de Radar de precipitação do TRM M obtidos em 9 de março de 1998.

Prancha colorida 12-6 a) Dados globais do TRM M Microwave Imager (Imageador de Micro-ondas do satélite Tropical Rainfall Me­
asurement Mission) coletados em 9 de março de 1998. b) Dados de Radar de precipitação do sul da Flórida,
c) Seção-transversal dos dados de Radar de precipitação (cortesia da NASA Goddard T R M M Office e da Japan
National Space Development Agency).
 Bancos de Dados Selecionados da Base Nacional de Dados Espaciais da Carolina do Sul

Imagens Digitais
Ortorretificadas

Hidrologia

Terreno Digital

Transporte

Cobertura da
Terra/Uso
da Terra

Prancha colorida 13-1 Bancos de dados selecionados da Base de Dados Espaciais da Carolina do Sul.

Nível I - Cobertura da Terra Urbana/Não-Urbana para os Condados de

Berkeley, Dorchester e Charleston na Carolina do Sul

d. 4 de janeiro de 1989. e. 17 de março de 1992. f. 3 de fevereiro de 1994.

Prancha colorida 13-2 Nível I - cobertura da terra urbana/não-urbana para os condados de Berkeley, Dorchester e Charleston, locali­
zados em Charleston, SC, obtido de imagens Landsat MSS 79 x 79 m. A informação de cobertura da terra está
sobreposta a uma imagem do infravermelho próximo (MSS banda 4).
 Mapas Minerais de Cuprite, NV, Derivados a Partir de Dados Hiperespectrais AVIRIS
Cuprite, Nevada
AVIRIS AVIRIS 1998 AVIRIS Data
3.9 km AGL 20 km AGL USGSTetraeorder Mineral Map
Sway-ze, Clark, Goetz,
2.3 x 7 m 18 Livo, and Sutlcy
Eaitern Centct
Clays, Micas, Sulfate*, Carb*.
K- Alunite
High Temp
K AJunite
Interm. Temp
K-Na Alunile
LowTemp
Alunite ♦ Kaolimte
Buddingtonite .
N»--Montmorillonite
Wx! Kaolinile
Pxl Kaolinile or
Wxl Kaol. *Other
Dickite
Halloysitc or
Kaol ♦ Mu*c 2
Na.Montmorillonite
Nontronite or Clay
with 2.29um Bd.
Muscovite 1 High
Muscovite 2
Muscovite 3
Muscovite 4 Low
Kíolinite-Muscovite
Intimate Mix
Kaolinile » Musc 2
Chlorite ♦ Muscovite
Intimate Mix
Caleite
Cakite ♦ Muscovite
Calcite ♦
Na Mont or Musc 3 í
Calcite ♦
Ca-Mont or Musc 4
Carbonates or Chlorite|
Chalcedony

v: *•0 o ■*> u
Prancha colorida 14-1 Mapas minerais de Cuprite, NV, derivados a partir de dados ÀVTRIS de baixa-altitude (3,9 km ÀGL - Acima do
Nível do Solo) e de alta-altitude (20 km AGL) obtidos em 11 de outubro de 1998 e em 18 de Junho de 1998,
respectivamente (cortesia de Swayze et al., 1999).

Imagens SIR-C/X-SAR da Shuttle do Vulcão Kilauea, no Havaí

Prancha colorida 14-2 a) Imagem em composição colorida Shuttle SIR-C/X do vulcão Kilauea, H I, (bandas C, X, L) obtida em 12 de
abril de 1994. b) A imagem sobreposta a um modelo digital de elevação. O fluxo de lava sobre o terreno neste
vulcão é muito evidente (cortesia da NASA Jet Propulsion Lab).
 Estéreopar do M onte St. Helens, em Washington

Estéreopar infravermelho
colorido de Fotografia de
Alta Altitude (USGS) do
M onte St. Helens, WA,
obtida em 06 de agosto
de 1981. O domo ativo de
lavas no centro do cone é
visível. Um padrão de dre­
nagem radial foi desenvol­
vido. O norte está à esquer­
da (cortesia do USGS).

O Grand Canyon

a. Composição colorida TM /I.andsat (RGB = bandas 7, 4, 2)

Prancha colorida 14-4 Composições coloridas TM/Landsat de uma porção do Grand Canyon (cortesia NASA).
 Rio Ugab, Namíbia

Prancha colorida 14-5 Imagem AS I ER, do Rio Ugab, na Namíbia, obtida em 5 de dezembro de 2000 (RGB = bandas 7, 3, 1). O
rio passa através de camadas dobradas quase verticalmente de calcário, arenito e siltito finamente estratificados
(cortesia de NASA/GSFC/METI/ERS-DAC/JAROS e U.S./Japan ASTER Science Team).

Rio Mississipi

Prancha colorida 14-6 Composição colorida Thematic Mapper Landsat (RGB = bandas 4, 3, 2) do Rio Mississipi (cortesia Space
Imaging, Inc.)
 Baía Morro, CA

a. Composição colorida T M / Landsat (RGB = bandas 7, 4, 2) b. Composição colorida (RGB = bandas 4, 3, 2)

Prancha colorida 14-7 Composições coloridas Thematic Mapper Landsat de Baía Morro, CA (cortesia Space Imaging, Inc.).

Ilha de Palms, SC

b. Dados multiespectrais Atlas de um mangue atrás da Ilha

a. Ortofotografia infravermelha-colorida NAPP.

Prancha colorida 14-8 a. Porção de uma ortofotografia infravermelha-colorida USGS NAPP da Ilha Sullivan, SC (cortesia U.S. Geolo-
gical Survey). b) Dados do escaneador multiespectral Atlas (2,5 x 2,5 m) de um mangue atrás da Ilha de Palms,
SC, (RGB = bandas 6, 4, 2) (cortesia NASA Stennis Space Center).
 Glacial Glacial
Agassiz Seward

Glacial Malaspina, AL

a. Composição colorida (RGB = bandas 5, 4, 3) ETM 7 b. Visada oblíqua alta do glacial criada pela sobreposição de uma imagem
Landsat do Glacial Malaspina, obtida em 31 de agosto TM /Landsat obtida em fevereiro de 2000 (RGB = bandas 3, 2, 1) com um
de 2000. modelo digital de elevação extraído dos dados SAR interferométricos Space
Shuttle Radar Topography Mission banda C coletados em fevereiro 2000.

Prancha colorida 14 -9 a) Visada vertical infravermelho próximo e b) visada oblíqua alta colorida normal do Glacial Malaspina, no Alasca.
Este é o maior glacial do Alasca e cobre 3.880 km2. E um glacial composto formado pela junção de glaciais de vale,
sendo o Agassiz e o Seward os mais proeminentes deles (cortesia NASA e Jet Propulsion Lab).

Sensoriamento Remoto de Paisagens Glaciais

c. Lago Tahoe, em Sierra Nevada, na fronteira entre a

Califórnia e Nevada.

Prancha colorida 14-10 Composições coloridas Landsat de paisagens glaciais em porções de a) Uinta Mountains, em Utah, b) Cadeia
Wasatch nas Montanhas Rochosas, em Utah, e c) Lago Tahoe, em Sierra Nevada, na fronteira entre a Califórnia
e Nevada. Consultar as anotações nas ilustrações em preto e branco no Capítulo 14 (cortesia U.S. Geological
Survey e Space Imaging, Inc.).
 Deserto Namib, Namíbia, África

a. Imagem ETM+ Landsat 7 do Deserto Namib obtida em 12 de agosto de 2000

(RGB = bandas 5, 4 3).

outubro de 2002. A imagem foi sobreposta num modelo de elevação digital de elevação obtido
de dados estereoscópicos ASTER.

Prancha colorida 14-11 Visada vertical e visada oblíqua baixa do Deserto Namib no Parque Nacional N am ib-Naukluft. Essas são as
dunas mais altas do mundo, algumas > 300 m. A área recebe uma média de apenas 63 mm de chuva por
ano. A cor alaranjada desenvolve-se com o tempo à medida que o ferro contido na areia é oxidado. Q uanto
mais velha a duna, mais brilhante é cor alaranjada (cortesia USGS e NASA/GSFC/M ETI/ERSDAC/JAROS
e U.S./Japan ASTER Science Team).
Componentes do Sistema Ativo de Micro-ondas
Imagem em Slant-R ange versus Imagem
em G round-Range
Figura 9-9 Imagens de radar não-corrigidas apresentam a geome­
tria slant-range (alcance inclinado), onde os objetos no
near-range (alcance próximo) são mais comprimidos
que os objetos no far-range (alcance distante). Neste
exemplo, os campos A e B são do mesmo tamanho e
não apresentam relevo local. A imagem em slant-range
situa-se no plano conectando a antena, a uma altitude
H, com o ponto mais distante no far-range. Quando o
início do campo A é iluminado por um pulso de ener­
gia, com um ângulo de depressão y , ele é projetado
no plano slant-range, como mostra a figura. A mesma
situação ocorre no final do campo A e nos dois lados
do campo B, na imagem em slant-range.
^■<sjrw (9-6)
Também, é possível transformar a geometria slant-range para
a ground-range usando a altura da antena acima do nível lo­
cal do terreno, H, e o ângulo de depressão (y) no ponto de
interesse, usando a seguinte equação (Ford et al., 1980):
G (9-7)
Se quisermos medir a distância verdadeira (ground range)
entre dois pontos em uma imagem de radar, como os pon­
tos 1 e 2 no campo A, podemos usar a seguinte relação
(Henderson e Lewis, 1998):
Grtl,.2 = H (coty, - coty,) (9-8)
que leva em consideração a altitude do sensor, H, e o ângu­
lo de depressão (y) para os pontos 1 e 2 na imagem.
Essas equações assumem que o terreno é plano. Elas não
corrigem as distorções devidas à inversão de relevo (layo-
ver) ou encurtamento de rampa (foreshortening), causadas
303
pelo relevo topográfico (a ser discutido à frente). O intér­
prete deve, sempre, determinar se a sua imagem de radar
apresenta-se com a sua geometria convertida para ground-
range. A maioria dos sistemas e provedores de dados de
radar fornecem as imagens já na geometria ground-range.
Calculando a Resolução em Range
Para determinar a resolução espacial em qualquer ponto de
uma imagem de radar é necessário calcular a resolução em
duas dimensões: as resoluções em range (alcance) e azimute.
O radar é um equipamento que mede as distâncias até os
objetos no terreno, pelo envio e recepção de pulsos de ener­
gia ativa de micro-ondas (Figura 9-10). A resolução em range
é medida ao longo da direção de iluminação do radar e é
proporcional ao comprimento do pulso de micro-ondas.
Quanto menor o comprimento do pulso, mais detalhada é
a resolução em range. O comprimento do pulso é uma função
da velocidade da luz (c) multiplicada pela duração da trans­
missão (x). O intervalo de tempo que a energia de micro­
ondas (p.ex., banda L, 23,5 cm) é transmitida é medido em
microssegundos (10'6 seg), e normalmente varia de 0,4 a
1,0 microssegundos. Isso se traduz em um comprimento de
pulso de 8 a 210 m. O pulso deve seguir uma trajetória até
o alvo e retornar ao sensor. Portanto, é necessário dividir o
comprimento do pulso por 2 para se medir a resolução em
slant-range (alcance inclinado). Para escaloná-la para a reso­
lução em ground-range (alcance no terreno), é necessário mul­
tiplicá-la pelo co-seno do ângulo de depressão (y) . Assim, a
equação para determinar a resolução em range, torna-se:
R (9-9)
r 2cosy
Pode-se perguntar por que não selecionar, então, um com­
primento de pulso extremamente pequeno para se obter
uma resolução em range extremamente detalhada? A razão
é que a quantidade de energia que ilumina o alvo é propor­
cional ao comprimento do pulso. Pulsos muito pequenos
resultarão em um retroespalhamento com sinais de retorno
muito fracos para serem registrados pelo sensor. O sensoria-
mento remoto por micro-ondas fundamenta-se, portanto,
na busca do equilíbrio entre a diminuição do comprimento
do pulso com o objetivo de melhorar a resolução em range
e, ao mesmo tempo, na transmissão de um pulso com ener­
gia suficiente para gerar um forte sinal de retorno.
A regra geral é que, sinais refletidos a partir de dois ob­
jetos distintos no terreno (p.ex., duas casas) podem ser
individualizados se suas respectivas distâncias em range
estão separadas por, pelo menos, metade do comprimento
do pulso. Por exemplo, considere a Figura 9-10, na qual
o terreno está sendo iluminado com um único pulso de
micro-ondas, com duração de 10'7 segundos. Isto significa
304 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
da aeronave é determinado pelo intervalo de tempo
requerido para o pulso de energia de micro-ondas,
viajando à velocidade da luz, atingir o objeto e ser re­
fletido de volta para a antena. Os sinais das casas 1 e 2
retornarão antes do que os sinais das duas casas mais
distantes (3 e 4). Neste exemplo, o comprimento do
pulso de 1 0 7 segundos equivale a 30 m. A resolução
ao longo da direção de iluminação (em range) equiva­
le a metade do comprimento do pulso, neste caso 15
m. As casas 1 e 2 serão registradas na imagem de radar
como objetos distintos. Os dois objetos (casas 3 e 4)
separados por uma distância menor do que a metade
do comprimento do pulso de radar serão registrados
pela antena como um único e amplo objeto.
um pulso com 30 m de comprimento e, portanto, com
uma resolução em range de 13 m. O destino de um pulso
de energia de micro-ondas é monitorado por quatro breves
períodos de tempo. No tempo n, o pulso ainda não atingiu
nenhuma das casas. No tempo n+1, uma parte do pulso foi
refletida de volta à antena enquanto a parte remanescen­
te do pulso continuou a sua trajetória normal. No tempo
n+2, as casas 2, 3 e 4 refletiram, de volta para a antena,
parte da energia de micro-ondas incidente. As casas 1 e
2, por estarem separadas por uma distância superior a 13
m, aparecem como feições distintas na imagem de radar.
As casas 3 e 4, entretanto, por estarem separadas por uma
distância inferior a 15 m, têm os seus sinais de retorno
superpostos e registrados pela antena como um único e
amplo objeto. Essas duas casas serão, provavelmente, de
difícil individualização em uma imagem de radar.
Enquanto o comprimento do pulso permanece constante,
a resolução em range varia linearmente a partir dos pontos
mais próximos (near-range) até os mais distantes (far-range)
da antena de radar. Por exemplo, considere a Figura 9-11,
que mostra as torres 1 e 2, separadas entre si por 30 m e
localizadas mais próximas à antena (near-range), e as torres
3 e 4, também separadas por 30 m, porém localizadas na
região mais distante da antena (far-range). Se usarmos a
Equação 9-9 para calcular a resolução em range na região
mais afastada da antena (far-range), com um ângulo de de­
pressão de 40° e duração de transmissão do pulso de 0,1
pseg, a resolução em range é:
^ (0,1 x 106seg) . (3 x 10” m seg')
2cos40°
í n 1x Iseg \ x 300.000.000 m
\ 1.000.000/ seg
2 x 0,766
0,1 seg „ 300.000.000 m
_ 1.000.000 X seg*
2 x 0,766
n 30 m
* = L532
R = 19,58 m
Portanto, as torres 3 e 4 precisam estar a uma distância
superior a 19,58 m para serem individualizadas na ima­
gem de radar. Como as torres 3 e 4 estão separadas por
30 m, esta individualização é possível. Por outro lado, as
torres 1 e 2, localizadas em região mais próxima à antena
(near-range), com um ângulo de depressão de 65°, não se­
riam individualizadas porque a resolução nesta área seria
de 35,5 m. As duas torres, provavelmente, apareceríam
como um único sinal de retorno.
Calculando a Resolução em Azimute
Até aqui, identificamos somente o comprimento, em me­
tros, de um elemento de resolução de micro-ondas ativas,
com ângulo de depressão e comprimento de pulso espe-
Componentes do Sistema Ativo de Micro-ondas
cíficos, ao longo da direção de iluminação {range). Para
conhecermos as dimensões do elemento de resolução, é
necessário calcular, também, a sua largura, medida na di­
reção do voo do veículo imageador —a direção de azimute.
A resolução em azimute (RJ é determinada pelo cálculo da
largura da faixa do terreno que é iluminada pelo pulso de
radar. Radares de micro-ondas de abertura real produzem
pulsos na forma de lóbulos, similares aos da Figura 9-12,
os quais são estreitos no near-range e alargam-se em dire­
ção ao far-range. Basicamente, a largura angular do lóbulo
é diretamente proporcional ao comprimento de onda do
pulso de energia transmitida, i.e., comprimentos de onda
maiores, lóbulos mais largos, e comprimentos de onda
menores, lóbulos mais estreitos. Portanto, em radares de
abertura real (força bruta), pulsos com comprimentos de
onda menores resultarão na melhoria da resolução em azi­
mute. Infelizmente, os comprimentos de onda menores
são, também, os que apresentam a menor capacidade de
penetração na atmosfera e na vegetação.
Felizmente, a largura do lóbulo é, também, inversamente
proporcional ao comprimento da antena (L). Isto significa
que quanto maior a antena de radar, menor a largura do
lóbulo e melhor a resolução em azimute. A relação entre o
comprimento de onda (A.) e o comprimento da antena (L)
é resumida na Equação 9-10, que pode ser usada para cal­
cular a resolução em azimute (Henderson e Lewis, 1998):
^ S x À,
a (9-10)
L
305
Calculando a resolução em range
para um radar de abertura real,
com dois diferentes ângulos de
depressão (40° e 65°) e um pulso
com duração de 0,1 x 10'6 seg.
As torres podem ser individuali­
zadas no far-range, mas não no
near-range (após Sabins, 1997).
onde 5 é a distância slant-range (alcance inclinado) até o
ponto de interesse. A equação pode ser usada para calcu­
lar a resolução em azimute para qualquer posição entre o
near- e o far-range. Por exemplo, considere as condições
mostradas na Figura 9-12, onde o slant-range próximo
(SncJ é 20 km e o distante (Sfar) é 40 km. Os tanques 1
e 2 e os tanques 3 e 4 estão separados por 200 m. Se um
radar na banda X (3 cm) for utilizado com uma antena
de 500 cm, então a Equação 9 pode ser empregada para
calcular a resolução em azimute no near-range\
^ _ 20 km x 3 cm
“ 500 cm
j^ _ 20.000 m x 0,03 m
' 5m
^ _ 600 m
a 5m
Ra = 120 m
A resolução em azimute no far-range, a 40 km de distância, é:
^ _ 40 km x 3 cm
* 500 cm
D 40.000 m x 0,03 m
R*= ---------5 ^ -----------
306 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas

Antena

distância entre os Figura 9-12 Calculando a resolução em azimu-

tanques 1 e 2 e entre te para duas diferentes distâncias
os 3 e 4 = 200 m (20 e 40 km em slant-range = al­
cance inclinado), com um radar de
abertura real, operando na banda
X (3 cm) e com uma antena de 500
cm. Os tanques mais próximos da
antena (near-range) podem ser in­
dividualizados, porém os mais dis­
tantes (far-range) não.
range

• os tanques 1 e 2 são individualizados

• os tanques 3 e 4 não são individualizados
largura do feixe de
radar de abertura real

R = 1200 m Idealmente, poderia ser construída uma antena extrema­

* 5m
Ra = 240 m
Os tanques 1 e 2, mais próximos da antena (near-range),
seriam, mais provavelmente, individualizados porque a re­
solução em azimute (120 m) é menor do que a distância
entre os tanques 1 e 2 (200 m). Por outro lado, os tanques
3 e 4, mais afastados da antena (far-range), provavelmente
não seriam individualizados, porque a resolução em azi­
mute de 240 m, a uma distância de 40 km (slant-range), é
muito maior do que os 200 m que separam os tanques.
Há uma relação trigonométrica entre a distância slant-ran­
ge (S), o ângulo de depressão (y) e a altura da aeronave ou
satélite acima de um datum local, H:
mente longa que, colocada em uma aeronave permitiría a
obtenção de uma resolução em azimute muito alta. Infe-
lizmente, há um limite prático para o tamanho da antena
(cerca de 2 m) a ser montada em uma aeronave (embora
esse tamanho seja, virtualmente, sem limites no espaço exte­
rior!). Felizmente, há formas de se sintetizar eletronicamente
uma antena longa, o que constitui o fundamento do radar
de abertura sintética, que será discutido resumidamente.
Embora não tenhamos, ainda, detalhado a operação do
radar de abertura sintética (SAR), é importante entender­
mos, nesse momento, as diferenças significativas no cálcu­
lo das resoluções em azimute para os radares de abertura
real e de abertura sintética. A equação para a resolução em
azimute de um radar de abertura sintética (SARJ é:

S=JL (9-11)
seny
onde, L é o comprimento da antena. Como Henderson e
A equação para calcular a resolução em azimute torna-se: Lewis (1998) salientaram,

H \ X (9-12) Esta é uma das mais incríveis equações na dis­

seny) L ciplina do sensoriamento remoto de radar. A
omissão da distância slant-range (S) na equação,
Componentes do Sistema Ativo de Micro-ondas
significa que a resolução em azimute de um sis­
tema SAR é independente da distância (near- ou
far-range) ou altitude do sensor. Teoricamente,
a resolução espacial na direção azimute para um
sistema de imageamento SAR será a mesma,
tanto para uma aeronave como para um satélite.
Não existe outro sistema de sensoriamento re­
moto com esta capacidade!
Entretanto, a Equação 9-13 não é o único parâmetro que tem
impacto nos dados SAR. A natureza coerente do sinal SAR
produz speckle na imagem (espécie de estrutura granular).
Para remover o speckle, normalmente a imagem é processada
utilizando-se diversos looks, i.e., é feito uma média de várias
observações. Por exemplo, pode ser feita a média de quatro
looks (N). Este procedimento aumenta dramaticamente a in-
terpretabilidade dos dados na imagem SAR. Portanto, a reso­
lução em azimute necessita ser ajustada pela equação:
SAR=N{^ (9-14)
O SAR SIR-C tem uma antena de 12 m, que produziría
uma resolução em azimute de 6 m, se a Equação 9-13 fos­
se usada. No entanto, devido ao speckle, os dados SAR
SIR-C foram processados usando-se 4 looks (N=4) para au­
mentar a interpretabilidade dos dados. Assim, a resolução
em azimute ajustada é de 24 m.
Esta discussão inicial resume como as resoluções em range
e em azimute são calculadas dentro de uma faixa imageada
por um radar de abertura real. Observe que o elemento de
resolução pode ter diferentes dimensões, i.e., a resolução
em range poderia ser 10 m e a em azimute 20 m. Portanto,
devido à constante mudança de escala numa imagem de
radar de abertura real, é importante ser cuidadoso na reali­
zação de medidas radargramétricas que abranjam grandes
áreas. Quando se utilizam tais dados, o mais indicado é
calcular as resoluções em range e em azimute para a área
de interesse e, só então, realizar as medições. Se novas áreas
forem selecionadas para estudo, o processo de determina­
ção das resoluções deve ser repetido.
Deslocamento de Relevo no RADAR, Foreshor-
tening (Encurtamento de Rampa), Layover
(Inversão de Relevo), Sombra e Speckle
As distorções geométricas existem em quase todas as ima­
gens de radar, incluindo o foreshortening (encurtamento de
rampa), o layover (inversão de relevo) e o sombreamento.
Quando o terreno é plano, é correto utilizar a Equação
9-6 para converter uma imagem de radar em slant-range
(alcance inclinado) para uma em ground-range (alcance
307
no terreno), que seja planimetricamente correta em x,y.
Entretanto, quando árvores, edifícios altos ou montanhas
estão presentes na cena, ocorrem deslocamentos de relevo
na imagem de radar. Em uma imagem de radar, o deslo­
camento horizontal de um objeto causado pela sua eleva­
ção ocorre em direção à antena do radar (Figura 9 -13a).
Pelo fato de que a imagem de radar é formada na direção
perpendicular à trajetória (range) do veículo imageador, os
objetos mais altos estarão mais próximos da antena e, por­
tanto, serão detectados primeiro. Este aspecto é totalmente
contrastante com o deslocamento de relevo nas fotografias
aéreas ópticas, onde o deslocamento de relevo é radial a
partir do ponto principal (centro) da fotografia. As distor­
ções induzidas pela elevação no imageamento de radar são
denominadas de foreshortening e layover.
Foreshortening e Layover
Basicamente, todo terreno que apresentar uma encosta
voltada em direção ao radar, ela aparecerá relativamente
comprimida na imagem, em relação à encosta do sentido
oposto. O eleito é ilustrado na Figura 9 -13a. O fator de
encurtamento da encosta, F., é, aproximadamente:
Ff = sen(0 - a) (9-15)
onde o ângulo de incidência 9 é medido entre o plano ver­
tical no nadir e a linha que une a antena de radar e a feição
no terreno, e o a é o ângulo de declividade da superfície.
O ângulo alfa é positivo (a*) onde a declividade é inclina­
da em direção ao radar (foreslope = encosta frontal) e nega­
tivo ( a ) onde a declividade é inclinada no sentido oposto
(backslope = encosta dorsal).
Por exemplo, considere o morro com pequena declivida­
de da Figura 9-13a. Ele é perfeitamente simétrico, com as
distâncias AB’ e B’C iguais quando projetadas no plano
ground-range (i.e., alcance no terreno em um mapa pla-
nimétrico). Um único pulso de energia de micro-ondas
iluminando o terreno encontrará, em um primeiro mo­
mento, a base do morro (A) que será registrado na imagem
em slant-range (alcance inclinado) no ponto a. Como o
topo do morro (B) se estende acima do terreno e está re­
lativamente próximo da antena, ele é registrado em b. A
base do morro em C é registrada na imagem em slant-range
no ponto c. Quanto mais alto o objeto acima do terreno,
maior será o seu encurtamento (foreshortening). Neste caso,
a imagem de radar apresentará uma pequena encosta fron­
tal muito brilhante e uma encosta dorsal em tons escuros.
Seria difícil fazer um mapa das feições do morro usando
esta imagem de radar porque o topo do morro, embora
não muito alto, está deslocado da sua posição planimétrica
verdadeira, i.e., ab não é igual a bc. O foreshortening é in­
fluenciado pelos seguintes fatores:
308 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
Figura 9-13 a) Foreshortening (encurtamento de rampa) em uma
imagem de radar em slant-range. As encostas AB de­
veríam ser iguais à sua projeção (slant-range) ab, assim
como BC e bc. Na verdade, a encosta ab é menor e
com maior declividade, enquanto a encosta bc tem
menor declividade e maior comprimento do que de­
veria ter. b) Layover (inversão de relevo) da encosta
frontal AB em uma imagem de radar em slant-range
(ba), causado pelo ângulo de incidência 9 menor que
o ângulo de declividade da encosta frontal a*. Os
pontos a e b estão em posições invertidas, causando o
layover. c) Uma quantidade substancial de sombra é
formada em bd porque o ângulo de declividade dorsal
da encosta (cr) é maior do que o ângulo de depressão
(y) (após Ford et al„ 1980).
• altura do objeto: Quanto maior a altura de um objeto
acima de um datum local, maior o foreshortening.
• ângulo de depressão (ou ângulo de incidência): Quanto
maior o ângulo de depressão (y), ou menor o de inci­
dência (0), maior o foreshortening. Um bom exemplo
pode ser observado na Figura 9-l4a,b, onde o sensor
ERS-1, com seu alto ângulo de depressão de 67° e ân­
gulo de incidência de 23°, introduz mais foreshortening
do que o radar do JERS-1, com seu ângulo de depressão
de 51 ° e incidência de 39°. Pode-se observar, também, o
encurtamento do cone vulcânico no Arizona, registrado
na imagem de radar, quando comparado com uma fo­
tografia aérea vertical convencional (Figura 9-14c,d).
• localização dos objetos ao longo da direção transversal à
trajetória do sensor remoto: Feições na faixa de radar mais
próximas da antena (near-range) são mais comprimidas
do que as feições mais distantes (far-range). O foreshor­
tening faz com que as encostas no near-range pareçam
ter, na imagem de radar, uma declividade maior do que
realmente têm na natureza, e no far-range aparentem
uma declividade menor do que a real.
O layover na imagem de radar é um caso extremo de encur­
tamento da encosta frontal. Ele ocorre quando o ângulo de
incidência (0) é menor do que o ângulo de declividade da
encosta frontal ( a +), i.e., 0 < a*. Este conceito está ilustrado
na Figura 9-13b. Neste caso, as encostas do morro são tão
íngremes que a energia é retroespalhada pelo seu cume (B)
em direção à antena antes que ela chegue à base do morro
(A). Relembre que, em termos de distância planimétrica a
partir do ponto nadir diretamente abaixo da aeronave, a base
do morro (A) está muito mais próxima do que o cume (B),
como está projetado no eixo das distâncias ground-range.
Porém, como o cume do morro (B) reflete a energia micro­
ondas incidente antes que a base do morro (A), na imagem
de radar em slant-range haverá uma inversão de posições
(layover) do cume (a) em relação à base (b). Novamente, o
cume do morro (a) está significativamente deslocado da sua
posição planimétrica verdadeira. Esta distorção não pode
ser corrigida, mesmo quando a topografia superficial é co­
nhecida. É necessária uma atenção especial na interpretação
de imagens de radar em áreas montanhosas, onde o layover
pode ocorrer. As cristas em branco brilhante na Figura 9-13
representam uma severa deformação por layover em uma
imagem de radar banda L (HH) do SIR-C, na região de San
Gabriel Mountains, a leste de Los Angeles, CA.
Sombras
As sombras nas imagens de radar podem realçar a geomor-
fologia e a textura do terreno. As sombras podem, também,
obliterar muitas feições importantes em uma imagem de
Componentes do Sistema Ativo de Micro-ondas 309

ângulo de depressão de 67° ângulo de depressão de 51°

ângulo de incidência de 23° ângulo de incidência de 39°

Figura 9-14 a) A imagem da banda C do ERS-1 das White Mountains mostra um substancial foreshortening devido ao seu pequeno ângulo
de incidência (cortesia Alaska SAR Facility; © 1992, Agência Espacial Européia —ESA). b) A imagem da banda L do JERS-1,
com um ângulo de incidência maior, apresenta uma significativa diminuição de foreshortening (cortesia Alaska SAR Facility;
© NASDA). c) Imagem aérea de radar de abertura sintética (SAR), na banda X, de um cone vulcânico no Arizona. A forma
basicamente cilíndrica do cone está distorcida na direção de visada (slant-range), aparecendo com uma forma mais elíptica do
que em uma fotografia aérea. O foreshortening (deslocamento de relevo em direção à antena de radar) ocorre nas regiões mais
próximas à antena (near-range). Há, também, uma sombra escura em parte da cratera, no topo do cone. d) Fotografia aérea
pancromática vertical de SP Mountain, AZ (cortesia Eric Kasichke, ERIM International, Inc.).

radar, corno as informações na parte posterior de um edi­
fício alto ou o uso da terra em vales profundos. Sob certas
condições, um objeto que se eleve acima de um datum lo­
cal pode causar, pela sua escarpa frontal (foreslope), a refle­
xão total do pulso de energia de micro-ondas, produzindo
uma área de sombra negra na sua escarpa dorsal (backslope).
Uma escarpa dorsal será uma sombra de radar quando o
seu ângulo de declividade (a ‘) for maior do que o ângu­
lo de depressão (y), i.e., a > y (Figura 9-13c). Se os dois
ângulos forem iguais (a' = y), a encosta dorsal será apenas
fracamente iluminada pela energia incidente. Esta situação
é denominada de iluminação rasante, porque o pulso de
radar incide apenas levemente na encosta dorsal. A encosta
dorsal é totalmente iluminada quando o seu ângulo de de­
clividade for menor que o de depressão (a" < y).
A Figura 9-13c demonstra como pode ser formada uma
grande área sombreada a partir de uma escarpa dorsal ín­
greme. Neste caso, a declividade é de aproximadamente 85°
(cr = 85°) e o ângulo de depressão é de 45° (y = 45°). Como
a declividade é maior do que o ângulo de depressão, a ex­
pectativa é que a área seja sombreada. De fato, a superfície
310 CAPITULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
SIR-C (H H ) banda L
20 de Julho de 1995
Figura 9-15 Imagem banda L do SIR-C (H H ) de San Gabriel
Mountains e de uma porção da cidade de Pasadena
(EUA). Observa-se extenso layover (inversão de re­
levo) nos terrenos montanhosos, causando um des­
locamento das linhas de crista em direção à antena
(cortesia de NASA Jet Propulsion Lab).
BCD no terreno está completamente na sombra na ima­
gem de radar em slant-range (bd). Na projeção planimétrica
(ground-rangé), a distância do cume B à base posterior do
morro C é relativamente curta. Porém, na imagem de radar
em slant-range, bd é bastante longa. Uma imagem de radar
nessa disposição apresentaria foreshortening (mas não layo­
ver, porque a antena registraria A antes de B), e registraria
para a encosta frontal um forte brilho de retorno.
A seguir, algumas características importantes das sombras
de radar.
• Diferentemente das fotografias aéreas, onde a luz pode
ser espalhada para as áreas sombreadas e, então, ser re­
gistrada em um filme, as sombras de radar não contêm
nenhuma informação. Ela é negra.•
• Duas feições no terreno (p.ex., montanhas), com idên­
ticas alturas e declividades frontais e dorsais, podem ser
registradas com sombras inteiramente diferentes, de­
pendendo de suas posições ao longo da direção de visa­
da (perpendicular à trajetória do sensor remoto). Uma
feição em posição mais afastada da antena (far-range),
que apresente uma extensa área sombreada, pode ter a
sua encosta dorsal totalmente iluminada em uma posi­
ção mais próxima da antena (near-rangé).
• As sombras de radar ocorrem somente na dimensão per­
pendicular à trajetória da nave. Portanto, a orientação
das sombras na imagem de radar dá informações sobre a
direção de visada e a localização do near- e do far-range.
As sombras no imageamento de radar são úteis quando se
avaliam características geomórficas. As sombras de radar
funcionam como os pequenos ângulos de elevação do Sol
nas fotografias, realçando lineamentos e outras feições
geológicas. Informações sobre a superfície do terreno,
como variações topográficas, declividade, etc., podem ser
usadas para configurar a disposição das linhas de voo na
aquisição de dados de radar, ou para determinar os ân­
gulos de depressão e a largura da faixa de radar (near- e
far-range) que melhor realcem as sombras de radar.
Speckle
O speckle é um padrão granulado, do tipo “sal e pimenta”,
que está presente nas imagens de radar (Figura 9-16) de­
vido à natureza coerente das micro-ondas, que causa uma
interferência aleatória construtiva e destrutiva e, conse­
quentemente, a formação também aleatória de áreas claras
e escuras na imagem. O speckle pode ser reduzido pelo
processamento de porções de uma imagem e pela recom-
binação dessas porções de forma que a interferência não
ocorra (Kasischke et al., 1984). Como mencionado ante­
riormente, este processo é denominado de múltiplos looks
ou integração não-coerente. Ele produz uma melhoria na
aparência da imagem e, em muitos casos, pode ajudar na
interpretação, porém com o custo da degradação da reso­
lução. Por exemplo, considere as imagens de radar da Figu­
ra 9-16, que foram processadas usando-se 1-look, 4-looks
e 16-looks. A maioria dos intérpretes preferiría trabalhar
com as imagens em 4- ou 16-looks.
Sistemas de Radar de Abertura Sintética
O principal avanço no sensoriamento remoto por radar
foi obtido com a melhoria na resolução em azimute atra­
vés do desenvolvimento do radar de abertura sintética
(.synthetic aperture radar - SAR). Como afirmado ante­
riormente, em um sistema de radar de abertura real o
tamanho da antena (L) é inversamente proporcional à
largura angular do feixe de radar que iluminará o terre­
no (Equação 9-10). Portanto, uma grande melhoria na
resolução em azimute pode ser obtida se for aumenta­
do o tamanho da antena. Os engenheiros desenvolveram
procedimentos para sintetizar (simular) eletronicamente
uma antena de tamanho muito grande. Assim como o ra­
dar de abertura real, o radar de abertura sintética também
utiliza uma antena pequena (p.ex., lm ; ver Figura 9-1),
que envia um feixe de radar relativamente amplo, per-
Componentes do Sistema Ativo de Micro-ondas
Figura 9-16 Redução de speckle no radar utilizando-se a técnica
de múltiplos looks (cortesia Eric Kasischke, ERIM
International, Inc.).
pendicularmente à aeronave. A principal diferença está
no número maior de pulsos que é enviado em direção ao
objeto. Os princípios do efeito Doppler são, então, usados
para monitorar o retorno de todos esses pulsos adicionais
de micro-ondas e sintetizar a resolução em azimute para
se obter um feixe de radar bastante estreito.
311
Os princípios Doppler estabelecem que a frequência (altura)
de um som muda se o ouvinte e/ou a fonte estão em mo­
vimento relativo, um em relação ao outro. Por exemplo, o
apito de um trem em movimento terá um aumento nos sons
com frequências mais altas à medida que o trem aproxima-
se do ouvinte. Este aumento será o mais alto quando estiver
diretamente perpendicular ao ouvinte (receptor). Este caso
é chamado de Doppler ponto zero. Conforme o trem se
afasta, o som diminuirá em frequência na mesma propor­
ção da sua distância ao ouvinte (receptor). Este princípio
é aplicável ao movimento de todas as ondas harmônicas,
incluindo as micro-ondas utilizadas nos sistemas de radar.
A Figura 9-17 representa as mudanças de frequência Do­
ppler em um feixe de radar, devido aos deslocamentos re­
lativos de um objeto no terreno nos tempos n, n+1, n+2,
n+3 e n+4, ocasionados pela movimentação da aeronave.
O diagrama de frequência Doppler revela que a frequência
do pulso de energia retornando do alvo aumenta de um
mínimo no tempo n para um máximo no ponto n+3, nor­
mal (ângulo reto) à aeronave. A partir daí, à medida que o
alvo se afasta, de n+3 para n+4, a frequência diminui.
Como é produzida, de fato, uma imagem de abertura sinté­
tica? Uma longa antena pode ser simulada por uma antena
pequena que não comprometa a movimentação da aerona­
ve, baseando-se nos princípios do efeito Doppler. Assume-
se que o terreno seja estável e sem movimento. Assume-se,
também, que o objeto de interesse permaneça a uma dis­
tância hxa da linha de voo da aeronave. À medida que o
veículo portando o sensor voa ao longo de uma linha reta,
uma pequena antena montada em sua fuselagem envia uma
série de pulsos a intervalos regulares. Quando um objeto
(ponto negro) entra no campo de iluminação da antena
(Figura 9 -17a), ele reflete uma parte dos pulsos de volta
à antena. Em vários pontos, na trajetória da aeronave, o
objeto estará em uma determinada região do conjunto de
micro-ondas que constitui o pulso. Por exemplo, na ilustra­
ção o objeto está, inicialmente, na onda 9 do pulso em a,
na onda 8 em b, na 7 em c e 6,5 em d, onde o objeto está
em ângulo reto com a antena. A partir daí, aumenta a dis­
tância do objeto, p.ex., ponto e. A antena recebe uma série
de ondas refletidas e as combina eletronicamente com o
conjunto de ondas de referência (não mostrado), e avalia a
interferência entre as duas séries oscilatórias. O sinal de in­
terferência é transformado em uma voltagem, que controla
o brilho de um sistema de varredura em um tubo de raios
catódicos. Quando o pulso refletido coincide com o pulso
de referência, a interferência é construtiva, a voltagem será
alta e a resposta será de alto brilho (tons claros). Quando
a fase das ondas refletidas não coincide com a fase de re­
ferência, a interferência é destrutiva, a voltagem é baixa e
a resposta é de baixo brilho (tons escuros). O sistema de
varredura registra, então, uma série de áreas claras e escuras,
312 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas

Pulsos de energia
de micro-ondas

[ ] holograma de radar
9 8

Figura 9-17 Uma longa antena pode ser simulada por uma antena pequena (p.ex., lm de comprimento), que não comprometa a movi­
mentação da aeronave, baseando-se nos princípios do efeito Doppler. À medida que a aeronave voa ao longo de uma linha
reta, uma pequena antena montada em sua fuselagem envia uma série de pulsos, a intervalos regulares. Cada pulso consiste
de um conjunto de micro-ondas coerentes. Embora o tamanho dos pulsos determine a resolução perpendicular à trajetória
da aeronave, é o comprimento de onda da radiação de micro-ondas que determina a resolução medida ao longo da trajetória.
Q uando um objeto (ponto negro) entra no campo de iluminação da antena (a), ele reflete uma parte dos pulsos de volta à
antena. Em vários pontos, na trajetória da aeronave, o objeto situa-se em uma determinada região do conjunto de micro-ondas
que constitui o pulso. Por exemplo, na ilustração o objeto está, inicialmente, na onda 9 do pulso em a, na onda 8 em b, na 7
em c e 6,5 em d, onde o objeto está em ângulo reto com a antena. A partir daí, aumenta a distância do objeto, p.ex., ponto e.
A antena recebe uma série de ondas refletidas e as combina eletronicamente com o conjunto de ondas de referência (não mos­
trado), avaliando a interferência entre as.duas séries oscilatórias. O sinal de interferência é transformado em uma voltagem,
que controla o brilho de um sistema de varredura em um tubo de raios catódicos. Q uando o pulso refletido coincide com o
pulso de referência, a interferência é construtiva, a voltagem será alta e a resposta será de alto brilho (tons claros). Quando
a fase dos comprimentos de onda refletidos não coincide com a fase de referência, a interferência é destrutiva, a voltagem é
baixa e a resposta de é baixo brilho (tons escuros). O sistema de varredura registra, então, uma série de áreas claras e escuras, de
diferentes tamanhos, que são impressas em um filme de dados que se move com uma velocidade proporcional à da aeronave
(após Kasischke et al., 1984).
Componentes do Sistema Ativo de Micro-ondas 313

Luz Coerente
Filme de dados de radar
com padrão de interferência Holograma de radar
do ponto

Luz Coerente
Holograma
de radar 9 8 7657 8 etc. Filme fotográfico

\ WWW Lentes

Imagem de radar
imagem do do ponto
objeto
b.

Figura 9-18 a) Quando o holograma revelado é iluminado por uma luz coerente laser, cada área transparente funciona como uma fonte
separada de luz coerente. Abaixo do holograma haverá um único ponto onde toda a luz resultante das ondas interferirá cons­
trutivamente. Aqui, o nono (9) comprimento de onda de luz (linhas curvas grossas) de um ponto transparente criado pela
nona (9) micro-ondas encontrará o oitavo (8) comprimento de onda de luz (linhas normais) de um ponto transparente criado
pela oitava (8) micro-ondas, e ambos encontrarão o sétimo (7) comprimento de onda de luz (linhas finas) de um ponto trans­
parente criado pela sétima (7) micro-ondas, b) Quando o filme de dados avança sob o feixe de luz laser, a imagem reconstruída
é registrada em um outro filme em movimento. Como o filme de dados é holográfico somente nas coordenadas ao longo da
trajetória da aeronave, as imagens nas coordenadas transversais à trajetória precisam ser focalizadas com lentes cilíndricas.

de diferentes tamanhos, que são impressas em um filme que
se move com uma velocidade proporcional à da aeronave.
As áreas opacas e transparentes impressas são, na realidade,
padrões de interferência unidimensionais, e o filme no qual
elas são registradas é denominado de holograma de radar.
Quando o holograma revelado é iluminado por uma fonte
de luz coerente (Figura 9-18a), cada área transparente fun­
ciona como uma fonte separada de luz coerente. Abaixo do
holograma haverá um único ponto onde toda a luz resul­
tante das ondas interferirá construtivamente. Neste exem­
plo, o nono (9) comprimento de onda de luz (linhas cur­
vas grossas), de um ponto transparente criado pela nona
(9) micro-onda encontrará o oitavo (8) comprimento de
onda de luz (linhas normais) de um ponto transparente
criado pela oitava (8) micro-onda e, ambos, encontrarão o
sétimo (7) comprimento de onda de luz (linhas finas) de
um ponto transparente criado pela sétima (7) micro-onda,
e assim por diante (para maior clareza, somente os padrões
9, 8 e 7 são mostrados neste exemplo). Assim, toda a luz
proveniente do padrão de interferência é focalizada para
formar uma imagem em miniatura do objeto original. A
Figura 9 -18b demonstra como a imagem holográfica é
reconstruída e registrada em um filme. Após o processa­
mento do filme negativo para a obtenção de um impresso
positivo, a imagem de radar está pronta para a análise.
O registro da frequência Doppler permite a identificação
de um alvo no filme imagem quando observado por uma
antena de comprimento L, como mostrado na Figura 9-19
(Sabins, 1997). Esta antena, expandida sinteticamente, pro­
duz o efeito de um feixe de ondas bastante estreito e com
largura constante na direção de azimute, mostrado pela
área sombreada na Figura 5-19. Para ambos os sistemas, de
abertura real e sintética, a resolução em range é determinada
pelo comprimento do pulso e pelo ângulo de depressão. Ge­
ralmente, as imagens de abertura sintética apresentam uma
resolução em azimute melhor do que as de abertura real.
Normalmente, o método descrito é denominado de corre­
lação óptica do radar de abertura sintética, devido à preci­
são óptica utilizada. E possível, também, utilizar técnicas de
correlação digital de SAR para registrar e processar a história
da amplitude e da fase dos sinais de retorno do radar. A cor­
relação digital não produz um filme intermediário de radar.
O processo digital é baseado em computação intensiva. As
principais vantagens da correlação digital incluem a habili­
dade para 1) realizar rapidamente as correções radiométrica
e geométrica durante o processamento a bordo da aerona­
ve (bom para emergências, como derramamento de óleo,
inundação, incêndio, etc.), 2) fazer a telemetria dos dados
processados de radar diretamente ao solo, para subsidiar
decisões em tempo real, e/ou 3) arquivar digitalmente em
314 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas

Figura 9-19 Uma antena sintética de comprimento L é construída através do processamento óptico ou digital das fases de retorno do
sinal de radar, enviado e recebido por uma antena real de comprimento D, que envia pulsos no tempo n. O radar de abertura
sintética tem uma resolução em range que é, aproximadamente, a metade do comprimento do pulso. Note que a resolução em
azimute permanece constante desde o near-mnge até o far-mnge (após Sabins, 1997).

discos rígidos os dados SAR para o processamento digital
subsequente em solo. Muitos dos SAR comerciais (p.ex.,
Intermap Star 3 1) e governamentais (RADARSAT Cana­
dense, ESA ASAR) utilizam técnicas de correlação digital.
A Equação de Radar
A discussão a seguir fornecerá informações quantitativas
adicionais sobre o sinal de radar. Uma imagem de radar é
uma representação bidimensional da potência (ou volta­
gem) de retorno do radar de uma área específica no solo,
que representa um elemento de imagem (pixel). Normal­
mente, a potência de retorno é quantizada em uma escala
radiométrica de n bits para a apresentação em sistemas de
processamento de imagens (Leberl, 1990). O RADAR­
SAT é quantizado em 11 bits. Para entendermos como se
interpreta uma imagem de radar, devemos compreender a
natureza da potência que é retroespalhada para a antena
de radar. No caso mais simples, isto pode ser estabelecido
verbalmente, como sugerido por Moore (1983):
/Potência\ _ /Potência por unidade\ ^ /Área de espalhamento\
\ recebida/ \ de área do alvo / \ efetivo do alvo /
x /Perda por espalhamento\ x / Área efetiva de \
\ do sinal re-irradiado / \recepção da antena/
onde a potência por unidade de área do receptor é a energia
retroespalhada pela superfície do terreno. Ocorre perda por
espalhamento porque o sinal inicia-se no ponto de retroespa-
lhamento (p.ex., rochas) e espalha-se em todas as direções, de
forma que a potência por unidade de área é menor a grandes
distâncias do que seria próximo ao ponto de retroespalha-
mento. Portanto, a energia do retroespalhamento para o re­
ceptor é o produto da potência por unidade de área ilumina­
da, vezes a área de espalhamento efetivo do alvo. O tamanho
real da antena receptora também tem a sua influência.
A equação fundamental de radar é derivada da combina­
ção dessas quantidades verbalizadas para criar uma expres­
são matemática (Moore, 1983; Kasischke et ah, 1984):
P P, - Gr -a - A , (9-16)
(4tt)2 . R'
onde, P é a potência recebida, P é a potência transmitida
para o alvo, G é o ganho da antena na direção do alvo,
R é a distância range do transmissor ao alvo, a é a área
de retroespalhamento efetivo do alvo (frequentemente de­
nominado de seção transversal de radar), e d é a área da
antena receptora. Esta equação pode, para maior clareza,
ser quebrada em sete partes:
Pr= Pt. Gt. J __ . a . 1 . A r (9-17)
4nRJ 4nRJ
Considerações sobre a Influência dos Parâmetros Ambientais no RADAR
1 = 2 . 3 . 4 . 5. 6 . 7 .
A potência recebida [1] pelo sistema de radar, P , é uma
função de um pulso de energia eletromagnética, P [2], fo­
calizado num feixe com uma abertura angular por uma
antena, de forma que o fluxo torne-se maior por um fator
de G , em uma onda que se expande esfericamente [4]. A
energia focalizada ilumina uma área no solo que tem uma
seção transversal a [5]. A seção transversal de radar é defi­
nida como o equivalente de uma área de reflexão perfeita,
refletindo isotropicamente (esfericamente). A energia re­
troespalhada da superfície expande-se, mais uma vez, esfe­
ricamente [6], Finalmente, a área da antena receptora (A)
intercepta e registra [7] uma parte da onda refletida.
Muitos radares utilizam a mesma antena para transmissão
(A) e recepção (A). Consequentemente, os fatores de ga­
nho de uma antena podem ser combinados usando-se o
ganho e a abertura de recepção como (Moore, 1983):
4nA (9-18)
G= Gt = Gr =_____ r_
X1
onde, X é o comprimento de onda (ou frequência) do sis­
tema de radar. Substituindo este valor na Equação 9-16
ou 9-17, ocorrerá uma modificação na equação de radar
(Carver et al., 1985):
n. P,- Gr <3 . X2 (9-19)
(4tt)3 . R*
Assim, concluímos que a equação de radar pode ser vista
como um produto dos parâmetros do sistema e de outros
parâmetros da superfície que produzem o retroespalhamen­
to na seção transversal a. Como os parâmetros do sistema
são bem conhecidos, os seus efeitos podem ser removidos
da imagem de radar, i.e., os parâmetros do sistema podem
ser ajustados para a unidade (1).
São os efeitos do terreno sobre o sinal de radar que mais
nos interessa, i.e., a quantidade de energia refletida pela
seção transversal, a , para o receptor, por unidade de área
(A) no terreno. Isto é denominado de coeficiente de retroes­
palhamento do radar (o°) e é calculado como:
ct° = — (9-20)
A ser analisada em microescala, mesoescala e/ou macroescala.
onde, ct é a seção transversal de radar. O coeficiente de
retroespalhamento determina a porcentagem de energia
eletromagnética refletida por uma célula de resolução,
p.ex. lOxlOm, para o radar. O o° real para uma superfície
depende de diversos parâmetros do terreno, como geome­
tria, rugosidade superficial e conteúdo de umidade, e de
parâmetros do sistema (comprimento de onda, ângulo de
315
depressão, polarização; Leberl, 1990). O ct° fornece um
número adimensional, que define o comportamento do
espalhamento de todos os elementos contidos em uma de­
terminada célula no terreno. Como o ct° pode variar por
diversas ordens de magnitude, ele é expresso como loga­
ritmo com unidades de decibéis (dB), que normalmente
variam de —5 a +40 dB.
A seção transversal de radar de uma área (A) no terreno
torna-se, portanto, (o°A), e a forma final da equação de
radar para uma área extensa é expressa como (Henderson e
Lewis, 1998; Mikhail et al., 2001):
/ G2. X 2 \ (9-21)
Pr = Pr (oM)
[m n fj
Uma imagem SAR digital consiste de um arranjo (matriz)
bidimensional de elementos de imagem (pixels), com a in­
tensidade (chamada de brilho) de cada pixel proporcional
à potência do pulso de micro-ondas refletido pela célula
correspondente no terreno (Waring et al., 1995). O sinal
de radar refletido é proporcional ao coeficiente de retroes­
palhamento (ü”) de uma dada célula no terreno.
Considerações sobre a Influência dos
Parâmetros Ambientais no RADAR
Já tendo definido o coeficiente de retroespalhamento do ra­
dar, ct°, como a medida quantitativa da intensidade de ener­
gia de uma área específica na superfície da Terra que retorna
à antena do radar, é importante identificar os parâmetros
ambientais, dentro da célula de resolução no terreno, que são
responsáveis pelo retroespalhamento da energia incidente.
Características da Rugosidade Superficial
A rugosidade superficial é a propriedade do terreno que in­
fluencia fortemente a intensidade do retroespalhamento de
radar. Quando interpretamos fotografias aéreas, frequente­
mente utilizamos a terminologia “rugoso” (grosseiro), “in­
termediário” ou “liso” (fino) para descrever texturas super­
ficiais características (ver Capítulo 5). E possível estender
esta analogia para a interpretação de imagens de radar se
considerarmos que, neste caso, a rugosidade superficial pode
Normalmente, a rugosidade superficial em microescala é me­
dida em centímetros (i.e, altura de pequenos seixos, tama­
nho de folhas ou galhos de árvores) e nunca em centenas
ou milhares de metros, como os relevos topográficos ou
montanhas. A quantidade de energia de micro-ondas re­
troespalhada para o sensor, relacionada aos componentes
316 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas

Antena

um refletor especular mento moderado

Figura 9-20 Retroespalhamento pela rugosidade superficial em um terreno iluminado por energia de micro-ondas com 3 cm de com­
primento de onda. a) Com um ângulo de depressão de 45°e um relevo local < 0,17 cm, o terreno representa uma superfície
relativamente lisa e deve produzir um retroespalhamento muito pequeno em direção ao sensor. Este refletor especular apa­
recerá escuro na imagem de radar, b) O relevo local de 0,17 - 0,96 cm representa uma rugosidade superficial intermediária
e deve produzir uma resposta em um tom cinza médio na imagem de radar, c) Quando o relevo da rugosidade superficial
local é > 0,96 cm, a superfície é rugosa e produzirá retroespalhamento muito difuso. Este refletor difuso produzirá tons claros
(brilhantes) na imagem de radar, devido à grande quantidade de energia de micro-ondas refletida para a antena.

de micro-escala, é uma função da relação entre o compri­ h< 3cm

mento de onda da energia de micro-ondas incidente (X), o 25sen45°
ângulo de depressão (y) e a altura local dos objetos (h em ^ 3 cm
cm) que se encontram dentro da célula de resolução que 1<: 25 x0,70711
está sendo iluminada. Podemos usar o critério de Rayleigh
modificado para prever como a superfície da Terra será vista h < 0,17 cm
em uma imagem de radar se conhecermos as características
de rugosidade superficial de microescala e os parâmetros Isto significa que a célula de resolução uniformemen­
mencionados do sistema de radar (X, y, h) (Peake e Oliver, te preenchida com grama seca, que tem uma altura de
1971). Por exemplo, espera-se que uma área com rugosida­ < 0,17cm, deve produzir um retroespalhamento de radar
de superficial lisa apresente um retorno de energia para a an­ relativamente pequeno e, portanto, registrará um tom es­
tena muito pequeno, i.e., ela age como uma superfície com curo na imagem de radar.
reflexão especular, onde a maior parte da energia é refletida
para a direção oposta à da antena (Figura 9-20a). A pequena Um alto sinal de retorno (tons claros) deverá ocorrer se o
quantidade de energia retroespalhada que retorna à antena seguinte critério rugoso de Rayleigh modificado for usado:
é registrada e aparece como uma área escura na imagem de
radar. A expressão quantitativa deste critério liso é: h> — — (9-23)
4,4sen7
h <— (9-22) Substituindo os mesmos comprimento de onda e ângulo
25senÀ, de depressão nesta equação, teremos:
Para ilustrar, calcularemos qual é a altura local (h) dos h> — 3 _ c m —

objetos (p.ex., grama e rochas neste exemplo) necessária 4,4sen45°

para produzir um retorno de radar liso (escuro) quando se
^ 3 cm
utiliza um radar de banda X (X = 3,0cm) com um ângulo
de depressão (y) de 45° (Figura 9-20a). Substituindo esses > 4,4x0,70711
valores na Equação 9-22, teremos: h > 0,96 cm
Considerações sobre a Influência dos Parâmetros Ambientais no RADAR
Tabela 9-4. Critério de rugosidade superficial modifi­
cado de Rayleigh para três diferentes
sistemas de radar com dois ângulos de
depressão diferentes.
Aeronave Aeronave Seasat
Banda Ka Banda X Banda L
Categoria de
Rugosidade X = 0,86 cm X = 3 cm X= 23,5 cm
Superficial y = 45° y =45° y = 70°
Lisa, cm h < 0,048 h < 0,17 h < 1,00
Intermediária, h = 0,048 h = 0,17 h = 1,00
cm a 0,276 a 0,96 a 5,68
Rugosa, cm h > 0,276 h > 0,96
h > 5,68
Portanto, se as rochas distribuídas unifòrmemente na célu­
la de resolução tem um relevo local de > 0,96 cm (Figura
9-20c), o esperado seria um forte sinal de retorno do terreno,
que registraria tons claros (brilhantes) na imagem de radar.
Se o terreno for composto de rochas com um relevo local
entre 0,17 e 0,96 cm, será considerado como tendo ru­
gosidade superficial intermediária para esta combinação de
comprimento de onda e ângulo de depressão, e produzirá
tons intermediários de cinza na imagem de radar.
E importante relembrar que o retroespalhamento de radar
é dependente do comprimento de onda e do ângulo de de­
pressão. Por exemplo, considere a Tabela 9-4, onde o crité­
rio de Rayleigh modificado é calculado para três diferentes
comprimentos de onda de radar (X = 0,86, 3,0 e 23,5 cm)
e dois diferentes ângulos de depressão (y = 45° e 70°). O
terreno com um relevo local de 0,5 cm aparecería em tons
muito claros (brilhantes) na imagem banda Kt e como uma
gradação intermediária de cinza na imagem banda X. Neste
caso, o único parâmetro modificado foi o comprimento de
onda. Se alterarmos o comprimento de onda e o ângulo de
depressão para que sejam iguais aos do SAR Seasat (Tabela
9-4), veremos que o mesmo relevo local de 0,5 cm produ­
ziría um retorno fraco (liso = escuro) nesta imagem banda
L. A significância desta relação reside no fato de que um
mesmo terreno aparecerá diferentemente em uma imagem
de radar em função do ângulo de depressão e do compri­
mento de onda utilizados pelo sensor (Henderson e Xia,
1998). Portanto, é difícil criar “chaves de interpretação em
imagens de radar” quando se analisa um determinado fenô­
meno. Um analista precisa considerar este aspecto sempre
que for interpretar uma imagem de radar. Posteriormente,
veremos que a direção de visada da aeronave ou espaçonave
também causa impacto no retroespalhamento da energia.
Mikhail et al. (2001) sugerem que o seguinte critério tam­
bém pode ser usado para prever se o sinal de retorno do
radar será fraco, intermediário ou forte:
317
• Uma’ superfície produzirá um retorno relativamente
fraco se o seu relevo local for menor que um oitavo do
comprimento de onda incidente. Neste caso, a maior
parte da energia de micro-ondas incidente será espalha­
da ou refletida especularmente para longe da antena,
resultando num sinal de retorno fraco.
• Um sinal de retorno intermediário será produzido
quando o relevo local variar de um oitavo à metade do
comprimento de onda de radar incidente. Esses refle­
tores difusos dispersam energia em todas as direções,
resultando em uma porção moderada de energia retro-
espalhada em direção à antena de radar.
• Um forte sinal de retorno de radar será produzido
quando o relevo local do terreno for maior do que a
metade do comprimento de onda de radar incidente.
A energia de radar incidente pode ser espalhada de acordo
com os critérios de rugosidade superficial de mesoescala e de
macroescala (Henderson e Lewis, 1998). Como mencio­
nado, a rugosidade na microescala é uma função do tama­
nho de folhas, pequenos e, talvez, grandes galhos dentro
de uma célula individual de resolução. Por outro lado, a
rugosidade superficial na mesoescala é uma função das ca­
racterísticas de uma área que englobe diversas células de
resolução, cobrindo, talvez, até todo o dossel de uma flo­
resta. Com base nesta lógica, o esperado seria que os dos­
séis de floresta apresentassem uma textura mais grosseira
do que um gramado, quando registrados em uma mesma
imagem e com os mesmos ângulos de depressão e compri­
mentos de onda. Finalmente, a rugosidade na macroescala
é influenciada, por exemplo, pelo posicionamento de toda
a área florestada na encosta de uma elevação. A rugosidade
na macroescala é fortemente influenciada pela declividade
topográfica e pelo aspecto do terreno, com a presença ou
não de sombras desempenhando um papel muito impor­
tante na criação da rugosidade superficial na imagem.
Características Elétricas (Constante Dielétrica
Complexa) e a Relação com o Conteúdo
de Umidade
Um radar envia um pulso de energia de micro-ondas que
interage com a superfície da Terra. Alguns tipos de terreno
conduzem melhor a eletricidade do que outros. Uma me­
dida das características elétricas dos materiais é a constante
dielétrica complexa, definida como a medida da capacidade
de um material (vegetação, solo, rocha, água, gelo, etc.)
para conduzir a energia elétrica. Materiais superficiais se­
cos, como solo, rocha e vegetação, têm constantes dielétri-
cas que variam de 3 a 8 na região do espectro das micro­
ondas. Por outro lado, a água tem uma constante dielétrica
318 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas

de 80. O parâmetro que apresenta uma influência mais

significativa na constante dielétrica dos materiais é o seu Areia
conteúdo de umidade. Portanto, a quantidade de umidade
em um solo, em uma rocha ou no tecido da vegetação pode
ter um impacto significativo na quantidade da energia de
radar retroespalhada (Mikhail et al., 2001).

Solos úmidos refletem mais energia de radar do que solos

secos, que absorvem mais a onda de radar, dependendo da
constante dielétrica do material que compõe o solo. As ima­
gens de radar podem ser usadas para estimar o conteúdo de
umidade no solo, quando o terreno é desprovido de outros
materiais como plantas e rochas e tem uma rugosidade super­
ficial uniforme. A quantidade de umidade no solo influencia
na profundidade de penetração da energia eletromagnética
incidente. Se o solo tem um alto conteúdo de umidade su­
perficial, então a energia incidente irá penetrar apenas poucos
centímetros na coluna do solo e será mais fortemente espa­
lhada pela superfície, produzindo um forte sinal de retorno.

A regra prática geral é que a penetração da energia de mi­ b. Imagem banda C -H V do SIR-C
cro-ondas em uma substância seca deve ser igual ao compri­
mento de onda do sistema de radar. Entretanto, a energia
de micro-ondas ativas pode penetrar por diversos metros
em solos extremamente secos. Por exemplo, a Figura 9-21
mostra quatro imagens de uma parte do Rio Nilo, próximo
de Fourth Cataract no Sudão. A imagem superior é uma
fotografia registrada pela tripulação do Ônibus Espacial
Columbia, em Novembro de 1995. As três imagens de ra­
dar foram adquiridas pelo Radar de Abertura Sintética nas
bandas C/X do SIR-C (Shuttle Imaging Radar), a bordo do
Ônibus Espacial Endeavor, em Abril de 1994; banda C-HV, c. Imagem banda L-HV do SIR-C
banda L-HV e banda L-HH. Cada imagem de radar for­
nece alguma informação específica sobre a geomorfologia
da área. A faixa branca e contínua na parte superior direita
da imagem de radar é um antigo canal do Nilo, que está,
atualmente, coberto por camadas de areia. Este canal não
pode ser visto na fotografia, e sua existência não era conhe­
cida antes do processamento das imagens de radar. A área à
esquerda nas imagens mostra como o Nilo é forçado a fluir
através de um conjunto de fraturas, que causa a quebra do
rio em canais menores, sugerindo que só recentemente o
rio tenha estabelecido este curso. As imagens de radar têm d. Imagem banda L-H H do SIR-C
permitido aos cientistas o desenvolvimento de novas teorias F ig u ra 9-21 Exemplo de penetração do radar em solo seco ao
para explicar a origem da “Grande Curvatura” do Nilo, no longo do Rio Nilo, no Sudão, a) Versão branco e
Sudão. A Prancha Colorida 9-1 é uma composição colorida preto de uma fotografia infravermelha colorida ad­
das três imagens de radar. A composição revela mais infor­ quirida pela tripulação do ônibus Espacial Colum­
mação visual sobre a geomorfologia regional. bia, em Novembro de 1995. b-d) Imagens SAR do
SIR-C/X adquiridas pelo Ô nibus Espacial Endea­
vor, em Abril de 1994. Informações com diferenças
As superfícies dos oceanos têm uma constante dielétrica
sutis estão registradas em cada uma das três imagens
muito alta, causando a reflexão da maior parte da energia de radar. Elas revelam um antigo, e até então desco­
de radar incidente. A constante dielétrica da neve depende nhecido, canal do Rio Nilo. Os valores de brilho do
do conteúdo de água em estado líquido. Assim, o senso­ radar estão invertidos nesses exemplos (cortesia de
riamento remoto por micro-ondas pode ser usado para de- Jet Propulsion Lab.).
Considerações sobre a Influência dos Parâmetros Ambientais no RADAR
terminar a quantidade de água na neve. De forma similar,
há diferenças na constante dielétrica do gelo, dependendo
da idade, do grau de compactação e do tipo do gelo. O
sensoriamento remoto por micro-ondas tem sido útil para
a extração dessas variáveis biofísicas. Finalmente, áreas
agrícolas com plantações saudáveis e os dosséis de flores­
tas apresentam, normalmente, áreas superficiais relativa­
mente grandes e com alto conteúdo de umidade (turgidez
relativamente alta). Portanto, não é surpresa que dosséis
de vegetação densa e úmida reflitam bem a energia de ra­
dar. Com efeito, o dossel de uma floresta em estágio de
turgidez completa age como uma nuvem de gotas d’água
pairando sobre a superfície da Terra. Além disso, quanto
maior o ângulo de depressão, maior é a sensibilidade do
radar ao conteúdo de umidade no solo e na vegetação.
Resposta da Vegetação à Energia de Micro­
ondas
A ênfase atual é direcionada para se monitorar quantita­
tivamente a distribuição espacial, a biomassa, a produ­
tividade primária bruta e líquida, e as condições das co­
munidades globais de vegetação, especialmente florestas
(aproximadamente 33 por cento da superfície emersa da
Terra), dos ecossistemas do semi-árido (gramínea/estepe/
deserto), das terras agricultáveis (10 por cento) e das áre­
as alagáveis. Os cientistas estão interessados em entender
como a energia e a matéria se movem nesses ecossistemas
vegetados. Muitas dessas áreas vegetadas estão sob uma co­
bertura perene de nuvens. A imagem de radar de abertura
sintética pode fornecer alguns dos parâmetros biofísicos da
vegetação (Carver, 1988):
• conteúdo de água do dossel;
• tipo de vegetação;
• biomassa por componente (folhagem, troncos de or­
dem superior e tronco principal);
• estrutura do dossel (incluindo índice de área foliar
verde), orientação da folha, geometria e distribuição
espacial dos troncos e galhos principais, tamanho e dis­
tribuição angular dos troncos e galhos.
Qualquer dossel de plantas (floresta, agricultura, gramínea,
etc.) pode ser identificado como uma estrutura dinâmica
tridimensional que contém água, consistindo de compo­
nentes de folhagem (folhas) e componentes de madeira
(troncos, galhos e ramos). Os sistemas de sensoriamento
remoto, como o TM (ThematicMapper) Landsat, o SPOT
ou a fotografia aérea registram a energia no comprimento
de onda óptico, medida em micrômetros, que é refleti­
319
da, espalhada, transmitida e/ou absorvida pelas camadas
mais exteriores de folhas e galhos do dossel da vegetação
sadia. Normalmente, obtém-se pouca informação sobre as
características internas do dossel, e menos ainda sobre as
características superficiais do solo, abaixo do dossel. Por
outro lado, a energia de micro-ondas ativas pode penetrar
o dossel em profundidades variáveis, dependendo da fre­
quência, da polarização e do ângulo de incidência do siste­
ma de radar. A energia de micro-ondas responde a objetos
situados na estrutura da vegetação que tenham tamanhos
de centímetros até decímetros. É importante identificar a
relação entre os componentes do dossel e como eles in­
fluenciam o retroespalhamento de radar.
Quando um radar envia um pulso de energia de micro­
ondas com polarização horizontal ou vertical em direção a
um conjunto de árvores, ele interage com os componentes
presentes e espalha parte da energia de volta para o sensor.
A quantidade de energia recebida é proporcional à natureza
da energia enviada (suas frequência e polarização) e depende
da ocorrência ou não de despolarização do sinal pelos com­
ponentes do dossel, de quanto o sinal penetra no dossel, e se
ele, eventualmente, interage com a superfície do solo.
Profundidade de Penetração e Polarização
O retroespalhamento da polarização paralela (HH ou W )
resulta de uma única reflexão dos componentes do dos­
sel, como folhas, galhos e troncos. Esses sinais de retorno
são, geralmente, muito fortes e são registrados como áreas
brilhantes nas imagens de radar com polarização paralela.
Este fenômeno é denominado de espalhamento superficial
do dossel. Por outro lado, se a energia é espalhada múltiplas
vezes dentro de um volume difuso, como um conjunto de
pinheiros (i.e., de uma folha, para um galho, para o tron­
co, para uma folha), a energia pode tornar-se despolariza-
da. Isto é denominado de espalhamento volumétrico. Um
radar pode medir a quantidade de energia despolarizada
pelo espalhamento volumétrico. Por exemplo, é possível
configurar um radar para enviar um pulso de energia com
polarização vertical. Parte dessa energia torna-se despolari­
zada no dossel e atinge de volta o sensor, no domínio ho­
rizontal. A energia despolarizada é, então, registrada pelo
sensor no modo VH —envia vertical e recebe horizontal.
Kasischke e Bourgeau-Chaves (1997) estudaram o com­
portamento do coeficiente de retroespalhamento do radar,
G°, em ambientes arborizados (florestas) e não-arborizados
(p.ex., arbustos, capim, culturas).
Para entender o espalhamento de radar em coberturas de
vegetação complexa, é necessário avaliar os diferentes ní­
veis do dossel que afetam a assinatura de radar. Para áreas
alagáveis contendo arbustos e árvores, há três níveis distin­
320 CAPÍTULO
tos a serem considerados, como mostrado na Figura 9-22a:
1) um nível do dossel que consiste de pequenos galhos e
folhagem (folhas), 2) um nível que consiste de grandes
galhos e troncos, e 3) um nível superficial que pode ou
não estar coberto por água. Para as áreas alagáveis que não
contenham plantas arbóreas, um modelo simples de dois
níveis pode ser usado (Figura 9-22b): 1) um nível do dos­
sel constituído de vegetação herbácea, e 2) um nível na su­
perfície do solo, que pode ser constituído de solo ou água.
O coeficiente de retroespalhamento da vegetação arbórea é
ct° e pode ser expresso como (Wang et al., 1995; Dobson
et al., 1995; Kasischke e Borgeau-Chaves, 1997):
ct°w = ct°c + i c: tt 2(v ct°m + c■t°t ct°s + ct°.)
cl
onde,
• a" é o coeficiente de retroespalhamento da camada do
dossel constituída pelos galhos menores e pela folha­
gem (i.e., espalhamento superficial);
• t é o coeficiente de transmissão do dossel da vegetação;
• xt é o coeficiente de transmissão da camada de troncos;
• ct" é o espalhamento por múltiplas reflexões entre o
solo e a camada do dossel;
• ct" é o espalhamento direto dos troncos das árvores;
• ct" é o retroespalhamento superficial direto do solo;
• ct" /é o espalhamento em dupla reflexão (double-boun-
ce) entre os troncos e o solo.
Pela eliminação de todos os termos associados com a cama­
da de troncos é possível determinar o coeficiente total de
espalhamento do radar para terrenos não-arbóreos, con­
tendo vegetação herbácea, <3"h :
<3 ° , = ct° + t 2 (ct° + ct° ) (9-25)
Os termos nas Equações 9-24 e 9-25 são dependentes 1)
do tipo de vegetação presente (que tem um impacto na ru-
gosidade superficial), 2) do comprimento de onda e da po­
larização da energia de micro-ondas incidente, 3) da cons­
tante dielétrica da vegetação, e 4) da constante dielétrica
da superfície do terreno. O espalhamento e a atenuação
nas equações são diretamente proporcionais à constante
dielétrica. A vegetação viva, com um conteúdo maior de
água (turgidez), tem uma constante dielétrica maior do
que uma vegetação seca ou morta. A presença de orvalho
ou umidade aumenta a constante dielétrica de superfícies
vegetadas (Kasischke e Borgeau-Chaves, 1997). Normal-
Sensoriamento Remoto por Micro-ondas Ativas e Passivas
(9-24)
b. Vegetação não-arbórea (herbácea).
Figura 9-22 Principais fontes de espalhamento de um a) dossel de
vegetação arbórea e b) herbácea, onde o" é o coefi­
ciente de retroespalhamento da camada da copa das
árvores, formada por pequenos galhos e pela folha­
gem (i.e., espalhamento superficial), o°mé o espalha­
mento por múltiplas reflexões entre o solo e a camada
do dossel, a" é o espalhamento direto pelo tronco
das árvores, ct" é o retroespalhamento superficial di­
reto do solo e o''jé o espalhamento por dupla reflexão
(double-bouncé) entre os troncos das árvores e o solo
(adaptado de Kasischke e Borgeau-Chaves, 1997).
mente, o principal controle do coeficiente de atenuação de
um dossel de vegetação é o conteúdo de água por unidade
de volume, não necessariamente a estrutura e a geometria
das folhas, galhos e troncos das plantas.
As condições da camada correspondente à superfície do
terreno também são muito importantes no espalhamento
das micro-ondas em áreas com vegetação. Há duas pro­
priedades desta camada que são importantes: 1) a rugo-
sidade superficial de micro e mesoescala (em relação ao
comprimento de onda de radar discutido anteriormente),
e 2) o coeficiente de reflexão. Em geral, quanto maior a
rugosidade superficial: 1) maior a quantidade de energia
de micro-ondas retroespalhada (aumentando ct"), e 2)
menor a quantidade de energia espalhada à frente (espe­
cular) (diminuindo CT°me CT°^). O coeficiente de reflexão é
dependente da constante dielétrica (ou condutividade) da
superfície do terreno. Uma camada de solo seco tem uma
constante dielétrica baixa e, portanto, um coeficiente de
reflexão também baixo. O aumento da umidade do solo
Considerações sobre a Influência dos Parâmetros Ambientais no RADAR
ocasiona a elevação da constante dielétrica e, por conse­
quência, o coeficiente de reflexão. Dada uma rugosidade
superficial constante, o aumento da constante dielétrica do
solo ocasionará, também, um aumento nas quantidades de
energia de micro-ondas retroespalhada e espalhada à frente
(resultando no aumento de a°m, ct° e ct° ).
Se houver uma camada de água sobre a superfície do terre­
no em uma área com vegetação, como em um ambiente do
tipo terras alagadas (wetlands), duas situações ocorrem: 1) ela
elimina qualquer rugosidade superficial, e 2) ela aumenta sig­
nificativamente o coeficiente de reflexão. Em termos do espa­
lhamento das micro-ondas, a inexistência de qualquer rugo­
sidade superficial significa que toda a energia sofrerá reflexão
especular, eliminando o termo retroespalhamento superficial
(ct°) nas equações; e o aumento do espalhamento à frente e o
maior coeficiente de reflexão resultam num acréscimo signi­
ficativo nos termos de interação solo-tronco e solo-dossel, cQ
e ct" j;, respectivamente (Kasischke e Borgeau-Chaves, 1997).
Profundidade de Penetração e Frequência
Quanto maior o comprimento de onda, maior a penetra­
ção no dossel das plantas (ESA ASAR, 2006). Por exemplo,
a Figura 9-23 descreve a resposta de uma hipotética floresta
de pinheiros à energia de micro-ondas. O espalhamento
superficial ocorre no topo do dossel, onde a energia inte­
rage com as folhas e galhos. O espalhamento volumétrico
pelas folhas, galhos, ramos e troncos ocorre através de todo
o conjunto das árvores (estande), e o espalhamento super­
ficial pode ocorrer novamente na superfície do solo. Uma
comparação das respostas da energia de micro-ondas nas
bandas X, C e L incidente em um mesmo dossel é apre­
sentada na Figura 9-24a-c. A energia do comprimento de
onda menor da banda X (3cm) é atenuada, principalmen­
te, pelo espalhamento superficial no topo do dossel, pelas
folhas e galhos menores. A energia da banda C (5,8cm)
é submetida ao espalhamento superficial no topo do dos­
sel e, em parte, ao espalhamento volumétrico no interior
das árvores. Pouca energia atinge a superfície do terreno. A
energia de micro-ondas na banda L tem uma maior pene­
tração no dossel, onde o espalhamento volumétrico pelas
folhas, galhos, ramos e troncos ocasiona a despolarização da
energia. Pode, também, ocorrer a transmissão de diversos
pulsos até a superfície do terreno, onde são submetidos ao
espalhamento superficial no limite entre o solo e a vegeta­
ção. Os comprimentos de onda maiores da banda P (não
mostrados) permitiríam uma penetração ainda maior na
vegetação, com a reflexão sendo ocasionada, principalmen­
te, pelos galhos maiores e pela superfície do solo (Waring
et al., 1995).
321
espalhamento superficial
do topo do dossel
espalhamento
volumétrico
espalhamentos superficial
e volumétrico da
superfície do terreno
Figura 9-23 Os tipos de espalhamento superficial e volumétrico
das micro-ondas ativas que poderíam ocorrer em uma
hipotética floresta de pinheiros (após Carver, 1988).
Retroespalhamento e Biomassa
O retroespalhamento de radar aumenta de forma apro­
ximadamente linear com aumento da biomassa até um
nível de saturação, que depende da frequência do radar.
Por exemplo, Dobson et al. (1992) determinaram que o
nível de saturação de biomassa era de cerca de 200 tons/
ha de pinheiro Lobloliy, com o uso da banda P e de 100
tons/ha, com a banda L. Observaram, ainda, que o coe­
ficiente de retroespalhamento na banda C mostrou uma
sensibilidade muito menor ao total de biomassa. Wang
et al. (1994) avaliaram o pinheiro Lobloliy usando dados
de retroespalhamento do SAR ERS-1. Eles também ob­
servaram que a banda C apresentou uma baixa efetivida­
de, devido à sua alta sensibilidade à umidade do solo e ao
ângulo de incidência local íngreme (23°). Geralmente, o
retroespalhamento nas menores frequências (bandas P e
L) é dominado pelos processos de espalhamento envolven­
do os componentes maiores da biomassa (troncos e galhos
maiores), enquanto que em frequências altas (bandas C e
X) o espalhamento é dominado pelos processos nas partes
superiores da camada da copa das árvores, que ocorrem nas
folhagem e nas ramificações menores. Também observou-
se que medidas de radar são correlacionadas com medidas
de índice de área foliar (IAF) (Franklin et al., 1994).
322 CAPITULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas

Figura 9-24 Resposta teórica de uma floresta de pinheiro para a energia de micro-ondas nas bandas X, C e L. Q uanto menor o comprimen­
to de onda, maior é a contribuição do espalhamento superficial. Quanto maior o comprimento de onda, maior é a penetração
da energia nos materiais e maior é o espalhamento uolumétrico.

Algumas outras observações gerais sobre a interpretação de
vegetação em SAR incluem:
• A energia polarizada verticalmente é fortemente atenu­
ada pela orientação vertical dos componentes do dossel
(tolhas, galhos, ramos e troncos), enquanto a energia
polarizada horizontalmente não é.
• Quanto mais brilhante for o sinal de retorno nas ima­
gens com polarização paralela (HH ou VV), maior é a
contribuição do espalhamento superficial.
• As imagens com polarização cruzada (HV ou VH) são
menos sensíveis à variação de declividade. Isto sugere
que o monitoramento da vegetação em áreas monta­
nhosas pode ter uma melhor performance usando-se
técnicas de polarização cruzada. As imagens com po­
larização paralela, em áreas com culturas dispostas em
fileiras com diferentes direções, podem ser de difícil
interpretação. Esta ambiguidade pode ser reduzida
quando se dispõe de imagens de radar nos dois tipos de
polarização (cruzada e paralela).

• Quanto mais brilhante for o sinal de retorno nas ima­
gens com polarização cruzada (HV ou VH), maior é
a contribuição do espalhamento volumétrico (interior
do dossel).
• Quando o comprimento de onda do radar é aproxi­
madamente do mesmo tamanho dos componentes do
dossel (banda X ou C), haverá um substancial espalha­
mento superficial e volumétrico e pouca energia atin­
girá o solo. Consequentemente, os comprimentos de
onda menores (2 —6cm) podem ser os preferidos quan­
do se monitora o dossel de plantações ou a folhagem
de árvores. Radar de maiores comprimentos de onda
(9 —30cm) apresentam um espalhamento volumétrico
substancial, com a energia incidente interagindo com
os componentes maiores do dossel. O espalhamento
superficial do solo subjacente também pode ocorrer,
podendo ocasionar alguma confusão na resposta.
• Uma das variáveis chaves para modelar o ciclo hidro-
lógico fundamenta-se na quantidade de água que está
sendo armazenada no dossel da vegetação e na taxa de
evapotranspiração que está ocorrendo. Geralmente,
quanto mais umidade na estrutura da vegetação, maior
será a constante dielétrica e mais elevado será o sinal de
retorno do radar. Sob certas circunstâncias, o sensoria­
mento remoto de micro-ondas ativas é capaz de avaliar
o conteúdo de água do dossel (ou da folha).
• As imagens de radar podem fornecer algumas informa­
ções sobre a ecologia da paisagem de pequenas áreas e
sobre aberturas (lacunas) nos dosséis, que são impor­
tantes no monitoramento da fragmentação e do vigor
de ecossistemas (Sun e Ranson, 1993).
Imagens do Shuttle Imaging Radar nas bandas C e X (SIR-
C/X-SAR) da floresta tropical na Amazônia, obtidas em 10
de Abril de 1994, são mostradas em branco&preto na Figu-
Considerações sobre a Influência dos Parâmetros Ambientais no RADAR 323

ra 9-25 e como composição colorida na Prancha Colorida

9-2. Essas imagens podem ser usadas para demonstrar vários
dos conceitos mencionados. Inicialmente, os dados de radar
multifrequência revelam, rapidamente, mudanças nos pa­
drões de uso da terra e demonstram, também, a capacidade
das diferentes frequências de radar para detectar e penetrar
grandes tempestades. A imagem banda X, no topo da figura,
tem polarização W , a imagem do centro, banda C, é HV, e
a da base, banda L, é HV. Uma pesada tempestade (chuva)
no centro inferior da imagem aparece como uma “nuvem”
negra na banda X, mais tênue na imagem da banda C, e é
invisível na imagem da banda L. Quando combinadas em
uma composição colorida, a chuva aparece em vermelho
e amarelo. Embora o radar possa, normalmente, penetrar
através de nuvens, os pequenos comprimentos de onda do
radar (alta frequência), como os das bandas X e C, podem
ser alterados em áreas com chuvas muito fortes. A banda L,
com comprimento de onda de 23,5cm, praticamente não
é afetada por essas células de chuva. Essas informações têm
sido usadas para estimar as taxas de precipitação (NASA JPL,
1996). Naturalmente, há muito pouco retroespalhamento
pelo rio, o que o torna negro em todas as três imagens.

A área mostrada situa-se no Estado de Rondônia, na porção

oeste do Brasil. As áreas em rosa na composição colorida são
de floresta tropical inalterada, e as manchas em azul e verde
são áreas onde a floresta foi derrubada para a agricultura.
As imagens de radar podem ser usadas para monitorar não
somente as modificações na floresta tropical úmida, mas
também a taxa de recuperação dos campos abandonados.
Uma inspeção nas imagens em preto e branco revela que o
aumento do comprimento de onda da banda X para a C e
para a L torna mais fácil discriminar clareiras das áreas de
floresta tropical. Na imagem em branco e preto da banda
L, as clareiras aparecem em tons relativamente escuros, en­
quanto a floresta tropical aparece com alto brilho. Eviden­
temente, as clareiras apresentam uma rugosidade suficien­
Figura 9-25 Imagens SIR-C/X-SAR de uma parte de Rondônia,
te para que a energia retroespalhada pelas frequências das
Brasil, obtidas em 10 de Abril de 1994. a) Imagem
bandas X e C sejam registradas em tons claros (alto brilho), banda X com polarização VV. b) Imagem banda C
enquanto que os pulsos de energia na banda L são refletidos com polarização HV. c) Imagem banda L com polari­
pela clareira para longe do receptor do radar. A floresta tro­ zação HV. Uma chuva pesada na porção centro infe­
pical aparece relativamente brilhante em todas as imagens rior da imagem aparece como uma “nuvem" negra na
devido: 1) ao imenso número de folhas, galhos, ramos e imagem banda X, mais tênue na imagem da banda C,
e é invisível na imagem da banda L. A banda L, com
troncos que podem contribuir para o espalhamento super­
comprimento de onda de 24cm, praticamente não é
ficial pelo dossel e para o espalhamento volumétrico dentro
afetada por essas células de chuva. A imagem ban­
do dossel (a banda L penetra mais profundamente no dossel da L diferencia, também, as áreas de floresta tropical
e é a que apresenta o maior brilho), e 2) ao alto conteúdo inalterada (tons claros) das clareiras mais escuras, de­
de umidade no dossel da floresta tropical, aumentando o vido à sua maior penetração no dossel, ocasionando
retroespalhamento nas três bandas (NASA JPL, 1996). um maior espalhamento volumétrico. A água aparece
negra nas três bandas. Uma composição colorida das
três imagens é mostrada na Prancha Colorida 9-2
Resposta da Água à Energia nas Micro-ondas
(cortesia de NASA Jet Propulsion Lab).

Muitas vezes a cobertura de nuvens dificulta a obtenção

de dados nas áreas em que ocorrem inundações, quando
324 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas

se usam sensores ópticos e termais. Felizmente, a super­ Imagem SAR do SIRC/X da Grande Los Angeles, CA
fície lisa formada pela água estagnada reflete quase toda
a radiação de micro-ondas incidente para fora do alcance
do sensor (a menos que haja um vento forte com a for­
mação de ondas, as quais poderão alterar as respostas),
resultando em um retroespalhamento m enor do que o
causado por uma superfície seca. Q uando água parada
está presente sob a vegetação, o retroespalhamento é ca­
racterizado por uma única interação (corner-reflection)
entre a superfície da água e os galhos das árvores resul­
tando em um retroespalhamento muito alto, que per­
mite a clara identificação das áreas inundadas (Waring
et al., 1995). Ford et al. (1986) demonstraram como
as terras alagadas (wetlands) ao longo do Rio Savannah
aparecem com um brilho superior quando comparado
a águas paradas em terrenos mais elevados e com outro
tipo de cobertura vegetal, como o pinheiro Loblolly, de­
vido às condições especiais de reflexão do tipo reflexão
de canto (corner-reflection) entre a água e os troncos das
árvores que margeiam o rio.

Estimando a Umidade do Solo

0 radar banda L penetra em um solo descoberto,
úmido e liso, a uma profundidade máxima de lOcm.
Com primentos de onda menores penetram somente
1 - 3cm. Em campos de agricultura, que apresentam
uma superfície do solo lisa e uma biomassa menor que
1 M g/ha (1 ton/ha), o conteúdo de umidade das cama­
das superficiais pode ser determ inado com uma precisão
satisfatória (Wang et al., 1994). Q uando a biomassa da
vegetação excede um certo limite, a capacidade do radar
em avaliar as condições superficiais solo-água diminui
rapidamente (Waring et al., 1995). Sob o denso dossel
de uma floresta, a quantidade de umidade contida nas
folhas é tão grande que interfere em qualquer estimativa
do status solo-água (Jackson e Schmugge, 1991).
Assim, a presença da vegetação sobre a superfície do solo
pode adicionar considerável complexidade às medições
de umidade do solo utilizando-se técnicas de sensoria­
mento remoto por micro-ondas. Como a transmissivi-
dade da vegetação dim inui com o aum ento da frequên­
cia de micro-ondas, é mais adequado usar os maiores
comprimentos de onda disponíveis para o mapeamento
da umidade do solo (Dobson e Ulaby, 1998). Isto signi­
fica banda P (A, = 68cm) para SAR aerotransportados e
banda L (A, = 23cm) para SAR orbitais. Se a biomassa da
vegetação é <0,5kg/m2, o efeito da vegetação no retroes­
palhamento pode ser ignorado para dados na banda L e
com polarização paralela, i.e., o°vv e a°HH. Infelizmente,
quando a biomassa é >0,5kg/m 2, não é possível separar
as contribuições da umidade do solo e da vegetação no
retroespalhamento do sinal de radar.
Figura 9-26 O efeito cardinal é responsável pela assinatura bri­
lhante de partes de Santa Monica e de San Fernando
nesta imagem SIR-C/X-SAR da bacia de Los Ange­
les, obtida em 3 de O utubro de 1994. A direção de
visada é do topo para a base da imagem (cortesia de
NASAJet Propulsion Laboratory).
Resposta da Estrutura Urbana à Energia de Micro­
ondas
Edificações urbanas, carros, cercas, pontes, etc., agem
como refletores de canto (comer reflectors), que enviam
grande parte da energia incidente de volta para a antena.
Por isso, as estruturas urbanas resultam, normalmente, em
assinaturas brilhantes na imagem de radar. Infelizmente,
este alto sinal de retorno torna-se, muitas vezes, confu­
so em imagens de radar de áreas urbanas, especialmente
quando 1) ocorre o efeito cardinal, e/ou 2) o imageamento
é de resolução espacial relativamente baixa.
Uma imagem SIR-C/X SAR de Los Angeles, CA, encon­
tra-se na Figura 9-26. Ela tem aproximadamente 30 x 30m
de resolução. A direção de visada do radar orienta-se do
topo para a base da imagem. Somente as principais feições
do terreno podem ser identificadas, incluindo as auto-es­
tradas, os principais núcleos urbanos, o Oceano Pacífico e
os terrenos montanhosos. De modo geral, não é possível
distinguir entre as comunidades comerciais e residenciais.
A imagem realça algumas áreas poligonais com alto brilho.
Essas áreas são produzidas pelo efeito cardinal de radar. Ain-
Sensoriamento Remoto SAR a Partir do Espaço
Figura 9-27 a) Fotografia aérea oblíqua-baixa do Pentágono em Washington, DC. b) Imagem de radar de abertura sintética do Pentágono
(cortesia da Federation o f American Scientists),
da no início das pesquisas sobre sensoriamento remoto de
radar, notou-se que as reflexões de áreas urbanas frequen­
temente variavam em intensidade de acordo com a sua po­
sição em relação aos pontos cardeais. Assim, observou-se
que os sinais de retorno eram significativamente maiores
quando as feições lineares eram iluminadas pela energia de
radar a um ângulo ortogonal (perpendicular) em relação
à sua orientação (Raney, 1998). Por exemplo, as comuni­
dades residenciais de San Fernando e Santa Monica (Cali­
fórnia) são, para todos os propósitos práticos, similares em
natureza a outras comunidades na sua vizinhança (Figura
9-26). Entretanto, devido ao efeito cardinal causado pela
sua orientação em relação ao sistema sensor SIR-C, no mo­
mento da coleta da imagem, elas são registradas de forma
totalmente diferente de outras comunidades residenciais,
que se encontram ao longo da bacia de Los Angeles.
Repetidamente, tem sido demonstrado que dois condomí­
nios idênticos em uma área urbana (p.ex., que contenham
duas residências por lote), construídas ao mesmo tempo, em
lotes de mesmo tamanho e usando os mesmos materiais,
aparecerão totalmente diferentes um do outro em uma ima­
gem de radar se eles se posicionarem em orientações dis­
tintas, p.ex., um tendo as ruas orientadas para nordeste e o
outro ruas direcionando-se para norte. De forma similar, o
espaçamento regular e geométrico das plantações em áreas
agrícolas pode produzir o mesmo efeito. Uma mesma área
urbana pode, também, aparecer com aspectos muito dife­
rentes em imagens de radar adquiridas em datas diferentes
se qualquer um dos parâmetros do sistema sensor for alte­
rado, especialmente a direção de visada. Isto se torna um
problema sério quando se busca a detecção baseada nas va­
riações digitais, usando-se imagens de radar.
O RADARSAT, o JERS-1, os ERS-1,2 e o EN VISAT ASAR,
com suas resoluções espaciais relativamente grosseiras (Ta­
325
bela 9-1), podem ser úteis para a obtenção de informações
gerais sobre o Nível I de cobertura e uso do solo. Quando
se busca extrair informações sobre a cobertura urbana e uso
do solo nos níveis II e III, os dados de sensoriamento re­
moto óptico são, normalmente, superiores. Entretanto, se
estiver disponível um radar de alta resolução espacial (p.ex.,
o RADARSAT-2), pode-se extrair informação urbana deta­
lhada. Por exemplo, uma fotografia e uma imagem de radar
de alta resolução encontram-se na Figura 9-27. Henderson
e Xia (1998) fornecem exemplos de como padrões de povo­
amento e informações sócio-econômicas, como estimativas
de população, podem ser extraídos de dados de radar.
... ’ Sensoriamento Remoto SAR a Partir
l do Espaço
As seções seguintes resumem as características dos princi­
pais sistemas sensores SAR orbitais.
Seasat
O Seasat foi lançado pela NASA em 26 de Junho de 1978
e funcionou por 105 dias. Ele atuava com um SAR de mi­
cro-ondas ativas na banda L (23,5cm), a uma altitude de
800km. A antena tinha uma dimensão de 10,7 x 2,16m. O
sensor coletava dados com polarização HFd, com um ân­
gulo de incidência de 23°. A sua resolução em range e em
azimute era de 25m, e a largura da faixa de imageamento
era lOOkm. Os dados foram processados com 4 “looks”. O
Seasat tinha um ciclo orbital de 17 dias. Os dados foram
processados, primeiro, opticamente e, depois, digitalmen-
te (Evans et al., 2005).
326 CAPITULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
Shuttle Imaging Radar SIR-A, SIR-B, SIR-C,
Shuttle Radar Topography Mission SRTM
Diversos instrumentos importantes de radares científicos
foram levados a bordo do Ônibus Espacial (Space Shuttle),
da NASA, e operados por um determinado número de dias,
até o retorno da nave à Terra. O SIR-A e o SIR-B foram
lançados, respectivamente, em 2 de Novembro de 1981 e
5 de Outubro de 1984 e estiveram em órbita por 2,5 e 8
dias. Ambos consistiam de um SAR banda L (23,5cm).
O SIR-A tinha uma antena de 9,4 x 2,16m, que operava
com polarização H H . O ângulo de incidência era de 50° .
O sensor tinha uma resolução em range e em azimute de
40m, com um processamento de 6 looks. A largura da faixa
de imageamento foi de 50km. O Ônibus Espacial esteve
em uma órbita a 260km de altitude. Os dados foram pro­
cessados opticamente.
O SIR-B tinha uma antena com 10,7 x 2,16m, com polari­
zação H H . Ele tinha um ângulo de incidência que variava
de 15 a 64°. A sua resolução em azimute foi de 17 - 58m, e
em range de 25m, com 4 looks. A largura de imageamento
foi de 10 - 60km. Ele operou entre 225 e 350km acima
da superfície da Terra. Os dados foram processados, tanto
óptica quanto digitalmente.
O SIR-C promoveu um avanço significativo no sensoria­
mento remoto por radar. Foi um projeto conjunto entre
os Estados Unidos (NASA JPL) e um consórcio de grupos
europeus. O SIR-C utilizou um SAR com três frequências:
banda X (3cm), banda C (5,8cm) e banda L (23,5cm). As
três antenas foram colocadas em uma plataforma comum
no Ônibus Espacial. As bandas L e C tinham quádrupla
polarização (Quad Pol, i.e., H H , HV, W e VH), enquan­
to a banda X atuava com polarização W . O ângulo de in­
cidência variava de 15 a 55°. A resolução em range variava
de 10 a 30m, e a resolução em azimute era de 30m, com
aproximadamente 4 looks. A largura da faixa imageada era
de 15 a 90km. Sua órbita tinha uma altitude de 225km.
Os dados foram processados digitalmente. O SIR-C foi
o primeiro SAR orbital verdadeiramente multifrequência e
multipolarização. Os dados de todas as três bandas são ex­
celentes e de grande disponibilidade no JPL e em outros
locais. Diversos exemplos de dados SIR-C encontram-se
neste capítulo e na seção de pranchas coloridas.
A Missão Topográfica por Radar do Ônibus Espacial (Spa­
ce Shuttle Topography Mission - SRTM) foi lançada em 11
de Fevereiro de 2000 e durou 11 dias. Foram usados ra­
dares interferométricos de abertura sintética nas bandas C
e X. As características da SRTM são discutidas na seção
sobre interferometria de radar.
RADARSAT e RADARSAT-2
O RADARSAT foi lançado pelo governo canadense em 4
de Novembro de 1995, em uma órbita quase-polar, sín-
crona com o Sol, a 798 km acima da superfície da Terra.
Sua órbita cruza o equador no amanhecer e no anoitecer
(aproximadamente 6:00 e 18:00 horas locais) e, raramente,
em eclipse ou escuridão. A inclinação orbital é de 98,6°,
com um período de 100,7 minutos e 14 órbitas por dia.
Ele tem um único sensor de micro-ondas ativas na banda
C (5,6cm), que transmite na frequência de 5,3GHz, com
uma duração de pulso de 42,0ps. O tamanho da antena é
de 15 x l,5m. Sua polarização é horizontal no envio e na
recepção (HH).
Diferentemente de muitos outros radares, o RADARSAT
permite uma grande variação de resoluções espaciais e de
áreas de cobertura. Há sete tamanhos de imagem, deno­
minados modos de iluminação (beam modes), resumidos na
Figura 9-28 e na Tabela 9-5. Cada modo de iluminação é
definido pela sua área geográfica de cobertura e pela reso­
lução espacial. Os modos variam do Fine, que cobre uma
área de 50 x 50km e tem uma resolução espacial de 10 x
lOm, até o ScanSAR Wide, que cobre uma área de 500 x
500km, com uma resolução espacial.de 100 x lOOm.
O RADARSAT obtém os dados usando um intervalo de
ângulos de incidência que varia de menos de 20° (ângulo
íngreme) a quase 60° (ângulo rasante). Para cada modo
de iluminação, está disponível um determinado número
de posições com intervalos de ângulos de incidência (Figu­
ra 9-28 e Tabela 9-5), denominadas posições de ilumina­
ção (beam positions). Por exemplo, o modo de iluminação
Standard, que cobre uma área de 100 x lOOkm, tem sete
posições de iluminação. A partir da especificação da posi­
ção de iluminação, uma das sete imagens de 100 x lOOkm
será coletada dentro de uma faixa disponível para imagea­
mento de 500km. Os fatores que influenciam a escolha do
modo de iluminação incluem a sensibilidade da aplicação
ao ângulo de incidência, o tipo do terreno, a necessidade
de esteréoscopia, a resolução espacial desejada e a frequên­
cia de cobertura da área.
A órbita do RADARSAT tem um ciclo de 24 dias, o que
significa que ele retorna ao mesmo local a cada 24 dias.
No entanto, o RADARSAT pode ser programado para um
ciclo de revisita mais frequente. O usuário tem, também, a
opção de coletar imagens com duas diferentes direções de
visada. Quando o RADARSAT descende do Pólo Norte
(uma passagem de órbita descendente), ele imageia a su­
perfície da Terra na direção oeste. Quando ele ascende do
Pólo Sul (uma passagem de órbita ascendente), ele observa
a Terra na direção leste. Isto pode ser muito útil quando se
Sensoriamento Remoto SAR a Partir do Espaço
R A D A R SA T
Figura 9-28 Os modos de iluminação e as opções de ângulo de incidência na aquisição de dados RADARSAT. Os tamanhos das imagens dão
indicações sobre as resoluções espaciais. Ver Tabela 9-5 para especificações (após MDA, 2006ab).
trabalha em áreas com alto relevo, quando se está interes­
sado em iluminar feições com uma orientação particular,
e/ou quando o estudo requer imagens adquiridas no início
da manhã ou no final da tarde.
O RADARSAT-2 foi lançado em 14 de Dezembro de
2007. Ele tem muitas especificações que são idênticas ao
RADARSAT; porém, apresenta alguns melhoramentos
significativos que fazem do RADARSAT-2 o principal sis­
tema de sensoriamento remoto por micro-ondas ativas de­
senvolvido para a observação da Terra. Em primeiro lugar,
é muito importante manter a continuidade de uma série
de satélites dedicados a sistemas de sensoriamento remoto.
Isto permite o amadurecimento das aplicações para usar
os dados produzidos pelo novo sistema. Os principais as­
pectos que caracterizam a continuidade do RADARSAT,
incluem o uso da mesma altitude (798km) e órbita e todos
os mesmos modos de imageamento na banda C.
327
As novas especificações do RADARSAT-2 incluem (MDA,
2006ab):
• < ls para a mudança entre modos de imageamento.
• Modos de imageamento com polarização total (HH,
W , VH, HV).
• Um sensor que pode imagear à direita e à esquerda do
nadir, o que é muito importante quando se busca obter
dados em uma situação de emergência.
• Modo de iluminação ultrafino (Ultrafine beam mode) (re­
soluções em azimute e em range de 3,0 x 2,4 —3,4m),
que fornece a melhor resolução espacial entre todos os
satélite SAR comerciais (Tabela 9-5). A faixa de cober­
tura no solo é limitada a 20 x 20km, para manter o
fluxo de dados dentro dos limites de gravação. O con­
junto das posições ultrafine cobre qualquer área dentro
do intervalo dos ângulos de incidência de 30 a 40°.
As imagens são geradas em uma única polarização, que
328 CAPITULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas

Tabela 9-5. Características das posições de iluminação do RADARSAT e do RADARSAT-2 (MDA, 2006ab).
Modos Posições dos Resolução Espacial Número de
Operacionais de Posição do Ângulos de Nominal (m) Área Nominal Looks de
Iluminação Feixe Incidência (Graus) [azimute x range] (km) Processamento

U ltrafine e m u lti- 3 0 -4 0 3,0 x 2,4 - 3,4 20x20 1x 1

lo o k fine (somente 3 0 -5 0 7,9 x 7,4-9,1 50x50 >3
no RADARSAT-2)
Fine F1 3 7 -4 0 10 50 x 50 1
(5 posições) F2 3 9 -4 2
F3 4 1 -4 4
F4 43 —46
F5 4 5 -4 8
Standard SI 2 0 -2 7 30 100x 100 1x4
(7 posições) S2 2 4 -3 1
S3 3 0 -3 7
S4 3 4 -4 0
S5 3 6 -4 2
S6 4 1 -4 6
S7 4 5 -4 9
W id e W1 2 0 -3 1 30 165x 165 1x 4
(3 posições) W2 3 1 -3 9 150 x 150
W3 3 9 -4 5 130 x 130
ScanSA R N arrow SN1 2 0 -4 0 50 300 x 300 2x2
(2posições) SN2 3 1 -4 6
ScanSA R W id e SW1 20 - 49 100 500 x 500 2x4
E xtended H igh H1 4 9 -5 2 25 75x75 1x4
(6 posições) H2 5 0 -5 3
H3 5 2 -5 5
H4 5 4 -5 7
H5 5 6 -5 8
H6 5 7 -5 9
LI 1 0 -2 3 35 1x 4
\l

E xtended L ow
o
O
X

pode ser selecionada. A melhoria na detecção e reco­
nhecimento de objetos permite uma grande variedade
de novas aplicações, incluindo vigilância e defesa, e o
mapeamento de áreas urbanas na escala de 1:20.000
(Van der Sanden eThom as, 2004).
• Modo de iluminação multilookfine (múltipla visadafina)
(multilook fine beam mode), que obtém dados com
a mesma faixa de cobertura do modo ultrafine, com
resolução espacial de 7,9m em azimute e 7,4 - 9,lm
em range. Esses dados, no entanto, apresentam uma
resolução radiométrica melhorada devido ao processa­
mento de múltiplos looks (múltiplas visadas). A largura
da faixa de cobertura é de 50 x 50km (Tabela 9-5). Os
dados são coletados em um ângulo de incidência que
varia de 30 a 50°. As imagens no modo multi-look fine
são, normalmente, em uma única polarização.
precisa das imagens de radar, sem a necessidade de pon­
tos de controle no solo (ground-controlpoint - GCP).
• E o primeiro satélite SAR comercial a oferecer pola-
rimetria (quadrature-polarimetry — “quad-pol')y que
fornece informações de amplitude e fase. Há um certo
número de parâmetros polarimétricos únicos, que po­
dem ser derivados desses dados e usados para melhorar
o entendimento das feições presentes nas imagens de
radar (p.ex., razão de imagens com polarização paralela
e cruzada; coeficiente de correlação em imagem com
polarização paralela). A Tabela 9-6 resume alguns des­
ses parâmetros e as respostas esperadas para um tipo
específico de superfície (MDA, 2006b).
ERS-1 e ERS-2 da Agência Espacial Européia
(ESA - European Space Agency)

• Os receptores de GPS a bordo, que monitoram a posição A Agencia Espacial Européia lançou o ERS-1 em 16 de Ju­
do satélite, permitem uma retificação geométrica mais lho de 1991. Ele tinha um SAR banda C (5,6cm), com uma
Sensoriamento Remoto SAR a Partir do Espaço 329

Tabela 9-6. Diversos parâmetros polarimétricos do RADARSAT-2 e guias de interpretação (MDA, 2006b).
Razão de co- ou polarização Razão de polarização Coeficiente de correlação
Parâmetro paralela cruzada co-polarizada
U ltra-fine isj is j
2 2 Sm. S„
ISVV'I2
1 ISJ 2 ^ (|S J2) . (|SJ2)
U so Medida de rugosidade superficial Descriminação entre Detecção de despolarização e
espalhamento superficial e dupla reflexão (double bounce)
volumétrico
E sp alh am en to Baixo para superfícies lisas e Muito baixo para as superfícies Alta amplitude (baixa
superficial tendendo a 1 com o aumento da lisas, aumentando com a despolarização), pequena
rugosidade rugosidade superficial diferença de fase
E spalham ento Aproximadamente 1 Relativamente alto Baixa amplitude (alta
v olu m étrico despolarização), diferença de
fase pouco definida
D ied ro > 1 Baixo Diferença de fase próximo a
(d o u b le bourtce) 180°

Tabela 9-7. Especificações do Satélite Avançado de Abertura Sintética (A d v a n c e d S y n th e tic A p e rtu re R a d a r - A S A R )

do satélite Envisat (ESAASAR, 2006b).
Modo ASAR
M o d o Im agem
(Im age M o d e - IM )
M od o A lternância de Polarização
(A lte rn a tin g P o la riz a tio n M o d e
-A P )
M o d o Faixa Larga
(W id e S w a th M o d e - W S)
M od o M o n itora m en to G lobal
(G lo b a l M o n ito r in g M o d e - G M )
M odo O nda
(W a ve M o d e - W V )
Características
Resolução espacial de 30 x 30m para o produto precision. Imagens com polarização
W ou HH para qualquer uma das 7 posições da faixa de cobertura. A largura da faixa
(perpendicular à trajetória) varia entre 56km (faixa 7) e lOOkm (faixa 1).
Resolução espacial de 30 x 30m para o produto precision. Duas imagens coregistradas
por aquisição, de qualquer uma das 7 posições da faixa de cobertura. Possíveis
polarizações dos pares: H H /W , HH/HV ou W /V H .
Resolução espacial de 150 x 150m. Largura da faixa de 400km.
Resolução espacial de 1000 x 1OOOm (azimute e range, respectivamente) para o
produto nominal. Cobertura total das órbitas. Polarização HH ou W .
Pequenas imagens (dimensões variando entre 10 x 5km e 5 x 5km) são adquiridas
a intervalos regulares de lOOkm ao longo da trajetória. Essas pequenas imagens
podem ser posicionadas em qualquer lugar da faixa de cobertura de uma Image Mode.
Polarização: VV ou HH. Essas imagens são convertidas para o espectro de ondas para
o monitoramento de oceanos.

antena de 10 x 1m e com polarização VV. Operou com um
ângulo de incidência de 23°. A sua resolução em range é de
26m e em azimute de 30m, com um processamento de 6
looks. O ERS-1 recobre uma faixa com 1OOkm de largura.
A sua órbita situa-se a aproximadamente 785km acima da
superfície da Terra. Os dados são processados digitalmen-
te. Um ERS-2 idêntico foi lançado em 1995. O ERS-1 e
o ERS-2 operaram, também, em conjunto obtendo pares
de imagens para a realização de pesquisas sobre interfero-
metria SAR.
Envisat ASAR da Agência Espacial Européia
Lançado em 01 de Março de 2002, o Envisat é o maior sa­
télite de observação da Terra já construído. Ele leva a bordo
10 sofisticados instrumentos ópticos e de radar, que permi­
tem uma observação e um monitoramento contínuos dos
continentes, da atmosfera, dos oceanos e das áreas cobertas
por gelo (Tabela 9-7). O Radar Avançado de Abertura Sin­
tética (.Advanced Synthetic Aperture Radar - ASAR) a bordo
do Envisat dá continuidade à missão dos radares de aber­
tura sintética - SAR (.Active Microwave Instrument - AM1),
utilizados pelos satélites ERS-1 e ERS-2. O ASAR utiliza
uma antena ativa (activephased-array antennd), com ângu­
los de incidência entre 15 e 45°. As aplicações para este
sensor incluem o estudo de ondas nos oceanos, a extensão
e o movimento de blocos de gelo nos oceanos e estudos na
superfície continental, como o desflorestamento e a deser-
tificação. Diferentemente dos SAR do ERS-1 e ERS-2, que
tinham uma posição fixa da faixa de imageamento (ângulo
330 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
de incidência de 23° no centro da faixa), o ASAR Image
Mode permite a aquisição de dados em sete posições dife­
rentes da faixa de imageamento (i.e., IS1 a IS7), com ângu­
los de incidência variando entre 15 e 45° (Tabela 9-1). Uma
vantagem significativa dos ângulos de incidência maiores é
a redução das distorções do terreno.
JERS-1
A Agência Espacial do Japão (.National Space Development
Agency - N AS DA) lançou o JERS-1 {Japanese Eartb Resource
Satellite - JERS-1) em 11 de Fevereiro de 1992. Ele era
muito semelhante ao original Seasat. Tinha um SAR banda
L (23,5cm), com uma antena de 11,9 x 2,4m e com polari­
zação HH. O ângulo de incidência era de 39°. As resoluções
em range e em azimute eram, ambas, de 18m com 3 looks.
A largura da faixa de recobrimento foi de 75km. O SAR
orbitou a Terra a aproximadamente 568km acima da super­
fície. Os dados foram processados digitalmente. A operação
do JERS-1 terminou em 12 de Outubro de 1998.
Almaz-1
Este SAR foi colocado em órbita em 31 de Março de 1991
pela antiga União Soviética, e funcionou por 1,5 anos.
Consistiu de um SAR banda S (9,6cm), com uma antena
de 1,5 x 15m e com polarização HH. O ângulo de inci­
dência variava de 30 a 60°. A resolução em range foi de
15 — 30m e a em azimute de 15m, com processamento
maior que 4 looks. A largura da faixa de cobertura foi de
20 - 45km. A órbita foi de 300km acima da superfície da
Terra e os dados foram processados digitalmente.
Interferometria de Radar
As discussões anteriores sobre os sistemas de radar de
abertura sintética foram focadas, principalmente, na co­
leta de uma única imagem no terreno. É possível adqui­
rir múltiplas imagens SAR de uma mesma área, a partir
de uma aeronave ou satélite, para extrair informações
tridimensionais e dados sobre a velocidade de objetos
em movimento. O imageamento interferométrico por ra­
dar é o processo pelo qual as imagens de radar de um
mesmo local no terreno são registradas por antenas em
1) diferentes localizações ou 2) tempos diferentes (Mad-
sen e Zebker, 1998; Rabus et al., 2003; Hodgson et al.,
2003). A análise de dois interferogramas permite me­
didas muito precisas sobre o deslocamento de qualquer
ponto específico x,y,z, encontrado em cada imagem do
par interferométrico. A precisão pode alcançar escalas
de subcomprimento de onda.
Mapeamento Topográfico por Interferometria
O mapeamento topográfico pela interferometria SAR baseia-
se na aquisição de dados a partir de dois ângulos de visada
diferentes e assume que a cena imageada não sofreu deslo­
camento durante o intervalo da obtenção dos dados. As
duas medições podem ser feitas por dois radares colocados
na mesma plataforma e separados por alguns metros. Isto é
denominado de interferometria de passagem única (single-pass
interferometry). A missão do SRTM (Space Shuttle Radar To-
pograpby Mission), lançada em 11 de Fevereiro de 2000, foi a
primeira a usar este tipo cobertura interferométrica. Ele tinha
uma antena banda C e banda X no compartimento de carga
e uma outra antena banda C e banda X posicionada no final
de uma haste de 60m (Figura 9-29a). A interferometria pode
também ser realizada usando um único radar para obter duas
medidas em diferentes passagens orbitais que sejam muito
próximas no espaço e no tempo (um dia, ou menos). Esta é a
metodologia de interferometria utilizada pelo SIR-C e ERS-1
e 2, denominada de interferometria por passagens múltiplas ou
repetidas (multiple-pass ou repeat-pass interferometry).
Os dados interferométricos SAR podem, muitas vezes, forne­
cer informação topográfica (x,y,z) que são tão precisas quanto
os modelos de elevação digital obtidos pelas técnicas fotogra-
métricas ópticas tradicionais. Além disso, a interferometria
pode operar através de nuvens e durante o dia ou durante
a noite. Isto é importante para áreas tropicais com cober­
tura perene de nuvens, ou em ambientes árticos, ou ainda,
na ocorrência de desastres, onde não há a possibilidade de
espera de uma janela atmosférica que permita a obtenção de
dados ópticos (fotográficos). Informações de elevação digital
derivadas dos dados interferométricos do SIR-C são apresen­
tadas nas Pranchas Coloridas 9-3 e 9-4. A comunidade carto­
gráfica tem um interesse especial na interferometria SAR.
A seguir, será descrito como a interferometria SAR obtém in­
formação sobre a elevação digital (JPL, 1999b). Em primeiro
lugar, as duas imagens de radar precisam ser precisamente re­
gistradas. Portanto, a sua geometria é tal que, os dois radares e
qualquer objeto no solo formam um triângulo (Figura 9-29b).
Se conhecermos a distância {range) de cada radar ao objeto no
solo (r, e r2), a distância entre os dois radares (a linha de base
B) e o ângulo da linha de base, a (em relação à horizontal),
poderemos usar a trigonometria (a regra do co-seno) para
calcular a altura, h, de um dos radares acima da posição do
objeto no solo. A partir da figura 9-29b sabemos que
h = r.cosG (9-26)
Interferometria de Radar
Interferometria
Missão SRTM (Sbuttle Radar Topography Mission)
m---- SAR#2: antenas
banda C e banda X
haste \
de 60m
Figura 9-29 a) Localização do par de antenas banda C e banda X no ônibus espacial Endeavor, usadas para a aquisição de dados interferomé­
tricos da Missão SRTM (Shuttle Radar Topography Mission - SRTM). b) Relações geométricas entre os dois sistemas SAR usados
para a interferometria com o objetivo de extrair informações topográficas (após NASA JPL, 1999b).
e pela regra do co-seno,
(r2)2 = ( r f + B2- 2q£cos(90 + 0 - a) (9-27)
que é o mesmo que
(r,)2 = (q)2 + B2 - 2q5sen(0 - a ) (9-28)
Resolvemos para 0, e depois para h (usando h = r cos 0).
Este cálculo é repetido para todos os pontos no solo, den­
tro da imagem. Se determinarmos com precisão a altitude
de um dos radares acima do nível do mar, podemos pro­
duzir um mapa das altitudes superficiais. Nós precisamos,
portanto, somente medir precisamente a distância relativa
(r2 - q), relacionada à diferença de fase entre cada par de
medidas de radar. Esta distância relativa pode ser relacio­
nada à altura, h, após alguma álgebra adicional (SIR-CED
home page; JPL, 1999b).
A missão SRTM (Space Shuttle Radar Topography Mission)
usou um radar de abertura sintética interferométrico, banda
C e banda X, para adquirir dados topográficos em mais de 80
por cento da área emersa da Terra, entre 60° N e 56° S, du­
rante os 11 dias de duração da missão (NASA SRTM, 2006).
A NASA JPL processou os dados interferométricos da banda
C, enquanto o Centro Aeroespacial da Alemanha (German
Aerospace Center) processou os da banda X. As superfícies
topográficas produzidas encontram-se nas especificações In-
terferometric Terrain Height Data - ITHD-2 (Dados Interfe-
rométricos de Altitude do Terreno). O SRTM mapeou, pelo
menos uma vez, 99,97% da área alvo (119.000.000 km2).
Assim, o primeiro levantamento mundial de dados digitais
331
SAR#2
de elevação foi realizado usando-se interferometria e não fo-
togrametria. Os pares interferométricos podem, também, ter
um valor significativo para muitas aplicações sobre os recur­
sos da Terra. Rodriguez et al. (2006) estimaram a precisão
dos produtos de elevação derivados do SRTM.
Um exemplo de um modelo de elevação digital derivado do
SRTM, da região das Montanhas de Wasatch, em Utah, é
apresentado na Figura 9-30. Ele é visto em perspectiva e é
integrado com dados de uma única banda do TM Landsat. A
Prancha Colorida 9-5 apresenta os dados derivados do SRTM,
da região de Wasatch, como um anaglifo e um estéreo-par.
Antes do lançamento do SRTM, os dados x,y,z eram com­
pilados a partir de uma variedade de fontes in situ e de sen-
soriamento remoto para produzir DEM globais com uma
resolução espacial de 30 arc-seg (1 x lkm) (p.ex., GLOBE
e GTOPO30). Muitas partes do mundo não têm, ainda
hoje, DEM com resolução de 1-arc seg (30m) ou de 3-arc
seg (90m) (Rabus et al., 2003). DEM derivados do SRTM
de grande parte do planeta estão, agora, disponíveis com
uma resolução espacial de 3 arc-seg (90m). No entanto,
uma considerável quantidade de dados já foi processada
para uma resolução de 30m. Os dados podem ser adquiri­
dos através da NASA (Jet Propulsion Laboratory).
Os dados GTOPO30 são mantidos pela USGS. Uma
comparação entre o DEM GTOPO30 e o DEM feito a
partir dos dados SRTM, do Monte Kilimanjaro, na Tan­
zânia e no Quênia, é mostrada na Prancha Colorida 9-6.
Observe que os dados derivados do SRTM fornecem mui­
to mais detalhes para as análises de elevação, declividade e
332 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
M odelo de Elevação Digital das Montanhas de
Wasatch, em Utah, Derivado dos Dados SRTM
{Shuttle R a d a r Topogi'aphy M ission) e Integrado
com Imagem TM Landsat
Figura 9-30 Visão em perspectiva de um DEM derivado dos da­
dos SRTM das Montanhas de Wasatch, em Utah,
integrado com dados da banda 3 do T M Landsat. Os
dados SRTM banda C foram obtidos em 12 de Feve­
reiro de 2000 (as imagens são cortesia de NASA Jet
Propulsion I.ab).
aspecto, bem como para a drenagem e para as investigações
geomórficas (Jensen et al., 2002).
Companhias comerciais privadas também fazem levanta­
mentos com radar de abertura sintética interferométrico
(Interferometric Synthetic Aperture Radar - IFSAR). Um dos
sistemas mais amplamente usados é o Intermap X-band
Star 3i, que gera imageamento em micro-ondas banda X,
de alta qualidade (3 x 3m), além de um detalhado modelo
de elevação digital do terreno. Um bom exemplo é mos­
trado na Figura 9-31, com a imagem banda X de Bachelor
Mountain, CA, posicionada à esquerda e o modelo de ele­
vação digital, à direita. Naturalmente, a imagem e o DEM
estão registrados. Esses dados são muito úteis para análises
de uso e da cobertura da terra, assim com em estudos hi-
drológicos em bacias de drenagem.
Mapeamento Interferométrico de Velocidade
Se os ângulos de visada de múltiplas aquisições de dados
permanecem constantes, não haverá sensibilidade à topo­
grafia, e a interferometria poderá ser usada para obter in­
formações sobre objetos que se movimentaram na cena. É
possível fazer observações quantitativas sobre a velocidade
de objetos que se movem, entre duas observações. A interfe­
rometria tem sido aplicada, com sucesso, para medir movi­
mentos ao longo de linhas de falha, em medidas de desloca­
mento sísmico provocado por terremotos, no mapeamento
de velocidade de geleiras, no monitoramento de correntes
oceânicas e em medidas do espectro de ondas. Além disso,
a interferometria pode ser usada para determinar se objetos
feitos pelo homem apresentaram algum movimento. Esta é
uma arma poderosa na detecção de mudanças.
) Sensoriamento Remoto por Micro-
f f t É i ondas Passivas
F
Há um grande interesse em se medir a energia de micro­
ondas passivas, para monitorar algumas das mais impor­
tantes variáveis hidrológicas globais, como a umidade do
solo, a precipitação, o conteúdo de água das geleiras e a
temperatura da superfície do mar. De fato, diversos sen­
sores a bordo do satélite Aqua da NASA, lançado em 4
de Maio de 2002, incluem radiômetros de micro-ondas
passivas especializados (NASA AMSR-E, 2006).
Como discutido no Capítulo 2, a Terra aproxima-se de um
corpo negro a 300 K, com o comprimento de onda do­
minante em, aproximadamente, 9,7pm. Embora o com­
primento de onda dominante seja 9,7pm, um continuum
de energia é emitido pela Terra e pela atmosfera. De fato,
a Terra emite passivamente um fluxo constante de energia
nas micro-ondas. A única diferença é que 1) os materiais da
Terra não emitem quantidades extraordinárias de energia de
micro-ondas passivas, e 2) a energia que ela emite é relativa­
mente fraca em intensidade devido ao seu comprimento de
onda longo. No entanto, foi desenvolvida uma série de ra­
diômetros que podem registrar variações sutis de energia de
micro-ondas passivas. Os instrumentos medem a temperatu­
ra de brilho do terreno ou da atmosfera e seus constituintes.
Radiômetros de Micro-ondas Passivas
Os equipamentos para sensoriamento remoto por micro-on­
das passivas podem ser 1) radiômetros de perfil ou 2) radiô­
metros de varredura. Um radiômetro de perfil mede, simples­
mente, o terreno diretamente abaixo da aeronave ou satélite,
no nadir (ou fora do nadir, se desejado), e registra a radiância
dentro do campo de visada instantâneo do sensor. A saída é
um perfil de temperatura de brilho de micro-ondas registra­
do ao longo da trajetória da aeronave ou satélite. Um radiô­
metro de varredura de micro-ondas é bastante semelhante ao
radiômetro de infravermelho termal, discutido no Capítulo
8. Ele adquire dados em varredura perpendicular à trajetória
do veículo que porta o sensor. O resultado é uma matriz de
Sensoriamento Remoto por Micro-ondas Passivas
a. Imagem banda X do Intermap Star 3i.
Figura 9-31 a) Imagem ortorretificada Intermap X-band Star 3 i de Bachelor Mountain, CA. b) Modelo de elevação digital da mesma área
usando o radar de abertura sintética interferométrico (Interferometric Synthetic Aperture Radar - IFSAR) (imagem ortorretifi­
cada e modelo de elevação digital fornecidos pela Intermap Technologies, Inc).
valores de temperatura do brilho, que podem ser usados para
construir uma imagem de micro-ondas passivas.
Os radiômetros de micro-ondas passivas registram a ener­
gia, geralmente, na região entre 0,15 e 30cm (entre 1 e
20GHz), muito além da região do infravermelho termal
(3 - I4pm). As frequências de micro-ondas mais frequen­
temente usadas estão centradas em 1, 4, 6, 10, 18, 21,
37, 50, 85, 157 e 183GHz. Isto significa que teoricamente
é possível adquirir imagens de micro-ondas passivas mul-
tiespectrais. As bandas utilizadas (intervalo de frequências)
são, normalmente, bastante amplas, de tal forma que haja
suficiente energia de micro-ondas passivas para ser registra­
da pela antena. De forma semelhante, a resolução espacial
dos radiômetros de micro-ondas passivas é baixa para que
haja energia suficiente coletada no IFOV e seja registrada
pela antena. Sensores em aeronave, voando próximo ao
solo, apresentam resolução espacial da ordem de metros,
enquanto que a maioria dos radiômetros de varredura que
utilizam micro-ondas passivas a bordo de satélites apresen­
tam resolução espacial medida em quilômetros. O sensor
é, na realidade, uma grande antena sensível à energia de
micro-ondas passivas.
Sensor Especial de Micro-ondas/Imageador (Special
Sensor Microwave/Imager —SSM /I)
Um dos primeiros sensores de micro-ondas passivas foi
o SSM/I, a bordo dos satélites do Programa de Satélite
Meteorológicos de Defesa dos EUA (Defense Meteorologi-
333
m /
b. Modelo Digital do Terreno da Intermap a partir de dados
do radar de abertura sintética interferométrico (IFSAR).
cal Satellite Program - DMSP), que opera desde 1987. O
Departamento de Defesa dos EUA também disponibiliza
os dados para a comunidade científica (Figura 9-32). O
SSM/I é um sistema radiométrico de micro-ondas pas­
sivas, polarizado linearmente e com quatro frequências
(19,3; 22,3; 36,5 e 85,5GHz), que mede as temperaturas
de brilho das micro-ondas da atmosfera, dos oceanos e dos
terrenos naquelas quatro frequências. O SSM/I rotaciona
continuamente ao redor de um eixo paralelo à vertical lo­
cal do satélite, e mede as temperaturas de brilho da cena
abaixo. Ele é calibrado usando a radiação fria do espaço
e um absorvedor de referência quente. A largura da faixa
de cobertura é de, aproximadamente, l400km. Os dados
são registrados pelo sensor, transformados em valores digi­
tais e transmitidos para o National Environmental Satellite,
Data, and Information Service (NESDIS). O SSM/I é um
excelente sensor para medir a temperatura de brilho de
amplas regiões. Por exemplo, a imagem de micro-ondas
passivas do SSM/I mostrada na Figura 9-32 engloba quase
que totalmente a Bacia Amazônica.
A NOAA desenvolveu um algoritmo para precipitação que
utiliza o canal de 85,5GHz do SSM/I para detectar o espa-
lhamento ascendente da radiação causado pelas partículas
de gelo com tamanho para precipitação dentro da camada
(nuvem) de chuva. A técnica de espalhamento é aplicável tan­
to sobre os oceanos como sobre os continentes. As taxas de
precipitação podem ser obtidas indiretamente, baseando-se
na relação entre a quantidade de gelo na camada chuvosa e
a quantidade real de precipitação na superfície. Além disso,
334 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas

Tabela 9-8. Comparativo das características de operação do SSM/I, do AMSR-E no A q u a e do AMSR no A D E O S -2

(NSIDC, 2006).
SSM/I
Parâmetro (DMSP F8, F10, F11, F13 AMSR-E, no A qua AMSR, no AD EOS-2
P eríodo de operação 09/07/87 até o presente 04/05/02 até o presente 14/12/02 até o presente
Frequências (G H z) 19,3; 22,3; 36,5; 85,5 6,925; 10,65; 18,7; 23,8; 6,925; 10,65; 18,7; 23,8;
36,5; 89,0 36,5; 50,3; 52,8; 89;0
R esolução espacial (km) 37 x 28 (37GHz) 74 x 43 (6,9GHz) 74 x 43 (6,9GHz)
15 x 13 (85,5GHz) 14x8 (36,5GHz) 1 4 x 8 (36,5GHz)
6 x 4 (89,0GHz) 6 x 4 (89,0GHz)

foi desenvolvido um algoritmo de precipitação global para as Imagem de Micro-ondas Passivas SSM/I
massas continentais baseado no espalhamento da radiação. da Bacia Amazônica
Foram produzidos grades (grids) de 100 x lOOkm e 250 x
250km para a precipitação mensal para o período de Julho de
1987 até o presente (Li et al., 1998; NSIDC SSM/I, 2006).

Imageador de Micro-ondas TRMM (TRMM Micro-

wttve Imager - TMI)

A Missão TRMM (Tropical Rainfall Measuring Mission -

TRMM) é patrocinada pela NASA e pela NASDA (Natio­
nal Space Development Agency) do Japão e tem o objetivo de
estudar as precipitações nas regiões tropicais e a liberação de
energia associada que contribui na circulação atmosférica
global (NASA TRMM, 2006). O satélite, lançado em 27
de Novembro de 1997, porta cinco instrumentos. O TMI
(Imageador de Micro-ondas TRMM) é um sensor de micro­
ondas passivas desenvolvido para obter informações quanti­
tativas sobre a precipitação em uma faixa de 780km (487 mi­
lhas) de largura. Ele é baseado nas características do SSM/I.
Mede a intensidade da radiação em cinco frequências: 10,7
(resolução espacial de 45km); 19,4; 21,3; 37 e 85,5GHz (re­
solução espacial de 5km). A dupla polarização para quatro
frequências resulta em um total de nove canais. A frequência
de 10,7GHz fornece uma resposta mais linear para as altas
taxas de precipitação, comuns nas chuvas tropicais.
A estimativa de taxas de precipitação através dos sensores
SSM/I e TMI requer cálculos complicados porque os corpos
d’água, como lagos e oceanos, emitem somente cerca da me­
tade da energia especificada pela lei da radiação de Planck,
para as frequências das micro-ondas. Portanto, esses corpos
comportam-se como se tivessem somente cerca de metade da
sua temperatura real de superfície e parecerão muito “frios”
para um radiômetro de micro-ondas. Felizmente, a chuva é
registrada com sua temperatura real e é considerada “quen­
te” ou brilhante por um radiômetro de micro-ondas passivas.
Quanto mais intensa a chuva, mais quente parecerá toda a
cena. Pesquisas realizadas nas últimas três décadas tornaram
possível obter taxas de precipitação relativamente precisas, ba­
seadas nas temperaturas obtidas por micro-ondas passivas.
Figura 9-32 Imagem da Bacia Amazônica obtida pelo radiôme­
tro de micro-ondas passivas SSM/I na frequência de
86GHz e com polarização vertical (cortesia DMSP).
As áreas continentais são muito diferentes dos oceanos,
pois emitem cerca de 90 por cento de sua temperatura real
nas frequências das micro-ondas. Isto diminui o contraste
entre as gotas de chuva e a superfície do terreno. Feliz­
mente, as altas frequências de micro-ondas (85,5GHz) são
fortemente espalhadas pela presença de gelo em muitas
nuvens de chuva. Isto reduz o sinal, relativo às chuvas, que
chega ao satélite, permitindo um contraste com a superfí­
cie quente do terreno, tornando possível, também, a esti­
mativa precisa de taxas de precipitação de chuvas sobre o
continente. Um exemplo de medidas de precipitação usan­
do o Imageador de Micro-ondas TRM M é apresentado no
Capítulo 12: Sensoriamento Remoto da Agua.
Radiômetro Avançado por Varredura de Micro-on­
das (Advanced Microivave Scanning Radiometer —
AMSR-E)
O AMSR-E é um dos seis sensores a bordo do Aqua (NASA
AMSR-E, 2006). O AMSR-E é o resultado de uma coo­
peração entre a NASA e a Agência Nacional de Desenvol­
Referências
vimento Espacial do Japão. O AMSR-E foi desenvolvido a
partir do sensor AMSR do satélite Japonês ADEOS-2.
A órbita do AMSR-E é polar e síncrona com o Sol. O sensor
é um radiômetro de micro-ondas passivas, que atua em seis
frequências: 6,925; 10,65; 18,7; 23,8; 36,5 e 89GHz (pola­
rização HV). Ele tem uma resolução espacial de 5,4km em
89GHz e 56km em 6,9GHz (Tabela 9-8), com um faixa de
cobertura com largura de l445km. A radiação de micro-ondas
emitida pela Terra é coletada por um refletor parabólico com
1,6m de diâmetro, que varre a superfície da Terra mantendo
um ângulo de incidência constante de 55°. Seis conjuntos de
dados de radiação de micro-ondas passivas são registrados por
seis radiômetros. A calibração é feita pela radiação cósmica de
fundo e por um padrão quente a bordo do satélite.
O AMSR-E mede o conteúdo total de vapor d’água, o con­
teúdo total de água líquida, a precipitação, o equivalente de
água na neve, a umidade do solo (usando as frequências 6,925
e 10,65GHz), a temperatura da superfície do mar (sea-surface
temperature - SST), a velocidade do vento na superfície do mar
e a extensão das geleiras (NSIDC, 2006). A Prancha Colorida
9-7 apresenta exemplos com informações de temperatura su­
perficial do mar (SST) obtidas a partir de dados AMSR-E. O
SST nos arredores do Furacão Katrina, de 25 a 27 de Agosto
de 2005, pode ser visto na Prancha Colorida 9-7b.
Carver, K. R., 1988, SAR Synthetic Aperture Radar —Earth
Observing System, Vol. Ilf, Washington: NASA Instrument
Report, 233 p.
Carver, K. R., E. Elachi and F. T. Ulaby, 1985, “Microwave
Remote Sensing from Space,” Proceedings o f the IEEE,
7(6):970-996.
Dobson, M. C. andF.T. Ulaby, 1998, “Mapping Soil Moisture
Distribution with Imaging Radar,” Lewis and Henderson
(Eds.), Principies and Applications o f Imaging Radar, NY: John
Wiley, 407-433.
Dobson, M. C., F. T. Ulaby, T. LeToan, A. Beaudoin, E. S.
Kasischke and N. Christensen, 1992, “Dependence of Radar
Backscatter on Coniferous Forest Biomass,” IEEE Transactions
on Geoscience and Remote Sensing, 30(2):412—415.
Dobson, M. C., F. T. Ulaby, L. E. Pierce, T. L. Sharik, K. M.
Bergen, J. Kellndorfer, J. R. Kendra, E. Li and Y. C. Lin, 1995,
“Estimation of Forest Biomass Characteristics in Northern
Michigan with SIR-C/S-SAR Data,” IEEE Transactions on
Geoscience and Remote Sensing, 33:877—894.
335
ESA ASAR,,2006, ASAR Users Guide, European Space Agency,
http://envisat.esa.int/dataproducts/asar/CNTR3-l-2.htm.
Evans, D. Land 12 co-authors, 2005, “Seasat-25 YearLegacy
of Success,” Remote Sensing of Environment, 94:384-404.
Flood, M. and B. Gutelius, 1997, “Commercial Implications
of Topographic Terrain Mapping Using Scanning Airborne
Laser Radar,” Photogrammetric Engineering and Remote
Sensing, 63:327.
Ford, J. P., R. G. Blom, M. L. Bryan, M. K. Daily, T. H.
Dixon, C. Elachi and E. C. Xenos, 1980, Seasat Views North
America the Caribbean and Western Europe with Imaging
Radar, Publication #80 - 67, Pasadena: NASA Jet Propulsion
Lab, 1-6 p.
Ford, J. P., J. B. Cimino and C. Elachi, 1983, Space Shuttle
Columbia View the World with Imaging Radar: the SIR-A
Experiment, Pasadena: NASA Jet Propulsion Lab, 179 p.
Ford, J. P., J. B. Cimino, B. Holt and M. R. Ruzek, 1986,
Shuttle Imaging Radar Views the Earth from Challenger: SIR-B
Experiment, Pasadena: NASA Jet Propulsion Lab, 135 pp.
Franklin, S. E., M. B. Lavigne, B. A. Wilson and E. R.
Hunt, 1994, “Empirical Relations Between Balsam Fir Stand
Conditions and ERS-1 SAR data in Western Newfoundland,”
Canadian Journal o f Remote Sensing, 20:124-130.
Henderson, F. M. and Z Xia, 1998, “Radar Applications
in Urban Analysis, Settlement Detection and Populadon
Estimation,” in Henderson and Lewis (Eds.) Principies and
Applications o f Imaging Radar, NY: John Wiley, 733—768.
Henderson, F. M. and A. J. Lewis, 1998, “Radar Fundamentais: The
Geoscience Perspective,” in Henderson and Lewis (Eds.) Principies
andApplications of Imaging Radar, NY: John Wiley, 131-181.
Hodgson, M. E., Jensen, J. R., Schmidt, L., Schill, S. and
B. A. Davis, 2003, “An Evaluation of LIDAR- and IFSAR-
Derived Digital Elevation Models in Leaf-on Conditions
with USGS Levei 1 and Levei 2 DEMS,” Remote Sensing o f
Environment, 84(2003):29 5-308.
Jackson, T. J. and T. J. Schmugge, 1991, “Vegetation Effects
on the Microwave Emission of Soils,” Remote Sensing of
Environment, 36(3):203—212.
Jensen, J. R., Botchway, K., Brennan-Galvin, E., Johannsen,
C. , Juma, C., Mabogunje, A., Miller, R., Price, K., Reining,
P., Skole, D., Stancioff, A. and D. R. F. Taylor, 2002, Down to
Earth: Geographic Information for Sustainable Development in
África, Washington: National Academy Press, 155 p.
336 CAPÍTULO Sensoriamento Remoto por Micro-ondas Ativas e Passivas
JPL, 1999a, Shuttle Radar Topography Mission, Pasadena: Jet
Propulsion Lab, http://www-radar.jpl.nasa.gov/srtm.
JPL, 1999b, Module 2: Hoiv Radar Imaging Works:
Interferometry, Pasadena: Jet Propulsion Lab, SIR-C Website.
Kasischke, E. S. and L. L. Bourgeau-Chavez, 1997, “Monitoring
South Florida Wetlands Using ERS-1 SAR Imagery,”
Photogrammetric Engineeringtk Remote Sensing, 63(3) :281—291
Kasischke, E. S., G. A. Meadows and P. L. Jackson, 1984,
The Use o f Synthetic Aperture Radar to Detect Hazards to
Navigation, Ann Arbor: Environmental Research Institute of
Michigan, Publication # 169200-2-F., 194 p.
Leberl, F. W., 1990, Radargrammetric Image Processing,
Norwood: Artech House, 595 p.
Li, Q., R. Ferraro and N. C. Grody, 1998, “Detailed Analysis
of the Error Associated with the Rainfall Retrieved by the
NOAA/NESDIS SSM/I Rainfall Algorithm: Part 1 Journal
Geophysical Research, 103 (11) :419—427.
Madsen, S. N. and H. A. Zebker, 1998, “Imaging Radar
Interferometry,” in Henderson and Lewis (Eds.) Principies and
Applications o f Imaging Radar, NY: John Wiley, 359—380.
McGlone, J. C., 2004, Manual o f Photogrammetry, 5th Ed.,
Bethesda: ASP&RS, 1151 p.
Mikhail, E. M„ Bethel, J. S. andj. C. McGlone, 2001, Introduction
to Modem Photogrammetry, NY: John Wiley, 479 p.
MDA, 2006a, RADARSAT-2:Innovation inEarth Observation,
Canada: MDA Services, http://www. radarsat2.info/.
MDA, 2006b, Polarimetric Parameters, Canada: MDA
Geospatial Services, http://www.radarsat2.info/.
Moore, R. K., 1983, “Imaging Radar Systems,” Manual
o f Remote Sensing, 2nd Ed., R. Colwell, (Ed.), Bethesda:
ASP&RS, 429-474.
NASA AMRS-E, 2006, Advanced Microwave Scanning
Radiometer, Marshal Space Flight Center, http://www.ghcc.
msfc.nasa.gov/AMSR/.
NASA JPL, 1996, “Brazil Rainforest,” at Imaging Radar
Home Page (http:/www.jpl.gov).
NASA SRTM, 2006, Shuttle Radar TopographyMission, Pasadena:
Jet Propulsion Lab, http://www2.jpl.nasa.gov/srtm/index.html.
NASA TRMM, 2006, Tropical Rainfall Measuring Mission,
Beltsville: Goddard Space Flight Center, http://trmm.gsfc.
nasa. gov/.
NSIDC, 2006, Advanced Microwave Scanning Radiometer
(AMSE-E), Boulder: National Snow and Ice Data Center,
http://nsidc.org/data/does/daac amsre_instrument.gd.html.
NSIDC SSM/I, 2006, DMSP SSM/I Pathfinder Daily EASE-
Grid Brightness Temperatures, Boulder: National Snow and Ice
Data Center, http://nsidc.org/data/nsidc-0032.html.
Peake, W. FL and T. L. Oliver, 1971, Response o f Terrestrial
Surfaces at Microwave Frequencies, Air Force Avionics Lab
Report #TR-70-301, Columbus: Ohio State Univ.
Price, A., 1990, “Eyes of England,” Air & Space, 5(4): 82-93.
Rabus, B., Eineder, M., Roth, A., and R. Bamler, 2003, “The
Shuttle Radar Topography Mission — A New Class of Digital
Elevation Models acquired by Spaceborne Radar,” ISPRS
Journal of Photogrammetry & Remote Sensing, 57:241-262.
Raney, K., 1998, “Radar Fundamentais: Technical
Perspective,” Henderson and Lewis (Eds.), Principies and
Applications o f Imaging Radar, NY: John Wiley, 42-43.
Rodriguez, E., Morris, C. S. and J. E. Belz, 2006, “A Global
Assessment of the SRTM Performance,” Photogrrammetric
Engineering & Remote Sensing, 72(3):249-260.
Sabins, F. F., 1997, Remote Sensing: Principies and Interpretation.
3nd Ed., NY: Freeman, 494 p.
Sun, G. and K. J. Ranson, 1995, “AThree-dimensional Radar
Backscatter Model for Forest Canopies,” IEEE Transactions
on Geoscience and Remote Sensing, 33:372—382.
Van der Sanden, J. J. and S. J. Thomas (Eds.), 2004,
Applications Potential o f RADARSAT-2 — Supplement One,
Ottawa: Canada Centre for Remote Sensing, 115 p.
Wang, Y., E. S. Kasischke, J. M. Melack, F. W. Davis and N.
L. Christensen, 1994, “The Effects of Changes in Loblolly
Pine Biomass and Soil Moisture on ERS-1 SAR Backscatter,”
Remote Sensing o f Environment, 49:25—31.
Wang, Y., E. S. Kasischke, F. W. Davis, J. M. Melack and
N. L. Christensen, 1995, “The Effects of Changes in
Forest Biomass on Radar Backscatter from Tree Canopies,”
InternationalJournal o f Remote Sensing, 16:503—513.
Waring, R. H., J. Way, E. R. Hunt, L. Morrissey, K. J. Ranson,
J. F. Weishampel, R. Oren and S. E. Franklin, 1995, “Imaging
Radar for Ecosystem Studies,” BioScience, 45(10):715—723.
Sensoriamento Remoto por LIDAR

informação sobre elevação é um componente crítico nas bases de dados geográ­

A ficos utilizadas por muitas agências (p.ex., DoD, 2000; FEMA, 2004; USGS,
2006). Ela é tão importante que o Programa Nacional de Elevação Digital (Na­
tional Digital Elevation Program - NDEP) foi criado para incentivar o uso com­
partilhado dos dados das agências federais, estaduais e locais, do setor comercial e
do acadêmico, com o objetivo de minimizar a redundância na produção de dados
sobre elevação (NDEP, 2006). Esses dados são usados em um grande número de
aplicações práticas, como no mapeamento de áreas de inundação, no planeja­
mento regional e na localização de áreas para a instalação de empresas públicas.

A maioria dos dados de elevação é arquivada em modelos digitais de elevação,

que podem ser analisados conjuntamente com outros dados espaciais em um
GIS. Um modelo digital de elevação (digital elevation model - DEM) é definido
como um arquivo ou base de dados contendo pontos de elevação numa área
contígua (Miller, 2004; Ma, 2005). Os DEMs podem ser subdivididos em:

1. modelos digitais de superfície (digital surface models - DSM), que contêm

informação de elevação de todas as feições na paisagem, como a vegetação,
edifícios e outras estruturas; e

2. modelos digitais do terreno (digital terrain models - DTM), que contêm in­
formação de elevação da superfície desnuda da Terra, sem a influência da
vegetação ou das estruturas feitas pelo homem.

Quatro técnicas principais são utilizadas para obter informações sobre eleva­
ção, incluindo (Bossler et al., 2002):

• levantamento in situ;

• fotogrametria (Capítulo 6);

• Radar Interferométrico de Abertura Sintética (Interferometric Synthetic

Aperture Radar - IFSAR) (Capítulo 9); e

• LIDAR (Light Detection and Ranging - Detecção de Luz e Distância).

O levantamento in situ utilizando métodos convencionais (p.ex., estação total

ou instrumentos GPS) pode fornecer informações x,y,z precisas. Entretanto,
os trabalhos de campo demandam tempo e têm um alto custo por ponto ad­
quirido. Mesmo com instrumentos GPS, geralmente é difícil obter pontos em
áreas com vegetação densa. Devido a esses obstáculos, a densidade de obser­
vações x,y,z obtidas em uma área é, muitas vezes, baixa. Isso torna necessário
a interpolação entre pontos distantes para se produzir um modelo digital do
terreno (DTM) de uma área.

As técnicas fotogramétricas são utilizadas rotineiramente para adquirir infor­

mação topográfica em x,y,z. Os levantamentos fotogramétricos podem mapear
338 CAPÍTULO
grandes áreas durante a estação de perda da folhagem pela
vegetação e permitem a aquisição de uma densa quantidade
de pontos. O Capítulo 6 resume como os modelos digitais
de elevação são extraídos diretamente de pares estereoscó­
picos de fotografias aéreas. A fotogrametria pode ser usa­
da para obter uma densa quantidade de informação sobre
elevação em terrenos inóspitos. Além disso, o analista pode
obter, seletivamente, uma grande densidade de observações
x,y,z associadas a feições críticas, como linhas de crista ou
mudanças abruptas de declividade (p.ex., ao longo de viadu­
tos nas rodovias), denominadas de linhas de quebra.
O LIDAR oferece uma alternativa para os levantamentos
in situ no campo e para as técnicas de mapeamento fo-
togramétrico na aquisição de dados de elevação (Maune,
2001). A tecnologia LIDAR pode ser usada na obtenção
de dados de elevação com precisão e rapidez, com aplicabi­
lidade crescente em terrenos inóspitos (McGlone, 2004).
Entretanto, o LIDAR não permite que o analista tenha o
controle da localização individual das medidas x,y,z obti­
das sobre linhas de crista ou linhas de quebra.
Princípios do LIDAR
O primeiro laser óptico foi desenvolvido em 1960 pela
Hughes Aircraft, Inc. Os instrumentos laser foram usados,
inicialmente, para medir o tempo gasto pela luz para se
deslocar do transmissor laser até o alvo e retornar ao recep­
tor laser. Os primeiros sistemas de sensoriamento remoto
a utilizar o LIDAR tinham a capacidade de coletar medi­
das apenas diretamente abaixo da aeronave, produzindo
um único perfil de elevação ao longo da trajetória de voo
(Jensen et ah, 1987). O uso sinérgico do GPS cinemático
e das unidades de medição inercial (inertial measurement
units - IMUs) nos sistemas de varredura LIDAR aeroporta-
dos, permitiram o rápido amadurecimento da tecnologia.
As acurácias ou exatidões vertical e horizontal obtidas pelo
LIDAR e os seus custos de operação são, hoje, similares aos
da fotogrametria (McGlone, 2004; Raber et ah, 2006).
LIDAR: Laser e Sistema de Varredura
O instrumento LIDAR consiste de um sistema de controle
e um transmissor e receptor. Quando a aeronave se move ao
longo da linha de voo, pulsos de luz laser são direcionados
ao terreno por um espelho com varredura perpendicular à
trajetória (Figura 10-1 a). A maioria dos sistemas LIDAR
usados para mapeamentos topográficos utilizam a luz laser
no infravermelho próximo, na região de 1040 a 1060 nm
(Boland et ah, 2004). Lasers que utilizam a luz azul-verde,
centrada em aproximadamente 532 nm, são usados em ma­
Sensoriamento Remoto por LIDAR
peamento batimétrico devido à sua capacidade de penetra­
ção na água (Mikhail et al., 2001). Os dados LIDAR podem
ser obtidos, se necessário, à noite, por ser um sistema ativo,
que não depende da iluminação solar passiva.
Os sistemas LIDAR podem emitir pulsos a taxas superiores a
100.000 pulsos por segundo, normalmente denominadas de
frequência de repetição de pulso. Um pulso de luz laser desloca-
se à velocidade da luz, c ( 3 x 108m .s')• A tecnologia laser é
baseada na medição precisa do tempo que o pulso de luz leva
do transmissor ao alvo e de volta ao receptor. O tempo de
percurso de um pulso de luz, t, é (Boland et ah, 2004)
t = 2— (10-1)
c
onde R é a distância [range) entre o sensor LIDAR e o
objeto. A distância R pode ser determinada rearranjando a
equação (Baltsavias, 1999a,b)
R = — tc (10-2)
2
O processo de medição das distâncias resulta em um con­
junto de pontos com dados de elevação (normalmente de­
nominados como masspoints) distribuídos sistematicamen­
te no tempo, ao longo da linha de voo, como mostrado na
Figura 10-lb. O exemplo mostra pontos associados com o
terreno, com diversas linhas de transmissão, uma torre de
energia, e com o dossel de árvores.
A área de cobertura de um pulso laser no terreno é aproxi­
madamente circular e varia com o ângulo de varredura e a
topografia (Baltsavias, 1999b). O diâmetro da visada instan­
tânea laser (F p .) no terreno (Figura 10-1 a) é calculado por
Fp.inst =
í
(10-3)
2(B J
' inst
onde b é a altitude da aeronave em relação ao solo (AGL
—above ground levei), Q.mi é o ângulo de varredura instan­
tâneo, e y é a divergência do feixe laser (Baltsavias, 1999b;
Boland et ah, 2004b). Por exemplo, se h = 750m, 0 ;; =15°
e y = lmrad, então Fp = 0,80m para um terreno plano.
Voando a uma altitude de 1000 m, uma típica divergência
de feixe laser de 1mrad resulta em uma área de cobertura
instantânea com lm de diâmetro (Baltsavias, 1999b).
A largura da faixa de cobertura perpendicular à trajetória
[sw - Swath width) é dada por:
sw = 2Âtan — (10-4)
2
onde 9 é o ângulo de varredura. Por exemplo, se h = 750m,
e 0 = 30°, então sw = 402m.
Princípios do LIDAR 339

Aquisição de Dados de LIDAR

Z

k Y
X

. linhas de transmissão de energia

tr a n s m is s o r /
receptor espe[ho torre de
varredura transmissão •dossel de
altitude AGÍ., h árvores
ângulo de
varredura

área de visada
instantânea
-°9 0 o " do laser

a. Aquisição de dados de LIDAR. b. Massa de pontos de coleta de elevação (masspoints) do LIDAR para uma área pequena

c. Impacto causado pelo aumento do ângulo de varredura. d. Modelo digital de superfície obtido do I.IDAR.

Figura 10-1 a) Os instrumentos LIDAR transmitem pulsos de luz laser em direção ao solo usando um espelho de varredura. Grande parte dessa
energia é retroespalhada em direção à aeronave e registrada eletronicamente pelo receptor. O GPS e o IMU a bordo documentam
a localização exata e os movimentos de roll, pitch e yaw (rolamento, arfagem e deriva) da aeronave nos instantes em que o pulso
de laser é enviado e recebido, b) Pontos de elevação x,yz (masspoints) obtidos pelo LIDAR para uma área próxima de Aiken, SC.
Muitos desses pontos estão localizados na superfície do terreno, enquanto outros situam-se no dossel de árvores e sobre linhas de
transmissão de energia e postes, c) Assumindo que o dossel das árvores tem altura e densidade uniformes, então, quanto maior o
ângulo de varredura a partir do nadir, maior será a quantidade de dossel a ser penetrada para se atingir a superfície do solo e, por­
tanto, adquirir a informação necessária para produzir um modelo digital do terreno desprovido da vegetação, d) Modelo digital da
superfície obtido do LIDAR para uma área próxima de Aiken, SC - Carolina do Sul (de Cowen et al., 2000).
340 CAPITULO
Tabela 10-1. Características dos dados LIDAR adquiridos na Região do Rio Savannah, em 10 de Outubro de 2004.
Sensor P u ls o s p o r
F o rn e ce d o r L ID A R D a ta segundo
Optech ALTM 10-10- 50.000
Sanborn, Inc.
2050 2004 (50KHz)
O espaçamento de pontos perpendiculares à trajetória (P . )
é dependente da frequência de repetição de pulso (PRF*), cfa
altitude AGL da aeronave (h), da velocidade de varredura
angular instantânea (a ) em radianos por segundo, e do
ângulo de varredura instantâneo (9jm) (Baltsavias, 1999b):
p _ k _____ x a »ist
spacing cosYQ ) PRF (10-5)
A densidade de amostragem real para uma área depende,
também, da velocidade da aeronave. Densidades típicas de
amostragem no solo variam de 1 ponto por 20m2 a 20
pontos por m2 para uma altitude de voo de lOOOm (Bo-
land et al., 2004). Essas densidades mais altas são obtidas
pela superposição de múltiplas linhas de voo para cobrir a
área de estudo. Os sinais de retorno registrados são, quase
sempre, menores que o número de pulsos emitidos.
O ângulo máximo de varredura fora do nadir (off-nadir)
pode ser ajustado de acordo com as necessidades da missão
de coleta de dados. Quanto maior o ângulo de varredura
fora do nadir, maior será a quantidade de vegetação que o
pulso terá que penetrar para atingir a superfície do terreno,
assumindo um dossel uniforme (Figura 10-lc). Os dados de
LIDAR podem ser usados para preparar modelos digitais do
terreno ou da superfície, como o modelo na Figura 10-1 d,
que foi usado para identificar a localização ótima de uma
nova ferrovia próxima a Aiken, SC (Cowen et al., 2000).
O sensoriamento remoto por LIDAR evita os problemas da
triangulação e da ortorretificação discutidos no Capítulo 6,
pois cada medida LIDAR é georreferenciada individualmente
(Flood e Gutelius, 1997). Porém, isso implica num substan­
cial processamento para transformar os dados laser de distância
[range) em pontos (masspoints) georreferenciados. Algumas va­
riáveis mais importantes usadas no processamento incluem:
• a localização x,y,z do laser no espaço tridimensional no
momento de envio do pulso;
• a atitude (orientação do sensor nas três dimensões: roll,
pitch, heading) do laser no momento do envio do pulso;
• o ângulo de varredura do LIDAR no momento do en­
vio do pulso;
Sensoriamento Remoto por LIDAR
C o m p rim e n to  n g u lo d e P ó s -e s p a ç a m e n to
de onda v a rr e d u r a n o m in a l
A cada 30cm em x e y
1046nm ±10
• o efeito da refração atmosférica na velocidade da luz;
• o tempo de deslocamento do pulso laser do instrumen­
to LIDAR até o alvo e de volta ao instrumento.
F importante investigar mais a fundo alguns desses parâ­
metros. Para fins de discussão, usaremos os dados de LI­
DAR da região do Rio Savannah, próxima a Aiken, SC,
adquiridos em 10 de Outubro de 2004. Os dados foram
adquiridos por um LIDAR que transmitia 50.000 pulsos
laser no infravermelho próximo (1046nm) por segundo.
As especificações de aquisição dos dados LIDAR estão re­
sumidas na Tabela 10-1 (Sanborn, 2005).
Localização do Laser LIDAR
E importante conhecer a posição exata do laser LIDAR
durante a aquisição de cada um dos pontos. Isso é obtido
com o uso da tecnologia de GPS Diferencial (Dijferential
Global Positioning System - DGPS). O DGPS é baseado no
uso de dois receptores GPS que registram, simultaneamen­
te, a informação de posicionamento. Uma estação-base
GPS terrestre é posicionada através de um levantamento
preciso, com coordenadas x,y,z bem definidas. A estação-
base terrestre registra a sua posição durante a missão de
coleta de dados de LIDAR. O segundo receptor GPS está
localizado na aeronave e registra a posição da antena do
LIDAR durante a aquisição de cada um dos pontos.
Após a aquisição dos dados de LIDAR, as informações das
duas unidades GPS (uma no solo e outra na aeronave) são
pós-processadas considerando-se a posição conhecida da an­
tena da estação-base. Este processo determina a localização
exata da antena da aeronave durante todo o voo. A precisão
típica do posicionamento da aeronave é <5-10cm, e as in­
formações são obtidas em unidades de latitude, longitude e
altura elipsoidal em um sistema de coordenadas WGS 84.
Atitude (Orientação) da Antena do LIDAR
É necessário ter informações precisas sobre a orientação
da antena do LIDAR (roll, pitch e heading) durante todo
o tempo de aquisição de dados. Isto é obtido por meio de
Princípios do LIDAR 341

uma unidade de medição inercial (inertial measurement unit

- IMU). A IMU utiliza giroscópios {roll, pitch e yaw) e três
acelerômetros para medir a orientação da antena do LIDAR
no momento exato em que cada pulso é transmitido e rece­
bido. Após a aquisição dos dados de LIDAR, as informações
do IMU são pós-processadas considerando os dados de po­
sicionamento da antena obtidos do GPS, resultando em um
arquivo que indica a trajetória da aeronave e da antena laser
durante todo o tempo de duração da missão. O arquivo de
saída documenta a posição da aeronave (latitude, longitude
e altura elipsoidal) e a orientação do sensor {roll, pitch e hea­
ding) indexadas pelo tempo do GPS.

Pós-Processamento dos Retornos Múltiplos

de LIDAR

Até aqui, adquirimos os dados GPS, os dados IMU, e en­

viamos e recebemos os pulsos laser. Como esses dados serão
transformados em valores digitais de elevação com localiza­
ções específicas x,y,z na superfície da Terra? Isto é realizado
pelo pós-processamento dos dados LIDAR feito após a fi­
nalização do sobrevoo. O software de pós-processamento é
usado para associar 1) a posição x,y,z da antena LIDAR, 2) a
orientação roll, pitch eyaw da antena, e 3) a informação sobre
a distância {range) para cada retorno do LIDAR, identificado
por um conjunto de coordenadas de latitude, longitude e al­
titude {x,y,z). A saída tem, tipicamente, um formato binário
compacto de coordenadas WGS 84, com opções de conver­
são para os formatos ASCII, e/ou coordenadas UTM. Agora,
vamos considerar as características dos dados LIDAR.
Figura 10-2 Como múltiplos retornos são gerados a partir de um
único pulso de luz laser.
Retornos LIDAR

Como mencionado, um pulso de energia laser é enviado
diretamente em direção ao terreno, com um determinado
ângulo fornecido pelo espelho rotativo. Dependendo, prin­
cipalmente, da altitude do instrumento LIDAR e do ângulo
em que é enviado, cada pulso irá iluminar no terreno uma
área com o formato aproximado de um círculo, denominada
de área de cobertura laser instantânea {instantaneous laserfoot-
priní), com cerca de 30cm de diâmetro (Figura 10-la). Este
pulso único pode gerar um retorno ou múltiplos retornos.
A Figura 10-2 demonstra como múltiplos retornos podem
ser produzidos a partir de um único pulso. Toda a energia
contida em um pulso A interage com a superfície do terre­
no. Poderia ser assumido que esta interação resultasse em
um único sinal de retorno. Entretanto, se houver qualquer
material que provoque um relevo local dentro da área de co­
bertura instantânea laser (p.ex., grama, pequenas rochas ou
galhos), haverá múltiplos retornos. O primeiro retorno virá
desses materiais que formam o relevo local (normalmente da
ordem de 3 a 5cm) e o segundo, e talvez último retorno, da
superfície desnuda do terreno. Embora não sejam idênticas,
as distâncias {range) associadas com o primeiro e o último
retornos são muito similares.
O pulso laser B encontra duas partes de uma árvore a diferentes
alturas e, então, a superfície desnuda do terreno. Neste exem­
plo, parte do pulso B encontra um galho a 3m do solo, pro­
vocando o retorno de parte do laser incidente para o receptor
LIDAR. Este sinal é registrado como o primeiro retomo (Figu­
ra 10-2). O pulso remanescente continua até dois metros do
solo, onde encontra um outro galho, que espalha a energia de
volta ao receptor LIDAR. Este sinal é registrado como segundo
retomo. Neste exemplo, aproximadamente metade do pulso
atinge, finalmente, o solo, e parte dele é retroespalhada em
direção ao receptor LIDAR. Este é o último retomo. Se quiser­
mos informações sobre a altura da árvore e suas características
estruturais, então nós estaríamos interessados nos retornos 1 e
2 associados ao pulso B. Se nós estivermos interessados apenas
na construção de um modelo digital da superfície desnuda
do terreno, então estaríamos particularmente interessados no
último retorno associado com os pulsos A e B.
342 CAPÍTULO
Assim, cada pulso laser transmitido da aeronave pode resultar
em múltiplos retornos. São os denominados dados de múltiplos
retornos de LIDAR. O pós-processamento dos dados originais
irá resultar em diversos arquivos de LIDAR, que se referem a:
• primeiro retorno;
• possíveis retornos intermediários;
• último retorno; e
• intensidade.
Os pontos (masspoint) associados com cada arquivo de re­
torno (p.ex., primeiro retorno) estão distribuídos na paisa­
gem em várias densidades, dependendo, principalmente, do
ângulo de varredura, do número de pulsos transmitidos por
segundo (p.ex., 50.000pps), da velocidade da aeronave e dos
materiais que os pulsos laser encontram. As áreas no solo
que não apresentam nenhum dado de retorno do LIDAR
são denominadas de destituídas de dados (data voids).
Os conjuntos de dados de LIDAR podem ser fornecidos
de acordo com as especificações do usuário. Por exemplo,
os dados de retorno do LI DAR da região do Rio Savannah
foram enviados no formato ASCII como:
• hora do dia, coordenada-x, coordenada-y, coordena-
da-z e intensidade.
O formato ASCII permite que os dados de LIDAR sejam
examinados e analisados diretamente em um GIS. Os re­
tornos de LIDAR foram processados pelo fornecedor em
arquivos separados de:
• primeiros retornos;
• últimos retornos; e
• retornos da superfície desnuda da Terra.
Os retornos da superfície desnuda da Terra foram deriva­
dos a partir dos primeiros e últimos retornos usando um
procedimento de pós-processamento (a ser discutido).
Extração de Modelos Digitais de Superfície
(Digital Surface Models - DSMs) do Primeiro,
do Intermediário e/ou do Último Retorno
Os pontos de coleta (masspoints) associados com os últi­
mos retornos do sobrevoo da missão de LIDAR na Região
do Rio Savannah em 10 de Outubro de 2004 são mostra­
dos na Figura 10-3a. Observe a distribuição e a densidade
Sensoriamento Remoto por LIDAR
desses pontos. Cada ponto tem uma localização x,y única.
O exame cuidadoso revela que o conjunto de dados de úl­
timos retornos contêm pontos derivados de múltiplas e su­
perpostas linhas de voo. Em um ambiente computacional
interativo, podemos clicar sobre um ponto individual na
Figura 10-3a para obter o valor de elevação. Isso é útil, po­
rém não revela qualquer padrão de elevação no conjunto
de dados. Portanto, é comum o uso de diversas técnicas de
processamento de imagem para melhorar o nosso conheci­
mento sobre o conjunto de dados. Por exemplo, os pontos
de coleta individuais foram processados usando a interpo-
lação ponderada pelo inverso da distância (inverse distance
weigbting- IDW) para criar uma grade (raster) com valores
de elevação a cada 0,23 x 0,25m (Figura 10-3b) [ver Jen-
sen (2005) para uma discussão sobre a técnica IDW]. O
processo de interpolação cria um modelo digital de super­
fície —DSM, que contém as características de elevação de
todas as árvores, arbustos e estruturas feitas pelo homem.
Quanto mais brilhante for o pixel em um DSM, maior é
a elevação. Por exemplo, as edificações na Figura 10-3b
são mais altas do que a superfície do terreno ao seu redor;
portanto, aparecem com maior brilho. Os pontos de coleta
originais foram superpostos ao modelo digital de super­
fície IDW, com propósitos ilustrativos, na Figura 10-3b.
Muitos pesquisadores criam DSMs usando uma estrutura
de dados de rede triangular irregular (triangular irregular
network - TIN) (a ser mostrada posteriormente).
O modelo digital de superfície IDW obtido pelo LIDAR
pode se tornar de melhor visualização para o intérprete
pela aplicação do algoritmo de sombreamento do relevo,
que realça o terreno como se ele fosse iluminado pelo Sol
em uma direção específica (p.ex., do noroeste). Um exem­
plo é apresentado na Figura 10-3c. Para fins ilustrativos, os
pontos originais de coleta de dados foram superpostos ao
modelo digital de superfície realçado pelo sombreamento
do relevo. A superposição dos pontos de coleta em ortofo-
tografias é, também, muito útil (Figura 10-3d).
A maioria dos projetos de LIDAR gera uma quantidade
tão grande de dados que é necessário subdividir o con­
junto em setores, como se fossem peças de um mosaico.
O que examinamos até agora é apenas uma pequena par­
te de um desses setores. Os modelos digitais de elevação
dos primeiros e dos últimos retornos para um setor intei­
ro são mostrados na Figura 10-4ab. Este gráfico apresenta
os modelos digitais de superfície ponderados pelo inverso
da distância (IDW) para os dados dos primeiros e dos
últimos retornos. Esses dois modelos são apresentados no
íormato de relevo sombreado.
Os arquivos de DSM de múltiplos retornos são de valor
significativo para muitas aplicações, como na extração da
altura e da biomassa da vegetação e na obtenção de infor-
Princípios do LIDAR 343

Diversas Representações de Pontos de Último Retorno de LIDAR

a. Distribuição dc pontos de último retorno b. Modelo digital de superfície ID W superposto aos

não-editados. pontos de coleta.

c. Modelo ID W com relevo sombreado superposto d. Pontos de último retorno não-editados superpos­
aos pontos de coleta. tos em uma ortofoto.

Figura 10-3 a) Os pontos de coleta (masspoints) podem ser vistos individualmente. Este procedimento é útil para identificar qualquer
vazio de dados. Pode ser visto, também, que os dados deste conjunto de últimos retornos são oriundos de múltiplas linhas
de voo. Modelos digitais de superfície podem ser criados usando a ponderação pelo inverso da distância (inverse distance wei-
ghting - IDW), como em (b) ou usando a estrutura de dados de redes triangulares irregulares (triangular irregular networks-
TIN) (não mostrado). c) O modelo digital de superfície ID W é apresentado com o relevo sombreado. O terreno é modelado
como se o Sol estivesse a noroeste produzindo sombras que se dispõem em direção ao observador. A teoria cartográfica
sugere que esta é uma das melhores formas de representação tridimensional de informações, d) Os pontos de último retorno
superpostos a uma ortofotografia digital podem, também, ser úteis.

mações sobre a altura de edificações (p.ex., Lefsky et al.,
2005; Ma, 2005). Entretanto, e se nós desejarmos um mo­
delo digital do terreno - DTM, sem a presença de árvores
ou estruturas feitas pelo homem? Como ele é criado?
Extração de Modelos Digitais do Terreno (DTMs)
da Superfície Desnuda da Terra
Se o objetivo de um sobrevoo com LIDAR é coletar
dados para produzir um modelo digital do terreno, a
presença de vegetação (e outros obstáculos superficiais)
pode se tornar um incômodo. Em áreas cobertas por
vegetação densa, a maioria dos retornos do LIDAR será
do dossel, com apenas alguns poucos pulsos atingindo
a superfície do terreno. Hendrix (1999) observou que
mais de 93% dos pulsos do LIDAR nunca atingiam o
solo em áreas florestadas em planície de inundação (bot-
tomland hardwoods) próximo a Aiken, SC —Carolina do
Sul. A separação entre os retornos vindos do solo e os
vindos do dossel da vegetação pode ser problemática.
Nem sempre ela pode ser feita.
344 CAPÍTULO Sensoriamento Remoto por LIDAR

Dados de LIDAR da Região do Rio Savannah, Obtidos em 10 de Outubro de 2004

a. Primeiro retorno ponderado pelo b. Últim o retorno ponderado pelo inverso

inverso da distância. da distância. após edição.

d. Versão de (a) com relevo sombreado. e. Versão de (b) com relevo sombreado. f. Versão de (c) com relevo sombreado.

Figura 10-4 a) A ponderação pelo inverso da distância (IDW) aplicada aos dados de LIDAR de primeiro retorno, para criar um m o­
delo digital de superfície (DSM). b) O ID W aplicado aos dados de LIDAR de último retorno, c) O ID W aplicado aos
pontos de coleta editados para criar um modelo digital do terreno (DTM ) da superfície da Terra desnuda, d-f) Versões
com o relevo sombreado de a-c.
Princípios do LIDAR
Um modelo digital do terreno (DTM) da superfície des­
nuda da Terra pode ser criado removendo-se sistemati­
camente dos dados de LIDAR os pontos com primeiro,
intermediário e/ou último retornos, que sejam provenien­
tes das árvores, dos arbustos e até da grama. Este procedi­
mento é realizado tipicamente em duas etapas: 1) filtragem
semi-automática dos pontos de coleta, e 2) edição manual
dos pontos (Raber et al., 2002; Leonard, 2005).
Filtragem Semi-automática dos Pontos com Vegetação
e/ou Estruturas Feitas pelo Homem
Muitas paisagens contêm uma vegetação densa. É impera­
tivo ter uma técnica que remova 90 - 98% dos pontos de
coleta de dados com vegetação. Isto é feito usando-se um
algoritmo de filtragem que percorra sistematicamente o
conjunto de dados de LIDAR examinando cada ponto e
as características de elevação associadas aos seus n vizinhos
mais próximos. Então, o filtro identifica aqueles pontos que
são a) superfície desnuda do terreno, b) arbustos-cerrado, c)
árvores, e/ou d) estruturas feitas pelo homem. Por exemplo,
Raber et al. (2002) desenvolveram um filtro adaptativo para
a remoção da vegetação que considera o tipo de cobertura
do solo. Sithole e Vosselman (2004) revisaram oito diferen­
tes filtros aplicados a doze conjuntos de dados de LIDAR.
Tem-se obtido progresso no desenvolvimento de algoritmos
para a remoção semi-automática da vegetação e de objetos
feitos pelo homem. É promissor o desenvolvimento desses
novos algoritmos, que serão mais eficientes e precisos.
Edição Manual dos Pontos com Vegetação e/ou Estru­
turas Feitas pelo Homem
Infelizmente, a filtragem semi-automática raramente iden­
tifica todos os pontos de coleta de dados associados a ar­
bustos, árvores e/ou objetos feitos pelo homem (Leonard,
2005). Normalmente, é necessário que um analista bem
treinado examine visualmente os resultados da aplicação
do filtro semi-automático e, então, identifique seleti­
vamente e retire qualquer ponto acima da superfície do
terreno que não tenha sido detectado pela filtragem. Esta
abordagem pode envolver a observação tridimensional do
conjunto de pontos ou a superposição dos pontos de coleta
a uma fotografia aérea retificada. Os pontos editados ma­
nualmente podem, então, ser usados para criar um modelo
digital do terreno (DTM) da superfície desnuda da Terra.
As Figuras 10-4c e 10-4f apresentam um DTM onde toda
a vegetação e edificações foram removidas. A Figura 10-5a
apresenta uma ampliação de uma pequena parte da área
mostrada nas figuras 10-4c e 10-4f, com os pontos da fil­
tragem semi-automática superpostos ao modelo digital
de superfície (DSM) IDW. Note a ausência de dados no
teto do edifício, onde os pontos de coleta foram retirados
pela filtragem e/ou manualmente. Os pontos de superfície
345
desnuda podem, então, ser processados para produzir um
D I M que não contém as edificações, como mostrado na
Figura 10-5d. Note também que quase toda a vegetação
presente nos dados de LIDAR de primeiro e último re­
tornos (Figuras 10-4a,b e 10-4d,e) está ausente no DTM
mostrado nas Figuras 10-4c e 10-4f.
E importante notar que o DTM final da superfície desnu­
da da Terra pode, ou não, incluir estruturas feitas pelo ho­
mem, como edificações. Por exemplo, se nós pretendemos
construir um DTM que será usado para modelar o fluxo
de água no solo, não iríamos querer utilizar o DTM mos­
trado na Figura 10-4f (e na Figura 10-5d) porque as cons­
truções foram removidas. Assim, iríamos remover apenas
toda a vegetação e criar o DTM. O DTM conteria, en­
tão, informações de elevação da superfície do terreno e das
construções. Um modelo hidrológico usando este DTM
iria determinar, corretamente, o fluxo da água ao redor dos
edifícios, e não através deles.
Intensidade de LIDAR
A maioria dos sistemas de LIDAR fornecem um arquivo
de intensidade junto com dados de múltiplos retornos. Por
exemplo, os dados de intensidade produzidos pelo sistema
de LIDAR Leica ALS40/50 representam os picos de volta­
gem dos sinais de retorno registrados pelo controlador do
sistema (Leonard, 2005). Em muitos casos, a intensidade re­
gistrada não é a integração dos ecos que retornaram de todos
os pulsos, mas apenas os seus máximos (Baltsavias, 1999).
Há diversos fatores que influenciam o valor de intensidade.
Inicialmente, é importante relembrar que a luz laser é mo­
nocromática e tem uma largura de banda extremamente
pequena (p.ex., 2 - 5nm), normalmente centrada em um
comprimento de onda do infravermelho próximo (p.ex.,
1046nm). Por outro lado, no sensoriamento remoto mul-
tiespectral as bandas apresentam larguras de 50 - lOOnm,
embora os sensores hiperespectrais possam ter larguras de
banda da ordem de até lOnm (Baltsavias, 1999). Outros fa­
tores significativos incluem a distância do alvo, o ângulo de
incidência e a dispersão atmosférica. Além disso, o contro­
lador do sistema também registra o estado do AGC (auto-
matic gain control). O circuito AGC ajusta o ganho do sinal
de retorno em resposta às mudanças na reflectância do alvo.
Os valores de ganho e de intensidade podem apresentar uma
variação diária e dentro da própria cena. Esta variabilidade
no controle do ganho pode causar problemas na interpreta­
ção de dados de intensidade (Leonard, 2005).
Teoricamente, poder-se-ia pensar que, devido ao uso pelo
laser da luz no infravermelho próximo, o valor de intensi­
dade de cada ponto de coleta tivesse um efeito similar à da
reflectância no sensoriamento remoto óptico no espectro
346 CAPÍTULO Sensoriamento Remoto por LIDAR

Distribuição de Pontos de Coleta de Dados Após Edição Manual e Digital

a. Pontos de coleta editados superpostos ao modelo

digital de superfície ID W dos últimos retornos.

c. Pontos de coleta editados superpostos a d. T IN da superfície terrestre desnuda a partir de pontos

uma ortofoto 1 x lm . de coleta editados.

Figura 10-5 a) Pontos de coleta editados superpostos sobre o modelo digital de superfície ID W dos últimos retornos, b) Versão de (a)
com o relevo sombreado, c) Pontos de coleta editados superpostos a uma ortofoto. d) Modelo digital do terreno da super­
fície desnuda da Terra em uma estrutura de dados em rede triangular irregular ( Triangular irregular network - TIN ).

do infravermelho próximo. Infelizmente, isto não ocorre.
Por exemplo, a Figura 10-6a apresenta um DSM produzi­
do usando-se o IDW aplicado aos dados de último retorno
do LIDAR. A Figura 10-6b é um DSM da intensidade
produzido usando-se o IDW. A imagem de intensidade
contém riqueza de detalhes e é, em muitos aspectos, se­
melhante a uma fotografia aérea pancromática da área de
estudo. Entretanto, observam-se várias anomalias interes­
santes quando comparamos a imagem de intensidade com
o que esperaríamos encontrar em uma típica imagem preto
e branco no infravermelho próximo.
Primeiro, considere a extensa área florestada mostrada em a
na Figura 10-6b. Ela é uma floresta madura, com um relevo
local substancial, evidenciado na imagem adjacente (Figura
10-6a) pelo brilho no conjunto de dados de último retomo.
O normal seria que esta área aparecesse brilhante em uma
imagem preto e branco no infravermelho próximo. Ao con­
trário, na imagem de intensidade ela aparece bastante escura.
De forma similar, considere as diversas árvores da locali­
zação b na Figura 10-6b, mostradas na Figura 10-7. Essas
árvores apresentam, também, intensidade menor do que
Princípios do LIDAR 347

Dados de Último Retorno do LIDAR e Dados de Intensidade

a. Elevação obtida pela aplicação da ponderação pelo b. Intensidade do LIDAR,

inverso da distância (IDW) aos dados de último
retorno do LIDAR .

Figura 10-6 a) Ponderação pelo inverso da distância aplicada aos dados de último retorno do LIDAR, b) ID W aplicado aos dados de
intensidade de LIDAR. Três áreas estão realçadas para discussão.

a esperada. A grama natural, ao redor dessas árvores, tem
uma intensidade maior do que as árvores (Figura 10-7c).
Finalm ente, considere as áreas brilhantes na locali­
zação c na imagem de intensidade (Figura 10-6b). A
m etade norte dos três terraços experimentais foi lim ­
pa e plantada com um tipo de grama. Estas áreas não
contêm tanta biomassa quando comparadas com as
árvores das localizações a ou b. No entanto, elas mos­
tram um brilho de retorno m uito alto na imagem de
intensidade (Figura 10-6b).
Nesses exemplos, observa-se que quando os pulsos de
LIDAR encontram árvores o espalhamento volumétrico
dentro do dossel reduz a quantidade de energia retro-
espalhada em direção ao receptor do LIDAR. Por isso,
as árvores aparecem escuras na imagem de intensidade.
Por outro lado, os pulsos do LIDAR ao encontrarem
o gramado natural na localização b, e o plantado com
grama na localização c, não são absorvidos ou espalha­
dos na direção oposta ao LIDAR. Ao contrário, um
forte retorno ocorre nessas superfícies, que misturam
áreas gramadas e de solo nu, tornando-as brilhantes na
imagem de intensidade.
Muitas edificações aparecem brilhantes nas imagens de
intensidade, sugerindo que a maior parte do pulso laser
incidente é retroespalhada, resultando na leitura de altas
voltagens. A intensidade do retorno é uma função do ma­
terial que constitui o teto da edificação.
348 CAPÍTULO
Elevação de Ultimo Retorno Comparado com a Intensidade LIDAR
a. Elevação de últimos retornos ponderados pelo inverso
da distância.
c. Intensidade LIDAR.
Leonard (2005) estabeleceu que no curso de uma única li­
nha de voo a distância e o ângulo de incidência também têm
efeitos sobre o valor da intensidade. Conforme o espelho de
varredura do LIDAR se movimenta do nadir para o limite
do campo de visada, há um aumento proporcional da quan­
tidade de energia refletida para fora da óptica do receptor.
Por esse motivo, os valores de leitura de intensidade dimi­
nuem quando se afasta do nadir. A distância do alvo é um
outro fator significativo na normalização da intensidade.
Distâncias menores significam maiores valores de intensida­
de devido à menor perda de sinal na atmosfera.
Atualmente, ainda não existe um guia completo de como
interpretar imagens de intensidade de LIDAR. Fica eviden­
te, no entanto, que essas imagens contêm uma grande quan­
tidade de informações. Por exemplo, considere a Prancha
Colorida 10-1, que apresenta os dados de intensidade super­
postos aos dados de elevação de último retorno de árvores
caducifólias, mostradas na localização b na Figura 10-6b.
Sensoriamento Remoto por LIDAR
.v
b. Versão de (a) com relevo sombreado.
Figura 10-7 a) Ponderação pelo inverso da distância
aplicada aos dados de último retorno, b)
Versão de (a) com relevo sombreado, c)
Dados de intensidade LIDAR.
Quando esses dados são codificados em cores (Prancha Co­
lorida 10-1 d) e avaliados obliquamente (Prancha Colorida
10-le), fica claro que a intensidade dos retornos das árvores
é função de quanto os pulsos penetram no dossel. Tais infor­
mações podem estar relacionadas às características biofísicas
das árvores (p.ex., LAF ou LAI (índice de área foliar), por­
centagem de fechamento do dossel, biomassa, área basal).
Contornos
Muitas vezes, é importante extrair os contornos (linhas de
igual elevação) dos DSMs ou DTM , para realçar diferenças
sutis no terreno e para identificar depressões. Por exemplo,
considere os terraços experimentais localizados em c na Fi­
gura 10-6b. Estas áreas foram alteradas especificamente para
testar a efetividade de vários materiais usados para proteger
substâncias perigosas em subsuperfície. Diversos tipos de
barreiras de poliuretano impermeável foram colocados nes­
sas áreas e cobertos por argila, onde se plantou um tipo de
Princípios do LIDAR 349

Dados de LIDAR dos Terraços Experimentais tta Região do Rio Savannah

a. Elevação obtida pela ponderação pelo inverso da distância de primeiros retornos.

b. Versão de (a) com relevo sombreado.

Figura 10-8 a) Ponderação pelo inverso da distância aplicada aos dados de primeiro retorno. Note a presença de árvores nos terraços
experimentais e na floresta a leste, b) Versão de (a) com relevo sombreado.
350 CAPÍTULO Sensoriamento Remoto por LIDAR

Contornos Extraídos do Modelo Digital do Terreno de Superfície Desnuda dos Terraços Experimentais

a. Elevação da superfície desnuda obtida pela ponderação pelo inverso da distância.

b. Contornos (intervalo de 0,25m) derivados de (a) e superpostos em um modelo de (a) com relevo sombreado.

Figura 10-9 a) Elevação da superfície desnuda obtida pela ponderação pelo inverso da distância. N ote que as árvores foram removi­
das, quando comparada com a Figura 10-8. b) Os contornos com intervalo de 0,25m estão superpostos a uma versão
de (a) com o relevo sombreado.
Acurácia das Medidas de LIDAR
Tabela 10-2. Acurácia vertical dos dados de elevação obtidos pelo LIDAR em 10 de Outubro de 2004 para a Região
do Rio Savannah, usando a Geospatial Position Accuracy Standards Part 3: National Standard for Spatial
Data Accuracy (NSSDA) (FGDC, 1998).
Sensor D a tu m
F o rn e ce d o r L ID A R D a ta H o riz o n ta l U n id a d e
Optech UTM
Sanborn, 10-10-
ALTM NAD 83
Inc. 2004
2050 Zona 17
grama. As superfícies foram, então, submetidas aos processos
da natureza. Os dados de LIDAR de primeiro retorno dos
terraços experimentais, processados usando-se o IDW, são
apresentados na Figura 10-8a. Uma versão com relevo som­
breado do DSM IDW é mostrada na Figura 10-8b. Note
que metade das árvores foram removidas na parte norte dos
terraços experimentais, o que não ocorreu na região mais a
leste. As porções onde as árvores foram removidas estavam
cobertas por grama na época da aquisição dos dados.
Os dados de LIDAR de último retorno foram filtrados
usando-se os procedimentos automático e manual, para se
obter o DTM da superfície desnuda do terreno, mostrado
na Figura 10-9a. Como esperado, quase todas as árvores pre­
sentes nos dados de primeiro retorno (Figura 10-8a) foram
removidas. A despeito de sua utilidade, não é possível extrair
visualmente informação quantitativa sobre a natureza dos
terraços experimentais, a partir do DTM mostrado na Fi­
gura 10-9a. É somente quando analisamos os contornos ou
outras representações sintéticas 3D do DTM que é possível
avaliar a natureza tridimensional dos terraços experimentais
e caracterizar depressões sutis, principalmente na porção
mais a leste. O intervalo do contorno foi de 0,25m.
Acurácia das Medidas de LIDAR
T>
O LIDAR é uma tecnologia relativamente nova. Como tal,
há um ceticismo normal sobre a sua capacidade de fornecer
informações sobre elevação x,y e z com a mesma precisão
dos tradicionais levantamentos in situ e fotogrametria (p.ex.,
Baltsavias, 1999; McGlone, 2004). Felizmente, há padrões
de acurácia que podem ser usados para determinar, de forma
imparcial, a acurácia dos produtos derivados de LIDAR.
Padrão de Acurácia Horizontal e Vertical NSSDA
Para determinar a acurácia de um modelo digital de super­
fície (DSM) ou de um modelo digital do terreno (DTM),
normalmente determinam-se pontos de controle x,y,z in
351
A c u r á c ia v e rtic a l
N S S D A p a ra
N ú m e ro d e in te rv a lo d e
D a tu m p o n to s d e RMSE c o n fia n ç a d e 9 5 %
V e rtic a l c o n tro le NSSDA (1 ,9 6 x R M S E )
m NAVD88 95 6,6cm 12,9cm
situ, espalhados ao longo da área de estudo, usando-se uma
técnica de alta precisão, como levantamento de estação to­
tal (total station surveying) ou GPS diferencial. Cada um
dos pontos de controle in situ é, então, localizado no DSM
ou DTM obtido dos dados de LIDAR. A informação ob­
tida do LIDAR é, então, comparada com os valores de ele­
vação e de localização do ponto de controle mais próximo.
Isto é feito para todos os pontos de controle. Então, os
resultados são usados para calcular a acurácia horizontal
e vertical dos dados de LIDAR, que é expressa como erro
quadrático médio (root mean squared error - RMSE).
Em 1998, o C om itê Federal de Dados Geográficos dos
EUA (Federal Geographic Data Comíttee - FGDC) pu­
blicou o Geospatial Position Accuracy Standards Part 3:
N ational Standard fo r Spatial Data Accuracy (NSSDA)
(FG D C , 1998). Este padrão substituiu o N ational
Map Accuracy Standards (NMAS) dos EUA, publicado
em 1947 pelo Office o f Management and Budget, e o
ASPRS (Americam Society fo r Photogrammetry and Re-
mote Sensing) Accuracy Standards fo r Large-Scale Maps,
publicado em 1990.
O Padrão de Acurácia Geoespacial (Geospatial Accuracy
Standard) para a acurácia horizontal e vertical de produtos
espaciais da FGDC é baseado no cálculo do RMSE, onde
(Miller, 2004)
( 10- 6 )
RMSE =
e A é a diferença entre a medida do ponto de controle in
situ e a medida obtida por sensoriamento remoto na mes­
ma localização. O padrão recomenda que seja usado um
mínimo de 20 pontos de controle, i.e., n>20. Os pontos
de controle devem ter uma acurácia substancialmente
maior do que a dos produtos obtidos por sensoriamento
remoto que estejam sendo avaliados.
A acurácia horizontal (i.e., erro padrão circular) com um
nível de confiança de 95% é calculada usando-se
352 CAPÍTULO Sensoriamento Remoto por LIDAR

Localização dos Pontos de Controle para Determinar a Acurácia do LIDAR na Região do Rio Savannah

• •
: ■ / '
'■ % 'i

5 '■ •'*

• •

a. Pontos de controle sobre a área de manejo de materiais radioa­ b. Pontos de controle nos terraços experimentais.
tivos e químicos.

c. Relação Entre as Elevações Obtidas In Situ e as Derivadas dos Dados de

LIDAR para 95 Pontos de Controle na Região do Rio Savannah

/
- /

1/5
O
£
<u
93 00 -

Q? 00 _
y = 1,00 27x - 0,2 53
R 2 = 0,9 992
/
/ /

Js,
5 SP/”
#/#
r 91,00 -
C/5
cá
72
-Q
O
lO
o
&
3
/
88 00 - ,j
/
87,00 z
87,00 88,00 89,00 90,00 91,00 92,00 93,00 94,00

Elevações derivadas dos dados de LIDAR (metros)

Figura 10-10 a) Localização dos pontos de controle na área de manejo de materiais radioativos e químicos de alta periculosidade. Esta área
é capeada por argila e coberta com gramínea. b) Localização dos pontos de controle nos terraços experimentais, c) Relação
estatística entre os 95 pontos de controle de elevação obtidos por GPS em levantamentos in situ e as elevações obtidas pelos
dados de LIDAR para as mesmas localizações, extraídas de um D TM de superfície desnuda, obtida com auxílio de uma rede
triangular irregular (TIN). As estatísticas sobre os níveis de acurácia pelo padrão de acurácia vertical dos dados espaciais da
NSSDA (National Standard for Spatial Data Accuracy) estão resumidos na Tabela 10-2.
Informações Sobre Vegetação Obtidas Pelo LIDAR
Horizontal = 2,4477 x 0,5 x (RMSEx + RMSEj). (10-7)
A acurácia vertical com um nível de confiança de 95% é
calculada usando-se
Vertical = 1,96 x RMSE( (10-8)
As equações 10-7 e 10-8 assumem uma distribuição nor­
mal para os erros de z,y e z. A FEMA (Federal Emergency
Management Agency) descreveu, a partir desses critérios,
procedimentos detalhados para a caracterização dos níveis
de acurácia, para seus parceiros no mapeamento de áreas
com risco de inundação (FEMA, 2004).
A acurácia vertical das elevações derivadas do LIDAR na
Região do Rio Savannah foi avaliada usando 95 pontos de
controle (Tabela 10-2). A distribuição espacial dos pontos
de controle na área submetida a manejo pela presença de
materiais radioativos e químicos de alta periculosidade, e
nas áreas dos terraços experimentais é mostrada na Figu­
ra 10-10a,b. A acurácia vertical dos dados de LIDAR, de
acordo com as especificações da NSSDA, foi de 12,9cm.
Como esperado, os valores de elevação derivados do LI­
DAR foram altamente correlacionados com as medidas
obtidas in situ pelo GPS (Figura 10-10c).
Miller (2004) estabeleceu que as acurácias verticais do LIDAR
variam, normalmente, entre 5 e 30cm. No entanto, este nível
de acurácia mantém-se quando o terreno é escarpado? Ele
vale para qualquer tipo de cobertura do solo (p.ex., solo nu,
gramínea, arbusto/cerrado, floresta, deserto, águas profundas
ou rasas, gelo, neve, infraestrutura urbana)? Ao contrário dos
levantamentos fotogramétricos, o LIDAR pode ser usado
com sucesso durante as condições de vegetação com folha­
gem? É necessário considerar algumas dessas questões.
A Influência da Cobertura do Solo, da Declivldade e
das Condições de Presença/Ausência de Folhagem
na Acurácia da Elevação Obtida pelo LIDAR
Muitos cientistas estão investigando os efeitos da cobertura
do solo, da declividade e das condições de presença/ausência
de folhagem sobre a acurácia dos dados de elevação obtidos
por LIDAR. Hodgson et al. (2005) investigaram os efeitos
da cobertura do solo e da declividade, usando dados de ele­
vação de LIDAR em condições de ausência de folhagem, em
uma bacia hidrográfica em uma região de sopé na Caroli-
na do Norte. Foi obtida uma grade com pontos de controle
(1225) de elevação para sete diferentes classes de cobertura
do solo. O erro da elevação dos dados do LIDAR, associado
com as sete classes de cobertura do solo, variou de l4,5cm
no gramado baixo a 36,1 cm para as áreas densas de arbusto/
cerrado. As elevações encontradas em florestas de pinheiro e
353
caducifólia apresentaram erros médios de 27,6cm e 27,3cm,
respectivamente. Na média, a elevação obtida pelo LIDAR
foi inferior à elevação verdadeira, independentemente do
tipo de cobertura do solo. A diferença foi significativa, e atin­
giu até 23,6cm em área de densa cobertura por pinheiros.
Em outro estudo, coberturas menos densas de pinheiro
apresentaram erros tão pequenos quanto os obtidos em
áreas pavimentadas e de gramados baixos (Hodgson e Bres-
nahan, 2004). A descoberta de que a cobertura do solo por
arbustos/cerrado e por vegetação decídua apresentam os
mais altos erros, independentemente das condições de pre­
sença/ausência de folhagem, parece ser consistente (p.ex.,
Hodgson et al., 2003ab; Hodgson e Brasnahan, 2004).
Basicamente, o que parece ocorrer é que a cobertura mais
densa de arbustos/cerrado e vegetação decídua impede que
os pulsos de laser atinjam o solo, fazendo com que a eleva­
ção da superfície seja obtida pela interpolação a partir dos
poucos pulsos que alcançam a superfície do solo. Portanto,
o DSM ou DTM resultantes podem conter erros.
Hodgson et al. (2005) observaram que nas pequenas varia­
ções de declividade (0o a 10°) em sua área de estudo não
havia um aumento estatisticamente significativo no erro das
elevações obtidas pelo LIDAR. No entanto, eles determina­
ram um aumento nos erros de declividade dos produtos deri­
vados do LIDAR com o aumento da declividade superficial,
ficando, tipicamente, 2o abaixo da declividade verdadeira.
Informações Sobre Vegetação Obtidas
Y Pelo LIDAR
A capacidade da tecnologia de LIDAR de obter retornos,
tanto da vegetação como da superfície do terreno, permi­
te a sua aplicação na medição de atributos da vegetação.
Weltz et al. (1994) usaram um sistema de LIDAR perfi-
lômetro para mapear a altura da vegetação e a cobertura
do dossel na bacia hidrográfica experimental de Walnut
Gulch, no Arizona. Este estudo demonstrou a capacida­
de do LIDAR para distinguir diferentes comunidades de
vegetação e tipos de cobertura do solo. Nilson (1996) ava­
liou a aplicabilidade do LIDAR para estimar o volume de
madeira, como parte do Inventário Nacional de Florestas
da Suécia.
Zimble et al. (2003) conseguiram extrair informações so­
bre a estrutura vertical da floresta a partir de uma pequena
célula de resolução de dados do LIDAR. Eles obtiveram
informações sobre a altura de árvores subtraindo o DTM
de superfície desnuda do DSM de primeiro retorno, i.e.,
DSM da altura da árvore = DSM de primeiro retorno -
DTM da superfície desnuda.
354 CAPÍTULO
Elevação da Cidade de Nova York, NY, Obtida do LIDAR após 11 de Setembro de 2001
Figura 10-11 Vista em perspectiva da Cidade de Nova York, NY, após 11 de Setembro de 2001. O monte de entulho está associado com as Torres
Gêmeas do World Trade Center (Dados de LIDAR cortesia da EarthData International; Jensen e Hodgson, 2004; 2006).
É difícil estimar o conteúdo de carbono em uma floresta com
moderada a alta biomassa utilizando sensores convencionais
ópticos ou de radar. Lefsky et al. (2005) compararam as re­
lações entre as medidas de estruturas do dossel obtidas pelo
LIDAR e as obtidas no campo, em cinco áreas de floresta no
noroeste dos Estados Unidos. Eles obtiveram valores de Coe­
ficiente de Determinação (R2) de 81% e 92% para o IAF (ín­
dice de área foliar, ou LAI - leaf area index) e para a biomassa
acima da superfície do solo, respectivamente.
Morris et al. (2005) usaram dados de LIDAR para caracte­
rizar a elevação do habitat de duas espécies de vegetação de
pântano salobro em North Inlet, SC. Aproximadamente
80% da Spartina alterniflora ocorria dentro de um estreito
intervalo de elevação variando de 0,22 a 0,48 lm acima do
nível do mar, enquanto que 80% do Juncus roemerianus
ocorria num intervalo de elevação de 0,296 —0,98lm.
Informações Sobre Áreas Urbanas
Obtidas Pelo LIDAR
As informações obtidas do LIDAR são frequentemente
utilizadas em aplicações urbanas, como:
• identificação da localização e elevação das linhas de
transmissão (Maune, 2001);
• obtenção da elevação precisa de edificações (p.ex., Ma,
2005);
Sensoriamento Remoto por LIDAR
• medição das características de elevação de infraestru-
turas de transporte como rodovias, pontes e viadutos
(NCRST, 2004);
• identificação das rotas ótimas para a implantação de
vias de transporte, que requeiram um mínimo de cor­
tes e aterramentos (p.ex., Cowen et al., 2000); e
• na visualização do ambiente urbano (Queija et al., 2005).
Os dados de elevação obtidos pelo LIDAR, antes e depois
de um determinado evento, são especialmente úteis para
calcular a quantidade de material escavado ou depositado
em uma região (p.ex., Shrestha et al., 2005). Por exemplo,
informações de elevação obtidas pelo LIDAR foram usa­
das para calcular o volume de entulho associado com as
Torres Gêmeas do World Trade Center na cidade de Nova
York (Figura 10-11) (Jensen e Hodgson, 2006).
O Futuro do Sensoriamento Remoto por LIDAR
A tecnologia de sensoriamento remoto por LIDAR tem re­
volucionado a obtenção de modelos digitais de superfície
e modelos digitais do terreno. Os sensores de LIDAR ob­
têm centenas de milhares de pontos de coleta (masspoints)
por segundo, com acurácia das coordenadas x,y e z e sem
a necessidade de aerotriangulação. A acurácia dos equipa­
mentos GPS e IMUs (unidades de medida inercial) a bordo
tem sido continuamente aperfeiçoada. O número de pulsos
transmitidos por segundo continua a aumentar. O mesmo
vem acontecendo com a capacidade do equipamento de
medir a duração do pulso. Os sensores de LIDAR têm se
Referências
tornado mais acessíveis. Todos esses fatores resultam em um
contínuo aperfeiçoamento na obtenção de informações de
elevação derivadas do LIDAR. O LIDAR irá fornecer, no
futuro, informações consideráveis sobre o dossel da vegeta­
ção (p.ex., IAF, biomassa). Ele será, também, extensivamen­
te usado para obter informações tridimensionais sobre infra-
estrutura urbana (p.ex., tamanho e altura de edificações). Os
instrumentos de LIDAR possivelmente também venham a
ser utilizados em veículos aéreos não-tripulados.
~r>
Baltsavias, E. R, 1999a, “A Comparison between
Photogrammetry and Laser Scanning,” ISPRS Journal of
Photogrammetry & Remote Sensing, 54:83-94.
Baltsavias, E. P., 1999b, “Airborne Laser Scanning: Basic
Relations and Formulas,” ISPRS Journal of Photogrammetry &
Remote Sensing, 54:199-214.
Boland, J. and 16 co-authors, 2004, “Chapter 8: Cameras
and Sensing Systems,” in McGlone, J. C., (Ed.), Manual of
Photogrammetry, 5th Ed., Bethesda: ASP&RS, 629—636.
Bossler, J. D., Jensen, J. R., McMaster, R. B. and C. Rizos,
2002, Manual o f Geospatial Science and Technology, London:
Taylor & Francis, 623 p.
Cowen, D. C., Jensen, J. R., Hendrix, C. J., Hodgson, M.E. and
S.R. Schill, 2000, “A GIS-Assisted Rail Construction Econo-
metric Model that Incorporates LIDAR Data,” Photogrammetric
Engineering & Remote Sensing, 66(11): 1323-1328.
DOD, 2000, Performance Specification Digital Elevation Data
(DTED), MIL-PRF-89020B, Washington: DOD, May 23rd.
FEMA, 2003, “Appendix A: Guidelines for Aerial Mapping and
Surveying,” in Map Modernization: Guidelines and Specifications
for Flood Hazard Mapping Partners, Washington: Federal
Emergency Management Agency, 59 p., www.fema.gov.
FEMA, 2004, “Appendix N: Data Capture Standards,” in Map
Modernization: Guidelines and Specifications for Flood Hazard
Mapping Partners, Washington: FEMA, 115 p., www.fema.gov.
FGDC, 1998, Geospatial Position Accuracy Standards Part 3:
National Standard for Spatial Data Accuracy, Washington:
FGDC, http://www.fgdc.gov/standards/status/subl_3-html.
Flood, M., and B. Gutelius, 1997, “Commercial Implications of
Topographic Terrain Mapping Using Scanning Airborne Laser
Radar,” Photogrammetric Engineering & Remote Sensing, 63:327.
355
Hendrix, C., 1999, Parameterization o f LIDAR Interaction
with Vegetation Canopy in a Forested Environment, Columbia:
University of South Carolina, Masters Thesis, 150 p.
Hodgson, M.E. and P. Bresnahan, 2004, “Accuracy of
Airborne Lidar-Derived Elevation: Empirical Assessment
and Error Budget,” Photogrammetric Engineering & Remote
Sensing, 70(3):331-339.
Hodgson, M. E., Jensen, J. R., Schmidt, L., Schill, S. and
B. A. Davis, 2003a, “An Evaluation of LIDAR- and IFSAR-
Derived Digital Elevation Models in Leaf-on Conditions
with USGS Levei 1 and Levei 2 DEMS,” Remote Sensing o f
Environment, 84(2003):295—308.
Hodgson, M. E., Jensen, J. R., Tullis, J. A. Riordan, K. D., and
C. M. Archer, 2003b, “Synergistic Use of LIDAR and Color
Aerial Photography for Mapping Urban Parcel Imperviousness,”
Photogrammetric Engineering & Remote Sensing, 69(9):973-980.
Hodgson, M. E., Jensen, J. R., Raber, G. T., Tullis, J. A.,
Davis, B. A., G. Thompson and K. Schuckman, 2005, “An
Evaluation of LIDAR-derived Elevation and Terrain Slope in
Leaf-Off Conditions,” Photogrammetric Engineering &Remote
Sensing, 71 (7):817—823.
Jensen, J. R., 2005, Introductory Digital Image Processing:
A Remote Sensing Perspective, 3rd Ed., Upper Saddle River:
Prentice-Hall, 525 p.
Jensen, J. R. and M. E. Hodgson, 2006, “Remote Sensing of
Natural and Man-made Hazards and Disasters,” in Manual
o f Remote Sensing: Settlements, M. K. Ridd (Ed.), Bethesda:
ASP&RS, 401-444.
Jensen, J. R., Hodgson, M. E., Mackey, Jr., H. E. and W.
Krabill, 1987, “Correlation Between Aircraft MSS and
LIDAR Remotely Sensed Data on a Forested Wetland,
Geocarto International, 4:39-54.
Jensen, J. R. and M. E. Hodgson, 2004, “Remote Sensing
ol Selected Biophysical Variables and Urban/Suburban
Phenomenon” in Geography and Technology, Stanley D.
Brunn, Susan L. Cutter and J. W. Harrington, Jr. (Eds.),
Dordrecht: Kluwer, 109-154.
Konecny, G., 2003, Geoinformation: Remote Sensing,
Photogrammetry and Geographic Information Systems, London:
Taylor & Francis, 248 p.
Lefsky, M. A., Hudak, A. T., Cohen, W. B. and S. A. Acker,
2005, “Geographic Variability in Lidar Predictions of Forest
Stand Structure in the Pacific Northwest,” Remote Sensing of
Environment, 95:532-548.
Referências
Leonard, J., 2005, Technical Approacb for LIDAR Acquisition
and Processing, Frederick, MD: EarthData Inc., 20 p., www.
earthdata.com.
Ma, R., 2005, “DEM Generation and Building Detection
from Lidar Data,” Photogrammetric Engineering & Remote
Sensing, 71(7):847-854.
Maune, D. F., (Ed.), 2001, DigitalElevationModelTechnologies
and Applications: The DEM Users Manual, Bethesda: ASP&RS,
540 p.
McGlone, J. C., 2004, Manual of Photogrammetry, 5th Ed.,
Bethesda: ASP&RS, 1151 p.
Miller, S. B., 2004, “Photogrammetric Products,” in
McGlone, J., (Ed.), Manual o f Photogrammetry, 5th Ed.,
Bethesda: ASP&RS, 983-1013.
Mikhail, E. M., Bethel, J. S. and J. C. McGlone, 2001, Introduction
to Modem Photogrammetry, NY: John Wiley, 479 p.
Morris, J. T., Porter, D., Neet, M., Noble, P. A., Schmidt, L.,
Lapine, L. A. and J. R. Jensen, 2005, “Integrating LIDAR
Elevation Data, Multispectral Imagery, and Neural Network
Modeling for Marsh Characterization,” InternationalJournal
o f Remote Sensing, 26(23):5221-5234.
NCRST, 2004, National Consortium on Remote Sensing
in Transportation: Infrastructure, Santa Barbara: NCGIA
Department of Geography, UCSB; Washington: DOT, 2 p.,
http://www.ncgia.ucsb.edu/ncrst/research/ncgia.html.
NDEP, 2006, National Digital Elevation Program, Washington:
NDEP, www. ndep. gov.
Nilsson, M., 1996, “Estimation of Tree Heights and Stand
Volume using an Airborne LIDAR system,” Remote Sensing of
Environment, 56(1): 1-7.
356
Queija, V. R., Stoker, J. M. and J.J. Kosovich, 2005,
“Recent U.S.G.S. Applications of LIDAR,” Photogrammetric
Engineering & Remote Sensing, 71(1): I—5.
Raber, G., Hodgson, M. E. and J. R. Jensen, 2006,
“Impact of LIDAR Nominal Posting Density on
DEM Accuracy, Hydraulic Modeling, and Flood Zone
Delineation,” Photogrammetric Engineering & Remote
Sensing,72: in press.
Raber, G. T., Jensen, J. R., Schill, S. R. and K.
Schuckman, 2002, “Creation of Digital Terrain Models
Using An Adaptive Lidar Vegetation Point Removal
Process,” Photogrammetric Engineering & Remote Sensing,
68(12):1307—1315.
Sithole, G. and G. Vosselman, 2004, “Experimental
Comparison of Filter Algorithms for Bare-Earth Extraction
from Airborne Laser Scanning Point Clouds,” ISPRS Journal
o f Photogrammetry & Retnote Sensing, 59:85-105.
Sanborn, 2005, LIDAR Technology, Colorado Springs:
Sanborn Map Company., www.sanborn.com.
Shrestha, R. L., Carter, W., Sartori, M., Luzum, B. J. and
K. C. Slatton, 2005, “Airborne Laser Swath Mapping:
Quantifying Changes in Sandy Beaches over Time Scales of
Weeks to Years," ISPRS Journal of Photogrammetry & Remote
Sensing, 59:222—232.
U.S.G.S., 2006, Standards for Digital Elevation Models,
Washington: USGS National Mapping Division, http://
mapping.usgs.gov/standards/index.html.
Weltz, M. A„ J. C. Ritchie, and H. D. Fox, 1994,
“Comparison of Laser and Field Measurements of Vegetation
Height and Canopy Cover,” Water Resources Research,
30(5): 1311-1319.
Zimble, D. A., Evans, D. L., Carlson, G. C., Parker, R.
C., Gradob, S. C. and P. D. Gerard, 2003, “Characterizing
Vertical Forest Structure Using Small-footprint Airborne
LIDAR,” Remote Sensing o f Environment, 87:171 —182.
Sensoriamento Remoto da Vegetação

proximadamente 70% da superfície terrestre é recoberta com vegetação. Além

A disso, a vegetação é um dos mais importantes componentes dos ecossistemas.

Conhecimentos sobre variações de espécies e dos padrões de distribuição das co­
munidades vegetais, alterações dos ciclos fenológicos (crescimento), e modifica­
ções na fisiologia e na morfologia da planta proveem importantes informações
sobre as características climáticas, edáficas, geológicas e fisiográficas de uma área
(Weiers et al., 2004; Jackson e Jensen, 2005). Os cientistas têm empenhado sig­
nificativos esforços visando desenvolver sensores e algoritmos de processamento
visual e digital de imagens para extrair importantes informações biofísicas da ve­
getação a partir de dados de sensoriamento remoto (p.ex., Townshend e Justice,
2002). Muitas das técnicas de sensoriamento remoto são de natureza genérica e
podem ser aplicadas a uma variedade de paisagens vegetadas, incluindo:

• agricultura

• florestas

• pastagens nativas

• planícies de inundação

• vegetação urbana.

O presente capítulo introduz os conceitos fundamentais associados com ca­

racterísticas biofísicas da vegetação e como os dados de sensoriamento remo­
to podem ser processados para prover informações significativas sobre esses
parâmetros. Desta forma, são sumarizados alguns dos índices de vegetação
desenvolvidos para extrair informações biofísicas a partir de dados digitais de
sensores remotos. Várias das métricas usadas por ecologistas da vegetação para
extrair parâmetros informativos acerca dos polígonos de vegetação (forma, ta­
manho, etc.) usando dados de sensoriamento remoto são depois sumarizados.
Neste capítulo são fornecidos estudos de casos relacionados com agricultura,
planícies de inundação interiores e costeiras, além de biodiversidade.

Fundamentos sobre Fotossíntese

Petróleo e carvão fornecem mais de 90% da energia necessária para movimen­

tar automóveis, trens, caminhões, navios, aviões, fábricas e uma miríade de
equipamentos elétricos, como computadores e sistemas de comunicações. A
energia do petróleo e do carvão foi originalmente “capturada” do Sol por plan­
tas que existiram há milhões de anos e que depois foram transformadas em
combustíveis fósseis por forças geológicas. Portanto, a fotossíntese, ao menos
358 CAPITULO
indiretamente, não é somente o principal meio de permi­
tir o funcionamento normal da sociedade civilizada, mas
também o único meio de manter a vida —exceto para o
caso de algumas poucas bactérias que extraem sua energia
de sais sulfurados e de outros compostos inorgânicos. Este
singular processo de fabricação fotossintética das plantas
verdes fornece matéria bruta, energia e oxigênio. Na fo-
tossíntese, a energia do Sol é aproveitada e acumulada em
moléculas simples de açúcar feitas a partir de água e de
dióxido de carbono (CO,) com o auxílio da clorofila. O
oxigênio é gerado como subproduto do processo.
O naturalista Joseph Priestly descobriu em 1772 que, ao co­
locar uma vela sob uma redoma de cristal ela se apagava
rapidamente, muito antes de consumir toda a cera. Também
observou que um rato morria se deixado sob o mesmo reci­
piente. Ele acreditava que o ar ficava danificado pela vela e
pelo rato, mas que poderia ser restaurado pela colocação de
uma planta sob a redoma. Jan Ingen-Housz continuou os ex­
perimentos de Priestly e descobriu em 1788 que a influência
da luz solar sobre a planta poderia causar o salvamento do
rato em poucas horas. Em 1796 o pastor francês Jean Sene-
bier descobriu que o ar danificado na redoma era o dióxido
de carbono (C 0 2), o qual era absorvido pelas plantas. Final­
mente, Theodore de Saussure demonstrou que o aumento na
massa da planta à medida em que ela cresce era devido não
somente à absorção de C 0 2, mas também de água (H ,0).
No início do século vinte, cientistas descobriram que o oxi­
gênio da fotossíntese provinha da água. De fato, a energia da
luz ao entrar na planta quebra a água em oxigênio e hidrogê­
nio. O processo fotossintético é descrito pela equação:
6 CO, + 6 / / ,O + energia solar —» C(H n Ob + 6 0 , (11-1)
A fotossíntese é um processo de armazenamento de energia
que ocorre em folhas e em outras partes verdes das plan­
tas na presença de luz. A energia luminosa é armazenada
numa molécula de açúcar simples (glucose), que é produ­
zida a partir do dióxido de carbono (C 0 2) existente no ar,
e da água (H ,0 ) absorvida pela planta, principalmente por
meio do sistema radicular. Quando o dióxido de carbono
e a água são combinados e formam a molécula de açúcar
(C6H 120 6) em um cloroplasto, o gás oxigênio ( 0 2) é libera­
do como um subproduto. O oxigênio difunde-se na atmos­
fera. O processo fotossintético começa quando a luz solar
atinge os cloroplastos, pequenos corpos existentes nas folhas,
os quais contêm uma substância verde chamada clorofila.
As plantas adaptaram sua estrutura interna e externa para
realizar a fotossíntese. Esta estrutura e suas interações
com a energia eletromagnética têm um impacto direto na
forma como as folhas e os dosséis vegetais aparecem es­
pectralmente quando registrados usando instrumentos de
sensoriamento remoto.
Sensoriamento Remoto da Vegetação
Características Espectrais da
J Vegetação
Uma folha verde sadia intercepta o fluxo radiante incidente
(<t>;) direto proveniente do Sol ou da radiação difusa espa­
lhada sobre a folha. Esta energia eletromagnética interage
com os pigmentos, água e espaços intercelulares internos à
folha vegetal. A quantidade de fluxo radiante refletido da
folha (®p), a quantidade de fluxo radiante absorvido pela
folha (® ) e a quantidade de fluxo radiante transmitido
através da folha (® ) podem ser cuidadosamente medidos
se aplicarmos a equação do balanço de energia e continuar­
mos acompanhando o que acontece com toda a energia in­
cidente. A equação geral para a interação do fluxo radiante
espectral (X) sobre e dentro da folha é:
O = o +o + <I> (11-2)
't Pt «t *t
Dividindo cada uma das variáveis pelo fluxo radiante inci-
dente original, ® ,:
O ® ® ®
_'i_ ___ px +__^t +__^t (11-3)
O o ® O
't 't 't 't
Obtém-se:
h = Pt + a t + Tt (11-4)
onde px é a reflectância hemisférica espectral da folha, a ?
é a absortância hemisférica espectral e t ; é a transmitância
hemisférica espectral pela folha. Muitos sistemas de senso­
riamento remoto funcionam na região de 0,35 a 3,0 pm
medindo principalmente a energia refletida. Portanto, é
também útil a relação
Pt = K ' («X+ O 1-5)
onde a energia refletida da superfície foliar da planta é igual
à energia incidente menos a energia absorvida diretamente
para a fotossíntese ou para outros processos e a quantidade
de energia transmitida diretamente através da folha em di­
reção a outras folhas ou ao substrato debaixo do dossel.
Principais Fatores que Controlam a
Reflectância Foliar
Trabalhos pioneiros de Gates et al. (1965), Gausmann et
al. (1969), Myers (1970) e outros demonstraram a impor­
tância do entendimento sobre como os pigmentos foliares,
os espalhamentos internos e o conteúdo interno de umi­
dade afetam as propriedades de reflectância e de transmi­
tância das folhas (Peterson e Running, 1989). Os fatores
Características Espectrais da Vegetação 359

Características Espectrais da Vegetação Verde Sadia

Fatores
Pigmentos foliares
Dominantes
do mesófilo paliçá-
Controladores
da Reflectância dico: clorofilas d e Espalhamento no
_b \ P-caroteno, etc. mesófilo esponjoso Conteúdo de água foliar
Foliar
i*-------- ► h-------------- ► h —

3
00
3
pi
o
>
3
o

Visível Infravermelho refletido

!*«- -► K
Infravermelho Infravermelho Médio
Próximo
Figura 11-1 Reflectância espectral característica da folha vegetal verde sadia, para o intervalo de comprimentos de onda entre 0,4 e 2,6
pm. Os fatores dominantes que controlam a reflectância foliar são os vários pigmentos foliares existentes no mesófilo pali-
çádico (por exemplo, as clorofilas a e b, e o fl-caroteno), o espalhamento da energia infravermelha no mesófilo esponjoso e
a quantidade de umidade na planta. As principais bandas de absorção pela clorofila ocorrem em 0,43 - 0,45 pm e em 0,65
- 0,66 pm na região do visível. As principais bandas de absorção pela água ocorrem em 0,97; 1,19; 1,45; 1,94 e 2,7 pm.

dominantes que controlam a reflectância foliar na região
entre 0,35 e 2,6 pm estão sumarizados na Figura 11-1.
Interação da Luz Visível com os Pigmentos nas Células
do Mesófilo Paliçádico
O processo de geração de alimento via fotossíntese determi­
na como uma folha ou um dossel vegetal de fato aparecem
radiometricamente em imagens de sensoriamento remoto.
Uma folha sadia necessita de três coisas para gerar alimento:
• dióxido de carbono (CO,)
• água (H 20 )
• irradiância (_£) medida em W m 2.
O dióxido de carbono do ar e a água fornecida através das
raízes representam as matérias-primas fundamentais da fo­
tossíntese. A luz solar provê a irradiância (E.) que fornece
a energia para a fotossíntese.
A folha é o órgão fotossintetizante por excelência. Um corte
transversal de uma folha verde típica é mostrado na Figura
11-2. A estrutura celular das folhas é bastante variável, de­
pendendo da espécie e das condições ambientais durante o
crescimento. O dióxido de carbono entra na folha, prove­
niente da atmosfera, através de minúsculos poros chamados ,
os quais estão localizados principalmente na epiderme infe­
rior. Cada estômato é circundado pelas células-guardas que se
incham ou se contraem. Quando elas incham, os poros dos
estômatos abrem-se e permitem que o dióxido de carbono
entre na folha. Uma folha de girassol típica possui cerca de
360 CAPITULO Sensoriamento Remoto da Vegetação

Corte Transversal de uma Folha Hipotética

Epiderme
Cutícula Célula do mesófilo
paliçádico Floema Xilema

Cloroplastos

Epiderme Estômato mesófilo

inferior esponjoso
Corte Transversal de uma Folha Real

Espaço de ar Célula do mesófilo

intercelular esponjoso
Figura 11-2 a) Secção transversal de uma folha verde típica hipotética, mostrando tanto o topo como a parte inferior da folha. Os
pigmentos foliares nas células do parênquima paliçádico têm um impacto significativo na absorção e na reflectância da luz
visível (azul, verde e vermelho), enquanto que as células do mesófilo esponjoso têm um impacto significativo na absorção e
na reflectância da energia infravermelha incidente; b) Imagem de microscópio eletrônico de uma folha verde.

2 milhões de estômatos, mas eles perfazem apenas um por
cento da superfície foliar. Usualmente, há mais estômatos na
parte inferior da folha; entretanto, em algumas folhas os es­
tômatos podem estar equilibradamente distribuídos tanto na
epiderme inferior quanto na epiderme superior.
As células da camada externa da epiderme superior possuem
uma superfície cuticular que difunde mas reflete muito
pouca luz (Philpott, 1971). A espessura desta superfície
é variável (aproximadamente 3 - 5 pm), sendo que as di­
mensões das células giram em torno de 18 x 15 x 20 pm.
Trata-se de um material graxo e translúcido similar à cutí­
cula das unhas dos dedos humanos. As folhas de muitas
plantas de ambientes claros possuem uma fina cutícula
que pode filtrar parte da luz e proteger contra excessivas
perdas de umidade. Por outro lado, algumas plantas como
Características Espectrais da Vegetação
samambaias e alguns arbustos em sub-bosques de florestas
precisam sobreviver em condições sombreadas. As folhas
de muitas destas plantas apresentam uma cutícula mais
fina, de tal forma que a planta possa coletar tanto quanto
possível a luz difusa que ali chega para a fotossíntese.
Muitas folhas sob luz solar direta apresentam pêlos tanto
na epiderme superior como na inferior, tornando-as difu­
sas. Esses pêlos podem ser benéficos, pois reduzem a inten­
sidade da luz solar direta na planta. Não obstante, grande
parte da energia visível e infravermelha é transmitida atra­
vés da cutícula e da epiderme superior chegando às células
do mesófilo do parênquima paliçádico e do mesófilo do
parênquima lacunoso, abaixo.
A fotossíntese ocorre dentro da folha verde típica em dois
tipos de células produtoras de alimentos - as células do me­
sófilo dos parênquimas paliçádico e lacunoso. Muitas folhas
apresentam uma camada distinta de células longas do pa­
rênquima paliçádico na parte superior do mesófilo, ao passo
que, no mesófilo inferior (ou parênquima lacunoso), as célu­
las são mais irregulares e folgadamente dispostas. As células
paliçádicas tendem a se formar na porção do mesófilo mais
próximo do lado por onde a luz entra na folha. Em várias fo­
lhas horizontais (também chamadas planófilas), as células pa­
liçádicas estarão na porção superior, mas em folhas mais ver­
ticais (as erectófilas), as células paliçádicas podem formar-se
em ambos os lados. Em algumas folhas as células paliçádicas
alongadas estão inteiramente ausentes e somente as células
do parênquima lacunoso existirão dentro do mesófilo.
A estrutura celular da folha é grande em relação aos com­
primentos de onda da luz que interage com ela. As células
paliçádicas têm tipicamente 15 x 15 x 60 pm, enquanto
que as do parênquima lacunoso são menores. As células
vegetais do parênquima lacunoso do mesófilo contêm clo-
roplastos com pigmentos de clorofila.
Geralmente os cloroplastos têm 5 - 8 pm de diâmetro e cer­
ca de 1 pm de espessura. Em média 50 cloroplastos podem
estar presentes em cada célula. Dentro dos cloroplastos estão
os longos e delgados filamentos dos grana (não mostrados),
no interior dos quais a clorofila (aproximadamente 0,5 pm
de comprimento por 0,05 pm de diâmetro) está localizada.
Geralmente os cloroplastos são mais abundantes na parte
superior da folha, nas células paliçádicas, o que explica a
aparência verde mais escura da superfície superior da folha
quando comparada com a superfície inferior, mais clara.
Quando atingida por uma onda ou fóton de luz, uma mo­
lécula reflete parte da energia ou pode absorvê-la, e assim
ficar num estado de maior energia ou excitada (conforme
o Capítulo 2). Cada molécula absorve ou reflete seus com­
primentos de onda luminosos específicos. As moléculas de
361
uma planta verde típica que absorvem preferencialmente
comprimentos de onda da região espectral do visível (0,35 -
0,70 pm) são denominadas pigmentos. Um espectro de absor­
ção para um pigmento específico descreve os comprimentos
de onda nos quais este pigmento pode absorver luz e entrar
em estado de excitação. A Figura 1 l-3a apresenta o espectro
de absorção de pigmentos puros de clorofila em solução. A
clorofila « e a clorofila b são os mais importantes pigmentos
vegetais absorvedores da luz azul e luz vermelha: a clorofila
a nos comprimentos de onda 0,43 e 0,66 pm, e a clorofila b
nos comprimentos de onda 0,45 e 0,65 pm (Farabee, 1997).
Uma relativa diminuição de absorção entre as duas citadas
bandas de absorção produz um decréscimo na eficiência de
absorção em aproximadamente 0,54 pm, na porção verde
do espectro eletromagnético (Figura 1 l-3a). Dessa forma, é
a menor absorção da luz verde (em comparação com a da
luz azul e com a da luz vermelha) que faz com que as folhas
verdes sadias pareçam verdes aos nossos olhos.
Há outros pigmentos presentes nas células do mesófilo
paliçádico, os quais ficam normalmente mascarados pela
maior abundância das clorofilas. Por exemplo, há os caro-
tenos amarelos e as xantofilas amarelo-claras, que absorvem
principalmente na região do azul. Espectros de absorção do
P-caroteno são mostrados na Figura 11 -3b, destacando-se
uma forte banda de absorção centrada em 0,45 pm. Os
pigmentos ficoeritrina podem também estar presentes nas
folhas, e absorvem predominantemente na região centra­
da no verde (aproximadamente em 0,55 pm) permitindo
que a luz azul e a vermelha sejam refletidas. A ficocianina
absorve principalmente nas regiões do verde e do verme­
lho centradas em 0,62 pm, permitindo que grande parte
do azul e uma parte da luz verde (ou seja, combinando
estas duas cores gera-se a cor ciano) sejam refletidas. (Fi­
gura 11 -3b). Dado que as clorofilas a e b também estão
presentes e têm bandas de absorção similares nesta região
do azul, elas tendem a dominar e mascaram o efeito dos
outros pigmentos presentes. Quando uma planta atinge
a senescência ou é afetada por estresse, os pigmentos de
clorofila podem desaparecer, permitindo que os carotenos
e outros pigmentos tornem-se dominantes. Por exemplo,
no outono, cessa a produção de clorofila, fazendo com que
a coloração amarela dos carotenos e de outros pigmentos
específicos na folhagem arbórea tornem-se mais visíveis
aos nossos olhos. Além disso, algumas árvores produzem
grandes quantidades de antocianina no outono, fazendo
com que suas folhas fiquem vermelho-brilhantes.
As duas regiões espectrais ótimas para observar as caracte­
rísticas de absorção da clorofila de uma folha são localizadas
em 0,45 - 0,52 pm e em 0,63 - 0,69 pm (Figura 1 l-3a).
A primeira delas é caracterizada por uma forte absorção
causada pelos carotenóides e pelas clorofilas, enquanto
que a outra é caracterizada por forte absorção da clorofila.
362 CAPITULO
0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7
violeta azul verde amarelo vermelho
Comprimento de onda, pm
a.
Figura 11-3 a) Espectros de absorção dos pigmentos clorofila a e clorofila b. As clorofilas a e b da folha vegetal absorvem grande parte da
energia azul e da vermelha incidentes, b) Espectros de absorção do fl-caroteno, que absorve principalmente no azul. Outros
pigmentos encontráveis nas folhas vegetais incluem a ficoeritrina, que absorve preferencialmente a luz verde, e a ficocianina,
que absorve principalmente a luz verde e a luz vermelha (conforme Farabee, 1997).
O sensoriamento remoto da absorção por clorofila num
dossel vegetal representa uma variável biofísica fundamen­
tal útil para vários tipos de pesquisas biogeográficas. As
características de absorção dos dosséis vegetais podem ser
associadas a outros dados de sensoriamento remoto para
identificar estresse, produtividade e outras variáveis hí­
bridas da vegetação. Desta forma, muitos estudos de sen­
soriamento remoto estão focalizados no monitoramento
do que acontece com a radiação fotossinteticamente ativa
(PAR) quando ela interage com as folhas individuais e/
ou com o dossel vegetal. O uso de espectrômetros ima-
geadores de alta resolução espectral é particularmente útil
para medir as características de absorção e a reflectância da
radiação fotossinteticamente ativa.
Visando demonstrar estes princípios, consideremos as ca­
racterísticas de reflectância espectral de quatro diferentes
folhas obtidas de uma mesma árvore sadia de Liquidambar
(Liquidambar styraciflua L.) em 11 de novembro de 1998,
em Columbia, SC (Prancha Colorida 11-1). A folha ver­
de (a), a folha amarela (b), e a folha vermelha (c) estavam
ainda na árvore no momento da coleta dos dados. A folha
marrom escura (d) foi coletada do chão debaixo da árvore.
Um espectrorradiômetro portátil GER 1500 (Geophysi-
cal & Environmental Research, Inc.) foi usado para fazer
medições de reflectância espectral de cada uma das citadas
folhas vegetais. O espectrorradiômetro obteve medidas da
reflectância espectral em 512 bandas nas regiões do ultra­
violeta, azul, verde, vermelho e infravermelho próximo, de
350 a 1050 nm. A reflectância percentual foi obtida em
Sensoriamento Remoto da Vegetação
0,25 0,3 0,35 0,4 0,45 0,5 0,55 0,6 0,65 0,7
violeta azul verde amarelo vermelho
Comprimento de onda, pm
b.
condições de laboratório medindo a quantidade de energia
refletida pela superfície foliar (ou seja, o alvo) dividida pela
quantidade de energia refletida por uma placa de referên­
cia de Spectralon®, da seguinte forma: (reflectância (%)
= [ alvo / referência ] x 100). Em seguida, os valores de
reflectância para cada folha, entre 400 e 1050 nm, foram
plotados em um gráfico (Prancha Colorida 11-le).
A folha verde (Prancha Colorida 11 -1 a) ainda estava fotos-
sintetizando e, desta forma, produziu uma curva espectral
típica de vegetação verde sadia, com fortes bandas de ab­
sorção devidas à clorofila nas regiões do azul e do vermelho
(aproximadamente 6% de reflectância em 450 nm e 5%
em 650 nm, respectivamente), além de um pico de reflec­
tância no verde (11% em 550 nm). Na região do infraver­
melho próximo (em 900 nm), aproximadamente 76% do
fluxo radiante incidente foi refletido pela folha.
A folha amarela (Prancha Colorida 11-lb) estava em pro­
cesso de senescência e, desta forma, à medida que a influ­
ência da clorofila diminuiu, maiores quantidades de luz
verde (24% em 550 nm) e vermelha (32% em 650 nm)
foram refletidas, resultando na sua aparência amarelada.
Em 750 nm a folha amarela refletiu menos fluxo radian­
te no infravermelho próximo do que a folha verde sadia.
Entretanto, a reflectância no infravermelho próximo, em
900 nm, foi de aproximadamente 76%; portanto, muito
similar à da folha verde sadia.
A folha vermelha (Prancha Colorida 11-lc) refletiu cerca
de 7% no azul (em 450 nm), 6% no verde (em 550 nm) e
Características Espectrais da Vegetação
23% no vermelho (em 650 nm), sendo que, no infraver­
melho próximo, a reflectância caiu para 70%.
A folha marrom escura (Prancha Colorida 11-1 d) produ­
ziu uma curva de reflectância espectral com baixo valor no
azul (7% em 450 nm), no verde (9% em 550 nm) e no
vermelho (10% em 650 nm) e, assim, esta combinação
produziu a aparência marrom escura. A reflectância no in­
fravermelho próximo caiu para 44% em 900 nm.
E importante entender a fisiologia das plantas em análise
e especialmente as suas características de pigmentação, de
tal forma que possamos ponderar como uma planta típi­
ca aparecerá quando a absorção pela clorofila começa a di­
minuir, seja pela senescência ou por algum tipo de estresse
ambiental. Como foi mostrado anteriormente, quando uma
planta está sob estresse e/ou a produção de clorofila dimi­
nui, a falta de clorofila faz com que a planta absorva menor
quantidade de energia nas respectivas bandas de absorção
da clorofila. Estas plantas terão uma reflectância bem maior,
principalmente no verde e no vermelho do espectro, fazen­
do com que pareçam amareladas ou cloróticas. De fato, Car-
ter (1993) sugere que o aumento da reflectância no visível é
a mais consistente resposta da reflectância foliar ao estresse.
A reflectância no infravermelho é um indicador consistente
do estresse somente quando ocorre severa desidratação foliar
(a ser demonstrado logo à frente).
Tratando-se de reflectância espectral foliar, as regiões espec­
trais da região visível mais sensíveis a estresse localizam-se nos
intervalos de 535 a 640 nm e de 685 a 700 nm. Valores au­
mentados de reflectância nas proximidades de 700 nm repre­
sentam o que frequentemente é chamado de “deslocamento
da borda vermelha para o azul” (em inglês, “blue shift of the
red edge”). Trata-se do deslocamento, em direção aos meno­
res comprimentos de onda, da curva de transição vermelho/
infravermelho próximo em vegetação estressada, quando é
feita a plotagem num gráfico reflectância x comprimento de
onda (Cibula e Carter, 1992). O deslocamento em direção
aos menores comprimentos de onda na região entre 650 e
700 nm é particularmente evidente para as curvas de reflec­
tância amarela e vermelha mostradas na Prancha Colorida
11-le. O sensoriamento remoto nestes intervalos espectral­
mente estreitos pode fornecer um meio muito importante
para detectar estresses não somente para folhas individuais
como para plantas inteiras e até mesmo para dosséis vegetais
densos (Carter, 1993; Carter et al., 1996).
O filme colorido normal é sensível às energias no azul, no
verde e no vermelho. O filme infravermelho colorido é sen­
sível às energias no verde, no vermelho e no infravermelho
próximo, em função da presença de um filtro amarelo (ou
anti-azul) (verificar no Capítulo 4). Desta forma, mesmo
a mais simples câmera com um filme colorido normal ou
363
com um filme infravermelho colorido, além de um filtro
adequado (um filtro chamado “band-pass”, ou seja, que per­
mita a passagem de determinados comprimentos de onda,
impedindo outros), pode ser usada para fazer sensoriamento
remoto e obter diferenças de reflectância espectral causadas
por variações dos pigmentos normalmente presentes nas cé­
lulas do parênquima paliçádico do mesófilo de folhas vege­
tais típicas. Entretanto, para detectar diferenças espectrais
muito sutis nas bandas espectralmente estreitas sugeridas
por Cibula e Carter (1992) e Carter et al. (1996), pode ser
necessário o uso de um espectrorradiômetro imageador de
alta resolução espectral, cujas bandas sejam muito estreitas.
Interação da Energia do Infravermelho Próximo com
as Células do Mesófilo Lacunoso
Numa folha verde sadia típica, a reflectância no infraverme­
lho próximo aumenta muito na região entre 700 e 1200 nm.
Por exemplo, no caso mostrado anteriormente, a folha verde
sadia refletia aproximadamente 76% da energia incidente
no infravermelho próximo (em 900 nm). As folhas verdes
sadias absorvem energia radiante muito eficientemente nas
porções do azul e do vermelho, que são regiões espectrais
necessárias para a fotossíntese. Porém, imediatamente após
a banda de absorção do vermelho causada pela clorofila, por
que a transmitância e a reflectância das folhas vegetais au­
mentam tanto, fazendo com que a absortância caia a valores
tão baixos (Figura 11-1)? É interessante enfatizar que este
fenômeno acontece em todo o intervalo do infravermelho
próximo onde a luz solar direta incidente sobre as plantas
tem o maior volume de energia. Se as plantas absorvessem
esta energia com a mesma eficiência que acontece no visível,
elas poderiam esquentar muito e, desta forma, as proteínas
poderíam ser irreversivelmente danificadas. Assim, as plan­
tas desenvolveram uma adaptação, de tal forma que elas não
usam esta grande quantidade de energia do infravermelho
próximo, simplesmente refletindo-a ou transmitindo-a para
as camadas inferiores de folhas ou para o solo.
Numa folha verde, a camada correspondente ao mesófilo
esponjoso controla a quantidade de energia do infraver­
melho próximo que será refletida. O mesófilo esponjoso
localiza-se, tipicamente, abaixo do mesófilo paliçádico e
é composto de muitas células e espaços de ar intercelular,
como é mostrado na Figura 11-2. É aqui que as trocas de
oxigênio e de dióxido de carbono ocorrem durante a fo­
tossíntese e a respiração. Na região do infravermelho pró­
ximo, a vegetação verde sadia é geralmente caracterizada
por uma alta reflectância (40 —60%), alta transmitância
(40 —60%) e relativamente baixa absortância (5 — 10%).
Observe que os espectros de reflectância e de transmitância
da folha verde sadia ao longo do visível e do infravermelho
próximo são praticamente um espelho um do outro, como
é mostrado na Figura 11-4 (Walter-Shea e Biehl, 1990).
364 CAPÍTULO Sensoriamento Remoto da Vegetação

Absorção, Reflectância e Transmitância de Capim Andropogon (Andropogon gerardit)

Comprimento de onda, pm

Figura 11-4 Características de reflectância, transmitância e absortância hemisféricas de superfícies foliares adaxiais (ou seja, as faces supe­
riores ou ventrais) da gramínea capim andropogon obtidas com o uso de um espectrorradiômetro de laboratório. As curvas de
reflectância e de transmitância são quase espelhos uma da outra, ao longo das porções do visível e do infravermelho próximo.
No azul e no vermelho as clorofilas absorvem grande parte da energia incidente na porção visível do espectro (0,4 - 0,7 pm)
(conforme Walter-Shea e Biehl, 1990). Espectrômetros imageadores, como o AVIR1S, são capazes de identificar pequenas
mudanças nas características de absorção e de reflexão das plantas porque estes sensores podem ter canais separados por
apenas 10 nm, ou seja, seriam possíveis 10 bandas na região entre 0,6 e 0,7 pm (600 a 700 nm).

A alta reflectância difusa da energia do infravermelho pró­
ximo (0,7 —1,2 pm) é devida ao espalhamento interno cau­
sado pelas interfaces paredes celulares!ar de dentro da folha
(Gausmann et al., 1969; Peterson e Running, 1989). Existe
uma banda de absorção causada pelo vapor d ’água localiza­
da em 0,92 - 0,98 pm; consequentemente, a região espec­
tral ótima para o sensoriamento no infravermelho próximo
é indicada como sendo em 0,74 - 0,90 pm (Tucker, 1978).
As principais razões pelas quais os dosséis de plantas sadias
refletem tanto no infravermelho próximo são as seguintes;
• a folha já reflete de 40 a 60% da energia do infraverme­
lho próximo incidente devido ao mesófilo esponjoso
(Figura 11-4), e•
• os restantes 45 a 50% da energia penetram (ou seja, são
transmitidos) na folha e podem ser refletidos uma vez
mais pelas folhas abaixo.
Este fenômeno é chamado de reflectância foliar aditiva.
Considere, por exemplo, as características de reflectância
e de transmitância de um hipotético dossel vegetal de duas
camadas de folhas, como o mostrado na Figura 11-5. As­
suma que a folha 1 reflete 50% da energia do infraverme­
lho próximo para a atmosfera e que os restantes 50% desta
energia são transmitidos através da folha 1, para a folha 2.
Esta energia transmitida incide então na folha 2, onde 50%
são novamente transmitidos (ou seja, 25% do fluxo original
incidente) e 50% são refletidos. Esta energia refletida passa
então pela folha 1, que permite que metade desta energia
(ou 12,5% do fluxo original) seja transmitida e metade seja
refletida. Assim, a energia total resultante deixando a folha
1, neste exemplo de um dossel hipotético de duas camadas
de folhas, é 62,5% do fluxo original incidente. Portanto,
quanto maior o número de camadas de folhas num dossel
maduro e sadio, teoricamente maior a reflectância no in­
fravermelho próximo. Por outro lado, se o dossel for com­
posto por somente uma camada de folhas esparsas, então a
Características Espectrais da Vegetação 365

Reflectância Aditiva da Folha 1- e da Folha 2

R,+ r 3= 5/8 O. = 62,5%

Fluxo radiante Fluxo radiante

Figura 11-5 Um exemplo hipotético de reflectância aditiva de um dossel com duas camadas foliares. Cinquenta por cento do fluxo
radiante incidente (tt>.) na folha 1 são refletidos (R,), e os outros 50% são transmitidos para a folha 2 (T ^. Cinquenta por
cento do fluxo radiante incidente sobre a folha 2 são transmitidos através da folha 2 (T ); os outros 50% são refletidos em
direção à base da folha 1 (R2). Cinquenta por cento da energia incidente na base da folha 1 são transmitidos através dela
(T ), enquanto que os remanescentes 50% (R() são refletidos em direção à folha 2 novamente. Neste ponto, uma reflectância
adicional de 12,5% (1/8) foi acrescentada pela folha 2, elevando o fluxo radiante refletido total para 62,5%. Entretanto, para
ser mais preciso, seria necessário considerar também a quantidade de energia refletida pela base da folha 1 (R4) sobre a folha
2, a quantidade refletida pela folha 2 (R4) e, finalmente, transmitida através da folha 1 mais uma vez (T5), sendo que este
processo poderia ser continuado mais ainda.

reflectância no infravermelho próximo não será tão grande
como no dossel hipotético acima citado, porque a energia
que é transmitida através da camada de folhas pode ser ab­
sorvida pela cobertura do solo abaixo dela.
Mudanças nas propriedades espectrais no infravermelho
próximo da vegetação verde sadia podem fornecer in­
formações sobre questões de senescência e/ou de estresse
das plantas. Considere, por exemplo, as quatro folhas e
suas características espectrais de reflectância mostradas na
Prancha Colorida 11-1. A folha verde fotossintetizante (a)
exibiu forte absorção clorofiliana nas regiões do azul e do
vermelho, um esperado aumento de reflectância no verde
e aproximadamente 76% de reflectância no infravermelho
próximo. Num determinado ponto, a reflectância no in­
fravermelho próximo diminuiu à medida que as folhas se-
nesceram (b - d). Entretanto, se as folhas tivessem secado
significativamente durante a senescência, seria de esperar
valores muito maiores de reflectância na região do infra­
vermelho próximo (como será mostrado proximamente).
Pesquisadores têm demonstrado desde os anos 1960 que
existe uma relação direta entre resposta no infravermelho
próximo e variáveis relacionadas com biomassa. Por outro
lado, também tem sido demonstrado que existe uma relação
inversa entre a resposta no visível, particularmente no ver­
melho, e variáveis relacionadas com a biomassa das plantas.
A melhor maneira de verificar isso é plotar num gráfico x-y
todos os pixels de uma cena típica de sensoriamento remo­
to, considerando as reflectâncias nas bandas do vermelho
e do infravermelho próximo. A Figura 1 l-6a, por exemplo,
mostra, no espaço multiespectral de atributos do vermelho
e do infravermelho próximo, onde localizam-se aproxima­
damente 10.000 pixels de uma cena agrícola típica (ou seja,
dentro da área cinza). Os campos de solos expostos secos
e de solos expostos úmidos, presentes nesta mesma cena,
366 CAPITULO 11 Sensoriamento Remoto da Vegetação

Distribuição de Pixels no Trajetória de um Pixel no

Grande
Espaço Espectral Vermelho x Grande fechamento Espaço Espectral Vermelho
fechamento
Infravermelho Próximo do dossel (muita x Infravermelho Próximo
(do dossel (alta
biomassa) Durante o Ciclo
biomassa)
Fenológico da Vegetação
Quase adulto
Fechamento
intermediário do
dossel (média
biomassa) Solo exposto Solo exposto
o
_c

Vegetação colhida:
nenhuma vegetação
<u presente, solo seco
cn

antio: nenhuma
Solo exposto Solo exposto vegetação presente
úmido úmido (solo úmido)

Reflectância no Vermelho Reflectância no Vermelho

a. b.
Figura 11-6 a) A distribuição de todos os pixels em uma cena, no espaço multiespectral do vermelho x infravermelho próximo, é vista
na área sombreada. Campos de solos expostos úmidos ou molhados localizam-se ao longo da linha-do-solo. Q uanto maior a
biomassa e/ou o fechamento do dossel, maior o valor de reflectância no infravermelho próximo e menor no vermelho. Esta
condição move a localização espectral do pixel na direção perpendicular que se afasta da linha-do-solo. b) A migração de um
pixel de vegetação agrícola no espaço vermelho x infravermelho próximo ao longo do ciclo fenológico é mostrada. Após a
emergência das plantas, há um afastamento da linha-do-solo até atingir o completo fechamento do dossel. Após a colheita,
o pixel será encontrado sobre a linha-do-solo novamente, mas agora num local correspondente a condições mais secas.

localizam-se em lados opostos da linha-do-solo. Isto significa
que um solo exposto úmido tem valores muito baixos de
reflectância, tanto no vermelho quanto no infravermelho
próximo. Inversamente, uma área de solo exposto seco pro­
vavelmente terá altos valores de reflectância, tanto no verme­
lho quanto no infravermelho próximo. A medida que um
dossel vegetal se desenvolve, a sua reflectância vai aumen­
tando no infravermelho próximo, enquanto que sua vege­
tação vai absorvendo cada vez mais no vermelho em função
do aumento na fotossíntese. Isto faz com que a reflectância
espectral do pixel mova-se numa direção perpendicular em
relação à linha-do-solo. À medida que a biomassa aumenta
e que a cobertura do dossel vegetal aumenta, a localização
dos pixels correspondentes a esta parcela agrícola no espa­
ço de atributos vermelho x infravermelho próximo move-se
para regiões cada vez mais distantes da linha-do-solo.
A Figura 11-6b mostra o comportamento de um pixel de
uma área agrícola no espaço espectral vermelho x infraver­
melho próximo, durante um ciclo fenológico típico. Se esta
área foi preparada adequadamente, no começo do ciclo o
seu correspondente pixel deveria localizar-se na região de
solos expostos úmidos da linha-do-solo, com baixos valores
de reflectância no vermelho e no infravermelho próximo.
Assim que a cultura começa a emergir, tal pixel começa a
afastar-se progressivamente da linha-do-solo, até atingir o
completo fechamento do dossel, quando o fluxo radiante
no infravermelho próximo torna-se máximo e a reflectância
no vermelho atinge seu ponto mínimo. Após a colheita, o
pixel deverá voltar novamente para a linha-do-solo, porém
numa posição correspondente a condições mais secas.
O tipo de comportamento acima relatado para a reflectân­
cia no vermelho e no infravermelho próximo, em relação
ao desenvolvimento dos dosséis vegetais, levou ao desen­
volvimento de numerosos índices de vegetação e de técni­
cas de estimação da biomassa que utilizam diversos tipos
de parâmetros envolvendo o vermelho e o infravermelho
próximo (p.ex., Richardson e Everitt, 1992; Lyon et al.,
1998). O resultado é uma combinação linear que pode ser
mais bem correlacionada com biomassa do que o valor do
vermelho ou o do infravermelho próximo isoladamente.
Diversos desses algoritmos estão sumarizados na secção so­
bre índices de Vegetação deste capítulo.
Características Espectrais da Vegetação
Interações Entre a Energia no Infravermelho Médio e a
Agua do Mesófilo Esponjoso
As plantas necessitam de água para crescer. Uma folha ob­
tém água pelo sistema radicular da planta. A água desloca-
se pelas raízes, subindo pelo caule e entra na folha através
do pecíolo (ou seja, a parte que une a lâmina foliar ao caule)
e, daí, pequenos vasos levam esta água até as células foliares.
Se, num determinado momento, uma planta estiver bem
irrigada, conterá tanta água quanto seja possível armaze­
nar, ficando então completamente túrgida. A maior parte
desta água encontra-se no mesófilo esponjoso. Se houver
falta de irrigação ou de chuva, a planta conterá uma quan­
tidade de água menor do que é o seu máximo potencial de
armazenamento de água e, neste estado, estará em turgidez
relativa. Seria então útil a existência de um instrumento
de sensoriamento remoto sensível à quantidade de água
nas plantas. Até um certo ponto, o sensoriamento remoto
nas regiões espectrais do infravermelho médio, do infra­
vermelho termal (Capítulo 8) e das micro-ondas passivas
(Capítulo 9) pode prover tais informações.
A água líquida na atmosfera gera cinco principais bandas
de absorção nas porções entre o infravermelho próximo e
o infravermelho médio do espectro eletromagnético: 0,97;
1,19; 1,45; 1,94 e 2,7 pm (Figura 11-1). A banda em 2,7
pm é devida à absorção vibracional fundamental pela água,
constituindo-se na maior absorção na citada região espectral
(destacando, porém, que existe também uma forte absorção
em 6,27 pm, na região do infravermelho termal). Entretan­
to, há também uma forte relação entre a reflectância na re­
gião do infravermelho médio (1,3 - 2,5 pm) e a quantidade
de água presente nas folhas de um dossel vegetal. A água
nas plantas absorve a energia incidente, entre as bandas de
absorção, com força crescente em comprimentos de ondas
maiores. Nestes comprimentos de onda do infravermelho
médio, os picos de reflectância da vegetação ocorrem apro­
ximadamente em 1,6 pm e 2,2 pm, entre as duas principais
bandas de absorção pela água atmosférica (Figura 11-1).
A água é um bom absorvedor da energia no infraverme­
lho médio, de tal forma que quanto maior a turgidez
das folhas, menores as reflectâncias no infravermelho
médio. Inversamente, à medida que o conteúdo de umi­
dade das folhas diminui, a reflectância no infravermelho
médio aumenta substancialmente. À medida que a água
da planta nos espaços de ar intercelular diminui, isto faz
com que a energia do infravermelho médio incidente nas
folhas seja mais intensamente espalhada pelas interfaces
das paredes intercelulares, resultando em maiores valores
de reflectância no infravermelho médio. Considere, por
exemplo, as reflectâncias espectrais de amostras foliares
de Magnólia em cinco diferentes condições de umidade
plotadas no intervalo espectral entre 0,4 e 2,5 pm (Figura
367
11-7). Os intervalos de comprimentos de onda no infra­
vermelho médio entre 1,5 - 1,8 pm e entre 2,1 - 2,3 pm
são citados como mais sensíveis a mudanças no conteú­
do de umidade das plantas, do que os comprimentos de
onda no visível e no infravermelho próximo (isto signifi­
ca que, considerando o eixo y, a distância entre as curvas
espectrais é maior à medida que o conteúdo de umidade
diminui). E interessante notar também que significativas
mudanças nas curvas de reflectância no visível (0,4 —0,7
pm) não começam a aparecer até que a umidade das fo­
lhas diminua até aproximadamente 50%. Quando o con­
teúdo relativo de água diminui para 50%, praticamente
qualquer porção do visível, do infravermelho próximo ou
do infravermelho médio pode prover alguma informação
útil de reflectância espectral.
A reflectância foliar no infravermelho médio é inversamen­
te relacionada com a absortância de uma camada de água de
aproximadamente 1 mm de espessura (Carter, 1991). A in­
tensidade com que a energia solar incidente no infraverme­
lho médio é absorvida pela vegetação é função da quantida­
de total de água presente na folha e da espessura da folha. Se
a seleção de sensores e de bandas espectrais for adequada, é
possível monitorar a turgidez relativa das plantas.
Os sistemas de sensoriamento remoto ópticos (exceto os
radares) são geralmente limitados a funcionarem em inter­
valos espectrais de 0,3 - 1,3; de 1,5 - 1,8 e de 2,0 - 2,6
pm, devido a fortes bandas de absorção pela água atmosfé­
rica em 1,45; 1,94 e 2,7 pm. Felizmente, como mostrado
na Figura 11-7, há uma forte sensibilidade “suplementar”
ao conteúdo de água nas regiões em 1,5 — 1,8 pm e em
2,0 —2,6 pm, que são adjacentes às principais bandas de
absorção pela água. Esta é a razão pela qual os sensores
Thematic Mapper (TM/Landsat-4 e TM/Landsat-5) e
Enhanced Thematic Mapper Plus (ETM+/Landsat-7) tive­
ram duas bandas escolhidas nas citadas regiões espectrais: a
banda 5 (1,55 - 1,75 pm) e a banda 7 (2,08 - 2,35 pm). Já
foi consistentemente demonstrado que a banda no infra­
vermelho médio (1,55 —1,75 pm) é sensível ao conteúdo
de umidade do dossel. Pierce et al. (1990), por exemplo,
demonstraram que esta banda, bem como os índices de ve­
getação em que ela é usada, estavam correlacionados com
estresses de água em dosséis de florestas coníferas.
Grande parte da água na planta é perdida via transpiração.
A transpiração ocorre à medida que o Sol aquece a água
dentro da folha, fazendo com que uma parte da água mude
seu estado para vapor d’água, que escapa através dos estô-
matos. Algumas das funções importantes desempenhadas
pela transpiração são as seguintes:
• ela refrigera o interior das folhas, uma vez que o vapor
d’água que escapa contém calor;
368 CAPÍTULO Sensoriamento Remoto da Vegetação

Efeitos Espectrais do Secamento Progressivo da Folha

Conteúdo de umidade
relativa de M agnólia
{Magnólia grandiflora)
----------------- 5%
....................... 25%
....................... 50%
- 75%
---------------------100%

0 ,4 ,5 ,6 ,7 ,8 ,9 1 ,0 1,2 1,4 1,6 1,8 2,0 2,2 2,4

Comprimento de onda, pm
Figura 11-7 Resposta de reflectância de uma folha de Magnólia (Magnolia grandiflora) a diferentes conteúdos de umidade. À medida que
o conteúdo de umidade diminuiu, a reflectância aumentou ao longo da região 0,4 - 2,5 pm. Entretanto, o maior aumento
ocorreu na região do infravermelho médio (1,3 - 2,5 pm) (conforme Carter, 1991).

• ela mantém o fluxo ascendente de água absorvida pelas
raízes, através do caule, até as folhas;
• ela assegura um suprimento constante de minerais dis­
solvidos provenientes do solo.
A medida que as moléculas de vapor d’água no topo da fo­
lha são perdidas por transpiração, toda a coluna d'água é
puxada para cima. As plantas perdem consideráveis quan­
tidades de água por transpiração, diariamente. Por exem­
plo, uma única planta de milho pode perder até cerca de
3,8 litros de água num dia muito quente. Se as raízes desta
planta não puderem repor esta água, as folhas murcham,
cessa a fotossíntese e a planta morre. Desta forma, moni­
torar o conteúdo de umidade dos dosséis vegetais, que por
sua vez correlaciona-se com as taxas de transpiração, pode
prover valiosas informações sobre a saúde de uma cultura
agrícola ou de uma outra área de vegetação. O sensoria­
mento remoto no infravermelho termal e nas micro-on­
das passivas também têm fornecido valiosas informações
sobre evapotranspiração de dosséis vegetais.
A mais prática aplicação das informações sobre umidade
das plantas é a avaliação regional das condições de umi­
dade das culturas agrícolas com objetivos de planejamen­
to de irrigação, de avaliação de estresses, e de modelagem
de produtividade (tanto agrícola quanto de pastagens ou
para manejo de florestas).
Características Avançadas de Reflectância Espectral da
Vegetação: a Função de Distribuição da Reflectância
Bidirecional (FDRB)
Seria excelente se um dossel vegetal como o de milho ou de
uma plantação de pinheiros refletisse a mesma quantidade
de fluxo radiante em direção a um sensor, independente­
mente de: 1) ângulos de incidência e azimutal solares, ou 2)
geometria de visada do sensor. Isto significaria que o dossel
vegetal seria uma superfície Lambertiana real, ou seja, uma
superfície que reflete a energia nela incidente, em todas as
direções, igualmente. Infelizmente, uma grande quantidade
de investigações demonstrou que não é assim que as coisas
acontecem (p.ex., Kimes, 1983). De fato, o fluxo radiante
espectral que sai de um dossel vegetal é significativamen­
te afetado por um grande número de fatores, muitos dos
quais estão listados na Tabela 11-1. A seguir, discutiremos
brevemente os principais parâmetros da vegetação e depois
aprofundaremos mais em relação às características geomé­
tricas de iluminação solar e do sistema sensor.
A quantidade e a distribuição espectral do fluxo radiante
refletido pelo dossel vegetal é influenciado pelo tipo de ve­
getação presente. Por exemplo, gramíneas devem refletir
diferentemente em relação a um estande de árvores. Al­
guns dosséis vegetais possuem 100% de fechamento, re­
cobrindo completamente a superfície, o que significa que
o substrato e o solo abaixo dele não são visíveis através
do dossel. Inversamente, outros dosséis que apresentam
menos de 100% de fechamento do dossel permitem que
porções do substrato e/ou do solo reflitam energia na di­
reção do IFOV (“instantaneous field o f view” ou campo de
visada instantâneo) do sensor, gerando um pixel híbrido
ou misturado. E possível separar a contribuição espectral
das coberturas individuais, porém isto requer considerável
conhecimento em processamento de imagens.
Características Espectrais da Vegetação
+ 75° + 45°
* Visada do retroespalhamento Visada a nadir
Figura 11-8 Efeitos da reflectância bidirecional numa parcela da gramínea azevém (Loliumperenne L.) observada em diferentes ângu­
los de visada no plano solar principal com uma câmera FIGOS. O ângulo solar zenital era de 35°, como indicado pelas
setas tracejadas. Os ângulos de visada do sensor são mostrados com linhas pretas a nadir e a ± 45° e ± 75° fora do nadir
(conforme Sandmeier e Itten, 1999).
Determinadas vegetações são orientadas aleatoriamente,
enquanto que outras são sistematicamente arranjadas em
fileiras em determinadas direções cardeais (0 - 360°). As
copas das árvores frequentemente apresentam formas es­
pecíficas (p.ex., a forma cônica do pinheiro Ponderosa ou
a forma circular da copa do carvalho Blackjack), de modo
que o diâmetro da copa de cada árvore individual possa
ser medido. Os troncos de árvores ou os caules de plantas
apresentam certa densidade (p.ex., o número de troncos
por unidade de área) com valor específico para a variável
diâmetro-à-altura-do-peito (DAP).
Índice de área foliar (IAF): é a área foliar verde total, con­
siderando apenas um lado da folha (ou também a meta­
de da área de ambos os lados), por unidade de área do
terreno ocupado pelas plantas estudadas. É um parâmetro
biológico importante porque: 1) define a área que interage
com a radiação solar e que provê grande parte do sinal de
sensoriamento remoto; e 2) é a superfície responsável pela
absorção de carbono e pelas trocas com a atmosfera (Chen
e Black, 1992). Alguns dosséis têm valores significativa­
mente maiores de IAF do que outros.
Distribuição angular das folhas (DAF): pode mudar du­
rante o dia, à medida que as folhas orientam-se em di­
reção ou contra a radiação incidente. Algumas folhas
dispõem-se predominantemente no plano horizontal
(p.ex., as folhas planófilas de muitas árvores de folhas lar­
gas), enquanto que outras orientam-se mais verticalmen­
te (p.ex., as folhas erectófilas de gramíneas existentes em
áreas de restingas costeiras).
369
Sensor
0o - 45° - 75°
Visada do espalhamento ---- ►
frontal
Todos esses fatores relacionados com a vegetação podem ter
significativo impacto na reflexão da luz incidente em direção
ao sistema sensor. Portanto, é importante manter constan­
tes tantos fatores quanto possível quando se busca extrair
informações biofísicas tais como a produtividade primária
ou a biomassa via dados de sensores remotos. Mesmo man­
tendo constantes essas variáveis tanto quanto possível, os
ângulos zenitais e azimutais da radiação solar incidente e os
ângulos zenitais e azimutais do sistema sensor podem intro­
duzir efeitos tão marcantes que pode tornar-se impossível
comparar medições de reflectância espectral de um deter­
minado momento com outras obtidas em outro momento.
Felizmente, se conhecemos bem as características do dossel
vegetal em estudo (como discutidas acima) e obtemos infor­
mações sobre as características de reflectância bidirecional
do ângulo de incidência solar e da geometria de visada do
sensor, torna-se possível calibrar os dados de sensoriamento
remoto para a extração de informações biofísicas úteis.
Função Distribuição da Reflectância Bidirecional
(FDRB): várias pesquisas já realizadas no passado, envol­
vendo medições de reflectância bidirecional obtidas para
vários tipos de superfícies vegetais ou pedológicas, de­
monstraram que a maioria das superfícies terrestres exibem
características de não-lambertianidade (anisotropia) (Ki-
mes, 1983). Em tempos passados, os efeitos da reflectância
bidirecional das superfícies terrestres não desempenhavam
papel importante nos estudos relacionados com mudanças
globais e com ecologia, embora se assumisse, então, que
tais efeitos fossem cruciais em estudos multitemporais, em
função das variações dos ângulos de incidências solares.
370 CAPÍTULO
Tabela 11-1. Principais variáveis que afetam a Função
de Distribuição de Reflectância Bidirecional
(FDRB) de um dossel vegetado.
Variáveis que afetam a Reflectância Bidirecional
de um dossel vegetado
• Geometria
- ângulo de incidência solar (ou radar)
Iluminação
- azimute
• Características espectrais (X)
Sensor • Geometria
- ângulo de visada (p.ex., 0" nadir)
- azimute da direção de visada (0 —360°)
• Sensibilidade espectral (X)
• IFOV (milirradianos)
Vegetação • Dossel
- tipo (plantas ou árvores)
- fechamento (%)
- orientação
- sistemática (p.ex., ruas 0 - 360°)
- não-sistemática (aleatória)
• Copas (de árvores)
- forma (p.ex., circular, cônica)
- diâmetro (m)
• Troncos ou caules
- densidade (unidades por m2)
- diâmetro à altura do peito (DAP)
• Folha
- índice de Área Foliar (IAF ou LAI)
- Distribuição de Ângulo Foliar (DAF)
(planófilas, erectófilas)
Substrato mesmas variáveis que as da Vegetação, acima
Solos • Textura
• Cor
• Conteúdo de umidade
Isto era assim principalmente devido à falta de dados bidi-
recionais obtidos por sensores remotos ou adquiridos em
campanhas de campo. O impacto da FDRB ainda hoje
não é muito bem entendido, a despeito do fato de que
atualmente já saibamos que tal impacto existe na maioria
dos dados de sensoriamento remoto com objetivos de ob­
servação da Terra, especialmente para sensores com amplos
campos de visada, tais como o AVHRR/NOAA (1,1 x 1,1
km). Além disso, uma grande quantidade de dados obti­
dos por sensores com características de visada fora do nadir
está sendo crescentemente colocada à disposição, especial­
mente por satélites comerciais como o 1KONOS (Space
Imaging), e também pelos satélites da NASA, como o Ter­
ra, com os sensores M ODIS e MISR (Capítulo 7). Quan­
do se pretende utilizar estes dados para relevantes estudos
de mudanças no uso da terra ou ecológicos, a FDRB deve
ser bem entendida, a fim de calibrar os dados (Walter-Shea
e Biehl, 1990; Abuelgasim et al., 1998).
Sensoriamento Remoto da Vegetação
Figura 11-9 Um hotspot próximo da marca fiducial à esquerda de
uma fotografia aérea vertical da superfície de inun­
dação do Rio Savannah, em South Carolina, EUA.
A vegetação do tipo Cypress-Tupelo, nesta superfície
de inundação, apresenta porcentagem de fechamen­
to de dossel relativamente uniforme e sua tonalidade
e textura deveríam ser bastante homogêneas, mas
não o são. Um hot spot é produzido quando o ângu­
lo de iluminação e o ângulo de visada do sensor são
praticamente idênticos e estão no mesmo plano.
Várias superfícies naturais (solos, vegetação, e até mesmo
água) revelam uma relação entre a magnitude da radiância
refletida e 1) as características geométricas da irradiância
solar, e 2) a geometria de visada do sensor utilizado. Daí,
o surgimento do termo bidirecional. Dependendo dos ân­
gulos de irradiância e de visada, a maioria das superfícies
pode parecer mais clara ou mais escura —todos nós temos
testemunhado este efeito: se andamos em volta de um gra­
mado ou de uma piscina funda, essas superfícies parecerão
mais claras ou mais escuras, dependendo do nosso ângulo
de visada em relação ao ângulo solar (que, neste caso, es­
tará constante). Um bom exemplo disso é a Figura 11-8,
que mostra uma área de gramínea azevém {Lolium peren-
ne L.) iluminada por luz natural num ângulo zenital solar
constante de 35°. Cada fotografia desta mesma área é ob­
tida a nadir (0°) e em ângulos fora do nadir de ± 45° e de
± 73° (Sandmeier e Itten, 1999). O terreno geralmente é
mais claro quando o sensor registra energia retroespalhada
(“back-scattered'), em oposição ao caso de espalhamento
frontal (“forward-scattered’), como é mostrado na Figura
11-8 (ver, p.ex., a imagem +75° produzida pela energia
retroespalhada, que aparece como a mais brilhante). Note,
entretanto, que tanto a imagem +75° como a imagem -75°
são mais brilhantes do que a imagem obtida a nadir (0o).
O efeito bidirecional em dados de sensoriamento remoto
é mais óbvio quando o ângulo de iluminação e o ângulo
de visada do sensor são praticamente idênticos e estão no
Características Espectrais da Vegetação 371

Goniômetro Goniômetro Radiômetro na

Espectrorra-
diô m etro

a.

Função Distribuição da Reflectância

Bidirecional (FDRB)

- Espalhamento Angulo zenital Retroespalhamento-

Frontal de visada

Figura 11-10 a) O sistema goniômetro de campo (FIGOS) desenvolvido por

S. Sandmeier. b) Neste exemplo hipotético, o espectrorradiô-
metro está posicionado em dois locais. As medições espectrais
são feitas no local #1 com o ângulo zenital solar 9., com o ân­
gulo azimutal solar cp, o ângulo de visada do sensor 9 , e ângulo
azimutal do sensor (p. O espectrorradiômetro GER registra a
quantidade de radiância que sai de um alvo em 704 bandas
espectrais. Depois, o radiômetro é movido para o local #2 (ou
seja, variando somente o ângulo azimutal do sensor, como é
mostrado), onde adquire dados de radiância novamente em
704 bandas, c) O conceito e os parâmetros da FDRB. Um alvo
é iluminado com irradiância (dE) a partir de ângulos zenital e
azimutal específicos, e o sensor registra a radiância (d L ) que sai
do alvo de interesse em ângulos azimutal e zenital específicos,
d) Fator de anisotropia para a gramínea azevém (Lolium peren-
ne L.) em múltiplos ângulos de visada zenitais no plano solar
principal para quatro das 704 bandas. O ângulo zenital solar
era de 35° (conforme Sandmeier e Itten, 1999). e) Segunda
geração do goniômetro de Sandmeier (SFG, “Second-generation
Sandmeier Field Goniometer’) obtendo medições para uma área
de pastagem (Spartina alterniflora) em North Inlet (SC), em 21
de outubro de 1999 (Sandmeier, 1999; Schill et al., 2004).
372 CAPÍTULO
mesmo plano. Isto pode produzir o denominado efeito hot
spot (isto é, quando a sombra não é visível). O plano solar
principal é formado quando a fonte de iluminação, o alvo
e o sensor estão todos alinhados no mesmo plano (ou seja,
no ângulo azimutal solar). Este é o plano onde os efeitos da
FDRB são os mais pronunciados. Um exemplo do efeito
hot spot em fotografia aérea é mostrado na Figura 11-9.
Felizmente, os pesquisadores têm desenvolvido instru­
mentos para medir a FDRB de várias superfícies. Um dos
instrumentos mais úteis é o sistema goniômetro de campo
(FIGOS, “field goniometer system’) projetado por S. San-
dmeier. O FIGOS consiste de um espectrorradiômetro
GER 3700 controlado por computador, sensível no inter­
valo espectral entre 300 e 2.450 nm em 704 bandas com
uma resolução espectral de 1,5 nm para o intervalo 300
— 1.050 nm e de 8,4 nm para o intervalo 1.050 —2.450
nm. Consiste de três partes principais: um trilho em arco
zenital, um trilho em arco azimutal e um trenó motorizado
onde o radiômetro é montado (Figura 1 l-10a, b). O goni­
ômetro de alumínio pesa aproximadamente 230 kg e pode
ser transportado para o campo, como mostrado. Montado
no goniômetro, o sensor visa, na parte mais central do cír­
culo, uma área de aproximadamente 10,5 cm de diâmetro
a nadir e de cerca de 41 cm (no eixo maior) na posição de
75° (que é o ângulo zenital mais extremo).
Assim, é possível, num período de tempo muito curto e
enquanto o Sol fica aproximadamente no mesmo arco ze­
nital (0) e azimutal (cp.), variar a posição do radiômetro
visando determinar se a quantidade de fluxo radiante nas
várias regiões espectrais (p. ex., azul, verde, vermelho, in­
fravermelho próximo, infravermelho médio) é influencia­
da pelos ângulos de visada (0) e azimutal (cp) do sensor.
A função distribuição de reflectância bidirecional (FDRB),
f [ s r 1), é formalmente definida como a razão entre a radi-
ância dL (W .m TsD.nm 1) refletida em uma direção (0 , cpr
) e a irradiância solar incidente dE (W.mAnm ') provenien­
te da direção (0 , cp.) (Sandmeier, 1999; Sandmeier e Itten,
1999):
dLr ( 0., cp ;0 ; , cpr; X )
f ( Q r tp^-0,,, cpr ,-A.) =
dE. (9., cp,; X )
Notar que dLr e dE. são quantidades direcionais medidas
em ângulos sólidos (esterradianos, s r 1), como está mos­
trado na Figura 11-10c. Normalmente, um fator de re­
flectância bidirecional (ERB, também referido como R) é
computado como sendo a radiância refletida (dL ) por uma
superfície numa determinada direção dividida pela radiân­
cia dLnj, refletida por um painel de referência praticamente
lambertiano, medida sob idêntica geometria de iluminação
(Sandmeier e Itten, 1999):
Sensoriamento Remoto da Vegetação
R( 0., (p.;0r, tpr; X ) = (11-7)
dL ( 0 , cp.; 0r, (pr; X )
x ^ / ( 0,’ <pr;A.)
dL ref,.(x 0 / , cp
' /
;0 r ,~ cp
r
; X)'
onde:
R é um coeficiente de calibração determinado para o pai­
nel de referência espectral. Os fatores de reflectâncias bi-
direcionais (FRB) são adimensionais. Tanto o FRB como
a FDRB assumem valores entre zero e infinito. Valores >
1 para FRB e > l/n para FDRB são obtidos nas direções
de pico de reflectâncias, tais como o hot spot, onde o fluxo
refletido por uma superfície-alvo é maior que o fluxo de
uma superfície Lambertiana.
É, também, possível desenvolver um fator de anisotropia,
que é usado para analisar a variabilidade espectral nos da­
dos de FDRB. Os fatores de anisotropia (ANIF —Ani-
sotropy factors) permitem a separação entre a assinatura
espectral de um alvo e os efeitos provenientes da FDRB
espectral. Esses fatores são calculados através da norma­
lização dos dados de reflectância bidirecional R com a re­
flectância a nadir, R (Sandmeier et al., 1998a; Sandmeier
e Itten, 1999):
R( 0., cp ;0 ., cpr; 7 ) ( 11- 8)
ANIF{ 6., cp.;0(., cpr; À,)
R„ (6, . tp,; X )
Afinal, o que estas medições nos informam sobre a FDRB
de uma superfície típica? Para responder a esta questão, con­
sideremos dados FDRB normalizados para o nadir (ou seja,
os dados ANIF) da gramínea azevém (Lolium perenne L.)
mostrados na Figura 11-1 Od. Durante a coleta dos dados go-
niométricos o ângulo zenital solar era 35°. Os resultados de
apenas quatro das 704 bandas do espectrorradiômetro foram
apresentados tendo-se utilizado apenas o ângulo de visada do
plano solar principal. Vê-se que os efeitos do FDRB foram
mais pronunciados nas bandas de absorção da clorofila no
azul (480 nm) e no vermelho (675 nm) discutidas anterior­
mente, enquanto que no verde e particularmente na faixa de
baixa absorção do infravermleho próximo, foram observados
relativamente poucos efeitos da FDRB. Desta forma, pesso­
as que usam dados de sensores remotos podem considerar
( 11- 6)
ajustes radiométricos dos valores de brilho associados com
as bandas do azul e do vermelho, mas não necessariamente
com as bandas do infravermelho próximo. Tipicamente, as
superfícies vegetadas exibem em todas as quatro bandas uma
forma abaulada, um hot spot, e uma componente de espalha-
mento frontal (forward-scattering).
É mais interessante ver os fatores de anisotropia do azevém
para os quatro comprimentos de onda de interesse não só
em função do ângulo de visada zenital de 0° mas também
no intervalo de ± 75° (Figura 11-11). Idealmente, toda a
Características Espectrais da Vegetação
Figura 11-11 Fatores de anisotropia (dados FDRB normalizados ao nadir) de azevém (Lolium perenne L.) para quatro bandas, adquiridos
com o instrumento FIGOS, com um ângulo zenital solar de 35° (conforme Sandmeier e Itten, 1999).
superfície tridimensional deveria ser plana, como ocorreu
com o infravermelho próximo (750 nm), significando que
as medições nesta faixa espectral são relativamente livres dos
efeitos de FDRB. Porém, as bandas em 480 nm e em 675
nm exibem significativos fatores de anisotropia. Nos interva­
los de comprimentos de onda de alta absorção (os quais, por­
tanto, refletem pouco) os efeitos de espalhamento múltiplo
são reduzidos devido à relativamente pequena quantidade
de radiação no dossel. Desta forma, o contraste entre com­
ponentes iluminados e componentes sombreados, no dossel,
é realçado, o que provoca o realce dos efeitos de FDRB. Por
outro lado, os efeitos de FDRB são, geralmente, menores nos
comprimentos de onda de baixa absorção (portanto, os de
maior reflexão) do verde e do infravermelho próximo, onde
os efeitos de espalhamento múltiplo são fortes e, portanto, di­
minuem o contraste no dossel (Sandmeier et al., 1998b).
Pesquisas futuras utilizando goniômetros acoplados com
sistemas de sensoriamento remoto aerotransportados e or­
bitais, com apontamento fora do nadir, tais como o MISR/
373
Terra (Capítulo 7) deverão documentar quando deveremos
estar atentos aos efeitos da FDRB. Tais informações podem
ajudar a 1) identificar e selecionar as bandas que são menos
impactadas pelos efeitos da FDRB, 2) reconhecer que há
certas relações entre Sol e/ou ângulo de visada do sensor
que deveríam ser evitadas quando dados de sensoriamen­
to remoto são coletados, e 3) prover métodos para ajustar
radiometricamente os dados de sensoriamento remoto de
modo a minimizar os efeitos de FDRB.
Nem sempre os efeitos da FDRB são completamente preju­
diciais. Qi et al. (1995) ressaltam que medições multidirecio-
nais de sensoriamento remoto (p.ex., ângulos de visada fora
do nadir) podem prover informações complementares àque­
las obtidas a nadir. De fato, uma medição única a nadir ob­
tém informação sobre uma superfície como se esta superfície
não tivesse estruturas verticais, o que, na prática, nem sem­
pre ocorre —por outro lado, as medições em visada fora do
nadir revelam diferentes aspectos das estruturas verticais, tais
como a altura da vegetação. Consequentemente, para caracte­
374 CAPITULO
rizar objetivamente parâmetros biofísicos da vegetação, uma só
geometria de visada (p.ex., a nadir) pode ser insuficiente.
Modelagem da Reflectância de Dosséis Vegetais
Nas últimas décadas, os pesquisadores da área vêm bus­
cando predizer, através de modelos, exatamente como a
energia radiante em comprimentos de onda específicos é
refletida por uma determinada folha ou por um certo dos­
sel vegetal, com base em um conjunto de fatores, dentre
os quais podem ser incluídos (Danson, 1998): o índice de
área foliar (IAF), as propriedades de reflectância dos solos
abaixo do dossel, a quantidade de luz direta e/ou difusa in­
cidente no dossel, a distribuição de ângulo foliar (que varia
desde a erectófila, com íolhas a 90°, até a planófila, com
folhas predominantemente horizontais, a 0" de inclinação),
e a FDRB influenciada pelos fatores geométricos (ângulos
solares e de visadas do sensor), conforme discutidos ante­
riormente. O modelo SAIL (“Scattering by Arbitrarily Jn-
clined Leaves” - Espalhamento por Folhas Arbitrariamente
Inclinadas), por exemplo, tem sido largamente utilizado
em pesquisas de sensoriamento remoto visando investigar
as propriedades de reflectância espectral e direcional dos
dosséis vegetais. Este modelo utiliza equações de transfe­
rência radiativa para modelar a energia que interage com o
dossel vegetal em três distintos fluxos, sendo: a) um fluxo
para baixo de radiação direta; b) um fluxo para baixo de
radiação difusa; e c) um fluxo para cima de radiação difusa.
O SAIL assume que o dossel pode ser representado por pe­
quenos elementos que absorvem e que espalham (p.ex., as
Íolhas) com propriedades ópticas conhecidas, distribuídos
aleatoriamente em camadas horizontais e com ângulos de
distribuição conhecidos. Este modelo tem sido usado para
simular os efeitos da visada fora do nadir, para simular os
deslocamentos espectrais da borda vermelha (“red-edge”, ou
região de transição entre o vermelho e o infravermelho pró­
ximo), e para estimar propriedades do dossel diretamente
relacionadas com os dados de sensoriamento remoto.
Similarmente, o modelo de Li-Strahler (1985, 1992) pro­
duz estimativas do tamanho e da densidade de árvores,
a partir de dados de sensoriamento remoto. O sinal re­
cebido pelo sensor é modelado como sendo constituído
pela luz refletida pelos elementos que se encontram dentro
do campo de visada do sensor (quais sejam, as copas das
árvores, as suas sombras, e o substrato (“backgroundj ali
presente). Desta forma, o sinal refletido é modelado como
uma combinação linear de quatro componentes e de suas
respectivas proporções (Woodcock et al., 1997):S
S = Kg G + Kc C + Kt T + K z A (11-9)
v '
Sensoriamento Remoto da Vegetação
onde S é o valor de brilho de um pixel, AG K , AT e K signi­
ficam, respectivamente, as proporções em área de substrato
iluminado, de copas iluminadas, de copas sombreadas e de
substrato sombreado; sendo que os parâmetros G, C, T e
A equivalem às assinaturas espectrais dos correspondentes
componentes. Este é chamado de modelo de mistura, ou
modelo de componentes de cena.
Os modelos SAIL e Li-Strahler representam im portan­
tes tentativas para explicitamente modelar as interações
energia-matéria que ocorrem acima, dentro e abaixo do
dossel vegetal. Os cientistas têm também buscado inten­
samente formas de inverter os modelos, visando usar as
características de reflectância registradas pelos sensores
remotos para predizer as características de tipos específi­
cos de estruturas interiores aos dosséis, tais como a altura
das árvores, a densidade, o índice de área foliar, etc. Infe-
lizmente, com frequência é difícil calibrar tais modelos,
pois para isso é necessária uma grande quantidade de in­
formações sobre as características das folhas e dos dosséis,
sobre as condições atmosféricas, sobre os ângulos solares
e da geometria de visada, e sobre a declividade e o aspecto
do terreno. Porém, esta é uma área de pesquisa muito
importante do sensoriamento remoto.
Espectroscopia de Imageamento da Vegetação
Como foi discutido no Capítulo 7, um espectrômetro ima-
geador coleta reflectância da superfície terrestre em espec­
tros praticamente contínuos. Ao invés de ter apenas quatro
ou oito canais espectrais (como, p.ex., no SPOT ou no
ETM7Landsat-7, respectivamente) para registrar as carac­
terísticas espectrais da vegetação, um espectrômetro image-
ador coleta informação em centenas de canais espectrais.
Desta forma, um espectrômetro imageador tem grande
potencial para monitorar tipos e características biofísicas
da vegetação (Goetz, 1995). Em geral, os espectros de re­
flectância da vegetação são muito informativos, contendo
indicações sobre as bandas de absorção da clorofila na re­
gião do visível, a alta reflectância na região do infraverme­
lho próximo, e os efeitos da absorção pela umidade interna
da planta na região do infravermelho médio.
Os geólogos têm usado as imagens hiperespectrais há anos
para discriminar entre diferentes tipos de rochas, com base
em suas características de reflectância e de absorção espec­
tral. Já estão disponíveis extensas bibliotecas espectrais dos
mais importantes minerais, solos e tipos de rochas (p.ex.,
Clark et al., 2003). Quando são adquiridas imagens hipe­
respectrais calibradas, por aeronaves, os geólogos podem
então comparar os espectros obtidos nestas imagens com
os espectros armazenados nas referidas bibliotecas espectrais,
visando determinar os tipos de minerais presentes, bem
Características Espectrais da Vegetação 375

Assinaturas Espectrais AVIRIS para Várias Culturas

solo exposto
40 ♦
•-cevada ' J \ A
/ / ,Z\ r- \ V V /'
/ / \ \
30 -^«-pastagem ;/ \ 'A
/ / , V
Y

20 /
i ^ ii
t ..
■pastagem >batata Norkotah
(Chico)
10
//
// as curvas
foram deslocadas
' em 4%
0 n | i | i i i i i i i i i i i i i i i i i r b.
0,5 0,7 1,0 1,5 2,0 2,5
Comprimento de onda, pm Comprimento de onda, pm
Figura 11-12 a) Espectros de vegetação verde sadia de uma área de San Luis Valley, Colorado, obtidos em 3 de setembro de 1993, usando
o AVIRIS, 224 canais, com pixels de 20 x 20 m. b) A maioria dos outros tipos de vegetação exibiram reduzidas absorções por
clorofila. Notar que os espectros estão com deslocamentos para efeitos de clareza (conforme Clark et al., 1995). Diferenças
nas características de reflectância e/ou de absorção da vegetação tornam possível, em determinadas condições, distinguir um
tipo de vegetação em relação a outro, ou identificar se está sob estresse por algum fator.

como outras características de interesse. Vários exemplos da 11 -2a. Os espectros de reflectância AVIRIS das parcelas
são fornecidos no Capítulo 14 (Sensoriamento Remoto de com batata, alfafa, cevada, aveia, canola e pastagem são
Solos, Minerais e Geomorfologia). mostrados na Figura 1 l-12a, b.

Idealmente, seria de grande utilidade a existência de um
banco de dados espectrais da vegetação, com informações
sobre: 1) características de reflectância e de emitância de
vários tipos de vegetação, na região 0,35 —14 pm; 2) como
estes dados aparecem em diferentes datas, conforme varia
a dinâmica fenológica destas vegetações; e 3) como seriam
esses espectros em consequência de eventos como estresses
ou infestações por insetos. Infelizmente, ainda não existem
bancos de dados como os citados. Assim sendo, usualmente
ainda é necessário coletar dados in situ de espectrorradio-
metria da vegetação de interesse durante o sobrevoo aéreo
para poder usar esses dados para calibrar as informações de
reflectância espectral derivadas do espectrorradiômetro aé­
reo. Quando tal procedimento é realizado com os devidos
cuidados, torna-se possível extrair informações sobre tipos
e condições da vegetação, via dados hiperespectrais.
Consideremos, por exemplo, os dados AVIRIS coletados
sobre San Luis Valley, no Colorado, em 3 de setembro de
1993, mostrados na Prancha Colorida 1 l-2a (Clark et al.,
1995). Os 224 canais espectrais foram radiometricamente
corrigidos para remover os efeitos do vapor d’água atmos­
férico e em seguida retificados geometricamente para uma
projeção padrão. Os usos da terra presentes em algumas
parcelas à época do sobrevoo AVIRIS estão anotados no
topo da imagem, conforme é mostrado na Prancha Colori­
Os espectros das parcelas com alfafa, canola, aveia e ba­
tata (Nugget) mostram que as respectivas plantas estão
verdes e sadias (Figura 11-12a). A cevada já havia perdi­
do toda a sua resposta de clorofila à época do sobrevoo
AVIRIS (Figura 11-12b). Por seu turno, as parcelas com
batata Norkotah não estavam sendo irrigadas, uma vez
que estavam próximas da colheita —consequentemente,
seus espectros mostravam fracas absorções por clorofila e
celulose, estando presentes absorção por argila tendo em
vista que havia exposição de solo. Trabalhos de campo
feitos àquela época mostraram que os agricultores tam­
bém haviam pulverizado desfolhantes em parcelas de ba­
tatas e assim estas parcelas mostravam diminuição das ab­
sorções por clorofila acompanhada por deslocamento da
borda vermelha (“red edge") para comprimentos de onda
menores, como se esperaria ocorrer nestas circunstân­
cias. Os espectros de pastagem exibem combinações de
absorção por clorofila e por celulose (neste caso, devido
à presença de vegetação seca). Os espectros de parcelas
confirmadamente conhecidas foram usados num algorit­
mo computacional chamado , desenvolvido pelo USGS
(U.S. Geological Service), para identificar outros pixels
presentes na área de estudo com respostas similares às
conhecidas (Clark et ah, 1995). O resultado obtido foi
um mapa classificado, com precisão aproximada de 96%
de acerto (Prancha Colorida 11-2b).
376 CAPÍTULO Sensoriamento Remoto da Vegetação

Clark et al. (1995) ressaltam que a parte dos maiores com­

Central Valley K ansas/Centro-

O
O v/~\
100-

1---- 1--
primentos de onda da banda de absorção causada pela clo­ Califórnia Norte
rofila (0,68 - 0,73 pm) forma uma das declividades mais 75-
acentuadas encontradas nos espectros de materiais que ocor­ 50- 50-
rem comumente na natureza. Esta absorção é normalmen­ 25- 25-
te muito intensa, fazendo com que a reflectância seja baixa J FMAM J J A S OND j FMAM j J1Á S OND
(<5%) próximo de 0,68 pm, porém com valores muito altos
(> 50% de reflectância máxima) para o infravermelho pró­
ximo (em aproximadamente 0,73 pm). Quando a absorção Nordeste da Carolina
100- G eórgia/Sudoeste 100-1
por clorofila diminui, a largura total da banda de absorção do Norte
75- 75-
também diminui. Estes fatores causam um deslocamento
50- 50-
em direção aos comprimentos de onda menores à medida
25- 25-
que a absorção por clorofila diminui - este processo é conhe­
cido como “red-edge shifi’ (,deslocamento da borda vermelha) J FMAM J I A S OND J FMAM j j A S O N D
ou também como “blue shifi ofthe red edge” {deslocamento da
borda vermelha em direção ao azul), conforme anteriormente Figura 11-13 Coberturas por nuvens, preditas para quatro áreas
já discutido, e pode ser causado por senescência natural, es­ dos Estados Unidos. A maior quantidade de cober­
tresses de umidade ou presença de materiais tóxicos. Clark tura por nuvens está frequentemente associada com
o ponto alto da estação de crescimento, exceto para
et al. (1995) observaram que os dados AVIRIS poderíam
a Califórnia. Isto pode complicar significativamen­
detectar deslocamentos red-edge de < 0,1 nm. As informações
te a coleta de dados de sensoriamento remoto para
sobre deslocamento red-edge foram analisadas usando o pro­ análises de vegetação.
grama Tricorder e em seguida usadas para identificar áreas
com algum tipo de estresse (Prancha Colorida 1 l-2c).

Características Temporais da Contudo, a afirmação de Simonett ainda é correta em

Vegetação
Há épocas mais propícias que outras quando se busca iden­
tificar diferentes tipos de vegetação ou extrair informações
biofísicas da vegetação (p.ex., biomassa e características de
clorofila) a partir de dados de sensoriamento remoto. A
seleção das datas mais apropriadas para as coletas de dados
requer um profundo conhecimento sobre os ciclosfenológi-
cos (ou de crescimento) das plantas. As plantas que perdem
folhas sazonalmente são chamadas decíduas. As plantas que
mantêm suas folhas em todas as estações são denominadas
perenifólias (“evergreen”).
muitas situações. Frequentemente, nossa única possibili­
dade de discriminar entre duas culturas usando dados de
resolução relativamente larga (como, p.ex., os dados TM /
Landsat, SPOT ou IKONOS) é se:
• as culturas tiverem sido plantadas em datas ligeiramen­
te diferentes (p.ex., 10 dias) e isto fez com que um dos­
sel estivesse menos desenvolvido (menor percentagem
de fechamento) do que o outro;
• uma cultura tenha recebido irrigação significativamen­
te diferente do que a outra, fazendo com que ela apre­
sente maior (ou menor) biomassa;

Um renomado especialista em sensoriamento remoto, Dave
Simonett, frequentemente dizia “Green is green is green”(Ver­
de é verde é verde), significando que se duas diferentes culturas
(p.ex., milho e algodão) foram plantadas na mesma data e
completaram o fechamento de dossel na mesma data em que
os dados de sensoriamento remoto foram coletados, as carac­
terísticas espectrais das duas culturas devem parecer muito si­
milares tanto no visível quanto no infravermelho do espectro.
Porém, estes seus comentários eram baseados no uso dos sen­
sores de faixas largas disponíveis nas décadas de 1970 e 1980.
Mais recentemente surgiram os sensores hiperespectrais, que
permitem amostrar em porções muito estreitas do espectro,
com muito boas possibilidades de identificar feições de ab­
sorção singulares que nos permitem discriminar entre um
tipo de vegetação e outro ou extrair informações biofísicas.
• uma cultura tenha maturado mais rapidamente do que
a outra (p.ex., em função de adubação ou de melhores
tratos culturais);
• o espaçamento entre linhas de plantio, ou a orienta­
ção da parcela, for significativamente diferente de uma
para outra cultura; ou
• uma cultura tiver uma estrutura de dossel diferente
da outra.
A diferença na porcentagem de fechamento do dossel, na
umidade do solo, na biomassa, ou diferenças quanto a es-
paçamentos/orientações entre linhas de plantio podem fa­
zer com que uma cultura tenha propriedades de reflectân-
Características Temporais da Vegetação
cia significativamente diferentes em relação a outra, devido
a influências do solo de fundo (“background') ou dos tipos
de substratos ali presentes. Portanto, é frequente que a
proporção de substrato presente no IFOV (“instantaneous
field o f vieiv’ —campo de visada instantâneo) do sistema
sensor utilizado (p.ex., aproximadamente 30 cm para foto­
grafia aérea infravermelha colorida de alta resolução; 30 m
x 30 m para imagens TM/Landsat) seja determinante para
permitir a discriminação entre dois tipos de vegetação. A
quantidade de substrato presente será, por sua vez, função
do estádio da planta dentro de seu ciclo fenológico. Por­
tanto, se um cientista está tentando diferenciar (classificar)
entre vários tipos de culturas, de superfícies de inundação,
ou de florestas, usando dados de sensores remotos, é essen­
cial conhecer as características do ciclo fenológico de todos
eles. Esta informação é então usada para determinar a épo­
ca ótima do ano para coletar os dados de sensoriamento
remoto para a discriminação entre uma determinada co­
bertura terrestre ou vegetal e outra.
Outro importante fator temporal não pode ser ignorado:
as plantas requerem água para crescer. Desta forma, seu
mais importante período de crescimento está frequente­
mente associado a períodos de precipitação mais intensa
e, também, épocas em que mais ocorrem coberturas por
nuvens. A Figura 11-13, por exemplo, identifica as esta­
tísticas que mostram percentagens anuais de cobertura por
nuvens para algumas áreas dos Estados Unidos.
Exceto para a Califórnia, em função de sua baixa umidade
e baixa cobertura por nuvens, a maior parte das áreas apre­
sentam sua maior cobertura por nuvens exatamente no pe­
ríodo do ciclo agrícola em que os cientistas querem coletar
o máximo de dados de sensoriamento remoto. Consequen­
temente, os cientistas precisam conciliar a identificação da
melhor data para a obtenção de dados de sensoriamento
remoto com o provável risco de uma considerável cober­
tura por nuvens. Este é o motivo pelo qual são necessários
sensores com altas resoluções temporais.
Os desenvolvimentos de dosséis florestais, de pastagens
ou de superfícies de inundação, seguem ciclos relativa­
mente previsíveis em cada ano, exceto quando estejam
sob estresse, ou quando há alguma forte ocorrência não-
sazonal ou temperaturas baixas. Similarmente, as culturas
agrícolas também têm ciclos fenológicos bem conhecidos
para cada região, sendo que pode haver algumas varia­
ções de tipos de manejos entre fazendeiros. Desta forma,
é muito útil ter um ideia clara dos ciclos fenológicos tan­
to das vegetações naturais quanto das culturas agrícolas,
visando tirar o máximo proveito das peculiaridades feno-
lógicas quando se usam dados de sensoriamento remoto
para extrair informações biofísicas da vegetação. Vários
estudos de casos serão apresentados.
377
Capim Marinho (Spartina alterniflora)
Figura 11-14 Ciclo fenológico da biomassa de capim-marinho
{Spartina alterniflora) na Carolina do Sul, EUA.
A maior quantidade de biomassa viva é encontra­
da entre julho e outubro, e a maior quantidade de
biomassa seca está presente entre janeiro e março.
Estas áreas costeiras contêm proporções aproxima­
damente iguais de biomassa viva e seca entre de­
zembro e janeiro (conforme Jensen et al., 1998).
Ciclos Fenológicos Naturais
A maioria das espécies vegetais encontradas em florestas,
áreas úmidas, pastagens, etc., possuem ciclos fenológicos
de crescimento relativamente específicos. Cada uma destas
espécies têm seus específicos períodos brotação, de máxi­
ma folhagem verde, maturidade e senescência, períodos es­
tes que, em função da espécie, geralmente ocorrem sempre
à mesma época do ano. Entretanto, temperaturas muito
baixas ou muito altas podem, às vezes, ocorrer de forma
não-sazonal, podendo então modificar os ciclos fenológi­
cos em mais de trinta dias. Desta forma, o analista deve es­
tar atento se os seus dados de sensoriamento remoto foram
coletados num ano típico ou atípico. Se este analista está
tentando classificar vegetação a partir de dados de sensoria­
mento remoto, pode ser muito útil coletar dados do início
da estação de crescimento, momento em que as vegetações
estão se desenvolvendo em diferentes taxas, aumentando
assim as possibilidades de encontrar diferentes porcenta­
gens de fechamento dos dosséis e, portanto, realçando as
diferenças em suas assinaturas espectrais. Se o objetivo é,
por exemplo, discriminar entre espécies em áreas úmidas
(herbáceas, salgueiros, arbustos) na região sudeste dos Es­
tados Unidos, é interessante selecionar imagens entre 15
de fevereiro e 01 de maio, uma vez que, após o início de
maio, as vegetações de áreas úmidas já estarão com seus
dosséis praticamente fechados e, portanto, as assinaturas
378 CAPÍTULO Sensoriamento Remoto da Vegetação

Dados do Sensor C alibrated A irborne M ultispectral Scanner (C AM S)

obtidos sobre Murrells Inlet (Carolina do Sul)

Canal 4 (vermelho: 0,63 - 0,69 pm) Canal 5 (infravermelho próximo: Canal 6 (infravermelho próximo:
0,69 - 0,76 pm) 0,76 - 0,90 pm)

Canal 7 (infravermelho médio: Canal 8 (infravermelho médio: Canal 9 (termal: 10,4 - 12,5 pm)
1,55 - 1,75 pm) 2,08 - 2,35 pm)
Figura 11-15 Dados de nove bandas 3 m x 3 m do sensor CAMS, obtidos sobre Murrells Inlet, SC, em 2 de agosto de 1997, a uma altitude
de 1.200 m acima do solo.

espectrais dos vários tipos de dosséis serão muito similares,
confirmando que “Green is green is green" (conforme se re­
feria Simonett a este tipo de fenômeno).
Inversamente, se a meta é monitorar a biomassa vegetal, é
mais indicado coletar dados de sensores remotos nas épocas
de pico do crescimento vegetal, quando existem quantida­
des máximas de vegetação. O monitoramento da biomassa
ao longo do tempo pode prover importantes informações
sobre a estabilidade do ecossistema natural e se estão ocor­
rendo mudanças significativas. A seção seguinte demonstra
esta lógica aplicada ao monitoramento costeiro nas planí­
cies inundáveis de Smooth Cordgrass (capim marinho ou
macega mole - Spartina alterniflora) (Figura 11-14).
Características Temporais da Vegetação
Canal 6 / Sensor CAMS (Infravermelho Próximo:
0 ,7 6 -0 ,9 0 pm)
Figura 11-16 Relacionamento entre valores de brilho na banda 6
do sensor CAMS (Calibrated Airborne Multispec-
tral Scanner) e biomassa seca total (g/m2) de Spar­
tina alterniflora medida em 27 localidades (in situ)
de Murrells Inlet, SC, em 2 e 3 de agosto de 1997
(Jensen et al„ 1998).
Ciclo Fenológico da Macega Mole (Spartina alterniflora)
Costeira, na Carolina do Sul, EUA
O ciclo fenológico do capim-marinho perene macega mole
(.Spartina alterniflora), de ocorrência comum na costa leste
dos Estados Unidos, é mostrado na Figura 11-14. A ma­
téria orgânica decomposta da Spartina é despejada no mar
e representa a base da cadeia alimentar que suporta a in­
dústria pesqueira marinha da costa leste norte-americana.
A época de máximo crescimento e de máximo peso da
biomassa seca da Spartina ocorre entre julho e outubro e,
portanto, este é o período ótimo para a seleção de dados
de sensoriamento remoto. Dados obtidos entre janeiro e
março apresentam pouca utilidade para a Spartina, pois
este é um período de dormência, em que esta espécie per­
manece em estado de senescência. Ainda assim, é possível
encontrar quem tente usar imagens do inverno, coletadas
para outros objetivos, visando monitorar Spartina.
A Figura 11-15 mostra nove bandas (3m x 3m) do sen­
sor CAMS (Calibrated Airborne Multispectral Scanner),
da NASA, de Murrells Inlet (South Carolina), adquiridas
em 2 de agosto de 1997, durante o período de máxima
biomassa. Medições in situ da biomassa seca total (g/m2),
para a Spartina, em 27 diferentes localidades, foram obti­
379
das nos dias 2 e 3 de agosto de 1997. Posteriormente, os
dados obtidos in situ foram correlacionados com valores
de brilho de bandas individuais e de índices gerados a par­
tir dos dados CAMS (Jensen et al., 1998). Uma das mais
interessantes relações obtidas foi entre a banda 6 CAMS
(infravermelho próximo) e as medidas in situ, tendo pro­
duzido coeficiente de correlação de 0,88 e r2 de 0,774, o
que significa uma explicação de aproximadamente 77% da
variância destes dados (Figura 11-16).
A Prancha Colorida 11-3 é um mapa da distribuição es­
pacial da biomassa seca total para uma pequena porção
de Murrells Inlet, em 2 de agosto de 1997. Este mapa foi
produzido usando a equação de regressão:
y = 3,489lx —23,9 (11-10)
ondejy é a biomassa seca total (g/m2) e x é o valor de brilho
da banda 6 do sensor CAMS. Estudos como este fornecem
importantes informações biofísicas de base que podem ser
comparadas com futuros estudos para avaliar se estão ocor­
rendo mudanças deletérias naquela região.
Para estudos comparativos de biomassa é recomendável
que a maioria das variáveis, tanto do sistema como do am­
biente sejam mantidas as mais constantes possíveis (p.ex.,
aproximadamente a mesma configuração do sistema sen­
sor e da geometria de visada, altitude de voo, condições at­
mosféricas, época do ano, horário do dia e ciclo da maré).
As limitações quanto ao uso da abordagem por regressão
para a estimativa de variáveis biofísicas com dados de sen­
sores remotos são sumarizadas por Qi et al. (1995).
Ciclos Fenológicos de Vegetação sob Manejo
Áreas de culturas agrícolas ou florestais mecanizadas têm
seu estabelecimento, crescimento e aplicação de tratos de
manejo realizados de acordo com ciclos fenológicos rela­
tivamente previsíveis. Seria ótimo se todos os agricultores
plantassem a mesma cultura numa data única numa esta­
ção de crescimento. Isso possibilitaria que as análises dos
dados de sensoriamento remoto fossem mais diretas. Afor-
tunadamente para nós que nos beneficiamos dos frutos do
trabalho agrícola, os agricultores plantam as culturas em
função de determinadas condições meteorológicas e de
acordo com regras heurísticas de manejo. Portanto, nem
todas as áreas da mesma cultura são plantadas durante o
mesmo mês ou colhidas à mesma época. Se duas parcelas de
milho são plantadas com uma diferença de vinte dias entre
si, suas respectivas respostas espectrais deverão ser diferen­
tes ao longo de seus específicos ciclos fenológicos. Isto pode
trazer algumas dificuldades quando se busca, por exemplo,
identificar culturas via dados de sensores remotos.
380 CAPITULO 11 Sensoriamento Remoto da Vegetação

Fenologia do Trigo
de Inverno

• mwv—
'V W s s ’})’, rf íi; í •'Üv-.b

Se t O ut N ov Dez Jan Fev M ar A br M ai Jun Jul Ago

___ 1___ _ i ___ 1 _ i i I i 1 i i i I i i i _ l ___ 1___ 1 1
Crescimento Espiga- Maduro Colheita
Cultura plantada
vegetativo mento
50 108 dias -2 8 - ■29' -21 - Planta
10| 141 26 14 114 21 13 25 |4 7 \2 ll seca
plantioy perfilhamento
emergência
dormência Reinicio do Alongamento
crescimento
lE snigam cnti\/ A
Graos farináceos Grãos du
Emborrachamento
Máxima cobertura

Figura 11-17 O ciclo fenológico do trigo de inverno nas Great Plains, EUA. A cultura é plantada em outubro e novembro, permanece
em dormência sob a neve até março, quando reinicia o crescimento. O desenvolvimento vegetativo ocorre em abril, com o
espigamento em maio e maturação em meados de junho. Em seguida ocorre o secamento do trigo, que é colhido no início
de julho. Os dados de sensoriamento remoto adquiridos em outubro e novembro fornecem informações sobre a quantidade
de terras preparadas para o período do plantio. Imagens adquiridas durante o desenvolvimento vegetativo, em abril e maio,
podem ser usadas para extrair informações sobre a biomassa em pé, possibilitando a previsão da produtividade do trigo.

Os engenheiros agrônomos e técnicos agrícolas, os exten-
sionistas e os pesquisadores da área agronômica conhe­
cem muito bem as características dos ciclos fenológicos
para as diferentes localidades e regiões. Esses profissionais
representam, em geral, a mais segura fonte de informação
sobre ciclos fenológicos, solos, ou sobre quaisquer pecu­
liaridades associadas com práticas agrícolas específicas de
cada localidade. Neste contexto, acreditamos que será de
grande proveito o fornecimento de exemplos sobre vários
tipos de ciclos fenológicos que ocorrem nos EUA, visan­
do demonstrar a importância das informações da feno­
logia da vegetação. Isto incluirá estudos de casos sobre
trigo de inverno no meio oeste, sobre várias culturas de
importância da Carolina do Sul, e o sensoriamento remo­
to de beterraba, algodão e alfafa no Imperial Valley, CA.
Cada exemplo inclui informações fenológicas detalhadas
mostradas em diferentes formatos.
Ciclo Fenológico do Trigo de Inverno no Meio Oeste
dos EUA
O ciclo fenológico detalhado do trigo de inverno (triticalej
em solos de pradarias no meio oeste americano é mostrado
na Figura 11 -17. A cultura é plantada em outubro e em no­
vembro, permanecendo em dormência sob a neve (se pre­
sente) até março, quando o crescimento reinicia. Em segui­
da, ocorre o desenvolvimento vegetativo em abril, em maio
o surgimento das espiguetas de grãos, que amadurecem em
meados de junho. Usualmente, atingem a maturidade e fi­
cam prontas para a colheita no início de julho. Dados de
sensores remotos coletados em outubro ou em novembro
fornecem informações sobre a quantidade de solo prepa­
rado para o plantio. Imagens adquiridas durante a fase de
desenvolvimento vegetativo, em abril e em maio, podem
ser usadas para a extração de informações sobre biomassa,
permitindo prováveis previsões sobre produtividade.
São também úteis informações detalhadas sobre o calendá­
rio agrícola, tais como as usadas por governos, indivíduos
e companhias privadas, para a aquisição de dados de sen­
soriamento remoto em datas ótimas do ciclo fenológico
que permitam modelar e prever a produção de determi­
nado cereal para venda no mercado mundial. Tais moni­
toramentos podem, em certas oportunidades, ser também
Características Temporais da Vegetação
Ciclos Fenológicos de Soja e de M ilho na Carolina do Sul
úteis para prever desastres agrícolas futuros tais como se­
cas, permitindo mitigar suas consequências.
Ciclos Fenológicos de Culturas Agrícolas na Carolina
do Sul
Os ciclos fenológicos de vegetações naturais e cultivadas
variam significativamente de uma região para outra. Por
exemplo, se um cientista necessita monitorar as condições do
trigo na Carolina do Sul, não é possível usar as informações
381
Soja a.
fenológicas do trigo apresentadas na Figura 11-17. Os ciclos
fenológicos para o trigo e outras culturas importantes da Ca­
rolina do Sul são apresentados nas Figuras 11-18 e 11-19.
O espigamento do trigo ocorre no final de maio e no co­
meço de junho para o Meio Oeste americano, sendo que,
na Carolina do Sul, o espigamento ocorre no início de
maio, aproximadamente 15 dias antes, em função de ali
a estação sem frio começar mais cedo e ser mais longa. As
imagens adquiridas em junho, para o Meio Oeste, podem
ser úteis no inventário da produção do trigo, enquanto que
382 CAPÍTULO Sensoriamento Remoto da Vegetação

Ciclos Fenologicos do Trigo, do Algodão e do Fumo na Carolina do Sul

125

100

25 cm de altura

Jan Fev M ar A br M ai Jun Jul Ago Set O ut N ov Dez

Dormência ou outras culturas Plantio Frutificação Bola Maturação/

colheita
Pré-florescência

125

Figura 11-19 Ciclos fenologicos do trigo de inverno (a), do algodão (b) e do fumo (c) na Carolina do Sul. As informações foram obtidas
com extensionistas agrícolas, agrônomos e trabalho de campo (Savitsky, 1986).

as imagens obtidas em junho para a Carolina do Sul deve­
rão ser mais indicativas de que o trigo já foi colhido.
Os calendários agrícolas também revelam que é difícil
identificar a produção de trigo na Carolina do Sul com
uma única imagem adquirida em março ou no começo
de abril, época em que o trigo é a única cultura existente
com o dossel completamente fechado. Por outro lado, é
difícil diferenciar entre tabaco e milho a menos que se
obtenha uma imagem do meio de junho e o tabaco tenha
tido um desenvolvimento vegetativo maior do que o do
milho, a fim de se poder notar uma diferença espectral
correspondente. Similarmente, pode ser possível discri­
minar entre soja e algodão se o analista tiver em mãos
uma imagem do final de julho ou do início de agosto
e a soja tiver um fechamento de dossel maior do que o
Características Temporais da Vegetação 383

Imagens do TM/Landsat sobre o Imperial Valley (CA), de 10 de dezembro de 1982.

d. Canal 4 (infravermelho próximo: e. Canal 5 (infravermelho médio: f. Canal 7 (infravermelho médio:

0,76 - 0,90 pm) 1,55 - 1 ,7 5 pm) 2,08 - 2,35 pm)

mmm
n \ sede
li
Legenda:

■■■ Algodão
■i
1
Beterraba

■ ■ ■1 II ni Allafa Pousio
1 m■
g. Canal 6 (termal: 10,4 —12,5 pm) Informação de referência de campo

Figura 11 -20 Bandas individuais das imagens TM /Landsat de uma porção do Imperial Valley, CA, obtidas em 10 de dezembro de 1982.
As bandas TM1 a TM 5 e a TM 7 estão na resolução espacial de 30 m x 30 m. A banda TM 6, no termal, está na resolução
espacial de 120 m x 120 m. Os talhões de beterraba estão claros na banda TM 4 (infravermelho próximo) e escuros nas duas
bandas do infravermelho médio (TM5 eT M 7). Áreas em pousio estão em cinza em todas as bandas, exceto na banda TM 4,
na qual estas áreas aparecem escuras (as imagens são cortesia da Space Imaging, Inc.).

do algodão. Se todos os ciclos fenologicos das principais
culturas forem muito semelhantes para a Carolina do
Sul, com fechamento de dossel na mesma época do ano,
tornar-se-á difícil usar dados de sensoriamento remoto
para discriminar entre os tipos de vegetação. Entretanto,
em função da oscilação temporal dos ciclos fenologicos,
é possível discriminar entre os tipos de vegetação, se as
imagens são coletadas em épocas ótimas dos respectivos
ciclos de crescimento (Savitsky, 1986).
Ciclo Fenológico de Culturas Agrícolas no Imperial
Valley, CA, EUA
A região do Imperial Valley da Califórnia é um dos ecos­
sistemas mais produtivos do mundo, produzindo grandes
quantidades de beterraba, algodão e alfafa. Os ciclos fenoló-
gicos de várias de suas principais culturas estão sumarizados
na Prancha Colorida 11-4 (GRSU, 1999). Cada calendário
representa uma parcela monitorada ao longo de vinte meses
384 CAPÍTULO
Tabela 11-2. Características tonais de tipos de culturas
nas bandas individuais TM/Landsat (em
preto-e-branco) de uma cena relativa ao Im­
perial Valley (Califórnia) mostrada na Figura
11-20, obtida em 10 de dezembro de 1982
(E = escuro; CM = cinza médio; CL = claro).
Tipo de
TM1 TM2 TM3 TM4 TM5 TM7
cultura
Beterraba E E E CL E E
Alfafa E E E CL CM CM
Algodão CM CM CM E CL CL
Pousio CM CM CM E CM CM
com dados MSS/Landsat (79m x 79m), na composição das
bandas 4, 2, 1 (RGB). Quanto mais intenso o vermelho
(magenta), maior a quantidade de biomassa e de fechamen­
to do dossel. A beterraba é plantada no início de setembro,
emerge em novembro, sendo colhida em abril ou início
de maio. Quanto ao algodão, por lei deve ser plantado em
março, e colhido e incorporado em novembro de cada ano
com o objetivo de controlar o bicudo-do-algodoeiro (“Bole
Weevil”). Em 1982, a data de incorporação foi o dia primei­
ro de janeiro. A alfafa é plantada em qualquer época do ano
e pode ser colhida cinco ou seis vezes por ano, como está
ilustrado no calendário agrícola.
E possível identificar o tipo de cultura em cada talhão (par­
cela agrícola) se as imagens são obtidas em épocas do ano
que maximizem o contraste espectral entre as culturas de
interesse. Neste sentido, a Figura 11-20, por exemplo, ilus­
tra sete bandas das imagens TM/Landsat obtidas em 10 de
dezembro de 1982. As seis bandas do espectro refletido es­
tão na resolução espacial de 30 m x 30 m, enquanto que a
do termal (banda TM6) está na resolução de 120 m x 120
m. Também está incluído na mesma figura um mapa da
distribuição espacial das culturas realizado pelo Imperial
Valley Irrigation Board (Haack e Jampoler, 1995).
As quatro composições coloridas ilustradas na Prancha
Colorida 11-5 demonstram a importância das bandas no
infravermelho médio quando o objetivo é discriminar en­
tre tipos de culturas. A composição colorida verdadeira
(bandas 3, 2, 1 em RGB) e a colorida falsa-cor, com o
infravermelho próximo (bandas 4, 3, 2 em RGB) não são
tão efetivas para a interpretação visual de tipos de culturas
quanto as composições que envolvem também as bandas
no infravermelho médio, ou sejam, as composições visível/
infravermelho médio (bandas 5, 3, 2 em RGB ou também
bandas 7, 3, 2 em RGB). Note que todos os talhões com
beterraba aparecem negros na composição do infraverme­
lho médio (Prancha Colorida 11-5c; RGB com bandas 5,
3, 2) e na banda individual TM 5 (Figura 11-20).
Sensoriamento Remoto da Vegetação
Em função do grande contraste existente entre culturas
nesta imagem TM/Landsat de 10 de dezembro de 1982, é
possível realizar uma interpretação visual das culturas com
base na análise das bandas individuais mostradas na Fi­
gura 11-20. Analisando cuidadosamente, verificamos, por
exemplo, que as regras heurísticas sumarizadas na Tabela
11-2 podem ser usadas para classificar a cena.
Desta forma, podemos dizer que é possível programar um
algoritmo computacional que leve em conta essas caracte­
rísticas espectrais e então possa executar esta classificação.
A Prancha Colorida 11-5e mostra um mapa da área de
estudo obtido por classificação digital, o qual, comparado
com o mapa de referência mostrado na Figura 11-20, apre­
senta uma precisão de aproximadamente 85%. O mapa
digital foi produzido usando as bandas TM 1 a 5 e a banda
TM7, com um algoritmo de classificação supervisionada
por máxima verossimilhança (para maiores detalhamentos
sobre classificação digital, consulte Jensen, 2005). Haack
e Jampoler (1994, 1995) avaliaram esta mesma cena TM /
Landsat e obtiveram uma exatidão de aproximadamente
90%, usando diferentes bandas.
A exatidão de uma classificação feita com dados de sensoria­
mento remoto é altamente dependente da existência de dife­
renças espectrais significativas entre os vários tipos de culturas
existentes. A única maneira de identificar quando existem es­
ses contrastes máximos entre respostas das culturas é avalian­
do os calendários fenológicos das culturas e selecionando as
datas apropriadas para as análises e interpretações. Os mapas
classificados, como o mostrado na Prancha Colorida 11-5,
podem ser usados para predizer a quantidade de área de uma
determinada cultura num determinado instante de tempo, e
esta informação, associada com modelos agro-meteorológi-
cos, pode ser usada para previsões de produções agrícolas.
índices de Vegetação
Desde a década de 1960, os cientistas vêm extraindo e mo­
delando vários parâmetros biofísicos da vegetação com o
uso de dados de sensoriamento remoto. Grande parte des­
se esforço tem envolvido o uso de índices de vegetação —que
são medidas radiométricas adimensionais, as quais indi­
cam a abundância relativa e a atividade da vegetação ver­
de, incluindo índice de área foliar (IAF), porcentagem de
cobertura verde, teor de clorofila, biomassa verde, e radia­
ção fotossinteticamente ativa absorvida (RFAA, ou APAR,
em inglês). Idealmente, um índice de vegetação ideal deve:
(Running et al., 1994; Huete e Justice, 1999):
• maximizar a sensibilidade a parâmetros biofísicos das
plantas, preferencialmente de uma forma linear, para
índices de Vegetação 385

Base Fisiológica para o Desenvolvimento de índices de Vegetação

Figura 11-21 a) Base fisiológica para o desenvolvimento de índices de vegetação. Características típicas de reflectância espectral para gra-
mínea verde sadia e para solo seco exposto, no intervalo entre 250 e 1.000 nm. b) O NDVI é a razão normalizada entre as
bandas do infravermelho próximo e vermelho. O N DV I é funcionalmente equivalente à razão simples, da qual é também
uma transformação não-linear (adaptado de Huete et al., 2002b).
386
Tabela 11-3. Sumário de alguns índices de vegetação selecionados.
índice de Vegetação
Razão Simples (SR)
índice de Vegetação por Dife­
rença Normalizada (NDVI)
Transformação Kauth-Thomas
Brightness (brilho)
Greenness (verdor)
Yellow stuff (material amarelo) Y = - 0 . 8 9 9 ^ + 0 , 4 2 8 ^ + 0 , 0 7 6 ^ - 0 , 0 4 1 ^
None-such (inespecífico)
Brightness
Greenness
Wetness
índice de Umidade por Diferença
Normalizada ou índice de
Água (“Water Index”) (NDMI
ou NDWI)
índice de Vegetação Perpendicu­
lar (PVI)
índice Conteúdo Relativo de
Água Foliar (LWCI)
índice de Vegetação Ajustado ao
Solo (SAVI) e SAVI Modificado
(MSAVI)
índice de Vegetação Resistente à
Atmosfera (ARVI)
índice de Vegetação Resistente à
Atmosfera e ao solo
índice de Vegetação Realçado
(EVI)
Novo índice de Vegetação
(NVI)
CAPÍTULO Sensoriamento Remoto da Vegetação
Equação Referências
Birth e McVey, 1968
SR =^ - Colombo et al., 2003
Pred Schlerf et al., 2005
Rouse et al., 1974
Deering et al., 1975
N D V I- P»"~P'‘d
Pnir + P red Huete et al., 2002a
Schlerf et al., 2005
Landsat Multispectral Scanner (MSS) Kauth e Thomas, 1976
B = 0 , 3 3 2 ^ + 0 , 6 0 3 ^ + 0,675,^3+ ° ’262^ Kauth et al., 1979
G = - ° ’28^ « s, - °>660^ + 0 ,5 7 7 ^3 + 0 , 3 8 8 ^
N = - 0.016MS5; + 0 , 1 3 1 ^ - 0 , 4 5 2 ^ + 0.,882MW
Landsat Thematic Mapper (TM)
B = 0,2909 TM1 + 0,2493 TM2 + 0,4$06TM3 + Crist e Kauth, 1986
0,5568 TM 4 + 0,4438 7M 5 + 0,1706 TM 7 Kauth et al., 1979
G = - 0,2728 TM I - 0,2174 TM2 - 0,5 5 0 8 771# + Lunetta et al., 2002
0,7221 TM4 + 0,0733 TM5 -0,1648 TM 7 Rogan et ah, 2002
W = 0,144677W7 + 0,1761 TM 2 + 0,3322 TM3 + Jin e Sader, 2005
0,3396 TM4 - 0,6210 TM5 - 0,4186 TM 7 Schlerf et al., 2005
Hardisky et al., 1983
Gao, 1996
N D M I ou N D W I- N IR™4' M ld m TM5 Jackson et al., 2004
N I R + M i d l R . TM5 Galvão et al., 2005
Jin e Sader, 2005
Richardson e Wiegand,
PVI =^(0,355MSS4 - 0,149MSS2)1+ ( 0,355MSS2 - 0,852MSS4)2
1977
r w i N ^ [ ^ ( N I R m4- M N I R n J ] Hunt et al ., 1987
- l o g [ l - N IR TM4-M idIRTMSfi\
Huete, 1988;
^ + 2 ^P«/> **Pred} Huete e Liu, 1994;
P„,r + Pred + 1 Running et al., 1994;
Qi et al., 1995
Kaufman eTanré, 1992;
A R V l J P* - P* A Huete e Liu, 1994
\P*»,V + P*rb)
SARVI-VmrVrb , Huete e Liu, 1994;
P*„,V+ P*rí+ I Running et al., 1994;
Huete et al., 1997;
D* - D*
EVI = G p "" M * . (1+1) Huete e Justice, 1999;
p* + C,p* C p*.. + L Huete et al., 2002a;
TBRS, 2003
/\r\/f _ P777' P747 Gupta et al., 2001
P673
índices de Vegetação 387

Tabela 11-3. Continuação.

índice de Vegetação Equação Referências
índice de Vegetação Livre de _
(p mr -0,66o ., )
~ l.b u m 7
Karnieli et al., 2001
Aerosol (AFRI) AFRI l,6fim
(p
v r mr
+ 0,66p,
* l,6 n m '
)

_ (P,fr-ft5p2.1 J
AFRI 2,1um
(P n i r + M P l l J

índice de Vegetação Triangular Broge e Leblanc, 2000

TVI= 0,5 (120(p1 m .r - •pgreen')) - 200(p1 rea, - 1pgreen )
(TVI)
Razão Simples Reduzida (RSR) P
1 swir
swtr "Pr1 swirmm
.
Chen et al., 2001
RSR:
red
+ 0
~ st.

Razão TCARI/OSAVI Kim et al, 1994

TCARI = 3 - Pr 67(r1-0 2 vh
(P700 - P' 550'I IM
p I Rondeaux et al., 1996
Daughtry et al., 2000
d + 0 ,!6 ) (P800 -P (,70) Haboudane et al., 2002
OSAVI =
(P«on+ P(,70+ ° ’16)
TCARI
O SAVI
índice Resistente à Atmosfera 'P red Gitelson et al., 2002
VARIgreen = p-
no Visível (VARI) green + P r e C Pblue
índice Diferença Normalizada M i d I R . - N I R TMJ Zha et al., 2003
para Areas Construídas (NDBI) NDBI =
M idlRTM IM 5
, +N IR TM
!M 4
i
built-up
F area
=NDBI-NDVI

Posição da Borda Vermelha P (red edge) P(700nm )

Clevers, 1994
(REP) REP = 700 + 40 Dawson e Curran, 1998
P (740nm ) " P(700nm )
Baranoski, 2005
onc e
/
P*,b = P*red - I (P\.ue - P* J

que esta sensibilidade seja fidedigna para uma grande
amplitude de condições da vegetação e para facilitar a
validação e a calibração do índice;
• normalizar ou modelar efeitos externos tais como o ângu­
lo solar, o ângulo de visada e as interferências atmosféricas,
de modo a permitir comparações espaciais e temporais;
• normalizar efeitos internos, tais como variações no
substrato abaixo do dossel, incluindo topografia (decli-
vidade e aspecto), solos, e diferenças quanto à vegeta­
ção senescente ou presença de ramos lenhosos (compo­
nentes não-fotossintéticos);
• ser acoplável a algum parâmetro biofísico mensurável,
tais como a biomassa, o LAF, ou a APAR, para fins de
validação e de controle de qualidade.
Há muitos índices de vegetação, e alguns deles estão suma-
rizados na Tabela 11-3. Muitos são funcionalmente equi­
valentes (redundantes) em termos de conteúdos de infor­
mação (Perry e Lautenschlager, 1984), e alguns proveem
informações biofísicas singulares (Qi et al., 1995). E útil
rever o desenvolvimento histórico dos principais índices e
prover informações sobre os avanços recentes observados
neste desenvolvimento. Sumários detalhados podem ser
encontrados em Running et al. (1994) e em Lyon et al.
(1998). Muitos índices fazem uso da relação inversa entre
as reflectâncias no vermelho e no infravermelho próximo
associada com a vegetação verde sadia (Figura 11-21 a).
Razão Simples (RS, ou Simple Ratio, SR)
Cohen (1991) sugere que o primeiro índice de vegetação
verdadeiro foi a Razão Simples (SR), que é a razão entre o
388 CAPÍTULO
fluxo radiante refletido no infravermelho próximo (p ) e o
fluxo radiante refletido no vermelho (p ,), como é descrito
por Birth e McVey (1968):
SR=Bss. ( H - l l)
Pred
O SR fornece valiosas informações sobre a biomassa da vege­
tação ou sobre o IAF (Schlerfet al., 2005). Ele é especialmente
sensível a variações em biomassa ou em IAF para vegetação de
grande biomassa, tais como florestas (Huete et al., 2002b).
índice de Vegetação por Diferença Normalizada (IVDN
ou NDVI)
Rouse et al. (1974) desenvolveram o índice de Vegetação
por Diferença Normalizada (IVDN ou NDVI):
N D V I = Pnir — Pred (H-12)
P
' mr• +D• red,
O NDVI é funcionalmente equivalente ao SR, isto é, prati­
camente não há dispersão num gráfico de SR x NDVI, e para
cada valor de SR há um valor fixo para o NDVI. Quando plo-
tamos os valores médios de NDVI e de SR para vários biomas,
observamos que o NDVI aproxima-se de uma transformação
não-Iinear do SR (Figura 11-21 b) (Huete et al., 2002b). O
NDVI é um índice de vegetação importante porque:
• Mudanças sazonais e interanuais no desenvolvimento e
na atividade da vegetação podem ser monitoradas;
• A razão reduz muitas formas de ruídos multiplicativos
(diferenças de iluminação solar, sombras de nuvens, al­
gumas atenuações atmosféricas, algumas variações to­
pográficas) presentes em múltiplas bandas de imagens
de múltiplas datas.
Por outro lado, as desvantagens do NDVI (Huete et al.,
2002a; Wang et al., 2005) são as seguintes:
• Sendo um índice baseado em razão, é não-linear e pode
ser influenciado por efeitos ruidosos aditivos, tais como
radiância de trajetória atmosférica (Capítulo 6);•
• O NDVI é altamente correlacionado com o IAF; en­
tretanto, esta relação pode não ser tão forte durante
períodos de máximo LAF, aparentemente devido à sa­
turação do NDVI quando o IAF é muito alto (Wang
et al., 2005). Por exemplo, a Figura 11 -21 b revela que
o intervalo dinâmico do NDVI é ampliado a favor
de condições de baixa biomassa, sendo comprimido
a favor de condições de alta biomassa, de florestas. O
oposto é verdadeiro para a Razão Simples, para a qual
grande parte do intervalo dinâmico abrange florestas
Sensoriamento Remoto da Vegetação
Imagem NDVI de Charleston (SC, EUA), Derivada
de Dados do Sensor TM /Landsat
Figura 11-22 Imagem índice de Vegetação por Diferença N or­
malizada (NDVI) de Charleston, SC, derivada das
bandas TM 3 e TM 4 do Landsat.
de alta biomassa, mas tem pouca variação reservada
para regiões de baixa biomassa (pastagens, biomas ári­
dos, biomas semiáridos);
• O NDVI é muito sensível a variações do substrato sob
o dossel (p.ex., os solos que são visíveis sob os dosséis).
Os valores de NDVI são particularmente altos com
substratos mais escuros. \
O NDVI foi amplamente adotado e aplicado para dados
MSS do Landsat. Deering et al. (1975) usaram o artifício
de adicionar 0,5 ao NDVI para evitar valores negativos e
empregaram a raiz quadrada do resultado para estabilizar
a variância. Este índice é referido como Transformed Ve-
getation Index (TVI) ou índice de Vegetação Transformado.
Esses três índices supra-citados (SR, NDVI eTVI) respon­
dem a mudanças na quantidade de biomassa verde.
Muitos cientistas continuam a utilizar o NDVI (p.ex.,
Miura et al., 2001; Trishcenko et al., 2002; Galvão et al.,
2005). De fato, dois dos produtos padrões do MODIS são
as composições de dezesseis dias NDVI de todo o planeta
em resolução de 500 m e de 1 km (Huete et al., 2002a).
Uma imagem NDVI derivada do conjunto de dados de
Charleston do TM/Landsat é mostrada na Figura 11-22.
A Transformação “Tasseled Cap” de Kauth-Thomas
Kauth e Thomas (1976) produziram uma transformação
ortogonal dos dados MSS/Landsat originais para um novo
espaço 4-Dimensões, que passou a ser conhecida como “tas­
seled cap"ou “transformação de Kauth-Thomas”, que é cons-
índices de Vegetação 389

Tabela 11-4. Coeficientes “tasseled cap” para uso com da­ Na Figura :11-24, a cena TM/Landsat de Charleston está
dos do sensor Enhanced Thematic Mapper transformada nas imagens “brightness”, “greenness” e
Plus do Landsat-7 (Huang et al., 2002). “wetness” (conteúdo de umidade), tendo como base o uso
dos coeficientes Tasseled Cap apropriados ao sensor TM
índice TM1 TM2 TM3 TM4 TM5 TM7
(Equações 11-17 a 11-19). As áreas urbanizadas estão par­
brilho 0,3563 0,3972 0,3904 0,6966 0,2286 0,1596 ticularmente evidentes na imagem “brightness”. Na ima­
gem “greenness”, quanto maior a biomassa, mais brilhante
verdor -0,334 -0,354 -0,456 0,6966 -0,024 -0,263
é o valor do pixel. Por seu lado, a imagem “wetness” provê
um idade 0,2626 0,2141 0,0926 0,0656 -0,763 -0,539 informações sutis referentes ao estado de umidade da área
de superfícies inundáveis - como era esperado, quanto
quarto 0,0805 -0,050 0,1950 -0,133 0,5752 -0,777 maior o conteúdo de umidade, mais brilhante é a resposta
e, além disso, os corpos d’água são brilhantes. Crist eTho-
quinto -0,725 -0,020 0,6683 0,0631 -0,149 -0,027
mas (1986) identificaram o quarto componente “tasseled
sexto 0,400 -0,817 0,3832 0,0602 -0,109 0,0985 cap” como relacionado com o “haze” ou névoa.

A transformação “tasseled cap” é um índice de vegetação

tituída por quatro novos eixos: o índice brilho do solo (“bri-
ghtness”, representado por B); o índice verdor da vegetação
(“greenness”, representado por G); o índice de material
amarelo (“yellow stuff”, representado por Y) e “none-such”
(inespecífico, representado por N). Os nomes junto aos no­
vos eixos indicam as características que os índices pretendem
medir. Segundo Kauth et al. (1979), os coeficientes são:
global e, teoricamente, pode ser usado em qualquer parte do
mundo visando particionar as quantidades de brilho refe­
rentes aos componentes de solo, da vegetação e de umidade
em pixels individuais numa cena MSS ou TM do Landsat.
Entretanto, é recomendado que se computem coeficientes
específicos para cada condição local. Jackson (1983) provê
um programa computacional para este propósito.

B= 0,332MSS, + 0,603M5S2 + 0 , 6 7 5 ^ + 0 , 2 6 2 ^ (11-13) A transformação “tasseled cap” continua a ser amplamente

G = ' 0 , 2 8 3 ^ , ' 0,660ms,2 + 0 , 5 7 7 ^ + 0 , 3 8 8 ^ (11-14)
Y= - 0,899M5S; + 0 , 4 2 8 ^ + 0 , 0 7 6 ^ - 0,041 MSS4
N= - 0 , 0 1 6 ^ + 0 , 1 3 1 ^ - 0 , 4 5 2 ^ + 0 ,8 8 2 ^ (1 1 -1 6 )
Crist e Kauth (1986) derivaram os coeficientes no visível,
no infravermelho próximo e no infravermelho médio para
transformar imagens TM/Landsat em variáveis “bright­
ness”, “greenness” e “wetness”:
B = 0,2909 TM1 + 0,2493 TM2 + 0,4806TA/3 + (11-17)
0,5568 7M 4 + 0,4438 TM5 + 0,170 GTM7
G = - 0,2728 TM1 - 0,21747M 2- 0,5508 TM3 + (11-18)
0,7221TM 4 + 0,0733 TM5 -0,1648 TM 7
W = 0,14467/W + 0,176 1 77142 + 0,3322 771Í3 + (11-19)
0,3396 TM 4 - 0,6210 TM5 - 0,4186 TM 7
Estas são chamadas de “transformações tasseled cap” em
função de que geram gráficos com a forma de gorros (Figu­
ras 1 l-23a-c). Crist e Cicone (1984) identificaram um ter­
ceiro componente que está relacionado a feições de solos,
inclusive da condição de umidade (Figura ll-23d). Desta
forma, uma importante fonte de informações sobre solos é
disponível a partir da inclusão das bandas do infraverme­
lho médio do TM/Landsat (Price et al., 2002).
usada (p.ex., Lunetta et al., 2002; Price et al., 2002; Rogan
et al., 2002). Huang et al. (2002) desenvolveram coefi­
cientes “tasseled cap” para uso com dados reflectância “no
nível do satélite ou at satellite" do ETM +/Landsat-7. Esses
coeficientes são mais apropriados para aplicações regionais,
onde a correção atmosférica não é possível. Os coeficientes
estão sumarizados na Tabela 11-4.
índice de Umidade por Diferença Normalizada ou ín ­
dice de Água (NDMI ou NDWI)
Em inglês, este índice é denominado “Normalized Diffe-
rence Moisture Index” (NDMI) ou também “Water In­
dex” (NDWI). As informações sobre conteúdo de umidade
interno à vegetação são de grande utilidade na agricultura,
floresta e hidrologia (Galvão et al., 2005). Hardisky et al.
(1983) e Gao (1996) notaram que o NDWI baseado nas
bandas do infravermelho próximo e do infravermelho médio
do TM/Landsat,
N D M I ou N D W I =
N IR TM4 +M idIRTm
era altamente correlacionado com o conteúdo de água do
dossel vegetal e conseguia acompanhar melhor mudan­
ças na biomassa e nos estresses de umidade das plantas
do que o índice NDVI (descrito acima). Jackson et al.
(2004) observaram que o NDVI saturava, enquanto que
o N D W I continuava a registrar mudanças no conteúdo
390 CAPÍTULO
Características da Transformação “Tasseled Cap” de Kauth-Thomas
Brilho
a. Desenvolvimento de uma cultura
agrícola no espaço da transformação
brilho x verdor.
c. Plotagem de valores reais dos índices brilho
e verdor para uma área agrícola. A forma da
distribuição assemelha-se a um capuz.
Figura 11-23 Características da transformação “tasseled cap” de Kauth-Thomas (adaptado de Crist, 1985; Crist e Kauth, 1986). A trans­
formação “tasseled cap” é aplicada corretamente se a base do “tasseled cap” é paralela ao eixo “brightness - brilho”.
de água de áreas plantadas com milho e com soja. Jin e
Sader (2005) compararam o N DW I com a transforma­
ção “wetness” proveniente da transformação tasseled cap
para detectar alterações em florestas.
índice de Vegetação Perpendicular (PVI)
Em inglês, este índice é denominado “Perpendicular Vege-
tation Index” e sua correspondente sigla é PVI.
Richardson e Wiegand (1977) usaram a distância perpendi­
cular até a chamada “linha do solo” como um indicador do
desenvolvimento das plantas. A “linha do solo”, que é um
índice bi-dimensional à semelhança do índice “brightness”
de Kauth-Thomas, foi estimada por regressão linear. O PVI
baseado em dados MSS banda 4 foi definido como:
PVI =\J(0355MSS4 - 0. 149MSS2)2+ ( 0355MSS2 - 0,852MSM)J
índice Conteúdo de Água Foliar (LWCI)
Em inglês, este índice é denominado “Leaf Water Content
Index” (LWCI), e foi desenvolvido por H unt et al. (1987)
para estimar estresses de umidade em folhas:
LWCI = - l o g t l -{N IR n h -M idIRnK)]
- log [1 - N IR TM4ft- M idIRJM5fj\
Sensoriamento Remoto da Vegetação
Brilho
b. Posicionamento das coberturas da
terra quando distribuídas no espaço
espectral brilho x verdor.
d. Direção aproximada da variação de
umidade no plano de solos. A seta apon-
ta na direção de umidades decrescentes.
onde fit representa a reflectância nas bandas especificadas
quando as folhas estão em seu máximo Conteúdo Relativo
de Água (fi = fully turgid; RWC - relative water content),
definido como:
RWC [Peso no camP° —Peso após secagem em estufa] ^ ^
[peso túrgido - peso após secagem em estufa]
índice de Vegetação Ajustado ao Solo (SAVT)
Em inglês, este índice é denominado “Soil Adjusted Vege­
ta tion Index” (SAVI). A utilidade do índice de Vegetação
Diferença Normalizada (NDVI) e outros índices para a
avaliação da vegetação terrestre via dados aéreos e de saté­
lites foi demonstrada nas últimas três décadas. A análise de
séries temporais de dados NDVI sazonais tem fornecido
métodos para a estimação da produção primária líquida
para vários tipos de biomas, bem como para o monitora­
mento de padrões fenológicos de superfícies terrestres ve-
getadas e para a avaliação da duração dos ciclos biológicos
e da velocidade de secagem (ou perda de água pelos grãos)
após a maturação fisiológica (“dry-doum”) (Huete e Liu,
1994; Ramsey et al., 1995). Por exemplo, inicialmente a
análise da vegetação global era feita com base em valores
de NDVI obtidos por regressão linear (derivados de dados
AVHRR, MSS/Landsat e HRV/Spot) e por medições in
índices de Vegetação
a. Brightness
c. Wetness
Figura 11-24 Imagens “brightness” (brilho), “greenness” (verdor) e “wetness” (umidade) derivadas por aplicação dos coeficientes de transfor­
mação “tasseled cap” de Kauth-Thomas para dados TM/Landsat (6 bandas) de Charleston, SC.
situ de IAF, APAR, porcentagem de cobertura, e/ou bio-
massa. Esta abordagem empírica revolucionou a ciência da
análise biofísica da cobertura terrestre global em apenas
uma década (Running et al., 1994). Infelizmente, estudos
realizados demonstraram que os produtos NDVI deriva­
dos empiricamente podem ser instáveis, variando com a
cor do solo e com as suas condições de umidade, e com
efeitos da função distribuição de reflectância bidirecional
(FDRB) (verificar Capítulo 1), com as condições atmosfé­
ricas e com a presença de material morto no próprio dossel
(Qi et al., 1995). Por exemplo, Goward et al. (1991) en­
contraram erros de ± 50% em imagens NDVI usadas para
estudos de vegetação global derivadas do produto “NOAA
Global Vegetation Index”. Verifica-se então a necessidade
SA V I_ (1 +
de produtos NDVI precisos e que não necessitem ser cali­
brados por medições in situ para cada área geográfica, mas
que se mantenham constantes sob condições atmosféricas
instáveis e para diversas condições de solos de fundo (Hue-
te e Justice, 1999).
391
b. Greenness
Transformações “Tasseled Cap” de Kauth-
Thomas (Brightness - Brilho, Greenness
- Verdor, e Wetness - Umidade) para dados
TM/Landsat de Charleston (SC, EUA)
Desta forma, tem sido dada ênfase ao desenvolvimento de
índices de vegetação melhorados, que utilizem as vanta­
gens de sistemas sensores calibrados, tais como o Moderate
Resolution Imaging Spectrometer (MODIS) (Running et
al., 1994). Embora tenha sido demonstrada a utilidade do
NDVI na estimativa de propriedades da vegetação, mui­
tas influências internas e externas importantes restringem
sua utilidade global. Tipicamente, os índices melhorados
incorporam um fator de ajuste para os solos e/ou para as
condições atmosféricas.
O SAVI é definido como:
01-24)
Pm r + P,ed + L
onde L é um fator de ajuste para o substrato do dossel, que
leva em conta, para o vermelho e para o infravermelho pró­
ximo, a extinção diferencial através do dossel (F-Iuete, 1988;
392 CAPÍTULO Sensoriamento Remoto da Vegetação

Huete et ai., 1992; Karnieli et al., 2001). Observou-se que índices EVI x NDVI do M O D IS para Áreas de
um valor de L igual a 0,5 no espaço reflectância (Vermelho Vegetação Densa
x Infravermelho Próximo) minimizava as variações de bri­
lho dos solos, eliminando a necessidade de calibrações adi­
cionais para diferentes solos (Huete e Liu, 1994). Devido à
minimizaçao dos “ruídos” dos solos nos valores de NDVI,
a utilidade do SAVI tem sido corroborada em muitos estu­
dos. Qi et al. (1995) desenvolveram um SAVI modificado,
denominado MSAVI, que utiliza uma função iterativa e
contínua para otimizar os ajustes relativos aos solos e para
aumentar o intervalo dinâmico do SAVI.

índice de Vegetação Resistente à Atmosfera (ARVT)

Em inglês, o nome deste índice é “Atmospherically Re­

sistam Vegetation Index” (ARVI). O SAVI foi construído
de forma que fosse menos sensível aos efeitos atmosféricos
devido à normalização da radiância no azul, no vermelho e
no infravermelho, tornando-se então o ARVI:

P* m■-
r 1p *rb, (11-25) Figura 11-25 Uma comparação da sensibilidade do NDVI (da­
ARVI = 1
p*
1 mr
. + 1p* rb, dos MODIS) com o índice de Vegetação Realçado
(EVI) (também com M ODIS) para vegetação den­
sa (Didan, 2002).
onde:

P*,*=P*,w -Y (PV -P*J

A técnica requer correção a priori para o espalhamento mo­
lecular e para a absorção por ozônio nos dados de senso­
riamento remoto no azul, no vermelho e no inlravermelho
próximo, por isso o termo p*. O ARVI usa a diferença de
radiância entre o canal azul e o canal vermelho para corri­
gir a radiância no canal vermelho e assim reduzir os efeitos
atmosféricos. A menos que o modelo de aerossol seja co­
nhecido a priori, o gama (y) normalmente é igual a 1,0 para
minimizar os efeitos atmosféricos. Kaufman eTanré (1992)
fornecem indicações sobre diferentes gamas a serem usados
em áreas vegetadas continentais, marítimas, desérticas (p.ex.,
no Saara), ou áreas de alta densidade de vegetação.
índice de Vegetação Resistente à Atmosfera e aos Solos
(SARVI)
M SARVI .. + 1f ~y (p*... -P*„)T ( J ! _28)
2
Huete e Liu (1994) realizaram uma análise de sensibilidade no
NDVI original e melhoraram os índices de vegetação (SAVI,
ARVI, SARVI, MSARVI), chegando às seguintes conclusões:
• Se foi feita uma correção atmosférica total, então ainda
deve haver “ruídos de solos”, e as melhores equações a
serem usadas serão as dos índices SAVI e MSARVI, en­
quanto os usos de NDVI e de ARVI seriam os piores.
• Se foi feita uma correção atmosférica parcial para re­
mover os componentes Rayleigh e ozônio, então as
melhores equações a serem usadas serão as dos índices
SARVI e MSARVI, enquanto os usos de NDVI e de
ARVI seriam os piores.

Em inglês, é chamado de “Soil and Atmospherically Re­
sistam Vegetation Index” (SARVI). Huete e Liu (1994)
integraram a função L do índice SAVI e a normalização da
banda azul do índice ARVI para derivar o índice de Vegeta­
ção Resistente à Atmosfera e aos Solos (SARVI), que corrige
tanto para os ruídos devidos aos solos como para os devi­
dos à atmosfera, assim como o MSARVI:
• Se não houve correção atmosférica alguma (ou seja, não
houve a correção para Rayleigh, ozônio ou aerossóis), o
índice SARVI torna-se levemente melhor, porém ainda
haveria o ruído total em menor grau. O NDVI e o
ARVI apresentariam o maior ruído e erro.
índice de Vegetação Livre de Aerossol (AFRI)

S A R V I ~P*^ r (11-27) Em inglês, este índice é denominado “Aerosol Free Vege­

tation Index” (AFRI). Karnieli et al. (2001) observaram
e que sob condições de céu claro as bandas centradas em
índices de Vegetação 393

Mapa Mundial do índice de Vegetação Realçado (EVI) do M O DIS

Figura 11 -26 Mapa Mundial do índice de Vegetação Realçado (EVI) do M O DIS, obtido a partir de dados correspondentes a um período
de dezesseis dias, iniciando no dia 193 de 2003. Quanto mais clara a área, maior a quantidade de biomassa vegetal (cortesia
de “Terrestrial Biophysics andRemote SensingMODIS Team, University o f Arizona, e NASA).

1,6 e 2,1 pm são altamente correlacionadas com bandas índice de Vegetação Realçado - EVI
espectrais do visível centradas no azul (0,469 pm), no
verde (0,555 pm) e no vermelho (0,645 pm). Observou- Em inglês, este índice é denominado “Enbanced Vegetation
se que relações lineares empíricas tais como: p0469 = Index”e, por isso, sua sigla original é “E V I”.
0 ,2 5 p .. , p „ .„ = 0 ,3 3 p ,. e p . = 0 ,6 6 p lf eram O “MODIS Land Discipline Group” desenvolveu o ín­
estatisticamente significativas. Portanto, com base nestas dice de Vegetação Realçado (EVI) para uso com dados do
e em outras relações, foram desenvolvidos dois índices de sensor MODIS:
Vegetação Livres de Aerossol (AFRI)-.
EVI = G- (1 + 2 ) (11-31)
(p -0,66p]r ) , + C. p* /+ C2P\/„U 1
AFRI l,6jtm _ v r mr ~ l.o jin r
(11-29)
~ ( P mr + ° , 66P l 6J

O EVI é um NDVI modificado, contendo um fator de ajus­

_
(p m r -0,5p ,, It m 7)
' 2,1
AFRI 2 ,l|im
(p m r + 0,5p,,
~ 2,1 jam'
) vem o uso da banda azul para correção da banda vermelha
Sob condições de céu claro, os AFRIs (especialmente o
A F R I,, ) resultam em valores muito similares ao NDVI.
Entretanto, se a coluna atmosférica contém fumaça ou sul-
fatos, então os AFRIs são superiores aos NDVIs. Portanto,
os AFRIs têm maiores aplicações na avaliação da vegetação
na presença de fumaça, poluição antropogênica e plumas
vulcânicas. Um sucesso mais limitado é esperado no caso
de poeira constituída de partículas maiores e com tama­
nhos semelhantes ao comprimento de onda de 2,1 pm, e
portanto não transparentes a ele (Kaufman et al., 2000).
Os AFRIs podem ser implementados usando quaisquer
sensores que tenham bandas centradas em 1,5 e/ou em 2,1
pm, tais como o TM e ETMVLandsat, o MODIS, o AS-
TER, e o JERS-OPS (Japanese Earth Resource Satellite -
Optical System), o Vegetation/SPOT-4, e o IRS-1 C/D.
(11-30) te para solos (L), e dois coeficientes (C; e C,), que descre­
quanto ao espalhamento atmosférico por aerossóis. Esses
coeficientes ( C , C, e L) são empiricamente determinados,
assumindo valores de 6,0; 7,5; e 1,0, respectivamente). G
é um fator de ganho ajustado em 2,5. Este algoritmo tem
melhorado a sensibilidade para regiões de alta biomassa,
permitindo um melhor desempenho do monitoramento
da vegetação através da diminuição da influência do sinal
proveniente do substrato abaixo do dossel, e através da re­
dução da influência atmosférica (Huete et al., 1997; Huete
e Justice, 1999; Huete et al., 2002). Uma comparação dos
valores NDVI derivados do MODIS com valores EVI tam­
bém derivados do MODIS para áreas de vegetação densa é
mostrada na Figura 11-25 (Didan, 2002). O EVI melho­
rou a sensibilidade para altas biomassas. Os dois índices de
vegetação MODIS, o NDVI e o EVI, são produzidos nas
resoluções de 1 x 1 km e 500 x 500 m (e ocasionalmente
394 CAPÍTULO
em 250 x 250 m) usando composições de imagens obtidas
em períodos de dezesseis dias. Na Figura 11-26 é mostrado
um mapa em preto-e-branco do EVI MODIS, cujos dados
começaram a ser adquiridos no dia 193 de 2003.
índice de Vegetação Triangular - TVI
Este índice é denominado, em inglês, como “Triangular
Vegetation Index”e, por isso, a sua sigla original é “T V I”.
Broge e Leblanc (2000) desenvolveram o TVI, o qual des­
creve a energia radiativa absorvida pelos pigmentos como
uma função da diferença relativa entre as reflectâncias no
vermelho e no infravermelho próximo conjuntamente
com a magnitude da reflectância na região do verde, onde
a absorção de luz pelas clorofilas a e b é relativamente in­
significante. O índice é calculado como a área do triân­
gulo definido pelo pico do verde, pelo mínimo na região
de absorção da clorofila e pelo ombro do infravermelho
próximo, quando se considera a curva de resposta espec­
tral típica da vegetação. O fundamento deste índice é o de
que tanto a absorção pela clorofila causa um decréscimo na
região do vermelho, quanto a abundância de tecido foliar
causa aumento na reflectância infravermelha, fazendo en­
tão com que a área total do triângulo aumente. O índice
TVI abrange a área coberta pelo triângulo ABC com as
co-ordenadas dadas no espaço espectral:
TVI =0,5 (120(p„;r- PpJ ) - 200(pw - PgJ (11-32)
onde 1pgreen , p1 red,e p' mr são as reflectâncias centradas em 0,55
pm, 0,67 pm e em 0,75 pm, respectivamente.
Razão Simples Reduzida - RSR
Nas bibliografias em inglês, este índice é citado como “Re-
duced Simple Ratio” e sua correspondente sigla é “RSR”.
Chen et al. (2002) modificaram o algoritmo do índice
Razão Simples original, incluindo informação da banda
SWIR encontrada no sensor Vegetation do satélite SPOT.
Eles usaram este sensor para mapear o índice de área fo­
liar (IAF) do Canadá. O índice Razão Simples Reduzida
(RSR) é definido como:
Pmr P -P
RSR- 1
1— 1 swir 1 sun (11-33)
red 1 sunrmax + 1p st
P (2000) propuseram a combinação entre o TCARI e um
onde p e p correspondem aos valores de reflec-
tância SWIR, mínimo e máximo, encontrados em cada
imagem e definidos como os pontos de corte correspon­
dentes a 1%, do mínimo e do máximo, no histograma da
reflectância SWIR da cena estudada. As maiores vantagens
da RSR sobre a SR original são: a) a diferença entre tipos
Sensoriamento Remoto da Vegetação
de cobertura terrestre é muito reduzida, de tal forma que
a precisão dos IAFs obtidos para locais com misturas de
coberturas terrestres pode ser melhorada, ou um algoritmo
simples para IAF pode ser desenvolvido sem a necessidade
de recorrer a mapas de cobertura terrestre coregistrados; e
b) a influência do substrato (ou seja, a vegetação rasteira, a
liteira e o solo) é suprimida ao usar a RSR, urna vez que a
banda SWIR é mais sensível à quantidade de vegetação que
contém água líquida no substrato (Chen et al., 2002).
índice de Reflectância para Absorção pela
Clorofila(CARI); índice de Reflectância para Absorção
pela Clorofila Modificado (TCARI); índice de Vegeta­
ção Ajustado a Solos Otimizado (OSAVI); Razão TCA-
RI/OSAVI
Os nomes e respectivas siglas, em inglês, dos índices acima
citados são os seguintes:
CARI = Chlorophyll Absorption in Reflectance Index (CARI)
OSAVI = OptimizedSoU-Adjusted Vegetation Index (OSAVI)
TCARI = TransformedAbsorption in Reflectance Index (TCARI)
Razão TCARI/OSAVI = Ratio TCARI/OSAVI
Muitos cientistas têm interesse na quantidade de clorofi­
la da vegetação (p.ex., Daughtry et al., 2000). Kim et al.
(1994) desenvolveram o índice de Reflectância para Absor­
ção pela Clorofila (CARI), o qual posteriormente foi modi­
ficado para tornar-se o índice de Reflectância para Absorção
pela Clorofila Modificado (TCARI):
TCARI = 3 (P-, -0,2 (P (11-34)
Este índice usa bandas correspondentes ao mínimo de ab­
sorção pelos pigmentos fotossintéticos, centradas em 550 e
em 700 nm, conjuntamente com a banda de absorção má­
xima da clorofila a, centrada em 670 nm. A escolha de 700
nm é devida à sua localização no limite entre a região onde
a reflectância da vegetação é dominada pela absorção pelos
pigmentos e o começo da porção “red edge” onde as caracte­
rísticas estruturais da vegetação (ou seja, o mesófilo esponjo­
so) têm mais influência na reflectância (Kim et al., 1994).
Infelizmente, o índice TCARI é sensível às propriedades
de reflectância do solo subjacente, particularmente quan­
do a vegetação apresenta baixo IAF. Assim, Daughtry et al.
índice de vegetação com linha do solo, tal como o OSAVI
(índice de Vegetação Ajustado a Solos Otimizado) (Ron-
deaux et al., 1996):
(1 + 0 ,1 6 ) (p800 - P670)
OSAVI = (11-35)
(P800 + P670 ° ’16)
A razão entre os índices é:
índices de Vegetação
TCARI (11-36)
OSAVI
a qual é altamente correlacionada com o conteúdo de clo­
rofila da vegetação (Haboudane et al., 2002).
índice Resistente à Atmosfera no Visível - VARI
Nas bibliografias em inglês este índice é encontrado com o
nome de “Visible Atmospberically Resistant Index”(VARI).
Muitos administradores de recursos naturais necessitam
de informações sobre a fração de vegetação (por exemplo,
60%) (Rundquist, 2002). Tomando por base o índice de
Vegetação Resistente à Atmosfera (ARVI), foi desenvolvido o
índice Resistente à Atmosfera no Visível (VARI), que é com­
putado como (Gitelson et al., 2002):
red
VARIgreen = —
p
(11-37)
1 en red bltie
Este índice foi muito pouco sensível aos efeitos atmosféri­
cos, permitindo a estimativa da fração vegetação com erro
menor que 10% em uma grande variedade de espessuras
ópticas atmosféricas.
índice por Diferença Normalizada para Áreas Constru­
ídas - NDBI
O nome deste índice, em inglês, é “Normalized Dijference
Built-up Index” (NDBI).
Muitos profissionais trabalham com assuntos relacionados
com áreas urbanas e peri-urbanas e, desta forma, estão in­
teressados no monitoramento da distribuição espacial e no
crescimento das áreas construídas urbanas. Estes dados po­
dem ser usados para previsões de escoamento de bacias hi­
drográficas e para outras aplicações de planejamento. Zha
et al. (2003) calcularam o NDBI da seguinte forma:
N D B I = Bu - N D V I (11-38)
onde:
N IR -M idIR
B = ___ IM 4 ______ IM 5 (11-39)
N IR TM4 +M idIRTM5
O resultado é uma imagem que contém somente pixels
de áreas construídas e estéreis que apresentem valores po­
sitivos, ao passo que todas as outras classes de cobertura
terrestre apresentam valores zero ou -254. Reportou-se que
esta técnica apresentou uma precisão de 92%.
Novo índice de Vegetação - NVI
Na bibliografia em inglês, este índice é denominado “New
Vegetation Index”(NVI).
395
As bandas no infravermelho próximo encontradas nos sen­
sores TM/Landsat, AVHRR/NOAA e LISS ("Linear Ima-
ging Self Scanning”, do Satélite Indiano de Sensoriamento
Remoto) posicionam-se na região de 770 a 860 nm, 760 a
900 nm e 725 a 1100 nm, respectivamente. Infelizmente,
essas regiões infravermelhas incluem bandas de absorção
pelo vapor d’água. Portanto, visando melhorar a capacida­
de de monitoramento da biomassa do NDVI, Gupta et al.
(2001) resolveram excluir as bandas de absorção do vapor
d’água criando o Novo índice de Vegetação (NVI):
N V I = P777' P747 (11-40)
Pô73
onde, p77y, p74y e p673 são as reflectâncias centradas em 777,
747 e 673 nm, respectivamente, usando dados hiperespec-
trais com larguras de bandas entre 3 e 10 nm. Outros índi­
ces de vegetação que usam dados hiperespectrais ( “narrow-
band vegetation indices”ou índices de vegetação de bandas
estreitas) são encontrados em Jensen (2005).
Determinação da Posição da Borda Vermelha - REP
Em inglês, “Red-edge Position Determination" (REP).
A mudança abrupta da curva espectral de folhas na região
entre 680 e 800 nm é causada por efeitos combinados da
forte absorção pela clorofila e do espalhamento interno na
folha, sendo denominada pelo nome de “borda vermelha”
(“red edge”). A posição da borda vermelha (REP) é o pon­
to de máxima declividade no espectro de reflectância da
vegetação entre os comprimentos de onda do vermelho e
do infravermelho próximo. A borda vermelha foi primei­
ramente descrita por Collins (1978), e talvez seja a feição
mais estudada na curva espectral da vegetação, conforme
Schlerf e Atzberger (2001). A REP é útil porque está forte­
mente correlacionada com o conteúdo de clorofila na folha
e pode ser um indicador sensível do estresse da vegetação.
A determinação da REP usando dados de sensoriamento
remoto usualmente requer dados hiperespectrais.
Um método linear proposto por Clevers (1994) pode ser
implementado fazendo uso de quatro bandas hiperespec­
trais, e é computado como:
REP = 700 + 40 P (re d edge) P(700nm ) (11-41)
P (740nm) P(700nm )
onde:
(670nm) + P(780nm) (11-42)
(red edge)
Dawson e Curran (1998) e Baranoski e Rokne (2005)
sumarizam métodos adicionais usados para determinar a
posição da borda vermelha.
396 CAPÍTULO
Cientistas de todo o mundo estão estudando o papel da ve­
getação terrestre nos processos globais de larga escala. Isto é
necessário para entender como a Terra funciona como um
sistema. Os índices de vegetação estão sendo usados para in­
ventariar com precisão a distribuição global dos tipos de ve­
getação, assim como para obter estimativas de suas variáveis
biofísicas (p.ex., IAF, biomassa, APAR) e de suas proprieda­
des estruturais (p.ex., porcentagem de fechamento do dos­
sel). O monitoramento dessas características no espaço e no
tempo fornecerá valiosas informações para o entendimento
da Terra como um sistema (Townshend e Justice, 2002).
Métricas de Ecologia da Paisagem
Os índices de vegetação são úteis para o monitoramento
das condições e da saúde da vegetação. Entretanto, análises
per-pixel, ou baseadas em pixels únicos, não dão nenhuma
informação sobre a natureza dos pixels vizinhos, inclusive
sua localização e características associativas. Os princípios
da ecologia da paisagem desenvolveram-se com crescente
incorporação de dados de sensores remotos, visando avaliar
a saúde e a diversidade da vegetação, bem como outras vari­
áveis dentro de ecossistemas inteiros. Isto resultou no desen­
volvimento de numerosas métricas de ecologia da paisagem
ou indicadores que são de grande valor quando se analisam
pastagens nativas, campos, florestas e planícies inundáveis
(Frohn, 1998; McGarigal et al., 2006). Várias agências go­
vernamentais, tais como a Agência de Proteção Ambiental
{‘Environmental Protection Agency”, EPA, dos EUA), baseiam
grande parte de sua modelagem ambiental e caracterização
da paisagem nessas métricas e indicadores (EPA Landsca-
pe Ecology, 2006). Assim sendo, torna-se útil fornecer uma
breve revisão sobre a sua origem e sumarizar várias das mais
importantes métricas de ecologia da paisagem que podem
ser extraídas de dados de sensoriamento remoto.
O termo ecologia da paisagem ( “landscape ecology", em in­
glês) foi primeiramente introduzido pelo geógrafo alemão
Carl Troll (1939), o qual fez amplo uso da então nova
técnica das f~tografias aéreas. Troll pretendia que o termo
ecologia da paisagem pudesse distinguir entre a abordagem
feita com o uso das fotografias aéreas para interpretar a
interação de água, superfícies terrestres, solo, vegetação e
uso da terra, e aquela abordagem feita pelas interpretações
fotográficas e cartográficas convencionais.
A ecologia da paisagem tem sido intensamente praticada
na Europa por muitas décadas e tornou-se amplamente
reconhecida nos Estados Unidos a partir de 1980. Desde
então, a ecologia da paisagem tem-se desenvolvido rapida­
mente como uma disciplina,- estimulada pelas interações
sinergísticas entre o sensoriamento remoto e as tecnologias
Sensoriamento Remoto da Vegetação
SIG, bem como pelos avanços na teoria ecológica.
Ecologia da Paisagem é o estudo da estrutura, função e m u­
danças em áreas terrestres heterogêneas compostas por or­
ganismos que interagem (Bourgeron e Jensen, 1993). E o
estudo da interação entre os padrões de paisagem e os pro­
cessos ecológicos, especialmente a influência do padrão da
paisagem nos fluxos de água, energia, nutrientes e biota. O
que distingue a ecologia da paisagem de outras disciplinas
que ela engloba (p.ex., a geografia, a biologia, a ecologia,
a hidrologia) é que ela provê uma abordagem hierárquica
para interpretar estrutura ecológica, função, mudança e re-
siliência em múltiplas escalas de investigação.
Medidas tradicionais para proteger o ambiente, tais como
evitar a poluição da água ou proteger a biodiversidade,
frequentemente focavam em descargas de efluentes espe­
cíficos ou em condições específicas de habitats. Esse mé­
todo tem sido descrito como a abordagem de filtro fino.
Em contraste, a abordagem mais ampla para a conserva­
ção de recursos estabelece que “ao gerenciar agregados
(p.ex., comunidades, ecossistemas, paisagens), os com­
ponentes desses agregados também serão gerenciados”
(Bourgeron e Jensen, 1993). Em outras palavras, a estra­
tégia mais eficiente para manter a resiliência e a produti­
vidade de sistemas ecológicos é conservar (ou restaurar)
a diversidade de espécies, os processos do ecossistema,
e os padrões da paisagem que criam os sistemas (Jensen
e Everett, 1993). A aplicação desse método de manejo
com abordagem mais ampla requer que os padrões de
paisagem sejam avaliados em múltiplas escalas espaciais
e temporais, o que é preferível às escalas tradicionais ao
nível de riacho ou de parcela florestal.
A teoria hierárquica permite aos ecologistas de paisagem
integrar múltiplas escalas de informações para determinar
se os padrões de paisagem são suficientes para permitir que
processos ecológicos operem nas necessárias escalas. O ob­
jetivo é investigar mudanças na distribuição, dominância
e conectividade de componentes do ecossistema e o efeito
de tais mudanças nos recursos ecológicos e biológicos. Por
exemplo, a fragmentação de ecossistemas tem implicado
no declínio da diversidade biológica e na sustentabilida-
de dos ecossistemas em várias escalas espaciais (Forman,
1995; Jones et al., 1998). A determinação do status e das
tendências no padrão da paisagem é crítico para o entendi­
mento das condições gerais dos recursos ecológicos. Os pa­
drões de paisagem fornecem então um conjunto de indica­
dores (p.ex., padrão de forma, dominância, conectividade,
configuração) que podem ser usados para avaliar o status
ecológico e as tendências em escalas variadas. Uma abor­
dagem hierárquica também permite dois importantes ti­
pos de comparações: 1) para comparar condições dentro
de e entre paisagens, e 2) para comparar condições entre
diferentes tipos de riscos ecológicos. Tais riscos ecológi-
Métricas de Ecologia da Paisagem 397

Tabela 11-5. Valores societários, indicadores exemplos e métricas candidatas de ecologia da paisagem.

Valor societário Indicador Métricas candidatas

Biodiversidade aptidão para vida selvagem
condição de
corrente biológica
riqueza de espécies vegetais
florestais
sustentabilidade da paisagem
Integridade da qualidade da água
bacia
vulnerabilidade a inundações
Resiliência da
sustentabilidade da paisagem
paisagem
estatísticas de polígonos (núm ero, área total, tam anho médio, tam anho maior,
distância entre, razão perím etro/área, forma, dim ensão fractal, m odelo pixel
quadrado, etc.), fragmentação, contágio, índice de fragmentação zonal, índice
de polígono por unidade de área, dom inância, adjacência e tipos de cobertu­
ras terrestres, diversidade Shannon, padrões de atributos biofísicos
diversidade, modelo pixel quadrado, dominância, fragmentação, índice de frag­
mentação zonal, índice de polígono por unidade de área, tipos de adjacência de
coberturas terrestres, inclinação, elevação, taxas de difusão, limiar de percolação,
índice de erosão, textura, padrões de atributos biofísicos, atributos geoquímicos
diversidade, dom inância, fragmentação, índice de fragmentação zonal, índice
de polígono por unidade de área, inclinação, índice de erosão, textura, estatís­
ticas de polígonos, m odelo pixel quadrado, padrões de atributos biofísicos
estatísticas de polígonos, contágio, índice de fragmentação zonal, índice de
polígono por unidade de área, fragmentação, textura, dom inância, dim ensão
fractal, modelo pixel quadrado, padrões de atributos biofísicos
estatísticas de polígonos, índice de erosão, m odificação hidrológica, tipos
de adjacência de coberturas terrestres, dom inância, contágio, índice de frag­
m entação zonal, índice de polígono p o r unidade de área, dim ensão fractal,
m odelo pixel quadrado, elevação, inclinação, padrões de atributos biofísi­
cos, atributos geoquím icos
estatísticas de polígonos, tipos de adjacência de coberturas terrestres, índice de
erosão, dom inância, contágio, índice de fragmentação zonal, índice de polígo­
no por unidade de área, dim ensão fractal, modelo pixel quadrado, modifica­
ção hidrológica, elevação, inclinação, textura, padrões de atributos biofísicos
estatísticas de polígonos, dom inância, contágio, índice de fragmentação zo­
nal, índice de polígono por unidade de área, fragmentação, dim ensão fractal,
modelo pixel quadrado, padrões de atributos biofísicos

cos incluem o risco de erosão, de perda da produtividade
do solo, de perda da função hidrológica e de perda da
biodiversidade.
Unidades que possam ser representadas em escalas são ne­
cessárias para tratar de questões ecológicas em múltiplas
escalas dentro da abordagem hierárquica. Exemplos de
unidades representáveis em escalas incluem manchas (ou
pplígonos), padrões e paisagens. Uma unidade de mancha
é um conjunto de unidades de medidas contíguas (p.ex.,
pixels) que tenham o mesmo valor numérico. Uma uni­
dade de padrão é uma coleção de unidades de medida e/
ou de unidades de mancha que tenham a propriedade de
ser a unidade mínima de descrição de uma área espacial
maior. As escalas de questões e de indicadores de avaliação
sugerem dois tipos de unidades de paisagens: bacias hidro­
gráficas e tipos de padrões de paisagem (LPT) (Wickham
e Norton, 1994). Bacias hidrográficas e LPTs abrangem
ou delimitam quatro importantes processos de fluxos que
operam dentro e entre paisagens: fluxos de energia, de
água, de nutrientes, e de biota. As escalas de bacias hidro­
gráficas e de LPTs abrangem de aproximadamente 103 a
10f>unidades em extensão e de 1 a 100 ha.
Indicadores de Paisagem e Métricas de Polígonos
Jones et al. (1998) sugerem que a integridade da paisagem
pode ser monitorada observando cuidadosamente o status
dos seguintes indicadores:
• composição e padrão da cobertura terrestre
• distribuição e extensão da mata ciliar
• água subterrânea
• padrão de vigor da vegetação
• grau de limitações biofísicas
• potencial de erosão
O monitoramento desses indicadores da paisagem requer
medições precisas e repetíveis de manchas polígonos) de
terreno tais como parcelas florestais, pastagens nativas,
planícies inundáveis, e/ou campos agrícolas (Tabela 11-5).
398 CAPÍTULO
Espaço das Métricas da Paisagem
Figura 11-27 Ilustração hipotética de um espaço tridimensional
de métricas da paisagem. O ponto a representa onde
um ecossistema estável e não-modificado poderia
localizar-se quando são consideradas as métricas
dominância, contágio e dimensão fractal. Quando
a paisagem é modificada pelo homem ou por for­
ças naturais, ele pode mover-se para o ponto b com
muitos tipos de coberturas terrestres sendo introdu­
zidas (mudança de dominância), tornando-se menos
agregado (mudança de contágio), e exibindo uma
dimensão fractal mais modificada. Isto poderia ser
considerado bom ou ruim. O sensoriamento remoto
da vegetação é muito importante para a extração de
métricas de manchas da paisagem.
Também é importante identificar polígonos de estrutura
urbana tais como áreas de uso residencial ou de uso co­
mercial. Estas medições de manchas de terreno são roti­
neiramente referidas como padrão de paisagem e métricas
de estrutura (McGarigal et al., 2006).
Numerosas métricas de estrutura de paisagem têm sido de­
senvolvidas (p.ex., Ritters et al., 1999; Weiers et al., 2005).
Muitas destas métricas de ecologia da paisagem estão dispo­
níveis no FRAGSTATS, que é um programa de análise do
padrão espacial para mapas categóricos (McGarigal e Marks,
1994; McGarigal et al., 2006). Muitos cientistas usam este
programa para extrair manchas, classes e índices de paisagens
(p.ex., Millington et al., 2003; Jackson e Jensen, 2005).
0 ’Neill et al. (1997) sugerem que a saúde de um ecossis­
tema poderia ser monitorada se as seguintes três métricas
de ecologia da paisagem fossem monitoradas ao longo do
tempo: dominância, contágio e dimensão fractal.
Dominância (D) é o índice teórico de informação que in­
dica a extensão na qual a paisagem está dominada por um
determinado tipo de cobertura terrestre. A métrica, 0 < D
< 1, é computada como
Sensoriamento Remoto da Vegetação
K - K )1 (11-43)
D=1
ln(«)
onde 0 < Pk < 1 é a proporção do tipo k de cobertura ter­
restre, e n é o número total de tipos de coberturas terrestres
presentes na paisagem.
Contágio (C) expressa a probabilidade de que a cobertura
terrestre seja mais “agrupada” do que a expectativa aleató­
ria. O índice, 0 < C < 1, é
(-P . lnP..)l (11-44)
C= 1 v V •!
21n(«)
onde P é a probabilidade de que um pixel do tipo de co­
bertura i seja adjacente ao do tip o /
A dimensão fractal, F, de manchas indica a extensão da re­
organização humana da estrutura da paisagem ( 0 ’Neill et
al., 1997). Os homens criam estruturas simples de paisa­
gens, ao passo que a natureza cria padrões complexos. O
índice de dimensão fractal é calculado pela regressão do log
do perímetro da mancha em relação ao log da área da man­
cha para cada mancha da paisagem. O índice corresponde
ao dobro da inclinação da linha de regressão. As manchas
de quatro ou menos pixels são excluídas em função de que
problemas de resolução distorcem seu real formato.
0 ’Neill et al. (1997) sugerem que este conjunto de três ín­
dices pode capturar aspectos fundamentais do padrão de
paisagem que influenciam processos ecológicos. Mudanças
significativas nestes índices para um ecossistema podem
indicar que provavelmente processos deletérios estejam
atuando no ambiente. Por exemplo, consideremos um pe­
queno ecossistema que exibe uma pequena modificação da
dimensão fractal, seja altamente agrupado, e tenha relati­
vamente poucos tipos de coberturas terrestres dentro dele.
Num espaço tridimensional de métricas da paisagem, este
ecossistema poderá aparecer na posição a, como na Figura
11-27. Se este pequeno ecossistema fosse subdividido por
várias novas estradas e fragmentado, esta posição poderia
mudar no espaço tridimensional para o local b, com muitos
tipos de cobertura terrestre sendo introduzidos (mudança
de dominância), sendo menos agregado (contágio), com
modificação na dimensão fractal. Isto pode ser bom ou
ruim. De fato, as relações entre os valores das métricas e
como elas realmente se relacionam com os princípios ecoló­
gicos ainda estão sendo determinados. O sensoriamento re­
moto da vegetação dentro destas manchas é muito importante
e constitui um dos maiores fatores responsáveis por as métricas
serem (ou não) robustas e úteis para o modelamento ecológico.
Ritters et al. (1995) revisaram 55 métricas de manchas e
concluíram que as seguintes métricas explicaram melhor a
Biodiversidade e Análise de Vazios
variância: o número de tipos de coberturas numa região (n);
o contágio (variável discutida anteriormente aqui); a média
da razão perímetro-área; o escalonamento perímetro-área; a
média do escalonamento da densidade das grandes manchas
x áreas; a forma padronizada da mancha; e o escalonamento
entre perímetro x área da mancha. Os algoritmos para calcu­
lar as 55 métricas são fornecidos no artigo citado.
A aplicação dos princípios da ecologia da paisagem requer
um entendimento da variabilidade natural dos padrões e
dos processos de paisagem em relação ao tempo e ao es­
paço. Estimativas desta variabilidade são essenciais para
determinar se as atuais condições da paisagem são susten­
táveis, dados seus padrões e processos históricos (Jensen
e Everett, 1993). Além disso, as estimativas são extrema­
mente úteis tanto para uma avaliação rápida do risco aos
recursos, como também para avaliações mais detalhadas.
Em geral, as metas principais são as seguintes:
• estimar, numa base regional e com uma confiabilidade
conhecida, o status atual, as tendências e as mudanças
em indicadores selecionados das paisagens importantes;
• estimar com uma confiabilidade conhecida a cobertura
geográfica e a extensão dos tipos e padrões de paisagens;
• buscar associações entre indicadores selecionados de
fatores de estresse naturais e antropogênicos e indica­
dores das condições da paisagem; e
• prover sumários estatísticos e avaliações periódicas das
condições da paisagem.
O m onitoram ento da vegetação em manchas da paisa­
gem usando dados de sensoriamento remoto e derivan­
do métrica^ corretas destes dados está se tornando um
com ponente muito im portante de muitos programas
de m onitoram ento de ecossistemas. Por exemplo, Arro-
yo-Moya et al. (2005) usaram métricas de ecologia da
paisagem derivadas de dados de sensoriamento remoto
para analisar a fragmentação de florestas e características
de rebrota na Costa Rica, de 1960 a 2000. Jackson e
Jensen (2005) também usaram métricas de ecologia da
paisagem derivadas de dados de sensoriamento remoto
para executar o m onitoram ento de reservas ambientais
costeiras na Carolina do Sul.
É importante monitorar a saúde de ecossistemas tanto
em nível regional como em nível nacional, para identifi­
car áreas com problemas significativos que possam estar
experimentando perda de biodiversidade. Um dos mais
úteis métodos de manutenção da biodiversidade baseados
no uso de dados de vegetação derivados do sensoriamento
remoto é a Análise de Vazios ( “Gap Analysis”).
399
Biodiversidade e Análise de Vazios
A rápida perda da diversidade biológica (biodiversidade) é
uma das maiores ameaças da humanidade. A abordagem
convencional de manutenção da biodiversidade geralmente
vem sendo realizada para espécies em perigo de extinção e
para cada caso de ameaça. Dentro dos Estados Unidos, os
principais meios de prevenir esta perda é o Endangered Spe-
cies Act (ESA, on Lei das Espécies Ameaçadas). Tem havido
algumas críticas ao ESA por várias razões, incluindo uma
quantidade de petições não atendidas, falha no desenvol­
vimento e na implementação de planos de recuperação em
tempo adequado, e falta de fundos suficientes para atingir
os objetivos. Uma das principais causas desses problemas é
que o ESA foca em espécies individuais. Os esforços des­
pendidos nesta abordagem “espécie-por-espécie” é inefi­
ciente, caro e tendencioso na direção de espécies carismá­
ticas da megafauna que tenham grande apelo público (i.e.,
um belo animal tem mais chance de ser protegido do que
um outro não tão bonito). Os esforços de proteção de úl­
tima hora também contribuem para o conflito econômico,
uma vez que falham em prover uma abordagem razoavel­
mente planejada levando em conta interesses econômicos
(p.ex., entre biólogos e companhias de exploração flores­
tal). Enquanto íor necessário, estes esforços precisam ser
complementados com métodos mais pró-ativos que tentem
manter as espécies e os ecossistemas enquanto eles ainda são
comuns (Edwards et al., 1995; Millington et al., 2003).
Uma abordagem para avaliar o atual status da biodiver­
sidade em todos os níveis, não somente das espécies em
perigo, é chamada Análise de Vazios ( “Gap Analysis").
Como um processo de avaliação, ela provê uma aborda­
gem sistemática para determinar a proteção proporcionada
à diversidade biológica em certas áreas. Seus fundamentos
são apresentados aqui por estarem fortemente baseados no
uso de sensoriamento remoto e de SIG (sistemas de infor­
mações geográficas) para identificar vazios na proteção da
biodiversidade que possam ser preenchidos pelo estabele­
cimento de novas reservas ou mudanças nas práticas de uso
da terra (Scott et al., 1993; Edwards et al., 1995).
Uma típica Análise de Vazios inclui a criação e análise de
quatro planos de informações principais:
a distribuição dos atuais tipos de coberturas vegetais deli­
neados a partir de dados de sensoriamento remoto por sa­
télites ou por aeronaves, além de informações auxiliares;
distribuição e situação da posse da terra;
status do manejo da terra;
400 CAPITULO Sensoriamento Remoto da Vegetação

• distribuição dos vertebrados terrestres enquanto predi­ Ciclo Fenológico de “Taboas” e de “Lírios d’água”
tos a partir da distribuição da vegetação e de observa­ no Reservatório de Par Pond (SC, EUA)
ções in situ. Taboas estão verdes e
com dossel completo
A Análise de Vazios fornece uma visão geral da distribui­
ção e da conservação de vários componentes da biodi­
I
versidade. Ela usa a distribuição dos atuais tipos de vege­ / y....... “"""a............. vTaboas estão
tação e dos vertebrados terrestres e, quando disponível, \m arrons
/ / t
a taxa de invertebrados como indicadores (sucedâneos) Taboas estão ' / Lírios d’água estão v v i
para biodiversidade. Os “overlays” ou planos de infor­ marrons / / verdes com dossel
mação contendo os polígonos em mapas digitais num / completo
SIG são usados para identificar espécies individuais, áre­
as ricas em espécies, e tipos de coberturas que não estão
representadas ou estão sub-representadas nas áreas de
i i i 1 1 1 1 1 1 U
manejo existentes. A Análise de Vazios funciona como J 1 F 'M 'A 'M 1 J 1 J 1 A 1 S O 1N 1 D
um passo preliminar para estudos mais detalhados ne­ Meses
cessários para estabelecer os limites reais para potenciais Figura 11 -28 Ciclo fenológico anual das macrófitas aquáticas (“ta­
áreas de manejo da biodiversidade. A Análise de Vazios, boas” e “lírios d’água”) encontradas no reservatório
ao focar nos mais altos níveis de organizações biológicas, de Par Pond, na usina atômica do Rio Savannah, na
Carolina do Sul. As “taboas” são vegetação emer­
é provavelmente menos dispendioso e com mais chance
gente persistente que aumentam o verdor antes que
de sucesso do que os programas focados em espécies ou os “lírios d’água”, no final de março e começo de
em populações individuais (Scott et al., 1993). abril. Elas começam a senescer no final de outubro e
tornam-se dormentes durante o inverno. Os “lírios
Uma das primeiras Análises de Vazios foi dirigida aos d ’água” desaparecem completamente em novembro
pássaros de florestas do Havaí (Scott et al., 1987). Q uan­ de cada ano e reaparecem no final de abril. Tanto as
do comparado com um mapa de reservas existentes, < “taboas” como os “lírios d ’água” apresentam dossel
denso e completo durante os meses de verão.
10% das cadeias geográficas de florestas em perigo esta­
vam protegidas, i.e., havia significativos vazios no esque­
ma de proteção da biodiversidade existente. Várias áreas Tabela 11-6. Imagens HRV/SPOT usadas para documen­
com riqueza de espécies de pássaros em perigo passaram, tar a sucessão vegetacional de Par Pond.
desde então, a ser protegidas pela Nature Conservancy e Tipo de Foto aérea
pelas agências estaduais e federais. Casos de sucessos no Datas dados infravermelha
uso da Análise de Vazios têm sido relatados em muitas SPOT colorida de referência
localidades, incluindo o Havaí, Utah, Porto Rico e a Ca­ 14 março 1992 HRV-XS 31 janeiro 1992
lifórnia. A Análise de Vazios está ocorrendo em muitos
05 maio 1992 HRV-XS 02 maio 1992
outros estados e países (Savitsky, 1998).
13 outubro 1992 HRV-XS 10 agosto 1992
10 maio 1993 HRV-XS 23 abril 1993
Sensoriamento Remoto das Mudanças
da Vegetação 28 outubro 1993 HRV-XS 22 janeiro 1994
02 abril 1994 HRV-XS 18 abril 1994

A análise de apenas uma data de dados obtidos por sen­
sores remotos visando extrair informações importantes
de variáveis biofísicas da vegetação frequentemente é de
grande valor. Porém, quando se pretende analisar a dinâ­
mica do ecossistema, é necessário monitorar a vegetação
através do tempo e determinar quais sucessões de mu­
danças estão ocorrendo. Dados de alta resolução tempo­
ral obtidos por satélites são de grande valor quando se
conduz tais estudos sucessionais. O caso relatado a seguir
documenta a utilidade dos dados dos sensores do SPOT
e os métodos usados para monitorar as mudanças em pla­
nícies de inundação em uma reserva de água doce.
25 outubro 1994 HRV-XS
Sensoriamento Remoto das Mudanças
Sucessionais de uma Planície de Inundação
As planícies de inundação assimilam poluentes, controlam
enchentes e servem de criadouros, viveiros e locais de cres­
cimento para peixes e para vida selvagem. Infelizmente, os
Estados Unidos perderam 33% de suas planícies inundá­
veis para a agricultura, áreas residenciais e/ou usos comer­
ciais da terra entre 1780 e 1980. A informação precisa e em
Sensoriamento Remoto das Mudanças da Vegetação 401

Figura 11-29 a) Gráfico em perspectiva das porcentagens de coberturas terrestres em Par Pond, desde 14 de março de 1993 até 25 de ou­
tubro de 1994, obtidas através da análise de sete datas de dados HRV XS do SPOT. Extensas áreas de vegetação seca estavam
presentes no início de 1992. A vegetação “Spikerush” dominava no final de 1992 e no começo de 1993. Sucessões naturais
denominadas “Old Field” dominavam no final de 1993 e durante o ano de 1994. Mudas de pinus e de espécies arbóreas
estavam colonizando extensivamente a área em 25 de outubro de 1994; b) A porcentagem de cobertura terrestre por Spike­
rush, Old Field e Pine/Hardwood nas áreas secas ocasionadas pelo rebaixamento das águas de Par Pond desde 23 de junho
de 1991 até 25 de outubro de 1994 são apresentadas como dados brutos e depois modelados por equações polinomiais de
quinta ordem (Jensen et al., 1997).

tempo hábil sobre a distribuição das plapícies inundáveis
é essencial para a proteção e o manejo efetivos. O presente
estudo de caso documenta o uso de dados multiespectrais
orbitais do SPOT, tanto multiestações (várias plataformas)
como multianos, para o monitoramento de mudanças su­
cessionais na planície de inundação do Reservatório de Par
Pond, próxima à Usina Atômica do Rio Savannah, SC,
EUA, causadas pelo rebaixamento do nível de água do re­
servatório no período entre junho de 1991 e outubro de
1994 (Jensen et al., 1997). O estudo traz muitas conside­
rações discutidas no presente capítulo.
Área de Estudo do Reservatório de Par Pond
Par Pond é um reservatório de 1012 ha criado originalmente
em 1958 para receber um reator resfriado a água, mas que
agora recebe água do Rio Savannah. O Par Pond tem uma
comunidade estável e previsível de plantas macrófitas tifáceas e
de ninfáceas quando os níveis de água flutuam < 1m por ano.
Aproximadamente 30 espécies de plantas macrófitas são en­
contradas em Par Pond, mas somente umas poucas dominam:
• As “taboas” (Typba spp.) são macrófitas persistentes emer­
gentes que existem durante o ano todo em Par Pond.
Elas começam a aumentar o verdor em meados de abril,
formando um dossel denso no final de maio, como está
documentado no calendário fenológico mostrado na Fi­
gura 11-28. As plantas senescem no final de setembro ou
no começo de outubro, permanecendo marrons duran­
te os meses de inverno. Estas plantas são normalmente
encontradas em águas rasas com < 1m de profundidade
adjacentes às linhas limítrofes do reservatório.
• Os “lírios d’água” (Nymphaea odoratá) são macrófitas
flutuantes dominantes que não persistem durante o
inverno (Figura 11-28). Elas aparecem na parte exter­
na às áreas dominadas pelas “taboas” no final de abril
ou começo de maio e atingem crescimento pleno seis
a oito semanas depois. Os lençóis de “lírios d’água”
expandem-se para áreas de água aberta do reservatório
durante o mês de setembro e vão até a profundidades
de 2 a 5 m. Esses lençóis persistem de meados de outu­
bro a meados de novembro e depois desaparecem.
Antes de junho de 1991, o nível da água de Par Pond estava
relativamente estável em 60,7 m acima do nível do mar,
flutuando <0,15m na maioria dos anos. Extensivos lençóis
de “taboas” e de “lírios d’água” de 20 a 150 m de largura
distribuíam-se pelo lago. De 23 de junho de 1991 até 15 de
setembro de 1991, o nível da água de Par Pond baixou a 55
m acima do nível do mar para reparos no reservatório. Os
5,7 m de rebaixamento do nível da água fizeram com que
uma zona que anteriormente estava submersa ao longo das
402 CAPÍTULO
margens, de aproximadamente 50 a 250 m de largura, fosse
exposta. Isto expôs os lençóis emergentes e não-emergentes
de macrófitas aquáticas das margens de Par Pond a condi­
ções de secagem por aproximadamente quatro anos, até que
o nível da água atingisse novamente os 60,7 m em 1995.
Dados de Sensores Remotos
Sete imagens multiespectrais (XS) do satélite SPOT fo­
ram adquiridas na primavera e no outono de 1992, 1993
e 1994, as quais foram analisadas (Tabela 11-6). Quan­
do possível, foram escolhidas datas próximas entre os ci­
tados anos, visando minimizar mudanças na reflectância
causadas por diferenças de ângulos solares e de umidades
sazonais dos solos (Jensen et al., 1995). Fotos aéreas infra­
vermelhas coloridas também estavam disponíveis para este
experimento. Os registros das imagens SPOT com os ma­
pas foram feitos com base em aproximadamente 50 pontos
de controle por data e foi feita reamostragem pelo método
do vizinho mais próximo, usando a projeção UTM (Uni­
versal Transverse Mercator). O erro geométrico, RMSE
(root-mean-square-error), foi de ± 0,5 pixel (± 20 m) para
cada data de imagem. Na área de estudo, todo o terreno
acima de 60,7 m acima do nível do mar foi mascarado.
Classificação de Imagens e Detecção de Mudanças
Cinquenta agrupamentos espectrais distintos foram extraídos
da imagem de cada data, usando o software ISODATA (“In­
teractive Self Organizing Data Analysis Technique”) (referido
em Jensen, 2005). Os agrupamentos foram rotulados geran­
do sete mapas de cobertura terrestre. A precisão geral para
dois dos mapas classificados (28 de outubro de 1993 e 2 de
abril de 1994) foi de 75,6% e de 77,9%, respectivamente.
Este nível de precisão está na faixa do que é esperado quando
se utilizam três bandas individuais de dados multiespectrais
com resolução de 20 x 20 m do SPOT (Jensen et al., 1995).
O objetivo deste estudo foi documentar a mudança ecológica
na cobertura vegetal nas áreas de rebaixamento da água usan­
do rmiltiplas datas de dados de sensoriamento remoto. Para
isso, foi necessário usar um algoritmo de detecção de mudan­
ças (change-detectmi algorithni) que provê informações carto­
gráficas do tipo “from-to” ou de-para (ou seja, que indicam a
mudança, mostrando o que era e como ficou após a mudan­
ça); p.ex., um pixel de 20 x 20 m de Vegetação Seca em 1992
passou a ser um pixel de plantas ciperáceas (“Spikerush’) em
1993. Vinte e um mapas de detecção de mudanças foram
produzidos e podem ser vistos em Jensen et al. (1997).
Resultados
As porcentagens de cobertura terrestre de cada classe em
cada data, desde 14 de março de 1992 até 25 de outubro
Sensoriamento Remoto da Vegetação
de 1994, para a área de estudo de Par Pond, estão mos­
tradas na Figura 11-29a. Esta informação documenta as
tendências das sucessões de vegetação em quatro anos nas
áreas de margens expostas pelo rebaixamento das águas em
Par Pond. Em 14 de março de 1992, a classe Vegetação
Seca ocupava aproximadamente 35,48% da área de estudo.
As macrófitas aquáticas “cattail” e “waterlily” não sobrevi­
veram ao rebaixamento do nível de água. Havia também
7,46% da classe Solos Expostos e 8,74% de invasão por
“Spikerush”. Com o passar do tempo, as áreas de Vegeta­
ção Seca foram colonizadas por outras espécies. Em 25 de
outubro de 1994, não havia mais Vegetação Seca.
Dois tipos dominantes de desenvolvimento sucessional
tomaram o lugar da Vegetação Seca e dos Solos Expostos
presentes nas áreas de rebaixamento do nível de água do
reservatório. Primeiramente houve um significativo au­
mento de “Spikerush” (plantas ciperáceas) em 1992. Em
5 de maio de 1992, estas ciperáceas ocupavam 20,28%
da área de estudo. À medida que o solo secava nos anos
subsequentes, a cobertura por “Spikerush” diminuiu para
aproximadamente 10,75% em 25 de outubro de 1994.
As áreas de “Spikerush” e de Solos Expostos foram suce­
didas primeiramente por espécies “Old Field”, como se
esperava, numa taxa muito rápida. O aumento mais mar­
cante foi de 10 de maio de 1993 a 28 de outubro de 1993,
mostrando um aumento da classe “Old Field” de quase
nada para aproximadamente 25,62% da área de estudo.
Coberturas de mudas de />/»«j/espécies arbóreas (“Pine/
Hardwood”) também aumentaram constantemente des­
de quase nada em 1992 até a 10,25% em 25 de outubro
de 1994. Se as áreas expostas pelo rebaixamento da água
ficassem intocadas por aproximadamente uns 75 anos, ve­
getações clímax dos tipos carvalhos (“oak”) ou castanheiras
(“hickory”) poderiam fazer-se presentes nestas áreas.
Usando as estatísticas relacionadas com as classes de cober­
turas terrestres derivadas a partir de dados de sensoriamento
remoto em múltiplas datas foi possível desenvolver modelos
sucessionais preditivos para cada um dos tipos de vegetação
ocorrentes nas áreas de rebaixamento das águas. Por exem­
plo, a Figura 11 -29b ilustra a área porcentual atual e a pre­
dita da cena ocupada com “Spikerush” em diferentes datas,
desde o início do processo de rebaixamento do nível das
águas em 23 de junho de 1991. A sucessão “Spikerush” foi
modelada usando um polinômio de quinta ordem, onde:
%Spikerush = -0,0129x5+ 0,4018x4- 4,0989x3 + 15,383x2
- I4,425x,
com R2 = 0,992. Usando esta equação, foi possível prever
a porcentagem de Spikerush que estaria presente em datas
específicas após um sério rebaixamento das águas do reser-
Sensoriamento Remoto das Mudanças da Vegetação 403

Tabela 11-7. Classificação por segmentação orientada a objeto de dados SPOT 2004 multiespectrais (10 x 10 m) e
pancromáticos (5 x 5 m) de uma área da República da África do Sul.
Cana-de- Quebra- Total
Classe Citros Floresta Pastagem Estrada Água Pousio Banana E.U.
açúcar vento Linha
Cana-de- 1261 61 0 4 2 0 1 2 4 1335 94,46
açúcar
Citros 27 744 5 0 1 2 4 10 0 793 93,82
Floresta 13 23 87 13 0 2 1 1 0 140 62,14
Pastagem 28 25 8 82 1 0 5 0 0 149 55,03
Estrada 6 1 1 1 45 0 2 1 0 57 78,95
Agua 0 0 0 0 0 44 2 0 0 46 95,66
Pousio 7 0 2 2 0 1 39 0 0 49 79,59
Quebra- 2 4 0 0 1 1 0 36 0 44 81,82
vento
Banana 4 4 1 1 0 0 0 0 60 69 86,97
Total 1348 862 101 103 50 50 54 50 64 2682
Coluna
E.P. 93,55 86,31 86,14 79,61 90 88 72,22 72 93,75
Exatidão 89,4%
total =
Coeficien- 83,7%
te kappa =
E.U. = Exatidão do usuário
E.P. = Exatidão do produtor

vatório estudado. De modo similar, as classes sucessionais Numerosas agências estaduais e governamentais reconhe­
“Old Field” e “Pine/Hardwood” foram modeladas usando cem a importância de se utilizar dados de sensoriamento
as seguintes equações: remoto para monitorar as áreas de recursos vegetais amea­
çados. Por exemplo, o primeiro inventário abrangente da
%01d Field = - 0,04l6x5 + 0,6421x4—3,0604x3 + 5,1495 x2 vegetação, ao nível de comunidade de plantas, das Evergla-
- 2,3275x, des, na Flórida, foi realizado usando uma combinação de
imagens de satélite, fotografias aéreas, GPS e tecnologia
e SIG (Doren et al., 1999).

%Pine/Hardwood = 0,00762x5 - 0,1543x4 + l,0971x3 - Sensoriamento Remoto da Agricultura na

2,9539x2 + 2,4909x. África do Sul

O modelo polinomial para Old Field (R2 = 0,89) não expli­

cou a sucessão tão bem quanto o modelo preditivo da clas­
se Pine/Hardwood (R2 = 0,94). A primeira derivada desses
modelos pode ser usada para prever a taxa de mudança (ou
“gradiente”), em porcentagem de cobertura terrestre num
dia específico, devida ao rebaixamento das águas.
A análise de mapas de cobertura terrestre de detecção de
mudanças derivados de dados de sensoriamento remoto
por satélite documentaram quantitativamente: 1) a distri­
buição espacial das mudanças sucessionais na cobertura>
terrestre; e 2) a taxa de mudança sucessional ocorrida em
Par Pond devida ao rebaixamento das águas.
Muitos países usam sensoriamento remoto para obter in­
formações biofísicas importantes, visando proteger seus ci­
dadãos da fome durante secas prolongadas. Por exemplo, o
Departamento de Assuntos de Agua e Floresta da República
da África do Sul (cuja sigla em inglês é DWAF) é comanda­
do pelo South African National Water Act (1998) no sentido
de obter informações sobre a distribuição espacial de toda
a agricultura que utiliza água durante o ano. Todos os agri­
cultores que utilizam água devem ser documentados como
“usuários de água registrados”, com o objetivo de obter per­
missão para o uso dos escassos recursos hídricos nacionais.
O DWAF é responsável por administrar a contabilidade do
404 CAPÍTULO Sensoriamento Remoto da Vegetação

Dados SPOT do Rio Mhlathuze, na República da África do Sul

a. Parte da Área de Manejo da Água #6: reservatórios dos rios Usutu e Mhlathuze, na banda vermelha do
SPOT-5, de imagem coletada em 9 de janeiro de 2004.

b. Pontos de referência terrestres sobrepostos na ortofotografia.

Figura 11-30 a) Imagem H R V IR /SPO T de um a área ao longo do Rio M hlathuze, na República da África do Sul; b) Uma parte
dos 2682 campos usados para avaliar a precisão da classificação da cobertura agrícola, sobreposta em ortofotografia
1:10.000 (Jensen et al., 2006).

uso da água usando o sistema espacial de suporte à decisão Área de Estudo

denominado Water Authorization and Resource Manage­
ment System (WARMS). O sensoriamento remoto é um
dos principais métodos usados para obter informações sobre
o uso agrícola da água. Um estudo patrocinado pela NASA
auxiliou o DWAF a desenvolver técnicas de sensoriamento
remoto voltadas para a obtenção das necessárias informa­
ções sobre usos agrícolas da água (Jensen et al., 2006).
O estudo aqui relatado foi conduzido na Área de Manejo
da Água #6: reservatórios dos rios Usutu e Mhlathuze (Fi­
gura ll-30a). Neste local, a vegetação natural é constituí­
da por floresta e vegetação de pequenos arbustos (“scrub-
shrub”, “bushveld”), fazendas de agricultura não-irrigada,
e fazendas de agricultura irrigada (basicamente cana-de-
Referências
açúcar e citros). Os dados do satélite SPOT, bem como
informações obtidas in situ, foram usados para treinar e
classificar as imagens em classes de coberturas agrícolas.
Dados de Sensoriamento Remoto
Muitos dos campos agrícolas na área de manejo das águas
dos rios Usutu e Mhlathuze são <1 0 0 ha. Portanto, foi
necessário usar imagens com resolução espacial melhor
que 30 m para identificar o tipo de cultura dentro de
campos pequenos. Sensores como o M ODIS (NASA),
MERIS (ESA) e AVHRR (NOAA) não seriam de utili­
dade neste caso, em função de suas resoluções grosseiras
(250 m, 300 m e 1100 m, respectivamente). Após ana­
lisar o calendário agrícola, o DWAF obteve os seguintes
dados de sensoriamento remoto:
• imagens SPOT-5, do sensor HRVIR (High Resolution
Visible Infrared), obtidas em 9 de janeiro de 2004 (ban­
das multiespectrais 1 a 4, com resolução de 10 x lOm;
banda pancromática 5 com resolução de 5 x 5 m).
Uma imagem SPOT da área de estudo é mostrada na Fi­
gura 1l-30a. Uma composição colorida SPOT é mostrada
na Prancha Colorida 11 -6a
Dados de Referência Terrestres Obtidos In Situ
O DWAF obteve informações de referência terrestre in situ
sobre o tipo de agricultura presente em 2682 campos da
área de estudo. Os centróides de muitos destes campos fo­
ram sobrepostos em ortofotografias na escala de 1:10.000,
conforme mostrado na Figura 11 -30b.
Análise dos Dados
Os dados SPOT foram submetidos a uma classificação por
segmentação de imagem orientada a objetos, a qual leva
em conta tanto a informação espectral quanto a espacial
existente nas imagens utilizadas. Neste ponto, recomenda-
se a consulta de Jensen (2005) para informações sobre seg­
mentação de imagens orientada a objetos.
Resultados
A classificação por segmentação orientada a objetos a partir
de imagens SPOT multiespectrais (10 x 10 m) e pancro-
máticas ( 5 x 5 m), de 2004, permitiu a produção do mapa
mostrado na Prancha Colorida 11-6b. A precisão geral foi
de 89,4% com um coeficiente Kappa de concordância de
83,7% (Tabela 11-7). As precisões do usuário para cana-
de-açúcar e citros foram de 94,46% e de 93,82%, respecti­
vamente, enquanto que as precisões do produtor foram de
93,55% e de 86,31%, respectivamente. Este tipo de infor­
405
mação sobre a cobertura agrícola é usado pelo Departamen­
to de Assuntos de Água e Floresta da República da África
do Sul como subsídio para o sistema espacial de suporte à
decisão do WARMS (Water Authorization and Resource
Management System) (cortesia de Jensen et al., 2006).
Arroyo-Moya, J.P, Sanchez-Azofeifa, G. A., Rivard, B., Calvo,
J.C. and D. H. Janzen, 2005, “Dynamics in Landscape Structure
and Composition for Chorotega Region, Costa Rica from 1960
to 2000,”Agriculture, Ecosystems and E?ivironment, 106:27-39.
Baranoski, G. V. and J. G. Rokne, 2005, “A Practical Approa-
ch for Estimating the Red Edge Position of Plant Leaf Reflec-
tance,” Intl. Journal ofRemote Sensing, 26(3):503-521.
Birth, G. S. and G. McVey, 1968, “Measuring the Color of
Growing Turf with a Reflectance Spectrophotometer,” Agro-
nomy Journal, 60:640-643.
Bourgeron, P. S. and M. E. Jensen, 1993, “An OverView of
Ecological Priciples for Ecosystem Management,” in Jensen,
M. and P. Bourgeron (Eds.), Eastside Forest Ecosystem Health
Assessment, Vol. II, Ecosystem Management: Priciples and Ap­
plications, Missoula: USDA Forest Service, 49-60.
Broge, N. H. and E. Leblanc, 2000, “Comparing Prediction Po­
wer and Stability of Broadband and Hyperspectral Vegetation ín­
dices for Estimation of Green LeafArea Index and Canopy Chlo-
rophyll Density,” Remote Sensing ofEnvironment, 76:156-172.
Carter, G. A., 1991, “Primary and Secondary Effects of the
Water Content on the Spectral Reflectance of Leaves,” Ame­
rican Journal ofBotany, 78(7):916-924.
Carter, G. A., 1993, “Responses of Leaf Spectral Reflectance to
Plant Stress”, American Journal ofBotany, 80(3):2310-243.
Carter, G. A., Cibula, W. G. and R. L. Miller, 1996, “Nar-
row-band Reflectance Imagery Compared with Thermal
Imagery for Early Detection of Plant Stress ."Journal o f Plant
Physiology, 148:515-522.
Chen, T. M., and T. A. Black, 1992, “Defining Leaf Area
Index for Non-flat Leaves,” Plant, Cell and Environment,
15:421-429.
\ '
Chen, J.M., Pavlic, G., Brown, L., Cihlar, J., Leblanc, S. G., Whi-
te, H. R, Hall, R. J., Peddle, D. R., King, D. J., Trofymow, J. A.,
Swift, E., Van der Sanden, ]., and P K. Pellikka, 2002, “Deriva-
tion and Validation of Canada-wide Coarse-resolution Leaf Area
406 CAPÍTULO
Index Maps Using High-resolution Satellite Imagery and Ground
Measurements,” Remote Sensing ofEnvironment, 80:165-184.
Cibula, W. G., and G. A. Carter, 1992, “Identification ofa Far-
Red Reflectance Response to Ectomycorrbizae in Slash Pine,”
InternationalJournal o f Remote Sensing, 13(5):925-932.
Clark, R. N., King, T. V., Ager, C. and G. A. Swayze, 1995,
“Initial Vegetation Species and Senescence/Stress Indicator
Mapping in the San I.uis Valley, CO, Using Imaging Spec-
trometer Data,” Proceedings, Summitville Forum; H. Posey,
J. Pendelton, and D. Van Zyl, (Eds.), Colorado Geological
Survey Publicadon #38, 64-69; http://speclab.cr.usgs.gov.
Clark, R. N., Swayze, G. A., Wise, R., Livo, K. E., Hoefen, T.
M., Kokaly, R. F. and S. J. Sutley, 2003, USGS Digital Spec-
tralLibrary splib05a, USGS Open File Report 03-395.
Clevers, J. G., 1994, “Imaging Spectometry in Agriculture:
Plant Vitality and Yield Indicators,” in Hill, J. and J. Megier
(Eds.), Imaging Spectometry: A To-olfor Environmetital Observa-
tions, Dordrecht, Netherlands: Kluwer Academic, 193-219.
Cohen, W. B., 1991, “Response of Vegetation índices to
Changes inThree Measures of Leaf Water Stress,” Photogram-
metric Engineering & Remote Sensing, 57(2): 195-202.
Collins, W., 1978, “Remote Sensing of CropType and Matu-
rity,” Photogrammetric Engineering & Remote Sensing, 43-55.
Colombo, R., Bellingeri, D., Fasolini, D. and C. M. Marino,
2003, “Retrieval of Leaf Area Index in Different Vegetation
Types Using High Resolution Satellite Data,” Remote Sensing
of Environment, 86:120-131.
Crist, E. P, 1985, “A Thematic Mapper Tasseled Cap Equi­
valem for Reflectance Factor Data,” Remote Sensing of Envi­
ronment, 17:301-306.
Crist, E. P. and R. C. Cicone, 1984, “Application of the Tas­
seled Cap Concept to Simulated Thematic Mapper Data,”
Photogrammetric Engineering & Remote Sensing, 50:343-352.
Crist, E. E and R. J. Kauth, 1986, “The Tasseled Cap De-Mysti-
fied,” Photogrammetric Engineering & Remote Sensing, 52( 1):81-86.
Danson, F. M., 1998, “Teaching the Physical Principies of
Vegetation Canopy Reflectance Using the SAIL Model,” Pho­
togrammetric Engineering& Remote Sensing, 64(8):8010-812.
Daughtry, C. S. T., Walthall, C. L., Kim, M. S., Brown de
Colstoun, E. and J. E. McMurtrey III, 2000, “Estimating
Corn Leaf Chlorophyll Concentration from Leaf and Canopy
Reflectance,” Remote Sensing o f Environment, 74:229-239.
Sensoriamento Remoto da Vegetação
Dawson, T. P. and P. J. Curran, 1998, “A New Technique for
Interpolating the Reflectance Red Edge Position,” Internatio­
nal Journal o f Remote Sensing, 19(11): 2133-2139.
Deering, D. W„ Rouse, J. W„ Haas, R. H. and J. A. Schell, 1975,
“Measuring Forage Production of Grazing Units from Landsat
MSS Data,” Proceedings, 10th Intl. Symposium on Remote Sen­
sing of Environment, Ann Arbor: ERIM, 2:1169-1178.
Didan, K., 2002, MODIS Vegetation Index Production Algo-
rithms, MODIS Vegetation Workshop, Missoula, MO, July
15-18; Terrestrial Biophysics and Remote Sensing MODIS
Team, Tucson: Univ. of Arizona, www.ntsg.umt.edu/MO-
DlSCon/index.html.
Doren, R. F., Rutchey, R. And R. Welch, 1999, “The Ever-
glades: A Perspective on the Requirements and Applications
for Vegetation Map and Database Products,” Photogramme­
tric Engineering and Remote Sensing, 65 (2): 15 5-161.
Du, Y., Teillet, P. M. and J. Cihlar, 2002, “Radiometric Nor-
malization ofMultitemporal High-resolution Satellite Images
with Quality Control for Land Cover Change Detection,”
Remote Sensing o f Environment, 82:123-134.
Edwards, T. C., Homer, C. G., Bassett, S. C., Falconer, A.,
Ramsey, R. D. and D. W. Wight, 1995, Utah Gap Analysis:
An Environmental Information System, Logan: Utah Co-ope-
rative Fish & Wildlife Reseach Unit, 68 pp.
EPA Landscape Ecology, 2006, Landscape Ecology, Washing­
ton: Environmental Protection Agency, http://www.epa.gov/
nerlesd 1/land-sci/default.htm.
Farabee, M. J., 1997, Photosystesis, http://gened.emc.marico-
pa.edu/bio/bio 181 /BIOBK/BioBo-okPS.html.
Forman, R. T., 1995, “Some General Principies of Landscape
and Regional Ecology,” Landscape Ecology, 10(3):133-142.
Frohn, R. C., 1998, Remote Sensing for Landscape Ecology,
Boca Raton: Lewis, 99 p.
Gates, D. M., J. J. Keegan, J. C. Schleter and V. R. Weidner,
1965, “Spectral Properties of Plants,” Applied Optics, 4(1): 11-20.
Galvão, L. S., Formaggio, A. R. and D. A. Tisot, 2005, “Dis-
crimination of Sugarcane Varieties in Southeastern Brasil
with EO-1 Hyperion Data,” Remote Sensing o f Environment,
94:523-534.
Gao, B. C., 1996, “NDWI -ANormalized Difference Water
Index for Remote Sensing of Vegetation Liquid Water from
Space, Remote Sensing of Environment, 58:257-266.
Referências
Gausmann, H. W., Allen, W. A. and R. Cardenas, 1969,
“Reflectance of Cotton Leaves and their Structure," Remote
Sensing o f Environment, 1:110-22.
Gitelson, A. A., Kaufman, Y. J., Stark, R. and D. Rund-
quist, 2002, “Novel Algorithms for Remote Estimation
of Vegetation Fraction,” Remote Sensing Environment,
80:76-87.
Goetz, A. F. H., 1995, “Imaging Spectometry for Remote
Sensing: Vision to Reality in 15 Years,” Proceedings, SPIE In­
ternational Society for Optical Enginners, 2480:12 pp.
Goward, S. N., Markham, B., Dye, D. G., Dtdaney, W.
and J. Yang, 1991, “Normalized Difference Vegetation
Index Measurements from the Advanced Very High Re-
solution Radiometer,” Remote Sensing o f Environment,
35:257-277.
GRSU, 1999, Phenological Calendars ofSelected Crops, Santa
Barbara: Geography Remote Sensing Unit.
Gupta, R. K., Vijayan, D. and T. S. Prasad, 2001, “New
Hyperspectral Vegetation Characterization Parameters,” Ad-
vances in Space Research, 28(l):201-206.
Haack, B. and S. Jampoler, 1994, “Agricultural Classification
Comparisons Using Landsat Thematic Mapper Data,” ITC
Journal, 1994(2): 113-118.
Haack, B. and S. Jampoler, 1995, “Colour Composite Com­
parisons for Agricultural Assessments,” Intl. Journal o f Remote
Sensing, 16(9): 1581-1598.
Hardisky, M. A., Klemas, V. and M. Smart, 1983, “The
Influence of Soil Salinity, Growth Form, and Leaf Mois-
ture on the Spectral Radiance of Spartina Alterniflora Ca-
nopies,” Photogrammetric Engineering & Remote Sensing,
49:77-83.
Haboudane, D., Miller, J. R., Tremblay, N., Zarco-Tejada,
P. J. and L. Dextraze, 2002, “Integrated Narrow-band Vege­
tation índices for Predicition of Crop Chlorophyll Content
for Application to Precision Agriculture,” Remote Sensing of
Environment, 81:416-426.
Huang, C., Wilye, B., Yang, L., Homer, C. and G. Zylstra,
2002, “Derivation of a Tesseled Cap Transformation based
on Landsat 7 at-satellite Reflectance,” Intl. Journal o f Remote
Sensing, 23(8): 1741-1748.
Huete, A. R., 1988, “A Soil-adjusted Vegetation Index
(SAVI),” Remote Sensing o f Environment, 25:295-309.
407
Huete, A.-R., and C. Justice, 1999, MODIS Vegetation Index
(MOD13) Algorithm Theoretical Basis Document, Greenbelt:
NASA Goddard Space Flight Center, http://modarch.gsfc.
nasa.gov/MODIS/LAND/#vegetation-indices, 129 p.
Huete, A. R., Didan, K., Miura, T., Rodriguez, E. P„ Gao, X.
And G. Ferreira, 2002a, “Overview of the Radiometric and
Biophysical Performance of the MODIS Vegetation índices,”
Remote Sensing o f Environment, 83:195-213.
Huete, A. R., Didan, K, and Y. Yin, 2002b, MODIS Vege-
tations Workshop, Missoula, Montana, July 15-18; Terrestrial
Biophysics and Remote Sensing (TBRS) MODIS Team,
University of Arizona, http://utam.geophys.utah.edu/ebo-
oks/gg527/modis/ndvi.html.
Huete, A. R., Hua, G., Qi, J., Chehbouni A., and W. J. Van
Leeuwem, 1992, “Normalization of Multidirectional Red
and Near-infrared Reflectances whit the SAVI,” Remote Sen­
sing o f Environment, 40:1 -20.
Huete, A. R. And H. Q. Liu, 1994, “An Error and Sensivity
Analysis of the Atmospheric and Soil-Correcting Variants of
the NDVI for the MODIS-EOS,” IEEE Transactions on Ge-
oscience and Remote Sensing, 32(4):897-905.
Huete, A. R., Liu, H. Q., Batchily, K. And W. J. van Leeu-
wen, 1997, “A Comparison of Vegetation índices Over a Glo­
bal Set of TM Images for EOS-MODIS,” Remote Sensing o f
Environment, 59:440-451.
Hunt, E. R., Rock, B. N. and P. S. Novel, 1987, “Measure-
ment of Leaf Relative Water Content by Infrared Reflectan­
ce,” Remote Sensing o f Environment, 22:4210-435.
Jackson, R. D., 1983, “Spectral índices in «-Space,” Remote
Sensing o f Environment, 13:409-421.
Jackson, M. W. and J. R. Jensen, 2005, “An Evaluation
of Remote Sensing-derived Landscape Ecology Metrics
for Reservoir Shoreline Environmental M onitoring,”
Photogrammetric Engineering & Remote Sensing, 71(12):
1387-1397.
Jackson, T. ]., Chen, D., Cosh, M., Li, F., Anderson, M.,
Walthall, C., Doraiswamy, P. and E. R. Hunt, 2004, “Vege­
tation Water Content Mapping using Landsat Data derived
Normalized Difference Water Index for Corn and Soybe-
ans,” Remote Sensing o f Environment, 92:475-482.
Jensen, J. R., 2005, Introductory Digital Image Processing:
A Remote Sensing Perspective, Upper Saddle River: Prentice-
Hall, 325 p.
408 CAPÍTULO
Jensen, J. R., Coombs, C., Porter, D., Jones, B., Schill, S. and
D. White, 1998, “Extraction of Smooth Cordgrass (Spartina al-
temiflora) Biomass and Leaf Area Index Parameters from High
Resoludon Imagery,” Geocarto International, 13(4):25-46.
Jensen, J. R., Huang, X. and H. E. Mackey, 1997, “Remote
Sensing of Successional Changes in Wetland Vegetation as
Monitored During a Four-Year Drawdown of a Former Co-
oling Lake,” Applied Geographic Studies, 1(1 ):31-44.
Jensen, J. R., Garcia-Quijano, M., Hadley, B., Im, J., Wang,
Z., Nel, A. L., Teixeira, E. and B. A. Davis, 2006, “Remote
Sensing Agricultural Crop Type for Sustainable Development
in South África,” Geocarto International—A Multidisciplinary
]ournal o f Remote Sensing and GIS, in press.
Jensen, J. R., Rutchey, K., Koch, M. S, and S. Narumalani,
1995, “Inland Wetland Change Detection in the Everglades
Water Conservation Area 2A Using a Time Series of Norma-
lized Remotely Sensed Data,” Pbotogramtnetric Engineering &
Remote Sensing, 61 (2): 199-209.
Jensen, M. E. and P. S. Bourgeron (Eds.), 1993, EastsideForest
Ecosystem Health Assessment, Vol. II, Ecosystem Management:
Principies and Applications, Missoula, MT: USDA Forest Ser­
vice, PNW-GTR-318.
Jensen, M. E., and R. Everett, 1993, “An OverView of Ecosys­
tem Management Priciples,” in Jensen, M. E., and P. S. Bour­
geron (Eds.), Eastside Forest Ecosystem Health Assessment, Vol.
II, Ecosystem Management: Priciples and Applications, Missou­
la: USDA Forest Service, 7-16.
Jin, S. and S. A. Sader, 2005, “Comparison of Time Series
Tasseled Gap Wetness and the Normalized Difference Mois-
ture Index in Detecting Forest Disturbances,” Remote Sensing
of Environment, 94:364-372.
Jones, K. B., Ritters, K. H., Wickham, J. D., Tankersley, R.
D., 0 ’Neill, R. V., Chaloud, D. J., Smith, E. R. and A. C.
Neale, 1998, Ecological Assessment of the United States: Mid-
Atlantic Region, Washington: EPA, 103 p.
Karnieli, A., Kaufman, Y. J., Remer, L. and A. Wald, 2001,
“AFRI: Aerosol Free Vegetation Index,” Remote Sensing o f En­
vironment, 77:10-21.
Kaufman, Y. J. and D. Tanre, 1992, “Atmospherically Resis­
tam Vegetation Index (ARVI) for EOS-MODIS,” IEEE Tran-
sactions on Geoscience and Remote Sensing, 30(2):26l-270.
Kaufman, Y. J., Karnieli, A. and D. Tanre, 2000, “Detection ol
Dust Over Deserts Using Satellite Data in the Solar Wavelengths,”
IEEE Transactions Geoscience & Remote Sensing, 38:525-531.
Sensoriamento Remoto da Vegetação
Kauth, R. J. and G. S.Thomas, 1976, “The Tasseled Cap —A
Graphic Description of the Spectral-Temporal Development
of Agicultural Crops as Seen by Landsat,” Proceedings, Ma-
chine Processing of Remotely Sensed Data, West Lafayette:
Laboratory for the Applications of Remote Sensing, 41-51.
Kauth, R. J., Lambeck, P. F., Richardson, W., Thomas, G. S.
and Ap. P. Pentland, 1979, “Feature Extrection Applied to
Agricultural Crops as Seen by Landsat,” Proceedings, LACIE
Symposium, Houston: NASA, 705-721.
Kim, M., Daughtry, C. S., Chappelle, E. W., McMurtrey III,
J. E. and C. L. Walthall, 1994, “The Use of High Spectral Re-
solution Bands for Estimating Absorbed Photosynthetically
Active Radiation (APAR),” Proceedings, 6'h Sysmposium on
Physical Measurements and Signatures in Remote Sensing,
January 17-21., Vai D lsere, France, 299-306.
Kimes, D. S., 1983, “Dynamics of Directional Reflectance
Factor Distributions for Vegetation Canopies,” Applied Op-
tics, 22(9): 1364-1372.
Li, X. and A. H. Strahler, 1985, “Geometric-optical Mode-
ling of a Conifer Forest Canopy,” IEEE Transactions Geoscien­
ce Remote Sensing, 23(5):705-721.
Li, X. and A. H. Strahler, 1992, “Geometric-optical bidirec-
tional Reflectance modeling of the Discrete-Crown Vegeta­
tion Canopy: Effect of Crown Shape and Mutual Shadowing,”
IEEE Transactions Geoscience Remote Sensing, 30:276-292.
Lunetta, R. S., Ediriwickrema, J., Johson, D. M., Lyon, J. G.
and A. McKerrow, 2002, “Impacts of Vegetation Dynamics
on the Identification of Land-cover Change in a Biologically
Complex Community in North Carolina, USA,” Remote Sen­
sing o f Environment, 82:258-270.
Lyon, J. G., Yuan, D., Lunetta, R. S. and C. D. Elvidge,
1998, “A Change Detection Experiment Using Vegetation
índices,” Photogrammetric Engineering & Remote Sensing,
64(2): 143-150.
Millington, A. C., Velez-Liendo, X. M. and A. V. Bradley,
2003, “Scale Dependence in Multitemporal Mapping of Fo­
rest Fragmentation in Bolivia: Implications for Explaining
Temporal Trends in Landscape Ecology and Applications to
Biodiversity Conservation,” ISPRSJournal ofPhotogrammetry
& Remote Sensing, 57:289-299.
Miura, T., Huete, A. F., Yoshioka, H. and B. N. Holben, 2001,
“An Error and Sensitivity Analysis of Atmospheric Resistant Ve­
getation índices Derived from Dark Target-based Atmospheric
Correction,” Remote Sensing o f Environment, 78:284-298.
Referências
McGarigal, K. and B. J. Marks, 1994, FRAGSTATS: Spatial
Pattem Analysis Program for Quantifying Landscape Structure,
Version 2, Washington: USDA Forest Service, 141 p.
McGarigal, K., Cushman, S. A., Neel, M. C. and E. Ene,
2006, FRAGSTATS: Spatial Pattem Analysis Program for Ca-
tegorical Maps, Version 3, Amherst: Univ. of Massachusetts,
http://www.umass.edu/landeco/research/fragstats/faq/frags-
tats_faq.html.
Myers, V. I., 1970, “Soil, Water and Plant Relations,” Remote
Sensing with Special Reference to Agriculture and Forestry, Wa­
shington: National Academy of Sciences, 253-297.
0 ’Neill, R. V., Hunsaker, C. T., Jones, K. B., Ritters, K. H.,
Wickham, J. D., Schwarz, R, Go-odman, I. A., Jackson, B.
and W. S. Baillargeon, 1997, “Monitoring Environmental
Quality at the Landscape Scale,” BioScience, 47(8):513-519.
Perry, C. R. and L. F. Lautenschlager, 1984, “Functional
Equivalence of Spectral Vegetation índices,” Remote Sensing
o f Environment, 14:169-182.
Peterson, D. L. and S. W. Running, 1989, “Applications in
Forest Science and Management” in Theory and Applications
o f Optical Remote Sensing, NY: John Wiley, 4210-4273.
Pierce, L. L., Running, S. W. and G. A. Riggs, 1990, “Re-
moteDetection of Canopy Water Stress in Coniferous Forests
Using NS001 Thematic Mapper Simulator and the Thermal
Infrared Multispectral Scanner,” Photogrammetric Engineering
& Remote Sensing, 56(5):5710-589.
Price, K. P., Guo, X. and J. M. Stiles, 2002, “Optimal Land­
sat TM Band Combinations and Vegetation índices for Dis-
crimination of Six Grassland Types in Eastern Kansas,” Intl.
Journal o f Remote Sensing, 23:5031-5042.
Qi, J., Cabot, F., Moran, M. S. and G. Dedieu, 1995, “Biophy-
sical Parameter Estimations Using Multidirectional Spectral
Measurements,” Remote Sensing of Environmental, 54:71-83.
Ramsey, R. D., A. Falconer and J. R. Jensen, 1995, “The Re-
lationship between NOAA-AVHRR NDVI and Ecoregions
in Utah,” Remote Sensing o f Environment, 53:188-198.
Richardson, A. J. and C. L. Wiegand, 1977, “Distinguishing
Vegetation from Soil Background Information,” Remote Sen­
sing ofEnvironment, 8:307-312.
Richardson, A. J. and J. H. Everitt, 1992, “Using Spectral
Vegetation índices to Estimate Rangeland Productivity,” Ge­
ocarto Intl., 1:63-77.
409
Ritters, K. H., R. V. O Neill, C. T. Hunsaker, J. D. Wickham,
D. H. Yankee, S. P. Timmins, K. B. Jones and B. L. Jackson,
1995, “A Factor Analysis of Landscape Pattern and Structure
Metrics,” Landscape Ecology, 10(l):23-39.
Rondeaux, G., Steven, M. and F. Baret, 1996, “Optimization
of Soil-adjusted Vegetation índices,” Remote Sensing o f Envi­
ronment, 55:95-107.
Rogan, ]., Franklin, J. and D. A. Roberts, 2002, “A Compa-
rison of Methods for Monitoring Multitemporal Vegetation
Change Using Thematic Mapper Imagery,” Remote Sensing o f
Environment, 80:143-156.
Rouse, J. W., Haas, R. H., Schell, J. A. and D. W. Deering,
1974, “Monitoring Vegetation Systems in the Great Plains with
ERTS,” Proceedings, Third Earth Resources Technology Satelli-
te-1 Symposium, Greenbelt: NASASP-351, 3010-3017.
Rundquist, B. C., 2002, “The Influence of Canopy Green Ve­
getation Fraction on Spectral Measurements over Native Tall-
grass Prairie,” Remote Sensing o f Environment, 81:129-135.
Running, S. W., Justice, C. O., Solomonson V., Hall, D.,
Barker, J., Kaufmann, Y. J., Strahler, A. H., Huete, A. R.,
Muller, J. R, Vanderbilt, V., Wan, Z. M., Teillet, P. and D.
Carneggie, 1994, “Terrestrial Remote Sensing Science and
Algorithms Planned for EOS/MODIS,” Intl. Journal o f Re­
mote Sensing, 15(17):3587-3620.
Sandmeier, S. R., 1999, Guidelines and Recommendations for
the Use o f the Sandmeier Field Goniometerfor the NASA Sten-
nis Space Center, Washington: NASA, 47 p.
Sandmeier, S. R., and K. I. Itten, 1999, “Field Goniometer
System (FIGOS) for Acquisition of Hyperspectral BRDF
Data,” IEEE Transactions on Geoscience & Remote Sensing,
37(2):978-986.
Sandmeier, S., Muller, C., Hosgo-od, B. and G. Andreoli,
1998a, “Physical Mechanisms in Hyperspectral BRDF Data
of Grass and Watercress,” Remote Sensing o f Environment,
66:222-233.
Sandmeier, S., Muller, C., Hosgo-od, B. and G. Andreo­
li, 1998b, “Sensitivity Analysis and Quality Assessment of
Laboratory BRDF Data,” Remote Sensing o f Environment,
64(2): 17<5-191.
Savitsky, B. G., 1986, Agricultural Remote Sensing in South
Carolina: A Study o f Crop Identification Capabilities Utili-
zing Landsat Multispectral Scanner Data, unpublished mas-
ters thesis, Columbia: Univ. of South Carolina Geography
Dept., 78 pp.
410 CAPÍTULO
Savitsky, B. G., 1998, “OverView of Gap Analysis” GIS
Methodologies for Developitig Conservation Strategies, B. G.
Savitsky and T. E. Lacher, Jr., (Eds.), NY: Columbia Univ.
Press, 151-158.
Schill, S., Jensen, J. R., Raber and D. E. Porter, 2004, “Tem­
poral Modeling of Bidirectional Reflection Distribution
Function (BRDF) in Coastal Vegetation,” GIScience & Remo-
te Sensing, 41 (2): 116-135.
Schlerf, M. and Atzberger, C., 2001, “Imaging Spectrometry
and Vegetation Science,” in Imaging Spectrometry: Basic Prin­
cipies and Prospective Applications, F. van der Meer and S. de
Jong, Eds., Dordrecht: Kluwer, 11 1-155.
Schlerf, M., Atzberger, C. and J. Hill, 2005, “Remote Sen­
sing of Forest Biophysical Variables Using HyMap Ima­
ging Spectrometer Data,” Remote Sensing o f Environment,
95:177-194.
Schuft, M. }., Moser, T. J., Wiginton, P. J., Stevens, D. L.,
McAllister, L. S., Chapman, S. S. andT. L. Ernst, 1999, “De-
velopment of Landscape Metrics for Characterizing Riparian-
Stream Networks,” Photogrammetric Engineering & Remote
Sensing, 65(10): 1157-1167.
Scott, J. M., Jacobi, J. J. and J. E. Estes, 1987, “Species Rich-
ness: A Geographic Approach to Protecting Future Biological
Diversity,” BioScience, 37:782-788.
Scott, J. M., Davis, F., Csuti, B., Noss, R., Butterfield, B.,
Groves, C., Anderson, H., Caicco, S., D ’Erchia, F., Edwards,
R., Ulliman, J. and R. G. Wright, 1993, “Gap Analysis: A
Geographic Approach to Protection of Biological Diversity,”
Wildlife Monographs, 123:1-41.
Sensoriamento Remoto da Vegetação
TBRS, 2003, Enhanced Vegetation Index, Terrestrial Biophy-
sics and Remote Sensing Lab, Univ. of Arizona, http://tbrs.
arizona.edu/project/MODIS/evi.php.
Townshend, J. R. G. and C. O. Justice, 2002, “Towards Opera-
tional Monitoring ofTerrestrial Systems by Moderate-resolution
Remote Sensing,” Remote Sensing o f Environment, 83:351-359.
Troll, C., 1939, Luftbildplan and okologische Bodenforsc-
hung, A. Ges. Erdkunde, Berlin: 241:298.
Tucker, C., 1978. “A Comparison of Satellite Sensor Bands
for Vegetation Monitoring”, Photogrammetric Engineering &
Remote Sensing, 44:1316-1380.
Walter-Shea, E. A. and L. L. Biehl, 1990, “Measuring Vegetation
Spectral Properties”, Remote SensingReviews, 5(1): 179-205.
Wang, Q., Adiku, S., Tenhunen, J. and A. Granier, 2005, “On
the Relationship of NDVI with Leaf Area Index in a Decidu-
ous Forest Site”, Remote Sensing o f Environment, 94:244-255.
Weiers, S., Bock, M., Wissen, M. and G. Rossner, 2004,
“Mapping and Indicator Approaches for the Assessment of
Habitats at Different Scales using Remote Sensing and GIS
Methods”, Landscape and Urban Planning, 67:43-65.
Wickham, J. D. and D. J. Norton, 1994, “Mapping and An-
alyzing Landscape Patterns”, Landscape Ecology, 9(l):7-23.
Woodcock, C. E., Collins, J. B., Jakabhazy, V. D., Li, Xi., Ma-
comber, S. A. and Y. Wu, 1997, “Inversion ol the Li-Strahler
Canopy Reflectance Model for Mapping Forest Structure”, IEEE
Transactions Geoscience and Remote Sensing, GE-35 (2) :405-414.
Zha, Y., Gao, J. and S. Ni, 2003, “Use of Normalized Difference
Built-up Index in Automatically Mapping Urban Areas from
TM Imagery”, Intl. Journal o f Remote Sensing, 24(3): 583-594.
Sensoriamento Remoto da Agua

A
água cobre aproximadamente 74% da superfície da Terra. Em nenhum outro lu­
gar do universo conhecido, esse líquido ocorre com tal abundância. Quase 97%
do volume de água da Terra ocorre nos grandes oceanos salinos. Apenas cerca de
0,02% da água da Terra está presente em córregos de água doce, rios, lagos e re­
servatórios. O restante da água está contido nos aquíferos subterrâneos (0,6%), na
atmosfera da Terra sob a forma de vapor d’água (0,001% ) e nas coberturas de gelo
(aproximadamente 2,2%).

A água existe em vários estados na Terra, incluindo água doce, água salgada, vapor
de água, chuva, neve e gelo. Os meteorologistas, oceanógrafos, hidrólogos, alguns
geógrafos e outros profissionais dedicam suas vidas para medir, monitorar e prever
a distribuição espacial, volume e movimento da água durante o ciclo hidrológico.

E possível obter medidas in situ em locais específicos de vários parâmetros hidroló-

gicos (água), tais como precipitação, profundidade da água, temperatura, salinida­
de, velocidade, volume, etc. Por exemplo, o U SG S mantém uma densa rede de me­
didores in situ do fluxo dos rios nos principais riachos e rios, que fornece registros
contínuos^do nível (altura) e velocidade deles. As principais cidades e aeroportos
obtêm informação in situ sobre a precipitação (chuva e neve). As divisões de saúde
e controle ambiental são muitas vezes responsáveis pela coleta de amostras para
avaliar a qualidade da água de rios, lagos, reservatórios e estuários. Estas medidas
pontuais são muito importantes. Se elas forem obtidas em número suficiente em
uma determinada região, pode-se interpolar entre os pontos de observação e fazer
inferências sobre padrões geográficos regionais. Infelizmente, normalmente essas
medidas não são suficientes em quantidade para criar um mapa de distribuição
estatisticamente significativa (Kroger e Law, 2005). De fato, em geral é difícil obter
informação espacial regional usando observações pontuais in situ para algumas das
mais importantes variáveis hidrológicas, incluindo:

• área da superfície da água (riachos, rios, lagos, reservatórios e mares),

• constituintes da água (orgânico e inorgânico),

• profundidade da água (batimetria),

• temperatura da superfície da água,

• área da superfície de neve,

• equivalente neve-água,

• área da superfície de gelo,

• equivalente gelo-água,
412 CAPÍTULO
• cobertura de nuvens,
• precipitação, e
• vapor d’água.
Desta forma, uma quantidade significativa de pesquisa tem
sido feita para desenvolver métodos de sensoriamento remoto
que possam obter medidas espaciais quantitativas destas im­
portantes variáveis hidrológicas (p.ex., Gregg e Casey, 2004;
Karaska et al., 2004). Este capítulo introduz os princípios
fundamentais associados com o sensoriamento remoto da
água e seus constituintes: nuvens, vapor d’água, precipitação
e neve. O capítulo é finalizado com um estudo de caso sobre
qualidade de água e poluição de fonte não-pontual.
I Características Biofísicas da Água
de Superfície Detectadas por
Sensoriamento Remoto
Esta seção revê como o sensoriamento remoto pode ser
usado para inventariar e monitorar a extensão espacial, os
constituintes orgânicos/inorgânicos, a profundidade e a
temperatura das águas de rios, lagos, reservatórios, mares
e oceanos. É importante primeiro ter um entendimento
sobre as interações da energia-matéria que podem ter im­
pacto em nossa habilidade para efetivar uma investigação
precisa de sensoriamento remoto aquático.
Radiância de Superfície da Água, Radiância
Volumétrica de Subsuperfície e Radiância de Fundo
A radiância total {L ) registrada por um sensor a bordo de
uma aeronave ou satélite é uma função da energia eletro­
magnética proveniente de quatro fontes indicadas na Figu­
ra 12-1 (Bukata et al., 1995; Legleiter e Roberts, 2005):
L = L + L + L + L, (12-1)
onde
• L é a porção da radiância registrada por um sensor re­
moto resultante da radiação solar direta (.E ) e indireta
(chamada do céu ou da atmosfera) (E\ ) descendente que,
de fato, nunca realmente atinge a superfície da água. Isto
é ruído atmosférico e pode ser considerado como a radi­
ância de trajetória indesejável discutida no Capítulo 2.
• f é a radiância da radiação solar e atmosférica descen­
dente que alcança a interface ar-água (algumas vezes de­
nominada camada de superfície livre ou camada limite),
mas que penetra apenas cerca de 1 mm na água sendo,
portanto, essencialmente refletida da superfície da água.
12 Sensoriamento Remoto da Água
Irradiância solar Radiância total
e atmosférica L = L +L + L + L
Figura 12-1 Os corpos d’água recebem a irradiância do Sol
(ESui) e da atmosfera (Eskj . A radiância total ascen­
dente, saindo de um corpo d’água para um sensor
remoto, é uma função da radiância de espalhamen-
to atmosférico (L ), da radiância da superfície da
água (L ), da radiância volumétrica de subsuperfície
( L ) e da radiância de fundo (Lb) do corpo d’água
(após Bukata et al., 1995).
Esta energia refletida contém informação espectral va­
liosa sobre as características da superfície (ou próxima à
superfície) do corpo cfágua (Figura 12-2a). Infelizmente,
se o ângulo zenital solar e o ângulo de visada do sensor
forem aproximadamente os mesmos, poderemos obter
uma reflexão puramente especular da superfície do corpo
d’água, que fornecerá informação de pouco valor espec­
tral (Figura 12-2b). Este efeito, conhecido como sunglint
(reflexão solar ou gliter), deve ser evitado sempre que pos­
sível. Esta é a razão pela qual nós dificilmente coletamos
dados de sensoriamento remoto ao nadir em um período
de uma ou duas horas ao redor do meio-dia local.
• L é a radiância da radiação solar e atmosférica descen­
dente que de fato penetra a interface ar-água, interage
com a água e seus constituintes orgânicos/inorgânicos
e então emerge da coluna d’água sem interagir com o
fundo. Essa radiância (denominada radiância volumé­
trica de subsuperfície) fornece informação valiosa sobre
as características da composição da coluna d’água.
• Lhé a porção da radiância registrada resultante da radia­
ção solar e atmosférica descendente que penetra a inter­
face ar-água, alcança o fundo do corpo d água e é propa­
gada de volta na coluna d’água até sair do corpo d’água e
alcançar o sensor. Se quisermos obter informação sobre
Características Biofísicas da Superfície d’Água Detectadas por Sensoriamento Remoto 413

Sunglint (Reflexo)

a. Fotografia infravermelho preto-e-branco de b. Fotografia infravermelho preto-e-branco com o

corpos d’água na Flórida. efeito sunglint.

Figura 12-2 a) Fotografia infravermelho preto-e-branco de uma área na Flórida contendo vegetação natural, um campo de golfe e
corpos d’água profundos e não-túrbidos. b) Neste exemplo, o efeito sunglint é mostrado, o que atrapalha seriamente a
extração de informação útil. Os únicos dados de valor são os padrões de vento na superfície da água, que fornecem alguma
informação sobre a direção do vento na hora de obtenção da fotografia.

o fundo quando, por exemplo, executamos mapeamen­
to batimétrico (de profundidade) ou mapeamento de
recifes de corais, então essa radiância de fundo pode ter
valor significativo (Mumby et al., 1997; Pasqualini et al.,
1997). Entretanto, a radiância de fundo torna mais difí­
cil a caracterização apropriada da coluna de água. Basi­
camente, é difícil separar ou desagregar 7 de Lh (Jensen
et al., 1989; Islam et al., 2004). / Ao conduzir uma investigação de sensoriamento remoto
O objetivo da maioria dos estudos de sensoriamento re­
moto aquático é extrair a radiância de interesse das outras
componentes de radiância registradas pelo sistema sensor
(Doxaran et al., 2002). Por exemplo, o cientista interessado
em identificar os constituintes orgânicos e inorgânicos na
coluna d’água (p.ex., sedimentos em suspensão ou clorofila
d) está mais preocupado em isolar a radiância volumétrica
de subsuperfície (Z ) calculada de:
L„ =L,-(Lp + L + Lt) ( 12- 2)
Isto normalmente envolve cuidadosa correção radiomé-
trica dos dados do sensor remoto para remover a atenua­
ção atmosférica (Z ), o efeito sunglint e de outras reflexões
de superfície (Z ), e a reflectância de fundo (Lb) (p.ex.,
Mustard et al., 2001).
Os cientistas que querem monitorar a profundidade da
água (batimetria) ou as características de fundo, como a
estrutura de recifes, estão mais interessados em obter me­
didas precisas de radiância de fundo (Z,), de tal forma que
eles devem tentar remover a radiância atmosférica (Lf) , a
de superfície (Z^ e a volumétrica de subsuperfície (Z ).
Resposta Espectral da Água em Função do
Comprimento de Onda
de corpos d água, é primeiramente útil entender como a
água pura seletivamente absorve e/ou espalha a radiação
incidente ou a luz solar descendente na coluna d’água.
Depois, é importante considerar como a luz incidente é
afetada quando a coluna d’água não é pura, mas contém
materiais orgânicos e inorgânicos.
A água pura não contém matéria orgânica e inorgânica.
Bukata et al. (1995) sintetizaram, a partir de diferentes estu­
dos, os valores do coeficiente de absorção a(y), do coeficien­
te de espalhamento b(y) e do coeficiente de atenuação total
c(y) de moléculas de água pura na faixa espectral de 250 a
800 nm (Tabela 12-1). Várias relações importantes são ob­
servadas quando os dados de absorção e espalhamento são
exibidos em gráficos, como o mostrado na Figura 12-3.
A característica mais notável é que a quantidade mínima de
absorção e espalhamento da luz incidente na coluna d’água
(portanto, a melhor transmissão) ocorre na região do com­
primento de onda do azul (400 a 500 nm), com o valor
mínimo localizado em aproximadamente 460 - 480 nm.
Nesses comprimentos de onda, do violeta ao azul claro,
414 CAPÍTULO Sensoriamento Remoto da Água

Comprimento de Onda (nm)

Figura 12-3 Absorção e espalhamento da luz em água pura. A absorção molecular da água predomina no ultravioleta (<400 nm) e na
faixa do amarelo até a porção do infravermelho próximo do espectro (>580 nm). Praticamente todo o fluxo radiante inci­
dente que penetra num corpo de água pura é absorvido no infravermelho próximo e médio (740 - 2500 nm), sendo o efeito
de espalhamento desprezível nesse intervalo. Este é o motivo de a água aparecer tão escura em fotografias infravermelho
branco-e-preto ou colorida. O espalhamento na coluna d’água é importante especialmente nas porções violeta, azul escuro e
azul claro do espectro (400 - 500 nm). Esta é a razão pela qual a água pura é azul aos nossos olhos. Esses dados foram prove­
nientes de diferentes fontes compiladas por Bukata et al. (1995). O gráfico trunca a informação da absorção no ultravioleta
e na faixa do amarelo até o infravermelho próximo porque a atenuação é muito grande. Veja a Tabela 12-1 para informação
sobre os valores de absorção nessas faixas de truncamento do gráfico.

a luz penetra mais do que qualquer outro tipo de luz na
coluna d’água (Clark et al., 1997).
A luz incidente do verde e amarelo, de 520 a 580 nm, é mui­
to bem absorvida na coluna d’água e pouco espalhamento
ocorre. O espalhamento da energia nos comprimentos de
onda do laranja e do vermelho (580 a 740 nm) pelas mo­
léculas de água torna-se insignificante quando comparado
com a absorção por estas moléculas. Quase todo o fluxo ra­
diante incidente no infravermelho próximo e médio (740 —
3000 nm) que penetra em um corpo d’água pura e profunda
é absorvido, e pouco espalhamento acontece (Figura 12-3).
Características Biofísicas da Superfície d’Água Detectadas por Sensoriamento Remoto 415

Recife Palancar na Ilha Cozum el, Q uintana Ro-o, México

a. Banda 1 do SPOT (0,50 - 0,59 |am) b. Banda 2 do SPOT (0,61 - 0,68 pm) c. Banda 3 do SPOT (0,791 - 0,89 pm)

Figura 12-4 Bandas individuais dos dados SPOT XS de Cozumel, México. O fluxo radiante incidente do verde e do vermelho (bandas
1 e 2) penetra na coluna d’água e é refletido pela areia, fundo consolidado e pelo recife Palancar. f)e forma oposta, a maior
parte da energia do verde e vermelho é absorvida pela vegetação terrestre, causando sua aparência escura. E difícil identificar
a interface terra-água (limite) usando essas bandas do visível. A água absorve quase todo o fluxo radiante no infravermelho
próximo, enquanto a vegetação terrestre reflete a maior parte da energia incidente nessa região espectral. O resultado é que a
água aparece quase preta nos dados do infravermelho próximo (banda 3), enquanto a vegetação terrestre aparece clara. Isto
facilita a identificação do limite terra-água (SPOT Image, Inc.).

Portanto, o espalhamento molecular da luz violeta e aztíf
(< 520 nm) e a significativa absorção da luz nos compri­
mentos de onda do verde, amarelo, laranja e vermelho
(520 —700 nm) em uma coluna d’água são responsáveis
pela cor azul que vemos na água pura. A cor azul é especial­
mente evidente em águas oceânicas puras e corpos d’água
interiores profundos e não-túrbidos.
Monitorando a Extensão Superficial de Corpos d’Agua
As melhores regiões de comprimento de onda para discriminar
terra de água pura são o infravermelho próximo e o infraver­
melho médio (comprimentos de onda entre 740 e 2500 nm).
Nas regiões do infravermelho próximo e médio, os corpos
d’água aparecem muito escuro, mesmo pretos, porque eles ab­
sorvem praticamente todo o fluxo radiante incidente, especial­
mente quando a água é profunda e pura ou sem a presença de
sedimentos em suspensão ou matéria orgânica (p.ex., Figura
12-2a). De forma oposta, as coberturas da terra, tipicamente
compostas por vegetação e solo exposto, refletem quantidades
significativas de energia no infravermelho próximo e médio,
como discutido em capítulos anteriores. Consequentemente,
essas coberturas aparecem relativamente claras nas imagens
obtidas em bandas do infravermelho próximo e médio.
Por exemplo, considere as imagens SPO T HRV XS das ban­
das do verde (banda 1), vermelho (banda 2) e do infraver­
melho próximo (banda 3), obtidas em uma porção do recife
Palancar na ilha de Cozumel, Quintana Ro-o, México (Fi­
gura 12-4). A visibilidade subaquática nesta porção do Mar
Caribenho é normalmente de 25 a 40 metros. A energia do
Sol incidente nos comprimentos de onda do verde e verme­
lho penetra a coluna d’água e é refletida pelo fundo arenoso,
consolidado, e pelo recife de coral. Observe como os deta­
lhes do recife são mais visíveis nas imagens das bandas do
verde (banda 1) e do vermelho (banda 2) do que na imagem
da banda 3 do infravermelho próximo (Figura 12-4).
Enquanto a informação de subsuperfície disponível nas ima­
gens SPO T do verde e do vermelho (bandas 1 e 2) é útil por
muitas razões, ela não é de muito valor para se tentar iden­
tificar a interface terra-água, isto é, o real limite da ilha de
Cozumel. Felizmente, a água absorve quase todo o fluxo ra­
diante incidente no infravermelho próximo (conforme visto
na Figura 12-4c), o que faz com que a banda 3 do SPO T
HRV registre a água do oceano como preta. Por outro lado,
a vegetação terrestre reflete a maior parte do fluxo radiante
incidente no infravermelho próximo, o que faz com que ela
apareça clara na imagem da banda 3. Portanto, é uma tarefa
416 CAPÍTULO Sensoriamento Remoto da Água

Tabela 12-1. Propriedades ópticas da água pura (obtidas D elta do Rio M ississipi
de várias fontes por Bukata et al., 1995).
Atenuação
Comprimento Absorção Espalhamento Total
de Onda a(k) b(k) c {\)
(nm) (m-1) (nr1) (nr1)
250 -
ultravioleta 0,190 0,032 0,2200
3 00-
ultravioleta 0,040 0,015 0,0550
320-
ultravioleta 0,020 0,012 0,0320
350 -
ultravioleta 0,012 0,0082 0,0202

400 - violeta 0,006 0,0048 0,0108

420 - violeta 0,005 0,0040 0,0090

Figura 12-5 Fotografia do delta do Rio Mississipi exatamente
440 - violeta 0,004 0,0032 0,0072
abaixo de New Orleans, LA, obtida pelos astronau­
460 - azul tas da Space Shuttle durante a Missão STS 51. Os
escuto 0,002 0,0027 0,0047 sedimentos em suspensão na água refletem a maior
480 - azul parte do fluxo radiante incidente de volta para a at­
escuto 0,003 0,0022 0,0052 mosfera. De forma oposta, a água mais pura, dis­
tante da plataforma, absorve a maior parte do fluxo
500 - azul radiante incidente, o que produz sua aparência preta
claro 0,006 0,0019 0,0079 na imagem. O limite entre a água rica em sedimen­
tos e a água não-túrbida é claramente evidente (cor­
520 - verde 0,014 0,0016 0,0156 tesia de K. Lulla, NASA Johnson Space Center).

540 - verde 0,029 0,0014 0,0304

relativamente simples delinear a interface terra-água usando
560 - verde 0,039 0,0012 0,0402 a imagem SPO T da banda 3 do infravermelho próximo.

580 - amarelo 0,074 0,0011 0,0751 Entretanto, deve-se ter cuidado quando existem constituin­
tes orgânicos e inorgânicos na coluna d’água (especialmen­
600 - laranja 0,20 0,00093 0,2009 te próximo à superfície), porque esses materiais produzem
reflexão de superfície no infravermelho próximo e espalha-
620 - laranja 0,24 0,0082 0,2408 mento volumétrico de subsuperfície. Consequentemente,
6 40- a magnitude do fluxo radiante do infravermelho próximo
vermelho 0,27 0,00072 0,2707 deixando a superfície do corpo d’água pode aumentar dra­
maticamente. Por exemplo, considere a fotografia do Space
6 60-
vermelho 0,310 0,00064 0,3106 Shuttle mostrada na Figura 12-5 do delta do Rio Mississipi.
Os sedimentos em suspensão na coluna d’água causam sig­
680 -
vermelho 0,38 0,00056 0,3806 nificativo espalhamento e reflexão do fluxo radiante de volta
para o sistema sensor, fazendo com que a água apareça tão
700 -
clara quanto algumas feições do terreno próximas ao delta.
vermelho 0,60 0,0005 0,6005
7 40- Resposta Espectral da Água em Função dos Cons­
infravermelho
próximo 0,0004
tituintes Orgânicos e Inorgânicos - Monitorando
2,25 2,2504
Sedimentos em Suspensão (Turbidez), Clorofila e
7 60-
Matéria Orgânica Dissolvida
infravermelho
próximo 2,56 0,00035 2,5604
800 -
infravermelho Até agora, nós discutimos principalmente a resposta es­
próximo 2,02 0,00029 2,0203 pectral da água pura. Entretanto, muitos corpos naturais
Características Biofísicas da Superfície d’Água Detectadas por Sensoriamento Remoto
de água contêm uma variedade de constituintes orgânicos
(p.ex., clorofila a do fitoplâncton) e inorgânicos (p.ex., mi­
nerais em suspensão na água). Quando as águas naturais
contêm uma mistura desses materiais, um dos problemas
mais difíceis em sensoriamento remoto é derivar (extrair)
informação quantitativa sobre esses constituintes específi­
cos a partir de dados de sensoriamento remoto (Doxaran
et al., 2002; Karaska et al., 2004).
Ao conduzir estudos de qualidade da água ou tentar prever
a produtividade da água usando dados de sensoriamento
remoto, normalmente estamos interessados na radiância
volumétrica de subsuperfície, L (Figura 12-1). Conforme
mencionado antes, essa é a radiância proveniente da radia­
ção solar direta e atmosférica descendente que de fato pe­
netra na interface ar-água, interage com a água e seus cons­
tituintes orgânicos/inorgânicos, saindo da coluna d’água na
direção do sensor sem interagir com o fundo. A radiância
volumétrica de subsuperfície que deixa uma coluna d’água
na direção do sensor (L ) é uma função da concentração da
água pura (w), dos sedimentos inorgânicos em suspensão
{SAÍ), da clorofila a orgânica {Chi), do material orgânico
dissolvido (DOM ) e da quantidade total de atenuação por
absorção e espalhamento que ocorre na coluna d’água devi­
do a cada um desses constituintes, c(k), isto é,
SK W ChlcW D O M J . (12-3)
E instrutivo observar o efeito que cada um desses consti­
tuintes tem sobre as características da reflectância espectral
de uma coluna d’água.
Sedimentos em Suspensão
Minerais ricos em silício, alumínio e óxidos de ferro são en­
contrados em suspensão em muitos corpos d água naturais.
As partículas variam de argila fina (3 —4 pm em diâmetro)
para silte (5 - 40 pm) e areia fina ( 4 1 - 1 3 0 pm) a grosseira
(131 - 250 pm). Os sedimentos são provenientes de uma
variedade de fontes, incluindo a erosão de áreas agrícolas, o
intemperismo de terrenos montanhosos, a erosão costeira
causada por ondas naturais ou tráfego de barcos e as erup­
ções vulcânicas (cinzas). A maior parte dos sedimentos em
suspensão está concentrada em corpos d’água interiores ou
costeiros (Bukata et al., 1995). Oceanos claros e profundos
(denominados água Caso I), distantes da costa, raramente
contêm sedimentos em suspensão com diâmetro maior que
1 pm. Portanto, a concentração de sedimentos em suspen­
são normalmente não é significativa em estudos de oceanos
profundos com sensoriamento remoto. Isso é importante,
visto que as contribuições de sedimentos em suspensão po­
dem ser desprezadas ao se conduzir uma investigação de
sensoriamento remoto em oceanos profundos. De forma
oposta, corpos d água interiores e costeiros podem transpor­
417
tar uma carga importante de sedimentos em suspensão que
pode afetar dramaticamente as características de sua reflec­
tância espectral (Miller e McKee, 2004).
Monitorar o tipo, a quantidade e a distribuição espacial
de sedimentos em suspensão em corpos d’água interiores
e costeiros é muito importante. Por exemplo, a erosão do
solo em uma bacia hidrográfica lança uma carga de sedi­
mentos nos corpos d água, que resulta em assoreamentos
mais rápidos dos principais rios, reservatórios, obras para
controle de inundação e estuários. Isso pode diminuir a
vida útil dos reservatórios, lagos e dos mecanismos de con­
trole de inundação, resultando na necessidade de dragagem
de rios e estuários. Por exemplo, a redução na capacidade
de armazenamento nos reservatórios dos Estados Unidos
causada pelo assoreamento (sedimentos em suspensão) pro­
duz uma perda anual superior a 100 milhões de dólares.
Os sedimentos também afetam a qualidade da água e a sua
adequação para consumo humano, recreação e uso indus­
trial. Os sediçnentos servem como um agente transportador
e armazenador de pesticidas, fósforo e nitrogênio absorvi­
dos, e compostos orgânicos e podem ser um indicador de
poluição. Os sedimentos em suspensão podem impedir a
transmissão de radiação solar e reduzir a fotossíntese em ve­
getação aquática submersa e fitoplâncton próximo ao subs­
trato. A vegetação aquática e o fitoplâncton têm um papel
vital na cadeia alimentar do ecossistema aquático.
Felizmente, o sensoriamento remoto pode ser usado para
monitorar as concentrações de sedimentos em suspensão
nos corpos d’água. Isto geralmente requer a obtenção de me­
didas in situ de concentrações de sedimentos em suspensão
e a correlação dessas medidas com dados de sensores remo­
tos para obter uma relação quantitativa. E uma boa prática
coletar tanto dados de sensores remotos quanto medidas in
situ de sedimentos em suspensão em dias que tenham pouco
vento. A rugosidade produzida pela ação do vento na água
cria reflexões especulares que podem prejudicar a estimativa
por sensoriamento remoto das concentrações de sedimentos
em suspensão (Han e Rundquist, 1998).
A reflectância espectral dos sedimentos em suspensão na água
é uma função da quantidade e das características (tamanho
de partículas, absorção) do material na água. A concentra­
ção de sedimentos em suspensão é medida in situ usando
um disco de Secchi ou uma unidade de turbidez nefelomé-
trica (N TU ). O disco de Secchi (Figura 12-6) é uma placa
circular que é introduzida na água até que ela não possa mais
ser vista. Quanto maior for a quantidade de sedimentos em
suspensão, menor será a profundidade Secchi, isto é, a placa
deixará de ser vista rapidamente. Esse método depende da
percepção visual humana, que não é constante entre os cien­
tistas. Uma medição mais rigorosa é feita com o N T U , que
consiste da passagem da luz através de uma amostra de água
418 CAPÍTULO
D isco de Secchi
— H
Figura 12-6 Um disco de Secchi é usado para medir sedimentos
em suspensão em corpos d’água, introduzindo-o na
coluna d’água e verificando a profundidade em que
ele desaparece. A precisão da medida é uma função
da acuidade visual do observador, que pode variar
substancialmente.
obtida em várias profundidades para determinar suas carac­
terísticas de transmissão, que estão relacionadas, por sua vez,
com o material em suspensão na água.
Pesquisas têm documentado o impacto geral do incremen­
to de concentrações de sedimentos minerais em suspensão
em corpos tfágua nas porções do visível e do infravermelho
próximo do espectro. Por exemplo, considere o experimen­
to conduzido por Lodhi et al. (1997), que determinaram
as características da reflectância espectral de dois tipos de
solos de Nebraska (argiloso e siltoso) em várias concentra­
ções de sedimentos em suspensão na água.
A Figura 12-7 exibe o delineamento experimental, que inclui
a utilização de um espectrorradiômetro para coletar dados
de reflectância espectral de uma altura de 165 cm acima da
superfície da água. As medições espectrais foram feitas em
252 bandas espectrais entre 368 e 1114 nm. O espectrorra­
diômetro foi calibrado com uma placa cinza (18% de reflec­
tância), que foi intercomparado com um painel de calibração
de BaSO f. A reflectância, p r foi calculada como uma razão
simples usando a equação (Markham e Barker, 1986):
P t-= A x£ (12-4)
r d’água próximo sem qualquer sedimento em suspensão.
onde L.f é a radiância medida da superfície da água, L é a
radiância do painel de BaSCVe k é um fator de calibração
para o painel de B a S 0 4(veja Capítulo 15).
12 Sensoriamento Remoto da Agua
Espectrorradiôm etro
Figura 12-7 Um espectrorradiômetro pode ser usado para me­
dir in situ as características da reflectância espectral
da água pura e da água com várias concentrações
de sedimentos em suspensão e de clorofila a (após
Lodhi et al., 1997).
As Figuras 12-8a,b ilustram a reflectância espectral da água
clara (pura) e da água com concentrações variáveis de sedi­
mentos em suspensão oriundos de solos argiloso e siltoso.
A reflectância espectral da água clara diminui continua­
mente após cerca de 580 nm devido à absorção na coluna
d’água, conforme previamente descrito (veja Figura 12-3).
Quando a concentração de sedimentos em suspensão au­
menta, a reflectância é maior em todos os comprimentos
de onda para ambos os solos. O solo argiloso (Figura 12-
8a) tinha mais matéria orgânica e tornou-se de cor mais es­
cura, o que resultou numa reflectância aproximadamente
10% menor em todos os comprimentos de onda do que a
reflectância observada para o solo siltoso de cor mais clara
(Figura 12-8b). A reflectância aumentou na região de 580
—690 nm e na região do infravermelho próximo quando
mais minerais estiveram suspensos nos corpos d’água. Por­
tanto, o pico de reflectância desloca-se para maiores compri­
mentos de onda na faix a do visível quando mais sedimentos
em suspensão são adicionados. Mais fluxo radiante no verde,
vermelho e infravermelho próximo é refletido do corpo
d’água e registrado pelo sistema de sensoriamento remoto.
Um corpo d’água com sedimentos em suspensão normal­
mente irá aparecer mais claro na imagem do que um corpo
Coeficientes de correlação (r) foram computados para
descrever a relação entre a concentração de sedimentos
em suspensão e a reflectância em cada uma das 252 ban-
Características Biofísicas da Superfície d’Água Detectadas por Sensoriamento Remoto 419

1.000 mg/1

400 450 500 550 600 650 700 750 800 850
Comprimento de Onda (nm)

.000 mg/1

400 450 500 550 600 650 700 750 800 850
b.
Comprimento de Onda (nm)

Figura 12-8 a) Medidas in situ de reflectância espectral de água clara e de água com vários níveis de concentrações de sedimentos em
suspensão de solo argiloso variando de 0 a 1000 mg/1. b) Medidas in situ de reflectância espectral de água clara e de água com
vários níveis de concentrações de sedimentos em suspensão de solo siltoso. Observe que o solo siltoso apresentou aproxima­
damente 10% a mais de reflectância em todos os comprimentos de onda do que o solo argiloso. Em ambos os casos, o pico
de reflectância deslocou-se para maiores comprimentos de onda na região do visível quando mais sedimentos em suspensão
foram adicionados à água (após Lodhi et al., 1997).

das do espectrorradiômetro. Para o solo argiloso, os va­
lores de correlação variaram de 0,28 a 0,97. Para o solo
siltoso, eles variaram de 0,78 a 0,98. Para ambos os solos,
os valores de r > 0,90 ocorreram na região do infraverme­
lho próximo entre 714 e 880 nm, como esperado (Han e
Rundquist, 1994).
Estes resultados sugerem que:
a faixa de comprirhento de onda do visível de 580 -
690 nm pode fornecer informação sobre o tipo de sedi­
mento em suspensão (solo) nas águas; e
a faixa de comprimento de onda do infravermelho pró­
ximo de 714 - 880 nm pode ser útil para determinar a
quantidade de sedimentos em suspensão nas águas em
que eles sejam os constituintes predominantes.
420 CAPÍTULO
D iatom ácea
a.
Figura 12-9 a) Micrografia de luz azul refletida de uma diatomácea fotossinteticamente ativa, b) Micrografia de luz azul refletida de uma
célula de alga verde {Micrasterias sp.). O material cloroplasmático no centro aparece em tons escuros, porque os pigmentos de
clorofila a absorvem a maior parte da luz azul incidente durante a fotossíntese.
As relações estatísticas podem não ser universalmente aplicá­
veis. Os cientistas que pretendem estimar concentrações de se­
dimentos em suspensão com dados de sensoriamento remoto
devem investigar as características de absorção e espalhanren-
to da água e solos em suas áreas geográficas de interesse.
Por exemplo, Doxaran et al. (2002) usaram dados do satéli­
te SPO T para medir sedimentos em suspensão no estuário
Gironde no sudoeste da França. As melhores correlações
entre os dados do SPO T e os sedimentos em suspensão fo­
ram obtidas usando: a) a banda N1R XS3 (790 - 890 nm),
atmosfericamente corrigida, quando a concentração de se­
dimentos em suspensão foi alta, e b) as razões [XS3 / XS1]
ou [XS3 / XS2], quando a concentração de sedimentos foi
baixa. As concentrações de sedimentos nas águas de super­
fície no estuário foram estimadas até 2000 mg/1.
De forma similar, Binding et al. (2005) concluíram que o
sucesso do uso dos comprimentos de onda do N IR para
medir sedimentos em suspensão depende do fato de que,
em águas muito túrbidas, exista espalhamento suficiente
para suplantar a forte absorção pela água no NIR. Em
águas com menor turbidez, como as do Mar da Irlanda, os
comprimentos de onda adequados para o desenvolvimen­
to de algoritmos para quantificar sedimentos em suspensão
podem estar restritos à região do visível (p.ex., 665 nm).
Eles sugeriram que qualquer estudo que tente monitorar
sedimentos em suspensão com sensoriamento remoto deva
se basear em um conhecimento completo sobre a composi­
ção e o tamanho das partículas desses sedimentos.
Miller e McKee (2004) obtiveram uma relação linear robus­
ta (R2 = 0,89) entre a banda 1 do M O D IS (620 - 670 nm),
com 250 x 250 m de resolução espacial, e medidas in situ
de sedimentos em suspensão no Golfo do México.
Sensoriamento Remoto da Água
Célula de Alga
material
cloroplasmático
parede celular
Clorofila
Plâncton é um termo genérico usado para descrever todos os
organismos vivos (plantas e animais) presentes em um corpo
d’água que não podem resistir às correntezas (diferente dos
peixes). O plâncton pode ser subdividido em organismos ve­
getais algais (fitoplâncton), organismos animais (zooplâncton),
bactérias (bacterioplâncton) e formas inferiores de plantas,
como fungos algais. O fitoplâncton é composto por plantas
unicelulares menores que o tamanho de uma cabeça de agu­
lha. Micrografias da energia radiante do azul, refletida de uma
diatomácea e de uma única célula de alga verde, são mostra­
das nas Figuras 12-9a,b. Em ambos os casos, os pigmentos
de clorofila a absorvem a maior parte da luz azul incidente,
fazendo com que a porção fotossintética apareça escura.
O fitoplâncton, como plantas de terra firme, é composto
por substâncias que contêm carbono. O fitoplâncton afun­
da no oceano ou para o fundo do corpo d’água quando
morre. O zooplânton migra para a superfície à noite para
alimentar-se do fitoplâncton vivo e submerge para pro­
fundidades maiores durante o dia. Quando o zooplâncton
morre, ele também afunda, transportando carbono consi­
go. O carbono no fitoplâncton e zooplâncton mortos é logo
coberto por outros sedimentos. Além disso, o fitoplâncton
usa dióxido de carbono e produz oxigênio durante o proces­
so fotossintético. Desse modo, os corpos d’água e oceanos
agem como sumidouros de carbono, locais que acumulam
carbono global, que de outra forma poderia acumular-se na
atmosfera como dióxido de carbono. Outros sumidouros
globais incluem a vegetação terrestre e o solo. Entretanto,
o carbono nesses sumidouros frequentemente retorna para
a atmosfera como dióxido de carbono pela queima ou de­
composição. Ninguém sabe exatamente a quantidade de
carbono que se acumula em águas interiores e oceanos.
Características Biofísicas da Superfície d’Água Detectadas por Sensoriamento Remoto 421

Assim, as características do fitoplâncton e zooplânton são

muito importantes para o nosso conhecimento sobre o ci­
clo global de carbono, visto que representam um importan­
te sumidouro de carbono para níveis crescentes de dióxido
de carbono na atmosfera (Bukata et al., 1995).

Todo o fitoplâncton em corpos d’água contém o pigmento

fotossinteticamente ativo clorofila a. Entretanto, as clorofilas
c, d e mesmo e podem estar presentes em várias profundida­
des. Existem dois outros agentes fotossintéticos do fitoplânc­
ton: carotenóides eficobili?7as. Bukata et al. (1995) sugeriram,
entretanto, que a clorofila a pode ser considerada uma repre­
sentante razoável da componente orgânica de águas naturais
opticamente complexas. Felizmente, pelo fato de diferentes
tipos de fitoplâncton terem diferentes concentrações de clo­
rofila, eles aparecem em diferentes cores para os sensores re­
motos. Portanto, o registro da cor de uma área do oceano ou
de outro corpo d’água possibilita a estimativa da quantidade
e tipo geral do fitoplâncton na área e fornece informação
sobre a condição ambiental e química do corpo d água. A
comparação de imagens obtidas em diferentes datas indica
mudanças que ocorrem no tempo e nos processos.

A clorofila a ao ser introduzida na água pura provoca mudan­

ças em suas características de reflectância espectral, isto é, em
sua cor. Por exemplo, a Figura 12-1 Oa exibe as características da
reflectância espectral da água clara e da mesma água contendo
alga composta primariamente por clorofila a (Han, 1997). A
água clara refletiu aproximadamente 2% entre 400 e 500 nm e
diminuiu gradualmente para menos que 1% em comprimen­
tos de onda maiores que 710 nm, conforme esperado. De for­
ma contrária, quatro feições pronunciadas de espalhamento/
absorção por clorofila são evidentes na água rica em clorofila:

• forte absorção da luz azul pela clorofila a entre 400 e

500 nm;
• forte absorção da luz vermelha pela clorofila a em apro­
ximadamente 675 nm (Gitelson, 1992);
• máximo de reflectância em torno de 550 nm (pico do
verde) causado pela absorção relativamente menor da
luz verde pela alga (Gitelson, 1992);
• um pico de reflectância proeminente em torno de
690 - 700 nm, causado por uma interação de espalha­
mento celular de algas e de um efeito combinado mí­
nimo de absorção por pigmento e água. A altura des­
se pico acima da linha de base (mínimo da absorção)
pode ser usada para medir precisamente a quantidade
de clorofila (Rundquist et al., 1995).
Basicamente, quando a concentração de clorofila aumenta
na coluna d’água, há um significativo decréscimo na quan-
Figuta 12-10 a) Percentagem de reflectância de água clara e de
água com algas com base em medidas in situ fei­
tas com um espectrorradiômetro. b) Percentagem
de reflectância de água com algas e com várias con­
centrações de sedimentos em suspensão variando de
0 - 500 mg/1 (após Han, 1997).
tidade relativa de energia refletida nos comprimentos de
onda do azul e do vermelho, mas um aumento na reflec­
tância do comprimento de onda do verde.
Quando sedimentos em suspensão e clorofila estão presentes
no corpo d agua ao mesmo tempo, uma resposta espectral
muito diferente é produzida. Por exemplo, a Figura 12-10b
mostra o que acontece com a resposta espectral da água quan­
do as concentrações de sedimentos de 0 - 500 mg/1 são adi­
cionadas à água que contém alga (clorofila d). Para a água com
algas, o pico de reflectância na região do visível deslocou-se de
422 CAPÍTULO
547 nm (luz verde) com 0 mg/1 de sedimentos em suspensão
para 596 nm (laranja) com 500 mg/1 desse constituinte.
Rundquist et al. (1996) e Han e Rundquist (1997) obtive­
ram estimativas precisas da quantidade de clorofila de algas
na água usando uma razão simples de bandas do infraver­
melho próximo (705 nm) / vermelho (670 nm) quando a
concentração de clorofila foi relativamente baixa. Ao cal­
cularem a primeira derivada da reflectância em torno de
690 nm, eles obtiveram os melhores resultados quando a
concentração de clorofila de algas foi relativamente alta.
Clorofila em Águas Oceânicas: Assume-se que uma es­
timativa remota da concentração de clorofila próxima à
superfície constitui também uma estimativa remota da
biomassa (ou produtividade primária) para águas de oce­
anos profundos (Caso I) onde existe pouca probabilidade
de influência dos sedimentos em suspensão. Numerosos
estudos têm documentado uma relação entre bandas es­
pectrais específicas e concentração de clorofila nos oceanos
(Chi0 usando a equação (p.ex., Gordon et al., 1983):
y período de 3 de setembro de 1997 até 31 de dezembro de
’L ( k j
Chi = x (12-5)
w .
onde L (k t) e L fk J são as radiâncias ascendentes, em com­
primentos de onda específicos, registradas pelo sistema de
sensoriamento remoto, e x e y são constantes empirica-
mente obtidas. Bukata et al. (1995) destacaram que esta
abordagem não leva em conta as características de absorção
e espalhamento dos constituintes inorgânicos e orgânicos
da área de estudo. A única razão para o seu sucesso é que,
distante da costa, os pigmentos de clorofila são os princi­
pais constituintes de águas do tipo Caso I.
Os sistemas de satélite de sensoriamento remoto usados para
medir a cor dos oceanos estão resumidos na Tabela 12-2. Os
algoritmos operacionais usados para extrair a informação de
abundância de fitoplâncton a partir de vários desses satélites
de sensoriamento remoto estão sintetizados na Tabela 12-3.
E de se esperar que os algoritmos operacionais sejam espa­
cialmente e temporalmente independentes, ou seja, em prin­
cípio eles devem operar de forma eficiente para diferentes
áreas de estudo e para diferentes datas de coleta de dados.
O instrumento denominado Sea-viewing Wide Field of View
Sensor (SeaWiFS), lançado em 1997, foi construído pela
NASA e pela indústria (ORBIMAGE, Inc.) levando em con­
ta o que se aprendeu do uso do Coastal Zone Color Scan­
ner (CZCS). O SeaWiFS tem bandas adicionais em 412 nm
(para identificar substâncias amarelas pela sua absorção no
azul), em 490 nm (para aumentar a sensibilidade para a con­
centração de clorofila) e no infravermelho próximo em 765 e
865 nm (para ajudar na correção atmosférica).
Sensoriamento Remoto da Agua
Devido ao papel do fitoplâncton no ciclo global do carbono,
os dados do SeaWiFS são usados para avaliar o papel do oce­
ano nesse ciclo e para examinar fatores oceânicos que afetam
mudanças climáticas globais (Pinkerton et al., 2005). Os da­
dos do SeaWiFS são usados para identificar a magnitude e a
variabilidade do ciclo anual de produção primária pelo fito­
plâncton marinho e para determinar a distribuição e horário
da proliferação (blooms) de algas. As observações ajudam os
cientistas a entenderem a dinâmica das correntes costeiras e
oceânicas, a física da mistura e a relação entre a física dos
oceanos e os padrões de larga escala de produtividade.
A pesquisa com o SeaWiFS incorpora correção atmosférica
e melhores algoritmos aplicados ao imageamento dos ocea­
nos. O algoritmo operacional mais importante do SeaWiFS
envolve o uso das bandas 443, 490 ou 510 nm divididas pela
banda posicionada em 555 nm (Tabela 2-3) (Falkowski et al.,
1998; Pinkerton et al., 2005). Por exemplo, considere vários
exemplos de aplicações oceânicas do SeaWiFS na Prancha
Colorida 12-1. A primeira imagem é um mapa global de clo­
rofila a obtido de uma composição de imagens adquiridas no
1997 (Prancha Colorida 12-1 a). A próxima imagem é uma
composição cor-verdadeira de uma porção leste dos Estados
Unidos com resolução espacial de 1,13 x 1,13 km (Prancha
Colorida 12-lb). A imagem cor-verdadeira é uma composi­
ção colorida das bandas 670, 555 e 412 nm (RGB) e realça a
vegetação associada com a morfologia do terreno. Áreas em
branco são nuvens e aerossóis densos. A Prancha Colorida 12-
lc mostra a concentração de clorofila a em 30 de setembro de
1997. Cores vermelhas revelam altas concentrações de cloro­
fila, enquanto cores amarelas e verdes indicam concentrações
intermediárias desse constituinte. Finalmente, as cores azul e
púrpura documentam baixas concentrações de clorofila.
Tang et al. (2003) obtiveram boa concordância entre os
dados SeaWiFS e medidas in situ de clorofila a feitas no
Golfo de Tonkin, no Mar do Sul da China. Gregg e Casey
(2004) compararam os dados de clorofila do SeaWiFS com
arquivos globais e regionais de clorofila in situ da NASA e
NOAA. A comparação global forneceu um erro log médio
quadrático (RMS) de 31% com um coeficiente de deter­
minação (R2) de 0,76 usando 4168 observações. O erro log
RMS para oceano aberto (definido como tendo profundi­
dade >200 m) foi 27,7% com um R2 = 0,72 comparado
com 33% de RMS e 0,60 de R2 próximo à zona costeira.
O principal instrumento do satélite EO S Terra para avaliar
a produtividade dos oceanos é o M O D IS. As bandas 8 - 1 6
do M O D IS, variando de 405 - 877 nm com resolução espa­
cial de 1000 x 1000 m, são particularmente adequadas para
a obtenção de informação sobre a cor dos oceanos, concen­
tração de fitoplâncton e sobre a biogeoquímica (M O D IS,
2006). O produto Terra M O D IS número M O D 21, parâ-
Características Biofísicas da Superfície d’Água Detectadas por Sensoriamento Remoto 423

Tabela 12-2. Sistemas de sensoriamento remoto usados para medir a cor dos oceanos (cortesia do International Ocean
Colour Co-ordinating Group, http://www.ioccg.org/sensors).
“Datas de Operação Resolução Número Cobertura
Sensor Agência Satélite (Mês/Dia/Ano)” Espacial (m) de Bandas Espectral (nm)
Nimbus-7
CZCS NASA(USA) 10/24/78-06/22/86 825 6 433-12500
(USA)
ADEOS
O CTS NASDA (Japão) 08/17/96-07/01/97 700 12 402-12500
(Japão)
ADEOS
Polder-1 CNES (França) 08/17/96-07/01/97 6000 9 433-910
(Japão)
DLR
MOS IRS P3 (índia) Lançamento 03/21/96 500 18 408-1600
(Alemanha)
SeaWiFS NASA(USA) OrbView-2 Lançamento 08/01/97 1100 8 402-885
ROCSAT-1
OCI N EC (Japão) Lançamento 01/99 825 6 433-12500
(Taiwan)
OCM ISRO (índia) IRS P4 (índia) Lançamento 05/26/99 350 8 402-885
M ODIS- Terra NASA(USA) Terra (USA) Lançamento 12/18/99 250/500/1000 36 405-14385
KOMPSAT
OSMI KARI(Coréia) Lançamento 12/20/99 850 6 400-900
(Coréia)
ENVISAT-1
MERIS ESA (Europa) Lançamento 03/01/02 300/1200 15 412-1050
(Europa)
M O D IS-Aqua NASA(USA) Aqua (USA) Lançamento 05/04/02 250/500/1000 36 405-14385
Shen-Zhou-3 403-12500
CM O DIS CNSA (China) 03/25/02-09/15/02 - 400 34
(China)
HaiYang-1
CO CTS CNSA (China) Lançamento 05/15/02 1100 10 402-12500
(China)
HaiYang-1
CZI CNSA (China) 05/15/02-10/25/03 250 4 420-890
(China)
NASDA ADEOS-II
GLI 12/14/02-10/25/03 250/1000 36 375-12500
(Japão) (Japão)
CNES ADEOS-II 443-910
Polder-2 12/14/02-10/25/03 6000 9
(Europa) (Japão)

metros 26 e 27 (Chlor_a_2 e a_3, respectivamente), pode
ser utilizado para extrair informação sobre a concentração
de clorofila a de águas Caso 1 e 2 usando os algoritmos rela­
cionados na Tabela 12-3 (O ’ Reilly et al., 2000; Carder et al.,
2002; Darecki e Stramski, 2004). Um mapa da distribuição
de clorofila a ao longo do sul dos Estados Unidos em 23 de
novembro de 2003, obtido com o uso do algoritmo M O ­
DIS Chlor_a_2, é apresentado na Prancha Colorida 12-2.
Infelizmente, mesmo esses algoritmos às vezes têm dificuldades
de extrair informação sobre clorofila a em águas opticamen-
te complexas como as do Mar Báltico (Darecki e Stramski,
2004). Maritorena e Siegel (2003) apresentaram uma maneira
de combinar dados da cor dos oceanos do M O D IS e do Sea­
WiFS para melhorar a informação da cobertura global diária.
Clorofila em Águas Costeiras e Interiores: Para corpos
d’água interiores e costeiros, é geralmente difícil separar,
nos dados de sensores remotos, a informação sobre o pig­
mento do fitoplâncton dos efeitos de materiais inorgânicos
em suspensão ou de matéria orgânica dissolvida (D O M ).
Isto normalmente requer o uso de técnicas sofisticadas de
correção atmosférica aplicadas aos dados de sensores re­
motos (p.ex., Ramsey et al., 1992) e de uma metodologia
complexa de múltiplos componentes (p.ex., Bukata et al.,
1995). Por exemplo, Karaska et al. (2004) documentaram
o uso de dados hiperespectrais do sensor Airborne Visible/
Infrared Imaging Spectrometer (AVIRIS) para mapear clo­
rofila a em águas estuarinas e costeiras Caso 2 associadas ao
Rio Neuse na Carolina do Norte.
Material Orgânico Dissolvido
A luz solar penetra na coluna d’água até uma distância
fótica (a distância vertical da superfície d’água para 1%
do nível de irradiância de subsuperfície). O fitoplâncton,
424 CAPÍTULO Sensoriamento Remoto da Água

Tabela 12-3. Algoritmos operacionais que se baseiam em razões de bandas para o sensoriamento remoto de
abundância de fitoplâncton.
Sensor e Algoritmo Algoritmo Referências
O CTSc SeaDAS 4.3 C = 1 0 (-0,55006 + 3.497«) onde 0 ’Reilly et al., 1998
Chl_octsc Pinkerton et al., 2005
’L (520) + L (565)'
R = IoS,o
L (490)
. wn .
SeaWiFS OC2v4 C = a, +10(*o+*iR+*2 r2 +"3r3) onde 0 ’Reilly et al., 2000
SeaDAS 4.3
chl_oc2 '*„(4 9 O)1
R = loS,o onde
.* ( 5 5 5 )

a = [0,319, -2,336, 0,879, -0,135, -0,071

SeaWiFS OC4v4 C a = 10(a« +"iR+°2r2 +*3r3 * a4R4) onde OReilly et al., 2000
SeaDAS4.3
chl_oc4
R = log,, m ax [R {443), R (490), (510)]
clilora
*(555)
a = [0,366, -3,067,1,930, -0,649, -1,532]

MODIS DAAC-V4 q = j 0<«„«,R ♦*2r2 * *3R3♦^R4) 0 ’Reilly et al., 2000;

Chlor_a_2 Morei e Antoine, 2000;
(baseado no algoritmo onde R = log [max (r , r )] e Darecki e Stramski, 2004;
SeaWiFS OC4 Pinkerton et al., 2005
com bandas modificadas) r _ L{44?>) e r L(AA&)
25 ~~ *(5 5 1) 35 = 1(551)
onde a = [ 0,283, -2,753, 1,457, -0,659, -1,403]

M ODIS DAAC-V4 [A J4 4 3 )1 Clark, 1997;

chlor_MODIS C a = 10°'07 Pinkerton et al., 2005
A ,..(550)

M ODIS DAAC-V4 Z(448) Darecki e Stramski, 2004;

C a = 10(ao+'IiR+'*2R^onde R = logoio
Chlor_a_3 *(5 5 1 ) Carder et al., 2002
(para águas Caso 1 e
a = [0,289, -3,2, 1,2]
Caso 2)
MERIS-C C = 1 0 ('ío+,’iR + '!2R2 + “3R3* a4R4 + ‘!5R5)on de
Morei e Antoine, 2000
ESA Processor Chll a

R = log„
*(5 6 0 )

Se C , <1, então X=443 e a = [0,2115, -1,844, 1,282,

-2,747, 2,865, -1,204],
Se 1 < Ca <10, então A,0=490 e a = [0,3866, -2,626, 2,572,
-7,156, 10,15, -6,895].
Se Ca >10, então A.Q=510 e a = [0,390, -3,864, 3,168,
-20,33, 63,21, -113,9].
GLI OC4-GI.I Mitchell, 2001
NASDA Processor Chia C = a + io K ^ ir ^ 2r2 +"3r3) onde

m ax[Lwn(443), Z J 4 6 0 ) , 1^(520)]
R = l°g „
* (545)

a = [0,512, -3,65,4,457, -2,175, -0,167]

Características Biofísicas da Superfície d’Água Detectadas por Sensoriamento Remoto
dentro da profundidade fótica na coluna d’água, consome
nutrientes e os converte em matéria orgânica via fotossín-
tese. Isto é a chamada produção prim ária. O zooplâncton
consome o fitoplâncton e cria matéria orgânica. O bac-
terioplâncton decompõe essa matéria orgânica. Toda essa
conversão introduz matéria orgânica dissolvida (DO M ) em
corpos d água oceânicos, costeiros e interiores. Em certos
casos, pode existir matéria orgânica dissolvida na água em
quantidade suficiente para reduzir a penetração da luz na
coluna d’água (Bukata et al., 1995).
A decomposição das células de fitoplâncton produz dióxi­
do de carbono, nitrogênio inorgânico, enxofre e compos­
tos de fósforo. Q uanto mais produtivo for o fitoplâncton,
maior será a liberação da matéria orgânica dissolvida.
Além disso, substâncias húmicas podem ser produzidas.
Frequentemente, elas têm uma aparência amarelada e re­
presentam um importante pigmento na coluna d’água a
se considerar. Essas substâncias húmicas dissolvidas são
chamadas de substância am arela ou Gelbstojfe e podem: 1)
afetar a absorção e espalhamento da luz na coluna d’água,
e 2) alterar a cor da água.
Existem outras fontes de matéria orgânica dissolvida, além
do fitoplâncton. Por exemplo, a cor amarelo-amarronzada da
água em muitos rios no norte dos Estados Unidos é produ­
zida pelas altas concentrações de taninos presentes na Tsuga
canadensis e em várias outras espécies de árvores e plantas nes­
sas áreas (Hoffer, 1978). Esses taninos podem criar problemas
para o sensoriamento remoto de corpos d água interiores.
Penetração na Água e Batimetria
O mapeamento batimétrico pode ser executado usando sis­
temas ópticos passivos (p.ex., fotografias aéreas) ou ativos
de sensoriamento remoto. Os levantamentos mais precisos
em áreas geograficamente extensas são muitas vezes feitos
usando SO N A R (que reflete ondas de som do fundo) e
LIDA R (que reflete a luz laser do fundo).
Mapeamento Batimétrico Usando Sensoriamento Re­
moto Óptico Passivo
Os melhores comprimentos de onda para obter informa­
ção batimétrica (de profundidade) são os de aproximada­
mente 0,44 a 0,54 |im, baseado na Figura 12-3. De fato, os
cientistas da Kodak, Inc., desenvolveram um filme especial
de penetração na água na década de 1970 que era sensível
ao intervalo de comprimento de onda de 0,44 —0,54 pm
após filtragem. Essa informação foi também usada durante
a especificação da banda do azul (0,45 - 0,52 pm) do sis­
tema sensor Landsat Thematic Mapper, que é frequente­
mente chamada de banda de penetração na água. Se a co-
425
luna d’água é excepcionalmente clara é possível ver feições
de subsuperfície até uma profundidade de 10 - 30 m com
a utilização desses comprimentos de onda.
O mapeamento batimétrico na porção de 0,44 —0,54 pm
do espectro requer que a água esteja livre de constituintes
orgânicos e inorgânicos, como clorofila e sedimentos em
suspensão, que causariam espalhamento e/ou absorção,
obscurecendo a topografia do fundo. Entretanto, como
demonstrado em Cozumel, México (Figura 12-4), mesmo
os comprimentos de onda do verde e vermelho são úteis
para penetração na água quando a água é clara.
Mas o que acontece quando a água não é clara? Talvez a
porção azul-verde do espectro possa não ser a ideal para usar
se a água contém sedimentos em suspensão. Legleiter et al.
(2004) documentaram os efeitos da profundidade da água
dos canais sobre a reflectância (Figura 12-11). Observaram
que em comprimentos de onda <560 nm, a reflectância
do substrato do fundo aumentou quando a profundidade
aumentou de 5 para 80 cm. De forma oposta, quando a
profundidade aumentou, a reflectância medida no verme­
lho e particularmente no infravermelho próximo diminuiu
devido à forte absorção pela água, conforme discutido an­
teriormente. Um ponto de cruzamento de igual reflectância
para todas as profundidades separou os regimes dominados
por espalhamento e absorção (Legleiter et al., 2004).
Com base nesses resultados, Legleiter et al. (2004) observa­
ram que o log natural da razão simples de duas bandas de da­
dos hiperespectrais, centradas em 560 nm e 690 nm, foi bem
correlacionado com a profundidade da água do canal (wd):
L(560)
In ( 12- 6)
1(691)
sob uma ampla variação de condições de corrente (R2 = 0,79).
Essa técnica superou o método de transformação linear usado
em estudos históricos de mapeamento batimétrico em águas
rasas costeiras com sensoriamento remoto. Posteriormente,
Legleiter e Roberts (2005) estudaram os efeitos da morfolo-
gia do canal e da resolução espacial do sensor nas estimativas
de profundidade usando as mesmas razões de bandas. Lafon
et al. (2002) verificaram que medidas batimétricas precisas
em águas de ondas interiores do Caso II podem ser feitas
usando dados multiespectrais do SPOT, se os dados forem
calibrados usando medidas in situ de profundidade.
Ao se conduzirem levantamentos batimétricos usando
técnicas fotogramétricas, é importante levar em con­
sideração o fato de que a luz do Sol é desviada do seu
verdadeiro curso tanto na atmosfera, como no corpo
d’água. Consequentemente, a informação batimétrica (z)
426 CAPÍTULO Sensoriamento Remoto da Água

Efeitos da Profundidade da Á gua sobre a pelo transdutor. O tempo entre o envio e o retorno do
Reflectância de um Canal eco pode ser então utilizado para determinar precisamente
0,016 a profundidade. Existem três principais tipos de sistemas
feição de c /■
5 cm ✓ SO N A R (NOAA C SC , 2006):
0,014 - ----5 cm profundidade absorção do /
----20 cm perifíton em j
^ 0,012 - — 30 cm 675 nm j - • SO N A R de feixe único;
......50 cm
-5- 0,01 ......65 cm i í \
— 80 cm il,'\ \
• SO N A R de múltiplos feixes;
II. \ \
dTJ 0,008
<C / \ ... \20 cm / • SO N A R de varredura lateral.
O /y ponto de V-V- ; \ \
cc 0,006 80 cm/< v cruzamento v' \\
cá 3 cm ^- ^ \ \ \ '>30 c m / O SONAR de feixe único usa um transdutor que emite um
0,004 "”" único pulso de som na coluna d’água em intervalos espe­
Substrato com Perifíton 3 0 rm
0,002 Concentração de sedimentos = 2mg/l
cíficos numa estreita área de cobertura acústica (footprint)
Velocidade do vento 5m/s 80 cm (Figura 12-12). A onda sonora é refletida pelo fundo mari­
0 _______ 1_______ L_ i 1 l 1 1 ~~~
nho (ou por peixes!) e o retorno é captado pelo transdutor
400 450 500 550 600 650 700 750 800
(NOAA C SC, 2006). Os dados do SO N A R de feixe único
Comprimento de Onda (nm)
são coletados ao longo de linhas ou perfis e tipicamente não
Figura 12-11 Os efeitos da profundidade da água sobre a reflectân­ podem fornecer cobertura contínua do fundo. A resolução
cia de um riacho. O substrato do fundo desse canal de saída dos dados é determinada pelo tamanho do footprint
esteve coberto com Perifíton (uma complexa matriz acústico, pelo intervalo de amostragem, pela velocidade da
de algas e microrganismos heterotróficos presos ao amostragem e pela distância entre os perfis. Os sensores de
material submerso em quase todos os ecossistemas
feixe único podem coletar dados batimétricos ou ser calibra­
aquáticos), que tem uma forte feição de absorção
dos para identificar habitat marinho, peixes ou sedimentos
em 675 nm. A água do riacho continha aproxima­
damente 2 mg/l de sedimentos em suspensão. Ob­ de subsuperfície. Muitos sistemas são projetados para serem
serve que quando a profundidade da água aumentou facilmente transportados e usados em pequenos botes que
de 5 para 80 cm, a reflectância da coluna d’água no possam acessar áreas rasas. A pesca recreativa usa sistemas
vermelho e no infravermelho próximo diminuiu. De SONARES de feixe único relativamente baratos.
forma oposta, quando a profundidade da água au­
mentou, a reflectância aumentou em comprimentos
O SONAR de feixes múltiplos fornece aos usuários dois tipos
de onda < 560 nm. Um ponto de cruzamento ocor­
de dados: batimétrico (profundidade) e “retroespalhamen-
reu em aproximadamente 560 nm (Legleiter et al.,
2004; reproduzido com a permissão da Elsevier). to acústico” (Gardner, 2002). Eles podem ser usados em
águas extremamente profundas (até 11000 m). Esses sen­
sores emitem múltiplos pulsos sonoros (feixes) que cobrem
na imagem pode não estar em sua posição planimétrica amplas faixas sobrepostas do fundo marinho, possibilitando
apropriada (x,y). Desta forma, o índice de refração, pre­ sua cobertura contínua. Os sinais retroespalhados podem ser
viamente discutido no Capítulo 2, deve ser levado em usados para mapeamento de habitat ou de feições na água.
consideração quando os métodos de sensoriamento re­
moto forem usados para fazer mapeamento batimétrico. Tipicamente, os sensores acústicos de feixes múltiplos são
montados em navios. O sonar envia um fluxo de energia
Mapeamento Batimétrico Usando SONAR Ativo sonora em direção ao fundo e depois registra o som re­
fletido por meio de um conjunto de receptores estreitos
O acrônimo SO N A R (SOund, NAvigation and Ranging — posicionados em diferentes ângulos (Figura 12-12). Ele
Navegação e Medição de Distância pelo Som) é um termo pode detectar feições muito pequenas, como por exemplo,
americano que foi primeiramente usado na segunda guerra de um metro, e localizá-las num raio de um metro de sua
mundial. Os britânicos chamam o SO N A R de A SD ICS localização geográfica verdadeira (NOAA Office o f Coast
(Anti-Submarine Detection Investigation Comittee). A Survey, 2006). Por exemplo, a eco-sonda de feixes múlti­
tecnologia SO N A R pode ser usada para coletar medidas plos Kongsberg EM 3002 tem uma frequência nominal
do fundo marinho. Quando o SO N A R ativo é usado para de 300 kFlz com uma cobertura angular abaixo do navio
medir a distância até o fundo, ele é conhecido como eco- de > 200° e até 508 sondagens acústicas por pulsos (pings)
sondagem. Dispositivos de eco-sondagem são usados para tão estreitos quanto 1 grau (Kongsberg, 2005). A largura
medir a profundidade da água pelo envio de um pulso de faixa obtida em um fundo plano é normalmente até
acústico via um transdutor. Os pulsos acústicos são refleti­ 10 vezes a profundidade da água. O espaçamento entre
dos pelo fundo marinho e os ecos refletidos são recebidos as sondagens, assim como os footprints acústicos (área de
Características Biofísicas da Superfície d’Água Detectadas por Sensoriamento Remoto
SONAR de
feixes múltiplos
Batim etria por
SO N A R
SONAR de
feixe único
\
Transceptor
Matrizes^
transdutoras
j e transmissão Cobertura
Feixe angular
r r e re n rã o
acústico
Área de coberta ra acústica
Figura 12-12 SONARES de feixe único e de feixes múltiplos. Um
transceptor SONAR de feixe único envia um único
pulso de energia acústica (som) diretamente abaixo
do barco. A energia acústica (também conhecida
como “ping”) é refletida pelo fundo (ou por qualquer
outro objeto, como peixes) e é registrada pelo trans­
ceptor. Assim, é possível determinar a profundidade
dos alvos com base no tempo de retorno do pulso e
no conhecimento da velocidade do som na água. O
SONAR de feixes múltiplos transmite vários feixes
por “ping” acústico (p.ex., >500) tão estreitos quanto
1 grau e pode rastrear o momento exato em que eles
atingem o fundo ou outras feições na água.
abrangência), podem ser ajustados para permanecerem
aproximadamente constantes, fornecendo uma detecção
alta e uniforme durante o processo de mapeamento. Uma
imagem acústica do fundo marinho também pode ser pro­
duzida a partir dos dados (Kongsberg, 2005).
A Prancha Colorida 12-3a exibe o relevo sombreado do Lago
Tahoe, Califórnia-Nevada, obtido por batimetria. Ele foi
criado pela combinação de dados batimétricos obtidos por
um sistema SO N A R de feixes múltiplos Kongsberg (para
profundidades > 15m) e de dados obtidos de um sistema
LIDAR SHO ALS (para profundidades de 0 a 15 m) (Gard-
ner et ah, 2000; U SG S, 2006). Os dados de profundidade
obtidos por esta batimetria combinada foram codificados
com cores e foram submetidos à fusão com uma imagem
Landsat-7 (RGB = bandas 3, 2, 1) da vizinhança. Um mapa
de retroespalhamento acústico do Lago Tahoe é apresentado
na Prancha Colorida 12-3b. Os tons mais claros indicam su­
perfícies mais consolidadas, como rochas, enquanto os tons
mais escuros indicam superfícies menos consolidadas, como
sedimentos. O terreno vizinho é uma imagem de relevo
sombreado gerada de DEM s de 10 m do USGS. Uma visão
oblíqua da batimetria é mostrada na Prancha Colorida 12-
3c (U SGS, 2006). O lago é alongado, com cerca de 34 km
de comprimento, de norte para sul (Gardner et al., 2000).
427
O SONAR de varredura lateral é normalmente posicionado
na parte traseira do barco. Esses instrumentos são usados
principalmente para procurar e detectar objetos no fundo, e
não para mapeamento batimétrico. O SO N A R envia múl­
tiplos feixes em ângulos e cobre amplas faixas sobrepostas,
possibilitando cobertura contínua do fundo marinho. A
energia transmitida é formada de forma similar à utilização
de um “ventilador” varrendo o assoalho lateralmente. Da
mesma forma que os outros SO NA RES, um varredor lateral
transmite energia acústica e analisa o sinal de retorno (eco)
refletido pelo fundo ou por outros objetos. A intensidade
do eco de retorno é continuamente registrada criando uma
“imagem” do fundo do oceano onde objetos que se desta­
cam do fundo criam uma imagem escura (forte retorno) e as
sombras desses objetos são áreas claras (pouco ou nenhum
retorno). Enquanto a forma do fundo e objetos nele exis­
tentes pode ser bem nítida, muitos sistemas de varredura
lateral não fornecem informação sobre a profundidade. En­
tretanto, eles podem ser enviados para operar em águas pro­
fundas, de até 11000 metros de profundidade, e fornecer
dados com uma resolução de uns poucos centímetros.
Mapeamento Batimétrico Usando LIDAR Ativo
Informação batimétrica pode ser extraída precisamente
usando sensoriamento remoto por LIDAR (Light De-
tection And Ranging) (veja Capítulo 10 para informação
sobre aplicações terrestres com LIDAR). Guenter et al.
(2000) fornecerám uma revisão detalhada sobre mapea­
mento batimétrico por LIDAR aerotransportado. O sis­
tema Scanning Hydrographic Operational Airborne Lidar
Survey (SHOALS) é o mais avançado para mapeamento
batimétrico com LIDAR aerotransportado (West e Wig-
gins, 2000; Optech, 2006; USACE, 2006). Tipicamente,
o SH O A LS opera em uma aeronave Twin Otter ou em um
helicóptero. O SHOALS envia simultaneamente um pulso
de luz laser no infravermelho próximo (1064 nm) e um no
verde (532 nm) na direção da superfície d água (Figura 12-
13) (Optech, 2006). A maior parte do pulso do infraver­
melho próximo é absorvida pela água, conforme esperado,
mas uma certa quantidade é refletida de volta ao receptor
LIDAR (Figura 12-13). Uma porção do pulso verde de
laser também é absorvida pela coluna de água, mas uma
quantidade suficiente alcança o fundo e é refletida de volta
para o receptor LIDAR. A luz verde é selecionada para a
detecção de fundo porque compreende o comprimento de
onda na região de 0,44 a 0,54 jim, que penetra águas cos­
teiras típicas com atenuação mínima. Quando a luz atra­
vessa a coluna d’água e é refletida pelo fundo marinho, o
espalhamento, a absorção e a refração contribuem para li­
mitar a intensidade do retorno de fundo, e portanto a pro­
fundidade máxima de extinção do sistema. Sua máxima
profundidade de penetração na água é de aproximadamen­
te 60 m ou 2 a 3 vezes a profundidade Secchi. A profun-
428 CAPITULO
Figura 12-13 O LIDAR aerotransportado para batimetria en­
via dois pulsos de laser (infravermelho próximo e
verde) para a água no mesmo instante. O pulso do
infravermelho próximo é refletido pela superfície
da água para o receptor LIDAR. O pulso do verde
penetra na coluna d’água. Se a água for clara o su­
ficiente e sua profundidade não for muito grande,
uma porção do pulso do verde será refletida pelo
substrato do fundo de volta ao receptor. A diferença
de tempo entre a recepção do retorno do infraver­
melho próximo e do retorno do verde é usada para
calcular a profundidade da água. A intensidade do
pulso retroespalhado do LIDAR também pode ser
registrada (adaptado de SHOALS, 2005).
didade da água é calculada a partir da diferença de tempo
entre o retorno do infravermelho próximo pela superfície e
o retorno do verde pelo fundo e também da velocidade da
luz no ar e na água (Guenther et al., 2000).
Sistemas terrestres LIDAR enviam tipicamente >100.000
pulsos por segundo com um comprimento ou duração de
pulso de 10 nano-segundos. Os sistemas LID A R de bati­
metria operam com uma taxa muito menor, p.ex., 1.000
pulsos por segundo com 250 nano-segundos de compri­
mento de pulso. O comprimento de pulso mais longo é
necessário porque um pulso curto de laser seria espalhado
na coluna d’água (Optech, 2006).
O sistema SHOALS pode fazer levantamentos de até 32 km2
por hora numa altitude de 200 a 400 m acima do nível do
mar (ASL) com velocidade de até 115 nós (1 nó = 1 milha
náutica/hora = 1,852 km/hora). O sistema SHOALS, depen­
dendo da altitude e da velocidade, é capaz de fazer sondagens
de profundidade em grades de 4 m. Usando um sistema de
12 Sensoriamento Remoto da Água
posicionamento global cinemático, o SHOALS localiza cada
medida de profundidade com uma precisão de posição hori­
zontal de 3 m e vertical de 15 cm. O SHOALS é gerenciado
pelo Joint Airborne Lidar Bathymetry Technical Center of
Expertise, US Army Engineer District, localizado em M o­
bile, Alabama, Estados Unidos. Um exemplo da informação
batimétrica do SHOALS é mostrada na Prancha Colorida
12-3a, em cujo exemplo ele foi utilizado para coletar dados
batimétricos de 0 a 15 m no Lago Tahoe.
A batimetria por LID A R aerotransportado supera as li­
mitações dos sensores acústicos (SO N A R ) em alguns
aspectos-chave:
• Ele opera especialmente bem em água rasa, onde os
barcos podem encalhar.
• Ele possibilita levantamentos de áreas costeiras arrisca­
das (p.ex., com ondas altas) de forma segura.
• E móvel, permitindo rápida resposta em situações de
emergência.
• Áreas extensas podem ser inventariadas rapidamente,
propiciando vantagens econômicas.
O mapeamento badmétrico por LID A R e SO N A R com­
plementam-se. O LIDAR é especialmente útil para ma­
peamento badmétrico de alta resolução em ambientes de
águas rasas, enquanto os SO N A R ES de feixe único e de
feixes múltiplos são úteis para mapeamento badmétrico
em águas de profundidades intermediárias e profundas.
Temperatura da Superfície da Água
Nós sabemos da leitura do Capítulo 8 (Sensoriamento
Remoto no Infravermelho Termal) que podemos obter a
temperatura de corpos d’água interiores e a temperatura
da superfície do mar (SST) durante o dia e à noite usan­
do técnicas de sensoriamento remoto no infravermelho
termal. Entretanto, ao contrário das superfícies de terra
firme, os corpos d’água transferem energia primariamen­
te por meio de convecção. Dessa forma, qualquer energia
calórica introduzida no sistema pode ser transferida cente­
nas de metros no interior do corpo d’água. Essa mistura é
responsável pela temperatura de superfície relativamente
uniforme de um corpo d’água durante o dia e à noite. Por­
tanto, corpos d’água geralmente têm alta inércia termal, o
que implica que pode existir apenas uns poucos graus de
diferença entre a temperatura de superfície da água diur­
na e noturna. Isto resulta em corpos d’água relativamen­
te mais frios do que a terra durante o dia e relativamente
mais quentes do que as terras vizinhas antes do amanhecer,
Características Biofísicas da Superfície d’Água Detectadas por Sensoriamento Remoto 429

M apas de Temperatura da Superfície do M ar O btidos dos D ados do NOAA AVHRR

Figura 12-14 Mapas de temperatura da superfície do mar (SST) obtidos de uma composição de três dias (dia central em 4 de março de
1999) dos dados do infravermelho termal do NOAA AVHRR. O valor mais alto de temperatura da superfície durante os
três dias foi o critério usado para a seleção dos pixels na composição, a) Esse mapa de temperatura foi ajustado para destacar
a água fria adjacente às costas da Geórgia e Carolina do Sul. b) Esse mapa foi ajustado para realçar os padrões de circulação
associados com a Corrente do Golfo. Uma composição colorida dessas imagens, que fornece informação adicional, é apre­
sentada na Prancha Colorida 12-4a (cortesia da NOAA).

como demonstrado nas imagens diurnas e noturnas do in­
fravermelho termal de Atlanta, GA, no Capítulo 8.
A água tem uma emissividade (e) muito próxima de 1. Des­
sa forma, é possível obter medidas relativamente precisas
da temperatura de superfície da água, porque a medida de
temperatura radiante registrada pelo sensor remoto ( T J é
aproximadamente igual à da temperatura cinética verdadei­
ra ( Tkh) , assumindo que os efeitos da atmosfera são leva­
dos em conta. No entanto, é importante lembrar que ela é
apenas uma medida de superfície. Se existir uma mudança
significativa de temperatura a apenas alguns poucos metros
abaixo da superfície (isto é, a termoclina), ela poderá não ser
detectada por detectores no infravermelho termal.
Dois dos mais importantes instrumentos de sensoriamento
remoto no infravermelho termal usados para medir a tem­
peratura da superfície do mar são os existentes no NOAA
Advanced Very High Resolution Radiometer (AVHRR)
e no NOAA Geostationary Operational Environmental
Satellite (G O ES). Suas características de resoluções espa­
ciais, espectrais e temporais estão resumidas no Capítulo
7. Os dados desses dois sensores são de domínio público,
disponíveis a um preço razoável, sendo usados largamente
para obter medidas da temperatura da superfície do mar
(SST) de grandes áreas oceânicas, normalmente com uma
resolução espacial de >1 x 1 km. Por exemplo, medidas de
SST feitas pelo NOAA AVHRR em 4 de março de 1999,
na costa sudeste dos Estados Unidos, são apresentadas na
Figura 12-14 e na Prancha Colorida 12-4a.
As imagens SST exibem a água fria, adjacente às costas da Ge­
órgia e Carolina do Sul, resultante do influxo de água fria dos
principais rios. Observe também a localização da Corrente
do Golfo, mais quente em sua trajetória para o norte a partir
da Flórida. Tang et al. (2003b) examinaram 342 imagens do
infravermelho termal do NOAA AVHRR para monitorar as
características de temperatura da pluma termal associada com
a primeira planta de usina nuclear da China (Daya Bay), o
maior projeto com investimento estrangeiro na China. Medi­
das de temperatura da superfície do mar feitas pelo GOES-8
têm sido reportadas como precisas em até 1,0 ° C para águas
costeiras brasileiras (Franca e Carvalho, 2004).
El Nino e La Nina
Um mapa global de temperatura da superfície do mar (SST)
é mostrado na Prancha Colorida 12-4b. Ele foi criado usan­
do dados termais diurnos/noturnos do NOAA-14 adquiri­
dos de 9 a 13 de março de 1999. Mapas de SST como esse
430 CAPÍTULO
têm sido indispensáveis no mapeamento da distribuição e
movimento do El Nino Southern Oscillation (ENSO). Em
condições em que o fenômeno do El Nino não ocorre, ven­
tos alísios sopram para o oeste no Pacífico tropical. Esses
ventos concentram água aquecida no Pacífico oeste de tal
forma que a superfície do mar torna-se cerca de 0,5 m mais
alta próximo à Indonésia do que próximo ao Equador, na
América do Sul. A temperatura da superfície do mar tam­
bém é cerca de 8 °C mais alta no oeste. Temperaturas mais
frias são verificadas na América do Sul devido à ressurgência
de água fria de níveis mais profundos. Essa água fria é rica
em nutrientes, criando condições para altos níveis de produ­
tividade primária e para a diversidade de ecossistemas ma­
rinhos e pesca. Precipitações formam-se sobre as águas mais
aquecidas, e o Pacífico leste torna-se relativamente seco.
A cada dois a sete anos os ventos alísios diminuem nas
porções centrais e oeste do Oceano Pacífico. Quando isso
ocorre, as correntes oceânicas e os ventos da costa oeste da
América do Sul migram, trazendo água aquecida para leste,
deslocando as águas frias ricas em nutrientes que normal­
mente ressurgem das profundezas no oceano. Essa invasão
de água morna quebra a cadeia alimentar marinha e as eco­
nomias de comunidades costeiras. Os pescadores chamam
esse fenômeno de El Nino (o Menino Jesus), porque ele
ocorre durante a época de Natal. Portanto, o El Nino é ca­
racterizado por temperaturas oceânicas anormalmente mais
altas, especialmente na porção leste equatorial do Oceano
Pacífico. La Nina é caracterizada por temperaturas oceânicas
anormalmente mais frias no Oceano Pacífico Equatorial. A
análise de anéis de árvores tem mostrado que essas oscilações
ao sul não são novas e que têm ocorrido sistematicamente
por mais de uma centena de anos (NOAA, 1999).
O El Nino pode ser visto em medidas da temperatura da
superfície do mar. Por exemplo, a Prancha Colorida 12-5
ilustra três diferentes condições de temperatura da super­
fície do mar para meses de dezembro selecionados: a La
Nina em 1988, um mês normal em 1990 e um El Nino
em 1997. Esses mapas foram obtidos da análise conjunta
de dados do infravermelho termal de satélite e de medidas
de temperatura diárias enviadas por telemetria, feitas por
bóias da NO AA estrategicamente dispostas no Oceano
Pacífico Equatorial (Reynolds e Smith, 1994). Esse é um
bom exemplo da utilidade de usar ambos - medidas in situ
e sensoriamento remoto - para melhorar a precisão de um
produto. Infelizmente, a despeito da nossa habilidade para
medir precisamente a temperatura da superfície do mar
do evento El Nino Southern Oscillation, uma quantidade
substancial de vidas e propriedades ainda é perdida quan­
do ele ocorre, principalmente devido à pobre prevenção
feita pelas autoridades locais (Suplee, 1999). Dados do in­
fravermelho termal do A ST ER e do M O D IS também são
úteis para monitorar a temperatura de superfície da água.
Sensoriamento Remoto da Água
Quando dados de temperatura de superfície do mar em
alta resolução espacial são necessários, é possível usar o
Landsat Thematic Mapper (TM ). Por exemplo, Thomas
et al. (2002) usaram 23 imagens Landsat T M da banda
6 do infravermelho termal, obtidas de 1986 a 1996, para
monitorar a temperatura da superfície do mar ao longo da
costa do Maine. Quando é necessário mapear a tempera­
tura de reservatórios muito pequenos, lagos, etc., então o
uso de sensores de infravermelho termal aerotransportados
pode ser necessário. Um exemplo do uso de um escanea-
dor multiespectral no infravermelho termal montado em
uma aeronave para mapear a temperatura da água no Rio
Savannah foi apresentado no Capítulo 8 (Sensoriamento
Remoto no Infravermelho Termal).
Precipitação
A precipitação pode ser medida operacionalmente, em
base local ou regional, usando sensoriamento remoto ativo
de micro-ondas com sensores operando fixos em superfície
(são os chamados radares meteorológicos). Por exemplo,
existem mais de 150 sistemas do tipo Next Generation Ra­
dar (NEXRAD) W SR-88D operando nos Estados Unidos
(NOAA ROC, 2005). A antena N EX R A D é envolvida em
uma cúpula de radar (Figura 12-15a) e emite um feixe de
energia de micro-ondas (À, = 11,1 cm). Se a energia atinge
um objeto (gota d água, floco de neve, granizo, pássaro,
etc.), a energia é espalhada. Uma pequena fração da energia
espalhada pode dirigir-se de volta para a antena do radar.
Os computadores analisam a intensidade do pulso de re­
torno (medida em decibéis, dBZ), o tempo do seu retorno
e o deslocamento de fase doppler do pulso. Esse processo
de emitir um sinal de pulso de micro-ondas, de esperar por
qualquer sinal de retorno e então de emitir o próximo sinal
ocorre de forma muito rápida, em aproximadamente 1300
vezes em cada segundo. O alcance máximo do radar é de
aproximadamente 400 quilômetros.
O NEXRAD opera em dois modos: o modo ar claro e o
modo precipitação. No modo Ar Claro, ele produz uma
imagem atualizada a cada 10 ou 11 minutos. N o modo
Precipitação, ele produz uma imagem atualizada a cada 6
minutos. Em ambos os modos, o importante a observar é o
nível de refledvidade medida em dBZ. Quanto mais forte
for o retorno, maior será o dBZ. N o modo Ar Claro, a es­
cala pode atingir valores muito baixos, como -28, em que
é possível ocasionalmente detectar poeira ou pólen no ar.
No modo Precipitação, a escala pode atingir valores muito
altos, como 75, o que indica condições severas de tempo.
A informação sobre a refletividade é usada para gerar ma­
pas de precipitação. Por exemplo, a Figura 12-15b mostra
um mapa de precipitação na Carolina do Sul, obtido em
Precipitação 431

Sistem a de Sensoriamento Remoto Terrestre Usando o N EX RA D

a. Antena do radar meteorológico denomi­ b. Mapa de precipitação da Carolina do Sul, obtido do NEXRAD
nado Next Generation Radar (NEXRAD). em 30 de julho de 2005, às 21 horas.

Figura 12-15 a) Uma antena de 8,5 m de diâmetro do radar meteorológico Next Generation Radar (NEXRAD) é colocada em uma cúpula
esférica de 9,1 m de diâmetro situada numa torre de 30,5 m. No modo Precipitação, o volume de varredura do radar com­
preende 11 escaneamentos completos de 360° em nove ângulos de elevação distintos (entre 0,5° e 19,5° acima do horizonte
local). Os dados do NEXRAD são atualizados a cada 6 minutos quando o radar opera no modo Precipitação, b) Mapa de
precipitação por refletividade da Carolina do Sul gerado pelo NEXRAD em Colúmbia, SC, em 30 de julho de 2005, com
o radar no modo Precipitação. Os dados de refletividade foram processados para realçar a precipitação associada a uma tem­
pestade severa deslocando-se de oeste para leste. As áreas em branco indicam intensa precipitação.

30 de julho de 2005, às 21 horas, a partir de dados do Técnicas do Visível - Infravermelho

N EXRA D W SR-88D no modo Precipitação.

Os denominados “National Weather Service Forecast Offi-
ces” usam os sistemas NEXRAD W SR-88D para fornecer
informação em tempo real sobre a localização de tormentas
perigosas e sobre a quantidade de precipitação. Nos Estados
Unidos, o Weather Channel usa a informação do NEXRAD
para fornecer previsões de tempo locais e regionais em tempo
real. Sistemas similares funcionam na Europa (Bagella et al.,
2005). O Brasil também dispõe de alguns sistemas similares.
Infelizmente, a maioria da superfície continental do mundo
não faz uso dos radares meteorológicos ou mesmo de redes
de pluviômetros, e não o fará em um futuro próximo. Os sa­
télites meteorológicos são os únicos sistemas capazes de ad­
quirir dados de precipitação em extensas áreas. Felizmente,
agora é possível monitorar determinados continentes de for­
ma contínua por uma pequena fração do custo de uma rede
de observação de campo de densidade espacial equivalente
(Smith et al., 2004). Infelizmente, ao invés de medir direta­
mente a precipitação usando um pluviômetro, métodos de
sensoriamento remoto baseiam-se em dados indiretos de re-
flectância das nuvens, temperatura do topo das nuvens e/ou
da presença de precipitação de neve e granizo para estimar a
taxa de precipitação pluviométrica na superfície.
Os primeiros métodos de estimativa de precipitação base­
avam-se na hipótese de que o brilho da luz solar refletida
pelas nuvens, nas porções do visível e do infravermelho
próximo do espectro poderia dar uma indicação de sua es­
pessura e, portanto, da probabilidade de trazer chuva con­
sigo. Infelizmente, nem todas as nuvens claras produzem
precipitação. De forma similar, a temperatura do topo das
nuvens foi usada para estimar precipitação. Geralmente,
quanto mais frio for o topo da nuvem, maior será a proba­
bilidade de precipitação. Infelizmente, nem todas as nu­
vens com topo frio produzem precipitação. Apesar disso,
algumas técnicas muito úteis para estimativa de precipita­
ção foram desenvolvidas com dados do visível e do infra­
vermelho próximo, incluindo: 1) duas estimativas diárias
da radiação de ondas longas emergentes usando os senso­
res de órbita polar do infravermelho a bordo do AVFiRR
para estimar precipitações mensais, e 2) um índice deno­
minado G O E S Precipitation Index (GPI), que se baseia
na análise de dados do infravermelho termal, classificando
os pixels como “chuvosos” numa taxa de 3 mm hr'1 se a
temperatura do topo das nuvens for <235 K. O GPI já
foi o produto climatológico de precipitação padrão, que
fornecia um registro de precipitação em escala climática
432 CAPÍTULO Sensoriamento Remoto da Água

Imagem do Satélite Tropical Rainfall Measurement M ission (TRM M )

de 9 de março de 1998

Figura 12-16 Cobertura da aquisição de dados orbitais pelo Tropical Rainfall Measurement Mission (TRM M) Microwave Imager (TMI)
em 9 de março de 1998. Observe que o ângulo de inclinação de 35° obtém boa cobertura das porções tropicais e subtropicais
da Terra. Um sistema frontal intenso está sobre o sul da Flórida. Favor também observar a Prancha Colorida 12-6a (cortesia
da NASA GoddardTRM M Office e da Japan National Space Development Agency).

nos trópicos e subtrópicos. Algoritmos têm sido desenvol­
vidos utilizando múltiplas imagens obtidas ao longo do
tempo para refinar as estimativas de chuva.
Técnicas de Micro-ondas Ativas e Passivas
(TRM M ) (TRM M , 2006). O satélite está em uma órbita
de 350 km com uma inclinação de 35°. O T R M M porta
cinco instrumentos a bordo: o Precipitation Radar (PR),
T R M M Microwave Imager (TM I), Visible Infrared Scan­
ner (VIRS), Lightning Imaging Sensor (LIS) e o Clouds
and Earths Radiant Energy System (CERES).

Um marco na estimativa de taxa de precipitação por sa­
télite foi o desenvolvimento de instrumentos de sensoria­
mento remoto de micro-ondas que respondiam de forma
fisicamente mais direta à presença de partículas de água e/
ou gelo no interior das nuvens, permanecendo não-sensí-
veis às nuvens que não gerassem precipitação imediata. O
primeiro “Special Sensor Microwave Imager (SSM /I)” foi
lançado em 1987 e incluía um canal de alta frequência em
85,5 GHz. Basicamente, partículas do tamanho de gelo e
grandes gotas de chuva reduzem significantemente a emis-
sividade da nuvem e, portanto, diminuem sua temperatura
de brilho abaixo de um nível nominal de referência (back-
ground). Isso possibilita o cálculo da estimativa de precipi­
tação. Esse sensor podia distinguir a chuva no continente
com razoável consistência com 1 5 x 1 5 km de resolução
espacial (Atlas et ah, 2005). O SSM /I tem fornecido esti­
mativas de precipitações globais desde 1987.
O marco mais importante na estimativa de precipitação
(especialmente para regiões tropicais e subtropicais) foi o
lançamento, pela NASA e pela National Space Develop­
ment Agency (NASDA) do Japão em 27 de novembro de
1997, do satélite Tropical Rainfall Measurement Mission
O TRM M Microwave Imager (TMI) é um sensor passivo de
micro-ondas projetado para fornecer informação quantitativa
sobre o volume de precipitação integrada na coluna em uma
faixa de 780 km de largura. E mais adequado para estimar
chuvas sobre oceanos, onde esses dados são necessários para
verificação de modelos climáticos. Ele mede a intensidade
da radiação em cinco frequências: 10,7 (45 km de resolução
espacial); 19,4; 21,3; 37 e 85,5 GHz (5 km de resolução es­
pacial). Ele tem polarização dual em quatro das frequências.
A frequência de 10,7 GHz fornece uma resposta mais linear
para altas taxas de precipitação - comuns em chuvas tropicais.
Uma imagem composta de todas as trajetórias orbitais do
TRM M Microwave Imager em 9 de março de 1998 é apre­
sentada na Figura 12-16 e na Prancha Colorida 12-6a. O b­
serve a intensa linha de tempestades sobre o sul da Flórida.
O T RM M Precipitation Radar (PR), o primeiro no espaço,
mede a distribuição tridimensional da chuva sobre o con­
tinente e os oceanos. Ele define a profundidade da camada
de precipitação e fornece informação sobre a chuva que está
realmente atingindo a superfície, que é usada para deter­
minar o calor latente da atmosfera (TR M M , 2006). Sen­
sores passivos de micro-ondas têm dificuldade para medir
Aerossóis e Nuvens
chuvas sobre o continente (discutido no Capítulo 9), en­
quanto o radar de varredura operando em 13,8 GH z (HH)
fornece dados de precipitação precisos sobre o continente
com resolução espacial de 4,3 km ao nadir e numa faixa de
imageamento de 220 km de largura. Os dados do T R M M
Precipitation Radar sobre a Flórida, obtidos em 9 de mar­
ço de 1998, são mostrados como uma imagem oblíqua na
Prancha Colorida 12-6b e como uma seção transversal ao
longo da trajetória na Prancha Colorida 12-6c. A seção
transversal fornece uma significativa quantidade de infor­
mação sobre precipitação e altura de nuvens. Gabella et al.
(2005) verificaram que as estimativas do T R M M Precipita­
tion Radar apresentaram boa concordância com medidas de
precipitação feitas por radares terrestres. Atlas et al. (2005)
ressaltaram que as estimativas de precipitação do TRM M
Precipitation Radar e do Special Sensor Microwave/Imager
(SSM /I) forneceram excelente informação de precipitação
para uso em análise de furacões e previsão de tempo.
O T R M M Visible Infrared Scanner (VIRS) fornece infor­
mação em alta resolução sobre a cobertura de nuvens e
sobre o tipo e temperatura do topo de nuvens. Ele é um
radiômetro de varredura transversal de cinco canais ope­
rando em 0,63; 1,6; 3,75; 10,80 e 12 pm. Ele obtém da­
dos de 2,1 km ao nadir com uma faixa de imageamento de
aproximadamente 720 km.
O T R M M Lightning Imaging Sensor (LIS) mede a inci­
dência global de raios usando um sistema de sensoriamento
remoto óptico operando em 0,777 pm com uma resolução
espacial de 5 x 5 km ao nadir e uma faixa de imageamento
de 590 km. O Clouds and Earths Radiant Energy System
(CERES) é um sensor que opera no visível e infraverme­
lho, projetado especialmente para medir energia radiativa
refletida e emitida pela superfície da Terra e pela atmosfera
e seus constituintes (p.ex., nuvens e aerossóis). E um radi­
ômetro de varredura de bandas largas que opera na faixa
espectral total de 0,3 a 5,0 pm e de 8,0 a 12,0 pm.
A combinação singular dos comprimentos de onda dos
sensores do T R M M , coberturas e capacidade de resolução
com sua baixa altitude, órbita não-síncrona com o Sol, re­
sulta em estimativas mensais de precipitação em grades de
500 x 500 km (TR M M , 2006). Infelizmente, como pode
ser visto na Figura 12-16, visto que a Missão T R M M foi
planejada para cobrir latitudes tropicais, seus 35° de latitu­
de cobrem apenas parte da Europa e de outras várias áreas
importantes do hemisfério norte (Gabella et al., 2005).
Programa e Missão “ International Global Precipitation
Measurement (GPM )”
M elhores dados de precipitação gerados por m icro­
ondas serão provavelmente disponibilizados no futuro.
433
Em particular, a missão proposta denom inada “ Inter­
national Global Precipitation M easurem ent (G P M )” ,
que consiste de um a constelação de oito ou mais satéli­
tes, poderá fornecer amostragem de precipitação de três
em três horas aproxim adam ente para qualquer parte da
Terra em aproxim adam ente 90% do tçm po (Smith et
al., 2004; Atlas et al., 2005). Um desses satélites, inti­
tulado G P M Core, será sim ilar ao satélite T R M M . O
G PM Core terá em sua carga útil dois instrum entos de
m edição de chuva:
• um radar de precipitação de frequência dual (banda
Ka/Ku), denominado de DPR, e
• um radiômetro passivo de micro-ondas de chuva,
avançado, multicanal e de abertura larga, denominado
de GPM Microwave Imager (GMI).
Esse esforço é primariamente um resultado do Earth
Observation Sum mit (EO S), realizado em julho de 2003
em Washington, D .C ., onde mais de 30 nações estive­
ram reunidas para discutir desafios ambientais globais e
econômicos. Com o um dos resultados do E O S Summit,
foi estabelecido um Grupo ad hòc de Observação da
Terra para preparar um plano de implementação de 10
anos para um Sistema de Observação da Terra co-orde-
nado e sustentável.
A missão Global Precipitation Measurement será prova­
velmente lançada em 2013. A resolução espacial do GM I
excederá aquela de qualquer radiômetro de micro-ondas
presente ou planejado, incluindo o novo radiômetro Coni-
cal-scanning Microwave Image-Sounder (CM IS), em de­
senvolvimento pela NOAA Polar Orbiter Environmental
Satellite System (N PO ESS) (Smith et al., 2004).
Aerossóis e Nuvens
Os cientistas da NASA Earth Science Enterprise afirmam
que mais informação é necessária sobre as seguintes va­
riáveis se nós quisermos modelar e compreender as for­
ças modificadoras do sistema climático global da Terra
(Kahn, 1999):
• a quantidade e tipo de partículas atmosféricas (aeros­
sóis), incluindo aquelas formadas pela natureza e ativi­
dades humanas;
• a quantidade, tipo e altura das nuvens; e
a distribuição da cobertura do solo, incluindo a estru­
tura do dossel da vegetação.
434 CAPÍTULO
Aerossóis
Partículas de aerossóis podem ser sólidas ou líquidas e va­
riar em tamanho de 0,01 (tm até várias dezenas de micrô-
metros. Partículas de fumaça de cigarro estão nessa faixa de
tamanho; gotas de nuvens típicas têm 10 ou mais micrô-
metros de tamanho. Os aerossóis tendem a resfriar a super­
fície abaixo deles, porque a maioria dos aerossóis reflete a
luz do Sol de volta para o espaço, reduzindo a quantidade
de radiação solar que pode ser absorvida (Kahn, 1999). A
magnitude desse efeito depende do tamanho e composição
dos aerossóis e das propriedades de reflectância da super­
fície subjacente. Alguns acreditam que o efeito de resfria­
mento devido às crescentes quantidades de aerossóis pode
de fato reduzir ou retardar parte do aquecimento global
esperado causado pelo aumento da quantidade de dióxido
de carbono atmosférico. Talvez mais neblina e fumaça se­
jam bons! Outros discordam.
Embora a ciência de medições de aerossóis por sensoria­
mento remoto tenha sido estabelecida há mais de 20 anos,
até recentemente não existia um método para obter in­
formação sobre a quantidade e distribuição (denominada
profundidade óptica) dos aerossóis e das propriedades das
partículas (Bojinski et al., 2004). O instrumento Multi-
angle Imaging SpectroRadiometer (MISR) a bordo do
satélite Terra do programa EO S coleta essa informação
usando quatro bandas espectrais (azul, verde, vermelho
e infravermelho próximo) e nove ângulos de visada (veja
Capítulo 7 para uma descrição detalhada). Quatro dos
sensores de matriz linear apontam para frente em ângulos
oblíquos (26,1°; 45,6°; 60° e 70,5°, respectivamente), um
observa diretamente para baixo (nadir) e os outros quatro
para trás, com os mesmos ângulos dos que apontam para
frente. Esse arranjo fornece múltiplas visadas da mesma
parte da atmosfera (e da superfície da Terra), possibilitan­
do a obtenção de informação quantitativa sobre a localiza­
ção e conteúdo dos aerossóis (Diner et al., 2005). As carac­
terísticas dos aerossóis de toda a Terra podem ser obtidas a
cada nove dias. Tang et al. (2005) reportaram a extração de
informação de aerossóis usando dados dos sensores MO-
DIS do Terra e do Aqua. Bojinski et al. (2004) relataram
a história do mapeamento de aerossóis e discutiram um
novo algoritmo usando dados hiperespectrais.
Nuvens
As nuvens têm um papel vital no controle do clima da
Terra. Mais do que qualquer outro componente do sis­
tema climático, as nuvens afetam o fluxo de energia na
atmosfera da Terra. Uma nuvem pode aquecer ou resfriar
a Terra, dependendo da sua espessura e altura acima da su-
12 Sensoriamento Remoto da Água
perfície. Nuvens baixas e espessas refletem a radiação solar
incidente de volta para o espaço, o que causa resfriamento.
Nuvens altas aprisionam a radiação infravermelha emer­
gente e produzem o efeito estufa. Pelo fato de o tipo de
nuvem, altura, conteúdo de umidade e localização serem
tão variáveis, seus efeitos no clima global são difíceis de
medir. Alguns acreditam que a maior incerteza nos mode­
los de previsão do clima é como caracterizar e quantificar
as propriedades físicas e radiativas das nuvens.
Nuvens nas Imagens do Visível
Os primeiros satélites meteorológicos mediam apenas a
energia refletida pelas nuvens na faixa do visível (0,4 —0,7
|im). Os sensores do G O E S fornecem dados tanto no vi­
sível como na porção do infravermelho termal do espec­
tro, conforme discutido no Capítulo 7. Durante o dia, a
imagem do visível, que é a faixa de sensibilidade da visão
humana, permite o detalhamento dos padrões de nuvens,
que se assemelham muito ao que vemos a olho nu. Em
geral, as nuvens aparecem claras nas imagens, enquanto
a superfície continental e a água aparecem mais escuras.
Considere as imagens típicas do visível das porções leste
e oeste dos Estados Unidos obtidas pelo GOES-Leste e
pelo GOES-Oeste em 17 de abril de 1998 (Figuras 12-
17a,b). Observe o amplo sistema frontal de baixa pressão
aproximando-se de Washington a partir da Baía do Alaska.
Existe também um importante sistema de baixa pressão
localizado ao longo do litoral leste e da porção sudeste. O
lançamento inaugural do G O E S foi em 16 de outubro de
1975. Desde essa época, vários novos satélites G O E S têm
sido colocados em órbitas geoestacionárias de 35.790 km
para obter imagens do visível e do infravermelho. Elas são
usadas para monitorar sistemas frontais e tempestades in­
tensas associadas aos tornados e furacões.
A Europa tem um sistema similar ao G O E S, chamado
METEOSAT. O M ETEO SA T 4 é um satélite meteoroló­
gico geoestacionário localizado a 0" de latitude e longitude.
Ele observa continuamente todo o disco da Terra. As ima­
gens adquiridas pelo M ETEO SA T em três canais - visível
(0,4 - 1,14 pm ), infravermelho termal (10,5 - 12,5 (im)
e vapor d’água (5,1 - 7,1 |tm) - são transmitidas a cada
30 minutos. As imagens do M ET EO SA T disponíveis no
modo de alta resolução têm 5000 x 5000 pixels para os
canais do visível e 2500 x 2500 pixels para os canais do
infravermelho e de vapor d’água (Ameur et al., 2004).
A maioria dos sistemas de sensoriamento remoto que ope­
ram na porção visível do espectro pode coletar dados ape­
nas durante o dia. Entretanto, um instrumento sensível à
luz a bordo do Defense Meteorological Satellite Program
(DM SP) pode obter imagens do visível à noite. Isso é feito
registrando as feições iluminadas à noite pela luz da Lua.
Aerossóis e Nuvens 435

Imagens do G O ES-O este e do G O ES-Leste

a. GOES-Oeste (visível) . GOES-Leste (visível)

c. GOES-Oeste (infravermelho termal) d. GOES-Leste (infravermelho termal)

e. GOES-Oeste (vapor d’água)

Figura 12-17 Exemplos de imagens do GOES-Leste e do GOES-Oeste dos Estados Unidos e de porções da América Central, obtidas em
17 de abril de 1998 (cortesia da NOAA).
436 CAPÍTULO
topos de grandes
nuvens convectivas
nuvens de nível
intermediário ou
nuvens altas
nuvens convectivas de
semitransparentes
nível intermediário
nuvens cumuliformes
baixas
mar terra
Quente
Escuro Visível Claro
Figura 12-18 É possível determinar o tipo de nuvem com base em
medidas espectrais nas porções do visível e infraver­
melho próximo do espectro eletromagnético (após
Desbois et al., 1982).
Em geral, as nuvens não refletem radiação solar igualmen­
te bem em todas as direções. Portanto, uma única medida
da refletividade em uma única direção (p.ex., nadir) torna
difícil determinar a quantidade total de luz refletida pela
nuvem (seu albedo) relativa à energia incidente. Uma solu­
ção é obter múltiplas imagens de uma nuvem de diferentes
pontos de observação. Isso introduz paralaxe estereoscópica.
O EO S Terra M ISR obtém informação estereoscópica das
nuvens observando-as de nove ângulos de visada distintos,
conforme discutido anteriormente. Os dados estereoscópi­
cos podem ser analisados para fornecer informação quan­
titativa tridimensional sobre a altura de nuvens, estrutura,
espessura, forma e rugosidade do topo das nuvens. A infor­
mação precisa do albedo pode ser então calculada.
Nuvens nas Imagens do Infravermelho Termal
A banda do infravermelho termal mais comum usada em in­
vestigações metereológicas é a de 10 - 12,5 |tm. A atmosfera
é relativamente transparente à energia nesse comprimento
de onda emergente da superfície da Terra e das nuvens.
Também, as imagens do infravermelho termal podem ser
obtidas à noite e nós podemos ter um registro contínuo de
24 horas dos padrões de nuvens, o que permite a inclusão de
importantes eventos meteorológicos que ocorrem à noite.
Em meteorologia por satélite, as imagens do infravermelho são
Sensoriamento Remoto da Água
normalmente invertidas, isto é, quanto maior for a radiância
de um pixel, mais escuro ele será. Dessa forma, nuvens, que
são normalmente mais frias do que a superfície da Terra, apa­
recem em branco nas imagens do visível. O terreno ou super­
fícies oceânicas mais quentes aparecem mais escuros do que as
nuvens. Imagens dos Estados Unidos provenientes do infra­
vermelho termal dos satélites GOES-Oeste e GOES-Leste são
mostradas nas Figuras 12-17c,d. E mais fácil identificar o li­
mite dos sistemas frontais usando a imagem do infravermelho
termal. Além disso, os limites terra-água são mais distintos.
Sabe-se bem que é possível extrair informação sobre os ti­
pos de nuvens e suas alturas usando sensoriamento remoto
multiespectral. Uma das primeiras relações é demonstrada
na Figura 12-18, onde dados do visível e do infravermelho
podem ser usados para diferenciar entre mar, terra, nuvens
cumuliformes, nuvens altas semitransparentes e nuvens
convectivas (como tempestades). Nuvens cumulonimbus
convectivas altas são frias e claras. O mar e a superfície
da terra são mais quentes e escuros (Desbois et al., 1982).
O analista extrai o valor do pixel nas bandas do visível e
do infravermelho termal, projeta esse valor no diagrama e
identifica a natureza da nuvem sob investigação.
Muitos cientistas têm tentado detectar a presença de nu­
vens usando um valor limiar de temperatura fria no infra­
vermelho termal. O objetivo é identificar pixels com baixa
temperatura que correspondam a nuvens de média ou alta
altitude. Normalmente, o principal problema é a especifica­
ção do valor exato do limiar de temperatura. Por exemplo,
Franca e Cracknell (1995) desenvolveram cinco diferentes
algoritmos para detecção de nuvens em áreas tropicais, com
base em informação espectral do visível e do infravermelho
próximo, usando dados diurnos do NOAA AVHRR. Feidas
et al. (2000) desenvolveram um esquema de classificação de
nuvens onde nuvens convectivas espessas opacas correspon­
dem a classes com os menores valores de temperatura de
brilho (7j) nas bandas do infravermelho termal (abaixo de
223 K) e de vapor d’água (abaixo de 223 K). Feidas e Carta-
lis (2005) ampliaram essa investigação e desenvolveram um
algoritmo automático para rastrear células de nuvens con­
vectivas. O índice de diferença normalizada da neve (N D SI
- Normalized Difference Snow Index), discutido na seção
“Neve” deste capítulo, também pode ser utilizado para iden­
tificar nuvens usando sensores que contêm bandas no visível
e infravermelho médio (p.ex., bandas 2 e 5 do LandsatTM )
(Hall et al., 1995; Choi e Bindschadler, 2004).
A informação de altura de nuvens extraída de dados do in­
fravermelho termal pode ser usada para gerar imagens oblí­
quas pseudo-tridimensionais das principais tempestades.
Por exemplo, as imagens AVHRR do visível e infravermelho
das Figuras 12-19a,b captaram o movimento do furacão
Andrew na direção de Louisiana em 1992. Nesses exem-
Vapor d’Água 437

Imagem AVHRR de 25 de Agosto de 1992 do Furacão Andrew

Figura 12-19 a) Imagem AVHRR da banda 1 (0,58 - 0,68 pm) do visível, obtida em 25 de agosto de 1992, às 20:20 UT, mostrando o desloca­
mento do furacão Andrew na direção de Louisiana. A altura aparente da perspectiva na área do furacão é inversamente proporcional
à temperatura das nuvens observada na banda 5 (11,5 - 12,5 pm). b) Dados do infravermelho próximo da banda 2 do AVHRR
(0,725 - 1,10 pm) (cortesia de F. Hasler, K. Palaniapan, M. Manyin e H. Pierce, NASA Goddard Space Flight Center).

pios, as imagens do visível (banda 1; 0,58 - 0,68 pm) e do
infravermelho próximo (banda 2; 0,725 — 1,10 pm) foram
sobrepostas à informação de altura de nuvens obtida dos da­
dos do infravermelho termal (banda 5; 11,5 —12,5 pm).
O TRM M Visible Infrared Scanner (VIRS), lançado em
1997, fornece informação sobre o tipo de nuvem e a tempe­
ratura do topo das nuvens usando um radiômetro de cinco
canais de varredura transversal à trajetória do satélite. O sen­
sor Terra M ISR coleta informação somente nas porções do
visível e do infravermelho próximo do espectro, enquanto
o sensor Terra Clouds and Earths Radiant Energy System
(CERES) obtém dados em apenas um ângulo de visada, mas
em todo o espectro solar. O sensor CERES mede a energia
no topo da atmosfera, e também estima os níveis de energia
na atmosfera e na superfície da Terra. Mede a radiação de
onda curta refletida (0,3 a 5 pm), a radiação de onda longa
emitida (8 a 12 pm), e a energia total emergente da Terra
(0,3 pm a além de 100 pm). Ele também determina as pro­
priedades das nuvens, incluindo a quantidade, a altura, a es­
pessura e o tamanho das partículas. Portanto, os instrumen­
tos VIRS, M ISR e CERES complementam-se na coleta de
informação sobre as nuvens. O M O D IS obtém informação
sobre o topo das nuvens usando as bandas 33 - 36 na região
do infravermelho termal de 13,185 pm a 14,385 pm.
Vapor cTÁgua
O vapor d’água é essencial para a precipitação. N ão apenas
é o mais importante gás estufa na atmosfera (Chylek et
al., 2004), como também tem um papel essencial para a
compreensão e previsão dos processos meteorológicos mais
importantes, desde a convecção até a formação de nuvens e
precipitação, e dos fortes temporais resultantes (Wulfmeyer
et al., 2005). É possível mapear o vapor d’água medindo as
bandas de absorção de vapor d’água. Vários comprimentos
de onda podem ser usados, mas um dos mais comuns está
centrado ao redor de 6,7 pm. O M ETEO SA T 1, lançado
em 1978 pela Agência Espacial Européia, foi o primeiro
satélite geoestacionário a obter imagens de vapor d’água
da troposfera na região de 6,7 pm em complemento às
imagens do visível e do infravermelho (10 — 12 pm). O
M ETEO SA T 4 coleta informação de vapor d’água na re­
gião espectral de 5,1 —7,1 pm (Ameur et al., 2004).
Os sensores G O E S rotineiramente fornecem imagens de
vapor d’água obtidas na região de 6,7 pm. Nesse compri­
mento de onda, a maior parte da radiação medida pelo
satélite vem da camada atmosférica entre 300 e 600 km,
isto é, das camadas intermediárias da troposfera. As Figu­
ras 12-17e,f exibem imagens de vapor d’água do oeste e
leste dos Estados Unidos. Observe a tremenda quantidade
de vapor d água na tormenta que se aproxima do oeste dos
Estados Unidos e na que sai do leste. Observe também a
falta de vapor d’água nessa data em torno do Hawaii e na
porção inferior do Golfo do México, próximo a Cozumel,
México. O tempo foi muito agradável nesse dia nestas áre­
as. A umidade relativa é provavelmente mais alta nas áreas
claras do que nas escuras em uma imagem de vapor d’água.
Áreas claras e escuras podem também indicar movimentos
ascendentes e descendentes, respectivamente.
Também é possível extrair informação sobre vapor d’água
na porção do infravermelho próximo do espectro, que tem
438 CAPÍTULO
várias feições atrativas para tal propósito. É uma região onde
a radiação solar ainda é muito forte; e existem bandas es­
pectrais dentro da faixa do infravermelho próximo onde a
interferência de outros gases da atmosfera é fraca. Na faixa de
comprimento de onda que vai de 890 a 990 nm existem três
importantes bandas de absorção de vapor d’água: uma forte
banda de absorção centrada em 942 nm e bandas mais fracas
centradas em 906 e 977 nm (Chylek et al., 2004). O MO-
DIS tem várias bandas sensíveis ao vapor d’água atmosférico
nestas regiões, incluindo as bandas 17 (890 —920 nm), 18
(931 —941 nm) e 19 (915 —965 nm). No futuro, a Agência
Espacial Européia poderá lançar o denominado Water Va-
pour Lidar Experiment in Space (WALES) usando um Lidar
de absorção diferencial (Wulfmeyer et al., 2005).
O degelo da neve pode ser benéfico, mas também desastro­
so. N a primavera, é essencial para muitas atividades agríco­
las nos climas semi-áridos e fornece a maior parte da água
potável para abastecimento humano (além da água subter­
rânea). Infelizmente, um acúmulo muito grande de neve ou
um degelo precoce pode causar inundação intensa e, conse­
quentemente, perdas de vidas e propriedades. Dessa forma,
meteorologistas, hidrologistas e glaciologistas trabalham
para identificar: 1) a extensão geográfica do pacote de neve
em base sazonal, e b) seu conteúdo equivalente de água.
Neve no Espectro Visível
Quando as nuvens não estão presentes em uma imagem
do visível e/ou do infravermelho próximo, é uma tarefa
relativamente simples identificar a distribuição espacial da
neve, porque geralmente ela é mais clara do que a vegeta­
ção, solo ou água próxima que não estejam cobertos com
neve. Além disso, uma das principais evidências diagnos­
ticas que pode ser usada para distinguir neve de nuvens
é obter várias imagens do terreno em um período relati­
vamente curto de tempo usando AVHRR ou G O E S. As
nuvens movem-se, mas a neve não.
Neve nas Regiões do Infravermelho Médio e de
Micro-ondas
Entretanto, se alguém obtiver somente uma única imagem
do terreno e ela possuir nuvens e neve, então é possível
utilizar a porção do infravermelho médio do espectro para
distinguir neve de nuvens. A razão é ilustrada na Figura
12-20. Nas porções do visível e do infravermelho próximo
do espectro, nuvens e neve refletem quantidades aproxima-
Sensoriamento Remoto da Agua
Reflectância de Nuvens e Neve
Figura 12-20 Reflectância de nuvens e neve no intervalo de com­
primentos de onda de 0,4 a 2,5 pm (após Avery e
Berlin, 1992).
damente iguais de fluxo radiante. Na porção do infraver­
melho médio do espectro (especialmente 1,5 - 2,5 |tm),
as nuvens continuam a refletir quantidades substanciais de
energia, enquanto a reflectância da neve aproxima-se de
zero (Hall et al., 1995; Choi e Bindschadler, 2004). Essa
relação foi primeiramente documentada pelos sensores da
Skylab operando na região de 1,55 - 1,75 pm. Nesta ban­
da, as nuvens têm uma reflectância muito alta e aparecem
claras na imagem, enquanto a neve tem uma reflectância
muito baixa e aparece escura. Portanto, a banda 5 (1,55
- 1 ,7 5 |im) do Landsat Thematic Mapper e a banda do in­
fravermelho médio (SWIR) do sensor do SPO T 4 podem
ser usadas para a discriminação entre coberturas de nuvens
e neve. O decréscimo na reflectância da neve de 80 —90%
nos comprimentos de onda < lp m para menos que 10%
em 1,5 pm é extraordinário quando comparado com as
características de reflectância de outros materiais da super­
fície terrestre. Com base nestas relações, Hall et al. (1995)
desenvolveram o índice de diferença normalizada da neve
{Landsat TM Norm alized Difference Snow Index (N D SI))
usando as bandas 2 e 5 do Landsat T M :
Landsat TM NDSI - g g ; ™ 5>> 02-7)
Um limiar aplicado à imagem N D SI é usado para separar
pixels de nuvens de pixels sem nuvens (neve). O algoritmo
de detecção automática de cobertura de nuvens (ACCA),
proposto por Irish (2000) usou 0,7 como valor limiar
(Choi e Bindschadler, 2004). Entretanto, o limiar ótimo
pode variar de uma imagem N D SI para outra.
Os dados do M O D IS têm sido usados para produzir ma­
pas globais de cobertura de neve desde 13 de setembro de
Modelagem da Qualidade de Água
2000 com 500 x 500 m de resolução espacial (Dozier e
Painter, 2004). O algoritmo de mapeamento automático
de neve do M O D IS usa valores de reflectância nas bandas
4 (0,545 - 0,565 pm) e 6 (1,628 - 1,652 pm) para cal­
cular o denominado M O D IS Norm alized Difference Snow
Index (Hall et al., 2002; Salomonson e Appel, 2004):
(M O D IS 4 - M O D I S 6)
M O D IS N D SI = ( 12- 8)
(M O D IS 4 + M O D IS 6)
Um pixel em uma região de floresta não-densa será mapeado
como neve se o valor M O D IS N D SI for >0,4 e a reflectân­
cia na banda 2 do M O D IS >11%. Entretanto, se a reflec­
tância da banda 4 do M O D IS for <10%, então o pixel não
será mapeado como neve mesmo se os outros critérios forem
atingidos (Hall et al., 2002). Isso evita que pixels contendo
alvos muito escuros, como os das florestas “black spruce”
(Picea m ariana —árvore de Natal), sejam erroneamente ma­
peados como neve. Salomonson e Appel (2004) reportaram
que a relação entre a cobertura fracional de neve e o M O D IS
N DSI é razoavelmente robusta quando aplicada localmente
e sobre extensas áreas como a América do Norte. Zhou et al.
(2005) destacaram a importância dos produtos de cobertura
de neve do M O D IS para modelagens hidrológicas.
A região de micro-ondas do espectro é promissora para ob­
ter informação importante da neve (Forster et al., 2005).
Dependendo do comprimento de onda, estimativas de pro­
fundidade, de água equivalente de neve e de quantidade/
presença de água líquida no pacote de neve são possíveis.
Além disso, as nuvens são transparentes para a maior parte
das frequências de micro-ondas, de tal forma que o mape­
amento da área da neve e de suas propriedades é possível
mesmo em regiões onde nuvens são comuns e à noite (Fors­
ter et al., 2005). Medidas feitas a partir de aeronave e do
Space Shuttle Synthetic Aperture Radar mostraram que o
SAR pode ser usado para discriminar entre neve e glaciais
e também entre neve úmida e neve seca (Shi et al., 1994).
Derksen et al. (2005) mostraram como os dados do sensor
passivo de micro-ondas Special Sensor Microwave/Imager
(SSM/I) foram usados para extrair com sucesso inlorma-
ção sobre água equivalente de neve no Canadá. Em geral, o
sensoriamento remoto óptico usado para mapear a extensão
espacial de neve (SAE —snow areai extern) tem melhor reso­
lução espacial do que o sensoriamento remoto de micro-on­
das, que pode ser usado para mapear a água equivalente de
neve (SWE —snow water equivalent) (Zhou et al., 2005).
Modelagem da Qualidade de Água
As agências governamentais estaduais e municipais são ne­
cessárias para reduzir as descargas de fontes pontuais para
os córregos e rios. Fontes pontuais são relativamente fáceis
439
de controlar e regular porque suas localizações são conhe­
cidas. Um fenômeno mais comum e mais difícil de detec­
tar é a poluição de fonte não-pontual (NPS). A N PS é defi­
nida como a poluição que se origina de descargas urbanas,
construção, modificação hidrológica, silvicultura, minera­
ção, agricultura, fluxos de retorno de irrigação, lixo sólido,
deposição atmosférica, erosão de bancos de rios e esgotos.
Os impactos da N PS incluem a diminuição do uso da água
para recreação; redução da capacidade de armazenamento
de água em rios, lagos e estuários; bloqueio de condutores
de água e canais de irrigação; excessivo aporte e sedimen­
tação das águas, o que contribui para a perda do habitat de
peixes e vida selvagem; e uma redução na qualidade estéti­
ca do ambiente aquático (Corbitt, 1990).
Técnicas tradicionais de medidas in situ têm tido um efeito
limitado na identificação e modelagem da poluição de fonte
não-pontual. Os cientistas têm verificado que a integração
de dados in situ e de sensoriamento remoto com técnicas
de modelagem GIS pode fornecer alguma informação útil
sobre a qualidade da água. De fato, a coleta de dados de
sensoriamento remoto combinada com modelagem GIS
oferece um meio de identificar e classificar N PS potencial
em águas superficiais com um resultado final relativamen­
te simples de compreensão pelo público. Schultz (1988)
apresenta exemplos de como variáveis biofísicas medidas
por sensoriamente remoto (p.ex., declividade, solos e ca­
racterísticas da cobertura da terra) podem ser usadas como
input para modelos hidrológicos.
Um Modelo de Qualidade de Água Integrado por
Sensoriamento Remoto e GIS
Esse breve estudo de caso avalia a degradação da qualidade
da água e os impactos das descargas urbanas na bacia hidro­
gráfica de Withers Swash em Myrtle Beach, SC. Withers
Swash é uma bacia urbanizada (34% impermeável) que
cobre aproximadamente 10,7 km2e inclui usos industriais,
residenciais, comerciais, agrícolas, recreativos e terrenos sem
uso. A bacia é dividida em duas sub-bacias (Figura 12-21 a),
que drenam para um lago de decantação construído para
capturar sedimentos antes de a água adentrar para o Oce­
ano Atlântico. Um estudo foi conduzido usando dados de
sensoriamento remoto para obter informação sobre a cober­
tura da terra que foi então integrada em uma base de dados
GIS com outras informações espaciais como hidrologia,
topografia e dados de solos. Os dados foram então analisa­
dos usando o modelo de poluição denominado Agricultuml
NonPoint Source (AGNPS) para gerar previsões de qualidade
da água (USDA, 1998; Schill e Jensen, 1998).
O modelo de qualidade de água A G N PS usa oito atri­
butos de fluxo direcional determinados pela topografia
440 CAPITULO Sensoriamento Remoto da Água

M odelagem de Poluição de Fonte Nao-Pontual

a. Hidrologia

(cfs)

b. Topografia

□ 0,0 -0,05
|— ] 0,05 -0,15
jf§ j0 ,1 5 -0,25
Ü 0,25 -0,50
f. Erosão da célula
(toneladas por acre)
c. Solos

J . Cobertura do terreno obtida de dados de sensores remotos

Figura 12-21 Modelagem de poluição de fonte não-pontual usando o modelo de poluição e qualidade da água “Agricultural NonPoint
Source (AGNPS)” aplicado a duas sub-bacias. a) Hidrologia da bacia Withers Swash em Myrtle Beach, SC. A modelagem
baseou-se em células de 30 x 30 m e em uma precipitação de 68 mm em 24 horas, b) A topografia foi obtida fotogra-
metricamente e usada para extrair a informação da declividade. c) Dados dos solos foram amostrados em campo, d) As
características de cobertura da terra foram obtidas de análise de fotografias aéreas e de dados do sensor multiespectral
ATLAS, e) Fluxo concentrado de pico modelado em pés cúbicos por segundo, f) Erosão total da célula modelada em
toneladas por acre (Schill e Jensen, 1998).
Referências
e pelas características dos canais para dar vazão às águas
de chuvas através da bacia até uma única célula de saí­
da (Cronshey e Theurer, 1998). Aproximadamente um
terço dos parâmetros de entrada do modelo são obtidos
da topografia (Figura 12-21 b). Esses parâmetros incluem
a declividade do terreno, o comprimento da declividade
(Equação Universal de Perda de Solos (U SLE)) e a forma
da declividade. Os atributos do solo, incluindo a erodi-
bilidade (fator K da U SLE) e a textura, foram verificados
por meio de amostragem de campo e de testes de pe-
neiramento (Figura 12-21c). A informação da cobertura
da terra foi obtida com uma fotografia aérea infraverme-
lho-colorida, na escala de 1:10.000 e com dados mul-
tiespectrais do sensor da NASA denominado “Airborne
Terrestrial Applications Sensor (ATLAS)” com 3 x 3 m
de resolução espacial (Figura 12-21 d). Desses atributos
de cobertura da terra, o número da curva SC S (relaciona­
do com o grupo hidrológico do solo, de acordo com Soil
Conservation Service, dos Estados Unidos), o coeficiente
de rugosidade de M anning, os fatores U SL E C (cultivo) e
P (prática), a constante de condição do solo e a demanda
química de oxigênio (C O D ) foram obtidos das tabelas de
conversão em Young et al. (1994).
Antes de executar o modelo, todos os dados espaciais foram
reamostrados para células de 30 x 30 m (0,22 acre) em cada
uma das duas sub-bacias. Um evento de tempestade foi simu­
lado usando os seguintes parâmetros: intensidade da energia
da tempestade (fator r) de 95,39, duração da tempestade de
24 horas, precipitação total igual a 68 mm e concentração
de nitrogênio da chuva de 0,80 ppm. Um exemplo de dois
produtos de saída do modelo inclui o fluxo concentrado de
pico em pés cúbicos por segundo (cfs) (Figura 12021 e) e a
erosão total da célula em toneladas por acre (Figura 12-21 f).
Os resultados do modelo foram comparados com medidas
in situ e usados para localizar áreas com aporte crescente de
sedimentos e perda de nutrientes, como também para indicar
a extensão espacial do transporte de nutrientes e sedimentos,
deposição e acumulação. Essa informação tem sido usada
para alocar espacialmente interceptadores ou filtros (“buffer
strips”) e determinar outras formas melhores de práticas de
manejo (BMPs - best management practices). King et al.
(2005) discutiram o uso de inputs de uso da terra a partir de
dados Landsat T M e da rugosidade de superfície a partir do
RADARSAT para o modelo denominado STRFAM.
Ameur, Z., Ameur, S., Adane, A., Sauvageot, H. and
K. Bara,2004, “Cloud Classification using the Textural
Features of Meteosat Images,” Intl. Journal ofRemote Sensing,
25(21):4491—4503.
441
Atlas, R.; Fiou, A. Y. and O. Reale, 2005, “Application of
Sea-Winds Scatterometer and TMI-SSM/I Rain Rates to
Hurricane Analysis and Forecasting,” ISPRS Journal o f
Photogrammetry & Remote Sensing, 59:233—243.
Avery, T. E. and G. L. Berlin, 1992, Fundamentais o f Remote
Sensing and Airphoto Interpretation, NY: Macmillan.
Binding, C. E., Bowers, D. G. and E. G. Mitchelson-Jacob,
2005, “Estimating Suspended Sediment Concentrations from
Ocean Colour Measurements in Moderately Turbid Waters:
The Impact of Variable Particle scattering Properties,” Remote
Sensing o f Environment, 94:373-383.
Bojinski, S., Schlapfer, D., Schaepman, M., Keller, J. and
K. Itten, 2004, “Aerosol Mapping over Land with Imaging
Spectroscopy using Spectral Autocorrelation,” Intl. Journal o f
Remote Sensing, 25(22):5025-5047.
Bukata, R. P., J. H. Jerome, K. Y. Kondratyev and D. V.
Pozdnyakov, 1995, Optical Properties and Remote Sensing o f
Inland and Coastal Waters, NY: CRC, 362 p.
Carder, K. L., Chen, F. R., Lee, Z., Hawes, S. K. and J. P.
Cannizzaro, 2002, MODIS Ocean Science Team Algorithm
Theoretical Basis Document, Case 2 Chlorophyll a, MODIS
Algorithm Theoretical Basis Doc. 19, Ver. 7, Greenbelt: NASA
GSFC, http://modis.gsfc.nasa.gov/data/atbd/atbd_modl9.pdf.
Carder, J. V., Mayer, L. A. andj. E. H. Clarke, 2000, “Morphology
and Processes in Lake Tahoe (California-Nevada),” Geological
Society o f America Bulletin, 112(5):736-746.
Choi, H. and R. Bindschadler, 2004, “Cloud Detection in
Landsat Imagery of Ice Sheets using Shadow MatchingTechnique
and Automatic Normalized Difference Snow Index Threshold
Value,” Remote Sensing o f Environment, 91:237—242
Chylek, P., Clodius, W. B., Bender, S. C., Atkins, W. H. and
L. K. Balick, 2004, Sensitivity of Near Infrared Total Water
Vapour Estimate to Calibration Errors,” Intl. Journal o f
Remote Sensing, 25(21 ):4457—4470.
Darecki, M. and D. Stramski, 2004, “An Evaluation of
M ODIS and SeaWiFS Bio-optical Algorithms in the Baltic
Sea,” Remote Sensing o f Environment, 89:326-350.
Desbois, M., G. Seze and G. Szejwach, 1982, “Automatic
Classification of Clouds on METEOSAT Satellite Imagery:
Applications to High-level Clouds,” Journal o f Applied
Meteorology, 21:401—412.
Diner, D. J., Martonchik, J. V., Kahn, R. A., Pinty, B., Gobron,
N., Nelson, D. L. and B. N. Holben, 2005, “Using Angular
442 CAPÍTULO
and Spectral Shape Similarity Constraints to Improve MISR
Aerosol and Surface Retrievals Over Land,” Remote Sensing o f
Environment, 94:155—171.
Derksen, C., Walker, A. and G. Bo-odison, 2005, “Evaluation
of Passive Microwave Snow Water Equivalent Retrievals
Across the Boreal Forest/Tundra Transition of Western
Canada,” Remote Sensing o f Environment, 96:315-327.
Dozier, J. and T. H. Painter, 2004, “Multispectral and
Hyperspectral Remote Sensing of Alpine Snow Properties,”
Annual Reviews Earth Planetary Science, 32:465—494.
Doxaran, D., Froidefond, J. M „ Lavender, S. and P. Castaing,
2002, “Spectral Signature of Highly Turbid Waters: Application
with SPOT Data to Quantify Suspended Particulate Matter
Concentrations,” Remote Sensing o f Environment, 81:149-161.
Falkowski, P. G., M. J. Behrenfeld, W. E. Esaias, W. Balch, J.
W. Campbell, R. L. Iverson, D. A. Kiefer, A. Morei and J. A.
Yoder, 1998, Satellite Primary Productivity Data and Algorithm
Development: A Science Plan for Mission to Planet Earth,
Greenbelt: NASA Goddard Space Flight Center, 42:36 p.
Feidas, H., Cartalis, C. and A. P. Cracknell, 2000, “Use of
M ETEOSAT Imagery to Define Clouds Linked with Flo-ods
in Greece,” Intl. Journal o f Remote Sensing, 21:1047-1072.
Feidas, H. and C. Cartalis, 2005, “Application of an Automated
Cloud-tracking Algorithm on Satellite Imagery for Tracking
and Monitoring Small Mesoscale Convective Cloud Systems,”
Intl. Journal o f Remote Sensing, 26(8): 1677-1698.
Foster, J. L., Sun, C., Walker, J. P, Kelly, R., Chang, A.,
Dong, J. and H. Powell, 2005, “Quantifying the Uncertainty
in Passive Microwave Snow Water Equivalent Observations,”
Remote Sensing o f Environment, 94:187—203.
Franca, G. B. and A. P Cracknell, 1995, “ASimpleCloud Masking
Approach Using NOAA AVHRR Daytime Data for Tropical
Areas,” Intl. Journal o f Remote Sensing, 16(9):1697-1705.
Franca, G. B. and W. S. Carvalho, 2004, “Sea Surface
Temperature GOES-8 Estimation Approach for the Brazilian
Coast,” Intl. Journal o f Remote Sensing, 25(17):3439-3450.
Gabella, M., Michaelides, S. and G. Perona, 2005,
“Preliminary Comparison of TRM M and ground-based
Precipitation Radars for A European Test Site,” Intl. Journal
o f Remote Sensing, 26(5):997—1006.
Gardner, J., 2002, “Using Multibeam Sonar to Map MPSs:
To-ol of the Future for Planning and Management,” Marine
Protected Areas News, 4(2): 1—2.
12 Sensoriamento Remoto da Água
Gitelson, A. A., 1992, “The Peak Near 700 nm on Radiance
Spectra of Algae and Water: Relationships of its Magnitude
and Position with Chlorophyll Concentration, Intl. Journal o f
Remote Sensing, 13:3367—3373.
Gordon, H. R., D. K. Clark, J. W. Brown, O. B. Brown, R. H.
Evans and W. W. Broenkow, 1983, “Phytoplankton Pigment
Concentrations in the Middle Atlantic Bight: Comparison of
Ship Determinations and CZCS Estimates,” Applied Optics,
22:20-36.
Gregg, W. W. and N. W. Casey, 2004, “Global and Regional
Evaluation of the SeaWiFS Chlorophyll Data Set,” Remote
Sensing o f Environment, 93:463-479.
Guenther, G. C., Cunningham, A. G., LaRocque, P. E.
and D. J. Reid, 2000, “Meeting the Accuracy Challenge in
Airborne LIDAR Bathymetry,” EARSEL eProceedings o f the
LIDAR Workshop, Dresden; June 16-17, 1:1-27.
Hall, D. K., Riggs, G. A. and V. V. Salomonson, 1995,
“Development of Methods for Mapping Global Snow Cover
using Moderate Resolution Imaging Spectrometer Data,”
Remote Sensing of Environment, 54:127—140.
Hall, D. K., Riggs, G. A., Salomonson, DiGirolamo, N.
E. and K. J. Bayr, 2002, “M ODIS Snow-cover Products,”
Remote Sensing o f Environment, 83:181-194.
Han, L., 1997, “Spectral Reflectance with Varying Suspended
Sediment Concentrations in Clear and Algae-Laden Waters,”
Photogrammetric EngineeringSz Remote Sensing, 63(6):701-705.
Han, L. and D. C. Rundquist, 1994, “The Response of
Both Surface Reflectance and the Underwater Light Field to
Various Leveis of Suspended Sediments: Preliminary Results,”
Photogrammetric Engineering& Remote Sensing, 60:1463-1471.
Han, L. and D. C. Rundquist, 1997, “Comparison of NIR/
RED Ratio and First Derivative of Reflectance in Estimating
Algal-Chlorophyll Concentration: A Case Study in a Turbid
Reservoir,” Remote Sensing o f Environment, 62:253—261.
Han, L. and D. C. Rundquist, 1998, “The Impact of a
Windroughened Water Surface on Remote Measurements of
Turbidity,” Intl. Journal o f Remote Sensing, 19( 1): 195—201.
Hoffer, R., 1978, “Spectral Characteristics of Water and
Snow,” Remote Sensing: The Quantitative Approach, P. Swain
and S. Davis (Eds.), NY: McGraw Hill.
Irish, R., 2000, “Landsat-7 Automatic Cloud Cover
Assessment Algorithms for Multispectral, Hyperspectral, and
Ultraspectral Imagery,” SPIE, 4049:348-355.
Referências
Islam, A., Gao, J., Ahmad, W., Neil, D. and P. Bell, 2004, “A
Composite DOP Approach to Excluding Bottom Reflectance
in Mapping Water Parameters o f Shallow Coastal Zones from
TM Imagery,” Remote Sensing o f Environment, 92:40-51.
Jensen, J. R„ Kjerfve, B. K„ Ramsey III, E. W„ Magill,
K. E., Medeiros,C. and J. E. Sneed, J. E, 1989, “Remote
Sensing and Numerical Modelling of Suspended Sediment in
Laguna de Términos, Campeche, México,” Remote Sensing o f
Environment, 28:33-44.
Kahn, R., 1999, General Introduction to MISR, Pasadena:
NASA JPL, http://www-misr.jpl.nasa.gov/miintro.html.
Karaska, M. A., Huguenin, R. L., Beacham, J. L., Wang,
M., Jensen, J. R. and R. S. Laufmann, 2004, “AVIRIS
Measurements of Chlorophyll, Suspended Minerais,
Dissolved Organic Carbon, and Turbidity in the Neuse
River, N C ,” Photogrammetric Engineering & Remote Sensing,
70(1): 125-133.
King, C., Lecomte, V., Bissonnais, Y. L., Gaghdadi, N.,
Souchere, V. and O. Cerdan, 2005, “Remote-sensing Data
as an Alternative Input for the STREAM Runoff Model,”
Catena, 62:125-135.
Kongsberg, 2005, EM 120 Multibeam Echo Sounder, Horten,
Norway: Kongsberg, Inc., http://www.knogsberg.com.
Kroger, S. and R. J. Law, 2005, “Sensing the Sea,” Trends in
Biotechnology, 23(5):250-256.
Lafon, V., Froidefond, J. M., Lahet F. and P. Castaing, 2002,
“SPOT Shallow Water Bathymetry of A Moderately Turbid
Tidal Inlet Based on Field Measurements,” Remote Sensing o f
Environment, 81:136—148.
Legleiter, C. J. and D. A. Roberts, 2005, “Effects of Channel
Morphology and Sensor Spatial Resolution on Image-derived
Depth Estimates,” Remote Sensing o f Environment, 95:231-247.
Legleiter, C. J. Roberts, D. A., Marcus, W. A and M. A.
Fonstad, 2004, “Passive Optical Remote Sensing of River
Channel Morphology and in-stream Habitat: Physical Basis
and Feasibility,” Remote Sensing o f Environment, 93:493-510.
Lodhi, M. A., D. C. Rundquist, L. Han and M. S. Juzila,
1997, “The Potential for Remote Sensing of Loess Soils
Suspended in Surface Waters,” Journal ofthe American Water
Resources Association, 33(1): 111-127.
Maritorena, S. and D. A. Siegel, 2005, “Consistent Merging
of Satellite Ocean Color Data Sets Using A Bio-optical
Model,” Remote Sensing o f Environment, 94:429—440.
443
Markham, B. L. and J. C. Barker, 1986, “Landsat MSS andTM
Post-Calibration Dynamic Ranges, Exoatmospheric Reflectance
and at Satellite Temperature,” Landsat Technical Notes, 1:3-8.
Miller, R. L. and B. A. McKee, 2004, “Using MODIS Terra 250
m Imagery to Map Concentrations ofTotal Suspended Matter in
Coastal Waters,” Remote Sensing o f Environment, 93:259-266.
Mitchell, B. G., 2001, GlobalImager (GLI) StandardAlgorithms
(Chl-a, CDROM andK490): CalibrationandValidation, http://
sharaku.eorc.nasda.go.jp/GLI/meet/2001/0_05.pdf.
M ODIS, 2006, M ODIS Home Page, Greenbelt: NASA
Goddard Space Flight Center, http://modis.gsfc.nasa.gov/.
Morei, A. and D. Antoine, 2000, Pigment Index Retrieval in Case 1
Waters, MERIS Algorithm Theoretical Basis Document ATBD2,9,
p. 25, http://envisat.esa.int/instruments/meris/pdf/atbd_2_09.pdf
Mumby, P. J., E. P. Green, A. J. Edwards and C. D. Clark,
1997, “Coral Reef Habitat-mapping: How Much Detail can
Remote Sensing Provide?” Marine Biology, 130:193-202.
Mustard, J. F., Staid, M. I. and W. J. Fripp, 2001, “A
semianalytical Approach to the Calibration of AVIRIS
Data to Reflectance Over Water Application in a Temperate
Estuary,” Remote Sensing o f Environment, 75:335—349.
NOAA, 1999, What is an El Nino?, Washington: NOAA.
NOAA CSC, 2006, Single Beam Sonar, Charleston: NOAA
Coastal Services Center, www.csc.noaa.gov/crs/rs_appps/
sensors/single_beam.htm.
NOAA Office of Coast Survey, 2006, SideScan and Multibeam
SONAR, Washington: NOAA Office of Coast Survey, http://
chartmaker.ncd.noaa.gov/HSD/wrecks.html.
NOAA ROC, 2005, NEXRAD WSR-88D, Washington:
NOAA Radar Operations, http://www.roc.noaa.gov.
Optech, 2006, SHOALS-1000, Toronto: Optech, Inc.,
Http:/www.optech.on.ca.
0 ’Reilly, J. E., Maritorena, S., Mitchell, G., Siegel, D.A.,
Carder, K. L., Garver, S. A., et al., 1998, “Ocean Colour
Algorithms for SeaWiFS,” Journal o f Geophysical Research,
103(Cll):24937-24953.
0 ’Reilly, J. E. and 21 co-authors, 2000, “Ocean Color Chlorophyll
Algorithms for SeaWiFS, OC2, andOC4: Version4,” in S. B. Ho-
oker and E. R. Firestone (Eds.), SeaWiFS Postlaunch Calibration
and Validation Analyses, Part 3, NASA Technical Memorandum,
2000-206892, Greenbelt: GSFC, 11:9-27.
444 CAPITULO
Pasqualini, V., C. Pergent-Martine, C. Fernandez and G.
Pergent, 1997, “The Use of Airborne Remote Sensing for
Benthic Cartography: Advantages and Reliability,” Intl.
Journal o f Remote Sensing, 18(5): 1167-1177.
Pinkerton, M. H., Richardson, K. M., Boyd, P. W., Gall,
M. P., Zeldis, J. L., Oliver, M. D. and R. J. Murphy, 2005,
“Intercomparison of Ocean Colour Band-ratio Algorithms
for Chlorophyll Concentradon in the Subtropical Front East
of New Zealand,” Remote Sensing o f Environment, 97:382-
402.
Ramsey, E. W., J. R. Jensen, H. E. Mackey and J. Gladden,
1992, “Remote Sensing of Water Quality in Active to Inactive
Co-oling Water Reservoirs,” Intl. Journal o f Remote Sensing,
13(18):3465—3488.
Reynolds, R. W. and T. M. Smith, 1994, “Improved
Global seasurface Temperature Analyses Using Optimum
Interpolation,” Journal ofClim ate, 7:929—948.
Rundquist, D. C., J. F. Schalles and J. S. Peake, 1995, “The
Response of Volume Reflectance to Manipulated Algal
Concentrations Above Bright and Dark Bottoms at Various
Depths in an Experimental Po-ol,” Geocarto Intl., 10:5—14.
Rundquist, D. C., L. FFan, J. F. Schalles and J. S. Peake,
1996, “Remote Measurement of Algal Chlorophyll in Surface
Waters: The Case for the First Derivarive of Reflectance Near
690 nm,” Photogrammetric Engineering & Remote Sensing,
62(2): 195-200.
Schill, S. R. and J. Jensen, 1998, “Modeling to Predict
Stormwater Runoff in Withers Swash Myrtle Beach, SC ,”
Proceedings, Urban and Regional Information Systems,
Charlotte: 83-93.
Schultz, G. A., 1988, “Remote Sensing in Hydrology,”
Journal ofHydrology, 100:239-265.
Shi, J., J. Dozier and H. Rott, 1994, “Snow Mapping in
Alpine Regions with Synthetic Aperture Radar,” IEEE
Transactions on Geoscience and Remote Sensing, 32(1).
Smith, E. A. and 18 others, 2004, “International Global
Measurement (GPM) Program and Mission: An Overview,”
in V. Levizzani and F. J. Turk, Eds., Measuring Precipitation
from Space: EURAINSATand the Future, London: Kluwer, 43
p., http://gpm.gsfc.nasa.gov/gpm_overview.pdf
Suplee, C., 1999, “El Nino and La Nina: Natures Vicious
Cycle,” National Geographic, 195(3):73—95.
12 Sensoriamento Remoto da Agua
Tang, D., Kawamura, H., Lee, M. andT. V. Dien, 2003, “Seasonal
and Spatial Distribution of Chlorophyll a Concentrations and
Water Conditions in the Gulf of Tonkin, South China Sea,”
Remote Sensing o f Environment, 85:475-483.
Tang, D., Kester, D. R., Wang, Z., Lian, J. and El.
Kawamura, 2003b, “AVHRR Satellite Remote Sensing and
Shipboard Measurements of the Thermal Plume from the
Daya Bay, Nuclear Power Station, China,” Remote Sensing o f
Environment, 84:506—515.
Tang, J., Xue, Y., Yu, T. and Y. Guan, 2005, “Aerosol Optical
Thickness Determination by Exploiting the Synergy of
TERRA and A QUAM OD IS,” RemoteSensingofEnvironment,
94:327-334.
Thomas, A., Byrne, D. and R. Weatherbee, 2002, “Coastal
Sea Surface Temperature Variability from Landsat Infrared
Data,” Remote Sensing o f Environment, 81:262—272.
TRMM, 2006, TropicalRainfallMeasurementMission (TRMM)
Home Page, Greenbelt: GSFC, http://trmm.gsfc.nasa.gov/.
USACE, 2006, SHOALS, Mobile: U. S. Army Corps of
Engineers, http://shoals.sam.usace.army.mil/default.htm.
USDA, 1998, AGNPS 98 Agricultural Non-Point Source
Pollution Model (Version 5.0), Morris: USDA Agricultural
Research Service), hwww.ftc.nrcs.usda.gov/huwq/agnps.htm.
USGS, 2006, Pacific Sea-Flo-or Mapping Images,
Washington:
U.S. Geological Survey Western Region Coastal & Marine
Geology, http://walrus.wr.usgs.gov/pacmaps/.
West, G. R. and C. E. Wiggins, 2000, “Airborne Lidar
Bathymetry in the Management of Floridas Coastal Zone,”
Integrated CostalZone, Autumn:69-72.
Wulfmeyer, V., Bauer, H., Girolamo, P. D. and C. Serio, 2005,
“Comparison of Active and Passive Water Vapor Remote
Sensing from Space: An Analysis Based on the Simulated
Performance of IASI and Space Borne Differential Absorption
LIDAR,” Remote Sensing o f Environment, 95:211—230.
Young, R. A., C. A. Onstad, D. D. Bosch, and W. P.
Anderson, 1994, Agricultural Non-Point Source Pollution
Model (AGNPS), St. Joseph: U.S. Dept. of Agriculture.
Zhou, X., Xie, H. and J. M. H. Hendrickx, 2005, “Statistical
Evaluation of Remotely Sensed Snow-cover Products with
Constraints from Streamflow and SN O TEL Measurements,”
Remote Sensing o f Environment, 94:214—231.
Sensoriamento Remoto da Paisagem Urbana

A
s paisagens urbanas são compostas por um conjunto diversificado de materiais
(concreto, asfalto, metal, plástico, telhas de madeira, vidro, água, grama, vegeta­
ção arbustiva, árvores e solo) dispostos de maneira complexa pelo Homem para
a construção de habitação, sistemas de transporte, estabelecimentos de comér­
cio e serviços, instalações industriais e áreas recreacionais (p.ex., Small, 2004).
Certamente, o objetivo dessas construções é melhorar a qualidade de vida. Em
muitos casos, a urbanização se dá em um ritmo assustador (p.ex., Auch et al.,
2004), frequentemente desprovida de um desenvolvimento planejado (denomi­
nado dispersão urbana, ou, em inglês, urban sprawí) (Clapham, 2003; Wilson
et al., 2003a). Um número significativo de profissionais, instituições públicas e
cientistas demandam constantemente informações atualizadas sobre a infraes-
trututa urbana e periurbana (Carlson, 2003; Herold et al., 2003, 2004). A título
exemplificativo, informações urbanas detalhadas são solicitadas por:

• conselhos de subprefeituras, prefeituras e regiões que a) elaboram dispo­

sitivos legais de zoneamento para melhorar a qualidade de vida em áreas
urbanizadas, e b) encarregam-se de modelar ou prever a localização do cres­
cimento urbano futuro;

• secretarias municipais e estaduais de comércio, que se incumbem de estimular

o desenvolvimento, frequentemente a partir do acréscimo da base tributária;

• servidores vinculados à arrecadação imobiliária, os quais devem manter cadastros

de imóveis com a descrição geográfica detalhada de cada lote, determinar seu
valor venal e o respectivo percentual a ser aplicado para cobrança de tributos;

• secretarias municipais e estaduais de transportes, que mantêm as redes exis­

tentes, constroem novas - a princípio - sem impactar negativamente o meio
ambiente, e se preparam para fazer frente a futuras demandas de transportes;

• companhias públicas e privadas de infraestrutura (p.ex., água, esgoto, gás,

eletricidade, telefonia, conexão a cabo) que necessitam prever onde novas
demandas ocorrerão e planejar métodos eficientes e de baixo custo para a
extensão dos serviços;

• agências nacionais de regulação, responsáveis por tornar os serviços eficien­

tes e economicamente viáveis para o consumidor;

• secretarias municipais e estaduais de turismo e meio ambiente, e depar­

tamentos de parques e áreas verdes, encarregados de melhorar instalações
recreacionais;

• órgãos de segurança e defesa civil, responsáveis pela prevenção e remoção de

ameaças e/ou mitigação de danos, bem como pela alocação de recursos em
situações de desastres ou terrorismo;
446 CAPÍTULO
• empresas imobiliárias, que são pagas para encontrar as
localizações ideais para empreendimentos industriais,
comerciais e residenciais;
• empreendedores e incorporadores imobiliários, que
constroem instalações industriais, comerciais e áreas
residenciais; e
• cientistas que modelam condições hidrológicas em
ambiente urbano, mudanças climáticas, bem como a
produtividade primária líquida (p.ex., Imhoff, 2005).
Todos estes representam usuários qualificados e pro­
fissionais da informação urbana (Cullingworth, 1997;
Jensen e Hodgson, 2004). O solo urbano/periurbano
que será por eles gerenciado ou utilizado para novos
empreendimentos possui um valor monetário significa­
tivo. Portanto, não é de surpreender que órgãos públicos
municipais e estaduais bem como companhias privadas
invistam milhões de reais a cada ano na obtenção de fo­
tografias aéreas e outras formas de dados de sensores re­
motos para extrair a informação urbana requerida. Ide­
almente, a maior parte dessa informação espacial urbana
deveria estar armazenada em uma base nacional de dados
espaciais, a qual fosse acessível para diversos usuários dos
setores público e privado, o que já é uma realidade em
vários países desenvolvidos.
Base Nacional de Dados Espaciais
Nos Estados Unidos (e em muitas outras nações), existe
um chamado Comitê Federal Interinstitucional de Dados
Geográficos (Inter-Agency Federal Geographic D ata Com-
mittee —F G D Q , o qual promove a produção coordenada,
o uso, o compartilhamento e a disseminação dos recursos
de informação geográfica digital do país (FG D C , 2006).
Esse esforço de disponibilização de dados em nível nacio­
nal é conhecido como a Base Nacional de Dados Espaciais
(.N ational Spatial D ata Infrastructure —NSDF).
O N SD I consiste de três bancos de dados espaciais de es­
trutura básica (Figura 13-1 a):
• controle geodésico
• terreno digital (elevação e batimetria)
• imageamento digital ortorretificado
e quatro bancos de dados de estrutura temática:
• cadastral
Sensoriamento Remoto da Paisagem Urbana
unidades político-administrativas
hidrologia
• transporte
e vários outros bancos de dados temáticos, tais como uso e
cobertura do solo urbano/periurbano.
O F G D C desenvolve padrões de dados geoespaciais para
a implementação do N SD I, em cooperação com gover­
nos estaduais, locais e tribais, o setor privado, a comuni­
dade acadêmica e a comunidade internacional (Jensen et
al., 2002). O livro intitulado “Desenvolvendo a Base N a­
cional de Dados Espaciais: O Livro de Receita da B D E ”
(.Developing Spatial D ata Infrastructure: Fhe S D I Cook-
book) (G SD I, 2006) apresenta às organizações regionais,
nacionais e multinacionais os conceitos e padrões para a
implementação de uma base de dados espaciais compatível
em nível global. Bancos de dados selecionados da Base de
Dados Espaciais da Carolina do Sul são mostrados na Fi­
gura 13-lb e na Prancha Colorida 13-1.
Considerações sobre a Resolução
Urbana
Muitos dos detalhados atributos urbanos/periurbanos re­
queridos por profissionais e agências encontram-se resu­
midos na Tabela 13-1 e na Figura 13-2. Este capítulo versa
sobre a importância de dados de sensores remotos para a
coleta desses atributos. Para o sensoriamento remoto de
fenômenos urbanos, é necessário a princípio investigar as
características das resoluções temporais, espectrais e espa­
ciais dos atributos urbanos.
Considerações sobre a Resolução Temporal
Urbana/Periurbana
Três tipos de resolução temporal devem ser considerados no
monitoramento de ambientes urbanos com o uso de dados
de sensores remotos. Primeiro, fenômenos urbanos/periurba­
nos frequentemente ocorrem em um ciclo de desenvolvimento
identificável, à semelhança do ciclo fenológico observável na
vegetação (Capítulo 11). Por exemplo, Jensen eToll (1983)
documentaram um ciclo de desenvolvimento de residências
unifamiliares no subúrbio de Denver, C O , consistindo de 10
etapas, o qual se inicia com uma primeira etapa (terreno sem
construções) e evolui para a etapa 10 (habitação concluída e
plenamente integrada na paisagem), frequentemente em um
período de seis meses (Figura 13-3a). As etapas do desenvol­
vimento residencial foram identificadas com base na presen­
ça ou ausência de cinco fatores principais, incluindo:
Considerações sobre a Resolução Urbana
B ase N acio n al de D a d o s E sp aciais
Temas adicionais
Cultura e Demografia
Outros
Geologia Dados
^^^^^^T em áticos
Solos
Vegetação
obertura daTerra/Uso da Terra
Cadastral Dados de
Hidrologia Estrutura
Temática
Fronteiras (unidades
político-administrativas)
Transporte
Dados de
Estrutura
Básica
a.
Figura 13-1 a) Base Nacional de Dados Espaciais - Dados de estrutura básica, temáticos e outros (após FCjDC, 2006). b) Bancos de
dados selecionados da base de dados espaciais da Carolina do Sul (consultar a Prancha Colorida 13-1).
1. limpeza do terreno (parcial ou completa)
2. loteamento (i.e., levantamento topográfico e
demarcação de lotes)
3. sistema viário (ruas de terra ou pavimentadas)
4. construções (presença ou ausência)
5. paisagismo (parcial ou completo).
O desenvolvimento de residências unifamiliares em San
Diego, CA, apresenta um ciclo similar (Figuras 13-3bc). E
imperativo que o analista de imagens de sensores remotos
entenda o ciclo de desenvolvimento temporal do fenôme­
no urbano em análise. Caso contrário, erros crassos e cus­
tosos de interpretação de imagem podem ser feitos.
O segundo tipo de resolução temporal refere-se à periodici­
dade do sistema sensor remoto para a aquisição dos dados
de uma paisagem urbana, p.ex., a cada 8 dias, 16 dias ou sob
encomenda. Informação atualizada é crucial para a maior
parte das aplicações urbanas. De modo geral, os sensores
que têm apontamento fora do nadir ou off-nadir (p.ex.,
Geo-Eye IK O N O S; DigitalGlobe QuickBird) apresentam
resoluções temporais mais elevadas do que sensores com vi­
sada apenas no nadir (p.ex., Landsat Thematic Mapper). As
aplicações urbanas normalmente não são sensíveis à escala
447
B an co s de D a d o s Selecion ados d a B ase de
D a d o s E sp aciais d a C aro lin a do Sul
Imagem
Digital
Ortorretificada
Hidrologia
Terreno
Digital/
Batimetria
Transporte
Cobertura
da Terra/
da Terra
temporal como aquelas que lidam com fenômenos de ele­
vado dinamismo como a vegetação, cujo ciclo vital pode se
dar em uma única estação do ano. Por essas razões, a maior
parte das aplicações urbanas (exceto estudos de transporte
e tráfego, e emergências) requer que as imagens de sensores
remotos sejam adquiridas apenas uma vez por ano, aproxi­
madamente. As características orbitais do satélite e a latitude
da área de estudo também impactam o cronograma de re­
visita. Os dados de sensores remotos podem ser adquiridos
sob demanda a partir de aeronaves suborbitais (aviões, heli­
cópteros) se as condições de tempo permitirem.
Finalmente, a resolução temporal também pode se referir
à frequência com que os gestores do solo urbano requerem
certo tipo de informação. Por exemplo, órgãos de planeja­
mento local podem necessitar de estimativas populacionais
precisas a cada 5-7 anos, além das estimativas fornecidas
pelos censos decenais. Os requisitos de resolução temporal
para muitas aplicações urbanas estão resumidas na Tabela
13-1 e apresentadas de forma gráfica na Figura 13-2.
Considerações sobre a Resolução Espectral
Urbana/Periurbana
Muitos analistas de imagens concordariam com o fato de
que, quando se extrai informação urbana/periurbana a partir
de dados de sensores remotos, é frequentemente mais im-
448 CAPITULO 13 Sensoriamento Remoto da Paisagem Urbana
Considerações sobre a Resolução Urbana 449

Tabela 13-1. Relação entre os atributos urbanos/periurbanos e as resoluções mínimas de sensores remotos para o for­
necimento desses dados (adaptado de Jensen e Cowen, 1999; Jensen e Hodgson, 2004; Jensen, 2005).
Requisitos Mínimos de Resolução

Atributos Temporal Espacial Espectral

Uso da Terra/Cobertura da Terra
LI - Nível I USGS 5 —10 anos 2 0 - 100 m V-NIR-MIR-Radar
L2 - Nível II USGS 5 —10 anos 5 -2 0 m V-NIR-MIR-Radar
L3 - Nível III USGS 3 - 5 anos 1- 5 m Pan -V-NIR-MIR
L4 - Nível IV USGS 1 —3 anos 0,25 - 1 m Pancromático (Pan)
Infraestrutura Construtiva e Cadastral (Limites de
Propriedades Imobiliárias) 1 —5 anos 0 ,2 5 - 0 ,5 m Estéreo Pan - V, LIDAR
B l - Perímetro, área, volume e altura da construção
B2 - Informação cadastral (limites de propriedades) 1 - 6 meses 0 ,2 5 - 0 ,5 m Estéreo Pan —V
Características Socioeconômicas
51- Inferência da população local 5 —7 anos 0,25 - 5 m Pan -V-NIR, LIDAR
52- Inferência da população regional/nacional 5 - 1 5 anos 5 - 20 m Pan -V-NIR
53- Indicadores de qualidade de vida 5 - 1 0 anos 0,25 - 30 m Pan -V-NIR
Demanda e Conservação de Energia
E l - Demanda de energia e potencial de produção 1 - 5 anos 0,25 - 1 m Pan -V-NIR, LIDAR
E2 - Levantamento do isolamento das construções 1 - 5 anos 1- 5 m TIR
Infraestrutura de Transporte
T I - Eixo de simetria de vias em geral 1 - 5 anos 1-30m Pan -V-NIR
T2 - Largura de vias com precisão 1 - 2 anos 0 ,2 5 - 0 ,5 m Pan - Visível
T3 - Estudos de contagem de tráfego (carros, aviões, etc.) 5 - 1 0 min 0,25 - 0,5 m Pan - Visível
T4 - Estudos sobre a necessidade de estacionamentos 1 0 - 6 0 min 0 ,2 5 - 0 ,5 m Pan - Visível
Infraestrutura de Comunicações e Serviços
UI —Mapeamento e traçado de linhas de infraestrutura
U2 —Largura precisa de linhas de infraestrutura e áreas 1 —5 anos 1 -3 0 m
de servidão 1 —2 anos 0,25 - 0,6 m Pan -V-NIR
U3 —Localização de postes e torres, poços de inspeção, Pan -V, LIDAR
subestações 1 —2 anos 0,25 —0,6 m Pancromático, LIDAR
Modelo Digital de Elevação (MDE)
D l —Modelo digital de superfície (MDS) e/ou modelo 5 —10 anos 0,25 - 0,5 m Estéreo Pan - V, LIDAR
digital de terreno (MDT)
D2 - Mapa de declividade (derivado do M DT) 5 —10 anos 0 ,2 5 - 0 ,5 m Estéreo Pan - V, LIDAR
Dados Meteorológicos
M 1 - Previsão de tempo 3 - 2 5 min 1 - 8 km V -N IR -T IR
M2 - Temperatura atual 3 —25 min 1 - 8 km TIR
M3 - Modo de tempo limpo e modo de precipitação 5 - 1 0 min 1 - 4 km WSR-88D Radar
M4 - Modo de tempestade e condições adversas de tempo 5 - 1 0 min 1 - 4 km WSR-88D Radar
M5 —Monitoramento do efeito de ilha de calor urbana 12 - 24 h 5-3 0 m TIR
Hidrologia Urbana
H 1 - Mapeamento da superfície impermeabilizada 1 - 5 anos 0,25 - 10 m V - N I R - M I R , LIDAR
H2 - Fluxo de vazão e delimitação de planícies inundáveis 1 - 5 anos 1 - 30 m V - N I R - M I R , LIDAR
Identificação de Áreas Ambientais Críticas
C l - Ambientes estáveis sensíveis 1 —2 anos 1 - 10 m V -N IR -M IR
C2 - Ambientes dinâmicos sensíveis 1 —6 meses 0,25 - 2 m V -N IR -M IR -T IR
Resposta a Emergências em Desastres
DEI —Imageamento pré-emergência 1 - 5 anos 1-5 m Pan -V-NIR
DE2 - Imageamento pós-emergência 12h —2 dias 0 ,2 5 - 2 m Pan -NIR - Radar
DE3 - Estoque habitacional danificado 1 —2 dias 0,25 - 1 m Pan -N IR
DE4 - Sistema de transporte danificado 1 —2 dias 0,25 - 1 m Pan -N IR
DE5 - Rede de infraestrutura subterrânea danificada 1 - 2 dias 0,25 - 1 m Pan -N IR
450 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

a. Construção de residências unifamiliares próximo a Denver, CO. O lote progride de um estágio em que o
terreno encontra-se livre de construções (etapa 1) e evolui para uma condição em que a residência encontra-
se concluída e plenamente integrada na paisagem (etapa 10). As etapas do desenvolvimento residencial
foram identificadas com base na presença ou ausência de cinco fatores principais, incluindo limpeza do ter­
reno, loteamento, sistema viário, construções e paisagismo parcial ou completo (Jensen e Toll, 1983).

b. Terrenos limpos, prontos para construção e demarcados, c. Residências unifamiliares em diferentes etapas de construção. A
ladeados por ruas de terra que acompanham as curvas de nível de primeira e segunda fileiras de casas no canto superior esquerdo da
áreas íngremes, loteadas para ocupação residencial unifamiliar em imagem encontram-se em suas fundações. As casas da terceira e quar­
San Diego, CA. ta fileiras já apresentam alvenaria e estão recebendo a estrutura do
telhado.
Figura 13-3 Exemplo de etapas no ciclo de desenvolvimento de residências unifamiliares em Denver, CO , e San Diego, CA. Dados de
sensores remotos podem captar o uso do solo urbano em uma das suas muitas etapas de desenvolvimento.

portante ter elevada resolução espacial (p.ex., < 5 x 5 m) do
que elevada resolução espectral (i.e., um grande número de
bandas). Por exemplo, estimativas populacionais locais base­
adas na contagem de construções habitacionais usualmen­
te requerem uma resolução espacial mínima de 0,25 —5 m
para detectarem, discriminarem e/ou identificarem o tipo de
construção individualmente. Praticamente, qualquer banda
na região do visível (p.ex., verde ou vermelho) ou infraverme­
lho próximo poderá realizar essas tarefas. Obviamente, deve
haver contraste espectral suficiente entre o objeto de interesse
(p.ex., uma edificação) e o restante da cena (p.ex., a paisagem
do entorno) de forma a permitir a detecção, discriminação e
identificação do objeto em meio ao restante da cena.
Há regiões relativamente grosseiras do espectro eletromag­
nético que são muito úteis para a extração de certos ti-
Considerações sobre a Resolução Urbana
Nível de Classe de Cobertura da Terra
Figura 13-4 Relação entre o Sistema USGS de Classificação
de Cobertura da Terra/Uso da Terra e a resolução
espacial do sistema de sensoriamento remoto (fre­
quentemente denominada como resolução em
distância no solo, dada em metros). As “Escalas
Nacionais de Valoração da Interpretação de Ima­
gem” (National Image Interpretation Rating Scales
- NIIRS) são fornecidas para fins de comparação.
Uma escala zero de NIIRS sugere que a inter-
pretabilidade da imagem está impossibilitada por
sombreamento, degradação ou baixa resolução.
pos de informação urbana/periurbana (Tabela 13-1). Por
exemplo, a cobertura da terra segundo a categoria U SG S
Nível III é mais bem identificada usando-se as faixas do
visível (0,4 —0,7 pm; ou V), infravermelho próximo (0,7
—1,1 p m ;/ o u N IR ), infravermelho médio (1,5 —2,5 pm;
ou M IR), e/ou pancromática (0,5 - 0,7 pm) do espectro.
O limite das construções, a área, a informação de altura
são mais bem extraídos usando-se imagens pancromáticas
preto e branco (0,5 - 0,7 pm) ou coloridas (0,4 —0,7 pm ).
A porção do infravermelho termal do espectro (3 —12 pm;
ou TIR) pode ser usada para obter medidas de tempera­
tura da superfície urbana (Dousset e Gourmelon, 2003).
Sensores ativos de micro-ondas podem adquirir imagens
de áreas urbanas encobertas por nuvens (p.ex., banda C
do satélite canadense RADARSAT e banda C dos satélites
da Agência Espacial Européia ERS-1 e 2). A luz a laser do
infravermelho próximo (p.ex., 1024 nm) pode ser usada
451
para a aquisição de modelos digitais de superfície LIDAR
(.Light Detection an d Ranging) ou laser, com base nos sinais
de retorno iniciais, finais e intermediários, bem como nos
dados de intensidade (Hodgson et al., 2005).
Muitas aplicações urbanas também podem ser executadas
a partir de dados de sensores remotos hiperespectrais. He-
rold et al. (2004) coletaram medidas espectrais de 350 a
2400 nm de alvos urbanos em campo e revelaram o poten­
cial do sensoriamento remoto de alta resolução espectral
para o mapeamento detalhado de materiais urbanos e suas
condições. Infelizmente, eles também se depararam com
uma considerável confusão espectral entre alguns tipos de
cobertura do solo urbano (p.ex., tipos específicos de te-
lhados/lajes e pavimentação de vias). Small (2002, 2003,
2004) mostrou como diferentes materiais encontrados no
IFO V de um sistema sensor (denominados componentes,
tais como concreto, asfalto, vegetação, etc.) contribuem
para a reflectância espectral urbana e como eles podem ser
separados por meio da análise de mistura espectral [con­
sultar Jensen (2005) para uma discussão sobre a análise
de mistura espectral]. Em alguns casos, a única forma de
extração da informação urbana desejada é a utilização de
múltiplos tipos de dados de sensorps remotos em uma
mesma investigação, conhecida como fusão de dados mul-
tissensores (Gamba et al., 2003).
Considerações sobre a Resolução Espacial
Urbana/Periurbana
Analistas de imagem qualificados baseiam-se em tons de cinza
ou cores de fotografias aéreas ou outros tipos de imagem para
a extração de informações urbanas úteis. Entretanto, em mui­
tos casos, os elementos espaciais geométricos para interpreta­
ção da imagem, tais como forma do objeto, tamanho, textura,
orientação, padrão e formato da sombra, não são suficientes
para a extração de informação desejada (todos os elementos
são discutidos no Capítulo 5). Geralmente, quanto mais ele­
vada a resolução espacial dos dados de sensores remotos, mais
detalhada é a informação que se pode extrair do ambiente ur­
bano. Mas como saber qual a resolução espacial ideal da ima­
gem para aplicações urbanas específicas? Felizmente, há vários
métodos disponíveis para determinar a interpretabilidade de
imagens para aplicações urbanas, na sua maioria baseados na
resolução espacial dos dados de sensores remotos.
Critérios de N IIR S
Uma possível solução seria o uso de versões militares ou civis
das “Escalas Nacionais de Valoração da Interpretação de Ima­
gem” (N ational Image Interpretation Rating Scales - N IIRS),
desenvolvidas pelo “Comitê de Determinação da Resolução
de Imagens e Relatório de Padrões” {Image Resolution Assess-
452 CAPÍTULO
ment and Reporting Standards Committee - IRARS). Os crité­
rios de NIIRS constituem a métrica usada pela comunidade
de inteligência norte-americana para caracterizar a utilidade
de imagens com propósitos de inteligência (Leachtenauer et
al., 1998; Logicon, 1997; Pike, 2006; FAS, 2006). Muitas
tarefas de interpretação de imagens urbanas são semelhantes
àquelas requeridas por aplicações de inteligência. Os crité­
rios de NIIRS consistem de 10 níveis de avaliação (0 - 9)
para um determinado tipo de imagem, estabelecidos através
de uma avaliação criteriosa por analistas de imagem quali­
ficados. O comitê IRARS esclarece que a resolução espacial
(resolução medida em distância no solo) é apenas uma das
muitas medidas de interpretabilidade de uma imagem, em­
bora seja uma das mais importantes (Figura 13-4). Outros
fatores, como qualidade do filme, bruma atmosférica, con­
traste, ângulo de visada e ruído, podem reduzir a habilidade
de um analista bem treinado para detectar, discriminar e
identificar objetos civis e militares em uma imagem. Se, por
um lado, o uso dos critérios de NIIRS é de grande utilidade,
por outro lado, eles ainda não são considerados ótimos, uma
vez que (1) os critérios civis de N IIRS foram disponibiliza­
dos apenas recentemente (Leachtenauer et al., 1998; FAS,
2006), (2) ainda não houve tempo hábil para a comunidade
civil familiarizar-se com o conceito e, consequentemente,
(3) a comunidade civil em raríssimos casos reportou coleti­
vamente suas experiências na extração de informação urba-
na/periurbana com base no uso do sistema de NIIRS.
Resolução M édia Ponderada pela Área
Uma figura de mérito para medir a resolução de um siste­
ma de câmera analógica frequentemente usada pelos intér­
pretes de imagens fotogramétricas é chamada de resolução
média ponderada pela área (area weighted average resolution
—AWAR) medida em pares de linhas (Ip) por milímetro (//-
ne-pairs-per-milimeter —Ip/mm) (Light, 1993). Um par de li­
nhas é a largura de uma barra preta e um espaço em branco,
conforme aparecem na resolução de alvos registrados por fo­
tografias aéreas. Juntos, eles formam um par e servem como
uma medida da qualidade da imagem para a indústria de
câmeras aerofotogramétricas analógicas. Os cinco elementos
essenciais que configuram o sistema AWAR são as lentes, o
filme, o arrasto ou borramento de alvos (devido à velocida­
de de deslocamento da aeronave), o movimento angular e a
resolução de revelação do filme. De igual forma, o contraste
da superfície terrestre e da atmosfera na cena desempenha
um papel importante na resolução do sistema.
Os cientistas têm estudado a relação geral entre a escala
da fotografia aérea e a AWAR. Por exemplo, Light (1993,
1996) documentou que, se for assumido que a superfí­
cie terrestre é uma cena de baixo contraste, uma fotografia
obtida na escala de 1:40.000 de acordo com o “Programa
Nacional de Levantamento Aerofotogramétrico” (N ational
Sensoriamento Remoto da Paisagem Urbana
A erial Photography Program —NAPP) exibiría aproxima­
damente 39 lp/mm e correspondería a aproximadamente
25 |im para o tamanho de 1 lp (1 par de linhas) na imagem.
N a escala de 1:40.000, 25 pm equivalem a uma resolução
em solo de 1 x 1 m para cenas de baixo contraste. Portanto,
um mínimo de 1 m de resolução em solo deve ser esperado
de uma missão fotogramétrica. De fato, os arquivos de or-
tofotos digitais produzidos pelo “Serviço de Levantamento
Geológico Americano” ( United States Geological Survey —
USGS) nas escalas NAPP de 1:40.000 são fornecidos com
uma resolução espacial de 1 x 1 m por meio do escanea-
mento da fotografia com um tamanho de pixel de 11 pm.
Light (1998) sugere que há uma relação linear geral para
fotografias aéreas de maior escala obtidas por câmeras mé­
tricas, i.e., uma fotografia na escala de 1:20.000 equivale a
uma resolução espacial de aproximadamente 0,5 x 0,5 m;
uma fotografia na escala de 1:10.000 a 0,25 x 0,25 m; e
uma fotografia na escala de 1:5.000 a 0,125 x 0,125 m.
Infelizmente, a maior parte das pessoas que utiliza dados
de sensores remotos para aplicações urbanas práticas não
reporta suas descobertas em termos de critérios da resolu­
ção média ponderada pela área - AWAR.
Resolução Espacial N om inal (Resolução em D istância
no Solo)
A comunidade de usuários civis normalmente relata a utili­
dade de um determinado tipo de imagem para a extração de
informação urbana com base no conceito comparativamen­
te fácil de entender denominado resolução esp acial nom i­
n al (também chamado de resolução em distân cia no solo).
Por exemplo, o Landsat 7 Enhanced Thematic Mapper Plus
- ETM + tem seis bandas multiespectrais com resolução es­
pacial nominal de 30 x 30 m, uma banda pancromática com
15 x 15 m e uma banda no infravermelho termal com 60 x
60 m. O sensor HRV do SPO T 3 tem três bandas multies­
pectrais com resolução espacial nominal de 20 x 20 m e uma
única banda pancromática com resolução de 10 x 10 m.
Uma outra regra geral da resolução espacial nominal é a
de que é necessário um mínimo de quatro observações es­
paciais (p.ex., pixels) sobre um mesmo objeto urbano para
identificá-lo. Dito de outra forma, a resolução espacial do
sensor deve ser metade da largura do menor objeto de in­
teresse. Por exemplo, para a identificação de trailers (casas
motorizadas) com 5 m de largura, a resolução espacial mí­
nima da imagem, sem bruma atmosférica ou outros proble­
mas, teria de ser < 2,5 x 2,5 m (Jensen e Cowen, 1999).
É possível discriminar a cobertura da terra “urbano/cons-
truído” de todos os outros tipos de cobertura da terra em
aplicações regionais ou globais usando-se dados orbitais
de sensores remotos com resolução espacial grosseira. Por
exemplo, Giri et al. (2005) comparou o ajuste entre o con-
Sensoriamento Remoto de Cobertura da Terra e de Uso da Terra
Tabela 13-2. Quatro niveis do Sistema de Classificação de
Uso da Terra/Cobertura da Terra do USGS
para Utilização com Dados de Sensores
Remotos e tipos representativos de dados
de sensoriamento remoto tipicamente usa­
dos para fornecer a informação.
Nível de Características dos Dados de
Classificação Sensores Remotos
NOAA AVHRR (1,1 x 1,1 km), M O ­
DIS (250 x 250 m; 500 x 500 m), Land-
sat M SS (79 x 79 m), Thematic Mapper
I
(30 x 30 m), LISS indiano (72,5 x 72,5
m; 36,25 x 36,25 m; 23,5 x 23,5 m),
SPO T Vegetation ( l x l km), CBERS-
2B C C D (20 x 20 m); RADA RS AT
(100 x 100 m), fotografia aérea em esca­
la de 1:120.000 a 1:240.000.
Landsat 7 Enhanced Thematic Mapper
Plus Pan (15 x 15 m), SPO T HRV pan
( 1 0 x 1 0 m), SPO T HRV XS (20 x 20
m), IRS indiano pan (5,8 x 5,8 m),
II CBERS-2B H RC pan (2,7 x 2,7 m);
GeoEye IK O N O S (1 x 1 m pan; 4 x
4 m multiespectral), RADARSAT (11
x 9 m), fotografia aérea em escala de
1:60.000 a 1:120.000.
IRS indiano pan (5,8 x 5,8 m), CBF1RS-
2B H R C pan (2,7 x 2,7 m); GeoEye
IK O N O S (1 x 1 m pan), DigitalGlobe
III QuickBird pan (0,61 x 0,61 m), OrbView
3 (1 x 1 m pan), fotografia aérea analó­
gica ou digital em escala de 1:20.000 a
1:60.000(1 - 3 m).
DigitalGlobe QuickBird pan (0,61 x
0,61 m), fotografia aérea analógica ou
IV
digital em escala de 1:6.000 a 1:20.000
(0,25 - 1 m).
junto de dados sobre a “Cobertura da Terra Global em
2000” (Global Land Cover 2000) derivado do sensor Ve-
getation, com resolução de 1 x 1 km, do satélite francês
SPOT, e o conjunto de dados sobre a “Cobertura da Terra
Global do M O D IS ” (M O D IS Global Land Cover) obtido
de dados do sensor M O D IS com resolução de 250 e 500 m
reamostrados para 1 x 1 km. Infelizmente, o percentual de
concordância para a classe de cobertura da terra urbano/
construído em nível de pixel foi considerado insatisfatório
em 15 dos 16 biomas examinados.
Os requisitos de resolução temporal, espectral e espacial
para atributos urbanos específicos, sumarizados na Tabela
13-1 e Figura 13-2, foram sintetizados a partir da experi­
ência prática reportada em artigos de periódicos, simpó­
453
sios, capítulos de livros e em manuais de agências gover­
namentais e instituições privadas [p.ex., Avery e Berlin,
1992; Light (1993, 1996); Philipson, 1997; Haack et al.,
1997; Jensen e Cowen, 1999; Donnay et al., 2001; Jensen
et al., 2002; Jensen e Hodgson, 2004; Jensen, 2005; Pike,
2006 e outros]. Felizmente, sempre haverá um sistema de
sensoriamento remoto disponível capaz de obter imagens
da superfície terrestre que satisfaçam os requisitos de reso­
lução dos atributos urbanos (Tabela 13-1).
\ Sensoriamento Remoto de Cobertura
K da Terra e de Uso da Terra
O termo uso da terra refere-se ao modo como a terra é
usada pelos seres humanos. A cobertura da terra refere-se
aos materiais biofísicos encontrados sobre a superfície ter­
restre. Por exemplo, um parque estadual pode ser usado
para recreação, mas apresentar uma cobertura florestal de
coníferas. A informação sobre cobertura e uso da terra em
ambientes urbanos é necessária para uma grande varieda­
de de aplicações, incluindo a escolha de locais para insta­
lações residenciais, industriais e comerciais, estimativa ou
inferência populacional, cobrança tributária, elaboração de
regulamentos para zoneamento, etc. (Cullingworth, 1997;
Wilson et al., 2003b). Isto significa que a informação urba­
na coletada para uma aplicação pode ser útil para outra.
Esquemas de Classificação de Cobertura da Terra/
Uso da Terra
A melhor forma de assegurar que a informação urbana deri­
vada de dados de sensores remotos seja útil em muitas aplica­
ções é organizá-la de acordo com um esquema padronizado de
classificação de cobertura e uso da terra (Chen e Stow, 2003).
“ Padrão de Classificação Baseado na Terra” da Associa­
ção Am ericana de Planejam ento
O sistema mais compreensivo de classificação hierárquica
de uso da terra urbana/periurbana é o “Padrão de Classi­
ficação Baseado na Terra” (Land-Based Classification Stan­
dard - LBCS) desenvolvido pela Associação Americana de
Planejamento (American Planning Association, 2006).
Este padrão atualiza o “Manual Padrão de Codificação
do Uso da Terra de 1965” (1965 Standard Land Use Co-
ding M anual), o qual é correferenciado com o “Manual de
Classificação Industrial Padrão de 1987 (1 9 8 7 Standard
Industrial Classification M anual - SIC) e com o já atuali­
zado “Padrão de Classificação Industrial Norte-America­
no” (North American Industrial Classification Standard -
N AICS) (NAICS, 2006). O LBCS requer extensivos dados
de entrada a partir de coleta em campo, fotografias aéreas e
454 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

Sistem a de C lassificação B asead o n a Terra d a A ssociação

A m erican a de Plan ejam en to

Tabela 1: Atividade Tabela 2: Função

ID do Lote Atividade Descrição Função Descrição
10-5-100 2100 compras 2110 vendas a varejo e serviços
10-5-100 2200 restaurante 2510 restaurante de serviço completo
10-5-100 6600 social, religioso 6620 instituições religiosas
10-5-100 2100 mobiliário 2121 mobiliário
10-5-100 5210 estacionamento de autos 5200 instalações de estacionamento
etc. etc. etc. etc. etc.

Tabela 3: Estrutura
ID do Lote Estrutura Descrição
10-5-100 2500 shopping center

Figura 13-5 A Associação Americana de Planejamento desenvolveu o “Padrão de Classificação Baseado na Terra” (Land-Based Classifica-
tion Standard - LBCS), que contém definições detalhadas de uso do solo urbano/periurbano. O sistema incorpora informa­
ções levantadas em campo e através de técnicas de sensoriamento remoto. Esta é uma fotografia aérea com visada oblíqua de
um shopping center em Ontario, CA. Atividades e códigos de estrutura hipotéticos associados com esse lote de grande porte
são identificados. As tabelas de atributos com informação sobre a titularidade da propriedade imobiliária e a construção da
obra não são apresentadas (cortesia de American Planning Association).

dados de sensores remotos orbitais para obter informação
em nível de lote a respeito das cinco seguintes característi­
cas: atividade, função, propriedade, sítio, estrutura (Figura
13-5) (American Planning Association, 2006). O sistema
fornece um código e descrição únicos para quase toda a
atividade de uso da terra de caráter comercial e industrial.
O LBCS não fornece informação sobre as características de
vegetação e cobertura da terra no ambiente urbano, uma
vez que ele se baseia nos padrões do “Com itê Federal de
Dados Geográficos” (Federal Geographic D ata Committeé)
nesse âmbito. Os usuários são encorajados a se manterem
atualizados a respeito do LB C S e a utilizarem-no em estu­
dos urbanos intensivos, que requeiram códigos de classifi­
cação comercial e industrial detalhados.
“ Sistem a de Classificação de Uso da Terra/Cobertura
da Terra para Utilização com D ad os de Sensores Re­
m otos” do U SG S
O “Sistema de Classificação de Uso da Terra/Cobertura da
Terra” do U SG S (Anderson et al., 1976; U SG S, 1992) foi
especialmente concebido para ser “orientado a recursos” (co­
bertura da terra), em oposição a vários outros sistemas que
são “orientados a pessoas ou a atividades” (uso da terra), tais
como o “Manual Padrão de Codificação do Uso da Terra”
{StandardLand Use CodingM anual). A lógica do U SG S re­
side no fato de que, “embora houvesse a necessidade de um
sistema de classificação de uso da terra orientado ao meio
urbano, também havia a necessidade de um sistema de cias-
Sensoriamento Remoto de Cobertura da Terra e de Uso da Terra 455

Tabela 13-3. Sistema de Classificação de Uso da Terra/ Tabela 13:4. Residencial Urbano, Comercial e Serviços -
Cobertura da Terra do USGS para Utiliza­ Níveis I e II do Sistema de Classificação de Uso
ção com Dados de Sensores Remotos (An- da Terra/Cobertura da Terra do USGS para Uti­
derson et al., 1976). lização com Dados de Sensores Remotos. Os
Níveis III, IV e V são extensões lógicas.
Nível de Classificação
Nível de Classificação
1 Solo Urbano ou Construído
I Solo Urbano ou Construído
11 Residencial
12 Comercial e Serviços II Residencial
13 Industrial 111 Residencial Unifamiliar
14 Transporte, Comunicação e Infraestrutura 1111 Casa, casa-barco, cabana, tenda
15 Complexos Industriais e Comerciais 1112 Casa motorizada (trailer)
112 Residencial Multifamiliar
16 Uso Urbano ou Construído Misto
1121 Duplex
17 Outros Usos do Solo Urbano ou Construído
1122 Triplex
2 Terra Agrícola 1123 Complexo de apartamentos ou
21 Lavoura e Pasto Condomínio (4 ou mais unidades geminadas)
22 Pomares, Bosques, Vinícolas, Horticultura Ornamental 1124 Parque de casas motorizadas (trailers)
23 Criação de Animais Confinados (em Cativeiro) 12 Comercial e Serviços
24 Outros Usos Agrícolas 121 Comercial
1211 Automotivo (carros, caminhões, motocicletas)
3 Pastagem
12111 Venda/revenda
31 Pasto de Gramíneas 12112 Posto de abastecimento de combustível
32 Pasto de Arbustos - Capoeira 12113 Cemitério automotivo (ferro-velho)
33 Pasto Misto 12114 Serviço ou reparo
4 Florestas 1212 Barco
41 Florestas Decíduas 12121 Venda/revenda
12122 Marina
42 Florestas Perenes
12123 Serviço ou reparo
43 Florestas Mistas 1213 Hipermercado/Loja de Departamento
5 Corpos d’Agua 12131 Hipermercado ou loja de departamento
51 Rios e Canais isolada (p.ex., WalMart, Americanas)
52 Lagos 12132 Shopping center
1214 Setor Financeiro e Construção
53 Reservatórios
12141 Bancos e Serviços Financeiros
54 Baías e Estuários
12142 Seguradora
6 Terras Alagáveis 12143 Imobiliária
61 Terras Alagáveis Florestadas 12144 Construtora
62 Terras Alagáveis Não-Florestadas 1215 Alimentos e Remédios
12151 Drogaria
7 Terra Estéril 12152 Mercado
71 Salinas 12153 Restaurante
72 Praias 1216 Funeral
73 Outras Áreas Arenosas (além de Praias) 12161 Necrotério
74 Afloramento Rochoso 12162 Cemitério - mausoléu
75 Minas a Céu Aberto, Pedreiras, Jazidas de Cascalho 1217 Habitação (temporária)
76 Áreas de Transição 12171 Hotel
12172 Motel
77 Terra Estéril Mista
12173 Camping
8 Tundra 1218 Construção e Jardinagem
81 Tundra Arbustiva e Arbórea 1219 Recreação (pública e privada)
82 Tundra Rasteira 12191 Parques de diversão (p.ex., pistas de cart,
83 Tundra de Solo Exposto mini-golfe)
84 Tundra Alagável 12192 Beisebol
12193 Futebol americano/futebol/pista de corrida
85 Tundra Mista
12194 Golfe
9 Neve Perene ou Geleiras 12195 Natação
91 Campos de Neve Perenes (Regiões Polares ou 12196 Estádios (multifinalitários)
Montanhosas) 12197 Tênis
92 Geleiras 12198 Cinema (salas múltiplas e drive-in)
1220 Infraestrutura
12201 Gás - eletricidade
12202 Água - esgoto
456 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

Tabela 13-4. Continuação Tabela 13-5. Classificação de Uso do Solo Urbano Indus­
trial - Níveis I e II do Sistema de Classifica­
12203 Tratamento de efluentes [sólido (p.ex.,
ção de Uso da Terra/Cobertura da Terra do
aterro sanitário) ou líquido]
USGS para Utilização com Dados de Sen­
1221a Armazéns/Transporte de Cargas
sores Remotos. Os Níveis III, IV e V são
122 Serviços (Públicos e Privados)
extensões lógicas.
1221 Edifícios e Instalações Públicas
12211 Administração Nível de Classificação
12212 Educação
13 Industrial
122121 Fundamental (I a à 4a série)
131 Extração
122122 Fundamental (5a à 9a série)
1311 Dragagem
122123 Ensino médio
13111 Areia e cascalho
122124 Universidade ou faculdade
13112 Mineração de depósitos de aluvião de
12213 Bombeiro, Polícia, Resgate
ouro, platina e diamantes
12214 Academias de ginástica (fitness centers)
1312 Mineração a céu aberto por escavação (Lavra
12215 Biblioteca
em cava)
12216 Correios
13121 Cobre
12217 Parques
13122 Jazida de cascalho - pedreira
1222 Área Médica
13123 Minério de ferro
12221 Hospital
13124 Sal
12222 Consultórios e clínicas médicas
1313 Mineração subterrânea (Lavra subterrânea)
1223 Religião (igrejas e templos)
13131 Bauxita
13132 Carvão
13133 Chumbo
13134 Calcário
sificação orientado a recursos, cuja ênfase primordial seria os 1314 Mineração de superfície (Lavra em tiras ou fadas)
95% de áreas não-urbanas restantes nos Estados Unidos”. 13141 Carvão
13142 Folhelho (rocha sedimentar com grande
O sistema de classificação do U SG S foi desenvolvido para
quantidade de matéria orgânica)
ser alimentado primariamente pela interpretação de dados 1315 Poços
de sensores remotos obtidos em várias escalas e resoluções 13151 Petróleo
(Figura 13-4; Tabela 13-2) e não dados coletados em cam­ 13152 Gás natural
po. O sistema U SG S responde a essa necessidade com oito 13153 Água
das nove categorias do Nível 1, as quais tratam de áreas não 1316 Campos de corte
13161 Exploração madeireira por
enquadradas nas categorias urbana e área construída (Tabe­ desmatamento extensivo ou desbaste seletivo
las 13-3 a 13-6). O sistema de classificação foi inicialmente 1317 Pilhas de resíduos de dragagem ou escavação
concebido para incluir dados de uso da terra visualmente 132 Processamento
fotointerpretados, embora tenha sido amplamente utilizado 1321 Mecânico
13211 Refinamento de grãos
para estudos de classificação baseados em dados digitais de
13212 Alumínio
sensoriamento remoto multiespectral. 13213 Usina Hidrelétrica
13214 Concentração de minérios
Ainda que o “Sistema de Classificação de Uso da Terra/ 13215 Tratamento de esgoto
Cobertura da Terra do U SG S” não tenha sido, a princípio, 13216 Usina sucroalcooleira
elaborado exclusivamente para incorporar informações de­ 13217 Têxtil
13218 Serralheria
talhadas de atributos urbanos, ele tem sido, contudo, exten­ 13219 Tratamento e purificação de água
sivamente usado para estudos do uso do solo intraurbano 1322 Químico
por mais de duas décadas. Normalmente, isso é feito por 13221 Cloro e soda cáustica
meio do refinamento do sistema com a adição das defini­ 13222 Fertilizantes
ções detalhadas de classes nos Níveis III, IV e V, conforme 13223 Aterro químico
13224 Refinaria de petróleo
mostrado nas Tabelas 13-4 a 13-6. A utilidade do sistema 13225 Farmacêutica
modificado é a de que ele pode ser adaptado para incluir 13226 Magnésio e compostos
tantos níveis quantos desejados, permanecendo no entanto 13227 Têxtil (sintéticos)
compatíveis com os dados de uso e cobertura da terra dos 13228 Tratamento de madeira
Níveis I e II do sistema U SGS, compreendidos por cida­ 1323 Térmico
13231 Carbureto de cálcio
des, macrorregiões, estados ou países. Por exemplo, a Tabela 13232 Cimento
13-7 documenta como o “Sistema de Classificação de Uso 13233 Produtos cerâmicos
da Terra/Cobertura da Terra para Utilização com Dados de 13234 Cobre fundido
Sensores Remotos” foi modificado para incluir 22 classes 13235 Vidro
para a “Caracterização Nacional da Cobertura da Terra” 13236 Ferro e aço
13237 Chumbo
Sensoriamento Remoto de Cobertura da Terra e de Uso da Terra
Tabela 13-5. Continuação
13238 Calcário
13239 Usinas nucleares
13240 Usina termelétrica
13241 Zinco
133 Fabricação
1331 Pesada
13311 Maquinário pesado (escavadeiras, etc.)
13312 Manufatura e reparo de maquinário
ferroviário
13313 Construção de navios
13314 Fabricação de aço estrutural
1332 Leve
13321 Montagem de aeronaves
13322 Montagem de automóveis (p.ex., carros,
caminhões, motocicletas)
13323 Construção e reparo de barcos
13324 Enlatados
13325 Eletrônicos
13326 Construção (pré-fabricados)
13327 Frigoríficos
13328 Produtos plásticos
(.N ational Land-Cover Characterization), baseadas em uma
produção contínua da “Base de Dados Nacional de Cober­
tura da Terra” ( U.S. N ational Land-Cover Dataset - N LCD ),
obtida a partir do Landsat Thematic Mapper e outros da­
dos. Muitas das classes do Nível II são mais bem extraídas
usando-se fotografia aérea (USGS, 2006).
As mesmas classes também são usadas pelo “Centro de Ser­
viços Costeiros da Agência Nacional Americana de Admi­
nistração dos Oceanos e Atmosfera” (Coastal Services Center
- N ational Oceanic and Atmospheric Administration - NOAÃ)
na criação dos produtos do “Programa de Análise de Mudan­
ças Costeiras” (Coastal Change Analysis Program — C-CAP).
Esses produtos incluem a cobertura da terra para os dados
disponíveis mais atuais, uma retrospectiva da cobertura da
terra nos últimos cinco anqs, bem como a documentação das
mudanças entre duas datas consecutivas (NOAA, 2004).
Classificação de Uso da Terra/Cobertura da
Terra (Níveis I a IV) com o Uso de Dados de
Sensores Remotos
A relação geral entre os Níveis (I —IV) do “Sistema de Clas­
sificação de Uso da Terra/Cobertura da Terra do U SG S” e a
resolução espacial nominal de um dado sistema sensor (re­
solução em distância no solo, em metros) foi apresentada na
Figura 13-4. De modo geral, as classes do Nível I do USGS
podem ser efetivamente inventariadas usando-se sensores
com resolução espacial nominal de 20 - 100 m, como o
Landsat Multiespectral Scanner (MSS) com 79 x 79 m de
resolução espacial nominal, o Thematic Mapper (TM) com
30 x 30 m, o SPO T HRV XS com 20 x 20 m, o indiano
LISS 1-3 (72,5 x 72,5 m; 36,25 x 36,25 m; 23,5 x 23,5 m,
457
Tabela 13-6. Transporte Urbano, Comunicações, Serviços
de Infraestrutura e Complexos Industriais/
Comerciais - As classes dos Níveis I e II
são do Sistema de Classificação de Uso da
Terra/Cobertura da Terra do USGS para Uti­
lização com Dados de Sensores Remotos.
Os Níveis III, IV e V são extensões lógicas.
Nível de Classificação
14 Transporte, Comunicações e Serviços de Infraestrutura
141 Transporte
1411 Vias e Autoestradas
14111 Não-pavimentadas
14112 Pavimentadas
14113 Acesso controlado (autoestrada, estrada
com pedágios)
14114 Anel rodoviário
14115 Estacionamento
14116 Ponte
1412 Ferrovias
14121 Trilho
14122 Pátio de manobras de trens
14123 Terminal ou estação
14124 Ponte
1413 Aeroportos
14131 Pista de taxiamento, pouso e decolagem
14132 Hangar
14133 Terminal
1414 Barcos/Navios
142 Comunicações
1421 Placa, outdoor
1422 Rádio/Televisão/Cabo
143 Serviços de Infraestrutura
1431 Eletricidade
1432 Gás natural
1433 Petróleo
1434 Água
15 Complexos Industriais e Comerciais
151 Complexo industrial (parque)
152 Complexo comercial (shopping center)
16 Uso Urbano ou Construído Misto
17 Outros Usos do Solo Urbano ou Construído
respectivamente), e o sino-brasileiro CBERS-2B C C D com
20 x 20 m. Certamente, qualquer sistema sensor com ele­
vada resolução espacial pode ser usado para adquirir dados
do Nível I. A Prancha Colorida 13-2 apresenta informação
de cobertura da terra urbana e não urbana do Nível I para
três regiões na porção central de Charleston, SC, extraída de
dados Landsat M SS adquiridos em seis datas distintas, de 14
de fevereiro de 1975 a 3 de fevereiro de 1994. Para projetos
globais, a cobertura da terra do Nível I pode ser extraída
a partir de imagens com resolução espacial mais grosseira
(p.ex., AVHRR com 1,1 x 1,1 km; M O D IS com 250 x
250 m ou 500 x 500 m) (p.ex., Giri et al., 2005).
Assinaturas de reflectância espectral características de alvos
urbanos encontram-se resumidas na Figura 13-6. Tipica­
mente, a cobertura referente à área urbana aparece como
458 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

Tabela 13-7. Sistema de Classificação de Uso da Terra/ C aracterísticas de R eflectân cia O b tid a s p o r um Es-
Cobertura da Terra do USGS para Utiliza­ pectrorradiôm etro em L a b o ra tó rio p a ra M ateriais
ção com Dados de Sensores Remotos U rb an os C o m u n s
modificado pela Base de Dados Nacional
de Cobertura da Terra e pelo Programa de
Análise de Mudanças Costeiras da NOAA
___________ (NOAA, 2006).________________________
Nível de Classificação
1 Corpos d’Agua
11 Aguas Marítimas
12 Geleiras/Neve
2 Terra Desenvolvida
21 Residencial de Baixa Densidade
22 Residencial de Alta Densidade
23 Comercial/Industrial/Transporte
3 Terra Estéril
31 Afloramento Rochoso/Areia/Argila
32 Pedreiras/Minas a Céu Aberto (Lavra em Cava)/
Minas de Superfície (Lavra em Tiras)
33 Áreas de Transição
4 Florestas de Terra Firme
41 Florestas Decíduas
42 Florestas Perenes Figura 13-6 Curvas de percentual de reflectância para materi­
43 Florestas Mistas ais comuns encontrados em ambientes urbanos.
5 Vegetação Arbustiva Os espectros de reflectância foram obtidos em um
ambiente de laboratório controlado, usando um es-
51 Vegetação Arbustiva
pectrorradiômetro GER 1500.
6 Cobertura Vegetal Não-Natural
61 Pomares/Vinícolas, Outras
cidente nos comprimentos de onda do verde e do vermelho,
7 Vegetação Rasteira Natural/Seminatural de Terra Firme
conforme discutido no Capítulo 4. A água absorve a maior
71 Campos Naturais/ Vegetação Herbácea
parte do fluxo radiante incidente, implicando na sua apa­
8 Vegetação Herbácea Plantada/Cultivada rência escura em imagens falsa-cor, facilmente diferenciável
81 Pastagem/Feno
da paisagem urbana. Composições coloridas do centro de
82 Culturas em Fileiras
Charleston, SC, com o uso de vários dos principais sistemas
83 Plantações de Cereais de Pequeno Porte
84 Pousio sensores são fornecidas no Capítulo 7.
85 Urbano/Recreação
86 Gramíneas Sensores com uma resolução espacial mínima de 5 —20 m
são geralmente necessários para obter informação do Nível
9 Terras Alagáveis
II. O sistema sensor do SPO T 5 fornece dados multiespec-
91 Florestas de Várzea
92 Planícies de Inundação trais com resolução de lO x l O m e dados pancromáticos
com 5 x 5 m. O RADARSAT fornece dados com resolução
espacial de 11 x 9 m para inventários de cobertura da terra
cinza-claro em imagens de composição colorida (bandas do nos Níveis I e II, mesmo em paisagens tropicais com a pre­
visível) e falsa-cor (uso da banda do infravermelho para ca­ sença permanente de nuvens. O Landsat 7 ET M + possui
racterização da vegetação) porque a superfície urbana, con­ uma banda pancromática com resolução de 15 x 15 m.
sistindo basicamente de vias de concreto e asfalto, áreas de
estacionamento, telhas e solo exposto, reflete tipicamente Classes mais detalhadas do Nível III podem ser inven­
altas parcelas do fluxo radiante incidente do verde, verme­ tariadas usando-se um sensor com resolução espacial de
lho e infravermelho próximo. A assinatura urbana cinza- aproximadamente 1 —5 m, como o IR S -lC D pancromá­
claro contrasta fortemente com as superfícies vegetadas que tico (dados com 5,8 x 5,8 m reamostrados para 5 x 5 m);
aparecem em vermelho brilhante ou magenta em imagens fotografia aérea de grande escala; IK O N O S (1 x 1 m no
coloridas e falsa-cor, porque a vegetação reflete quantidades pancromático; 4 x 4 m no multiespectral); QuickBird
substanciais da energia na faixa do infravermelho, ao mes­ (0,61 x 0,61 m no pancromático; 2,44 x 2,44 m no mul­
mo tempo em que absorve consideravelmente a energia in- tiespectral), OrbView 3 (1 x 1 m no pancromático; 4 x 4
Uso do Solo Residencial
m no multiespectral), e H R C do CBERS-2B (2,7 x 2,7
no pancromático). O uso sinérgico dos dados pancromá-
ticos de alta resolução espacial (p.ex., l x l m), fusionados
com dados multiespectrais de resolução mais baixa (p.ex.,
4 x 4 m), fornece um ambiente de interpretação de ima­
gens superior ao uso de dados pancromáticos isoladamente
(Gamba et al., 2003; Jensen, 2005).
A informação cadastral (limite de lotes e propriedades
imobiliárias em geral) e de classes do Nível IV é mais bem
monitorada com o uso de sensores pancromáticos de alta
resolução espacial, incluindo os dados pancromáticos com
resolução de 0,61 x 0,61 m do QuickBird, fotografias aére­
as analógicas estereoscópicas ( < 0,25 - 1 m) e imagens de
câmeras digitais estereoscópicas [p.ex., Leica GeoSystems
Airborne Digital Sensor A D S40 ( < 5 x 5 cm)].
As classes urbanas de uso da terra e cobertura da terra dos
Níveis I ao IV possuem requisitos de atributos temporais
que variam de 1 - 10 anos (Tabela 13-1 e Figura 13-2).
Todos os sensores mencionados apresentam resoluções
temporais inferiores a 55 dias, de modo que a resolução
temporal dos atributos de uso da terra/cobertura da terra é
atendida pelos sistemas sensores atuais e previstos.
Conforme exposto anteriormente, as paisagens urbanas
são notoriamente complexas (Ridd, 1995; Small, 2001,
2004). Embora uma simples informação binária do tipo
“urbano/não-urbano” seja valiosa para determinar as ten­
dências de crescimento (p.ex., Prancha Colorida 13-2), ela
não fornece o nível de detalhe sobre o uso da terra/cober­
tura da terra necessário para decisões consistentes. Portan­
to, é aconselhável o fornecimento de deçalhes adicionais
sobre a extração das seguintes informações de uso do solo
urbano a partir de dados de sensores remotos:
• habitação residencial
• comércio e serviços
• atividades industriais
• infraestrutura de transporte
• comunicações e outros serviços públicos/privados.
Uso do Solo Residencial
Em quase todas as culturas, o larlcasa é a posse mais im­
portante que uma pessoa adquire ao longo de sua vida. Ele
abriga a família e normalmente representa o maior investi­
mento econômico de uma unidade domiciliar. O inventá­
459
rio da localização, tipo, condição e número de residências
é uma das mais importantes tarefas desempenhadas com o
uso de dados de sensores remotos. A discriminação entre
os usos do solo residencial, comercial, industrial e de trans­
porte do Nível II requer um sistema sensor com uma reso­
lução espacial de 5 —20 m. A identificação das classes de
uso do solo residencial do Nível III requer uma resolução
espacial de 1 - 5 m (Tabela 13-1; Figura 13-4).
Antes de investigar como o uso do solo residencial apare­
ce em dados de sensores remotos, é importante apresentar
o conceito de form a e função. Basicamente, a função de
uma edificação frequentemente dita a sua forma. De fato,
comumente se afirma que “a forma segue a função” ou “a
forma é ditada pela função”. Por exemplo, a necessidade de
abrigar uma única família normalmente resulta na criação
de uma unidade habitacional individualizada, compos­
ta de vários cômodos justapostos (isto não é verdade no
distrito empresarial central das cidades norte-americanas,
apenas nos seus subúrbios). De forma inversa, uma indús­
tria que produz aço acabado requer tipicamente uma insta­
lação ampla, linear {forma), que possa abrigar as sucessivas
atividades de processamento do aço {função). Um analista
de imagem, no entanto, deve ser cuidadoso, porque o uso
de uma edificação pode mudar ao longo do tempo. Assim,
o conhecimento sobre o histórico de ocupação das edifica­
ções em uma região é de suma importância.
Residências Unifamiliares versus Residências
Multifamiliares
Uma residência unifamiliar encontra-se separada ou desta­
cada de qualquer outra estrutura habitacional. Em países
desenvolvidos, esse tipo de residência usualmente apresen­
ta um único acesso para veículos, um acesso para pedestres
que conduz à porta frontal, um jardim na frente, um jardim
nos fundos (normalmente delimitado por muros ou cercas),
bem como uma garagem ou vaga para carros. Geralmen­
te, a residência possui no máximo três pavimentos. Várias
residências unifamiliares em Richmond, CA, encontram-se
em fase de construção da estrutura do telhado na Figura
13-7a. Residências unifamiliares completamente integradas
à paisagem em Boca Raton, FE, e em San Diego, CA, são
apresentadas na Figura 13-7b,c. Casas motorizadas (trailers)
em países desenvolvidos são frequentemente muito menores
que outras residências unifamiliares (aproximadamente 5 m
de largura e 10 m de comprimento), raramente possuem
uma garagem (mas podem apresentar uma vaga para veícu­
lo), e podem ou não possuir um acesso pavimentado para
autos ou pedestres (Figura 13-7d).
Em países em desenvolvimento, residências unifamiliares
podem consistir de um edifício, um barraco/casebre, uma
460 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

a. Várias residências unifamiliares em fase de construção da estru- b. Uma residência unifamiliar em Boca Raton, FL, com um acesso
tura do telhado em Richmond, CA (nível 1111) (cortesia de Cris para pedestres, um acesso para autos e um jardim murado nos
C. Benton). fundos (nível 1111).

c. Residências unifamiliares com pouco espaçamento entre si em d. Trailers unifamiliares (casas motorizadas) em um parque de
San Diego, CA, com um acesso para pedestres, um acesso para trailers próximo a Myrtle Beach, SC (nível 1112).
autos, e eventualmente uma pequena piscina (nível 1111).

Figura 13-7 Exemplos de residenciais unifamiliares (nível 111).

Uso do Solo Residencial
'V
- "*> L .
«A *-r
a. Vilarejo tradicional no Quênia com habitações
individuais circundadas por um curral comunitário.
Figura 13-8 Exemplos de residências unifamiliares e multifamiliares em um país em desenvolvimento.
tenda ou uma cabana, dependendo da cultura local. Por
exemplo, uma habitação tradicional associada a um vilarejo
de pastoreio no Quênia é mostrada na Figura 13-8a. Essa
moradia pode ser permanente ou temporária (sazonal). As
estruturas podem conter um único núcleo familiar ou fa­
mílias maiores (com vários casais). Algumas vezes, torna-se
difícil identificar essas estruturas em países em desenvol­
vimento, porque elas são construídas do mesmo material
presente no entorno, resultando em uma condição de baixo
contraste do objeto com o fundo (Jensen et al., 2002).
Em países desenvolvidos, residências multifamiliares nor­
malmente possuem mais de um acesso para pedestres, po­
dem apresentar amplas garagens coletivas no nível do solo
ou subterrâneas, possuem dois ou mais pavimentos, além de
compartilharem jardins dianteiros e de fundo (Figura 13-
9a). Pode haver uma piscina ou quadra de tênis coletiva.
Casas geminadas ou duplexes (duas unidades habitacionais
justapostas) e trigeminadas ou triplexes (três unidades habi­
tacionais justapostas) comumente apresentam dois ou três
acessos para autos e pedestres, respectivamente. Algumas
vezes, essas residências são dotadas de uma área de estacio­
namento comum. Geralmente, é difícil determinar quan­
tas famílias ocupam residências unifamiliares em países em
desenvolvimento. Quando há mais de três unidades habi­
tacionais conjuntas, a residência é usualmente denominada
como edifício de apartamentos ou condomínio (Figura 13-
9b,c). N a maioria das vezes esses complexos ocupam amplas
áreas de terreno, possuem muitos pavimentos e, em grandes
cidades, constituem-se em altos edifícios residenciais.
Em países em desenvolvimento, a população rural migra para
a cidade na esperança de conquistar uma qualidade de vida
461
N airo b i, Q u ên ia
b. Loteamento informal multifamiliar (favela)
na periferia de Nairobi, Quênia.
melhor e acaba por se deparar com poucas oportunidades de
emprego e carência habitacional (Da Costa e Cintra, 1999).
Isto geralmente resulta na criação de favelas e loteamentos
clandestinos, nos quais inúmeras famílias residem em edifi­
cações construídas com qualquer tipo de material de refugo
encontrado (Jensen et al., 2002). Um loteamento informal na
periferia de Nairobi, Quênia, é mostrado na Figura 13-8b.
Usualmente, é possível determinar se uma edificação é uma
residência uni ou multifamiliar usando-se imagens com uma
resolução espacial de 1 —5 m. Algumas vezes, é necessário fu-
sionar vários tipos de imagens, como as do Landsat Thematic
Mapper e imagens de radar para a identificação de vilarejos
em áreas tropicais do planeta (Haack e Slonecker, 1994).
Em numerosas ocasiões, a interpretação visual da estru­
tura urbana em imagens supera o desempenho de proce­
dimentos digitais de classificação automática e semiau-
tomática (Jensen, 2003). Os analistas ou intérpretes de
imagem são capazes de considerar o sítio físico, a loca­
lização e a associação de estruturas de forma contextual.
Esses elementos de interpretação de imagem dificilmente
têm sido incorporados em métodos analíticos de classifi­
cação digital de imagens. Apenas recentemente, sistemas
analíticos de interpretação de imagens baseados em redes
neurais artificiais começaram a incluir elementos funda­
mentais de interpretação visual nos processos de análise
de imagens (Jensen et al., 2001; Q iu e Jensen, 2004). Por
exemplo, a Figura 13-10 retrata a interface gráfica asso­
ciada com um sistema de processamento digital de ima­
gens baseado em redes neurais, que auxilia um intérprete
de imagem a obter a classificação correta de uso e cober­
tura da terra para uma determinada área. N o passado, o
462 CAPÍTULO
a. Condomínio residencial no Colorado (nível 1123). O número de
acessos para pedestres, acessos para autos e estruturas de telhado indi­
cam a quantidade de unidades habitacionais presentes. O conjunto no
canto superior esquerdo é um quadriplex, e o conjunto no canto supe­
rior direito é um heptaplex. Os dois conjuntos inferiores são pentaplex.
c. Complexo de apartamentos em residência universitária de doze
pavimentos na Universidade da Carolina do Sul (nível 1123).
Sensoriamento Remoto da Paisagem Urbana
b. Complexo de apartamentos de dois pavimentos em Columbia,
SC (nível 1123), com numerosos acessos para pedestres e circun­
dado por áreas de estacionamento.
Figura 13-9 Exemplos de residenciais multifamiliares
(nível 112).
Uso do Solo Residencial 463

Window Help
NJew Criteria File
Add Attribute to Criteria File
New Interpretation Theme
ÇollectTraining Data
Ira in the Neural Network
C fillectTe stD ata
Perform Classrfication S istem a de In terpretação de Im agem B asead o
em R edes N eurais

a. Interface do usuário. b. Interface de entrada de dados.

Figura 13-10 a) A interface do usuário de um sistema de interpretação baseado em redes neurais que assiste o analista de imagem na difícil
discriminação dos usos do solo urbano. Neste exemplo, o analista usou um recurso de digitação em tela para demarcar um
objeto de interesse desconhecido, b) O intérprete então utilizou um menu de apontamento e seleção para identificar atribu­
tos primitivos dentro do objeto de interesse, tais como a existência de área(s) de estacionamento, acessos para pedestre ou
calçadas, etc. A informação empírica é transmitida à rede neural, que então compara este padrão com padrões previamente
informados (que corresponde de fato aos pesos da rede) e tenta identificar o objeto desconhecido como um complexo resi­
dencial multifamiliar (Jensen et al., 2001).

intérprete tinha que confiar nas complexas e dicotômicas
chaves para assisti-lo no processo de interpretação. Ago­
ra, o analista de imagem pode desenhar um polígono em
torno de um atributo da cena, como o mostrado na Figu­
ra 13-10a, e então informar ao sistema as características
observadas no polígono de interesse usando um simples
menu de apontamento e seleção de itens, tal como in­
dicado na Figura 13-10b. As características podem in­
cluir o número de calçadas ou acessos para pedestres, a
presença de um acesso para veículos e/ou garagem, áreas
de estacionamento, múltiplos pavimentos, bem como o
tamanho geral do fenômeno observado. A rede neural
então processa essas informações e devolve ao analista de
imagem o que julga ser o código de cobertura ou uso da
terra mais apropriado para a situação em análise. A rede
neural é treinada a partir de dados observados no mundo
real e ela efetivamente aprende com eles. O sistema de
interpretação baseado em redes neurais também pode ser
usado para a interpretação de outros usos do solo, in­
cluindo comércio, serviços e atividades industriais (Jen­
sen et al., 2001). N o futuro, plataformas de interpretação
baseadas em redes neurais ou sistemas especialistas serão,
muito provavelmente, o meio de extração de detalhadas
informações urbanas a partir de dados de sensoriamento
remoto (Jensen e Hodgson, 2004).
Infraestrutura Construtiva e Cadastral (Limites de
Propriedades Imobiliárias)
Em adição à informação fundamental sobre a escala no­
minal de diferentes classes de cobertura e uso da terra (i.e.,
identificar se um objeto é uma residência unifamiliar ou
um edifício comercial), planejadores da área de transporte,
companhias de serviços públicos, assessores tributários e
outros requerem informações mais detalhadas sobre o pe­
rímetro das edificações, a área, a altura, os acessos, pátios,
muros, piscinas, edifícios agregados (como armazéns, gara­
gens, edículas, etc.), bem como sobre o paisagismo do en­
torno, com frequência de um a cinco anos (Tabela 13-1).
E possível identificar a presença de construções indivi­
dualmente, usando-se imagens monoscópicas e vários
elementos de interpretação de imagem, tais como tama­
nho, forma e contexto (Tullis e Jensen, 2003; Jensen et
al., 2005). Entretanto, a projeção horizontal detalhada das
construções no terreno e limites de propriedade são mais
bem obtidos usando-se fotografia aérea pancromática este­
reoscópica ou outros dados de sensores remotos com uma
resolução espacial de < 0,25 — 5 m (p.ex., Ehlers et al.,
2003). Por exemplo, fotografia aérea pancromática estere-
464 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

a. Fotografia aérea pancromática vertical em escala 1:2.400.
b. Informação cadastral planimétrica (x,y) extraída a partir de fo­
tografia aérea estereoscópica, incluindo curvas de nível (60 cm), pro­
jeção das edificações, cercas, muros de contenção e árvores de grande
porte (Jensen e Cowen, 1999).
c. Estrutura aramada tridimensional do Capitólio, EUA, extraída a
partir de fotografia aérea vertical de grande escala, incluindo a pro­
jeção horizontal com precisão, a altura, a área, o perímetro e o vol­
ume dessa construção. As duas fotografias podem ser visualizadas de
modo estereoscópico (cortesia de I.H Systems, LLC, San Diego, CA
e Marconi Integrated Systems, Inc.; © SO C E T Set).

Figura 13-11 Extração de informação cadastral a partir de fotografia aérea vertical estereoscópica, usando a) técnica tradicional, e
b,c) técnicas de fotogrametria digital (por favor, consultar o Capítulo 6). Esta informação é vital para um inventário
preciso do uso do solo residencial, comercial e industrial. Ela pode ser adquirida usando levantamento topográfico
tradicional ou técnicas de fotogrametria.

oscópica com resolução espacial de 0,25 x 0,25 m foi usada
para extrair as dimensões exatas de casas individualmente,
bem como suas respectivas edículas e garagens, árvores,
piscinas, acessos para autos, muros e limites de proprie­
dade em uma área residencial unifamiliar, como mostrado
na Figura 13-1 la,b. Em muitos casos, as cercas ou muros
correspondem aos limites de propriedade ou limites ca­
dastrais. Se as cercas ou muros não forem visíveis ou não
corresponderem verdadeiramente ao limite da proprieda­
de, eles podem então ser identificados por um topógrafo
em campo, e essa informação ser sobreposta às ortofotos
ou mapas planimétricos da base de dados correspondente,
a fim de constituir o plano de informação relativo ao mapa
cadastral. Muitos municípios nos Estados Unidos usam
imagens de alta resolução espacial como fonte para infor­
mações cadastrais e, também, como um banco de imagens
de fundo, sobre o qual informações cadastrais e tributárias
são adicionadas (Cowen e Craig, 2004).
Dados detalhados sobre o volume e altura das construções
também podem ser extraídos a partir de imagens estereos­
cópicas de alta resolução espacial (0,25 —5 m) (Capítulo 6).
Como exemplo, a estrutura aramada tridimensional do Ca­
pitólio, EUA, é mostrada na Figura 13-1 lc. O perímetro,
área, volume e projeção horizontal dessa construção estão
disponíveis. Esse tipo de informação detalhada sobre uma
edificação permite a identificação exata do tipo de cobertura
empregada (p.ex., telhado convencional de duas águas, man­
sarda, telhado de várias águas, telhado com águas desencon­
tradas, laje), o que pode ser usado igualmente para inferir a
data da construção (Lo e Yeung, 2002). Informações sobre a
construção também podem ser obtidas a partir de imagens
Uso do Solo Residencial
de satélite de alta resolução espacial. Por exemplo, Fraser et
al. (2002) constataram que as construções podem ser extraí­
das de imagens estéreo IK O N O S 1 x 1 m, com uma precisão
planimétrica de 0,3 - 0,6 m, e altimétrica de 0,5 —0,9 m.
Características Socioeconômicas Derivadas da
Informação sobre as Construções Residenciais
Unifamiliares ou Multifamiliares
Atributos socioeconômicos específicos podem ser extraídos
diretamente de dados de sensores remotos ou através de in­
formação indireta obtida das imagens. Duas das mais impor­
tantes são inferência (ou estimativa) populacional e indicadores
de qualidade de vida, derivados primariamente da informa­
ção sobre o estoque residencial unifamiliar ou multifamiliar.
Inferência Populacional
Saber quantas pessoas vivem em uma determinada área ge­
ográfica ou unidade político-administrativa (p.ex., cidade,
município, estado, país) é uma informação muito valiosa
(Jensen et al., 2002). De fato, alguns sugerem que os efei­
tos globais resultantes do aumento da densidade popula­
cional e a consequente conversão de muitos ecossistemas de
cobertura da terra sejam muito mais significativos do que
aqueles originários de mudanças climáticas propriamente
ditas (Skole, 1994). A inferência populacional pode ser exe­
cutada em nível local, regional e nacional, com base em:
• contagem individual de unidades domiciliares (o que
requer resolução espacial nominal de 0,25 - 5 m) (Jen­
sen et al., 2005);
• medição da extensão de áreas urbanizadas (frequente­
mente denominada como tamanho do assentamento)
(p.ex., Tatem et al., 2004);
• estimativas derivadas da classificação de uso da terra/
cobertura da terra (Lo, 1995; Sutton et al., 1997; Sut-
ton, 2003).
Técnicas de sensoriamento remoto podem fornecer estima­
tivas populacionais que se aproximam da precisão de mé­
todos tradicionais de recenseamento, se houver a disponi­
bilidade de dados de campo suficientemente precisos para
calibrar o modelo de sensoriamento remoto. Infelizmente,
contagens populacionais feitas por amostragem mostram-se
frequentemente por demais imprecisas. Em muitos casos,
métodos de sensoriamento remoto podem ser superiores a
contagens feitas de forma amostrai em campo.
O método de sensoriamento remoto mais preciso para fins
de inferência populacional é a contagem individual de uni­
465
dades domiciliares, baseada nas seguintes premissas (Lind-
gten, 1985; Lo, 1995; Holz, 1988; Haack et al., 1997):
• As imagens devem ter resolução espacial suficiente
para permitir a identificação de estruturas individuais,
ainda que sob cobertura arbórea esparsa, bem como
para discriminar se as estruturas são residenciais, co­
merciais ou industriais.
• Alguma estimativa acerca do número médio de pessoas
por unidade domiciliar deve estar disponível.
• Alguma estimativa acerca do número de trabalhadores
migrantes, sazonais e “sem-teto” também é necessária.
• Assume-se que todas as unidades domiciliares estejam
ocupadas, e que apenas n famílias vivam em cada unida­
de (dado calibrado usando-se informação de campo).
Isto é normalmente executado a cada cinco ou sete anos e
requer dados de sensoriamento remoto de alta resolução
espacial (0,25 —5 m). Por exemplo, unidades domiciliares
individuais em Irmo, S C (Carolina do Sul), foram extraídas
de dados multiespectrais aerotransportados, com resolução
de 2,5 x 2,5 m. A correlação entre os dados de unidades
domiciliares derivados de sensoriamento remoto e os dados
de unidades domiciliares da “Agência de Recenseamento
Americana” (Bureau o f the Census) para uma área contendo
32 distritos censitários forneceu um R2 = 0,81, que respon­
deu por 81% da variância. Essas constatações sugerem que
os novos sensores pancromáticos de alta resolução espacial
podem fornecer uma boa fonte de informação para o moni­
toramento do estoque habitacional de uma comunidade de
forma sistemática. Isto permitirá aos governos locais prever
a necessidade e planejar novas escolas e serviços com dados
que possuem uma resolução temporal de frequência mais
elevada que os censos decenais. Esses dados também serão
valiosos para outras aplicações, como empreendimentos
imobiliários, publicitários e outros. Infelizmente, a abor­
dagem baseada na contagem individual de unidades domi­
ciliares não é apropriada para recenseamentos populacio­
nais em escala regional/nacional, visto que ela é demorada
e onerosa (Sutton et al., 1997). Alguns afirmam que esse
método requer tantos dados de campo para calibrar os da­
dos de sensoriamento remoto que ele se torna impraticável
do ponto de vista operacional. Portanto, outros métodos
foram desenvolvidos para este fim.
H á uma relação entre a área construída urbanizada (tama­
nho do assentamento) extraída a partir de uma imagem de
sensoriamento remoto e a população nela residente (popu­
lação do assentamento) (Olorunfemi, 1984):
r = a x Ph (13-1)
466 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

Figura 13-12 Imageamento noturno na faixa do infravermelho próximo de praticamente todo o território dos EUA, com resolução de 1 x 1
km, obtido pelo “Sistema de Varredura Operacional do Programa de Satélites Meteorológicos de Defesa” (Defense Meteorologi-
cal Satellite Program Operational Linescan System —DMSP-OLS). Quando os dados foram agregados para o nível de condados
ou Estados, a análise espacial dos clusters ou agrupamentos de pixels saturados pôde estimar a população com um = 0,81
(Sutton et al., 1997; cortesia de American Society for Photogrammetry & Remote Sensing).

em que ré o raio do círculo envolvente da área povoada, a é
uma constante de proporcionalidade obtida empiricamente,
P é a população, e b é um expoente derivado empiricamen­
te. As estimativas desses parâmetros são razoavelmente con­
sistentes em escalas regionais, mas a estimativa do parâmetro
a varia de região para região. Sutton et al. (1997) usou ima­
gens noturnas do visível e infravermelho próximo, com re­
solução de 1 x 1 km, do “Sistema de Varredura Operacional
do Programa de Satélites Meteorológicos de Defesa” (Defen­
se Meteorological Satellite Program Operational Linescan Sys­
tem - DM SP-OLS) para inventariar a extensão de áreas ur­
banas nos Estados Unidos (Figura 13-12). Quando os dados
foram agregados para o nível de condados (macrorregiões)
ou estados, a análise espacial dos clusters ou agrupamentos
de pixels saturados pôde estimar a população com um Rf
= 0,81 novamente. Sutton (2003) usou imagens noturnas
do DM SP-O LS para medir o consumo de uso da terra per
capita na forma de um índice agregado para as áreas urbanas
espacialmente contíguas dos Estados Unidos, com popula­
ção > 50.000 habitantes. Tatum et al. (2004) delimitaram
assentamentos no Quênia usando dados do Landsat TM e
do JE R S-1 - radar de abertura sintética (synthetic aperture ra­
dar - SAP), visando produzir mapas populacionais de média
escala para melhorar o planejamento da saúde pública.
Uma outra técnica de inferência populacional amplamente
adotada é baseada no emprego da informação de uso da
terra dos Níveis I - III. Essa abordagem assume que o uso
da terra em uma área urbana é estreitamente correlacionado
com a densidade populacional. Os pesquisadores estabele­
ceram um valor empírico para a densidade populacional de
cada uso da terra por meio de pesquisa de campo ou dados
de censo (p.ex., residências multifamiliares podem conter
cinco pessoas por pixel usando dados de 30 x 30 m do The-
matic Mapper; áreas rurais florestadas apresentam apenas
0,20 pessoas por pixel). Então, ao se estimar a área total
para cada categoria de uso da terra, estima-se na sequência
a correspondente população total por categoria. Somando-
se os totais estimados para cada categoria de uso da terra,
chega-se finalmente a uma projeção de população total (Lo,
1995). O método da área urbana construída/uso da terra
também pode ser baseado em dados de sensores remotos
multiespectrais com resolução espacial mais grosseira (5 -
20 m) a cada 5 - 1 5 anos. Elenderson e Xia (1998) discu­
tem como imagens de radar podem ser valiosas para fazer a
inferência populacional usando essas mesmas técnicas.
Indicadores de Q ualidade de V ida
Renda adequada, habitação digna, boa educação, serviços de
saúde, além de um ambiente físico com qualidade (p.ex., sem
riscos ou resíduos indesejáveis) são indicadores importantes
de bem-estar social e qualidade de vida (Lo e Faber, 1998; Lo
e Yeung, 2002). A avaliação da qualidade de vida de uma po­
pulação de forma contínua é importante, porque auxilia pla­
nejadores e órgãos de governo envolvidos com serviços sociais
a se conscientizarem das áreas carentes e problemáticas.
A maior parte dos estudos sobre qualidade de vida baseou-
se na análise de informação socioeconômica derivada de
Uso do Solo Residencial
Tabela 13-8. Atributos urbanos/periurbanos que podem ser
extraídos a partir de dados de sensores re­
motos e usados para determinar a qualidade
das habitações e/ou a qualidade de vida.
Fator Atributos
Sítio Físico Construção
• unifamiliar ou multifamiliar
• tamanho (m2)
• altura (m)
• idade (obtida por convergência de evidên­
cias)
• garagem (anexa, isolada)
Lote
• tamanho (m2)
• jardim dianteiro (m2)
• jardim dos fundos (m2)
• recuo frontal (m)
• acesso para veículos (pavimentado, não-
pavimentado)
• presença de muro ou cerca
• piscina (no solo, em pavimento acima do
solo)
• pátio, deck
• edícula e/ou edifícios anexos (celeiros)
• densidade de construções por lote
• percentual de áreas livres ajardinadas
• saúde da vegetação (p.ex., NDVI, greeen-
ness)
• via de acesso pavimentada ou não-pavi-
mentada
• veículos abandonados
• lixo
Situação Adjacência a Equipamentos Comunitários
• escolas
• comércio
• igrejas/templos
• hospitais
• posto de bombeiros
• espaços livres, parques, campos de golfe
• várzeas
Adjacência a Incômodos ou Riscos
• ruas de tráfego intenso
• ferrovia ou pátio de manobras de trens
• aeroportos e/ou rotas de tráfego aéreo
• autoestrada
• localização em planície inundável
• estação de tratamento de esgoto
• área industrial
• usina de energia ou subestação
• linhas de alta tensão
• terreno íngreme
levantamentos em campo. Imagens de sensoriamento re­
moto raramente têm sido usadas em estudos sociais. Ape­
nas recentemente, estudos de análise fatorial documenta­
ram como indicadores de qualidade de vida (tais como,
valor da habitação, renda familiar média, número médio
467
de cômodos, valor médio do aluguel e nível educacional)
podem ser estimados pelos atributos urbanos listados na
Tabela 13-8, extraídos a partir de imagens de alta e média
resolução espacial (0,25 - 30 m) (Lindgren, 1985; Holz,
1988; Avery e Berlin, 1992; Haack et al., 1997; Lo e Faber,
1998; D a Costa e Cintra, 1999; Lo e Yeung, 2002; Jensen
et al., 2005). Cumpre salientar que os atributos são organi­
zados pelo sítio (construção e lote) e situação. O sítio pode
estar situado em vizinhanças positivas ou negativas.
Esses atributos derivados de sensoriamento remoto devem
ser correlacionados com observações de censo levantadas
em campo para computar os indicadores de qualidade de
vida. Lo e Faber (1998) sugerem que, em muitas cidades,
a vegetação é um bem precioso e dispendioso, e que apenas
os habitantes mais abastados podem se dar ao luxo de man­
ter áreas ajardinadas e árvores no seu ambiente de moradia.
Eles observaram que a informação de intensidade de verde
igreenness) extraída de dados T M encontrava-se altamente
correlacionada com a qualidade de vida. Indicadores de qua­
lidade de vida são usualmente coletados a cada 5 - 1 0 anos.
Influências Am bientais A ssociadas com o Zoneam ento
O zoneamento é uma ferramenta usada pelos planejadores
urbanos para o controle das características físicas de pai­
sagens urbanas em desenvolvimento, pela imposição de
restrições a variáveis, como altura máxima e densidade das
edificações, percentual de área do terreno que deve perma­
necer impermeável ou livre de construções, tipos de uso do
solo e atividades. Essas variáveis, por sua vez, influenciam
processos ambientais de trocas de energia entre a atmosfe­
ra e a superfície terrestre, regimes hidrológicos superficiais
e subterrâneos e regimes climáticos e meteorológicos de
micro a mesoescala. Wilson et al. (2003b) revelaram que
houve diferenças significativas na temperatura radiante de
superfície e no índice de Vegetação Normalizado pela D i­
ferença (Norm alized Difference Vegetation Index —NDVI)
obtidos de imagens Landsat 7 ET M + para diferentes clas­
ses de zoneamento em Indianápolis, IN. Isso sugere que a
integração de dados de zoneamento de uma cidade em um
Sistema de Informações Geográficas - SIG - com medidas
da temperatura de superfície e do N D V I obtidas a partir
de dados de sensoriamento remoto é capaz de fornecer in-
sights ou “compreensão imediata” aos planejadores urbanos
sobre possíveis consequências ambientais de certas deci­
sões de zoneamento.
Demanda e Conservação de Energia
A demanda de energia local urbana/periurbana (algumas
vezes denominada como densidade de distribuição de car­
ga) pode ser estimada com o uso de dados de sensoriamen­
to remoto. A princípio, determina-se individualmente a
468 CAPÍTULO
área das construções a partir de imagens de alta resolução
espacial. Informação sobre o consumo de energia local
com base em dados de campo é então obtida para uma
amostra representativa de residências na área. A seguir, são
gerados modelos de regressão para prever o consumo futu­
ro de energia para a região. Também é possível prever qual
o potencial de energia solar fotovoltaica presente em uma
região, por meio da modelagem da orientação em relação
ao Sol e área individual de cobertura de cada casa, em face
de restrições conhecidas de geração de energia fotovoltaica.
Ambas as aplicações requerem imagens de alta resolução
espacial (0,25 - 1 m) (Curran e Hobson, 1987; DOE,
2005). O consumo de energia em nível regional ou nacio­
nal também pode ser previsto usando-se imagens D M SS
(p.ex., Elvidge et al., 1997; Sutton et al., 1997).
Numerosos estudos documentaram como imagens do in­
fravermelho termal (8 — 14 pm) de alta resolução espacial
(1 - 5 m) obtidas de madrugada podem ser usadas para in­
ventariar a qualidade relativa do isolamento térmico de ha­
bitações se (i) o material de cobertura é conhecido (p.ex.,
asfalto versus telhas de madeira), (ii) não há umidade na
cobertura, (iii) a orientação e declividade da cobertura são
conhecidas (Eliasson, 1992). Se a conservação de energia
ou geração de potência fotovoltaica fosse importante para
um país, essas variáveis deveríam ser coletadas com uma
frequência de um a cinco anos.
O uso ativo ou passivo da energia solar pode ser usado para
reduzir o consumo de energia elétrica predial e, portan­
to, reduzir o consumo de combustíveis fósseis. Hammer
et al. (2003) demonstraram como a quantidade de irra-
diância solar na superfície pode ser determinada a partir
de dados de satélites geoestacionários e utilizada a seguir
em um modelo preditivo (HELIO SAT) para previsões de
energia solar. O objetivo é fornecer técnicas inteligentes de
controle da temperatura predial em tempo quase-real, que
considerem sistemas que se utilizam da energia solar (p.ex.,
painéis solares, clarabóias).
Uso do Solo Para Comércio e
V Serviços
H$s
As pessoas desenvolvem atividades comerciais (negócios)
para o fornecimento de alimentos, vestuário e abrigo para
elas mesmas e suas famílias. Muitas trabalham em ativida­
des de serviços, fornecendo educação, assistência médica,
saneamento, proteção policial e contra incêndios, etc., vi­
sando melhorar a qualidade de vida para toda a comuni­
dade. Curiosamente, muitas dessas atividades são visíveis
na paisagem. Atividades comerciais e de serviços frequen­
temente apresentam uma única assinatura cultural definida
pela associação de materiais e estruturas específicos, que
Sensoriamento Remoto da Paisagem Urbana
Figura 13-13 Uma parte do centro financeiro ou de negócios (cen­
tral business district - CBD) do centro de Seattle, WA.
A região foi desmatada e é composta basicamente por
altos edifícios que abrigam empresas de serviços finan­
ceiros, seguradoras e do setor imobiliário. Inúmeros
complexos de apartamentos de múltiplos pavimentos
também são encontrados. Um sistema viário sistemati­
camente retangular atende a área. Um novo edifício
de escritórios está em construção no canto superior
esquerdo da imagem, obtida com a câmera digital
ADAR 5500, com resolução de 1 x 1 m (cortesia de
Positive Systems, Inc).
caracterizam certas atividades em uma cultura em particu­
lar. Cada cultura possui atividades comerciais e de serviços
peculiares. Por exemplo, há muitos tipos de comércio en­
contrados em cenários urbanos asiáticos, que simplesmente
não existem em paisagens urbanas ocidentais. Portanto, um
analista de imagem deve conhecer bem o universo cultural
do país de interesse antes de proceder ao inventário e mape­
amento de atividades comerciais e de serviços usando dados
de sensores remotos. De fato, se o analista não presenciou
ainda um dado fenômeno em solo e não entende totalmen­
te o significado e finalidade cultural de certa atividade ou
comércio, então é muito improvável que ele possa realizar
uma interpretação correta (Jensen et al., 2002).
O autor ampliou o “Sistema de Classificação de Uso da Ter-
ra/Cobertura da Terra do U SG S” nas Tabelas 13-4 a 13-6
para incluir classes do Nível IV e algumas classes do Nível V.
Essa extensão é basicamente para paisagens dos Estados Uni­
dos e Europa ocidental, mas pode ser aplicada de forma geral
a outros países desenvolvidos. Ela corresponde a um sistema
hierárquico, baseado no bom-senso, que pode ser agregado
de volta ao Níveis I e II. Essa extensão não está completa
em conteúdo; pelo contrário, ela reflete uma tentativa de ca-
Uso do Solo Para Comércio e Serviços
a. Agência de venda/revenda de carros em Columbia, SC (nível
12111). Carros para venda encontram-se sistematicamente dispos­
tos para inspeção pelo comprador e facilidade de saída e retorno.
Figura 13-14 Exemplos de estabelecimentos comerciais automotivos (nível 1211).
tegorizar o uso do solo que responde por aproximadamente
95% do uso do solo urbano encontrado na maior parte das
cidades desenvolvidas. Sempre que possível, ela se utiliza de
uma terminologia comum. Uma definição detalhada de cada
classe não é fornecida aqui. Entretanto, é instrutivo fornecer
exemplos dos vários tipos de uso do solo, além de comentá­
rios sobre as características únicas que permitam a distinção
de um determinado tipo de comércio ou serviço dos demais.
O Centro Financeiro ou de Negócios (The Central
Business District CBD)-
O centro financeiro ou de negócios (CBD - central business
district) de muitas cidades constitui-se na porção da paisagem
urbana mais diferenciada, com seus altos edifícios de escritó­
rios e a densidade mais elevada de uso do solo. Muitos CBD s
têm sofrido mudanças consideráveis em anos recentes, parti­
cularmente nos Estados Unidos. Geógrafos urbanos utilizam
o termo “terceirização” para descrever a perda de indústrias
(setor produtivo secundário) pelas cidades atualmente, e o
decorrente apogeu de atividades terciárias (comércio/servi-
ços) e quaternárias (centros de ensino e pesquisa), em especial
de empresas de serviços financeiros, seguradoras e do setor
imobiliário. H á também muitos outros serviços profissio­
nais que caracterizam as cidades modernas e o fenômeno de
dispersão urbana. O centro da cidade de Seattle, WA, é um
exemplo de centro financeiro por excelência (Figura 13-13).
Inúmeros edifícios de escritórios abrigam empresas do setor
financeiro, de seguros e do setor imobiliário. No entanto,
algumas das torres, como são chamados esses altos edifícios,
também abrigam residências uni e multifamiliares.
469
b. Típico posto de serviços automotivos, com múltiplas ilhas para o
abastecimento de gasolina ou óleo diesel, além de um edifício princi­
pal, consistindo de baias de serviços ou mini-mercado (nível 12112).
As tampas circulares dos tanques de armazenamento de combustível
subterrâneos são visíveis neste exemplo.
Entretanto, os CBD s de algumas cidades nos Estados Unidos
acabaram transformando-se em (1) bolsões de pobreza, (2)
áreas de segregação social, em que apenas moradores idosos
lá residem, à exceção de umas poucas famílias jovens, e/ou
(3) áreas de renovação urbana, com a presença de edifícios
novos para atrair profissionais da classe média e suas respec­
tivas famílias de tamanho reduzido (geralmente com até dois
filhos). Essas e outras condições tornam difícil a identificação
do exato tipo de uso do solo em uma dada área do CBD.
Usualmente, é preciso levantamento de campo em adição a
análises feitas por meio de dados de sensoriamento remoto.
Uso do Solo Comercial
Uso Autom otivo e H idroviário/M arítim o
O mundo desenvolvido, em especial os Estados Unidos, é
adepto passional do automóvel particular e de outras formas
pessoais de transporte, como caminhões, veículos utilitários,
veículos de recreação e barcos. Grande parte da renda pessoal
disponível é gasta para a aquisição e manutenção desses veí­
culos. Portanto, a paisagem urbana é salpicada por atividades
para a venda/revenda desses veículos, postos de abastecimen­
to de combustível, bem como oficinas/concessionárias para a
venda de peças e serviços de reparo. Finalmente, restos desses
veículos são encontrados em cemitérios automotivos.
Agências de venda/revenda de carros, caminhões e barcos
novos e usados são relativamente fáceis de serem identi­
ficadas, devido à miríade de veículos ou barcos organiza-
damente estacionados em amplos estacionamentos, bem
470 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

Figura 13-15 Exemplo de uso do solo comercial para shopping center e lojas de departamentos em alguns países desenvolvidos, a) Uma
loja de departamentos (nível 12131) Toys-R-Us, Inc. encontra-se isolada e independente do shopping center. O complexo
comercial do shopping center (nível 12132) é sustentado por três cadeias de lojas principais: Sears-Rocbuck, Inc. (b), Belk,
Inc. (c) e Dillards, Inc. (d). O corredor central do shopping é fechado e apresenta algumas clarabóias. O shopping é comple­
tamente circundado por estacionamentos, alguns dos quais são pavimentados por asfalto (cor escura), e outros, por concreto
(cor clara). A cobertura da loja de departamento Whites (e) é de asfalto, dificilmente discernível da área de estacionamento
adjacente. Nota-se a imensa quantidade de aparelhos de ar-condicionado em cada edifício.

como devido à presença de grandes showrooms e centros de
serviço anexos (Figura 13—14a). Oficinas de reparo e/ou
serviços isoladas são difíceis de identificar, mas usualmen­
te possuem grandes estacionamentos, com vários veículos
presentes em diferentes estágios de conserto.
Postos de abastecimento de combustível frequentemente
apresentam uma estrutura isolada, com sua própria cober­
tura, na qual o abastecimento é feito, além de um edifício
destacado para abrigar uma loja de conveniência, e even­
tualmente uma outra edificação para lavagem de veículos.
Postos de abastecimento comumente localizam-se em es­
quinas (Figura 13-14b). Vários carros são encontrados no
entorno de postos de abastecimento.
Cemitérios automotivos apresentam um enorme número
de veículos dispostos desordenadamente sobre o terreno,
muitos deles sem capô e chassis. Vegetação rasteira pode ser
observável entre os veículos, facilitando a sua diferenciação
de agências e concessionárias de vendas de automóveis.
H iperm ercados e Lojas de D epartam ento
Hipermercados (p.ex., WalMart, Extra, Carrefour) e lojas
de departamento (p.ex., Americanas) oferecem inúmeros
produtos em uma única instalação (p.ex., artigos esporti­
vos, de jardinagem, vestuário, brinquedos). As instalações
dessas lojas estão entre as de maior porte em área (m2) de
uma região (Figura 13-15 localização d). Imensas áreas de
estacionamento encontram-se nas suas adjacências. Lojas
de departamento isoladas normalmente apresentam pon­
tos para armazenagem de carrinhos de compra.
De forma diversa, um shopping center é uma associação de
múltiplas lojas, especializadas ou de departamentos, e even­
tualmente hipermercados (Figura 13—15 localizações b,c,d).
De modo geral, os shopping centers constituem-se em um dos
maiores complexos construtivos de uma região (m2). As lojas
em um shopping são conectadas por amplos corredores, geral­
mente cobertos. Clarabóias e coberturas transparentes são fre­
quentemente utilizadas, sobretudo em praças de alimentação.
Na maioria dos casos, um shopping é completamente circun­
dado por estacionamentos de um ou mais andares, e eventual­
mente estacionamentos subterrâneos. Hipermercados e shop­
ping centers localizam-se com frequência no entroncamento de
vias expressas e/ou estradas. Usualmente, essas construções são
facilmente identificáveis, em vista de seu porte e localização.
Em presas do Setor Financeiro e C onstrutoras
Normalmente, encontra-se no centro financeiro de uma ci­
dade um imenso número de escritórios de bancos, agências
Uso do Solo Para Comércio e Serviços
a. Serviços financeiros, incluindo bancos (nível 12141),
seguradoras (nível 12142) e empresas do setor imobiliário
(nível 12143) são encontrados na torre de escritórios “Affin-
ity Office Building”, localizada no centro da cidade de Co-
lumbia, SC. O deslocamento do topo da construção nesta
fotografia aérea vertical original em escala 1:6.000 fornece
informações detalhadas sobre a fachada lateral do edifício,
auxiliando na tarefa de interpretação da imagem.
Figura 13-16 Exemplos de uso de serviços financeiros (nível 1214).
de seguro, firmas de corretagem de bens e títulos, empresas
construtoras e imobiliárias (p.ex., imagem de Seattle, WA,
na Figura 13-13). Áreas de estacionamento podem ser visí­
veis ao nível do solo ou sob a forma de edifícios de garagem.
Essas áreas também manifestam-se sob a forma de grandes
estruturas no subsolo. Um exemplo a ser citado é a torre de
escritórios “Affinity Office Building”, localizada no centro
da cidade de Columbia, SC (Figura 13-l6a). Trata-se do
mais alto edifício da cidade, que abriga bancos, firmas de
corretagem, agências de seguro, além do escritório de vendas
de passagens de uma companhia aérea. O estacionamento
desse edifício encontra-se basicamente no nível do solo. E
impossível especificar quais as atividades que se desenvolvem
em um edifício de escritórios como esse. Portanto, muitas
vezes é necessário rotular o edifício e suas adjacências como
sendo de uso comercial. Levantamento de campo ou dado
censitário pode fornecer alguma informação adicional.
Amplos edifícios de escritórios como esse são comumente
encontrados nas maiores cidades do mundo. Em fotografias
aéreas de grande escala, o deslocamento do topo dos edifí­
cios ocorre em função de 1) como o edifício está localizado
em relação ao datum empregado, 2) a altitude da aeronave
no momento da aquisição, 3) quão distante o edifício está
localizado em relação ao ponto central da fotografia. Da
mesma forma, os edifícios altos tendem a produzir grandes
sombras. O deslocamento do topo e as sombras dos edifí­
471
b. Um estabelecimento bancário isolado (nível 12141),
contendo o edifício principal e um sistema “drive-through”
de caixa eletrônico anexo. Neste exemplo, uma área do es­
tacionamento é normalmente vinculada com a agência pro­
priamente dita, ao passo que outra parte do estacionamento
atende ao tráfego dos serviços “drive-through”,
í
cios podem tanto dificultar quanto auxiliar a identificação
de construções. Neste sentido, o deslocamento do topo de
um edifício ajuda a sua própria identificação, uma vez que
suas laterais (fachadas) tornam-se visíveis, fornecendo uma
boa impressão do formato vertical do edifício. As sombras
auxiliam a destacar o edifício do restante da cena. Quando
se usam tais fotografias aéreas, é necessário usar técnicas fo-
togramétricas para compensar o deslocamento do topo, se
o objetivo é o mapeamento do perímetro exato do edifício
em termos planimétricos (x,y). N ão se pode simplesmente
desenhar um polígono em torno do edifício e assumir que
ele esteja na posição planimétrica correta. Alguns pensam
que o deslocamento do topo de construções não ocorre em
imagens orbitais de alta resolução espacial. Infelizmente
isso não é verdadeiro, uma vez que em imagem IKO N O S
e QuickBird, por exemplo, o deslocamento de edifícios é
plenamente aparente.
Instalações bancárias destacadas possuem tipicamente uma
estrutura em pórtico para serviços “drive-through" (serviço
em que o usuário não precisa sair do seu veículo), na qual
ocorrem transações financeiras (Figura 1 3 - 16b). Uma área
de estacionamento é normalmente vinculada com a agên­
cia propriamente dita, ao passo que outra parte do estacio­
namento atende ao tráfego dos serviços ''drive-through”.
O analista de imagem deve tomar cuidado para não con­
fundir a construção de um banco “drive-through” com um
472 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

a. Exemplo de uma drogaria (nível 12151) à esquerda (1), anexa a um supermercado (nível b. Um restaurante fast-food (nível 12153).
12152), situado à direita (2). O pequeno edifício de um pavimento no estacionamento Nota-se o amplo estacionamento e a pista para
corresponde a uma loja de revelações fotográficas em uma hora —Fotomat (3). atendimento “drive-tbrougb”.

Figura 13-17 Exemplos de estabelecimentos para a comercializa­

ção de alimentos e remédios (nível 1215).

c. Um outro restaurante fast-food (nível 12153). Nota-se novamente a

pista “drive-througti’ com uma fila de carros aguardando o atendimento.

posto de abastecimento que também possui uma estrutura
em pórtico do tipo “drive-througti’.
Empresas de construção frequentemente possuem equipa­
mentos pesados (escavadeiras, caminhões basculantes, etc.)
localizados nos limites de suas propriedades, assim como
pilhas de materiais (p.ex., madeira, cimento, tijolos).
Alimentos e Rem édios
A paisagem urbana é repleta de estabelecimentos para a co­
mercialização de alimentos e remédios. Cadeias de supermer­
cados e drogarias ocupam amplos edifícios com imensas áreas
de estacionamento. Eles podem se constituir em construções
destacadas ou justapostas a outras, o que é mais comum. Esse
é o caso, por exemplo, da drogaria (1) e supermercado (2)
justapostos mostrados na Figura 13—17a. Esses estabeleci­
mentos compartilham de uma ampla área de estacionamen­
to comum. O código exato de uso do solo desses edifícios
é geralmente difícil de determinar sem trabalho de campo,
porque as amplas instalações e facilidades de estacionamento
se parecem muito com outras atividades comerciais.
Restaurantes fast-food normalmente ocupam edifícios tér­
reos, relativamente pequenos. Eles se localizam tanto em
vias grandes quanto pequenas, apresentam áreas de esta­
cionamento modestas, porém adequadas, e usualmen­
te comportam uma pista única de atendimento “drive-
Uso do Solo Para Comércio e Serviços 473

Figura 13-18 Uma porção do Cemitério Elmwood em Columbia, SC (nível 12162), originalmente registrado por fotografia aérea em
escala de 1:10.000. Os pequenos pontos brancos correspondem a lápides individuais. As grandes estruturas brancas com
sombras referem-se aos túmulos. O edifício à direita é um grande mausoléu.

a. Exemplo de um motel (nível 12172). Muitos b. Columbia Plaza Hotel (nível 12171). Nota-se o complexo hoteleiro, consistindo
carros encontram-se estacionados diretamente do edifício elevado (com piscina no seu interior), da ampla área de estacionamento
em frente ao acesso para as suítes. e de um centro de convenções anexo, com rampa própria para carga e descarga em
eventos de feiras/exibições.

Figura 13-19 Habitação temporária —motéis e hotéis (nível 1217).

474 CAPÍTULO
through", que circunda o edifício (Figura 13-17b,c). Esse
dado é importante, pois diferencia os bancos com serviço
“drive-through", os quais possuem tipicamente múltiplas
pistas "drive-through". Esses restaurantes possuem inúme­
ras entradas e saídas, apresentam paisagismo e jardinagem
modestos e, em alguns casos, playgrounds sofisticados com
equipamentos de ginástica na área dianteira.
Restaurantes mais caros e de atendimento em maior escala
apresentam maior porte (m2) e paisagismo sofisticado com
a presença de vegetação arbórea, ocupam uma área mais
ampla e possuem áreas de estacionamento maiores que os
restaurantes fast-food. Tanto os restaurantes fast-food quan­
to os mais refinados apresentam exaustores em seus telha­
dos. Em alguns casos, a fumaça liberada pelos exaustores
descolore as coberturas.
Velórios e Cem itérios
Após haverem viajado o equivalente a 100 vezes em torno
da Terra em seus automóveis durante um ciclo de vida (a
Terra possui um perímetro de apenas 40.000 km) e have­
rem feito refeições em numerosos restaurantes fast-food, os
americanos e europeus ocidentais finalmente irão residir
em um cemitério ou mausoléu. Curiosamente, os cemité­
rios frequentemente confundem os analistas de imagem,
ainda que possuam características únicas (Figura 13—18).
Em países desenvolvidos, eles geralmente ocupam uma
porção de terra ampla e cara, frequentemente nas ime­
diações de igrejas. O paisagismo é de modo geral meti­
culoso. O sistema viário é intrincado, com muitas vielas
estreitas. Em vários casos, as vielas seguem as curvas de
nível do terreno. Mas o mais importante é que há centenas
de pequenos pontos brancos, que correspondem a lápides,
sistematicamente espaçados entre si na paisagem. Frequen­
temente, há um abrigo contendo equipamentos pesados
(escavadeira) e caixões, que podem também se localizar nas
imediações do abrigo, porém longe do campo de visão das
pessoas. Um velório para vigília dos mortos é geralmente
construído em cemitérios, consistindo de um edifício am­
plo e isolado, com estacionamento no seu entorno.
H abitação Tem porária
As pessoas em todo o mundo adoram pernoitar fora de casa
ou sair de férias. Isto resultou em uma profusão de peque­
nos motéis ao longo das estradas e de grandes complexos
hoteleiros usados tanto para negócios/convenções como
para recreação e descanso. Uma das maiores diferenças en­
tre um motel e um hotel é o tamanho. Os motéis tendem
a ser pequenos e possuir poucos andares (Figura 13-19a).
Os hotéis consistem frequentemente de estruturas mais im-
positivas, em geral com quatro ou mais pavimentos (Figura
13-19b). Tanto motéis como hotéis possuem usualmente
Sensoriamento Remoto da Paisagem Urbana
amplas áreas de estacionamento e piscina. Comumente,
o estacionamento em um motel é localizado em frente ao
quarto/suíte, ao passo que, de modo geral, os hotéis pos­
suem amplos estacionamentos subterrâneos, que são de
difícil detecção. Em muitos casos, os hotéis também apre­
sentam quadras de tênis, enquanto que motéis são despro­
vidos desse tipo de instalação. Grandes hotéis tendem a se
localizar próximos a vias principais, aeroportos, bem como
estradas expressas com acesso controlado, ao passo que mo­
téis podem ser encontrados em qualquer lugar. Os hotéis
apresentam frequentemente um paisagismo mais luxuoso.
Há também áreas de camping especializadas que, de modo
geral, atendem aos viajantes em veículo próprio. Essas áre­
as possuem atributos únicos, incluindo acessos individuais
para veículos, em que o carro pode ser estacionado, além
de pátios de concreto, sobre os quais uma barraca ou trailer
podem se localizar. Há frequentemente uma piscina cen­
tral e outras facilidades de recreação. A área de camping
é geralmente grande e situada próxima a uma estrada de
maior porte. Usualmente, áreas de camping apresentam
um tratamento paisagístico bem cuidado.
Construção e Jardinagem
Geralmente, esse tipo de atividade (p.ex., Leroy & Merlin,
Telhanorte) desenvolve-se em um único edifício de grande
porte, com edificações de jardinagem justapostas, além de
fileiras de arbustos, no entorno ou adjacentes ao edifício.
Também são visíveis pilhas de fertilizantes e outros ma­
teriais, máquinas de jardim, como cortadores de grama e
trailers, fora do edifício, além de uma vasta área de esta­
cionamento. Situa-se normalmente ao longo de uma via
expressa ou em bairros mais periféricos, próximos a áreas
residenciais e condomínios horizontais.
Recreação
A geração dos nascidos como fruto da explosão demográ­
fica pós-segunda guerra mundial está em fase de envelhe­
cimento e, igualmente, a primeira e segunda geração dela
advindas. Muitos desses adultos estão fora de forma física,
apresentam um poder aquisitivo elevado e possuirão cada
vez mais tempo livre, sobretudo depois da aposentadoria.
Portanto, não é de surpreender que grandes quantidades
de tempo, dinheiro e área na paisagem urbana sejam des­
tinadas a instalações de recreação públicas e privadas, es­
pecialmente golfe. D a mesma forma, inúmeros parques
temáticos, com uma enorme variedade de facilidades re-
creacionais, encontram-se disponíveis ao público de forma
rotineira. Esses parques são relativamente fáceis de serem
identificados com o uso de dados de sensores remotos,
devido às suas formas únicas e padrões curvilíneos. Por
exemplo, esse é o caso da montanha-russa, pista de cart e
Uso do Solo Para Comércio e Serviços
a. Montanha-russa em Myrtle Beach, SC, pavilhão do parque de diversão (nível 12191).
b. Uma típica pista de cart. A passagem em nível e
grande parte dos cantos da pista são leitos de concre­
to, enquanto o restante é pavimentado com asfalto.
Figura 13-20 Instalações de parques temáticos e de diversão.
tobogãs aquáticos localizados na Praia de Myrtle (Myrtle
Beach), SC , na Figura 13-20.
E uma tarefa relativamente simples a identificação de cam­
pos de beisebol, futebol ou futebol americano, pistas de
corrida e quadras de tênis usando dados de sensoriamento
remoto, porque elas apresentam uma organização espacial
que atendem a especificações estritas. Exemplos dessas ati­
vidades e das dimensões das quadras e pistas encontram-se
resumidos nas Figuras 13-21 e 13-22.
Talvez o maior consumidor de terra dentro e fora das
cidades sejam os campos públicos e privados de golfe.
Eles se apresentam sob uma imensa variedade de formas
e tamanhos de caminhos curvilíneos (fairways) e podem
incluir nove, 18 e até 36 buracos. Eles são especialmente
fáceis de identificar com o uso de dados de sensores remo­
tos, porque sempre incluem uma sede social com amplo
estacionamento, longos caminhos curvilíneos, inúmeros
bancos de areia e lagos, além de colinas gramadas bem
cuidadas (Figura 13-23).
475
c. Um tobogã aquático que deságua em uma piscina.
Piscinas são alvos fáceis de serem identificados, se for con­
siderado que elas geralmente apresentam uma faixa mais
escura na borda, já que muitas delas possuem uma ou mais
raias para natação. Elas se apresentam sob uma imensa va­
riedade de formas e tamanhos, mas quase sempre têm áreas
significativas de deck no seu entorno. Dois exemplos são
mostrados na Figura 13-24.
Muitas sociedades usam tributos para custear estádios pú­
blicos ou salas de concerto. Um bom exemplo é o Estádio
da Universidade da Carolina do Sul (University o f South
Carolina Coliseum) (Figura 13-25). Esses locais são usados
para uma enorme variedade de propósitos recreativos ou
cerimoniais, incluindo jogos de basquete em quadra fecha­
da, circos, corrida de tratores, concertos de rock, festas de
formatura, etc. Comumente, trata-se de imensos edifícios
de múltiplos pavimentos, com sofisticado paisagismo e ro­
deados por amplas áreas de estacionamento.
É praticamente impossível identificar um cinema instalado
dentro de um shopping center, a partir de dados de sensores
476 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

Segunda
base

90 pés / \ 90 pés
x Campo de beisebol

Terceira Primeira
base base

Base do rebatedor
a. Dimensões de um campo de beisebol. b. Estádio de beisebol “ CapitoI City Bombers' da liga da segunda-
divisão, em Columbia, SC (originalmente na escala 1:6.000).

c. Campo de beisebol de uma escola do ensino médio. d. Estádio de beisebol “Atlanta Fulton County" , sede do
time de beisebol profissional “Atlanta Braves” (com resolu­
ção original de 2 x 2 m).

Figura 13-21 Exemplos de campos de beisebol (em formato de losango) de escolas do ensino médio, ligas da segunda divisão e ligas profis­
sionais (nível 12192). As dimensões do campo de beisebol permanecem as mesmas, ao passo que as instalações para o time
e espectadores mudam de forma considerável.

remotos. Entretanto, atualmente muitos complexos com
salas de cinema são construídos de forma destacada, con­
tendo inúmeras salas de projeção e amplo estacionamento.
Algumas sociedades ainda possuem cinema drive-in, que, às
vezes, são dos alvos mais difíceis de identificar na paisagem
urbana. O local de um cinema drive-in possui em geral o
formato circular ou de semicírculo, com um telão em uma
das extremidades, sustentado por um ampla estrutura verti­
cal. Essa estrutura comumente produz longas sombras, de­
pendendo do período do dia. Usualmente, uma via em for­
mato circular é encontrada no local de um cinema drive-in,
e há dispositivos para sustentação de microfones a cada 5 m
no solo. O posto para vendas de ingressos localiza-se geral­
mente no centro do sítio, o qual não apresenta paisagismo e
é em geral pavimentado por asfalto ou cascalho.
Armazéns/Transporte de Cargas
Os armazéns recebem mercadorias e então as reorganiza de
acordo com ordens de emissão, que podem ser por cami-
Uso do Solo Para Comércio e Serviços 477

linha de linha de
eol Futebol Americano eol

b. Estádio de futebol americano da Universidade

da Carolina do Sul (nível 12193).
Futebol
150’-300’
Gol 24’

d. Campo de futebol e pista de corrida de uma escola do ensino mé­

c. Dimensões de um campo de futebol.
dio (nível 12193). As barras do gol revelam que o campo também é
usado para futebol americano.

e. Dimensões de uma quadra de tênis. f. Várias quadras de tênis, dispostas lado a lado, em um clube
de tênis (nível 12197).

Figura 13-22 Exemplos de um estádio de futebol americano universitário, um campo de futebol rodeado por uma pista de corrida em uma
escola do ensino médio, além de quadras de tênis comunitárias (as dimensões estão dadas em pés, 1 pé = 0,308 m).
478 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

Figura 13-23 Fotografia aérea oblíqua baixa de um campo de golfe próximo a Atlanta, GA, com múltiplos caminhos longos e curvilíneos
(fairways), bancos de areia brilhantes e colinas gramadas bem cuidadas (nível 12194).

Figura 13-24 Fotografia aérea vertical de grande escala de piscinas (nível 12195) e decks adjacentes. A piscina à esquerda apresenta raias
de natação. A piscina à direita apresenta entulho dentro dela. Ambas as piscinas possuem profundidades rasas e elevadas.

nhões, trens ou navios, até o destino de transbordo ou final.
Em geral, consistem de grandes construções com paisagis­
mo modesto. No caso de transporte por caminhões, há co-
mumente uma ampla área de estacionamento, com sistemas
elevados de carga/descarga (1,5 m de altura) em um ou mais
lados do edifício. Empilhadeiras são frequentemente encon­
tradas no pátio. Eventualmente, caixas de produtos não-
perecíveis ou containers de carga também podem ser vistos
na área de estacionamento. Os atributos mais característicos
para a identificação dessas áreas são as carrocerias situadas
com a porta traseira voltada para o edifício de armazena­
gem, ou estacionadas sistematicamente ao longo do sítio,
naturalmente fora das vias de circulação internas.
Normalmente, o transporte de cargas em portos marítimos
ou fluviais compreende amplos edifícios de armazéns, situ­
ados nas docas ou nas suas proximidades imediatas. Como
exemplo, uma fotografia aérea de uma porção do porto de
Seattle, WA, é apresentada na Figura 13-26. Nesse local, pi­
lhas de minérios estão sendo carregadas em um navio a par­
tir de silos em formato cônico, usando um sofisticado siste­
ma de esteira e guindaste. Amplos edifícios de armazéns são
encontrados nas proximidades do porto. Os minérios foram
trazidos às instalações portuárias pela via férrea adjacente.
O utros Usos Com erciais
Finalmente, sobrevem a questão de como identificar todas
as demais miríades de usos comerciais encontrados em pra­
ticamente todas as paisagens urbanas (lojas de hobby e ar­
tigos esportivos, ópticas, lojas de vestuário, boliches, etc.).
É impossível determinar o tipo de atividade desenvolvido
Uso do Solo Para Comércio e Serviços 479

u .iT

I £
ts -s
JttSfc’
0-> *4.

k
ts

Figura 13-25 Estádio multifinalitário pertencente à Universidade da Carolina do Sul (nível

12196). Um evento recreativo ou cultural está ocorrendo nesta data.

Figura 13-26 Armazenagem e carregamento de trigo e outras commodities no por­

to de Seattle, WA. Notam-se os silos em formato cônico, o sofisti­
cado sistema de esteira, os amplos armazéns em formato retangular
e as ramificações dos trilhos da via férrea, que transporta matérias-
primas até o porto.
480 CAPITULO Sensoriamento Remoto da Paisagem Urbana

b. Edifício de escritórios públicos com garagem de múltiplos pavimentos.

c. Ilha Ellis e a Estátua da Liberdade no Parque d. Fotografia aérea oblíqua baixa do Arco do Triunfo em Paris (12217).
Nacional em Nova Iorque, NY (12217).

Figura 13-27 Edifícios da administração pública, parques nacionais e monumentos.

Uso do Solo Para Comércio e Serviços 481

Figura 13-28 Exemplos de instalações educacionais em universidades públicas (nível 122124). a.) Fotografia aérea vertical do parque “hor-
seshoe” na Universidade da Carolina do Sul, fundada em 1801. Em épocas passadas, a maior parte dos edifícios circundando
o parque da ferradura era para pessoal administrativo, aulas e salas de alunos. Atualmente, a maior parte dos edifícios voltados
para o parque é de caráter administrativo. Este tipo de desenho arquitetônico é comum em outros campi do sul dos EUA, como
o da Universidade da Geórgia, b.) Fotografia oblíqua da Universidade da Califórnia, Santa Bárbara, em Goleta, CA, com suas
variadas formas arquitetônicas, paisagismo bem cuidado e uma intrincada rede de caminhos para pedestres entre os edifícios.

em uma dada área unicamente a partir dos atributos de
sensoriamento remoto. Apenas o levantamento de campo
permitirá a exata discriminação da classe de uso do solo,
com a sua inclusão ou exclusão da classe 17 (Outros Usos do
Solo Urbano!Construído) , de acordo com a Tabela 13-3.
Serviços (Públicos e Privados)
Em países desenvolvidos, a sociedade organizou uma in-
fraestrutura sofisticada de serviços públicos para melhorar
a qualidade de vida. Alguns dos edifícios e instalações as­
sociados com esses serviços apresentam características con­
sideravelmente peculiares, as quais permitem a sua identi­
ficação por meio de dados de sensores remotos.
Edifícios e Instalações Públicas (Administração, Bom ­
beiro, Polícia, Resgate, Correios, Bibliotecas, Presídios)
Instalações públicas proeminentes como palácios de gover­
no ou capitólios (Figura 13-27a) e edifícios administrativos
de importância (Figura 13-27b) são relativamente fáceis de
identificar com o uso de dados de sensores remotos. Usual­
mente, eles apresentam um estilo arquitetônico imponen­
te, uma vez que são concebidos para supostamente durar
e inspirar por várias gerações. Esses edifícios tipicamente
possuem paisagismo extremamente sofisticado e amplo es­
tacionamento, que pode se dar sob a forma de edifícios de
garagem de múltiplos pavimentos. Monumentos nacionais
como a Estátua da Liberdade em Nova Iorque, EUA, e o
Arco do Triunfo em Paris, França, apresentam frequente­
mente uma arquitetura característica, o que permite a sua
imediata identificação (Figura 13-27c,d, respectivamente).
De forma diversa, a única forma de se identificar instala­
ções de bombeiro e resgate refere-se às ocasiões em que os
veículos e equipamentos encontram-se temporariamente
visíveis no exterior dos edifícios. Da mesma forma, alguns
postos de bombeiros tornam-se identificáveis por apresen­
tar uma torre para treinamento de incêndio, de dois ou
três pavimentos. Por outro lado, é possível a identificação
de delegacias policiais, caso as viaturas estacionadas no seu
entorno possuam números nos capôs.
Escritórios regionais de correios constituem-se em amplos
edifícios, com grandes áreas de estacionamento e um nú-
 CAPITULO
mero significativo de caminhões dos correios e outras via­
turas menores presentes. Escritórios locais de correios são
de difícil identificação, devido ao seu tamanho reduzido.
Por apresentarem um bom tratamento paisagístico e esta­
cionamento no seu entorno, eles se tornam frequentemen­
te indiscerníveis de bibliotecas locais.
Presídios e casas de detenção são relativamente fáceis de
identificar, uma vez que eles se constituem em amplos
edifícios, com vasta área de estacionamento no entorno,
torres de observação localizadas em posições estratégicas,
múltiplas fileiras de muros muito elevados e acesso restrito.
Pátios para banhos de sol são comumente encontrados no
interior do perímetro fortificado das construções.
Educação
Universidades são alvos relativamente fáceis de identificar
com dados de sensoriamento remoto de alta resolução espa­
cial. À exceção das áreas centrais em grandes cidades (p.ex.,
Nova Iorque, Chicago, Atlanta), as universidades exibem
uma extensa coleção de edifícios, espaços abertos, instalações
de recreação (piscinas, campos de beisebol, futebol america­
no e futebol, pistas de corrida, quadras de tênis), ginásios e
estádios. Muitos dos edifícios para ensino são de múltiplos
pavimentos. Residências universitárias também são frequen­
temente encontradas. O problema consiste de fato em deter­
minar onde formalmente começa e termina a universidade.
Dois exemplos distintos de universidades são fornecidos na
Figura 13-28. A Universidade da Carolina do Sul ( University
ofSouth Carolina) foi fundada em 1801. Todos os edifícios
administrativos originais, residências universitárias e instala­
ções de ensino foram sistematicamente orientados para um
parque denominado “ferradura” (horseshoe). De forma opos­
ta, a fotografia aérea com visada lateral de uma porção da
Universidade da Califórnia em Santa Bárbara (University o f
Califórnia at Santa Barbara) revela a disposição assistemática
de edifícios e outras instalações, interconectados por uma
complexa rede de caminhos para pedestre.
A maior parte das escolas de ensino médio e da segunda me­
tade do ensino fundamental (5a à 9a série) possui edifícios de
grande porte, com amplo estacionamento, além de campos
descobertos de beisebol, futebol americano, futebol, pistas de
corrida e quadras de tênis. Escolas do ensino médio geralmen­
te apresentam um estádio de futebol americano e uma piscina,
ao passo que as escolas do ensino fundamental não possuem
essas instalações. Em climas frios, a piscina é coberta. Geral­
mente, escolas do ensino médio e fundamental são muradas.
Escolas primárias apresentam edifícios relativamente meno­
res, amplo estacionamento e algumas poucas instalações des­
cobertas. Em raros casos, possuem piscina e estádio de futebol
americano, sendo também muradas na maioria dos casos.
Sensoriamento Remoto da Paisagem Urbana
Área M édica
É difícil a identificação de consultórios e clínicas médicas e
academias de ginástica (fitness centers). Elas se apresentam
de forma semelhante a muitas outras atividades comerciais
que se desenvolvem em edifícios. Entretanto, é relativa­
mente fácil identificar hospitais e complexos hospitalares.
Eles consistem usualmente de edifícios amplos de múltiplos
pavimentos, com muitas instalações anexas. Vastas áreas de
estacionamento são necessárias. Caminhos para pedestres (e
eventualmente pequenos trens elétricos) conectam um edifí­
cio a outro. Algumas vezes é possível identificar a entrada do
pronto-socorro. Alguns hospitais possuem pistas para pouso
de helicópteros, em solo ou no topo de um edifício.
' Uso do Solo Industrial
Esta seção apresenta o conceito de interpretação de ima­
gem para a análise de fotografias aéreas e outros tipos de
dados de sensores remotos de alta resolução espacial, visan­
do à extração de informação sobre o uso do solo industrial.
As regras heurísticas aqui discutidas foram concebidas para
permitir ao intérprete não especializado na extração de in­
formação sobre uso industrial a identificação de indústrias
basicamente apenas a partir das imagens. Se o analista de
imagem não for capaz de identificar uma indústria em par­
ticular, ele ainda poderá, contudo, incluí-la em uma cate­
goria de uso que compreenda o tipo de indústria de fato em
análise. O termo indústria inclui as atividades envolvidas
na extração de matéria-prima, processamento de materiais
e fabricação de produtos intermediários e acabados.
A princípio, não é de se surpreender que a inteligência mi­
litar, que envolve diversas organizações e é encontrada em
todo o mundo, seja a maior interessada no monitoramen­
to do uso do solo industrial em países estrangeiros. Essas
organizações desenvolveram excelentes manuais para a in­
terpretação de alvos industriais em imagens, os quais tam­
bém podem ser utilizados para aplicações civis. Vários dos
manuais mais importantes focam em: 1) lógica geral de
análise de alvos industriais (D oD , 1976), 2) indústrias de
coque, ferro e aço (D oD , 1978a), 3) instalações de abas­
tecimento de energia e água (D oD , 1977), e 4) indústria
petrolífera (DoD, 1978b). Cópias desses manuais podem
ser vistos na página da Federação de Cientistas Americanos
(Federation of American Scientists) (Apêndice A).
Lógica de Classificação do Uso do Solo Industrial
Frequentemente, as indústrias apresentam associações
únicas de matéria-prima, equipamentos, produtos finais
Uso do Solo Industrial 483

C o m p an h ia de M in eração K en n ecott Ridgew ay, Ridgew ay, S C

Mina a céu aberto

(lavra em cava)

Pilha de resíduos

Mina a céu aberto

(lavra em cava)

Pilha de resíduos

Figura 13-29 Par estereoscópico pancromático da Companhia de Mineração Kennecott Ridgeway, localizada próximo a Ridgeway SC, obtido
em 16 de março de 1992 (nível 1312) (cortesia de Kennecott Ridgeway Mining Company).

e refugo, além de edificações que caracterizam as suas
instalações físicas. Em alguns casos, esses componentes
relacionados à indústria são visíveis nas fotografias ou
imagens; em outras circunstâncias, os equipamentos ou
materiais podem estar abrigados em construções ou fora
do campo de visão. Neste último caso, dados de outros
componentes, não significativos por si próprios, porém
intimamente associados com os componentes essenciais
ocultos, podem ter sido registrados na imagem. Além dis­
so, a partir das formas, padrões e relacionamentos carac­
terísticos desses outros componentes, é possível inferir o
tipo de material ou equipamento cuja visão foi ocultada.
Por exemplo, edificações com formato incomum podem
ter sido especialmente concebidas para abrigar tipos es­
pecíficos de equipamentos. Da mesma forma, chaminés
e dutos, dependendo da quantidade e disposição, podem
indicar um tipo específico de fornalha ou forno, a partir
do qual são liberados gases tóxicos e fumaça.
A identificação dos vários tipos de componentes relaciona­
dos à indústria em uma imagem permitirá a classificação
da indústria em uma das três principais categorias, confor­
me segue (p.ex., N PIC, 1961; Avery e Berlin, 1992):
• extração
• processamento
• fabricação.
Para se categorizar uma indústria usando dados de senso­
riamento remoto, recomenda-se que o analista: 1) primeiro
decida se ela é de extração, processamento ou fabricação; 2)
se for uma indústria de processamento, que ele decida se ela
é de processamento químico, térmico ou mecânico; e 3) se
for uma indústria de fabricação, que ele decida se é leve ou
pesada. Há uma imensa variedade de indústrias e, por esse
484 CAPÍTULO
a. Fotografia aérea com visada oblíqua baixa da Mina de Cobre
Bingham Canyon, próxima a Salt Lake City, UT, a maior mina a
céu aberto do mundo.
Figura 13-30 A Mina de Cobre Bingham Canyon, próxima a Salt Lake City, UT, constitui uma indústria extrativa (nível 13121).
motivo, é possível fornecer apenas uns poucos exemplos re­
presentativos de cada categoria principal de indústria.
Indústrias de Extração
Indústrias extrativas extraem os recursos naturais da Terra
com o mínimo de manipulação necessária para acumular
matéria-prima em uma forma adequada ao transporte ou
processamento. A extração normalmente ocorre em minas
subterrâneas, minas a céu aberto (lavra em cava ou lavra
em tiras), poços, ou campos de corte, p.ex., exploração ma­
deireira por desmatamento extensivo ou desbaste seletivo
(Tabela 13-4). As indústrias extrativas tipicamente possuem
vários dos seguintes atributos de reconhecimento imediato:
• presença de escavações a céu aberto, lagoas, entradas de
mina subterrânea ou torres de perfuração subterrânea;
• equipamentos de tamanho normal ou de grande porte,
como tratores, caminhões basculantes, gruas, guindas­
tes, dragas, moto-serras, trens de mina;
• um sistema de transporte sofisticado para escoar a ma­
téria-prima no sítio, como esteiras, dutos, vias férreas,
linhas de dragagem, além de sistema viário;
• materiais de grande volume armazenados em pilhas,
silos cônicos de aço, tanques; e
• pilhas e lagoas para depósito de refugo, já separado do
material de interesse.
Sensoriamento Remoto da Paisagem Urbana
b. Fotografia terrestre da mina revela trens para transporte de
minério bruto, imensas escavadeiras e uma densa rede de postes
de energia elétrica.
Todos os atributos da indústria extrativa raramente são vis­
tos em outros lugares. N ão raro, as áreas rurais no entorno
evidenciam tentativas de mitigar os efeitos da indústria ex­
trativa, como recuperação, reflorestamento, etc.
Um par estéreo pancromático preto e branco na escala
de 1:19.200 da Companhia de Mineração Kennecott Rid-
geway, localizada próximo a Ridgeway, SC , obtido em 16
de março de 1992, é mostrado na Figura 13-29. Duas am­
plas minas a céu aberto (lavra em cava) são visíveis nas foto­
grafias. Elas são circundadas basicamente por plantações de
pinheiros. O material de minério bruto é extraído da terra
usando imensas escavadeiras localizadas no interior das mi­
nas. O minério é então transportado à instalação localizada
no centro da mina por meio de caminhões basculantes, que
se deslocam por uma complexa rede de vias sinuosas. O
ouro é separado da rocha de minério bruto por meio de um
processo químico na instalação de processamento central.
Duas elevadas pilhas de material já processado são visíveis.
Nota-se que uma quantidade substancial de material de ro­
cha processado também foi utilizado na construção de uma
bacia de contenção. A mina foi desativada em 1999 e se
encontra em processo de recuperação ambiental.
A maior mina a céu aberto (lavra em cava) no mundo é a
Mina de Cobre Bingham Canyon, situada próximo a Salt
Lake City, UT, operada pela Kennecott Copper Corporation.
Ela tem 4 km de comprimento e uma profundidade de 800
m. É uma das poucas coisas na superfície terrestre criadas
pelo Homem que podem ser vistas do espaço a olho nu
(um outro é a Grande Muralha da China). Mais de três bi­
lhões de toneladas de cobre foram extraídos, mais de cinco
Uso do Solo Industrial 485

a. Uma mina de cascalho (lavra em cava) a céu aberto na Carolina do Sul (nível
13122). O cascalho é transportado da base da mina por uma esteira rolante para
várias peneiras de triagem na saída da mina. Caminhões transportam o material
separado até os destinos finais.
b. Poços de extração de petróleo em área montanhosa
atrás da cidade de Ventura, CA (nível 13151). Cada
clareira contém um ou mais poços de petróleo, os
quais são interconectados por um intrincado sistema
de estradas de terra.

Figura 13-31 Exemplos de mineração a céu aberto e indústrias de extração de petróleo.

a. Fotografia aérea com visada oblíqua baixa de um proces­
samento mecânico agrícola para moagem de trigo, o qual é
processado sob a forma de farinha para consumo humano
e animal. O grão é armazenado em silos, e o processamento
ocorre nos edifícios. A farinha e ração de trigo são transporta­
das aos mercados finais por caminhões (nível 13211).
b. Fotografia aérea com visada oblíqua baixa de um proces­
samento mecânico na estação de tratamento de esgoto de
Newport Beach, CA (nível 13215). Os efluentes sólidos são
separados de modo mecânico dos efluentes líquidos, o que ex­
plica o emprego do termo processamento mecânico. Notam-
se as lagoas de decantação e aeração. O efluente purificado é
bombeado para um emissário submerso de 500 m no Oceano
Pacífico (nível 13215).

Figura 13-32 Exemplos de indústrias de processamento mecânico (nível 1321).

486 CAPÍTULO
vezes o material escavado para a construção do Canal do
Panamá. A Figura 13-30a apresenta uma fotografia aérea
com visada lateral da mina. A Figura 13-30b mostra uma
fotografia terrestre tirada de dentro da mina. A fotografia
terrestre fornece informação sobre quão imensa é a mina,
pois as quatro linhas escuras ao longo da encosta mais dis­
tante constituem na verdade quatro longos trens, usados
para remover o material da mina. A via férrea desce em
espiral até o nível mais inferior da mina.
Uma mina de cascalho a céu aberto (lavra em cava) na
Carolina do Sul é m ostrada na Figura 13-31 a. O ma­
terial é dinam itado a partir dos muros ou encostas de
escavação e transportado por caminhão até um ponto
de coleta na base da mina. Uma esteira rolante então
eleva o material bruto a 100 m, até chegar à superfície,
onde enfim ocorre uma triagem para a separação de vá­
rios diâmetros de cascalho e areia. O material separado
é então transportado por caminhões até o destino final.
A ocorrência de precipitações resulta em uma lagoa in­
terna de drenagem na base da mina.
A Figura 13-31 b revela uma pequena porção de um poço
de exploração de petróleo, situado em área montanhosa
atrás da cidade de Ventura, CA. Cada clareira contém um
ou mais poços de petróleo, os quais são interconectados
por um intrincado sistema de estradas de terra. O petróleo
é bombeado por dutos dos poços até pontos de coleta que
não aparecem na fotografia.
Indústrias de Processamento
As indústrias de processamento submetem as matérias-
primas a tratamento mecânico, químico ou térmico, para
torná-las apropriadas a processamentos ulteriores ou então
para produzir materiais, a partir dos quais bens e equipa­
mentos são fabricados.
As indústrias de processamento caracterizam-se pela pre­
sença de instalações para o armazenamento e manipulação
de grande quantidade de materiais brutos. Esses materiais
podem ser armazenados em pilhas, lagoas ou reservatórios
a céu aberto, ou em containers de armazenamento, tais
como silos, tonéis, caixas de aço, além de tanques abertos
e íechados. Esses materiais são transportados por dutos,
esteiras e gruas fixas, assim como por vagões sobre trilhos e
outros equipamentos móveis. O sistema de esteira rolante
usado para separar o cascalho na mina a céu aberto exposto
acima é um bom exemplo. Em adição a isso, outros equi­
pamentos a céu aberto também são encontrados, incluindo
fornalhas de combustão, fornos, torres de processamento
químico, altas chaminés ou muitos dutos, todos indicati­
vos do tipo de processamento em execução.
Sensoriamento Remoto da Paisagem Urbana
Os processos envolvidos requerem usualmente grandes
quantidades de energia, o que é indicado pela presença de
pilhas de carvão, tanques de combustível, caldeiras (boi-
lers) ou transformadores, caso a energia elétrica seja empre­
gada ou produzida. As construções que abrigam os equi­
pamentos de processamento frequentemente são amplas
ou, ao menos, complexas no seu projeto e estrutura da co­
bertura. Uma vez que o processamento de matéria-prima
geralmente envolve refino, pilhas e lagoas de resíduos ou
refugos são comuns, e cuidado especial é necessário para
distinguir entre lixo e matéria-prima, uma vez que ambos
são armazenados de maneira semelhante.
As indústrias de processamento podem ser subdivididas com
base em componentes da imagem, em três subcategorias:
• processamento mecânico
• processamento químico
• processamento térmico.
Essas subcategorias possuem significado funcional.
Indústrias de Processamento M ecânico
As indústrias de processamento mecânico modelam, de-
sassociam, separam ou mudam a aparência ou forma físi­
ca das matérias-primas. Os componentes da imagem que
caracterizam as indústrias de processamento mecânico
são os materiais brutos armazenados em pilhas, lagoas ou
reservatórios, ou instalações a céu aberto, como silos, to­
néis, containers em geral ou tanques abertos, assim como
a presença abundante de equipamentos de manipulação e
transporte, a exemplo de esteiras, guindastes, gruas, vagões
sobre trilhos e outros equipamentos móveis. O processa­
mento envolvido nessa subcategoria de indústria deman­
dará grandes quantidades de energia, conforme indicado
pela presença de caldeiras com seu próprio fornecimento
de combustível, além de transformadores, nos casos em
que a energia elétrica é empregada. Muitas das construções
são amplas ou, ao menos, complexas no seu projeto e es­
trutura da cobertura. Pilhas ou lagoas de resíduos são mui­
to comuns. As indústrias na categoria de processamento
mecânico diferem de outras indústrias de processamento
no sentido de que possuem poucos dutos, tanques abertos
ou fechados, ou dutos ao invés de casas de caldeiras. Além
disso, há ausência de fornos, os quais se encontram asso­
ciados às indústrias de processamento térmico.
O processamento mecânico ocorre na Adhul Flour M eai
and Feed Company (indústria de farinha e alimento, nível
13211) em Columbia, SC (Figura 13-32a). Os grãos che­
gam para moagem por meio de via férrea ou caminhões.
Uso do Solo Industrial
t ■
Torres das
Lago Murray
comportas
Muro de represamento
Subestação
Três grandes silos de concreto armazenam o trigo não-pro-
cessado. A moagem do trigo se dá em um amplo complexo
construído à direita. Caminhões que aparecem com as ca­
çambas voltadas para o complexo construtivo transportam
a farinha de trigo para os mercados locais e regionais.
A Figura 13-32b consiste em uma fotografia de visada la­
teral de um processamento mecânico que ocorre em uma
estação de tratamento de esgoto (nível 13215) em New-
port Beach, CA. O esgoto escoa das comunidades próxi­
mas até a estação através de dutos subterrâneos. O proces­
samento mecânico na estação separa efluentes sólidos dos
efluentes líquidos. Várias lagoas de decantação, tanques,
aeradores e instalações com bactérias anaeróbicas purifi­
cam os dejetos, de modo que eles possam ser bombeados
por 500 m em um emissário submarino no Oceano Pa­
cífico. Instalações para tratamento de água também são
consideradas indústrias de processamento mecânico.
Uma usina hidrelétrica utiliza a “energia hidrostática” da
água represada em um lago para girar turbinas que pro­
duzem eletricidade. Um exemplo consiste nas instalações
da usina hidrelétrica localizada na represa do lago Murray
(.Murray Lake D am ), próximo a Columbia, SC (Figura 13-
33). Quatro comportas transportam a água a 61 m de pro­
fundidade até o compartimento das turbinas, onde a pres­
são da água aciona as turbinas produzindo eletricidade. A
487
a*
Figura 13-33 Fotografia aérea da represa do lago Mur­
ray (Murray Lake Darri), SC, pertencente
a uma usina hidrelétrica (nível 13213), e
da usina termelétrica Saluda. Quatro com­
portas fornecem pressão de água suficiente
para acionar as turbinas, produzindo eletri­
cidade. A usina termelétrica queima carvão
que, por sua vez, produz vapor suficiente
para acionar turbinas, gerando eletricidade.
O carvão chega à usina por via férrea e é
transportado dos vagões para pilhas de
armazenamento por meio de esteiras. A
eletricidade é distribuída da usina para a
rede regional de energia por meio de sub­
estações.
4
água flui então para o rio Saluda. A eletricidade é conduzi­
da à rede regional de energia por meio de um amplo com­
plexo de subestações. Há também uma usina de energia
termelétrica nesse local, a qual será apresentada e discutida
na Seção de Industrias de Processamento Térmico.
Indústrias de Processam ento Q uím ico
Indústrias de processamento químico utilizam produtos ou
processos químicos para separar ou reorganizar os consti­
tuintes químicos das matérias-primas. Refinarias de petró­
leo e indústrias de fertilizantes são bons exemplos. Pressão,
calor, catalisadores ou outros agentes químicos podem ser
empregados. Compartimentos fechados para armazenar
ou manipular fluídos, gases ou material em suspensão em
líquidos, além do uso de fluxo de fluídos no processamen­
to da matéria-prima são típicos neste tipo de indústrias.
Consequentemente, os componentes da imagem que ca­
racterizam as indústrias de processamento químico são a
presença abundante de tanques fechados, dutos, além de
grandes equipamentos de processamento como torres para
decomposição e destilação. Assim como todas as indús­
trias de processamento, as pertencentes a esta subcategoria
apresentam instalações para armazenamento e manipula­
ção de matéria prima e requerem grandes quantidades de
energia. As construções são frequentemente complexas, e
são comuns extensas pilhas e lagoas de resíduos.
488 CAPÍTULO
a. Lixo radioativo sendo armazenado em tambores nas instalações do
Aterro de Baixo Nível, pertencente ao “Campo de Teste de Nevada,
do Departamento de Energia”, EUA (Department o f Energys - D O E
- Nevada Test Site). O lixo é eventualmente coberto com areia (cor­
tesia de Department o f Energy, ID W B212; John Pike, FAS).
Figura 13-35 Exemplos de monitoramento de aterros químicos usando fotografia aérea de grande escala com visada oblíqua (nível 13223).
A indústria de fertilizante superfosfato de A l Qaim no
Iraque é mostrada na Figura 13-34. Nota-se a existência
de inúmeros tanques fechados para armazenamento, uma
imensa pilha de matéria-prima em formato cônico, uma
lagoa circular, além de amplas instalações para processa­
mento (várias com danos provocados por bombardeios
recentes). O fosfato também pode ser usado para produzir
explosivos, tais como aqueles usados no ataque a um edifí­
cio federal em Oklahoma, EUA. Este é o motivo pelo qual
essas indústrias são visadas em época de guerra.
Sensoriamento Remoto da Paisagem Urbana
Imagem da indústria de fertili­
zante superfosfato Al Qaim no
Iraque, obtida durante a Guer­
ra do Golfo em 1991 (imagem
da “Assistência Técnica para
a Proteção de Instalações Pas­
síveis de Reparo” - Technical
Assistance for Repairable Pro-
tection - TARPS, da Marinha
dos EUA, cedida a William M.
Arkin, segundo o Ato de Liber­
dade de Informação - Freedom
o f Information Act).
b. Tanques de armazenamento de lixo tóxico nas instalações do
D O E em Hanford, WA. Em épocas passadas, a fazenda de tanques
em Hanford chegou a empregar um total de 2.300 funcionários
(cortesia de Department o f Energy, ID 303-058-001; John Pike, Fed-
eration o f American Scientists).
De forma geral, as indústrias produzem uma grande quan­
tidade de resíduos químicos tóxicos. Algumas companhias
usam dados de sensoriamento remoto para documentar as
condições iniciais sob as quais os resíduos são armazena­
dos, e então monitorar as características da superfície após
o armazenamento. Por exemplo, a Figura 13-35a consiste
de uma fotografia aérea com visada lateral de um sítio para
tratamento de resíduos sólidos do “Campo de Teste de Ne­
vada, do Departamento de Energia” (Department o f Energy
—D O E —Nevada Test Site). Essa localidade provê armaze-
Uso do Solo Industrial
a. Fotografia aérea vertical de grande escala mostrando uma densa
rede de dutos em uma refinaria de petróleo no Texas.
c. Processamento químico, armazenamento e transporte de petró­
leo e seus derivados nas instalações da Atlantic Richfield, em Seattle,
WA. Notam-se os tanques de armazenamento de petróleo, navios
petroleiros e vagões-tanque ferroviários.
489
b. Refinaria de petróleo em Al Basrah, Iraque. Notam-se os grandes
tanques e os diques de terra que os separam. Esta fotografia foi ad­
quirida durante a Guerra do Golfo em 1991, e alguns tanques estão em
chamas ou vazando (imagem da TARPS, da farin h a dos EUA, cedida
a William M. Arkin, segundo o Ato de Liberdade de Informação).
Figura 13-36 Exemplos de indústrias de processamento
químico (nível 1322).
490 CAPÍTULO
Figura 13-37 Companhia de Aço Bethlehem (Bethlehem Steel Company) em Sparrows Point, M D, em 1952.
namento adequado para o lixo químico radioativo gerado
pelo programa de armas nucleares. O lixo é transportado
até esse sítio em containers (neste caso, tambores) aprovados
pelo Departamento de Transporte, e é então enterrado em
uma grande trincheira. Conforme o material vai sendo de­
positado, a vala é progressivamente coberta com solo.
A Figura 13-35b é uma fotografia com visada oblíqua
mostrando lixo radioativo sendo armazenado em uma fa­
zenda de tanques em Hanford, WA, pertencente ao DOE.
As fazendas de tanques armazenam rejeitos produzidos em
operações de extração de plutônio, antes do seu descarte
final. Esse refugo (ou rejeito) não possui utilidade e é ar­
mazenado em aproximadamente 177 tanques subterrâne­
os, os quais totalizam uma capacidade acumulada de 208,2
milhões de litros, com alguns tanques apresentando capa­
cidade individual de até 3,8 milhões de litros. Os carros e
caminhões no canto inferior direito da fotografia fornecem
uma ideia aproximada do tamanho desses tanques.
As indústrias de refino de petróleo convertem o petróleo
bruto em gasolina, óleo diesel, produtos têxteis sintéticos
e plástico. As instalações possuem usualmente uma vasta e
frequentemente densa rede de dutos superficiais e subter­
râneos, como aqueles encontrados na refinaria de petróleo
do Texas (Figura 13-36a). Em geral, os tanques de arma­
zenamento são completamente circundados por diques
de terra, a fim de conter os produtos químicos em caso
de vazamento. Por exemplo, a Figura 13-36b mostra uma
fazenda de tanques na refinaria de petróleo de Al Basrah,
Iraque, em 1991. Muitos dos tanques estão em chamas
e vazando. Os diques de terra conseguem conter a maior
Sensoriamento Remoto da Paisagem Urbana
parte do vazamento. A Figura 13-36c mostra as instalações
de armazenamento e transporte de petróleo e seus deriva­
dos da Atlantic Richfield, em Seattle, WA.
Indústrias de Processam ento Térm ico
As indústrias de processamento térmico utilizam basi­
camente o calor para refinar, separar ou transformar as
matérias-primas, ou ainda, gerar energia a partir delas. A
produção de ferro e aço e usinas termelétricas de energia,
que queimam óleo ou carvão, são bons exemplos. Os com­
ponentes da imagem que distinguem essa categoria são
as grandes quantidades de carvão ou outro combustível,
altas chaminés, grande número de dutos e fornos de vá­
rios tipos. Embora dutos e tanques sejam frequentemente
empregados nessas indústrias, em geral eles não são abun­
dantes, e a sua presença perde importância em relação aos
componentes que evidenciam o uso de calor. Assim como
as outras indústrias de processamento, essas apresentam
extensas instalações para a manipulação e armazenagem de
materiais sólidos volumosos e requerem grandes quantida­
des de combustível ou energia. Grandes equipamentos a
céu aberto, tais como fornalhas e fornos de combustão, são
comumente empregados. As construções são geralmente
complexas, e pilhas de resíduos são comuns.
As indústrias de processamento de ferro e aço são usual­
mente identificadas de modo imediato em dados de sen­
sores remotos. Por exemplo, a Figura 13-37 apresenta uma
fotografia aérea histórica de uma pequena porção da Com ­
panhia de Aço Bethlehem (Bethlehem Steel Company) em
Sparrows Point, M D , em 1952. A fotografia registra vários
Uso do Solo Industrial 491

a. b.

Figura 13-38 a) A Instalação Experimental de Fluxo Rápido (Fast Flux Test Facility) em Hanford, WA, possui um reator térmico de 400
MW. O domo representa a estrutura de contenção, b) A Cratera de Sedan foi formada pela detonação, em 6 de julho de
1962, de um explosivo de 100 mil toneladas enterrado a 194 m de profundidade em um solo desértico de aluvião, deslocan­
do 12 milhões de toneladas de terra. A cratera apresenta 98 m de profundidade e 391 m de diâmetro. Duas outras crateras
formadas por detonações são vistas à distância (cortesia de Department o f Energy).

edifícios longos que abrigam os fornos siderúrgicos, mui­
tos edifícios de apoio, além de uma quantidade considerá­
vel de fumaça exalada por grandes dutos.
Usinas e instalações nucleares também são relativamente
fáceis de identificar. A Instalação Experimental de Fluxo
Rápido (Fast Flux Test Facility) situada em Hanford, na
porção leste de Washington, consiste de um reator tér­
mico de 400 M W resfriado por sódio líquido (Figura
13-38a). Ele foi construído em 1978 para testar equi­
pamentos e combustíveis industriais para o programa de
desenvolvimento de um reator à base de metal líquido,
do governo norte-americano. Esse programa demonstrou
a viabilidade da tecnologia de reatores de geração comer­
ciais. O domo de contenção é facilmente identificável na
imagem. Testes de materiais nucleares na superfície foram
banidos há décadas. Entretanto, testes subterrâneos per­
sistem. A Figura 13-38b mostra o resultado de um teste
no Cam po Experimental de Nevada, onde um explosivo
de 100 mil toneladas foi enterrado a 194 m de profun­
didade, em um solo desértico de aluvião, e detonado em
6 de julho de 1962, deslocando 12 milhões de toneladas
de terra. Testes subterrâneos conduzidos por nações em
todo o mundo geralmente produzem crateras como essa,
evidenciando essas ocorrências.
Abaixo, estão listados alguns atributos fundamentais
complementares para a interpretação de imagem, que po­
dem ser usados para distinguir os três tipos de indústrias
de processamento:
Indústrias de Processamento Mecânico:
• poucos dutos ou tanques fechados
• pouco combustível
• sistemas de esteiras rolantes frequentemente presentes
• poucas pilhas
• ausência de fornos.
Indústrias de Processamento Químico:
• muitos tanques altos ou fechados, incluindo tanques
de armazenagem de gás
• muitos dutos
• muitos equipamentos de processamento de grande
porte a céu aberto.
Indústrias de Processamento Térmico:
• poucos dutos ou tanques
• grandes chaminés e/ou dutos ativos
• grandes quantidades de combustível
• fornos.
Indústrias de Fabricação
As indústrias de fabricação reúnem subcomponentes me­
cânicos e químicos em produtos acabados, tais como auto­
móveis, caminhões, lanchas e navios, trailers, maquinário
pesado (p.ex., tratores), produtos plásticos e dispositivos
eletrônicos. As indústrias de fabricação podem ser subdi­
vididas em fabricação leve e pesada. Indústrias de Fabri­
cação Pesada geralmente apresentam construções térreas
492 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

a. Fabricação pesada na Kline Iron and Steel Co. em Columbia, SC. A estoca-
gem das peças de ferro e aço é organizada segundo o tamanho e tipo em dois
pátios centrais de armazenagem a céu aberto. A fabricação ocorre no interior
dos edifícios. Os materiais brutos e acabados são transportados por caminhões
ou ferrovia (nível 13314).
b. Uma fotografia aérea vertical detalhada de uma usina
de energia em construção. O projeto usa quantidades
significativas de ferro e aço estrutural pré-fabricado (cor­
tesia de Eastman Kodak Company).

Figura 13-39 Exemplos de fabricação de ferro e aço e do uso desses materiais na construção de uma usina de energia.

em estrutura metálica e com pé-direito elevado, pátios de Construção de Navios:

armazenagem com guindastes e gruas, e eventualmente li­
nhas férreas que adentram as construções. Indústrias de
Fabricação Leve em geral apresentam construções em es­
truturas de madeira ou estruturas metálicas leves (às vezes,
com múltiplos pavimentos) e tipicamente não apresentam
equipamentos para erguimento de cargas pesadas.
Fabricação Pesada
• pátios de armazenagem para placas de aço
• extensos estaleiros e instalações em rampa
• navios em construção
• grandes gruas.
Fabricação de Aço Estrutural:
• pátios de armazenagem de aço estrutural
• pátios de fabricação de aço estrutural.

Abaixo, estão listados alguns dos atributos fundamentais
para a interpretação de imagem, que podem ser usados
para distinguir os principais tipos de indústrias de fabrica­
ção pesada. A fabricação pesada é quase que universalmen­
te associada com edifícios de grande porte.
Fabricação de Maquinário Pesado:
• pátio de armazenagem para peças metálicas pesadas
• pilhas de aço estrutural e outros materiais
• maquinário pesado acabado.
Manufatura e Reparo de Maquinário Ferroviário:
• locomotivas ferroviárias e/ou vagões em construção
• rede de trilhos ferroviários.
Uma indústria de fabricação de aço estrutural é mostrada
na Figura 13-39a. A fabricação de barras de ferro e aço
usadas na construção de edificações e pontes ocorre no
interior dos grandes edifícios alongados. A estocagem das
peças de ferro e aço é organizada segundo o tamanho e
tipo no pátio central de armazenagem a céu aberto. Duas
gruas com guindaste deslizante (não visíveis) transpor­
tam a matéria-prima do ferro e aço de um lado para outro
(esquerda para a direita) até as instalações para fabrica­
ção. Os materiais brutos e acabados são transportados
por caminhões ou ferrovia.
Uma perspectiva vertical de como o aço estrutural é usado
na construção de uma usina de energia é apresentada na Fi-
Infraestrutura de Transporte
a. Companhia de fabricação leve. Algumas das matérias-primas são
organizadas a céu aberto em função do tipo. A fabricação ocorre no
interior do edifício.
Figura 13-40 Exemplos de fabricação leve (manufatura).
gura 13-39b. Imagens aéreas como esta podem documentar
o andamento do processo construtivo ao longo do tempo.
Fabricação Leve
Abaixo, estão listados alguns dos atributos fundamentais para
a interpretação de imagem, que podem ser usados para distin­
guir os principais tipos de indústrias de fabricação leve.
Montagem de Aeronaves:
• rampas para aeronaves ou hidroaviões ou pistas de ta-
xiamento adjacentes ou conectadas às instalações in­
dustriais
• hangares
• aeronaves acabadas armazenadas a céu aberto.
Montagem de Automóveis (carros, caminhões, motocicletas):
• construções térreas ou de múltiplos pavimentos
• veículos acabados estacionados, dispostos de modo sis­
temático
• pista(s) de teste
• instalações para estacionamento e carregamento de
caminhões-cegonha
• trens para transporte de veículos.
Construção e Reparo de Barcos:
• componentes de barcos armazenados a céu aberto
• moldes de fibra de vidro
• construções em que ocorre o uso de fibra de vidro
• engates e caminhões para transporte de barcos
• barcos acabados armazenados a céu aberto.
Frigoríficos:
493
b. Uma indústria de enlatados de peixe (nível 13324) em San
Pedro Harbour, CA, e a poluição a ela associada,
abatedouros
alguns tanques
trilhos ferroviários nas proximidades
estacionamento para caminhões.
Têxteis:
• carga e descarga de caminhões
• sacas de algodão ou de outra matéria-prima
• dutos e tanques, no caso de fabricação de tecidos
sintéticos.
Uma indústria de fabricação de componentes automotivos
em Columbia, SC , é mostrada na Figura 13-40a. Maté­
rias-primas não-suscetíveis a danos por exposição solar ou
intempéries são organizadas por tipo e armazenadas a céu
aberto. A fabricação ocorre dentro do edifício. Os produ­
tos acabados são despachados em pátios de carregamento
nos fundos do edifício.
Uma indústria de enlatados de peixe localizada em San Pedro
Harbour, CA, é apresentada na Figura 13-40b. Os navios atra­
cam nas docas próximas à indústria. O processo de fabricação
(acondicionamento em latas) ocorre no interior do amplo
edifício. Vários tanques abrigam produtos químicos usados
durante o processo de acondicionamento. A indústria despeja
efluentes no porto através de um emissário marítimo.
Infraestrutura de Transporte
Planejadores de transporte frequentemente usam dados
de sensoriamento remoto para atualizar mapas da rede
494 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

a. Imagem de alta resolução espacial de um cruzamento, adquirida b. Anel viário de uma autoestrada (com acesso controlado) no Texas,
por uma câmera instalada em uma pipa.

Figura 13-41 Exemplos de vias, estradas com acesso controlado, anéis viários, estacionamento e pontes, registrados com o uso de fotografia
aérea de diferentes escalas (nível 1411).

de transporte, avaliar as condições de rodovias e ferro­
vias, investigar padrões de tráfego urbano em pontos de
estrangulamento, tais como túneis, pontes, shopping
centers e aeroportos, além de conduzir estudos sobre
necessidades de estacionamento (Haack et al., 1997).
O trabalho mais completo feito até o momento sobre
aplicações de sensoriamento remoto em problemas de
transporte foi executado pelo “Consórcio Nacional para
o Sensoriamento Remoto em Transporte” (N ation al Con-
sortium on Remote Sensing in Transportation - N C R ST),
patrocinado pela Agência Espacial Americana (N ational
Aeronautics an d Space Adm inistration - NASA) e pelo
“Departamento de Transporte” (Departm ent o f Trans­
portation) (N C R ST , 2006). Thirum alai (2003) revisou
a pesquisa do N C R S T desenvolvida pelos membros do
consórcio nos seguintes aspectos: a) impacto ambiental
para o planejamento de impacto de corredores multimo-
dais, b) resposta a riscos e desastres e segurança à vida;
c) segurança e gestão de recursos de infraestrutura; e d)
gestão do fluxo de transporte multimodal.
Infraestrutura de Transporte
Term inal Ferroviário de Zurique,: S u íça
Figura 13-42 Terminal ferroviário de Zurique, Suíça, registrado em 16 de agosto de 2002 (cortesia de DigitalGlobe, Inc.).
Estradas e A utoestradas
As vias rodoviárias podem ser pavimentadas ou não. Es­
tradas pavimentadas podem ser acessíveis a motoristas em
qualquer ponto ao longo da rota, ou então, serem de acesso
controlado (como autoestradas e estradas com pedágios). A
atualização de um mapa da rede rodoviária é uma tarefa de
fundamental importância. Isto é geralmente realizado com
uma frequência de um a cinco anos e, em áreas com baixa
densidade de cobertura vegetal arbórea, pode ser executado
usando imagens com resolução espacial de 1 —30 m (Lacy,
1992). Se for necessário um dimensionamento mais preciso
das vias, por exemplo a largura exata da faixa de rolamento e
calçadas, então é necessário uma resolução espacial de 0,25
—0,5 m Qensen et al., 1994). Atualmente, apenas fotografias
aéreas de grande escala podem fornecer esse tipo de informa­
ção planimétrica. Um exemplo consiste na fotografia aérea
de um cruzamento, mostrado na Figura 13-41 a. O semáforo
sobre a rua, carros e caminhões e até mesmo a sinalização de
pista mostrando o direito de conversões à direita e à esquerda
são visíveis. N o futuro, veículos aéreos não-tripulados (Un-
manned, Aerial Vehicles — UAVs) portando câmeras digitais
leves poderão igualmente fornecer informação similar de alta
resolução espacial a custos razoáveis (NCRST, 2006).
Alças e anéis rodoviários são usados para introduzir e escoar o
tráfego de veículos em estradas com acesso controlado. Eles se
apresentam sob uma infinita variedade de formas e tamanhos
e são relativamente fáceis de distinguir em dados de sensores
remotos. Um exemplo de um anel viário clássico em uma
495
i
autoestrada é mostrado na Figura 13-41 b. A declividade das
alças é suave e apresenta longas rampas de acesso e saída, que
permitem a fusão de fluxos de tráfego com segurança.
De forma semelhante a investigações meteorológicas, es­
tudos de contagem de tráfego de automóveis, aviões, bar­
cos, pedestres e grupos de pessoas requerem dados de mais
elevada resolução temporal, frequentemente variando de
5 a 10 minutos. E difícil identificar o tipo de veículo ou
barco até mesmo usando dados com resolução espacial de
1 x 1 m. Essa tarefa demanda imagens de alta resolução
espacial de 0,25 —0,5 nt. Esse tipo de informação só pode
ser adquirido utilizando câmeras de fotografia aérea ou vi-
deografia que estejam 1) localizadas no topo de edifícios
com visada oblíqua para o terreno, ou 2) instaladas a bordo
de aeronaves ou helicópteros com sobrevoo repetitivo sobre
a área de estudo. A Figura 13-4lc capta as características
de um estacionamento em um certo instante. Quando essa
informação é adquirida em um instante ótimo, futuras de­
cisões sobre tráfego e estacionamento podem ser tomadas.
Estudos sobre necessidades de estacionamento requerem a
mesma resolução espacial elevada (0,25 - 0,5 m), porém re­
solução temporal ligeiramente inferior ( 1 0 - 6 0 minutos).
As condições de estradas, ferrovias e pontes (rachaduras,
buracos, etc.) são monitoradas de forma rotineira em cam­
po e eventualmente usando dados de sensores remotos
de alta resolução espacial. Por exemplo, a Figura 13-41 d
apresenta uma imagem fotográfica pancromática de uma
autoestrada e pontes ferroviárias. Uma inspeção cuidadosa
496 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

^ ^ KS

H H H

-> V i* í
ifS

a. Um avião biplano veterano registrado com uma resolução espa­ b. Aeronaves a jato no terminal aéreo El Toro Marine, CA, registrado
cial de aproximadamente 15 x 15 cm. A fotografia do biplano foi com uma resolução espacial de aproximadamente 0,3 x 0,3 m.
adquirida utilizando uma câmera instalada em uma pipa (cortesia
de Cris C. Benton).

c. Imagem pancromática com resolução espacial de 1 x 1 m do Aeroporto Nacional Ronald Reagan em Washington, D C, registrada pelo
satélite IKONO S em 1999 (cortesia de Spacelmaging/GeoEye, Inc.).

Figura 13-43 Exemplos de aeronave, pista de taxiamento, pouso e decolagem em macadame, hangares e terminais civis e militares
(nível 1413).
Infraestrutura de Transporte 497

a. Barcos a vela ancorados em um porto próximo a b. Fotografia aérea vertical de alta resolução espacial mostrando
San Francisco, CA (cortesia de Cris C. Benton). doze barcaças comerciais sobre o rio Mississipi sendo puxadas por
dois rebocadores.

c. Quatro navios de brigada, dois navios transportadores de tropas e um porta-aviões atracados

em National City, San Diego, CÁ.
Figura 13-44 Exemplos de barcos e navios registrados por imagens de sensoriamento remoto (nível 1414).

por um analista de imagem qualificado fornece informa­
ção significativa sobre as condições da estrada e da ponte.
As condições da estrada e da ponte também podem ser
documentadas usando fotografias aéreas de alta resolução
espacial (< 0,25 x 0,25 m).
Ferrovias
• os trilhos raramente mudam de ano para ano;
• os trilhos não possuem ângulos retos, somente conver­
sões curvilíneas graduais;
• as pontes ferroviárias tornam-se estreitas, em oposição às
pontes rodoviárias, que mantêm a mesma largura da via;

Trilhos ferroviários, locomotivas, vagões e terminais são • as sombras das sinaleiras e cancelas de cruzamento fer­
relativamente fáceis de distinguir em imagens de alta reso­ roviário são encontradas em quase todos os cruzamen­
lução espacial, porque tos com uma estrada;
498 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

A plicações M ilitares

a. Base de submarinos em Andreyeva Guba, Rússia, obtida em b. Pátio de aeronaves na Base Aérea de Davis-Montham, próxima a
9 de fevereiro de 2004. Tucson, AZ, obtida em 11 de agosto de 2002.

Figura 13-45 a. Dois submarinos encontram-se atracados em Andreyeva Guba, uma base de submarinos da Rússia (cortesia de ImageSat
International, Inc.). b. Centro de Manutenção e Recuperação Aeroespacial da Base Aérea de Davis-Montham (Aerospace
Maintenance and Regeneration Center at Davis-Montham A ir Force Base) em Tucson, AZ, que abriga mais de 5.000 aeronaves
e fornece peças de reposição para aeronaves mais antigas em operação em todo o mundo. O centro recebe cerca de 400
aeronaves por ano e libera aproximadamente a mesma quantidade para entrada em operação. Notam-se alguns bombardeiros
B-52 na porção inferior esquerda da imagem, que foram cortados em pedaços por meio de uma imensa lâmina suspensa
por uma grua. Os pedaços são deixados a céu aberto por um período maior de tempo, para fins de verificação técnica por
satélites (p.ex., satélites-espiões), como parte do acordo firmado no tratado de redução de armas estratégicas (SALT II Treaty
and Protocol) entre os Estados Unidos e as Repúblicas Socialistas da União Soviética (cortesia de DigitalGlobe, Inc.).

• trilhos ferroviários raramente cruzam outros trilhos; e
• locomotivas e vagões são de tamanho grande e forma­
to longo e linear, tornando-os relativamente fáceis de
identificar.
• uma extensa rede viária de pistas de taxiamento em
macadame conectando os hangares e terminais às pistas
de pouso e decolagem
• amplas áreas de estacionamento

Boa parte das operações de uma ferrovia ocorre no pátio
de manobras de trens. Lá, vagões que se movimentam na
mesma direção ao longo de uma linha férrea ou possuem
destino idêntico são posicionados em um comboio especí­
fico. A Figura 13-42 mostra o terminal ferroviário e o pátio
de manobras de trens de Zurique, Suíça.
A eroportos
Os aeroportos civis e militares usualmente apresentam:
• longa(s) pista(s) de pouso e decolagem
• torre(s) de controle de tráfego aéreo
• terminal(is) de passageiros em aeroportos civis
• hangares
• aeronaves visíveis.
Aeroportos rurais frequentemente apresentam uma única
pista de pouso e decolagem, um catavento, aviões visíveis e
um ou dois hangares.
A Figura 13-43a mostra um avião biplano registrado com
uma resolução espacial de aproximadamente 1 5 x 1 5 cm.
A fotografia do biplano foi obtida utilizando uma câmera
instalada em uma pipa. Uma porção do terminal aéreo El
Toro Marine, CA (0,3 x 0,3 m), registrada por uma câmera
convencional, é mostrada na Figura 13-43b. Uma imagem
IK O N O S 1 x 1 m do Aeroporto Nacional Ronald Reagan
é apresentada na Figura 13-43c. O aeroporto civil possui
um extenso terminal para o embarque e desembarque de
passageiros. De forma diversa, alguns aeroportos militares
não possuem terminais, pois as tripulações são transporta­
das para e das aeronaves por veículo.
Comunicações e Serviços de Infraestrutura 499

a. Torre de abastecimento de água protegida por cerca, b. Estação de televisão da emissora WIS TV-10, situada no edifício à direita,
com edifício de manutenção adjacente. Ela possui uma grande antena na cobertura e uma ampla antena parabólica de
transmissão via satélite na área do estacionamento. Um edifício de escritórios
do governo está situado à esquerda.

Figura 13-46 Exemplos de instalações de infraestrutura (nível 143).

Barcos e N avios de Manutenção e Recuperação Aeroespacial da Base Aérea

Pequenos barcos e grandes navios são relativamente fáceis
de identificar usando dados de sensores remotos de alta
resolução espacial, pelas seguintes razões:
* Eles são frequentemente avistados como objetos antró-
picos isolados e refletivos sobre uma superfície aquática
relativamente uniforme, a qual pode aumentar o con­
traste do objeto com o fundo.
• Barcos e navios apresentam formatos relativamente úni­
cos (i.e., o comprimento é quase sempre ao menos duas
vezes maior que a largura, com uma proa relativamente
pontiaguda), porque eles necessitam deslizar de modo
hidrodinâmico pela água, com o mínimo de atrito.
Barcos e navios variam muito em tamanho, desde barcos a
remo, lanchas e veleiros de 3 - 10 m de comprimento (Figu­
ra 13-44a) a navios de cruzeiro extremamente grandes, ferry-
boats, navios-tanque, navios de brigada, submarinos e porta-
aviões. A Figura 13-44b mostra doze barcaças comerciais
sobre o rio Mississipi sendo puxadas por dois rebocadores.
Vários navios militares de grande porte encontram-se atraca­
dos em National City, San Diego, CA, na Figura 13-44c.
Organizações militares em todo o mundo usam a tecno­
logia de sensoriamento remoto hiperespectral e de alta re­
solução espacial para monitorar a localização e disposição
de equipamentos militares. Por exemplo, a Figura 13-45a
mostra dois submarinos em Andreyeva Guba, uma base de
submarinos da Rússia. Aeronaves estacionadas no Centro
de Davis-Montham (Aerospace M aintenance an d Regenera-
tion Center at Davis-Montham A ir Force Base) em Tucson,
AZ, são mostradas na Figura 13-45b.
Comunicações e Serviços de
Infraestrutura
Os ambientes urbanos/periurbanos são grandes consumi­
dores de energia elétrica, gás natural, serviços telefônicos e
água potável (Haack et al., 1997). Além disso, eles geram
grandes quantidades de resíduos líquidos e sólidos. A remo­
ção de águas pluviais das superfícies urbanas impermeabili­
zadas é também um grave problema (Schultz, 1988; Jensen
et al., 2005a). Programas para a gestão e mapeamento auto­
mático de serviços (Automated M apping/Facilities M anage­
ment AlM /FM ) e sistemas de informações geográficas - SIG
(Geographic Information Systems - G IS) foram desenvolvi­
dos para gerenciar extensos corredores expressos para vários
serviços de infraestrutura, especialmente dutos (Jadkowski
et al., 1994). A tarefa mais importante consiste na atuali­
zação de mapas para indicar o eixo de simetria e a área de
influência de serviços de interesse, como a área expressa das
linhas de transmissão de energia. Isto é relativamente fácil,
nos casos em que o serviço de infraestrutura não esteja en­
terrado e dados de sensores remotos com resolução espacial
de 1 —30 m estejam disponíveis. Também é frequentemen­
te necessário identificar rotas alternativas de serviços (p.ex.,
dutos) (Feldman et al., 1995). Esses estudos requerem ima­
gens de maior cobertura geográfica, a exemplo dos dados
do Landsat Thematic Mapper. Portanto, a maioria dos cor-
500 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

a. Fotografia aérea vertical pancromática. b. Modelo Digital de Superfície (M DS).

c. Ortofoto sobreposta ao MDS. d. Modelo de localização de uma antena

Figura 13-47 a) Fotografia aérea vertical do centro da cidade de Columbia, SC. b) Modelo digital de superfície (M DS) obtido por foto-
grametria digital e estereoscopia. c) Ortofoto digital sobreposta ao M DS. d) Modelo de intervisibilidade em um SIG para
identificar zonas mortas que seriam produzidas, caso uma antena receptora e transmissora de telefonia celular fosse localizada
no edifício indicado, em particular.

redores expressos de serviços atuais e previstos pode ser bem Criação de Modelos Digitais de
observada em imagens com resolução espacial de 1 —30 m, Elevação Urbanos
obtidas com frequência de um a cinco anos.

Quando se toma necessário inventariar a localização exata
da malha dos serviços, torres de transmissão, postes, poços
de inspeção, eixo de simetria de serviços, largura da área de
servidão para os serviços, além da exata dimensão de constru­
ções, casas de bombas e subestações, então deve-se trabalhar
com uma resolução espacial de 0,25 —0,6 m (Jadkowski et
al., 1994). Por exemplo, a Figura 13-46 mostra uma torre
de abastecimento de água e instalações para transmissão via
satélite pertencentes a uma emissora de televisão.
Um modelo digital de uma elevação da superfície terrestre
é denominado genericamente de Modelo Digital de Eleva­
ção —M D E (D igital Elevation M odel - D EM ). Se o M D E
contém informação sobre a elevação da vegetação e edifica­
ções, então ele é chamado de Modelo Digital de Superfície
- M D S (D igital Surface Model - D SM ). Se toda a informa­
ção sobre a vegetação e edificações foi removida, então ele
é denominado de Modelo Digital de Terreno da superfície
terrestre nua (D igital Terrain Model - DTAÍ). A maior par-
Dados Meteorológicos
Figura 13-48 Modelo digital de superfície (MDS) analiticamente
sombreado de uma porção da Westinghonse Savannab
River Company, situada próximo a Aiken, SC, deri­
vado a partir de dados de último retorno LIDAR,
obtidos em novembro de 2004, com uma densidade
de espaçamento de aproximadamente 10 cm. A ele­
vação dos edifícios, árvores, obras de transporte e do
próprio terreno pode ser extraída do MDS.
te dos SIG usados para planejamento socioeconômico ou
ambiental no ambiente urbano inclui um M D S ou M D T
(Jensen et ai., 2005). Dois sensores que podem fornecer
essa informação são:
• fotografia aérea métrica estereoscópica de grande esca­
la, analógica ou digital, com uma resolução espacial de
< 0 ,2 5 - 0 ,5 m;
• dados LIDAR, com espaçamento da nuvem de pontos de
< 1 m e precisão vertical de aproximadamente 15 cm.
A fotogrametria digital baseada em dados de sensores re­
motos de alta resolução espacial revolucionou a criação e
disponibilidade de modelos digitais de superfície e de ter­
reno (Jensen, 1995; Linder, 2003) (Capítulo 6). A extra­
ção de M DTs de alta resolução a partir de dados LIDAR
está se tornando cada vez menos onerosa e poderá se tor­
nar a tecnologia de escolha preferencial no futuro (Haala e
Brenner, 1999; Hodgson et al., 2005) (Capítulo 10).
A elevação do terreno em ambientes urbanos não se altera
muito rapidamente. Portanto, um M D T de uma área ur­
banizada necessita ser adquirido apenas com frequência de
um a cinco anos, a menos que tenha ocorrido significati­
vo desenvolvimento, e o analista deseje comparar M D Ss e
M D Ts de duas datas diferentes para determinar mudanças
na elevação do terreno, identificar acréscimos ilegais nas
501
construções ou identificar mudanças nas alturas das edi­
ficações. A Figura 13-47 mostra 1) uma fotografia aérea
de grande escala do centro da cidade de Columbia, SC , 2)
um modelo digital de superfície da mesma área extraído a
partir de fotografia estereoscópica, indicando a altura de
cada edificação, 3) a ortofoto sobreposta ao M D S, criando
uma representação em realidade virtual da rua principal, e
iv) o uso do M D S para a modelagem da localização ótima
de uma antena receptora e transmissora de telefonia celular
(Jensen, 1995; Cowen e Jensen, 1998). Arquitetos, pla­
nejadores, engenheiros e profissionais do setor imobiliário
estão começando a usar esse tipo de informação para uma
grande variedade de propósitos.
Um modelo digital de superfície de uma porção da Westin-
ghouse Savannab River Company, situada próximo a Aiken,
SC, é mostrada na Figura 13-48. Esta cena tridimensional foi
gerada a partir de dados de último retorno LIDAR, obtidos
com uma densidade de espaçamento de aproximadamente
10 cm. Nota-se que este não é um modelo digital de terreno
da superfície terrestre nua, pois a informação sobre a elevação
da vegetação e das edificações ainda está presente na cena.
Venderhoe (2005) comparou e contçastou a informação de
elevação derivada de métodos fotogràmétricos em relação a
métodos lidargramétricos, para fins de projetos de engenharia
de transporte, como parte do programa de pesquisa do Con­
sórcio Nacional para o Sensoriamento Remoto em Trans­
porte do Departamento de Transporte dos EUA (NCRST,
2006). Ele constatou que a informação de elevação derivada
de lidargrametria foi tão eficaz quanto a derivada por méto­
dos fotogràmétricos para aplicações em transporte.
Dados Meteorológicos
Em ambientes urbanos, o tempo afeta diariamente os sis­
temas sociais, educacionais, empresariais, de telecomuni­
cações e transporte. Grandes investimentos foram feitos
para o desenvolvimento de monitoramento em tempo
quase-real de frentes meteorológicas, temperatura, precipi­
tação e, sobretudo, para o desenvolvimento de sistemas de
alerta de tempestades e condições meteorológicas adversas.
Esses importantes parâmetros meteorológicos são monito­
rados quase que exclusivamente por sofisticados sistemas
de sensoriamento remoto em solo ou aerotransportados.
Por exemplo, dois “Satélites Geoestacionários Operacio­
nais Ambientais” (Geostationary Operational Environmental
Satellites - GOES) estão posicionados em uma altitude de
35.790 km acima do equador, em órbitas geossíncronas.
O GO ES West obtém informação sobre a porção ocidental
dos Estados Unidos e está situado na longitude 135° oeste.
O GOES East obtém informação sobre o Caribe e a porção
502 CAPÍTULO Sensoriamento Remoto da Paisagem Urbana

E x tração de In form ação sobre Superfícies Im perm eabilizadas

a. Ortofoto digital NAPP U SGS 1 x 1 m (banda do vermelho). b. Extração de materiais de superfícies impermeabilizados.

Figura 13-49 Superfícies impermeabilizadas foram extraídas a partir de ortofotos digitais falsa-cor de 1 x 1 m do “Programa Nacional de
Levantamento Aerofotogramétrico” (NationalAerialPhotography Program - NAPP), realizado pelo “Serviço de Levantamen­
to Geológico Americano” ( United States Geological Survey - USGS), relativas a uma área na Carolina do Norte [cortesia de
Tom Tribble e Frank Obusek; Centro para Análise e Informação Geográfica da Carolina do Norte (North Carolina Center
for GeographicInformation andAnalysis)', Jensen e Hodgson (2004)].

oriental dos Estados Unidos e está situado na longitude 75°
oeste. Todos os dias, milhões de pessoas em todo o mundo
observam a movimentação de frentes meteorológicas, que
em alguns casos resultam em tornados e furacões de grande
ameaça. Imagens completas do disco hemisférico terrestre
podem ser obtidas a cada 25 minutos. Tempestades intensas
em regiões relativamente pequenas podem ser imageadas a
cada 3,1 minutos. A resolução espacial é de 1 x 1 km para
a faixa do visível, e de 4 —8 km para as faixas do infraver­
melho termal. Os países europeus usam o satélite M ETE-
OSAT, cujas faixas do visível e infravermelho próximo são
obtidas com resolução de 2,5 x 2,5 km, e do infravermelho
termal com 5 x 5 km, a cada 25 minutos. O monitoramen­
to antecipado e a modelagem de furacões baseados nos da­
dos desses satélites ajudaram a salvar milhares de vidas em
épocas recentes. Por exemplo, em 1989, o furacão Hugo
causou aproximadamente um bilhão de dólares de prejuízo
em instalações residenciais, comerciais e industriais, mas
não houve vítimas fatais, em vista de alertas antecipados e
evacuações auxiliados por sensoriamento remoto.
A população também se baseia no Radar de Acompanha­
mento Meteorológico do Serviço Nacional de Meteorolo­
gia (N ational Weatber Service Weather Surveillance Radar
- W SR-88D), localizado em solo, para o mapeamento de
precipitações e alerta de tempestades (Capítulo 12). A co­
bertura máxima do radar N EXR A D é de aproximadamen­
te 460 quilômetros. A rede N EX R A D fornece melhoras
significativas para alertas de chuvas rápidas e condições
meteorológicas adversas, segurança do tráfego aéreo, con­
trole de fluxo do tráfego aéreo, proteção de recursos em
bases militares, gestão de recursos hídricos, agrícolas e flo­
restais, além da remoção de neve (NOAA R O C, 2006). O
produto de “refletividade composta” do radar Doppler é
projetado sobre um mapa geográfico cartesiano, com reso­
lução de 1 x 1 km em 230 km, ou de 4 x 4 km em 460 km.
Os dados são obtidos a cada 5 minutos para o modo de
tempestade ou condições meteorológicas adversas, e a cada
10 minutos no modo de tempo limpo.
Dados diurnos e noturnos do infravermelho termal com alta
resolução espacial (5 - 30 m) podem ser usados para obter
informação espacial quantitativa detalhada sobre os efeitos de
ilhas de calor urbanas (Lo et al., 1997). O sensor Enhanced
Thematic Mapper Plus do satélite Landsat 7, com sua resolu­
ção espacial de 60 x 60 m, e o ASTER, com resolução espacial
de 90 x 90 m, são particularmente úteis. A informação espa­
cial pode então ser usada para promover campanhas de ar-
borização, a fim de melhorar o efeito da ilha de calor urbana.
Hidrologia Urbana
Engenheiros civis e hidráulicos e planejadores urbanos
constantemente requerem informação atualizada sobre a
Resposta a Emergências em Desastres
hidrologia urbana. Duas medidas úteis que podem ser ob­
tidas por sensoriamento remoto são a área da superfície
impermeabilizada e a delimitação de planícies inundáveis.
Mapeamento da Superfície Impermeabilizada
Superfícies impermeabilizadas, tais como asfalto, concreto
e materiais de cobertura de edificações, não deixam que a
água das chuvas infiltre-se no solo. Quanto maior a quan­
tidade de materiais impermeabilizadores de superfícies
em uma bacia hidrográfica, maior o escoamento superfi­
cial e maior a vazão de pico dos afluentes, que por sua
vez, aumentam a vazão total na bacia. Um significativo
número de trabalhos foi conduzido para desenvolver mé­
todos visando extrair informação sobre superfícies imper­
meabilizadas a partir de dados de sensores remotos. Essas
superfícies, como áreas de estacionamento, estradas, cons­
truções, etc., podem ser facilmente identificadas em da­
dos de sensoriamento remoto de grande escala por meio
de elementos fundamentais de interpretação de imagem.
Além disso, as características espectrais de certos materiais
de superfícies impermeabilizadas podem ser coletadas e
usadas para treinar programas de processamento digital de
imagens para identificar automaticamente coberturas com
superfície impermeabilizada e quantificar a sua extensão
(Ridd, 1995). Por exemplo, a Figura 13-49 mostra como
ortofotos de 1 x 1 m do “Programa Nacional de Levanta­
mento Aerofotogramétrico” (N ational A erial Photography
Program —N APP), realizado pelo “Serviço de Levantamen­
to Geológico Americano” ( United States Geological Survey
— USGS) foram usadas para identificar superfícies imper­
meabilizadas associadas com um grande shopping center
na Carolina do Norte (Jensen e Hodgson, 2004).
Superfícies impermeabilizadas podem ser mais precisamen­
te inventariadas usando dados de sensores remotos mul­
tiespectrais com uma resolução espacial de 0,25 - 10 m
(Ridd, 1995; Ji e Jensen, 1999; Jensen et al., 2005a,b). A
urbanização ocorre em um ritmo acelerado em muitos paí­
ses (Jensen et al., 2002). Neste sentido, torna-se necessário
adquirir informação sobre superfícies impermeabilizadas
em ambientes urbanos de rápido crescimento com uma
frequência de um a cinco anos (Tabela 13-1).
Delimitação de Planícies Inundáveis
A extensão geográfica de planícies inundáveis pode ser iden­
tificada usando dados de sensores remotos multiespectrais
associados à informação fornecida por modelos digitais de
terreno (M D T ), derivados de levantamento terrestre, foto-
grametria digital, LIDA R ou IFSAR (Interferometric Syn-
thetic Aperture Radar), este último correspondente a dados
503
de radar interferométrico de abertura sintética. Associações
de solo e cobertura vegetal encontram-se frequentemente
em transição na fronteira da planície. Portanto, é possível
utilizar dados multiespectrais para identificar mudanças na
associação do tipo de vegetação ou solo e usar essa infor­
mação conjuntamente com dados de elevação e declivida-
de para identificar os limites da planície.
Dados de sensores remotos multiespectrais ou hiperespectrais
com uma resolução espacial de 1 —30 m são em geral sufi­
cientes para a delimitação de planícies inundáveis quando
usados conjuntamente com dados de elevação. Em áreas di­
nâmicas, a delimitação de planícies inundáveis deve ser atua­
lizada com frequência de um a cinco anos (Tabela 13-1).
Identificação de Áreas Ambientais
Críticas
Ambientes urbanos e periurbanos frequentemente in­
cluem áreas ambientalmente sensíveis, tais como brejos
ou pântanos, habitat de espécies ameaçadas, parques,
áreas circunvizinhas a estações de tratamento de esgoto,
bem como áreas em bacias hidrográficas urbanizadas que
fornecem o escoamento para mananciais de abastecimento
de água potável. Ambientes sensíveis relativamente está­
veis necessitam ser monitorados apenas a cada um ou dois
anos, usando dados de sensores remotos multiespectrais
com resolução espacial de 1 - 10 m. Para áreas extrema­
mente críticas que possam sofrer mudanças rapidamente,
os sensores remotos multiespectrais (incluindo um canal
de infravermelho termal) deveríam obter dados com reso­
lução espacial < 0,25 - 2 m e com frequência de um a seis
meses (Ehlers et al., 2003).
Resposta a Emergências em
Desastres
A Agência Federal de Gestão de Emergências (Federal
Emergency M anagement Agency - FEM A) dos EUA, que
é parte do Departamento de Segurança Interna, utiliza
atualmente dados de sensores remotos na condução do
programa de “Modernização do Mapa Multirrisco de En­
chentes” (M ulti-H azard Flood M ap M odernization pro­
gram ). Ele inclui o mapeamento e a análise de dados para
todos os tipos de riscos. O programa requer controle de
pontos geodésicos, imagens aéreas, dados de elevação e
de extensão de corpos d ’água, bem como outros dados te­
máticos, que são usados para produzir mapas digitais de
enchentes e outros produtos relacionados a riscos. Todos
os dados são disponibilizados no portal Geospatial One-
Stop e no “M apa Nacional” ( The N ational M ap) (Lowe,
2003; FEM A, 2006).
 Sensoriamento Remoto da Paisagem Urbana

a. Caminhão de combustível tombado no Alasca (Jensen e Co- b. Fotografia aérea de trechos de um viaduto de uma autoestrada que
wen, 1999). cederam, próxima a Saugus, CA, imediatamente após um terremoto
em 1971. Os trechos do viaduto eram sustentados por pilares que não
resistiram ao tremor.

c. Danos de um tornado próximo a Mechanicsville, NY. Esta é uma ima­

gem com resolução espacial de 0,3 x 0,3 m, obtida em 1 de junho de
1998, usando uma câmera digital. Bombeiros e trabalhadores do serviço
de resgate aparecem na cena (cortesia de Litton Emerge, Inc.).

Figura 13-50 Exemplos de imagens de alta resolução espacial adquiridas imediatamente após a ocorrência de desastres, usando fotografia
aérea métrica tradicional (a,b) e câmera métrica digital (c).

Enchentes (p.ex., o rio M ississipi em 1993; o rio Reno
e o rio Danúbio em 1993), furacões (p.ex., o H ugo em
1989; o Andrew em 1991; três furacões na Flórida em
2004; o Katrina em 2005), tornados (todos os anos),
incêndios, derramamentos de óleo, terremotos (p.ex.,
Saugus, CA, em 1971; Northridge, CA, em 1994) e os
tsunamis do Oceano Indico em 2004 demonstraram
que um banco pré-desastre de dados de imagens geor-
referenciadas (e ortorretificadas) de sensoriamento re­
m oto é indispensável (Jensen e H odgson, 2006). Os da­
dos pré-desastre necessitam ser atualizados apenas com
frequência de um a cinco anos. Entretanto, eles devem
se constituir de dados multiespectrais de alta resolução
espacial ( 1 - 5 m), se possível (Jensen e Cowen, 1999).
Quando um desastre ocorre, dados de alta resolução
( < 0,25 - 2 m) pancromáticos e/ou do infravermelho
próximo devem ser adquiridos dentro de 12 horas a dois
dias (Schweitzer e M cLeod, 1997). Por exemplo, a Figura
13-50a registra um derramamento associado a um cam i­
nhão de combustível tombado, imediatamente após o
acidente. Uma fotografia aérea adquirida imediatamente
após o terremoto fatal Saugus, CA, em fevereiro de 1971,
é apresentada na Figura 13-50b. Danos de um tornado
ocasionados próximo a Mechanicsville, NY, foram capta­
dos por uma imagem digital mostrada na Figura 13-50c.
Se o terreno estiver entrecoberto por nuvens, o imagea-
mento por radar geralmente fornece as informações úteis.
Imagens pós-desastre são usualmente corregistradas a
Resposta a Emergências em Desastres 505

Im p actos do T su nam i em B an d a Aceh e G leeb ruk, In do n ésia

a. Imagem QuickBird 60 x 60 cm de Banda Aceh, Indoné­ b. Imagem QuickBird 60 x 60 cm, obtida em 28 de

sia, obtida em 23 de junho de 2004. dezembro de 2004, revelando extensas pilhas de entulho.

c. Imagem QuickBird 60 x 60 cm de Gleebruk, Indonésia, d. Imagem QuickBird 60 x 60 cm, obtida em 2 de janeiro

obtida em 12 de abril de 2004. de 2005, revelando forte erosão e remoção da vegetação.

Figura 13-51 Imagens antes e depois do Tsunami em Banda Aceh e Gleebruk, Indonésia, revelando casas destruídas, vias e pontes removi­
das pela força das águas, e destruição das florestas (cortesia de DigitalGlobe, Inc.).

imagens pré-desastre, permitindo assim a detecção ma­
nual e automática de mudanças (Jensen, 2005). Se infor­
mações precisas e quantitativas sobre habitações danifi­
cadas, vias de transporte interditadas, fluxo de materiais
derramados, bem como danos a redes de infraestrutura
subterrâneas são requeridas, é aconselhável a aquisição
de dados pós-desastre pancromáticos e no infravermelho
próximo, com resolução espacial de 0,25 — 1 m, dentro
de um a dois dias. Esse tipo de informação é indispen­
sável para a avaliação dos danos e alocação dos escassos
recursos de limpeza e remoção de entulho.
Prefeitos e governadores frequentemente usam dados de
sensores remotos pré e pós-desastre para obter uma rápida
avaliação da extensão e magnitude da devastação. Por exem­
plo, imagens de BandAceh e Gleebruk, na Indonésia, antes
e depois do tsunami revelam casas destruídas, vias e pontes
removidas pela força das águas, e destruição das florestas (Fi­
gura 13-51). Quando essa informação é cruzada com a infor­
mação de valor das propriedades imobiliárias armazenada em
um SIG para uma dada área, uma avaliação quantitativa dos
danos em moeda corrente pode ser feita, o que é indispensável
nos casos de requisição de assistência em eventos de desastre.
506 CAPÍTULO
f\ Observações
K A
A Tabela 13-1 e a Figura 13-2 revelam que há um bom nú­
mero de sistemas de sensores remotos que atualmente for­
necem algumas das informações urbanas/socioeconômicas
desejadas, quando a resolução espacial requisitada é inferior
a 4 x 4 m e a resolução temporal oscila entre 1 e 55 dias.
Entretanto, dados de resolução espacial extremamente alta
(< 1 x 1 m) são necessários para satisfazer muitas das re­
quisições de dados socioeconômicos. De fato, conforme
mostrado na Figura 13-2, o único sensor que atualmen­
te fornece esses dados sob encomenda é a fotografia aérea
analógica ou digital (0,25 - 0,5 m). O satélite IKO NO S
da empresa GeoEye, com seus dados pancromáticos de 1 x
1 m; o satélite OrbView 3, também da GeoEye e igualmen­
te com dados pancromáticos de 1 x 1 m, além do satélite
QuickBird da empresa DigitalGlobe, com seus dados pan­
cromáticos de 0,61 x 0,61 m, podem ainda não atender a
todos os requisitos de dados. Nenhum dos sensores pode
fornecer a resolução temporal de 5 a 60 minutos, necessá­
ria para estudos de tráfego e demanda por estacionamento.
A constelação de satélites G O ES (East e West) e o satélite
europeu M ETEO SA T fornecem informações meteorológi­
cas suficientes em escala regional e nacional, com razoáveis
resoluções temporal (3 —25 minutos) e espacial ( 1 —8 km
e 2,5 — 5 knt, respectivamente). O Radar de Acompanha­
mento Meteorológico do Serviço Nacional de Meteorolo­
gia, posicionado em solo, fornece resolução espacial (I o x
Io) e temporal ( 5 - 1 0 min) suficientes para o rastreio de
precipitações e tempestades em ambientes urbanos.
' Referências
American PlanningAssociation,2006, Land-BasedClassification
Standards, Chicago: American Planning Association Research
Department, http://www.planning.org/lbcs.
Anderson, J. R., Hardy, E., Roach, J. and R. Witmer, 1976,
A Land-Use and Land-Cover Classification System for Use with
Remote Sensor Data, Washington: USGS Paper #964, 28 p.
Auch, R., Taylor, J. and W. Acevedo, 2004, Urban Growth in
American Cities: Glimpses ofU .S. Urbanization, Washington:
USGS Circular #1252, 52 p.
Avery, T. E. and G. L. Berlin, 1992, Fundamentais o f Remote
Sensing íkAirphoto Interpretation, NY: Macmillan, 377—404.
Batistella, M., Robeson, S. and E. F. Moran, 2003, “Settlement
Design, Forest Fragmentation, and Landscape Change in
Sensoriamento Remoto da Paisagem Urbana
Rondonia, Amazônia,” PhotogrammetricEngineeringík Remote
Sensing, 69(7):805-812.
Carlson.T., 2003, “Applications of Remote Sensing to Urban
Problems,” Remote Sensing o f Environment, 86:273—274.
Chen, D. and D. Stow, 2003, “Strategies for Integrating
Information from Muldple Spatial Resolutions into Land-
use/Landcover Classification Routines,” Photogrammetric
Engineeringík Remote Sensing, 69(11): 1279-1287.
Clapham, W. B., 2003, “Continuum-based Classification
o f Remotely Sensed Imagery to Describe Urban Sprawl
on A Watershed Scale,” Remote Sensing o f Environment,
86:322-340.
Cowen, D. J. and W. Craig, 2004, “A Retrospective Look at
the Need for a Multipurpose Cadastre,” Surveying and Land
Information Science, 63(4):205-2l4.
Cowen, D. C. andj. R. Jensen, 1998,“ExtractionandModeling
of Urban Attributes Using Remote Sensing Technology,”
People and Pixels: Linking Remote Sensing and Social Science,
Washington: National Academy Press, 164—188.
Cullingworth, B., 1997, Planning in the USA: Policies, Issues
and Processes, London: Routledge, 280 pp.
Curran, P. J., andT. A. Hobson, 1987, “Landsat MSS Imagery
to Estintate Residential Heat-Load Density,” Environment
and Planning, 19:1597-1610.
Da Costa, S. M. F. and J. P. Cintra, 1999, “Environmental
Analysis of Metropolitan Areas in Brazil,” ISPRS Journal o f
Photogrammetry & Remote Sensing, 54:41—49.
DoD, 1976, Industrial Target Analysis Supplemental Reading,
Washington: U.S. Army Intelligence Center, SupR 62810—11.
DoD, 1977, Power/Water Facility Clue Sheet, Fort Belvoir:
Defense Mapping School, DMS No. 527.
DoD, 1978a, Coke, Iron and Steel Industries, Fort Belvoir:
Defense Mapping School, DMS No. 555.
DoD, 1978b, Petroleum Industries, Fort Belvoir: Defense
Mapping School, DMS No. 553.
DOE, 2005, Solar Photovoltaics, Washington: Dept. of
Energy, http://www.eia.doe.gov/cneaf/solar.renewables/page/
solarphotv/solarpv.html.
Donnay, J. P., Barnsley, M. J. and P. A. Longley, 2001, Remote
Sensing and Urban Analysis, NY: Taylor & Francis, 268 p.
Referências
Dousset, B. and F. Gourmelon, 2003, “Satellite Multi-
sensor Data Analysis of Urban Surface Temperatures and
Landcover,” ISPRS Journal o f Photogrammetry & Remote
Sensing, 58:43—54.
Eliasson, I., 1992, “Infrared Thermography and Urban
Temperature Patterns,” Intl. Journal o f Remote Sensing,
13(5):869—879.
Elvidge, C. D., Baugh, K. E., Kihn, E. A., Kroeh, H. W. andE. R.
Davis, 1997, “Mapping City Lights with Nighttime Data from
the DMSP Operational Linescan System,” Photogrammetric
Engineeringík Remote Sensing, 63(6):727—734.
Ehlers, M., Janowsky, R. and M. Gohler, 2003, “Ultra High
Resolution Remote Sensing for Environmental Monitoring,”
Earth Observation Magazine, 12(9):27—32.
FAS, 2006, National Image Interpretation Rating Scales,
Washington: Federation of American Scientists, Intelligence
Resource Program, www.fas.org/irp/imint/niirs.
Feldman, S. C., Pelletier, R. E., Walser, E., Smoot, J. R.
and D. Ahl, 1995, “A Prototype for Pipeline Routing Using
Remotely Sensed Data and Geographic Information System
Analysis,” Remote Sensing o f Environment, 53:123—131.
FEMA, 2005, National Flood Map Web Service, Washington:
FEMA, http://hazards.fema.gov/resources/flood_map_svc.htm.
FG D C, 2006, Federal Geographic Data Committee,
Washington: FG D C, http://www.fgdc.gov/.
Fraser, C. S., Baltsavias, E. and A. Gruen, 2002, “Processing of
IKONOS Imagery for Submeter 3D Positioning and Building
Extraction, Remote Sensing o f Environment, 56:177—194.
Friedl, M. A. and 13 co-authors, 2002, “Global Land Cover
Mapping from M ODIS: Algorithms and Early Results,”
Remote Sensing o f Environment, 83:287-302.
Gamba, P., Hellwich, O. and P. Lombardo, 2003, “Algorithms
and Techniques for Multi-source Data Fusion in Urban Áreas,”
ISPRS Journal oj Photogrammetry & Remote Sensing, 58:1—3.
Giri, C., Zhu, Z. and B. Reed, 2005, “AComparative Analysis
of the Global Land Cover 2000 and M ODIS Land Cover
Data Sets,” Remote Sensing o f Environment, 94:123-132.
GSDI, 2006, Gk>balSpatialDataInfrastructure(GSDI), Washington:
Federal Geographic Data Committee, www.gsdi.org/.
Haack, B. K. and E. T. Slonecker, 1994, “Merged Spaceborne
Radar and Thematic Mapper Digital Data for Locating
507
Villages in Sudan,” Photogrammetric Engineering & Remote
Sensing, 60(10): 1253—1257.
Haack, B. K., Guptill, S., Holz, R., Jampoler, S., Jensen, J.
R. and R. Welch, 1997, “Chapter 15: Urban Analysis and
Planning,” M anual o f Photographic Interpretation, Bethesda:
ASP&RS.
Haala, N. and C. Brenner, 1999, Extraction of Buildings
and Trees in Urban Environments, ISPRS Journal o f
Photogrammetry & Remote Sensing, 54:130-137.
Hammer, A., Heinemann, D., Hoyer, C., Kuhlemann, R.,
Lorenz, E., Muller, R. and H. G. Beyer, 2003, “Solar Energy
Assessment using Remote Sensing Technologies,” Remote
Sensing o f Environment, 86:423—432.
Henderson, F. M. and Z. Xia, 1998, “Radar Applications
in Urban Analysis, Settlement Detection and Population
Estimation,” Principies and Applications of Imaging Radar, 3rd
Ed., M anual o f Remote Sensing, NY: John Wiley, 733—768.
Herold, M., Goldstein, N. C. and K. C. Clarke., 2003,
“The Spatiotemporal form of Urban>Growth: Measurement,
Analysis and Modeling,” Remote Sensing o f Environment,
86:286-302.
Herold, M., Roberts, D. A., Gardner, M. E. and P. E.
Dennison, 2004, “Spectrometry for Urban Area Remote
Sensing - Development and Analysis of a Spectral Library
from 350 to 2400 nm,” Remote Sensing o f Environment,
91:304-319.
Herold, M., Scepan, J. and K. C. Clarke, 2002, “The Use
of Remote Sensing and Landscape Metrics to Describe
Structures and Changes in Urban Land Uses,” Environment
and Planning A, 34:1443-1458.
Hodgson, M. E., Jensen, J. R., Raber, G., Tullis, J., Davis, B.,
Thompson, G. and K. Schuckman, 2005, “An Evaluation of
LIDAR derived Elevation and Terrain Slope in Leaf-off
Conditions,” Photogrammetric Engineering & Remote Sensing,
71 (7):817—823.
Holz, R. K., 1988, “Population Estimation of Colonias in the
Lower Rio Grande Valley Using Remote Sensing Techniques,”
Annual Meeting o f the Association o f American Geographers,
Phoenix, KL.
Imhoffl M. L., Bounoua, L. DeFries, R., Lawrence, W.
T., Stutzer, D., Tucker, C. J. and T. Ricketts, 2005, “The
Consequences of Urban Land Transformations on Net
Primary Productivity in the United States,” Remote Sensing o f
Environment, 89:434—443.
 C A PÍTU LO
Jadkowski, M. A., P. Convery, R. J. Birk and S. Kuo,
1994, “Aerial Image Databases for Pipeline Rights-of-Way
Management,” Photogrammetric Engineering & Remote
Sensing, 60(3):347-353.
Jensen, J. R., 1995, “Issues Involving the Creation of Digital
Elevation Models andTerrain Corrected Orthoimagery Using
Soft-Copy Photogrammetry,” Geocarto International., 10(1):
1-17.
Jensen, J. R., 2005, Introductory D igital Image Processing:
A Remote Sensing Perspective, 3rd Ed„ Upper Saddle River,
Prentice-Hall, 525 p.
Jensen, J. R. and D. C. Cowen, 1999, “Remote Sensing
of Urban/ Suburban Infrastructure and Socio-Economic
Attributes,” Photogrammetric Engineering & Remote Sensing,
65:611-622.
Jensen, J. R. and M. E. Hodgson, 2004, “Cfiapter 6: Remote
Sensing of Selected Biophysical Variables and Urban/
Suburban Phenomena,” in Geography and Technology, S.
Brunn, S. Cutter and J. Harrington, Jr. (Eds.), Boston:
Kluwer, 109-154.
Jensen, J. R. and M. E. Hodgson, 2006, “Remote Sensing of
Natural and Man-made Hazards and Disasters,” in M anual
o f Remote Sensing: Settlements, M. K. Ridd (Ed.), Bethesda:
ASP&RS, 401-429.
Jensen, J. R., Qiu, F. and K. Patterson, 2001, “A Neural
NetWork Image Interpretation System to Extract Rural and
Urban Land Use and Land Cover Information from Remote
Sensor Data,” Geocarto International., 16( 1): 19—28.
Jensen, [. R. and D. L. Toll, 1983, “Detecting Residential
Land-Use Development at the Urban Fringe,” Photogrammetric
Engineering & Remote Sensing, 48:629-643.
Jensen, J. R., Botchway, K., Brennan-Galvin, E., Johannsen,
C., Juma, C., Mabogunje, A., Miller, R., Price, K., Reining,
R, Skole, D., Stancioff, A. and D. R. F. Taylor, 2002, Doiun to
Earth: Geographic Information for Sustainable Development in
África, Washington: National Academy Press, 155 p.
Jensen, J. R., Cowen, D., Halls, J., Narumalani, S., Schmidt,
N., Davis, B. A. and B. Burgess, 1994, “Improved Urban
Infrastructure Mapping and Forecasting for BellSouth Using
Remote Sensing and GIS Technology,” Photogrammetric
Engineering & Remote Sensing, 60(3) :339—346.
Jensen,J. R., Halls, J. andj. Michel, 1998, “ASystems Approach
to Environmental Sensitivity Index (ESI) Mapping for Oil
Spill Contingency Planning and Response,” Photogrammetric
Sensoriamento Remoto da Paisagem Urbana
Engineering & Remote Sensing, 64(10): 1003—1014.
Jensen, J. R., Huang, X., Graves, D. and R. Hanning, 1996,
“Cellular Phone Transceiver Site Selection,” Raster Imagery
in Geographic Information Systems, S. Morain and S. Baros,
(Eds.), Santa Fe: OnWard Press, 117-125.
Jensen, J. R., Hodgson, M. E., Tullis, J. A. and G. T. Raber,
2005a, “Chapter 2: Remote Sensing of Impervious Surfaces
and Building Infrastructure”, in Geo-Spatial Technologies in
Urban Environments, Berlin: Springer, 5-21.
Jensen, J. R., Saalfeld, A., Broone, F., Cowen, D., Price,
K., Ramsey, D., Lapine, L., and E. Lynn Usery, 2005b,
“Chapter 2: Spatial Data Acquisition and Integration”, in
A Research Agenda for Geographic Information Science, Boca
Raton: CRC, 17-60.
Ji, M. and J. R. Jensen, 1999, “Effectiveness of Subpixel
Analysis in Detecting and Quantiíying Urban Imperviousness
from Landsat Themadc Mapper Imagery,” Geocarto
International., l4(4):39-49.
Lacy, R., 1992, “South Carolina Finds Economical Way to
Update Digital Road Data,” GIS World, 5(10):58—60.
Leachtenauer, J. C., Daniel, K. andT. Vogl, 1998, “Digitizing
Satellite Imagery: Quality and Cost Considerations,”
Photogrammetric Engineering h Remote Sensing, 64:29—34.
Light, D. L., 1993, “The National Aerial Photography
Program as a Geographic Information System Resource,”
Photogrammetric Engineering&i Remote Sensing, 59(1):61—65.
Light, D. L., 1996, “Film Cameras or Digital Sensors? The
Challenge Ahead for Aerial Imaging,” Photogrammetric
Engineering & Remote Sensing, 62(3):285—291.
Light, D. L., 1998, personal communication, Emerge, Inc.
Lindgren, D. T., 1985, La?id-use Planning and Remote Sensing.
Boston, Martinus Nijhhoff.
Lo, C. R, 1986, “The Human Population,” Applied Remote
Sensing, NY: Longman, 40—70.
Lo, C. R, 1995, “Automated Population and Dwelling
Unit Estimation from High-Resolution Satellite Images: A
Geographic Information System Approach,” Intl. Journal o f
Remote Sensing, 16(1):17—34.
Lo, C. P. and A. K. Yeung, 2002, Concepts and Techniques o f
Geographic Information Systems, Upper Saddle River: Prentice-
Hall, 492 p.
Referências
Lo, C. P. and B. J. Faber, 1998, “Integration of Landsat
Thematic Mapper and Census Data for Quality of Life
Assessment,” Remote Sensing o f Environment, 62(2): 143—157.
Lo, C. P., Quattrochi, D. A. and J. C. Luvall, 1997,
“Application of High-Resolution Thermal Infrared Remote
Sensing and GIS to Assess the Urban Heat Island Effect,”
Intl. Journal o f Remote Sensing, 18(2):287—304.
Logicon, 1997, Multispectral Imagery Reference Guide, Fairfax:
Logicon Geodynamics, 100 p.
Lowe, A. S., 2003, “The Federal Emergency Management
Agencys Multi-Hazard Flood Map Modernization and
The National M ap,” Photogrammetric Engineering & Remote
Sensing, 69(10): 1133-1135.
NAICS, 2006, North American Industry Classification System,
Washington: Bureau of the Census, http://www.census.gov/
epcd/www/naics.html.
NPIC, 1961, Photographic Interpretation Keys: M ajor
Industries, Washington: NPIC, 90 p.
NCRST, 2006, National Consortium on Remote Sensing for
Transportation, Washington: Department of Transportation,
www.ncgia.ucsb.edu/ncrst/.
NOAA, 2006, Coastal National Land Cover Dataset
Classification Scheme, Charleston: NOAA Coastal Services
Center, www.csc.noaa.gov/crs/lca/tech_cls.html.
NOAA ROC, 2006, Radar Operations Center WSR 88D,
Washington: NOAA, http://www.roc.noaa.gov/.
Olorunfemi, J. F., 1984, “Land-use and Population: A
Linking Model,” Photogrammetric Engineerittg & Remote
Sensing, 50:221-227.
Philipson, W., 1997, M anual o f Photographic Interpretation.
Bethesda: ASP&RS, 830 p.
Pike, J., 2006, Space Policy Project o f the Federation of
American Scientists, Washington: Federation of American
Scientists, http://www.fas.org/irp/imint/niirs.htm. Source
of the spatial resolutions associated with the National Image
Interpretability Rating System (NIIRS).
Qui, F. and J. R. Jensen, 2004, “Opening the Neural NetWork
Black Box and Breaking the Knowledge Acquisition Bottleneck
of Fuzzy Systems for Remote Sensing Image Classification,”
Intl. Journal o f Remote Sensing, 25(9): 1749-1768.
509
Ridd, M. K., 1995, “ExploringaV-I-S (Vegetation-Impervious
Surface-Soil) Model for Urban Ecosystems Analysis through
Remote Sensing: Comparative Anatomy for Cities,” Intl.
Journal o f Remote Sensing, 16( 12) :2 165—2186.
Schultz, G. A., 1988, “Remote Sensing in Hydrology,”
Journal o f Hydrology, 100( 1988):239—265.
Schweitzer, B. and B. McLeod, 1997, “MarketingTechnology
that Is Changing at the Speed of Light,” Earth Observation
Magazine, (6):7, 22-24.
Skole, D. L., 1994, “Data on Global Land-Cover Change:
Acquisition, Assessment, and Analysis,” Changes in Land-
use and Land-cover: A Global Perspective, W. B. Meyer
and B. L. Turner (Eds.), Cambridge: Cambridge Univ.
Press, 437-472.
Slonecker, E. T., Shaw, D. M. and T. M. Lillesand, 1998,
“Emerging Legal and Ethical Issues in Advanced Remote
Sensing Technology,” Photogrammetric Engineering & Remote
Sensing, 64(6):589—595.
Small, C ., 2001, “Multiresolution Analysis of Urban Reflectance,”
Proceedings, IEEE/ISPRS Workshop on Remote Sensing and Data
Fusion over Urban Areas, Rome, Nov., 8, 1-6.
Small, C., 2002, “Multitemporal Analysis of Urban
Reflectance,” Remote Sensing of Environment, 81:427-442.
Small, C., 2003, “High Spatial Resolution Spectral
Mixture Analysis of Urban Reflectance,” Remote Sensing o f
Environment, 88:170—186.
Small, C., 2004, “The Landsat ETM+ Spectral Mixing
Space,” Remote Sensing o f Environment, 93:1 —17.
Sutton, P., Roberts, D., Elvidge, C. and H. Meij,
1997, “A Comparison of Nighttime Satellite Imagery
and Population Density for the Continental United
States,” Photogrammetric Engineering & Remote Sensing,
63(11): 1303—1313.
Sutton, P. C., 2003, A Scale-adjusted Measure of “Urban
sprawl” using Nighttime Satellite Imagery,” Remote Sensing o f
Environment, 86:353-369.
Thirumalai, T. K., 2003, Remote Sensing and Geospatial
Information Technologies Applicable to Multimodal
Transportation, Washington: Dept. of Transportation, www.
ncgia.ucsb.edu/ncrst/research/cip/ncgia.html, 6 p.
510 CAPÍTULO
Tullis, J. A. and J. R. Jensen, 2003, “Expert System House
Detection in High Spatial Resolution Imagery Using Size,
Shape, and Context,” Geocarto International., 18(1):5—15.
U SG S, 2006, USG S N ational Land Cover D ata, Sioux
Falis: EROS Data Center, http://landcover.usgs.gov/
classes.asp.
Venderhoe, A. P., 2005, Technical brief: Evaluating Lidar for
Engineering and Design, Washington: U.S. Department of
Transportation Research and Special Programs Administradon,
www.ncgia.ucsb.edu/ncrst/research.html, 2 p.
Sensoriamento Remoto da Paisagem Urbana
Wilson, E. H., Hurd, J. D., Civco, D. L., Prisloe, M. P. and
C. Arnold, 2003, “Development of A Geospatial Model to
Quantify Describe and Map Urban Growth,” Remote Sensing
ofEnvironment, 86:275-285.
Wilson, J. S., Clay, M., Martin, E., Stuckey, D. and K.
Vedder-Risch, 2003, “Evaluating Environmental Influences
of Zoning in Urban Ecosystems with Remote Sensing,”
Remote Sensing o f Environment, 86:303—321.
Sensoriamento Remoto de Solos ,
Minerais e Geomorfologia

S
omente 26% da superfície terrestre é de terras expostas. Os restantes 74% são co­
bertos por água (incluindo ilhas interiores, lagos, reservatórios e rios). Muito pou­
cas pessoas vivem em barcos ou em estruturas localizadas na água. Quase toda a
humanidade vive sobre uma base sólida terrestre composta de rochas ou de rochas
intemperizadas, que chamamos de solos. Os homens conseguem obter colheitas rela­
tivamente abundantes em solos de certas partes do nosso Planeta. Conseguem tam­
bém extrair minerais importantes e materiais derivados que podem ser usados em
processos industriais e comerciais, visando melhorar a qualidade de vida na Terra.
Desta forma, é importante possuir informações as mais precisas possíveis sobre a lo­
calização, a qualidade e a abundância dos solos, dos minerais e das rochas, com o ob­
jetivo de conservar da melhor forma possível esses recursos naturais não-renováveis.

A camada rochosa está continuamente sendo intemperizada e erodida pelos efeitos

combinados da água, dos ventos e/ou de gelo. O domo monolítico arenítico de­
nominado Ayers Rock, na Austrália, é um bom exemplo de um material litológico
sedimentar inclinado, que está sendo intemperizado e erodido (Figura 14-1). A
placa arenítica anteriormente enterrada foi exposta à superfície há cerca de 70
milhões de anos. Os materiais erodidos foram se movendo para outras localidades
por transporte de massa. Estes materiais sedimentares inconsolidados são chama­
dos de depósitos superficiais. O sensoriamento remoto pode desempenhar im­
portante função na identificação, inventário e mapeamento dos solos superficiais
terrestres, especialmente quando não estão recobertos por vegetação. O Capítulo
14 faz uma revisão dos tópicos fundamentais associados com o sensoriamento
remoto das características espectrais dos solos, abordando a influência do tamanho
dos grãos, da matéria orgânica e do conteúdo de umidade na reflectância espectral
dos solos. O sensoriamento remoto pode também auxiliar na modelagem da ero­
são dos solos, provendo informações para a Equação Universal de Perdas de Solos
(também conhecida como “Universal Soil Loss Equation”, U SLE) e para outros
modelos hidrológicos (p.ex., King et al., 2005).

O sensoriamento remoto pode prover informações sobre a composição química

de rochas e de minerais da superfície terrestre que não estejam completamente
recobertos por vegetação densa. Para isso, a grande ênfase é colocada no enten­
dimento de bandas de absorção específicas associadas com determinados tipos de
rochas e minerais, quando é utilizada espectroscopia de imageamento (Dalton et
al., 2004; Hook et al., 2005). Em certos casos, o sensoriamento remoto pode ser
utilizado para identificar relações geobotânicas e para identificar geoquímica dos
solos ou tipos de rochas (p.ex., Rowan et al., 2000).

Este Capítulo conclui com uma abordagem sobre como informações geológicas ge­
rais podem ser extraídas de dados de sensoriamento remoto, incluindo informações
sobre litologia, estrutura, padrões de drenagem e geomorfologia (fisiografia) (Walsh
et al., 1998; Bocco et al., 2005). Os dados de sensoriamento remoto são geralmente
de valor limitado para detectar feições geológicas subsuperficiais, a menos que tais
feições tenham uma significativa expressão superficial que possa ser interpretada.

512 CAPÍTULO
Ayers R o ck (U lu ru ), A u strália
Imagem QuickBird obtida em 4 de fevereiro de 2002.
Figura 14-1 A geologia de “Ayers Rock” (Uluru, no idioma nativo
aborígene), na Austrália, é uma placa monolítica de
arenito arcóseo que emergiu mais de 348 m acima do
deserto. A placa sedimentar anteriormente horizon­
tal e enterrada foi inclinada (dobrada) de tal forma
que ela projeta-se acima da superfície num ângulo
aproximado de 85°. Ela continua abaixo da super­
fície por 5 a 6 km. Algumas camadas de arenito ar­
cóseo são menos resistentes do que outras e erodem
mais rapidamente. Isto produz nervuras ou sulcos. A
Ayers Rock possui uma área de 3,33 km’ com uma
circunferência de 9,4 km e localiza-se a 1.395 km ao
sul de Darwin (cortesia de DigitalGlobe, Inc.).
Características e Taxonomia dos Solos
Solo é o material inconsolidado da superfície terrestre que
serve como meio natural para o crescimento das plantas.
As raízes das plantas residem dentro deste material e dele
extraem água e nutrientes. O solo é o material intemperi-
zado entre a atmosfera terrestre e o leito rochoso abaixo da
superfície até uma profundidade de aproximadamente 200
cm (USDA, 1998). Um solo maduro e fértil é produto
de séculos de intemperismo físico e químico da rocha, em
combinação com a decomposição de plantas e de outros
materiais orgânicos (Loynachan et al., 1999). Os solos são
essenciais para o sistema de suporte da vida na Terra. Os
agrônomos referem-se a eles com a denominação “solum”.
Os solos são constituídos de partículas sólidas (minerais e or­
gânicas) de variados tamanhos e composições, que perfazem
aproximadamente 50% do seu volume. Os solos também
contêm líquidos e gases. Um solo é caracterizado por um
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
ou mais horizontes (ou camadas horizontais) que são dis­
tinguíveis do material rochoso (“rocha-mãe”, “rocha-matriz”
ou “material de origem”) como resultado de adições, perdas,
transferências e transformações de energia e matéria, com
capacidade para suportar plantas com raízes num ambiente
natural (USDA, 2003). O material intemperizado, incon­
solidado, orgânico e mineral existente sobre o leito rochoso,
conforme está mostrado na Figura 14-2, varia amplamente
em composição e espessura ao longo da superfície terrestre.
Nas regiões centrais dos continentes, como na América do
Norte, pode chegar a profundidades desde 25 até 300 m.
Nas regiões de montanhas escarpadas ou nos desertos este
material pode estar quase ausente. Solos congelados (“per-
mafrost”) são encontrados nos climas árticos.
Horizontes dos solos
Processos biológicos, químicos e físicos que ocorrem nos so­
los criam subdivisões zonais que se distribuem até a 200 cm
ou mais em profundidade, nas quais há movimento relati­
vamente livre da água gravitacional e da umidade do lençol
freático. Isto resulta na criação de camadas relativamente
horizontais denominadas “horizontes dos solos” . Há vários
horizontes padrões num perfil típico de solo situado sobre a
rocha matriz, incluindo (Figura 14-2) os horizontes: O, A, E,
B, C, R e W, que podem ser distinguíveis um do outro com
base em suas respectivas características de cor [hue (matiz),
value (valor) e chroma (croma, saturação ou intensidade)],
textura e propriedades químicas (USDA, 1998; 2003).
O epipedon (em grego, o prefixo epi significa sobre, superior,
enquanto que pedon significa solo) é um horizonte que se
forma na, ou próximo da, superfície, sendo que ali a maior
parte da estrutura da rocha-matriz já foi destruída (USDA,
2003). Quando o horizonte superficial contém mais de
20% de matéria orgânica parcialmente decomposta, este
epipedon é denominado horizonte O e, desta forma, pode
ser considerado como uma mistura complexa de partículas
inorgânicas e de matéria orgânica em decomposição. Solos
com horizonte O apresentam, tipicamente, uma colora­
ção escurecida ou quase negra, com espessura entre poucos
centímetros chegando até a metros em locais de cobertura
vegetal densa. Este horizonte é criado pela interação da
água, materiais químicos, calor, materiais orgânicos e ar
entre as partículas dos solos. Os sistemas radiculares das
plantas extraem grande parte da água e dos nutrientes a
partir desta “zona de vida” (Marsh e Dozier, 1981).
O horizonte A é uma zona de eluviação ou de lixiviação, que
pode ser formado na superfície ou sob um horizonte O, onde
a água se move para cima e para baixo na coluna do solo, li-
xiviando minerais em solução (íons) e coloides argilosos e re-
alocando-os nos horizontes abaixo. Os horizontes A exibem
Características e Taxonomia dos Solos
Perfil d o solo
Rico em húmus
Húmus textura fina
Zona de
Eluviação Partículas minerais
claras
Zona de Acumulação de coloides;
Iluviação duripã
Transição para o subsolo
Subsolo; usualmente
um depósito de minerais
intemperizados a partir
da rocha-matriz
Rocha-mãe
Figura 14-2 Um perfil padrão de solo, como definido pelo D e­
partamento de Agricultura dos Estados Unidos
(USDA). Os principais horizontes dos solos são:
O, A, E, B, C, situados sobre a rocha-mãe (R).
O horizonte O contém matéria orgânica parcial­
mente decomposta. Os sub-horizontes são transi-
cionais para e entre horizontes (U.S. Department
o f Agriculture, 1998).
destruição de todas ou de praticamente todas as estruturas da
rocha original. Em regiões de clima úmido, os minerais argila,
os óxidos de ferro e os carbonatos de cálcio são normalmente
movidos para baixo. Esta lixiviação pode fazer com que os
horizontes A sejam arenosos e de colorações claras, embora
a sua parte superior seja, em geral, escurecida por causa do
húmus proveniente de materiais vegetais decompostos. Os
solos com horizonte A podem ser influenciados pelo cultivo
ou pelo pastoreio de animais nas regiões agrícolas.
Pode ocorrer que exista um horizonte E entre a zona de
eluviação (horizonte A) e a zona de iluviação (horizonte
B). Os horizontes E têm camadas minerais nas quais a fei­
ção principal refere-se à perda de argilas silicatadas, ferro,
alumínio ou combinações destes materiais, permanecendo
uma concentração de partículas de silte e de areia. Todas
ou quase todas as estruturas da rocha-matriz já foram pra­
ticamente destruídas no horizonte E.
O movimento descendente de íons e de coloides na coluna
do solo termina, em geral, numa certa altura onde a pressão
para cima da água capilar se contrabalanceia com a água
513
gravitacional vinda da parte superior proveniente de precipi­
tações ou irrigações. Ali os materiais podem ser depositados
no horizonte B, a zona de iluviação. Normalmente, esta ca­
mada é rica em argila, apresentando cores avermelhadas ou
amareladas pelos óxidos de ferro (Lovnachan et al„ 1999).
Com o passar do tempo, a zona de iluviação pode juntar
tanta massa de coloides e de minerais que os espaços de ar
entre partículas tornam-se obstruídos, cimentando as par­
tículas entre si. Isto pode levar ao desenvolvimento de uma
estrutura impermeável denominada duripã (ou hardpari).
O horizonte C é simplesmente o material de origem in-
temperizado, abaixo do horizonte B. A maior parte dos
horizontes C é mineral. O material de origem, ou seja, a
rocha-mãe, é submetido ao intemperismo físico e químico
por ações do frio, das raízes, dos ácidos provenientes das
plantas e por outros agentes. Em alguns casos, o horizonte
C é transicional entre a rocha não intemperizada (R) abai­
xo e o solo em desenvolvimento acima. Pode ocorrer, em
alguns casos, a existência de uma camada de água dentro
ou abaixo do solo. A água pode estar permanentemente
congelada (Wfl ou não (W).
Tamanho das Partículas do Solo e Textura*•
O diâmetro médio dos grãos de solo num horizonte é uma
das principais variáveis usadas para identificar a classifica­
ção taxonômica de um solo. Há três classes universalmente
aceitas de tamanhos de grãos de solos: areia, silte e argila.
A Figura 14-3 identifica três diferentes escalas usadas para
classificar partículas de solos com base em seus diâmetros.
Segundo a escala do Departamento de Agricultura dos Es­
tados Unidos (USDA) (Loynachan et ah, 1999):
• Areia: a) partícula de solo entre 0,05 e 2,0 mm de diâ­
metro; b) solo composto de uma grande porcentagem
de partículas com tamanho da areia;
• Silte: a) partícula de solo entre 0,002 e 0,05 mm de di­
âmetro; b) solo composto de uma grande porcentagem
de partículas com tamanho do silte;
• Argila: a) partículas de solo < 0,002 mm em diâmetro
equivalente; b) solo que apresenta propriedades domi­
nadas pelas partículas de tamanho da argila.
As partículas areia, silte e argila desempenham diferentes
funções no processo de formação do solo. As partículas
com tamanho areia aumentam a drenagem do solo por­
que a água pode percolar livremente entre os espaços de ar
existentes entre as grandes partículas arenosas. Por outro
lado, as partículas silte e argila aumentam o movimento
e a retenção da água capilar do solo. As partículas argila,
 Sensoriamento Remoto de Solos,
514 CAPÍTULO Minerais e Geomorfologia

a. Escala granulométrica da Soil Science Society o f America e do USDA

Areia
Argila Silte Cascalho
muito fina fina média grossa muito grossa
0,002 0,05 0,1 0,25 0,5 1 2 mm 76,2

?• Tamanhos relativos a um grão de

Argila * • , Silte
Areia de 0,15 mm em diâmetro

Areia
b. Escala do M IT e British Standards Institute
Silte Areia
Argila Cascalho Pedra;
fino médio grosso fina média grossa
0,002 0,006 0,02 0,06 0,2 0,6 2 mm

c. Escala da International Society o f Soil Science

Areia
Argila Silte Cascalho
grossa
0,002 0,02 0,2 2 mm

Figura 14-3 Três escalas de tamanhos de partículas dos solos: a) Escala granulométrica da Soil Science Society o f America e do USDA;
b) Massachusetts Institute o f Technology (MIT) e British Standards Institute; e c) International Society o f Soil Science
(conforme Marsh e Dozier, 1981; Loynachan et al., 1999).

que são muito pequenas, apresentam cargas elétricas que
atraem e prendem diminutas partículas de minerais dissol­
vidos (íons), tais como o potássio e o cálcio. Graças a este
mecanismo de ligação dos íons às partículas de argila, eles
não são facilmente lavados e lixiviados. Desta forma, algu­
mas argilas ajudam a manter a fertilidade do solo, retendo
minerais dissolvidos ricos em potássio, cálcio e em outros
nutrientes (Marsh e Dozier, 1981).
Os horizontes do solo contêm várias proporções de areia,
silte e argila. A textura de um solo relaciona-se à proporção
relativa de areia, silte e argila existente neste solo. A textura
típica do solo é a porcentagem em peso de partículas de vá­
rias classes de tamanhos. O triângulo de textura dos solos do
USDA, mostrado na Figura 14-4 identifica as porcentagens
de areia, silte e argila, conforme os tipos padrões de solos.
Por exemplo, um solo franco ( “loam’), encontrado no centro
do diagrama, é constituído de 40% de areia, de 40% de silte
e de 20% de argila. Se um solo possui uma maior concentra­
ção de areia - p.ex., 60% - com 10% de argila e 30% de silte,
será chamado de franco-arenoso ( ‘sandy loam soil’), etc.
Taxonomia de Solos
Os pedólogos (cientistas que estudam solos) são aqueles
que determinam a taxonomia dos solos (Petersen, 1999). As
chaves para realizar a taxonomia dos solos (Keyes to Soil
Taxonomy) têm sido utilizadas pelo U SD A Natural Re­
sources Conservation Service (USDA, 2003) desde 1975,
visando diferenciar qualitativa e quantitativamente entre
categorias taxonômicas de solos { “soil taxa’). A mais alta
categoria do Sistema Americano de Classificação de Solos
(U.S. Soil Taxonomy, U SST ) é a Ordem. Cada Ordem re­
flete os processos dominantes deformação e o grau deformação
dos solos. As 12 principais Ordens de solos do U S ST são:
Alfisols (solos ricos em nutrientes), Andisols (solos vulcâ­
nicos), Aridisols (solos desérticos), Entisols (solos novos),
Gelisols (solos de tundra), Histosols (solos orgânicos), In-
ceptisols (solos jovens), Mollisols (solos de pradarias), Oxi-
sols (solos tropicais), Spodosols (solos de florestas), Ultisols
(solos pobres em nutrientes), e Vertisols (solos de argilas
expansivas). Chaves dicotômicas adicionais permitem aos
pedólogos a classificação dos solos em SubOrdens, Gran­
des Grupos, SubGrupos, Famílias e Séries.
A Soil Taxonomy é um sistema relativamente complexo
baseado no uso de chaves dicotômicas de eliminação que
permitem ao pedólogo avaliar várias características pre­
sentes nos perfis de solos, incluindo a cor (matiz, valor e
croma), classe textural, conteúdo de umidade, densidade,
porosidade e a parte química. Por exemplo, a primeira cha­
ve de entrada para as Ordens de solos é: O solo contém:
1) camada gelada ( “perm afrost”) em profundidade até 100
Sensoriamento Remoto de Propriedades dos Solos
100
Figura 14-4 Porcentagens de argila (< 0,002mm), silte (0,002
- 0,05 mm) e areia (0,05 - 2,0 mm) nas classes
texturais principais dos solos (USDA, 1998).
cm; ou 2) m ateriais congelados nos primeiros 100 cm de pro­
fundidade e permafrost nos 2 0 0 cm de profundidade desde a
superfície1 Se a resposta fo r positiva, trata-se de um Gelisol.
Se a resposta for negativa, o analista progride então ao lon­
go das chaves dicotômicas até que encontre aquele solo
que encaixe com todas as condições por ele identificadas.
Sensoriamento Remoto de
Propriedades dos Solos
Considerando o que foi exposto até este ponto, fica claro que
grande parte das informações usadas pelos pedólogos para
mapear séries de solos de uma região necessitam ser observa­
das de forma direta, no campo. Assim, é essencial que perfis
subsuperficiais sejam examinados e se obtenham cuidadosas
medições biológicas, químicas e físicas dentro de cada hori­
zonte do solo em análise. Desta forma, não é realístico ter
como expectativa que o sensoriamento remoto possa ser uma
panaceia universal que permita executar mapeamentos de ca­
tegorias de solos sem contar com coletas de dados in situ. Ao
invés disso, é necessário entender que, sob certas condições,
é possível que os dados de sensoriamento remoto tenham
valor para o pedólogo na medida em que ele colete todos
os materiais pertinentes necessários para executar classifica­
ções de solos seguras. De fato, muitos pedólogos acham que
as imagens de sensoriamento remoto são essenciais para o
processo de mapeamento de uma área de interesse (Petersen,
1999). Felizmente, algumas características de solos podem
ser medidas remotamente sob determinadas condições.
515
Os instrumentos sensores ópticos, por exemplo, tais como
as câmeras fotográficas aéreas, os imageadores multiespec-
trais e hiperespectrais, podem registrar as características
de reflectância espectral da superfície dos solos se eles não
estiverem recobertos por vegetações ou dosséis densos. Te­
oricamente, a radiância total que é refletida por um solo
exposto e é registrada por um sensor a bordo de um satélite
(L ) é função da energia eletromagnética das fontes identi­
ficadas na Figura 14-5 e sumarizadas como:
L =L +L +L (14-1)
Onde:
• L : esta é a porção da radiância registrada, proveniente da
radiação descendente do Sol ( E f e da atmosfera ( E f ,
que nunca atinge a superfície do solo. Trata-se de um
indesejado ruído atmosférico e deveria ser, em condições
ideais, removido das imagens antes de se tentar extrair
informações sobre os solos e minerais superficiais.
• L : Uma parte da radiação solar direta e difusa atinge a
interfacear-solo(tambémdenominada “boundarylayer)
e a penetra em aproximadamente Vi comprimento de
onda (X) de profundidade no solo. Se o comprimento
de onda da luz em estudo for da luz verde, a profundi­
dade de penetração na coluna do solo será aproximada­
mente de 0,275 pm (ou seja, Vi de 0,55 pm). A quan­
tidade de fluxo radiante que emerge da coluna do solo
por reflexão e por espalhamento, que ocorre nesta pro­
fundidade, é L . As características dos constituintes do
solo, seja a matéria orgânica (material animal ou vegetal
em decomposição), sejam os inorgânicos (material mi­
neral), bem como a quantidade de umidade presente no
solo, apresentam significativo impacto na quantidade
de energia absorvida, espalhada e/ou refletida por esta
superfície. A Figura l4-5a ilustra um solo com horizon­
tes O e A bem desenvolvidos. Provavelmente, a maior
parte da energia refletida por este solo será representa­
tiva dos constituintes do horizonte O. A medida que
a quantidade de húmus (matéria orgânica) diminui, a
reflectância superficial deverá ser mais representativa das
características do horizonte A (Figura l4-5b). Quando
tanto o horizonte O quanto o horizonte A são pratica­
mente inexistentes, como é mostrado na Figura l4-5c, a
reflectância superficial pode ser uma função do subsolo
intemperizado (regolito) ou mesmo do leito rochoso, se
ele estiver completamente exposto, como pode ocorrer
no declive de uma montanha escarpada.
• L \ Uma parte da radiação solar direta e difusa incidentes
pode ser capaz de penetrar talvez uns poucos milímetros
ou até mesmo um ou dois centímetros na coluna de solo.
Esta parte pode ser referida como espalhamento volumé-
 Sensoriamento Remoto de Solos,
516 CAPÍTULO Minerais e Geomorfologia

Irradiância Solar Radiância

Direta e Difusa Total
L t = L p + LS + L V

a. Solo com horizontes O e A b. Horizonte O fino sobre horizontes A c. Horizonte O muito fino sobre subsolo
bem desenvolvidos. e B menos desenvolvidos. ou leito rochoso intemperizado.

Figura 14-5 Solos e rochas recebem a irradiância proveniente do Sol {E J e da atmosfera (ú ( ). A radiância total que emerge de um solo/
matriz rochosa em direção a um sensor remoto é função da radiância do espalhamento atmosférico indesejado (L^, da quan­
tidade substancial de radiância (L ) refletida ou espalhada pela superfície superior do solo/matriz rochosa (aproximadamente
V2 comprimento de onda em profundidade), da pequena quantidade de radiância volumétrica de subsuperfície (L ) e da
muito pequena quantidade de radiância do subsequente substrato solo/rocha.

trico, L . A diferença da água (como referido no Capítulo Ls+ L v = L t- L p (14-2)

12), entretanto, deve ocorrer muito pouco espalhamen­
to volumétrico do fluxo radiante visível, infravermelho
próximo e infravermelho médio que emerge do perfil do
solo a partir de uma profundidade significativa. De fato,
quase toda a reflectância especular da interface ar-solo
( “boundary layer reflectance”, L ) e o espalhamento vo­
lumétrico (L ) podem ocorrer nos primeiros milímetros
do perfil do solo. A quantidade de fluxo radiante volu­
métrico espalhado ou refletido de volta para a atmosfera
é função do comprimento de onda da energia incidente
(i.e, os comprimentos de onda maiores das micro-ondas
ativas podem penetrar mais profundamente no solo,
como já se demonstrou no deserto do Saara), do tipo e
da quantidade de constituintes orgânicos/minerais, da
forma e da densidade dos minerais, do grau de com­
pactação mineral e da quantidade de umidade presente
no solo. As Figuras l4-5b,c sugerem que à medida que
o horizonte O torna-se menos desenvolvido, possivel­
mente mais energia incidente interaja com as partículas
de solo no horizonte A (Figura l4-5b) ou mesmo com o
subsolo e o leito rochoso (Figura l4-5c).
Isto envolve uma cuidadosa correção radiométrica dos
dados do sensor remoto visando remover a atenuação at­
mosférica (A ). Teoricamente, nós poderiamos separar a
contribuição individual de L e de L para o fluxo radiante
refletido. Contudo, na prática isto é difícil e usualmente é
necessário contentar-se em analisar uma integração (soma)
destes dois constituintes da radiância. N o entanto, é possí­
vel fazer algumas observações gerais sobre como os solos de
superfície aparecem nos dados de sensoriamento remoto,
com base em suas propriedades de reflectância espectral.
As características de reflectância espectral dos solos são
funções de várias características importantes, incluindo:
• a textura do solo (porcentagens de areia, silte e argila);
• o conteúdo de umidade do solo (p.ex.: seco, úmido,
saturado);
• o conteúdo de matéria orgânica;
• o conteúdo de óxidos de ferro;
• a salinidade do solo;
• a rugosidade superficial.

O objetivo principal do sensoriamento remoto de solos e
de minerais é o de separar a radiância de interesse das ra-
diâncias de todos os outros componentes, que estão sendo
registradas pelo sistema sensor. Por exemplo, o pesquisador
interessado em identificar os constituintes orgânicos e inor­
gânicos (ou minerais) presentes nos horizontes superiores
dos solos está principalmente interessado na medição da
resposta espectral integrada da radiância de superfície e de
subsuperfície, i.e, L e L :
Geralmente, um solo seco com pouca matéria orgânica
exibe uma curva de reflectância espectral relativamente
simples e menos complexa do que as curvas da vegetação
(Capítulo 11) ou dos corpos d’água que contêm algas (Ca­
pítulo 12). A Figura 14-6, por exemplo, ilustra reflectâncias
espectrorradiométricas obtidas para solo siltoso seco e para
solo arenoso seco. Isto demonstra uma das mais consisten­
tes características dos solos secos: aumento da reflectância
com 0 aumento dos comprimentos de onda, especialmente no
Sensoriamento Remoto de Propriedades dos Solos 517

espaço de ar _ _ reflectância especular

Figura 14-6 Curvas de reflectância obtidas in situ para solo sil- intersticial
toso seco e para solo arenoso seco. A reflectância reflectância volumétrica
geralmente aumenta com o aumento dos compri­
mentos de onda ao longo do visível, do infraver­
melho próximo e do infravermelho médio.

visível e no infravermelho próximo. Entretanto, à medida

que se umedece um solo, ou que há aumento de matéria
orgânica ou de oxido de ferro, sua resposta espectral pode
divergir desta simplicidade acima aludida. Portanto, é útil
rever como estes parâmetros influenciam a resposta espec­
tral dos solos expostos, lembrando que uma importante
busca do sensoriamento remoto é conseguir esmiuçar a
resposta espectral proveniente de uma superfície de solo,
de modo a se poder identificar as proporções e/ou influên­
cias das características presentes dentro do campo de visa­
da instantâneo do sistema sensor utilizado.

Textura e Conteúdo de Umidade do Solo

Existe uma relação entre o tamanho das partículas do solo
encontrada num volume de solo (p.ex., m3) e a quantidade
de umidade que o solo pode armazenar. A Figura l4-7a
ilustra o que ocorre com grãos teóricos de areia. O fluxo ra­
diante incidente pode ser refletido pela superfície dos grãos
de areia, produzindo reflectância especular, ou a energia in­
cidente pode penetrar alguma distância dentro da partícula
de areia. A energia pode então ser absorvida pela partícula
e transformada em energia calórica ou pode sair da partí­
cula e ser espalhada ou absorvida por outras partículas. O
vazio entre as partículas é chamado de espaço de ar intersti-
cial. A reflectância total por comprimento de onda (p.ex.,
a luz azul, verde, vermelha, infravermelho próximo) para
um dado solo seco sem matéria orgânica e sem óxidos de
ferro é função da média da energia especular refletida pelas
superfícies das partículas do solo e da reflectância do volume
do solo advinda dos espalhamentos internos.
Figura 14-7 a) A energia radiante incidente pode ser refletida
pela superfície de solo seco, ou pode penetrar para
dentro das partículas de solo, onde ela pode ser ab­
sorvida ou espalhada. A reflectância total que deixa
o solo é função da reflectância especular e da re­
flectância volumétrica interna, b) À medida que a
umidade aumenta, cada partícula pode ser encap-
sulada por uma fina membrana de água capilar. Os
espaços de ar intersticial podem ser preenchidos
com água. Quanto maior a quantidade de água no
solo, maior a absorção da energia eletromagnética
incidente e menor a reflectância do solo.
Os solos de argilas mais finas possuem partículas que estão
arranjadas mais próximas umas das outras e então os espaços
de ar intersticial entre as partículas de solo são muito pe­
quenos. Por outro lado, as partículas arenosas são grandes e,
portanto, conterão maiores espaços de ar intersticial. Quan­
do ocorre uma precipitação, ou quando a água que está
em profundidade sobe dentro do horizonte, as partículas

518 CAPÍTULO
Figura 14-8 Quanto maior o conteúdo de umidade em so­
los arenosos (a) e em solos argilosos (b), menor a
reHectância ao longo da região do visível e do in­
fravermelho próximo, especialmente nas bandas de
absorção de água em 1,4 pm, em 1,9 pm e em 2,7
pm (Hoffer, 1978).
individuais podem ficar envolvidas por uma fina membra­
na de água capilar. A água pode também ocupar os espaços
de ar intersticial (Figura l4-7b). Os solos argilosos, mais
densamente compactos, com cada uma de suas pequenas
partículas retendo uma membrana de água em sua parte
externa, pode armazenar uma grande quantidade de água.
Inversamente, os solos arenosos, com partículas significati­
vamente maiores e com espaços de ar também maiores: 1)
drenam muito mais rapidamente do que os solos argilosos,
e 2) secam muito mais rapidamente por evaporação do que
os solos argilosos. Porém, o que isso tem a ver com as ca­
racterísticas de reflectância espectral dos solos? A resposta a
esta pergunta é que, basicamente, a quantidade de umida­
de retida na superfície do solo é função da textura do solo.
Quanto mais fina a textura, maior a capacidade do solo em
manter um alto conteúdo de umidade quando ocorrem pre­
cipitações. Quanto maior a umidade do solo, maior será a
absorção de energia radiante incidente e, portanto, menor
será a quantidade de luz refletida.
Isto fica demonstrado para solos arenosos com pequena
quantidade de vegetação na superfície, na Figura l4-8a. O
solo arenoso seco tem uma resposta espectral relativamente
simples, que cresce ao longo da região entre 0,5 e 2,6 pm.
Entretanto, à medida que a umidade do solo aumenta, a
água dos primeiros centímetros superiores do solo come­
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
ça a absorver seletivamente significativas quantidades de
energia incidente, nas bandas de absorção da água, em 1,4,
em 1,9 e em 2,7 pm. A umidade do solo absorve mais
energia radiante incidente nas regiões espectrais adjacentes
a estas bandas de absorção. O resultado é uma resposta
espectral muito mais complexa, com “vales” característi­
cos na curva de reflectância nas bandas de absorção pela
água atmosférica localizadas em 1,4 pm, em 1,9 pm e em
2,7 pm. E importante notar também que a quantidade de
energia refletida no verde, no vermelho, no infravermelho
próximo e no infravermelho médio é dramaticamente re­
duzida à medida que a umidade do solo aumenta.
Este mesmo relacionamento ocorre para solos argilosos,
como está demonstrado na Figura 14-8b, onde se pode
perceber que para altas umidades nos centímetros supe­
riores do solo diminui toda a curva espectral ao longo do
intervalo de comprimentos de onda entre 0,5 e 2,6 pm,
aprofundando a banda de absorção ao lado das bandas
de absorção pela água. E importante notar, porém, que
as bandas de absorção pela água parecem ser muito mais
ativas. Isto ocorre porque os solos argilosos, com sua fina
textura, podem controlar a retenção de mais umidade
na porção superior do horizonte, o que permite que esta
umidade absorva uma parte do fluxo radiante incidente e,
assim, sejam criados significativos “vales” nas bandas de
absorção e nas adjacências dessas bandas.
Analistas de imagens experientes sabem que os dados de
sensores remotos de superfícies expostas de solos, obtidos
após grandes precipitações, ficarão significativamente mais
escuros do que se a imagem tivesse sido adquirida após mui­
tos dias sem precipitação. Isto ocorre porque a água, nas su­
perfícies de solos, absorve grande parte da energia radiante
incidente, especialmente no visível e no infravermelho pró­
ximo, resultando em menor quantidade de radiância que é
enviada em direção ao sistema sensor considerado.
Se houver a disponibilidade de sensores de alta resolução
radiométrica e espectral, pode ser possível diferenciar entre
solos com diferentes texturas, uma vez que quase todos os
solos que tenham moderada a alta proporção de partículas
argilosas exibem fortes bandas de absorção pela hidroxila
em aproximadamente 1,4 e em 2,2 pm. A resposta espec­
tral de solos arenosos, na Figura l4-8a, não foi influencia­
da pela banda de absorção devida à hidroxila, ocorrente em
2,2 pm, enquanto que a resposta espectral do solo argiloso,
na Figura l4-8b, exibe significativa absorção tanto em 1,4
pm como em 2,2 pm. E claro que isto somente é possível
diferenciar entre solos argilosos e silto/arenosos, se os solos
estão praticamente secos e contêm muito pouca matéria
orgânica, a qual poderia mascarar tal relação; além disso,
deve-se destacar a fina resolução espectral dos sensores hi-
perespectrais, que podem ser sensíveis a intervalos especí-
Sensoriamento Remoto de Propriedades dos Solos
Figura 14-9 Quanto maior a quantidade de material orgânico
num solo, maior será a absorção da energia inci­
dente e menor a reflectância espectral.
ficos de comprimentos de onda (p.ex., os comprimentos
de onda centrados em 1,4 e em 2,2 pm). Chabrillat et al.
(2002) mapearam solos de argilas expansivas (esmectita,
ilita e caulinita) no Colorado usando dados hiperespectrais
e informações encontradas nas bandas de absorção ocor-
rentes na região espectral entre 1.900 e 2.400 nm. Okin
and Painter (2004) usaram dados hiperespectrais para ma­
pear a distribuição espacial de tamanhos de grãos de areia
(desde 1,0 até 0,2 mm) em campos agrícolas abandona­
dos, num ambiente desértico. Eles observaram que quanto
maior o tamanho do grão, menor a reflectância no SW IR
(infravermelho de ondas curtas), especialmente nas regiões
centradas em 1,7 e em 2,2 pm.
Também é possível diferenciar entre algumas texturas
de solos usando características de retroespalhamento das
micro-ondas ativas (radar). Por exemplo, a missão SIR-A
(NASA Shuttle Imaging Radar) revelou canais de rios en­
terrados abaixo da areia do Saara (McCauley et al., 1982)
(Figura 9-21). Os canais de rios apareciam escuros, com
padrões de drenagem dendrítica nas imagens de radar da
banda L (24 cm), enquanto que os leitos rochosos cober­
tos por areia apresentavam sinais de radar claros. Os sinais
de radar conseguiram penetrar até a 1-2 m na areia seca,
retornando resposta de leitos rochosos e nódulos de car­
bonato de cálcio enterrados. Williams e Greeley (2004)
observaram que comprimentos de onda relativamente
pequenos, na banda C (5,8 cm), foram melhores para
identificar a extensão de areia seca, enquanto que compri­
mentos de onda maiores, na banda L, penetraram melhor
em camadas finas de areia úmida.
519
Matéria Orgânica e Crostas Biológicas do Solo
As plantas e os animais decompõem-se e tornam-se húmus
orgânico nas porções superiores dos horizontes de solos. A
quantidade de matéria orgânica no solo tem significativo
impacto nas características de reflectância espectral dos solos
expostos. Geralmente, quanto maior a quantidade matéria
orgânica, maior será a absorção de energia incidente e me­
nor a reflectância espectral. A Figura 14-9 sumariza a relação
curvilinear para solos com 0 a 100% de matéria orgânica.
Algumas vezes os solos apresentam crostas de materiais
biológicos (Wassenaar et al., 2005). Estas crostas biológicas
de solos são comunidades de musgos, líquens, briófitas, al­
gas, fungos, cianobactérias e bactérias. Elas podem sobre­
viver em condições de seca e temperaturas extremas (acima
de 70 °C ), em altos pH e em altas salinidades. As crostas
biológicas de solos têm sido encontradas em desertos ao
redor do mundo e desempenham importante papel em
ecossistemas desérticos na formação, estabilidade, fertili­
dade e prevenção de erosão de solos (Belnap, 2003). As ca­
racterísticas de reflectância espectral de três tipos de crostas
biológicas de solos são mostradas iva Figura 14-10.
Com base nestas relações, Chen et al. (2005) desenvolve­
ram um índice de crostas biológicas de solos ( “biological
soil crust index”, BSCI), usando imagens ETMVLandsat:
(14-3)
BSCI =
Onde Rgreen e Rrea. são as reflectâncias das bandas 2 e 3 do
E T M ' e L é um fator de ajuste para amplificar a diferença
absoluta entre Rgreen e Rrear Se o numerador tiver um valor ne-
gativo, L é restrito a um intervalo entre 2 e 4. O denomina­
dor é a reflectância média da reflectância no verde, vermelho
e infravermelho próximo nas bandas E T M + 2, 3 e 4.
Óxidos de Ferro
N o sudeste dos EUA, no sudeste da Ásia, no Brasil e em
várias outras partes do mundo, os óxidos de ferro estão
presentes nos solos. A existência de óxidos de ferro geral­
mente causa aumento na reflectância no vermelho (600
- 700 nm), avermelhando, portanto, a cor destes solos
(Figura 14-11). FFá também uma significativa diminui­
ção na reflectância nas porções do azul e do verde nos
solos com óxidos de ferro, os quais exibem também uma
banda de absorção na região de 850 - 900 nm, quando
se compara com solos de textura franco-arenosa (“sandy
loam”) sem óxidos de ferro.
 Sensoriamento Remoto de Solos,
520 CAPÍTULO Minerais e Geomorfologia

R eflectân cia de C ro stas B io ló g icas de S o lo s, S o lo E x p o sto , V egetação e S o m b ra

Figura 14-10 Reflectância espectral de crostas biológicas de solos, incluindo também a reflectância de solo exposto, vegetação e sombra de
vegetação (Chen et al., 2000; reimpresso com permissão da Elsevier).

Salinidade do Solo

A salinidade do solo é um importante risco ambiental. A

extensão global de solos afetados por salinidade primária é
da ordem de 955 milhões de hectares, enquanto que a sa-
linização secundária afeta aproximadamente 77 milhões de
hectares, dos quais 58% em áreas irrigadas. Perto de 20% de
todas as terras irrigadas são afetadas por sais, sendo que esta
proporção está aumentando, a despeito dos esforços de re­
cuperação. Os sais tendem a se concentrar nas camadas mais
superficiais dos solos de regiões áridas e de áreas irrigadas.

Metternicht e Zinck (2003) fornecem um panorama das

considerações que devem ser feitas quando se busca extrair
informações sobre salinidade com sistemas de sensoriamento
remoto. A Figura 14-12a ilustra as características espectrais
de crostas salinas versus não-salinas para solos siltosos da
Bolívia. Notar que ocorre alguma confusão espectral entre
crostas salinas e crostas de solos siltosos claros nas porções do
azul e do verde (450 - 550 nm). A reflectância geralmente Figura 14-11 Óxidos de ferro em solos franco-arenosos causam
aumenta com o aumento das concentrações de sais. Os solos aumento na reflectância no vermelho (0,6 - 0,7
afetados por sais mostram resposta espectral relativamente pm) e um decréscimo na reflectância do infraver­
maior nas regiões do visível e do infravermelho próximo melho próximo (0,85 - 0,90 pm).
do que os solos não-salinos, sendo que os solos fortemente
salino-sódicos exibem respostas espectrais maiores do que
os solos moderadamente salino-sódicos (Rao et al., 1995).
Este gráfico deixa claro porque os depósitos salinos tipica-
Sensoriamento Remoto de Propriedades dos Solos 521

R eflectância de V egetação e de C ro stas S alin as e N ão -Salin as

Comprimento de onda (nm)

Figura 14-12 a) Reflectância espectral de crostas de solos salinos e não-salinos (Metternicht e Zinck, 2003; reimpresso com permissão
da Elsevier) versus resposta espectral da vegetação, b) Medições espectrorradiométricas de reflectância de Halita (NaCl) em
variadas concentrações de sal (Farifteh et al., 2006; reimpresso com permissão da Elsevier).

mente se sobressaem como brancos intensos em fotos aéreas Rugosidade Superficial

infravermelhas coloridas ou em composições multiespectrais
falsa-cor (devido a altas proporções de reflectância no verde,
no vermelho e no infravermelho próximo), enquanto que a
vegetação se sobressai em vermelho brilhante (devido à ab­
sorção por clorofila nas porções verde e vermelha do espectro
e alta reflectância no infravermelho próximo). Indicadores
usados para distinguir solos salinos/alcalinos podem ser áreas
de desenvolvimento irregular dentro das lavouras agrícolas, a
presença de árvores secas, matizes azul-esverdeados, além de
condições de estresses de umidade. Medições espectrorradio­
métricas de halita com variadas concentrações de salinidade
são mostradas na Figura 14-12b (Farifteh et al., 2006).
Com o foi explanado no Capítulo 9 (Sensoriamento Re­
moto na Faixa das Micro-ondas Ativas), quanto menor a
rugosidade superficial relativa em relação ao tamanho da
radiação incidente, maior será a reflectância especular do
terreno em questão. Nós podemos utilizar esta informa­
ção para fazer algumas considerações gerais em relação à
quantidade de reflectância espectral de diferentes texturas
de solos, assumindo que eles estão sem umidade, matéria
orgânica e óxidos de ferro. Os solos de textura argilosa,
secos, em comparação com superfíces arenosas ou siltosas,

522 CAPÍTULO
deveríam produzir uma resposta espectral mais alta ao lon­
go das porções do visível e do infravermelho próximo em
função de reflexão especular no infravermelho próximo.
N o entanto, não é bem assim, porque à medida que umi­
dade, matéria orgânica ou óxido de ferro são adicionados
ao solo argiloso, ele começa a absorver muito fluxo radian­
te incidente, e muito possivelmente aparecerá como siltoso
ou talvez mesmo como arenoso no dado de sensoriamento
remoto. Isso pode causar problemas de interpretação.
Por outro lado, solos arenosos secos, com seus grãos gran­
des e que permitem fácil drenagem interna, deveríam espa­
lhar difusamente os comprimentos de onda incidentes no
visível e no infravermelho próximo em proporção maior do
que para os solos argilosos ou para os solos siltosos. No en­
tanto, é comum para a maioria dos solos arenosos de grãos
mais grosseiros estarem entre os terrenos mais brilhantes e,
inversamente, os solos argilosos estarem entre os mais escu­
ros. King et al. (2005) e Zribi et al. (2005) descrevem como
a rugosidade superficial pode ser medida usando sistemas
de sensoriamento remoto por micro-ondas ativas.
Sensoriamento Remoto de Rochas e
de Minerais
Rochas são assembléias de minerais interligados entre si ou
que estão mantidos unidos por vários tipos de cimentos
(usualmente sílica ou carbonato cálcico). Quando pratica­
mente não ocorre vegetação à superfície e, desta forma, os
solos e as rochas são visíveis diretamente por sistemas de
sensoriamento remoto, pode tornar-se possível diferenciar
entre vários tipos de rochas e obter informações sobre suas
características. Grande parte das superfícies rochosas con­
siste de vários tipos de minerais. Clark (1999) sugere que
é possível modelar a reflectância de uma rocha exposta que
contenha vários minerais ou um único mineral, com base
na equação de Hapke (1993):
r _ w’ x P x [(1 + B }P + H H fi (14-4)
x 4n p + po
onde r. é a reflectância no comprimento de onda A., \\r é o
cosseno do ângulo de incidência da luz sobre a rocha ou mi­
neral de interesse, p é o cosseno do ângulo da luz emitida, g é
ângulo fase, w’é o albedo médio de espalhamento individual
da rocha ou mineral de interesse, é uma função de retro-
espalhamento, P é a função de fase média da partícula indi­
vidual, e H é uma função para espalhadores isotrópicos.
Equipado com esta avançada teoria de reflectância e com
as conhecidas constantes ópticas dos minerais, é possível
computar os espectros teóricos de reflectância para 1) mi­
nerais puros que tenham tamanho único de grão, 2) mi­
neral puro com uma variedade de tamanhos de grãos, e 3)
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
misturas minerais com variados tamanhos de grãos (Clark,
1999). Isto é importante porque significa que nós pode­
mos conseguir predizer como as curvas de reflectância de
tipos específicos de minerais ou rochas deveríam parecer
nos vários comprimentos de onda. Isto pode ser impor­
tante quando tentamos interpretar a informação contida
em dados de sensoriamento remoto por espectroscopia de
imageamento de terrenos mineralizados.
Espectroscopia de Imageamento de
Rochas e Minerais
Os instrumentos de espectroscopia de imageamento são
úteis para a obtenção de informações quantitativas sobre
tipos de rochas e composições de minerais. No Capítulo
7 foram revisadas as características fundamentais dos siste­
mas sensores de espectroscopia de imageamento, tais como
o AVIRIS (Airborne Visible Infrared Imaging Spectrome-
ter). A presente seção revê as características fundamentais
que impactam nossa capacidade de determinar tipos de
rochas e composições minerais quando utilizamos espec-
trometria de imageamento.
Espectrôm etros de Im ageam ento
Os espectrômetros de imageamento podem ser usados em
laboratório, em campo ou instalados num avião para missões
de sensoriamento remoto. As espectroscopias de reflectância
e de emitância de superfícies naturais são sensíveis a ligações
químicas específicas dos materiais. N o passado, um dos pro­
blemas associados à espectroscopia era que ela era muito sen­
sível a pequenas mudanças na química e/ou na estrutura dos
materiais. Isto resultava na criação de curvas espectrais muito
complexas, as quais eram frequentemente ininteligíveis. Fe­
lizmente, grandes avanços foram obtidos em 1) qualidade de
sensores espectrômetros imageadores, e 2) nossa habilidade
de entender e de destrinçar o conteúdo de informação pre­
sente nos dados gerados por espectrorradiômetros. Assim, o
que então era uma desvantagem (ou seja, curvas de reflectân­
cia espectral muito complexas) tornou-se agora uma vanta­
gem, na medida em que permite aos cientistas extrair mais
informações úteis sobre a química do ambiente natural.
Interações Energia-M atéria — Processos de Reflexão e
de Absorção
Com o já foi discutido anteriormente, os fótons da luz inci­
dente num mineral ou rocha são 1) refletidos pelas superfí­
cies dos grãos para outras superfícies de grãos, 2) transmi­
tidos através do grão para outros grãos, e/ou 3) absorvidos
dentro do grão. Para os fótons que são refletidos ou refrata-
dos, diz-se que foram espalhados. Os fótons espalhados po­
dem encontrar outro grão ou ser espalhados para longe da
Sensoriamento Remoto de Rochas e de Minerais
Figura 14-13 Comparação de espectros de alunita (um sulfato de
alumínio) obtido por sensor de laboratório; obtido
por simulação conforme as bandas TM/Landsat
(reamostrados a partir do espectro de laboratório);
e espectro obtido por um sensor GERIS (Geophysi-
cal and Environmental Research Imaging Spec-
trometer) de 63 canais, na região de Cuprite (NV,
Estados Unidos). Os símbolos e os números dos ca­
nais nas curvas do TM e do GERIS identificam os
centros das bandas. Muitas informações caracterís­
ticas de bandas de absorção são perdidas pela curva
simulada TM (com exceção da baixa reflectância
na banda 7 do TM , localizada em 2,2 pm), ao
passo que grande parte da informação espectral está
preservada na curva do GERIS. Os espectros estão
deslocados verticalmente para maior clareza (con­
forme Kruse et al., 1990).
superfície, talvez em direção a um sistema sensor remoto,
onde sua quantidade e as propriedades podem ser detec­
tadas e medidas. E importante enfatizar que nós estamos
interessados aqui em fótons originados no Sol e que intera­
jam com o mineral de interesse. É interessante lembrar, no
entanto, que os fótons podem também ser emitidos de um
mineral porque (como discutido no Capítulo 8) todos os
objetos acima de zero absoluto emitem radiação.
Se todo mineral absorvesse e espalhasse os fótons inci­
dentes de maneira idêntica, então não haveria base para o
sensoriamento remoto mineralógico e, então, a quantida­
de de energia que deixaria cada tipo de mineral em com­
primentos de onda específicos seria idêntica. Felizmente,
certos tipos de minerais absorvem e/ou espalham energia
incidente de formas diferentes.
Há um certo número de processos que determinam como
um mineral absorverá ou espalhará a energia nele inciden­
te. Além disso, os processos de absorção e de espalhamen-
to de luz diferem em função do comprimento de onda (A.)
da luz em questão. A variedade de processos de absorção
523
Figura 14-14 a) O índice de refração e o coeficiente de extinção
do quartzo para o intervalo espectral entre 6 - 1 6
pm. b) As características de reflectância espectral
de quartzo pulverizado obtidas com um espectror-
radiômetro (segundo Clark, 1999).
e sua dependência do comprimento de onda permite-nos
derivar informações sobre a química de um mineral a partir
da energia refletida ou emitida. O sensor ideal é o espec-
trômetro de imageamento porque ele pode registrar grande
parte das informações de absorção, de forma muito seme­
lhante à de um espectrorradiômetro portátil. Consideremos,
por exemplo, as curvas de reflectância espectral da alunita
mostradas na Figura 14-13. A mais detalhada informação
de reflectância espectral é obtida quando é utilizado um es­
pectrorradiômetro portátil. Os dados aéreos de reflectância
espectral obtidos pelo sensor GERIS (Geophysical and En­
vironmental Research Imaging Spectrometer), de 63 canais,
mantém grande parte da informação espectral. Por outro
lado, grande parte da informação sobre absorção espectral
é perdida quando os dados espectrais são obtidos a partir
das seis bandas simuladas do sensor Thematic Mapper do
Landsat (Kruse et al., 1990).
Todos os materiais têm um índice de refração complexo. O
vácuo do espaço exterior, a atmosfera, o quartzo e a água,
todos têm diferentes índices de refração. Se nós iluminar-
 Sensoriamento Remoto de Solos,
524 CAPÍTULO Minerais e Geomorfologia

mos uma superfície plana com fótons de luz diretamente

de cima, a luz, R, será refletida pela superfície de acordo
com a equação de Fresnel:

( n - l )2 + K 2
(14-5)
(n + l ) 2 + K 2

onde n é o índice de refração e K é o coeficiente de extinção.

A Figura 14-14a (Clark, 1999) ilustra o índice de refração e o
coeficiente de extinção do quartzo. Destas ilustrações fica cla­
ro que as constantes ópticas (n eK ) para o quartzo variam for­
temente com o comprimento de onda. Notar que o índice de
refração (n) atinge um mínimo justamente antes de 8,5 pm
e de 12,6 pm. A reflectância relativa de quartzo pulverizado,
quando medida por um espectrômetro no intervalo espectral
entre 6 e 16 pm, é mostrada na Figura 14-14b (Clark, 1999).
Os espectros de reflectância do quartzo ao longo do visível e
do infravermelho próximo são praticamente zero e portanto
não estão mostrados. Entretanto, de 8 a 9,5 pm e em 12,6
pm há um notável aumento na reflectância. Se o quartzo ne­
cessita ser detectado de fato, usando espectrometria de image-
amento, é necessário utilizar a região entre 8 e 10 pm, como
está mostrado na citada figura. Porém, o que faz os espectros
de reflectância do quartzo aparecerem desta forma? Por que
certas partes do espectro são mais absorvidas do que outras? A
resposta reside no âmago do uso da espectrometria de image-
amento para análise mineral: é por causa dos tipos específicos
de absorção que ocorrem no interior dos minerais.

Processos de Absorção
Como foi demonstrado nas ilustrações anteriores, uma curva
de reflectância espectral típica obtida por um espectrômetro
de imageamento exibe vários máximos e mínimos. Os míni­
mos são causados por fortes bandas de absorção. Por exemplo,
espectros obtidos com sensor de laboratório e com o AVIRIS
para três minerais [caulinita, sulfato de alumínio (alunita) e
buddingtonita (um feldspato de amônia)] são mostrados na
Figura 14-15 (Van der Meer, 1994). Os cientistas documen­
taram que minerais específicos exibem espectros de absorção
relativamente únicos. Por exemplo, feições-chaves de absor­
ção associadas com caulinita são tipicamente encontradas em
2,17, em 2,21, em 2,32 e em 2,38 pm. Se um espectro exibir
mínimos e máximos nestas localidades, há grandes chances de
ser caulinita. E importante destacar aqui que somente sensores
hiperespectrais com resolução de larguras de bandas espectrais
da ordem de aproximadamente 10 nm têm a capacidade de
captar tais informações. Os espectrorradiômetros com largura
de banda de 20 nm podem perder inteiramente os mínimos e
máximos. Este diagrama também sugere que as diferenças em
máximos, mínimos e na declividade entre os máximos e os
mínimos podem permitir deduzir que estes três minerais po­
dem ser diferenciados um do outro usando dados de sensores
remotos espectrais. As bandas de absorção nestes minerais são
causadas por processos eletrônicos e vibracionais.
Figura 14-15 Espectros de três minerais, derivados do AVIRIS
(Airborne Visible Infrared Imaging Spectrometer)
e usando um espectrorradiômetro de laboratório
(segundo Van der Meer, 1994). As linhas verticais
identificam feições-chaves de absorção, úteis para
identificar a caulinita. A discrepância entre as curvas
de laboratório e AVIRIS para cada mineral são devi­
das a 1) os espectros de laboratório são produzidos
pelo uso de amostras puras, enquanto que os dados
AVIRIS são extraídos de áreas relativamente grandes
(20 x 20 m) que contêm uma mistura de materiais
dentro do campo de visada instantâneo (IFOV) do
sistema sensor, 2) os dados AVIRIS são registrados
sob efeitos atmosféricos, e 3) as amostras de labo­
ratório estão secas, enquanto as outras, obtidas em
condições de campo, podem exibir pequenas diferen­
ças na umidade dos solos. Os espectros estão desloca­
dos verticalmente para efeitos de maior clareza.
Processos Eletrônicos: o processo eletrônico mais comum
revelado nas curvas de reflectância espectral de minerais é
devido a camadas de elétrons não preenchidas de elemen­
tos de transição como Ni, Cr, Co, Fe, etc. (Clark, 1999).
Isto é chamado de efeito de campo cristalino. As bandas de
absorção podem também ser causadas por absorções por
transferência de carga, bandas de condução e centros de cores.
Boas exposições sobre estes itens podem ser encontradas
Sensoriamento Remoto de Rochas e de Minerais
em Clark (1999) ou no M anual de Sensoriamento Remoto
— Geociências (Rencz, 1999), para informações detalhadas
relacionadas com estes processos de absorção eletrônica.
Processos V ibracionais
As ligações numa molécula ou numa estrutura de cristal po­
dem ser comparadas a elásticos com pesos presos neles, que
causam vibrações no sistema. A frequência de vibração de­
pende das ligações na molécula e de suas massas. Para uma
molécula com N átomos, há 3N-6 modos normais de vibra­
ções chamadas fundamentais. Cada vibração pode também
ocorrer grosseiramente em múltiplos das frequências fun­
damentais originais. As vibrações adicionais são chamadas
de overtons ou combinações. Hunt (1977) desenvolveu um
diagrama de assinatura espectral que sumariza o impacto
dos processos de absorção eletrônicos e vibracionais para um
grupo de minerais (Clark, 1999). Agua, hidroxila, carbo-
natos, fosfatos, boratos, arsenatos e vanadatos apresentam
bandas de absorção vibracionais diagnosticas.
Bibliotecas de Reflectâncias Espectrais
O U.S. Geological Survey compilou uma Digital Spec-
tral Library (Biblioteca Espectral Digital) (U SG S Speclab,
2006). O Califórnia Institute o f Technology Jet Propul-
sion L.aboratory compilou uma biblioteca espectral que
inclui a biblioteca de Salisbury et al. (1991), a JP L A ST ER
Spectral Library e a supramencionada U SG S Digital Spec-
tral Library (JPL, 2006). Estas são bibliotecas espectrais
precisas. O recomendável é que se usem apenas bibliotecas
espectrais que foram criadas usando rigorosos padrões de
calibração da espectroscopia de imageamento.
O btenção de M apas M inerais pelo Uso de D ados Hi-
perespectrais
Se nós dispusermos de espectros de alta resolução espectral
para uma superfície rochosa desconhecida e removermos
os efeitos atmosféricos, convertendo os valores de brilho
para reflectância percentual (ou exitância), então pode­
remos pesquisar uma biblioteca espectral para identificar
os tipos de minerais que apresentam espectros idênticos
ou muito similares aos da biblioteca pesquisada. Desta
maneira, o imageamento espectroscópico pode ser usado
para derivar informações mineralógicas significativas com
pouco ou nenhum trabalho de campo in situ. Em algumas
situações, mapas mineralógicos podem ser feitos.
Consideremos, por exemplo, os dois mapas minerais mos­
trados na Prancha Colorida 14-1, os quais foram derivados
de dados AVIRIS de baixa e de alta altitude obtidos sobre
Cuprite, NV (Swayze et al., 1999). Os cientistas do USGS
inicialmente removeram os efeitos atmosféricos dos dados e
525
em seguida usaram um programa computacional (o Tetracor-
der) para comparar os espectros calibrados, obtidos para cada
pixel pelo AVIRIS, com espectros contidos numa biblioteca
de reflectâncias espectrais de minerais. Vinte e quatro cate­
gorias de minerais foram encontradas na região entre 2 e 2,5
pm, usando o Tetracorder. Notar o detalhamento presente
nos dados AVIRIS de baixa altitude (2,3 x 7m), quando
comparados com os resultados dos dados menos refinados do
AVIRIS de alta altitude (18 x 18m) (Swayze et al., 1999).
Rowan et al. (2000) conduziram um estudo geobotânico
usando dados AVIRIS da Carolina do Norte e da Carolina
do Sul, visando identificar rochas de alteração hidrotermal,
com base em características de reflectância espectral de ve­
getação florestal ali presentes. Monoculturas esparsas de cas-
tanheiras resultaram em menores densidades de dosséis nos
sítios de rochas alteradas, expressando-se em menores imen­
sidades de absorção O-H nos dados AVIRIS. Galvão et al.
(2005) usaram feições de absorção da hidroxila bem defini­
das ocorrentes em 2.200 nm para identificar minerais alte­
rados hidrotermalmente (caulinita e moscovita), com dados
ASTER. Entretanto, estes autores advertem que coberturas
vegetais densas diminuem a probabilidade de identificação
correta nos ambientes tropicais. Ellis e Scott (2004) utili­
zaram dados hiperespectrais HyMap e bandas de absorção
para diferenciar entre biotita e topázio no Reino Unido. As
bandas de absorção associadas com o sensoriamento remoto
de solos salinos são encontradas em Farifteh et al. (2006).
Características A ST E R de Reflectância e de Absorção
Üteis para Discrim inação M ineral e Rochosa
Várias das características diagnosticas espectrais de rochas e
de minerais são encontradas na porção espectral do infraver­
melho termal. O mais importante sensor orbital que fornece
tais tipos de informações é o A STER (Advanced Spacebor-
ne Thermal Emission and Reflection Radiometer), a bordo
do satélite EOS/Terra. Seis bandas A STER (da banda 4 à
banda 9) cobrem o intervalo do infravermelho de ondas
curtas (SWIR). A banda 6 está centrada numa feição de
absorção da argila, frequentemente associada com alteração
hidrotermal e potencial mineral. A banda 8 está centrada
numa feição de absorção por carbonato, permitindo então
a discriminação de calcários e dolomitas em relação a outras
rochas. Cinco bandas A ST ER (da banda 10 à 14) cobrem o
infravermelho termal (TIR). As bandas 10, 11 e 12 foram
projetadas para detectar feições espectrais dos sulfatos e da
sílica. Analisando a reflectância na banda 6 (SWIR) conjun­
tamente com a banda 10 (TIR) pode-se discriminar entre
minerais comuns como a alunita (um sulfato importante
para depósitos minerais preciosos) e a anidrita (um sulfato
evaporativo comum em regiões áridas). A banda 14 é cen­
trada numa feição espectral de absorção do carbonato com­
plementar da banda 8 (SWIR) (NASA ASTER, 2006).

526 CAPITULO
A Terra não é uma rocha sólida. Ela está em constantes
mudanças, movendo-se e sendo rearranjada. A Geologia é
a ciência das rochas. Ela revela a imensa história da Terra e
explana suas formações geológicas. A partir de um ponto
de vista geológico, a humanidade chegou apenas recente­
mente, sendo uma espécie dentre milhões que comparti­
lham o patrimônio terrestre.
A Paleontologia é o estudo dos fósseis remanescentes de
organismos antigos, que foram transformados em rochas.
William Smith (1769-1839) é considerado o pai da geolo­
gia inglesa. Ele estudou minas inglesas de carvão e obser­
vou que as camadas similares de rochas sedimentares eram
expostas ao longo de grandes áreas geográficas. Ele identifi­
cou e correlacionou os estratos por seus conteúdos fósseis.
Descobriu que a ordem em que as rochas foram deposita­
das não variava, apesar da extensão geográfica analisada.
Ele concluiu que as rochas inferiores eram mais velhas do
que as superiores.
O geólogo escocês James Hutton (1726-1797) trabalhou
sobre as descobertas de Smith e concluiu que a história das
rochas ocorre em ciclos (Trefil e Hazen, 1995). As rochas
são decompostas em sedimentos por meio do intemperismo.
O sedimento é frequentemente movido por forças de erosão
e de transporte de massa, acumulando-se em novos locais. O
sedimento é então consolidado num novo tipo de rocha,
que pode ser enterrado sob mais rocha, até que, aquecido
até o ponto de derretimento, pode fluir sob pressão até a
superfície como lavas extrusivas ou até a algum local inte­
rior como magma intrusivo. A lava ou o magma resfriam-se
em rochas. O intemperismo inicia-se imediatamente nas
lavas extrusivas, ao passo que pode levar milênios até que
o magma intrusivo seja exposto à superfície, onde ele pode
ser intemperizado. Em qualquer caso, o ciclo começa outra
vez. Hutton levantou a possibilidade de que a Terra pudesse
ser mais antiga do que se pensava previamente, continua­
mente mudando e reciclando-se (Selby, 1989).
Charles Lyell (1797 - 1875), o fundador da geologia mo­
derna, introduziu o uniformitarianismo - conceito segun­
do o qual os eventos passados ocorreram às mesmas taxas
em que ocorrem atualmente. Por exemplo, uma rocha se­
dimentar foi formada pelos mesmos processos de deposi­
ção e cimentação sedimentar e às mesmas taxas que podem
ser observadas hoje. Ele foi o primeiro a sugerir que a Terra
tinha uma idade de milhões de anos.
Finalmente, Alfred Wegener (1880 — 1930) propôs a te­
oria da deriva continental. Durante o período da guerra
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
fria, nos anos da década de 1950, os cientistas americanos
e russos instalaram detectores sensíveis a vibrações com
o objetivo de monitorar reciprocamente testes atômicos.
Estes instrumentos permitiram também a identificação de
milhares de epicentros de terremotos em todo o planeta.
Estes epicentros usualmente ocorriam ao longo de linhas
claras. Então tornou-se claro aos geólogos que estas linhas
eram bordas de enormes placas tectônicas terrestres e que
os terremotos eram resultados da fricção entre as placas.
Os continentes sobre as placas estavam movendo-se lenta­
mente na superfície terrestre. O conceito de placas tectôni­
cas está relacionado com, mas não é idêntico ao conceito
de deriva continental. Atualmente, muitos fenômenos ge­
ológicos podem ser explicados por estes dois conceitos.
Grande parte de nossas informações geológicas advêm de
investigações detalhadas feitas in situ por geólogos e paleon­
tólogos. Eles escavam buracos de sondagem na Terra para
extrair amostras-chaves e interpretar fósseis remanescentes.
Além disso, alguns destes cientistas usam tecnologia de sen­
soriamento remoto aéreo e por satélites para suplementar suas
investigações in situ. As imagens de sensoriamento remoto
são rotineiramente interpretadas para identificar litologia,
estrutura, características dos padrões de drenagem e formas
terrestres. Adicionalmente, o sensoriamento remoto é fre­
quentemente usado para exploração mineral e de petróleo.
Litologia*•
Os geólogos utilizam sensoriamento remoto conjuntamen­
te com observações in situ para identificar a litologia de um
tipo de rocha, i.e., sua origem. Os diferentes tipos de ro­
chas são formados por um dos seguintes três processos:
• rochas ígneas são formadas por material fundido;
• rochas sedimentares são formadas por partículas de ro­
chas pré-existentes e por remanescentes de plantas e de
animais; ou
• rochas metamórficas são formadas pela aplicação de ca­
lor e pressão sobre rochas previamente existentes.
As rochas são intemperizadas a partir da rocha matriz e
transportadas por erosão e transporte de massa. Os mate­
riais sedimentares inconsolidados são chamados depósitos
superficiais. Os depósitos superficiais podem ser transporta­
dos e eventualmente depositados pela água, em cujo caso
chamamos de depósitos aluviais. Os exemplos incluem deltas
aluviais, bancos de areia, restingas e terraços fluviais. Se o
material inconsolidado é transportado por gelo, nós temos
materiais arenosos glaciais (“glacial till”), incluindo morainas
e colinas. Quando o material inconsolidado é transportado
Geologia
Camadas estratificadas horizontalmente
Dobras Anticlinal
Dobramento (compressão)
Figura 14-16 a) Camadas estratificadas horizontalmente, b) Ca­
madas estratificadas horizontalmente que foram
comprimidas, criando dobras na rocha, incluindo
anticlinais e sinclinais. c) Um exemplo de falhamento
onde um bloco foi rebaixado em relação a dois blocos
estáveis de rocha. Isto é referido como “riffing”.
pelo vento, encontramos as paisagens eólicas, incluindo du­
nas de areia e depósitos limosos glaciais. Finalmente, a massa
que deixa as rochas por gravidade pode produzir taludes ou
montes de pedras. Sob certas condições favoráveis, todos es­
ses materiais podem ser visíveis por sensoriamento remoto.
Estrutura
As maiores cadeias de montanhas do mundo são de ori­
gem vulcânica ou por dobramento. As montanhas no oce­
ano (ilhas) são usualmente vulcânicas. A vasta maioria das
montanhas encontradas nos continentes foram criadas por
dobramento. Basicamente, a maior parte da orogênese (sur­
gimento das montanhas) toma lugar às margens dos conti­
nentes onde placas continentais empurram-se mutuamente,
fazendo com que as rochas sejam comprimidas e forçadas a
se mover para cima, às vezes por milhares de metros.
O tipo de rocha determina quanto estresse (ou compressão)
que ela pode suportar. Quando uma rocha (Figura 14-I6a)
é submetida à compressão, ela pode sofrer 1) uma deforma­
ção elástica, caso em que ela pode retornar à sua forma e ta­
manho originais depois que o estresse é removido, 2) uma
deformação plástica (também chamada de dobramento), que
527
Figura 14-17 a) Terreno estratificado horizontalmente, b) Um
monoclinal suavemente inclinado, c) Um anti­
clinal suavemente inclinado, d) Um sinclinal. e)
Uma sobredobradura.
é irreversível (i.e., o estresse compressional está acima do li­
mite elástico) (Figura 14-16b), ou 3) fraturamento, onde o
limite plástico é excedido e a rocha quebra-se em pedaços
(os pedaços podem ser extremamente grandes!) (Figura 14-
16c). O basalto tem uma ruptura compressiva média ou
força de fratura (em kg/cm2) de aproximadamente 2750,
o quartzito (2020), o granito (1480), a ardósia (1480), o
mármore (1020), o calcário (960) e o arenito (740). Desta
forma, se mais do que 2750 kg/cm2 de compressão forem
aplicados a um pedaço de basalto, ele pode fraturar. Os
arenitos fraturam-se sob compressões bem menores.
D obram ento ,
Dobramento ocorre quando materiais horizontalmente es-
tratificados são comprimidos. A compressão resulta em
ondulações impressas nos estratos. Há quatro tipos bási­
cos de dobras. Uma monoclinal é uma dobra simples num
material estratificado horizontalmente, aparentando uma
rampa arredondada (Figura 14-17b). Usualmente os mo-
noclinais são assimétricos. Arcos dobrados para cima são
chamados anticlinais (Figura 14-17c), sendo que as rochas
mais antigas situam-se no centro da dobradura convexa.
 Sensoriamento Remoto de Solos,
528 CAPÍTULO Minerais e Geomorfologia

Falhas

Direção de ataque

a. Falha normal “dip-slip

b. Falha de deslizamento lateral

c. Falha por deslizamento oblíquo

Figura 14-18 a) Uma falha normal (“dip-slip”), onde a parede lateral é deslocada a partir de um paredão. Notar que o ângulo do
plano de falha é chamado mergulho e que a linha de falha tende a cruzar o terreno numa certa direção azimutal de­
nominada de direção de ataque. O deslocamento causa uma escarpa de falha, b) Uma falha de deslizamento lateral, c)
Uma falha por deslizamento oblíquo.

Os leitos de camadas sedimentares mergulham em direções
opostas em relação ao eixo central do anticlinal. A figura
contrária de um anticlinal é o sinclinal, cuja dobradura é
para baixo (Figura l4-17d). Os sinclinais possuem uma
dobradura côncava em que tipicamente as rochas mais re­
centes localizam-se em seu centro. Um sinclinal é uma do­
bra na qual os leitos sedimentares mergulham para dentro
a partir ambos os lados, formando um vale sinclinal.
Anticlinais e sinclinais podem ser simétricos ou assimétri­
cos. Eles podem também mergulhar para baixo da super­
fície, criando um anticlinal mergulhante ou um sinclinal
mergulhante. Algumas vezes as forças compressivas são tão
grandes que os leitos sedimentares são sobredobrados um
sobre outro (Figura 14-I7e). Os anticlinais e os sinclinais
são continuamente intemperizados, dando origem a uma
variedade de formas geográficas (“landforms”), tais como
Geologia 529

Tabela 14-1. Parâmetros morfométricos da drenagem (adaptado de Reddy et al., 2004).

Parâmetro morfométrico Algoritmo Descrição
n
Densidade de drenagem (D J Com prim ento total (L) de n canais numa bacia
S /,
Dd=
de drenagem, dividido pela área superficial
' A (A) da bacia.
Razão de bifurcação (R'J Razão entre o número de canais de qualquer ordem

=4
_
II W
pelo número de canais na próxima maior ordem.

Relevo da bacia ( B j) B h = h max - h mm Distância vertical máxima entre o ponto mais baixo
e o ponto mais alto de uma sub-bacia.
índice de rugosidade (R ) >2 Produto de Relevo da bacia por sua Densidade
II

X
de drenagem.
Frequência de canais (F J Razão entre o número total de canais e a área
F =—
" A da bacia.
Razão de Textura ( 7) Razão entre o número total de canais de primeira
T=N{f) ordem e o perímetro da bacia.
Fator de forma (R ) Razão entre a área da bacia e o quadrado do
R< comprimento da bacia.

Razão de elongação (R ) Razão entre o diâmetro do círculo que tem a

r x m<Ãhz)) mesma área (que a da bacia) e o comprimento
máximo da bacia.

as cadeias de encostas escarpadas, etc. Exemplos de cama­
das dobradas em imagens de sensoriamento remoto são
encontrados na secção sobre “Formas Geográficas desen­
volvidas em camadas dobradas”.
Falhas
As fraturas de rochas podem ser divididas em duas cate­
gorias: juntas e falhas. Uma ju n ta é uma fenda na rocha
ao longo da qual não há significativo deslocamento (i.e.,
movimento oblíquo ou vertical). Uma falh a é uma fenda ao
longo da qual houve deslocamento. Os falhamentos envol­
vem o movimento de blocos massivos de rocha e usualmen­
te originam terremotos. São somente as fraturas ao longo
das quais os corpos rochosos realmente se movem um em
relação ao outro que chamamos defalhas. Este deslocamen­
to pode ser local ou ocorrer por centenas de quilômetros.
Em certos casos, a direção e a quantidade de movimen­
to (deslocamento) ao longo destes lineamentos podem ser
medidos a partir de sensoriamento remoto passivo (p.ex.,
Won-In e Charusiri, 2003; Fernandes da Silva, 2005) e por
sensoriamento remoto ativo (Hooper et al., 2003).
Há três tipos principais de deslocamentos em falhas, in­
c lu in d o :^ /^ normal, falh a de desligamento t falh a por desli­
ze oblíquo, como está mostrado na Figura 14-18. O desloca­
mento que ocorre para cima ou para baixo do plano de falha
produz uma falh a normal { “dip-slip fa u lt’) (Figura 14-I8a).
Se o deslocamento ocorre paralelamente ao plano de falha
ocorre uma falh a de desligamento lateral { “strike-slip fa u lt’)
(Figura 14-18b). Deslocamentos para cima e para baixo ao
longo da linha de falha criam falhas híbridas por deslizameto
oblíquo ( “oblique-slip’) (figura 14-18c). O diagrama também
realça vários parâmetros que podem ser identificados quan­
do se usa uma combinação de trabalho de campo e dados de
sensoriamento remoto. A escarpa de falh a e a linha de falha
podem ser identificáveis. Elas podem tender para uma certa
direção no terreno, denominada direção de ataque { “strike
direction). O ângulo em que a superfície é inclinada a par­
tir do plano horizontal é o ângulo de mergulho (0), sendo
medido para baixo em relação ao plano horizontal, numa
amplitude entre 0o e 90°. A direção de mergulho (0o a 359°) é
medida ortogonalmente à direção de ataque. Fiá vários tipos
de falhas do tipo “dip-slip faults”, que são discutidos na sec­
ção sobre “Formas de Terreno Controladas por Falhas”.
Morfometria e Padrões de Drenagem
Os parâmetros de drenagem superficial podem ser medi­
dos por dados de sensores remotos. Alguns dos parâmetros
morfométricos mais expressivamente usados são sumariza-
dos na Tabela 14-1 (Reddy et al., 2004). Nós focaremos
aqui principalmente na densidade de drenagem (que é de­
finida como o comprimento total de n canais numa ba­
cia de drenagem dividido pela área superficial da bacia),

530 CAPÍTULO
relacionando este parâmetro com a textura encontrada em
dados de sensoriamento remoto. Analisaremos então as ca­
racterísticas dos vários padrões de drenagem.
D ensidade de drenagem e Textura
A permeabilidade de um solo ou rocha (i.e., quão facilmente
a água passa através do material) tem uma grande correla­
ção com a densidade de drenagem. A permeabilidade é in­
versamente proporcional ao escoamento. Nos locais onde a
permeabilidade é baixa e o escoamento é alto, tipicamente
muitos canais são formados. Ao contrário, quando a perme­
abilidade é alta e o escoamento superficial é baixo, grande
parte da água se infiltra no perfil do solo e maiores superfícies
são requeridas para prover suficiente escoamento para a cria­
ção e manutenção de um canal (ou tributário). Argilas fracas
e relativamente impermeáveis e xistos produzem a mais alta
densidade de drenagem. Regiões com densidades de drena­
gem extremamente altas são chamadas “badlands”, p.ex., o
“Badlands National Monument” em Dakota do Sul.
Os padrões de drenagem visíveis em dados de sensoriamen­
to remoto, anteriormente discutidos, podem ser descritos
como tendo texturas dos tipos: fina, média ou grosseira.
Textura é formalmente definida como a razão entre o nú­
mero total de canais de primeira ordem e o perímetro da
bacia (Tabela 14-1). Um padrão de drenagem com textura
fina tipicamente exibe pequenas distâncias entre tributários
de primeira ordem, i.e., apresenta uma alta densidade de
canais muito próximos entre si por unidade de área (ou pe­
rímetro). Esta textura indica alto escoamento de formações
facilmente erodíveis, tais como as compostas por solos ricos
em argila e xistosos de baixa permeabilidade. Um padrão de
drenagem de textura média apresenta densidades e distâncias
moderadas entre tributários. E produzida por escoamento
moderado de solos ou leitos rochosos relativamente perme­
áveis. Leitos finos de arenitos podem produzir tais texturas.
Um padrão de drenagem de textura grosseira apresenta baixa
densidade de drenagem, com canais largamente espaçados
entre si, sugerindo a presença de tipos de rochas duras e re­
sistentes (p.ex., granitos, gnaisses) e/ou de solos muito per­
meáveis. Tais materiais tipicamente absorvem uma grande
quantidade de água, ocorrendo então pouco escoamento.
Além disso, o leito rochoso pode ser fraturado.
Padrão de drenagem
O padrão de drenagem desenvolvido ao longo do tempo
numa paisagem fornece chaves sobre a litologia do leito ro­
choso (p.ex., ígnea, sedimentar, metamórfica), a topografia
(declividade, aspecto), a textura do solo e/ou os materiais
rochosos, a permeabilidade do solo (que mostra quão bem
a água percola através do solo), e o tipo de geomorfologia
presente (p.ex., aluvial, eólica, glacial). Ao mesmo tempo
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
em que se ressalta a importância das informações in situ,
muitos cientistas usam as vantagens das visadas sinópticas e
abrangentes possibilitadas pelo sensoriamento remoto, que
permitem apreciar o padrão de drenagem em nível regional.
Portanto, é importante a habilidade de reconhecer os princi­
pais padrões de drenagem em dados de sensores remotos.
Algumas vezes pode ocorrer uma variedade de padrões de
drenagem no interior de uma bacia ou de uma região e,
neste caso, dá-se o nome de padrão misto. Sempre que pos­
sível, é melhor estratificar o padrão misto em múltiplas
áreas com padrões distintos. E importante também lem­
brar que o padrão de drenagem pode ser composto de ca­
nais úmidos e secos, especialmente em ambientes áridos.
Padrão Dendrítico: é o mais comum padrão de drenagem
(Figura l4-19a). E caracterizado por um padrão semelhante
ao de uma árvore, com ramos que se interligam em ângu­
los preferencialmente agudos (i.e., < 90°). Há poucas curvas
abruptas nos canais de drenagem. Os padrões dendríticos são
desenvolvidos por cabeceiras de erosão aleatórias de canais
sobre rochas de resistência uniforme com pouco ou nenhum
controle estrutural causado por dobramento ou por falha-
mento. Este padrão é frequentemente encontrado em geo-
morfologias compostas de rochas sedimentares estratificadas
horizontalmente (p.ex., xisto) relativamente homogêneas,
conglomerados glaciais (p.ex., limo calcário), rochas vulcâni­
cas, em planícies arenosas costeiras, em planícies estuarinas
(Figura 14-19a), ou em planícies sedimentares glaciais.
Padrão Plum iform e ( “Pinnate”, em inglês): Um padrão
de drenagem plumiforme é uma variação do padrão den­
drítico, onde os canais e sulcos apresentam um formato de
ramificação semelhante à da samambaia, com interligações
tipicamente em ângulos agudos. Este padrão indica a pre­
sença de alto conteúdo de silte, usualmente consistindo
de limo calcário, aluvião siltoso, ou materiais sedimentares
erodíveis muito frágeis.
Padrão Treliça: O padrão de drenagem treliça é um pa­
drão dendrítico modificado, que assemelha-se a uma vinha
numa treliça de jardim. Este padrão frequentemente exibe
tributários primários paralelos, retos, e tributários secundá­
rios mais curtos que se ligam aos ramos maiores em ângu­
los retos. Este padrão de drenagem frequentemente indica
que a estrutura rochosa subjacente é inclinada, dobrada ou
falhada. Frequentemente é encontrado em rochas sedimen­
tares interestratificadas. A drenagem treliça é especialmen­
te comum em áreas de rochas sedimentares dobradas de
resistências diferentes, tais como na topografia de Ridge e
Valley, nas Appalachian Mountains desde Nova York até
Alabama, ou associadas com as cadeias de encostas de Uinta
Mountains, em Utah (Figura 14-19b). Os canais primários
paralelos fluem pelos lados das rochas mais resistentes.
Geologia 531

Figura 14-19 a) Topo: padrão de drenagem dendrítico hipotético. Embaixo: Fotografia aérea vertical de um padrão de drenagem den­
drítico encontrado em Tivoli North Bay da Hudson River National Estuarine Research Reserve, em New York. b) Padrão
de drenagem treliça encontrado nas cadeias de Uinta Mountains, em Utah (dados MSS Landsat). c) Padrão de drenagem
retangular controlado estruturalmente do Colorado River no Grand Canyon (dados da banda 4 do Thematic Mapper;
cortesia da Space Imaging, Inc.).

Padrão retangular: Um padrão de drenagem retangular
também exibe um padrão semelhante ao de uma árvore;
entretanto, os canais principais apresentam curvas mais
abruptas. Os canais frequentemente se juntam em ân­
gulos retos. Este padrão desenvolve-se em áreas onde há
juntas e falhas no leito rochoso. A drenagem retangular
está presente onde as rochas são fraturadas, juntadas ou
foliadas e são provavelmente metamórficas, como ardósia,
xisto, ou gnaisse. Este padrão também pode ocorrer em
arenitos duros de climas áridos (Figura 14-I9c). Quanto
mais reto e retangular for este padrão, geralmente me­
nos espesso o solo que cobre a rocha (Rasher e Weaver,
1990). Embora tanto o padrão treliça como o retangular
apresentem tributários juntando-se em ângulos retos, os
canais individuais dos padrões retangulares geralmente
têm curvas em ângulos retos.
Padrão Paralelo: Um padrão de drenagem paralelo consiste
de tributários que fluem praticamente paralelos entre si. To­
dos os tributários juntam-se ao canal principal em ângulos
muito similares. A drenagem paralela sugere que a área apre­
senta declividades suaves e uniformes. Os tributários seguem
sobre rochas pouco resistentes. A drenagem paralela e a ra­
dial no vulcão Maui, HI, são mostradas na Figura l4-20a.
Padrão R adial (C entrífugo) e Centrípeto: Um padrão
de drenagem radial forma-se quando a água flui a partir
de uma colina ou domo. O padrão de drenagem radial
pode ter os canais unidos a um círculo, consistindo-se
então de uma rede de canais quase paralelos (como se
fossem os raios de uma roda) fluindo para lora de um
ponto central ou dom o (o que seria então o eixo). N es­
te caso, entretanto, o eixo da roda é elevado acima dos
raios. A drenagem radial é frequentemente encontrada
em vertentes de cones vulcânicos, como a Diam ond
Head Crater, em Oahu, HI; ou em terrenos m ontanho­
sos escarpados (Figura l4-20b). Pode ser referido tam ­
bém como drenagem radial centrífuga.
 Sensoriamento Remoto de Solos,
532 CAPÍTULO Minerais e Geomorfologia

a. b. c.

Figura 14-20 a) Imagem radar SIR-C de padrões de drenagem paralelo e radial encontrados no cone vulcânico em Maui, HI (cortesia jet
Propulsion Laboratory/NASA). b) Fotografia aérea oblíqua da Diamond Head Crater em Oahu, HI, revelando os padrões de
drenagem radial e centrípeto interior, c) Fotografia do Space Shuttle de padrão de drenagem anular na Manicouagan Crater,
em Canadian Shield, na Província de Quebec, Canadá (cortesia Johnson Space Center/NASA; STS009-48-3139).

Um padrão de drenagem radial também pode desenvolver-
se em áreas circulares que drenam dentro de uma bacia
comum ou de uma depressão. Este é referido como drena­
gem radial centrípeta. Neste caso, o eixo da roda é menor
do que os raios. Um vulcão pode ter drenagem radial cen­
trífuga no seu exterior e uma drenagem radial centrípeta
nas paredes interiores da cratera (Figura l4-20b).
Padrão Anular: Um padrão de drenagem anular é seme­
lhante ao padrão radial exceto que os tributários em for­
mato de anel interceptam os canais radiais em ângulos re­
tos (Rasher e Weaver, 1990). Estes desenvolvem-se quando
os cursos ajustam-se a fluir em volta dos domos resistentes.
Domos de granito ou sedimentares frequentemente desen­
volvem este tipo de padrão, assim como crateras de mete­
oritos (Figura l4-20c).
Padrão dicotôm ico: Um padrão de drenagem dicotômico
pode ser encontrado em leques ou deltas aluviais na de­
sembocadura de canais ou rios (Figura 14-21 a). A água e
os sedimentos suspensos usualmente entram no delta alu-
vial por um único canal. O fluxo é então redistribuído ao
longo do delta através de um certo número de distributá-
rios. Num delta aluvial, os materiais grosseiros (pedregu­
lhos, cascalhos, etc.) são depositados no vértice do delta,
enquanto que os minerais menores e mais brilhantes são
depositados preferencialmente no final do delta. Em certos
casos, a drenagem dicotômica pode desaparecer comple­
tamente próximo ao final do delta, i.e., o material é tão
poroso que toda a água percola. Distributários dicotômi­
cos similares podem formar-se em deltas de rios (p.ex., o
Mississipi e o Nilo). Os padrões de drenagem dicotômi­
cos somente podem ser formados em deltas quando o se­
dimento suspenso é de granulação muito fina e pode ser
transportado em grandes distâncias.
Padrão entrelaçado ( “braided”, em inglês): Um padrão
de drenagem entrelaçado pode ser desenvolvido em pla­
nícies de inundação, onde a velocidade dos cursos não é
suficiente para mover os sedimentos suspensos para jusan-
Geologia 533

a. b. c.
Figura 14-21 a) Imagem ASTER de padrão de drenagem dicotômico em um delta aiuvial da cadeia de montanhas de Kunlun e Aitun no
sul de Taldimakan Desert na Província de Xinjiang, na China. A imagem foi adquirida em 02 de maio de 2002 (cortesia de
NASA/GSFC/M ETI/ERSDAC/JAROS e U.S./Japan ASTER Science Team). b) Foto Space Shuttle de padrão entrelaçado
no Rio Betsiboka, em Madagascar (cortesia Kamlesh Lulla; NASA Johnson Space Center). c) Imagem de radar SIR-C/X-
SAR do Rio Mississipi mostrando padrão de drenagem anastomosado (cortesia Jet Propulsion Laboratory/NASA).

te. O resultado é a deposição de material suspenso em ca­
nais entrecruzados que parecem com cabelos entrelaçados.
Consideremos, p.ex., o padrão entrelaçado encontrado na
desembocadura do rio Betsiboka, em Madagascar (Figura
l4-21b). As areias e cascalhos que são sistematicamente se­
lecionados e depositados na rede de drenagem podem even­
tualmente ter uma importância econômica significativa.
de fluxo. Basicamente, o sistema hidrológico não tem sufi­
ciente energia para remover o sedimento da área. O maior
canal se ajusta à diminuição em energia depositando sua car­
ga de sedimentos e aumentando o comprimento do canal.
Feições diagnosticas típicas incluem meandramento e cicatri­
zes remanescentes de meandros e/ou lagos cotovelos, como
aqueles encontrados no Rio Mississipi (Figura l4-21c).

Padrão desordenado: Um padrão de drenagem desorde­
nado exibe canais que vagueiam em desordem em pânta­
nos e entre corpos d’água (não mostrado). É encontrado
principalmente em paisagens muito jovens que têm topo­
grafia quase plana e lençol freático superficial. Pode ocorrer
em planícies glaciais jovens, morenas, planícies costeiras
baixas, e planícies de inundação. Usualmente, pântanos,
lamaçais e lagos estão presentes.
Padrão anastomosado: Um padrão de drenagem anastomo­
sado pode ser encontrado em planícies de inundação madu­
ras onde há sedimentos homogêneos e reduzida velocidade
Padrão cavidade (dolina): Um padrão de drenagem cavi­
dade consiste de lagos isolados que não parecem estar co­
nectados por qualquer drenagem superficial. Se pequenos
segmentos de canal estiverem presentes, eles frequentemen­
te terminam abruptamente ou desaparecem na topografia
calcária de cavidades e depressões. Este padrão de drenagem
desenvolve-se em calcários sedimentares (CaCO^), onde
cavidades e depressões se formam por dissolução química
(Trefil e Hazen, 1995). Algumas vezes redes de drenagem
subterrâneas, não visíveis em imagens, emergem para for­
mar nascentes e lagos. Um exemplo de topografia cavidade
na Flórida é mostrado na seção de topografia calcária.
534 CAPITULO 14
Geomorfologia
Formas de relevo são feições tridimensionais da superfície
terrestre formadas por processos naturais, como vulcões,
platôs, cadeias de montanhas, canais de drenagem, etc.
Geomorfologia é a ciência que estuda a natureza e a história
das formas de relevo, bem como os processos de intempe-
rismo, erosão e deposição que as originaram (Bocco et al.,
2005). O estudo da geomorfologia envolve uma análise
em relação a cinco processos principais que promovem
constante erosão ou deposição de materiais, incluindo o
movimento da água (fluvial), gelo (glacial), vento (eó­
lica) e águas subterrâneas. Geólogos, geógrafos físicos e
outros cientistas rotineiramente utilizam a visão sinóptica
proporcionada pelos dados de sensores remotos visando
identificar e interpretar feições geomórficas na superfície
terrestre. De fato, a identificação, o entendimento e a ava­
liação quanto à natureza das formas de relevo visíveis em
imagens de sensores remotos é um dos grandes benefícios
da ciência do sensoriamento remoto. É muito interessante
apreciar a tremenda beleza e variedade de formas de relevo
terrestres e como os ecossistemas associados com as várias
formas de relevo interagem entre si.
Contudo, é necessário um pouco de precaução. No final do
século dezenove e começo do século vinte, princípios relacio­
nados com a evolução da paisagem terrestre foram desenvol­
vidos, de tal forma que as atuais formas de relevo poderiam
ser interpretadas como estando em fase de evolução (p.ex.,
que vales de dissecação progridem desde a juventude, ma­
turidade até a senitude). As formas de relevo evoluem, mas
a complexidade da mudança climática e sua influência, os
efeitos do tectonismo e o impacto do homem como agente
geomorfológico podem ser de tal magnitude que poucos ge-
omorfólogos atualmente acreditam que exista uma simples
e direta sequência de formas de terreno, que possa ser reco­
nhecida como desenvolvendo-se conforme um determinado
padrão /«variável (Walsh et al., 1998; James, 2006).
Felizmente, muitas formas de terreno exibem atributos ob­
serváveis e repetíveis, tais como tamanho, forma, altura,
topografia tridimensional, composição, declividade, aspec­
to, etc. Estes atributos podem ser utilizados para classificar
as formas de terreno nas seguintes classes;
• formas ígneas
• formas desenvolvidas em estratos horizontais
• formas desenvolvidas em estratos dobrados
• formas controladas por falhas
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
• formas fluviais
• formas cársticas
• formas costeiras
• formas glaciais
• formas eólicas
O Soil Conservation Service, dos Estados Unidos, produ­
ziu um excelente manual que resume as principais formas
de terreno e como elas aparecem em fotografias aéreas (Ra-
sher e Weaver, 1990). Vários de seus exemplos são utiliza­
dos no presente capítulo. Short e Blair (1999) forneceram
uma abrangente revisão sobre como executar análise ge-
omorfológica a partir de imagens orbitais, visando obter
informações sobre formas de terreno grandes e regionais,
fornecendo exemplos de várias localidades do mundo.
Uma pergunta natural poderia ser: Qual é o tipo ideal de
dado e/ou imagem de sensoriamento remoto para estudar,
avaliar e classificar formas de relevo terrestres? Inicialmente,
pode-se dizer que nenhum sensor, sozinho, é ideal para o es­
tudo de todas as formas de terreno existentes. As fotografias
aéreas podem ser úteis para estudar formas de terreno numa
região relativamente livre de nuvens, como a região árida
do oeste dos Estados Unidos, ao passo que dados de radar
podem ser ideais para estudar formas de terreno em am­
bientes muito cobertos por nuvens (p.ex., Lu et al., 2004).
Muitos analistas podem extrair informações sobre formas de
terreno de uma única foto aérea ou imagem. Entretanto,
muitos outros preferem estudar formas de terreno via uma
apresentação tridimensional proporcionada por 1) fotogra­
fia ou imagem estereoscópica (p.ex., Baldi et al., 2005), 2)
sobrepondo uma imagem monoscópica sobre um modelo
digital de elevação e manipulando a posição de visada do
observador para realçar a topografia, e/ou 3) obtendo ima­
gens oblíquas que possam realçar a terceira dimensão. Além
disso, imagens obtidas em condições de baixos ângulos so­
lares frequentemente realçam as possibilidades de identificar
as formas do terreno. Finalmente, é importante realçar a
necessidade de cuidados quando se interpretam imagens do
Hemisfério Norte, uma vez que as sombras direcionam-se
para o norte em relação à posição do observador. Desta for­
ma, analistas experientes costumam rotacionar as imagens
do Hemisfério Norte de modo que o sul esteja para cima, vi­
sando evitar ilusões pseudoscópicas (p.ex., confundir cume-
adas de montanhas com vales). Algumas das ilustrações do
presente capítulo estão orientadas desta forma para facilitar
a interpretação. O contrário vale para o Hemisfério Sul.
Está além do escopo deste capítulo prover exemplos de to­
das as possíveis paisagens geomorfológicas presentes na su-
Geomorfologia 535

Vulcão com Cone de Cinza Menan Butte, em Idaho

Figura 14-22 Estéreopar pancromático do vulcão com cone de cinza Menan Butte, em Idaho, obtido em 24 de junho de 1960. É um dos
maiores vulcões em cone “tuff” do mundo, com um volume de 0,30 km3. A “tuff” é feita de vidro vulcânico que foi alterado
por água. O cone é do final do Pleistoceno. O vulcão Menam Butte também lançou lava por vários quilômetros a oeste (parte
inferior das fotografias). Há brilho cintilante em Henrys Fork na fotografia à esquerda, à medida em que a lava flui para dentro
do Rio Snake. Notar a drenagem radial e paralela nos flancos da cratera e drenagem centrípeta no interior da cratera.

i
perfície terrestre. Entretanto, exemplos representativos de Isla Isabela, nas Ilh as G aláp ag o s
algumas das mais importantes formas de terreno são apre­
sentadas. E recomendável recorrer a livros relacionados com
análises geomorfológicas a partir de plataformas aéreas, tais
como Shelton (1966), Short e Blair (1999), Rasher e Wea­
ver (1990), Strain e Engle (1993), e Way e Everett (1997).

Formas de Terreno ígneas

O manto superior terrestre é parcialmente fundido e contém

muitos minerais, que foram forçados em profundidade por
forças tectônicas e eventualmente fundidos. As rochas ígneas
são produzidas deste magma fluído fundido. Se o magma
é expulso para a superfície terrestre, originam-se as rochas
ígneas (vulcânicas) extrusivas. Se o magma é expulso até uma
porção da subsuperfície terrestre, formam-se as rochas ígneas
intrusivas. Se a lava fundida flui ou é explodida para fora
através de uma abertura central, produzindo uma colina ou
uma feição em forma de cone, nós teremos ali um vulcão.
Vulcões com cones de cinzas são construídos inteiramente de
materiais piroclásticos que foram ejetados no ar e caíram
nas adjacências do terreno, acumulando-se em formato de
cones. Consideremos, por exemplo, uma das crateras vulcâ­
nicas de Menan Butte (Figura 14-22). Esta cratera foi cria­
da quando um dique de magma irrompeu num aquífero
raso. A água do aquífero evaporou-se e fragmentou explo­
sivamente o magma basáltico em partículas semelhantes a
vidro denominadas “tuff”. O vulcão foi construído camada
Figura 14-23 Uma visão em perspectiva tridimensional de Isla
Isabela, nas Ilhas Galápagos. Trata-se de uma ima­
gem SIR-C/X-SAR do Space Shuttle sobreposta a
um modelo digital de elevação. As lavas a a rugosas
produzem um retorno radar brilhante no lado do
domo vulcânico. Os depósitos de cinzas pahoehoe,
relativamente lisos, aparecem como áreas escuras no
lado do vulcão (cortesia NASA/JPL).
por camada, por depósitos aéreos de “tuff” e por materiais
piroclásticos maiores. Os dois vulcões Menan Butte tam­
bém expulsaram lava para a superfície, cobrindo uma gran­
de porção do Idaho oriental. A cratera Diamond Head, em
Oahu, HI, também é um cone vulcânico de tuff.
Vulcões em domos (escudo) de lavas são criados quando a lava é
derramada na paisagem. Geralmente isto resulta em vulcões
com vertentes mais suaves, dependendo da viscosidade da
lava (i.e., quanto mais fluída a lava, menor a vertente; quanto
 Sensoriamento Remoto de Solos,
536 CAPÍTULO Minerais e Geomorfologia

M ou n t St. H elens

a. Fotografia oblíqua alta b. Estéreopar

Figura 14-24 a) Fotografia oblíqua alta do Mount St. Helens, que teve uma erupção em 18 de maio de 1980 (cortesia do U.S. Geologi-
cal Service), b) Estéreopar de Fotografia de Alta Altitude (USGS) do Mount St. Helens, em Washington, obtido em 6 de
agosto de 1981 (U.S. Geological Survey photos 109-84, 85). O domo ativo de lavas no centro do cone é visível. Vapor está
elevando-se de dentro da cratera. Um padrão de drenagem radial de sedimento obstruído foi desenvolvido. O norte está à
esquerda. Consultar a Prancha Colorida 14-3.

mais viscosa a lava, mais escarpadas as vertentes produzidas).
Rochas extrusivas comuns são basaltos, andesitos, dacitos e
riolitos. O basalto é a rocha vulcânica mais profusamente
distribuída, sendo também a rocha mais comum da superfí­
cie terrestre. Ela flui para fora através de aberturas vulcânicas
indo por sobre outras rochas em grandes lóbulos ou em for­
ma de finas lâminas (Lu et al., 2004). Ele pode viajar cen­
tenas de quilômetros, sendo de granulação final, preto, rico
em sílica e em minerais ferromagnesianos. Normalmente o
basalto aparece preto em filmes pancromáticos em função
de conter feldspato, hornblenda e micas. Dacitos e riolitos
aparecem em tons claros nas imagens pancromáticas.
A imagem de radar obtida pelo Shuttle SIR-C/X-SAR,
incluída na Prancha Colorida l4-2a, revela vários compo­
nentes do vulcão escudo Kilauea, localizado no Havaí. O
grande vulcão continua a ser criado por extrusão de dois
tipos de lava: d a é extremamente rugosa e afiada e rapida­
mente rasga os sapatos de alguém que tenta andar sobre
este tipo de lava, e pdhoehoe é uma lava que parece com
um empastelamento de placas queimadas. Numerosos flu­
xos individuais são facilmente vistos em perspectivas radar
tridimensionais na Prancha Colorida l4-2b. E importante
notar os materiais escuros da cratera Kupaianaha. O Ki­
lauea está em erupção quase constante desde 1983.
Isla Isabela é uma das ilhas de Galápagos, localizada na
costa oeste do Equador, na América do Sul e se constitui
também em vulcão ativo em domo (escudo) de lavas. A
Figura 14-23 ilustra uma imagem SIR-C/X-SA R Shuttle
de Isla Isabela sobreposta a um modelo digital de elevação.
As áreas claras são fluxos de lavas muito rugosos.
Os fluxos de lava no Vulcão Westdahl, no Alasca, foram
mapeados usando imagens de radar e TM /Landsat (Lu et
al., 2004). Baldi et al. (2005) usaram fotografias aéreas e
Geomorfologia 537

M o u n t T aran ak i, N ov a Z elân d ia

Figura 14-25 Imagem ASTER do Mount Taranaki, na Nova Zelândia, obtida em 27 de maio de 2 0 0 1. Este vulcão do tipo cone composto
é feito de lava de andesito e uma mistura de rochas piroclásticas (tefra) e cinzas. A forma única do Egmont National Park
resulta de sua proteção em 1881, a qual especificava que uma reserva florestal se estendería num raio de 9,6 km desde o ápice
do Mount Taranaki. Uma série de habitats de montanha ocorrem sucessivamente desde pastagens até os flancos do vulcão
—desde floresta úmida até arbustivas, alpinos e finalmente cobertura por neve (cortesia de NA SA/GSFC/M ETI/ERSDAC/
JAROS e U.S. Japan ASTER Science Team).

fotogrametria para mapear mudanças geomórficas no Vul­
cão Stromboli, na Itália. Dados infravermelhos termais
AVHRR foram usados para mapear hot spots nos Vulcões
do Monte Etna e Stromboli (Pergola et al., 2004).
Cones compostos ou vulcões estratos são criados tanto a par­
tir de materiais piroclásticos como de lavas. Os vulcões
mais impressionantes do mundo são do tipo cones com­
postos. Por exemplo, o Mount St. Helens, em Washington
(2.548 m) é um vulcão do tipo cone composto (Figura 14-
24 e Prancha Colorida 14-3). Em 18 de maio de 1980, às
8:32 da manhã, houve uma erupção neste vulcão. Uma sé­
rie de terremotos moderados a severos precederam a erup­
ção, no lado norte da montanha em direção ao Lago Spirit.
Esta avalanche, a maior já observada no Hemisfério Oeste,
enfraqueceu as câmaras de magma interiores ao vulcão,
causando uma explosão lateral ao norte e vertical, que des­
truiu cerca de 7.000 km2 de floresta em poucos segundos e
arremessou nuvens onduladas de cinzas e fumaça a até 21
km de altura, na atmosfera. Uma planície de pedras-pomes
foi produzida, consistindo de lama, cinzas e destroços vul­
cânicos que cobriram o Toutle River Valley original a uma
profundidade de 300 m. A fotografia estereoscópica obtida
no dia 6 de agosto de 1981, após esta erupção, revelou ou­
tro domo de lavas desenvolvendo-se no centro da cratera.
O Monte Taranaki, em Egmont National Park, na Nova Ze­
lândia, é um vulcão do tipo cone composto feito de lava de
andesito (Figura 14-25). As rochas são uma mistura de rochas
piroclásticas sólidas (tefra), cinzas e lavas, com pouca coesão
e facilmente esculpidos por erosão. O Monte Taranaki eleva-
se a uma altitude 2.518m. O vulcão começou a formar-se há
70.000 anos e sua última erupção ocorreu em 1755.
As rochas ígneas intrusivas são formadas quando o magma
fundido resfria-se e cristaliza-se dentro da crosta terrestre.
O material acima desta rocha plutônica pode eventual­
mente ser erodido. Grandes corpos de rocha intrusiva íg-
nea, ou batólitos, frequentemente formam a fundação de
sistemas montanhosos tais como o de Sierra Nevada, no
oeste dos Estados Unidos ou os Andes, na América do Sul.
Corpos menores de rochas intrusivas em forma de domos
são chamados de lacólitos ou estoques.
As rochas plutônicas intrusivas mais comuns incluem o
granito, o diorito, o diabásio e o gabro. O granito é uma
rocha ígnea de coloração clara, rica em quartzo e feldspa-
to, mas pobre em minerais ferro-magnesianos. O granito
usualmente aparece em tons claros nas imagens pancromá-
ticas, enquanto que o diabásio e o gabro aparecem escu­
ros. O granito resfria-se por um tempo excepcionalmente
longo no interior da Terra; portanto, tem cristais grandes
que são visíveis a olho nu. Quando o granito é exposto à
superfície, pode ocorrer esfoliação nos locais em que enve­
lopes concêntricos de material rochoso quebram-se devido
 Sensoriamento Remoto de Solos,
538 CAPÍTULO Minerais e Geomorfologia

Ston e M oun tain , GA

Figura 14-26 a) Fotografia aérea pancromática da Stone Mountain, GA. É um domo de esfoliação de granito originado por solidificação
de magma intrusivo em grande profundidade. Acredita-se que mais de 3.000 metros de material menos resistente foi erodido
para expor a rocha intrusiva. b) Fotografia de grande escala do topo da Stone Mountain. Notar as estriações lineares na rocha
e o padrão de drenagem paralelo e anular.

ao intemperismo químico ou térmico e também devido à M aciço B ran d berg, N am íb ia (África)

liberação de estresse interno quando a sobrecarga é remo­
vida. A Figura l4-26a, por exemplo, ilustra a Montanha
Stone, na Geórgia, que é um bloco rochoso intrusivo relati­
vamente pequeno, tendo cerca de 360 m de altura e 11 km
de circunferência. Uma imagem do topo do domo revela
estriações lineares que se irradiam a partir do ápice (Figura
l4-26b). Outro excelente exemplo é o Maciço Brandberg,
na Namíbia (Figura 14-27). Esta intrusão massiva de grani­
to está exposta à superfície e cobre aproximadamente 650
km2 atingindo cerca der 2573 m acima do deserto.

Algumas vezes o material menos resistente que circunda o

gargalo vulcânico intrusivo de um vulcão erode, expondo
os materiais vulcânicos mais resistentes daquele local. Por
exemplo, DevilsTower, em Wyoming, é um gargalo vulcâ­
nico intrusivo (Figura 14-28). Ocasionalmente o magma é
expulso pelas principais fendas e fissuras, formando diques
e umbrais. Posteriormente, os materiais sobre esses diques
e umbrais podem ser erodidos, expondo diques semelhan­
tes a paredes resistentes.
Se o granito de uma superfície for não-fraturado, ocorrerá
um padrão de drenagem dendrítico nas colinas em domo.
Ao contrário, se o granito estiver extensivamente fratura­
do, isto pode resultar em padrões de drenagem dos tipos
retangular ou treliça.
Formas de Terreno Desenvolvidas sobre Estratos
Horizontais
Muitas formas de terreno desenvolveram-se em estratos pla­
nos e horizontais. Uma camada é considerada horizontal
quando o mergulho (inclinação em relação ao plano hori-
Figura 14-27 O Maciço Brandberg, na Namíbia, é uma intru­
são granítica com formato de domo, cobrindo 650
km2, elevando-se a 2.573m acima do deserto. Esta
imagem foi obtida pelo ETM+/Landsat-7 em 10 de
setembro de 2002. (Cortesia da NASA).
zontal) dos estratos não afetou significativamente o desenvol­
vimento da topografia. O tipo de rocha, sua erodibilidade, a
quantidade de precipitação da região, e o gradiente do fluxo
local controlam o desenvolvimento das formas de terreno.
Rochas sedimentares estratificadas horizontalmente são
formadas pela cimentação das partículas soltas pelo intem­
perismo. Os agentes cimentantes mais comuns são quartzo,
calcita e óxido de ferro. Muitos sedimentos depositam-se
na água em camadas relativamente horizontais chamadas
Geomorfologia 539

DeviPs Tower, W Y

Figura 14-28 a) Estéreopar pancromático do pescoço vulcânico da Devils Tower, WY, obtido em 15 de setembro de 1953. Juntas verticais
dividem a massa rochosa em colunas poligonais que se estendem desde a base até o topo da Tower. A Devils Tower tem uma
altura de 262 m, com uma elevação de 1.550 m. ATower é mais resistente à erosão do que a rocha sedimentar adjacente. Foi
formada pela intrusão de magma em rocha sedimentar. A rocha intemperizada (talude) posiciona-se na base. b) Seção trans­
versal geológica: Tp = pescoço vulcânico de rocha ígnea preta intrusiva cristalina - fonólito pórfiro com cristais de feldspato
branco; Tas = siltito e arenito com xisto vermelho interestratificado; Jgs = gipsita com argilito vermelho interestratificado;
Jsb = xisto verde-cinza com arenito; Jsh = arenito amarelo; Jsr = xisto verde-cinza com arenito e calcário.

estratos. Os sedimentos podem depositar-se em canais de
fluxos lentos, áreas inundadas, lagos e em mares rasos. Os
sedimentos também depositam-se em oceanos, em platafor­
mas continentais ou em canyons submarinos. Os fluxos pri­
meiramente depositam areia grossa e depois partículas mais
finas de argilas e siltes, em função dos tamanhos dos grãos.
Os afloramentos rochosos mais comuns nos continentes
são compostos de argilitos, arenitos e calcários. Grande for­
ça da água é necessária para mover partículas do tamanho
de seixos, que são depositadas como conglomerados.
Argilitos apresentam grãos não-visíveis, sendo compostos
de sedimentos extremamente finos depositados em planí­
cies de inundação, lagos e oceanos profundos muito cal­
mos. Depósitos compactos de xistos calcários estão pre­
sentes em muitos deltas, onde os rios adentram nas águas
tranquilas. A deposição em camadas ocorre em depósitos
compactos em função de que as partículas de argila, sendo
chatas, alinham-se horizontalmente entre si. Usualmente
elas são de coloração cinza a vermelho escuro. O delta do
rio Mississipi contém argilito.
Arenitos apresentam grãos visíveis semelhantes a cristais
de açúcar de até quase 2 mm de diâmetro. A maior par­
te dos arenitos são compostos de partículas arredondadas
de quartzo, mas podem conter feldspatos e fragmentos de
rocha inalterada. Para mover partículas deste tamanho, a
água ou o vento devem ter significativa força. Em ambien­
tes áridos, os arenitos são de rochas duras, resistentes ao
tempo. Os afloramentos frequentemente aparecem em tons
claros nas fotografias preto-e-branco, a menos que estejam
recobertas por revestimentos desérticos, casos em que eles
podem apresentar tons escuros. Os arenitos de ambientes
áridos e semiáridos frequentemente produzem platôs, me­
sas e testemunhos. Penhascos podem ocorrer onde arenito
sobrepõe-se a rochas sedimentares menos resistentes, tais
como o xisto. O arenito não é tão plástico (flexível) como
o xisto e outras rochas sedimentares e, portanto, quebra-
se facilmente quando sob estresse. As fraturas tornam-se
visíveis e podem produzir padrões de drenagem angulares,
dendríticos, treliças ou retangulares.

540 CAPÍTULO
Calcários são formados a partir de carbonato de cálcio.
O limo precipita-se em mares rasos em águas tropicais
quentes, onde quase não ocorrem outros sedimentos. As
rochas calcárias são formadas em centros de continen­
tes antigos inundados e ao longo de plataformas conti­
nentais, onde são originados os recifes. Com o resultado
disso, muitos calcários são compostos de esqueletos de
animais. O calcário (e a dolomita) são susceptíveis à so­
lução, significando que eles podem ser dissolvidos. Em
ambientes úmidos, onde há abundância de água, pode­
mos encontrar topografia cárstica, nome este advindo
da região de Karst, na antiga Yugoslávia, originada pela
dissolução de calcários. O terreno ondulado não contém
padrão de drenagem visível à superfície, porém pode exi­
bir cavidades ovais denominadas dolinas. O calcário de
ambientes áridos comporta-se de modo diferente. Com o
existe pouca água para dissolvê-lo, o calcário pode ser
muito resistente ao intemperismo. De fato, da mesma
forma que os arenitos, pode originar afloramentos com
faces verticais, quando se sobrepõem a rochas sedimen­
tares menos resistentes, como os xistos.
O xisto é produzido pela deposição e compactação de par­
tículas de silte e de argila. E relativamente impermeável à
água que se move através dele; portanto, mais água torna-
se disponível para a erosão de superfície. Em ambientes
áridos o xisto impermeável plástico é facilmente erodido.
Ele geralmente não produz declives tão escarpados como o
arenito ou o argilito. Quando não ocorrem afloramentos,
pode haver topografia ravinosa e rugosa, que consiste de
um padrão de drenagem dendrítico pinado de textura fina
com linhas de cristas bem definidas e declividades mais
escarpadas. Geralmente, o xisto é mais plástico do que o
arenito e, portanto, não é tão afetado por estresses geológi­
cos. Isto resulta em maior número de padrões de drenagem
dendríticos de textura fina a média. O xisto geralmente
aparece em tons claros em fotografias pancromáticas.
O Grand Canyon, no Arizona, é um bom exemplo de
formas de relevo desenvolvidas em rochas sedimentares
estratificadas horizontalmente. Um diagrama da estrutu­
ra estratificada é mostrado na Figura l4-29a. Esta região
contém um registro sedimentar quase contínuo da histó­
ria da Terra, com aproximadamente 1.500 m de camadas
horizontais estratificadas, empilhadas, com as mais velhas
embaixo. Uma das camadas superiores, o argilito Kaibab,
formadas a partir de corais, esponjas e outros animais ma­
rinhos é uma das mais jovens e tem aproximadamente 240
milhões de anos de idade. No fundo do canyon está o Vish-
nu Schist, com aproximadamente 1,7 bilhão de anos de
idade, uma das rochas mais antigas do Planeta. As camadas
intermediárias de rochas revelam uma história turbulenta
de reviravoltas orogênicas, depósitos de lavas, erosão pelo
vento e pela água, bem como mudanças ambientais passa­
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
das, como desertos substituídos por rios e depois lagos e
mares interiores rasos. Finalmente, a terra foi sobrelevan-
tada, formando o Colorado Plateau. Cinco a seis milhões
de anos atrás, o jovem Rio Colorado começou a cortar as
camadas de rochas e o Grand Canyon foi criado.
Um estéreopar pancromático da área próxima do South
Rim do Grand Canyon e do testemunho de xisto Bright
Angel é mostrado na Figura l4-29b. O South Rim é com­
posto de afloramento arenítico do Coconino Plateau e é
resistente ao intemperismo, formando um platô disseca­
do plano (mesa). Tanto o arenito como o argilito formam
despenhadeiros profundos em ambientes áridos. O xisto
menos resistente é facilmente erodido, criando vertentes
mais suaves (Figura 14-29b). Também pode ser visto no
estéreopar o entrincheirado Rio Colorado com seus desfi­
ladeiros em formato de V, profundos e rápidos.
Outro exemplo de estratos horizontais é encontrado a
cerca de poucas centenas de quilômetros rio abaixo. A
Figura l4-30a ilustra o rio Colorado quando está dis­
secando o Shivwits Plateau, conforme cena T M /Land-
sat, na banda 4 (infravermelho próximo), que fornece
significativo detalhe, que é mais claro ainda na Prancha
Colorida l4-4ab, onde os afloramentos de arenitos mais
resistentes e o xisto sedimentar com declives mais suaves
são evidentes nas cores mais vibrantes. Analistas de im a­
gens frequentemente acham útil ter informações sobre
elevação e declividade de uma área quando interpretam
formas de relevo. A Figura 14-30b é uma representação
de dados digitais de elevação do U SG S. Notar a elevação
maior do Shivwits Plateau e a menor do Rio Colorado. A
Figura l4-30c mostra uma imagem de relevo sombreado
analítico dos dados digitais de elevação, a qual fornece
informações adicionais valiosas para o analista, sobre a
natureza tridimensional do terreno. Finalmente, o mapa
de declividade (Figura l4-30d) torna claro que o terreno
com a maior declividade ocorre adjacente ao rio C olo­
rado e aos seus principais tributários. Platôs e mesas são
planos, com pouca declividade; portanto, eles aparecem
escuros na imagem declividade.
Outro excelente exemplo de um platô ou mesa é encontra­
do em Phang Hoei Range, no norte central da Tailândia,
aproximadamente a 40 km do nordeste da cidade de Lom
Sak (Figura 14-31). O platô resistente destaca-se majesto­
samente na paisagem, conforme é mostrado nesta imagem
do SIR-C, banda F1V. Algumas vezes nós encontramos
rochas metamórficas estratificadas horizontalmente, que
foram expostas ao calor e à pressão. Este metamorfismo
faz com que o arenito se torne quartzito, que é muito re­
sistente ao intemperismo e pode formar cadeias de monta­
nhas escarpadas em todos os climas. Similarmente, o xisto
metamorfizado pode tornar-se ardósia muito resistente. O
Geomorfologia 541

Xisto - Shinarump
Xisto - Moenkopi
C o rte Transversal G eológico
do G ran d C anyon, no A rizon a

Figura 14-29 a) Corte transversal geológico do Grand Canyon, no Arizona, b) Estéreopar pancromático do Grand Canyon. Belvedere e
acampamento localizados no afloramento de arenito do Coconino Plateau, no South Rim. As imagens foram rotacionadas
de tal forma que o sul está à esquerda, a fim de evitar ilusão pseudoscópica. O arenito e o calcário resistentes formam escar­
pas profundas. O xisto menos resistente é facilmente erodido, originando declividades mais graduais. O testemunho Bright
Angel está localizado em “a”.

ortognaisse é granito metamorfizado e tem uma aparência
similar. Uma variedade de paragnaisse pode desenvolver-se
a partir de arenito metamorfizado, xisto e outros sedimen­
tos. Xistos são rochas cristalinas de granulação média deri­
vadas de rochas sedimentares. Eles são facilmente erodíveis
em climas úmidos, mas resistentes em ambientes áridos.
Formas de terreno desenvolvidas em estratos
dobrados
O diastrofismo (surgimento de montanhas) pode eventu­
almente inclinar ou dobrar as camadas de rochas sedimen-
 Sensoriamento Remoto de Solos,
542 CAPÍTULO Minerais e Geomorfologia

G ran d C anyon, no A rizona

b. Modelo Digital de Elevação (DEM).

c. Mapa de relevo sombreado, obtido d. Mapa de decuvTdade derivado do DEM

a partir do DEM .

Figura 14-30 a) Ilustração de outra seção do Grand Canyon, no Rio Colorado, Arizona, conforme registrado pelo sensor TM/Landsat, na
banda 4; resolução de 30 x 30m. O norte é colocado à esquerda a fim de melhorar a interpretabilidade. A Prancha Colorida
14-4 fornece informações adicionais, b) O Modelo de Elevação Digital (DEM) derivado de dados 30 x 30m do USGS
(mostrados em células de 93 x 93 m). Notar a maior elevação do Shivwits Plateau. c) Mapa de relevo sombreado, d) Mapa
de declividade, onde quanto mais claro o pixel, maior a declividade (conforme Mojave Desert Ecosystem Program, 1998; as
imagens Landsat foram cortesia de Space Imaging, Inc.).

tares horizontais ou as metamórficas. O terreno dobrado
pode produzir domos monoclinais tais como Ayers Roch,
na Figura 14-1, anticlinais esinclinais, como anteriormente
ilustrados na Figura 14-17. Os estratos dobrados são ero-
didos diferenciadamente, dependendo do tipo de rocha se­
dimentar presente. Para arenito e argilito interestratificado
em ambientes áridos, o arenito mais resistente forma cadeias
anticlinais, enquanto que os argilitos são erodidos para va­
les sinclinais. Desta forma, podem ser formados sistemas
aproximadamente paralelos de cadeias resistentes separadas
por vales erodidos. A resistência de rochas carbonáticas tais
como calcário e dolomita depende das condições climáticas.
Em regiões áridas, com pouca água, o calcário é resistente
ao intemperismo e tende a criar cadeias. Inversamente, em
regiões úmidas o calcário pode ser dissolvido e portanto é
mais facilmente erodido, formando vales ou baixadas.
Dependendo da declividade dos terrenos mergulhantes, as
cadeias podem ser assimétricas ou simétricas. Uma cadeia
de encostas escarpadas é um conjunto de cristas bem defi­
nidas formado pela erosão diferencial de um leito resistente
de rochas mergulhantes declivosamente. Por exemplo, uma
paisagem dobrada próxima de Maverick Spring, WY, é mos­
trada na Figura l4-32a. É um domo assimétrico dissecado
com uma série de cadeias escarpadas ao redor da estrutura. A
Figura l4-32b ilustra uma cadeia da Appalachian Mountain
Geomorfologia
Im agem R A D A R S IR -C de P h an g H oei R an ge, n a T ailân dia
com vale sinclinal cercada pela linha da Brush Mountain
a oeste e pela linha da Canoe Mountain a leste, próximo
de Tyrone, PA. Neste ambiente, o arenito é mais resistente
à erosão do que o calcário, que é solúvel. A Figura 14-33
ilustra a elevação San Raiael, no sul de Utah. Este é um mo-
noclinal deformado com topo plano, que deriva para oeste/
sudoeste. As cadeias de arenito mais resistentes formam cor­
dilheiras nos flancos sul e oeste do monoclinal.
Algumas vezes o dobramento é tão severo que as camadas
são praticamente verticais. Por exemplo, a Figura 14-34
ilustra o Ugab River, na Namíbia, que flui através de cama­
das dobradas praticamente verticais de calcário, arenito e
siltito estratificados finamente (Prancha Colorida 14-5).
O ângulo de mergulho de um leito resistente pode ser calcula­
do usando técnicas de medição fotogramétrica e a fórmula:
tan0 =A . (14-6)
d Quando o material rochoso deslocado ocorre paralelo com
onde 0 é o ângulo de mergulho, h é a distância vertical e d
é a distância horizontal, como mostrado na Figura 14-35.
Formas de Terreno Controladas por Falhas
Há três principais tipos de deslocamentos em falhas, in­
cluindo: falh a normal, falh a de desligamento e falh a por des­
lize oblíquo, como está mostrado na Figura 14-18. As falhas
normais (“dip-slip”) podem ser subdivididas em: normal,
reversa, compressão, graben e horst, como é mostrado na Fi­
gura l4-36a-e. Numa. falh a normal, o paredão saliente é
deslocado para baixo, expondo uma escarpa defalh a (Figura
543
Figura 14-31 Imagem Shuttle Imaging Radar C de
Phang Hoei Range, no centro norte
da Tailândia, obtida em 03 de outubro
de 1994. O platô resistente é parte do
Phu Kradung National Park (cortesia
de NASAJet Propulsion Lab).
l4-36a). A falha Wasatch ao longo das montanhas Wasa-
tch, em Utah, é um bom exemplo (Figura 14-37). A cadeia
Wasatch Mountain Range, das Rocky Mountais, é o bloco
superior, e o bloco inferior é o vale. As escarpas de falha na
base da cadeia Wasatch Range geralmente faceiam o oeste.
Uma falha reversa é criada quando o deslocamento ocorre
na direção inversa (Figura 14-36b). Se o falhamento rever­
so faz com que as lajes movam-se horizontalmente, como
mostrado na Figura l4-36c, nós temos uma falha de com­
pressão ou de sobrecompressão. Uma falha pode também en­
volver duas falhas planas. Um graben é produzido quando
um bloco de material é deslocado para baixo entre duas fa­
lhas normais (Figura l4-36d). Estes frequentemente pro­
duzem vales rift (vale de fendas de grande extensão), tais
como o grande sistema rift do Leste Africano. Um horst é
criado quando um bloco de material é comprimido para
cima entre duas falhas planas paralelas (Figura l4-36e).
a linha de falha, é criada uma falha de desligamento (Figura
14-18b). A Falha San Andreas, na Califórnia, é um exemplo
clássico deste tipo de falhas. Ela passa sob o sul da Califórnia a
leste de Los Angeles, ao longo da porção sul do grande Central
Valley, passa por San Francisco e chega ao mar. Uma porção
da linha de talha, no sul da Califórnia, é mostrada na Figura
14-38. O lado oeste da Falha San Andreas está movendo-
se para noroeste, enquanto que o lado leste está movendo-se
para sudeste; daí advindo a frequentemente citada observação
de que Los Angeles e partes de San Francisco, uma vez que
estão no lado oeste da falha, estão movendo-se em direção
ao oceano, ainda que muito lentamente. A Figura 14-38
também identifica a falha normal Garlock. A intersecção das
falhas Garlock e San Andreas é um local muito interessante
 Sensoriamento Remoto de Solos,
544 CAPÍTULO Minerais e Geomorfologia

M averick Sp rin g, W Y

Vale Sin clin al nas A p p alach ian M ou n tain s, próxim o de Tyrone, PA

Figura 14-32 a) Fotografia de Alta Altitude (HAP) do USGS, mostrando uma paisagem dobrada erodida próxima a Maverick Spring,
WY. E um domo dissecado assimétrico, que é um remanescente erosional de um anticlinal mergulhante. Notar a topogra­
fia fino-texturada, a direção de cristas e vales, e as drenagens radial e treliça controladas pela estrutura anticlinal (o norte
está à direita). Notar também as cordilheiras proeminentes, b) Fotografia de Alta Altitude de um vale sinclinal nas Ap­
palachian Mountains, próximo de Tyrone, PA, registrada em 04 de maio de 1981. As linhas de crista da Brush Mountain
a oeste e a Canoe Mountain a leste são compostos de arenito muito resistente, enquanto as rochas sedimentares calcárias,
menos resistentes, foram erodidas. A interestratificação de arenito e calcário resulta em cadeias na periferia do sinclinal
com padrão de drenagem do tipo treliça (cortesia USGS).

para viver, com tremores pequenos ocorrendo quase todos os
dias. Notar que a Falha San Andreas criou um vale rifi que
é relativamente plano quando comparado com o terreno de
cada lado da linha de falha. Isto é mais evidente quando se
observa o relevo sombreado do modelo digital de elevação
(Figura l4-38d). Lagos naturais frequentemente ocorrem nos
vales rift, onde o padrão de drenagem foi interrompido.
Formas de Terreno Fluviais
Formas de terreno fluviais são criadas pelo intemperismo,
erosão, transporte e deposição de materiais pelo fluxo da
água. Os processos fluviais criam formas de terreno erosio-
nais e deposicionais em praticamente todas as regiões do
globo. Consequentemente, há uma enorme variedade de
formas de terreno fluviais.
E importante, quando se interpretam formas fluviais numa
imagem, entender as características dos tipos de rochas pre­
sentes na bacia de drenagem, o padrão de drenagem, sua
densidade, e o gradiente (declividade) da bacia. Córregos
ou rios que fluem sobre terrenos com gradientes escarpados
têm maior velocidade (energia) e portanto maior capacidade
de carrear sedimentos. Eles podem até carrear seixos, pedras
e matacões no seu fluxo. Ao contrário, quando o gradien­
te dos córregos ou rios diminui, as correntezas podem não
mais conseguir carregar sedimento em suspensão e então
Geomorfologia 545

E levação de San R afael, no Sul de U tah

Figura 14-33 Imagem TM/Landsat, banda 4, da feição elevada de

San Rafael, no sul de Utah. Este é um monoclinal
deformado com topo plano, que deriva para oeste/
sudoeste. As cadeias de arenito mais resistentes for­
mam cordilheiras nos flancos sul e oeste do mono­
clinal, enquanto que o argilito menos resistente foi
erodido (cortesia Doug Ramsey, Utah State Univ. e
Space Imaging, Inc.).

R io U gab, N am íb ia

Figura 14-34 Imagem ASTER do Rio Ugab, na Namíbia, obtida em 25 de dezembro de 2000 (banda 3). Este rio flui na superfície so­
mente por poucos dias a cada ano. O rio passa através de camadas verticais de calcário estratificado finamente com calcário,
arenito e siltito. Ver a Prancha Colorida 14-5 para uma versão colorida desta imagem (cortesia NASA/GSFC/M ETI/ERS-
DAC/JAROS e U.S./Japan ASTER Science Team).

Figura 14-35 O ângulo de mergulho, 0, de uma crista monoclinal, tal como uma encosta, pode ser calculado a partir de imagem
estereoscópica, usando a Equação 14-16.

546 CAPÍTULO
Figura 14-36 Os principais tipos de falhas normais (“dip-slip”): a) Normal, b) Reversa, c) Compressão, d) Graben associado com um bloco
de material deslocado para baixo entre duas falhas normais, e) Horst associado com um bloco comprimido para cima entre
duas falhas planas paralelas.
depositam no canal como bancos de areia, deltas ou leques
aluviais. Com efeito, a velocidade da correnteza determina
que tipos de materiais (areia, silte, argila, cascalho, pedra)
podem ser carregados na água. Mesmo nos desertos, onde
tempestades são pouco frequentes, escoamentos podem in­
duzir erosão massiva devido à sua intensa velocidade, trans­
portando os materiais erodidos a grandes distâncias. E im­
portante realçar que quanto maior a velocidade, maior será
a quantidade de abrasão, corrosão e escavamento. Desta
forma, os rios são agentes ativos de mudanças geomórficas
que produzem tanto formas de terreno erosionais como de-
posicionais. Algumas das mais importantes formas de terre­
no incluem vales cortados por rios, planícies de inundação,
terraços, deltas, leques aluviais, pedimentos e playas.
Vales de R io s, P lan ícies de In u n d ação e T erraços
R elíq u ias
O terreno soerguido pode ser erodido por erosão laminar,
criando valas. Ao longo do tempo e sob precipitação con­
tinuada, estas valas podem tornar-se em pequenos canais
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
tributários com maior poder erosivo, especialmente se o
terreno apresentar gradientes (declives) substanciais. Se a
fonte de água continua sem interrupção, a torrente ou rio
pode cortar e erodir tanto a base como as paredes do mate­
rial rochoso, criando vales profundos e em formato de “V ”
com planícies aluviais mínimas e cursos d’água estreitos.
Se o gradiente for suficiente, o rio pode continuar apro­
fundando e alargar o canal. Entretanto, em algum lugar o
rio pode erodir sua base até o ponto em que o gradiente
torne-se substancialmente reduzido. Se isto ocorrer, o rio
perde velocidade e começa a depositar uma parte de sua
carga de sedimentos. Isto pode ser o começo de um vale
com planícies de inundação, largos meandros e lagos em
ferradura ocasionais. Há um certo número de fatores que
pode fazer com que o rio tenha uma redução de gradiente,
incluindo a subsidência terrestre.
Algumas vezes, o ribeirão ou rio perde quantidade subs­
tancial de sua fonte de água ou seu gradiente é signifi­
cativamente diminuído. Quando isto ocorre, mais sedi-
Geomorfologia 547

Falha Wasatch

Springville —►

Fork Spanish

Wasatch
Figura 14-37 Imagem TM /Landsat, banda 4, mostrando a Falha Wasatch ao longo das Montanhas Wasatch, a leste de Springville e
de Spanish Fork, UT. Esta é uma clássica falha normal, com o bloco inferior constituindo-se no vale e o bloco superior
constituindo-se na cadeia Wasatch Mountain Range. Há numerosos escarpamentos de falhas ao longo da linha de falha
(cortesia Space Imaging, Inc.).

mento pode ser depositado. Isto pode resultar em vales
extremamente largos e rasos, com meandros, cicatrizes de
meandros, meandros interrompidos, numerosos lagos em
ferradura e numerosas barragens naturais. E importante
ressaltar, entretanto, que nem sempre ocorre este proces­
so. Eventos climáticos pouco comuns e impactos causados
pelo homem podem intervir e alterar dramaticamente o
que poderia ser o ciclo de erosão (juventude-maturidade-
senectude) de um vale de drenagem (Selby, 1989).
Way e Everett (1997) sugerem que há três tipos de planí­
cies de inundação de rios: meandro, coberta e composta.
As planícies meândricas são causadas por um baixo gra­
diente do canal e a deposição de uma parte da carga de
sedimentos. Assim, é um sistema hidrológico de baixa
energia. Além disso, grande parte da carga de sedimentos
numa planície meândrica permanece dentro dos limites
das margens do rio, mesmo durante o estágio de inunda­
ção. A maior erosão na planície de inundação ocorre nas
margens externas dos meandros. A maior deposição ocor­
re nas margens internas dos meandros. Este processo pode
levar à formação de bancos de areia e de cascalho no rio.
Planícies cobertas são originadas quando energia adicional
é fornecida durante a inundação e as águas de inundação
rotineiramente transbordam as margens. Isto pode criar
barreiras naturais constituídas de sedimentos grosseiros
(normalmente areia) que são formadas adjacentes ao ca­
nal original. Ao longo do tempo, as barreiras naturais são
construídas por acréscimos continuados. Uma parte da
água que flui sobre as barreiras naturais tem velocidade
 Sensoriamento Remoto de Solos,
548 CAPITULO
Minerais e Geomorfologia

Falhas d e San A ndreas e G arlock , n a C alifó rn ia

a. Banda 4 do Thematic Mapper / Landsat. b. Relevo sombreado de um modelo digital de elevaçã

c. Ampliação d. Ampliação

Figura 14-38 a) Intersecção das falhas de San Andreas e Garlock, no sul da Califórnia, conforme mostradas numa cena TM/Landsat, banda
4. A Falha San Andreas é uma falha normal com direção noroeste-sudeste. b) Relevo sombreado de um modelo de elevação
digital do USGS (célula de 3 arcos de segundo, 93,3 m). c) Ampliação dos dados Landsat realçando uma porção da zona
rift da Falha San Andreas, conforme indicada na porção inferior da figura (a), d) A relativamente estreita zona rift quando
retratada pelo relevo sombreado (conforme Mojave Desert Ecosystem Program, 1998; cortesia da Space Imaging, Inc.).

menor e pode muitas vezes carregar somente partículas
finas de silte e argila, que são então transportadas para
localidades de águas calmas distantes para além das barra­
gens naturais do rio. Estes sedimentos em geral melhoram
a fertilidade dos solos. Uma planície composta contém fei­
ções comuns a ambos os tipos de planícies apresentados
anteriormente (meândrica e coberta). As planícies com­
postas são o tipo mais comum de planície de inundação.
A Figura 14-39 ilustra uma pequena seção do Rio Mis-
sissipi, com exemplos de várias planícies de inundação
compostas. Tanto barragens feitas pelo homem como as
naturais estão ali presentes. As bandas T M /Lan dsat no
infravermelho próximo e no infravermelho médio são
ideais para identificar os lagos em ferradura e as cicatri­
zes de meandros inundados em épocas geologicamente
mais recentes, que são muito difíceis de discernir em
imagens nas bandas do verde e do vermelho. Os bancos
de areia são visíveis em todas as imagens. A banda 5 do
T M , no infravermelho médio, provê informação mais
detalhada sobre umidade do solo do que qualquer outra
banda. Com o esperado, as áreas vegetadas são escuras
nas bandas do verde e do vermelho e m uito claras tanto
no infravermelho próximo como no infravermelho mé­
dio. Uma composição 4,3,2 (RG B) de imagens T M é
mostrada na Prancha Colorida 14-6.
Planícies de inundação podem, algumas vezes, apresentar
terraços residuais associados a elas. Um terraço é um trecho
da planície de inundação mais elevado que restou numa
planície de inundação atual. Tipicamente, um terraço
apresenta um escarpamento no lado que faceia a atual pla­
nície de inundação. Os terraços podem ser produzidos por
atividade glacial ou por grandes mudanças no clima, dis­
ponibilizando mais água e energia para cortar a planície de
inundação existente. Muitas camadas de terraços presentes
numa região indicam que grandes mudanças erosionais-
deposicionais ocorreram ao longo do tempo.
Geomorfologia 549

Planícies de In u n d ação no R io M ississip i

c. Banda 4 (infravermelho próximo) do Thematic Mapper. d. Banda 5 (infravermelho médio) do Thematic Mapper.

Figura 14-39 Formas de terreno do tipo planície de inundação no Rio Mississipi ilustradas por uma imagem Landsat, sensor Thematic
Mapper, obtida em 13 de janeiro de 1983 (ver também a Prancha Colorida 14-6) (as imagens são cortesia da NASA Obser-
vatorium e da Space Imaging, Inc.).

D eltas
Quando um canal ou rio carregando grande carga de se­
dimentos adentra num corpo d’água parado, tal como
um lago, um reservatório, mar ou oceano, sua velocidade
é diminuída substancialmente fazendo com que deposite
sua carga de sedimentos suspensos, sendo que os materiais
mais grosseiros ficam logo no começo e as partículas finas
de silte e argila depositam-se mais à frente. A deposição
continuada destes materiais ao longo do tempo origina um
delta, que tende a apresentar formas triangulares similares
à letra grega delta (A), mas outras formas também podem
ocorrer. Há cinco formas comuns de deltas.
Deltas nlongados ou digitiformes são criados quando o siste­
ma é dominado ppr entradas contínuas de grandes volumes
de água e sedimento que não são impactadas severamente
por ondas. Isto pode produzir o que é chamado de delta pé-
de-pássaro, como ocorre no delta do Rio Mississipi, quando
entra no Golfo do México, próximo de New Orleans, LA
(Figura l4-40a). A entrada continuada de sedimentos faz
com que os canais deltáicos migrem para trás e para frente ao

550 CAPÍTULO
longo do delta. Entretanto, algumas vezes, o sedimento de­
positado nos bancos do canal de entrada criam diques natu­
rais similares aos encontrados nas planícies de inundação co­
bertas anteriormente descritas. Inundações intensas podem
causar a quebra destes confinamentos. Este processo pode
levar à criação de um lóbulo inteiramente novo de deposi­
ção sedimentar no delta. Existem vários canais distributários
principais de entrada presentes num delta pé-de-pássaro.
Num delta lobulado o rio constrói dentro do mar, mas a ação
relativamente intensa das ondas redistribui grande parte dos
sedimentos ao longo das barreiras costeiras, causando uma
margem convexa ou em formato de leque faceando o corpo
d’água. É um sistema dominado pela onda. O Rio Niger, no
Golfo de Guiné, na África, criou um clássico delta lobulado
(Figura l4-40b). O Rio Nilo, no Mar Mediterrâneo, tam­
bém é um exemplo de delta lobulado (Figura l4-40c).
Um delta crenulata forma-se onde correntes de marés
auxiliam a criar numerosas ilhas arenosas separadas por
canais de maré ao longo do fro n t do delta. É um sistema
dom inado pelo front do delta. O delta do Rio Irrawa-
ddy, em Burma, é um bom exemplo (Figura l4-40d).
N otar os extensivos manguezais visíveis como áreas cla­
ras no delta do Irrawaddy.
Quando as ondas ou as correntezas ao longo da costa são
muito fortes, podendo mover o sedimento para longe do
delta e do rio, e somente serão formadas cristas de areia pa­
ralelas à praia, então tem-se a criação do delta em cúspide.
As correntes que entram em estuários costeiros também so­
frem redução de gradiente, causando a deposição de grande
parte de sua carga sedimentar suspensa. Um delta estuarino
será formado se estes depósitos não forem removidos pelas
correntes ou por transbordamentos diurnos das marés.
Leques aluviais e bajadas
As correntes que emergem de um vale montanhoso numa
planície de baixada frequentemente encontram declivi-
dades reduzidas e são forçados a depositar material para
manter um gradiente adequado. Um leque alu vialé um de­
pósito cônico, baixo, com o ápice do cone na boca do vale,
a partir do qual o leque é construído. Os materiais mais
grosseiros, como cascalhos, pedras arredondadas e rochas
são depositados próximo do ápice, enquanto que areia,
silte e argila são transportados para partes mais distantes
do leque. Estes materiais são coletivamente chamados de
alúvio e, portanto, daí advém o termo leque aluvial.
O amontoado cônico de material é depositado como ca­
nais distributários no leque. Isto pode ocasionar padrões
de drenagem dicotômicos ou entrelaçados. Múltiplos le­
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
ques aluviais que se juntam na base de uma cadeia de mon­
tanhas originam uma bajada.
Na Figura 14-41 a é mostrada uma imagem do Thematic
Mapper/Landsat na banda 4 ilustrando um leque aluvial
adjacente a Salton Sea, na Califórnia. Notar o canal de en­
trada na parte superior direita e o leque aluvial de formato
cônico que foi resultado de milhões de anos de deposição
sedimentar por muitos eventos de precipitações esporádicas.
Fica evidente que os materiais de tons claros depositados
neste leque tiveram sua origem em uma localidade diferente
quando comparados com os materiais escuros encontrados
na base das montanhas vizinhas. Notar também o padrão
de drenagem dicotômico. Outro grande leque aluvial em
White Mountains é mostrado na Figura 14-41 b.
Uma imagem A STER do leque aluvial Taklimakan no De­
serto de Taklimakan, na Província Xinjiang, na China, é
mostrada na Figura 14-42. Este leque está localizado na pai­
sagem entre as cadeias de montanhas de Kunlun e Altun.
Pedimentos
Um pedimento é uma superfície erosional suavemente inclina­
da, entalhada num leito rochoso, finamente preenchida com
cascalho e desenvolvida na base de montanhas. Pedimentos
são mais prevalentes em ambientes muito áridos. Um pedi­
mento pode parecer com um leque aluvial numa imagem,
mas é muito diferente. Um pedimento é uma superfície ero­
sional, enquanto que um leque aluvial é uma superfície de-
posicional. De fato, muitas feições cônicas na Great Basin, da
América do Norte, no sul da África e na Austrália são de fato
pedimentos e não leques aluviais. Exemplos de pedimentos
na base das White Mountains, na Califórnia, são mostrados
na Figura 14-41 b. A erosão do leito rochoso espalha mate­
riais na base da vertente. A montanha pode eventualmente se
afogar em seus próprios escombros erodidos.
Playas
Playas são bacias de lagos rasos formados em regiões de-
sérticas que são intermitentemente preenchidas com água
que evapora relativamente rápido, deixando um resíduo
de materiais superficiais fino-texturados. Muitas playas são
salinas e exibem tons claros em imagens. Muitas playas são
estéreis, com pouca vegetação. Uma playa está presente na
base do leque aluvial existente em White Mountains, na
Califórnia (Figura l4 -4 lb ).
Formas Cársticas
Formas de terreno criadas em locais de calcários são geral­
mente referidas como de topografia cárstica. Para ser um
Geomorfologia 551

D e lta d o R io M ississip i, n os E stad o s U n idos D elta d o R io N iger, na Á frica

a.

D e lta d o R io N ilo, no E gito D e lta do R io Irraw addy, em B u rm a

c.

Figura 14-40 a) Fotografia Space Shuttle do delta alongado pé-de-pássaro no Rio Mississipi, consistindo de várias saídas e suas barragens
naturais associadas (cortesia K. Lulla, NASA Johnson Space Center). b) fotografia Space Shuttle do delta lobulado do Rio
Niger desembocando no Golfo de Guiné, na África (NASA Johnson Space Center; STS61C-42-0072). c) Imagem M ODIS
do delta lobulado do Rio Nilo, no Egito (cortesia NASA Goddard Space Flight Center). d) Delta crenulata do Rio Ir­
rawaddy, em Burma, registrado pelo Thematic Mapper, banda 4 (infravermelho próximo) (cortesia Space Imaging, Inc.).
 Sensoriamento Remoto de Solos,
552 CAPÍTULO Minerais e Geomorfologia

Figura 14-41 a) Leque aluvial entre Little San Bernardino e Chocolate Mountain, a nordeste de Salton Sea, na Califórnia. O Aqueduto
Califórnia também é visível nesta imagem Thematic Mapper/Landsat, banda 4. Sua forma arqueada fornece alguma indica­
ção de como o leque aumentou em volume ao longo do tempo, b) Um grande leque aluvial, vários pedimentos e uma playa
associada com uma área na White Mountain Range, noroeste de Death Valley, na Califórnia. Há vários locais nestas imagens
onde os leques aluviais se juntam originando uma bajada (cortesia Mojave Desert Ecosystem Programm and Space Imaging,
Inc.).

L eq u e A luvial T ak lim akan , em X in jia n g Province, n a C h in a

Figura 14-42 O leque aluvial Taklimakan se estende trans­

versalmente a uma desolada paisagem entre as
cadeias de montanhas Kunlun e Altun, que
forma a borda sul do Deserto Taklimakan,
na Província Xinjiang, na China. Notar o
intrincado padrão de drenagem dicotômico.
Esta imagem A STER foi obtida em 2 de maio
de 2002. O norte está na parte inferior da
ilustração para auxiliar a interpretação visual
(cortesia NA SA/GSFC/M ETI/ ERSDAC/
JAROS e U.S./Japan A STER Science Team).

calcário verdadeiro, pelo menos metade da rocha deve con­
sistir de minerais carbonatados, dos quais a calcita (Ca-
C 0 3) é o mais comum (Selby, 1989). A dolomita (CaMg)
C O é outra rocha carbonática e é também susceptível à
dissolução, mas não é tão facilmente afetada por precipita­
ções levemente ácidas, como o calcário. Isto faz diminuir a
solubilidade e aumentar a resistência ao intemperismo e à
erosão. Portanto, a dolomita não produz a mesma topogra­
fia cárstica quanto o calcário, em climas úmidos.
A água superficial das precipitações é levemente ácida.
Quando esta água ácida percola através do calcário, o pro­
cesso químico de carbonatação ocorre ao longo das jun­
tas e planos estratificados, abrindo gradualmente as fendas
Geomorfologia
por dissolução, até o ponto de cavernas subsuperficiais e
canais subterrâneos serem originados. O colapso da cober­
tura de uma caverna subterrânea ou a dissolução para baixo
dos calcários da superfície produz depressões na superfície
comumente referidas como dolinas (o termo em inglês é
sinkhole). Dolinas são formalmente definidas como buracos
ou depressões com formas de cone ou de tigelas, circulares
ou elípticas, com margens rochosas ou vegetadas, de 2 a
100 m de profundidade e de 10 a 1000 m de diâmetro. A
maior topografia cárstica é encontrada na antiga Yugoslá-
via ao longo da Costa Adriática, no sul da França, Grécia,
Cuba, Jamaica, Península Yucatan (México), Tennessee,
Kentucky, sul de Indiana, norte da Flórida e Porto Rico.
Calcário com mais de 40% de carbonato de cálcio é mui­
to susceptível ao intemperismo em climas úmidos e pode
resultar no desenvolvimento de uma extensa malha de fei­
ções do tipo dolinas. Consideremos, por exemplo, a foto­
grafia preto-e-branco de uma área de topografia cárstica
encontrada próximo de Orlando (FL), mostrada na Figura
14-43. Estas dolinas (sinkholes) foram produzidas por dis­
solução que ocorreram em locais favoráveis tais como a
intersecção das principais juntas no calcário. O calcário é
dissolvido, e a solução e o resíduo movem-se para baixo
constantemente abrindo as fissuras até que seja criada uma
depressão superficial. Isto permite então a coleta de gran­
de parte da água de escoamento e portanto o progressivo
aumento da dolina. Algumas vezes há pequenos canais de
drenagem subterrâneos.
Em áreas de relevo alto e de abundantes precipitações tropi­
cais, tal como em Porto Rico, o intemperismo é muito ace­
lerado, causando o coalescimento dos sinkholes e criando
topografia cárstica do tipo “haystack”. Inversamente, o cal­
cário dolomítico, como o encontrado em alguns lugares de
Kentucky, é menos susceptível à erosão. Consequentemen­
te, este calcário desenvolve uma topografia de colinas e vales
conjuntamente com um padrão de drenagem superficial.
O calcário é especialmente difícil de identificar em deser­
tos extremamente áridos ou em ambientes frios árticos,
em função de que a pequena quantidade de precipitação
não produz feições de intemperismo, como as discutidas
acima. Ao invés disso, o calcário é provavelmente a rocha
mais alta em escarpas e em platôs.
Formas Costeiras
Mais de dois terços da população mundial vive dentro dos
160 quilômetros costeiros. Os cientistas estão interessados
em entender processos costeiros associados com a dinâmi­
ca de planícies costeiras, praias, restingas, bancos de areia,
terraços, estuários, etc. Três principais agentes são respon-
553
T op o g rafia C árstica
Figura 14-43 Dado obtido pelo sensor CAMS (Calibrated Air-
borne Multispectral Scanner) (3 x 3 m) ilustrando
exemplo de topografia cárstica com dolina (sink­
hole), ao norte de Orlando, FL. As depressões são
criadas pela dissolução da rocha calcária. Não há
padrão de drenagem superficial nesta área em função
de que toda a drenagem é subterrânea. As áreas mais
escuras são águas profundas. A área clara é areia.
Muitas destas dolinas são densamente vegetadas.
sáveis pela criação de tipos específicos de formas de terreno
em zonas costeiras: 1) a energia solar, que produz ondas e
correntes oceânicas, 2) as influências gravitacionais lunar e
solar, que se combinam para criar as marés, e 3) o homem
como um agente geomórfico muito ativo.
A energia radiante solar aquece diferencialmente a su­
perfície terrestre, criando então variações na pressão do
ar, que produzem distúrbios atmosféricos. Ondas su­
perficiais geradas pelo vento são as principais fontes de
energia ao longo da costa e são responsáveis por muitas
das formas de terreno erosionais costeiras. Inversamen­
te, ondas também geram correntes costeiras que são res­
ponsáveis pelos movimentos de sedimentos litorâneos
nas praias (Selby, 1989). Um a onda de altura h é pro­
duzida por um vento sustentado que sopra sobre um
corpo d ’água por uma certa distância de ação (F), na
seguinte relação: h = 0 ,3 6 Vi7. A altura da onda tam ­
bém pode ser estimada somente se a velocidade susten­
tada pelo vento (V) for conhecida, usando a relação h =
0 ,0 0 2 4 V2. Ventos contínuos e sustentados incidindo
sobre grandes volumes de água podem criar correntes
oceânicas, que são também influenciadas por variações
na temperatura e na salinidade da água. Essas correntes
oceânicas, tais como a Corrente do Golfo, podem im-
pactar o desenvolvimento de formas de terreno costeiras
 Sensoriamento Remoto de Solos,
554 CAPÍTULO Minerais e Geomorfologia

Kuwait City, Kuwait

Gancho

Vi Quebra-mar feito
pelo homem
Deposição pela
corrente ao longo
da costa

a s K v v I _
y *
s i m

Figura 14-44 Imagem SPO T pancromática 10 x 10 m de Kuwait City. Vários quebra-mares construídos pelo homem influenciam a
deposição ou a erosão de sedimentos carregados pela correnteza ao longo do litoral, que geralmente flui de sudeste para
noroeste. Um grande banco de areia ou gancho está presente na parte mais a norte da cidade. Este é um bom exemplo de
como o ser humano é um agente ativo de mudança geomórfica em zonas costeiras (© SPO T Image, Inc.).

em função de que influenciam a temperatura e a quan­
tidade de sedimentos suspensos na água, o que por sua
vez pode im pactar o desenvolvimento de ecossistemas
de recifes de corais e de manguezais.
As influências gravitacionais do Sol e da Lua sobre a Terra
criam as marés, ou seja, o periódico crescimento e abaixa-
mento do nível do mar, que em várias regiões ocorre duas
vezes ao dia. As marés são importantes porque aumentam
a altura vertical acima da qual a ação das ondas pode afetar
a costa. Correntes produzidas por maré baixa e preamar
podem erodir tanto quanto um transporte de sedimento.
As marés também levam muitos dos detritos-carregados
com nutrientes de dentro dos estuários e lagunas para den­
tro do oceano aberto. Os detritos são muito importantes
na cadeia alimentar aquática.
Finalmente, a humanidade é um agente geomórfico ativo
que constantemente desenha e redesenha a zona costeira,
desviando rios e correntes litorâneas de seus cursos nor­
mais, impactando suas cargas de sedimentos suspensos.
Muitas vezes rios são cavados, mudando seus gradientes;
planícies úmidas são preenchidas; cais, barricadas e estru­
turas marítimas são construídos, os quais redirecionam a
energia das ondas; além de outras estruturas sobre o topo
de formas costeiras frágeis como as dunas. A Figura 14-44
mostra estruturas marítimas presentes no litoral de Kuwait
City, as quais impactam a deposição e a erosão de sedimen­
tos suspensos carregados pela corrente litorânea.
A costa é definida formalmente como a região geográfica
mais elevada adjacente ao mar. A linha costeira (ou linha
litorânea) separa a costa do mar e é a área geográfica afe­
tada pela ação das ondas. A praia pode ser subdividida
em (Selby, 1989):
• a área offshore, que fica abaixo da linha de quebra-ondas
da maré baixa;
• a área nearshore, que fica entre a linha de quebra-ondas
da maré baixa e a linha da maré alta;
• a área foreshore, que fica entre as linhas costeiras da
maré alta e da maré baixa;
• a área backshore, que fica entre as mais altas marés-altas
com efeitos de tormentas, até a base da terra perma­
nente, que poderia ser um penhasco ou duna de areia.
Formas de terreno costeiras deposicionais e erosionais são
discutidas a seguir.
Geomorfologia 555

B an co de A reia Farewell S p it, S o u th Islatid, N ova Z elân dia

Figura 14-45 Banco de areia Farewell no ponto noroeste de South Island, Nova Zelândia, que se alonga por 30 km de Cape Farewell. Esta
imagem ASTER foi obtida em 13 de fevereiro de 2001. O lado norte do banco de areia é composto de dunas de areia, enquanto
que o lado sul, que faceia Golden Bay é solo úmido. Áreas pantanosas submersas são visíveis ao sul do banco de areia (cortesia
de NASA/GSFC/METI/ ERSDAC/JAROS e U.S./japan ASTER ScienceTeam).

Praias, restingas, ganchos, bancos de areia, ilhas barrei­
ras, lagunas e estuários
Uma p raia é composta primariamente de sedimentos inor­
gânicos depositados por correntes litorâneas na zona costei­
ra. A ação contínua das ondas faz com que as praias sejam
compostas de partículas de areia de diferentes tamanhos,
embora isto possa variar. Por exemplo, algumas praias adja­
centes a rios maiores são compostas de materiais cascalhen-
tos ou de pedras arredondadas transportadas ao longo da
costa pelos leitos dos rios. A fonte de sedimentos praianos
pode ser de materiais rochosos intemperizados provenientes
das terras adjacentes às praias, ou da plataforma continental
de onde a ação das ondas move sedimentos em direção às
praias, ou de fragmentos de conchas e corais em decompo­
sição, ou de sedimentos suspensos ou dos leitos de rios.
A deposição continuada de sedimentos em linhas litorâne­
as com declividade suave pode causar o aumento do tama­
nho das praias, o movimento para dentro do continente,
ou o movimento em direção ao mar. Uma grande tem­
pestade pode causar quaisquer destes efeitos num tempo
muito pequeno. Em qualquer caso, pontas de praia podem
ser formadas. Se a ponta de praia termina em água aberta,
ela é chamada de banco de areia {"spit"). A ponta de areia
Farewell Spit, na Nova Zelândia, é mostrada na Figura 14-
45. A ponta de areia, ou banco de areia, em frente a Morro
Bay, CA (Figura 14-46; Prancha Colorida 14-7), cria um
excelente ancoradouro se ele for dragado regularmente. Os
bancos de areia tendem a desenvolver-se na direção predo-
*
minante do transporte de sedimento ao longo da costa sob
a ação das ondas. Se o banco de areia curva-se em direção
à terra, ele é chamado de gancho (“hook”). O gancho ao
longo do litoral de Kuwait City é um bom exemplo (Fi­
gura 14-44). Um banco de areia que conecta duas ilhas é
chamado de barra. Atrás de um banco de areia pode for-
mar-se uma laguna rasa ou uma baía. Algumas barras são
tão extensas que são chamadas de ilhas barreiras. Na costa
leste dos Estados Unidos elas se estendem por mais de 100
km e podem ter vários quilômetros de largura. Por exem­
plo, a Sullivans Island é uma ilha barreira costeira próxima
de Charleston, S £ (Figura 14-47 e Prancha Colorida 14-
8a). Ilhas barreiras suportam o impacto de tempestades,
furacões e de surtos de tempestades. A Ilha de Sullivan foi
atingida por uma tormenta de 450 mm durante o Fura­
cão Hugo, em 1989. Um tômbolo é formado quando uma
barra ou banco de areia junta uma ilha à terra continental.
Um estuário é uma baía na boca do rio, onde a maré in­
fluencia a corrente do rio.
Planícies de M arés, M anguezais de M arés, Zonas Inun­
dadas por Marés
Uma coisa curiosa sobre a zona próxima do litoral é que
a contínua ação das ondas causa a floculação de partícu­
las com tamanhos de argila e de silte (significando que as
partículas aderem-se entre si) em agregados fracos e rela­
tivamente grandes na água do mar. Frequentemente este
material é movido da zona de praia para lagunas e estuários
 Sensoriamento Remoto de Solos,
556 CAPÍTULO Minerais e Geomorfologia

M orro Bay, CA

a. Ortofoto digital e parte de

Morro Bay, CA, obtida em 28
de maio de 1994.

b. Imagem TM/Landsat, banda 4. c. Imagem TM/Landsat, banda 7

Figura 14-46 a) Ortofoto pancromática USGS D O Q Q d e Morro Bay, CA. A baía ou laguna é separada do oceano por uma extensa ponta
de praia (cortesia U.S. Geological Survey). b) A barra de praia também tem numerosas dunas, algumas das quais são vegetadas.
A atividade da onda na linha litorânea é visível na imagem TM/Landsat banda 4. c) A banda 7 pode ser usada para identificar
claramente a linha do banco de areia. Terraços cortados pelas ondas também podem estar presentes nesta área (cortesia NASA
Observatorium e Space Imaging, Inc.). Duas composições coloridas desta área são mostradas na Prancha Colorida 14-7.
Geomorfologia
Ilha de Sullivan, SC
Monte
Pleasant
de barco
pela ação de ondas ou das marés. Quando a ação da onda
ou da maré cessa ou torna-se lenta, o material floculado é
depositado no fundo da laguna ou estuário. Assim, pode-
se pensar sobre a zona de praia como um lugar que limpa
a coluna d’água, depositando a areia mais grosseira e o ma­
terial cascalhento na praia e preparando as partículas de
argila e silte para deposição em outro lugar. Esta floculação
e movimento de materiais explica porque há tamanha di­
ferença entre ambientes praianos e estuarinos.
Planícies de marés { “tidal flats’) são áreas costeiras protegi­
das da ação direta das ondas por bancos de areia, ganchos,
barras e barreiras de praias ou ilhas. Estas planícies têm
declividades muito baixas e podem estar completamente
expostas na maré baixa e totalmente submersas na maré
alta. As planícies de marés podem conter uma quantidade
significativa de vegetação, tal como Spartina alterniflora,
Rhizophora mangale, ou outras espécies de vegetação, que
é chamada de manguezais de marés (Davis e Jensen, 1998).
Se não há vegetação presente, a área é simplesmente cha­
mada de zona inundávelpor maré ( “m udflat”). Manguezais
de marés e zonas inundáveis por marés usualmente apre­
sentam um padrão de drenagem dendrítico bem desenvol­
557
Figura 14-47 Versão pancromática de ortofoto digital
USGS de Sullivan Island, SC. Numerosas
formas costeiras estão presentes, inclu­
indo uma ilha barreira criada pelo cresci­
mento de várias pontas de praia, barras de
areia, enseadas de entremarés e mangues
{Spartina alterniflora). Uma composição
colorida infravermelha da área é mostrada
na Prancha Colorida l4-8a.
vido, porque o material silte-argila é homogêneo, como
é mostrado no sul de Farewell Spit, na Nova Zelândia
(Figura 14-45). Um manguezal de maré atrás da ilha de
barreira Isle o f Palms, SC (South Carolina), é mostrado na
Figura 14-48. Consiste de canais de marés contendo água
salina e salobra, zona inundável por maré e não-vegetada,
e manguezais de mares com vegetação (Spartina alterniflo­
ra). A Prancha Colorida l4-8b fornece informações mais
detalhadas sobre as características de zonas inundáveis por
marés e manguezais de marés em Isle o f Palms, SC.
Terraços M arinhos
Quando um litoral é soerguido por atividade tectônica, a
plataforma quebra-ondas original é elevada para uma al­
titude maior e a ação das ondas começa a criar uma nova
plataforma quebra-ondas. O resultado é a presença de um
terraço marinho residual e barrancos ou penhascos profun­
dos associados. Durante o Pleistoceno ocorreram muitos
soerguimentos tectônicos. Os notáveis terraços marinhos
ao longo da costa sul da Califórnia, próximo de Paios Ver­
des foram produzidos desta maneira.
 Sensoriamento Remoto de Solos,
558 CAPÍTULO Minerais e Geomorfologia

M an gu ezal em Isle o f Palm s, S C

on4.,exposta , 'r r^%

nuntlável por ! • * * -v« % . .
,r • • « Ê . k.. ^ ' v

' rV.' V • Zona inundada #*

por maré

•
,.
V /'*
• ; -V -ár’
: 'f k \
** í
1

Zona exposta ;
inundável por • Spartina
maré alterniflora

b. NASA ATLAS, banda 6 (infravermelho próximo)

Figura 14-48 a) Imagem NASA ATLAS, banda 10 (infravermelho termal), 3 x 3 m, do manguezal atrás da Isle o f Palms, SC, obtida em
agosto de 1998. b) Imagem ampliada ATLAS, banda 6 (infravermelho próximo) de uma porção da área. As imagens foram
obtidas na fase intermediária da maré. Algumas das zonas inundáveis por marés (que não têm vegetação) estão expostas, en­
quanto que outras estão inundadas pela maré que chega e que flui através dos canais de marés. Os polígonos mais escuros de
Spartina alterniflora mostram-se como áreas mais claras ao longo de barreiras naturais na imagem do infravermelho próximo.
O padrão de drenagem dendrítico associado com materiais homogêneos de solos é evidente. E mais fácil discriminar entre
as zonas inundáveis, as águas de marés e a vegetação Spartina quando se usa composição colorida infravermelha, conforme
mostrado na Prancha Colorida 14-8b.

Recifes de Corais frequentemente crescem melhor no lado voltado para o

Os recifes de corais são originados por pólipos de corais
vivos e algas calcárias (Figura 14-49). Os recifes de corais
desenvolvem-se melhor em águas marinhas entre 25 °C e
30 °C com níveis normais de salinidade. Assim, os corais
geralmente são restritos às regiões tropicais entre as lati­
tudes 30° N e 25° S. O coral requer água com < 100 m
de profundidade e geralmente livre de sedimentos, de tal
forma que a fotossíntese possa ocorrer. Os recifes de corais
vento das ilhas onde a energia da onda provê alimento e
oxigênio para os pólipos de corais. Entretanto, o desen­
volvimento de significativos recifes pode também ocorrer
no lado protegido pelo vento das ilhas se fortes correntes
oceânicas estiverem presentes. Por exemplo, o sistema de
recifes Palancar no sotavento da Ilha de Cozumel, México,
é banhado por uma corrente oceânica forte e claramente
ascendente. Agua doce e significativas quantidades de sedi­
mentos podem impedir o crescimento de recifes de corais.
Geomorfologia 559

Grande Barreira de Recifes, Queensland, Austrália Coral Palancar, Cozumel, México

Recife _
palancar

parede
externa _
do coral

Atol Francês Mururoa, no Sul

c.
Figura 14-49 a) O Grande Recife Barreira da Austrália estende-se por aproximadamente 2.000 km ao longo da costa de Queensland. Os
recifes observados por esta fotografia do Shuttle (STS 046-077-031) estão localizados a longo da costa leste da Península de
Cape York (cortesia de Kamlesh Lulla, NASA Johnson Space Center). b) Imagem SPOT HRV XS banda 1 (verde) de uma
porção do recife de franja na Ilha Cozumel, México (© POT Image, Inc.). c) Imagem LandsatTM banda 2 (verde) do coral
do atol de Mururoa no Oceano Pacífico (cortesia da Space Imaging, Inc.).

O coral não pode crescer fora da água do mar; portanto,
marés medianamente baixas determinam o limite para o
crescimento de corais. Os níveis dos oceanos podem subir
devido ao aquecimento global. Consequentemente, nós
podemos esperar um proporcional crescimento na forma­
ção de recifes de corais durante o próximo século, se antes
a poluição não destruir os corais.
Os pólipos de corais literalmente criam uma superfície de
calcário ancorada em materiais de fundo. Há três prin­
cipais tipos de recifes. Um recife barreira (“barrier reef”)
situa-se no mar e está separado da terra por uma laguna.
N a Figura l4-49a está ilustrado o Great Barrier Reef, que
é um excelente exemplo. Ele se estende por mais de 1.900
quilômetros ao longo da costa norte da Austrália. Se um
recife está agregado à terra e se estende em direção ao mar,
ele é chamado de recife de coral (“fringing reef”). Uma par­
te do recife de coral Palancar, em Cozumel, é mostrado na
Figura l4-49b. Pode haver lacunas em recifes de corais de­
vido à entrada de água doce ou de sedimentos suspensos.
Finalmente, nós podemos encontrar um atol (“atoll”), que
é semelhante a um recife em anel confinando uma laguna

560 CAPITULO
com uma ilha central (que pode estar ou não presente em
função da subsidência ou da elevação do nível do mar). O
atol de Mururoa, no Oceano Pacífico não tem uma ilha
central (Figura l4-49c).
Form as de Terreno Erosionais Costeiras
Estas formas são originadas quando a combinação da ca­
pacidade de transporte das ondas e da energia da corrente
litorânea excedem o fornecimento de sedimentos. Muitas
erosões costeiras têm lugar durante eventos de tempestades
devido à força destrutiva da energia das ondas. Dependen­
do de como uma linha costeira é orientada, a refração da
onda pode causar ou uma expansão ou uma convergência
da energia da onda. Os pontais (“headlands”) experimen­
tam uma convergência da energia das ondas e portanto são
mais susceptíveis à erosão. Inversamente, baías adjacentes
geralmente experimentam uma divergência da energia das
ondas e estão menos susceptíveis à erosão.
O potencial erosivo da água pode produzir escarpas de praia
com gradientes variáveis. Fragmentos de rochas nas ressa­
cas e a tremenda pressão de ar produzida quando ocorrem
ressacas podem combinar-se para erodir escarpas de praias,
criando cavernas, arcos e até buracos.
Formas Glaciais
Um glaciar (ou geleira) é definido como um corpo de gelo,
neve compactada granular e neve, que se origina na terra e
mostra evidência de fluxo passado ou presente. Formas de
terreno glaciais são criadas pelo movimento do gelo e por
águas de degelo glacial. Há duas categorias gerais de glacia-
ção: continental e alpina. Durante o Pleistoceno (algumas
vezes referido como a Grande Idade do Gelo), camada so­
bre camada de neve acumularam-se de ano para ano, crian­
do vastas geleiras que cobriram grande parte do Hemisfério
Norte. Houve aproximadamente quatro principais avan­
ços e retraimentos das geleiras continentais, sendo a mais
recente (com seu desaparecimento) há aproximadamente
10.000 anos no norte dos Estados Unidos. Somente por­
ções da Antártica e da Groelândia, atualmente, apresentam
glaciação continental. A Figura 14-50, por exemplo, é uma
imagem A ST ER de uma pequena porção da camada de
gelo Antártica, próximo de Mount Vinson. Notar as cristas
de compressão ao longo das bordas do gelo à medida que
ele flui através do vale entre duas cadeias de montanhas.
A glaciação alpina ainda está presente em muitas das gran­
des cadeias de montanhas do mundo, tais como os Alpes, o
Himalaia, as Montanhas Rochosas, Sierra Nevada, Andes,
etc. Tanto a glaciação alpina como a continental produzem
formas de terreno específicas erosionais ou por deposição.
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
C am ada de Gelo Antártico, próxim o de M ount Vinson
Figura 14-50 Uma pequena porção da camada de gelo Antártico
próximo de Mount Vinson, registrada pelo ASTER
em 15 de novembro de 2003. Notar as cristas de
compressão formadas na borda do gelo glacial à me­
dida que ele passa entre duas cadeias de montanhas.
A Antártica contém 90% do gelo mundial. O gelo
da Antártica tem uma espessura média de 2.160 m
(cortesia de NASA/GSFC/M ETI/ ERSDAC/JA-
ROS e U.S./Japan A STER Science Team).
N ós focamos nossa atenção primeiramente nas principais
formas de terreno que podem ser identificadas pela análise
de dados de sensoriamento remoto. É necessário realçar
que o método ótimo de estudar formas de terreno glaciais
é frequentemente avaliá-las em três dimensões. Por exem­
plo, a Prancha Colorida 14-9 contém visadas vertical e 3D
de uma pequena parte do Glacial Malaspina, no Alasca.
A visada 3D com grande inclinação foi obtida pela sobre­
posição de uma imagem TM /Landsat numa imagem do
modelo de elevação digital SRTM (Space Shuttle RADAR
Topography Mission). A visada tridimensional fornece in­
formações específicas sobre a altura relativa, a profundida­
de e a vertente das feições glaciais.
Geoform as Glaciais Erosionais: Anfiteatros (“ Cir-
ques” ), “ Tarns” , “Aretes” , “ H orns” , Vales em “ U ” ,
“ H anging Valleys”
Um "cirque” é um vale escarpado e com formato de anfite­
atro nos cursos superiores de um glacial alpino. Um glacial
alpino erode na parte superior, na parte inferior e ao longo
dos lados de um vale originalmente com formato em “V ”
produzido por fluxo d’água, usando a imensa pressão do
gelo. E notável que após o recuo do glacial alpino, pode
haver relativamente pouca quantidade de material na parte
Geomorfologia
inferior do anfiteatro. De fato, a base do anfiteatro pode
ter sido erodida mais severamente em certas áreas crian­
do uma depressão. Após o recuo do glacial, a depressão
pode ser preenchida por escoamentos, criando então um
lago glacial (ou “tarn ”). Numerosos cirques nas Montanhas
Uinta (em Utah) são mostrados na Figura l4-51ab. Uma
imagem Landsat colorida sobreposta a um modelo digital
de elevação é mostrada na Prancha Colorida l4-10a.
Um “arete” é formado quando cirques de lados opostos de
um divisor erodem na parte superior criando uma crista
estreita e serrilhada. Se os dois cirques continuam a ero-
dir na parte superior, eles podem eventualmente produzir
um “col", que é um arqueamento na crista serrilhada. N u­
merosos aretes e “cols” são visíveis na imagem oblíqua das
Montanhas Uinta mostrada na Figura 14-5 lb. Um “horn”
é formado quando mais de dois cirques erodem na parte
superior, deixando um pináculo com formato espiral. O
mais famosos é o Matterhorn, na Suíça (Figura 14-52). Os
“horns” frequentemente aparecem em formatos triangulares
quando vistos de cima por imagens de sensores remotos.
Durante a glaciação em terrenos montanhosos, os glaciais
geralmente não produzem novos vales, mas a acumulação
e o movimento do gelo glacial erode as partes altas, os
lados dos vales, além de limpar e aprofundar os fundos de
vales. Este processo cria vales glaciais com form ato em “U ”,
que são muito interessantes quando os glaciais recuam. O
Canyon Wallsburg, nas Montanhas Wasatch (em Utah)
é um bom exemplo deste tipo de geoforma glacial (Fi­
gura 14-53; Prancha Colorida 14-1 Ob). Alguns glaciais
escavam vales extremamente profundos, de tal forma que
tornam-se lagos após o recuo dos glaciais. Por exemplo,
o Lago Tahoe mostrado na Figura 14-54 e na Prancha
Colorida 14-10c foi criado desta maneira. O Lago Tahoe
tem uma extensão de 37 km e uma largura de 19 km,
estando a 1.898m acima do nível do mar, chegando a ter
profundidades da ordem de 500 m. E um dos lagos de
maior profundidade nos Estados Unidos.
Se os maiores glaciais com vales em formato de “U ” ero­
dem mais extensivamente na parte inferior do que os flu­
xos glaciais tributários, podem ser criados os “hanging
valleys”, os quais frequentemente entram no vale princi­
pal como cachoeiras.
Geoform as Glaciais Deposicionais: Morenas, “ Morainal
Lakes” , “ Till Plains” , “ Eskers” , “ Kettles” e “ D rum lins”
Geoformas glaciais impressionantes também são criadas
por deposições glaciais de materiais erodidos. Os materiais
rochosos que se acumulam nos lados ou nas bordas dos
glaciais são chamados “morenas laterais”. Se dois glaciais se
encontram, pode ser criada uma “m ediai moraine” na con­
561
fluência de ambas. Isto frequentemente aparece como fai­
xas escuras em fotos aéreas ou em outros tipos de imagens.
Por exemplo, a Figura l4-55a ilustra o Glacial Barnard, no
Alasca, com vários glaciais tributários. Numerosas more­
nas laterais estão presentes. Várias “mediai moraines” fo­
ram criadas nas confluências de morenas laterais.
Se um glacial atinge o equilíbrio entre o acúmulo e o der-
retimento, então é produzido uma morena terminal, no fi­
nal do glacial (Figura 55b). Se o equilíbrio dura por um
período considerável, o glacial continua a mover rochas e
fragmentos para baixo, fazendo com que a morena terminal
aumente em volume. Se o derretimento excede a acumula­
ção, o glacial recua, deixando a morena terminal como uma
geoforma remanescente. Se o glacial atinge o equilíbrio
novamente, uma morena recessional pode ser produzida. E
possível que um certo número de morenas recessionais este­
jam presentes. Algumas vezes água pode ser represada atrás
de morenas terminais, formando então os “morainal lakes”.
Algumas vezes, glaciações continentais ou mesmo alpinas
depositam uma mistura de argila, areia e pedra, e até mes­
mo grandes rochas sobre toda a paisagem. Após o recuo, o
material é referido coletivamente como “glacial till” e a ge­
oforma é denominada “glacial tillplain ". Tipicamente, não
há geoformas importantes com alguma elevação significa­
tiva no “till plain”, mas somente terreno suavemente on­
dulado. Grande parte do meio oeste dos Estados Unidos,
considerado como um celeiro de alimentos para o mundo,
é coberto com depósitos de “glacial till” de variadas espes­
suras. Tais depósitos frequentemente apresentam textura
mosqueadas, com áreas mais claras sendo compostas de so­
los arenosos mais bem drenados e áreas escuras compostas
de solos ricos em argila e mal drenados.
Vários glaciais são produzidos diretamente dentro, acima e
até sob o gelo glacial. Por exemplo, as torrentes subglaciais
que correm dentro de gelos glaciais estacionados (que não se
movem) podem depositar materiais misturados com areia e
pedras dentro dos túneis formados. Após o recuo do glacial, o
material depositado aparece como cristas sinuosas ou lineares
ou “esker”, que podem atingir entre 5 e 30 m de altura, com
50 a 60 m de largura. Os eskers podem alongar-se por vários
quilômetros. Por exemplo, a Figura l4-56a é uma fotografia
oblíqua baixa de um esker sinuoso de pedras alongando-se
por Northern Manitoba, Canadá. Este esker também depo­
sitou alúvio dentro do lago glacial quando o glacial recuou.
Algumas vezes pode ocorrer que um grande bloco de gelo
glacial contendo uma grande variedade de pedaços de gla­
ciais (ou debris) se descole do glacial principal. O bloco de
gelo e os materiais podem ser subsequentemente cobertos
por outros materiais. Após o recuo do glacial, o gelo do
bloco se derrete, deixando uma depressão na paisagem. Es-
 Sensoriamento Remoto de Solos,
562 CAPÍTULO Minerais e Geomorfologia

M on tan h as
U in ta, em
U tah

cirques e vales em U ”
a. Imagem TM Landsat banda 3 sobreposta a um modelo digital de elevação de 30 x 30 m do USGS.

Figura 14-51 a) Imagem da banda 3 (vermelho) do Thematic Mapper / Landsat de uma porção das Montanhas Uinta (Montanhas Ro­
chosas, em Utah). b) Imagem da banda 3 do TM/Landsat sobre DEM do USGS 30 x 30 m (exagero vertical de 4x) e visto
obliquamente. Uma versão colorida é encontrada na Prancha Colorida 14-10a (cortesia Space Imaging, Inc.).
Geomorfologia 563

M atterhorn , n a Suíça

Figura 14-52 Fotografia oblíqua alta do Matterhorn, na Suíça, for­

mado pela erosão superior de mais dé dois “cirques”. O
cirque neste lado direito do Matterhorn contém ainda
um glacial e na parte esquerda está um glacial “pen­
dente” aderido ao lado do pico. Rachaduras no glacial
são visíveis (cortesia American Geographical Society
Collection, arquivado no National Snow and Ice Data
Center, University of Colorado, Boulder, CO).

W asatch R an ge, M on tan h as R och osas, em U tah

Wallsburg Monte Timpanogos cirque arete cirque

Figura 14-53 Imagem banda 4 (infravermelho próximo) do TM/Landsat mostrando uma porção de Wasatch Mountain Range, nas Mon­
tanhas Rochosas, em Utah, sendo que a imagem foi sobreposta a um DEM 30 x 30m do USGS (exagero vertical de 5x),
realçando o Monte Timpanogos e os cirques e aretes glaciais, além dos vales com formato em “U ” do Canyon Wallsburg.
Vários “cols” estão presentes na crista serrilhada do Monte Timpanogos. Uma versão colorida é encontrada na Prancha Co­
lorida 14-I0b (cortesia Space Imaging, Inc.).

tas depressões são conhecidas como “kettles” e podem ser
preenchidas com água, criando lagos e pântanos. Um “ket-
tle” relativamente grande é mostrado na Figura l4-56a.
Um a geoforma do tipo “drum lin” é uma colina lisa, com
formato oval ou elíptico, constituída de till glacial com
seu eixo maior paralelo à direção de fluxo do glacial for­
mador. Drumlins geralmente ocorrem em agrupamen­
tos, que são referidos como “agrupamentos de drumlins” .
Drumlins consistem de pedras e areia misturados com
argila. H á muita controvérsia quanto ao processo que
produz os drumlins. Acredita-se que um drumlin é de­
senvolvido embaixo de gelo ativo e é formado por alta
pressão de água que emoldura o till saturado dentro de
 Sensoriamento Remoto de Solos,
564 CAPÍTULO Minerais e Geomorfologia

S ie rra N ev ad a M ou n tain R an ge, na C alifó rn ia

Figura 14-54 Imagem MSS banda 3 (infravermelho próximo) do Landsat sobre um DEM (Defense Mapping Agency, level-1, exagero vertical
de 5x), ilustrando o Lago Tahoe, em Sierra Nevada, na Califórnia. Adicionalmente, há também vários vales glaciados em degraus
na porção sul da imagem (cortesia USGS NALC database). Uma versão colorida é encontrada na Prancha Colorida 14-10c.

uma fôrma linear. Os drumlins podem ter entre 10 e 50
m de altura, de 100 a 300 m de largura e de 2 a 3 km de
comprimento. Um pequeno campo de drumlins próximo
do Grafton Lake, no Kejimkujik National Park, no C a­
nadá, é mostrado na Figura l4-56b.
Geoformas Eólicas
Quando o vento erode, transporta e/ou deposita material,
ocorre a chamada atividade eólica. Tipicamente, o vento
origina geoformas tanto erosionais como deposicionais em
áreas costeiras e em desertos. As geoformas eólicas podem
desenvolver-se quando há uma grande quantidade de areia
e suficiente velocidade do vento para mover as partículas
individuais do solo. Boas fontes de areia incluem praias cos­
teiras e lacustres, depósitos aluviais e materiais de planícies
glaciais. Quando ocorre um vento forte em local com gran­
de quantidade de areia, os grãos individuais de areia saltam
sobre o terreno (saltação, segundo Selby, 1989). A maior
parte dos grãos de areia move-se durante a saltação somente
cerca de 1 a 2 cm acima da superfície, uns poucos vão a
1 a 3 m. A repetida colisão de partículas faz com que os
grãos vão tornando-se crescentemente arredondados e lisos
(e levemente menores), ficando mais fácil de serem trans­
portados pelos campos de vento. Parte da energia dos saltos
é transferida diretamente para as partículas da superfície sob
impacto, fazendo com que aqueles grãos se movam para
frente ou deslizem. Grãos de silte extremamente finos, me­
nores do que 200 pm podem ser capturados nos primeiros
1 a 2 km de uma atmosfera turbulenta e mover-se a grandes
distâncias como poeira. Por exemplo, aproximadamente 10
cm (equivalente a 100 litros por nr) de silte foi depositado
no sul da França, vindo de fontes da África, nos últimos 300
anos. Assim, partículas de areia são transportadas no vento
por suspensão ou por saltação, e no solo por deslizamento.
Algumas vezes a areia que está sendo transportada por saltos
encontra vegetação ou outros fenômenos que impedem o
seu progresso, ou a velocidade do vento diminui, causando o
depósito destas partículas. Quando uma certa quantidade de
areia é acumulada, temos uma duna de areia, que é definida
como um monte, uma cadeia ou uma encosta de partículas
de areia transportadas pelo vento. Este monte de areia afeta
o fluxo do ar sobre ele. Geralmente, a velocidade do vento é
máxima a barlavento (na direção onde sopra o vento e que
o força a subir) e diminui a sotavento (na direção protegida
do vento) (Figura l4-57a). A zona de velocidade reduzida
do vento faz com que a areia seja depositada sobre o topo
do monte sobre o declive contrário. Cada tamanho de grão
de areia tem um ângulo de repouso diferente, i.e., a máxima
declividade na qual o material solto de solo permanece está­
vel. Quando este ângulo é atingido para uma determinada
areia (p.ex., 30 - 40"), as partículas de areia deslizam-se para
baixo fazendo com que o monte se mova gradualmente para
frente na direção do vento predominante.
Os depósitos de areia podem ter várias formas, incluindo
ondulações (distantes 5 cm e 3 m entre si e com 0,1 a 5 cm
de altura), dunas (distantes 3 a 600 m entre si e com 0,1 a
20 m de altura), e megadunas (distantes 300 m a 3 km en­
tre si, com 200 a 400 m de altura, com muitos quilômetros
de comprimento). Evidentemente, pequenas ondulações
podem existir em dunas individuais e em megadunas.
Geomorfologia 565

morena
lateral

morenas mediais m orena lateral

a. Morenas laterais e mediais no Glacial Barnard, AK.

morena
terminal

b. Morenas glaciais lateral e terminal em Bylot Island, Baffin Island,

NW Territories, Canadá.

Figura 14-55 a) Fotografia aérea oblíqua alta do Glacial Barnard, AK. Cada um dos glaciais tributários tem morenas laterais. A confluência
dos glaciais tributários cria morenas mediais. O glacial tributário à direita recebe material de pelo menos um outro glacial
tributário, como evidenciado pelas duas morenas mediais dentro do centro do seu fluxo (cortesia American Geographical
Society Collection, National Snow and Ice Data Center, Univ. o f Colorado, Boulder). b) Fotografia oblíqua baixa de more­
nas glaciais lateral e terminal em Bylot Island, Baffin Island, NW Territories, Canadá.

Geoform as Eólicas D eposicionais diagnosticas que podem ser reconhecidas em fotografias

Muitas dunas são compostas de areia de grãos médios
(quartzo), entretanto, elas podem também ser compostas
de cinza vulcânica, calcita, e até de partículas de gesso. Há
uma variedade de tipos de dunas arenosas deposicionais
que têm ciclos de desenvolvimento característicos e formas
aéreas ou em outros tipos de imagens. Os cientistas têm
compilado inventários dos principais tipos de dunas en­
contrados ao redor do mundo e como as dunas aparecem
em dados de sensoriamento remoto. Recomendamos, por
exemplo, o trabalho de Rinker et al. (1991), Dokka et al.
(1997) e Walker (1986, 1998).

566 CAPITULO
Figura 14-56 a) Fotografia oblíqua baixa de um esker sinuoso de pedras e de um kettle na floresta boreal de Northern Manitoba. As áreas
de tons claros à direita e à esquerda do esker são deltas de areia depositada pelo esker no interior do lago glacial, que foi for­
mado quando o glacial retraiu-se. b) Fotografia aérea oblíqua baixa de vários drumlins no Kejimkujik National Park, Canadá
(cortesia Terrain Sciences Division, Geological Survey of Canada).
O mais antigo e significativo trabalho sobre a física, a ori­
gem e a evolução de dunas arenosas eólicas foi executado
por Ralph Bagnold (1941), que trabalhou no Egito antes
da Segunda Guerra Mundial. Ele reconheceu dois tipos
básicos de dunas: a duna crescêntrica, que ele denominou
“barchan”, e a duna linear, que ele chamou de longitudinal
(ou “seif”, termo arábico para espada). Infelizmente, esta
terminologia também foi aplicada para muitos outros ti­
pos de dunas, resultando numa terminologia confusa. Esta
seção utiliza o seguinte sistema de classificação de dunas,
adaptado de várias fontes (Walker, 1986, 1998; Rinker et
al., 1991): crescêntrica, linear, domo, estrela e parabólica.
Todos os tipos de dunas podem ocorrer em três formas: sim­
ples, composta e complexa. As dunas simples são formas bá­
sicas com um número mínimo de faces que definem o tipo
geométrico. As dunas compostas são dunas de grande porte
sobre as quais dunas menores de tipo e orientação de face
similares ocorrem sobrepostas. As dunas complexas são com­
binações de dois ou mais tipos de dunas (Walker, 1998).
Crescêntrica: É a duna mais comum na Terra (e em Mar­
te). Elas geralmente são mais largas do que longas. Com
base no trabalho de Bagnold (1941), estas dunas são fre­
quentemente referidas como dunas barchan, barchanóides
ou transversais. As dunas barchan crescêntricas, tais como
as mostradas nas Figuras l4-57b,c podem ser produzidas
quando 1) o vento predominante vem de uma direção uni­
forme e consistente; 2) há pouca vegetação presente para
ancorar qualquer porção da duna; e 3) há um suprimento
de areia relativamente esparso. A declividade na direção do
vento é usualmente < 15o. A face sotavento (slipface ou de
escorregamento) da duna barchan é mais íngreme com um
ângulo de repouso de aproximadamente 34 a 40° para areia
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
seca. Barchans individuais ou megabarchans extremamen­
te grandes comumente ocorrem em cadeias alongadas que
podem fundir-se com dunas unidas em campos ou ergs.
Pequenas barchans movem-se vários metros por ano, mas
megabarchans movem-se mais lentamente (Walker, 1998).
Linear: Dunas lineares (ou longitudinais) podem ser es­
treitas ou irregularmente sinuosas. Uma fotografia oblíqua
baixa de uma duna linear no sul de Soda Lake é mostrada
na Figura l4-58a. Estas dunas podem ter muitos quilôme­
tros de comprimento e centenas de metros de altura. Elas
são geralmente compostas de areia solta, de tamanhos sor­
tidos de muito pequenos a médios. Dunas lineares muito
estreitas podem frequentemente ser referidas como cordi­
lheiras de areia, enquanto que as lineares sinuosas são cha­
madas de seifs. O comprimento de uma duna linear é mui­
to maior do que sua largura. Enquanto a duna crescêntrica
é a de ocorrência mais comum, as dunas lineares cobrem
mais áreas desérticas, especialmente na Austrália central,
sul da África, Península Arábica e partes do Sahara. As
maiores e mais altas dunas do mundo são encontradas no
Deserto da Namíbia, na África. Algumas dunas possuem
alturas superiores a 300 m (Figura 14-59). A Prancha C o­
lorida 14-11 ilustra uma porção da vasta paisagem de du­
nas arenosas da Namíbia, usando dados ET M Landsat-7 e
A STER, sobrepostos a um modelo digital de elevação.
A origem das dunas lineares é controversa. Alguns sugerem
que as dunas lineares são produzidas por ventos unidire-
cionais e que o alinhamento das dunas lineares é paralelo
à direção do vento. Outros sugerem que ventos multidi-
recionais também desempenham um papel no seu desen­
volvimento. Pode ser que o comprimento da duna seja au­
mentado quando o vento sopra na direção predominante.
Geomorfologia 567

zona de velocidade
reduzida do ar
>7ce ,/

« a r * * ,

a. Movimento da areia numa duna.

barchan ou dunas transversas).

Figura 14-57 a) Características gerais de como a areia é movida por saltação e deslize numa duna de areia. Esta ilustração é importante
para o entendimento da direção do vento e das feições mostradas em b). b) Várias dunas crescêntricas (barchan) na costa do
Peru, migrando da direita para a esquerda, paralelamente à direção do vento (cortesia U.S. Geological Survey, 1998; e John
McCauley). c) Vista de uma duna crescêntrica barchanoide singular (cortesia Desert Processes Working Group; Rinker et
ah, 1991; Dokka et ah, 1997).

A largura da duna é aumentada quando o vento sopra for­
temente em ângulos retos aos do vento predominante por
períodos relativamente breves. Um extensivo mar de dunas
lineares é mostrado na fotografia obtida pela Space Shuttle
do Deserto Marzuq, na Líbia, na Figura l4-58b.
D unas dom o: Montes ovais ou circulares de areia que geral­
mente não apresentam a slipface (ou face de deslizamento)
são chamados de dunas domo. Elas são relativamente raras.
A Figura l4-58c ilustra um estéreopar de dunas domo no
Western Shield, na Arábia Saudita. Os domos são parcial­
mente separados por vazios interdunares que são enclausu­
radas por dunas subsidiárias de areia compactada.
D unas estrela: Podem desenvolver-se onde há uma grande
quantidade de areia e o vento sopra em várias direções.
Elas também são chamadas de dunas piramidais ou radiais.
Três ou mais braços de areia tipicamente radiam do monte
central. Os braços podem variar em comprimento, largura,
número e forma, mas cada um tem uma slipface. As dunas
estrela tendem mais a aumentar em altura do que migrar
na paisagem, o que faz com que sejam das mais altas dunas
encontradas. Podem alcançar de 200 a 300 m nos gran­
de desertos do mundo. As dunas estrela também ocorrem
como elementos secundários em combinação com outras
dunas. Uma duna estrela singular no Deserto da Namíbia
é mostrada na Figura l4-60a, e uma fotografia obtida pela
Space Shuttle de dunas estrela superpostas sobre dunas li­
neares na Argélia é mostrada na Figura l4-60b.
D unas Parabólicas: Uma duna parabólica tem um forma­
to em U crescente, como uma duna barchan, exceto que
seus chifres apontam em direção oposta ao vento. Elas são
também chamadas dunas em U, arco, ou grampo. Dunas
parabólicas são originadas quando o vento é suficientemente
intenso para demolir o centro de uma duna, mas uma quan­
tidade relativamente pequena de vegetação em cada lado faz
com que os limites da duna sejam estabilizados. Algumas
vezes os chifres da duna parabólica permanecem ligados à
vegetação por algum tempo até que o corpo da duna migre.
 Sensoriamento Remoto de Solos,
568 CAPÍTULO Minerais e Geomorfologia

a. Visada oblíqua de uma duna linear (longitudinal) em Soda Lake. b. Fotografia Shuttle de dunas lineares no Deserto Marzuq, Líbia.

Figura 14-58 a) Exemplo de uma duna linear (longitudinal). Notar a obstrução física fazendo com que a maior parte da areia se desvie do
seu curso enquanto uma parte desliza sobre o topo (cortesia Desert Processes Working Group; Dokka et al., 1997). b) Versão
preto-e-branco de fotografia da Space ShuttleSTS054-152-189 obtida em janeiro de 1993, mostrando um extenso mar de
dunas lineares. As áreas escuras são parte do Hammadat Marzuq (deserto rochoso) consistindo de afloramentos rochosos (cor­
tesia NASA Johnson Space Center). c) Estéreopar pancromático de dunas domo em Western Shield, Arábia Saudita (fotografia
obtida pelo Army Map Service; cortesia Desert Processes Working Group; Rinker et al., 1991; Dokka et al., 1997).

Quando isto ocorre, a duna parabólica assemelha-se a um
grampo modificado. Dunas parabólicas são sempre associa­
das com vegetação —gramíneas, arbustos, e ocasionalmente
árvores que ancoram os braços posteriores. Elas usualmente
se formam em áreas com fortes ventos unidirecionais.
Loess: Quando um glacial continental se retrai, ele pode
depositar till (areia e pedras) glacial em uma saída da gelei­
ra. Fortes ventos soprando por milênios sobre esta região
de saída pode extrair as partículas pequenas de silte. Estas
partículas podem ser depositadas como uma camada de
solo tipo loess. Por exemplo, o mais espesso depósito de
loess é o Loess Plateau da China, com 335 m. As acu­
mulações de loess na Europa e nas Américas resultantes
da glaciação Wisconsin possuem aproximadamente 20 a
30 m de espessura. Os loess são solos altamente erodíveis
que em geral têm apenas pequenas espessuras. Os canais
de drenagem em solos loess frequentemente têm bancos
Geomorfologia 569

D eserto d a N am íb ia, Á frica

Figura 14-59 Dunas longitudinais no Deserto da Namíbia, Naukluft National Park, conforme registrado pelo ETM+/Landsat-7 em 12 de
agosto de 2000. Estas são as dunas mais altas do mundo, algumas com mais de 300 m (cortesia USGS e NASA). Verificar a
Prancha Colorida 14-1 la para uma vista de uma porção da mesma área conforme registro feito pelo sensor ASTER.

a. Dunas estrela no Deserto da Namíbia. b. Fotografia Space Shuttle do complexo linear das Dunas Tifernine,
em Tassili NAjjer, sudeste da Argélia, sobreposto com dunas estrela.

Figura 14-60 a) Fotografia aérea de grande escala de duna estrela no Deserto da Namíbia. Cada duna estrela consiste de múltiplos braços,
cada um com suas slipfaces (faces de deslizamento) radiando de uma área central. Dunas estrela são produzidas por ventos
vindos de múltiplas direções (cortesia USGS; Walker, 1998). b) Versão preto-e-branco da fotografia STS070-705-094 das
Dunas Tifernine, na Argélia, em julho de 1995. Dunas extremamente longas e lineares estão presentes. As dunas lineares
têm dunas estrela sobrepostas em partes delas. Arenito alterado resistente ocorre no sul e no leste e aparece em tons escuros.
Várias playas estão presentes na imagem (cortesia NASA Johnson Space Center).

muito íngremes. Geralmente as dunas não são formadas
em depósitos loess, devido à forte coesão das partículas
componentes dos solos loess.
Geoform as eólicas erosionais
A areia movimentada pelo vento também pode produzir
feições erosionais impressionantes. A energia cinética do
vento age sobre a superfície do terreno e uma parte da
energia é transferida para o terreno como calor, enquanto
que outra parte desagrega as partículas do solo do terreno
e move-as por saltação. Quando o material é removido da
superfície pelo vento, então temos a deflação. A contínua
remoção de areia e silte de áreas com depósitos aluviais dei­
xa somente uma combinação de areia grossa e seixos e um
pouco de material argiloso. Isto pode resultar na criação da

570 CAPÍTULO
paisagem de pavimento desértico, que é uma superfície com
fragmentos rochosos que permanecem após o vento e a
água terem removido as partículas finas. Quase metade das
superfícies desérticas são zonas de deflação pedregosa. Re­
giões de pavimento desértico são chamadas regs na Argélia,
serir na Líbia e gibbers na Austrália. Estas regiões deflatadas
podem ser muito extensas nos grandes desertos. Uma bacia
deflatada é chamada de blowout. Algumas vezes uma capa
brilhante e escura é encontrada nos pavimentos desérticos,
produzida por minerais de manganês e óxidos de ferro.
As superfícies de corpos rochosos podem também ser ero-
didas pela abrasão por partículas levadas pelo vento. Em
casos extremos o vento pode ser tão forte que corta canais
nas rochas mais resistentes, deixando espinhas lineares resi­
duais chamadas yardings, que podem ter dezenas de metros
de altura e quilômetros de extensão.
ASTER, 2006, Advanced Spaceborne Thermal Emission and
Reflection Radiometer, Washington: NASA, http://asterweb.
jpl.nasa.gov/.
Baldi, P., Fabris, M., Marsella, M. and R. Monticelli, 2005,
“Monitoring the Morphological Evolution of the Sciara dei
Fuoco during the 2002-2003 Stromboli Eruption using Mul-
titemporal Photogrammetry,” ISPRSJournal ofPhotogramme-
try & Remote Sensing, 59:199-211.
Bagnold, R. A., 1941, The Physics o f Blown Sand and Desert
Dunes, London: Methuen, 265 p.
Belnap, J., 2003, “The World at your Feet: Desert Biological
Soil Crusts,” Frontiers in Ecology and the Environment,
1(5): 181—189.
Bocco, G., Velazquez, A. and C. Siebe, 2005, “Using Geo-
morphologic Mapping to Strengthen Natural Resource Ma­
nagement in Developing Countries,” Catena, 60:239-253.
Chabrillat, S., Goetz, A. F. H., Krosley, L. and H. W. Olsen,
2002, “Use of Hyperspectral Images in the Identification and
Mapping of Expansive Clay Soils and the Role of Spatial Re-
soludon,” Remote Sensing o f Environment, 82:431-445.
Clark, R. N., 1999, “Spectroscopy of Rocks and Minerais,
and Principies of Spectroscopy,” in M anual o f Remote Sensing
- Geosciences, A. Rencz (Ed.), NY: John Wiley.
Chen, J., Zhang, M. Y., Wang, I,., Shimazaki, H. and M. Ta-
mura, 2005, “A New Index for Mapping Lichen-dominated
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
biological Soil Crusts in Desert Areas,” Remote Sensing o f En­
vironment, 96:165—175.
Fernandes da Silva, P. C., Cripps, J. C. and S. M. Wise, 2005,
“The Use of Remote Sensing Techniques and Empirical Tec-
tonic Models for Inference o f Geological Structures: Bridging
from Regional to Local Scales,” Remote Sensing o f Environ­
ment, 96:18-36.
Dalton, J. B., Bove, D. J., Mladinich, C. S. and B. W. Rockwell,
2004, “Identification of Spectrally Similar Materials using the
USGS Tetracorder Algorithm: the Calcite-epidote-chlorite
Problem,” Remote Sensing o f Environment, 89:455-466.
Davis, B. A. and J. R. Jensen, 1998, “Remote Sensing ofMan-
grove Biophysical Characteristics,” Geocarto In tl, 13:55-64.
Dokka, R. K., Muyer, L , Rinker, J., Watts, J., Wakefield, G., Mc-
Cauley, J. F. and C. Breed, 1997, M DEP Surface Materials Map­
ping Group Database Design Document Version 2 (MDEI-2000).
Ellis, R. J. and P. W. Scott, 2004, “Evaluation ot Hyperspec­
tral Remote Sensing as a Means of Environmental Monito­
ring in the St. Austell China Clay (Kaolin) Region, Cornwall,
U K,” Remote Sensing o f Environment, 93:118-130.
Farifteh, J., Farshad, A. and R. J. George, 2006, “Assessing
Saltaffected Soils Using Remote Sensing, Solute Modelling,
and Geophysics,” Geoderma, 130:191-206.
Galvao, L. S., Almeida-Filho, R. and I. Vitorello, 2005,
“Spectral Discrimination of Hydrothermally Altered Mate­
rials using ASTER Short-wave Infrared Bands: Evaluation in
A Tropical Savannah Environment,” Intl. Journal o f Applied
Earth Observation and Geoinformation, 7:107—114.
Hapke, B., 1993, Theory o f Reflectance and Emittance Spec­
troscopy, New York, NY: Cambridge University Press.
Hoffer, R., 1978, “Biological and Physical Considerations,”
Remote Sensing: The Quantitative Approach, 241—251.
Hook, S. J., Dmochowski, J. E., Howard, K. A., Rowan, L.
C., Karlstrom, K. E. and J. M. Stock, 2005, “Mapping Varia-
tions in Weight Percent Silica Measured from Multispectral
Thermal Infrared Imagery,” Remote Sensing o f Environment,
95:273-289.
Hooper, D. M., Bursik, M. I. and F. H. Webb, 2003, “Appli­
cation of High-resolution, Interferometric DEMs to Geomor-
phic Studies of Fault Scarps, Fish Lake Valley, Nevada-Cali-
fornia, USA,” Remote Sensing o f Environment, 84:255-267.
Hunt, G. R., 1977, “Spectral Signatures of Particulate Minerais
in the Visible and Near-Infrared,” Geophysics, 42: 501-513.
Referências
James, A., 2006, correspondence, geomorphologist in the
Dept. of Geography, Univ. of South Carolina, Columbia,
SC. JPL, 2006, ASTER Spectral Library, Pasadena: NASA Jet
Propulsion Lab, http://speclib.jpl.nasa.gov/.
King, C., Baghdadi, N., Lecomte, V. and O. Cerdan, 2005,
“The Application of Remote Sensing Data to Monitoring
and Modelling Soil Erosion,” Catena, 62:79-93.
Kruse, F. A., Kierein-Young, K. S. and J. W. Boardman, 1990,
“Mineral Mapping at Cuprite, Nevada with A 63-channel
Imaging Spectrometer,” Photogrammetric Engineering and Re­
mote Sensing, 56(1 ):83—92.
Loynachan, T. E., Brown, K. W., Cooper, T. H. and M. H.
Milford, 1999, Sustaining Our Soils and Society, Alexandria:
Soil Science Society of America and USDA, 66 p.
Lu, Z., Rykhus, R., Masterlark, T. and K. G. Dean, 2004,
“Mapping Recent Lava Flows at Westdahl Volcano, Alaska,
Using RADAR and Optical Satellite Imagery,” Remote Sen­
sing o f Environment, 91:345—353.
Marsh, W. M. and J. Dozier, 1981, Landscape: An Introduc-
tion to Physical Geography, Reading: Addison Wesley, 637 p.
McCauley J. F., Schaber, G. G., Breed, C. S., Grolier, M. J.,
Haynes, C. V., Issawi, B., Elachi, C., and R. Blom, 1982,
“Subsurface Valleys and Geo-archaeology of the Eastern
Sahara Revealed by Shuttle Radar,” Science, 218:1004-1020.
Metternicht, G. I. and J. A. Zinck, 2003, “Remote Sensing
of Soil Salinity: Potentials and Constraints,” Remote Sensing
o f Environment, 85:1—20.
Mojave Desert Ecosystem Program, 1998, Mojave Desert
Ecosystem Program Electronic Database, Washington: Dept. of
Defense and USDI, 8 CDs and maps.
Okin, G. S. and T. H. Painter, 2004, “Effect of Grain Size on
Remotely Sensed Spectral Reflectance of Sandy Desert Surfa-
ces,” Remote Sensing o f Environment, 89:272-280.
Pergola, N., Marchese, F. and V. Tramutoli, 2004, “Automa-
ted Detection o f Thermal Features of Active Volcanoes by
Means of Infrared AVHRR REcords,” Remote Sensing o f En­
vironment, 93:311—327.
Petersen, G., 1999, correspondence, President of the Soil
Science Society o f America, Pennsylvania State University.
Rao, B., Sankar, T., Dwivedi, R., Thammappa, S., Venkata-
ratnam, L., Sharma, R. and S. Das, 1995, “Spectral Beha-
vior of Salt-affected Soils,” Intl. Journal o f Remote Sensing,
16:2125-2136.
571
Rasher and Weaver, 1990, Basic Photo Interpretation, Wa­
shington: Soil Conservation Service, with photographs
and slides.
Reddy, G. P. O., Maji, A. K. and K. S. Gajbhiye, 2004, “Drai-
nage Morphometry and its Influence on Landform Characte-
ristics in a BasalticTerrain, Central índia - A Remote Sensing
and GIS Approach,” Intl. Journal o f Applied Earth Observa-
tion and Geoinformation, 6:1-16.
Rencz, A., (Ed.), 1999, M anual o f Remote Sensing — Geos-
ciences, NY: John Wiley. Rinker, J. N., Breed, C. S., Mc­
Cauley, J. F. and F. A. Cord, 1991, Remote Sensing Field
Guide - Desert, Ft. Belvoir: U.S. Army Engineer Topogra-
phic Lab, 568 p., http://www.tec.army.mil/terrain/desert/
coverpg.htm.
Rowan, L. C., Crowley, J. K., Schmidt, R. G., Ager, C. M.
and J. C. Mars, 2000, “Mapping Hydrothermally Altered
Rocks by Analyzing Hyperspectral Image (AVIRIS) Data of
Forested Areas in the Southeastern United States," Journal of
Geochemical Exploration, 68:145-166.
Salisbury, J. W., Walter, L. S., Vergo, N. and D. M. DAria,
1991, Infrared (2 .1 - 2 5 í m) Spectra o f Minerais, Baltimore:
John Hopkins University Press, 267 p.
Selby, M. J., 1989, Earth’s Changing Surface: An Introduction
to Geomorphology, Oxford: Clarendon Press, 607 p.
Shelton, J. S., 1966, Geology Illustrated, San Francisco: W. H.
Freeman, 434 p.
Short, N. M. and R. W. Blair, 1999, Geomorphologyfrom Space,
A Global OverView of Regional Landforms, NASA: Washington,
http://daac.gsfc.nasa.gOv//DAAC_DOCS/daac_ed.html.
Strain, P. and F. Engle, 1993, Looking at Earth, Atlanta: Tur-
ner Publishing, 304 p.
Swayze, G. A., Clark, R. N., Goetz, A. F. H., Livo, K. E.
and S. S. Sutley, 1999, “AVIRIS 1998 Low Altitude Versus
High Altitude Comparison Over Cuprite, Nevada,” Denver:
USGS, http://speclab.cr.usgs.gov/.
Trefil, J. and R. M. Hazen, 1995, The Sciences: An Integrated
Approach, NY: John Wiley, 634 p.
USDA, 1998, Keys to Soil Taxonomy, Washington: USDA,
8th Ed., 371 p.
USDA, 2003, Keys to Soil Taxonomy, Washington: USDA,
9th Ed., 332 p., http://soils.usda.gov/technical/classification/
tax_keys/keysweb.pdf.

572 CAPÍTULO
USGS Speclab, 2006, USGS D igital Splibo4 Spectral Library:
0.2 to 3 .0 micrometers, Washington: USGS, http://speclab.
cr.usgs.gov/spectral.lib04/spectral-lib04.html.
Van der Meer, F., 1994, “The Extraction of Mineral Absorp-
tion Features from High-Spectral Resolution Data Using
Non-Parametric Geostatistical Techniques,” Intl. Journal o f
Remote Sensing, 15:2193-2214.
Walker, A. S., 1986, “Eolian Landforms,” in Short, N.
M. and R. W. Blair, Geomorphology from Space, A Glo­
bal OverView o f Regional Landforms, Washington: NASA,
447-520.
Walker, A. S., 1998, Deserts: Geology and Resources, Washing­
ton: USGS, http://pubs.usgs.gov/gip/deserts/contents.
Sensoriamento Remoto de Solos,
Minerais e Geomorfologia
Walsh, S. J., Butler, D. R.and G. P. Malanson, 1998, “An
OverView of Scale, Pattern, Process Relationships in Geo­
morphology: A Remote Sensing and GIS Perspective,” Geo­
morphology, 21:183—206.
Wassenaar, T., Andrieux, P., Baret, F., an d j. M. Robbez-Mas-
son, 2005, “Soil Surface Infiltration Capacity Classification
based on the Bi-directional Reflectance Distribution Func-
tion Sampled by Aerial Photographs,” Catena, 62:94—110.
Way, D. S. and J. R. Everett, 1997, “Chapter 3: Landforms
and Geology,” M anual o f Photographic Interpretation, 2nd
Ed„ Bethesda: ASP&RS, 117-165.
Zribi, M., Baghdadi, N., Holah, N, Fafin, O. and C. Guerin,
2005, “Evaluation of A Rough Soil Surface Description with
ASAR-ENVISAT Radar Data,” Remote Sensing o f Environ-
ment, 95:67—76.
Medidas de Reflectância In Situ

M
edidas de reflectância espectral in situ feitas em solo usando um espectrorradiôme-
tro portátil podem ser usadas para:

• ter ideia sobre as características de reflectância espectral de materiais selecionados;

• calibrar dados de sensores remotos; e

• fornecer dados espectrais únicos para melhorar a extração de informação usan­

do dados de sensores remotos multiespectrais e hiperespectrais.

Dados de reflectância espectral in situ são frequentemente coletados por pesquisadores

simplesmente para terem ideia quanto às características espectrais dos materiais da su­
perfície terrestre (p.ex., grama batatais - Paspalum notatuní). Conhecimento adicional
sobre o material pode ser obtido submetendo-o a vários tratamentos (p.ex., aplicação
de diferentes quantidades de nitrogênio à grama batatais) e determinando se os trata­
mentos resultam em diferentes padrões de reflectância espectral. Os vários tratamen­
tos e suas características de reflectância espectral podem ser monitorados através do
tempo para se conseguirem idéias adicionais. Os pesquisadores frequentementj criam
bibliotecas de reflectância espectral dos materiais encontrados nas suas áreas de estudo.
Diversas agências públicas compartilham suas bibliotecas espectrais via Internet, como
por exemplo a Biblioteca Espectral #5 do Levantamento Geológico Norte Americano
(Clark et al., 2003) e a Biblioteca Espectral A STER (ASTER, 2006).

Os sistemas de sensoriamento remoto coletam dados de reflectância espectral do

terreno nas porções do visível e infravermelho próximo (VNIR) e do infraver­
melho de ondas curtas (SW IR - short-wavelength infrared) do espectro eletro­
magnético (0,35 - 2,5 pm). Espalhamento atmosférico, absorção e reflexão fre­
quentemente impactam a energia refletida do terreno e registrada pelo sistema de
sensoriamento remoto (veja o Capítulo 2). Felizmente, os dados de reflectância
espectral extraídos de sensoriamento remoto podem ser correlacionados com os
dados de reflectância espectral percentual in situ do mesmo fenômeno para cor­
rigi-los quanto aos efeitos atmosféricos (Teillet et al., 2002). Por exemplo, um
canteiro de 3 x 3 m de Grama Batatais no terreno pode ser medido usando a) um
escaneador multiespectral aerotransportado de alta resolução espacial, e b) um
espectrorradiômetro portátil. Os dados de sensoriamento remoto podem ser cole­
tados a milhares de metros AGL (acima do nível do solo). A medida in situ com
um espectrorradiômetro é tipicamente coletada aproximadamente a 1 m acima
do dossel. Numerosas medidas pareadas de reflectância espectral de aeronave e de
terreno (p.ex., 20 a 30) podem ser usadas para calibrar (ajustar) as medidas de re­
flectância espectral derivadas de sensoriamento remoto, para minimizar os efeitos
de espalhamento atmosférico, absorção e reflexão (Goetz, 2002). O resultado é
um conjunto de dados de sensoriamento remoto calibrados, que frequentemente
produz informação biofísica ou de cobertura da terra (p.ex., biomassa, índice de
área foliar) mais precisa que um conjunto de dados não-calibrados.
574 CAPÍTULO Medidas de Reflectância In Situ

M edição de Reflectância Espectral Usando um Espectrorradiôm etro Portátil

Referência Alvo Reflectância = Alvo /

(Placa Spectralon) (p.ex., Grama Batatais) Referência

Figura 15-1 Uma curva de reflectância espectral de Grama Batatais obtida pela divisão do espectro do alvo (Grama Batatais neste exem­
plo) pelo espectro da referência (p.ex., uma placa de referência Spectralon branca).

Dados de reflectância espectral in situ de materiais quase
puros da superfície da Terra (p.ex., dosséis sadios e ple­
namente enfolhados de Grama Batatais, asfalto fresco,
água profunda límpida) podem ser usados para localizar
membros finais ou endmembers (membros puros) para
uso durante a análise de dados multiespectrais ou hipe-
respectrais. Os membros finais são usados para fazer a
separação espectral, a qual pode ser usada para produzir
mapas que revelem a proporção de materiais no interior
de cada pixel num conjunto de dados (p.ex., um pixel
poderia conter 40% de Grama Batatais, 30% de asfalto
e 30% de água). Jensen (2005) fornece uma discussão
sobre separação linear de misturas.
1. a magnitude de radiância refletida num intervalo de
comprimentos de onda específico de uma amostra de
referência, Z (p.ex., uma placa de Spectralon);
2. a magnitude de radiância refletida pelo alvo de interes­
se, Z , no mesmo intervalo de comprimentos de onda
(p.ex., Grama Batatais).
O espectro de reflectância, p y, é computado dividindo a
resposta espectral do alvo de interesse pela resposta espec­
tral da amostra de referência:
pr =I x x k (15-1)
r

Este capítulo descreve vários parâmetros que deveríam ser
considerados ao obter medidas de reflectância espectral in
situ de materiais da cobertura terrestre usando um espec­
trorradiômetro portátil.
O fator de correção (k) é a razão entre a irradiância solar
e a exitância da placa de referência e idealmente deveria
ser próximo de 1 (McCoy, 2005). Um exemplo de espec­
tro de referência (Spectralon), espectro do alvo (Grama
Batatais) e reflectância percentual da Grama Batatais está

< Reflectância Espectral de um Material mostrado na Figura 15-1.

O processo de obtenção de medidas de reflectância espec­

tral com espectrorradiômetro portátil é intrigante. Para
< m
Material de Referência

obter o espectro de reflectância de um objeto material, p r O Spectralon é o material de referência mais largamente usa­
é necessário obter duas medidas espectrais: do para obter medidas de reflectância espectral in situ. E uma
Considerações sobre a Iluminação
Reflectância H em isférica de um a Placa Spectralon
'S 0,92--
0,90"-
0 , 88-1-------- 1-------- 1-------- 1-------- 1
-------- 1
-------- 1
-------- 1
-------- 1
-------- 1
250 500 750 1000 1250 1500 1750 2000 2250 2500
Comprimento de Onda, nm
Figura 15-2 Características da reflectância espectral de uma
placa Spectralon no intervalo espectral de 250 a
2500 nm medida em laboratório sob iluminação ar­
tificial controlada. A curva de reflectância não exibe
bandas de absorção atmosférica, que estão presentes
quando as medidas são obtidas sob iluminação solar
direta, como mostrado na Figura 15-1 a.
resina termoplástica branca (ou cinza) que demonstrou ter
maior reflectância difusa que qualquer outro material ou re­
vestimento para aplicações de sensoriamento remoto terres­
tre, tanto para aplicações no campo como em laboratório. O
Spectralon qualificado para uso espacial combina alta reflec­
tância com um perfil de reflectância extremamente lamber-
tiano, exibindo valores de reflectância de >99% no intervalo
espectral de 400 a 1.500 nm e >95% de 250 a 2.500 nm
(Labsphere, 2006). As características de reflectância espec­
tral de uma placa Spectralon medidas em laboratório estão
mostradas na Figura 15-2. Placas Spectralon variam em ta­
manhos de 5 x 5 x 1,5 cm a 6 1 x 6 l x 1,5 cm. A maioria
dos pesquisadores usam placas de 25 x 25 cm ou 30 x 30 cm
montadas numa armação durável de alumínio anodizado.
E possível comprar placas maiores, mas elas se tornam de
difícil manuseio no campo. Elas também são muito caras.
A superfície da placa Spectralon deve ser mantida limpa de
poeira e ciscos. Após um uso pesado pode ser necessário usar
água e lixa bem fina para restaurar a superfície.
Cada placa Spectralon é calibrada pelo fabricante. Dados de
calibração de 250 a 2.500 nm, a cada 50 nm são fornecidos
com a placa Spectralon. Os dados de calibração são obtidos a
partir de padrões do laboratório nacional (Estados Unidos).
Considerações sobre a Iluminação
Ao computar o espectro de reflectância de um material
no campo ou no laboratório, é importante que as carac­
terísticas da iluminação do material de referência (p.ex.,
Spectralon) e do alvo de interesse (p.ex., Grama Batatais)
permaneçam as mesmas.
575
Qualquer variação nas características de iluminação entre
o momento em que os espectros de referência são coleta­
dos e o momento em que os espectros do alvo de interesse
são coletados resulta em erro no espectro de reflectância
obtido. Dito isso, é útil revisar várias considerações sobre
iluminação de cena.
Medição da Reflectância Espectral In Situ Usando
Iluminação Solar
A energia solar que atinge a superfície da Terra e os fato­
res dominantes que afetam a iluminação foram discutidos
no Capítulo 2. Eles são revisitados na Figura 15-3 para
esta discussão sobre radiometria portátil. O vapor d’água
é o principal fator que impacta o fluxo radiante incidente
(Gao e Goetz, 1990). A energia solar atingindo a superfí­
cie da Terra é essencialmente zero nas regiões ao redor de
1400 nm e 1900 nm porque o vapor d’água atmosférico
absorve a luz nessas regiões ao longo de todo o percurso
da atmosfera. Quanto maior a distância que a energia tem
que passar através da atmosfera (i.e., o tamanho da traje­
tória), maior é a magnitude de absorção que ocorre pelos
vários constituintes atmosféricos. A quantidade de vapor
d’água na atmosfera muda diariamente e sazonalmente, e
pode variar no espaço a curtas distâncias dependendo das
características das massas de ar regionais.
Os espectros de reflectância obtidos no campo usando um
espectrorradiômetro portátil são influenciados por cinco ti­
pos de iluminação solar. A irradiância mais dominante é a
iluminação solar direta (E : trajetória 1), como mostrado na
Figura 15-3. Ela pode contribuir com até 90% da energia
total iluminando o alvo sob condições de céu claro. O ân­
gulo de elevação solar sazonal (0) e as condições atmosféri­
cas (p.ex., alto teor de água) afetarão a magnitude do fluxo
radiante e suas características espectrais iluminando o alvo.
A Figura 15-4 documenta a irradiância solar que realmente
atinge a superfície da Terra depois de passar pela atmosfera.
O espalhamento na atmosfera resulta na iluminação so­
lar difusa (skylight). A iluminação solar difusa geralmente
responde por cerca de 10-20% da energia total que ilu­
mina o terreno. As características espectrais da ilumina­
ção solar difusa são uma função do tipo e quantidade
de espalhamento e absorção que estiver ocorrendo. Parte
dessa iluminação solar difusa nunca atinge o alvo, mas é
espalhada para o interior do campo de visada instantâneo
do instrumento de sensoriamento remoto (Ed: trajetó­
ria 2). Parte dessa irradiância solar difusa atinge o alvo
e é subsequentemente refletida para o interior do campo
de visada instantâneo do instrumento de sensoriamento
remoto (Ed: trajetória 3). Alguma irradiância que atinge
o terreno próximo é refletida para o interior do campo
576 CAPÍTULO Medidas de Reflectância In Situ

M edição da Reflectância Espectral In Situ

Usando Ilum inação Solar

Sol Nuvem
0 ^ 3
Espectrorradiômetro
Iluminação solar
direta, E„
41
Irradiância Campo de visada
solar ditusa instantâneo (IFOV)
do sistema sensor
H H= lm
Altitude acima
do nível do solo
(AGL)
Fatores adicionais a considerar. Reflectância da
sombra de nuvem, sombra de área vizinha '— D —M
objetos próximos, vento diâmetro do IFOV
projetado no terreno
na área do alvo
Figura 15-3 Montagem do espectrorradiômetro para obter medidas de reflectância espectral in situ usando iluminação solar.

de visada instantâneo do instrumento de sensoriamento Iluminação Solar Atingindo a Superfície da Terra

remoto (4). Finalmente, o alvo de interesse (p.ex., Gra­
ma Batatais) pode ser iluminado pela luz espalhada por
um campo agrícola, grama, floresta ou estruturas urbanas
próximos (5). Curtis e Ustin (1988) observaram que pelo
menos 20% da iluminação em áreas florestais cortadas
vinham de cobertura florestal adjacente.

N uvens são a evidência visual do vapor d’água na atmosfe­

ra. As nuvens podem modificar as características espectrais
da irradiância atingindo o terreno. Portanto, poderiamos
pensar que seria necessário ter um céu absolutamente claro
e livre de nuvens a fim de obter espectros de reflectância.
N ão é o caso. Uma vez que o espectro de referência (p.ex.,
obtido com um placa Spectralon) e o espectro do alvo
(p.ex., da Grama Batatais) sejam obtidos sob característi­
cas quase idênticas de cobertura de nuvens (i.e., tomados
numa sucessão bem rápida), então ao fazer a subsequen­
te razão haverá redução do erro introduzido pelas nuvens
presentes e pela variabilidade do vapor d’água (nuvens). susceptíveis porque os espectros de reflectância para um
alvo tipicamente não são obtidos numa medição única. Ao
Se os espectros de reflectância vão ser usados para calibrar contrário, uma medição na referência Spectralon é feita, e
espectros obtidos por sensoriamento remoto feito por sa­ então talvez 10 ou mais medições no alvo são feitas. Então,
télite ou aeronave, então os espectros de reflectância in situ é feita uma média das 10 medidas espectrais do alvo para
devem ser coletados aproximadamente ao mesmo tempo e fornecer uma única medida de reflectância do alvo, que é
sob as mesmas condições atmosféricas que os da missão de dividida pelo espectro de referência para fornecer um es­
sensoriamento remoto. pectro de reflectância calibrado para o dossel em estudo.
Idealmente, o dossel permanece completamente imóvel
Vento pode causar confusão na obtenção de espectros de durante a coleta das 10 medições do alvo. Idealmente, as
reflectância in situ. Os dosséis vegetais são particularmente folhas estão na mesma posição, da mesma forma que as
Considerações sobre a Iluminação 577

M edição de Reflectância Espectral In S itu

Usando Ilum inação Artificial
Espectrorradiômetro

Diâmetro do IFOV
projetado no terreno
na área do alvo

Figura 15-5 Montagem do espectrorradiômetro para obtenção de medidas de reflectância espectral in situ usando iluminação artificial
num laboratório.

sombras e a quantidade de solo exposto visto pelos detec­
tores do espectrorradiômetro através do campo de visada
instantâneo óptico (IFOV). O vento move as folhas no
dossel, modificando a quantidade de vegetação, sombra e
solo exposto medidos no interior do IFOV constante do
espectrorradiômetro. O vento pode fazer com que dife­
rentes partes estruturais do dossel (p.ex., galhos, as faces
ventrais das folhas) sejam vistas durantes as dilerentes var­
reduras. Isso introduz ruído nas medidas de reflectância.
Medição da Reflectância Espectral In Situ Usando
Iluminação Artificial no Laboratório*•
Às vezes é útil obter as características espectrais de grama,
folhas ou outras coberturas da Terra sujeitas a diversos tra­
tamentos num ambiente de laboratório controlado. Num
ambiente de laboratório, o analista tem controle de:
• geometria de iluminação baseada no uso de lâmpadas
cuidadosamente posicionadas e calibradas;
• geometria de visada do espectrorradiômetro (geral­
mente apontado no nadir);
• efeitos ambientais (p.ex., não há vento e não chove no
laboratório);
• efeitos atmosféricos (p.ex., é possível controlar a tem­
peratura e o vapor d água no laboratório).
Uma boa configuração para iluminação artificial em ambien­
te fechado é mostrada na Figura 15-5. Ela consiste de duas
lâmpadas de filamento Halógenas de Quartzo-Tungstênio
de 200 - 500 W (cada uma com temperatura de cor de
aproximadamente 3400 K) colocadas em suportes refletores
de alumínio, orientadas a 30° da horizontal e posicionadas
1 m acima do fenômeno de interesse (ASD, 2005). A fonte
de potência deve ser estável. As ópticas do espectrorradiô­
metro são posicionadas para visar o dossel da vegetação no
nadir. Idealmente, o campo de visada do sensor é comple­
tamente tomado pelos materiais do alvo de interesse (p.ex.,
Grama Batatais). Contudo, deve-se tomar cuidado ao usar
iluminação artificial para coletar espectros de reflectância do
alvo, porque uma exposição longa às lâmpadas Fialógenas
de Quartzo-Tungstênio pode literalmente “cozinhar” a ve­
getação. Isso pode degradar a clorofila no parênquima pali-
çádico e fazer com que a água da planta seja evaporada do
mesófilo esponjoso da planta. Essas condições resultam em
espectros de reflectância de vegetação espúrios.
P o r que Ilum in ação com L âm p ad as H alógenas de
Q uartzo-Tungstênio? Muitas fontes de luz podem ser
utilizadas para obter espectros in situ usando um espec­
trorradiômetro portátil. Por exemplo, poderiamos usar
lâmpadas fluorescentes comerciais de 60 ciclos AC. Infe-
lizmente, lâmpadas fluorescentes produzem vários picos
fortes de energia ao longo da porção visível do espectro
(Figura 15-6). Elas também fornecem pouca energia além
de 750 nm. Por outro lado, o espectro de energia de uma
lâmpada D C Halógena de Quartzo-Tungstênio produz
578 CAPÍTULO
Comprimento de Onda (nm)
Figura 15-6 Espectro de uma luz fluorescente.
energia com pico em aproximadamente 900 nm e fornece
energia bem além de 2500 nm (Figura 15-7) (ASD, 2005).
O filamento de tungstênio fica dentro de um tubo de vidro
de quartzo contendo gás halogênio. Esta combinação de
materiais emite uma curva de energia homogênea. Como
no laboratório essa energia é medida bem próxima (a uma
curta distância), não há feições de absorção atmosférica
presentes no espectro de referência obtido no laboratório.
Também, não há as feições de absorção solar (linhas de
Fraunhofer) discutidas no Capítulo 2.
■* Características do
Espectrorradiômetro Usado para Obter
^ , o Espectro de Reflectância In Situ
Os espectros de reflectância a serem medidos são especifica­
dos no delineamento experimental do projeto. Fdá diversas
outras importantes características que precisam ser especi­
ficadas para obter os espectros desejados, incluindo: região
espectral de interesse, resolução espectral, intervalo de amos­
tragem espectral, projeto do espectrorradiômetro, velocidade
da coleta de dados, geometria de visada e campo de visada.
Região Espectral de Interesse
Se o objetivo é obter espectros de reflectância para um ob­
jeto em particular (p.ex., Grama Batatais) e tipos de cober­
tura da terra vizinhos (p.ex., solo exposto, floresta, asfalto),
precisamos medir a reflectância espectral dos materiais ao
longo dos comprimentos de onda de 350 a 2500 nm. As
feições de absorção mais importantes associadas com a ve­
getação estão resumidas na Tabela 15-1 para o intervalo
de comprimentos de onda de 430 a 2350 nm. A Figura
15-8 apresenta as características de reflectância espectral da
vegetação verde sadia de 400 nm a 2400 nm.
Fortes bandas de absorção por clorofila ocorrem em 430 nm
e 660 nm para a clorofila a, e 460 nm e 640 nm para a clo-
Medidas de Reflectância In Situ
Figuta 15-7 Espectro de uma lâmpada Halógena de Quartzo-
Tungstênio.
rofila b. Quando a vegetação está estressada há também um
notável movimento na região de transição do infraverme­
lho próximo para o vermelho conhecida como a posição da
borda do vermelho. Quanto maior a magnitude do estresse,
maior o movimento da borda do vermelho em direção aos
menores comprimentos de onda (Carter et ah, 1996). O
infravermelho de ondas curtas (SWIR) de 1050 a 2500 nm
fornece valiosa informação sobre a quantidade de água
numa planta (i.e., sua turgidez relativa) (Figura 15-8).
Numerosos índices de vegetação discutidos no Capítulo 11
requerem informação nas bandas de absorção pela clorofila.
A base teórica para os índices de vegetação “empiricamente
embasados” é derivada do exame de espectros de reflectân­
cia típicos de folhas (Figura 15-8). A energia refletida nas
bandas do visível é baixa, como resultado da alta absorção
pelos pigmentos fotossinteticamente ativos com máxima
sensibilidade nos comprimentos de onda do azul (470 nm)
e vermelho (670 nm). A maioria da radiação no infraver­
melho próximo é espalhada (refletida e transmitida) com
muito pouca absorção, de uma forma dependente das pro­
priedades estruturais do dossel (IAF, distribuição angular
de folhas, morfologia foliar). Com o resultado, o contraste
entre as respostas no vermelho e no infravermelho próximo
é uma medida sensível da quantidade de vegetação, com as
máximas diferenças vermelho versus N IR ocorrendo para
dosséis completos, e o mínimo contraste para alvos com
pouca ou nenhuma vegetação. Para poucas ou medianas
quantidades de vegetação, o contraste é um resultado de
mudanças tanto no vermelho como no N IR, enquanto que
para altas quantidades de vegetação, apenas o N IR contri­
bui para aumentar o contraste, já que a banda do vermelho
torna-se saturada por causa da absorção pela clorofila.
O contraste vermelho versus N IR pode ser quantificado pelo
uso de razões (NIR / Vermelho), diferenças (N IR -V erm e­
lho), diferenças ponderadas [N IR - ( k * Vermelho)], combi­
nações lineares de bandas [(NIR - Vermelho)/(NIR + Ver­
melho)], ou abordagens híbridas dos acima. Os índices de
Características do Espectrorradiômetro Usado para Obter o Espectro de Reflectância In Situ 579

Tabela 15-1. Feições de absorção espectral foliar (adaptado de Curran, 1989; ASD, 2005).
C o m p r im e n t o M e c a n is m o P r o d u t o ( s ) Q u ím ic o ( s )
de onda

0430 Transição eletrônica Clorofila a

0460 Transição eletrônica Clorofila b
0640 Transição eletrônica Clorofila b
0660 Transição eletrônica Clorofila a
0910 Estiramento C-H, 3o sobretom Proteína
0930 Estiramento C-H, 3o sobretom Óleo
0970 Estiramento O-H, 1° sobretom Água, amido
0990 Estiramento O-H, 2o sobretom Amido
1020 Estiramento N-H Proteína
1040 Estiramento C-H, deformação C-H Óleo
1120 Estiramento C-H, 2o sobretom Lignina
1200 Dobramento angular O-H, 1° sobretom Água, celulose, amido, lignina
1400 Dobramento angular O-H, 1° sobretom Água
1420 Estiramento C-H, deformação C-H Lignina
1450 Estiramento O-H, 1° sobretom, estiramento C-H, deformação C-H Amido, açúcar, lignina, água
1490 Estiramento O-H, 1° sobretom Celulose, açúcar
1510 Estiramento N-H, 1° sobretom Proteína, nitrogênio
1530 Estiramento O-H, 1° sobretom Amido
1540 Estiramento O-H, 1° sobretom Amido, celulose
1580 Estiramento O-H, 1° sobretom Amido, açúcar
1690 Estiramento C-H, 1° sobretom Lignina, amido, proteína, nitrogênio
1780 Estiramento C-H, 1° sobretom/ Estiramento O-H/deformação H-O-H Celulose, açúcar, amido
1820 Estiramento O-H/estiramento C-O, 2o sobretom Celulose
1900 Estiramento O-H, estiramento C-O Amido
1930 Absorção pela água Água
1940 Estiramento O-H, deformação O-H Água, lignina, proteína, nitrogênio,
amido, celulose
1960 Estiramento O-H/dobramento angular O-H Açúcar, amido
1980 Assimetria N-H Proteína
2000 Deformação O-H, deformação C-O Amido
2060 Dobramento angular N-H, 2o sobretom/ Dobramento angular N-H/ Proteína, nitrogênio
estiramento N-H
2080 Estiramento O-H/deformação O-H Açúcar, amido
2100 Dobramento angular O-H/estiramento C-O/ Estiramento C-O-C, 3o sobretom Amido, celulose
2130 Estiramento N-H Proteína
2180 Dobramento angular N-H, 2o sobretom/ estiramento C-H/estiramento C-O / Proteína
estiramento C-N
2240 Estiramento C-H Proteína
2250 Estiramento O-H, deformação O-H Amido
2270 Estiramento C-H/estiramento O-H, dobramento angular CH2/estiramento CH2 Celulose, açúcar, amido
2280 Estiramento C-H/deformação C H 2/ Amido, celulose
2300 Estiramento N-H, estiramento C-O, Dobramento angular C-H, 2° sobretom Proteína, nitrogênio
2310 Dobramento angular C-H, 2o sobretom Óleo
2320 Estiramento C-H/deformação CH2 Amido
2340 Estiramento C-H/deformação O-H/ deformação C-H / estiramento O-H Celulose
2350 Dobramento angular CH2, 2° sobretom, Deformação C-H, 2o sobretom Celulose, proteína, nitrogênio

vegetação são medidas desse contraste, e assim são funções
integrativas de parâmetros estruturais (p.ex., percentagem
de cobertura, IAF) e fisiológicos (p.ex., pigmentos, fotos-
síntese) do dossel (Huete et al., 2002). Numerosos índices
de vegetação foram apresentados no Capítulo 11.
Resolução Espectral
Resolução espectral é definida como a largura completa na
metade do máximo (FW HM ) da resposta do espectror­
radiômetro a uma fonte de luz monocromática (ASD,
2005). O conceito de FW HM foi introduzido na Figura
1-6. Resolução espectral pode também ser definida como
a feição espectral mais fina que pode ser determinada por
um espectrorradiômetro. Muitos pesquisadores estão in­
teressados na obtenção de espectros de reflectância para
tipos selecionados de cobertura da terra sujeitos a diversos
tratamentos a fim de entender a resposta espectral a esses
tratamentos. Se possível, o ideal é usar um espectrorradi­
ômetro portátil que tenha uma resolução espectral de 2
a 3 nm para a região de 300 a 1000 nm, e 10 nm para a
580 CAPÍTULO
Base Fisiológica para o Desenvolvimento de índices de Vegetação
Comprimento de onda, nm
Figura 15-8 Base fisiológica para o desenvolvimento dos índices de vegetação na região de 250 a 2400 nm.
região de 1000 nm a 2400 nm. Os sistemas de sensoria-
mento remoto hiperespectrais aerotransportados como o
AVIRIS têm uma resolução espectral de cerca de 10 nm
(veja o Capítulo 7 para informação sobre o AVIRIS).
Intervalo de Amostragem Espectral
Intervalo de amostragem espectral é o espaçamento entre
pontos amostrais num espectro de reflectância. E acon­
selhável o uso de um espectrorradiômetro portátil que
tenha um intervalo de amostragem espectral de 1,4 nm
para o intervalo 350 - 1000 nm, e 2 nm para o intervalo
10 0 0 - 2500 nm (ASD, 2005).
Projeto do Espectrorradiômetro e Velocidade de
Coleta de Dados
Alguns espectrorradiômetros usados para coleta de dados in
situ registram as informações espectrais mais rápida e precisa­
mente que outros. Quanto mais rapidamente um espectrorra­
diômetro registra uma varredura individual no campo, maior
a probabilidade de que um espectro adicional seja obtido antes
que as condições ambientais (p.ex., cobertura de nuvens, ven­
to) e as condições do sistema sensor (p.ex., geometria de visa­
da) mudem. Lembre-se de que a meta é manter o máximo de
Medidas de Reflectância In Situ
parâmetros ambientais e do sensor tão constantes quanto pos­
sível enquanto as varreduras do alvo e da referência são feitas.
Detectores de silício têm os melhores desempenhos para as in­
vestigações de sensoriamento remoto na porção do visível e do
infravermelho próximo (NIR) do espectro de 350 a 1000 nm.
Na região do infravermelho de comprimentos de onda curtos
(SWIR) de 1000 - 2500 nm, a quantidade de energia solar
disponível para as medições diminui. Portanto, são necessá­
rios detectores mais sensíveis para medir a energia na região do
SWIR (ASD, 2005). Detectores típicos incluem dois fotodio-
dos de InGaAs (arsenieto de gálio e índio) separados.
Todo espectrorradiômetro produz algum ruído. A corrente
de escuro (i.e., ruído da eletrônica ou do detector) pode ser
medida ao visar um alvo de reflectância zero ou ao fazer me­
dições com a óptica coberta. O sinal de corrente de escuro
pode então ser subtraído dos espectros medidos na sequên­
cia. A maioria dos espectrorradiômetros inclui software para
registro e subtração da corrente de escuro.
Geometria de Visada e Campo de Visada
Idealmente, espectros de reflectância in situ e derivados por
sensoriamento remoto são obtidos por um espectrorradiô­
metro visando o terreno no nadir. A maioria das investiga­
Características do Espectrorradiômetro Usado para Obter o Espectro de Reflectância In Situ 581

ções espectrais tem problemas com respeito aos efeitos da

função de distribuição da reflectância bidirecional (BRDF)
introduzidos pela variação diária dos ângulos azimutais e
zenitais solares. Schill et al. (2004) documentaram como
a reflectância espectral da Macega Mole (Spartina alterni-
flora) mudava ao longo do dia por causa de mudanças nos Cam pos de Visada
ângulos azimutal e de elevação do Sol. Os problemas de A ssociados a Várias
BR D F tornam-se ainda mais agudos quando o sensor ob­ Ó pticas Frontais
tém dados fora do nadir. Portanto, sempre que possível, os
dados de reflectância in situ devem ser obtidos no nadir.

O terreno real visto pelo espectrorradiômetro no nadir é

uma função de diversos fatores. O diâmetro (D) do campo
de visada instantâneo projetado no terreno observado pela
óptica do espectrorradiômetro é uma função do campo de
visada angular (|3) multiplicado pela distância do radiôme-
tro acima do fenômeno de interesse (H ):

D = (3 x //. (15-2)

O diâmetro (D) do IFOV projetado no terreno deve ser deci­

dido no começo do projeto. Em estudos exploratórios, D po­
dería ser ajustado para uma dimensão relativamente pequena
para obter espectros na escala espacial da folha, caule e dossel
[p.ex., valores de D variando de apenas alguns centímetros
até 0,25 m (aproximadamente 1 pé)]. Isso poderia fornecer
informação detalhada sobre as características da vegetação,
Figura 15-9 Campos de visada usando ópticas frontais de Io, 3o,
sombra e solo tipicamente encontrados numa pesquisa de
5o, 8o, 18° e 25° para um espectrorradiômetro portátil
sensoriamento remoto. Medidas de reflectância de folhas in­ posicionado 135 cm acima do terreno de interesse.
dividuais e ramos são mais bem obtidos num ambiente con­
trolado de um laboratório por razões previamente discutidas
(p.ex., variações de iluminação causadas por nuvens, vento). pode permitir ao espectrorradiômetro obter dados que
Informação importante sobre os efeitos de vários tratamentos sejam mais representativos dos sistemas de sensoriamento
poderíam ser descobertos dessa maneira. Porém, deve ser ob­ remoto hiperespectrais aerotransportados.
servado que os espectros de reflectância derivados de folhas e
ramos individuais geralmente são de valor limitado ao tentar Espectrorradiômetros Candidatos para Coleta de
fazer filtragem casada (matched-filtering) ou outros tipos de Dados de Reflectância In Situ
classificação de imagens baseados em espectros de reflectância
in situ (Research Systems, Inc., 2004).
Fiá uma variedade de espectrorradiômetros portáteis que
Por outro lado, se estivermos interessados em usar o espec­ podem ser usados para coletar as informações de reflectân­
tro de reflectância para calibrar um tipo específico de dado cia espectral in situ requeridas. Dois dos espectrorradiôme­
de sensor remoto (p.ex., dados de 224 bandas do AVIRIS tros mais amplamente usados são produzidos por
com 3 x 3 m de resolução espacial) ou fazer uma classifi­
cação por filtragem casada usando esses dados, então seria • Geophysical Environmental Research (GER),
lógico ajustar o diâmetro (D ) do IFOV projetado no ter­
reno do espectrorradiômetro portátil para ser de 3 m. Pre­ • Analytical Spectral Devices.
cisaríamos coletar os espectros in situ usando uma escada a
fim de obter tal campo de visada. Os espectrorradiômetros produzidos por essas compa­
nhias são capazes de obter os dados de reflectância es­
A Figura 15-9 mostra campos de visada disponíveis usan­ pectral requeridos em toda a região espectral de 400 a
do ópticas frontais de Io, 3o, 5o, 8o, 18° e 25° para um 2500 nm com resolução aproximada de 10 nm. Eles são
espectrorradiômetro mantido a 135 cm acima do alvo de de fácil operação, armazenam a informação em formato
interesse. O campo de visada da óptica frontal com 25° digital e podem ser adaptados para atender às necessi­
582 CAPÍTULO
dades específicas do usuário no campo (p.ex., campo de
visada, interfaces, mochila costal). As especificações dos
instrumentos espectrorradiômetros mudam rapidamen­
te, de modo que é necessário contactar as companhias
para obter as informações atualizadas.
Referências
ASD, 2005, Technical Guide, 4th Ed., Boulder: Analytical
Spectral Devices, http://www.asdi.com.
ASD, 2006, FieldSpecPro, Boulder: Analytical Spectral Devices,
http://www.asdi.com/products-spectroradiometers.asp.
ASTER, 2006, ASTER Spectral Library, Pasadena: ASTER
Committee, http://speclib.jpl.nasa.gov/.
Carter, G. A., Cibula, W. G. and R. L. Miller, 1996,
“Narrow-band Reflectance Imagery Compared with Thermal
Imagery for Early Detection of Plant Stress," Journal ofPlant
Physiology, 148:515-522.
Clark, R. N., Swayze, G. A., Wise, R., Livo, K. E., Hoefen,
T. M., Kokaly, R. F. and S. J. Sutley, 2003, USGS D igital
Spectral Library - Splib05a, USGS Open File Report OS­
SOS, Washington: U SG S, http://speclab.cr.usgs.gov/
spectral-lib.html.
Curran, P. 1989, “Remote Sensing of Foliar Chemistry,”
Remote Sensing of Environment, 30:271-278.
Curtiss, B. and S. L. Ustin, 1988, “Spectral Changes in
Ponderosa Pine associated with Natural Ozone Exposure,”
Forest Service Forest Response Program Annual Meeting, Corpus
Christi, February, pp 23—26.
Medidas de Reflectância In Situ
Filippi, A., 1999, Hyperspectral Image Classification Using a
Batch Descending Fuzzy Learning Vector Quantization Artificial
Neural NetWork: Vegetation Mapping at the John F. Kennedy
Space Center, Masters thesis, Columbia: Univ. of S.C., 276 p.
GER, 2006, Field Portable Spectroradiometers, Millbrook, NY:
Group for Environmental Research, www.ger.com.
Goetz, S. J., 2002, “Recent Advances in Remote Sensing of
Biophysical Variables: An OverView of the Special Issue,”
Remote Sensing o f Environment, 79:145—146.
Jensen, J. R., 2005, Introductory D igital Image Processing:
A Remote Sensing Perspective, 3rd Ed., Upper Saddle River:
Prentice-Hall, 525 p.
Gao, B. C. and A. F. H. Goetz, 1990, “Column Atmospheric Water
Vapor Retrievals from Airborne Imaging Spectrometer Data,”
Journal of Geophysical Research - Atmospheres, 95:3549—3564.
Huete, A. R., Didan, K., Miura, T., Rodriguez, E. P., Gao,
X. and G. Ferreira, 2002, “OverView of the Radiometric and
Biophysical Performance of the M ODIS Vegetation índices,”
Remote Sensing o f Environment 83:195—213.
Labsphere, 2006, Spectralon, North Sutton, NH, http://www.
labsphere.com.
McCoy, R. M., 2004, Field Methods in Remote Sensing, NY:
Guilford, 159 p.
Schill, S., Jensen, J. R. and G. Raber, 2004, “Bi-directional
Reflectance Distribution Function ofSmooth Cordgrass (Spartirui
Altemifhrd),” GIScience & Remote Sensing, 4 1(2): 116-13 5.
Teillet, P. M., Gauthier, R. P., Chichagov, A. and G. Fedosejevs,
2002, “Towards Integrated Earth Sensing: AdvancedTechnologies
for In Situ Sensing in the Context of Earth Observation,”
Canadian Journal of Remote Sensing, 28(6) :713-718.
Fontes de Informação em Sensoriamento Remoto

Tutoriais on-line

Tutoriais do INPE: www.dpi.inpe.br/tutoriais

Simpósio Brasileiro de Sensoriamento Remoto: www.dsr.inpe.br/sbsr2009
Biblioteca do INPE: http://www.inpe.br/biblioteca/
Fundamentais of Remote Sensing, by Canada Center for Remote Sensing,
www.ccrs.nrcan.gc.ca/resource/tutor/fundam/index_e.php
NASA Observatorium, http://observe.arc.nasa.gov/nasa/core.shtml.html
NASA Global Change Master Directory, http://gcmd.gsfc.nasa.gov/index.
html
Remote Sensing Core Curriculum, by ICRSE, ASPRS, and NCGIA, http://
www.r-s-c-c.org/
Remote Sensing Tutorial, by Nicholas M. Short, NASA Goddard Space
Flight Center, http://rst.gsfc.nasa.gov/
Remote Sensing Tutorial, by the Virtual Hawaii, http://satftp.soest.hawaii.
edu/space/hawaii/vfts/oahu/rem_sens_ex/rsex.spetral. 1.html
Virtual Library: Remote Sensing, http://virtual.vtt.fi/space/rsvlib/IAEGS
Model Curriculum, by the Univ. of Mississippi Institute for Advanced
Education in Geospatial Sciences, http://geoworkforce.olemiss.edu/over-
view.php

Sociedades
Alliance for Marine Remote Sensing - www.waterobserver.org
American Geophysical Union - www.agu.org/
American Soc. for Photogrammetry & Remote Sensing - www.asprs.org
Canadian Remote Sensing Soc. —www.casi.ca/ind-ex.php?pg=crss
European Assoe. Remote Sensing Labs —www.earsel.org/welcome.html
Federation of American Scientists; Image intelligence —www.fas.org/
IEEE Geoscience and Remote Sensing Society - www.grss-ieee.org/
Intl. Commission on Remote Sensing - http://hydrolab.arsusda.
gov/-jritchie/
Intl. Soc. for Photogrammetry & Remote Sensing - www.isprs.org
National Stereoscopic Assoe. - www.stereoview. org/Remote Sensing and
Photogrammetry Soc. (UK) —www.rspsoc.org/
Remote Sensing Specialty Group, Assoe. Arner. Geographers - www.aagrs-
sg.org/
SPIE Intl. Soc. For Optical Engineering —www.spie.org/
584 APÊNDICE
Agências Espaciais Nacionais
Agência Espacial Brasileira (AEB): www.aeb.gov.br
Instituto Nacional de Pesquisas Espaciais: www.inpe.br
Canada Center Remote Sensing —www.ccrs.nrcan. gc.ca/
Centre National d’Etudes Spatiales - www.cnes.fr/
CSIRO-Scientific and Industrial Research for Australia — (NHAP) & National Aerial Photography Program
www.csiro.au/
European Space Agency - www.esa.int/
National Aeronautics & Space Administration - www.
nasa.gov/
National Remote Sensing Agency índia —www.nrsa.gov. Multiespectral
in/
National Remote Sensing Agency Japan — www.nasda.
go.jp/index_e.html
Revistas Científicas
Advances in Space Research — www.elsevier.com/wps/
product/cws_home/644/
Atmospheric Research - www.elsevier.com/wps/product/
cws_home/503323
Backscatter — marine remote sensing: www.waterobser-
ver.org/
Cartography & Geographic Information Science - www.
acsm.net/cagis/cagisj r. html
Canadian Journal of Remote Sensing —www.casi.ca/in-
dex.php
Contputers & Geosciences — www.elsevier.com/locate/
compgeosci/
Earth Observation Magazine — www.eomonIine.com/
Geocarto International - www.geocarto.com/geocarto.
html
Geolnformatics - www.j-geoinfo.net/
Geospatial Solutions —www.geospatial-online.com/
GIScience & Remote Sensing —www.bellpub.com/msrs/
IEEE Transactions on Geoscience & Remote Sen­
sing — http://ieeexplore.ieee.org/xpl/RecentIssue. CORONA, ARGON, LANYARD declassified images,
jsp?punumber=36
Intl. Journal of Remote Sensing — www.tan-df.co.uk/
journals/online/0143-1161 .asp
ISPRS Journal of Photogrammetry and Remote Sensing
—www.elsevier.com/locate/isprsjprs
Pattern Recognition —http://science.direct.com
Remote Sensing of Environment —www.elsevier.com
Photogrammetric Engineering & Remote Sensing —
www.asprs.org/publications/index.html
Stereo World - National Stereoscopic Association - www.
stereoview. org/ stereoworld. html
Fontes de Informação em Sensoriamento Remoto
Fontes de Fotografias Aéreas
Kite aerial photography - http://arch.ced.berkeley.edu/
kap/kaptoc.html
NHAP and NHAP - USGS, National High Altitude
Photography
(NAPP), http://edc.usgs.gov/guides napp.html
USDA Photography - www.apfo.usda. gov/
Fontes de Dados de Sensoriamento Remoto
Centro de Dados de Imagens do INPE: www.dgi.inpe.
br/CDSR
EMBRAPA Monitoramento por Satélites: http://www.
cdbrasil.cnpm.embrapa.br/
ADEOS-II - NASDA Advanced Earth Observing Satelli-
te-II, http://sharaku.eorc.jaxa.jp/ADEOS2/index.html
AMSR - NASA Terra Advanced Microwave Scanning
Radiometer (onboard ADEOS-II), http://sharaku.
eorc.jaxa.jp/AMSR/index_e.htm
ASTER - NASA Terra Advanced Spaceborne Thermal
Emission and Reflection Radiometer, http://asterweb.
jpl. nasa. gov/
AVHRR - NOAA Advanced Very High Resolution Ra­
diometer, http://edc.usgs.gov/ products/satellite/avhrr.
html
AVHRR Pathfinder- http://podaac.jpl.nasa.gov/cgi-bin/
dcatalog/fam_summary.pl?sst+pfsst
AVI RIS - NASA Advanced Visible/infrared Imaging
Spectrometer, http://aviris.jpl.nasa.gov/
CASI — Compact Airborne Spectrographic Imager,
ITRES Research Limited of Canada, www.itres.com/
CERES - NASA Terra Clouds and the Earths Radiant
Energy System, http://asd-www.larc.nasa.gov/ceres/
ASDceres.html
http://edc.usgs.gov/products/satellite/declass 1. html
DMSP - Defense Meteorological Satellite Program,
www.ngdc.noaa.gov/dmsp/index.html
EO-1 - NASA New Millennium Program, Earth Obser­
ving-1, Advanced Land Imager, http://eol.gsfc.nasa.
gov/
GOES - NOAA/NASA Geostationary Operational En-
vironmental Satellite, http://goes.gsfc.nasa.gov/
Google Earth - Google, Inc., http://earth.google.com/
13 (Information, Integration, Image, Inc.), www.i3.com/
IKONOS - GeoEye, Inc., www.GeoEye.com
IRS-1 A, B, C, D - Indian Remote Sensing System, Li­
near Imaging Self-scanning Sensor (LISS), http://www.
space-imaging.com/products/irs/index.htm

LANDSA1 MSS — Multispectral Scanner, http://edc.
usgs.gov/products/satellite/mss.html
LANDSAT PM - Thematic Mapper, http://edc.usgs.
gov/products/satellite/tm.html
LANDSAT 7 (ETM+) - Landsat 7 Enhanced Thematic
Mapper Plus, http://landsat7.usgs.gov/
Mercury, Gemini, Apollo, Skylab - www-pao.ksc.nasa.
gov/history/mercury/mercury.htm
METEOSAT - http://oiswww.eumetsat.org/IDDS-cgi/
listlmages.pl?m=bnw
MISR - NASA Terra Multi-angle Imaging Spectroradio-
meter, www-misr.jpl.nasa.gov/
M ODIS - NASA Terra Moderate Resolution Imaging
Spectrometer, http://modis.gsfc.nasa.gov/
M O PIT T - NASA Terra Measurement of Pollution in
the Troposhere, http://eosweb.larc.nasa.gov/PRO-
D O C S/m opitt/table_mopitt.html
M O S -l/M O S -lb —Marine Observation Satellite, http://
www.eoc.jaxa.jp/satellite/satdata/mos_e.html
OCTS —Ocean Color and Temperature Scanner, www.
eoc. jaxa. j p / satell ite/sendata/octs_e. h tml
OrbView-3 —GeoEye, Ind., www.GeoEye.com
QuickBird —DigitalGlobe, Inc., www.digital-globe.com/
about/quickbird.html
RESURS-01 — Russian satellite, http://sputnik.infospa-
ce.ru/resurs/engl/resurs.htm
SeaWiFS (OrbView-2) — GeoEye, Ind., www.Geo-Eye.
com
SO H O - Solar and Heliospheric Observatory, http://so-
howww.nascom.nasa.gov/
Space Shuttle Photography - www.nasm.si.edu/ceps/
rpif/sspr.cfm
SPIN-2 TK-350 and KVR-1000 - U.S. coverage served
on Microsoffs Terra Server (www.terraserver.com/pro-
viders/SPIN2.asp)
SPOT 1- 5 —www.spot.com
SSM/I —NOAA/NASA Special Sensor Microwave/Ima-
ger, http://podaac.jpl.nasa.gov:2031/sensor_docs/ssmi.
html
TOMS —Total Ozone Mapping Spectrometer, http://
jwocky.gsfc.nasa.gov/
TOPEX/POSEIDON —http://topex-www.jpl.nasa.gov/
TRMM - NASA/NASDA Tropical Rainfall Measuring
Mission, http://trmm.gsfc.nasa.gov/
UARS - NASA Upper Atmosphere Research Satellite,
http://umpgal.gsfc.nasa.gov/Radar Sensor Systems
AIRSAR - NASA JPL SAR, http://airsar.jpl.nasa.gov/
ENVISAT-1 — European Space Agency, http://envisat.
esa.int/
ERS-1, 2 —European Space Agency, http://earth.esa.int/
ers/
JERS-1 —Japanese Earth Resource Satellite, www. nasda.
go.jp/projects/sat/jersl/index_e.html
585
LightSAR - NASA Spaceborne Radar (proposed), http://
southport.j pl. nasa.gov/Iightsar/
RADARSAT —Canadian, www.rsi.ca/
SEASAT — http://southport.jpl.nasa.gov/scienceapps/se-
asat.html
SIR-A, B, C/X-SAR - NASA Space Shuttle Imaging
Radar:
• SIR-A —http://southport.jpl.nasa.gov/scienceapps/sira.
html
• SIR-B - http://southport.jpl.nasa.gov/scienceapps/sirb.
html
• SIR-C/X-SAR- http://southport.jpl.nasa.gov/sir-c/
SLAR - NASA Side-Looking Airborne Radar, http://
pubs.usgs.gov/of/2000/of00-006/htm/slar.htm
SRTM —Shuttle Radar Topography Mission, www2.jpl.
nasa.gov/srtm/
STAR-3Í - Sea Ice and Terrain Assessment Radar, Inter-
map Technologies, www.intermap.com/images/papers/
Intermap_STAR-3i_upgrade_screen_v2.pdf
Virtual Earth - Microsoft Inc., www.local.live.com
Recursos de Sensoriamento Remoto On-line na
Universidade da Carolina do Sul
O Dr. Jensen fornece materiais didáticos em PowerPoint
contendo ilustrações sem direitos autorais encontradas
neste livro, sem custos, para fins educacionais. O processo
pode ser iniciado por uma visita ao University of South
Carolina Center for GIS & Remote Sensing em
www.cas.sc.edu/geog/ cgisrs/.
Conteúdo em inglês sem suporte pela Parêntese Editora
O Dr. Jensen também fornece livre acesso a exercícios de
sensoriamento remoto e conjuntos de dados de sensoria­
mento remoto selecionados que ele usa no curso “Sensoria­
mento Remoto do Ambiente”, na Universidade da Carolina
do Sul. Por favor, acesse a informação em:
www.cas.sc.edu/geog/Rsbook/index.html.
Conteúdo em inglês sem suporte pela Parêntese Editora
Você é bem-vindo para usar o material de aula e os exer­
cícios e adaptá-los às suas necessidades. Vários dos exercí­
cios requerem acesso ao sistema de processamento digital
de imagem ERDAS Imagine (ou equivalente) para fazer as
operações fundamentais, tais como visualizar uma imagem
em composição colorida e fazer medições. Em muitos ca­
sos, a imagem usada nos exercícios são de domínio público
a menos que indicado de outra forma. Se Você usar o ma­
terial dos exercícios de sensoriamento remoto, por favor
mande ao autor informações sobre usos inovadores, refina­
mentos metodológicos que poderíam ser feitos, e conjunto
de dados melhorados que poderíam ser usados.
índice Remissivo

A de Visada, 101, 259

Abertura Sintética, 310 paralático, 164
above ground levei, 123 solar, 127
Absorção, 52 sólido, 58
Espalhamento na Água Pura, 414 anisotropia, 369
vibracional fundamental, 367 ANN, 29
absortância, 55, 363 antena ativa, 329
hemisférica, 55 anti-halo, 112
hemisférica espectral, 358 antimoneto de índio, 265
ácido pirogálico, 67 antocianina, 361
active phased-array antenna, 329 APAR, 384
acurácia planimétrica, 152 Aplicações Florestais, 289
ADS40, 459 Aqua, 25
aeronaves Aquisição de Dados de LIDAR, 339
Lockheed SR-71, 82 área de cobertura laser instantânea, 341
U-2, 79 área de imageamento, 152
Aerosol Free Vegetation Index, 392 área de retroespalhamento efetivo, 314
Aerossóis, 50, 434 área foliar, 369
aerotriangulação, 179 area weighted average resolution, 452
AFRI, 393 Áreas Ambientais Críticas, 503
AGNPS, 440 Áreas Urbanas, 139
agricultura, 137 Obtidas pelo LIDAR, 354
na África do Sul, 403 areia, 137
água, 137, 411 arfagem, 271
constituintes, 411 argila, 375
conteúdo, 320 arranjo linear, 197, 224, 235, 239
cor, 425 Artificial Neural Networks, 29
Airborne Multispectral Scanner, 221 árvore de decisão, 29
Airborne Warning and Control System, 147 ASAR, 329
albedo, 263 assinatura espectral, 134, 374
Albert Einstein, 44 assinatura urbana, 458
algas, 422 assoreamento, 417
Algodão, 382 ASTER, 12, 232
ALI, 211 atenuação, 320
ALMAZ-1,296 atmosférica, 220
Almaz-1, 330 atmosfera da Terra, 39
Alta Resolução Espacial, 235 Atributos Planimétricos, 175, 178
altura da vegetação, 353 Atributos Temáticos de Interesse, 190
altura de voo acima do solo, 159 atributos urbanos, 453
ambiente urbano, 446 avaliação da exatidão, 31
amplitude, 328 AVHRR, 31
Análise de Dados AVIRIS, 242
de Sensoriamento Remoto, 26 AWACS, 147
análise de mistura espectral, 451 Ayers Rock, 511
Análise de Vazios, 399 azimute de voo, 298
análise visual, 27
ângulo de reflexão, 53
ângulo bacias hidrográficas, 397
azimutal, 22 back-scattered, 370
de depressão, 298 backslope, 309
de elevação solar, 575 bacterioplâncton, 420
de incidência, 22 balanço de energia, 358
588 índice

Balões de Reconhecimento Genetrix, 79 Costeiras, 423

banda de absorção, 52, 256, 437, 511 estuarinas, 423
da água, 518 Características Biofísicas, 412
vibracionais, 525 Resposta Espectral, 413
doAVHRR, 219 capim-marinho, 379
barra de paralaxe, 171 Características Espectrais da Vegetação, 358
Barragem de Grand Coulee, 96 Características Temporais, 376
base aérea média da foto, 171 índices, 384
Base em Arranjos de Área, 199 Obtidas pelo LIDAR, 353
Base Nacional de Dados Espaciais, 447 carotenóides, 361, 421
base ocular, 164 carotenos, 361
batimetria, 144 carta-imagem, 135
Biblioteca Espectral Digital, 525 cartografia, 8,151
bibliotecas espectrais, 374 CASI 1500, 243
Bidimensional de CCD, 123 CASI, 24
biodiversidade, 397, 399 caulinita, 524
biological soil crust index, 519 CBERS, 12
biomassa, 131 CCD, 25
seca, 379 célula de resolução, 315
seca total, 379 celulose, 375
vegetal, 378 Cemitério Elmwood, 473
verde, 384 CERES, 437
bloco de fotografias aéreas, 152 Charge-Coupled-Devices, 224
blooms, 422 Chlorophyll Absorption in Reflectance Index, 394
blue shift, 363 chuva, 432
BMPs, 441 CIA, 81
borda vermelha, 375 Ciclos
Bósnia-Herzegovina, 88 hidrológico, 25
BRDF, 20 Biogeoquímicos, 26
bruma bruta, 120 Fenológicos, 149, 357, 256
de Vegetação sob Manejo, 379
c Naturais, 377
Cálculo da Escala, 157 Classificação de Cobertura da Terra/Uso da Terra, 453
calendário agrícola, 380, 384 Classificação de Uso do Solo Urbano Industrial, 456
calendário fenológico, 149 classificação paramétrica, 29
calibração radiométrica, 209 classificação por pixel, 29
calibração, 201 clorofila, 53, 422
calor, 262 cloroplasto, 358
camada anti-halo, 112 CNES, 423
camada limite, 412 Cobertura
Camadas e Constituintes Atmosféricos, 51 da terra, 439, 573, 453
Câmera, 93 de gelo, 24
Aberturas Relativas (f/stops), 99 de nuvens, 200
Escura, 64 do dossel, 353
Digital do Solo, 353
de Grande-Formato, 107 do terreno, 195
de Quadro, 199 estereoscópica, 101
Quadro Baseadas em Arranjos de Área, 244 verde, 384
do nadir, 234 coeficiente de calibração, 372
lúcida, 166 coeficiente de extinção, 52
Métrica Analógica, 100 coeficiente de retroespalhamento do radar, 315
Polaroid, 79 coeficientes de transmissão atmosférica, 53
aéreas, 95, 101 COFUR, 31
digitais, 99 Coleta de Dados
estéreo, 166 In Situ, 1
estereoscópicas, 166 de Sensoriamento Remoto, 13, 2
métricas, 99 Colinearidade, 180
campo de visada, 52, 580 coluna d’água, 413
angular total, 264 Comércio e Serviços, 468
instantâneo, 3, 276 Comparação entre Câmera Aérea e Olho Ffumano, 97
camuflagem, 126 Compensação do Movimento da Imagem - Arraste, 102
capacidade térmica, 262 componentes de cena, modelo de, 374
capilar, 518 composição colorido-normal, 103
Caso I, 417 comprimento da antena, 305
líquida, 367 comprimento de onda, 30, 40
índice 589

Comunicações e Serviços de Infraestrutura, 499 D

conceito multi, 133, 147 Dados
Conceitos radiométricos, 56 de Último Retorno do LIDAR, 347
concentração de clorofila, 220 de Intensidade, 347
concentrações de sedimentos, 417 espaciais, 337
Concepção Artística do Satélite Corona, 84 geográficos, 337
condição fisiológica, 289 in situ, 375
condomínio, 461 Digitais, 245
condução, 39 Infravermelhos Termais, 263
condutividade, 320 Meteorológicos, 501
térmica, 262 Multiespectrais Digitais, 195
cone da objetiva, 103 Daguerre, 65
cone de montagem das lentes, 101 daguerreótipo, 65
conjugate principal point, 155 DÂP, 369
Considerações Ambientais, 276 datum, 144
constante dielétrica, 317 Declividade, 353
constituintes da água, 411 degelo, 438
constituintes orgânicos, 413 DEM, 500
contagem individual de unidades, 465 Densidade, 118
conteúdo de água, 320 amostragem, 19, 340
conteúdo de clorofila, 395 fluxo radiante, 57
Conteúdo de Umidade, 317 populacional, 466
contraste, 52 Densitometria, 120
contraste espectral, 384 densitômetro, 120, 214
do filme, 119 deriva, 271
Controle no Terreno e Coleta de Dados, 178 Desastres, 503
convecção, 39 desenvolvimento sustentável, 132
convergência de evidências, 129, 147 Desert Hawk, 88
conversão analógico-digital, 265 desertificação, 218
co-polarização, 300 deslocamento
cor(es) da borda vermelha em direção ao azul, 376
da água, 425 de relevo, 268, 307
do solo, 391 de Wien, 41
dos oceanos, 422 red-edge, 376
primária, 107 despolarização, 319
complementares, 106 detecção de mudanças, 27
primárias, 63, 425 detector óptico-mecânico, 59
subtrativas, 108 Detector por Carga Acoplada (CCD charge-coupled-device), 105
corner-reflection, 324 detectores, 195
Corona, 83 DGPS, 340
corpo cinza, 258 DHEC, 284
corpo negro, 41 Diafragma, 164
corpos d’água interiores, 417 abertura, 98
correção atmosférica, 53 Diagrama de Barras da Transmitância Espectral (Wratten), 110
correção geométrica, 271, 28 diâmetro da copa, 369
correção radiométrica, 60, 27 diâmetro-à-altura-do-peito, 369
correlação digital, 313 diferença de fase, 331
correlação óptica, 313 Differential Global Positioning System, 340
corrente de escuro, 580 Digital Surface Model, 500
corretor de linhas, 203 digitalização de imagens, 176
Cotas Altimétricas de Referência, 181 Digitalizador de Mesa com Matriz Linear de CCD, 123
cotas altimétricas, 176 Digitalizador de Imagem com Matriz, 123
Crise dos Mísseis, 81 dimensão fractal, 398
critério de Rayleigh, 316 dióxido de carbono, 25
critério liso, 316 direção de alcance, 298
critério rugoso, 316 direção de azimute de voo, 298
critérios de NIIRS, 452 direção de azimute, 298
crostas biológicas de solos, 519 direção de iluminação, 305
culturas agrícolas, 218 direção de visada, 298
curva de energia, 578 disco de Secchi, 417
curvas de nível, 174, 181 dispositivos de cargas acopladas, 224
Curvas de Radiação de Corpo Negro, 257 distância
curvas de reflectância, 56 focal, 155
CZCS, 220 da câmera, 159
fótica, 423
590 índice

interpupilar, 164 encurtamento da encosta, 307

slant-range, 305 encurtamento de rampa, 303
distorção Endangered Species Act, 399
radial, 187 endmembers, 574
Tangencial de Escala, 270 Energia, 39
Distribuição angular das folhas, 369 eletromagnética, 8, 297
distribuição de ângulo foliar, 374 especular refletida, 517
distribuição espectral do fluxo radiante, 368 incidente, 436
diversidade biológica, 399 não-polarizada, 300
DLR, 423 polarizada, 22
DN, 196 potencial, 45
Doppler, 311 radiante, 48, 254
dossel, 137 retroespalhada, 370
florestal, 289 solar, 468
vegetal, 366 termal, 279
double-bounce, 320 Enhanced Vegetation Index, 393
drive-in, 476 ENSO, 430
drive-through, 474 ENVISAT, 12, 296, 329
DTM, 500 EO-1, 211
dunas, 566 EOS Terra, 422
dupla reflexão, 320 EOS, 24
duração do pulso, 20 epiderme, 360
epipedon, 512
E equação da paralaxe, 170
Earth Science Enterprise, 24 equação do balanço de radiação, 55
ecologia da paisagem, 396 equações de colinearidade, 180
Economia da Observação da Terra, 31 erectófilas, 369
Economia, 32 erosão, 417
Ecossistemas, 399 ERS-1, 328
aquático, 417 escala, 157
edifício comercial, 463 Fotografia Aérea Vertical sobre Terreno Acidentado, 160
efeito Fotografia Aérea Vertical sobre Terreno Plano, 157
cardinal, 324 escaneador multiespectral, 430
de campo cristalino, 524 Escaneadores Multiespectrais, 263
Doppler, 311 escaneamento do terreno, 200
estufa, 24 escâneres, 4
Fotoelétrico, 48 multiespectrais, 56
hot spot, 372 escarpa, 309
líquido da absorção, 56 espalhamento, 50
atmosféricos, 271, 573 atmosférico, 27, 52
Espectrais do Secamento Progressivo da Folha, 368 direto, 320
Efluentes Termais, 278 frontal, 370
eixos ópticos, 164 Mie, 51
El Nino, 430 múltiplo, 373
elemento de cena, 203 não-seletivo, 50
elemento de resolução, 268 por múltiplas reflexões, 320
elementos de interpretação de imagem, 133, 28 volumétrico, 319
Elementos de Interpretação Visual de Imagens, 129, 132 Rayleigh, 52
eletromagnética, Radiação, 40 espectro
elevação, 337 contínuo, 43
local, 268 de absorção, 361
Elevação-z, 135 de reflectância, 574
emissão térmica, 251 eletromagnético, 16
emissividade espectral, 258 Eletromagnético e a Energia do Fóton da Luz Visível, 46
emitância, 279 espectrometria de imageamento, 239, 197
Empresas Comerciais, 26 espectrômetro imageador, 374
emulsão, 112 Aerotransportado, 24
do filme, 59 espectrorradiômetro, 22, 580
infravermelho-próximas, 113 imageador, 363
ortocromáticas, 113 portátil GER 1500, 362
pancromáticas, 113 para Coleta de Dados de Reflectância In Situ, 581
Fotográficas espectroscopia de imageamento, 511
Preto-e-branco, 113 espelho de varredura, 201, 197
Coloridas, 124 espessura da folha, 367
Emulsões Fotográficas, 112 estações de recepção, 195, 209
índice 591

estereocorrelação, 183 folha verde, 363

estereógrafos, 166 folhas erectófilas, 369
estereômetro, 171 folhas planófilas, 369
estéreopar, 130 Fonte de Referência Interna, 271
estereorrestituidor, 174 fontes pontuais, 439
estereoscópio, 130, 166 footprint, 152
Espelhos de Wheatstone, 168 foreshortening, 303, 307
de lentes, 166 foreslope, 309
fotogramétricos, 166 Formas
estimativas de população, 325 Cársticas, 550
estresse, 361 Costeiras, 553
plantas, 251 de terreno Controladas por Falhas, 543
ocular, 165 de terreno desenvolvidas em estratos dobrados, 541
Estrutura, 527 de Terreno Fluviais, 544
da folha, 205 de Terreno Igneas, 535
do dossel, 319 Geométricas, 191
urbana, 461 Glaciais, 560
ETM, 207 forward-scattered, 370
EUA, 87 Fotografia Aérea
evapotranspiração, 24 fotografia, 63
exatidão da classificação, 30 Aérea, 94
exitância, 22, 256 Visada, Câmeras, Filtros e Filme, 93
Experimento Clássico de Newton, 108 Vertical, 93
exposição, 164 Oblíqua, 94
Extração de Ortoimagens, 178 Estereoscópica, 176, 167
Multi-banda, 104
F oblíqua, 94
f/stop, 98 oblíqua-baixa, 94
F-117 Nighthawk, 83 pancromática estereoscópica, 463
faixa de cobertura, 338 vertical, 94
faixa de imageamento, 217 estereoscópicas, 164
falsa-cor, 458 quase-verticais, 95
far range, 298 estereoscópicas, 166
fase, 328 verticais, 153
fator de anisotropia, 372 fotografia, escala da, 151
favelas, 461 Fotografias a Partir de Plataformas Aéreas, 68
fenologia da vegetação, 380 Fotogrametria Digital, 175, 179
do Trigo de Inverno, 380 fotogrametria, 93, 29, 151
ficobilinas, 421 analógica, 151
ficoeritrina, 361 digital, 151, 501
figura de mérito, 452 estereoscópica, 174
Filmes, 111 fotomapa, 144
colorido normal, 43, 363 fotomosaico não-controlado, 153
colorido reverso, 124 fóton, 46
infravermelho colorido, 363, 126 Foto-Reconhecimento, 33
positivo, 67 Fotossíntese, 357, 53
Aéreos Coloridos, 115 fração representativa, 157
Aéreos Preto-e-Branco, 115 FRAGSTATS, 398
filtro, 93 frequência de repetição de pulso, 340
menos-azul, 109 frequência Doppler, 311
passa banda, 93, 109 Fumo, 382
polarizador, 111 função de distribuição da reflectância bidirecional, 20
de polarização, 22 função de transferência de modulação, 18
Kodak Wratten, 109 função distribuição de reflectância bidirecional, 372
névoa, 109 FWHM, 16
polarizadores, 109
em Fotografia Aérea, 106 G
fitoplâncton, 417 GAC, 217
FLIR, 252 gama, 119
floresta, 147 ganho da antena, 314
fluxo de energia, 53 Gap Analysis, 399
fluxo de radiação, 117, 53 GCP, 179
Fluxo Radiante, 254 Ge:Hg, 265
incidente, 458 Gelbstoffe, 425
fog, 118 gelo, 214
592 índice

Genetrix, 79 imageamento, 152

GeoEye, 31 imagem bidimensional, 243
Geoformas Eólicas, 564 imagem
Geologia, 526 digital, 195
geometria, 183 do Keyhole (buraco de fechadura) 12 (KH-12), 86
de visada, 368, 580 Estereoscópica de St. Louis, 131
de visada do sensor, 370 interferométrica de radar de abertura sintética, 11
do imageamento, 301 Landsat 7 de San Diego, 212
Perspectiva da Fotografia Aérea Vertical, 268 latente, 59
geomorfologia, 308, 511, 534 matricial, 19
geossíncrona, 214 Obtida pelo Veículo Aéreo Não-Tripulado Predator, 88
germânio dopado com mercúrio, 265 hiperespectrais, 239, 218
GIS, 8 ortorretificadas, 175
global area coverage, 217 Imager, 215
Global Hawk, 87 impressão positiva, 118
GOES, 212, 429, 501 In:Sb, 265
Precipitation Index, 431 incêndios, 214
Sounder, 215 índia, 230
goniômetro, 372 índice brilho do solo, 389
GPI, 431 índice de área foliar, 1,366
GPS, 134, 340 índice de refração, 49
grandezas radiométricas, 55 índice de Umidade, 389
Graus-Dia de Estresse em Plantas, 290 índice de Vegetação Transformado., 388
greenness, 389 índice verdor da vegetação, 389
ground control point, 179 índices de Vegetação Livres de Aerossol, 393
Ground-Range, 301 índices de vegetação, 28, 384
GTOPO30, 331 inércia termal, 262
Guerra do Golfo, 85 informação biofísica, 195
Guerra Fria, 77 informação cadastral, 459
Guerra Mundial, 76 Informação Não-Métrica, 29
Informação Paramétrica, 29
H informação tridimensional, 131
H.O, 358 informações biofísicas, 357
haleto de prata, 22 informações colaterais, 30, 129
haze filters, 109 Infraestrutura de Transporte, 493
Herschel, 252 infravermelho, 43
Hertz, 293 refletido, 255
Hg:Cd:Te, 265 termal, 43, 276
Hidrologia Urbana, 502 inorgânicos, 413
hidroxila, 518 instantaneous field of view, 200
hiperespectrais, 27 instantaneous laser footprint, 341
Hiperespectral, 30 integração não-coerente, 310
história da fotografia, 63 integridade da paisagem, 397
holograma de radar, 313 intemperismo, 526
Hora do Dia - Ângulo Solar, 127 intensidade, 137
hot spot, 372, 127 Interações Energia-Matéria na Atmosfera, 48
HyMap, 24 Interações Energia-Matéria no Sensor, 58
Hyperion, 211 Interações Energia-Matéria no Terreno, 53
interface ar-água, 412
I interferogramas, 330
IAF, 384 interferometria, 329
identificação de culturas, 27 de radar, 326
IFOV, 3, 337, 368 Interferometric Synthetic Aperture Radar, 332
IFSAR, 332 Intermap, 24
1GBP, 24 interpolação, 342
1KONOS, 458 de imagem, 129
Ilha de Calor Urbana, 288, 502 interpretação visual, 5
iluminação, 575 intersecção espacial, 181
artificial, 577 intervalo de amostragem espectral, 578
rasante, 309 intervalo de revisita, 208
ilusão pseudoscópica, 144 intervalômetro, 101
imageamento digital ortorretificado, 446 inundação, 337
imageamento espectral, 239 Inventário Nacional de Florestas da Suécia, 353
Imageamento Multiespectral, 199, 224 inversão de relevo, 303
imageamento termal, 251 íons de prata, 67
 índice

irmãos Wright, 73 Lockheed U-2, 80

irradiância espectral solar, 59 Loess, 568
irradiância solar difusa, 60 looks, 307
irrigação, 137 loteamentos clandestinos, 461
Isaac Newton, 44 Luz Coerente, 313
isolamento térmico, 251 luz difusa, 361
Isolamentos Residenciais, 284 Luz e Cor, 63
luz laser, 338
J luz polarizada, 109, 112
Janelas Atmosféricas, 255, 52 luz verde, 135
JERS, 466
JERS-1, 296, 330 M
manejo da terra, 399
K mangue, 136
Kauth, 388 mapas
KH-4B em Voo, 84 cartográfico, 186
Kirchoff, 260 declividade, 184
de referência, 384
L planimétrico, 134, 94, 31
La Nina, 430 de precipitação, 430
LAC, 217 mineralógicos, 525
Lambertiana, 53 topográficos, 94
Lâmpada de Vapor de Sódio, 50 Mapeador Temático, 8
lâmpadas fluorescentes, 577 mapeamento batimétrico, 413
Landsat Multispectral Scanner, 205 Mapeamento Interferométrico, 332
Landsat, 18 mapeamento topográfico, 227, 330
landscape ecology, 396 marca flutuante, 174
Langley, 252 marcas de medição, 172
largura do lóbulo, 305 Marcas Fiduciais e Pontos Principais, 154
Laser, 338 marcas fiduciais, 103
layover, 303, 257 Marconi, 294
LBCS, 454 masspoints, 338
Leaf Water Content Index, 390 matéria biológica, 137
Lei matéria orgânica, 379, 517
das Espécies Ameaçadas, 399 Material orgânico dissolvido, 12
de SnelI, 49 matiz, 137
de Stefan-Boltzmann, 256 matricial bidimensional, 243
do deslocamento de Wien, 256 Matrizes Lineares, 273
do inverso do quadrado, 266 Max Planck, 47
Radiação de Kirchoff, 259 Maxwell, 40
LeicaADS 40, 129 MDEs, 181
LEISA, 212 MDT, 184
lente, 111 medição da paralaxe, 164
abertura relativa da objetiva, 97 Medição de Altura em Fotografias Aéreas Simples, 161
cone de montagem, 101 Medição de Área, 190
ópticas de vidro da câmera, 58 Medição de Escala e Altura em Fotografias Aéreas, 157
levantamento aerofotogramétrico, 154 Medição Estereoscópica da Altura de Objetos, 164
LIDAR, 293, 337 medição fotogramétrica, 27
Atitude da Antena, 340 medição radiométrica, 57
Pós-Processamento, 341 medidas radargramétricas, 294
Acurácia, 351 membros finais, 574
Elevação Obtida, 353 MER1S, 12
line pair per mm, 124 mesófilo esponjoso, 367
linha de varredura, 134 metano, 25
linha de voo, 152, 131 METEOSAT, 87
Fotografias Aéreas, 152 Métodos de Pesquisa, 146
linha do solo, 390, 366 métricas de ecologia da paisagem, 396
linha fiducial, 171 Métricas de Polígonos, 397
linhas de elevação constante, 174 microdensitômetro, 120
linhas de quebra, 338 Micro-ondas Ativas e Passivas, 293, 332
Linhas de Voo da Fotografia Aérea Vertical, 152 Mie, 50
Litologia, 526 Minerais, 511, 522
local area coverage, 217 MISR, 234
localização planimétrica, 151 Missouri, 131
Localização x,y, 133 mistura espectral, 30
594 índice

Modelagem, 30 NOAA Global Vegetation Index, 219

Qualidade de Água, 439 NOAA GOES, 20
de Cena, 30 NOAA, 212
de Imagem, 30 Normalized Difference Built-up Index, 395
Modelo (s) Normalized Difference Snow Index, 436
estéreo, 166 NPOESS, 25
estereoscópico, 164 NPP, 25,431
transferência radiativa, 60 nuvens, 422, 576, 434
digitais de elevação, 94, 12, 175
digitais de superfície, 337, 342 O
digitais do terreno, 337 oblíqua-alta, 93
hidrológicos, 439 oblíqua-baixa, 93
tridimensional, 130 oceanos profundos, 417
de Li-Strahler, 374 óculos, 165
de mistura, 374 off-nadir, 447
de poluição, 439 ombro da curva, 119
de Qualidade de Água, 439 onda eletromagnética, 40
Ondulatório da Energia Eletromagnética, 40 Opacidade, 118
de Radiação Eletromagnética, 40 Operação Murambatsvina, 132
Digitais de Elevação Urbanos, 500 Optimized Soil-Adjusted Vegetation Index, 394
MODIS, 12, 243 ORBIMAGE, Inc.,219
modos de iluminação, 326 órbita geoestacionária, 214
ultrafino, 327 órbita polar, 215
monitoramento costeiro, 378 órbita síncrona com o Sol, 207
monitoramento da biomassa, 378 órbita/ponto, 200
Monitoramento de Poluição da Água, 278 órbitas polares, 199
morfologia do terreno, 422 OrbView, 423, 26
Morfometria, 529 Ordem e Métodos de Pesquisa, 134
movimentos rotacionais, 48 ornitóptero, 68
MSS, 201 orogênese, 527
MSS/Landsat, 31 ortofotografia, 139
MTF, 18 ortofotomapa, 144, 124
mudanças climáticas, 446 ortofotos, 94, 175
Mudanças da Vegetação, 400 analógicas, 185
mudanças espectrais, 149 verdadeiras, 188
mudanças globais, 207 ortoimagem, 139, 176, 185
Mudanças Sucessionais, 400 Extração de, 178
Multiangle Imaging Spectroradiometer, 236 orvalho, 320
múltiplas visadas, 328 óxidos de ferro, 519
múltiplos retornos, 341 ozônio, 25
de LIDAR, 342
Multispectral Scanner, 20 P
do Landsat (MSS), 17 padrão da cobertura terrestre, 397
Padrão de Acurácia Horizontal e Vertical NSSDA, 351
N Padrões de Drenagem, 529
Nadar, 68 padrões de paisagem, 397
nadir, 20, 208 painel de BaSCQ 418
NAPP, 124 Paisagem Urbana, 445, 472
NASA, 210, 423, 432 par estéreo, 183
NAS DA, 432 PAR, 362
NDMI, 389 paralaxe, 22
NDSI, 436 diferencial, 164
NDVI, 218 em x, 168
NDWI, 389 estereoscópica, 144, 172
near range, 298 estereoscópica absoluta, 170
NESDIS, 333 Parâmetros Ambientais, 315
Neve, 438 parâmetros biofísicos da vegetação, 384
nevoeiro, 214 pares de linhas, 112
New Vegetation Index, 395 por milímetro, 18, 124
Newton, 63 pares estereocópicos, 226
NEXRAD, 502 Pares Estéreos Registrados, 178
Niels Bohr, 47 Partículas Atômicas, 50
Niepce, 64 pass points, 180
nível de cinza, 103 penetração da energia, 318
nível de quantização, 206 Penetração na Água e Batimetria, 425
índice
595

percepção de profundidade, 164 produção primária, 425

percepção estereoscópica, 164 primária oceânica, 220
percepção hiperestereoscópica de profundidade, 164 produtividade, 380
Perpendicular Vegetation Index, 390 primária, 369, 446
perspectiva, 164 primária líquida, 30
Aérea/Regional, 130 profundidade
da Análise de Recursos Terrestres, 32 da água, 411
Tridimensional, 131 óptica, 434
pigmentação da folha, 205 Tridimensional, 130
pigmentos, 361 Programa de Ciência Terrestre, 24
fotossinteticamente ativos, 578 Programa de Reconhecimento com a Aeronave U-2, 79
pitch, 271 Programas Atuais de Satélite Ligados à Defesa, 85
pixel, 196, 133, 18 Projeto Preparatório, 25
Plâncton, 420 Propriedades dos Solos, 515
Planejamento de Missões de Fotografias Aéreas, 127 Propriedades Térmicas do Terreno, 262
Planejamento de Voo, 178 pulso de laser, 19, 338
planejamento regional, 337 pulso de radiação eletromagnética, 297
planícies inundáveis, 503 pushbroom, 208
planimetria, 174
Plano de Voo, 127 Q
plano do filme, 159 Quad Pol, 326
plano focal, 164 quadrature-polarimetry, 328
planófilas, 369 Quadro de conversão de escala, 158
plantas, 141 qualidade da água, 439
plataforma aérea, 9, 68 qualidade das imagens, 186
Plataformas Comerciais de Sensoriamento Remoto, 89 qualidade de vida, 465
pluma, 282 quanta de luz, 109
pluviômetros, 431 quanta, 45
POES, 212 quantidade de precipitação, 431
polarimetria, 328 quantização, 20
Polarização, 16. 22 quantum de energia, 47
cruzada, 300 QuickBird, 26
paralela, 300
Polígonos, 191 R
poluição, 439 RADAR, 129,293
de fonte não-pontual, 439 alcance, 298
ponto de controle aerotransportado de visada lateral, 294
artificial, 180 de abertura real, 294
no terreno, 179 de abertura sintética, 294, 306, 466
Horizontais e Verticais, 176 Doppler de varredura circular, 294
ponto de velocidade, 120 range, 298
ponto nodal, 156 RADARSAT, 326, 441,296
ponto principal, 134 radiação, 39, 358
conjugado, 155, 224 Termal, 256
Pontos de ajuste, 180 difusa, 53
Pontos de elevação, 339 eletromagnética, 40
pontos de passagem, 180 fotossinteticamente ativa, 362
porcentagem de cobertura verde, 384 fotossinteticamente ativa absorvida, 384, 12
positivo e negativo, 66 incidente, 53
posse da terra, 399 infravermelha termal, 251
potência transmitida, 314 refletida, 214
potência recebida, 314 solar direta, 417
potencial de erosão, 397 radiador seletivo, 258
PPC, 155 radiância
precipitação, 25, 430 de fundo, 413
precisão planimétrica, 185 de trajetória, 60, 412
Preparatory Projet to NPOESS, 25 total, 412
Priestly, 358 volumétrica de subsuperfície, 412, 417
primeiro retorno, 341 de Superfície da Agua, 412
princípios de interpretação de imagens, 132 Volumétrica de Subsuperfície, 412
Princípios de Radiação Eletromagnética, 39 de Fundo, 412
princípios Doppler, 311 radiometria portátil, 575
prisma, 106 radiômetro, 228, 214, 332
Processo do Sensoriamento Remoto, 10 de micro-ondas passivas, 332
processos do fitoplâncton, 220 termal, 258
596 índice

range, 294 Resposta da Vegetação, 319

Rapid Scan Operations, 215 resposta espectral, 18
Ratio TCARI/OSAVI, 394 do solo, 518
Rayleigh, 50 da Água, 413
Razão Simples, 387 resseção espacial, 181
Realce de Imagens, 28 restituidor aproximado, 166
recifes de corais, 413 retorno de energia, 316
reconhecimento aéreo com múltiplas bandas espectrais, 103 Retornos de LIDAR, 341
Reconhecimento Fotográfico nas Ia e 2a Guerras Mundiais, 74 retroespalhamento acústico, 427
red edge, 375 Return Beam Vidicon, 201
rede triangular irregular, 342 RFAA, 384
redes neurais, 27 Rochas, 522
Reduced Simple Ratio, 394 rolamento, 271
Reflectância, 53 roll, 271
bidirecional, 372 RSO, 215
Espectral In Situ Usando Iluminação Artificial, 577 Rugosidade Superficial, 315, 521, 258
Espectral In Situ Usando Iluminação Solar, 575 ruídos multiplicativos, 388
Foliar, 358
Espectral de um Material, 574 s
bidirecional, 369 safras, 20
das nuvens, 431 Salinidade do Solo, 520
dos solos, 374 SAR, 294, 306, 325
do volume do solo, 517 satélite, 214
de Materiais Selecionados, 57 Aqua, 25
especular, 517 geoestacionário, 437, 501
foliar aditiva, 364 na Terra, 214
hemisférica, 55 de reconhecimento, 83
espectral, 358 meteorológicos, 431
superficial escalonada, 27 Terra, 434
total, 517 Tecnológicos de Recursos Terrestres, 199
refletividade, 430 saturação, 137
reflexão, 53 Saussure, 358
de canto, 324 ScanSAR Wide, 326
difusa, 53 SEASAT, 295
especular, 53, 417 Seasat, 325
refração, 49 SeaWiFS, 12
Atmosférica, 51 seção transversal de radar, 314
Região Espectral de Interesse, 578 secas, 218
regras de seleção, 46 Secchi, 418
regras heurísticas, 384 sedimentos, 137,413, 126
relação base/altura, 183 senescência, 361
Relação Inversa Entre Comprimento de Onda e Frequência, 42 sensibilidade espectral, 201, 125, 114
relação sinal-ruído, 266, 201 sensibilidade térmica, 252
relatório de calibração da câmera, 179 Sensitometria, 1 12
relevo sensor ativo, 20
deslocamento, 268, 171 sensor de detecção, 11
Unidimensional, 268 sensores de infravermelho termal, 252
resfriamento radiativo, 287 Sensores de Varredura Multiespectral, 212
residências multifamiliares, 461,447 sensores hiperespectrais, 518
resiliência, 396 sensoriamento remoto, 2
Resolução Espacial Urbana/Periurbana, 451 aquático, 412
Resolução Espectral, 447, 579 hiperespectral, 239
Resolução Temporal Urbana/Periurbana, 446 por Satélites, 82
resolução Infravermelho Termal, 251
do filme, 112 Coleta de Dados, 2
em azimute, 294 Identificação dos Requisitos de Dados In situ, 11
em distância no solo, 452 Principais marcos do, 6
em range, 303 separação linear de misturas, 574
espacial, 18 Serviço de Levantamento Geológico Americano, 174
média ponderada, 452 Shadow 200, 88
radiométrica, 16 SHOALS, 427
temporal, 446, 19 shopping center, 475
Urbana, 446 shortwave infrared, 207
Resposta da Água, 323, 413 Shuttle Imaging Radar SIR-A, 326
Resposta da Estrutura Urbana, 324 Shuttle Topography Mission, 295
 J

índice 597

side-looking airborne radar, 294 T

SIG, 146 tamanho de partículas, 417
SIGINT, 86 tasseled cap, 388, 111
signal intelligence satellites, 86 taxa de precipitação pluviométrica na superfície, 431
síntese aditiva das cores, 106 taxas de transpiração, 368
síntese subtrativa das cores, 108 Taxonomia de Solos, 514
SIR-A, 295 Taylor, 294
SIR-B, SIR-C, 326 TDRS, 86
Sistema Climático Físico, 26 Técnicas de Micro-ondas Ativas e Passivas, 432
Sistema de Classificação Baseado na Terra, 454 Técnicas do Visível - Infravermelho, 431
Sistema de Sensoriamento Remoto, 196 Tecnologia de Camuflagem de Aeronave, 82
Sistema de Varredura, 338 Tecnologia de Digitalização de Imagens, 177
Sistema Visual Humano, 131 telureto de cádmio-mercúrio, 265
sistemas ativos, 22 Temperatura, 254
Sistemas de rastreamento e de transmissão de dados de satélite, 86 aparente verdadeira, 271
sistemas especialistas, 30 cinética verdadeira, 255
Sistemas Fotográficos de Astronauta, 199 da superfície da água, 411,428
Sistemas Multiespectrais, 195 da superfície do mar, 429
sistemas passivos de sensoriamento remoto, 293 da superfície urbana, 451
Sistemas Sensores SPOT, 224 de brilho, 332
skylight, 575 do topo das nuvens, 431
Slant-Range, 301 radiante da água, 255
SLAR, 294 de Materiais Típicos, 276
sobreposição lateral, 152 tempo de exposição, 98
soft-copy photogrammetry, 175 tempo de permanência, 265
Soil Adjusted Vegetadon Index, 390 tempo de residência, 201
Soil and Atmospherically Resistant Vegetadon Index, 392 Tempo, 127
Solo, 205, 511,482 teor de clorofila, 384
cor, 391 teor de umidade, 258
Taxonomia, 512 teoria das cores, 67
Horizontes, 512 teoria hierárquica, 396
Tamanho das Partículas, 513 terceira dimensão, 168
Propriedades dos Solos, 515 Terminologia de Imagens Digitais, 197
Salinidade do Solo, 520 termoclina, 429
arenosos, 518 termografia, 251
argilosos, 518 Termômetros, 271
seco, 320 terra
Sombra, 307, 141, 307 cobertura, 439, 573
SONAR, 293 Terreno, 94
de feixes múltiplos, 426 alcance, 303
de feixe único, 426 textura, 308
de varredura lateral, 427 textura do solo, 518
sondagem, 214 Textura e Conteúdo de Umidade do Solo, 517
space resection, 181 Thematic Mapper, 8
Space Shuttle Imaging Radar, 295 Thomas, 388
Space Shuttle Topography Mission, 326 tie points, 180
Spartina, 379 TIN, 342
Speckle, 307 tipo de emulsão, 118
Spectralon, 574 Tipo de filme, 93
SPOT, 225 tipo de vegetação, 319, 376
SPRING, 192 Tipos de Câmeras Aéreas, 99
SR-71, 82 tipos de coberturas vegetais, 399
SRSO, 215 tipos de uso do solo, 469
SRTM, 295, 326 Tipos, Tamanhos e Cores de Filtros, 109
SST, 335 TM, 137
Star-3i, 24 TM/Landsat, 31
substância amarela, 425 amarelas, 220 tom, 135
substâncias húmicas, 425 tonalidade, 118
sumidouros de carbono, 420 topografia, 144, 338
sunglint, 412 Track and Data Relay Satellite, 209, 86
Super Rapid Scan Operations, 215 Trajetórias Orbitais do Landsat, 203
superfície da Terra, 39 Transferência de Calor, 255
superfície Lambertiana, 53 Transferência de Energia, 40
SWIR, 43 transformação de Kauth-Thomas, 388
synthetic aperture radar, 294 Transformed Absorption in Reflectance Index, 394
598 índice

transmitância, 363, 118 Vexcel Ultracam, 246

atmosférica, 59 vigor da vegetação, 397
espectral, 109 Visada, 93
hemisférica, 55 instantânea laser, 338
hemisférica espectral, 358 oblíqua, 20
Transmitância, 55 visão binocular, 164
transparências positivas, 124 visão tridimensional, 130
transpiração, 367 Visible Atmospherically Resistant Index, 395
transporte de massa, 526 visualização estereoscópica tridimensional, 164
triangulação, 340 Voador Wright, 73
fotogramétrica, 178, 186 volume de madeira, 353
Triangular Vegetation Index, 394 Voos
Tricorder, 375 com Balões Mais Leves do que o Ar, 68
Trigo de inverno, 382 mais Leves do que o Ar Utilizando Pipas, 71
TRMM, 24 mais Pesados do que o Ar Utilizando Foguetes, 72
Tropical Rainfall Measuring Mission, 334, 24 mais Pesados do que o Ar Utilizando Pombos, 72
turgidez, 319
relativa, 367, 578 w
TVI, 388 wetness, 389
whiskbroom, 203
U Wien, 41
U-2, 79 Worldwide Reference System, 199
último retorno, 341 WRS, 199
Ultrafine beam mode, 327
ultravioleta, 47 X
Umidade em Tetos Comerciais/lndustriais, 286 xantofilas, 361
umidade, 205, 320
do solo, 25, 204 Y
sub-superficial, 287 yaw, 271, 339
unidade de mancha, 397 Young, 294
unidade de padrão, 397
unidade de turbidez nefelométrica, 417 z
unidade domiciliar, 459 Z/I Digital Modular Camera, 246
United States Geological Survey, 174 zenital, 22
urbanização, 445 zoneamento, 467
USGS, 174 zooplâncton, 420
uso da terra, 453, 13
Uso do Solo, 124
Urbano Industrial, 456
intraurbano, 456

V
valor de brilho, 71, 379
valor de número digital, 196
valor digital, 196
Vantagens e Limitações do Sensoriamento Remoto, 8
vapor d água, 127, 364, 367, 412, 437
variáveis biofísicas, 379, 11, 118
variáveis hidrológicas, 411
Variáveis Radiométricas, 60
Varredores Multiespectrais de Aeronave, 220
varredura, 217
eletrônica, 25
mecânica, 208
multiespectral, 200
Vazamentos em Tanques Sépticos, 284
vazio de conhecimento, 32
vegetação, 218, 224, 357
altura, 353
Veículos Aéreos Não-Tripulados, 87
velocidade da objetiva, 98
velocidade do filme, 118
velocidade do sistema óptico da câmera, 97
Vento, 576
vertebrados terrestres, 400