Sensores Remotos e Proximais

Utilizados na Agricultura
Gustavo Vasques
IA324
 Conteúdo
• Introdução
• Parte 1: Sensores remotos e proximais
– Princípios básicos
– Sensores terrestres, aéreos e orbitais
• Parte 2: Aplicação de sensores na agricultura
– Imagens no visível e infravermelho
– Curvas de reflectância
– Imagens de radar
Parte 1: Sensores Remotos e Proximais
• Para que sensores?
– Instrumentos de medição
– Coletam dados de forma automática
– Dados correlacionam com fenômenos naturais
– Cobrem grandes áreas (sensores remotos)
– Geram muitos dados com baixo custo/amostra
 Tipos de Sensores
• Remoto
– Não encosta fisicamente no alvo
– Posicionado longe do alvo
– Ex: olho, nariz
• Proximal
– Pode encostar no alvo
– Posicionado perto do alvo
– Ex: nariz, mão
 Sensores Remotos
• Princípios básicos
– Energia eletromagnética
 Sensores Remotos
• Princípios básicos
– Teoria ondulatória (energia de uma onda)
• E = h.c/λ (h = 6,63 x 10-34 J s-1; c = 3 x 108 m s-1)
• Quanto maior o λ, menor a E
LILLESAND et al., John Wiley & Sons (2007)
 Sensores Remotos
• Princípios básicos
– Teoria ondulatória (energia de uma onda)
• E = h.c/λ (h = 6,63 x 10-34 J s-1; c = 3 x 108 m s-1)
• Quanto maior o λ, menor a E
– Lei de Stefan-Boltzmann (radiação total emitida)
• M = ε.σ.T4 (0 < ε < 1; σ = 5,67 x 10-8 W m-2 K-4)
– Lei de Wien (λ de máxima radiação)
• λmax = C/T (C = 2898 μm K)
• Sol (T = 5780 K; λmax = 0,50 μm - visível)
• Terra (T = 288 K; λmax = 10 μm - termal)
 Sensores Remotos
• Princípios básicos
– Lei da conservação de energia
• Einc= Eabs + Etransm + Erefl
• Einc/Etotal = Eabs/Etotal + Etransm/Etotal + Erefl/Etotal
• 1 = Absorbância + Transmitância + Reflectância
• Reflectância = albedo = f(material)
 Sensores Remotos
• Princípios básicos
– Interação da energia do Sol com a atmosfera

“Janelas atmosféricas”
 Sensores Remotos
• Princípios básicos
Sensores Remotos

SCHOWENGERDT, Academic Press (2007)

 Sensores Remotos
• Princípios básicos
– Reflectância de diferentes materiais
λ = 0,55 μm λ = 0,85 μm
 Sensores Remotos
• Princípios básicos
– Reflectância de diferentes materiais

λ = 0,55 μm λ = 0,85 μm

Princípio básico para diferenciação de materiais

através de SR
 Sensores Remotos
• Princípios básicos
– Reflectância de diferentes materiais
 Sensores Remotos
• Sensores terrestres
– Câmara fotográfica
– Radar de mão
– Radiômetro
• Sensores aéreos/orbitais
– Sensor multiespectral
– Sensor hiperespectral
– Radar
– Lidar (somente aéreo)
 Sensores Orbitais
• Características
– Resolução espacial: tamanho do pixel
– Resolução espectral: número e faixa espectral das
bandas
– Resolução radiométrica: número de tons de cinza
– Resolução temporal: período entre duas visitas ao
mesmo alvo
• Formato da imagem
– Número digital organizado em linhas x colunas x
bandas
 Sensores Orbitais

Banda 1 Banda 2
Sensores Orbitais

LILLESAND et al., John Wiley & Sons (2007)

Sensores Orbitais

SCHOWENGERDT, Academic Press (2007)

 Sensores Orbitais
• Movimentação
– Altitude: centenas de km
– Período de revolução em torno da Terra: variável
LILLESAND et al., John Wiley & Sons (2007)
 Sensores Orbitais
• Movimentação
– Altitude: centenas de km
– Período de revolução em torno da Terra: variável
– Recobrimento: através de órbitas e pontos
LILLESAND et al., John Wiley & Sons (2007)
http://www.dgi.inpe.br/CDSR
 Sensores Orbitais
• Satélites e sensores: Landsat
Sensor Satélite (lançamento) Resolução Resolução Resolução
(bandas) espectral (μm) espacial (m) temporal (d)
MSS (4-5) Landsat 1 (1972) Azul, Verde, 79 (LS 1-3) 18 (LS 1-3)
Landsat 2 (1975) Vermelho, 82 (LS 4-5) 16 (LS 4-5)
Landsat 3 (1978) IVP
Landsat 4 (1982) IVT (LS 3, falhou) 240
Landsat 5 (1984)
TM (7) Landsat 4, 5 Azul, Verde, 30 16
Vermelho,
IVP, 2 IVM
IVT 120
ETM (8) Landsat 6 (1993, TM 30/120 (IVT) 16
falhou) Pancromático 15
ETM+ (8) Landsat 7 (1999) ETM 15/30/60 (IVT) 16
 Sensores Orbitais
• Satélites e sensores: SPOT
Sensor Satélite Resolução Resolução Resolução
(bandas) (lançamento) espectral (μm) espacial (m) temporal (d)
HRV (4) SPOT 1 (1986) Verde, Vermelho, 20 26 + off-nadir
SPOT 2 (1990) IVP
SPOT 3 (1993) Pancromático 10
HRVIR (5) SPOT 4 (1998) Verde, Vermelho, 20 26 + off-nadir
2 IVP
Pancromático 10
HRG (5) SPOT 5 (2002) Verde, Vermelho, 10 26 + off-nadir
IVP
IVM 20
Pancromático 2,5 ou 5
Vegetation (3) SPOT 4, 5 Azul, Vermelho, 1000 1
IVP
 Sensores Orbitais
• Satélites e sensores: CBERS

Sensor Satélite Resolução Resolução Resolução

(bandas) (lançamento) espectral (μm) espacial (m) temporal (d)
CCD (5) CBERS 1 (1999) Azul, Verde, 20 26 + off-nadir
CBERS 2 (2003) Vermelho, IVP,
CBERS 2B (2007) Pancromático
IR-MSS (4) CBERS 1, 2, 2B 2 IVM, 80 26
Pancromático
IVT 160
WFI (2) CBERS 1, 2, 2B Vermelho, IVP 260 5
HRC (1) CBERS 2B Pancromático 2,70 26
 Sensores Orbitais
• Satélites e sensores: TERRA e AQUA

Sensor Satélite Resolução Resolução Resolução

(bandas) (lançamento) espectral (μm) espacial (m) temporal (d)
ASTER (15) TERRA (1999) Verde, Vermelho, 15 (4 bandas) 4
IVP (frente), IVP
(trás)
6 IVM 30 (6 bandas) 16
5 IVT 90 (5 bandas)
MODIS (36) TERRA Vermelho, IVP 250 (2 bandas) 2
AQUA (2002) Azul, Verde, 3 IVM 500 (5 bandas)
7 Visível, 5 IVP, 1000 (29 bandas)
17 IVT
 Sensores Orbitais
• Satélites e sensores: Alta resolução
Satélite Resolução espectral (μm) Resolução Resolução
(lançamento) espacial (m) temporal (d)
IKONOS (1999) Azul, Verde, Vermelho, IVP 4 1
Pancromático 1 3
QuickBird Azul, Verde, Vermelho, IVP 2,40 1
(2001) Pancromático 0,61
OrbView-3 Azul, Verde, Vermelho, IVP 4 1
(2003) Pancromático 1

• Hiperespectral: EO-1
Sensor Satélite Resolução Resolução Resolução
(bandas) (lançamento) espectral (μm) espacial (m) temporal (d)
Hyperion (242) EO-1 (2000) 0,36-2,6 (0.01 μm 30
de largura)
 Sensores Orbitais
• Satélites e sensores: Space Shuttle Topography
Mission (SRTM) – Radar
Sensor (bandas) Satélite Resolução espectral Resolução espacial
(lançamento) (m)
SIR-C/X-SAR (2) Ônibus espacial Banda C (5,6 cm) 30, 90
Endeavour Banda X (3 cm)
(2000)
 Sensores Aéreos
• Fotografia aérea
– Analógica
– Digital
• Sensor hiperespectral
– AVIRIS: 224 bandas (0,38-2,5 μm), início em 1989
• Radar
• Lidar
• Videografia
AVIRIS vs Landsat TM

MADEIRA NETTO e BAPTISTA, Embrapa Cerrados Documentos, 25 (2000)

 Sensores Terrestres
• Radiômetros de reflectância
– Monoespectral
– Multiespectral
• Radiômetros de infravermelho termal
– Medidores indiretos de emissividade e
temperatura
• Sensor de índice de área foliar
• Sensor de radiação fotossinteticamente ativa
• Sensor de temperatura
0,35-2,5 μm
 Afolhas
_____
IAF =
Achão

RFA = 0,4-0,7 μm
 Sensores Proximais
• Espectrorradiômetro
– Hiperespectral
– Visível, IV próximo, IV médio
– Resposta: curva de reflectância
Sensores Proximais
AI2SiO5(OH)4

(AI,Mg)2-3Si4010(OH)2.nH20

MADEIRA NETTO e BAPTISTA, Embrapa Cerrados Documentos, 25 (2000)

Sensores Proximais

MADEIRA NETTO e BAPTISTA, Embrapa Cerrados Documentos, 25 (2000)

 Sensores Proximais
• Fatores que influem na reflectância de solos
– Umidade
– Teor de M.O.
– Teor de Fe
– Textura
– Estrutura
– Mineralogia
 Sensores Proximais
• Colorímetro
– Resposta: cor
• Indução eletromagnética
– Resposta: condutividade elétrica
• Reflectômetro no domínio do tempo
– Resposta: permitividade, constante dielétrica
• Radar de penetração (georadar)
– Resposta: intensidade e velocidade de pulso
• Plataforma multisensor
– Resposta: diversas propriedades
 Parte 2: Aplicação de Sensores na
Agricultura
• Imagens no visível e infravermelho
– Permitem, através de interpretação e modelagem,
mapear, classificar, estimar e monitorar:
• Formações geomórficas: tipos, rochas/minerais
expostos
• Corpos d’água: rede de drenagem, viscosidade,
quantidade de sedimentos, concentração de algas
• Vegetação: tipo, tamanho, saúde, estágio fenológico,
pragas/doenças, estresse hídrico, estresse nutricional
• Solos: classes, atributos, uso da terra, aptidão agrícola
Imagens no visível e infravermelho
• Exemplos de utilização
– Classificação do uso da terra através de imagens
multiespectrais
• Arraes et al., XIV SBSR, Anais, Natal (2009)
– Jaboticabal, SP
– Classificação não supervisionada por análise de agrupamento
(IsoClust, IDRISI)
 CBERS 2/CCD (20 m)

RGB = 3,4,2 Landsat 5/TM (30 m)

Imagens no visível e infravermelho
• Exemplos de utilização
– Classificação do uso da terra através de imagens
multiespectrais
• Arraes et al., XIV SBSR, Anais, Natal (2009)
– Jaboticabal, SP
– Classificação não supervisionada por análise de agrupamento
• Fumiya et al., XIII SBGFA, Anais, Viçosa (2009)
– São Jorge do Avaí, PR
– Classificação supervisionada por máxima verossimilhança
Landsat MSS e TM
Imagens no visível e infravermelho
• Exemplos de utilização
– Aptidão agrícola
• Mapeamento da aptidão agrícola
– Assad et al., XIV SBSR, Anais, Natal (2009)
» Ribeirão Preto, SP
» Modelo digital de elevação, atributos do solo
» Álgebra de mapas, interpolação de atributos do solo
Imagens no visível e infravermelho
• Exemplos de utilização
– Aptidão agrícola
• Mapeamento da aptidão agrícola
– Assad et al., XIV SBSR, Anais, Natal (2009)
» Ribeirão Preto, SP
» Modelo digital de elevação, atributos do solo
» Álgebra de mapas, interpolação de atributos do solo
• Identificação de conflitos de uso x aptidão agrícola
– Menezes et al., Ciênc. Agrotec., v. 33, p. 1544-1553 (2009)
» Andrelândia
» Aptidão: mapa pedológico + perfis de solo
» Uso: Landsat/ETM+, máxima verossimilhança
Imagens no visível e infravermelho
• Exemplos de utilização
– Interpretação de imagens hiperespectrais
Combinação RGB de bandas do sensor AVIRIS
 Curvas de reflectância
• Permitem, através de interpretação e
modelagem, identificar, classificar e estimar:
– Tipos (classes) de solo
– Atributos do solo
• Umidade
• Teor de M.O. e outros constituintes
– Presença ou ausência de determinados minerais
– Cor do solo
 Curvas de reflectância
• Exemplos de utilização
– Interpretação de curvas de reflectância
Curvas de reflectância

Autoria de DEMATTÊ
 Curvas de reflectância
• Exemplos de utilização
– Classificação de solos através de curvas de
reflectância
• Palacios-Orueta e Ustin, Remote Sens. Environ., v. 57,
p. 108-118 (1996)
– AVIRIS vs laboratório
– Análise discriminante canônica
– Nível de série
Laboratório

AVIRIS
Laboratório AVIRIS

Erro = 16% Erro = 19%

 Curvas de reflectância
• Exemplos de utilização
– Estimação do teor de C do solo através de curvas
de reflectância
• Vasques et al., Geoderma, v. 146, p. 14-25 (2008)
– Cinco métodos de predição
– Laboratório
Regressão linear múltipla Componentes principais

Mínimos quadrados parciais Árvore de regressão

 Imagens de radar
• Permitem, através de interpretação e
modelagem, mapear, classificar, estimar e
monitorar:
• Formações geomórficas: tipos, rochas/minerais
expostos
• Corpos d’água: rede de drenagem
• Vegetação: tamanho, estresse hídrico
• Solos: classes, atributos, uso da terra, aptidão agrícola
 Imagens de radar
• Exemplos de utilização
– Classificação do uso da terra através de imagens
de radar
• Sano et al., Geociências, v. 28, p. 441-451 (2009)
– Distrito Federal
– Análise de agrupamento, segmentação por crescimento de
regiões
Matas indiscriminadas Campos Mata de galeria

RGB = HH,HV,VV

Cerrado típico Áreas urbanas consolidadas

 Áreas urbanas em
Pastagens cultivadas consolidação

RGB = HH,HV,VV

Culturas agrícolas Reflorestamentos Reservatórios

 Imagens de radar
• Exemplos de utilização
– Planejamento do uso da terra através de imagens
de radar
• Bazzan e Robaina, Ciênc. Natura, v. 30, p. 155-170
(2008)
– Oeste do Rio Grande do Sul
– Uso: CBERS/CCD
– Relevo e APP: SRTM
 Imagens de radar
• Exemplos de utilização
– Classificação da aptidão agrícola através de
imagens de radar
• Valladares et al., www.aptidaoma.cnpm.embrapa.br
(2005)
– Estado do Maranhão
– Mapa de solos, modelo digital de elevação SRTM