sensoriamento remoto

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

Grafia a t ua lizada co nfo r m e o Acordo Or tográfico d a Lingu a

Port uguesa de 1990, em vigor no Brasil a partir de 2009.

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

Cap a Malu Vallim

Projeto grá fico, diagr amação e preparação de figuras Dou glas d a Rocha Yosh id a
Pre pa ração de tex tos Hélio Hideki Iraha
Revisão de te xtos Gerson Silva

Dados Internacionais de Catalogação na Publicação (CIP)

(Câmara Brasil eir a do Livro, SP, Bra sil)
Pon zoni , Flávio Jorge
Sen so riamen to remoto da ve get ação / Fláv io
Jorge Ponzoni , Yos io Ede m ir Shimab uk u ro, Tatia na Mora Kuplich .-
2. ed . atuali za da e amplia d a _. Sâo Pau lo: Oficina de Textos, 2012.

Bibliografi a .
ISBN 978-85-7975-053-3

1. Est u dos am bienta is 2. Processam ento de imagen s

3. Satélites ar tificiais no s en soriam ent o remoto
4. Sen sor iam en to re m oto - Im agen s I. Shimabu ku ro, Yosio Edem ir.
II. Kuplich, Tatia na Mora . III. Títu lo.

12-04224 CDD-621.3678

índ ices pa ra catálogo sistem ático:

1. Imagens por sens oriamento re m ot o : Satélites
artificia is; Ut ilização em estudos
am bientai s : Tecnologia 621.3678

Todos os d ireitos reser vados à Oficina de Tex tos

Ru a Cubatão, 959
CEP 04013-043 - São Paulo - Brasil
Fone (11) 3085 7933 Fax (11) 3083 0849
www.ofitexto.com.br e -mail: aten deêofitex to.ccm. br
 Agradecimentos

Os autores gostariam de agradecer ao Dr. Lênio Soares GaIvão, da Divisão

de Sensoriame nte Remoto do Ins tituto Nacional de Pesquisas Espaciais
(Inpe), pela revisão técnica do conteúdo des te livro, e à Dra. Corina da
Cos ta Freitas, da Divisão de Processam ento de Imagens do lnpe, pela
revisão da seção 4.5 do Cap. 4.
 Sobre os autores ~--+--

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

As definições mais clássicas das técnicas de se nsoriamento remoto

geralmen te en fatizam termos como distância , informação e contata físico,
que de fato estão fort em en te associados à sua fun da mentação, mas
que , de alguma forma, ofuscam os concei tos principais que permitiriam
ao usuário de ssa té cnica sua perfe ita e ma is completa co mpree ns ão.
Dentre e sse s co nceitos de stacam- se aqueles intrínsecos aos proces-
sos de inte ração entre a radiação eletromagnética, considerada a pe ça
fundam ental das técnicas de se nsoriamento remo to, e os diferentes
objetos - também chamados de "alvos" na literatura de se nso riamento
remoto - dos quais se pretende extrair alguma informação. Para o caso
do sens oriame nto remoto da superfície terrestre, esses objetos incluem
os diferentes recurso s naturais, como a água, os solos , as rochas e a
vegetação.

Na aplicação das técnicas de se nsori amento remoto é possível explo-

rar diferente s escalas de trabalh o, as quais, evidentemente, sã o depen-
dentes da natureza dos estudos pretendidos. Pensando excl usiva me nte
n a aplicação em estudos de vege tação, um profis sional especializado
em fis iologia vegetal, por exemplo , explora os processos de interação
mencionados para quantifica r taxas de absorção de radiação por conta
da ação de pigmentos fotossinteti zantes . Para isso, ele trabalha com
equipamento específico em laboratório, cujas medições são realizadas
em pa rtes de plantas ou de órgãos especificos dela s. Um engen heiro
agrônomo, interessado em prever a produção de uma cultura agrícola
utiliza d ados rad iom étricos coletados em nivel orbita l par a es tim ar a
qua nti dade de folh as em fase s esp ecificas de desenvolvim ento dessa
cultura, a qual é correlacionada com a sua produtividade por meio de
mo delos matemáti cos preestabelecid os . Ainda, estimat ivas de desflo -
rest ame ntos em regiões remotas do planeta são realiza das me diante a
análise de imagen s de satélite com diferentes características e escalas; e
assim por diante .

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.

Posteriormente à realização do Projeto Radambrasil , o pa is in iciou a

capacitaç ão de profissiona is das mais variadas formaç ões acadêmicas
na aplicação e no desenvolvi mento de técnicas de sens oriamento orbital,
med iante a análise de im agens obti d as por se nsores colocados a bordo
dos satélites da série Lan dsat, que operav am em outra s regiões espec-
trais - como as do infravermelho próximo e médio, por exemplo - , em
relação àquelas qu e gera ram os produtos utili zad os pelo Projeto Radam-
brasi!. No início, os trabalhos enfatiz ar am a verificação do potencial
dess as imagens na elabora ção de mapas t em áticos, a exemplo do esforço
despe nd ido no Projeto Rada mbrasi!. Nessa et apa , as técnicas de realce e
de classificação digit al (estas últ im as ent ão de nom ina das de classificação
automática) foram am plamente estudad as e ava liadas.

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.

A partir de meados da décad a de 1990, as pesquisas com sensoria me nto

remo to da vegetação, que até então explo ravam abordagens de cunho
fu ndament almente qu alitativo (identificação e m ape amento de classes
de vegetação), passaram a explorar outra s com ênfase m ais quantitativa.
Foram estabe lecidas, por exemplo, correlações entre parâmet ros geofí-
sicos do meio ambiente e/ou biofísicos da vegetação, como ° índice de
área foliar (IAF) e a biomassa, com os dado s radi ométricos extraídos de
imagens orbitais. Para tanto, foi necessária a concretização de esfo rços
na compreensão dos aspectos radiométricos intrínsecos aos processos
de formação das imagen s. Nesse período , as técnicas de processamento
de im agen s, que até então quase que se limitavam às classificações
automáticas, passaram a exp lorar maior diversidade conceit u al, dando
origem aos modelos lineares de mistu ra; às normalizações radiométri -
cas , que tê m como objetivo permitir a com paração de da dos rad iorn étr i-
cos de cenas de um me smo sensor ou de diferentes sensor es obtidas ao
longo de um tempo sobre uma mesma superfície; aos modelos de corre-
ção atmosférica; aos campos contínuos de vegetação, além de outros.

A aplicação das técn icas de sensoriame nto remoto no estudo da vegeta-

ção conta com o esforço e a dedic ação de inúmeros profiss ionais
envolvidos com a aplicação e o desenvolvimento de metodologias que
resul taram no acúmulo de um conhe cimento significativo que pode
agora ser dispo nibilizado para outros profis sionais interessados em dele
se servir. O objet ivo deste livro é, portanto, divul gar e disponibilizar uma
parte desse conhecimento a toda a comunidade brasileira, na espera nça,
ainda, de motivarjovens cientistas a contribuírem na neces sária amplia-
ção do conh ecimento mencionado.
 Sumário

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

1.3 Folhas iso ladas x dossé is 43

1.4 Mode los de reflectância da vegetação 45

2 A aparê ncia da vegetação em imagens multiespectrais 49

2.1 Interpre taçã o visual 59
2.2 Processamento digital 67

3 A ima gem como fon te d e dados rad iomét ricos

(a bo rd age m q uantitativa) 75
3.1 Co nversão de ND para valo res f ísicos , 75
3.2 Correção atm osféric a 79
3.3 Norma lizaçã o rad iom étrica 82
3.4 Transfo rmações radi ométricas 85

4 A veg etação através de d ados SAR 113

4.1 Breve introd ução aos da dos SAR 113
4.2 Pa rãmetros dos sistemas SAR 115
4.3 Caract erísticas dos alvo s 118
4.4 Mecanismos de espalhament o 119
4.5 Polarimetria e int erferometria 119
4.6 A ve getaç ão e m dad os SAR 122
4.7 Dad os SARo rbitai s pass ados e d isponive is 125

4.8 Aplicações de imagen s de rad ar para a veget ação 125

5 Aplicações 135
5.1 Área de estudo 135
5.2 Caracterizando espect ralmen t e 138
5.3 NDVI e modelo li near de mi stura espect ral 14 2

Cons iderações fina is 151

Referênc ias bibliog ráficas 153

l eitura recomendada - 159

 A vegetação e sua
interação com a radiação
eletromagnética 1
1.1 Conce it uação
Pensa r no proce sso de interação entre a radiação elet romagnética e
a vegetação nos faz recordar que os ve getais realiz am fotossíntese,
processo fun d am entado na absorção da ra diaçã o eletromagnética po r
parte dos pigm en tos fot ossintetizantes como as clorofilas, xantofilas
e carotenos. Sabemos que essa absorção não ocorre indistinta me nte
ao longo de tod o o espectro eletrom agné tico, m as es pecificamente na
região do visivel (0,4 um a 0,72 um), Sabemos ai nd a que, de todos os
órgãos exi stentes em uma planta, as folhas são aqueles que têm como
função principal viabilizar a interação com a radiação eletromagnética
especifica me nte ne ssa regi ão espectral. Além diss o, o que mais seria
relevante saber quando se considera a aplicação de técn icas de sen soria-
mento remo to no estudo da vegetação? Para responder a es sa pergunta ,
deve mos primeiramente considerar que e xis tem várias escalas de traba-
lho possíveis, as quais permitem o es tudo de partes de uma planta. de
u m a planta in teira e de conju ntos de plantas. A adoç ão de uma escala
es pecífica exigirá um determinado nível de conhecimento, tanto sobre a
veg etação em si como sobre todo o instrume ntal disponível para viabili-
zar o estudo pretendido, Cons ideremos primeirament e o es tudo de um a
única folh a extraid a de uma determinada planta. Antes de aprofundar-
mos nossa discussão sob re sua interação com a radiação ele tromag né-
tica, recordemos algu ns as pectos de su a mo rfologia. A Fig. 1.1 apresenta
um corte transv ersal reali zado em um a dete rm inada folha.

É possível observar que as folhas são constituídas por di ferentes tecidos.

Aface ventral é aq uela qu e está volta da par a cim a, recebendo então m aior
quant idade de ra diação eletromagnética prov in da do Sol. Ness a face é
que se encontram diferent es tipos de estruturas, como pelos e camadas
 Mesófilo
paliç ádico

Mesófilo
esponjoso

il Epiderme
~""=::.lk__~""'#- e,~~-~==:=::::_~ inferior
Poro estomat al Célula-quarda

Fig. 1.1 Seção transversal de umafolha

de cera (cutícula) que exe rce m diferentes funçõe s de proteção. Logo

abaixo dessas estruturas, encontra-se a epide rme, composta geralmente
por célula s alongadas e por outra s difere nciadas par a desemp enhar
funções específicas, como aquelas que formam os estômatos. Abaixo
da epiderme enc ont ra-se o mesófilo pa liçádi co, ta mbém ch amado de
parênquima pal içádico, o qual é orga nizado por células ricas em cloro-
plastos , que são as organelas dentro das quais se encontram os pigmen-
tos fotossintetizantes, princip almente as clorofilas. Seguindo em direção
à face dorsal da folh a, encontra -se o mesófilo esponjo so, ta mbé m conhe-
cido como parênquima espo njoso, que se caracteriza por apres entar
uma orga nização de células menos com pact a do que o mesófilo paliç á-
díc o, que lh e confere uma maior qu antidad e de lacunas entre as célul as,
lacun as essas preenchidas com gases resultantes dos processos de
respiração e de trans piração. Segue- se novamente a epiderme, com um
número frequentemente maior de estômatos em relação à face ventral,
e, finalmente, uma nova camada de cera ou de cutícula, na qual voltam
a aparecer estruturas como pelos e ceras .

É evidente que existem variações ma rcantes de estruturas de folhas entre

espécies diferentes e até me smo entre folhas de uma mesma espécie,
cujos indivíduos se desen volvem em condições ambienta is diferencia-
14
das, mas o que é relevante compreender é que a folha em si pode ser
consi derada como um meio pelo qu al a radi ação eletroma gné tica trafega ,
e depe nde ndo do com primento de onda dessa radiação, alguns compo-
nentes desse meio, bem como outros fatores relacionados à fisiologia da
planta, vão exercer influê ncia no processo de interação mencionado.

Ass im como acontece com qualquer

obje to sobre o qual in cida certa
qu ant id ade de radiação eletrom ag-
nética, três são os fenômenos que
descrevem o processo de interação
em questão. São eles: a reflexão,
a transmissão e a absorção. Simpli -
ficadamen te, as frações espectrais
da radiação inci dente que serão
refl etidas, transmi tidas e absorvi-
das dependerão das característi-
cas físico -químicas de um objeto.
Com as folhas, o mesm o raciocí-
nio pode ser aplicado. Vejamos,
portanto, os aspect os mais relevan-
tes desse pro cesso.

A Fig. 1.2 apresenta outro corte trans-

versal de uma folha com indicação
das possíveis trajetórias de feixes de
radiação eletromagnética incidentes.
Fig. 1.2 Seção transversa l de uma folha
com as passiveistrajetóriasda radiação
eletromag nética incidente
Fonte: Gates et aI.(1965).

Conclui-se que um feixe de radiação incidente pode ser refletido imedia-

tamente após seu encontro com as estruturas localizadas na cutícula ou
até mesmo na epiderme; pode ainda penetrar nessa primeira camada
epidérmica, vindo a incidir sobre as células localizadas no mesófilo,
Dependendo das características estruturais desse meio (arranjo de
células, disposição de espaços inter celulares e composição quimica),
esse feixe pode vir a atravessar (transmissão) completamente a folha.
Para me lhor comp reendermos esses fenôme nos, imaginemos, primei ra-
mente, um caso h ipotét ico no qual, sobre uma determi nada folha , inc ida

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?

Primeiramente temo s de considerar que dentro da folh a exi stem, de

fato, diferentes me ios pelos quais o feixe de radiação em que stão deverá
transitar. Dentro das células exis te basicamente água, diferentes tipos de
solutos e organelas com tamanhos diferenciados, muitos dos quais com
dimensões com patíveis até com as dimensões dos com prim entos de onda
da radiação incidente. Entre as células existem es paços preen chidos com
gases como o C02 e o 0 2, além de outros. Sabem os que água e ar apresen-
tam índices de refração diferentes. Essa diferen ça acarreta frequentes
alterações na traj etória de um feixe de radi ação inc ide nte à medida
que esse feixe translada de um meio para o out ro. Nosso feix e hipoté-
tico ten derá a atravessar totalme nte a folha, seguindo um a trajetória
er ra nt e dentro dela, a qu al ser á interr omp id a totalmente, caso seja captu-
rado pelos pigmentos fotossinteti zantes . Como já foi mencionado, esses
pigmentos encontram-se localizados em grande quantidade logo abaixo
da epiderme da face ventral das folhas, n as células do m esófilo paliçádic o.
Essa possibilidade de absorção pela ação dos pigm entos fotos sintetiza n-
tes se verifica somente para a radiação eletromagnética referent e à região
do visível. Vale salientar, entretanto, que nem toda a radiação incidente
correspondente à região do visível é absorvida po r esses pigm en tos. Parte
dessa radiação chega a at ra vessar totalmente a folh a, o qu e ex plica que,
quan do contrapom os um a folha à luz solar, pe rcebem os que ela apre senta
algu m brilho, não se ndo tot almente "preta" (tota l ausência de re flexão
ou emissão da radiação elet romagnética). Mas, e se o feixe de ra diação,
que hipoteticamente ass umimos como da região do visível, fosse agora
referente à re gião do in fravermelho próximo (0,72 11m - 1,1 11m)?

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.

o tam an ho da estrutura celula r da folh a é gr a nde qu and o co mp ara do

com os comprim ento s de ond a da radiação eletromagnética na chamada
região óptica. As dimensões típicas da s células do parênqui ma paliçádico,
do mesófilo esponjoso e das células epidérmicas são: 15 um x 15 um x 60
um; 18 um x 15 um x 20 um: e 18 um x 15 um x 20 um, res pectivamente.
A camada imp ermeável da folh a tem uma espessura mui to variáve l,
osc ila nd o e ntre 3 um e 5 um . Segundo Cleme n ts (1904), os cloroplastos
(pigmentos res po nsáveis pelo armazen amen to da clorofila ) sus pensos
n o protoplasma (meio interno da célula) ap res enta m-se gera lme nte com
5 um a 8 um de diâmetro e cerca de 1 um de comprim ento, e aproxi -
m ad amente 50 cloroplas to s podem es ta r prese ntes em cada célula do
parênqu ima. Dentro dos cloroplasto s es tã o os gra na, de nt ro do s qu ais
se encontra a clor ofila. Os grana podem ter 0,5 um de com pri mento e
0,05 um de diã me tro.

Pensando ainda na trajetória de um feixe de radiação eletromagné-

tica dent ro de uma folha, val e le mbrar que, para um feixe de radiação
eletromagnética refer ente ao infravermel ho médio (t.t um - 2,5 um), os
mesmos as pec tos discutidos para o feixe da região do infravermelho
próximo seriam pertinentes. Entretanto , a águ a exi sten te no interior
das células ou em alguma s lacunas intercelulares se ria respons ável
por gran de pa rte d a absorção da radiação, semelh ante m en te ao qu e
foi descrito com os pigmentos foto ssint et izantes para o fei xe da região
do visív el. Em outras pala vras , quanto maior a quantidade de águ a no
interior da estrutura foli ar, menor a quantidade de radiação refletida.

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.

Antes de darmos continuidade à des cr ição dos fatores intrínsecos

da vegetação que interferem na re flex ão da radiação eletromag-
n ética, é interessante re cordarmos alguns conceitos radiométri-
cos importantes e necessários p ara um a plena compreensão dessa
descrição. Primeiramente, sabemos que o Sol é a principal fonte de
radiação eletromagnética utilizada no estudo dos recursos n atu r ais
mediante a aplicação das técnicas de sensoriamento remoto. A radia-
ção emitida por esse astro trafega no espaço sob a forma de um fluxo,
cuja int en sidade varí a com o comprimento de onda (À). A Fíg. 1.3
apr e s en ta um grá fico que descreve a intensidade do fluxo radiante
emitido pelo Sol p ara cad a comprimento de onda , na fa ixa espec-
tral compreendída entre as re gíões do vísível (0,4 um - 0,72 um), do
infravermelho próximo (0,72 um - 1,1 um) e do in fra ver m elh o médío
(1,1 um - 3,2 um) .

A linha tracejada no gráfico da Fig. 1.3 representa a curva de irradiância

de um corpo negro à tem p er at u r a de S.900 o K, que pode ser considerada
como a intensidade de fluxo r adiante que seria "sentida" ou determinada
no topo da atmosfera. A linha cheia com desco ntinuidades representa a
mesma inten sid ade, mas agora determinada na superfície da Terra. Ao
analisar-se então as curvas apresentadas na Fig. 1.3, é possível ob ser-
var que a intensidade da radiação eletromagnética emitida pelo Sol sofre
atenuação pela interferên cia de diferentes componentes contidos na
atmosfera. Ess a intensidade do fluxo r ad iante é denominada irradiância

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

Fig. 1.3 Intensidade do fluxo radianteemitido pelo Sol

Fonte:adaptado de Swain e Davis(1 978).

(E) e, como pod e ser determinad a para ca da com pri m en to de onda ou

para regiões e spe ctrais esp ecíficas. recebe o símbolo À, ficando en tão
repres entada por E}..

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.

Vale lembrar que o flu xo in cide de

tod as as direções sobre o ponto Objeto

ind icado na Fig. 1.4 e que a radiação

Fig. 1.4 Representação esquemática da
que atinge esse ponto varia em inten-
geometria da incidência do fluxo radiante
sida de de acordo com o comprim ento sobre um determinado pontolocalizado na
de onda. Confo rme me ncionado superfície de um objeto

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.

Atendo -se exclus ivamente ao fluxo de radiação ele tromagnética

re fletid o pelo ponto apresentado na Fig. 1.4, a geometria de reflexão é
sim ilar (mas não necessariamente idêntica, como veremos a se guir) à de
incidência, porém em senti do exatame nte contrário. Existirá, portanto,
um flu xo refletid o que de ixar á o pon to em direção ao ambiente com
intensidades diferentes para cada comprim ento de onda. A ex ist ência de
um a direção preferencial de reflexão será depen dente das característi-
cas da superfície na qual ocorre a incidência e do ângulo dessa incidên-
cia . Essa intensidade é denominada de excitância, representada pelo
símbolo M. Analogame nte à irradiância E, a excitância também pode ser
representada em t er m os esp ectrais , o que é leit o por M,.. AFig. 1.5 ilust ra
a geometria da reflexão do fluxo rad iante refletido por u m ponto locali-
za do em u m a dada super ficie de um obje to.

Diferentemente do que foi apresentado na Fig. 1.4, aqu i os vetores que

re pres ent am as direçõe s do fluxo de radi ação eletro magnética refletido
por um pon to fictício localizado na superfície do objet o têm dimensões
diferenci adas, sugerindo que , em algumas direções , o fluxo refle tido é
mais intenso. De fato, para a maioria dos objetos existentes na superfí-
cie terrestre, a reflexão da radiação
eletromagné tica não ocorre igual-
mente em todas as direções ao longo
de todo o esp ect ro elet rom agné-
tico, para um determin ado ângulo
de incidên cia. É preciso lembrar
que o fluxo de radi ação incident e é
composto por ra diação em diferen-
Objeto tes comprime ntos de onda e que as
condições geométr icas da reflexão
Fig. 1.5 Representaçãoesquemática da
variam para cada comprimento de
geometria dareflexão do fluxo radiante a
partir de um determinado ponto localizado na ond a. Quando não há u m a dom inân-
superfíciede umobjeto cia da reflexã o em u m a d ada direção

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.

Ao imaginarmos agora um sensor localizado sobre essa superfície,

coleta ndo a rad iação eletromagnética refletida por ela , teremos u ma
situ ação simi la r à ilustrad a na Fig. 1.6.

Um sensor "observa" então uma determinada porção da superfície e regis-

tra a intensidade do flux o refle tido somente dessa porção. Im aginando cad a
um dos infinitos pontos que compõem a superfície em questão, a intensi-
dad e da radiação eletromagnéti ca efetiv amente me dida de cada ponto seria
aquela contida em um cone imaginário formado pela dimensão (diâmetro,
normalme nte) da óptica do se nsor (base do cone) e o ponto localizado na
superfície do objeto (vértice do con e).
Esse cone é tecnicamente denominado ,
de ângulo sólido. A intensid ade m édi a
do fluxo radiante refletido, ori gin ado
então de todas as infinitas intensi- AngUrO~
sólido h.r--tt--'<
/':
dades provenientes de cada um dos l-
infinitos pontos existentes na super-
fície, é denom inada radiância (L). Como r

pode ser m edi da para ca da com pri-

mento de ond a ou par a regiões especi-
ficas do esp ectro eletromagnético, Fig. 1.6 Geometria de colete de dados a partir
també m recebe a de signação L,.. de um sensor

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.

A re flec tâ ncia é uma propriedade de um det er m inado objeto de refle tir

a radiação eletromagnéti ca sobre ele incidente e é expressa por meio do s
ch amados fatores de reflectâ ncia (p), que , por su a vez, podem ser expres -
sos em termos es pect rais, receb end o também a design ação PJ.- Nesse
momento, é impor t ante n os repor tarmos àqu ilo que já foi m en cionado
anterior m en te, so bre um objeto ser ou n ão isotrópico . Assim , o flu xo
de radiação refletido p or um determ in ado objeto ou su perfície n ão só
apresent a caract er ísti cas es pectrai s definidas pel as su as pro prie dades
físico -q uímicas, como também car act erísticas geométricas es pecífi-
cas da incidência e da reflexão da rad iação, uma vez que a m aioria das
superfície s do s recursos n atura is n ão é isotrópica . Dizemos, portanto,

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 cálculo do fator de re flect ância bidi recional pode ser realizado

mediante a aplicaç âo da Eq. 1.1.

L,.{ljfs' as;Ijff ' arl (1.1)

EÀ(Ijf"arl

O N D E:

P,.(\jIs,8,;\jI',O,) é o fator de reflect ância bid irecion al da geom etria de

ilumi nação caracterizada pelo ângulo azimutal \lff e pelo ângulo
ze nital 8, da fonte de rad iação elet rom agnética (nor m alm en te o Sol,
conforme já foi mencionado), e da geom etria de visada carac teri zada
pe lo âng ulo azimut al \jI, e pelo âng ulo zenital Os do sensor ;
L;.(\jIs,Os;\jI"O,) é a radiâ ncia bidirecional resu ltante da geometria
de ilu minação carac terizada pelo ângulo az imutal \jI' e pelo ângulo
zenit al O, da fonte de radi ação eletromagnética, e da geometria de
visada caracterizada pelo ângulo azimutal \VS e pelo ângul o zenital
8s do sensor;
E;"(\Vf,ec) é a irradiância espectra l solar no nível da sup erfície a ser
caracterizada espectralmente, para os ângul os azirnut al wr e zenital
8, da fonte de radiaçã o eletromagnética.

O fato r de reflect ância bid irecion al represen ta então a qua nt idade

relativa de ra diação eletromagnética qu e é réfletid a por uma da da
su perfície ou objeto, pa ra uma dada condição geom étrica de ilu m ina-
ção e de visada. Ele serve para ava lia r as propriedades de refl exão da
rad iação por parte de um objeto ou su perfície, independentemente das
inten sidades de radiação incidentes sobre ele. Trata-se , portanto, de um
parâmetro fundamental no estudo do comport amento espectral de alvos ,
tema importante não só a todos aqueles que pretendem compreender
os fundamentos das técnicas de se nsoriame nto remo to, como também
àqueles que delas vão se utili zar.

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.

Um a vez recordados esses conceitos, podemos prosseguir em nossa s

discussões sobre os fato res influentes na re flexão da radiação eletro-
m agnética por p arte da vegetação.

Vimos que , a rigor, a re flectâ ncia de um objeto é uma propriedade espec -

tral inferida por meio do cálculo de fato res de reflec tâ ncia que relacio -
n am a intensidade da radiaç ão refletida por um objeto com a intensidade
de radiação incidente em uma dada re gião espectral. A Fig. 1.7 apresenta
uma curva do fator de reflectância direcional -hemisféri ca de uma folha
verde sadia. Essa curva de screve , então, o fen ômeno de interaç ão da
radiação eletrom agnética com uma folha verde sadia, no que se refere ao
fen ômeno de reflexão.

~ P i g m e nto s Est rutu ra Conteúdo de

0,6 da folh~-I----ce l u,~la",'_-; ---'= =da",,=
ág ua folha,,-__~

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
-
'-
) ',_ _

! /~.

O+ - r ----,-- ..,----,- --,--- ,-----,- ..-- .----.--

M ~7 M 1.1 1,3 1,5 lJ 19 ~1 2.3 ~5
Comp riment o de onda (~lm)

Folhas de milho-umidade
- - - - 0 -40% - - - - 40 - 54% . .<. _ - 54 - 66% - - 66 - 100%

Fig. 1.8 Infl uênciado conteúdo de umidade sobre o fatar de reflectânciadirecional-

-hemisféricade uma folha de milho
Fonte: Kuma r (1974).

contribuiu para a form ação de faces críticas ao desvio da trajetória da

rad iaçã o elet rom agnética. Além d iss o, a estru tu ra inte rna como um
tod o pode ter se tornado m enos compacta em re lação às folhas túrgi-
da s. Result ado diferente poderia ser e ncontrado com folh as de outras
esp écie s de plantas , cujas es truturas in ter n as fossem difere nt es das
folhas de milho. Mesm o para outras folh as de m ilh o, os res ult ado s do
experi mento pode riam se r diferentes se os tempos de m an uten ção dos
teore s de umidade durante a realização do experimento fossem outro s.
Nesse ca so, poderia ha ver um colapso da estrutura in terna das folh as ,
tornando-as mais compactas , o que implicaria a redução dos va lores do
fator de refl ect ância direcion al-hemisférica.

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.

Na região do visível , as folhas infect ad as por fungos exibem reflectã n cia

m a ior do qu e as folhas sadias , o que prova velm en te pode se r e xplicado
pela perd a da clorofil a. Ela é m e no r na regi ão do in fraver m elho (acima
de 1,08 um}, o qu e pode ser atribu íd o à invasão da s hifas nos espaços
intercelul ares, que te ndem a com pactar a est rutura interna das folh as.

Sou sa , Pon zoni e Ribei ro (1996) avalia ram a in flu ência do te m p o e do

ti po de a rm azen am ento de folha s de Eucalyptus grandis extraídas da s
planta s-m ãe sobre sua reflectân cia espec tra l. O obj etivo do est udo era
identificar quais con dições de armazenamento e períodos de tempo
ac a rretariam alte raçõ es n a reflect ân cia das folh a s. As condições de
estresse com eçaram a ser "sentidas" nos valores de reflectância seis
hora s apó s a extração da s folhas para a região do visível, qua ndo foram
armazen adas em sacos plást icos, e so mente 23 horas após a e xtração,
quand o foram mantidas à temperatura amb ien te e no escuro (sem o
uso de sacos plásticos). Na re gião do infravermelho próximo, diferenças
significativas for am ve r ificadas três h oras após a extração para as folh as
mantidas à temp eratura ambi e nte .

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.

1.2 Interação da rad iação eletromagnética com os dosséis vegeta is

Todas as discus sõe s apresentadas até aqui referira m-se ao estudo das
propriedad e s espe ctra is de folh a s iso lada s , m a s a ap licação das técnicas
de senso riam ento remo to no estud o da vegetação inclui a nece ssidade de
compre ender o processo de interação entre a radiação eletrom agnética

28
e os diversos tipos fisio nô m icos de dosséis (flores tas, cult uras agríco las,
formaçôes vegetais de porte he rbáceo etc.).

Imaginemos, em um primeiro momento , que um dassel vegetal seja

cons tituído so mente por folh as e que essas folhas encont ram-se
posicionadas horizontalmente e m cam adas. Esse da sseI é observado por
um sens or remotam en te situado, conforme ilus trado na Fig. 1.9.

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

Fig. 1.9 Dossel hipotético constituído

Para respondermos a es sa pergunta,
vamos iniciar um exe rcíc io sobre
a reflectância bidirecion al de um
somente porfolhashorizontalmente
posicionadas, observado porumsensor
remotamente situado (versãocolorida - ver
pra ncha1)

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.

Im agin an do ag ora que mais uma camada de folhas fos se adicionada à

pri m eir a, segundo a mesma distribuição espacial sobre a superfície, o
que aconteceria com os valores do fat or de refle ctância bi di recional dess e
"novo" dossel nessas duas regiões espectrais em estudo? Para respon -
der a essa pergunta, temos de lem bra r que u m a folha não é totalmente
opaca na região do visível, e m uito menos na região do in fr averm elho
próximo. Sendo as sim, parte da radiação eletromagnética que conseguiu
atravessar a prim ei r a camada de folhas atinge então as folhas existentes
na segunda ca mada. Considerando a radiação eletromagnética da regi ão
do visível, temos de im agin ar que uma quantidade maior de pi gm en -
tos fotos sintetizantes foi disponibilizada quando da superposição da
segunda camada de folhas, o que acarretará a diminuição da reflectân-
cia de to do o conj unto (maior absorção da radiação). Considerando agora
a região espectral do infravermelho próx imo, aquela porção da radia-
ção eletr omagn ética que atravessou inteiramente a primeira cam ad a
e atingiu a segun da camada de folhas pode ser re fletida e tr ansmitid a
novamente (quase nada nessa região é absorvido pela folha), segundo
esquema apresentado na Fig. 1.10.

Pelo esquema apresentado na Fig. 1.10, é possível constatar que, se

s omente u m a cam ada de folh a s fo sse con sider ad a nesse n osso ex peri-
me nto, ap roximadamente 50% da radiação eletromagnéti ca in cidente
se r iam refl etidos e 50% seriam t ransmitidos através das folhas. Qu ando
um a segunda camada de folhas é sobrep os t a à primeira, dos 50% da
radiação ele tromagnética que foram transmitidos, 25% poderiam ser

30
 Energia incidente

Fig. 1.10 Reflexãomúltiplada rad iação eletromagn ética referente ao infravermelho próxi mo
entrecamadas de folhas

refletidos novamen te e 25% pode riam ser transm itidos através da

folha. Desses 25% de radi ação eletromagn ética que teriam sido reflet i-
dos e que poderiam incidir novamente nas folhas da primeira camada ,
12,5% poderiam se r refletidos pelas face s dorsais d as folhas da primeira
camada e 12,5% poderiam ser transmitidos através da folh a, indo somar-
-se aos já 50% de radi ação eletromagnética oriund os da reflex ão original
já apresen tada, o que to tali zaria 62,5% do tota l, qu e seria contabili-
zado como energia refle tida nesse nosso experimen to. Esse fenôme no
qu e des cr evemos é denom inado de espal ha ment o múltiplo e seu efeito
é análogo ao espa lha m ento in te rno da radiação eletro magnétic a no
in terior da folh a.

Ass im, temos duas situações antagônicas: na prime ira, na regiao do

visível, a refl ectância dim inui com o aume nto de camadas de folhas , e na
seg unda , na região do infravermelho próximo, a reflectâ ncia aumenta
com o aumento do número de camadas. Mas essas dinâmicas não
apres entam variações lineares, ou seja, a dim inuição da reflectância na
re gião do visível com a adição da se gunda ca mada de folhas n ão apresen-

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.

Visível Infravermelho próximo

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

Fig. 1.11 Dinâmicadosfatoresdereflectância bidirecionaldedosséissimulados em função do aumento

do numero decama das de folhas

Na região do infravermel ho médio, a dinâmica da reflectância do nosso

dos sel hipotétic o seria sem elhante àquela verificada para a reg ião do
vi sível. Entretanto, o que exp licaria a dim inuição da reflectância em
função do aume nto de número de camadas seria o aume nto da oferta de
água no conj unto com o um tod o, análogo à m aior oferta de pigmentos
fotossinteti zantes na região do visível. Porém, quando trabalhamos com
dosséis de verda de , não expressamos a quantid ade de folhas exi stente s
pelo número de camadas, e sim por um índice que expressa a quantidade
em área de folh as por área no terreno (adimension al), o qu al é de nom i-
nado de índice de áreafoliar (IAF), que é determinado pela equação:

IAF = Área de folhas (cm2 ) (1.2)

Área no terreno (cm2 )

Portanto, toda a discussão que apresentamos usando o número de

camadas como referência poder ia ser feita com o IAF. Assim, quanto
maior o IAF de um dossel, es pera-se que a sua reflec tância seja me nor

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.

Os po ntos de sa turação são muito importantes pa ra as aplicações da s

técnicas de sensoriamento remoto no estudo da vegetação porque repre -
se nt am, de fato, uma das grandes limitações do emprego de ss as técn icas .
Assumi ndo sim plificadam ente qu e apena s o IAF explicaria a din âmica
da refl ect ância de um dossel, uma vez ati ngidos os pontos de sa turação
no vi sível e no infraverm elho pr óxim o, a veget ação pode ria con tinuar
crescendo (surgiment o de novas folh as), porém não m ais haveria altera-
ção nos va lores de re flectância ne ssas du as re giões espectrais.

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.

A distribuição es pacial dos elemen tos da vege tação, bem como as su as

den sidades e orientações, define a arquitetur a do dosse!. A distribu i-
ção espacial depend e de como foram arranj adas as seme n tes no plan tio
(no caso de veget ação cu ltivada), do tip o de vegetaçã o existe nte e do
estágio de desenvolvimento d as plantas . Essa ar quitetura é também
caract er izada pela or ien tação ang ular das folh as, qu e é de scr ita por
uma fu nção densidade de distribuição f(S1, '1'1), onde SI e '1'1 sã o a incli-
naç ão e o azi mute da folha , re spectivam ent e, e denom in ada de distribui-
ção angular de folhas (DAF), qu e varia cons ide ravelm ente entre os tip os
de vegetação.

Os dosséis são normalmente descritos por um dos seguintes seis tipos

de distribuições: pla nófila, qua ndo as folh as sã o posicionad as com
ângulos de inclin ação (em relação ao horizonte) menores do qu e 300 ;
erectófila , qu ando esse â ngulo é freque nteme nte m aio r do que 600 ; pla gi-
ófila , quando o ângulo de inclinação se situa entre 30° e 60°; extremó-
fila, semelhante situação angular descrita em plagiófila, porém com
à

as folh as inclinadas para baix o; u nifor me, com ângulos de in clinação

próximos a 4 5°; e e sférica, co m diferente s ângulos de inclinação das
folhas, sem predominância de qu alquer valor. A Tab. 1.1 apresen ta ess as
distrib ui ções, acom panhadas dos valores m éd ios e o segundo momento
do ângulo de inclinação foliar <e l>o

34
TAB. 1.1 DAFs f(OI) para váriostipos dedosséis
f\\ll} Média <\lI> ~l \') V \')

Planófila 2(1+<01' On/lI 26,76 1058,60 2,770 1,172

Ere, tófila 2(1-<01' On/lI 63,24 4341,40 1,172 2,770
Plagiófila 2(1 -<01' OI)/lI 45,00 2289,65 3,326 3,326
Extremófila 2(1+<01' On/lI 45,00 3110,35 0,433 0,433
Uniforme 2/lI 45,00 2700,00 1,000 1,000
Esférica sen01 57,30 3747,63 1,1 01 1,930
(*) parâmetrosda distríbuiçãobeta
Fonte: Go.!. Streb.! (1984).

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:

f(OI) ~ [1 / (360)(90l][q~ + v) / r(~)r(v)J(l - 01 / 90r'[01/ 90]'-' (1.3)

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)

< 01 > ~ (90 )v (v + 1) /(~ + v) (~ + v +1) (1.5)

Os valores de J...l e v correspondem aos seis tipos de dis tribuições apresE..

tados na Tab . 1.1.

o efeito da DAF sobre a função de distribuição da reflectância bidirecional

(FDRB) foi ap re sen ta do por Norm a n , Welles e Walter (1985) por meio de
um exe mplo muito si mp les de duas folhas pla n as disposta s num plano
principal (Fig. 1.12).

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.

Refl exão espec ular

Folha 2 Folha 1

Fig. 1.12Ageometria do dossel e sua influência sobreo fatorde refle ctância bidirecional
Fonte: Norman, Wellese Wa lter(1985).

Quando a font e de iluminaçâo é posicion ad a exatamente atrás do obser-

vador (ou sensor), será observada a m aior proporçâo de com ponentes
da vegetaç âo ilu m in ados diret amente. Sombras dentro da veget açâo
ou sob re a su pe rfície do solo se râo escondidas pela folh agem (ou pelas
partic ulas do solo) que é iluminada. Por conseg uinte, a re flectânc ia da
vegetação tenderá a ser ma is alta nessa situação. Esse pico na reflectân-
cia , quando a fonte luminosa se enco ntra atrás do observador, é denomi -
nad o hot spot (Suits, 1972). O do ssel é compos to po r mu itas folhas com
uma ampla gama de inclinações e â ng ulos azimutais. Por isso, em geral,
a m agn itude do hot spot depende da DAF. Uma vez que o somb reamento
de u ma folh a causado por outra é dependente do t am anho da folh a,
o efeito hot spot t ambém é dep enden te desse tamanho (Goel, 1988).

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.

No caso de culturas agrícolas ou de vegetaç ão cuja parte aérea é consti-

tuí da principalmente por folh as , a orien tação das file iras exerce menor
influência na região do infravermelho do que na região do visível, em
razão do menor efeito das so mbras , um a vez que as folhas são prati-
camente transp arentes ne ssa região espectral. Quando o objeto de
es tudo é composto por fis ionomias florestais ou mesm o po r veget açã o
de porte arbustivo, mas cuja parte aé rea da s plant as é dom in ada por
folhas , galhos e troncos, mesmo na região do infrave rmelho próx im o as
so mbras também exercem influência, criando desi gualdades na ilum i-
nação em diferen tes camadas do dosse!.

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.

Nessa discussão que fizem os , percebe-se que a de nsid ade da veget aç ão

e sua orien tação espacia l exe rcem influência fundam en tal na dinâmic a
da refle ctância de um dossel, em função da variação na s geo metrias de
iluminação e de visada. Ne sse processo , as propried ades espe ctrais dos
solos tornam-se fortem ente influentes na reflec tância de um dossel,
se este for pouco den so ou abe rto. Veja mos, por exemplo, o traba lho de

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.

Rao, Brach e Marck (1979) realizaram um trabalho envolvendo a refl ec-

tân cia bidireciona l de dossé is de cereais , de gram a e de milh o. Os autores
concluíram que a radiância da ce na foi representat iva das influências das
plantas e do so lo. Nesse contexto, o IAF e o tipo de solo assumem uma
importância significati va na re flectância de um dassel. Para se conhe -
cer a contribuição do solo, as observações devem se r feit as repe tida s
vez es, e deve -se conhecer a porcen tagem de cobertura do solo ou o IAF
e a geometria de visada . A sombra foi cons iderada como um ele mento
que introduziu discrep âncias nos re sultados, norma lmente acarre-
tando diminuição na radiância refletida. De maneira geral, quanto m ais
exp os to for o solo, maiores serão os valores de refl ectância medidos na
região do visíve l.

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.

Das considerações até aqui apresentadas . conclui-se que a "aparência"

da cobertura ve getal em um det erminado produto de sensoriamento
rem oto é fruto de um proce sso complex o que envolve muitos parâm et ros
e fatores ambient ais. O que é medido efetivamente por um sensor
remotament e sit ua do, oriu ndo de um dossel vegetal, n ão pode ser expli-
cado somente pel as caracterís ticas intrín secas des se dossel, mas inclui
a in terferência de vários outros parâm et ros e fatores .

O fluxo radiante solar in cidente sobre um dosse l é constituído por

duas partes: um a fração da radi ação qu e não é absor vida ou es pal hada
pe la atmosfera, por isso denominada fluxo direto, e out ra fração que é
es palhada pel a atmosfera na direção de scendente, incidind o sobre o
dosseI de forma difu sa , por is so denominada flu xo difuso. Essa última
fr ação depende das condiçõe s atmo sfé ricas (sobretudo vapor d'água)
e varia com o comprimento de ond a, sendo ma ior na regi ão do visível
(0,40 J.1 m a 0,72 um) do que nas re giões do infravermelho pró ximo (0,72 J.1m
a 1,10 J.1m) e do in fravermelho m édi o (1 ,10 J.1m a 3,20 m m). A direção do
fluxo d ire to é carac te rizada pelos ãngulos zenital (O,) e azimutal (<p,)

42
solares , en qua nto qu e a direção do fluxo difu so é carac te rizada pela sua
distribuição angular.

Há de se considerar aind a que um das se I é co nstituído por mu itos

eleme nt os d a pr ópria vegetaç ão, como folh as, galh os , fru tos, flore s etc.
Um fluxo de ra diaçã o incidente sobre qu alquer um desses elementos
estará sujei to a dois processos: e spa lhamento e absorção. O processo
de espalhame nto, por sua vez, pode ser divid ido em dois subproces -
sos: refle xão e trans missão através do elemento . O destino do fluxo
ra dia nte in cidente sob re um desses ele me ntos é, en t ão, dep endente da s
características do flu xo (comprimentos de onda , ãngulo de incidência
e polarização) e das caracte rísticas físico-químicas desses mesmos
eleme ntos . Considera ndo a folha como um desses eleme ntos, Tucker e
Garra t (1977) propu se ram um modelo pa ra qu antificar essas de pendên -
cia s. Segundo es se mo delo, a reflexão da ra d iação elet romagnética por
pa rte de uma folh a é cons tit uída por du as par te s: a refl exão especu-
lar, na qu al o ãngulo de incidência é igual ao âng ulo de refle xão, e a
reflexão d ifus a. As qu antidades relativas dos fluxos diretos e di fus os
dependem das carac terísti cas do elemen to da vegeta ção e do fluxo da
radiação in cidente.

1.3 Folhas isoladasx dosséis

Quando foram apresentados os par ãmetros influentes sobre a reflect ân-
cia es pec tral de folh as, verificou-se que eles se referem às sua s compo-
sições quím icas , morfológicas, fisiol ógicas e um idade int erna , e que
cada um deles exerce influê nc ia predom in ante em pelo meno s três
regiões espectrais do espectro ópt ico (visível, infravermelho próximo e
infrave rme lho médio). Para o caso dos dos séis, verifico u-se que ex istem
ainda outros fatores e/ou parâmetros, sendo eles de natureza geométrica
(iluminação e visa da), es pectral (propriedad es espectrais dos ele men-
tos da vege tação - princ ipal mente das folh as - e do solo) e biofísica (IAF
e DAF).

Como já menci onado anteriormente, a reflectância das folhas iso ladas é

es timada por meio do fatar de reflectância direcional-hemisférica, que,
por sua ve z, é determinado por meio do uso de esferas integ ra doras. No
caso da reflectâ nc ia espectral de doss éis, ela é es ti ma da pelo fat or de
43
 reflectância bidirecional, impli cando o us o de sensores coloc ados em
suportes ou plataformas posicionados alguns metros acima dos dosséis ,
ou em aeron ave s ou s atélites. Apesar desse rigor conceituaI, quando
tratamo s de dados aerotransportados ou orbitais, comumente utiliza-
mos os termos "im agens reflectân cia apa rente" ou "image ns reflectân-
cia de superfície"para ident ificar aquelas imagens que contêm os fatores
de reflect ância bidirecional (apare nte ou de superfície). Isso se ve rifica
n ão só nos termos co tidia nos ado tados pelos profissionais envolvidos
com as técnicas de se nsoriamento remoto, m as tamb ém em catálogos de
distribu ição de imagens de diferentes sen sores ao red or do mundo. Um
exem plo di sso sã o os pro dutos gerados pelo sensor Moderate Resolution
lm agin g Spec trorad iom eter, colocado a bo rdo dos satélites Terra (EOS
AM) e Aqua (EOS PM), dentre eles o MOD 09, referente aos valores de
refl ect ã ncia de superfície. Na realidade, trata-se de va lore s de fatores de
reflectãncia bidirec ional de superfície.

Retornando ent ão à comparação entre as propried ades espec trais de

uma folha isolada e de um dossel do qual ela faz parte, as formas das
curvas de fatore s de reflectânci a são bas tan te semelh antes , conside -
rando um a mesma faixa espectral. De mane ira geral, con si derando a
região do visível, os fatores de reflect ância direcion al-hemi sférica de
uma folha isolad a sã o mais elevados do que aqueles fat ores de re flec -
t ãncia bid irecion al referentes ao dos sel do qual essa folha faz parte.
Assim , por exe mp lo, se forem extraídas folh as das árvores de um
plantio de Eucalyptus spp. e forem determinados os fato res de re flec t ân -
cia direcional-hemisférica dessas folh as e comparados com os fatores
de refl ect ância bidirecional do plantio, é esperado qu e os valor es prove-
niente s das folh as sejam ligei rame nte superiores àqueles oriundos do
pla ntio. Para a re gião do in frave rme lho próximo , e sse efeito é frequente-
mente o inve rs o, em ra zão do esp alh amento múltiplo da radi ação eletro-
magnética e ntre as ca madas de folh as disposta s ao longo dos níveis
vertica is de um dossel. Porém , por causa do sombreamento mútuo entre
as folhas, nas duas regiões espectrais a reflectância de folh as isoladas é
m aior do qu e a reflectãnc ia do dos se I do qu al faz em par te.

Silva e Ponzoni (1995) rea lizaram uma comparação entre o fator de

re flectância direcional-hemisférica de folh as de sei s diferentes es pécies

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.

1.4 Modelos de reflectância da vegetação

Toda essa fun damentação teórica sobre a interação da radiação eletro-
mag nética com a vegetação vem constantemente so frendo aprimora-
men tos e novo s conceitos vêm se ndo agregad os. Como resultado desse
es forço e com as crescentes fac ilid ad es n o campo da computação, de sde
o final da déca da de 1970 têm sido propostos mo delos m atemáticos qu e
descrevem esse proces so de interação, se ndo denomi nados de modelos de
reflectância da vegetação.

Os modelos de refle ctância da vegetação procuram es tabelecer uma

conex ão lógica entre os parâme tros hiofísico s da veget ação e as suas
propriedades es pectrais. Podemos considerar que a origem comum
de sses mode los é a modelagem d a traje tória da radia ção eletrom agné-
tica no interi or de uma folha propost a por Kub elka e Munk (1939), fund a-
mentada na teo ria da trans ferência radiativa.

Fund amentalme nte, esses modelos são alimentados por parâmetros

biofís icos, geom étricos e es pectrais dos ele me ntos que compõe m o
dosse l vegetal (pa rã metros de input) e, com o resultado de se us proces sa-
men tos, comumen te são es timados valores de radiância bidireci onal ou
de fatores de re flect ân cia bidirecionaL Esse tipo de enfoque caracteriza o
problema direto idealizado por Goel (1988). A solução do problema in verso
con stitu i o grande objetivo ou interesse de diferentes profissionais, pois
é através del a que dados radiométricos como os fatores de re flect ân -
cia bid irec ion al perm item, via m odelo de refl e ctãnc ia, inferir sobre a s
características biofísica s da vegetação.

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.

Goel (1988) considera trê s pr incipais categorias para ess es mo delos:

a] Modelos geométricos: nesta categoria , o dasse I vege tal é cons iderado
com o se ndo constituído por um a superfície com propriedad es refl e-
tivas conhecidas, com objeto s geométricos com formas (cilindros,
cones, esferas, elipsoides et c.), dimensões e propriedad es ópticas
(reflectância, transmitância e ab sortância) preestab elecidas. A
interceptaçâo da rad iaç ão eletromagné t ica, o so mbrea mento desses
objetos constituintes e a reflectânci a do substrato são analisados
na det erminação da reflect ância de todo o dossel. Esses modelos
repre sentam be m dosséis esparsos (arbustos, planti os em estádios
iniciais de desenvolvim en to etc.) nos qu ais o espalhamento múltip lo
é desprezível e em cond ições de baixo ângulo ze nita l solar, qu a ndo o
so mbreamen to mútuo dos objetos pode ser igualm ente desprez ível;
b] Modelos de meio túrbido: nestes modelos , os elem entos da vegetação
são tratados com o pe quenas partículas qu e absorvem e es palham
a radiação incid ente e se distribuem aleatoriamente nas camadas
horizontais do dossel com orientações espaciais específica s (DAF).
O dossel é, então, tratado como um meio horizontalmente uniforme
no qual a trajetória da radiação eletromagné tica in cident e depende
so mente da sua espessura, e não da sua extensão horizontal. A arqui-
t etura do dossel é caracterizada pelo IAF e pela DAF, sendo despre-
zadas as dimensões d as folh as, suas di st âncias relativas etc. Esses
modelos alca nçam bom desem pen ho para dosséis densos e u nifor-
mes nos quais os elementos da vegetação (folh as, flo res , gal ho s,
troncos , colmos etc.) são bem men ores do que a espessura vertical
do dossel;
c] Modelos híbridos: nestes mode los , o arranjo e a orientação dos elemen-
tos da vegetação são simul ados em um computador e cada um
desses eleme ntos é dividido em um número fini to de áreas. Através

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.

Dentre os modelos mais cit ados e estudados, dest acam-se o m ode lo

Suits, que foi proposto po r Suits (1972); o m odelo Scattering by Arbitra -
rely ln clin ed Leaves (Sail), proposto por Verhoe f e Bunnik (1981); e, m ais
at ualmente, o m ode lo 5-Scale, prop osto po r Leblanc e Che n (2000).

o modelo Suits idealiza o dossel como uma mistura de painéis refletores e

tran smi ssore s lambertianos (isot rópicos) tanto no se nti do vertical com o
no horizontal. Esse s painéi s, que, em realidade, represe ntam os próprios
elementos da vegetação, são subs tituídos por suas projeções vertical e
ho rizontal. Essa simplificação é ori ginad a da teoria proposta po r Kube lka
e Munk (1939). e pode ser extrapolada para diferentes camad as do dossel.

No modelo Sail, as concepções propostas por Suits (1972)fora m aprim ora-

das de forma a permitir a inclusão da DAF como parâmetro de entra da do
m odelo. Isso deu m aior flexibilidade à mo delagem e abriu maiores
oportunidades para simulações mais realísti cas, sendo possíveis várias
apli cações, algu m as das quais descr itas na liter atura. Valeria no (1992)
a nalisou as variações de fatores de re flect ância bidire ciona l de trigo (Triti-
eum aestiuum, L.) em função de su as prop riedades biofís icas, baseando -se
em da dos experimentais e em res ulta dos de simulações do modelo SaiI. O
autor consta tou que os resultados apresentados pelo modelo mostraram
comportamento seme lhante aos dados observados em campo.

Antunes (1993) avaliou os desempenhos dos modelos Sail e Suits na

estimativa de fatores de reflectância bidirecional de dosséis de soja
(Glyeine max, 1.) e concluiu qu e ambos os modelos apresentaram tendên -
cias semelhantes , po rém o dese mpen ho do modelo Sail foi su perior ao
do m odelo Suits.

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 odelo 5-Scale é um ap ri m oramento de ou tro modelo de no m inado

4-Scale, proposto por Che n e Leblanc (1997), qu e foi primeiramen te
concebido para simular fato res de reflectância bidi recional de flo res-
tas boreais. O termo Scale, aqui, refere-se ao fato de que a interação da
radi ação ele tromagnética com o do ssel pode ser ana lisada em diferen-
tes escalas: grupos de árvores, copas das árvores, galhos das árvores e
ra mos das árvore s.

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.

As propriedades espe ctrais das folhas pode m ser sim uladas no me sm o

amb iente de processamento do modelo através de outro modelo, agora
esp ecífi co para simu laç ão de fato res de re flect ân ci a hemisférica de
folh as isoladas, o Liberty. O modelo 5-Scale u tiliz a o resu lt ado do proces-
same nto do Liberty com o dado de input.

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.

Sabem os que os números digita is ex istentes nas im age ns orbitais são

proporcionais aos valores de radi ân cia medidos por cada um do s det ec-
tor es em cada faixa ou band a esp ectral na qu al o se nsor atu a ("faixa" e
"banda" são termos que se refe rem a uma determinada região espectral;
contudo, entre os profi ssionais mais fami liarizados com as té cnicas de
sensoriament o remoto, eles sã o empregados como sin ôn imos de "imagem
de uma de te rminada faixa ou banda es pect ra l"). Sabemos também que
a reflectâ ncia de um objeto expressa uma qu antidade relativa de rad ia -
ção eletro m agnética que é refletida p or esse obje to. Assim, um objeto
que apresenta valores elevados de reflectância em um a determin ada
faixa espe ctral deverá apresentar níveis de cin za igualmente ele vados
em uma imagem adquirida por um sensor eletro- óptico colocado a bordo
de um avião ou satélite n a banda e spectral corres pondente. Portanto,
espera-se que os valores de radiância medidos ne ssa banda seja m eleva-
dos e que , uma ve z discretizados em uma escala de níveis de ci nza, seja
est a de 8 bits (256 ní veis de cinza) ou de 16 bits (65.536 níveis de cinza),
produzam um pad rão "cla ro" desse objeto n a im agem da ba nda .

Usando o mesmo raciocínio para a vegetação, na regi ão do visível um

do ssel apresenta valores de refle ct ância relativamente baix os , por causa
da ação dos pigmentos fotos sinteti zantes qu e abs orvem a radiação
ele trom agné tica inc ide nte para a reali zação da fotossíntese. Na região do
infravermelho próximo, esses valores mostram -se elevados, por causa
do es palha m ento interno sofrido pela radiação em função da d isposição
 da estrutura morfológica da folha, aliado, aind a, ao espalham ento múlti-
plo ent re as diferentes camadas de folh as. Finalmente, no in fr avermelho
médio, tem-se um a nova qued a de sses valores , em razão da presença de
águ a no interior da folha . De fato, como já vimos anteriorme nte , esses
fatores não atuam isoladamente. Em cada um a das regiões e spectrais,
tod os os fatore s ex ercem su a influência con comi tantemente . Assim , por
exemplo, os níveis baixos de refle ctâ ncia na região do vi sível, e spera-
dos para um a cobe rtu ra vegetal , não se dev em exclus ivamente à absor-
ção dos pigmentos existe ntes nas folhas, mas também às sombras qu e
se projetam en tre as folhas, as quais são dependentes da geomet ria de
iluminação, da DAF e da ru gosidade do dossel em su a camada super ior
(topo do dossel). De qualquer forma, esperamos que a vege tação se
aprese nte escura em uma ima gem referente à região do visível, clara em
um a imagem referente à região do in fravermelho próx im o e novamente
escura em um a imagem referente à reg ião do infravermelho méd io.

A tendência natural de qualque r pessoa qu e compreendeu correta mente

todos os co ncei tos até aqui discutidos é compara r os valores espera-
dos de br ilho pr esen tes nas im agens e nas di fere ntes band as ou faixas
espectrais. Dessa forma, ela po deria tentar concluir algo sobre os nívei s
de refl exão da rad iação eletromagnética apresenta dos pela vege tação
ne ssas bandas. Essa tendência é n atural, mas expre ssar ia certo grau de
de sconhe cimento dessa pe ssoa no que tange ao funcionamento de um
sensor eletro-óptico.

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.

Quan do um sensor é fabricado, cada detector que será responsável pel o

regis tro da s intensidades radiantes em cada faixa espec tr al (radiância)
tem sua própria sensibilidade a deter min ad as amplitudes de radiân cia.
Por exe mplo, nós podemos im agin ar dois detect ores atua ndo em um
sensor, sendo um respon sável por mediçõ es em uma banda do visível e
out ro em uma band a do infr avermelho próximo. Caso as quantizaçõ es
das radiância s medid as por ele s sejam feitas em 8 bits, ambo s vão d is cre-

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.

o início de qualquer ati vidade que envolva o uso de imagens orbitais

ou aerotransportadas geradas a partir de sen sores eletro -óp ticos deve
sempre levar em con ta os asp ectos apr esent ados anteriormente, pois
somente assim será possível ot imiza r proced im en tos e gara nti r confia-
bilidade aos result ados atingidos.

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.

Imagens multiespectrais da superfície da Terra adquirida s por aero na-

ves ou satélites es tão disp oníveis em formato d igit al. A gra nde vanta gem
disso é que essas imagens po dem ser processadas com o us o de computa-
dores pa ra realçar a in for ma ção, pro duzindo fotografias para a fotointer-
pret açã o. Os sensores colocados a bordo t anto de satélite s meteorológicos
como daqueles voltados para estud os de recursos natu rais terrest res
operam nas mesm as faixas do espect ro eletroma gnético. Talvez a m aior
distinção ent re as im agens geradas por esses se ns ores esteja n a resolu-
ção espacial. Enquant o, para estudos dos recursos naturais terrestres, o

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.

A segu ir, va mos apresent ar algu ns exemplos de se nsores meteorológicos

e de estudo dos recur sos na turais terrestres:
aI Advanced Very High Resolution Radiometer (AVHRR) dos satélites
da série Nation al Oceanic and Atmospheric Administration (Noaa): o
AVHRR foi desenvolvido para prover dados para estudos m eteorológicos ,
oceanográficos e hidrológicos, embora também sejam possíveis aplica-
ções no monit oramento da superfície terrestre. As primeiras versõ es
do AVHRR atuavam em qu atro bandas esp ectr ais, m as seu aprimo-
ra me nto incluiu novas versões com
TAB. 2.1 Principais caracteristicas t écnicas do
cinco bandas esp ect rais, conforme
sensor AVHRR-Noaa N
ap resenta das n a Tab. 2.1, referente
Resoluçãono terreno 1,1 km no nadir
à versão Noa a N (também con h ecida
Resolução radiométrica 10 bit'
como Noa a 18). A resolução radi om é -
largurade faixa 2.700kffi
trica indicada na tabela refere-se à
Bandasespectrais
sens ibilidade do se nsor em "perce-
Banda 1 0,58 um- 0,68pm
Banda 2 0,725 J.lffi - 1,1 um ber" variações nos níveis de radiân-
Banda 3 3,55 um- 3,93 um cia. Um se nsor com 8 bits de resolução
Ban da 4 10,3 um-11,3 um r ad iom ét rica pode re pres enta r essas
Banda5 11,5 um- 12,5 urn variações em 256 nive is (28) , enquanto
Fonte: <http.!/www2. fl(dc.noaa.gov/docs/klm/index.htm>. outro com 10 bits pode rep resenta r
essas va riações em 1.024 níveis.
bl Mu lti- sp ectral Sca n ner System (MSS), Themat ic Mapper (TM),
En h an ced Th emat ic Mapper Plus (ETM+)/La ndsat: o sat élite Landsat
foi o primeiro a ser desenvolvido para prover cobe rtura quase
global da superfície terrestre em uma base regul ar e previsível.
Conseque ntemen te, os dados adqui ridos têm se rv ido como cornpa -
ração para os novos sensores que foram desenvolvidos ao longo do
tempo . Os tr ês prim eiros satélites da série tinham as mesm as carac-
terísticas orbitais, mas incluíam outro s sensores, como o Ray Beam
Vidi com (RBV) e o Multi-s pectr al Scanner Sys tem (MSS). Os satélites 4
e 5 da série Lan dsat passaram a ca rr egar os sensores MSSe o Thema-
tic Mapp er (TM). A vers ão do sensor TM colocada a bordo do saté lite
La ndsat 5 foi la nçada em órbita em 1" de m a rço de 1984 e se u s dad os

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.

Mes mo com o sen so r TM fu ncion ando perfeitamente a bordo do

sa télite Landsat 5, em 5 de ou tubro de 1993 foi lançado o La ndsat 6,
com outro se nsor TM a bordo, mas, em razão das falhas no lança-
m ento, esse satélite foi perdido. Lan çado em 15 de abril de 1999, o
satélite Landsat 7 levava a bordo o se n sor Enhanced Th em atic Mapper
Plus (ETM+), que funcion ou perfeit am en te até maio de 2003.

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 .~

5" 1,550- 1,750 lO 8 li

~

7" 2,080· 2,l50 lO 8 .i1

-,
6" 10,400- 12,500 120 8 E
E
1,, 0,450- 0,520 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 ~
~
~

7" 2,080 - 2,350 lO 8 c

.~
~
8" 0,520' 0,900 15 8 ~
~
«
6" 10,400 - 12,500 60 8
Fonte:adoptadodeRichords(1986).

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

a 5 f i e im agen s multiespec trais com reso lução es pacial de 10 m.

O sensor Vegetation é um se nsor multiespectral que foi colocado
pr imeir amente a bordo do satélite Spot 4, pe rm anecen do t ambém no
Spot 5. As imagens geradas por esse sensor têm resolução espacial de
1 km e re so lução te m poral quase di ária; ele coleta dad os em quatro
banda s es pe ctrais , sendo três delas posicion ad as nas regiões do
vis ivel e do infravermelho próximo e uma quarta banda posicio nada
n a região do azul, cujos dados são u tili zados para efetua r a co rreção
atmosférica dos dados gerados pelas três primei ras bandas. A partir
dos dados desse sensor, disponibiliza-se um produto muito útil para
estudos quantitativos de vegetação: as im agens Ín dice de Veget ação
de Diferença Normalizada (NDVI), cuja definição se rá apresent ada
mais adian te.

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

Limites 2 0,841 - 0,876

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 ~

Altitude de topo de nuvens ~

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

i Sentido da passagem do satélite

o / / /

Simulação artíst ica de um sensor convencion al adqui rindo dados na vert ical

Sentido da passagem do satélite

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

Comp rim ent o de onda (nm)

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

Fig. 2.2 Re presentação esquemática do Sensoriamento Remoto Hiperespectral

Fonte: adaptado de Green, Eastwood e Sartu re (1998). (versão colorida - ver prancha 3)

seus dad os em es tudos ambien ta is em todo o país. Outra câ mera de

produção ch inesa é a Infrared Multispectra l Scanner (IRMSS), dot ad a
de quat ro banda s es pectrais , com resoluç ão espacial de 80 m nas
regiões do infravermelho próxim o e do infravermelh o mé dio, e de
160 m n a regi ão es pectral do in fraverm elho t ermal. A largura da faix a
imageada é de 120 km, com resolução temp ora l de 26 dias . As faixas
58
 espectra is de cada uma das qu atro bandas são: lRMSS_l (0,50 11m -
1,10 11m ); lRMSS_2 (1,55 11m - 1,75 11m ); lRMSS_3 (2,08 11m - 2,35 11m) e
IRMSS3 (10,40 11m - 12,50 11m ). A cãmera brasileira foi denominada
Wide Field Im ager (WFI) e é dotada de duas bandas esp ectr ai s (WFC1 ,
0,63 11m - 0,69 11m; e WFI _2, 0,77 11m - 0,89 11m ), com resolução tempo-
ral de ci nco dias e resolução espacial de 250 m. Por suas característi-
cas, seus dad os têm sido utilizados em programas de monitoramento
da cobertura vegetal da amazônia, com o o Deter, desenvolv ido pelo
Instituto Nacional de Pesquisas Espaciais (Inpe) e pel o Instituto Brasi-
lei ro do Meio Ambiente e dos Recurs os Naturais Renováveis (Ibama).

2.1 Interpretação visual

Vamos prosseguir na direção de abordagens m ais qualita tivas . A
Fig. 2.3 apresenta seis imagens do sensor E'T'Ms-/L a nds at 7, nas bandas
ETM+l, ETM+2, ETM+3, ETM+4, ETM+5 e ETM+7, re feren tes ao panta-
nal de Nh ec olãndia, n o Mato Grosso do Sul. A paisagem em ques tão
inclui forma ções de ce rrado arbóre o, fis ionomias campestres naturais
e com postas por gramíneas exóticas (braquiárias), veg etação aquática,
lag oas com diferentes formas, predominantemente circulares, e
cursos d'água.

Atendo-nos exclusivamente à vegetação, observamos que os dosséis

vegetais apresentam-se co m tonalidade escura nas três imagens referen-
tes ao visivel (ETM+l, ETM+2 e ETM+3), tonalidade mais clara na imagem
do infr averm elh o pró ximo (ETM+4) e , finalmente, to nalidade escura nas
imagens d o infravermelho médio (ETM+5 e ETM+7). Como m encion amos
anteriormente, n ão é possível co mparar as ton alidades simi lares entre
essas diferentes imagens das diferentes bandas, pois essa co mparação
so mente é possível den tro de uma mesma im agem.

As diferente s tona lidades ex istentes nas área s ocupadas pel os dosséis

vegetais nas imagens do vis ível se riam, então, explicadas por diferentes
concentraç õe s/atividades de pigm entos fotossintetizantes, que, para o
caso das formações em questão , exp licariam diferentes densidades de
vegetação. Na im agem do infravermelho próx im o, os dosséis de cerrado
apresentam -se "claros". Ess a tona lida de clara é exp licada pelo espalha-
mento da radiação in cide nte tanto no interior das folhas como entre

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+l ETM+2 ETM+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.

Nessa composição colorida falsa cor, as formações arbóreas de cerrado

apresentam cores avermelhadas; as áreas com fisionomia campestre
aprese ntam cores esverdeadas ou esbranquiçadas; e os corpos d'água
mos tram ton alidades esc uras.

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.

A Fig. 2.5 apresenta novamente a compos ição colorid a da noss a im agem

do pantanal, aco mpa nh ada ago ra do m apa temátic o result ante da suo.
in te rpr etação visu al, na esca la 1:50.000.

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

Fig. 2.5 Composição colorida (ETM3-azul, ETM4-vermelho e ETMS·verde) de partedo pantanal de

Nhecolândia (MS) e mapa temático resultante da interpretação visual (versão colorida- ver pra ncha 5)

Ao se comparar visualmente a compo sição colorida com o mapa tem ático

elaborado, observa-se que os principais tem as da legenda apresent am
boa correspondência de distribuição espacial, destacando -se as áreas
de past agem pla ntada em ros a no m apa te mático e os corpos d'águ a
em azul.

Na elab or ação do re fer ido m ap a te m át ico, a in terpretação foi funda -

me nt ada no julga m en to subje tivo do intérprete qu a nt o à de limita-
ção de polígonos que apresentavam padrões de ton alidade, textura
e cor similares . Caberia agora a pergunta: será que, fornecendo ao
intérprete image ns de outra região do país, nas quais ainda ocorram

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

imagens se referem, são conferidos a elas diferentes valores de ganho

e offset que alte ra m dramat icamente a ap arência da cobertura vegetal.
Todos ess es aspectos devem ser levados em consideraç ão em trabalhos
de m apea mento, sobr etudo quando se trabalha com gr andes extens õe s
da superfície terrestre. Portanto, a respost a à pergunta formulada seria
neg ativa, ou seja , o inté rprete não poderia se fundamen tar nos mesm os
pad rões visua is de interpretação .

Vamos a m ai s u m exemplo. A Fig. 2.6 aprese nta uma cena de parte do

Estado do Rio Grande do Su l referente a dois per íodos, aqu i representa-
dos por composições color idas elabora das com imagens TM/ La ndsat 5
n as bandas TM3-azul, TM4-v ermelho e TMS-verde.

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?

Se sobre as im agen s em qu estão não t ivesse sido aplicado qu alquer t ipo

de processamento para corrigir tanto o efeit o da atmosfera (diferenciado
nas du as d atas) como as pos síveis diferenças na sensibil idade (calibra-
ção ) do sensor que as gerou, seria difícil res pon dermos a essas perg un-
tas. No caso e specífico das imagens apresentadas na Fig. 2.6, as duas
foram corrigidas pelo efeito da atmosfera e normalizadas radiometrica-
mente , ou seja, for am com p atibiliza da s de m odo que as m udanças na
aparência dos obje tos presentes na superfície de uma dat a em relação
à outra referem -se exclusivamente às mudanças na reflexão da radia-
ção eletromagnética po r parte desses mesmos objetos, e não às dife ren-
ças das influências da atmosfera ou da calibração do se nsor ao lon go do
tempo. Sobre o processo de normalização que acabamos de mencionar,
sugerimos a leitura do artigo ap resentado po r Hall et al . (1991).

A paisagem n as imagens da Fig. 2.6 é dominada po r vegetação grarni-

noide que serve como pasto para diferentes espécies de bovinos. O que
se observa n a imagem de ou tubro (Fig. 2.6A) são as áreas de pastagem em
tons esverdeados nessa composição, indican do haver pouca fitoma ssa
dispon ivel para o pastoreio. Em março (Fig. 2.6B), a substituição por tons
mais ave rmelhados indica que o espalhamento da rad iação eletrornag-
nética é maior e/ou é também maior a absorção da radiação nas regiões
do visível e do infravermelho médio, dinâmica esta atribuída ao aumento
da fitoma ssa nas pastagens.

Evidentemente qu e cada cena, situação e região em estudo guardam suas

particularidades e detalhes, que devem ser cuidadosamente levados em
consideração pelos profissionais envolvidos nos estudos ou trabalhos.
Os dados contidos nas imagens, sej am eles convertidos para valo res
físicos ou não, r epres enta m apen a s u m a fração da in formação que pode
ser extraída. É fundamental que todo e qualquer trabalho ou estudo que
se utilize de imagens ou de qualquer outro produto de sensoriamento
remoto seja precedido de levantamentos de outros dados, que devem

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.

Quando se trabalha com grandes extensões da superfície terrestre , com o

no caso de programas de monitoram ento de biomas como a mata atlân-
tica (Atlas dos Remanescentes Flore stais da Mata Atlãntica) ou a amazô-
nia (Esti m ati va do Desfl ore st amento Bru to da Amazônia) , os tra balhos
de inter pret ação de imagens requerem qu e a equipe responsável seja
organizada não só por intérpretes qu e extraem feiçôes das im agens , mas
também por outros que atuam como "homogenei zadores" da interpre-
tação. Esses homogeneizadores são responsávei s por conferir algu ma
consistência aos mapas temáticos gerados, dados os diferentes critérios
de in terpre tação qu e podem ser assu midos por difere ntes profissionais.

2.2 Processamento digital

A identificação de objetos em imagens produzid as por sens ores remotos
medi ante interpret ação vi sua l é eficaz quando o interesse é ace ss ar as
caracte rísticas geom étricas e a apa rência geral des ses objetos. Contudo,
vale lembrar que as imagens são comp ostas por pixels, e que a visão
hum ana permite a extração de informação medi ante a análise de
inúm eros pixeIs em conjunto, e não de form a isolada. Para algu ns tipos
de avaliação, como es timativas de área ocup ada por um a determinada
cultura agrícola, por exem plo, o processamen to d igita l dos da dos po :' ,
traze r ganhos sig ni ficativos.

Uma vez que a interpretação visual é baseada na capacidade do intér-

prete humano, so men te informações provenientes de três bandas
corres pondentes a um a imagem mu lti espectra l pode m se r utilizadas
simultaneamente. É im portant e lemb rar que o número de bandas pode
variar significativament e entre os sensores remo tos , des de, por ex emplo,
quatro bandas no MSS/ Landsat 1-4, sete ba ndas no TM/ Landsat 5, até
mais de 200 bandas para sensores hiperespectrais como o Airborne
Visible/ lnfra red lmaging Spectrometer (Avir is) e o Hyper ion/ EO-1. Entre-
 tanto, nem sempre toda s as bandas são necessárias para a identificação
da natureza dos objetos contidos em um pixeI. Há de se considerar ainda
que o intérprete humano não é capaz de discriminar um grande número
de níveis de cinza , normalmente muito menos que o limite da resolução
radiométrica dispo nibilizada pelos sensores (aqui devemos lembrar que
o ser humano não é capaz de dis tin gu ir vis ualmente todos os níveis de
cinza disponibilizados n as imagens multi ou h ip er esp ectrais, t ais como
256, 1.024, 2.048 etc.).

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.

Estão inclu ída s nas ch amadas técnicas de processamento digital aquelas

vol tadas para o pré-processamento dos dados, para o realce visual e para
as famosas técnicas de classificação digital. As té cn ica s de pré-proces-
samento têm como objetivo "preparar" as imagens para serem efe tiva-
mente utilizadas pelos usuários. Elas incluem a aplicação de algoritmos
que visam a corrigir imperfeições geométricas e radiométricas, e normal-
mente são aplicadas pelos forne ce dore s das imagens. Elas também
incluem os ap licativos de correção atmosférica e de eliminação de ruído,
quando necessário. As técn icas de realce têm como obje tivo melhorar
a qualidade visual das im agen s de modo permanente ou momentâneo.
Elas são aplica da s pelos usuários mediante proce ssam ent o de aplica-
t ivo s específicos e incluem gr ande diversidade de opções. Fin alm en te,
existem as técn ica s de classificação digit al, que envolvem a utilização
de métodos pe los quais pixels são associados a classes, de acordo com
suas características espectrais. Essas técnicas de cla ssificação digital
constituem grande foco de atenção por parte dos usuários de produtos
de sensoriamento remoto, pois é através delas que muitos trabalhos de
m apeame nto têm si do viabilizados.

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.

A classificação digital é um pro cesso de reconhecimento de padrões e de

objetos homo gên eos e apli ca-se ao map eamento de áre as con sider adas
pert ence ntes a um a úni ca clas se de objeto s que constituem a legen da
do mape amento pretendido. Para qu e se entend a me lh or em que esse
processo se fundame nta, é importante lembrar que uma im agem é
con sti tu ída por pixe!s e que cada um desses te m coorden adas espaciais
x, y. Uma vez que as im agens são adquiridas em diferentes faixa s ou
bandas es pectrais, usua lmen te a identificação de um pixef específic o é
1
feita por essas duas coordenadas espaciais e por uma terceira, referente
ao domí nio espec tral À, que, como já foi comentado anteriormente, tem
gra nd eza proporcional ã ra diãncia resulta nte da reflexão da ra diação
eletrom agnética inci dente sobre os alvos contido s dentro desse mesmo
pixel. Assim, para uma ima gem de N bandas, existem N niveis de cinza
as sociados a cada pixel, sendo um para cad a banda esp ect ra l (http: //
www.dpi.inpe.brlsp ring/po rtugues/tutoriallclassific.html).

Os algoritmos responsáveis pela efetiva real iza ção da classificação digita l

recebem, coloquialme nte , o nome de "classificadores" e podem ser dividi-
dos em classificad ores "pixel a pixel" e classificadores "por regiões ". Os
classificado res pixel a pixel uti lizam ap en as a informação espe ctra l de cada
pixel para defin ir regiões homogêneas, e se fun damentam em métodos
estatíst icos ou em métodos determinísticos, enquanto os class ificadores
por região utilizam , além de informação espe ctral de cada pixel, a infor-
m ação esp acial que envolve a relação com seu s viz inh os. Procura-se,
ass im, simular o comport ame nto de um foto intérprete, reconhecendo
áreas homogêneas nas im agens com base nas propriedades esp ectrais e
espaciais dos objetos que constituem as classes de interesse .

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.

A prim ei ra etapa de u m processo de classificação digital é denom in ada

treinamento, que se fundamenta no reco nhecimento daqu ilo que mu itos
profissionais den om inam como "ass inatura espectral" das classes
a serem m ape adas. Na re alid ade, o que de fato se faz nessa eta pa do
processo é definir quais as características esp ectrais das tais classe s
para o conjunto esp ecífico de im agen s que se e stá us ando no momento
da re ali za ção da classificaç ão digit al. Trat a-se , por t anto, de uma "assina-
tura espectral"momentânea e mu ito particular ao co njunto de dados em
utilização. O termo "assinatura es pectral" deve sempre ser empregado
como a for m a t ípica de um obje to refletir a radiação eletromagné tica
nele incidente , caracterizada então por fatores de refl ectância, o que
raram ente acont ece qu ando se aplica a classifica ção digital.

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.

A Fig. 2.7 apres enta um possível posicioname nto de amostras de treina -

me nto na elaboração de um mapa tem ático composto apenas por duas
classes: Florest a primári a e Desflore stamento.
Os quadrados e ret ângulos am arelos repres e ntam as superfícies identi -
ficadas pelo usuário como ocupadas pela class e Floresta primária,
enquanto os az uis representam as ár eas ocupadas pela classe Desflo -
restamento . Os números digitais contidos de ntro de ssas superfícies,
em cada banda es pec tral utilizada no proces so de classificação e em
cada clas se, for am utilizados pelo algoritmo par a reconhecer , em toda a
cen a sob avali ação, a naturez a de cada pixeI, nes se caso discretizada em
duas classe s tem áticas . O re sultado costuma ser denomina do tamb ém
de "imagem classificad a". O termo "mapa te mático" é costumeira mente
atribuído ao produto fin al do pro cesso de classificação qu e muitas vezes
in clui etapas de ac aba mento segund o normas da ca rt ogr afia.

Quando a opção é a classificação su perv isionada , assim como ilustrado

na Fig. 2.7, o usu ário po siciona amo stras na ce na procurando abrange r
pixels que compõem o padrão visual da classe que se pretende "espacia-
lizar " no m apa . Ao proced er de ssa form a, é poss ível que den tro de
algumas amo stras sejam incluídos pixels com "ass inaturas es pectrais"
de classes difere ntes daquela que o usuário preten de definir. Assi m ,
gera-se uma possível "con fus ão" para o classi ficador, e ess a "confu são"
pode ser avaliada median te a análi se das chamadas "matrizes de class i-
ficação", que são constituídas por percentuais que expressam o número
de pixels, dentro de uma determ in ad a amo stra, que foram classificados
acertadame nte (diagon al da matriz ), e o número de pixels confundidos
co m outras classes.

A Tab. 2.4 apresenta um exemplo de uma matriz de classific aç ão com

quatro classes. O valor de N repres en ta a qua ntidade de cad a classe
(porcentagem de pixels) qu e não foi clas sifica da, ou seja, não apresentou
"assinaturas es pectrais" similares a qualquer uma das quatro classes

71
 -
Imagem -co mposição colorida Map a t em át ico

o Amostr as de flo resta primária

Amost ras de desflorest ame nto

Fig_2.7 Amostras de treinamento para elaboração de mapa temático composto pelas classes Floresta
primária e Desflorestamento (versão colorida - ver prancha 7)

an ali sadas. Os va lores fora da diagon al da m atriz rep resentam os p ercen-

tuais de pixels classificado s erroneamente.

Um a m atriz de cla ssifi cação nã o pode ser confundida com outro ti p o de

m atriz que p ossu i "aparência" muito sim ila r, ma s que é u sada para avaliar
a exatidão do mapeamento, ou seja, a exatidão do m apa temático elabo-
rad o. Essas m atrizes são denom i-
TAB. 2.4 Exemplo de mat riz de classificação para
nadas "mat riz es de con fusão", qu e
uma amostrafictícia
con front am dados do m apa com
N (lasse 1 ( lasse 2 (lasse3 (lasse4
da dos de ca m po ou de outros m ap as
(lasse 1 4,7 94.3 0,0 0,0 0,9
considerados m ai s ex atos.
Classe1 1.1 0,0 81,3 0,0 16,6
Classe3 0,0 13,3 0,0 86,7 0,0
A Tab . 2.5 apresen ta um exemplo
Classe4 3,8 0,0 4,7 0,0 91,5
de uma matriz de confusão, no qual
Fonte:<http://www,dpi.inpe.br/springlportuguesltutorioV
dassific.html>. fora m confro nta dos 240 pontos
ou amostras no campo, sen do
TAB. 2.5 Exemplo de matriz de confusão que for am dist ribuídos 60 p ontos
(lasse1 Classe2 Classe3 Classe4 Total ou amostras para cada um a das
Classe1 48 1 7 3 60 quat ro classes existentes no m ap a
Classe 2 O 51 1 6 60 temático. Na s linhas, temos o
Classe 3 1 5 54 O 60 resultad o da interpretação , ou
(lasse4 O O 7 53 60 seja, qu ando dizemos que fora m
Total 49 59 70 62 240 co n fro n tados (ou visitados em

72
- ~ - ~ - -_ .
•
p

ca mpo) 60 pontos por classe, essa distribuição foi realizada tomando

como base o próprio mapa tem ático. Nas colunas, encontra mos o resul-
tado do confronto entre a int er pretação e a "verdade" (obtida mediante
dados de ca mpo ou de outro mapa considerado mais exato). Assim, para
a Classe 1, por exemplo, dos 60 pontos co nfrontados , apenas 48 perten-
cia m re almente à Classe 1, e 49 foi o nú m er o de pontos ident ificados
como pertencentes a essa classe após o confronto.

Na diagonal da matriz, encontramos os números de po ntos identifica-

dos corretamente. Para o exemplo apresentado na Tab. 2.5, o somató-
rio da diagonal resulta em 207 pontos mapeados corretam ente, contra
240 pontos analisados , o que resulta em um a exatidão global de
mapeamento de ap roximadamente 86%. Esse valor p ercentual indic a
qu e o mapa não é digno de 100% de confiança. Aceitar ou n ão u m mapa
que apresente um valor de exatidão menor do que 100% como viável em
um determinado trabalho é u ma de cisão partic ular, calcada em as pectos
m ui to p articul ar es qu e envolvem não só m etodologia s e técnicas, como
também aspectos fina n ceiros.

A aplicação das técn icas de processame nto d igit al de imagens no estudo

da vegetação tev e gra n de de s taque no início dos anos 1970, se guindo
até m e ad os da década de 1980. Em seguida, co nt in uo u s endo in tensa,
incluindo o des envolviment o de m etod ologias que se serviram daquilo
que foi denominado como "técnicas híbridas", qu e in cluem , de m odo
co njunto, a cl assificação digital e a interpretação vis ual. Na verdade,
atualmente se entende que não h á uma ún ica e melhor alternativa n a
resolução de um problema específico, e sim que se dispõe de várias ferra-
m ent as que compõem u m leque quas e infinito de opções. A escolha ou
de fin ição de alternativas é fortemen te influenciada pel o grau de conhe-
cimento de que se d ispõe sobre tais ferramentas e opções, tudo dosado
com conhecimento e in teligência.

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.

Algu ns re sultados das aplicações de d ados SAR complexos e das técn i-

cas PoISAR e InSAR para estudos de vege tação serão apresentados na
seção 4.8.

4.6 Aveg etação em dados SAR

Um dos prim eiros tr ab alhos de interpretação da re sp osta da veget ação
em dados radar é o de Ulaby (1975), que instalou u m esp ect rôm etro ativo
e passivo de micro-ondas sobre culturas agrícolas, med indo o espalh a-
me nto proveniente dessas culturas. O con teú do h ídrico das plantas e
dos solos foi medido, e diferentes frequências , polarizaçôes e ãngulos
de incidên ci a do es pectrômetro foram utili zados, permitindo a verifica-
ção da de pendência da re sposta do ra da r às car acterísticas dos objetos.
Confirmou-se então a influênc ia dos parâmetros do se nsor no retroespa-
lha mento, assim como a interação dos parâmetros SAR co m as diferen -
te s característi cas da vegetação e dos solos.

Para florest as ou dosséis vegetais compa ctos, a resp ost a ao radar é a

combinação de diferentes mecani sm os e componentes, como mostra
a Fig. 4.3, qu e incl ui a contribuição dos elementos vegetais e do solo.
Outros autores incluem ainda retroe spalhamento tronco-solo ate nuado
pelo dossel vegetal e espal hamentos múltiplos provenientes dos galhos
(Le Toan et al., 1992).

A m agnitude dos mecanismos de espalham en to e a importância dos

diferentes compo nentes dependem dos fatores geomét ricos (estrutura
das ár vores, dossel e rugo sidade do solo) e das p rop ried ades dielétri-
cas da vegetação e do solo (Dobs on et al., 1995). Frequência, polarização
e ângulo de incidência utilizados pelo radar controlam os mecanis-
mos de espalhamento, e o retroesp alhamento final se rá re sultado de
es palh am ento s superficiais e/ou volumétricos. Le Toan et aI. (1992)
afirm am que os componentes vegetais que agem com o principais font es

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).

A polar ização do sina l de rad ar determina o tipo de interação com os

compo nente s flo restais. Polarizações lineares interagem com es trutu-
ras que têm orie ntações similares , como en tre troncos e a polarização
vv. Galhos ho rizon tais e a supe rfície do solo têm maior inter ação
com a polarização HH. Dobson et aI. (1995) sa lie ntam que a polari zação
HH pode trazer informação sobre as interaçõe s tronco-solo e a polariza-
ção V V é ma is sensível aos atribut os do do ssel flo restal. Como o dassel
é um meio capaz de despo lariz ar a onda incidente (e enviar sin al de
ret orno em polarização dis tinta da polarização do sinal inc ide nte), as
polarizaçõe s cruzadas - HV e VH - são relaciona das ao espalhamento
volu métrico (Saatchi ; Rign ot , 1997).

o ângu lo de incidência do sistema SAR determ ina a "quantida de " de

vegetaçâo ilumin ad a pelo pulso de rad ar. Quanto m aior o ângulo de
incidência, m aior a porção de vegetação "vista" pe lo radar e maior a
ocorrência de espa lh amento volum étrico, gerando ret roesp alhamen to
relativ amente baixo (ocorrem ma is perdas do sinal e atenuação). Para
espalh amento superficial, ex iste forte dependênci a angular, com pe que-
nos ângulos de in cidência gerando alto retroespalham ento (Leckie;
Ranson , 1998).

Para florestas inundadas, como nas várzeas da am azônia, o fenômeno

de refl exõe s duplas entre os t roncos das árvores e a lâmi na d'água que
cobre o so lo provoca a ocorrência de alto ret roespalhamento, torn ando
essas áreas de fác il discriminação (Hess; Melack; Simonett, 1990).

A Fig. 4.4 m ostra um a imagem SAR (Radarsat-2, band a C) com três

polarizações em composição colo rida, de área de flor est a tropical com
sua tex tura típica. A flo resta , representada em tons de verde pe la maior
contribuição da polarização HV (res ultante, principalmente, de es palha-
ment os volu métricos no interior do dossel), ta mbém apresenta tons
vermelhos e azuis, demonstr ando a variedade de mecan ism os de retro-

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.

4.8.1 Discriminação/m ap eamento de for mações ve geta is

Nos Proje tos Radam do Brasi l e da Colõmbia, nos a nos 1970 e 1980, foram
utilizados da do s SAR aero tra ns por tados na ban da X para a classifica ção
de formaçõ es veget ais. No Brasil , a in terp re tação foi realizad a m anual-
mente em imagen s SAR em papel, e as classes, definidas em fu nção
da topografi a/geomorfologia da área; por exemplo: "floresta ombró fila
densa subm onta na", localizad a e m áre as com altitudes médias entre
250 m e 600 m (Velo so; Rangel Filh o; Lima, 1991).
116
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).

Um exe mplo do u so complementar das bandas SAR é a discriminação

privilegiada entre es pécies de coníferas por meio de imagens nas bandas
X e C, ao passo que a diferenciação entre áreas florestadas e não flores -
ta das é favorec ida em imagens nas ba ndas L e P (Leckie; Ran son , 1998).
Os ecos ass ociados a florestas de la ti foli adas são mais inten sos do que os
ecos provenientes de florestas de coníferas. A penetração diferenciada,
segundo os comp rimentos de onda, nos dosséis vegetais, proporciona
interações que favorecem o retroespalhamento de determinados compo -
ne nt es florestais, com o o topo das copas para as ba nda s X e C (faci li-
tando, ass im, a diferenciação entre es pécies vegetais), e a presença ou
não de vegetação par a as ba ndas L e P, graças ao elevado retro espalha-
mento proveniente de florestas nessas bandas.

Imagens em polari zação cruzada (HV ou VH) proporcionam u ma melhor

discriminação dos tipos flore stais para tod as as freq uê nc ias (Saatchi;
Rignot , 1997), pois a interação das micro-ond as no dos se I é u m dos
mecanismos que ocasionam a despo larização das micro-ond as inciden-
te s (esp alha mento volumétrico). Diferentes estruturas de dosse I gera m
um grande intervalo de va lores de retroespalhamento, o que fac ilita a
cla ssificação dos tipos flo restais .

Para fl orestas tropicais . existem relatos da diferen ciação en tre

estágios de sucessão flor estal (Rigno t ; Sal as; Skole, 1997; Yanasse et al.,
1997) e entre floresta, á reas desmatada s (com ou sem biomass a
remanescente) e de cor te seletivo (Saatchi; Soar es ; Alve s, 1997; van der
 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.

A importância da utilização de dados SAR em longos compr im entos de

onda (bandas L e P, p.ex.) pa ra a es ti m ativa de biom assa es t á ligada à
penetraçâo das m icro -ond as no dossel vegetal e à inter ação, principal-
mente, com as es truturas lenhosas dos troncos e galho s, onde a maior
pa r te da biomassa está con cent rada . A dependên cia do ret roespalha-

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.

Dad os Alos/ Pa lsa r (cuj a s ca racterís ticas estão resumidas na Ta b. 4.2) n a s

qu atro po la rizações perm iti ram es ti mati vas de biomassa de até 120 t h a?
em floresta s de co ni feras n a Suéc ia (Magnusson et aI., 2007). Para as
floresta s boreais da Rússia (no projeto Siberi a - SAR Im agin g for Bore al
Ecology and Rad ar Interferom etr y Applicati o ns), dados de coerên cia
obtidos em passagens diárias dos s at élit es ERS-1 e ERS-2 for am ut iliza-
dos no mapeamento de três níveis de volume flores tal e áreas de ve geta-
ção arbust iva e solo n u (Gave au ; Balt zer; Plum m er, 2003)_

Es tudos mais recente s, co m d ados e té cnica s PollnSAR, indi cam a utili -

dade destes para estimativas de altura de flor es ta s (Wa lker; Kell ndor-
fer; Pie rce, 2007; Neum a n n; Ferro -Famil; Reigber, 2010). Como todos
esses estudos nece ssitam de modelos m atemáticos para a de scrição da
estrutura das flores tas (e cons equente aumento da complexidade do s
mo delo s quando flore st as tropicais - com sua dive rsidade ineren te de
estruturas - são cons ideradas), a inclusão da contribuição do retroe spa-
lha menta pro ven iente do solo e da cont ribu ição volu m ét rica do dossel é
um a inovação importante. que traz diminuição no erro quando a altura
de flo restas é estimada.

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.

Antes de prosseguirmos na descrição sob re como proce der para viab i-

lizar tais rnnversô es, faz-se necessário compree nder alguns term os
 e conceitos que serão empregados. O prim eiro deles se refere ao que
efetivamente é medido pelo sensor orb ita l e dá origem ao ND. A Fig. 3.1
apresenta um es quema no qual é possível obse rvar os fatores que inte r-
ferem no valor de radi ância (Lo) efetivame nte med ido pelo sensor.

Topada
atmosfer a

Superfície
da Terra
Alvo Alvo
vizinho

Fig. 3.1 Fatores influentes em l opara o casode umsensororbital

Fonte:Gilabert, Conese e Maselli (1 994).

De tod a a intensidade de flu xo inc idente de radi ação eletro magné-

tica proveniente do Sol (irr adi ância), Eo, o objeto localizad o na super-
fieie terrestre recebe uma por çâo diret a, Eb, e outra porçâo difusa, Ed.
O se nsor, por sua vez , recebe um fluxo de radiação que contém Ls , que
rep resenta a rad iânci a especifica do objeto (rad iân cia real ou de superfí-
cie), Lp, que se refere a uma in tensidade de fluxo de corrente de sua traje-
tória; m, por sua vez, representa a porção da radiação que é espalhad a
pela atmosfera, e a refe re- se à contribuiçâo de obje tos vizinhos àque le
de e fetivo int ere sse.

A mesm a radiància Lopode ser express a t ambém pela seguinte equação:

(3 .1)

ONDE:

offsel(l.) refere- se a uma qua ntidade em valores de NDs suficiente

para comp en sar a chamada corrente escura do dete ctor, ou seja .

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.

É importante destacar que o valor de Lop.) é medido em nível orbital e,

por não se referir exclusivamente ao brilho do objeto observado, recebe
a denominação de radiância aparente.

Para o caso de sensores orbit ais, os va lores de offset().) e de G(À) nem

sempre são atualizados, ficando restritos ãqueles determinados antes do
lançamento do satélite, o que dificulta a determinação de va lores preci-
sos de radi ãn cia apa re nte por pa rt e d a com unida de de usuá rios .

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).

Valores de Lmín().) e de Lmáx(À) também são enco ntrados com relativa

facilidade na literatura ou na internet, em páginas específicas dos fabri-
cantes ou dos admin ist radores de satélites de se nsoria me nto remoto.
Esses valo res são cons tantemen te atualizados, de forma a permitir
conversões seguras dos NDs em valores de radiância aparente.

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.

Quando calculamos o fator de reflect ância medi ante valore s de radiân -

cia bidirecional aparente, dizemos que se trata de fator de reflec tân cia
bid irecion al apa re nte (FRB aparente), valen do aqui os mesm os atributo s
já apre sent ad os pa ra o ter m o apar ente.

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:

LO(À) = Lm í n(i.) +(Lm á x(À) - Lm í np.) 'QCALm áx) (3.3)

O N D E:

Lo(À) = radiãncia bidirecional apa rente;

Lm ín ), = radiância espe ctral mí nima;
Lmá x à ;;;; radiância esp ect ral máxima;
QCALmáx = número digit al m áximo (dep endente da re so lu ção rad io-
métr ica do se nsor);
QCAL = número digital a ser co nvertid o.

A seguir, os valores de radiãncia bidi recion al aparente (Lo(1..)) sã o utiliza-

dos para o cálculo de FRB aparente do segu inte modo:

• .LoP·) ·d 2
pa (3.4)
Esun(À) ' CDS e

O N DE:

pa = FRB apa rente ;

Lo(1,) = radiãn cia bid irecional apa rente (mW cm? sr' um');
d == distância Sol-Terra em unid ades astronôm icas;

78
•

Esun(À) = irradiância média do Sol no topo da at mosfera

(mW cm? sr' um'];
e = â ng ulo solar zenitaL

Ao se trabalhar co m imagens orbita is cujos NDs foram co nvertidos para

FRB apa rente, é possível re ali zar opera çõe s aritméticas utilizan do dados
de im age ns de diferente s ban das espectrais , para um mesmo sensor ou
entre sensores diferentes, um a vez que os novos "NDs" representam
um parâme tro físico apres enta do em um a mesma escala. Apesar disso,
ainda não é possível a caracterização espectral de um objeto ex istente
na superfície terres tre, uma vez que intrínsecos aos valores de FRB
apare nte e ncontram-se os efei to s da atmosfera. Para que tal caracteriz a-
ção seja possível, faz-se necessário elimin ar ou m inim iza r os e feitos da
atmosfera sobre os va lores de FRB apa rente.

3.2 Correção atmosférica

Há duas form as com uns de reali zar a co rreção atm osférica s obre os
valores de FRB aparente, A primeira delas é med iante a aplicaçâo de
um m étodo prop osto por Chavez (1988), denominad o comu m en te
de Correçâo Atmosférica pelo FixeI Escuro (ou Dark Object Subtra ction-
-DOS). Segu nd o esse método, em toda e qualquer cena e em qualquer
banda es pectral exis tem pixels que dev eriam assum ir o valor "O", seja
na s im agens origin ais com NDs, seja naque las já co nvertidas para FRB
aparente, uma vez que eles po deriam não rece ber radi ação incidente
(qua ndo se aplica o método em imagens origina is - NDs não co nv ertidos
par a va lores físicos - , ente nde-se que o objetivo do t rabalho nâo inclui
a caracterizaçâo esp ectral de objetos , m as sim a m elh ora da qualid ade
vis ual, plás tica, das imagens). Portanto, esse s pixels não poderiam refletir
radi açâo (so mbras na regiâo do visivel, por exemplo), pod endo também
absorvê-la totalmente, o que igualmente implicaria valores nulos de
reflexâo (corpos d'água limpida n as regiões do infravermelho próximo e
médio, por exemplo). Caso esses pixeIs apresentassem va lores de NO ou
de FRB apa rente maiores qu e " O", o valor excedente deveria ser explicado
pe la interferência aditiva do espalh amento at mosférico. A correçâo é
feita, nes s e caso, segundo um proced imento bem simples que tem como
objetivo identificar, em cada banda es pectral, quais quantidades de NOs
ou de FRBs aparentes deveria m ser su btraidas de cada im agem como

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.

Uma das principai s críticas à aplicação des se mé todo para proceder à

correção atmosférica de dados orbi ta is, além dessa homogeneidade
assumida da influência atmosférica para toda a cena , refere-se ao fato
de que a correção cons idera somente o fenômeno de es palhamento da
atm os fera , de sprezando completamente o de abs orção. Contudo, é um
método de fácil aplicaçã o, uma vez qu e de pe nde somente de dados da
própria imagem.

A outra alternativa para m inimi zar o efei to da atmosfera sobre dados

orbitais deve se r aplicada so men te sobre valores de radiância aparente
ou FRB aparente. Trata-se dos modelos de transferência radiativa, como
o Moderate 5pectral Resolution Atm osphe ric Transm ittance Algorith m
(Modtr an) e o 5imula tion of the 5atellite 5ign al in th e Solar 5pect ru m
(55), po r exemp lo. Esses e ou tros modelos são im plementados em
prog rama s computacionais que oferecem opções variadas de entrada
de dados provenientes da caracterização da atmosfera, principalmente
em relação às concentrações de vapor d'água, o" pro fundidade óp tica e
tipo e concentração de aerossóis. Há possibili dade, ainda, de informar
parâmetros refe rentes às propriedades espectrais de objetos vizinhos
àq ue le do qual se pretende cor rigir o efei to da atmosfera sobre se us
va lores de FRB apare nte apresent ados em imagens orbitais.

A principal vantagem da aplicação desses modelos de transferência radia-

tiva é que eles consideram também o fenôme no de abso rção da radiação
eletromagnética, o que implica resultados frequentem ente m ais confiá-
veis quando o interesse é correlacionar os valores de FRB presentes nas
imagens com parâmet ros geo físicos ou biofísicos de objetos ex isten -
tes na su perfície terrestre. Porém, a caracterização da atmosfera no
momento da obtenção dos dados orbita is é u m a tarefa difícil e cu sto sa,
que normalmen te envolve diferentes profissionais e equipamentos de
alto custo de aquisiçâo e de manutençâo. Apesar di sso, é poss ível aplicar
tais modelos adotando algumas condições de contorno e aproximações

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.

Em qualquer um dos métodos de correção atmosférica mencionados,

o resultado fina l é a den omi na da reflectãncía de superfície, ou seja ,
assume-se que os FRBs resul t ant es referem-se a esti ma do res da reflec-
t ância bidirecion al dos objetos pre sentes na superfície terrestre, sendo
possíve l, en tão, sua caracterização esp ectral.

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.

Observa-se no gráfico que os v alores de ND originais apres entam-se

bas tante diferentes dos demais. Confo rme já mencio nado, os valores de
ND origin ais não servem como referência para a caracteriz ação es pec-
tral de objetos. Observando agora a cur va dos va lores de ND refer en-
tes aos FRBs aparentes, é possível con st atar que as maiores diferenças
des tes em relação àqu eles FRBs de su perfície, seja m oriundos d a aplica-
ção de um modelo de transfe rência rad iativa (65) ou do mé tod o DOS, se
verificam na região do visíve l, diminui ndo nas regiõe s do infrave rmelho
próx imo e médio. Na região do visível , os valores de FRB aparente são
sempre supe riores aos de FRB de supe rfície devido ao fenômeno de
espalhame nto da radi ação eletromagnétic a causa do pela in terferência
atmosférica. Pela análise das curvas denom inada s como Aparente , 65

_._---_._----== •
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)

e DOS, observa -se que, para a região do visível, as m aiores dinâmicas

dos va lores de FRBforam verificadas na s band as de menor comprim ento
de onda , ou seja , ban da ETM+l, segu ida das banda s ETM+2 e ETM+3,
respectivamente. Nas regiões do in fraver m elho próxim o e médio, os
valores de FRB de su pe rfície são frequente mente superi ores aos de FRB
apa re nt e, uma vez que o fenô meno domin ante nessas re giões espec-
t ra is é a absorção da rad iação eletro m a gné tica por conta da at m osfera.
Isso é vá lido qu an do da aplicação de modelos de tran sfer ên cia rad iativa.
Quando a correção at m osféri ca é feit a m ediante a apl icação do m ét od o
DOS, o inverso é ve rdadeiro, uma vez qu e esse método cons idera aind a o
fenômeno de es palhamento como dom inan te.

Em trabalhos que exigem ou se fund amenta m no es ta belecimento de corre-

lações ent re dad os orbitais e parãme tros geofísicos ou biofísicos (an álise
qu antitativa), tais corr elaç õe s devem ser es tabelecid as com va lores de
FRB de sup erfí cie em fu nção da m elhor representação das ch am adas
ass in aturas espectr ais de objetos, term o utili zado p ar a ide ntificar a form a
típica de um objeto refl et ir a rad iação elet rom agn ética inciden te ao longo
de certa ampli tu de es pectral.

3.3 Norma lização radi ométrica

Vamos ret roce der à nec essidade de ca racterizar espectr almente u m
obj et o exis tente na superfície terr estre m ediante o uso de d ados orbit ais .

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.

A minimização dessas influências se dá através da chamada Normali-

zação Radiométrica, primeiramente proposta por Hall et aI. (1991), que
denominou a técnica como Retificação Radiométrica , a qual é baseada em
dois pa ssos: 1) aquisição de um conju nto de d ados de con trole caracte-
rizado pel a baixa ou nenhuma variação em seu s valores de reflectân-
cia média entre as imagen s; 2) determinação empírica dos coe ficientes
pa ra a tr ansformação linear de todas as im agens em relação aos dados
de referência.

o conjunto de dados de controle é composto por valores de FRB cons i-

derados invariantes ou es táveis ao longo do tempo . Como invariantes
são con siderados objetos como solo exposto, estradas, corpos d'água e,
eve ntualme nte, algumas so mbras. O referido conjunto é composto por
objeto s claro s e escuros em cada banda espectral, de forma a permi-
tir o estabelecimento de uma regressão linear para nova definição dos
valores dos FRBs intermediários. Dessa forma, considerando uma série
temporal de imagens orbitais de um sen sor qualquer, uma passagem
(data ) é defínid a como referência e, na s im agens de cada banda espec-
tral, são identificados os objetos mais claros e mais escuros, mas que
possuam pou ca ou nenhuma variação es pectra l ao lon go do te mpo.
O mesmo procedimento é adotado com as dem ais imagens que se
pretende normalizar em relação àquela de referência.

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.

A aplicação dess as transforma çõe s line are s resulta em um a nova

série de im age n s (um a para cada ba nda de in teresse) que apresenta m
compatibilid ade espect ra l com a imagem definida como de referência.
Valor es de FRBs escu ros e cla ros dessa nova imagem dita normal izada
passam a apresentar va lores si milares aos da imagem de re ferência. Os
valo res intermediários de FRB são então determinados pela transfor-
mação line ar e assume-se que , havendo difere nça en tre as imagen s de
um mesmo objeto, identifica do tanto na im agem de referência co mo na
normalizada, t al diferença se deve à dinâmica espectral verificada po r
alteraçõe s físico -químicas do objeto.

Evidentemente, essa pres suposiçao pod e n ão se r totalmente verda-

deira, mas a normalização radiométrica ai nda é um dos procedimentos
mais aceit áveis quando d a ca racterização espectral temporal de objetos
media nte o uso de dados orbitais .

3.4 Transformaçõ es radiométricas

A caract erística multie spectral da ma ioria dos dados de senso riam ento
rem oto proporciona a vantagem de gerar novas image ns por meio de
transformações radiom ét ricas. Essas nova s imagens geradas represe n-
tam uma altern ativa para a apresentação das info rm ações de d íferen-

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.

3.4.1 índices de vegetação: conceitos e aplicações

Agora qu e já vimos a importâ ncia d a conversão dos NDs em va lores físicos
e ente ndemos a impo rtâ nci a da no rmalização rad iom ét rica quando da
considera ção de sé ries tem porais de im agens, podemos pr osseguir com
a apresent ação do conceito de índ ice de veget ação.

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.

Diversos índices de vegetação têm sido propostos na liter atura com o

objetivo de ex plorar as propriedade s espec t ra is da vege tação , es pecial-
mente nas reg iões do vi sível e do infravermelho pr óxim o. Esses índice s
são relacion ad os a parâ m etros bio físicos da cobertu ra vege ta l, com o
biomassa e índice de á rea foliar, alé m de mi nim izarem os efeitos de
ilumin ação da ce na , de clividade da supe rfície e geometria de aq uisição,
que influen ciam os valores de reflectância da veg etação.

A fu ndamentação da proposição de sse s ín dices reside no com port am en to

ant agôni co da reflectância d a vegetação nas duas re giões es pectrais
m encionad as (visível e in fravermelh o próximo ). Em pr incípio, qua nto

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.

Observa-se que a dist ribuição da reflectância no espaço bidimensional

seg ue um pad rão dependente das propriedades es pectrais dos objetos
mais freque ntemen te encontrados em um a cena observa da em nível
orbital. Por exemplo, em se tratando dos recursos naturais , seriam a
água, o solo e a vegetação. Cada um desses elementos da cena ocorre
em proporções diferenciadas dentro de um mesmo pixel das imagens
geradas, e aqueles pixels que contêm as proporções m ais "pur as " de um
desses elementos es tarão localizados nos ex tremos dessa dist ribuição de
pont os, a qu al frequentemente assume a form a de um triân gulo ou de um
cha peuzinho de gno mo. Na porção inferior esquerd a (valores m ais baixos
de reflectância tanto no visível como no infravermelho próximo) dessa
dis trib uição de pontos esta ria m localiza dos os pixels dentro dos qu ais
estariam os corpos d'água e as regiões sombreadas da cena. No vértice
inferior direito es tariam aqueles pixeis representativos dos solos mais
expos tos , aprese ntando valores "médios" de reflectânci a nas duas faixas
es pectrais mencionadas . No vértice superior es tariam os pixels ocupados
pelas maiores proporções de cobertura vege tal, os quais aprese ntariam,
então, valores baixos de reflectâ ncia na região do visível e valores altos
na região do infrave rme lho pró ximo . Os pixeIs ocu pados por va lores inter-
me diários das proporções de cada um desses ele mentos es tariam locali-
zados também em posições interme diárias dentro dessa distribuição,
mais ou menos distantes dos vértices. Trataremos mais det alhadamente
sobre a composição proporcional dos elementos que compõem uma cena
dentro de um pixel quando discutirmos a técnica de mistura espectral.
Porora, limitemo-nos a compreender que nesse espaço bidimensional de
atributos, nos vértices desse triângulo. se rão encontrados os pixels com
as proporções mais puras de um determ inado elemento da cena .

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.

Vimos que a reflectãncia espectral característi ca da veget ação verde

sadia mostra um evidente contraste entre a reg ião do visível e a região
do infravermelh o próximo. Em geral, pode -se consider ar que qu an to
maior for esse contraste, maior vigor terá a cobertura vegeta l image-
ada. Por que in cluímos agora a regi ão específica do vermelho em subs ti-
tuição à do visível? A respos ta está na relativa menor influ ência dos
efeitos da atmosfera e na maior absorção da radiação eletromagnética
pela ação da clorofila , que se veri fica ne ssa faix a espectral em relação
às demais referentes à região do visível. Sabe-se que, quanto menores
forem os comprimentos de onda, maior será a interferência da atmos-
fera . Por isso, privi legia-se a região do vermelho em detrimento à do azul
e à do verde.

Entre as prime iras publicações que reportam o uso da diferença entre as

reflectâ ncias registradas no infravermelho próximo e no vermelho para
estimativas de biomassa ou para índices de área foliar, encontram-s e os
trabalhos de Jordan (1969), Pearson e Miller (1972), Colwell (1974) e Tucker
(1979). Esse é o princípio em que se baseiam os índices de veget ação
que combinam a informação registrad a nessas duas bandas ou regiões
do espectro eletromagn ético. A seguir, são aprese ntados os principais
índices de vege tação disponíveis na literatura.

índicede Vegetação da Razão Simples (Simpfe Ratio - SR)

A razão simples foi o prim eiro índice a ser usado (Jordan , 1969). É obtido
pe la divisão de valores de FRB refer ent es à re gião do in fravermelh o
próximo por valores de FRB correspondentes à região do vermelho,
segundo a equação:

89
 (3.61

ONDE:

P,VP = FRB no infrav erme lho próximo;

Pv = FRB no vermelho.

En tret anto, pa ra áreas densamente vegetadas, a qu antidade de radiação

eletro mag nética re fleti da, referente à região do ve rmelho aproxim a-se
de valores muito pequeno s, e essa razão, consequentemente , aumenta
sem limites.

índice de Vegeta ção da Diferença Normalizada (Normalized Difference

Vegetation Index - NDVI)
Rouse et aI. (1973) normalizaram a ra zão simples para o in tervalo de -1
a +1, propo ndo o índice de vegetação da diferença normalizada (NDVI). Para
alvos terrestres, o limite inferior é de aprox imad amente zero (O), e o
limite supe rior, de aproximadam ent e 0,80. A normalização é feita por
meio da se gu inte equação:

(3.7)

ON DE:

P IV P = FRB no infraverm elho próx im o;

Pv = FRB no vermelho .

Como ferramenta para o m onit oramento da ve ge tação , o NDVI é uti lizado

para con s truir perfi s sazona is e temporais das ativ idades da veg etação,
permitindo compar ações inter anu ais de sses perfis. O perfil temporal do
NDVI te m sido util izado para detecta r ativid ades sazonais e fenológicas,
duração do periodo de crescimento, pico de verde, mudanças fisiológicas
das folh as e pe ríod os de senescên cia.

Trata -se de um índice amplamente utilizado at é os dias atua is, tendo

sido explorado com diferentes abordage ns em estudos climáticos e de
culturas agrícolas e florestais . Vale salientar, entretanto, que, apesar do
relativo sucesso de su a aplicação em es tudos de vegetação, sua interpre -
tação deve levar em consideração vários fatores limitantes. Esses fatores
90
incluem, por exemplo, os já mencionados pontos de saturação, que se
mani festam de forma diferenciada nas faixas es pec trais do vermelho e
do infravermelho próxi mo; a interferê ncia atmosférica, també m diferen-
ciada nessas duas regiõe s espectrais; o posicionamento do ce ntro e, por
fim , a largura de cada banda (ta nto no ver me lho como no infravermelho
próximo), que varia conforme os sensores .

Além desses aspectos, o usu ário deve ainda considerar a resolução

es pacial do se nsor com o qu al está trab alhan do, pois os re sultad os para
u ma mes ma cena e data de aqui sição de dados pod em va riar dr a m atica-
me nte em função dessa variável, que afeta a pureza espectral ou compo-
sição do pixel.

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.

Na Fig. 3.5, a im agem NDVI, quando comparada co m a cornposiçao

colorida, aprese nta alguma correlação entre os tons de cinza mais
cla ros (m aior es valores de NDVI) e os tons alaranjados da com posição
colorida (áreas ocu pa das por vegetação de porte arbóreo). Tal relação é
consistente, pois os tons mais claros da image m NDVI representam as
form ações vegetais com maior vigor ou densidade de cobertura na cena
em qu estão.

É importante destacar os já comentados aspectos relacionados à

saturação dos va lores de FRB referente s às regiões do verm elho e do

91
~~----
 o! 2,4
!

Fig. 3.5 Composição colorida (ETM3-azul, ETM4-vermelho e ETM5-verde)do pantanal de Nhecolândia

(MS) e imagem NDVI correspondente a essa cena (versão colorida - ver prancha 10)

infravermelho próximo, segundo o desenvolvimento ou a densidade da

vegetação. Ess es pontos de saturação limitam fortemente o comporta-
m ento e sperado do índice em re laç ão à densidade da cobertura vegetal,
p or exemplo . Ainda, conforme já vimos, a re flect ância bidir ecional de
dosséis vegetais nessas duas re giõe s e spectr ais é for tem ente influen-
ciada por sombras, al ém da in fluência de parâmetros bi ofísicos. Dessa
forma, a relação es perada entre o NDVI e a biomassa, por exemplo, p od e
não ser identi ficada para alguns tipos de cobert ura vege tal ou ãng ulos de
observação e de iluminação.

Para exemplificar o que es tamos t ra tando, basta imagi n ar uma ce n a n a

qual tenha mos fl ores tas prim ár ias (florestas em est ágio rJf' r -l im ax ou rJp

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.

índicede Vegetação Perpendicular (Perpendicular Vegetation Index - PVI)

Richardson e Wiegand (1977) propus eram um índice a partir da infor m a-
ção das bandas 5 (ve r melh o) e 7 (infraver melh o próxim o) do se n sor MSS,
conh ecido como índice de uegetação perpendicular (PVI):

PVI = a p IVP - ~P v (3.8)

ONDE :

P IVP = FRB n o infravermelho próxim o;

pv = FRB no vermelho;
a e p = parâmetros da linha do solo.

-- - --------~-. -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.

índicede VegetaçãaAjustado para o Safo (Sai! AdjustedVegetation Index- SAVI)

As caract erísticas do solo têm uma influência considerável no espectro de
radiação prove nie nte de dosséis ve geta is e sparsos e, consequentemente ,
no cálculo dos in dices de vegetação (Hue te, 1988). Assim, em num ero sos
estudos, o brilh o do solo (pr incipalmente em s ub strat os de solos e scu ro s)
tem mostrado um aumento no valor de índ ices de ve get ação como o SR
(razão simples) e o NDVI.

Hu ete, Jackson e Post (1985) verificaram que a se nsibilidade dos índice s

de vegetação em relação ao material de fundo (solo) é maior em dosséis
com níveis médios de cobertura ve get al (50% de cobertura verde). Por
isso, introduz-se, no SAVI, uma constante "L" que tem a função de
minimizar o efe ito do solo no resultado final do índic e. Essa consta nte foi
estimada a partir de considerações feit as por Huete (1988) e in tro du zida
nas medições experimentais da refl e ctância calculada para as bandas
do in frave rmelho próximo e do vermelho em duas culturas agrícolas:
al godã o e p astage m. Assi m , a fór m ula para o cálculo do SAVI fica :

(3.9)

ONDE :

L:: constante que minimiza o efeito do solo e pode variar de O a 1.

Segundo Huete (1988), os valore s ótimos de L são:

L = 1 (para densidad es ba ixas de vegetação);
L = 0,5 (de nsida de s m édias);
L = 0,25 (densidade s alt a s).

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).

indice de Vegetação Resistente ã Atmosfera (Atmospherical/y Resistant

Vegetation Index - ARVI)
Esse índice foi proposto e desenvolvido por Kaufman e Ta nré (1992) para
ser aplicado no sensoriam ento remoto da vegetação no sensor Moderate
Resolutio n lmaging Spectroradiometer (Modi s-EOS), com o objetivo
de reduzir a dependência do antigo NDVI às co ndições atmosféricas.
Na formulação desse índice , são usadas imagens das ban das do az ul,
do vermelho e do infravermelho próximo.

Segundo Kau fm an e Holben (1993), a reflec t ãncia da vegetação detec-

tada n a região do vermelho é menor do que na faixa do in fraverm elh o
e , portanto, m ais sensível aos efeitos atmosféricos. Em consequência,
o es forço em re defin ir o NDVl é dirigido à tentati va de reduzir o efeito da
atmosfera na re gião do ve rmelho.

Nesse novo índice, no lugar da radiância no rmali zada na reg lao do

ve rme lho, como no NDVI, é u sada a radiância normalizada vermelho -
-azul prb, que é m ais "re sistente" aos efeitos atmosféricos.

Portanto, a formu lação do ARVI passa a ser:

(3.10)

O N DE:

P,b = p, - y(pb - p-]:

Y = parâmetro não específico, que depende do tipo de aerossol; tem
co mo obje tivo red uzir o efeito atmosférico.

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).

índi ce Global de MonitoramenroAmbiental (Global Environment Monitoring

Index - gemi)
Pintye Verst raete (1992) a na lisa ram a influência da atmosfera em índices
de vege tação como o SR e o NDVI.

Uma ve z que , no caso do sensor AVHRR-Noa a, a influência da atm os-

fer a é ma ior na banda 1 (vermelh o) do qu e na banda 2 (in fravermelho
próximo ), Pinty e Verstraete (1992) propuseram um novo indice para o
monitoram ento globa l da vegetação, o GEMI (índice global de monítoramento
ambiental), o qual foi concebido para m in imizar a influência dos efeitos
atmosféricos no valor fina l do índice. Em rel ação aos efeitos atmosféri-
cos, o novo índice imaginado deveria ter as carac terísticas descritas a
seguir.

A "transmissão" é definida como a razão en tre o índice de vegetação no

topo da atmosfera e o seu valor máximo na superfície terrestre (isto é,
próximo de 1) e deve at ender aos seguin tes re quisitos :
1] se r o ma is insensível pos sível em relação aos diferentes valores do
índice;
2} ser o ma is insensível possível e m relação às variações da es pessura
ópt ica da atmosfera;
3] t er uma ampla fai xa de va riação;
4J se r empiricame nte re pre sentativa da cobertura da vegetação, de
forma comparáve l ao SR e ao NDVI.

O cálculo des se ín dice é dado por:

GEMI ~ ~(1- O, 25~) p, - 0,125

l - p, (3.11)

96 _ _ .. • • ·•
~
_
-
+
-
-
-
-
-
-
_
~
~
~
.
u
•
 ONDE:

Os valore s do novo índice variam entre O e +1 sob re áreas continentais.

índice de Vegetaçãa Melhorado (Enhanced Vegetation Index - EVI)

O índice de vegetação melhorado (EVI) foi desenvolvido para ot im izar o sinal
da veget ação, melhorando a sensibilidade de sua detecção em reg iões
com maiores densidades de biom assa, e para reduzir a influ ênci a do
sinal do solo e da atmosfera sob re a resposta do do ssel. Nesse sentido, o
EVI é calc ulado por meio da seguinte equação (Justice et aI., 1998):

EVI ~ G(NIR- Vermelh o)/ (L + NIR+ Cl vermelh o - C2 azul) (3.12)

ONDE:

Lé o fator de ajuste para o solo; G, o fator de ganho; e Cl e C2, os coefi-

cientes de ajuste para efeito de aerossóis da atm osfera . Os valores dos
coe ficientes adotados pelo algoritmo do EVIsão: L = 1, Cl = 6, C2 = 7,5
e G = 2,5 (Huete et aI., 1997; Ju stice et aI., 1998). ,
A Fig. 3.6 m ostra as im agens NDVI e EVI da Am érica do Sul. Como se
pode ver, a im age m do EVI apresent a m aior cont raste entre a floresta
amazônica e a região do s ce rrados.

3.4.2 Mistura espe ctral

Como vimos anteriormente, os sen sores medem a radiância espec-
tr al reflet id a ou emitida por objetos presen tes na su perfície terrestre.
O registro dess a int en sidad e de ener gia refle ti da ou emi t ida po r u m
obje to é feito dentro de um ele m ento de resolução qu e comumente
recebe o nom e de pixel (pieture element). Dentro desse pixeI pod em estar
incl uídos diferen te s objetos ou elementos da cobertura superficia l. Isso
gera o que cha mamos de mis tura espectral, ou seja, a respos ta espectra l
de um pixel da imagem é resultado da combinação da resposta esp ectral
dos com ponentes que forma m esse pixel.
 NDVI EVI
SOOm SOOm

• 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

A iden tifica ção/classificação e a estimativa de área de dife rente s tipos

fisionõmicos de cobertur a vegetal mediante o uso de imagens de
"resolução média" - termo ut ilizado para sensores como Lan dsat MSS,
TM e ETM+, entre outros, que surgiu após o advento dos sensores de
resolução espa cial fin a (mé t rica ou submétrica), des ignados de se nso-
res de "alta resolução espaci al" - têm sido re alizadas com algum grau
de s ucesso em locais onde a cobertura veget al é uniform e e ho mogê-
nea. A cla ssifica ção precisa de flore st as decíd ua s e de coníferas tem
sido reportada na lit eratura. Por outro lado , em áreas onde a cobertura
vege tal não é homogênea, especi alm ente nos lim ites entre dife rentes
fis ionom ias, a preci são da classificação pode ser grandemente reduzida.
Isso in dica que os limites da resolução espacial do s dados multiespec-
tr ais podem colocar re strições na utilidade desses t ipos de da dos para
aplicações esp ecí ficas. Téc nicas de am ostragem por multies tágio com
probabilidade de sele ção proporcion al à área são u m exe mplo de como
essa problemá tica aca rreta lim itações em aplica çõe s de recursos flo res-
tais. Essa té cnica, que tem s ido usada por diversos autores, é sens ível a
erros na es timativa in icial das área s cober tas po r cada tipo de ve geta-
ção classificada. Por exem plo, o result ado da ava liação do volu m e de
m ad eira depende diretam ente da área calculada da flo resta que es t á
se ndo estudada. Porta nt o, a limitada utilidade dos dados mu lties pectrais
aum enta parcialmente com o problema de m is tu ra espectral.

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.

Uma representação real do problema de mistura espectral pode ser

observada na Fig. 3.7 (imagem orbital), que mostra uma imagem do
sensor TM/Landsat 5 (30 m de resolução espacial), além de uma grade
representativa da resolução espacial de uma imagem do sensor AVHRR/
Noaa (1,1 km de resolução espacial).

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.

Modelo linear de mistura espectral

A mistura espectral, dependendo das características específicas dos
alvos no terreno, pode ser linear ou não linear. Apenas o modelo linear
será considerado aqui, por ser amplamente utilizado pelos pesquisado-
res e apresentar resultados consistentes. Seguindo essa abordagem, a
resposta espectral em cada pixel, em qualquer banda de um sensor, pode
ser imaginada como uma combinação linear das respostas espectrais de
I
100
--~ --+--- -
cad a compone nte presente na m istura. Então. ca da pixel da im agem. que
pode ass umir qualquer valor dentro da escala de nivel de cinza (2" bits).
cont ém informações sobre a proporção (quantida de) e a respost a espec-
tra l de cada componente dentro da unidade de resolução no terreno.
Port an to. pa ra qu alquer imagem multiespectral gera da por qu alquer
sistema senso r, conhe cida a proporção dos compon e ntes, se rá possível
es tima r a re sp osta espectral de cada um desses componentes . Simila r-
mente, se essa respos ta for conhecida, e ntão a proporção de cada compo -
nen te na mistura pode rá ser es timada.

o modelo de mi stura esp ec tral pode ser escrito como:

f 1 = 3 11 Xl + 312 X2 + + 3 1n Xn + e ]

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;

ei = erro para a i-ésima banda espectral;

j ~ 1.2• .... n (n ~ número de componente s assumi dos par a o problem a);
i ~ 1.2•...• m (m ~ número de bandas es pectrais para o sistem a sensor).

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.

ai Problema de inversão: o m od elo de m istura espectral se m o termo

relativo ao erro definido acim a po de ser ree scrito na form a de matriz:

R =A x (3.15)

O NDE:

A é uma ma triz de m linh as por n colunas con tendo dados de entrada,

representando a refl ectância espectral de cada componente; R é um
vetor de m colunas, rep resent ando a reflectância do pixel medida pelo
sistema se nsor; e x é um ve tor de n colunas, representand o os valores
de proporçâo de cada componente n a mi stura (variáveis a es tim ar ).

o proced im ent o para resolver um problema de sensoriam ento remoto

com o o da Eq. 3.15 é ch am ado de problem a de inversâo ou método de
medidas indiretas . Nesse caso, a refl ectância es pectral média do pixel
(R) é assu m ida como depend en te linear da reflect ânci a es pectral de
102
 cada componente (A). Portanto, o valor de proporção (x,) será zero se
os respe ctivos ai j e Ti não forem dependente s entre si.

Inversões num éricas pod em produzir res ultad os m atem aticamente

corretos , mas fisica me nte inace itáveis . É importante ente nder que a
maioria dos problem as de inversão física é ambígua, uma vez que
ele s não têm um a solução ún ica, e um a discreta solução razoável é
alcançada pela im posição adicion al de condições de contorno.

Em sensoriamento remoto, os usuários normal m ente es tão intere s-

sados em conhecer o estado de u m a (ou de vá ria s) qua ntidade física ,
biológica ou geográfica, tais como a biomassa de um a cultura agrícola
es pecífica, a quan tidade de um gás poluent e na at mo sfer a ou a exten-
são e o es ta do da cobertura globa l de neve numa det ermi nada da ta .
Entretan to, somente em casos excepcionais a dis tância entre o objeto
de intere sse e o sistema se nsor util izado permite a medida direta da
qu antida de desejad a.

b] Métodos matemáticos para a inversão do modelo: para a so lução

de sis tema de equaçõ es lineares que repre senta o nosso modelo de
m ist ura espectral, ex istem vária s abordagens matemá ticas basea das
no método dos mín imos quadrados. A seguir serão apresentados três
algoritm os que est ão dispo níveis no s atuai s aplicativos de processa-
mento de im age ns (Spring, Envi, PCI etc.).
b.1 I Mínimos quadrados com restrição (Constrained Least Squares - CLS)
Este método es tim a a proporção de cada componente dentro do
pixel, m inimizando a soma dos erros ao quadrado. Os valores de
prop orção devem se r não negativos e so mar 1. Para sol ucio nar
esse problem a, foi desenvolvido um m éto do de solução quase
fec ha da (p.ex., um méto do que encontra a solução por m eio
de aproxim ações que satis façam as restrições). Nesse cas o, o
mé tod o aprese ntado considera três componentes dentro do
pixeI. A ex ten são desse método para quatro ou mai s componen -
tes den tro do pixel é possivel, m as apresen ta u m a complexid ade
m aior. Assim, o mo delo de m istura po de se r reescrito como:

(3.16)

103
 Ne sse caso, a fun ção a ser m in im izada é:

F=I et (3.17)

ONDE:

i = 1, 2..... m é o nú mero de bandas es pe ctrais do sens or utiliz ado

(p.ex., m = 4 para o MSS, ou m = 6 para o TM do Landsat ). Agora, consi-
de ran do a prim ei ra restrição, is to é, xi + X 2 + X 3 = 1 ou
X3 = 1 - xi - X 2 e

substituindo X 3 na Eq. 3.17, a função a ser minimizada é:

Os co eficientes Ai a A6 s ão fun ções dos valores de refl ectân ci a; aij, os

valores de reflectânci a do s componentes e Ti. os v alores de reflectância
do pixel.

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 )

DF/ dx, ~ 2 A, x2 + A, x, + As O (3.20)

Resolvendo para xl e x2:

(3.21)

x, = (A, A 4 - 2 A, As) /(4 A, A, - A,,) (3.22)

104
•
Então, existem cinco situaçõe s po ssíveis (Tab . 3.1), descritas a seguir.

TAB. 3.1 Situações possiveis paraa solução dosistema deequações

Situação Xl X2 Dentro da região Valores a serem calculados X3

1 + + sim
2 + + não Xl e Xl o
J + não , , (,, = 0)
4 não X, =Xl = O
5 + não , ,(,, = O)

1) Sit uação 1 (valor m ín im o dentro da regi ão de interesse). Então, essa é

a so luç ão final e X3 = 1 - X l - X l .
2J Situação 2 (valor mínim o fora da re gião e x, e x, sã o positivos). Ne sse
caso, o valor mínimo restrito é pr ocu rado n a reta definid a por xi + X 2 = 1
(is to é, x, = O). Agora, fa zen do x, = 1 - x r, a fu n ção a ser m inim izada é:

o va lor mínimo será ob tido por:

(3.24 )

Então:

(3.2 5)

Se X l > I, e ntã o faça xi = I , ou se xi < O, faça Xl = Oe X2 = 1 - xr.

31 Situação 3 (va lor mínimo for a da região , xr é ne gativo e x, é positivo).

Nesse cas o, fa zendo xi = 0, a função a ser minimizada torna-se:

(3.26)

Resolvendo para en contrar o m ínim o, X2 = -As/2 A 2. Se X2 > 1, então faça

X2 = 1, ou se X2 < 0, faça X2 = O e X 3 = 1 - X 2.

, 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)

Resolvendo para encon trar o m ín im o, x, : : : -A4/ 2 Al . Se xi > 1, ent ão faça

Xl = 1, ou se Xl < 0, faça xi = O e X3 = 1 - xi.

b.21 Mínimos quadrados ponderados (Weighted Least Squares - WLS)

Con sidere o ajuste de cur va dos dad os com uma curva que tem
a forma in dicada em (3.28), em que a variáv el dep en dente R é
lin ear em relação às const antes x i, X 2, . . .• X n .

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 .

Algumas vez es, as informaçõe s obtidas em um experimento podem ser

m ais precisas do qu e outras fon tes de informação do mesm o experi-
m en to. Em outros cas os , é conven ien te usa r algu m as in for mações adicio-
nais (conhecimento prévio) para to rn ar a solu ção fisicamente releva nte.
Em tais ca sos , po de ser desej ável da r um "pe so" maior para aquelas in for-
mações que sã o con sideradas m ais acu radas ou m ai s importantes para
o problema. Ponderar certas informaçõe s (p.ex., informações adiciona is)
é desejável pa ra ap roxima r a solução do significado físico e, assim , obte r
uma solução aceitável.
106
Nesse caso, xi + X 2 + ... X n :::: 1 e O :s: xi, X2, . .. x., :s: 1 são as con diçõe s que
devem se r satisfeitas para a ob te nção de u ma so lu ção aceitável. Então ,
n + 1 equações são adicion adas ao sistema d a Eq. 3.28: uma corres-
pondendo à condição de soma das proporções igual a 1 (x, + X, + ...
X n :::: 1) e outr as n correspondendo à condição de qu e as prop orçõe s não
de vem ser n egativas (Xj :S: 1; j :::: 1, 2, ..., n). Par a re solve r esse problema ,
quando a s res tr içõe s não são atendidas, é aplica da uma mat riz diago-
n al W contendo valores de pe so s ass ociados ao sis tema de e qu açõe s a
se r re solvido. Ini cialme nte , os m pr im eir os valores atr ibuídos igu ais a
1, ao longo da matriz dia gon al W , in di cam que as equações sã o igual-
m ente importantes para a solução do proble ma. Um valor muito alto n a
sequ ên cia da diagonal correspon dente à pr imeira restrição (soma Xj ::::

1) indica que essa equação deve ser rigorosamente sa tisfeita. Assim, se

os val ores de Xj são satisfeitos, isto é, se eles estão no in te r valo zero e
um , então a solu ção fin al foi en con trada . Caso contrário, é n ecessário
u sar u m pro cesso it er ativo para traz er todos os Xj para dentro do inter-
valo ze ro e u m . Isso é realizado pelo aum ento gr adativo dos pe sos (que
in icialmente são zeros) correspondentes às n úl timas equações rel ativas
à restrição de que as proporções não devem se r negat ivas. A solução p ara
esse problema é encontrada ao se minimizar a qu antidade: Wl ei + W2 e ~
+ ... +Wün + n + 1) efm + n + 1)' onde Wl, W2 etc. são os fatore s de peso, e el, e2

etc. são os valores de resíduos para cada equação.

A implementação desse método baseia-se na eliminação de Gauss e

no algoritmo de substituição (forward e backward) de scrito s em livro s -
-texto de Análise Numérica.

b.3] Principais componentes

Dad a u m a imagem co nstituída po r um número de pixels co m m edidas
em um número de bandas espectrais, é possivel modelar ca da
resp os ta espectral de cada pixeI como uma com bin ação linear de u m
número finit o de componentes.

dn l :::: fl *e1,1 + +fn * e1,n ba nda 1

dn2 = f1 * e 2,1 + + fn * e 2,n banda 2
(3.29)

107
 O NDE:

dn j = número digital p ara a banda i do pixeI;

€ i,j =:o com p onente puro dn do componente puro j, b and a i;
f j = fração desconhecida do componente pur o j;
li = número de componentes pu ros;
p = número de bandas.

Isso leva à equação matriz:

(3.30)

Um a restrição lin ear é adicionada, pois a som a das fr ações de qu alqu er

pixel deve s er igu al a 1; dev e- se , port anto, au mentar o vetor d n co m
u m adicion al 1, e a matriz com uma lin h a de valores 1. Iss o deixa um
conj unto de p + 1 equações em TI descon h eci dos. Como o núm ero de
co mponentes puros é ge ralmente m enor do que o nú mero de band as,
as equações são superdeterm inadas e podem se r resolvi das p or qu ais -
I quer outras té cnicas . A solução descrita aqui u sa análise de com po ne n -
I tes pr in cip ai s para reduzir a dimensionalidade do conjunto de dados .
A m atri z do componente puro é transfor m ada em es paço PCA utili zan do
o número ap ro priado de autovetores; os d ad os pixel são transform ados
em esp aço PCA, as soluções são encontradas, e as frações re sul t antes
são guarda das.

Os dois últimos m ét od os (Mini m os quadrados ponderados e Prin cipais

compon entes) são recomendados pa ra os casos em que o núm ero de
compone ntes na m ist ura es pectral for m aior do que t rês.

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

- - Água - - Vegetação - - Solo

Fig . 3.9 Resposta espectral doscom ponentes vegetação,solo e sombra/água

 A Fig. 3.10 mostra a composiç ão colorida (RSG4 B3) do s en s or TM/Landsat
e as correspondentes imagens-fração da ve getação, do solo e da so mbra/
água da reg ião de Manaus (AM).

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

Observa-se que n a imagem-fração vegetação, por exemplo, os pixeIs

m a is claros são aqueles em que, ao menos em tese , há maior quanti-
dade de vegetação. Nessa mesma imagem-fração vegetação, os corpos
d'água apresentam -se escuros ex at amente por não possuírem qualquer
porcentagem de cobertura vegetal. Análise análoga pod e ser feita com
as imagens dos demais componentes, ou seja, na im agem- fração solo, os
pixels mais cla ros são aqueles que ap resentam menores índices de cober-
tura vegetal ou são m enos sombreados.

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.

Observa-se que as im agen s-fração são m on ocromáticas (em tons de

cinza), se ndo que os NDs que as com põem estão dir etamente a ssociados

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.

A liter atura aprese nta uma grande qu antidade de trabalhos sobre a

utili zação, em vá rias regi ões ao red or do mundo, do modelo linear de
mistura espectral, mostrand o que essa técnica é consistente . Além
disso, as im agen s-fração geradas pe lo modelo estã o sendo ut ilizad as em
diferentes áreas de aplicaçõe s: flor esta, agricu ltura, uso da terra, água,
áreas urbanas et c.

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.

Rada r é um acrônirno par a radio detection and ranging, qu e sign ifica a

detecção e a me dição de di stâncias por ondas de rádio. Ess e acr õnimo
ta mbém representa o primeiro u so de rad ares n o in ício do século XX,
como detector de navios. Na Segu nda Guerra Mun dial, a uti lização de
rad a re s no monitoramento de aviõe s e n avios m ostrou que os "ru ídos"
presente s n o sis tem a eram r udim entos de imagen s e que out ros objetos
ta mb ém poderiam ser "obs ervados" através desses da dos, in ician do-se,
ass im , o sens oria me nto remoto por radar. O volu m e 2 do Ma nual de Senso-
riamenta Remoto (Manual of Re mate Sensing) (Henderson ; Lewis, 1998) traz a
interessan te hi stória do rad ar e su as ap licaçõ es.

Os rada res imageadores pod em ser divididos em du as ca tegorias: RAR

(rada r de abert ura real ou real aperture radar), também con hecido como
SLAR (side Jooking airborne radar), e SAR (radar de abertura sinté tica ou
synthetic aperture radar). Amb os os ti pos de rada r têm visada lateral e
em item um pu lso de radi ação ao lon go da linha de voo, re gistrando a
ene rgia qu e é espalh ada pelos objetos e que ret orna ao ra da r. Essa en ergia
 espalhada de volta ao r adar é conheci da como retroespalhamento, e co
ou sinal de retorno.

Os radares podem operar em diferentes bandas, que se referem aos

com pr im entos de onda e às frequências das micro-ondas transmiti-
das e r ecebidas como eco da superfície terre str e. O tamanho da antena
utili zada pelo radar determina a largura do pulso de micro -ondas tr ans-
mitido e, consequen teme nte, a r es olu ção na d ireção do voo (resolução
a zim utal). Os prim ei ros radare s im age adores eram do tipo RAR e, por
trabalharem com as dimensões efetivas da antena, apresentavam limita-
ções na resolução espacial das imagens geradas. Já no SAR o problema
da baixa resolução az imutal foi resolvido pela simulação de uma antena
centenas de vezes m aior qu e seu ta m an h o re al , com o registro do eco de
ca d a obje to ao longo da linha de voo.

Desde a década de 1960, pesquisas com as aplicações dos dados de radar

apontam a utilidade desses dados em estudos ambientais. A liberação
dos dados de radar para uso civil, nos anos 1970, tor n ou p oss ível a reali-
zação de projetas como o Radambrasil (como cita do n a Introdução de s te
livro) e o Proradam, na Colômbia, onde imagens de rada r aerotranspor-
tado foram utilizad as para mapeamentos de vegetação, entre outros usos.

Os dados de r adar, entretanto, não se tornaram ferramentas de uso tão

disseminado como os dados de sensores ópticos. Entre os obstáculos
para a difusão de dados de radar está a dificuldade de sua interpretação,
uma vez que registram a super fície terrestre de maneir a diferente de
como a vemos e apresentam-n a em difer ent es tipos de produtos (p.ex. ,
em imagens que re gis tram a a m plitu de e/ou a fas e das micro-ondas,
em uma ou mais polarizações etc). Da mesma forma, são necessários
dados de radar calibrados e programas especificas para o processamento
desses dados, não disponíveis comercialmente até o início dos anos 1990.

Depois de bem-sucedidas aquisições de dados SAR a bordo de satélites

e de õnibus espaciais (satélite Seasat de 1978; Shuttle Imaging Radar A
e B de 1981 e 1984, re spectivamente), o lançamento regular de r adar es
orbitais desde 1991, iniciando-se com o Earth Resources Satellite 1 (ERS-l),
abriu inúmeras oportunidades de estudo desses dados. As últimas duas

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.

Para entender a aparência da vege tação nas imagen s SAR e as possibi-

lidades de aplicação desses dados, são necessári os alguns conhecimen-
tos sobre os parâmetros do rada r e as caracterís ticas dos objetos que os
radares regist ram, apresentados a seguir, com ênfase para a vege tação
de po rte florest al.

4.2 Parâ met ros do s sistemas SAR

OS rada res são classificados em função de seus par âmetro s, geral mente
do compri me nto de onda/frequência utilizados e da pre sença de uma
ou m ais polari zações. O compr imento de onda e a polariz ação emiti dos
pelo rad ar sã o definido s pa ra o sistema e sã o constan tes, ao passo que
o ângulo de incidência va ria em um a deter minada faixa de acordo com
a posição dos objetos na faixa imageada . A seg uir, algumas informaçõe s
sobre os parâm etros dos sis tem as SAR.

4.2.1 Comprimento de onda e frequ ência

A m aioria dos rad ar es opera com ape nas uma ban da, defin ida em
termos de com prime nto de onda ou de frequ ênc ia, mas podem ex istir
sistemas com até três bandas. A ma ior limitação para um maior nú mero
de bandas é o suprime nto de ener gia, já qu e o rad ar po ssu i sua própria
fonte , ass im como a antena, que tem um formato es pecí fico para env io
e rece bimento dos difer entes comprimentos de on da . A tra nsmissão de
pequenos comprimentos de onda ou de altas frequ ên cias requer altas
potências, o que pode lim ita r os seu s usos em sistemas orbitais.

A denominação das ba ndas de radar foi criada na Segunda Guerra

Mundial, te ndo sido adota da pela comunidade científica de sde então.

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.

TAB.4.1 Bandasutilizadas por sistemas de radar comos respectivoscomprimentos de

onda e frequências e a equação que os relaciona
Banda deradar Comprimento deonda - À (cm) Frequência - f(MHz)
P 136-77 220-390
UHF 100-30 300-1.000
L 30-15 1.000-2.000
5 15-7,5 2.000-4.000
C 7,5-3,75 4.000-8.000
X 3,75-2,40 8.000-12.500
Ku 2,40·1,67 12.500-18.000
K 1,67·1,18 18.000·26.500
Ka 1,18-0,75 26 500-40 000
1hertz e 1ciclo s'
À(cm ) =~ = 30.000 30
f f (MHz) - f (GHz ) 1rneqa-hertz = 106 hertz
1giga-hertz= 10' hertz
f onre: adoptadode LewIS eHenderson (1998).

4.2.2 Polar ização

Como rad iação eletromagné tica (REM). as micro-ondas apresentam
ca mpos elétricos e mag néticos que se propagam em direções trans -
ve rsais entre si e em relaç ão à direçã o de prop agação. A polariza ção é
definida pela t rajet ória do ca mp o elétrico em um plano, que pod e ser
lin ear, circular ou elíptico. Radares com polarização linear são os m ais
frequente s, e para eles se as sume que a elipse de polar ização é reduzi da
a u ma linha e que o ca m po elét rico, quando se desloca par alelame nte ao
eixo P (de propagação), tem polarização ho rizontal e, quando se de sloca
perpen dicularmente ao eixo P, tem pol arização ver tical. Como um
sistema ativo , o radar tran sm ite e recebe REM, sendo poss íve is quatro
combina ções de polarizações lineares: HH (transm itida e recebida

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).

A interação d as micro-ondas com os objeto s na superfície terrestre

tem relação direta com o tipo de pola rização. Objetos com estrut uras
vert icais, como as árvores, p or exemplo. terão intera ção maior com a
pola riz ação vertical, geran do sin ai s de retorno m ai s elevados. Para
polar izações cruzad as (HV ou VH), os sinais re gistrados pe lo radar sã o
geralme nte m ai s fracos e a imagem re su ltante é m ais "ruidosa" (Lewis;
Hen der son , 1998).

4.2.3 Âng ulo de incidê ncia

O â ngulo de incidência é de fin ido entre o pulso de energia transmitida
pelo radar e uma linha perpendicular ã superfície da Terra (Fig. 4.1).

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 \ : / ....... ~\

.... ' cá.

Âng ulo de --
incidência local
. , _'hfJft
"Zvi0 W/z w//.íM'/t ~
\ I
' "y,a?P"
,//íJ-///;;"/~r/,

Superflcie
espalhadora
T

Fig.4.1 Diagrama dos ângulos de incidênciado (A)sistema e do (B) local

Fonte: Lewise Henderson (1998).

Além do ã ngulo de in cidência (9), os sistemas de ra da r também são

definidos pelos âng u los de visada e de depressão, qu e se complementam
na linha de tran sm issão do pu lso de rad ar.

o ângulo de in cid ên cia é outro parâm etro do radar que de termin a a

apa rência dos objetos em im agen s . Geralm ente , a "refletividade " dos
objetos diminui com o au m ento do ã ngulo de inc idê nci a. A ru gosidade

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).

4.3 Características do s alvos

4.3.1 Coef iciente de ret roespalhamento
O nível digital de cada pixel em uma im agem de rad ar é proporcio -
nal à variável conhecida como seção transversal do radar (radar cross
section - a), que é a porção de energi a transmitida que é abso rvida e
refletida pelos objetos na superfície terrestre. O co eficiente de retroes-
palhamento (a") é a seção transversal do radar po r área no terreno e é
o que o radar mede. O aO é característ ico dos objetos e. por variar em
mu itas ordens de mag nitude, é exp re sso co mo logaritm o em un idade s
de decibel (Waring et aI., 1995).

O coe ficien te de retroespalhamento é fu nção ta nt o dos parâmetros do

radar, apresentados ant eriormente, como das variáveis dos objetos,
incluindo a rugosidade, o con teúdo hidrico (ou con stante dielétrica) e
a orientação (ou geometria). Um objeto será discriminável nas imagens
de radar se seu coe ficie nte de ret roes palhamento for dis tinto do de se u
vizinho e se a resolução esp acial for compatível.

4.3 .2 Rugo sidade da superficie

A rugosidade de um objeto ou superfície é fun ção da escala de obser-
vação, que, para o radar, está relacionada com o comprimento de onda
utilizado e a geometria de aquisição dos dados. Uma superfície pode ser
"rugosa"para um comprimento de onda e "lisa"para outro. São relatada s
três "escalas" de rugosidade: a microescala (associada ao tom da imagem
de rad ar), a me soescala (associad a à textura da imagem) e a m acroescala
(as sociada aos efe itos topográfícos do terreno) (Lew is ; Hend erson, 1998).
Para um mesmo comprimento de onda e ângulo de incidência, um dass el
florest al apresentará ru gosidad e m aior do qu e aquela apresentada por
um gra mado, por exemplo.

4.3.3 Conteúdo hídríco

A in tensidade do retroesp alhame nto e a aparênc ia de u m objeto em uma
imagem de radar tamb ém são determinadas pe las características elétri-

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,

4.4 Mecanismos de espalhamento

Os mecanismos res ponsáveis pelo espalhamento da radiação eletro -
mag nét ica na região das micro-ondas podem ser sup erficiais, quando
ocorrem na superfície dos objetos, e volumétricos, quando ocorrem
no interior e incluem o espalham ento entre os componentes do objeto,
como entre galhos e folhas dentro de um dossel vegetal. A despolariza-
ção da on da in cidente (e a geraç ão de eco em uma polarização distinta da
recebida) é um dos resultados do espalh amento volumé trico.

A rugosidade das sup erfícies , relativa ao comprimento de onda e ao

ângulo de incidência, influencia diretamente os mecanismos e a m agni-
tude do retroe sp alh amento. Quando a superfície é lisa em relação ao
com primento de onda (ou as variaçõe s em altura na superfície do objeto
não são detecta das pe lo compr ime nt o de onda usado pelo rad ar), o
espalha me nto ocorre na d ireç ão oposta ao rad ar, sendo denom in ado
de tipo es pecular. Uma su perfície rugosa em relação ao comprimento
de onda incidente gera um es palhamento difuso, que ocorre em várias
direções. Um tipo es pecial de espalhamento, chamado reflexão de ca nto
(corner reflectionou double bounce), ocorre quan do duas ou m ais superfícies
lisas são adjac entes (como em zonas ur ba nas), gerando alto re tro es pa-
lh ame nto. A Fig. 4.2 ilu st ra os pri ncipais t ipos de espalh amento, gera dos
a par tir de diferentes tipos de superfície s.

4.5 Polarimetria e interferometria

Os sistem as SAR registram , além da amplitude, a fase do re troespalh a-
menta, que tem utiliz ação em técn icas de anális e de dado s co mo a polari-

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

metria e a interferomet ria. Ambas as técnicas lidam com a n ature za

ve torial do campo elé trico da radiação eletromagnética e baseiam-se na
diferença de fase entre duas medid as SAR tom ad as com pola riza çõe s
diferentes (na pola rimetria) ou em posições ligeiram en te diferentes do
sensor (interferometria).

Existem muitos métodos de processamen to e análise de dados SAR

polarimétricos e interferométricos, cujos fund amentos são diferentes
dos m étodos tradicionais de processa mento digit al de imagen s. A for te
bas e matemática necessária para a utilização de ssas té cnicas SAR é
ex igida de sde a aquis ição dos dados, que são complexos e coerentes (com
fas e relativa cons tante), e simu lados em mat rizes de esp alhamento. Boa
introdução a essas téc nicas pode se r encontrada no volume 2 do Manual
de Sensoriamento Remoto (Henderson; Lewis, 1998).

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.

As abordage ns mais utiliza das em polarimet ria sã o a análise est atís-

tica da informação polarim étrica (para classificação de im agen s, como
em Freit as et aI., 2008) e os modelos que buscam explicar a física dos
pro cessos de es pa lham ento (Freem an; Dur den, 1998; Claude; Pottier,
1997). A decomposição de alvos é u m exem plo de m odelo que busca a
se pa ração das cont ribuições dos diferentes es palhadores para , dessa
forma , identi ficá-los (Servello; Kuplich; Sh imabu kuro, 2010). A matriz de
120

•
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.

Na interferom etria (InSAR), po r sua vez , a fase é re gist rada a partir de

duas p osições do se nsor SAR n a cham ada baseline ou linha de base. A
linha de base pode ser temporal. qu ando duas passagen s do se nsor
(interferomet ria de repetição de passagem) são con siderad as. ou espacial
(interferomet ria de passagem ún ica). usando-se du as ante n as (Madsen;
Zebker, 1998). Como a po sição da anten a/sensor em relação à Terra é
conhecida, a dife rença de fase en tre os dois re gistras permi te a e stima -
tiva da dist ância entre sensor e obje to , assim como de sua posição e
elevação. A diferença de fase é ilustr ada em interferogramas, que são
usa dos para a derivação de in for mação topogr áfica e a geração de modelos
digitais de elevação (MDE).
,
A interferomet ria também se baseia na coerência, um a medida da corre- I
lação entre o par interferomé trico de im agens SARcomplexas. A coerê ncia
se rá alta (próxima de 1) se os objetos permanecerem est áveis no te mp o e
no es paço no par de ima gen s SAR interferométri cas. Os principais e feitos
que causam a dimi nuição da coe rência são temp orais (mudanças nas
condições ambientais - p.ex., se ca, congelamento - ou movi ment o dos
espa lh ado res - por vento. cre scimento da vegetação. decidu ida de etc.) ou
de volume, quando os espalhadores es tão distribuídos nas três dimensões
(em "volu me") e dão or igem a variados tipos de espalh am ento. como no
cas o de dosséi s vegetais (Wegmüller; Werner, 1995; Wagner et al., 2003;
Pulliain en; Engdahl; Hallikainen, 2003). A coerência decre sce pa ra m aiores
volumes de vegetação (Wegmüller;Wern er, 1995).Ovento é um dos maiores
fato res de descorrelação tem por al para floresta s (Tan ase et al., 2010).

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.

Algu ns re sultados das aplicações de d ados SAR complexos e das técn i-

cas PoISAR e InSAR para estudos de vege tação serão apresentados na
seção 4.8.

4.6 Aveg etação em dados SAR

Um dos prim eiros tr ab alhos de interpretação da re sp osta da veget ação
em dados radar é o de Ulaby (1975), que instalou u m esp ect rôm etro ativo
e passivo de micro-ondas sobre culturas agrícolas, med indo o espalh a-
me nto proveniente dessas culturas. O con teú do h ídrico das plantas e
dos solos foi medido, e diferentes frequências , polarizaçôes e ãngulos
de incidên ci a do es pectrômetro foram utili zados, permitindo a verifica-
ção da de pendência da re sposta do ra da r às car acterísticas dos objetos.
Confirmou-se então a influênc ia dos parâmetros do se nsor no retroespa-
lha mento, assim como a interação dos parâmetros SAR co m as diferen -
te s característi cas da vegetação e dos solos.

Para florest as ou dosséis vegetais compa ctos, a resp ost a ao radar é a

combinação de diferentes mecani sm os e componentes, como mostra
a Fig. 4.3, qu e incl ui a contribuição dos elementos vegetais e do solo.
Outros autores incluem ainda retroe spalhamento tronco-solo ate nuado
pelo dossel vegetal e espal hamentos múltiplos provenientes dos galhos
(Le Toan et al., 1992).

A m agnitude dos mecanismos de espalham en to e a importância dos

diferentes compo nentes dependem dos fatores geomét ricos (estrutura
das ár vores, dossel e rugo sidade do solo) e das p rop ried ades dielétri-
cas da vegetação e do solo (Dobs on et al., 1995). Frequência, polarização
e ângulo de incidência utilizados pelo radar controlam os mecanis-
mos de espalhamento, e o retroesp alhamento final se rá re sultado de
es palh am ento s superficiais e/ou volumétricos. Le Toan et aI. (1992)
afirm am que os componentes vegetais que agem com o principais font es

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).

de espalhamento são da mesma or dem de magnitude dos compri mentos

de onda com os quais interagem, como apres entado no Qu ad ro 4.1.

Na banda X (À - 3 cm), o retroespalhamento resulta principa lmente

das partes su periores do dossel,
Q UADRO 4.1 Elementos responsáveis pela
das folhas e dos pequenos galhos. É
maior parte do retroespalhamento em dosséis
pequena a penetração dessa fr equên
florestais, de acordo coma banda utilizada
ci a no dassel vegetal e baixa a quanti-
Banda X C l P
dade de espalhamen to volu m étric o e
Princi pal fonte de Folhas, Galhos,
a contribuição do solo no retroespa- Folhas Galhos
retroespalhamento acículas troncos
lh amento final. Na banda C (À - 7 cm), Fonte: LeToanet01. (1992).
por sua vez , a maior penetração da
energia no dassel p ermite que mais
fontes de re tro espalhamento apareçam , e já se observa u ma pequena
quantidade de espalhamento volumétrico. As m aiores fon tes de re tro-
espalhamento ainda são folhas e ga lhos pequenos. A extensão da copa
da árvore geralmente não é "ultrapassada" pelo sinal de radar nesse
com primento de onda (Le Toan et aI., 199 2).

Nas bandas L (À - 22 cm) e P (À - 80 cm), a p enetr ação do si nal do r adar

no dossel é maior e p ode aco ntecer a participação do s troncos e do so lo
no r etroespalhamento fi nal. As interações tro nco-solo e copa-s olo são

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).

A polar ização do sina l de rad ar determina o tipo de interação com os

compo nente s flo restais. Polarizações lineares interagem com es trutu-
ras que têm orie ntações similares , como en tre troncos e a polarização
vv. Galhos ho rizon tais e a supe rfície do S O~O têm maior inter ação
com a polarização HH. Dobson et aI. (1995) sa lie ntam que a polari zação
HH pode trazer informação sobre as interaçõe s tronco-solo e a polariza-
ção V V é ma is sensível aos atribut os do do ssel flo restal. Como o dassel
é um meio capaz de despo lariz ar a onda incidente (e enviar sin al de
ret orno em polarização dis tinta da polarização do sinal inc ide nte), as
polarizaçõe s cruzadas - HV e VH - são relaciona das ao espalhamento
volu métrico (Saatchi ; Rign ot , 1997).

o ângu lo de incidência do sistema SAR determ ina a "quantida de " de

vegetaçâo ilumin ad a pelo pulso de rad ar. Quanto m aior o ângulo de
incidência, m aior a porção de vegetação "vista" pe lo radar e maior a
ocorrência de espa lh amento volum étrico, gerando ret roesp alhamen to
relativ amente baixo (ocorrem ma is perdas do sinal e atenuação). Para
espalh amento superficial, ex iste forte dependênci a angular, com pe que-
nos ângulos de in cidência gerando alto retroespalham ento (Leckie;
Ranson , 1998).

Para florestas inundadas, como nas várzeas da am azônia, o fenômeno

de refl exõe s duplas entre os t roncos das árvores e a lâmi na d'água que
cobre o so lo provoca a ocorrência de alto ret roespalhamento, torn ando
essas áreas de fác il discriminação (Hess; Melack; Simonett, 1990).

A Fig. 4.4 m ostra um a imagem SAR (Radarsat-2, band a C) com três

polarizações em composição colo rida, de área de flor est a tropical com
sua tex tura típica. A flo resta , representada em tons de verde pe la maior
contribuição da polarização HV (res ultante, principalmente, de es palha-
ment os volu métricos no interior do dossel), ta mbém apresenta tons
vermelhos e azuis, demonstr ando a variedade de mecan ism os de retro-

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.

A representação de florestas em im agem SAR também inclui o retroespa-

lh amenta decorrente dos efeitos da topografia da área imageada, princi-
palmente nas vertentes voltadas para o pulso de m icro-ondas incidentes .
O somb reamento também pode ocorrer (Fig. 4.4, oeste da cena) nas
en costas voltadas para a direção oposta ao pulso do radar. Tam bém deve
ser considerada a presença inerente do speckle, uma espécie de ruído
formado na aquisição das imagens SAR e gera lmente minim izado por
m eio d a filtragem digital dos da dos. r
I
4.7 Dado s 5AR orbitais pas sados e disponíveis
Dados SARorb itais são adquiridos desde a década de 1970 com o saté lite
norte- am erican o Seasat. A aquisição regular de dados SAR, entretanto,
começou nos anos 1990, com o satélite europeu ERS-l (Earth Resources
Sate llite). Desde então, programas espaciais de diferentes países tê m
la nçado satélit es com sis temas SAR a b ordo, algu ns dos qu ais apresen-
tados n a Tab. 4.2.

A nova geração de produtos SAR orbitais, iniciada, n este século, com o

satélite Envi sat, é caracterizada p ela aquisição de dados polarimétricos,
abrindo inúm eras possibilidades de aplicações em estudos de vegetação.

4.8 Aplicações de imag en s de radar para a veg etação

Exem plos de aplicações de im agen s SAR para estudos de vege tação serão
apresentados de acordo com os seus obje tivos pr incip ais, tratando de:
(i) discrimi nação das formações vegetais, (ii) verificação da extensão das
for mações vegetais e (iii) est im ativas de propriedades biofísicas e bioquí-

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.

4.8.1 Discriminação/m ap eamento de for mações ve geta is

Nos Proje tos Radam do Brasi l e da Colõmbia, nos a nos 1970 e 1980, foram
utilizados da do s SAR aero tra ns por tados na ban da X para a classifica ção
de formaçõ es veget ais. No Brasil , a in terp re tação foi realizad a m anual-
mente em imagen s SAR em papel, e as classes, definidas em fu nção
da topografi a/geomorfologia da área; por exemplo: "floresta ombró fila
densa subm onta na", localizad a e m áre as com altitudes médias entre
250 m e 600 m (Velo so; Rangel Filh o; Lima, 1991).
116
 TA B. 4 .2 Características de sistemas SAR orbitais passados, atuais e futu ros
Satélite/sensor Lan çamento Banda(s) Polarização Resolução espacial (m)
5easat/SAR 1978 L HH 25
Shuttle/S IR-A 1981 L HH 40
5huttle/51R-B 1984 L HH 17-58
Almaz-1/5AR 1991 S HH 15-30
ER5-1/-2/SAR 1991, 1995 ( VV 30
Jers-l /SAR 1992 L HH 18
5huttle/SIR-ClXSAR 1994 (, LeX pai 15-45
Radarsat/SAR 1995 C HH 8-100
Envisat/Asar 2002 C pai 30-100
AloslPalsar 2006 L pai 10-100
(osm o-5kyMed 2007,2008 e2010 X pai 1-100
Radarsat-215AR 2007 ( pai 3-100
Terra 5ARISAR 2007 X pai 1-18
Kompsat -5/5AR Aser lançad o X pai 1-20
Sentinel-1A el B/5AR Aser lan çad o ( pai 5-40
Obs.: 1) Os sensores operam em diferentes modos, em que nem sempre ointervalo total de parâmetros é disponível. 2) pol =
polarimétrico (com informação defase em HH, VV, HVe VH). 3)5hutt/e refere-seaos ônibus espaciais norte-americanos, SIR
refere-se àShuttle /maging Radar, Jers éJaponese Earth Resources Satellite, Envisat é Environmenta/5atellite, AIos é Advan-
ced Land Observation5ystem, Poisar é Phased Array type L-band5ynthetlc ApertareRadar, Casma-5kyMedé (anstel/atian 01
Small Satelfites for lhe Mediterranean Basin Observation eKompsot é Korea Mu/ti-Purpose 5atelfite.

A interpret ação visual, m esmo n as im age n s di gitais, ainda desempen h a

im po rtante pa pel para a definição de class e s e para a compreen são dos
dados SAR (Kasischke; Melack; Dobson , 1997). Além da to n a lidade dos
pixe!s nas im agen s, Leckie e Ranson (1998) também citam a te xtura e a
informação de contexto como au xil iares no processo de interpretação de
imagen s SAR.

Em geral, a diferenciação entre form ações vegetais e entre áreas flores -

ta das e não flo rest adas é facilitada com o uso de dados SAR em mais de
uma banda, po la rização e ângulo de incidência (Lecki e; Ran so n , 1998;
Kur vone n; Hallikainen, 1999; Hyy ppa et al., 2000; Ranson et al ., 2001),
as sim como com dado s multitem porai s (Almeida Filho et al., 2007).
Dados mult ip olarizados (nas qu at ro polari zações) polarimétricos (com
info rm ação de fase) n a b an da C, proc essados po r m eio de téc nicas de
decom posição de alvo s (que fornece m in for m ações sobre os tipos de
es p alhamento domi n antes), pe r m itiram a diferenciação de t ip os flores -
t a is no Ca nad á. (Tou zi ; Landr y; Charb o n n c au, 20 04).

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).

Um exe mplo do u so complementar das bandas SAR é a discriminação

privilegiada entre es pécies de coníferas por meio de imagens nas bandas
X e C, ao passo que a diferenciação entre áreas florestadas e não flores -
ta das é favorec ida em imagens nas ba ndas L e P (Leckie; Ran son , 1998).
Os ecos ass ociados a florestas de la ti foli adas são mais inten sos do que os
ecos provenientes de florestas de coníferas. A penetração diferenciada,
segundo os comp rimentos de onda, nos dosséis vegetais, proporciona
interações que favorecem o retroespalhamento de determinados compo -
ne nt es florestais, com o o topo das copas para as ba nda s X e C (faci li-
tando, ass im, a diferenciação entre es pécies vegetais), e a presença ou
não de vegetação par a as ba ndas L e P, graças ao elevado retro espalha-
mento proveniente de florestas nessas bandas.

Imagens em polari zação cruzada (HV ou VH) proporcionam u ma melhor

discriminação dos tipos flore stais para tod as as freq uê nc ias (Saatchi;
Rignot , 1997), pois a interação das micro-ond as no dos se I é u m dos
mecanismos que ocasionam a despo larização das micro-ond as inciden-
te s (esp alha mento volumétrico). Diferentes estruturas de dosse I gera m
um grande intervalo de va lores de retroespalhamento, o que fac ilita a
cla ssificação dos tipos flo restais .

Para fl orestas tropicais . existem relatos da diferen ciação en tre

estágios de sucessão flor estal (Rigno t ; Sal as; Skole, 1997; Yanasse et al.,
1997) e entre floresta, á reas desmatada s (com ou sem biomass a
remanescente) e de cor te seletivo (Saatchi; Soar es ; Alve s, 1997; van der
......

Sande n; Hoekm a n, 1999) com dados SAR. A iden t ificação e di scrimi-

nação entre tipos flo res tais de terra firme e de várzea na amazônia
(Mira nda ; Fonseca; Carr, 1998; Podest; Saatchi , 2002) e e n tre fl oresta
estacionai e as diferentes fit ofision om ias do cerrado (Mesquita [r.;
Bittencour t, 2003) t ambém for am observa da s por meio d e imagens
SAR. Shi mab u kuro e Alm eida Filh o (2002), com image ns na banda
L, obtive ram inform açõe s so bre o incre me nto em áreas de sma tadas
detectadas ini cialm ente em im agen s TM em Roraima . Porém , esses
au to res também relatara m dificu ld ad e na detecção de áreas desmata-
das e usad as pa ra garim po e cult ivos agrícolas com o uso de imagens
SAR da é poca chuvosa .

Im agens da ép oca seca ou se m a ocorrência de precipitação na s datas

an teriores à aquisição de imagens SAR são sempre m ais ind icad as pa ra
m ap eamento ou estudos de vegetação com dados SAR, pois a presença
de água sobre a veget ação e/ou no solo adjacente aume nta o retroes pa-
lhamento das áreas imageadas, causa ndo confusã o na diferenciação
en tre classes.

Algumas das considerações sobre o re troespalh amento de flo res tas

borea is e temp eradas podem ser aplicadas às florestas tropicais. A
superioridad e d a ba nda L (comparada com m enore s comprimentos de
on da) par a a di ferenciação de tip os flor estais e de diferentes cobe rtu -
ra s da te rra que incluem vegetação é u m a delas (Rignot; Salas; Skole,
1997; Saatch i; Soa re s; Alves , 1997; Santo s; Par di Lacru z: Araújo, 2002). As
polar izações cruzadas (HV ou VH) são também indi cad as para a d iferen-
ciação e ntre florest a m adura e em regeneração (Luckma n et al., 19S'-;
Saatchi ; Soares; Alves, 1997), assim como entre estágios de sucess ão
secu ndá ria (Ya nasse et al., 1997), dad a sua m aior sensibilida de a va ria-
ções de biomassa (Fre itas et al., 2008; Santoro et al ., 2009). Maior ac ur ácia
na classificação de áreas de solo nu é obtida com dados SARem polariza-
ção VV (Freitas et al., 2008).

o mecanismo de reflexão dupla entre o solo e os troncos deixados em

áreas parcialmente des matadas pode gerar retroes palham ento mais
in tenso qu e o da própr ia floresta densa ain da intacta (Saatchi; Soares;
Alves, 1997; Almeida Filho et al., 2007).

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.

A importância da utilização de dados SAR em longos compr im entos de

onda (bandas L e P, p.ex.) pa ra a es ti m ativa de biom assa es t á ligada à
penetraçâo das m icro -ond as no dossel vegetal e à inter ação, principal-
mente, com as es truturas lenhosas dos troncos e galho s, onde a maior
pa r te da biomassa está con cent rada . A dependên cia do ret roespalha-

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).

A relação entre retroespalhamento e biomassa é lim ita da a parti r de

certos valores de biomassa, no fenômeno conhecido como saturação
do retroespalh ament o, uma fu nção do com primento de on da u tilizado
(Imhoff, 1995; Luckm an et aI., 1997; Kasischke; Melack; Dobson, 1997).
ATab . 4.3 apresenta os níveis de saturação n a relação retroespalh am entoi
biomassa encontrados por alguns autores, de acordo com as diferentes
ba ndas SAR. Por sua maior complex idade estrutur al, nas formações
tropicais essa saturação ocorre a valores mais baixos de biomassa .
Quanto maior o comprimento de onda utiliz ado, maior o limite máximo
de biomassa estimado a partir de dados SAR.

Para contornar o problema da saturação e aumentar os valores máximos

de biomassa estimados com dados SAR, algu m as alternativas foram
propostas. O uso de razão de bandas e polarizações (nesse caso, a
razão ent re ba nda P e banda c, ambas HV) com a inten ção de isolar a
cont ribu ição da biom assa e re du zir o efeito da estrutura da vegetação
nos valores de retroespalhame nto permitiu a es timativa de biomassa até
250 t ha em flor esta boreal (Ranson ; sun, 1994). Quifiones (2002) fez

TAB. 4.3 Níveis de saturaçãona relação retroespalhamento/biomassa

Autor Tipo defloresta Banda Bíomassa (Tha-l]
Sader (1 987) Latifoliadas econíferas L 100
Oobson et aI.(1992) Duas espécies de pinus PeL 100-200
Rausteet aI. (1994) Coniferas L 100
c 20
Imhoff (1995) Coníferaselatifoliadasperenes 40
P 100
Rignol, Salas eSkole (1997) Tropical 100
luckrnanet al, (1997) Tropical 60
Santos. PardiLacruzeAraújo(2002) Cantatafloresta tropical/cerrado 60
Quinones (2002) Tro pi cal C, LeP 150
Santos et aI. (2003) Tropical P 100
MagnussonetaI. (2007) Coníferas L 120
Solberqet ai. (2010) Coníferas X(In5AR) Sem saturação detectada

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.

Dad os Alos/ Pa lsa r (cuj a s ca racterís ticas estão resumidas na Ta b. 4.2) n a s

qu atro po la rizações perm iti ram es ti mati vas de biomassa de até 120 t h a?
em floresta s de co ni feras n a Suéc ia (Magnusson et aI., 2007). Para as
floresta s boreais da Rússia (no projeto Siberi a - SAR Im agin g for Bore al
Ecology and Rad ar Interferom etr y Applicati o ns), dados de coerên cia
obtidos em passagens diárias dos s at élit es ERS-1 e ERS-2 for am ut iliza-
dos no mapeamento de três níveis de volume flores tal e áreas de ve geta-
ção arbust iva e solo n u (Gave au ; Balt zer; Plum m er, 2003)_

Es tudos mais recente s, co m d ados e té cnica s PollnSAR, indi cam a utili -

dade destes para estimativas de altura de flor es ta s (Wa lker; Kell ndor-
fer; Pie rce, 2007; Neum a n n; Ferro -Famil; Reigber, 2010). Como todos
esses estudos nece ssitam de modelos m atemáticos para a de scrição da
estrutura das flores tas (e cons equente aumento da complexidade do s
mo delo s quando flore st as tropicais - com sua dive rsidade ineren te de
estruturas - são cons ideradas), a inclusão da contribuição do retroe spa-
lha menta pro ven iente do solo e da cont ribu ição volu m ét rica do dossel é
um a inovação importante. que traz diminuição no erro quando a altura
de flo restas é estimada.

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

Land sat mo saic. 111111 Colar cornposlte: 111111 ETM+, 30 ju ly of 2001

Fig . 5.1 l oca lização da Floresta Nacional do Tapajós no contexto estad ua l
Fonte: Espírito Santo (2003). (versão colo rida - ver prancha 16)

o clima da região, conforme a classificação de Kiippen, é do tipo AmW

(clim a tropical com temperatura média do di a m ais fr io do ano sup er ior
a 18°C). O p eríodo chuvoso ocorre de modo concentrado de fevereiro a
m aio, principalmente em m arço e abr il, correspondendo a cerca de 17%
de toda a pluviosid ade nesse períod o.

Con forme Rad ambrasil (1976), a geomorfologia da área é ca racte rizada

por du a s unidades morfoestruturais bem dist intas: o Planalto Rebaixa do
do Médio Amazonas, que se e ste nde desde a planície amazônica, acompa-
nhando a margem di re ita do rio Amazonas, até o Planalto Tapajós-Xingu,

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 .

Primeiramente, precis amos defin ir com quais imagens estaremos traba-

lh ando. No nosso exemplo, trabalh ar em os com imagens do se ns or ETM+
do satélite Landsat 7 re ferentes ao ano de 2001. Em se tratando dessas
im agens, sabemo s de antemão que a caracterização es pec tral preten-
dida será feita apenas em seis bandas es pectrais (estamos descartando
a im agem da região do term al e outra pancromática), e que deve mos
també m levar em conta a resolução espa cial das imagens desse se ns or,
que é de 3D rn. A resolução espacial é um parâmetro muito importante
na caracterização espectral por meio de imag ens pictóricas, uma ve z que
o tamanho do pixel, alia do às dimensões dos obje tos que pretende mos
T ca rac teriza r, va i de fin ir o grau de confiabilid ade (pureza) da ca rac teri-
zação. Como também já foi disc utido, pixels maiores tendem a inclu ir
em seu interior um maior número de objetos com naturezas espectrais
diferentes, o que limita bastante a caracterização.

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.

Vamo s explorar, então, a legenda proposta por Espiri ta Santo (2003),

imag inan do um interesse fictício de caracterizar espectralme nte todas
as cla sses list adas na Fig. 5.2, com exceção das classes "F_alterada_fogo"
(Floresta alter ada por fogo), por ocup ar algu mas dim inutas áreas dis pe rsas
pela FNT, e "Nuvem". Nes se caso, devemos extrair das imagens os valores
de FRB de superfície pa ra, en tão, ana lisarmos qua litatíva ou qu antitativa -
mente as diferenças entre eles no que diz respeito a cada uma das classes
 35

30

25
~ /
~
•
:g 20
't;
•c. 15
'"
'""
u, 10
*
5
...
ETM+l ETM+2 ETM+3 ETM+4 ETM+S ETM+7

- + - Flo re sta - . - Pasto_sujo .-+- Solo Veg_aquática

_______ Regeneração Pasto_lim po -....- Agua

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)

É importante ressaltar que nesse proce sso de conversão de ND para FRB

ap arente ou de su p erfície exis te a p oss ibilidade de ex pressar o r esul-
tado em valores percentuais, assim com o aconte ce n o eixo Y da Fig. 5.3.
Par a tanto, faz -se necessário dividir o val or do "número d igital" ex traído
da imagem já convertida para FRB superfície (ou aparente) p or 2n -l (n =
número de bits) e multiplicar o re sultado por 100. No no ss o exemplo, por
se trata r de imagens de 8 bits, dividimos os valo res das imagens co nver-
ti das para FRB su perfície po r 255 e, de po is, m ul ti plicam os por 100.

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.

o aumento dos valores de FRB nas regiões do infravermelho próximo

e m édio pa ra as dema is classes refe re -se princip almente à redução do
sombreamento m encionado e d a qua nti da de de ág ua, devido à redução
da biom assa, e a u m a provável maior participação do solo, que deve ser
bast a nte reflexivo nessas faixa s espec t ra is. A classe "Ve&-aqu át ica"
apresentou os m aiores va lores de FRB na região do infraverm elho
próximo, em ra zão, muito provavelmente, de uma estru tura qu e confere
ao se u das sel u m a superfície muito lisa na su a porção superior (minimi-
za ndo sombras),mas com grand e qu antidade de folh as espalhando ra dia-
ção eletromagnética. Já na re gião do infrav ermelho m édio, os valores
de FRB cae m drast icamente, assemelhando-se aos valores encontrados
para "Flores t a" e "Regeneração", p rovavelmen te por apresentar pouc a
diferenciação no conteúdo de água no interior das folhas em relação a
es sas classes em questão. Ain da par a a região do in frave rmelho m édio,
a classe "Solo" foi a qu e ap re sentou os m aiore s valore s de FRB, pro vavel-
m ente pelos baixos ín dices de umid ade, sugerindo po uco teor de argila .

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.

5.3 NDVI e m odelo linear de mistura espectra l

Vamos, agora , interpretar os resu ltados do cálcul o do NDVI e da aplicação
de u m mo delo linea r de mi stura es pectral par a a m esma FNT e para as
mesmas classes considera das por Espírito Santo (2003). Primeiram ente,
va mos obs erva r a aparênc ia de uma im agem NDVI e de uma imagem-
-fração vegetação de uma porção da FNT (Fig. 5.4), relaciona ndo-a com
uma composição colorida elabor ad a com im agen s ETM+.

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

A interpretação dos resultados apresentados na Fig, 5.5 requer muitos

cuidados. Para que essa afirmação seja mais bem compreendida, preci-
samos, antes de mais nada, levar em conta tudo o que já vimos sobre a
caracterização espectral das classes aqui consideradas. Devemos lembrar
sempre que tudo o que estiver influenciando a reflectância dos diferen-
tes dosséis estará inter fer in d o também no cálculo de ambos os índices.
Assim, os menores valores, tanto de NDVI como da fração vegetação,
para a classe "Floresta" em relação à classe "Regeneração", também
podem ser explicados pela maior quantidade de sombras no dossel da
floresta primária em relação ao dossel em regeneração, o que mascara
e compromete a relação direta esperada entre os índices e a biomassa.

À medida que caminhamos para classes com menor biomassa, os resulta-

dos aparentam ser coerentes, porém as magnitudes das diferenças entre
os índices de uma classe para outra podem não manter estreitas correla-
ções com as diferenças em suas biomassas. Isso nos leva a concluir que
a aplicação de índices ou de frações não deve ser feita para comparar
diferenças de biomassa ou estruturais entre diferentes classes fitofisio-
nômicas, mas sim dentro de uma mesma classe. Assim, para valores de
NDVI e de fração vegetação iguais a 0,6 e 0,5, respectivamente, encon-
trados em uma determinada localização, em uma dada fitofisionomia,
comparados com outros valores de NDVI e de fração vegetação iguais a
0,2 e 0,1, respectivamente, obtidos em outra localização, pode -se dizer
que seria esperada uma maior quantidade de fitomassa no primeiro
144
 im agem-fração vegetação (Fig. 5.6B) m os tra a diferença, em ton alidades
de cin za, en tre as áreas de floresta e as áreas de ce rrado. A imagem-
-fração solo (Fig. 5.6D) m ostra a diferença entre as áre as prep aradas p ara
cultivo (cinza-claro), realçand o também as diferen ças entre as áreas de
floresta e cerrado. Fin almente, a imagem-fra ção som bra (Fig. 5.6C) realça
as áreas de vegetação em áreas úmidas.

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)

5.3.2 Mapeame nto e monitora me nto de áreas de sflorestadas

e de qu e imadas
's- As imagens-fração foram de grande importância para o desenvolvi-
" m ento do Proj et o de Est im ativa de Desfl or estamento Bruto da Am azô-

":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

Resultado final sobre

o mosaico MODIS

Fig. 5.8 Mapeamento de áreas desflorestadas detectadas em imagens sequenciais de três

datas, obtidas pelo sensor Modis(versão colorida- ver prancha 22)

Além de sse tip o de aplicação, as imagens-fração sombra estão sendo

ut ilizadas para o mapeamento de áreas queimadas . A Fig. 5.9 apres en ta
a imagem -fração so mbra der ivada d a im agem Modis /Terra obtida em
ju lh o de 2004 na reg ião de Novo Progresso, no Estado do Pará. Pode-se

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

40 0 900 1.400 1.900 2.400

Comprim ento de on da (nm)

•
©

Atmosfera
o 1
' ~ 0,8
.,
.•
o 0,8
1 Geologia e solos

-~ 0.6 ~ 0,6
v
c: 0,4 o: 0,4
~

~ 0,2 <r 0,2

~

° 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

Com primento de ond a (n m) Compr ime nto de on da (nm)

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

Com primento de onda Inml " N

."
N

Comp rimento de onda (nm)

Prancha 3 Representação esquemática do Sensoriamento Remoto Hiperespectral

Fonte: adaptado de Green, Eastwoode Sarture (1998).
 o

Março

Pran cha 6 Composiçõescoloridas(TM/ La ndsat 5 nas bandas TM3-azul, TM4-vermelho e

TM5-verdel de uma porção do Estado do RioGrande do Sul, referentes a duasdatas de
coleta de dados:(A) outubro/2002 e (B) março/2003
 Comp osição colorida NVDI

"-
~
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

III F_alterada~fogo Solo exposto III Regeneração

III Veg_aquática II Pasto sujo III Floresta
Prancha 17 Mapa temáti co de uma porção da FNT elaborado por Espírito Santo (2003) com
dadosETM+ de 2001
Prancha 20 (A) Co mposiçãocolorida (R6 G2 81)e imagens-fração correspondentes (B) da veget ação,
(C) da sombra e (O) do solo do Est ado de Mato Grosso, derivadas da imagem Modis/Terraobtida
em agosto de 2002
Prancha 23 Áreas queimadasna região de Novo Progresso, PA: (A) áreas escuras na composição
colorida da imagem Modis/Terra de julho de 2004 e (B) áreas clarasna lmaqem-fração sombra
derivada dessa imagem Modis/ Terra, mostrando as área squeimadas
 Aplicações
5
Seria muita pr etensão ap rese nta r, por m eio de um único exemplo, todas
as possibilidades de aplicação das téc nicas de se nsoria mento re moto no
es tudo da vegetação. O qu e pretendemos aqui é ape nas e tã o somente
discorrer sobre algu mas possibilidades, mais como motivaç ão pa ra refle-
xões m ais profundas sobre t ais aplicações do qu e par a exau rir o tem a.

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.

Iniciaremos, entã o, com a apresentação de uma área de estudo que

foi selecion ad a pela disponibilidade de dados t anto orbitais (imagens)
com o de ca m po. Depois, seguirem os com a apre sentação d as diferen-
te s possibilid ades.

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

Land sat mo saic. 111111 Colar cornposlte: 111111 ETM+, 30 ju ly of 2001

Fig . 5.1 l oca lização da Floresta Nacional do Tapajós no contexto estad ua l
Fonte: Espírito Santo (2003). (versão colo rida - ver prancha 16)

o clima da região, conforme a classificação de Kiippen, é do tipo AmW

(clim a tropical com temperatura média do di a m ais fr io do ano sup er ior
a 18°C). O p eríodo chuvoso ocorre de modo concentrado de fevereiro a
m aio, principalmente em m arço e abr il, correspondendo a cerca de 17%
de toda a pluviosid ade nesse períod o.

Con forme Rad ambrasil (1976), a geomorfologia da área é ca racte rizada

por du a s unidades morfoestruturais bem dist intas: o Planalto Rebaixa do
do Médio Amazonas, que se e ste nde desde a planície amazônica, acompa-
nhando a margem di re ita do rio Amazonas, até o Planalto Tapajós-Xingu,

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.

A cobertura vegetal da FNT, segundo Radambrasil (1976), in clu i 16 fitofi-

sionomias hierarqui zadas bas icamente em duas grand e s fitofisio-
nomias: a Flores t a Trop ical Densa (FTD) e a Floresta Tropical Aber ta
(FTA). A FTD ap resenta duas subcat egori a s: (1) Floresta Tropical Densa
de Baixas Alt it ude s (FTDBA) e (2) Floresta Tropical Densa Submo ntanas
(FTDS). A primeira subcategoria oco rre em áreas de terras baixas, com
cotas altimétricas inferiores a 100 m , pouca variação no declive e solos
predom inantem ente argilosos. As espécies predo minantes desse tipo de
floresta inclue m : suc upira (Diplatropis sp.), acari qu ara (Minquartia guianen-
sis Aub l.), castanheir a (Berthalletia excelsa H. B. K.) e cupiúba (Goupia glabra
Aubl.). Essas flo restas apresentam um alto volume de madeira de grande
valor com ercial. O segu ndo sub gr upo da FTD é ca racterizado por possuir
árvores menores, que ocupam um relev o dissecado do Pré -Cambriano,
entre cotas altimétr icas de 100 m a 600 m. São característicos dessa
flo res ta: muiraúba (Mouriria brevipes Gard in Hook), itaúba (Mezilaur us
itauba (Meis s) Taub ex Mez.), mandioqueir as (Qualea sp.) e m açaranduba
(Manilkara huberi (Duc ke) Sta n dl). O segundo grande gr upo fisi on ômico da
FTA ocorre geralme nte nos platõs inten samente dissecados com erosão
nos declives, vales estreitos e solos com tex tura média. Essa região é
caracterizada por florestas com lian as e várias espé cies de palmeiras,
com o açaí (Euterpe oIeracea Mart.) e babaçu (Orbig"ya phalerata Mart.).
Segundo Veloso, Ran gel Filho e Lim a (1991), essas flore st as apresentam
um aspecto degradado, onde as copas n ão se toca m.

Trata-se de uma área b astante explorada por pesquisadore s de todo o '.•

J
~
mundo po r a inda apresentar relativamente pouca alte ra ção ambiental.

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 .

Primeiramente, precis amos defin ir com quais imagens estaremos traba-

lh ando. No nosso exemplo, trabalh ar em os com imagens do se ns or ETM+
do satélite Landsat 7 re ferentes ao ano de 2001. Em se tratando dessas
im agens, sabemo s de antemão que a caracterização es pec tral preten-
dida será feita apenas em seis bandas es pectrais (estamos descartando
a im agem da região do term al e outra pancromática), e que deve mos
també m levar em conta a resolução espa cial das imagens desse se ns or,
que é de 3D rn. A resolução espacial é um parâmetro muito importante
na caracterização espectral por meio de imag ens pictóricas, uma ve z que
o tamanho do pixel, alia do às dimensões dos obje tos que pretende mos
T ca rac teriza r, va i de fin ir o grau de confiabilid ade (pureza) da ca rac teri-
zação. Como também já foi disc utido, pixels maiores tendem a inclu ir
em seu interior um maior número de objetos com naturezas espectrais
diferentes, o que limita bastante a caracterização.

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.

Vamo s explorar, então, a legenda proposta por Espiri ta Santo (2003),

imag inan do um interesse fictício de caracterizar espectralme nte todas
as cla sses list adas na Fig. 5.2, com exceção das classes "F_alterada_fogo"
(Floresta alter ada por fogo), por ocup ar algu mas dim inutas áreas dis pe rsas
pela FNT, e "Nuvem". Nes se caso, devemos extrair das imagens os valores
de FRB de superfície pa ra, en tão, ana lisarmos qua litatíva ou qu antitativa -
mente as diferenças entre eles no que diz respeito a cada uma das classes
 III Nuvem III Agua Pasto limpo

III F_alterada_fogo III Solo exposto II Regeneração

III Veg_aquática II Pasto sujo II Floresta

Fig.S.2 Mapa temático de uma porção daFNT elaborado por Espírito Santo (2003) com
dadosETM+ de 2001 (versãocolorida - ver prancha 17)

em questão. Conforme já foi discutido em seções anteriores , essa conver-

são leva em conta parâmetros e coeficien tes específicos para cada tipo de
sen sor, os quais geralmente têm como objetivo permitir a conversão para
FRB apa rente. A corr eção dos efeito s da atmosfera sobre esses valores de
FRB apa rente depende das poss ibilidades do usu ário, de sua expe riência
com o manuseio des se ou daquele algoritmo ou até mesmo da disponibi-
lidade de dados que permitam uma corre ção confiável.

No caso es pecí fico do exemplo que es tamos apresentando, foi aplicado o

m odel o 65 de correção atmo sférica. Os valores de FRB superfície referen-
te s a cada uma da s classes apresentadas na Fig. 5.2, ext raídos de ape nas
um pixel para cada classe, encont ram -se na Fig. 5.3.

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

- + - Flo re sta - . - Pasto_sujo .-+- Solo Veg_aquática

_______ Regeneração Pasto_lim po -....- Agua

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)

É importante ressaltar que nesse proce sso de conversão de ND para FRB

ap arente ou de su p erfície exis te a p oss ibilidade de ex pressar o r esul-
tado em valores percentuais, assim com o aconte ce n o eixo Y da Fig. 5.3.
Par a tanto, faz -se necessário dividir o val or do "número d igital" ex traído
da imagem já convertida para FRB superfície (ou aparente) p or 2n -l (n =
número de bits) e multiplicar o re sultado por 100. No no ss o exemplo, por
se trata r de imagens de 8 bits, dividimos os valo res das imagens co nver-
ti das para FRB su perfície po r 255 e, de po is, m ul ti plicam os por 100.

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,

Nas regiõe s do infravermelho próx imo e m édio, as cla sses "Floresta" e

"Regen eração" apresentam valores de FRB relativam ente distintos, com
valores menores encontrados para a classe "Floresta" (a classe "Água"
apresenta os menores valores de FRBnessa região espectral, m as estamos
concentrados apena s nas classes referentes à cobertura vegetal). Na
região do infr averm elho próximo (ETM+4), o esperado seria exatamente
o inverso, ou seja, os valores de FRB da classe "Floresta" dever iam ser
supe riores aos da classe "Regeneração". Isso ocorre porque a estru tura
da floresta prim ári a ("Floresta") di fere das secundárias ("Regene ração"),
principalm ente pela m aior estratifi cação horizontal (maior rugosidade),
que gera lmente implica m aior sombreamento mú tuo de folhas e demais
partes aéreas das árvores . Esse sombreamento diminui a incidê ncia da
radiaçã o eletrom agnética sobre o dossel, acarretando a dim inuição da
reflectância nessa região es pe ctraL Já na região do infr avermelho médio
(ETM+5 e ETM+7), os va lores meno res de FRB p ara a classe "Floresta"

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.

o aumento dos valores de FRB nas regiões do infravermelho próximo

e m édio pa ra as dema is classes refe re -se princip almente à redução do
sombreamento m encionado e d a qua nti da de de ág ua, devido à redução
da biom assa, e a u m a provável maior participação do solo, que deve ser
bast a nte reflexivo nessas faixa s espec t ra is. A classe "Ve&-aqu át ica"
apresentou os m aiores va lores de FRB na região do infraverm elho
próximo, em ra zão, muito provavelmente, de uma estru tura qu e confere
ao se u das sel u m a superfície muito lisa na su a porção superior (minimi-
za ndo sombras),mas com grand e qu antidade de folh as espalhando ra dia-
ção eletromagnética. Já na re gião do infrav ermelho m édio, os valores
de FRB cae m drast icamente, assemelhando-se aos valores encontrados
para "Flores t a" e "Regeneração", p rovavelmen te por apresentar pouc a
diferenciação no conteúdo de água no interior das folhas em relação a
es sas classes em questão. Ain da par a a região do in frave rmelho m édio,
a classe "Solo" foi a qu e ap re sentou os m aiore s valore s de FRB, pro vavel-
m ente pelos baixos ín dices de umid ade, sugerindo po uco teor de argila .

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.

5.3 NDVI e m odelo linear de mistura espectra l

Vamos, agora , interpretar os resu ltados do cálcul o do NDVI e da aplicação
de u m mo delo linea r de mi stura es pectral par a a m esma FNT e para as
mesmas classes considera das por Espírito Santo (2003). Primeiram ente,
va mos obs erva r a aparênc ia de uma im agem NDVI e de uma imagem-
-fração vegetação de uma porção da FNT (Fig. 5.4), relaciona ndo-a com
uma composição colorida elabor ad a com im agen s ETM+.

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.

Comp osição co lorida Imagem N DVI

r---- ,..._ ...............

-,

Imagem-f ração vege tação

.....

..,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

A interpretação dos resultados apresentados na Fig, 5.5 requer muitos

cuidados. Para que essa afirmação seja mais bem compreendida, preci-
samos, antes de mais nada, levar em conta tudo o que já vimos sobre a
caracterização espectral das classes aqui consideradas. Devemos lembrar
sempre que tudo o que estiver influenciando a reflectância dos diferen-
tes dosséis estará inter fer in d o também no cálculo de ambos os índices.
Assim, os menores valores, tanto de NDVI como da fração vegetação,
para a classe "Floresta" em relação à classe "Regeneração", também
podem ser explicados pela maior quantidade de sombras no dossel da
floresta primária em relação ao dossel em regeneração, o que mascara
e compromete a relação direta esperada entre os índices e a biomassa.

À medida que caminhamos para classes com menor biomassa, os resulta-

dos aparentam ser coerentes, porém as magnitudes das diferenças entre
os índices de uma classe para outra podem não manter estreitas correla-
ções com as diferenças em suas biomassas. Isso nos leva a concluir que
a aplicação de índices ou de frações não deve ser feita para comparar
diferenças de biomassa ou estruturais entre diferentes classes fitofisio-
nômicas, mas sim dentro de uma mesma classe. Assim, para valores de
NDVI e de fração vegetação iguais a 0,6 e 0,5, respectivamente, encon-
trados em uma determinada localização, em uma dada fitofisionomia,
comparados com outros valores de NDVI e de fração vegetação iguais a
0,2 e 0,1, respectivamente, obtidos em outra localização, pode -se dizer
que seria esperada uma maior quantidade de fitomassa no primeiro
144
ponto do que no segundo, ou que existem diferenças estruturais qu e
conferem dife re nciação a esses valores , de u m ponto para o outro. O que
não é seguro fazer é comparar valores desses índices entre diferentes
fitofisionomias, ou seja, índ ice s como o NDVI ou a fração vegetação de
um m odelo lin ear de mistura espectr al não s e prestam para a chamada
"classific ação" de fit ofisionom ia s .

Outro ponto interessante que pode se r observado na Fig. 5.5 é a correla-

ção entre os valores de NDVI e os da fração vegetação. Ambos seguem
as mesmas tendências, mas a opção por este ou por aqu ele depende da
natureza do trabalho que se preten de executar.

Pensando ainda em im agens-fração advi nd as da aplicação de modelos

de mistura espectral, serão apresentados, a seguir, alguns ex emplos
de apl icaç ões no se tor flores tal com a utilização de dados de diferentes
s ensores para atender a diferentes objetivos.

5.3.1 Mapeamento de cobertura vegeta lde grandes áreas (nível regional)

As imagens-fraç âo são importantes para tr abalhos de mapeame nto da
cobertura vegetal. O u so dessas imagens, t anto individualmente como
em co njunto, tem permitido m apear a cobertura vegetal em níveis local
e regional, com o uso de dados de diferentes sensores.

A cobertura vegetal do Estado de Mato Grosso tem sido mapeada com

a utilização das im agen s-fr ação derivadas de sensores com diferen-
tes resoluções espaciais e espectrais, como o AVHRR-Noaa (1,1 km)
(Rodriguez Yi; Shimabukuro; Rudorff, 2000), o Vegetation/SPOT (1 km)
(Carreir a s; Sh im abukuro; Pereira, 2002) e o Modis/Terra (250 m) (Ander-
son, 2004). Em nivel local, as imagens-fração derivadas do sensor T MI
Landsat 5 têm sido utilizadas em diferentes ecossistemas (m ata atlâ n-
t ica , cerrado, amazânia etc.). A Fig. 5.6 apres enta a composição colorida
e as imagens-fração correspondentes da vegetação, da sombra e do solo
do Estado de Mato Grosso, derivadas da imagem Modi s/ Terra , obtida em
agos to de 2002.

Como se pode observar na Fig. 5.6, as imagens-fração contêm infor-

m ações úteis para a cla ssificação da cobertura vegetal. Por exemplo, a
 im agem-fração vegetação (Fig. 5.6B) m os tra a diferença, em ton alidades
de cin za, en tre as áreas de floresta e as áreas de ce rrado. A imagem-
-fração solo (Fig. 5.6D) m ostra a diferença entre as áre as prep aradas p ara
cultivo (cinza-claro), realçand o também as diferen ças entre as áreas de
floresta e cerrado. Fin almente, a imagem-fra ção som bra (Fig. 5.6C) realça
as áreas de vegetação em áreas úmidas.

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)

5.3.2 Mapeame nto e monitora me nto de áreas de sflorestadas

e de qu e imadas
's- As imagens-fração foram de grande importância para o desenvolvi-
" m ento do Proj et o de Est im ativa de Desfl or estamento Bruto da Am azô-

":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

Resultado final sobre

o mosaico MODIS

Fig. 5.8 Mapeamento de áreas desflorestadas detectadas em imagens sequenciais de três

datas, obtidas pelo sensor Modis(versão colorida- ver prancha 22)

Além de sse tip o de aplicação, as imagens-fração sombra estão sendo

ut ilizadas para o mapeamento de áreas queimadas . A Fig. 5.9 apres en ta
a imagem -fração so mbra der ivada d a im agem Modis /Terra obtida em
ju lh o de 2004 na reg ião de Novo Progresso, no Estado do Pará. Pode-se

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 •

A aplicação das técnicas de sensoriamento remoto no estudo da vegeta -

ção con stitui um ca mpo ilimi tado de tr aba lho para dife re nte s profi ssio -
nais do universo acadêm ico e/ou empresarial, e o sucesso das iniciativas
nessa direção é diretamen te proporcional ao grau de conhecime nto
que os profissionais envolvidos têm tanto da vegetação em si como dos
fund amentos das técnicas de sensoriamento remoto.

o início de qualquer iniciativa de envolver sen soriamento remoto no •

estudo da vegetação - em qualquer um dos nívei s de coleta de dados ou
esc ala de trabalho - deve ser precedido por muitos cu ida dos e an álises,
procurand o-se ide ntificar as potencialidade s e as limi tações inerentes.

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

ALMEIDA FILHO, R.; ROSENQVIST, A.; SHIMABUKURO, Y. E.; SILVA-GOMEZ, R.

Detecting deforestation w ith mu ltitempor al L-ba n d SAR im ager y: a ca se
stu dy in Western Brazilian Am azôn ia. International journal DfRemate Sensing. v.
28, p . 1 3 8 3 - 1 3 9 0, 2 0 0 ~
ANDERSON, L. O. Classificação e monitoramento da cobertura vegetal de Mato Grosso utili-
zandodados multitemporais do sensor Modis. 247 f. Dissertação (Mestrado em Senso-
ria m ent o Re m o to ) - In pe (In pe -1229 0 -TDI/986), São José d os Campos, 200 4.
ANTUNES, M. A. H. Aplicação dos modelos de ref1 ectância Suits e Sail no estudo do comporta-
mento espectral da soja (Glycine max (L.) Merr ill). São José do s Campos: In pe, 1993.
BOERNER, W. M. Recen t advances in extra-wide b an d p olarim etry. inter fero m etry
an d polarimetric inter ferometry in synth etic aperture remate sensing and its
ap plica tions . IEE Proe. Radar Sonar Nauig. v. 150, n. 3, p. 113·123, jun. 2003.
BOYD, D. S.; DANSON, F. M. Satellite re mote se ns in g of forest resources: three
decades of re sea rch de velop me nt . Pragress in Physical Geagraphy, v. 29, n. 1,
p . 1-26, 200 5.
CARREIRAS, r, M. B.; SHIMABUKURO, Y. E.; PEREIRA, J. M. C. Fract io n im ages
der ived fr om s p ot-s Veget ation data to ass es s lan d-cover change over the
State of Mato Gros so , Brazil, lnternational ]aurnal af Remate Sensing, v. 23, n . 23,
p .4979-4983,2002_
CASTEL, T.; BEAUDOIN, A.; FLOURY, N.; LE TOAN, T .; CARAGLIO, Y.; BARCZI, J. F.
Derivi n g for est canopy pa ra m eters for b ackscatter models using the AMAP
areh iteetu ra l plant m odel. IEEE Ttcnsuctions on Ceoscienre and Remate Sensing,
v. 39, p . 571-583, 2001.
CHAVEZ, )r. P. S. An im proved da rk-objec t su bt raetion tech n ique for atm os phe-
r ie sc at ter in g correction of multispectral dat a. Remate Sensing of Enuironment,
v. 24, p.459 -479,1988 .
CHEN,) . M.; LEBLANC, S. G. A four- scale bidirectional reflectanee model based on
ca nopy arch itecture. IEEE Transactions an Geascience and Remate Sensing, v. 30,
n . 5, p. 13 16 -1337, 199 7.
CLEMENTS, E. S. The re lati on of leaf stru ct u re to physical fac tor s. 1ransactians of
the American Microscopical Society, v. 26, p. 19-102, 1904.
CLOUDE, S. R.; POTTIER, E. An entro py based cla s si fication sc h eme for lan d appli-
cations of polarimetric SAR. IEEE Transactions on Geoscience and Remate Sensing,
v.3 5,p.68-78, 199~
CLOUDE, S. R.; PAPATHANASSIOU, K. P. Polarimetri c SAR in terferometry. IEEE
1ransactions on Geoscience and Remate Sensing, v. 36, p. 1551-1565, 1998.
COLW ELL, ). E. Vegetation canopy reflect ance . Remate Sensing of Enuironment , v. 3,
p . 175 -183, 1974.
DOBSON, M. C.; ULABY, F. T.; LETOAN, T.; BEAUDOIN, A.; KASISCHKE, E. S.; CHRIS-
TENSEN, N. Dep endence of radar backs catter on conifer ous forest biomas s.
IEEE Transactions on Geoscience and Remote Sensing, v. 30, n. 2, p. 412· 415, 1992.
DOBSON, M. C.; ULABY, F. T.; PIERCE, L. E.; SHARIK, T. L.; BERGEN, K. M.; KELLN-
DORFER, I.; KENDRA, I. R.; LI, E_; LIN, Y. c.. NASHASH IBI, A.; SARABANDI , K.;
SIQUEIRA, P. Estimat ion of forest biop hysica l ch aracter ist ics in Nort h er n
Mich iga n with SIR-C/X-SAR. IEEE Transactions on Geascience and Remate Sensing,
v. 33, n . 4 , p . 877-894, 1995.
 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
]ACKSON, R. D.; PINT ER,]. R.; IOS0, S. B.; REGINATO, R.]. Wheat spe ctral reflec-
tance: interaction s between configu ration , su n elevation an d azimuth an gle.
Applied Optics, v. 18, p. 3730 -3732, 1979.
]ENSEN, ]. R. Sensoria mento Remoto do Ambiente: uma perspectiva em recursos terres-
tres. Sào José dos Campos: Parênte se , 2009.
JORDAN, C. F. Derivation oflea f area ind ex from quality ofl ight on the fores t floor .
Ecalagy, v. 50, p. 663-666, 1969.
JUSTICE, C. O.; VERMOTE, E.; TOW NSHEND, J. R. G.; DEFRIES, R.; ROY, D. P.; HALL,
D. K.; 5ALOMONSON, V. V.; PRIVETTE, J. L.; RIGG5, G.; 5TRAHLER, A. Th e
m oderate re solutio n imaging spectrorad iometer (Modis): land remete se n sing
for global ch an ge res earch . IEEE Transactions on Geoscience and Remote Sensing,
v. 36, n . 4, p . 1228-1249, 1998 .
KASISCHKE, E. 5.; MELACK, J. M.; ODBSON, M. C. Th e use of im ag ing radars for e colo-
gical ap plic at ion s- a review. Remote Sensing ofEnvíron ment, v. 59, p . 141·156, 1997.
KAUFMAN, Y. J.; TANRÉ, D. At mosph erica lly Resistant Vegeta t ion Index (Arv i)
for EOS-Mod is. IEEE Transactions on Ceoscience and Remate Sensing, v. 30, n . 2,
p . 261-270, 1992.
KAUFMAN , Y. ].; HOLBEN, B. N. Calibr ati on of t he AVHRR vis ible and near-Ik
band s by atm osph er ic scatteri n g, ocean glin t and desert refl ec t ion . lnternatio-
ncl Iournul of Remete Sensing, v. 14, p. 21-52, 1993.
KAUFMAN, Y. J.; 5ETZER, A.; WARD, D.; TAN RE, D.; HOLBEN, B. N.; MENZEL, P.;
PEREIRA, M. C.; RASMUSSEN, R. Biom as s burning airbo rn e and sp acebor n e
experi me nt in th e Ama zonas (Base -A). journal of Geophysical Resecrch. v. 97.
n . D13, p. 14581-14599, 1992.
KAUTH, R. }.; THOMAS, G. S. Th e Tas seled cap -A gra p hic de sc r ipt ion of the
spectr al -tempor al developmen t of ag ricu lt ur al crops as seen by Lan d sat.
ln : 5YMP05IUM ON MACHINE PROCE55ING OF REMOTELY 5EN5 ED DATA,
Pu rdu e Uni versity, Wes t Lafaye tte, In dian a. Proceedings.... p. 48 -41-4B-50, 1976.
KIMES. D. S. Modelin g th e direction al refl ectance fr om compl ete h omogeneous
vegetation carropies with va ri ous leaf orientation d is trib ution s. journal of
American OpticaI Society, v. At , p. 725-737, 1984.
KOCH, B. Sta tus and fut u re of laser s ca nnin g, synthetic apertu re radar and
h yp ersp ectra l reme te se n sing data for forest biomass as sess ment . ISPRS
journal of Photogrammetry und Remote Sensing, v. 65, n . 6, p. 581-590, 2010.
KUBELKA, V. P.; MUNK, F. Ein Beitrag Zur Optik Der Farban striche . Z. Tech. Physik,
v. 11a , p . 593-601, 1931.
KUMAR, R. Radiation f rom plcnts-rejlection and emission: a review. [Res ear ch proje ct
n . 5543). Purdue Rese arch Founda tion, 1974.
KUPLICH, T. M. Cla ssifyi ng regener ating fores t sta ges in Amazôn ia using remotely
sen sed im age s an d a neur al ne twor k. Forest Ecology and Management, v. 234,
p. 1-9, 2006.
KUPLICH. T. M.; CURRAN, P. J.; ATKINSON, P.M. Rela tin g SAR im age tex tu re to the
biomas s of regen erating tropical fore st s. Interna tional journal of Remote Sensing,
v. 26, n . 21, p .4829-4854, 2005.
KURVONEN, 1.; HALLI KAINEN, M. T. Textu ral inform at ion ofm ult item poral ERS-1
an d JERS·l SAR im ages with ap plication s to land an d fores t ty pe classifica-
tion in bo real zon e. IEEE Transactions on Ceoscience and Remete Sensing, v. 37,
p . 680-689, 1999.
LEBLANC,S. G.; CHEN,J. M. AWindows Graphic Use r Interface (CUI) for the Five-Scale
Mode! for Fast BRDF 5imulations. Remote Sensing Reuiews, v. 19, p. 293 -305,
2000.
LECKIE. D. G.; RANSON. K. J. Forestr y applic ations us ing im aging radar. ln:
HENDER50 N, F. M.; LEW I5, A. J. (Ed.). Principies and applicatians af imagin g radar.
3rd . New Yo rk: Joh n Wi!ey, 1998. v. 2. p. 435-509.
LE TOAN, T.; BEAUDOIN, A.; RIOM, J.; GUYON, D. Rel atin g forest biom a ss to 5AR
dat a. IEEE Transactions on Geoscience and Remete Sensin g, v. 30, p. 403-411, 1992.
155
 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
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

ADAMS, J. B.; SMITH, M. O.; JOHNSON, P. E. Spec tra l m ixture m odelin g: a n ew

an alysis of ro ck an d so il types at th e Viking Lan der 1 site .]ournal of Geophysical
Research , v. 91, n. S8 , p. 80 98 -8 112, 1986.
ADAMS, ]. B.;SMITH, M. O.; GlLLESPIE, A. R. Im agin g sp ect roscopy: int er pretat ion
based on spec tral mi xture analysis . ln: PIETERS, C. M.; ENGLE RT, P. A. (Ed.)
Remete geochemical analys is: elemental and mineralogical composition. New York:
Cambridge Univ er sity Press, 1993. cap. 7. p. 145-166.
ADAMS, ). S. ; SAS OL, D. E.; KAPOS, V.; ALMEIDA FILHO, R.; ROSERTS, D. A.; SMITH ,
M. O.; GUILLESPIE, A. R. Cla ssification of multispect ral im ages based on
fractions of endmember s: ap plica tion to la nd-cover chan ge in th e Brazili an
Amazon . Remote Sensing ofEnv ironment, v. 52, p. 137-152, 1995.
AGUIAR. A. P. D. Utilização de atri butos deriuedos de proporções de classes dentro de um
elemento de resolução de imagem (pixel) na classificação multiespectrul de imagens de
sensoriamento remoto. Dissertação (Mes trad o) -Inp e, São José dos Campos , 1991.
AGUIAR, A. P. D.; SHIMASUKURO, Y. E.; MASCARENHAS, N. D. A. Use of s y n t h e -
tic band s derived fr om rnixin g models in the m u ltispectral classificat ion
of re m ate sensi ng im ages . lnternational ]ournal of Remate Sensing, v. 20, n . 4,
p . 647-657, 1999.
CARREIRAS, i . M. S.; SHIMASUKURO, Y. E.; PEREIRA, J. M. C. Fr action images
derive d fr om Spot-4 vegetation dat a to ass ess lan d- cover cha nge over the
State of Mato Gros so, Brazil. lnternational ]ournal of Remote Sensing, v. 23, n. 23,
p . 4979 -498 3, 200 2.
COCHRANE, M. A.; SOUZA, C. M. Lin ear m ixtu re mode1 classifica tion of bur ned
forest in the Eastern Am azon. InternationalJournalof Remete Sensing, v. 19, n . 17,
p . 34 33 -3440, 19 98 .
CROSS, A.; SETTLE, J. J.; DRAKE, N. A.; PAIVIN EN, R. T. M. Su b pixel m e a s urem e n l of
tropical fore st cover us in g AVHRR da ta . lnternational Journal of Remote Sensing,
v. 12, n . 5, p . 1119 -1129, 1991.

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

Senti do d; pas~ag~do satélite

o /

Simulação art ística de um sensor conve ncional adqui rindo dados na vertical

® Simulação a rtística do se nsor MISR/EOS-AM l adqu irindo dados mu ltiangul ares

Prancha 2 Simulações artísticas do imageamento de (A) um sensor convencional na vertical

nadir e do (8) sensor multiangular MISR, para uma mesma formação florestal hipotética
Fonte: Liesenberg (2006).
 ......... HRVlSPOT-3
- MSS/ l andsat-S
-+- TM/ Landsat-S
-+- ASTER/Terra
- - AVI RIS
--*- Labo ratory

40 0 900 1.400 1.900 2.400

Comprim ento de on da (nm)

•
©

Atmosfera
o 1
' ~ 0,8
.,
.•
o 0,8
1 Geologia e solos

-~ 0.6 ~ 0,6
v
c: 0,4 o: 0,4
~

~ 0,2 <r 0,2

~

° 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

Com primento de ond a (n m) Compr ime nto de on da (nm)

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

Com primento de onda Inml " N

."
N

Comp rimento de onda (n m )

Prancha 3 Representação esquemática do Sensoriamento Remoto Hiperespectral

Fonte: adaptado de Green, Eastwoode Sarture (1998).
 1
Map a te mát ico

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

Pran cha 6 Composiçõescoloridas(TM/ La ndsat 5 nas bandas TM3-azul, TM4-vermelho e

TM5-verdel de uma porção do Estado do RioGrande do Sul, referentes a duasdatas de
coleta de dados:(A) outubro/2002 e (B) março/2003
 Mapa temático

o Amost ras de floresta primá ria

Amost ras de desflorestamenro

Prancha 7 Amostrasde treinamento para elaboração de mapa temático composto pelasclasses

Floresta primária e Desflorestamento

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

Prancha 91VPx visível

Fonte: adaptado de <htt p://www.
microimages.com/documentation/
Reflectânciano vermelho cplates/71TASCAP.pdf>.
 Comp osição colorida NVDI

"-
~
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

III F_alterada~fogo Solo exposto III Regeneração

III Veg_aquática II Pasto sujo III Floresta
Prancha 17 Mapa temáti co de uma porção da FNT elaborado por Espírito Santo (2003) com
dadosETM+ de 2001
 35

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

- + - Flo re sta ----- Pasto_sujo Solo _+_ Veg_aquátic3

- - . - Reg eneração PastoHmpo - . . - Agua

Prancha 18Valoresde FRB superfície extraídosde pixels específicos dasimagens ETM+-.de -

2001, para cada classe apresentada na Fig. 5.2

Compos ição colo rida Imag em NDVI

Imagem-fração \/e.,9;;.:
e,;,ta;.ç;.:à,;,O -..

.,

Prancha 19 Composição colorida e imagem

NDVIreferente a uma região da FNT
Prancha 20 (A) Co mposiçãocolorida (R6 G2 81)e imagens-fração correspondentes (B) da veget ação,
(C) da sombra e (O) do solo do Est ado de Mato Grosso, derivadas da imagem Modis/Terraobtida
em agosto de 2002
Prancha 21 (A) Composição colorida TM/Landsat 5 (bandasTMS, fi ltro vermelho;TM4, filtro verdee
TM3, fi ltro azul) de uma área localizada no Estado de Rondônia e sua (B) imagem-fração sombra

0 (8) ~
.. ••,.
. -'lo\!
..t: •t
•
". • ,,' .•
; .
. !A (~ •
' ." •
l;#
'. 1' .
...
~

r......

Mosaico MüDIS
de 24/5 a
8/6 de 2004

Resultado final sob re

o mosaico MüOIS

Prancha 22 Mapeamento de áreas desflorestadas detectadas em imagens sequenciaisde três datas,

obtidas pelo sensor Modis
Prancha 23 Áreas queimadasna região de Novo Progresso, PA: (A) áreas escuras na composição
colorida da imagem Modis/Terra de julho de 2004 e (B) áreas clarasna lmaqem-fração sombra
derivada dessa imagem Modis/ Terra, mostrando as área squeimadas