Escolar Documentos
Profissional Documentos
Cultura Documentos
da vegetação
z- edição - atualizada e ampliada
Flávio Jorge Ponzoni
Yosio Ede m ir Shimàbukuro
Tatiana Mora Kuplich
~
~
© Copy rig h t 2012 Oficin a de Textos
Conselho editorial Cylon Gon ça lves d a Silva ; Dor is C. C. K. Kow altow ski;
José Galiz ia Tundis i; Lu is En ri que Sánc hez; Paulo Helene;
Rozely Ferr eira dos Santos; Teresa Gallotti Flor en zano
Bibliografi a .
ISBN 978-85-7975-053-3
12-04224 CDD-621.3678
FLÁVIO JORGE PONZONI é engen he iro flor estal form ad o pela Universi-
dade Fede ral de Viçosa , mestre em Ciências Florestais pe la mesma
Universidade e doutor em Ciências Flore sta is pela Universidade Federal
do Paran á. Cu m priu program a de pós -doutor ado no Cent ro de Pesqui -
sa s Meteorológicas e Clim áticas Aplicadas à Agricultura da Univer sidade
Estad ual de Cam pinas (Cepagri/ Unica mp), onde desenvolveu trabalhos
voltados pa ra a calibração absoluta de sensores or bit ais. At ua com o
pesquisad or titular da Divi são de Sensoriamento Remoto do Instituto
Nacional de Pes quisas Espaciais (Inpe), ond e dedica- se a est udos de
caracteri zação es pectra l d a vegetação e ao desenvolvimento de m etodo-
logias voltadas à calibraçã o absolu ta de sensores remo tamente situados.
Atua ainda como docente perm anente do curso de pós-graduação em
Sen soriamento Remoto do Inpe,
Ya SIO EDEMI R S HIMABU KURO é en ge nheiro florestal form ado pela Un iver-
sida de Federal Rural do Rio de Janeiro, me stre em Sensoriamento Rem oto
pelo Institu to Nacional de Pesquisas Espaciais (lnp e) e Ph D em Ciênc ias
Florest ais e Sens oriam ento Remoto pela Colorado State University (EUA).
Atu a com o pesquisador titular da Divisão de Sensoriamento Remo to do
Inpe, onde, desde 1973, vem desenvolvendo estudos voltados à aplica-
ção das técn icas de se nsoria mento remoto no es tudo da vege tação. Tem
sido resp on sável pela concepção e pelo aprimoramento das m etodolo-
gias de stinadas à identificação e à qu antificação de des floresta me ntos
na reg ião am azônica , as quais têm si do aplicadas nos projetas Prodes
e Det er, desenvolvidos pelo lnpe. É doc ente perm ane nte do curso de
pós-graduação em Sensoriamento Remoto do Inpe .
TATIANA MORA KU PLI CH é bióloga form ad a pela Universida de Federal
do Rio Gra n de do Sul (UFRGS) em Porto Alegre. Fez es pecia liz ação em
Organ izaç ão do Espaço pe la Université Toulouse III (Fra nça), Mest ra do
e m Sensoriame nto Re moto pelo Instituto Nacional de Pesquisas
Espaci ais (Inpe) e Ph D em Geografi a pel a Univer sit y of Sou thampton
(Reino Uni do). Desde 2002 atua com o Pesquisador Titul ar e Tecn ologista
Sênior no Inpe em trabalho s com sen soriament o remoto da vege tação e
uso da te rr a . Em 2008 tra ns feriu-se par a o Centro Regional Sul de Pesq ui-
sas Espaciais (CRS), u n ida de do Inpe em Santa Maria, RS, onde incl uiu os
campos sulinos dos biomas pampa e mata atlântica nos seus temas de
pesqui sa. É doce nte colaborad ora na pós-grad uação do Inpe e da UFRGS,
e docente permanente em pós -graduação da Universidade Federal de
Santa Maria (UFSM).
Introdução
No Brasil, a aplicação das técn icas de sen so riamento rem oto no estudo da
vegetação teve início com os prime iros mapeamen tos tem áticos realiz a-
dos na década de 1940, feitos a partir de foto grafias aéreas. Eram traba-
lh os pon tuais e com objetivos basta nte esp ecíficos. Ta lvez um dos marcos
mais significativos dessa ap licação ten h a sido o Projeto Rada mbrasil,
que teve como objetivo não só representar espacialmente classes fisio-
n ômicas da cobertura vegetal de todo o território nacional, mas também
os dem ais iten s fundamentais de estudos sobre o meio ambiente e os
recursos naturais, como a geologia, a geomorfologia e os solos . O traba-
lho foi realizado a partir de imagens de um rad ar aerotransport ado e tem
servido como referência para inúmeras iniciativas de mapeamen to em
t odo o país até hoj e.
Em meado s da década de 1980, tiveram inici o algu mas ini cíati vas de
mapeamento extensivo de classes es pecíficas da cobertura vegetal
brasileira, incluindo culturas agrícolas com grande impo rtância eco nô-
mica, como a ca na -de -açúc ar e o feijão; inventár ios floresta is mediante
amostragem proporcional ao tamanho, nos quais as imagens orbitais
serviam como base para a identificação de áreas a serem amostradas
em campo e pa ra a quan ti ficação de superfícies ocupadas por cobe rt ura
florestal pla ntada; ma peamento dos re manescentes florest ais da mata
atlântica ; est imativas de desflores ta menta bruto na amazônia, além de
outras. Muitas dessas iniciativas sofreram modificações e aprimoramen-
tos e en contram-se ainda em pleno des env olvimento, com se us resul-
tados sendo utilizados em previsões de s afras e no estabelecimento de
políticas nacionais de preservação do meio ambiente.
1 A vegeta ção e su a inte raç ã o com a radia ção elet romagnét ica 13
1.1 Co nceit uação 13
1.2 Inte ração da rad iação e let romagné tica com os dosséis vege ta is 28
Mesófilo
esponjoso
il Epiderme
~""=::.lk__~""'#- e,~~-~==:=::::_~ inferior
Poro estomat al Célula-quarda
15
somente radiação eletromagnética referente à região do visível. Sabemos
que essa radiação é absorvida pelos vegetais para sua transformação em
elem entos químicos vit ais à sobrevivên cia deles por meio do processo de
fotossíntese. Considera ndo, ain da de forma h ipotética, que parte de ssa
radiação não é refletida inteirame nte pel a cama da epi dé rmica e pelas
demais estruturas localizadas n a cutícula, vindo então a penet rar no
mesófilo paliç ádico, qua is seriam as possibilidades de trajetó ria desse
feixe em sua passagem através d a folha?
Consideremos ta mbém que esse novo feixe de rad iação não foi refletido
imediatamente após incidir na cutícula foliar, vindo a incid ir na epiderme
16
-- ~
-
e, posteriormen te. no mesófilo paliçádico. Nesse caso, ele não terá a
mínima cha nce de ser abso rvido pelos pigmento s fotossintetizantes,
uma vez que es tes não absorvem radiação nessa faixa espectral. Assim
como aconteceu com o primeiro feixe que imaginamos (região do visível),
o segundo feixe seguirá uma trajetó ria errante no inter ior da folh a,
alterando sua direção em função das já mencion adas mudanças de meios
e das conseque ntes alterações nos índices de refração, aliadas a possíveis
colisões com faces críticas de organelas e demais con stitu intes celulares.
Aqui ganham im portância a forma e a dens idade da es trutu ra interna dos
tecidos foliares, e es truturas mais lacun osas tendem a alterar mais signi-
ficati vamente a trajetória de um feixe de radiação.
17
Percebe-se, portanto, que o processo de interação entre a radiação
eletromagnética referente ao espectro óptico e uma folha é de pen-
dente de fat or es químicos (pigmentos fotossintetízantes e água) e
estruturais (organízação dos tecídos da folh a), e pode ser analisado
sob os pontos de vista da absorção, da transmissão e da reflexão da
rad iaçã o. A a n á lise conjunta desses t rês fenômen os compõe aquilo
que denominamos como o estudo do comportamento espectral da vegeta-
ção, que envolve principalmente o estudo dos fa tores in fl u ente s n a
refl~xão da radiação por fo lhas isoladas e por dosséis vegetais, que
são os conjuntos de plantas de uma mesma fisionom ia, como, p or
exemplo, o dassel florestal, o dcssel de cana-de -açúcar, o dossel de
gra míneas etc.
18
2.500
- - - - Curva de irradi áncla de um corpo
negro à temperatura de 5.900 oK
2.000
I
A, \
- - Curva de irradiância solarno
topo da atmosfera
I \ - - Curva de Irradtáncta solar
I I ao nível do mar
I
E 1.500 liI.
I
'I
I
~
~
E ,'I
I
I .
1.000 II
'"
w I.!
I
I
I
I
500 I
I ,
I '
03 :;
.< .
o N ~
à d
Perc ebe -se ainda , no grá fico apresentado n a Fig. 1.3, que as maiore s
intensi dades do flux o radiante ocorrem na regiã o do visíve l, mesmo
para a radiação qu e atinge a supe r-
fície terrestre. Assim, imaginando
um ponto localizado na superfície da •
.'
Terra, ge ometricamente, a inc idência
do fluxo radiante sob re esse ponto
poderia ser represen tada co nform e
ilustra a Fig. 1.4.
19
anteriormente, no momento da incidência, são três as possibilidades de
intera ção entre a radi ação eletrom agnéti ca e o objeto (reflexão , tra ns -
m iss ão e absorç ão), sendo a inten sidad e dos processos dependente da s
características físico- químicas do objeto e do comprim ento de onda.
20
e em uma faixa es pectral es pecífica, dizemos que a superfície é isotró-
pica, ou seja, que ela reflete igualme nte a radiação eletromagnética em
todas as direç ões, independentemente da direção da incidência do flu xo
radiante. Uma superfície pode ser isotrópica em uma determinada faixa
espectral e anisotrópica em outra. Um exemplo de uma superfície relati-
vamente isotrópica na região do visivel é uma folha de papel branco,
tipo sulfite . Alguém que observe es sa folha sobre uma superfície plana
e com pletame nte ilumina da pelo Sol, a pa rtir de difer entes posições ao
seu redor, terá sempre a mesma sensação de brilho em seus olhos , o que
caracteriza a isotropia mencionada. Mas esse brilho, quando observado
em outras faixas espe ctrais que não a do vis ível, pode não ser o mesmo.
Tudo dep ender á das propried ades espectrais da folha de papel ao longo do
espec tro eletromagnético. A maioria dos objetos localizados na superfície
da Terra não é isotrópica pa ra amplas faixas do espectro eletromagnético.
21
Como já foi mencionad o, a irr adiân cia (E,j é uma medida de int en sid ade.
Ess a inte n sid ad e é va r iável , inclusive pa ra um mesmo com pr im en to
de on da e p ara u m a fonte de radiação espe cífica. Isso signi fica que as
curvas do grá fico apresentado n a Fig. 1.3, por exe m plo, po de m sofrer
oscila ções que caracte rizam mudanças em EÀ- Quais as consequênci as
de ssas oscilaç ões so bre os valores de L;.,.? É fáci l con cluir que L}. é direta-
me nte propor cion al a Ei.. ou seja , qu an to maior for a inten sid ad e em EÃ •
m aio res serão os va lores de LI.. . Isso inviabiliz a qualquer ca racte rização
espectral sobre um de ter m in ado objet o, u ma ve z que, n essa ca racteri-
zação, o que se bu sca é registrar as qu an tidades re fletidas (ou trans mi -
tidas) de rad iação eletrom agn ética em det erminadas faixas do es pe ctro
eletrom agnético por um de terminad o objeto , segu n do suas propri ed ade s
físico -qu ím icas, e n o caso do uso de LÀ,' estaríamos à mer cê d as ca racte-
rística s espectrais da fon te ou de algum agen te interferente na trajetó-
ria da ra diação (interferência n a inten sidade), como a atmosfera . Assi m ,
surge a ne cessida de de apresentar m ai s u m conc eito impor ta nte, o qual
se re fere à reflectância.
É im por ta n te ter e m m ente que aqui esta m os apenas trata ndo da in ter-
ferência na in te n si da de do flu xo in cide nte so bre um objeto , despre -
zando, po rtanto, as in t erferên cias na com p osição espe ct ral des se
fl uxo. Para m elhor ent en der so bre o qu e estamos trat ando, bast a
voltar a observar a Fig. 1.3, que mostra u m grá fico no qu al é eviden te a
inte rfe rê n cia espectral d a atmosfera so bre o fluxo incidente n a super-
fície terrestre.
22
que os fatores de refl ectância podem ser bidirecionais quando existem
duas geometrias envolvidas no processo de interação entre a radia-
ção eletromagnétic a e uma dada superfície de um recurso natural:
uma caracte rizada pelos ângulos zen ital e azimutal da fonte (geometria
de incidência) e a outra caracterizada pelos ângulos zenital e azimutal do
sensor (geom et ri a de visada).
O N D E:
23
•
Exis te também o fator de reflectância direcional-hemisférica, que é deter-
mi nado m edia nte a iluminação direcional (com valores conhecido s do s
â ng ulos ", e e da fonte de iluminação) e a coleta da radiação eletromagn é-
tic a refletid a mediante a utilização d as chamad as esferas integradoras.
0,4
p H2 0
Clorofila absorç ão
carote - H, O
0,2 ab sorção
noldes ,
I I/
o __ ,_---'-
LrJJ ~ --.L-~---~ -_ _
,
I I
0,3 0,5 1,0 1,5 2,0 2,5
Ic, um
Fig . 1.7 Curva de fatar de reflectâneia direcional-hemisféricatípica de uma folha verde
Fonte: Novo (1989).
o inte rvalo esp ectral mostrado n a Fig. 1.7 foi dividido nas três regiõe s
espectrais já mencionadas, qua is sejam , vis ivel (0,4 um - 0,72 um),
infravermelho próximo (0,72 um -l,lllm) e in fraver m elho m édio (í .t um
- 3,2 um) . Como já mencionado, em ca da u ma de ssa s regiões a forma
da curva é defi nida por diferentes constituinte s da folh a , que, de forma
mais de t alh ad a , pod eria ser a ssim de scrita:
2.4 !
al re gia o do visível (0,4 11m - OJ2 11m): nessa reglao, os pigmentos
existentes nas folhas dominam a reflectância (referimo-nos, va le
lem br ar, à propriedade do objeto de refletir a radiaç ão in cidente, e n ão
à sua estimativa quantitativ a, feita media nte o emprego dos fato res
de re fle ct ância). Sâo eles, po rtanto, que definem a forma da curva
dos fatores de re flec tância nessa r egião espectral. Esse s pigmentos,
geralmente encontrados nos cloroplastos, sâo: clorofila (65%), carote-
nos (6%) e xa ntofilas (29%). Os valores percentuais desses pigmen-
tos existentes nas folhas podem variar intensamente de espécie
p ar a e spé cie . A energia radiante interage com a estrutura folia r por
absor ção e por esp alhamento. A energia é absorvida se letivamente
pe la clorofil a e convertida em calor ou fluorescência, e também
convertida foto qu imicamente em energia armazenada na forma
de componentes orgânicos po r meio da fotossíntese. Os pigmentos
predominantes absorvem radiação n a região do azul (próximo a
0,445 11 m ), mas somente a clorofil a absorve n a região do vermelho
(0,645 um ). A maioria das plant as são moder ad amente transpare n -
te s n a região do verde (0,540 um) . Shul'gin e Kleshnin (1959) estuda-
r am 80 espécies e ver ificaram que a absorção da energia ra diante na
re gião de 0,550 11m a 0,670 11m aumenta proporcionalmente com o
au mento do conteúdo de clorofila. Conclusão similar foi encontrada
po r Tageeva , Brandt e Derevyanko (1960), qu e e studar am a correla -
ção entre o conteúdo de cloro fila e as propriedades ópticas de trê s
espécies distint as;
bl região do infravermelho próximo (0,72 um - 1,1 um): nessa região
ocorre absorção pequena da r adia ção e considerável espalhamento
inter no da r adiação na folh a. A absorção da água é geralm ente baixa
ne ss a re giã o, e a re flectân ci a é quase constante . Gates et aI. (1965)
conclu íra m qu e a reflec tância espect ral de folh as ness a região
do espectro ele tromagné tico é o resultado da in tera ção da ene r gia
incide nte com a estrutura do m esófilo. Fatores exter n os à folha,
como dispon ibilidade de águ a , po r exem plo, podem ca usar alt erações
n a re laç ão água-ar n o m e sófilo, e, as sim, alte rar quantit ativ ame nte
a reflectân cia de u m a folh a ne ssa região. De maneira geral , qu a nto
m ais lacunosa for a estrutura interna foliar, maior será o espalha-
m ento in terno da radiação incid ente e, consequentem ente, m aio re s
serão também os valores dos fatores de re flect ân cia;
25
c] região do in fra verm elho m édio (1,1 um - 3,2 pm): a absorçã o de cor-
rente da ág ua liq uida a feta a reflect ãn cia das folhas n a região do
in fravermelh o mé dio. No caso da água líqu ida, esta aprese nta,
na região em torno de 2,0 pro, fatores de reflec tância geralmente
pe que nos, menore s do que 10% para um ângulo de incidê ncia de 65°
e menores do que 5% para um ângulo de incidên cia de 20°. A água
abso rve con sideravelmente a radiação incidente na região espec-
tral compree nd ida entre 1,3 um e 2,0 um . Em te rmos m a is pontu -
ais, a ab so rção da águ a se dá em 1,1 um; 1,45 um ; 1,95 um e 2,7 um.
A influência do conteúdo de umidade sobre fatores de reflectância
direcional-h emi sfér ica de uma folha de milho é m ostrada n a Fig. 1.8.
Ao ob serva r-se a Fig. 1.8, es pe cialm ente a região (1,1 um a 2,5 um) do
infraverm elho m édio, verifica-se que à m e dida qu e a folh a de milho foi
se torn ando m ais seca, ho uve aum en to dos valore s do fator de reflec -
tância dire cion al-hemisféric a, acompanha do de suavi zação das feiçõ es
de absor ção ent re 1,3 um e 1,5 um e entre 1,9 um e 2,0 um . Com respeito
à din âm ica da curva de refle ctância para as dem ais regiões es pec-
trais, na região do vis ível, como já foi comentado, a forma da curva é
ex plicad a pel a ação/qua ntid ad e de pigm entos fotossi nte tiz a ntes. Assim,
o que explicaria a dinâmica verificada no experimento que re su ltou no
gr áfico da Fig. 1.8? É fácil compre en der qu e a said a d a água aca rret a
outros fenômen os quím icos e físicos na folha. Quimicament e, espera-s e
que a diminuição da qua ntidade de águ a aca rrete degradação de pro te -
ín as e de pigm en tos fotos sinte tiza ntes, o que tornará a folh a me nos
apta a absorver radiação eletromagnétic a nessa região es pec tral, e isso,
por su a vez , resu ltará no aum en to dos valores do fator de reflect ância
direc ional-hem isf érica . Na região do in fravermelho próximo, obse rva -
-se que , com a saída da água do interior das folh as , os val ores desse
fator aumentaram . Con siderando que nessa faixa espect ral a form a
da curva é ex plicad a pela estrutura intern a da s folhas, a saida da ág ua
deverá promo ver alg um a alteração nessa e strutura. Essa alte ração é
dependente de vári os fatores, como a de n sidade das p ar edes celulares
(ma ior ou m en or biomassa), o arranjo das célu las dentro dos te cidos
foliares e também o tempo de m anutenção de um det erm in ado teor de
um idade . Para o caso do experiment o em questão, tudo ind ica que, com
a sa ída da água , as células foram se tornando m ais prismátic as, o que
26
80 Reflect ânda es pect ral DK-2
70
60
I"
...,----_.. - ..... \
,.....
.,.--- \
/1' __ - - '" \ r ....",-
1/ " \ __ ,..I
I I~ \ / ' - ,
40
I
J J
I I
30 - t' I"
~
' , /
' A ' _.. -, I
,,-
,- I
-
'-
) ',_ _
! /~.
Folhas de milho-umidade
- - - - 0 -40% - - - - 40 - 54% . .<. _ - 54 - 66% - - 66 - 100%
Pelo que foi apres ent ado até o m omento, é fácil perceber que fatores
ambientais ou de cará te r patogên ico que at uem na composição qu ím ica
ou es tr u tural das folhas vão acarretar alterações na s su as pr opriedades
espect ra is . Segu ndo Guyot (199 5), po r exemplo, os ataques de pa rasit as
podem acarretar:
a] a modificação do conteúdo de pigmentos fotossintetizantes, que
altera a reflect ância na re gião do visível;
bl a ocorrência de necro ses, que afeta diret a e prog ressiva m ente a
reflectância na reg ião do infraverm elho próxim o;
17
c) a int rodução, no metabolismo foliar, de sub stâncias que podem
ocasionar o aumento ou a diminuição da reflectân cia em diversas
regiões e spectrais;
dI a alteração do equ ilíbr io h ídrico folía r, que afet a a reflectãncia princi-
palm ente na região do infravermelho médio.
Pon zoni e Gonçalves (1997) caracte riz aram esp ectralmente os sintom a s
de deficiências de nitrogên io, fós foro e potássio em folh as ext raídas
de Eucalyptus saligna. Os auto res ve rificaram difere nças sign ificativas
nos valores do fator de reflect ân cia direciona l-hemisférica na região
do visível, em folhas que apresentavam sintoma s de deficiências
em potássio.
28
e os diversos tipos fisio nô m icos de dosséis (flores tas, cult uras agríco las,
formaçôes vegetais de porte he rbáceo etc.).
Considerando esse dossei hipotético com posto ent ão som ente por folh as,
o esperado é que sua reflectância seja mu ito parecida com a refle ctân -
cia das folha s isoladas (individualme nte). Há de se ressalt ar, no entanto,
alguns aspec tos importantes relacionados agora -com a geometria de
aquis ição dos dados. Qua ndo apresen tamos as propr iedades es pectrais das
folhas isoladas, mencionamos que os valores de reflectância apresentados
referiam- se, na realidade , ao fator de reflec tânc ia direc ional-hemisférica,
determinado mediante a utili zação de esferas integradoras. Por sua vez,
quando tratamos de refl ectância de doss éis, estamos nos referindo ao fato r
de refle ct ância bidireciona l, uma vez que ex istem duas geo metrias bem
definidas: u ma de ilumi nação (posição
do Sol) e outr a de visada (posiçã o do
sens or). De qualquer form a, em nos so
dos se I hipotético, mesmo tratando-se
de fatores de reflectância geometrica-
Senso r
mente diferen tes (os das folhas isola-
das e os do do ssel), é esp erado que a
for m a da curva do fator de reflect ân-
cia bidi recional do dossei seja m uito
semelhante à do fato r de reflectãn-
cia direcional-hemisférica das folhas
isoladas. Mas quais fatores, implíci-
tos ao doss el, exercer iam influência
suficie nte para proporcio nar diferen-
ças nessas curvas? Dosse l
29
•
da sseI imagin ando que nosso dassel hipotético fosse consti tuído po r
um a ú ni ca camada de folhas h or izo n tal m ente posicionadas e distribuí-
da s u n ifor m em ente ao longo de toda uma su perfície plan a. Ao medir mos
o fato r de reflectância bid irecional de sse da ssel nas regiõ es espectrais
d o visível e do in fravermelho próxim o, e spera-se qu e os valo res desse
fator para a região do vis ível sejam menores do que os valores medidos
no infravermelho próximo. Isso ocor rer á por que na reg ião do visível
as folhas absorvem radiação eletromagnética pela ação dos pigmentos
fotossintetizantes, ao passo que na região do infravermelho próxim o
essa radiação é esp alhada de acordo com as características da estrutura
interna dessas folhas.
30
Energia incidente
Fig. 1.10 Reflexãomúltiplada rad iação eletromagn ética referente ao infravermelho próxi mo
entrecamadas de folhas
31
tará a me sma dimensão quando urna terceir a camada for acrescida, e o
me smo acontecerá com o acréscimo de um a quarta camada, e ass im por
diante. Na região do infravermelho, analogamente, o aum ento da reflec-
tância com a adição de camadas também não será line ar e apresentará
acréscimos sempre menores à medida que forem acrescidas camadas
adicionais de folhas . Esse fenômeno comprov a o caráter assintótico da
reflectância de dosséis, também conhecido como reflectância infinita.
A Fig. 1.11 ilustra a dinâmica mencio nada.
8°.Ê~~~I~~~~!~t~!
70
70 I
60
60 50
I ........
eo 50
'" 40
u, 30
40
30
20 -r-;
"
20
10 10
í ./
O "I I I O ,
O 2 4 6 8 10 12 O 2 4 6 8 10 12
Camadasde folhas Camadasde folhas
32 I
na região do visív el e maior no infravermelh o próximo. Sabemos en t ão
que essa dinâmica não é linear e que o que se espera é que haverá um
valor de IAF ac ima do qu al não mais observaremos alteração nos valores
de re fle ct â ncia do dossel, sej a para o visível (ele teria assumido seu
va lor mínim o), seja par a o in fravermelho próximo (ele teria assumido
se u valor m áxi m o). Esses valores de IAF sã o específicos para ca da reg ião
es pect ra l em questão e são de nominad os pontos de satu ração.
Para se ter uma ideia, o ponto de saturação para a região do visível, para
a maioria dos dosséis de cu lturas agrícolas, varia entre 2 e 3, ou seja,
a partir do momento em que u m a cultura agrícola aprese n ta o dob ro
em áre a de folh as em relação à área no terreno, não mais se ver ificam
alterações na sua reflect ância na região do vi sível. Para a re gião do
infraverm elho próx im o, o ponto de sa turação vari a entre 6 e 8, ou seja,
para essa região espect ral, sã o m aiores as possibilidade s de moni to-
ra m en to do dese nvolvi m ent o de uma cultura agrícola, uma vez que é
necessária uma maior quantidade de folhas para pro mover a saturação
da re flect ância do dossel, em relação à região do visível.
E pa ra uma ve get ação de porte florestal? Será que as mesmas conside ra-
ções se riam pe rtinentes? Será qu e som en te o IAF explicaria a dinâmica
da reflectância de um dossel? Prossigam os ent ão no entendimento de
como se dá o proce sso de in teração da radiação ele trom agné tica com
um dossel. Pensemos no flu xo de radiação que incide sob re um dossel, O
m ovimen to do fluxo solar incidente dentro do dossel em direção ao solo e
o con sequ ente m ovimento em direção ao se nsor não de pende m somente
das propried ades de es pa lh am ento e de absorção dos elementos da
vegetação, m as também de suas densidades e orient açõe s. Um element o
lJ
da vegetação (p.ex., uma folh a presen te no interior do dossel) recebe dois
tipo s de rad iação: aquela qu e n ão é interceptad a pe los dem ais eleme n-
tos e a radiação inte rce ptada e espalhada por esses elementos. Ass im ,
o sensor re cebe vários tipos de fluxos:
.1 fluxo es pal hado some nte u ma vez por um elemento da vegeta ção
(espalhamento único);
bl flu xo espalha do vá rias vezes por m uitos elemento s da veget açã o
(esp alhamento m últiplo) sem ter ati ngido o solo (no cas o do processo
de interação en tre a radiação eletromagnét ica e a vegetação, o solo é
cons ide rado um a parte integrante do dossel);
c] flu xo refl etido pe lo solo, qu e ati nge o senso r sem ter sido intercept ado
por qualquer elemento ou , se in terceptado por algu m dos elem entos
da veget ação, é esp alha do em direção ao sensor.
34
TAB. 1.1 DAFs f(OI) para váriostipos dedosséis
f\\ll} Média <\lI> ~l \') V \')
Goe l e Streb el (1984) mo straram que todas ess as di strib uições ideais,
assim como muitas distri bu ições deter m inadas especificamente, são
casos especiais de uma distribuiç ão dita "u niversal", determin ada pe la
distribuição beta. Essa distribuição é dada pela equação:
O N DE:
r é a função gama e os dois parâmet ros J..l e v são relaci ona dos ao
ângulo de inclinaçâo foliar médio (AIFM) e seu segun do momento <01>,
ambos da dos por:
AIFM ~ (90)v / (~ + v) (1.4)
Na Fig. 1.12, a folh a 2, qu e está po sici on ada per pen dicu lar mente à ilu m i-
n ação solar, é dita "b em iluminada", e nqua nto a folh a 1, qu e se encon-
tra posicionada quase que pa ralel amente ao s raios lu m inosos, é dita
J5
"ma l iluminada". O observador A, que tem o Sol às suas costas, verá o
brilho da cena sendo in fluenciado pelas reflect âncias da parte dors al da
folha 1 e da parte ventra l da folha 2. O observado r B verá melhor a folh a
"mal ilu minada" (folha 1). Para ele , a cena parece rá mais escura do qu e
a vista pelo observador A. O brilh o da ce na, nesse caso, é de terminado
pela trans mi tâ ncia da folha 1 e a re flec tâ ncia da folha 2. A re flec tância
es pecular de ambas as folhas não é observada em nenhuma das posições
assumidas pelos observad ores A e B.
Folha 2 Folha 1
Fig. 1.12Ageometria do dossel e sua influência sobreo fatorde refle ctância bidirecional
Fonte: Norman, Wellese Wa lter(1985).
Existe ou tro efeito da DAF sobre a reflec tância da vegeta çâo . A DAF in flu i
na probabilidade de ocorrência de clareiras através do dosse l como um a
36
função do s ângulos zenitai s solar e de visad a, qu e det ermi nam se os
flux os de incidência e de excitânci a serão ou não interceptados pela
vegetação. Por essa afirm ação, conclui-se qu e o fator de re flectãncia
bidire ciona l é fortem ente dep endente d a DAF, se ndo possivel, in clu-
sive, sua u tilização par a inferir sobre es ta , m ed ian te a modelagem dessa
re lação. Kimes (1984) apre sentou u m a excelente di scussão sobre a relação
en tre a DAF e o fator de reflect ância bidirecional. Dosséis compostos por
folhas dispostas m ais hori zon talmente apresentam uma m enor va riabi-
lid ade na reflectãncia em função dos ãngulos zenit ais sola r e de visad a,
e os maiores valores de reflect ância para todas as distrib ui ções. Para
dos séis compostos po r folh as dis postas mais verticalme nte, a reflectân-
cia decresce com o au mento do ângulo zenita l sola r na re gião do vis ível,
enquant o aument a na região do infraverm elho próximo, u ma vez que o
sensor passa a "ver" m ais o espalh amento cau sad o pelos elem entos do
dos sel localizados nas camadas superiores, e "vê" menos os componen-
te s das cam adas inferiores que esp al ham m enos a radiação ele trom ag-
nética in cidente.
Assim, fica evidente qu e não só o IAF exerce influê ncia sob re a reflec-
tância de um dossel, m as também a orie ntação es pacial dos elementos
qu e o compõem. Vejam os , po r exemplo, o caso de cu ltu ras agrícolas que
são pl ant adas segu ndo orientação es pecífica no solo. Jackson et a!. (1979)
estudar am o efeito da confi guração de plantas de trigo, da elevaçã o solar
e do ângulo azi m utal na reflectância es pect ral de doss éis e consta ta ra m
qu e, na região do visív el, as alterações na refl ect ância foram explicadas
pe la m aior abso rção da rad iação eletromagn ética por parte dos pigm en-
tos foto ssinte tizantes. Em dosséis m enos den sos ou m ais aberto s, as
plant as absorvem mu it a radiação eletrom agnética nessa regi ão espec-
tral e sombreiam diferente s po rções do solo e de ou tras partes de plantas
vizinhas , dep en dendo da elevação solar, da direção de fileiras e da altur a
d as plantas. Os au tores con sideraram que, para u ma orientação nor t e-
-sul de fileiras, o solo é so mbreado intensa me nte nas pr imeiras horas da
ma nhã, mas próximo ao ho rário das 12h ele se torna quase que in te ira-
m en te ilu minado. Por conse gui nte, a reflectân cia au m en ta na re gião do
vis ível com a elevaç ão sol ar. Par a u m a or ientação leste -oeste de fileiras ,
a fração ilu mi nada do solo é menos alte rada com a elevação solar (em
rel ação à orientação norte-sul), dependendo do es paçamento entre as
37
fileir as e da al tura das planta s . Par a a região do infraverm elho próximo,
em condições de baixa ele vação solar , qua ndo um determina do dos seI
não é disp ost o em file iras e a ilum inação se dá mai s oblíqua em rel ação
à camada sup er ior do dossel, a radiação eletromagn ética en tra no
dossel de form a que uma maior quantidade de folhas passa a ser ilu mi -
nada , acarretand o o aumento da reflectância nessa regi ão es pectral.
Quando o so l se posicion a mais próx imo ao z ên ite (máx im a elevação),
o número de folh as diretame nte ati ngidas pe la radiação elet romag né tica
dim inu i e , co nsequentem ente , a refle ctância do dassel te nde tam bém
a diminu ir.
Com relação à geome tria de vis ad a, ela tem sido es tudad a prin cipalmente
no que se refe re às variações do âng ulo zenital de visada (8v) . Res ulta-
dos exp erime ntais têm indicado que o aumento de ev aca rreta tamb ém
aumento n a refl ect ância da vegetaçã o, tanto na região do visível como
na do infraver me lho próx imo. Atualmente existem sensores orbitais
que coleta m dados em di ferentes ãngulos de visada (ou de observ aç ão)
e que vêm permitindo o aprim oramen to do conhecimento da influência
multiangular sobre a reflectância de dosséis.
38
Ranson, Daught ry e Biehl (1986), que ava liou o efeito dos ângulos sola r e
de visada e da ca mada inferior (nível do solo) de dossé is de Abies balsa-
mea so bre su a reflectância espectral. Os autores cons ideraram trê s
densidades de doss éis, sendo um muito denso, o out ro medianamente
de nso e o outro pou co denso, e três diferentes tipos de revestimen-
tos para suas camadas inferiores, sendo uma constituída por grama, a
ou tra po r placas de m aterial de tonalidade clara e a ou tra do mesmo
m aterial, mas de ton alidade es cura. Os resultados encontrados levaram
à conclusâo sobre a com plexidade de in terpretar as causas da reflec-
tâ ncia espec tral de ce nas tão heterogêneas. Dossé is ma is homo gêne os,
com gra nde qu antid ade de folh as verdes, foram alta m ente refle tivos na
região do infraverm elho próximo , m as reflet iram muito pouco na região
do ve rmelho. Para doss éis meno s den sos, o e feito da cama da in ferior do
da ss el e das sombras teve de ser cons iderado na análise dos resultados .
Ranson et al. (1981) estuda ram a refle ct ância espectral de dosséis de nsos
e abertos de soja. Os autores ve rificara m que , quando o sensor "observa"
o dossel no m esmo plano de ilumi nação (essa condição ocorre quando
o azimute relativo entre a fonte de radiação eletromagnética e o sensor
é igu al a zero), a refl ect ânc ia do dossel au menta na direçâo de re troes -
palh amento e dim inui na direção oposta em ambas as regiões espec-
trais (visível e infraverm elh o próximo). Também const at aram que , com
o aumento do ângulo zenit al de visada (llv), a reflect ân cia do dossel
dim inui qua nd o a iluminação se dá em um plano perpendicu lar ao plano
de visada . Na direção do re troespalhamento (hot spot), a proporçâo de
somb ras é reduz ida e o sensor "vê" principalmente as folhas e os ramos
di ret a mente ilumin ados, alé m da cama da inferior do dossel.
Um outro e feito da arquitet ura do dossel sob re sua re flectân cia ocorre
quando os elementos da vegetação não se encontram uniformemente
dis tribuídos . Supondo que, ao invés de estarem uniformemente distri-
buídas no dossel, as folha s estivessem agrupadas , esse agrupamento
apresent aria dois efeitos principais: ele au me ntaria a proba bilidade
de ocorrência de lacun as através de toda a extensão do dossel , o que,
por sua vez , aumentaria a influência do espalhamento dos elementos
des se mesmo dos sel locali zados na s camadas mais próxim as ao so lo.
Este último, por sua vez, assim como os elementos da vegetação, também
absorv e e espalha (refle te) a radi ação eletromagnética in cidente sobre
ele. Par te da radi ação refleti da é espe cu lar e parte é difusa . No caso de
dosséis esparsos, a reflectância do so lo atinge uma maior im portância,
e spe cialmente no caso de vi sadas verticais e na direção do retroespalha-
me nt a. Em geral, o efeito do es pa lh am ent o múltiplo n as camadas mais
próximas ao solo acarreta m ais abs orção, dim inui ndo a refle ct ância do
doss el. Contudo, se o solo for muito arenoso e claro (região do vis ível),
e sse efeito pode ser inverso.
Como pôde ser observado, enfatizam os nossa s discu ssões nas regiões
do vi sível e no infraverm elho próximo, uma ve z que essas regiões espec-
trais têm sido as ma is exploradas em trabal hos que utilizam as téc nica s
de sensoriamento remoto no estudo da vegetação. Contudo, para a reg ião
do in fravermelho méd io, as aná lise s são similares àquelas apresentadas
pa ra a região do visí vel, levando em consideração que o fat or fun da men-
tal nessa região espectral é a água disponível no interior das folh as.
É impor ta nte destacar ainda que, quando anal isamos os fatores que
interferem na reflectância de folha s e de dos séis, nada menciona mo s
a respeito dos equipam en tos que são utili zados ne ssas med ições, nem
a res pe ito da interferência da atmosfera sobre os resultados dessas
mediçõe s, que, dep endendo do nível de aquisição de da dos, pode exercer
grande influê nci a. Ass im, seria inte re ssante apresentar a concepção
sugerida por Goel (1988), que defi ni u um sistema pert inente ao sensor ia-
40
menta remoto da vegetação a pa rtir de dado s de reflect ãn cia espectral
de dosséis , o qual seria constituí do pel os segui ntes subsist em as:
aI font e de radiação, qu e norm alm ente se tra ta do Sol e é definida por
uma sé rie de prop rieda des /parãmetros representa dos pelo conjunto
(a;), qu e inclui a irradiãncia espe ctral EÀ e a localização espacial (8, ~
ãngulo zenita l solar e <p, = ãng ulo azimutal solar);
b] atmosfe ra , que é ca rac te rizada por uma sér ie de propried ades/
par âmetros representados por [b.], inclui ndo as concentrações
esp aci almente de pe ndentes e as propried ad es seletivas de abso rção
e de es palhame nto dos divers os comprime ntos de on da por parte de
aerossóis, vapor d'água e ozâ nio;
c) dossel, que é ca racterizado por uma série de propriedades/par âm etros
repres enta dos por [c.], incluindo os parâmetros ópticos (reflect ância e
transm itância) e es truturais (form as geo métricas e posicion amento)
dos com pone ntes da vege taç ão (folh as , galhos, frutos, flor es etc.), a
geometria de plantio e parâmet ros ambie ntais como temperatura,
umidade relativa, velocida de do vento e precipitação. Em gera l,
ess es parâmet ros apres entam dependên cias es pec trais. espaciais
e temporais;
d] solo, que é ca racterizado por uma série de pro priedades/pa râ metro s
representados por [di], ta is como refl ect ância e absortâ nc ia, ru gosi -
dad e sup er ficial, te xtura e umidade;
e] detector, que é caracterizado por uma série de propriedades/
parâm etros rep resent ado s por lei}, os qu ais definem sua sensibili-
dade espect ral, abertur a, calibr ação e posicionam ento espacial (Elv ~
ângulo zenita l de vis ada e <pv = ângulo azi mu t al de visa da).
Qua ndo a radiação solar inc ide no to po da atmosfera , pa rte des sa rad ia-
ção é espalhada e/o u refl etida pelas partícu la s atmosféricas; outra parte
atr avessa a atmosfera e é espalhada/refle tida pelo dossel ou pelo solo.
A radiação esp alh ad a/ refletida é en tão detect ada por um se nso r (detec -
tor), que pode es tar posicionado a poucos me tros acima do dassel ou
acoplado em plataform as aéreas (aviões) e orbitais (saté lites). Assim ,
pode-se definir a sé rie {R;} de at ribu tos da radiação recebida pelo sensor
como um a função daqueles subsistemas:
(1.6)
41
Goel (1988) considerou que existem dois aspec tos relevantes a serem
cons iderados no estudo da relação entre a radiação de tec tada e os
parâmetros de sse sis tem a. O primeiro envolve a definição de uma
fu nção ou algoritmo (f) que defi ne {Ri), confor m e sej am as caracteris t i-
cas do sis tema (ai. br, c., di. ei). Esse aspecto é definido pelo autor como
problema direto. O segund o envolve a defi ni ção de uma função, relação ou
algorit mo (g) qu e gera a série {Ci} de propriedades/parâm etros d a vegeta-
çã o a partir dos valor es m edidos {Ri}. Simbolicam ente , tem -se que:
(1.7)
Esse último modelo foi defi nid o pelo autor como o problema inverso, ou o
problema de estimar os pa rãmetros do dosse l a partir de d ados de reflec-
tância. Nota-se que Ci foi retirado da e quação. Usualm ent e , a solução
do problema direto é u m pré-requisito para a soluç ão do problema inverso,
porém o auto r cons iderou que, um a vez que o número de medidas de
reflec tância é men or do que o núme ro de parâm etros ut iliz ados em su a
de terminação. o problema inverso é muito ma is difícil de ser so lucionado.
42
solares , en qua nto qu e a direção do fluxo difu so é carac te rizada pela sua
distribuição angular.
44
e o fator de refl ect ân cia bidirecional de um dossel arbóreo da Reserva
Florest al Prof. Augu sto Rusch i, loca lizada no município de São José dos
Cam p os, no Estado de São Paulo, conside rando a s regiões es p ect rais
do visível e do infravermelho próximo. Os autores concluíram que os
valore s do fat or de reflectã ncia dire cional-h emisféri ca da s folh as fora m
superiores aos do fator de reflectãncia bidi recional do dossel estudado.
As diferenças relativas entre ambos os parâmetros foram de aproxi-
madamente 7% na região do visível e 12% na região do infravermelho
pró xim o, dependendo da espécie considerada.
4\
. - - -~
Um engenh eiro agrônomo, por exemplo, que tivesse co mo objetivo
ava liar a pro dutividade de um plantio de soja mediante es tim at ivas de
IAF, teria se u tr abalho imensamente fac ilitado se , através de fatores de
reflectância bidirecio nal extra ídos de im agens orbitais e submetidos ao
processamento de um modelo de reflectância da vegetação invertido,
esses valores de [AF pudessem se r es timados, evitando trab alho s exaus-
tivos e custoso s em campo.
46
de sorteio de núme ros aleatór ios é determinado se um dado feixe
de radiação eletromagné tica atinge ou não cada uma dessas áreas.
Caso atinj a, a direção da radi ação esp al had a é es timada por m eio de
um novo so rteio. Assim, a interceptação e o es palhamento da radia-
ção são numericame nte estimados quase que fóton a fóton. Esses
m odelos empregam muito te mpo de compu tação, m as apresent am
a vantagem de permitir uma sim ulação mais realista do regime de
rad iação no in terior do dossel.
47
Major, Beasley e Hamilton (1991) inverteram o modelo Sail usando da dos
experimentais de dosséis de milho e descobriram qu e as dife re nças
sazonais ocorridas na DAF, nos fatores de reflectâ ncia bidirecional e na
transmitâ ncia das folhas ex erceram efe ito s sig nific ativos nos resultado s
da inv ersão.
O m od elo 5-Scale permite, então , "mo nt ar" um dossel flore st al , des cre-
ve ndo suas princi pais caracterís ticas biofísic as. Na esc ala "grupos de
árvo res ", leva-se em conta a distribuição de Neyman, que foi desenvo l-
vida para de screver a dis tribuiç ão de contágio por larvas . Essa dis tri-
buição , aplicada à d istribuição espacial de árvores, assume que elas se
"organiza m" em grupos e que esses grupos segue m um a dis tribui ção de
Poisson . Na escala de "copa s das árvore s", elas podem se r definidas como
cilíndricas, com um cone na porção superior ou, ainda , e sferoidal. Nas
es calas "galhos das árvo res"e "ramos das árvores", devem se r defini dos
os ângulos de inserção destes nas árvores.
48
-
A aparência da vegetação em
imagens multiespectrais 2
Vamos agora convergir para o em prego de im agens orbitais no estudo da
vegetação, valendo- nos dos conhecimentos que adquirimos na s dis cus-
sõ es ante riores.
Urnavez que nosso objetivo não é descrever detalh adamente o fun cion a-
mento de um sensor eletro- ópti co, vamos somente alert ar o leitor para
aquilo que julgamos m ais relevante para um a perfeita compreensão do
problema qu e salientamos.
50
ti zar as intensidade s do fluxo rad iante incidente sob re eles e prove-
niente da reflexão de um determin ado objeto em 256 níveis de cinza.
Porém , cada um terá seus pr óprios critérios ao fazê-lo, o que resu ltará
em níve is de cinza que não poderão se r com para dos entre as diferen tes
im agens das du as ba nda s em quest ão. Assim, se um determinado objeto
assum ir, nas bandas do visível e do infravermelho , o nível de cinza 64,
por exemplo, apesar de esse objeto aparenteme nte br ilh ar de forma igual
nas duas faixa s espectrais , ele pode rá apresent ar níveis de radi ân cia
muito dife ren tes. Nesse caso, as imagens estari am in form ando que o
ta l objeto não apresenta diferença de brilho n as duas regiões espectr ais,
qua ndo, na realid ade, ela ex iste.
Em trab alhos de caráter mais qualitati vo, como a elab oração de m apas
te má ticos , quer seja através da interp re tação visua l de ima gens ou
mediante a aplicação de técnicas de class ificação digital , essa "imper-
feição ra diométrica " da s im agen s não con stitui objeto de muita preocu-
pação. Cont udo, quan do o interesse é explorar os dados pres entes nas
imagens em abordag ens m ais qu antit ati vas, o interessado ou a equipe
responsável pelo es tudo deve rá tom ar mu ito cu ida do em proce dimentos
que envolvam transformações des ses da dos em valores físicos, assunto
este que será tra ta do opo rt un am ent e.
51
tamanho do pixel é menor do que 100 m , para ap lica ções m eteorológicas
ele normalm ente poss ui resoluçõe s espaciais muito mais grosseiras, da
ordem de 1 km.
52
foram utilizados até o final de 2011, constitu indo um dos m ai s bem
suc e didos sensores de obs ervação dos recurso s naturais já des envol-
vidos até o momento.
A Tab. 2.2 apresenta algumas das princip ais caracterís ticas dos sens ores
colocados a bordo dos satélites da série Lands at . O sensor MSS colocado
a bordo do satélite Lan ds at 3 tinha uma banda na re gião do termal
(ban da 8 um - 10,4 um - 12,6 um) com resolução de 237 m x 237 m .
TA". 2.2 Principais caraeteristicas dossensores colocados a bordo dos satélites dasérie Landsat
Sensor Banda(flm) Res. espacial(m) Res. radiométrica (bits)
4,, 0,50- 0,60 79 7
5,, 0,60- 0,70 79 7
MSS
6,, 0,70• 0,80 79 7
7" 0,80 - 1,10 79 6
1" 0,450•0,520 lO 8
2" 0,520 · 0,600 lO 8
l " 0,6l0- 0,690 lO 8
TM 4" 0,760- 0.900 lO 8 .~
.E
2" 0,5l0- 0,610 lO 8 E
•
o
ETM+
l ,, 0,630' 0,690
4" 0,780' 0,900
30
lO
8
8 ..•=
':s.
~
>
5" 1,550 - 1,750 lO 8 ~
~
~
53
<I Moderate Resolution Imaging Spectroradiometer (Modis) : o se nsor
Modi s é o pri ncipal instrumento dos satélite s Terra e Aqua. Foi proje-
tado para fornecer um a sé rie de obse rvações globais da superfí-
cie terres tre, do oceano e da atmo sfera nas regiões do visível e do
in fr averm elh o. Ele possui alta resolu ção rad iométrica (12 bits) em
36 banda s espectrais compreendidas de 0,4 u m a 14,4 J.lm. Em du as
de ssas 36 ba ndas, coletam-se dados com re solução es pa cial de 250 m;
em outras ci nco bandas, com resolução espacia l de 500 m; e nas
dema is, com resolução espacial de 1 km . Esse se nso r orbita a Terra
a uma a lt itude de 705 km. Em razão do â ng ulo de 55° de observação
para cada lado trans versal à trajet ória de sua órbita, produ z imagens
de uma superficie de 2.330 km, o que lh e confere re so lução temporal
(períod o de tempo entre duas cole tas de d ad os sobre uma mesma
porção d a s uperficie terrestre) de dois di as. A Tab . 2.3 apresenta as
princip ais características do sensor Medis .
di High Resolution Visible (HRV), High Resolution Geometric (HRG) e
Vegetation da série de satélites Spat : Oprim eiro sistema da sér ie Spat
tornou -se operacional em 1986, levando a bordo O sensor HRV, que
esteve presente n os saté lites Spot 1 até o Spot 4, gera ndo imagens
pancromáticas com resolução espacial de 10 fi e imagen s m ulties -
pectrais com resolução e sp aci al de 20 m . No saté lite Spot 5 foi intro-
duz ido o se n sor HRG, que passou a constit uir o pri n cip al se nsor da
série, com imagens pancromáticas com resolução es pacial de 2,5 fi
54
TAB. 2.3 Principaiscaracteristicas dosensor Modis e aplicações projetadas para as 36 bandas
dasquatro regiões espectrais
Aplicações Banda largura de banda (fim)
TerralNuvens/Aerossóis 0,620 - 0,670
3 0,459- 0,479
TerralNuvens/Aerossó is 4 0,545 - 0,565
5 1,230 - 1,250
Propriedades 6 1,628-1,652
7 2,105- 2,155
8 0,405 - 0,420
9 0,438 - 0,448
10 0,483- 0,493
11 0,526- 0,536
Cor do oceano/Fitop lâncton/Biogeoquímica 12 0,546 - 0,556
13 0,662- 0,672
14 0,673 - 0,683
15 0,743 - 0,753
16 0,862 - 0,877
17 0,890 - 0,920
Vapor d'água atmosférico 18 0,931- 0,941
19 0,915 - 0,965
20 3,660- 3,840
Superfície/Nuvens
21 3,929 - 3,989
Temperatura 22 3,929 - 3,989
23 4,020- 4,080
24 4,433 - 4,498 <1§
Temperatura atmosférica
25 4,482- 4,549 'i:
~
~
26 1,J60 - 1,390
""
"'3
Vapord'água de nuvens cirrus 27 6,535- 6,895 E
Propriedade de nuvens
28
29
7,175 - 7,475
8,400- 8,700
"
~
~
.E
E
w
Ozônio 30 9,580- 9,880
Superfície/Nuvens 31 10,780 - 11,280 '!
~
~
>
Temperatura 32 11,770 - 12,270 ~
~
~
'v
33 13,185- 13,485 ,;f
~
~
34 13,485- 13,785 ~
35 13,785- 14,085
36 14,085- 14,385
Fonte: <http://modis.gsfcnasa.gov/data/dataprod/index.php/>.
55
e) Multi-angle lm aging Spectroradiomet er (MISR) do sat élite Terra:
tra ta -se de um sen sor que foi de senvolvido pa ra estudos ecológicos
e climáticos, m as, considerando suas caract erísticas funcionais , seus
d ados t ambém podem ser utilizados em estudos de vegetação. Esse
sensor é do tado de n ove cãmeras identificadas como Na, Af, Aa, Bf,
Ba, Cf, Ca, Df e Da, que permitem a coleta de dad os em diferentes
situações angula res qu ase que in sta ntanea m ente (0°, 26,1°, 45,6°, 60,0°
e 70,5°) e em qua tro ban das espec t rais qu e compreendem as regiões
do visível e do in fra verm elho próximo, con for m e ilu strado na Fig. 2.1.
Uma vez que a cober tu ra vegetal , em su as mais diversas fisionomias
e dive rsidades es tr utu rais, n ão apresent a compo r t am ento isotrópico
(Ia mb er tia no) dura nte o pro cesso de re flexão da radi ação inciden te,
espera-se que um mes mo dasse! ob servado pe las câmeras do sensor
o / / /
Simulação artíst ica de um sensor convencion al adqui rindo dados na vert ical
o // ,; / ,;
Simulaçã o a rtíst ica do se nso r MI5R/EOS-AMl adqu irindo dad os mu ltia ngu lares
Fig. 2.1 Simulações artísticas do imageam ento de (A) um sensor convencional na vertical
nadir e do (B)sensor multiangular MISR, para uma mesma formação florestal hipotética
Fonte: liesenberg (2006). (versão colorida - ver prancha 2)
56
MISRapresentará diferentes va lores de fat ore s de reflect ância bidire-
cional. Essa difer enciaç ão pode ser relacion ada aos parâm etros biofí-
sicos do dosse l.
fi Hyperion: é um sensor hi perespectr al orbita l desenvolvido dentro do
progra ma Ear th Obse rv ing 1 (EO-1) da Nasa. Ele atua em 220 bandas
compr eendidas de 0,4 fim a 2,5 fim, com resolução espacial de 30 m.
As faixas im ageadas têm d imensões de 7,5 km de largura po r 100 km
de comprime nto e o im ageamento não é contínuo, como acontece
com os sensores tradicion almente empregados para a observação da
Terr a (AVHRR, TM, ETM+ et c.). A obtenção das imagens é feit a por
encomenda, a partir da inform ação sob re a localização da superfície
a se r im ageada.
A Fig. 2.2 apresenta u m esq uema d a n at ureza de um d ado hiperesp ec-
traI, como aque les adquiridos pelo sensor Hyperion . Observa-se, pela
aná lise dessa figura, que de cad a pixel na cena im ageada é possível
ext rair esp ectro s médios de reflect ância dos objetos contidos dentro
do pixel. Trata-se de um a alternativa muito inte ressante para a carac- T
terizaç ão espectral de uma cobertura veget al.
gl Sensores coloca dos a bordo dos satélites do programa sino-brasileiro
CBERS: o Bra sil e a Chin a vêm desenvolvendo um pro grama espacial
conjunto, voltado para o des env olvimento de senso res orbitais
especificos para a geração de dados ambient ais. Nas primeiras duas
versões de satélites desse program a, ent ão den om in ados CBERS-1
e CBERS-2, foram colocados a bordo três diferentes se ns ores, se ndo
dois de produ ção chi nesa e um de pro dução brasileira . A câ mera
CCD, de produção chi nesa, forn ece imagens de uma faixa de 113
km de largur a, com u m a resolução es pacial de 20 m e u m a re solu-
ção tem poral de 26 dias. Tem capacidade de orientar se u campo de
visada dent ro de m ais ou me nos 32", po ssibilitando a obtenção de
imagens estereo scópicas ou o aumento da resolução temporal sobre
regiões específicas da superfície terrestre. Opera em cinc o faixas
es pect rais, a sa ber: CCD_1 (0,45 fim - 0,52 fim); CCD_2 (0,52 fim -
0,59 fim); CCD_3 (0,63 fim - 0,69 um), CCD_4 (0,77 um - 0,89 fim) e
CCD_5 pan (0,51 fim - 0,73 fim). Na versão colocada a bordo do satélite
CBERS-2, as im agens gera das foram distribuídas gra tuitamente para
tod a a comunidade brasileira de usuá rios de produto s de sensoria-
men ta rem oto, o que constituiu sensível ex pansão da aplicação de
57
®! --..- HRVlSPQT-3
___ MSS/ land sat-S
lB
....... TM/Lan d sat-S
......... A5TER/Terra
- AVIRIS
~ l aboratory
i~
I
400
I i
90 0 1.400 1.900 2.400
i i
Atmosfera
o 1 ~ 1 Geologia e solos
'~ 0.8 .~ 0,8
.~ 0,6 .~ 0.6
'" 0,4 ~ 0,4
:ii 0,2 ~ 0.2
!:- O '" Oo
o
o
o
o
ec
o
o ..,oo
o
o
o
o
~
sco sr"'! s'C! g
q
s
" o
N ""
N
Compriment o de onda (om) '" N
Compr im ento de onda (nm)
'<t'
N
1
~ Eco lo g ia e veg etações
'ü 0,8
~ 0,6
~ 0,4
~ 0,2
'" O
oo oVI oo o....... oo o oo o o
"t" ~ Vl VI \O
lI1
\O r--
lI"I
r-..
o
"
..,oo o
o
Comprimen t o de onda (om)
Com p rim ent o de onda (om) ""
N
59
elas. Nesses locais da imagem, também é possível observ a r alg u ma
textu ra oriu n da da ocorrência de sombras nas camad as m ais su perio-
res dos dosséis. De maneira geral, qua nto m ais ru gosa for essa textu ra,
m aior será a estratificação ver tical apre se nt ada pelo dossel ou maior
se rá a diferen ça entre esses estrat os na direção vertical. Finalmente, nas
imagens da região do in fraverm elho m édio, a tonalidade dos cerrados
<- te m <- te m
~
o
~
~
~
:J,
~
"
~
o
~
~
~
o
~
~
U;
o
~
~
'"
~
o
~
~
~
o
~
~
~
:J,
~
"
~
:J,
~
~
~
~
o
~
:J,
~
'"
~
:J,
~
~ ~ s ~ ~ ~ 3 3 ~ ~ 3 3
ETM+5 ETM+7
O 2,4 4,8 km
: I==::J
Fi g. 2.3 Imagens ETM+/Landsat 7 do pantanalde Nhecolândia (MS)
60
•
arbóreos volta a ser escura, mas agora a justificativa não é a ação dos
pigmentos fotossintetiza nte s, ma s sim a umidade intern a da s folhas . •
Essa análise somente pode ser feita nos níveis aqui apresentados ,
ou seja, de form a bast ante superficia l e gené rica . Para facilit ar a extra-
ção de informaçõe s qualitativas da cena em questão, vamos elaborar
uma composição colori da com as imagen s das ba ndas ETM+3, ETM+4
e ETM+5, adotando os filt ros azul, vermelho e verde, res pectivamente.
A composiçã o colorida result ant e é apresentada n a Fig. 2.4.
Olhando para essa composiçao colorida, cons iderando tudo o que foi
coment ado até o momento e concentrando toda a atenção somente sobre
a vegetação, a pergunta cabível seria: uma vez percebendo visualmente
diferenças de bri lho nas áreas avermelha das, como associar t ais diferen-
ças à vegetação no campo? Aqui temos de cons iderar alguns aspectos
importantes. Em prime iro lugar, precisamos ter bem claro o objetivo que
pretendemos atingir com a análise da imagem em questão. Em segundo
lugar, e ainda associado ao tal objetivo, precisamos defini r a es cala de
trabalho e a metodologia de extração de in formações que adot aremos.
Cada um des ses aspectos defin irá critérios em nosso trabalho que norte-
arão toda um a linha de raciocínio que seguiremo s quando finalm ente nos
debruçarmos sobre a imagem.
Vamos imaginar que noss o objetivo seja elaborar um mapa temático com
a seguinte legend a: água, br aquiár ia, cerradão, cerrado e campo (a defini -
ção da legenda é um passo fundamenta l quando se tra balha com sensori a-
me nta remoto; procura-se sempre definir uma legend a que seja compatível
não só com a esc ala de trabalho. como também com o tipo de imagens que
se vai utilizar). A escala de trabalh o será fixada em 1:50.000, e utilizare-
mos a interpretação visual para identificar os itens da legenda. Nesse caso,
e pensando exclusivamente nos itens relacionados à cobertura vegetal, a
associação entre os padrões existentes nas imagens e a vegetação no campo
61
será feita por me io da busca de diferen-
ças fision ôrnicas. Assim, es pera-se que
o cerra dão, por possuir porte floresta l e
dossel freque ntemen te dividido em dois
ou três estratos verticais, apres ente:
tonali dade mais escu ra do que os
demais itens de vegetaçã o da legenda
nas bandas do visível, pela maior ativi -
dade fotossi ntétic a e/ou quant idade de
folhas rea lizando fotossíntese; tonali-
dade clara na banda do infraverme lho
próximo, em razão do espalhamento
múltiplo da radiação eletromagné-
tica por parte da s folhas; e tonalidade
nova men te es cu ra na im agem da ban da
do infravermelho médio, por causa da
maior quantidade de folhas contendo
água em seu interior. Vale salientar que
a tonalidade clar a do cerradão veri fi-
cada na imagem do infraverme lho
o: 2,4
:
próx imo pode ser m eno s inte nsa do que
aque la apresenta da pe lo cerr ado, pe la
Fig.2.4 Composição coloridaETM+3 (filtro maior ch ance de ocorrência de so mbras
azul), ETM+4 (f ilt ro vermel ho) e ETM+5 (f iltro
no interior do dassel do cerradão. Como
verde) do pantanal de Nhecolândia (MS) (versão
resultado final do padr ão a ser analisado
colorida - ver prancha 4)
visualm ente na composição colorida em
questão, espera-se que o cerrad âo apresente um a tonalidade avermelh ada
intensa e com textur a ma is rugosa do que aquela verificada nos dosséis
de cerrado, que t ambém dever ão aprese nt ar ton alidade avermelh ada . Já
o campo natural deverá apresentar um padrão caracterizado por uma
tonalidade va riando do branco ao esverdeado, uma vez que sua taxa fotos-
sintética deverá ser inferior àque la apresent ada pelas duas fisionom ias
florestais mencionadas, e que haverá certamente maior participaçã o do
solo na respost a espectral do dossel he rbáceo, o que im plicará maiores
níveis de brilho nas regiões do visíve l e do infraverme lho médio.
62
Comp osição temá tica Mapa te mático
"-
~
~
~
o
te
~
II,
~
"\:'
~
~
;.,
~
o
~
~
::;
~
~
"
~
II,
~
D Campo D Braquiária
3 3 3 3 3 3 . c erradão _ Agua
• Cerrado
O
, ,
2,4 4,8 km
I
,
O 2,4, 4,8 km
I
63 I
os iten s da legenda, ou seja, cerradão, cerrado e campo natural, ele
poderá fundamenta r-se nos mesmos padrões visuai s de identificação
em relação àqueles nos quais se fundamen tou nas imagen s do pantanal
de Nhe colãndia?
Para respond er a essa pergunta, temos de recordar que exi stem diferen-
tes fatores que poderiam alterar os padrões relativos entre diferentes
imagens, alguns deles referentes à própria vegetação e outros às imagens
em si. Quanto à vege tação, sabemos que mesmo as fisio nomias de
cerrado (cerradão, campo cerrado e cerrado sensu stricto) podem aprese n-
ta r alguma var iação fe nológica ao lon go do ano. Ass im, por uma qu estão
meramente sazonal , haverá diferenciação nos padrões de uma mesma
fisionomia observada em imagen s de diferentes datas nas es tações seca
e chuvosa, por exemplo. Há de se considerar ainda que uma mesma fisio-
nomi a veget al pode apresentardiferenças florísticas em sua composição,
com plantas com diferentes arquiteturas, o que, por sua vez, poderá inter-
• feri r n as re lações do dossel com a radiação eletro m agn ética, alterando
assim os padrões presentes nas imagens orbitais. Quanto às imagens,
sabemos que a interferência da atmosfera mani festa-se de modo diverso
ao longo de sucessiva s passagens. Por isso, mesmo t rabalh a nd o em
uma mesma região geogr áfica, a aparên cia das fisionomias vegetais
deverá sofrer variação em decorrência dessa diferenciação da interfe-
rência atmosférica. Outro aspec to importante refere-se aos valores dos
parâmetros de calibração dos sen sores que geraram as imagens. Depen -
dendo do período de tempo e at é mes mo da região geo gráfica qu al as
à
64
A cena apr esentada na Fig. 2.6A refere -se ao mês de outubro de 2002,
e a cena na Fig. 2.6B refer e-se ao mês de março de 2003. Ob serve que,
ap esar de referir-se a uma mesma superfície no terreno, as tonalida des
CD
Março
Fig. 2.6 Composições coloridas (TM/La ndsat 5 nas bandas TM3-azul, TM4-vermelho e TMS -
-verde) de uma porção do Estado do Rio Grande do Sul,referentes a duas datas de coleta de
dados: (A)out ubro/2002 e (B) março/2003 (versã o colorida - ver prancha6)
65
apresentam-se ligeiramente d iferen tes entre si, co m parando-se as duas
imagens. O que poderia explicar essas difere nças? Alterações dos objetos
presentes n a superfície da Terra ou interferência diferenciada da atmos-
fer a e/ou da calibração do sensor que as gerou?
66
•
-
ser agrega dos ao processo de extração de informações como um todo,
com o leva nta me ntos bibliográficos sobre a região de es tudo, trabal hos
de ca m po em gera l, dado s soc ioeconô micos etc. Costuma-se dizer que,
em sensoriamen to rem oto, nada é discreto ou absoluto. Cada caso e/ou
es tudo deve se r analisad o em detalhe, sendo necessário, tanto quanto
possível, abs te r-se de regr as genérica s e extrapolaçôes.
Dessa forma, o uso do comput ador para tratamento digital das imagens
poss ibilita a análise de tantos pixeis e de tantas bandas quantos for em
necessários. Além disso, com o uso de computadores, pa ssa a ser possíve l
tirar vantagem do aspecto multidimensional dos dados e de su a re solu-
ção radiométrica. Nesse contexto, as técnicas de processamento digit al
ap arecem como uma ferramenta muito útil, mas que deve sempre ser
usada com cautela e com con h ec im ento das consequências que podem
acarretar no es tudo desej ado.
68
-
Em geral, a classificação d igital é apli cada a dados não conv ertidos para
valores físicos , ou seja, cos tuma- se trabalhar sobre as imagens origin ais
cont end o números digitais, o que não significa que não seja possív el
aplicar tal técnica em im agens conv ertidas para fatores de reflectância
bidirecional (apare nte ou de superfície). Contudo, uma vez que o objetivo
da classifíc ação digital é ide nti ficar objeto s (ou cla sses) diferentes ,
espe ctralmente falan do, não importa se as magnitudes das di ferenças
espectrais são ou não consist ente s com as diferenças de brilho entre os
objetos, considerando suas propriedades espectrais.
69
•
o resultado da classificação digita l (pixel a pixel ou por regiõe s) é apresen-
tado na forma de mapas tem áticos compostos pela d istribuição espacial
(geográfica) de "m a nchas" que definem o posic ionam en to e ii d istribu i-
ção de cla ss es es pecíficas de objetos sobre a superficie terrestre.
o treiname nto pode ser supervisionado ou não supervisio nado. O tre ina-
mento supervisionado acontece quando o us uário dis põ e de informações
que permit em a identificação, na s im agens, da localiza ção espacial de
um a classe de interesse. Assim, amo stras de números digitais existen -
te s no s pixels identifi cado s com o per tencentes a u ma d ada classe de
intere sse , em cada banda espectral utili zada no proce sso de classifica-
ção, são "ex traídas" do conju nto de dados e informadas ao algorit mo de
class ificação. Quando o usuário ut ili za algoritmos para reco nh ecer as
clas ses presentes na image m, o trein amento é dito não supervision ado.
Ao de fin ir áreas para o treinament o não supervis ion ado, o us uário não
deve se preocupar com a homogeneid ade das classe s. As áreas es colhidas
deve m ser heterogêneas , para as segurar que todas as po ssíveis cla sses
e suas va riabilidades sejam incl uídas. Os pixels dentro de uma área de
tre inamento sã o submetidos a um algoritmo de agrupamento (c1uste-
ring) que dete rm in a o agru pa men to do da do, numa feição es pacíal de
dimensão igual ao número de bandas pre sentes . Esse algoritmo assume
que cad a gru po (cluster) represen ta a distribuiç ão de probabilidade de
um a classe .
70
A etapa de treinamento pode ocorr er na cla ssificação pixel a pixel ou por
regiões. A escolha de st a ou daquela es tratégia depende da natureza do
trabalho a se r reali zado, da legenda de mape amento e das características
da pa isagem em estudo.
71
-
Imagem -co mposição colorida Map a t em át ico
Fig_2.7 Amostras de treinamento para elaboração de mapa temático composto pelas classes Floresta
primária e Desflorestamento (versão colorida - ver prancha 7)
72
- ~ - ~ - -_ .
•
p
73
altura/altitude a partir de dado s SAR. Cloude e Pap at hanassiou (1998)
reve laram que a coerência int erferomét rica depen dia da polarização
e desenvolveram um modelo de otimização com m atrizes de es palha-
mento que, quando decompostas, permitiram a se paração precisa dos
centros de fase para diversos mecanismos de espalhamento.
11Z
importantes para esses comp rimentos de ond a, dependendo da estru -
t ur a e da cobertura do doss el. Pequenas folhas e galhos, ness es com pri-
mentos de on da, atuam como atenu adores do sina l (Kasischke; Melack;
Dobs on , 1997).
124
N
o 2 4 6 km
A I I I
I
Fig. 4.4 Extrato de imagem Radarsat-2, banda C, modo Standard (25 m de resolução espacial), HH(R)
HV(G)VV(B). nos arredoresda Floresta Nacional do Tapajós, Pará, em setembrode 200S (versão colorida
- ver prancha 15)
m icas dos tip os ve get ais (Boyd; Dan so n , 2005). Os ite ns (i) e (ii)est ão interli-
gados, já qu e o produto principal dos estudos voltados para o atendim ento
desses objetivos será um mapa da vegetação, que pode ou não ser atuali-
zado reg ularmente (mapeame nto e mo nitoramento). Para o ite m (iii), os
estudos vis am estimar, principalmente, variáveis hiofísicas do indiví-
duo ou comunidade vege tal, corno volume e biomassa, e são basea dos no
estab elecimento de relações ent re dados de campo e as im agens SAR.
4.8.2 Estimativas de biom assa e inventá rios florestais com dad os 5AR
Os resultados de es tudos com dados SAR para invent ários florestais
são variado s, mas já se observa a utilização operacional de dados SAR
para estimativas de variáveis fl orest ais, princ ipalmente para flo restas
temperadas e boreais.
Dados nas bandas L (Castel et aI., 2001) e P·HV (Rau ste et al., 1994) foram
ade qu ados p ara es ti mativas de volum e de madeira. Castel et aI. (2001)
destacaram a importânc ia da separação dos povoa men tos florestais por
idade (considerando, assim, a estrutura da vegetação) para inc rem entar
a relação en tre retroespalh amento e volume. Além de volu me , dens idade
de in divíduos também pôde ser es timada com base e m dad os SAR, se ndo
esta a variáve l que co ntrola a relação com o retroe spa lham ento.
A es tim ativa de variáveis biofí sicas de flo restas n ão tropica is com preci-
são comparável às obtidas por m étodo s trad icionais de ca mpo requer
dados SAR em diferente s bandas e/o u po la rizações. Mu ita s ve zes a
estim ativa n ão é di reta e exige a utiliz ação de dife rente s métodos,
como a divisão da floresta em classes es truturais e o e st abelecimento
de equaçõe s que relacionam re troesp alh amento e variáveis florestais
(gera lmente por meio de regressões es ta tísticas), para posterior estima -
tiva dessas variáveis (Dobson et al ., 1995). Dados de biomassa flores-
tal , apesar de fazerem parte da maioria dos inventários florestais, são
tratados separadamente por serem peças -ch ave nas estima tivas das
emissõe s e sequ es tro de carbono atmosférico.
130
uso de dados 5AR polarimétricos e combinou dados de potência, fase e
coerência em classi ficação, cons iderando tipos estruturais de flo rest as
e, po steriormente, biomassa, Kuplich, Curra n e At kinson (2005) obser-
varam alta correlação entre biom assa de floresta tropical e tex tura de
im agens SAR, sugerindo, assi m , o uso da textura SAR, juntamente com
retroespalhamento, para estimativas de biomassa florestal.
Outra for te tendência em tra ba lhos com dad os SAR é a estimativa dos
"centro s de espalhamento" n as flo resta s (Gares tie r; Le Toan, 2010; Koch,
2010), com o objetivo de aumen tar a precisão nas estimativas de altura e,
eventualmente, de biomassa e dem ais variáveis de inventários flores tais.
As forma s de aqu is ição e proce ss ame nto de dados SAR orbi tais e st ão
em constante aperfeiçoamento. assi m como suas aplicações em estudos
de vegetação. Com a utilização de abordagens baseadas na fase do
sinal de radar. novas téc nicas são utilizadas , resolvendo limitações
como a es timativa de biomassa florestal com a saturação na relação
retroespalhamento/ biomassa. Além dessa, o aumento na precisão dos
I
132 I
- I, - - -
-------r--
A imagem como fonte
de dados radiométricos
(abordagem quantitativa) 3
(' fw..ov uvv.".JJA"\o."'4~ ~
3.1 Conve rsão de ND para valores físicos
Tudo o que foi discutido até o mom en to não incluiu qual quer conver-
sã o dos número s d igitais (ND) da s imagens pa ra va lores de parâm etros
físicos com o a radiância ou a reflect ância. Tal conversão é possível e tem
como objetivo permitir a caracterização es pectral de objeto s, bem como
a elab or ação de cálculos que in cluem dados de im agen s de diferentes
ban das espectrais ou de dife rentes sensores. Para esclarecer melhor o
que foi me ncionado, recordemos algu mas co nsi derações apresentadas
sobre a aparência da vegetação em im agens orbitais. Dissemos que cada
sensor, em cada ban da espectral, tem se u próprio critério para discreti-
za r os valores de radiância med idos na escala específica de sua re solução
radiomé trica (8 bits, 10 bits, 16 bits etc.). Assim , as imagens result antes,
ainda qu e obt ida s por um mes mo sen sor, m as em diferentes ban das, não
apresenta m nece ssariam ent e compatibilidade entre os NDs . Con forme
foi men cionado. um valor de ND de um a im agem em um a banda especí-
fica não está na mesma esca la de outro ND de outra imagem em outra
banda espectra l. Isso traz como consequência a impossibilid ade de
compa ração entre NDs de banda s diferentes , ainda que se tra te de um
mesm o sensor, bem como de sen sores diferentes. A caracterização
es pectral de objet os torn a-se t amb ém inviável.
Como form a de so lucionar essa lim itação, faz-se a conversão dos NDs
para valores físicos , mediant e o conh ecim ent o de alguma s característi-
cas tanto do sensor que gera as imagens co mo das con dições ambientais
nas quais as imagens foram geradas.
Topada
atmosfer a
Superfície
da Terra
Alvo Alvo
vizinho
(3 .1)
ONDE:
76
__ ---=.L:::;"
para compensa r a resposta do detect or mesmo quando ele não
recebe qualqu er qu antidade de radiação incidente, e G().) refere-se a
um valor de ganho normalmente ajustado para impe dir que o valor
me dido sa tu re positivamente quando o de tector observa objetos
claros, e negativamente quando observa objetos esc uros. Mais uma
vez, o termo I.. refere-se ao caráter espectral dos termos da equação.
Out ros parâmetros bastante utilizados no cálculo de Lo(À) são Lmín (À) e
Lmáx(A), que representam os valores de radiância mínima e máxima que
um se nso r é capaz de registrar, os quais são respect ivame nte substitu-
ídos pelos valores de ND = O e ND ~ 2' (sendo x o número de bits qu e va i
defin ir a resolução radiométrica de um se nsor). Nesse caso, o valor de
Lo(À) é dado pela equação:
(3.2)
ONDE:
x = número de bits (que atua lment e pode variar de 8 a 16).
Uma vez convertidos para radiância aparente, ass um e-se que os dados
contidos nas imagens de diferente s bandas de um mesmo sensor ou de
se nsores diferentes podem ser comp arados entre si. Contudo, como a
77
radiância é um parâme tro radiométrico depe ndente da intensidade
de radiação rad iada pe la fonte (vide seçã o 1.1), ela passa a não ser o
pa r âmetro m ai s apro pr ia do p ara ava liações das prop r iedades espectrais
de objetos. Ne sse caso, a reflectãncia p assa a ass um ir p apel de destaque
nesses tipos de estudo, lembrando que essa pro prie da de espectral de um
obje to é expressa pe los fa to re s de reflectãncia.
A tran sfo rm ação de ND pa ra FRB apa re nte foi propo s ta por Markh am e
Ba rker (1986). Em primeiro luga r, os nú mero s digit ais são convertidos
para valores de radiância bidirecional aparente com base nos parâmetros
de calibração obtidos em mi ssõe s de calibração antes do lançamento,
segundo a equação:
O N D E:
• .LoP·) ·d 2
pa (3.4)
Esun(À) ' CDS e
O N DE:
78
•
79
•
u m todo. Em outras pala vras, são defi nidos va lores de ND ou de FRB
ap arente qu e sã o subtraídos de todos os NDs e FRBs ap ar entes de to da a
ce na, considerando que a inte rferência atmosférica é uniforme ao longo
de toda a cena.
80
que tê m ga rant ido bons result ados em estud os que envolv em as corr e-
laçõ es mencion ad as. Com da dos de alta resolução espectral, é possível
utiliz ar dados da própria imagem para es timar a prese nça de cons titui n-
tes importantes da atm osfera, com o o vapor d'água, e para otimizar a
modelagem de outros cons tituintes.
Na Fig. 3.2 é apresentado um gráfico com valores numér icos extr aídos
de im agen s orbít ais do se nsor E'TMe/Landsat 7 de uma íor mação vegetal
de porte arbóreo existente no bioma pantanal, Estado do Mato Grosso do
Sul. Vale sa lie ntar que , qua ndo os valores originais de ND são con ver tidos
para valores de FRB aparente ou de supe rfície, o res ultado é apresentado
em um a escala de 8 bits para que as imagens possam ser visualiza das em
tela de computadores. Alguns aplicativos permitem que a vis ua lização
seja feita automa ticamente, me smo que as im agens apres entem núm eros
fracionários ou reais (floating). Nesse s casos, esse es calonamento não é
necessárío. Contudo, no gráfico da Fig. 3.2, opta mo s por apresent ar todos
os va lores na es cala de 8 bíts (O - 255), para que as curvas pudessem ser
aprese ntadas de um a única ve z, em um único gráfico.
_._---_._----== •
81
100
90
80
70
60
~ 50
40
30
20 ... _ - - ..... ...
'~ ~J:::;:::~~=:~--,__,---_-.~=--,
ETM+1 ETM+2 ETM +3 ETM+4 ETM+S ETM+7
- - - Originais - - I r - Apar ente ........- 6S ---+-- DOS
Fig. 3.2 Dinâmica dos NOs de uma formação vegetal de porte arbóreo existente no bicma
pantanal (Estado do Mato Grosso do Sul) convert idos para FRB aparente e de superfície (65 e
Dark Obj ect Subtract ion (DOS)) (versão colorida - ver prancha 8)
82
Vimos que tal caracterização somente é poss ível med iante a conversão
dos NDs das im agens originais em va lores de FRB (pre ferencia lmente de
supe rfície). Imagin emos agora que tal necessidade inclui o fator tempo
com o fundamen ta l na caracterização desse objeto, ou seja, deseja- se
obse rvar as possíveis variações dos valores de FRB ao longo do tempo .
Uma situação possível é a comparação de im agen s gera das por um
mesmo tipo de se nsor que operou em diferentes plat aformas orbitais
ou satélites . Nesse cas o, a conversão dos valores de ND para valores de
FRB de superfície, por exemplo, não é suficiente para permitir a carac-
te rização es pectral do objeto ao long o do te m po, u ma ve z que os FRBs
sofrem infl uênci a de variações não linear es da se nsibilidade dos dete c-
tores ao longo do tempo e de variações na geometr ia de iluminação que
não são totalme nte corrigidas durante a conve rsão.
83 !
-+--
Para compreender melhor o raciocín io seguido po r Hall et aI. (1991),obser-
vemos a Fig. 3.3, na qual são apresent ados dois diagramas de d ispersão
no espaço bidim ensional idealizado por Kauth e Thomas (1976), denomi -
nado po r ele s como Greenness e Brightness.
N Cálculo da transfcrmaçáo
~ radiométrica
.r
~ conjuntos
.e co~
nju ntos claros
~
::: escuros
'fi
e y e a e bx
255 "
>- x - radiância na imagem 1
Y' = a/b + 1/b (YJ
(BI
Fig. 3.3 Diagra ma bidimensional dedispersão proposto porKauth eThomas para uma
imagem de referênci a e outra a ser normalizada
Fonte: Hall et aI. (1991).
Com relação aos diagramas de d ispersão apre sent ados na Fig. 3.3, um
refere-se à distribuição dos FRBs da imagem considerada de re ferência
(15 de agosto) e o outro à m esma distribu ição referente à Im agem a ser
norm alizad a (14 de jul ho). Os retângulos defin idos em ambos os diagra-
m as repres entam os valores de FRB do conjunto de dados de con trole
para as duas im agens. Se projetarmos os limites externos de cada um
desses retân gulos sobre os eixos Greenness e Brightnes s, serão definidas
amplitudes em cada eixo que definirão os conjuntos claros e esc uros de
controle. A defin ição desses conjuntos implica a identi ficação es pacial
de pixels nas imagens, con tid os dentro dos intervalos de FRB identifi-
cados como objetos claros e escuros invariantes nas cenas. A locali za-
ção es pacial desses pixels é feita mediante o estabelecimento de uma
"másca ra" temática que, um a vez aplicada às imagens das diferentes
84~i~~_~
•
bandas espec t rais em estudo, origin a co eficientes (passo 2) de uma
transformaç ão linea r, conforme de scrito na equação:
ONDE:
m , = (Br, - Or,)/(Bs, - Os,);
b, = (Dr; x Bs, - Os, x Br,)/(Bs, - D sj];
T, = FRB da im agem n or m alizada;
x: = FRB da imagem original a ser n ormaliz a da;
Br , = médi a do conjunto de re ferênci a clara ;
Dr , = média do conjunto de referên cia escu ra;
BSi = médi a do conjunto cla ro a se r norma lizada ;
D Si = mé dia do co njunto escuro a ser normaliz ada;
i = bandas do sensor em es tudo.
85
tes m a neiras . Essas transformações podem re alça r inform ações qu e não
são muito visíveis na s image ns originais ou podem preser var o conte-
údo das informações (para uma de term inada aplicação) com um número
reduz ido de ba ndas transform adas . Para o es tudo da vegetação, o índice
de vegetação e o m odelo de m istu ra espectral são transform ações ampl a-
mente utiliz ad as em vá rias aplicações.
Com o foi vis to em seções anteriores, a baixa reflectâ ncia das folha s
na região do visível é decorrente da absorção da rad iação sola r pela
ação dos pigmentos fotossinteti zantes, enquanto a alta reflectância na
re gião do infraverm elh o próximo decorre do espalh am ento (reflectãncia
e tra nsmit â ncia) da rad iação no in terior das folh as em fu nção de su a
estrutura celu lar. Portanto, a reflex ão d a radia ção eletrom agn ética pelas
folh as depende da sua composição quím ica e es tru tu ra inte rna. No ca so
de dosséis vegetais , a variação da reflect ância da cobe rtu ra vegetal em
difere nt es bandas espect rais dep ende, principal mente, da quantidade de
folhas e da a rquitetur a do dossel, m as o que se verifica é que a forma da
cu rv a de re flectâ nci a de um dosseI asseme lh a-se muito com a form a d a
curva de reflectãncia das folh as (isoladas) que o compõem.
86
ma ior for a de nsidade da cobertur a veget al em um a det erminada área,
menor será a reflec tância na região do visível, em razão da maior oferta
de pigmento s fotossintetizantes. Poroutro lado, maior se rá a reflectância
verificada na região do infravermelho próximo, por causa do es palha-
mento múltip lo da radiaçã o eletromagnética nas diferentes camad as
de folhas. Par a uma melhor visua lização do que está se ndo descrito, a
Fig. 3.4 apresenta um grá fico contrapondo va lores de refl ect ân cia na
região do visível e do infravermelho próxi mo, em um espaço bidimen-
sional, análogo ao con ceito de Greenness e Brigthness, já apres en tado.
87
Vegetação Com base ne ssa premissa , se os
verde
va lores de reflectân cia d a imagem
da banda do in frave r melho próxi m o
fosse m divididos (algebricam ente)
pe los m esm os valores da banda do
visível, ter íam os como re sult ado
va lores numéricos pro porcionais às
diferença s de reflectância em cada
u m do s eixos desse espaço bidi m en-
Reflectência no vermelho sional. Assim , pixels referente s a
Fig . 3.4
IVPx visível corpos d'água (locali zados então n o
Fonte: adapta do de <http://www.microimages. vértice in ferior esquerdo, próx imo à
com/documentation/cplatesI71TASCAP. pdf>. origem) resul ta r ia m em va lore s entre
(versão colorida - ver prancha 9)
ze ro e u m, uma vez que sua di sp er-
são ao longo dos dois eixos se dá em
uma amplitude de va lore s de reflectância muito pr óximos entre si. PixeIs
referentes a so lo exposto (vértice inferior di reito) re sult ar iam em va lores
ta mbém oscilando entre zero e um, em razão da relativa proxim id ade
entre os valores de re flectância nas duas reg iões espectrais em ques tão.
Fin alm ent e, valores de pixels referentes à cobertura vegetal, posicionados
no vé rtice superior do triângulo, result ariam em valores m aiores do que
um , pois os va lores de re flectância do infravermelho próximo seriam
sempre super iores àqueles da região do visível. Dessa for m a , con clui- se
que as ár eas cobert as por vegetação assumiriam os maiores valores de
brilho em uma razão de b andas como essa qu e foi descri ta.
Para a gera ção das imagens índice de vegetação é importante a tran sfor-
mação dos nú meros digit ais para valore s de FRB , de m odo a obter valor es
comparávei s com os trabalhos di sponívei s na lite ra tu ra. Além di sso ,
vale salie ntar que a n ão con versão do s números di git ai s da s imagens
em valores fís ico s - como radiância ou FRB - n a elaboração de imagen s
ín dice de veg etaç ão pode levar a erro grave , p ois os números dig it ais não
estão em u ma mesma escala rad iom étrica n as diferentes b andas, o que
implica que um determin ado valor de número digita l, em u m a dete r-
m inada imagem de uma banda esp ectral es pecífica, não corresponde
à mes ma inten sid ade de radiaçã o medida ou represe ntada pelo mesmo
val or de número digit al em uma im agem de ou tra ba nda espectral. Sendo
88
ass im, a razão descrita anteriormente estari a sendo feita com dados que
representariam coisas difere ntes por estarem em escalas diferentes.
Valores diferentes de índices também serão obtidos antes e após a corre-
ção atmosférica, pois o espalhamento atmosférico adiciona quantidades
de rad iação diferentes à respo sta espectral da veget ação nas bandas do
vermelho e do infravermelho próximo. Em sum a, recomenda-se não
proceder ao cálculo de índices de ve getação sem, antes, converter os
dados das imagen s em valores físicos como radiância ou refle ctância de
superficie.
89
(3.61
ONDE:
(3.7)
ON DE:
A Fig. 3.5 m ostra a me sma com posição colori da do pa nta nal de Nhecolã n-
dia (MS) apresentad a no Cap . 2, a imagem NDVI da área correspon de nte,
elabo rada a par ti r de im agens ETM+.
Os nív eis de cin za da imagem NDVI apres entada n a Fig. 3.5 encontram -
-se esc alonad os e ntr e O e 255 (8 bits), o qu e sig nifica que a imagem
apres enta diferentes tons de cinza , os quais estão relacion ados a valores
de NDVI que variam entre -1 e +1. Assim, os tons de cin za mais claros
estão relacionados aos valores mais elevado s de NDVI, enquanto os
mais escuros , aos valo res mais baixo s. Os valores mai s elevados estão
relacionados às áreas com maior quantidade de vegetação fotossinte-
ticamente ativa, enquanto os mais escuros representam as áreas com
menor qu antid ade de vegetação.
91
~~----
o! 2,4
!
92
regeneração avançada) e secundárias em diferentes estágios de regene -
ra ção. Segundo o que vim os at é aqui sob re o NDVI, o que deveríamos
esperar: valores elevados de NDVI pa ra as florest as primárias e valores
menores para as secundárias ? Se você respondeu sim a essa pergun ta,
pode ter cometido um equívoco. De fato, de acordo com o que vimos
na formulação e n a concepç ão do NDVI, a re sp os ta esta rá ce rta pa ra os
ca so s em que a cober tura vegetal n ão apre senta densida de tal capaz de
promover a ocorrência de pontos de saturação em qualquer uma das
bandas espectrais em ques tão e, ainda, as sombras não ocasionarem
os cilações inesp er adas nos va lores de FRB, cr ia n do um comportame nto
de respostas "an ómalas". Nesse caso em particular (florestas primárias
em oposição a florestas secundárias), a total inversão da interpretação
dos valores de NDVI é comum, ou seja, valores maiores ocorrerão nas
for m açõ es secund ária s em relação àqueles as sum idos pel as flor est as
primárias , principalmente em razão da maior ocorrência de som bras
no interior do dossel das florestas primárias, em comparação com
as sec undárias.
Pela sua for mulação, é fácil perceber qu e os cálcu los podem ser feitos
a partir de dados das re giões do vermelho e do in fraver melho próximo
oriu n dos de qualquer se n so r. Depen den do da resolu ção es pectral e
radiomé trica do sensor, os valores de NDVI apresentarão característ icas
e din âmicas própri as em relação a dados ca lcu lados por outros sen so-
res, ou seja, é muito importante observar as característica s es pec trais
e radiométricas do sensor do qual es tamos extraindo os dados para o
cá lculo desse in dice.
ONDE :
-- - --------~-. -i4
A linha do solo é um limite abaixo do qual a reflectância refere -se ao
solo desnudo. Par a obter a linha do so lo, plotam-se os va lores de FRB
de sup erfíc ie provenien tes de imagen s das bandas do verm elho versus
infraverme lho próximo para cada um dos pixels de um a imagem de
satélite ou qualquer outro produto de sensoriamento remoto. Os pontos
sit uados no limite infer ior do gráfico referem-se aos valores dos pixels
que contêm inform açõ es de sup erfícies com solo tot almente exposto,
ou seja, com IAF = zero. A linha origin ada por esses pontos é den omi -
nada linha do solo.
(3.9)
ONDE :
94
-
De forma geral, o fatar L = 0,5 oferece um índice espectral su perior ao
NDVI e ao PVI para u m amplo intervalo de condições de vegetação, mas
su a li mi tação é a necessidade de se r ana lisado para di ferente s biomas e
situações agricolas (Huete, 1988).
(3.10)
O N DE:
Segundo os autore s , depois de vá rios cálculos fei tos com ARVI, o valor
ótimo para aplicações de se ns oriamento remoto é y ::: 1, que define o peso
da ra diância da banda az ul n a definiçâ o do ARVI.
o ARVI é, em m édi a, quatro vezes menos se nsível aos efeitos atmosfé-
ricos do que o NDVI , sendo mais favorável para sup erfícies totalmente
cobert as pela ve get ação, para as qua is a influên cia do efeito atmosférico é
maior do que para os solo s. O índice é melhor para partíc ulas de aerossol
de t aman ho pequeno ou médío (smoke urbano, continental) do que para
pa rt ículas maiores (aerossol m arítim o, poeira) (Kaufm an et aI., 1992).
96 _ _ .. • • ·•
~
_
-
+
-
-
-
-
-
-
_
~
~
~
.
u
•
ONDE:
ONDE:
• Agua
O
0,2
0,4
0,6
0,8
1,0
Fig. 3.6 Imagens NDVI e EVI da América doSul noperíodo de 25 dejunho a la de julho de 2000 (versão
colorida - verprancha 11)
Conceitos básicos
Com as informações apresenta da s até agora, podemos dizer que o valor
associado a cada pixel de uma imagem represe nta a radiância médi a de
objetos pr ese ntes na superfície em uma dada faixa (ban da) es pec tral,
mais a interferên cia da atmos fera, que pode ser expressa pelos fenôme-
nos de absorção e de es pal h am ento, dep end endo da região es pectral que
se es teja estudando. É importante considerar t ambém que, dependendo
do sist ema sensor e da altit ude da pla ta forma qu e o su stent a , o tam anho
do pixel varia, ou seja, a reso lução es pacial do se nso r varia. A radiân-
cia registrada pelo sensor depende bas icame nte, então, das caracterís-
ticas espe cíficas do próprio sensor, das propriedades físico -químicas
dos objetos cont idos dentro do pixel e da in terferência atmosférica .
Diz-se, portanto , que a radiância med ida será ex plicada pela mistura
de diferentes materiais, mais a contribuição atmosférica. Assim sendo,
o que é detectado pelo sen sor não será repres entativo de qualquer um
dos materiais que compõem um pixel, a não ser que dentro dele esteja
presen te excl usivamente um ún ico objeto. A todo esse contex to é
atribuído o termo mistura espectral.
98
A m istura espectral tem sido considerada desde o início da década de 1970.
Seu gra u de complexidade geralmente aumenta quando se tenta identifi-
car (classificar) corretamente u m dado elemento de re solução (pixel) que
contém uma m istura de m ateriais ex istentes na superfície ím ageada, tais
como solo, vegetação, rochas e água, en tre outros . A não uniform idade da
maioria das cenas tomadas do meio ambiente geralm ente resulta em um
gra nde núm ero de componentes na mistur a espectral. O problem a torna-se
ainda m ais complicado pelo fato de que a proporção de m ateriais es pecifi-
CDS dentro do pixeIpode variar de um pixeI para outro. Com o co nsequê n cia,
surgem sérias restrições à aplicação de técnicas de classificação digita l
de ima gens orbitais que se fundamentam excl usivamente no domínio
es pectra l (radiométrico), pois elas con sideram qu e um dado pixel contém
uma me dida de radiânci a de um úni co objeto, ou seja, que se trata de uma
medida radiom étrica "pura". Essa condição é praticamente im possíveL
99
Vê -se, portanto, que o principal problema associado à mistura espectral
está relacionado matematicamente ao problema da identificação de um
pixel dito puro, do qual possa ser extraída a curva espectral (de reflectân-
eia ou, mais especificamente, de FRB) de um determinado componente
da cena imageada. Vamos, então, detalhar mais algumas possibilidades
da místura espectral. Existem duas possibilidades principais que a expli-
cam: a) quando os objetos são muito menores do que o pixel, caso em que
a radiância medida pelo sensor é composta por uma mistura de radiação
de todos os objetos contidos dentro do pixel; b) quando o campo de visada
instantâneo cobre os limites entre dois ou mais objetos. Nesses dois casos,
os sinais registrados pelo sensor não são representativos de nenhum dos
materiais presentes no pixeI, mas sim da mistura desses sinais.
Como se pode observar na Fig. 3.7 (p. 102), os pixeIs do sensor AVHRR
incluem diferentes componentes (p.ex., água, floresta, solo exposto,
nuvem). Portanto, os valores dos números digitais desses pixeIs serão
representativos e proporcionais à radiância média (mistura) de todos os
objetos contidos dentro de cada pixeI.
Vamos saber um pouco mais sobre como tratar esse problema de mistura
espectral, que passa então a ser encarado não mais como um problema,
mas como uma fonte para extração de informações, como veremos
a seguir.
T2 = 3 21 Xl + 3 22 X2 + + a2 n Xn + €2
(3.13)
ou
n
ri ~ .2: (aij Xj) + ei (3.14)
)=1
ONDE:
Ti = refle ctância espectral média para a i-é sim a banda espect ral;
aij = reflec tância espectral da j-és im a comp onente no pixel para a
i-és ima banda es pectra l;
Xj = valor de proporção da j-ésima componente no pixeI;
Con forme men cion ado no parágrafo anterior, e ss e modelo ass ume que
a respost a esp ect ral (na Eq. 3.14. exp ressa como reflect ãn cia) dos pixels
sã o combin ações lin eares da resposta e spec tral dos componen tes den tro
do pixel. Para re solver a Eq. 3.14. é necessár io ter a reflect ância es pec-
tra l do pixel em cad a banda (ri) e a refl ectân cia es pect ral de cada compo-
nente em cada ba nda (a ó, ) . cas o os valores de pro porção sejam estimados.
101
Fig. 3.7 Image m TM/ landsat 5 (RSG4 83) da região de Manaus(AM)e uma grade
correspondente aotamanho dospixeJs do AVHRR (1 ,1 km x 1,1 km)(versão colorida - ver
prancha 12)
ou vic e -versa. Como pode ser visto, o modelo linear de mistura es pec-
tral é u m exemplo típico de problema de inver são (medidas in diretas)
em sensoriam ento remo to. A seguir. disc utiremos alguns conc eitos de
problema de inversão e três abordagens matem áticas para a sol ução
desse si stem a de equaç ões lineares.
R =A x (3.15)
O NDE:
(3.16)
103
Ne sse caso, a fun ção a ser m in im izada é:
F=I et (3.17)
ONDE:
1,5
A abordagem para so lucio n ar es se
r proble ma é encontrar um valor
b =l
m ínim o dentro da á rea definida pelas
x, re tas: O ~ X l :$ a, O :$ X2 :$ b, e Xl/a +
0,5
x,/b = 1, onde a = b = 1 (Fig. 3.8).
0+-- - - ,- - - ,- - ,
o 0,5 a =: 1 1,5 Considerando a fu nção a ser m inimi-
X,
za da , de m aneira a encontrar o v alor
Fig.3.8 Regiãoque atende às restriçõespara o mínimo , as derivadas parciais são
númerode componentesigual a três ca lculada s e igualadas a zero:
DF/ dX l ~ 2 A, x, + A, x, + A4 = O (3.19 )
(3.21)
104
•
Então, existem cinco situaçõe s po ssíveis (Tab . 3.1), descritas a seguir.
1 + + sim
2 + + não Xl e Xl o
J + não , , (,, = 0)
4 não X, =Xl = O
5 + não , ,(,, = O)
(3.24 )
Então:
(3.2 5)
(3.26)
, 105
.1
41 Situação 4 (valor mínímo fora da região e xi e x, são negativos). Nesse
caso , X l e X 2 são igu alados a zero e X3 ::::: 1.
S] Situ ação 5 (valor mínimo for a da região, xi é po sitivo e X2 é negativo).
Nesse cas o, faz endo X2 = 0, a fun ção a ser m inimizada torna-se :
(3.27)
R =f(A, X" X" ..., Xn) =x, f{A) +x,f(A) +",+Xn f(A) (3.28)
Embo ra exi stam muit as ram ificações e abordage ns pa ra aju ste de curvas,
o método de mí nimos qu adrados pode ser ap lica do a uma ampla varie-
dad e de problemas de ajuste de curvas que envolvem for m a s line ar e s
com con sta ntes in determinad as . As constantes são de term inad as por
meio da m inimização da soma dos erros (res íduos) ao qu ad rado. A solução
obtida por esse m ét odo é m ate m aticam ent e p ossível, mas, em alguns
casos, fisica mente in aceitá vel (algumas re strições estão envolvidas : as
consta ntes n ão de vem se r ne gativas e de ve m so mar 1). Então, torna-s e
um problema de m ini mos quadrados com re strição e as equações de
restrições devem ser adicionadas . Pa ra resolver esse prob lema, é n eces -
sári o aplica r os conceitos de mín imos qu adrados ponderados .
107
O NDE:
(3.30)
Imagens-fraçã o
As im agen s-fração são os produto s gerados pelos algorit mos de scr ito s
a nte rio r mente. Elas representam as pro po rções dos compon en tes n a
m istura espectral. Em gera l, todos os algoritmos pro du ze m o m esmo
resu lta do, isto é, geram as mesmas im agen s-fração qua ndo as equ ações
de res trição n ão são conside radas. Normalmente são geradas as
im agens-fração de vegetação, solo e so m bra/águ a, que, em geral, são os
alvos pr esente s em qu alqu er ce na terrestre. As imagen s-fr ação podem
ser con side radas como u m a forma de redu ção da dimen sion alidade
I
108
dos dado s e t am bém como uma forma de realce das in formações. Além
disso, o modelo de mistura e spe ctral trans form a a informação espectral
em informação física (valores de pro porção dos componentes no pixel) . A
im agem-fração veg etação realça as áreas de cobertura ve get al; a im agem-
-fra ção solo realça as áre as de solo exposto; e a im agern -fra ção so mbr a/
água realça as áreas ocupadas por corpos d'á gu a (rios , lago s etc.), alé m de
área s alagadas, de queim adas etc. Cons ideramo s sombra ou água como
imagem-fra ção pelo fato de ess es dois alvos ap res entarem respostas
es pectrais semelhante s.
Para a geração das im agens-fração, as res pos tas es pec trais dos co mpo-
nentes (endmembers) são consideradas conh ecidas, ou seja , pode m se r
obtidas diretamente das im agens (image endmember) ou de bibliotecas
espec trais disponíveis. A Fig. 3.9 mostra um exemplo das respo stas
espe ctrais dos componentes vegetação, solo e sombra ut ilizadas para
gerar im agens-fração em uma im agem TM/ Landsat 5 obtida sob re a
região de Manau s (AM). Nesse caso , foram utilizad as somente as bandas
3 (vermelho), 4 (infraverme lho próximo) e 5 (inf ravermelh o médio) do
sensor TM, na forma de reflect ãncia aparent e (vale lembrar que essa
anál ise poderia se r realizada por meio de FRB apare nte ou de superfície
ou mesmo por me io de número digital).
,58 4 314 0
,5258826
Curvas espectr ais
. .
,46 74512 -'
.---,- - -
r 1,.'
,40 9 0198
~ ,3505884 ' L__
~ ,2921570
o.
~ ,2337256
..- - -
I
,1752942
,1168628 ,
,0 584314
-,0000000 ,i
0,560 0,798 1,036 1,274 1,512 1,750
Comprim ento de onda
Fig. 3.10 (A)Composiçáo colorida do TM/Landsat S (RS G4 B3)da regiáo de Manaus (AM); (BIimagem-
-fraçâo vegetação; (e) imagem-fração solo; e (O) imagem-fração sombra/água (versãocolorida - ver
prancha 131
A Fig. 3.11 m ostr a a composição color id a (R6 G2 B1) do se nsor Mod is/ Terra
e as correspondentes imagens-fração da veget ação, do so lo e da so m bra!
água daregião do Xingu, n o Estado do Mato Gro s so, obtida em maio de 2004.
110
às proporções (abundân cia) de cad a um dos res pectiv os compo ne ntes da
cena selecionados para o modelo de mistura es pectraL Ass im, quanto
maior o valo r de ND em uma imagem -fraçâo vege ta ção, por exemplo,
Fração sombra
•
Fração vegetação
..
••
Fig. 3.11 (A) Composição colorida do Modis/Terra (R6 G2 B1); (B) imagem-Iração solo; (C) imagem-Iração
sombra;e (D) lmaqem-fração vegetação da região do Xingu (MT), obtidaem maio de 2004 (versâo
colorida- ver prancha 14)
111
m aior a proporção de vegetação no pixel correspondente. A mesma inter-
pretação é válid a para as demais imagens dos demai s componentes.
112
•
A veg etação através
de dados SAR 4
4.1 Breve introduçã o aos dados 5AR
Diferentemente do s sensores que re gistram a rad iação eletrom ag né tica
refle tida ou emi tida pelos obje tos na faixa ópt ica do espe ctro eletromag-
nético, os rad ar es operam na faixa da s m icro-o nd as, com comprimentos
de on da que va riam de 1 mm a 1 m . Os radares são se ns ores at ivos qu e
ope ram com a tra nsm issão e a re cepç ão de radiação elet romagnética
nessa faixa es pectral. As micr o-ond as são capazes de atravessar nu vens,
ch uva e, dep endendo d as condições de u m ida de e da banda uti lizada ,
solos e dosséis vegetais. Por serem ativos , os ra dares não dependem da
energia solar e podem ope ra r dia e noite.
114
- - ---. .1-
déc ad as tê m most rad o um crescimen to ace lerado no desenvolvimento
de pro dutos e técnicas SAR, incluind o avanços nas aplicaçõ es e resu l-
tados da polarime tr ia, da in terferomet ria e na combinação das du as
(polarimetria interferométrica). O lançamento de radares orbita is com
maior resolu ção espacial, a possibilidad e de aquisição de dados de fase
e com multipolarização, ass im como a variedade de modos de im age-
amento, possibilit ar am o cre scimento das próprias aplicações desses
dados, aument ando a precisão dos mapas e dos resultados obtidos com
suporte de dados SAR tradiciona is.
115
-~~- f--
• I
A Tab. 4.1 apresenta as bandas SARe seus respectivos comprimentos de
onda e frequências. com a equ ação que os relaciona e permite a con ver-
são de comprimento de on da para fre quência e vice-versa.
A interação da radiação eletrom agné tica na região das micro -ondas com
os objetos na sup er fície terr estre depende da ba nda utilizada no radar.
A profundida de de pe netração das micro-ondas no s objetos aumen ta
com o comprimento de onda . A ru gosidade de uma superfície também é
in fluenciada pela banda utilizada.
116
-----.--~~
- -- ---t-- ...
horizon ta lmente), VV (transm itida e recebida verticalmente ), HV (trans-
mitida horizontalm ente e recebida verticalmente) ou VH (transmiti d a
ve rt ica lm en te e recebida horizontalmente).
o Direçâo d~e"""9l:"--
propagação
Radar
Ângulo de
•
Âng ulo de
ir cidência mi Normal à
superfície : Ang ulo de
inclinação
.
incidê ncia Pulso \ : Vertical local (a)
.-'- de radar \ : / ....... ~\
Superflcie
espalhadora
T
117
de um objeto varia em função do ângulo de incidência local, sendo esse
parâm etro usado para realçar determinadas superfícies (Lewis; Hender-
son, 1998).
118
•
cas desse objeto, medida s por me io da constante dielétrica , que in dica a
refletivi da de e a condutividade de diversos materiais. O conteúdo hídrico
ou de umi dade dos objetos tem influência di reta na sua constante dielé-
trica e na refl et ividade. A magnitude das diferenças de constante dielé -
trica na su per fície observada determina a quantidade de espalhamento
(Leckie; Ranson, 1998). Qua nto maior o conteúdo hí dr ico de um obje to,
maior a sua refletividade e o retro espalha me nt o gerad o (Jensen, 2009).
Para um dossel vege ta l, o conteúdo de umidade é alto, o que ocasiona
um alto espalh amento das m icro-ondas incidentes . Para solos se cos,
a absorção dos sinais de radar é ele vada,
119
-~-+
I
o
~/ ~ t // +
· 7 9 ,.*
Fig.4.2 Tipos de superfície e espalhamentosassociados: (A) lisa - especular, (B) rugosa - difuso,
(C)lisa - reflexão de canto
A polarim etria SAR (PoISAR) é uma técnica cada vez m ais empregada
na extração de parâmetros dos objetos na superfície terrestre e na clas sifi-
cação de coberturas da Terr a. A polarimetria lida com da dos SARem matri-
zes de espalhamento, que relacionam a energia incidente com a energia
(retro) es palhada em todas as possíveis combinações de polarizações.
•
espalhamento (que p ode assumir diversas formas em função do tipo de
dados 5AR e dos mecanismos de esp alh amento consi derados) é a nali-
sad a para extrair a inform ação so bre os processo s de espalhamento.
m ais facilme nte dedutíveis para obje tos construídos.
Estu dos recentes têm indicado a utilidade da combin ação das técnic as
de polarim et ria e interferom etria para, entre outros usos , estimativas
de altura de dosséis vegetais e ger ação de MDEs. na abordagem conhe-
cida com o pola rime tria interferomé trica ou PolInSAR. Segundo Boerner
(2003). a PolInSARsurgiu para suprir as falhas na det ermin ação do centro
de espalh amento da fase (scattering phase center). chave n a estimativa de
121 l..
.--.i--- -t--
altura/altitude a partir de dado s SAR. Cloude e Pap at hanassiou (1998)
reve laram que a coerência int erferomét rica depen dia da polarização
e desenvolveram um modelo de otimização com m atrizes de es palha-
mento que, quando decompostas, permitiram a se paração precisa dos
centros de fase para diversos mecanismos de espalhamento.
11Z
--
Fig. 4.3 Mecan ismos e com po nen tes do retroespalhamento p roven iente de florestas:
(1) retroespalhamento da superfície e do interior do dossel, (2) retroespa lhamento
direto do tro nco, (3) ret roespa lhame nt o direto do solo, (4) d up la reflexão tro nco-solo e
(5) retro espalhamento integrado copa-solo
Fonte: adaptado de Leckie e Ranson (1998).
123
importantes para esses comp rimentos de ond a, dependendo da estru -
t ur a e da cobertura do doss el. Pequenas folhas e galhos, ness es com pri-
mentos de on da, atuam como atenu adores do sina l (Kasischke; Melack;
Dobs on , 1997).
124
-
es p alh am ento qu e ocor re nas copas da s á rvore s. As demais ár eas, em
polígonos m a is escuros, re presentam pastagens e cu lturas ag ríco las, e
pode-se supor que quanto mais avermelhada a área, menos cobertura
vegetal possui (contribuição da po larização HH em solos descobertos e
com veget ação r astei ra). Os tons mais esverdeados e com t extu r~ m ai s
lis a correspondem a ca poeiras de difere nt es idades e estágios de reg ene-
r ação. O corpo d'ág ua que apare ce em verde limão no centro da cena
provavelmente está parcialmente cober to po r vegetação, o que deve ter
pro voc ad o refl exões de canto entre a superfície da água e os tr oncos e
galhos.
125
N
o 2 4 6 km
A I I I
I
Fig. 4.4 Extrato de imagem Radarsat-2, banda C, modo Standard (25 m de resolução espacial), HH(R)
HV(G)VV(B). nos arredoresda Floresta Nacional do Tapajós, Pará, em setembrode 200S (versão colorida
- ver prancha 15)
m icas dos tip os ve get ais (Boyd; Dan so n , 2005). Os ite ns (i) e (ii)est ão interli-
gados, já qu e o produto principal dos estudos voltados para o atendim ento
desses objetivos será um mapa da vegetação, que pode ou não ser atuali-
zado reg ularmente (mapeame nto e mo nitoramento). Para o ite m (iii), os
estudos vis am estimar, principalmente, variáveis hiofísicas do indiví-
duo ou comunidade vege tal, corno volume e biomassa, e são basea dos no
estab elecimento de relações ent re dados de campo e as im agens SAR.
127
Para florestas boreais e temperad as do Hemisfério Norte, exi stem relatos
da discrimin ação entre os tipos florestais por mei o da combinação de
dados em dife rentes bandas (Saatchi; Rignot, 1997; Ranson et al., 2001),
polarizações (Wu, 1984; Sader, 1987; Saa tchi; Rignot, 1997) e âng ulos de
incidência. Maiores ângulos de incidência facilitam a diferencia ção entre
florest as de diferentes idade s em dados da band a L em pola rização HH e
HV (Santoro et al., 2009). O uso da textura das im age ns SAR (Kurvonen;
Hallikainen, 1999; Podest; Saatchi, 2002), assim como a in tegração de
imagens SAR com image ns ópticas, também são referido s como impor-
tantes para o su cesso da classificação dos tip os florestais (Hyyp pa et al.,
2000) e entre es tágios de sucessão flor estal (Ku plich, 2006).
119
- --- --~----+--
•
Relatos da diferenciação de cob er turas ve ge tais (Fre itas et aI., 2008) e
inve ntá rios de biomassa (Santos et al ., 2003) indica ram a contribu ição de
dad os SAR aerotransport ados n a b a nd a P (72 cm) ta mbém para estu do s
em floresta tropical no Brasil.
4.8.2 Estimativas de biom assa e inventá rios florestais com dad os 5AR
Os resultados de es tudos com dados SAR para invent ários florestais
são variado s, mas já se observa a utilização operacional de dados SAR
para estimativas de variáveis fl orest ais, princ ipalmente para flo restas
temperadas e boreais.
Dados nas bandas L (Castel et aI., 2001) e P·HV (Rau ste et al., 1994) foram
ade qu ados p ara es ti mativas de volum e de madeira. Castel et aI. (2001)
destacaram a importânc ia da separação dos povoa men tos florestais por
idade (considerando, assim, a estrutura da vegetação) para inc rem entar
a relação en tre retroespalh amento e volume. Além de volu me , dens idade
de in divíduos também pôde ser es timada com base e m dad os SAR, se ndo
esta a variáve l que co ntrola a relação com o retroe spa lham ento.
A es tim ativa de variáveis biofí sicas de flo restas n ão tropica is com preci-
são comparável às obtidas por m étodo s trad icionais de ca mpo requer
dados SAR em diferente s bandas e/o u po la rizações. Mu ita s ve zes a
estim ativa n ão é di reta e exige a utiliz ação de dife rente s métodos,
como a divisão da floresta em classes es truturais e o e st abelecimento
de equaçõe s que relacionam re troesp alh amento e variáveis florestais
(gera lmente por meio de regressões es ta tísticas), para posterior estima -
tiva dessas variáveis (Dobson et al ., 1995). Dados de biomassa flores-
tal , apesar de fazerem parte da maioria dos inventários florestais, são
tratados separadamente por serem peças -ch ave nas estima tivas das
emissõe s e sequ es tro de carbono atmosférico.
130
menta à biomassa, entre tanto, é indireta, e ocorre graças à relação
existente entre a biomassa fresca e o conteúdo hídrico da vege tação
(Le Toan et aI., 1992).
111
_-1_
uso de dados 5AR polarimétricos e combinou dados de potência, fase e
coerência em classi ficação, cons iderando tipos estruturais de flo rest as
e, po steriormente, biomassa, Kuplich, Curra n e At kinson (2005) obser-
varam alta correlação entre biom assa de floresta tropical e tex tura de
im agens SAR, sugerindo, assi m , o uso da textura SAR, juntamente com
retroespalhamento, para estimativas de biomassa florestal.
Outra for te tendência em tra ba lhos com dad os SAR é a estimativa dos
"centro s de espalhamento" n as flo resta s (Gares tie r; Le Toan, 2010; Koch,
2010), com o objetivo de aumen tar a precisão nas estimativas de altura e,
eventualmente, de biomassa e dem ais variáveis de inventários flores tais.
As forma s de aqu is ição e proce ss ame nto de dados SAR orbi tais e st ão
em constante aperfeiçoamento. assi m como suas aplicações em estudos
de vegetação. Com a utilização de abordagens baseadas na fase do
sinal de radar. novas téc nicas são utilizadas , resolvendo limitações
como a es timativa de biomassa florestal com a saturação na relação
retroespalhamento/ biomassa. Além dessa, o aumento na precisão dos
I
132 I
- I, - - -
-------r--
mapas de cobertura vegetal, incluindo classes de degradação florestal
e desmatamento, também está entre as aplicações de dados SAR das
próxi mas décadas .
133
S5°15'W 0
55 . .. 54°45'W
iW
136
5.2 Caracterizando espectralmente
Com o vimos anteriorm ente, quando desejamos caracterizar espectral-
me nte objetas existentes na superfície terrestre mediante a ut iliz ação
de dados orbitais , faz-se ne cessário conve rter os números digitais (NDs)
presentes nas imagens em valores físicos .
Evidentem ent e, essa defi ni ção do tipo de imagem (sen sor) com a qua l se
vai trabalhar deve ser cons oante com o objetivo que se pretende atingir.
Nesse sentido, a natureza e as características morfológicas do objeto que
será esp ect ralm ente caracterizado já devem ter sido cons ideradas. No
nosso caso específico, vamos aproveitar a class ificação tem ática dispo-
nibilizada por Espírit o San to (2003), realiza da com dados ETM+ referen-
tes ao ano de 2001, a qual se encon tra apresenta da na Fig. 5.2 (p. 140) para
u ma pequena po rção da superfíc ie da FNT.
30
25
~ /
~
•
:g 20
't;
•c. 15
'"
'""
u, 10
*
5
...
ETM+l ETM+2 ETM+3 ETM+4 ETM+S ETM+7
Fig . 5.3 Valores de FRB superfície extraídos de pixels espe cíficos das imagens ETM+ de 2001,
paracada classe apresent ada naFig. 5.2 (versão colorida - ver prancha 18)
A ri gor, n ão po derí am os plot ar curvas dos valo res de FRB (ap arente ou de
superfíc ie) quando repre sent amos valores di scretos ao lon go do eixo X,
u m a vez qu e os intervalos são amplos , n ão contínuos e não equidistan-
tes. O m ais "correto", então, seria co mpor um gráfico de b arras . Contu do,
es s a e stratégi a apenas s e ju st ific a pela experiência j á adquiri da em
observar a forma dessas cu rvas, plotadas segundo a concepção apresen-
tada na Fig. 5.3. Senão vejamos: o primeiro as p ec to que deve se r obser-
vado em cu r vas como essas, centradas na cobertu ra vegetal, é a forma
das cur vas na região do visível, cara cteriza da por baixos valores de FRB
n a banda do azul (ETM+1), va lores re lativamente mais elevados de FRB
na região d o verde (ETM+2) e, finalmente, valores baixo s de FRB na banda
do vermelho (ETM+3).
140
parecem coerentes, uma vez qu e, po r apresentar maior biom assa do que
as flor es tas em regeneraçã o, es pera-se m aior quantida de de folh as e,
con sequentemente , m aior quantidad e de água no dossel, o que reduz a
sua reflectância.
As aná lises aqui apresentadas sobre as formas das cur vas m ostradas n a
Fig. 5.3 não passam de meras hipót eses calc ad as em experiência prévia ,
docu m entad a em difere ntes trabalh os. Cont udo, a re al com preensão
sob re os fatores que realm ente estão explicando essas difere nciações só
poderá ser adq uirida mediante a realização de trabalhos de ca m po ou de
acesso a dados qu e permitam comprová-las . São esses os trab alhos a que
nos re ferim os , qu e incluem a caracterização es pectral de alvos.
142
0,9
0,8 =
§'
I""
0,7 ~~
0,6
0,5
0,4
I~ I~f-
EC-
~
~ ""ê~
r
E
ê
~
0,3 ~ ~ ~ ê
§
0,2 ~ ~
E ~ ê ~
~ NDVI
0,1
I
E ~
E ~
E I ê
!l ê ri -
° Floresta Regene -
ração
Pasto _
sujo
Pasto _
limpo
Solo Veg_
aquática
Fig. 5.5 Valores de NDVI e da fração vegetação para classes de vegetação consideradas por
Espírito Santo (2003) paraa regiãoda FNT
Fig.5.6 (A) Composição colorida (R6 G2 81)e imagens-fração correspondentes(B) da vegetação, (C) da
sombra e (D)do solodo Estado de Mato Grosso, derivada sda imagem Medis/Terra obtida em agosto de
2002 (versão colorida - ver prancha 20)
":i'
;§
~
n ia, fu ndamentado em dados digitai s (Prod es Digit al - Du ar te et aI.,
1999) do Inp e. O projeto Prodes Digital é um a aut omatização das ativi-
11 dades desenvolvidas desde a década de 1970 em outro proje to que leva
"
~ o m esmo n ome (Prod es), m as fu n da m entado em dados a nalógicos (em
Vi form a de fotografia s).
I
146
•
Atualmente, as im agens-fração derivadas do sens or Modis/Terra es tão
sendo utilizadas para a detecção de áreas desflorestadas em tempo
quase real (Projeto Deter, também conduzido pe lo Inpe, em conjunto com
o Iba ma). Para isso, os procedimen tos met od ológicos foram ada ptados da
m et odologia do Prod es Digital (Shi mabu ku ro et aI., 1998) para os da dos
do sensor Modis/ Terra. Essa m et odologia aplica a té cnica de seg m en-
tação de im agens-fração derivad as do TM/ Landsat 5, usa nd o a classi-
ficação por crescimento de regiões seguida do proc edimen to de ed ição
de imagem par a m inimizar os erros do classificador digital (omissão e
inclusão). A Fig. 5.8 apres enta um esquema do proc edimen to adotado no
Projet o Deter para a detecção qu ase simultãnea de desflores ta mentos na
am azôni a em três datas.
0 0 • ••f.
. . 't ~
•
. .'. •
\,
•
;
• .•
> ...
~
a- f" , ,
• .' •
"'.
.
1..... "
Mosaico MODIS
de 24/5 a
8/6 de 2004
148
DUARTE, V.; SHIMABUKURO, Y. E.; SANTOS,). R.; MELLO, E. M.; MOREIRA, ). C.;
MOREIRA, M. A.; SOUZA, R. C. M.; SHIMABUKURO, R. M. K.; FREITAS, U. M.
Metodologia para criação do Frades digital e do banco de dad os digitais da Amazônia -
Projeto Baddam. São José dos Campos : In p e (In pe -7032-PUD/03 5), 1999.
Es píRITO SANT O, F. D. B. Caracterização e mapeamento da vegetação na região da
Floresta Nacional do Tapajós através de dados ópt icos, de radar e de inventários flores -
tais . Diss ertação (Mestra do) - Inp e, São José dos Campos, 2003.
FREEMAN, A ; DURDEN, S. L. A th ree-component scattering model for po larimetric SAR
data . IEEE Transactions on Geoscience un d Remate Sens ing, v. 36, n . 3, p. 963 -973, 1998.
FREITAS, C.; SOLER, L. S.; SAN T 'ANNA, S. ). S.; DUTRA , L. V.; SANTOS,). R.; MURA,).
C.; CORREIA, A. H. Lan d use and land cover m apping in t he Br azíli an Amazon
us in g polarimetric ai rb or ne P-Ban d SAR Dat a . IEEE Transactions on Geoscience
and Remete Sensing, v. 46, p. 2956·2 970, 200S.
GARESTIER, F.; LE TOAN, T. Estim ation of the back scatter ver tic al profile of a
p in e forest u sing singl e ba selin e P-Ban d (Pol-)InSAR d at a. IE EE Tran sactians on
Ceoscience and Remote Sensing, v. 4S, n . 9, p. 3340 -3348, 2010.
GATES, D. M.; KEEGAN, H. ).; SCHLETER,). C.; W ElDNER, V. R. Spe ctral propertie s
of pJants . Applied Optics, v. 4, n . 1, p . 11-20, 1965.
GAVEAU, D. L. A.; BALTZER, H.; PLUMMER, S. E. Forest woody biomaas classifica-
tion with s atellite-bas ed rad ar coherence over 900 000 km 2 in Central Sibé ria .
Fcrest Ecology and Manage ment, v. 174, p. 65-75, 2003.
GILABERT, M. A. ; CONESE, C.; MASELLI, F. An at mo sph eric corr ection me thod for
t he automatic retrievaI of su r face reflectanc es fro m TM images. International
Jaurnal ofRemate Sensing, v. 15, n . 10, p. 2065-2086, 1994.
GOEL, N. S. Models of vegetation ca nopy reflecta nce a nd t he ir use in estim at ion
i of biophysica l p arameters from re flec tance da ta . Remete Sensing Reuiews, v. 4 ,
I p . 1-21, 1988.
GOEL, N. 5.; 5TREBEL , D. E. Simple be ta d istribu tion representat ion ofle af ori enta-
I t ion in vegetat ion ca nopies. AgronomyJourna l, v. 76, p. 800 -803, 1984.
GREEN, R. O.; EAST WOOD, M. L.; SART URE, C. M. Im agi ng spectroscopy a n d t he
Airb orne Visible Infrared Im aging Spe ctrometer (Av iris). Remote Sensing of
Environment, v. 65, n. 3, p. 227-248, 1998.
GUYOT, G. Syn th ése su r les pro priétés optiques des couver ts vé gét au x dan s le
s pect re sola ire. ln : SPECTEL COLOQUlO INTERNACI ONAL - PROPRIEDADES
ESPECT RALES Y T ELEDETECCION DE LOS SUELOS Y ROCAS DEL VISIBLE AL
INFRARRO)O MEDIO, La Sere n a , 1995. p. 27-70.
HALL, F. G.; STREBEL, D. E.; NICKESON, ). E.; GOETZ, S. ), Rad iometric rectifica -
tion: toward a common radiometri c response among multidate, m ultisensor
images. Remote Sensing of Enuironment, v. 35, p. 11-27, 1991.
HENDERSON, F. M.; LEWIS, A. }. PrincipIes an d app licatians of imaging ra dar.
Manual ofRemate Sensing, v. 2, p. 866, 1998.
HESS, L. L.; MELACK,}. M.; SIMü NETT, D. S. Radar detection of flaa ding beneath th e forest
canapy: a rev iew. International}ournal ofRemote Sensing,v.11 , n. 7,p. 1313-1325, 1990.
HUETE, A. R. A soil-adjusted vegeta tion index (Sav i). Remote Sensing of Environment,
v. 25,p. 295 -309, 1988 .
HUETE, A. R.;JACKSON, R. D.; POST, D. F. Spectral respon se of plant ca no pies wi th
d iffere nt soiI backgro und . Remate Sensing of Enuironment, v. 17, p. 37-53, 1985.
HUETE, A. R.; LIU, H. Q.; BATCHILY, K.; van LEEUWEN, W. A com pa ris on of vegeta-
tio n ín d ice s ov er a glob al set of TM images for EOS-Modis. Remete Sensing of
Enuironment, v. 59, p. 440 -451, 1997.
HYYPPA, ).; HYYPPA, H.; INKINEN, M.; ENGDAHL, M.; L1NKO, 5.; ZHU, Y. Accuracy
comparison of various remote sen sing data so u rces in the retrieval of for e st
stand attributes. Forest Ecolagy and Management, v. 128, p. 109-120, 200 0.
IMHOFF, M. L. Radar b ac kscatter an d biom a ss sa tu rat ion: ram ifica tions for the
glob al biomass inven to ry. IEEE Transact ions on Geoscience and Remote Sensing,
v. 33, n . 2, p . 511-518, 1995.
154
LEWIS, A. J.; HENDERSON, F. M. Radar fu nd amen tai s : the ge os cience p ersp e ctive .
ln; HENDERSON, F. M. A.; LEW IS, A. J. (Ed.). Principies and applications ofimaging
radar. New York: Joh n Wiley, 1998. p. 131-181.
LIESENBERG, V. Análise multiangular de f itofisionomias de Cerrado com dad os MIS RI
Terra. Dis se rta ção (Mestrado) - Inpe , São José dos Campos, 2006.
LUCKMAN, A.; BAKER, J.; KUPLICH, T. M.; YANASSE, C. C. F.; FRERY, A. A stu dy of
the re lationship between radar ba cks catte r and reg enerating tropical forest
biomass for spaceborne SAR in str uments. Remote Sensing of Environment, v. 60,
n . 1, p. 1-13, 1997.
MADSEN, S. N.; ZEBKER, H. A. Imagi ng ra dar in te r fe remetry. ln; HENDERSON, F.
M.; LEWIS, A. J. (Org.). Principies and appIícations of imaging radar. 3. ed . Nova
York : Joh n Wi ley, 1998. v. 2. p.359-380.
MAGNUSSON, M.; FRANSSON, J. E. S.; ERIKSSON, L. E. B.; SANDBERG, G.; JONFOR-
SEN, G. S.; ULANDER, L. M. H. Estim at íon of for est stern vol ume u sing
Ala s Pals ar s ate llit e im a ges . ln: IEEE, IGARSS'2 007. Barcelon a: IEEE, 2007.
p. 4343-4346.
MAJOR, D. ).; BE ASLEY, B. W.; HAMILTON, R. L Effect of ma ize m a t u rit y on ra dia-
t ion us e efficiency. Agronomy ]ournal, v. 83, n . 5, p. 895-903, 1991.
MARKHAM, B. L.; BARKER, ). L. Lan dsat MSS and TM pos t-c a libra ti on dy nam ic
ranges , exoatm ospheric reflectances a nd at-sa tellite temperature. EOSAT
Landsat Tedmical Notes, n . 1, Aug . 1986.
MESQUITA, Jr., H. N.; BITTENCOURT, M. D. Identi ficação de florestas estacionais
semideciduais co nt íguas a fragmentos de cerrado no Estado de São Paulo
com im agens Jer s -lISAR. ln ; XI SIMPÓSIO BRASILEIRO DE SENSORlAMENTO
REMOTO, 2003, Belo Hor izonte. Belo Hor izonte; Inpe, 2003. p . 2233-223 9.
MIRANDA, F. P.; FONSECA, L. E. N.; CARR, J. R. Semivariogram textural cl assifi-
cation of jers-t (Fuyo-1) SAR dat a ob tained ove r a flo oded area of Amazon
rainforest. lnternational ]ournal of Remote Sensing, v. 19, p . 549-556, 1998 .
NEUMANN, M.; FERRO-FAMIL, 1.; REIGBER, A. Estim ation of fores t structure,
grou nd, a n d ca nopy layer ch aracteris tics from multibaseline polarimet ric
interferometric SAR data . IEEE Transactions on Geoscience and Remate Sensing,
v. 48, n . 3, p. 1086-1104, 2010.
NORMAN, ]. M.; W ELLES, J. M.; WALTER, E. A. Cont r asts among bidi recti on a l
refle cta n ces of leav es , ca nopies a nd soils. IEEE Transactions of Geoscience and
Remete Sensing, v. 23, p. 659-668, 1985.
NOVO, E. M. de M. Sensoriamento remoto: princípios e aplicações . São Paulo: Edga rd
Blucher, 1989.
PEARSON, R. L.; MILLER, L. D. Remate mapping of s tanding crop biomass for
estim ation of th e pr od uc ti vi ty of the short-grass pra ire. ln : 8TH INTERNA-
TIONAL SYMPOSIUM ON REMaTE SENSING OF ENVIRONMENT, 1972, Pawnee
National Gra ssland, Colora do, Ann Arbor. Proceedings... p. 1357·1381.
PINTY, B.; VERSTRAETE,M. M. Gemi: a non-linear index to monitor glob al ve ge ta-
tion from satellites . Vegetatio, v. 101, n . 1, p . 15-20 , 1992.
PODEST, E.; SAATCHI, S. S. Application of multiscale te xt u re in cl assifying jers- t
radar data over tropica l ve ge tat ion . lnternational]ournal of Remete Sensing, v. 23,
n. 7, p. 1487-1506 , 2002.
PONZONI, F.]. ; GONÇALVES , ). L. de M. Caracterização espectral de sintomas relaciona -
dos às def iciências de nitrogênio (N), Fósforo (P) ede Potáss io (K) em mudas de Eucaly p -
tus saligna. São José dos Ca m p os; In p e (Inpe-613 6-PRP/1 99), 1997.
PULLIAINEN, J.; ENGDAHL, M.; HALLIKAINEN, M. Fe asibilit y of m ulti -te m p or al
interferomet ric SAR data for st a n d-Ievel es ti m at ion of b ore al forest st em
volu m e. Remate Sensing of Enuironment, v. 85, p . 397· 409, 2003.
QUINONES, M. Poiarimetr ic data for tropical forest monitoring. Stu dies at the Colom-
bian Amozon. 2002. 184 f Dissertação (Doutorado) - Wagení ngen Un ive rsit y,
Wa ge n inge n , Netherla nds , 2002.
156
SHIMABUK URO, Y. E.; ALM EIDA FILHO, R. Processamento digit al de imagen s
m u lti temporai s Landsat-S TM e Ier s -t SAR apli cado ao ma peamento e monito-
ramento de áreas de alte ração antrópica na Amazônia . Geografia (Rio Claro).
v. 27, p. 81-96, 200 2.
SHIMABUKURO, Y. E.; BATISTA, G. T ; MELLO, E. M. K.; MOREIRA, J. C.; DUARTE,
V. Using shade fraction image segmentat ian to evaluate deforestation in
Land sat Thematic Mapper images of the Amazon re gion . International }ournal
of Remete Sensing, v. 19, n . 3, p . 535 -541, 1998.
SHUL'GIN. L A .; KLESHNIN, A. F, Cor relat ion betwee n optical propert ies
of plant leaves an d their ch lorophyll con te nto Doklady Akademii Nauk S.S.S.R..
v. 125, n . 6, p. 1371 , 1959. (Tra n sla ti on: A. I .B. S. Dokl ad y 125, p . 119-121).
SILVA, E. L. 5.; PONZONI. F.}. Comparação entre a reflectância h emisférica de folhas e
a reflec tância bidirecional de um dossel. Revista Arvore, v. 19. n. 4. p. 447-465, 1995.
SOLBERG, A.; RASMUS, A.; GOBAKKEN, T ; NAESSET, E; W EYDAHL, D. J. Estimating
spr uce and pin e biomas s w ith in ter fero metr ic X-band SAR. Remate Sensing of
En vironment, v. 114. p. 2353 -2360, 2010.
SOUSA, C. L. de; PONZONI, F. J.; RIBEIRO, M. C. Influ ência d o tempo e d o tipo de
arm azena mento na reflectância espec tral de folhas de Eucalyptus grandis
"ex-s itu". Revista Arvore, v. 20. n . 2. p. 255-265, 1996.
SUITS, G. H. The calculation ofthe directional reflec ta nce of a ve ge tative canopy.
Remate Sensing of Environment, v. 2, p. 117-125, 1972.
SWAIN, P. H.; DAVIS, S. M. Remate Sensing: the quantit ative approac h. New York:
McGr aw-Hill , Inc. , 1978.
TAGEEVA, S. V.; BRANDT, A. B.; DEREVYANKO, V. S. Changes in opticaI pro pe r-
ties of leav es in the course of the growing season . Doklady Akademii Nau k S.S.S.R.,
v. 135, n. 5, p . 1270, 1960. (Tran sla tion: A. L B. S. Doklady 135, p. 266-268).
TANASE, M. A.; SANTORO, M.; WEGMÜLLER, U.; DE LA RIVA, J. ; PÉREZ- CABELLO,
F. Propert ies of X-, C- and t -ba n d repeat-pass inte rferometric SAR coherence
in Mediterranean pine forests affe cted by fire s . Remate Sensinq of Enuironment,
v. 114, n . 10, p. 2182-2194, 2010.
TOUZI, R.; l ANDRY, R.; CHARBONNEAU, F. J. Fores ! type d iscrim ination using
cali brate d c -bane Polarimetric SAR data . Canadian ]ournal af Remate Sensing,
v.3 0, p. 543 -551,2004.
TUCKER, C. J. Red and photographic infrare d linear combinations for monitoring
vegetatian . Remate Sensing of Environment, v. 8, p. 127-150, 1979.
TUCKER, C.}.;GARRAT, M. W. Leaf optical system modeled as a s tochas tic process o
Applied Opties, v. 16, p. 635- 642, 1977.
ULABY, F. T. Radar resp on se to vegetation. IEEE Transactians on Antennas and Propu-
gatian, v. 23, n . 1, p. 35-45, 1975.
VALERIANO, M. de M. Ref1ectância espectral do trigo irrigado (Triticum aestivum, L.)
por espectrorradiometria de campo e aplicação do modelo Sai1. São José dos Campos:
In pe (In pe-5426·T DI/483), 1992 .
VAN DER SANDEN, }. }.; HOEKMAN, D. H. Potentia l of airborne radar to support
the as ses srnent of lan d cover in a tropic al rain forest env iron rne nt. Remate
Sensing of Environment, V. 68, p. 26-40, 1999.
VELOSO, H. P., RANGEL FILHO, A. L. R., LIMA, J. C. A. Classificação da vegetação brasi-
leira adaptada a um sistema universal. Rio de Jan eiro: IBGr, Depar tamento de
Recurs os Natur ais e Ambientai s, 1991.
VERHü EF, W.; BUNNIK, N. ]. J. Influ e nce of crop geometry on multis pec tral re fle c-
ta nce determined by the us e of canopy refle ctance models . ln: INTERNATIO-
NAL COLLOQUIUM ON SIGNATURES OF REMOTELY SENSED OBJECTS, Septo
8-11, 1981, Avignon, France . Proceedings ... p. 273-290.
WAGN ER, w.; LUCKMAN, A.; VIETMEIER, J.; TANSEY, K.; BALZTER, H.;
SCHMULLIUS, C.; DAVIDSON , M.; GAVEAU, D.; GLUCK, M.; LE TOAN , T.;
QUEGAN, S.; SHVIDENKO, A.; W IESMANN, A.; YU, J. J. La rge-scale m apping
158
•
GARCíA-HARO, F.; GILABERT, M.; MELlÁ, ]. Line ar spec tr al mixture modellin g to
esti mate vegetat ion amou nt fro m op tical sp ec tral d at a. International Journal Df
Remete Sensi ng, v. 17, n . 17, p . 3373 -3400, 1996.
HALL, F. G.; SHIMABUKURO, Y. E.; HUEMMRICH, K. F. Remate s ensi ng of for es t
biophysica l stru ctu re in boreal stan ds of Picea mariana using mi xture de com -
po sition an d geametric reflectance m odeIs. Ecalogical Applications, v. 5,
p. 993-1013, 1995 .
HLAVKA, C.; SPANNER, M. Un m ixin g AVHRR im agery to assess clearcuts an d
forest regro wth in Oregon.IEEE Transactions on Geoscienceand Remate Sens ing, v.
33, n.3, p. 788- 795, 1995 .
HOLBEN, B.; SHIMABUKURO, Y. E. Linea r mi xing m odel ap pli ed to co arse sp atiaI
re solution d ata from multi sp ectr al satelli te sens ors. Intem crionnl ja urnal af
Remate Sensing, v. 14, n. 11, p. 2231-2240, 1993.
JACKSON, R. D. Spectral indices in n-space. Remate Sensing af Enuironment, v. 13,
p. 409 -421, 1983.
JACKSON, R. D.; HUETE, A. R. Inter pret in g vegetat ion indices. Preuentiue Veterinary
Medicine, v. 11, p. 185-200, 1991.
)ASINSKI, M.; EAGLESON, P. Estimation of subpixel vege ta tion cover usi ng
red-in fra red scattergr ams. IEEE Transactions on Geoscience and Remete Sensing,
v. 28, n . 2, p. 253 -267, 1990.
NOVO, E. M. L. M.; SHIMABUKURO, Y.E. Spec tral mixtur e an alysis of inl and tropi-
cal waters . International journal ofRemote Sensing, v. IS, n. 6, p. 1354·1356, 1994 .
NOVO, E. M. L. M.; SHIMABUKURO, y. E. Ide ntifica tion and m apping of the
Amaz on floodp lain habita ts using a mixing m od el. International ]ournal of
Remate Sensing, v. 18, n. 3, p. 663-670, 1997.
PEDDLE, D.; HALL, F.; LEDREW, E. Spectra l m ixtu re ana lys is and geo m etric-o ptical
reflectance modeling of bor eal for es t bio phy sic al struc ture. Remate Sensing af
Environment, v. 67, p. 288·297, 1999.
PRICE, ]. C. Calib ration of s atellite radiometers and the comparis on of vege tat ion
in dice s. Remete Sensing of En uironment, v. 21, p. 15-27, 1987.
QUARMBY, N.; TOWNSHENO, J. R.; SETTLE, J. J.; W HITE, K. H. Line ar m ixture
mo delling applied to AVHRR data for crop area est im at ion.lnterna tianaljournal
af Remete Sensing, v. 13, n. 3, p. 415-425, 1992.
ROBERTS, O. A.; NUMATA, 1.; HOLMES, K.; CHAOW ICK, O.; BATISTA, G.; KRUG, T.
Large are a m apping of lan d- cover ch ange in Rond ôn ia usin g multitemparal
sp ec t ral m ixture analysis and decisio n tree classifie rs. journal of Geaphysical
Research, v. 10 7, n. 0 20, p. 40001-4001 7, 2002.
SHIMABUKURO, Y. E. Shede images derivedfrom linear mixing models ofmultispectraI
measurements af joreueã crees. Th esis (Doc tor of Phylosophy) - Color ado State
University, 1987.
SHIMABUKURO, Y. E.; SMITH, ). A. Th e least-squ are s m ixing mcdels to generate
fraction images derived from re mate se nsi ng multis p ec tral data . IEEETrensac-
tions on Ceoscience and Remete Sensing, v. 29, p. 16-20, 1991.
SHIMABUKURO, Y. E.; SMITH, ]. A. Fraction im ages derived from Landsat TM an d
MSS da ta for m on itorin g reforested areas. Canadian }aurnal Df Remote Sensing,
v. 21, n. 1, p . 67-74, 1995.
SHIMABUKURO, Y. E.; NOVO, E. M. L. M.; PONZONI , F. J. Ín dice de veg etação e
model o de m istura es pectral no monitoramento do Pan ta na l. Pesquisa Agrope-
cuária Brasileira (PAB), v. 33, p. 1729-1737, 199 8.
SMITH, M. O.; )ü HNSTON, P. E.; ADAMS, J. B. Quantitative de termin ation of
m in eral ty pes and abu nda nces from reflectance espectra us ing principal
component an alysis . journal of GeophysicaI Research , n . 90, p. 797·804, 1985.
VAN DERMEER, F. Spe ct ral u n mixingofLa n ds at thematic mapper data . Interncti o-
naljourna! of Remate Sensing, v. 16, n . 16, p. 3189 -3194, 1995.
160
......... HRVlSPOT-3
- MSS/ l andsat-S
-+- TM/ Landsat-S
-+- ASTER/Terra
- - AVI RIS
--*- Labo ratory
•
©
Atmosfera
o 1
' ~ 0,8
.,
.•
o 0,8
1 Geologia e solos
-~ 0.6 ~ 0,6
v
c: 0,4 o: 0,4
~
° o
o
-e-
o
o
o
o
o
o ° o
o
o
o
o
o
o
o
o
o
o
o
o
'" " ."
N
er- ec N
"l
N
."
N
Águascosteirase em ilhas .,
.•
o
~
1
0,8
0,6
®
I
Ecologia e vegetações
v
~ 0,4
o:
~
<r 0,2
° o
o
cc
o
o
o
o
"l
o
o
q
o
o
Março
"-
~
o
~
te
~
o
~
..
~
~
'"
~
~
:;;
s,
c
~
s.
"-
~
o
c-,
to
~
s,
..
~ '"
~
o
~
:;;
o
~
c
~
o
~
~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~
~ ~ ~ ~ ~ ~ ~ ~ ~ ~ s ~
.'
o 2,4 4,8 km
! 1====:=1
Pranch a 10 Composição colorida (ETM3-azul, ETM4-vermelho e ETM5-verde) do pantanal de
Nhecolândia (MS) e imagem NDVI corresponde nte a essa cena
~. ~~
Pranch a 13 (A) Composição colorida do TM/Landsat5 (RS G4 83) da região de Manaus (AM);
(8) imagem-fração vegetação; (C) image m-fração solo; e (O) imagem-fração sombra/água
55°W
N
o 2 4 6 km
A ! I !
I
Pranch a l S Extrato de imagemRadarsat-2, bandaC, modo Standard (25 m de resolução espacial),
HH(R)HV(G)VV(B), nos arredoresda Floresta Nacional do Tapaj ós, Pará, em setembro de 2008
II Nuvem II Agua Pasto limpo
Adota re mos uma sequência bem próx im a daquela da aprese ntação dos
temas contidos ne ste livro, com o obje tivo de permitir ao leitor relacio-
nar os ite ns dos exemplos com aqueles já discutidos.
5. 1 Área de estudo
Selecion amos, como área de e studo, a Flore sta Nacional do Tapajós
(FNT), loca lizada no Estado do Par á, entre os paralelos de 2°45' e 4°10'
de latit ude sul e os merid ianos de 54°45' e 55°30' de longitud e oeste. Ela
limita-se, ao norte, com o par alelo qu e cruza o km 50 da rodovia Cuiabá -
-Sant arém (BR 167) e, ao sul, com a ro dovia Transamazôni ca e os rios
Cupa ri e Cupa ritinga ou Santa Cruz; a lest e, faz fronteira nov amente
com a rod ovia Cuiabá-Sa ntarém e, a oeste, com o rio Tapajós. San tarém,
Alter do Chão, Aveiro, Belterra, Agrovi la President e Médici e Rurópolis
são os pr incip ais núcleos urb anos dessa região. A área tot al estimada
da FNT é de 600.000 ha. A Fig. 5.1 apresenta a localização da área de
estudo no contexto estadua l com o auxílio de im agens do sensor ETM+
do satélite Landsat 7.
S5°15'W 0
55 . .. 54°45'W
iW
136
que é a segunda unidade morfológica em questão . O Planalt o Rebaixado
do Médio Am azonas apres enta cot as alt irn étr icas de aproxi madamente
100 m , re levos disse cados com for m a tabula r, dren agem adensada com
incipiência de afundamento e form ação de lagoa s. Possui ainda colinas
co m ravinas e vales en caix ados com superfícies apla inadas, inundadas
periodicamente . Já o Planalto Tapajós-Xingu apresenta co ta s que va ria m
de 120 m a 170 m, sendo recort ado p elo r io Tapajós. O relevo apresenta
um a superfície de form ação tabular, com rebordas erosiv as e trech os
com declividades for tes ou m oder adas.
137
5.2 Caracterizando espectralmente
Com o vimos anteriorm ente, quando desejamos caracterizar espectral-
me nte objetas existentes na superfície terrestre mediante a ut iliz ação
de dados orbitais , faz-se ne cessário conve rter os números digitais (NDs)
presentes nas imagens em valores físicos .
Evidentem ent e, essa defi ni ção do tipo de imagem (sen sor) com a qua l se
vai trabalhar deve ser cons oante com o objetivo que se pretende atingir.
Nesse sentido, a natureza e as características morfológicas do objeto que
será esp ect ralm ente caracterizado já devem ter sido cons ideradas. No
nosso caso específico, vamos aproveitar a class ificação tem ática dispo-
nibilizada por Espírit o San to (2003), realiza da com dados ETM+ referen-
tes ao ano de 2001, a qual se encon tra apresenta da na Fig. 5.2 (p. 140) para
u ma pequena po rção da superfíc ie da FNT.
I 139
35
30
25
~ /
~
•
:g 20
't;
•c. 15
'"
'""
u, 10
*
5
...
ETM+l ETM+2 ETM+3 ETM+4 ETM+S ETM+7
Fig . 5.3 Valores de FRB superfície extraídos de pixels espe cíficos das imagens ETM+ de 2001,
paracada classe apresent ada naFig. 5.2 (versão colorida - ver prancha 18)
A ri gor, n ão po derí am os plot ar curvas dos valo res de FRB (ap arente ou de
superfíc ie) quando repre sent amos valores di scretos ao lon go do eixo X,
u m a vez qu e os intervalos são amplos , n ão contínuos e não equidistan-
tes. O m ais "correto", então, seria co mpor um gráfico de b arras . Contu do,
es s a e stratégi a apenas s e ju st ific a pela experiência j á adquiri da em
observar a forma dessas cu rvas, plotadas segundo a concepção apresen-
tada na Fig. 5.3. Senão vejamos: o primeiro as p ec to que deve se r obser-
vado em cu r vas como essas, centradas na cobertu ra vegetal, é a forma
das cur vas na região do visível, cara cteriza da por baixos valores de FRB
n a banda do azul (ETM+1), va lores re lativamente mais elevados de FRB
na região d o verde (ETM+2) e, finalmente, valores baixo s de FRB na banda
do vermelho (ETM+3).
140
Ao compararmos o posicionamento de cada uma das curvas ainda nessa
região espectral do visível, podemos observar que as class es "Floresta" e
"Regeneração" aprese ntam curvas quase sobrepostas, indicando provável
simila ridade em suas proprie dades químicas, ou que suas diferenças
estruturais podem não ser sufici entemente grandes para promover distin-
ção em seus valo res de FRB. À med ida que analisamos classes com menor
bioma ssa , observamos um a tendência de aumento dos valores de FRB
nessa região e sp ectral, Observa-se, ainda na região do visível, que as
classes "Pasto _sujo" e "Pasto_limpo" também apresentam sim ilaridade
em seus valores de FRB, destacando-se valores ligeiramente superiores
na ba nda do ver me lho (ETM+3) para a classe "Pasto_lim po". Isso po de ser
explicado pela maior presença de fitomassa fotossinteticamente ativa na
clas se "Pasto_sujo" em relação à classe "PastoIimpo", Conforme esperado,
a classe "Solo" apresenta os maio res valores de FRB, em razão da ausência
de cobertura vegetal fotossinteticamente ativa. A forma da curva para es sa
classe descaracteriza-se daquela ass umida quan do há vegetação so bre a
superfí cie , assumindo a forma típica dos solos refleti rem a radiação eletro-
m agnética incidente. As classes "Águ a" e "Veg_aquática" apresenta m
for ma tipica de reflec tânc ias de águ a limpida e de vegetaçâo que ocupa
espelh o-d'ág ua, com valores sempre muito ba ixos de FRB na re gião do
visível,
141
parecem coerentes, uma vez qu e, po r apresentar maior biom assa do que
as flor es tas em regeneraçã o, es pera-se m aior quantida de de folh as e,
con sequentemente , m aior quantidad e de água no dossel, o que reduz a
sua reflectância.
As aná lises aqui apresentadas sobre as formas das cur vas m ostradas n a
Fig. 5.3 não passam de meras hipót eses calc ad as em experiência prévia ,
docu m entad a em difere ntes trabalh os. Cont udo, a re al com preensão
sob re os fatores que realm ente estão explicando essas difere nciações só
poderá ser adq uirida mediante a realização de trabalhos de ca m po ou de
acesso a dados qu e permitam comprová-las . São esses os trab alhos a que
nos re ferim os , qu e incluem a caracterização es pectral de alvos.
142
Visualmente , é possível observar alguma correspondência entre as
feições apresentadas na composição colorida, associadas à cobertura
vege tal e ao solo, e as feições correspondentes na imagem NDVI e na
imagem-fração vegetação. As áreas mais escurecidas nas imagens NDVI
e fração vegetaçã o es tão relacion adas às class es associadas a pouca
biom assa, geralm ente solo exposto, diferentes tipos de pastagens ou
cultur as agrícolas em diferent es estádios de desenvolvim ento. Tal
anális e, porém, é aprimorada quando a fazemos numericamente.
-,
.....
..,v -. .
.,
", ....
Fig. 5.4 Composiçãocoloridae imagem NDVI referente a uma região da FNT(versão colorida
- ver prancha 19)
A Fig. 5.5 apresen ta um grá fico de barr as com va lores de NDVI e d a fração
vegetação oriundos do mod elo -linear de mi stura espectral. As referi-
das class es já foram apresentadas na seção anterior, com exce ção das
classes "F_alterada_fogo", "Nuvem" e "Água", levando em cons ideração
as imagens ETM+ de 2001 da região da FNT.
143
•
0,9
0,8 =
§'
I""
0,7 ~~
0,6
0,5
0,4
I~ I~f-
EC-
~
~ ""ê~
r
E
ê
~
0,3 ~ ~ ~ ê
§
0,2 ~ ~
E ~ ê ~
~ NDVI
0,1
I
E ~
E ~
E I ê
!l ê ri -
° Floresta Regene -
ração
Pasto _
sujo
Pasto _
limpo
Solo Veg_
aquática
Fig. 5.5 Valores de NDVI e da fração vegetação para classes de vegetação consideradas por
Espírito Santo (2003) paraa regiãoda FNT
Fig.5.6 (A) Composição colorida (R6 G2 81)e imagens-fração correspondentes(B) da vegetação, (C) da
sombra e (D)do solodo Estado de Mato Grosso, derivada sda imagem Medis/Terra obtida em agosto de
2002 (versão colorida - ver prancha 20)
":i'
;§
~
n ia, fu ndamentado em dados digitai s (Prod es Digit al - Du ar te et aI.,
1999) do Inp e. O projeto Prodes Digital é um a aut omatização das ativi-
11 dades desenvolvidas desde a década de 1970 em outro proje to que leva
"
~ o m esmo n ome (Prod es), m as fu n da m entado em dados a nalógicos (em
Vi form a de fotografia s).
I
146
•
As im agens-fra ção foram utilizadas pa ra a redução da dimensionali-
d ade dos dad os (isto é, o número de im agens provenientes de diferen-
tes bandas; "at rib utos" é u m sinôn írno adequado) e também para realçar
os con tras tes entre a flo resta e as áreas desflo re stadas. A redução do s
dados é im porta nte, pois sã o necessárias 229 cenas do se nsor TM/
Landsat 5 (cada ce na cobre aproxi mada mente 35.000 km ') par a a rea li-
zação do projeto. O realce do contraste entre os alvos é importante para
facilitar a classificação pelo computador. Para o mapeamento da exte n-
sã o total de ár ea s desfl orestadas, a imagem-fração sombra é utilizada
para a interpretação digital, pois rea lça a difere nça entre as áreas alte ra-
das (desflo restamento antigo e recente) e as áreas de flor esta primár ia
ou preservad a (Fig. 5.7). Para o mapeamento de novos desflorestame n-
tos (incrementos an ua is), a im agem -fração solo é a m ais utilizada, pois
realça as áreas recém- cortadas.
Fig. 5.7 (A)Composição colorida TMlLandsat 5 (bandas TMS, filtro vermelho;TM4, filtro verde e TM3,
filtroazul)de uma área localizada no Estado de Rondônia e sua (B) imagem-fração sombra (versão
colorida ~ ver prancha 21)
Nas im agens -fração vegetação, como aque la apresent ada na Fig. 5.6, é
possível verificar o destaque que elas proporcionam da drenagem do
terreno, informação muitas vezes relevante no momento da interpreta-
ção digital.
147
Atualmente, as im agens-fração derivadas do sens or Modis/Terra es tão
sendo utilizadas para a detecção de áreas desflorestadas em tempo
quase real (Projeto Deter, também conduzido pe lo Inpe, em conjunto com
o Iba ma). Para isso, os procedimen tos met od ológicos foram ada ptados da
m et odologia do Prod es Digital (Shi mabu ku ro et aI., 1998) para os da dos
do sensor Modis/ Terra. Essa m et odologia aplica a té cnica de seg m en-
tação de im agens-fração derivad as do TM/ Landsat 5, usa nd o a classi-
ficação por crescimento de regiões seguida do proc edimen to de ed ição
de imagem par a m inimizar os erros do classificador digital (omissão e
inclusão). A Fig. 5.8 apres enta um esquema do proc edimen to adotado no
Projet o Deter para a detecção qu ase simultãnea de desflores ta mentos na
am azôni a em três datas.
0 0 • ••f.
. . 't ~
•
. .'. •
\,
•
;
• .•
> ...
~
a- f" , ,
• .' •
"'.
.
1..... "
Mosaico MODIS
de 24/5 a
816 d e 2004
148
observar que as áreas queimadas estão bem rea lçadas (áreas claras) na
im agem- fraç ão sombra, facilitando a in terpretação por meio, especial-
mente, do processamento dig ital.
-
~
• te'
...
#
... • ~I r •
~
.~~
~
~"
.."
•• .. • ,
Fig . 5 .9 Áreasqueimadas na região de Novo Progresso, PA: (A) áreas escuras na composição
colorida da imagem Modis/Terra de j ulho de 2004 e (B) áreas claras na imagem-fraçã o sombra
derivada dess a imagem ModislTerra, mostrando as áreas queimadas (versão colorida - ver
prancha23)
149
Considerações finais •
Esperamos, ao fin al de ste liv ro, ter cont ribuído no fornec imento de infor-
mações suficientes para as mais profundas refl exões por parte daqueles
que pretendem aplicar as téc nicas de sensoriam ento remoto em e s tudos
de vegetação.
151
Referências bibliográficas
156
RADAMBRASIL. Santa rém: geo logi a , geomorfologia, pedologia , vegetação e uso
p oten cial d a terra (levanta m en to dos recu rsos n aturais, v. 10). Rio de Jan eiro :
Dep ar ta me n to Nac ion al de Produt o Mineral, 1976 . p. 21.
RANSON, K. }.; SUN, G. Mapping biom ass of a northem forest usi ng multifrequency SAR
dat a. IEEE 'rrcnscctions on Geoscience and Remate Sensing, v. 32, n . 2, p. 388 -395, 1994.
RANSO N, K. J.; DAUGHTR Y, C. S. T.; BIEHL, L. L. Su n a n gle , v ie w angle a n d
backgrou n d effect s on sp ec t ral resp on se of si m ul ated Bals a n Fir canopies,
Photagrammetric Engineering and Remate Sensing, v. 52, n. 5, p. 649 -658, 198 6.
RANSON, K. J.; VANDERBILT, V. c ., BIEHL, L. L.; ROBIN SON, B. F.; BAUER, M. E.
Soyb ean ca n opy reflec t an ce as a fu n ction of view a nd illu m in ation geom etry.
ln : 15TH INT ERNAT IONAL SYM POSIUM OF REMOT E SENSING OF ENVIRON-
MENT, Unive rs ity of Michi gan , Ann Arbor, Michiga n , USA. Praceedings... Ann
Arb or, 1981. p. 853 -8 65 .
RANSON, K. J.; SUN, G.; KHARUK, V. 1.; KOVACS, K. Ch a racterization of fores ts in
Western Say an i Mou nt ain s, Siberia from SIR-C SAR da ta. Remate Sensing of
Enuironment, v. 75, p. 188 -200, 20 01.
RAO, V. R.; BRACH, E. J.; MARCK, A. R. Bidirect ion al reflec tance of cr op s a n d the
soil contribution . Remate Sensing ofE nuiranment, v. 8, p. 115 -12 5, 1979.
RAUST E, Y.; HAM E, T.; PULLIAI N EN, J.; HEISKA, K.; HALLIKAINEN, M . Ra d a r-b a s ed
fore st biom as s es tim ati on. Internatianal ]aurna! af Remate Sensing, v. 15 , n. 14,
p. 2797-280 8 , 1994.
RICHARDS, J. A. Remate Sensing Digital Image AnaIysis. Berli n : Springer-Verla g. 1986.
RICHARDSON, A. J.; W IEGAND, C. L. Distin gu ishing veget ation from so il
b ackgrou n d infor m ation . Phatagrammetric Engineering and Remate Sensing, v. 44,
p . 1541-1552, 1977.
RIGNOT, E.; SALAS, W. A.; SKOLE, D. L. Mapping defores tation a nd secondary
gr owth in Rond ônia, Braz il, u sing im agin g r ada r an d The m atic Map p er dat a.
Remate Sensing af Enuironment, v. 59, p. 167-179, 1997.
RODRIGUEZ Yl, J. L.; SHIMABUKURO, Y. E; RUDORFF, B. F. T. lm age segmen tat ion
for clas sification of ve getation usi ng NOAA!AVHRR da ta . Internatianal )aurnal
ofR emate Sensing, v. 21, n . 1, p. 167-172, 2000 .
ROUSE,}. W.; HAAS, R. H .; SCHELL,}. A .; DEERING, D.W. Monitoringvegetation sys te m s
in lhe greal pla ins w it h ERTS. ln : EART H RESOURCES TECHNOLOGY 5ATELLITE-1
SYMPOSIUM, 3., 1973, Wash in gton. Proceedings... v. 1, sec. A, p. 309 -317.
SAATCHI, S. S.; RIGNOT, E. Classification of bo real fores t cov e r ty p es u sing SAR
images . Remate Sensing of Enuironment , v. 60 , p. 2 70 ~ 28 1 , 1997.
SAATCHI, 5. 5 .; SOARES, J. V.; ALVES, D. S. Mapping deforestat ion a nd la nd u se in
Amazo n rain forest by us ing SIR-C im age ry. Remate Sensing af Enuironment, v. 59,
p. 19 1-202, 1997.
SADER, S. A. For est biom as s, ca nopy st ru ctu re a n d s peci es composition
relation s hip s w ith m ul t ipolar ization L-band Synthetic Aper t u re Radar da ta.
Phatagrammetric Engineering and Remate Sensing, v. 53, n. 2, p. 193 -20 2, 198 7.
SANTORO, M.; FRANSSON, }. E. S.; ERIKSSON, L. E. B.; MAGN USSON, M.; ULAN DER, L.
M. H.; OLSSON, H. Sign atur es of AIos Palsa r L-ban d backscatter in Swedish forest.
IEEE nansactians an Ceoscience and Remate Sensing, v. 47, n. 2, p. 40 01-40 19, 2009.
SANTOS, J. R.; PARDI LACRUZ, M. S.; ARAÚJO, L. S. Sav a n n a a n d tro pic al rain forest
biom as s estim ation u s in g jers -t da ta . Internat ional )ournal af Remete Sensing,
v. 23 , n . 7, p . 1217-1229, 2002.
SAN TOS, J. R.; FREITAS, C. C.; ARAÚJO, L. S.; DUT RA, L. V.; MURA, J. C.; GAMA , F.
F.; SOLER, L. S.; SA NT'ANNA, S. J. S. Airborne P-ba n d SAR a p p lied l o lhe a bove
gro und biomass studies in the Brazilia n tropical ra in forest. Remate Sensing of
Enuironment , v. 87, n . 4, p. 483-493 , 2003.
SERVELLO, E. L.; KUPLlCH, T. M.; SHIMABUKURO, Y. E. An ál ise p r elim in ar d e
im agen s SAR polar im é tricas e po tenci al de ap licaçõ es em flo resta s tro picais .
Revista Brasileira de Cartografia, v. 62, p. 551-562, 20 10 .
157
SHIMABUK URO, Y. E.; ALM EIDA FILHO, R. Processamento digit al de imagen s
m u lti temporai s Landsat-S TM e Ier s -t SAR apli cado ao ma peamento e monito-
ramento de áreas de alte ração antrópica na Amazônia . Geografia (Rio Claro).
v. 27, p. 81-96, 200 2.
SHIMABUKURO, Y. E.; BATISTA, G. T ; MELLO, E. M. K.; MOREIRA, J. C.; DUARTE,
V. Using shade fraction image segmentat ian to evaluate deforestation in
Land sat Thematic Mapper images of the Amazon re gion . International }ournal
of Remete Sensing, v. 19, n . 3, p . 535 -541, 1998.
SHUL'GIN. L A .; KLESHNIN, A. F, Cor relat ion betwee n optical propert ies
of plant leaves an d their ch lorophyll con te nto Doklady Akademii Nauk S.S.S.R..
v. 125, n . 6, p. 1371 , 1959. (Tra n sla ti on: A. I .B. S. Dokl ad y 125, p . 119-121).
SILVA, E. L. 5.; PONZONI. F.}. Comparação entre a reflectância h emisférica de folhas e
a reflec tância bidirecional de um dossel. Revista Arvore, v. 19. n. 4. p. 447-465, 1995.
SOLBERG, A.; RASMUS, A.; GOBAKKEN, T ; NAESSET, E; W EYDAHL, D. J. Estimating
spr uce and pin e biomas s w ith in ter fero metr ic X-band SAR. Remate Sensing of
En vironment, v. 114. p. 2353 -2360, 2010.
SOUSA, C. L. de; PONZONI, F. J.; RIBEIRO, M. C. Influ ência d o tempo e d o tipo de
arm azena mento na reflectância espec tral de folhas de Eucalyptus grandis
"ex-s itu". Revista Arvore, v. 20. n . 2. p. 255-265, 1996.
SUITS, G. H. The calculation ofthe directional reflec ta nce of a ve ge tative canopy.
Remate Sensing of Environment, v. 2, p. 117-125, 1972.
SWAIN, P. H.; DAVIS, S. M. Remate Sensing: the quantit ative approac h. New York:
McGr aw-Hill , Inc. , 1978.
TAGEEVA, S. V.; BRANDT, A. B.; DEREVYANKO, V. S. Changes in opticaI pro pe r-
ties of leav es in the course of the growing season . Doklady Akademii Nau k S.S.S.R.,
v. 135, n. 5, p . 1270, 1960. (Tran sla tion: A. L B. S. Doklady 135, p. 266-268).
TANASE, M. A.; SANTORO, M.; WEGMÜLLER, U.; DE LA RIVA, J. ; PÉREZ- CABELLO,
F. Propert ies of X-, C- and t -ba n d repeat-pass inte rferometric SAR coherence
in Mediterranean pine forests affe cted by fire s . Remate Sensinq of Enuironment,
v. 114, n . 10, p. 2182-2194, 2010.
TOUZI, R.; l ANDRY, R.; CHARBONNEAU, F. J. Fores ! type d iscrim ination using
cali brate d c -bane Polarimetric SAR data . Canadian ]ournal af Remate Sensing,
v.3 0, p. 543 -551,2004.
TUCKER, C. J. Red and photographic infrare d linear combinations for monitoring
vegetatian . Remate Sensing of Environment, v. 8, p. 127-150, 1979.
TUCKER, C.}.;GARRAT, M. W. Leaf optical system modeled as a s tochas tic process o
Applied Opties, v. 16, p. 635- 642, 1977.
ULABY, F. T. Radar resp on se to vegetation. IEEE Transactians on Antennas and Propu-
gatian, v. 23, n . 1, p. 35-45, 1975.
VALERIANO, M. de M. Ref1ectância espectral do trigo irrigado (Triticum aestivum, L.)
por espectrorradiometria de campo e aplicação do modelo Sai1. São José dos Campos:
In pe (In pe-5426·T DI/483), 1992 .
VAN DER SANDEN, }. }.; HOEKMAN, D. H. Potentia l of airborne radar to support
the as ses srnent of lan d cover in a tropic al rain forest env iron rne nt. Remate
Sensing of Environment, V. 68, p. 26-40, 1999.
VELOSO, H. P., RANGEL FILHO, A. L. R., LIMA, J. C. A. Classificação da vegetação brasi-
leira adaptada a um sistema universal. Rio de Jan eiro: IBGr, Depar tamento de
Recurs os Natur ais e Ambientai s, 1991.
VERHü EF, W.; BUNNIK, N. ]. J. Influ e nce of crop geometry on multis pec tral re fle c-
ta nce determined by the us e of canopy refle ctance models . ln: INTERNATIO-
NAL COLLOQUIUM ON SIGNATURES OF REMOTELY SENSED OBJECTS, Septo
8-11, 1981, Avignon, France . Proceedings ... p. 273-290.
WAGN ER, w.; LUCKMAN, A.; VIETMEIER, J.; TANSEY, K.; BALZTER, H.;
SCHMULLIUS, C.; DAVIDSON , M.; GAVEAU, D.; GLUCK, M.; LE TOAN , T.;
QUEGAN, S.; SHVIDENKO, A.; W IESMANN, A.; YU, J. J. La rge-scale m apping
158
•
of bor eal for est in Siberia using ERS tandem coherence and Ier s ba ckscatt er
dat a. Remote Sensing of Enuironment , v. 85. p. 125-144, 2003.
WA LKER, W. S.; KELLNDORFER,i. M.; PIERCE, L. E. Qualit y a sses sme nl of SRTM C-
and X-b an d in terferom etric da ta : Implication s for the re tr ieval of vegetat ion
canopy heigh t. Remate Sensing of Enuironment, v. 106, p. 428- 448, 2007.
WARING, R. H.; WAY, i.; HUNT, Ir., E. R.; MORRISSEY, L.; RANSON, K. J.; W EISHAM -
PEL, 1- F.; OREM, R.; FRANKLIN, 5. E. Imaging radar for ecosystem s stud ies.
SioScience, v. 45, p . 71 5-723 , 1995.
WEGMÜLLER, U.; WERNER, C. L. SAR interf erom etric s ign at ures of forest. IEEE
Transactions on Geoscience and Remote Sensing, v. 33, p. 1153-1161, 1995.
WU, S. T. Ana lysi s of Synthetic Ap er ture Rad ar data acqu ired over a va riety of
la n d cover. IEEE Transactions on Geoscience and Remete Sensing, v. 22, p. 550 -557,
1984 .
YANASSE, C. C. F.; SANT 'ANNA, S. J. S.; FRERY, A.; RENNO, C. D.; SOARES, J. V.;
LUCKMAN, A. Explor at or y stu dy of t h e re lat ion ship between t rop ical forest
re gen er ation st ages an d SIR-C L- and C-data. Remate Sensing of Environment,
v. 59, p . 18 0 -190, 1 99~
Leitura recomendada
159
•
GARCíA-HARO, F.; GILABERT, M.; MELlÁ, ]. Line ar spec tr al mixture modellin g to
esti mate vegetat ion amou nt fro m op tical sp ec tral d at a. International Journal Df
Remete Sensi ng, v. 17, n . 17, p . 3373 -3400, 1996.
HALL, F. G.; SHIMABUKURO, Y. E.; HUEMMRICH, K. F. Remate s ensi ng of for es t
biophysica l stru ctu re in boreal stan ds of Picea mariana using mi xture de com -
po sition an d geametric reflectance m odeIs. Ecalogical Applications, v. 5,
p. 993-1013, 1995 .
HLAVKA, C.; SPANNER, M. Un m ixin g AVHRR im agery to assess clearcuts an d
forest regro wth in Oregon.IEEE Transactions on Geoscienceand Remate Sens ing, v.
33, n.3, p. 788- 795, 1995 .
HOLBEN, B.; SHIMABUKURO, Y. E. Linea r mi xing m odel ap pli ed to co arse sp atiaI
re solution d ata from multi sp ectr al satelli te sens ors. Intem crionnl ja urnal af
Remate Sensing, v. 14, n. 11, p. 2231-2240, 1993.
JACKSON, R. D. Spectral indices in n-space. Remate Sensing af Enuironment, v. 13,
p. 409 -421, 1983.
JACKSON, R. D.; HUETE, A. R. Inter pret in g vegetat ion indices. Preuentiue Veterinary
Medicine, v. 11, p. 185-200, 1991.
)ASINSKI, M.; EAGLESON, P. Estimation of subpixel vege ta tion cover usi ng
red-in fra red scattergr ams. IEEE Transactions on Geoscience and Remete Sensing,
v. 28, n . 2, p. 253 -267, 1990.
NOVO, E. M. L. M.; SHIMABUKURO, Y.E. Spec tral mixtur e an alysis of inl and tropi-
cal waters . International journal ofRemote Sensing, v. IS, n. 6, p. 1354·1356, 1994 .
NOVO, E. M. L. M.; SHIMABUKURO, y. E. Ide ntifica tion and m apping of the
Amaz on floodp lain habita ts using a mixing m od el. International ]ournal of
Remate Sensing, v. 18, n. 3, p. 663-670, 1997.
PEDDLE, D.; HALL, F.; LEDREW, E. Spectra l m ixtu re ana lys is and geo m etric-o ptical
reflectance modeling of bor eal for es t bio phy sic al struc ture. Remate Sensing af
Environment, v. 67, p. 288·297, 1999.
PRICE, ]. C. Calib ration of s atellite radiometers and the comparis on of vege tat ion
in dice s. Remete Sensing of En uironment, v. 21, p. 15-27, 1987.
QUARMBY, N.; TOWNSHENO, J. R.; SETTLE, J. J.; W HITE, K. H. Line ar m ixture
mo delling applied to AVHRR data for crop area est im at ion.lnterna tianaljournal
af Remete Sensing, v. 13, n. 3, p. 415-425, 1992.
ROBERTS, O. A.; NUMATA, 1.; HOLMES, K.; CHAOW ICK, O.; BATISTA, G.; KRUG, T.
Large are a m apping of lan d- cover ch ange in Rond ôn ia usin g multitemparal
sp ec t ral m ixture analysis and decisio n tree classifie rs. journal of Geaphysical
Research, v. 10 7, n. 0 20, p. 40001-4001 7, 2002.
SHIMABUKURO, Y. E. Shede images derivedfrom linear mixing models ofmultispectraI
measurements af joreueã crees. Th esis (Doc tor of Phylosophy) - Color ado State
University, 1987.
SHIMABUKURO, Y. E.; SMITH, ). A. Th e least-squ are s m ixing mcdels to generate
fraction images derived from re mate se nsi ng multis p ec tral data . IEEETrensac-
tions on Ceoscience and Remete Sensing, v. 29, p. 16-20, 1991.
SHIMABUKURO, Y. E.; SMITH, ]. A. Fraction im ages derived from Landsat TM an d
MSS da ta for m on itorin g reforested areas. Canadian }aurnal Df Remote Sensing,
v. 21, n. 1, p . 67-74, 1995.
SHIMABUKURO, Y. E.; NOVO, E. M. L. M.; PONZONI , F. J. Ín dice de veg etação e
model o de m istura es pectral no monitoramento do Pan ta na l. Pesquisa Agrope-
cuária Brasileira (PAB), v. 33, p. 1729-1737, 199 8.
SMITH, M. O.; )ü HNSTON, P. E.; ADAMS, J. B. Quantitative de termin ation of
m in eral ty pes and abu nda nces from reflectance espectra us ing principal
component an alysis . journal of GeophysicaI Research , n . 90, p. 797·804, 1985.
VAN DERMEER, F. Spe ct ral u n mixingofLa n ds at thematic mapper data . Interncti o-
naljourna! of Remate Sensing, v. 16, n . 16, p. 3189 -3194, 1995.
160
Prancha 1 Dosselhipotético constituído somente por
folhas horizontalmente posicionadas, observado por
um sensor remotamente situado
o /
Simulação art ística de um sensor conve ncional adqui rindo dados na vertical
•
©
Atmosfera
o 1
' ~ 0,8
.,
.•
o 0,8
1 Geologia e solos
-~ 0.6 ~ 0,6
v
c: 0,4 o: 0,4
~
° o
o
-e-
o
o
o
o
o
o ° o
o
o
o
o
o
o
o
o
o
o
o
o
'" " ."
N
er- ec N
"l
N
."
N
Águascosteirase em ilhas .,
.•
o
~
1
0,8
0,6
®
I
Ecologia e vegetações
v
~ 0,4
o:
~
<r 0,2
° o
o
cc
o
o
o
o
"l
o
o
q
o
o
i--
~
a,
te
~
~
o
;,-
~
a,
M
~
~
:;;
a,
<o
~
a, D campo LJ Braquiária
o
!
2A 4,8 km
'====--J
~
~
~
~
~
~
~
~
~
s ~
s . cerradão II Agua
Prancha 4 Com posição colorida ETM+3 (filtro O, ,
2,4 ,
4,8 km II Cerrad o O, 2,4
,
4,8 km
azul), ETM+4 (f ilt ro vermelho) e ETM +5 (f ilt ro
verde) do pantanal de Nhecolàndia (MS)
Prancha 5 Composição colorida (ETM3-azul, ETM4-vermelho e ETMS-verde) de parte do pantanal de
Nhecolândia (MS) e mapa temático resultante da interpret ação visual
o
Março
100
90
80
70
60
~ 50
40
30 Prancha 8 Dinâmicados NOs de uma
20 formação vegetal de porte arbóreo
10 existente no bioma pantanal (Estado
O +---<'::::::""--~-~----,---,-------, do Mato Grosso do Sul) convertid os
ETM+1 ETM+2 ETM+3 ETM+4 ETM+5 ETM +7 para FRB aparente e de superfície (65
_ _ Originais Aparent e ............ 65 ~ DOS
e DarkObject Subtraction (DOS))
Vegeta ção
verde
"-
~
o
~
te
~
o
~
..
~
~
'"
~
~
:;;
s,
c
~
s.
"-
~
o
c-,
to
~
s,
..
~ '"
~
o
~
:;;
o
~
c
~
o
~
~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~
~ ~ ~ ~ ~ ~ ~ ~ ~ ~ s ~
.'
o 2,4 4,8 km
! 1====:=1
Pranch a 10 Composição colorida (ETM3-azul, ETM4-vermelho e ETM5-verde) do pantanal de
Nhecolândia (MS) e imagem NDVI corresponde nte a essa cena
NDVI EVI
SOOm 500m
• Ag ua
O
0,2
0,4
0,6
0,8
1,0
Prancha 11 Imagens NDVI e EVI da América do Sul no período de 25 de j unho a 10 de julho de 2000
Prancha12 Imagem TM/Landsat 5 (RS G4 B3) da região de Manaus (AM) e uma grade
correspondente ao tamanho dos pixels do AVHRR(1,1 km x 1,1 km)
~. ~~
Pranch a 13 (A) Composição colorida do TM/Landsat5 (RS G4 83) da região de Manaus (AM);
(8) imagem-fração vegetação; (C) image m-fração solo; e (O) imagem-fração sombra/água
Fração solo Fração sombra
Fração vegetação
Pra ncha 14 (A) Composição colorida do Modis/Terra (R6G2 81); (B) imaqem-fraçáo solo; (e) imagem-
-fraçã o sombra; e (O) imagem-fração vegetação da região do Xingu (MT), obtida em maio de 2004
55°W
N
o 2 4 6 km
A ! I !
I
Pranch a l S Extrato de imagemRadarsat-2, bandaC, modo Standard (25 m de resolução espacial),
HH(R)HV(G)VV(B), nos arredoresda Floresta Nacional do Tapaj ós, Pará, em setembro de 2008
Landsat mosaic II II II Colo r com postte: 11 11 11 ETM+, 30 ju ly of 2001
Prancha 16 Locali zação da Floresta Nacionaldo Tapajós no contexto estadual
Fonte: Espírito Sa nto (2003).
II Nuvem II Agua Pasto limpo
30 - .,,-----
l 25
t.
;g•
~
a.
20
I
:"
II.'"<,'" f'.....~\
~ 15
~ ~\
'"
ao
~
I +--- ~ t
10
5
t--. I L -r----If I~
o
w
- ,. . .
ETM+l ETM+2 ETM+3 ETM+4 ETM+S ETM+7
Imagem-fração \/e.,9;;.:
e,;,ta;.ç;.:à,;,O -..
.,
0 (8) ~
.. ••,.
. -'lo\!
..t: •t
•
". • ,,' .•
; .
. !A (~ •
' ." •
l;#
'. 1' .
...
~
r......
Mosaico MüDIS
de 24/5 a
8/6 de 2004